提升风电消纳水平的电力系统灵活性措施经济性评估方法研究

提升风电消纳水平的电力系统灵活性措施经济性评估方法研究

张富强1,元博1,张晋芳1,张涛2  

(1.国网能源研究院有限公司,北京市 昌平区 102209;2.国网辽宁电科院,辽宁省 沈阳市 110006)

摘要

近年来,中国风电并网容量不断增大,出现了严重的弃风现象,随着各类技术可行的灵活性措施提出,亟需研究经济合理的措施组合以降低弃风量。为此,提出一种提升风电消纳能力的电力系统灵活性措施的经济性评估方法。首先,构建基于成本效益的经济性评价指标,即减少风电弃风量的单位成本,以量化各类灵活性措施对提高电网风电消纳能力的效果;然后,采用时序生产模拟模型量化分析系统的年度弃风总量,生产模拟模型考虑常规电源、风电及负荷,以小时为仿真粒度进行机组组合和经济调度;最后,构建了灵活性措施的年化成本模型。提出的指标及其评估方法具有较好的普适性,能够量化评估各类系统灵活性措施针对缓解弃风的经济性,并获得成本最低的组合方案,对能源主管部门制定针对性的政策措施具有指导意义和应用价值。

关键词 : 灵活性;生产模拟;弃风;经济性评估

基金项目:国家重点研发计划项目“未来电力系统结构形态演化模型及电力预测方法”(2016YFB0900101);国家电网公司科技项目“适应大规模新能源并网的电力系统调峰技术、经济、政策评估模型和应用”。

0 引言

近年来,中国风电发展迅速、集中度高,截至2018年3月,全国风电累计装机容量达到1.68亿 kW。同时,风电并网消纳困难,发电空间受限,电力系统正面临着前所未有的挑战,2018年一季度全国弃风电量达91亿 kWh。弃风原因主要包括:①风电具有明显的日内和季节性反调峰特性;②火电装机持续快速增长,而用电负荷发展速度趋缓,风电电量消纳空间受限;③供热机组装机过剩严重影响电网调峰能力。由于“三北”地区网源荷发展不协调导致的风电消纳困难已经成为影响中国清洁能源健康发展的关键问题。

为有效提高风电消纳水平,需要从电源侧、电网侧、负荷侧等多个环节入手,充分挖掘各种调节手段以提升电力系统灵活性,例如火电机组灵活性改造、推进抽水蓄能电站建设、引入推广需求侧管理、风电供暖、建立非水可再生能源指标考核以及加强跨省跨区输电网络的建设并扩大交易范围等。从技术措施层面而言,每类灵活性措施都能够在一定程度上提升电力系统灵活调节能力,从不同角度改善弃风状况。但值得注意的是,各类灵活性措施的成本和实施效果,即投入产出存在差异。因此,根据电力系统的实际状况,构建量化评估各类灵活性措施促进风电消纳经济性的方法,具有重要的理论意义和实践价值。

国内外学者在促进风电消纳措施、提升电力系统灵活性方面开展了大量工作。从机理层面,文献[1]分析了新能源消纳的关键影响因素,并基于量化分析提出了从源网荷多个维度的综合解决措施。从规划层面,文献[2]指出电源结构性矛盾和跨省跨区电网输送能力不足是影响中国风电消纳的主要原因,从跨省跨区电网建设、优化电源结构和完善配套政策等方面提出了发展思路。文献[3]提出了电力系统灵活性协调规划的核心内容及求解思路、存在的关键难题及技术解决思路。从运行层面,文献[4]中从系统调节能力、电网输电能力、风电技术特性、风电调度运行水平等角度论述了影响风电消纳的因素,并提出了促进风电消纳的相应应对措施。从系统优化方面,文献[5]中以风电消纳量最大和系统运行成本最小为目标建立源荷协调多目标优化模型,并以实际电网为例仿真验证了该方法能够有效提高风电消纳水平。文献[6]研究了风电供热的原理,并结合风电供热实践特点,分析了风电供热的运行特点、风电供热对于提高低谷风电消纳能力的作用以及风电供热的前景。文献[7]研究了火电机组、热电联产机组、电储能系统和蓄热式电锅炉的数学模型,并引入弃风成本参数,建立以实现最低运行成本为目标的综合调度方法。但是,目前鲜有文献提出相关合适的指标和方法来量化评估电力系统灵活性措施针对改善风电消纳的成本及效益。

本文提出一种提升风电消纳水平的电力系统灵活性措施经济性评估方法。首先,构建灵活性措施经济性评价指标,以量化不同措施对提高电网风电消纳能力的效果,该指标直接反映了减少风电弃风量对应的措施单位成本;其次,基于时序生产模拟模型对某时间周期内的风电弃风量进行量化计算;然后,构建电力系统灵活性措施的成本模型;最后,从低到高依次选择单位成本较低的灵活性措施,直至满足弃风率控制目标,所选方案组合即为消纳风电的最优措施方案。

1 促进风电消纳的电力系统灵活性措施

随着可再生能源、微网以及电动汽车等具有不确定性的资源快速发展,电力系统灵活性逐步成为大电网需要具备的能力。国际能源署(International Energy Agency, IEA)将电力系统灵活性定义为电力系统在其边界约束下,快速响应供应和负荷的大幅波动,对可预见、不可预见的变化和事件迅速反应,负荷需求减小时减小供应,负荷需求增加时增加供应[8]

针对风电消纳,需要基于导致弃风限电的根本原因来设计和建设系统灵活性提升手段,国家能源局从多个方面提出了解决方案[9]。解决弃风问题的灵活性资源包括:

1)热电机组通过机组本体的炉机改造或配置储热、电极锅炉、蓄热砖等装置,弱化供热机组电-热供应间的深度耦合特性,释放“以热定电”的发电约束,进一步降低机组供热期最小出力,进而提升火电机组的深度调峰能力。例如,电极锅炉是一种输入电能并通过热水或蒸汽形式输出热能的装置,将电极锅炉建设在电厂内,作为电力负荷的电极锅炉能够降低机组对电网的出力,同时确保机组的供热能力。国家能源局《关于下达火电灵活性改造试点项目的通知》确定了丹东电厂等16个提升灵活性改造的试点项目[7]

2)建设灵活性调节电源。抽水蓄能电站是一种相对成熟的储能技术,其典型的运行方式是在负荷低谷时段作为电力负荷抽水,在负荷高峰时段发电,形成削峰填谷的效果。燃气机组具有启停机快速,机组出力范围大的特点,是优质的调峰资源。电储能设备也可成规模应用于电力系统,其商业模式和运行方式更加灵活。

3)需求响应是需求侧管理的一种形式,是指电力用户根据价格信号或通过激励,改变自己固有习惯用电模式的行为。需求响应虽然尚未大规模普及,但是一些地区已经开始尝试通过一定机制引入负荷侧资源参与系统调节。

4)新建或扩容输电线路,风电弃风的重要原因之一是由于控制区内部输电容量不足以及跨省跨区间的输电通道容量不足。建设跨区输电通道并选择合理的输电容量是缓解弃风现象经济有效的手段之一。

2 灵活性措施经济性评估及寻优方法

2.1 灵活性措施经济性评价指标

提升电力系统灵活性、促进风电消纳具有多种措施,从措施本身来看,投资成本、运营成本、寿命等方面具有明显的差异,热电解耦、电储能设施、需求响应在不同地域的成本差异很大。因此,评价不同灵活性措施需要构建适用性较强的指标。本文提出评价各类措施经济性的成本效益指标,一方面,纳入不同措施的初始投资和运维成本,另一方面,采用弃风减少量作为灵活性措施实施效益,成本效益指标如式(1)所示:

式中:是第i种灵活性措施的年度成本效益指标,元/MWh·年;Ci为灵活性措施的年化成本,元;QB为基准场景下年度系统弃风总量,MWh;Qi为采用灵活性措施后系统年度弃风总量,MWh。

成本效益评价指标,以年为评估周期,在一定的灵活性措施情况下,与保持原有基本措施的情景的弃风量进行比较,计算弃风电量减少的单位成本。基于基础情景,通过情景对比分析不同的灵活性措施下弃风量减少的单位成本,与该指标最小值对应的灵活性措施,即为解决弃风问题的成本效益最佳的灵活性措施。该指标既可用于同类灵活性措施在不同实施规模效果的纵向比较,也可用于不同类型灵活性措施效果的横向比较。

2.2 灵活性措施实施顺序优化思路

针对缓解弃风问题,发电、电网以及需求侧技术可行的灵活性措施技术路线种类多样,针对不同的电力系统,每种技术路线对于缓解弃风的效果存在差异,因此,需要针对特定电力系统,进行分析,获得适用于该系统的最优灵活性措施的技术路线组合和规模。本文基于年度成本效益指标,提出灵活性措施的寻优方法如下:①现状电力系统弃风率量化计算以及弃风原因分析;②根据弃风原因分析,提出技术可行的灵活性措施类型;③计算每种灵活性措施在不同规模下的年度成本效益指标;④根据值,对不同规模和不同类型的灵活性措施进行排序;⑤按照值由低到高的顺序,逐步对现状电力系统加入相应规模和类型的灵活性措施,直到满足弃风率控制目标为止。

2.3 灵活性措施成本模型

由于灵活性措施成本效益指标以年为周期进行评估,因此,灵活性措施的成本应相应以年为周期进行统计。本文中的措施成本主要包括投资成本以及运维成本。投资成本为设备初始实施的全部投入成本,通常包括主设备投资成本、设计成本和实施成本等。运维成本包括运行维护成本、各类损耗成本、设备更换成本等。各类成本需折算成研究水平年的现值,如公式(2)所示:

式中:t为年次;T为折旧年限;d为折现率;IVMTt为第t年的各类投资成本,通常以第1年为主;O & Mt为第t年的运行和维护费用。

2.4 基于时序生产模拟的系统总弃风量评估方法

风电弃风量是在一定时间周期内由于源、网、荷等电力系统运行约束的影响,导致的可发但是无法上网消纳的电量。电力系统生产模拟是模拟电力系统在长时间范围内的实际调度运行方式,并对系统各类物理和经济方面的性能进行统计分析。生产模拟适用于进行风电等时序特性强的仿真分析,本文采用时序生产模拟进行风电消纳水平的量化评估。

本文时序生产模拟以小时为时间单位,考虑电力系统各类约束限制下最小化电力供应成本。输入数据包括电源数据、电网数据、负荷数据、燃料价格以及其他市场数据。生产模拟算法的核心为发电调度和潮流计算,即在日前安全约束机组组合确定的日内机组启停发电计划基础上,以全系统发电成本最小为目标,根据负荷曲线调整机组出力,满足负荷平衡约束、机组运行约束和电网安全约束,以实现经济调度。输出数据包括各类电源的开机状态、出力水平、发电成本及收入状况等。时序生产模拟的仿真流程如图1所示。

时序生产模拟算法基于时间顺序滚动进行日前机组组合,机组组合根据日前风电预测、负荷预测及机组可用状态以在运行日之前确定常规机组启停计划。在运行日内,以系统发电成本最小为目标,根据实际风电出力和实际负荷进行经济调度确定机组出力水平。

机组组合采用整数规划求解,其模型如下:

s.t.

其中:式(3)为整数规划的目标函数,F[gi(t),Ii(t)]为总的发电成本;gi(t)为机组it时段的实际出力;Ii(t)为整数变量,1表示机组开机,0表示机组停机;为机组it时段的发电成本;为机组it时段的启动成本;M为常规机组台数;T为总时段数,取24,即为1天24小时。式(4)为系统功率平衡约束,为第j个风场在t时段的日前预测出力;lDF(t)为t时段系统日前预测负荷。式(5)为常规机组最大和最小出力约束。式(6)为系统旋转备用约束,S%为系统旋转备用率。式(7)为机组功率爬坡约束,URiDRi分别为机组i每个时段允许的上、下调出力限制。式(8)和(9)分别为机组最小运行与停机持续时间约束,为机组i的最小启(停)时间,为机组it时段前的持续开(关)机时间。

机组组合模型将求解出运行日每台常规机组在每个小时的开机或停机的状态。经济调度模型将针对开机机组,决定运行日内每台常规机组的实际出力、风电的实际出力以及弃风量。经济调度模型采用线性规划模型,对每个小时进行求解,模型如下:

s.t.

图1 时序生产模拟仿真流程图
Fig.1 Flowchart of chronological production cost simulation

其中:式(10)为经济调度模型目标函数,目标函数最小化系统整体发电成本,I为开机常规机组的数量;式(11)为系统功率平衡约束,wj为风电实际出力变量;式(12)为风电出力约束,为该时实际风电理论出力;式(13)为常规机组最大最小出力约束;式(14)为常规机组爬坡约束,为上一时段机组出力。

3 算例分析

算例系统结构如图2所示,算例中电力系统负荷峰值为8286 MW,总装机容量10600 MW,其中包含13台300 MW火电机组,7台600 MW火电机组,4台200 MW燃气机组,风电装机容量为1700 MW,全年风电每小时理论出力如图3所示,风电全年理论上网电量为3400 GWh。火电机组最小开机均为装机容量的50%。

图2 算例系统结构
Fig.2 System structure for the case study

图3 全年风电每小时理论出力
Fig.3 Annual hourly theoretical generation of wind farm

在不实施任何灵活性措施的情况下,针对基础情景进行全年的时序仿真,计算结果得出,风电实际上网电量为2729 GWh,全年弃风量671 GWh,弃风率19.7%。系统目标弃风率为10%以内。弃风主要集中在夜间,全年365日每小时平均弃风量如图4所示。

图4 各小时平均弃风量
Fig.4 Daily generation curve for different type of generation resources

在基础情景算例中,火电机组最小出力水平和两条热稳极限为400 MW的输电线路频繁受限均为弃风的影响因素。①夜间风电弃风的一部分原因为夜间负荷低谷时段,风电大发,火电机组受最小开机时间以及最小出力限制,无法启停调峰或者深度调峰,导致风电弃风;②在白天,输电线路阻塞是弃风的主要影响因素,典型日分析如图5所示。图5中为4月7日当日的火电、燃气、弃风以及阻塞线路的功率曲线,在夜间弃风的13个小时中,开机的火电有12~18台运行于最小出力,同时在白天线路有12个小时运行于400 MW极限功率。当日弃风量8450 MWh。因此,针对该系统提出两类灵活性措施,包括:增加阻塞线路输电容量、部署电极锅炉降低火电机组最小出力水平。

图5 各类发电电源及线路日功率曲线
Fig.5 Daily different type of generation and transmission flow curve

电极锅炉年化成本为12.5万元/MW。算例中,针对3台利用率较高的600 MW火电机组,安装电极锅炉,总安装量60 MW到600 MW对应的成本效益指标如图6所示。该灵活性改造方案中,每减少1 MWh风电的弃风,随着实施改造的机组台数的增加,成本从95 元/MWh逐步增长到159 元/MWh。图中曲线显示,当改造规模增加,缓解单位弃风量的成本是在上升的,λ曲线有翘尾的现象。即当在早期实施火电灵活性改造的时段,缓解弃风的经济效益相对较好,但是随着实施规模增多的情况下,弃风量缓解效果有限。可以预见,当进一步增加实施改造的台数时候,经济性是显著下降的。

图6 不同规模发电侧改造情景下的弃风减少量和λ
Fig.6 Wind curtailment reduction and indexλfor different scale levels of generation improvement

在电网侧的措施是针对两条重点阻塞线路增加容量,两条线路在当前网架中输电容量均为400 MW,逐步增加线路容量从总计1000 MW至1800 MW。线路扩容单位年化成本为75万元/MW。仿真后,获得弃风减少量和λ指标如图7所示。与发电侧改造情况类似,初期线路容量的扩容对缓解弃风作用明显,但是随着实施规模增加,成本效益逐渐下降。

图7 不同规模输电网扩容情景下的弃风减少量和λ
Fig.7 Wind curtailment reduction and indexλfor different scale levels of transmission expansion

对比发电侧和电网侧的灵活性措施,电网侧在扩容起步阶段具有明显的成本效益优势,但是随着线路扩容规模增加,发电侧改造的成本效益优势开始显现,因此根据λ从低到高的顺序,构建灵活性措施组合和规模,即首先将线路容量增加至1400 MW,再增加火电机组电机锅炉总计120 MW,在该种组合下,系统弃风率达到9.2%,综合成本效益λ为105 元/MWh。

需要指出的是,发电侧灵活性改造和线路增容两种措施均是基于基础场景构建的,各种措施的成本效益指标与基础场景密切相关。如果需要实施多种措施的叠加效果,或者根据实际情况,按规划时序将各类措施构建于系统中,需要在每种措施组合的情况下分别进行仿真,获得成本效益指标。目前还难以用分析性方法准确推导出同时实施多种措施的效益是否等效于每个单独的措施的叠加效益。由于措施的效果需要经过电力系统运行后,事后统计获得,因此应用时序仿真的方式量化效益是更可行的研究手段。

4 结论

本文提出了提升风电消纳水平的电力系统灵活性措施的经济评估指标、计算方法及其应用场景。首先,提出了评价各类灵活性措施的成本效益指标,该指标直接反映了减少风电弃风量对应的措施单位成本;其次,采用时序生产模拟方法量化计算某时间周期内的风电弃风量;然后,构建电力系统灵活性措施的成本模型,并计算各类措施的成本效益指标值;最后,按照指标值由低到高的顺序,逐步对电力系统加入相应规模和类型的灵活性措施,直到满足弃风率控制目标为止。提出的评价指标和措施寻优方法能够对火电改造、电储能、输电通道扩容、可中断负荷等各类措施进行技术经济综合比较,确定合理的措施组合,对能源主管部门制定针对性的政策措施具有指导意义和应用价值。

参考文献

[1] 舒印彪,张智刚,郭剑波,等. 新能源消纳关键因素分析及解决措施研究[J]. 中国电机工程学报,2017,37(1):1-9.Shu Yinbiao, Zhang Zhigang, Guo Jianbo, et al. Study on key factors and solution of renewable energy accommodation[J].Proceedings of the CSEE, 2017, 37(1): 1-9(in Chinese).

[2] 裴哲义,范高峰. 中国风电运行消纳相关问题研究[J]. 中国电力,2014,47(1):1-4.Pei Zheyi, Fan Gaofeng. Reaserch on wind power operation and accommodation problems in China[J]. Electric Power,2014, 47(1): 1-4(in Chinese).

[3] 鲁宗相,李海波,乔颖. 含高比例可再生能源电力系统灵活性规划及挑战[J]. 电力系统自动化,2016,40(13):147-158.Lu Zongxiang, Li haibo, Qiao Ying. Power system flexibility planning and challenges considering high proportion of renewable energy[J]. Automation of Electric Power System,2016, 40(13): 147-158(in Chinese).

[4] 朱凌志,陈宁,韩华玲. 风电消纳关键问题及应对措施分析[J]. 电力系统自动化,2011,35(25):29-34.Zhu Lingzhi, Chen Ning, Han Hualing. Key problems and solutions of wind power accommodation[J]. Automation of Electric Power System, 2011, 35(25): 29-34(in Chinese).

[5] 刘文颖,文晶,谢昶,等. 考虑风电消纳的电力系统源荷协调多目标优化方法[J]. 中国电机工程学报,2015,35(5):1079-1088.Liu Wenying, Wen Jing, Xie Chang, et al. Multi-objective optimal method considering wind power accommodation based on source-load coordination[J]. Proceedings of the CSEE,2015, 35(5): 1079-1088(in Chinese).

[6] 王彩霞,李琼慧,谢国辉. 风电供热提高低谷风电消纳能力评估[J]. 中国电力,2013,46(12):100-106.Wang Caixia, Li Qionghui, Xie Guohui. Evaluation of wind power heating in facilitating wind power integration capability during valley load period[J]. Electric Power, 2013, 46(12):100-106(in Chinese).

[7] 王振浩,杨璐,田春光,等. 考虑风电消纳的风电-电储能-蓄热式电锅炉联合系统能量优化[J]. 中国电机工程学报,2017,37(增刊):137-143.Wang Zhenhao, Yang Lu, Tian Chunguang, et al. Energy optimization for combined system of wind-electric energy storage-regenerative electric boiler considering wind consumption[J]. Proceedings of the CSEE, 2017,37(Supplement): 137-143(in Chinese).

[8] International Energy Agency. Empowering variable renewables: options for flexible electricity systems [M]. OECD Publishing, 2009:11-13.

[9] 国家发改委,国家能源局. 关于提升电力系统调节能力的指导意见(发改能源〔2018〕364号)[R],2018.

National Key Research and Development Program of China‘Future Power System Structural Form Evolution Model and Power Forecasting Method’(2016YFB0900101); Science and Technology Foundation of SGCC ‘Modeling and Application of Peakingregulation Technology, Economy and Policy for Power System with Large-scale New Energy Integration’.

Economic Evaluation of Power System Flexibility Means for Improvement of Wind Power Integration

ZHANG Fuqiang1, YUAN Bo1, ZHANG Jinfang1, ZHANG Tao2
(1. State Grid Energy Research Institute, Changping District, Beijing 102209, China;2. Liaoning Electric Power Research Institute, Shenyang 110006, Liaoning Province, China)

Abstract:In recent years, because of lack of overall power system flexibility for both generation and transmission, wind energy curtailment remains huge amount along with the increase of wind power penetration. A method of economic evaluation for power system flexibility means to promote the accommodation of wind power is proposed in this paper. Firstly, economic indices are defined to quantitatively evaluate the cost-benefit effect of the improvement of wind power integration for power system flexibility means. The index that reflects the unit cost for reducing wind power curtailment and the means with lowest unit cost will be the optimal solution. Secondly, a chronological production cost simulation model is established, which considers the conventional generator, the wind generation, and the electric load. Simulation performs security constrained day ahead unit commitment and real time economic dispatch. Finally, cost models for power systems flexibility means are built. In the case study, systems with the flexibility means are simulated for a period of one year using proposed chronological production cost model to calculate the total amount of wind curtailment for the corresponding means. The unit costs of wind integration improvement for different flexibility means are obtained. In the end, the lowest cost flexibility means is achieved through the quantitative comparison of cost benefit analysis. The proposed method in this paper can quantitatively evaluate the economy of various flexibility means for promoting the accommodation capability of wind generation. Therefore, it is valuable for system planners and decision-makers to effectively and economically determine the means to improve wind generation integration capability.

Keywords:power system flexibility; production cost simulation;wind curtailment; economic evaluation


张富强

作者简介:

张富强(1982),男,工学博士,高级工程师,主要从事电力系统规划、生产模拟和新能源消纳研究,E-mail:zhangfuqiang@sgeri.sgcc.com.cn。

元博(1987),男,工学博士,高级工程师,主要从事电力系统和综合能源系统规划、运行研究,E-mail:yuanbo@sgeri.sgcc.com.cn。

(责任编辑 李锡)

  • 目录

    图1