孫文健，陶 冶，肖 凌，駱曉鳴，樂 瑤

（中國能源建設(shè)集團(tuán)江蘇省電力設(shè)計院有限公司，江蘇 南京 211102）

0 引言

當(dāng)前世界各國能源需求不斷增長。隨著傳統(tǒng)非可再生能源的日漸枯竭及其帶來的環(huán)境問題日益突出，在當(dāng)前“碳達(dá)峰，碳中和”的能源背景下，積極開發(fā)利用風(fēng)電、光伏等新能源成為解決全球能源問題的關(guān)鍵手段［1-3］。我國新能源裝機(jī)規(guī)模發(fā)展迅猛，光伏和風(fēng)電裝機(jī)規(guī)模目前均已位居世界第一位［4］。新能源出力及電力負(fù)荷均具有一定的隨機(jī)性與波動性，這對地區(qū)新能源消納能力評估造成了極大困難［5-8］。對含有風(fēng)電、光伏并網(wǎng)的電力系統(tǒng)進(jìn)行新能源消納典型場景、關(guān)鍵因素分析對于準(zhǔn)確評估地區(qū)新能源消納能力及新能源可增裝機(jī)規(guī)模具有重要的工程意義。

目前國內(nèi)外對于地區(qū)新能源消納能力的研究主要集中在定性分析方面，而對定量分析計算方法的研究較少［9-10］。目前較為常用的定量計算分析方法有典型日法［11-14］、隨機(jī)生產(chǎn)模擬法［15-20］以及時序生產(chǎn)模擬法［21-24］。典型日法計算簡單、數(shù)據(jù)量少，但計算結(jié)果過于保守，無法準(zhǔn)確評估新能源消納能力；隨機(jī)生產(chǎn)模擬法使用的新能源及負(fù)荷數(shù)據(jù)利用數(shù)據(jù)模型隨機(jī)產(chǎn)生，滿足一定的概率分布和統(tǒng)計特性，但與實際電網(wǎng)運行數(shù)據(jù)往往偏離較多，計算結(jié)果誤差較大；時序生產(chǎn)模擬法通過對風(fēng)電出力時間序列及光伏出力時間序列進(jìn)行建模，可獲得較為準(zhǔn)確的短期新能源出力預(yù)測結(jié)果但中長期來看仍存在較大誤差，具有一定的局限性［28-30］。

本文采用基于地區(qū)電網(wǎng)多年的風(fēng)-光-荷時序出力歷史大數(shù)據(jù)，對地區(qū)多年來的新能源消納情況及潮流外送典型場景的特征進(jìn)行分析，經(jīng)過數(shù)據(jù)處理，獲取典型場景下影響地區(qū)新能源消納能力的關(guān)鍵因素如傳統(tǒng)電源出力情況、地區(qū)負(fù)荷變化情況、新能源出力情況等的時序耦合系數(shù)，對于準(zhǔn)確分析地區(qū)未來數(shù)年新能源消納能力及新能源可增裝機(jī)規(guī)模具有重要的工程價值和參考意義。

1 基于地區(qū)電網(wǎng)歷史數(shù)據(jù)的風(fēng)-光-荷時序耦合系數(shù)研究

1.1 研究思路

如式（1）所示，根據(jù)地區(qū)電力平衡原則，當(dāng)某一地區(qū)220 kV分區(qū)電網(wǎng)內(nèi)電源出力大于同時刻該地區(qū)負(fù)荷水平時，地區(qū)出現(xiàn)電力盈余。盈余電力通過500 kV主變升壓或220 kV聯(lián)絡(luò)線外送。對于獨立運行的電網(wǎng)，與其他分區(qū)之間聯(lián)絡(luò)線正常情況下開斷運行，盈余電力通過500 kV主變送出。地區(qū)盈余電力外送功率取決于該時刻地區(qū)電源出力和負(fù)荷水平。

式（1）中，Py為地區(qū)外送功率，Pw為風(fēng)電出力，Ps為光伏出力，Pt為傳統(tǒng)電源出力，L為負(fù)荷。

隨著新能源規(guī)模的增長，風(fēng)電、光伏出力對外送潮流的影響將逐漸增大。地區(qū)風(fēng)電、光伏出力特性主要取決于地區(qū)氣候條件，短期若干年內(nèi)認(rèn)為變化不大。地區(qū)負(fù)荷水平由經(jīng)濟(jì)發(fā)展情況決定，負(fù)荷時序特性由經(jīng)濟(jì)結(jié)構(gòu)決定，短期內(nèi)認(rèn)為負(fù)荷水平逐年增長，時序特性變化不大。因此，規(guī)劃年份風(fēng)電-光伏-負(fù)荷時序耦合特性可參考?xì)v史年的耦合特性。根據(jù)多年歷史數(shù)據(jù)，即分析出地區(qū)外送潮流數(shù)據(jù)，得到規(guī)劃年外送潮流最嚴(yán)重的典型場景，并對該場景的風(fēng)電、光伏、負(fù)荷特性進(jìn)行統(tǒng)計分析，得到該場景的電源出力及負(fù)荷系數(shù)，用于規(guī)劃年份新能源消納能力分析，計算公式如下。

式（2）中，Sng為規(guī)劃新能源裝機(jī)規(guī)模，Nnx為現(xiàn)狀新能源出力系數(shù)，Stg為規(guī)劃常規(guī)機(jī)組裝機(jī)，Ntx為現(xiàn)狀常規(guī)機(jī)組出力系數(shù)，Lg為規(guī)劃年最大負(fù)荷，Nlx為現(xiàn)狀負(fù)荷系數(shù)。

1.2 數(shù)據(jù)采樣

1）數(shù)據(jù)采樣范圍

a）新能源出力：由于一般情況下，地區(qū)風(fēng)電場、光伏電站眾多，故采用抽樣法獲得數(shù)據(jù)，即選取典型電站為代表，獲得該地區(qū)風(fēng)電、光伏出力特性。其中，樣本須覆蓋片地區(qū)電網(wǎng)，且具有一定代表性；選取的樣本風(fēng)電場、光伏電站規(guī)模較大且全年裝機(jī)規(guī)模不變。

b）負(fù)荷：地區(qū)電網(wǎng)負(fù)荷。

c）常規(guī)電源出力：對地區(qū)電網(wǎng)內(nèi)裝機(jī)容量較大的常規(guī)電源出力均進(jìn)行統(tǒng)計。

2）數(shù)據(jù)采樣年份：2017、2018、2019年。

3）數(shù)據(jù)采樣時間間隔：5 min。

1.3 新能源出力及負(fù)荷特性分析

以江蘇淮安電網(wǎng)為例，對該地區(qū)新能源出力特性進(jìn)行統(tǒng)計分析。

1.3.1 風(fēng)電出力特性分析

1）風(fēng)電出力統(tǒng)計特性

淮安全市2017、2018、2019年風(fēng)電出力系數(shù)概率分布圖如圖1。

圖1 淮安市風(fēng)電出力系數(shù)概率分布Fig.1 Probability distribution of wind power output coefficient in Huai’an

由圖1可知，2017年、2018年、2019年淮安全市風(fēng)電出力概率分布情況高度相似，全市風(fēng)電出力逐年統(tǒng)計特性具有一致性。以2018年為例，全年風(fēng)電出力系數(shù)最大為95.0%。全年風(fēng)電出力系數(shù)在0%～5%的概率最大（約28.17%），大于80%的概率較小，約為1.42%，超過90%的概率為0.22%。

2）風(fēng)電大發(fā)場景分析

本文認(rèn)為，當(dāng)風(fēng)電出力達(dá)到其裝機(jī)規(guī)模的90%時即滿足風(fēng)電大發(fā)的條件。為研究風(fēng)電大發(fā)場景的時序特性，從2018年數(shù)據(jù)中篩選風(fēng)電出力系數(shù)大于0.9的數(shù)據(jù)點，并進(jìn)行分析，見圖2～圖3。

圖2 淮安風(fēng)電大發(fā)數(shù)據(jù)點逐月散點圖Fig.2 Wind power high output data points monthly scatter plot in Huai’an

圖3 淮安風(fēng)電大發(fā)數(shù)據(jù)點逐小時散點圖Fig.3 Wind power high output data points hourlyly scatter plot in Huai’an

選取淮安地區(qū)典型風(fēng)電場的典型日出力曲線。2018年4月12日、4月13日淮安龍源盱眙風(fēng)電出力曲線見圖4～圖5。

圖4 4月12日龍源盱眙風(fēng)電出力曲線Fig.4 Longyuan Xuyi wind power output curve(April 12)

圖5 4月13日龍源盱眙風(fēng)電出力曲線Fig.5 Longyuan Xuyi wind power output curve(April 13)

從逐月散點圖看，4月～5月、10月～12月份風(fēng)電大發(fā)的概率相對較高；從逐小時散點圖和典型日出力曲線看，不同時點風(fēng)電出力變化較大，無固定的規(guī)律性。

1.3.2 光伏出力特性分析

1）光伏出力統(tǒng)計特性

淮安全市2017年、2018年、2019年光伏出力系數(shù)概率分布見圖6。

圖6 淮安全市光伏出力系數(shù)概率分布Fig.6 Probability distribution of photovoltaic output coefficient in Huai’an

由圖6可知，2017年、2018年、2019年淮安全市光伏出力逐年統(tǒng)計特性一致。以采樣容量最大的2018年為例，全年光伏出力系數(shù)最大為100%；全年光伏出力系數(shù)0%～5%之間概率約為60.98%，大于70%的概率較小，約為2.62%。

2）光伏大發(fā)場景分析

本文認(rèn)為，當(dāng)光伏出力達(dá)到其裝機(jī)規(guī)模的85%時即滿足光伏大發(fā)的條件。為研究光伏大發(fā)場景的時序特性，從2018年數(shù)據(jù)中篩選光伏出力系數(shù)大于0.85的數(shù)據(jù)點，并進(jìn)行分析，見圖7～圖8。

圖7 淮安光伏大發(fā)數(shù)據(jù)點逐月散點圖Fig.7 Photovoltaic high output data points monthly scatter plot in Huai’an

圖8 淮安光伏大發(fā)數(shù)據(jù)點逐小時散點圖Fig.8 Photovoltaic high output data points hourly scatter plot in Huai’an

選取淮安地區(qū)幾個典型光伏電站的光伏出力年曲線。4月7日（夏高）金湖振合光伏、金湖正輝光伏日出力曲線見圖9～圖10。

圖9 金湖振合光伏4月7日日出力曲線Fig.9 Jinhu Zhenhe photovoltaic output curve(April 7)

圖10 金湖正輝光伏光伏4月7日日出力曲線Fig.10 Jinhu Zhenghui photovoltaic output curve(April 7)

從逐月散點圖看，全年各個月份光伏出力有較大的隨機(jī)性。從逐小時散點圖及典型日出力曲線看，光伏出力受日照的影響，一般在10：00～13：00出力最大。具有一定規(guī)律性。

1.3.3 負(fù)荷特性分析

1）負(fù)荷年統(tǒng)計特性

淮安全市2017年～2019年負(fù)荷系數(shù)概率分布見圖11。

圖11 淮安全市2017～2019年負(fù)荷系數(shù)概率分布圖Fig.11 Probability distribution map of load factor in Huai'an City(2017～2019)

由圖11可知，2017年～2019年淮安全市負(fù)荷概率分布基本呈正態(tài)分布，最大概率所在的區(qū)間于不同年份略有差別，整體而言具有明顯一致性。以2018年為例，全年最低負(fù)荷為夏高負(fù)荷的34.6%。全年負(fù)荷系數(shù)主要集中在55%～70%之間，概率68.41%；低于40%的概率約為0.49%；大于80%的概率約為5.3%；大于90%的概率約為0.64%。

2）負(fù)荷年統(tǒng)計特性

為研究低谷負(fù)荷場景的時序特性，從2018年數(shù)據(jù)中篩選負(fù)荷系數(shù)小于0.5的數(shù)據(jù)點，并進(jìn)行分析，見圖12～圖13。

圖12 淮安低谷負(fù)荷數(shù)據(jù)點逐月散點圖Fig.12 Monthly scatter plot of Huai'an trough load data points

2018年8月9日和2018年2月17日淮安市日負(fù)荷曲線見圖14～圖15。

圖14 8月9日（夏高）淮安市日負(fù)荷曲線Fig.14 Huai'an daily load curve of August 9(Summer peak)

由圖12可知，淮安電網(wǎng)最高負(fù)荷（夏高）主要在7月底～8月初（天氣炎熱，空調(diào)負(fù)荷大）；最小負(fù)荷（冬低）在2月中旬（春節(jié)），同時4月初（清明）、5月初（五一）負(fù)荷也接近最小，下半年最小負(fù)荷在10月初（國慶）。由圖13～圖15可知，低谷負(fù)荷年分布概率與日分布概率具有很高的一致性；日高峰負(fù)荷發(fā)生在夜晚的概率較高（19：00～22：00），低谷負(fù)荷主要在凌晨和下午。

圖13 淮安低谷負(fù)荷數(shù)據(jù)點逐小時散點圖Fig.13 Hourly scatter plot of Huai'an trough load data points

圖15 2月17日（冬低）淮安市日負(fù)荷曲線Fig.15 Huai'an daily load curve of February 17(Winter trough)

1.4 風(fēng)-光-荷耦合特性分析

1）分析思路

淮安電網(wǎng)2017年～2019年風(fēng)電出力、光伏出力及負(fù)荷具有高度一致性，取采樣數(shù)據(jù)最為完整、最具代表性的2018年的數(shù)據(jù)為參考。

2）典型場景分析：潮流外送最嚴(yán)重

將外送潮流與年最大負(fù)荷的比值作為外送潮流系數(shù)。對淮安電網(wǎng)外送潮流系數(shù)大于0.4的數(shù)據(jù)進(jìn)行統(tǒng)計分析，見表1。

表1 淮安電網(wǎng)潮流外送系數(shù)大于0.4的風(fēng)光負(fù)荷系數(shù)Table 1 Wind and solar load factor of Huai'an power grid power flow delivery coefficient greater than 0.4

根據(jù)數(shù)據(jù)點時間不同，將外送功率系數(shù)大于0.4的數(shù)據(jù)點分為白天（8：00至16：00）、夜間（17：00至7：00）兩種場景。

場景1（30 h）：通過對白天場景下淮安電網(wǎng)的負(fù)荷情況、220 kV及以上接入的大型傳統(tǒng)電源出力及風(fēng)電、光伏出力情況進(jìn)行統(tǒng)計分析，可以看到該場景下風(fēng)電出力較大，光伏出力在70%左右，負(fù)荷在50%左右，華淮電廠、江蘇淮廠出力在40%左右，華淮出力略高于30%。

場景2（5 h）：通過對夜晚場景下淮安電網(wǎng)的負(fù)荷情況、220 kV及以上接入的大型傳統(tǒng)電源出力及風(fēng)電、光伏出力情況進(jìn)行統(tǒng)計分析，可以看到該場景下風(fēng)電出力較大，光伏出力為0，負(fù)荷在35%左右，江蘇淮廠、淮安燃機(jī)出力變化較大，華淮電廠出力在40%左右。

根據(jù)表1-表2的分析，場景1數(shù)據(jù)點更多，且包含最大外送情況，更具代表性，故選擇場景1（白天風(fēng)光大發(fā)）作為淮安外送校核的典型場景，該場景下各變量系數(shù)概率分布情況如圖16～圖22所示。

圖16 風(fēng)電出力系數(shù)概率分布圖Fig.16 Probability distribution diagram of wind power output coefficient

圖22 潮流送出系數(shù)概率分布圖Fig.22 Power distribution coefficient probability distribution diagram

表2 場景1淮安電網(wǎng)風(fēng)光負(fù)荷系數(shù)Table 2 Wind and solar load factor of Huai’an Power Grid of Scenario 1

根據(jù)對場景1的360個數(shù)據(jù)（一年中30 h）進(jìn)行梳理，按概率出現(xiàn)最大為原則，同時取區(qū)間系數(shù)的極值，可知淮安電網(wǎng)外送潮流最嚴(yán)重場景下風(fēng)電出力系數(shù)、光伏出力系數(shù)、常規(guī)機(jī)組系數(shù)、負(fù)荷系數(shù)分別為75%、90%、40%、45%。

考慮到實際運行裕度，將風(fēng)電出力系數(shù)調(diào)整為80%、光伏出力系數(shù)調(diào)整為90%，常規(guī)機(jī)組出力系數(shù)調(diào)整為45%。

表3 場景2淮安電網(wǎng)風(fēng)光負(fù)荷系數(shù)Table 3 Wind and solar load factor of Huai’an Power Grid of Scenario 2

圖17 光伏出力系數(shù)概率分布圖Fig.17 Probability distribution diagram of photovoltaic output coefficient

2 地區(qū)電網(wǎng)新能源可裝機(jī)規(guī)模影響因素分析

2.1 地區(qū)電網(wǎng)新能源可裝機(jī)規(guī)模影響因素分析

1）電網(wǎng)安全約束

從電網(wǎng)安全運行的角度，影響新能源可裝機(jī)規(guī)模的電網(wǎng)安全約束主要為主變升壓能力以及線路的載流能力。

圖18 淮安燃機(jī)出力系數(shù)概率分布圖Fig.18 Probability distribution diagram of Huai’an Gas Power Plant output coefficient

圖19 華淮電廠出力系數(shù)概率分布圖Fig.19 Probability distribution diagram of output coefficient of Huahuai Power Plant

2）電能質(zhì)量約束

從電能質(zhì)量的角度，影響新能源可裝機(jī)規(guī)模的約束主要為電壓偏差、諧波、力率和電壓波動。

3）電網(wǎng)經(jīng)濟(jì)運行

從電網(wǎng)經(jīng)濟(jì)性運行的角度分析，新能源最好能就近消納。

圖20 江蘇淮廠出力系數(shù)概率分布圖Fig.20 Probability distribution diagram of the output coefficient of Jiangsu Huai’an Power Plant

圖21 負(fù)荷系數(shù)概率分布圖Fig.21 Probability distribution diagram of load factor

4）電網(wǎng)運行管理要求

新能源接入對于傳統(tǒng)的電網(wǎng)運行管理也產(chǎn)生了一定影響。

2.2 影響地區(qū)電網(wǎng)新能源可裝機(jī)規(guī)模的關(guān)鍵因素

綜合新能源接入對于電網(wǎng)安全、電能質(zhì)量、經(jīng)濟(jì)運行和運行管理的影響，電能質(zhì)量取決于系統(tǒng)背景情況，可以通過一定的技術(shù)手段，安裝動態(tài)無功補償裝置等進(jìn)行改進(jìn)；經(jīng)濟(jì)運行是利益主體的博弈，應(yīng)考慮新能源接入后損耗或運行成本，同時受到技術(shù)因素的制約；運行管理則是人為制定的規(guī)則可以優(yōu)化變更；而電網(wǎng)安全硬約束，需要配合電網(wǎng)項目建設(shè)，投資大，建設(shè)周期長，迫切需要規(guī)劃引導(dǎo)。

因此，在認(rèn)為不出現(xiàn)個別220 kV變電站主變新能源裝機(jī)規(guī)模越限的前提下，本文僅考慮電網(wǎng)硬約束即電網(wǎng)安全約束：220 kV網(wǎng)架斷面的輸送能力，以及500 kV主變升壓能力，且均需考慮線路和主變N-1后負(fù)荷及電源的轉(zhuǎn)移問題。

3 算例分析

3.1 典型場景計算方式及計算結(jié)果

取江蘇省淮安市2017年～2019年新能源、負(fù)荷、傳統(tǒng)電源歷史數(shù)據(jù)分析該市2020年～2022年新能源消納能力。淮安市電網(wǎng)包含淮安北片、淮安南片及寶應(yīng)片。經(jīng)分析，淮安市220 kV網(wǎng)架斷面的輸送能力較為充裕，限制新能源消納的關(guān)鍵因素為500 kV上河變主變升壓能力。

按照最新的負(fù)荷預(yù)測水平，2020年～2022年淮安市全社會最大調(diào)度負(fù)荷按表4考慮，常規(guī)電源、風(fēng)電、光伏出力及負(fù)荷系數(shù)均按1.3節(jié)所述選取。

表4 2020年～2022年淮安電網(wǎng)分區(qū)負(fù)荷（單位：MW）Table 4 Huai'an power grid divisional load(2020 a-2022 a)(Unit:MW)

淮安市新能源可增裝機(jī)規(guī)模按該地區(qū)已明確的新能源分布均勻增長，直至500 kV主變升壓功率達(dá)到升壓能力限額，去除該年份已規(guī)劃新能源規(guī)模，即可得到該年份可增裝機(jī)規(guī)模（按照對應(yīng)出力系數(shù)折算為裝機(jī)容量），結(jié)果如表5所示。

表5 2020年～2022年淮安及寶應(yīng)地區(qū)（含寶應(yīng)）新能源可增裝機(jī)規(guī)模（單位：MW）Table 5 Scale of new energy installations in Huai’an and Baoying(2020 a-2022 a)(Unit:MW)

3.2 傳統(tǒng)計算方式及計算結(jié)果

傳統(tǒng)計算方式分別取夏季高峰和冬季極端低谷（30%夏高負(fù)荷），風(fēng)電、光伏100%出力。對于統(tǒng)調(diào)常規(guī)電源，負(fù)荷高峰時，電源滿出力運行；負(fù)荷低谷時，煤機(jī)按停一半機(jī)考慮出力，剩余機(jī)組出力率60%，供熱燃機(jī)按停一套機(jī)考慮出力，剩余機(jī)組出力率70%。對于非統(tǒng)調(diào)常規(guī)電源，負(fù)荷高峰、低谷時，電源出力率均按照30%考慮。

均勻增加風(fēng)電及光伏裝機(jī)規(guī)模，直到該地區(qū)500 kV主變升壓功率達(dá)到升壓能力限額，去除該年份已規(guī)劃新能源規(guī)模，得到該年份可增裝機(jī)規(guī)模，結(jié)果如表6所示。

表6 2020年～2022年淮安及寶應(yīng)地區(qū)（含寶應(yīng)）新能源可增裝機(jī)規(guī)模（單位：MW）Table 6 Scale of new energy installations in Huai’an and Baoying(2020 a-2022 a)(Unit:MW)

3.3 對比分析

通過對傳統(tǒng)方式和典型場景計算方式的結(jié)果進(jìn)行比較，可知：

1）與傳統(tǒng)計算方式相比，采用典型場景方式進(jìn)行計算，淮安電網(wǎng)新能源可增裝機(jī)規(guī)模有較大提高。如2020年、2021年及2022年上河變未擴(kuò)建的情況下，傳統(tǒng)方式下淮安電網(wǎng)沒有新能源可新增容量，而典型場景計算下淮安電網(wǎng)仍有一定的新能源可新增容量。

2）傳統(tǒng)計算方式下，新能源消納困難主要發(fā)生在冬季極端低谷方式下（負(fù)荷為夏高負(fù)荷的30%）。而以2018年為例，全年最低負(fù)荷為夏高負(fù)荷的34.6%，負(fù)荷低于40%的概率約為0.49%，表明傳統(tǒng)方式的冬季極端低谷計算條件過于嚴(yán)苛，出現(xiàn)概率很小。

3）綜合上述分析，典型場景下進(jìn)行淮安電網(wǎng)新能源消納分析更具準(zhǔn)確性和可靠性。

4 結(jié)語

1）通過對地區(qū)電網(wǎng)歷史數(shù)據(jù)的分析，可獲取地區(qū)電網(wǎng)外送潮流最大的典型場景。

2）基于地區(qū)典型場景獲取的風(fēng)-光-荷時序耦合系數(shù)具有地域特點，更加貼近地區(qū)電網(wǎng)的運行實際。

3）基于風(fēng)-光-荷時序耦合系數(shù)的地區(qū)新能源可增裝機(jī)容量評估方法更加準(zhǔn)確可靠，更能真實反映地區(qū)電網(wǎng)新能源的消納能力。

4）基于風(fēng)-光-荷時序耦合系數(shù)的地區(qū)新能源可增裝機(jī)容量評估方法避免了對夏季高峰、冬季低谷等多種傳統(tǒng)運行方式的繁雜計算，更加方便、快捷。

5）通過算例計算，得到了準(zhǔn)確、可靠的淮安地區(qū)2020年-2022年新能源消納能力，驗證了基于風(fēng)-光-荷時序耦合系數(shù)的地區(qū)新能源消納能力，及可增裝機(jī)規(guī)模的研究方法的準(zhǔn)確性和可靠性。