基于随机生产模拟的新能源接入系统发电成本评估

基于随机生产模拟的新能源接入系统发电成本评估

0风电场参与随机生产模拟研究随着规模和数量的增加，风压站和光照站在能源系统中的作用不容忽视。在电力规划中,研究并网风电场与光伏电站对节约常规发电机组燃料及减少系统发电成本的贡献意义重大。电力系统随机生产模拟是评价电力系统运行技术经济指标、分析生产成本及制定燃料计划的主要工具,是电力系统规划的重要组成部分。目前,在关于风电场参与随机生产模拟的研究中,对风电场的处理主要有2种方法:一种是将风电场处理为多状态机组,安排风电带基荷;另一种是将风电场出力处理为负的负荷,直接在负荷中剔除。上述2种处理风电的方法均无法考虑实际电网中由于调峰问题造成的谷荷弃风带来的功率损失。而关于光伏电站参与随机生产模拟还未见相关的研究报道。本文结合随机生产模拟的特性与风电场和光伏电站的电源特性开展研究,并利用IEEE-RTS79系统对该方法进行了测试验证。1日负荷与风力的关系虽然风电与光伏电源均为间歇式电源接入电网,但它们的具体电源特性却有显著不同。风电特性取决于风资源特性。文献的研究表明,风电波动主要与天气相关,而天气变化通常采用多天时间尺度,一般可忽略其与日负荷的相关性。风电并网后,风电电量能否全部利用主要取决于在日负荷谷荷时段是否有足够的出力空间。负荷分布会制约风电电量的充分利用。昼夜交替使光伏电源天然具有日时间尺度的周期性,与日负荷强相关。通常光伏出力的变化趋势与日负荷变化一致度较高,并且负荷日变化量一般远大于光伏出力日变化量,所以可认为光伏电源并网后不会出现风电并网出力空间不足问题,即负荷分布不会制约光伏电源电量的充分利用。2电源的参与原则在经典随机生产模拟的框架下,考察风、光电源的参与原则,主要需要明确的问题为:(1)风、光电源参与下如何形成负荷持续曲线;(2)机组带负荷顺序是否需要变化。2.1光伏电源出力修正负荷持续曲线由于随机生产模拟核心是把发电机组的随机停运与随机负荷巧妙地结合起来,将发电机组的随机停运和随机负荷处理为相互独立的随机变量,按一定顺序进行卷积运算。而光伏电源出力与负荷强相关,说明不能将光伏电源处理为独立参与随机生产模拟的多态机组,同时负荷分布不制约光伏电源电量的充分利用,说明将光伏电源出力合并到负荷持续曲线中去是合理的,所以应该用光伏电源出力修正原始负荷持续曲线。具体可根据光强的时序模型折算出光伏电源的时序出力,利用时序负荷曲线减去时序光伏电源出力得到净负荷曲线,之后基于净负荷曲线计算负荷持续曲线。图1对比了原始负荷持续曲线和剔除光伏出力的净负荷持续曲线,原始持续负荷曲线为IEEE-RTS测试系统负荷时序曲线整理得到,净负荷持续曲线是IEEE-RTS测试系统负荷时序曲线减去某光伏电站全年出力整理得到。由图1可知,由于光伏电源与负荷的在日时间尺度上的强相关性,使光伏电源对原始负荷分布中各个负荷水平影响是不均匀的,修改了负荷曲线形状,这将影响带腰荷的机组的发电量,也说明在随机生产模拟中将光伏电源出力处理为与负荷相互独立随机变量是不可行的,应该将其作为负的负荷合并到负荷持续曲线中去。而对于风电,其电量能否充分利用受制于是否有充足的出力空间,涉及模拟过程中的细节,不适于将风电作为负的负荷,并且风电与负荷相关性可以忽略,均说明在随机生产模拟过程中适宜将风电处理为多态机组。2.2等效负荷持续曲线由文献可知在中国现有电源结构下,弃风主要来源于低谷负荷时风电出力空间不足,考虑这一运行约束,在随机生产模拟中应该调整文献中机组带负荷顺序。由原来将等效风电多态机组首先安排在基荷带负荷,调整为安排完基荷机组后再安排等效风电多态机组带负荷。基荷机组通常包括核电机组、恒出力的水电机组及非启停调峰的火电机组最小出力部分等。基荷容量的大小可通过泛化的调峰容量比推算得到。安排完风电后,可以按机组容量或经济性顺序安排化石燃料调峰机组带负荷,按机组利用小时数顺序安排调峰水电机组带负荷,在水、火机组带负荷顺序的基础上为水电机组找到合适的带负荷位置使其充分发挥容量及电量价值。基于此种机组带负荷顺序,等效风电机组在等效负荷持续曲线上会出现如图2所示的2种情况。图2中C是风电装机容量,阴影面积为风电总发电量。图2a)阴影完全在等效持续负荷曲线内,此时不弃风;图2b)阴影的一部分在等效持续负荷曲线外,此时弃风。对应可提出弃风指标:弃风功率损失期望(LossofWindEnergyExpectation,LWEE)和弃风比率(AbandonedWindRate,AWR),表达式如下:式中:S为图2中阴影总面积;S*为等效负荷曲线内阴影所对应的面积。3随机生产模拟流程根据上述分析,图3给出含大规模风、光电源的电力系统随机生产模拟流程。流程中安排机组带负荷算法可采用卷积算法、半不变量法或等效电量函数法等,具体算法本文不再赘述。4随机生产模拟、中风和光电源模型4.1基于机组的风电机组优化配置由文献知,风电出力可由Beta分布描述。根据已知分布选择适当的状态数目可以形成风电出力的多状态概率,或者直接选用多年运行的风电场未作拟合的离散的原始风电分布数据。通常在规划阶段只测得风速出力分布,此时可以通过风电机组模型将风速分布转化成风电出力分布,进而通过选择适当的状态数目形成等效的风电多状态机组。通常风速分布可以由Weibull分布、Rayleigh分布、Chi-2分布或Lognormal分布来描述。4.2光伏电池生物固性测试如果考虑光伏电池最大功率跟踪策略,光伏电池的输出功率如下式:式中:Ppv为光伏电池实际输出功率;Ypv为光伏电池在标准测试条件下的额定功率;fpv为光伏电池损耗系数;RT为实际光辐射强度;RSTC为标准测试条件下的光辐射强度;α为光伏电池功率温度系数;TC为实际环境温度;TSTC为标准测试条件下的环境温度,取25℃。根据式(3)及光伏电站时序光照强度水平和时序温度水平可以形成光伏出力的时序出力曲线。5光伏机组模型及模型验证本文采用算例为IEEE-RTS32机系统,装机容量为3405MW,最大常规机组单机容量为400MW,最小常规机组单机容量为12MW,年最大负荷为2850MW。根据文献关于算例调峰容量比的设置,折算得到各机组的最小出力。机组参数如表1所示。算例考察周期为一周,采用IEEE-RTS第50周时序负荷数据。算例假设可用水电电量为8400MW·h。光伏电源模型中选定中国规划建设大规模光伏发电的西北地区(西宁:北纬36°,东经101°)作为光照强度设定取值区,通过HOMER软件计算得到时序光照强度曲线,根据西宁的天气历史数据得到的时序温度曲线。光伏电池损耗系数为0.87,光伏电池功率温度系数取单晶硅典型值0.0046。风电模型中风速模型服从Weibull分布,形状参数为1.96,尺度参数为6.54;风电机组模型采用文献所描述模型,其中额定风速为14m/s,切入、切出风速分别为3m/s、25m/s。安排机组具体算法采用半不变量算法。根据本文方法对下述4种情景,得到计算结果如表2所示。情景1:并网风、光电源容量均为零。情景2:并网光伏电源容量为200MW。情景3:并网光伏电源容量为200MW,并网风电容量为300MW。情景4:并网光伏电源容量为200MW,并网风电容量为600MW。由表2可知,风光电源接入后有效地减少了系统的发电成本,节约了化石燃料。根据情景3和情景4可知,风电接入容量为300MW和600MW时均会出现风电功率损失,并且风电接入规模越大弃风功率损失越大,说明了算例系统中常规灵活电源比重较小,风电出力空间狭小。减小弃风功率可以通过利用启停灵活燃气机组替代强迫出力大的机组,或者通过有效的负荷管理修改负荷分布特性,削减峰谷差,以有效增加风电出力空间。6风电与光伏电源参与随机生产模拟及风功率损失期望模型可再生能源并网会有效减少化石能源消耗,减小系统发电成本,带来巨大的环境效益。本文从电源规划的角度,利用随机生产模拟对可再生能源接入系统发电成本进行了评估。根据风电与光伏电源