王彤，盧斯煜，金小明，周保榮

(南方電網(wǎng)科學(xué)研究院，廣州市 510080)

?

風(fēng)電并網(wǎng)對南方電網(wǎng)可靠性的影響評估

王彤，盧斯煜，金小明，周保榮

(南方電網(wǎng)科學(xué)研究院，廣州市 510080)

在同時考慮發(fā)電機(jī)組和輸電線路可靠性的前提下，引入了等效無風(fēng)電場景，利用蒙特卡洛法來評估風(fēng)電并網(wǎng)后對系統(tǒng)可靠性的影響，并基于此場景提出在可靠性意義下風(fēng)電備用需求的計(jì)算方法，來量化風(fēng)電間歇性對系統(tǒng)可靠性的影響。同時隨著南方電網(wǎng)風(fēng)電滲透率逐步增加，需要對風(fēng)電在規(guī)劃中的容量效益以及對系統(tǒng)容量充裕度的貢獻(xiàn)進(jìn)行評估，來減小電力供需預(yù)測產(chǎn)生的偏差，避免投資浪費(fèi)，并為今后電力市場改革中容量市場的建立提供數(shù)據(jù)參考和支持。以上述可靠性評估模型為基礎(chǔ)，基于序列運(yùn)算對南方電網(wǎng)風(fēng)電可信容量和容量可信度進(jìn)行評估，并以南方電網(wǎng)實(shí)際系統(tǒng)為例，研究風(fēng)電出力特性、滲透率和風(fēng)區(qū)相關(guān)性等對容量可信度的影響。

風(fēng)電；可靠性；蒙特卡洛法；備用容量；風(fēng)電可信容量；風(fēng)電容量可信度

0 引 言

為應(yīng)對當(dāng)前環(huán)境污染、氣候變暖、能源短缺與日益增長的用電需求的矛盾，風(fēng)能、太陽能等新能源將成為未來能源發(fā)展的趨勢。自1995年以來，世界風(fēng)電裝機(jī)平均年增長率達(dá)28.4%，截至2009年底，世界風(fēng)電裝機(jī)容量達(dá)159 300 MW，預(yù)計(jì)到2020年，世界風(fēng)電裝機(jī)將增加到1.9 TW[1]。南方五省區(qū)風(fēng)能資源儲備豐富，預(yù)計(jì)2020年風(fēng)電總裝機(jī)達(dá)28 000 MW，今后將成為南方地區(qū)重要的替代能源。

目前在風(fēng)電對系統(tǒng)運(yùn)行可靠性的影響研究中，大多對比分析了有無風(fēng)電2個場景下系統(tǒng)可靠性的變化，其中無風(fēng)場景均為原有不加入風(fēng)電的場景，有風(fēng)場景基本分為2種構(gòu)造方法：(1)在無風(fēng)場景中直接接入風(fēng)電，由于風(fēng)電接入使系統(tǒng)電源充裕度增加，研究結(jié)論普遍認(rèn)為風(fēng)電接入有助于提高系統(tǒng)可靠性,只是提升效果不明顯[2]；(2)在無風(fēng)場景中接入風(fēng)電并減少該節(jié)點(diǎn)相同容量的常規(guī)機(jī)組，得到風(fēng)電機(jī)組可靠性遠(yuǎn)不如傳統(tǒng)機(jī)組，且隨著滲透率(風(fēng)電裝機(jī)占總裝機(jī)的比例)增加，不可靠性愈發(fā)明顯[3]。然而風(fēng)電具有隨機(jī)性和不確定性等特點(diǎn)，單純以上述2種有無風(fēng)電場構(gòu)造場景進(jìn)行對比分析，僅能反映出風(fēng)電機(jī)組自身可靠性與常規(guī)機(jī)組的差異。本文在進(jìn)行考慮風(fēng)電的系統(tǒng)可靠性評估研究中，引入了等效無風(fēng)電場景，即在原有無風(fēng)電場景中加入一個100%可靠的等效機(jī)組，其容量為風(fēng)電時序模擬平均出力，即風(fēng)電在等電量的意義下被替換為等效機(jī)組，此時系統(tǒng)充裕度與有風(fēng)電場景下可能會存在差異，其相對大小取決于風(fēng)電的間歇性對系統(tǒng)可靠性的影響。同時，引入可靠性意義下風(fēng)電需增加備用的概念，達(dá)到定量描述風(fēng)電接入前后可靠性變化的作用。

另一方面，由于風(fēng)電出力特性與常規(guī)能源有較大差別，電力規(guī)劃中不能將風(fēng)電機(jī)組容量計(jì)入電力平衡，于是國內(nèi)外學(xué)者提出了風(fēng)電可信容量的概念及評估方法，希望可以量化風(fēng)電對系統(tǒng)容量充裕度的貢獻(xiàn)。文獻(xiàn) [4]實(shí)現(xiàn)了基于序列運(yùn)算的風(fēng)電可信容量計(jì)算方法，有效提高了計(jì)算速度。文獻(xiàn) [5]實(shí)現(xiàn)了考慮輸電線路可靠性的電力系統(tǒng)生產(chǎn)模擬，并對風(fēng)電與常規(guī)電源聯(lián)合外送的受端可信容量進(jìn)行了研究。文獻(xiàn) [6]對比分析了不同風(fēng)速模型和可靠性指標(biāo)對發(fā)電系統(tǒng)可靠性和風(fēng)電容量可信度評估的影響。文獻(xiàn) [7]分別對4種容量可信度評估方法進(jìn)行對比研究，分析各個方法的特點(diǎn)以及影響其評估結(jié)果的因素。文獻(xiàn) [8]提出了計(jì)算風(fēng)電接入前后系統(tǒng)電源充裕度的差值作為風(fēng)電可信容量的方法。文獻(xiàn) [9]探討了澳大利亞區(qū)域電網(wǎng)間聯(lián)絡(luò)線額定容量變化對風(fēng)電容量可信度的影響。

本文主要基于蒙特卡洛法的系統(tǒng)可靠性評估方法[4-5]，在同時考慮發(fā)電機(jī)組和輸電線路可靠性的前提下，對大規(guī)模風(fēng)電并網(wǎng)后南方電網(wǎng)可靠性，系統(tǒng)需增加的備用需求，風(fēng)電可信容量及容量可信度進(jìn)行評估，并結(jié)合南方電網(wǎng)五省區(qū)電網(wǎng)實(shí)際情況，研究不同風(fēng)電出力季特性，電源充裕度對容量可信度的影響，同時以海南電網(wǎng)為典型案例，探究風(fēng)電滲透率和風(fēng)電場相關(guān)性對風(fēng)電容量可信度的影響，為今后合理規(guī)劃風(fēng)電容量以及電力市場改革中容量市場的建立提供數(shù)據(jù)支持和參考。

1 風(fēng)電場出力模擬方法

文獻(xiàn) [10]分別對比介紹了3種隨機(jī)風(fēng)速的建模方法：威布爾(Weilbull)分布與實(shí)際風(fēng)速分布擬合較好，應(yīng)用范圍較廣，在中長期風(fēng)能資源評估中有較好的適用性。組合風(fēng)速模型物理概念清晰，可靈活組合不同風(fēng)速分量，在風(fēng)力發(fā)電機(jī)組的動態(tài)控制研究中應(yīng)用較多。風(fēng)輪等效風(fēng)速模型考慮了風(fēng)對風(fēng)電機(jī)組的等效作用情況，適用于風(fēng)電場本身的特性分析。本次研究為中長期可靠性評估，風(fēng)速序列建模主要采用威布爾(Weibull)分布模型來模擬未來風(fēng)資源情況，同時利用文章 [11]提到的隨機(jī)微分方程來模擬風(fēng)速的隨機(jī)波動特性，生成符合歷史數(shù)據(jù)特性的風(fēng)速時間序列，再考慮風(fēng)電功率特性曲線及隨機(jī)停運(yùn)，確定最終的風(fēng)電時序出力曲線。

2 考慮風(fēng)電的系統(tǒng)可靠性評估方法及風(fēng)電可信容量評估方法

2.1 可靠性意義下風(fēng)電備用需求概念

在考慮風(fēng)電的系統(tǒng)可靠性評估中，引入可靠性意義下風(fēng)電備用需求C備用的概念，即在等可靠性前提下，有風(fēng)電場景需增加的常規(guī)備用機(jī)組容量。設(shè)原有系統(tǒng)機(jī)組容量Corigin，接入風(fēng)電裝機(jī)容量Cwind，等效無風(fēng)場景等效機(jī)組容量Cavg，f為不同場景下可靠性指標(biāo)，若有

f有風(fēng)(Cwind+C備用+Corigin)=f無風(fēng)(Cavg+Corigin)

(1)

則C備用即為基于有風(fēng)場景和等效無風(fēng)場景下系統(tǒng)的新增備用需求。

2.2 可信容量的概念

文獻(xiàn) [7]分別介紹了4種計(jì)算可信容量的方法：其中等效固定容量法(equivalent firm capacity, EFC)和等效載荷能力法(equivalent load carrying capability, ELCC)能夠保證較為一致的計(jì)算結(jié)果。等效常規(guī)機(jī)組容量法(equivalent conventional capacity, ECC)的計(jì)算結(jié)果會受到常規(guī)機(jī)組可靠性參數(shù)的影響，保證容量法(guaranteed capacity, GC)的結(jié)果完全取決于人為設(shè)定的保證率參數(shù)，可比性較差。

本文評估采用等效固定容量法(EFC)，即在等可靠性的前提下，將與風(fēng)電等效的100%可靠的機(jī)組容量，作為風(fēng)電可信容量，若有

f有風(fēng)(Cwind+Corigin)=f無風(fēng)(C可信+Corigin)

(2)

則C可信為對應(yīng)的可信容量，進(jìn)而得到容量可信度的計(jì)算公式為

(3)

2.3 考慮風(fēng)電的系統(tǒng)可靠性評估方法

本次考慮風(fēng)電的電力系統(tǒng)可靠性評估主要包括元件級不確定性建模，蒙特卡洛狀態(tài)采樣，系統(tǒng)失效狀態(tài)求解以及系統(tǒng)可靠性指標(biāo)計(jì)算?？煽啃栽u估基本流程框架如圖1所示。

2.3.1 元件不確定模型

(1)負(fù)荷不確定性模型。本次評估采用時序負(fù)荷

圖1 考慮風(fēng)電的系統(tǒng)可靠性評估框架Fig.1 System reliability assessment model with wind power integration

模型，按系統(tǒng)外部輸入的系統(tǒng)總負(fù)荷曲線作為采樣目標(biāo)，每次通過對系統(tǒng)所處“時刻”采樣，獲得系統(tǒng)某一時刻對應(yīng)的總負(fù)荷，并根據(jù)各母線負(fù)荷因子以及母線典型負(fù)荷曲線，確定各個母線在該采樣中的負(fù)荷。

(4)

式中t～u[1,T]表示對時刻進(jìn)行均勻采樣，采樣范圍為評估的起始時刻到目標(biāo)時刻。

(2)常規(guī)機(jī)組不確定性模型。本次研究常規(guī)機(jī)組為可修復(fù)模型，按“正常運(yùn)行”和“故障停運(yùn)”2個狀態(tài)模型考慮。

(3)新能源機(jī)組不確定性建模。本研究中風(fēng)電出力的采樣方式與時序負(fù)荷的采樣方式類似，即根據(jù)時序模擬結(jié)果，每次通過對系統(tǒng)所處“時刻”采樣，獲得系統(tǒng)某一時刻對應(yīng)的各類型新能源的出力。這種采樣方式考慮新能源與負(fù)荷之間可能存在的相關(guān)性，使可靠性的計(jì)算更加反映實(shí)際情況。新能源機(jī)組可靠性模型可表示為

(5)

(4)線路和變壓器故障模型。本次計(jì)算中將線路、變壓器以及母聯(lián)開關(guān)等設(shè)備統(tǒng)一按潮流計(jì)算的“支路”概念建模，全部等效為線路，也同樣按兩狀態(tài)模型考慮。

與機(jī)組長期模型中的“運(yùn)行-停運(yùn)-運(yùn)行”循環(huán)類似，從長期而言，線路停運(yùn)概率為

(7)

式中MTTRl為線路平均修復(fù)時間，λl為線路永久故障停運(yùn)率(次/年)。

對于變壓器，往往給出其停運(yùn)率λl(次/(年×臺))以及平均修復(fù)時間MTTRl，則其停運(yùn)概率為

(8)

通過上述元件不確定性模型，將元件的故障率等指標(biāo)轉(zhuǎn)換為故障概率，即建立了元件在評估目標(biāo)時期內(nèi)的概率空間模型，基于該故障概率，能夠采用蒙特卡洛抽樣法確定元件在各次采樣中的狀態(tài)。

2.3.2 系統(tǒng)采樣方法

本次主要采用蒙特卡洛采樣法，其中負(fù)荷抽樣模型為最高負(fù)荷模型，即可靠性評估時段中系統(tǒng)負(fù)荷最高的時刻對應(yīng)的負(fù)荷作為所有采樣中的負(fù)荷。新能源機(jī)組出力抽樣的方式與時序負(fù)荷的抽樣方式相同，且抽樣中用到的隨機(jī)數(shù)也與時序負(fù)荷抽樣中用到的隨機(jī)數(shù)相同，保證負(fù)荷與新能源出力的同時性。線路與常規(guī)機(jī)組根據(jù)隨機(jī)生成的0～1區(qū)間隨機(jī)數(shù)，確定其采樣狀態(tài)。

2.3.3 系統(tǒng)失效狀態(tài)求解

本次評估采用直流潮流模型進(jìn)行評估，其目標(biāo)函數(shù)為切負(fù)荷成本最小，并在原有考慮了潮流約束、機(jī)組最大最小出力約束的基礎(chǔ)上，引入必開機(jī)組切出力，用于辨識系統(tǒng)失效狀態(tài)時機(jī)組出力可能低于最低出力的情況；同時也引入斷面潮流約束，更精確地考慮區(qū)域潮流交換在可靠性評估中的作用。

2.4 基于等可靠性的風(fēng)電可信容量評估方法

本文風(fēng)電可信容量評估主要引用文獻(xiàn) [4]，基于序列運(yùn)算的風(fēng)電可信容量計(jì)算方法。首先對常規(guī)機(jī)組和風(fēng)電等新能源機(jī)組進(jìn)行序列化建模，接著利用序列運(yùn)算對包含風(fēng)電機(jī)組的實(shí)際系統(tǒng)進(jìn)行隨機(jī)生產(chǎn)模擬。同時引入一等效系統(tǒng)，等效系統(tǒng)中加入具有一定強(qiáng)迫停運(yùn)率的虛擬機(jī)組，通過對等效系統(tǒng)進(jìn)行隨機(jī)生產(chǎn)模擬并與實(shí)際系統(tǒng)可靠性進(jìn)行比較與迭代運(yùn)算，得到風(fēng)電能夠替代的常規(guī)機(jī)組容量，即風(fēng)電機(jī)組的可信容量，具體建模思路如圖2所示。

圖2 基于序列運(yùn)算的風(fēng)力發(fā)電可信容量建模思路 [4]Fig.2 Wind power credible capacity model based on sequence operation

3 算例分析

本次算例分析采用由清華大學(xué)電機(jī)系開發(fā)的電力決策支持系統(tǒng)(globle optimization planning toolbox, GOPT)進(jìn)行模擬計(jì)算。

3.1 機(jī)組及線路可靠性參數(shù)設(shè)定

本次研究南方五省區(qū)機(jī)組可靠性指標(biāo)如表1所示，線路與變壓器可靠性指標(biāo)，廣東省見表2，廣西、云南、貴州和海南其余四省區(qū)指標(biāo)見表3；直流可靠性指標(biāo)見表4。

表1 機(jī)組可靠性指標(biāo)

Table 1 Reliability indices of units

表2 廣東省線路與變壓器可靠性指標(biāo)Table 2 Reliability indices of Guangdong line and transformer

表3 廣西、貴州、云南、海南線路與變壓器可靠性指標(biāo)Table 3 Line and transformer reliability indices in Guangxi, Guizhou, Yunnan and Hainan

表4 直流線路可靠性參數(shù)Table 4 HVDC line reliability indices

3.2 系統(tǒng)可靠性評估

本次考慮風(fēng)電并網(wǎng)的系統(tǒng)可靠性研究選取EENS作為評價指標(biāo)，然而由于五省區(qū)電網(wǎng)規(guī)模、負(fù)荷特性以及機(jī)組容量等都存在差異，未接入風(fēng)電的可靠性指標(biāo)差異較大，因而利用風(fēng)電接入前后可靠性指標(biāo)EENS的絕對變化量來對比風(fēng)電對五省區(qū)可靠性影響的相對強(qiáng)弱是不準(zhǔn)確的，所以引入風(fēng)電接入前后EENS變化率作為新的可靠性評價指標(biāo)μ

得到2020年各省區(qū)可靠性評估結(jié)果如圖3示。

圖3 2020年風(fēng)電并網(wǎng)后可靠性評估Fig.3 Reliability assessment considering wind power integration in 2020

本次備用需求評估選取風(fēng)電集中接入?yún)^(qū)域作為備用機(jī)組并網(wǎng)區(qū)域， 詳見圖4等可靠性意義下備用容量需求比例評估結(jié)果。

從圖3～4評估結(jié)果可以看出，整體上新增備用需求占風(fēng)電裝機(jī)比例的變化趨勢與EENS變化比率基本吻合，說明可靠性意義下的備用需求可以較為有效地量化衡量風(fēng)電間歇性對系統(tǒng)可靠性的影響。2020年豐大方式下，廣東和云南風(fēng)電接入前后可靠性保持不變，貴州、海南和廣西可靠性均有所降低，其中貴州變化率較大，說明風(fēng)電波動性對貴州的影響最大。由于廣東電網(wǎng)規(guī)模大，風(fēng)電接入比例較其他省區(qū)較小，風(fēng)電波動性被系統(tǒng)的其他隨機(jī)因素(如負(fù)荷波動、常規(guī)機(jī)組停運(yùn))淹沒，風(fēng)電并網(wǎng)前后可靠性指標(biāo)變化較小。云南省主要以水電為主，系統(tǒng)的容量充裕度較大，風(fēng)電波動對可靠性影響較小。

圖4 2020年備用容量需求評估Fig.4 Reserve requirement evaluation in 2020

枯大方式下，廣東受西電送電量減小，電源充裕度降低，風(fēng)電出力增大等因素影響， 風(fēng)電接入前后可靠性變化較明顯。海南主要由于電網(wǎng)規(guī)模較小，枯期電源充裕度較低且風(fēng)電平均出力較大，風(fēng)電波動對系統(tǒng)可靠性影響突出。貴州由于其風(fēng)電是五省中唯一呈現(xiàn)豐大枯小的季特性的省份，其在枯大方式11月的出力較小，所以相比豐大方式，枯期其間歇性對系統(tǒng)可靠性影響較小。

3.3 風(fēng)電可信容量和容量可信度評估

影響風(fēng)電容量可信度的因素主要有以下幾個方面：(1)風(fēng)電并網(wǎng)前系統(tǒng)自身的電源充裕度及可靠性水平；(2)風(fēng)電出力特性與負(fù)荷的相關(guān)性；(3)風(fēng)電場間的出力相關(guān)性；(4)系統(tǒng)的風(fēng)電滲透率。本部分結(jié)合五省區(qū)容量可信度的評估結(jié)果，對影響因素1和2的影響機(jī)理進(jìn)行總結(jié)分析；同時以海南省為例， 對影響因素3和4進(jìn)行敏感性分析，評估未來大規(guī)模海上風(fēng)電并網(wǎng)造成的滲透率和風(fēng)電場間相關(guān)性變化對風(fēng)電容量可信度的影響。

分別對南方電網(wǎng)五省區(qū)2020年風(fēng)電出力特性與負(fù)荷相關(guān)性，2020規(guī)劃平水年風(fēng)電容量可信度進(jìn)行評估，結(jié)果如圖5和圖6所示。

圖5 2020年五省區(qū)風(fēng)電出力與負(fù)荷相關(guān)性Fig.5 Relativity between wind power output and load in five provinces in 2020

由圖6可以看出，2020年南方五省區(qū)風(fēng)電容量可信度整體呈現(xiàn)廣西、海南較高，云南、貴州較低的特點(diǎn)。從風(fēng)電接入前系統(tǒng)機(jī)組充裕度和可靠性角度分析，由于云南水電較多，系統(tǒng)可靠性水平較高，機(jī)組充裕度大，飽和效應(yīng)較明顯，所以風(fēng)電對系統(tǒng)可靠性的貢獻(xiàn)較低，容量可信度較差，相比之下廣西和海南兩省區(qū)系統(tǒng)可靠性相對較差，所以風(fēng)電對系統(tǒng)可靠性的貢獻(xiàn)較大，容量可信度較高。

圖6 2020年五省區(qū)風(fēng)電容量可信度Fig.6 Wind power capacity credit in five provinces in 2020

結(jié)合圖5可以看出，貴州和云南無論從季特性還是日特性來看，風(fēng)電出力與負(fù)荷的匹配程度均較低，貴州風(fēng)電季特性呈現(xiàn)豐大枯小，日特性呈現(xiàn)夜間出力大，白天出力小的特點(diǎn)，正好與負(fù)荷特性完全相反，所以導(dǎo)致貴州與云南風(fēng)電容量可信度較低。海南是南方五省區(qū)唯一風(fēng)電日特性呈現(xiàn)白天大夜間小的省份，與負(fù)荷特性正好匹配，所以具有較高的風(fēng)電容量可信度。

隨著未來大規(guī)模海上風(fēng)電并入海南電網(wǎng)，風(fēng)電滲透率將會逐漸增大，同時也將改變現(xiàn)有以陸上風(fēng)電為主的風(fēng)電區(qū)域相關(guān)性， 所以有必要以海南電網(wǎng)為例，研究風(fēng)電滲透率和風(fēng)區(qū)相關(guān)性對其容量可信度的影響。圖7和圖8分別為改變海南電網(wǎng)風(fēng)電滲透率和風(fēng)區(qū)間相關(guān)性系數(shù)之后，風(fēng)電容量可信度的變化。

圖7 海南風(fēng)電滲透率與風(fēng)電容量可信度關(guān)系Fig.7 Relation between wind power penetration factor and capacity credit in Hainan grid

從圖7結(jié)果可以看出，隨著風(fēng)電滲透率的增加，海南電網(wǎng)風(fēng)電容量可信度呈整體下降趨勢，主要由于風(fēng)電裝機(jī)容量提高，系統(tǒng)可靠性指標(biāo)變化趨于平緩，風(fēng)電對系統(tǒng)可靠性的貢獻(xiàn)趨于飽和，風(fēng)電可信容量增速變緩，容量可信度下降。所以在今后的風(fēng)電規(guī)劃中，需要考慮系統(tǒng)整體電力電量平衡需求，合理優(yōu)化確定風(fēng)電機(jī)組的裝機(jī)規(guī)模，提高系統(tǒng)整體裝機(jī)效益。

圖8 海南風(fēng)區(qū)相關(guān)性與風(fēng)電容量可信度關(guān)系Fig.8 Relation between wind area relativity and wind power capacity credit in Hainan grid

從圖8結(jié)果可以看出，隨著風(fēng)區(qū)間相關(guān)性逐漸增強(qiáng)，風(fēng)電容量可信度呈下降的趨勢。由于風(fēng)電場間相關(guān)性較小時，各個風(fēng)電場處于不同風(fēng)速聯(lián)合運(yùn)行的概率較高，風(fēng)區(qū)之間的風(fēng)速特性有較強(qiáng)互補(bǔ)性，此時風(fēng)電輸出功率較高，對提高容量可信度有積極作用；反之，若風(fēng)電場間相關(guān)性較強(qiáng)，會減弱各個獨(dú)立風(fēng)電場間對于風(fēng)電波動性的平抑作用，進(jìn)而減小其容量可信度。

4 結(jié) 論

南方電網(wǎng)近年來積極發(fā)展新能源發(fā)電，未來風(fēng)電、光伏等新能源裝機(jī)比例將不斷提高，由于風(fēng)電等新能源出力具有間歇性和隨機(jī)性等特點(diǎn)，大規(guī)模并網(wǎng)將會對系統(tǒng)可靠性帶來影響。

本文主要以蒙特卡洛法以及序列運(yùn)算方法為技術(shù)手段，對大規(guī)模風(fēng)電并網(wǎng)后南方電網(wǎng)可靠性，系統(tǒng)需增加的備用需求進(jìn)行評估，同時對風(fēng)電可信容量，容量可信度以及相關(guān)影響因素進(jìn)行研究分析。可靠性評估算例表明，在引入等效無風(fēng)電場景后，可靠性意義下的備用需求可以較為有效地量化衡量風(fēng)電間歇性對系統(tǒng)可靠性的影響。對南方五省區(qū)風(fēng)電容量可信度以及海南電網(wǎng)的靈敏度分析表明：(1)風(fēng)電接入前可靠性較高的系統(tǒng)，由于機(jī)組充裕度飽和效果明顯，風(fēng)電容量可信度較低；(2)風(fēng)電出力特性與負(fù)荷匹配性較低會導(dǎo)致容量可信度較低；(3)隨著風(fēng)電滲透率增加，風(fēng)電容量可信度呈下降趨勢；(4)風(fēng)區(qū)相關(guān)性較強(qiáng)，會減弱各個風(fēng)區(qū)風(fēng)電場出力對整個系統(tǒng)風(fēng)電波動的平抑作用，風(fēng)電容量可信度降低。所以未來風(fēng)電規(guī)劃中，建議針對不同區(qū)域電網(wǎng)特性，全面考慮上述4個因素對風(fēng)電容量可信度的影響，優(yōu)化風(fēng)電裝機(jī)規(guī)模，合理優(yōu)化電網(wǎng)資源配置，提高系統(tǒng)裝機(jī)效益。

[1]肖創(chuàng)英.歐美風(fēng)電發(fā)展的經(jīng)驗(yàn)與啟示 [M]. 北京: 中國電力出版社, 2010. [2]汪新園, 郭瑞鵬. 風(fēng)電大規(guī)模介入下計(jì)及負(fù)荷不確定性的電力系統(tǒng)可靠性評估 [J]. 華東電力, 2013, 41(2): 385-389. Wang Xinyuan, Guo Ruipeng. Reliability assessment of power system with large-scale wind power integration considering load uncertainty [J]. East China Electric Power, 2013, 41(2): 385-389. [3]余民, 楊宸, 蔣傳文, 等. 風(fēng)電并網(wǎng)后電力系統(tǒng)可靠性評估和備用優(yōu)化研究 [J]. 電力系統(tǒng)保護(hù)與控制, 2012, 40(12): 100-104. Yu Min, Yang Chen, Jiang Chuanwen, et al. Study on power system reliability and reserve optimization with wind power integration [J]. Power System Protection and Control, 2012, 40(12): 100-104.

[4]張寧, 康重慶, 陳治坪, 等. 基于序列運(yùn)算的風(fēng)電可信容量計(jì)算方法 [J]. 中國電機(jī)工程學(xué)報, 2011, 31(25): 1-9. Zhang Ning, Kang Chongqing, Chen Zhiping, et al. Wind power credible capacity evaluation model based on sequence operation [J]. Proceedings of the CSEE, 2011, 31(25): 1-9.

[5]張寧, 康重慶, 周宇田, 等. 風(fēng)電與常規(guī)電源聯(lián)合外送的受端可信容量研究 [J]. 中國電機(jī)工程學(xué)報，2012, 32(10): 72-80. Zhang Ning, Kang Chongqing, Zhou Yutian, et al. Evaluation of receiving-end credible capacity for joint delivery of wind power and conventional electricity generation [J]. Proceedings of the CSEE, 2012, 32(10): 72-80.

[6]曲翀, 王秀麗, 謝紹宇, 等. 不同風(fēng)速模型和可靠性指標(biāo)對風(fēng)電可信容量評估的影響 [J]. 電網(wǎng)技術(shù), 2013, 37(10)：2896-2903. Qu Chong, Wang Xiuli, Xie Shaoyu, et al. Impacts of different wind speed models and reliability indices on capacity credit evaluation of wind power [J]. Power System Technology, 2013, 37(10):2896-2903.

[7]Amelin M. Comparison of capacity credit calculation methods for conventional power plants and wind power [J]. IEEE Transactions on Power Systems, 2009, 24(2): 685-691.

[8]Zhu Songzhe, Zhang Yi, Chowdhury Ali A. Capacity credit of wind generation based on minimum resource adequacy procurement [J]. IEEE Transactions on Industry Applications, 2012, 48(2): 730-734.

[9]Abdullah M A, Muttaqi K M. Agalgaonkar A P. Estimation of capacity credits for wind generation plants in the south east Australian power grid [J]. Renewable Power Generation Conference 2ndIET, 2013.

[10]張建忠, 程明. 風(fēng)力發(fā)電隨機(jī)風(fēng)速時間序列生產(chǎn)方法分析與評價 [J]. 風(fēng)能, 2012(1):58-61. Zhang Jianzhong, Cheng Ming. Evaluation and analysis of wind power probabilistic wind speed time sequence determination method [J]. Wind Energy, 2012(1):58-61. [11]Zhang N, Kang C, Duan C, et al. Simulation methodology of multiple wind farms operation considering wind speed correlation [J]. International Journal of Power and Energy Systems, 2010, 30(4): 264-273.

(編輯：劉文瑩)

Influence Assessment of Wind Power Integration on China Southern Power Grid Reliability

WANG Tong, LU Siyu, JIN Xiaoming, ZHOU Baorong

(Electric Power Research Institute, CSG, Guangzhou 510080, China)

This paper introduces equivalent no-wind scenarios and uses Monte Carlo method to evaluate the influence of wind power intermittent on system reliability, with considering the reliability of generators and transmission lines at the same time. Based on this scenario, the calculation method of wind power reserve requirement under reliability was proposed to quantize the influence of wind power intermittent characteristics on system reliability. Meanwhile, along with the gradual increase of wind power permeability in CSG, it is necessary to evaluate the capacity benefit of wind power in system planning and the contribution of system capacity adequacy, in order to reduce the deviation caused by power supply and demand forecasting and reduce excessive investment, which can also provide data reference and support for the capacity market development in future electric market reform. Based on the reliability evaluation model, this paper evaluates the credible capacity and capacity credit of wind power in CSG by using sequence operation. Finally, taking a practical case in CSG as example, the influence of wind power output characteristics, penetration factor and wind area relativity on capacity credit are studied.

wind power; reliability; Monte Carlo method; reserve capacity; wind power credible capacity; wind power capacity credit

中國南方電網(wǎng)公司科技項(xiàng)目(SEPRI-B12036)。

TM 712

A

1000-7229(2015)10-0161-06

10.3969/j.issn.1000-7229.2015.10.024

2015-06-30

2015-08-04

王彤(1989)，男，碩士，助理研究員，主要研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃與可靠性、新能源發(fā)電和電力技術(shù)經(jīng)濟(jì)；

盧斯煜(1986)，男，博士，工程師，主要研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃與可靠性、新能源發(fā)電等；

金小明(1963)，男，教授級高級工程師，主要研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃、電力系統(tǒng)運(yùn)行分析、新能源發(fā)電；

周保榮(1974)，男，教授級高級工程師，主要研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃、電力系統(tǒng)運(yùn)行分析、新能源發(fā)電。

Project Supported by the Science and Technology Program of China Southern Power Grid (SEPRI-B12036).