算例分析

本部分利用前文的分析方法，对某省级电网规划年的风电消纳能力进行评估，所涉及的模拟计算采用清华大学电机系开发的电力规划决策支持系统。该省级电网规划年预测最大负荷12600万千瓦，总装机容量16000万千瓦，其中煤电占48%，气电20%，核电15%，新能源占10%，其他占7%。

风电特性分析

首先收集该省级电网已投产的7座风电场历史出力数据，进行月度和日出力特性分析。其中最大出力特性分析时，取95%保证率对应的出力，目的是有效地筛选掉瞬时冲击出力。

月度出力特性。从统计结果来看，全省风电月平均出力呈现丰小枯大的特点。全年各月平均出力在0.10～0.34之间，5～9月平均出力较小，丰枯期电量比约为39%:61%。全省风电月最大出力依然呈现丰小枯大的特点。全年各月最大出力在0.29～0.55之间，7～9月最大出力较小，全年最大出力出现在12月。

日出力特性。从统计结果来看，全省风电日平均出力丰期的出力范围为17%～19%，枯期的出力范围为26%～30%，且晚上20时到凌晨平均出力略高。

从统计结果来看，全省风电日最大出力丰期的出力范围为40%～51%，午后12时到下午5时最大出力较高；枯期的出力范围为49%～55%，晚上9时到凌晨最大出力较高。

确定性风电消纳能力评估

确定性评估场景库。对于负荷共选取3个场景，分别为最大负荷日、最小负荷日以及最大峰谷差日；对于风电，选取2个场景，分别是理论正调峰和理论反调峰出力曲线组合生成的场景。

对各个场景分别进行运行模拟，表1中分别统计了各场景系统的总调峰需求、风电引起的峰荷正旋转备用及谷荷负旋转备用，表中同时统计了运行模拟结果中火电的调峰率以及火电提供的旋备比例，其中火电的调峰率定义为火电峰荷电力除以火电的开机容量，火电提供的旋备比例等于火电提供的旋备容量除以开机容量。


从调峰角度分析：最大峰谷差日反调峰场景系统调峰需求最大，同时火电机组调峰率较大，燃机完全参与调峰，最小负荷日反调峰场景燃机开机容量下，火电机组调峰率最大，燃机完全参与调峰，因而选择该两个场景为调峰约束下风电消纳能力评估的关键受限场景；从备用角度分析：最大负荷日正调峰场景下风电峰荷正旋转备用需求最高，最小负荷日正调峰燃机能够提供的旋备容量在各场景中是最低的，因而选择该两个场景为备用约束下风电消纳能力评估的关键受限场景（见图2）。


调峰约束下风电消纳能力评估。选取确定性场景库分析指出的影响风电消纳的调峰约束关键受限场景：最大峰谷差日反调峰场景以及最小负荷日反调峰场景，逐步增加风电装机容量，使用软件进行运行模拟，直至系统调峰能力不足出现弃风，则该临界场景下风电容量即为调峰约束下风电可消纳容量。仿真结果如表2所示。


对于最大峰谷差日反调峰场景和最小负荷日反调峰场景，当风电均从规划装机减至6000兆瓦时，系统基本不弃风。因此可知，考虑调峰约束的确定性场景评估下，风电消纳能力为6000兆瓦。

备用约束下风电消纳能力评估。选取确定性场景库分析指出的影响风电消纳的备用约束关键受限场景：最小负荷日正调峰场景与最大负荷日正调峰场景，逐步增加风电装机容量，使用软件进行运行模拟，直至系统备用容量不足出现弃风，则该临界场景下风电容量即为备用约束下风电可消纳容量，评估结果如图3~4所示。


上述结果可知，当风电容量逐渐增加时，风电所需备用容量也逐渐增加。由于两方案均为风电正调峰方案，随着风电容量的增加，水电机组调峰需求降低，因此能够空出更多的容量提供旋备，火电机组开机容量也随风电容量增加而降低。所以，火电为风电提供的旋备容量并非随风电增加而单调增加。整体而言，旋备容量在上述各场景下均保持充足。当风电增加至30000兆瓦，系统调峰不足出现弃风984.745兆瓦，此时系统备用仍然充足，说明该场景下调峰约束的限制比备用约束的限制强，备用容量不是限制风电接入的关键因素。

调频约束下风电消纳能力评估。首先根据该省级电网风电的历史出力特性，模拟生成规划年风电时序出力，进而计算得到分钟级出力变化的标准差为123兆瓦，风电分钟级出力变化最大幅值为856兆瓦。同时，统计该省历史负荷小时级波动，推算得到规划年小时级负荷变化幅度为-24530兆瓦～+24150兆瓦。负荷分钟级变化幅度一般为小时级变化幅度的1/15到1/40且正负变化概率大致相等，本文负荷分钟级变化为小时级变化幅度的1/15，则近似计算出负荷分钟级变化的区间为-1635兆瓦～+1610兆瓦。通过对风电出力与负荷分钟级变化的分析，可得到风电接入后的系统调频需求，结果如表3所示。


对于风电反调峰特点明显，夜间波动大的电网而言，系统调频需求主要在最大负荷日由负荷引起，在最小负荷日由风电出力波动引起。设各类型机组1分钟可调出力占装机容量的比例：燃煤、燃油与燃气机组为1%；水电机组与抽蓄机组为30%；其他机组按0处理。计算得到系统在最大负荷日和最小负荷日能提供的调频能力约为4020兆瓦和2880兆瓦，均满足风电并网后对系统的调频需求。继续增大风电装机容量，提高系统调频需求，直到系统调频能力无法满足，得到最小负荷日和最大负荷日对应风电消纳能力为25600兆瓦和37800兆瓦。

综上所述，对某省级电网风电消纳能力确定性评估的结果来看，调峰能力是制约风电消纳的关键要素，若考虑极端严苛调峰场景，风电可消纳容量为6000兆瓦。

概率性风电消纳能力评估

使用软件运行模拟生成该省规划年全年的风电时序出力，将风电时序出力与时序负荷一一对应，可以得到365个含风电的概率性场景，即为概率性评估场景库。对概率性评估场景库的各个场景分别进行考虑多种约束的运行模拟，统计全年的弃风电量，即可表征风电的消纳水平。设置风电消纳能力概率性评估最大弃风电量比例为5%，逐步增加风电装机容量，直至弃风达到设定的5%，此时的风电装机容量为概率性风电消纳能力。评估结果如表4所示。

当风电增加至70000兆瓦，全年的弃风电量比例超过设定的5%为5.62%，增加至60000兆瓦，全年弃风比例为4.19%，线性计算风电弃风比例为5%的装机容量，则风电概率性消纳能力为65600兆瓦，此时火电利用小时数约为2820.93小时，风电利用小时数约为1921.93小时，弃风电量约为67.02亿千瓦时。同时可以看出，虽然该省级电网调节能力足以消纳65600兆瓦的风电，但此时火电利用小时数被挤压仅为2821小时。若假设保证火电自负盈亏的最低利用小时数为3500小时，则该省级电网建议消纳的最大风电容量为40000兆瓦。

结 语

本文提出了一种确定性和概率性相结合的方法，从多个角度对风电的消纳能力进行科学计算与评估。首先分析了影响风电消纳能力评估的相关因素，接着基于此构建并筛选确定性场景库，筛选严苛场景，从系统调峰、调频、备用约束角度评估风电消纳能力。概率性评估方法主要基于全年365个含风电的概率性场景进行模拟分析，确保全年最大弃风电量比例低于5%时得到风电最大装机容量即为风电消纳能力。

通过某省级电网的实际算例，分析了限制该省风电发展的确定性因素为调峰约束，如果考虑极端调峰约束的确定性场景下，风电的消纳能力仅为6000兆瓦。进一步进行概率性消纳能力评估，得到风电消纳能力为40000兆瓦。从不同角度，为风电规划建设提供建议，也验证了本文提出方法的科学性和实用性。下一步可考虑从潮流概率化的角度，研究风电接入对系统潮流的影响。

本文刊载于《中国电力企业管理》（上旬刊），作者单位：王彤（南方电网科学研究院有限责任公司），朱静慧（中国能源建设集团广东省电力设计研究院有限公司） 

原标题：基于确定性和概率性的风电消纳能力评估研究（下）