目前國內外關于風電消納能力分析的研究主要考慮的是極端時段和單一因素，缺乏對影響消納能力的各個層面進行分析，同時無法考慮全時段風電出力特性，從多個場景長時間尺度來評估風電消納能力。本文首先歸納風電消納能力評估的相關因素，提出了一種確定性和概率性相結合的方法，從多個角度對風電的消納能力進行科學計算與評估。其中確定性評估方法主要基于單一嚴苛場景進行分析，概率性評估方法則基于含風電的8760小時時序運行模擬結果，在確保全年最大棄風電量比例低于5%的情況下，得到的最大風電接入容量。接著以某省級電網為例，評估其風電消納能力，識別影響電網風電消納的關鍵因素。
風電消納能力評估相關因素
調峰能力
相比傳統的發電方式，風力發電的出力具有顯著的不確定性和不可控性，當風速變化引起風電場功率變化時，需要隨時調整系統中常規能源機組的出力，以滿足系統負荷需求。在不考慮風電場功率預測的情況下，傳統的系統日前發電計劃中無法考慮風電的預期出力，為了滿足系統電力平衡，電網開機計劃與運行方式按風電場出力為0考慮。當電網中風電出力增大時，需要降低電網中常規能源機組出力以保證電網電力平衡，此時，決定電網的調峰能力取決于整個電網中常規能源機組降低出力的能力。在考慮風電場功率預測的情況下，系統將風電出力預測納入電網調度與開機計劃，將風電當作負的負荷處理，此時，部分調峰能力已經在發電計劃中體現，當風電實際出力與預測產生偏差時，需要調用系統剩余的調峰能力。
隨著系統內風電裝機占系統最大負荷的比例不斷擴大，電網的調峰需求將逐步增加，電網的調峰能力可能成為風電發展的技術瓶頸?？捎糜谄胶怙L電功率波動的電網調峰容量對于電網的不同運行方式、電網的不同負荷水平都是不同的，因此，系統調峰能力將直接影響風電的消納水平。
調頻能力
電力系統需要保持供需之間的實時平衡。由于負荷的不確定性，預測負荷與實際負荷之間存在一定的偏差，并由此產生不平衡負荷，電力系統需要實時平衡這部分偏差。系統的AGC、旋轉備用、非旋轉備用和替代備用等就是為平衡這部分偏差所設置的。其中，AGC用于實時處理較小的負荷與發電功率的不匹配，維持系統頻率，并使控制區內負荷與發電功率的偏差及控制區之間的交換功率實際值與計劃值的偏差最小。
根據國內外的普遍情況，系統AGC需求約為系統最大負荷的3%，這部分AGC需求僅對應負荷短期的波動。當系統中接入較多風電時，由于風電場本身不能夠提供AGC服務，因此，系統中常規機組不僅需要為負荷提供AGC服務，而且還要為風電場的出力波動提供AGC服務。系統AGC的服務對象由原始負荷曲線變為考慮風電出力后的等效負荷曲線。因此，需要研究風電出力秒級至分鐘級的波動特性以及由此增加的系統AGC服務需求，評估系統調頻儲備對風電消納能力的影響。
備用能力
電力系統中各類備用的作用是為了應對電力系統的各種不確定性。其中對于電力系統短期調度而言，負荷備用的作用是為了應對系統負荷預測的偏差而可能產生的負荷-發電不平衡。風電的接入為系統負荷與發電平衡帶來了新的不確定性。與常規機組不同，風電出力具有間歇性，難以進行自如的有功控制，對于日前調度而言，系統常規機組不僅要為負荷預留備用，而且需要為風電預留備用。在風電接入容量較小的情況下，無論日前發電計劃還是實時調度，可以暫不考慮風電的出力。隨著風電接入容量的增加及隨之對電網影響的增大，調度運行中考慮風電預測出力已經成為大勢所趨。
目前數值天氣預報技術對風速預測的精度較低，而且風速預測誤差隨著預測提前時段的增長而急劇增加，因此相比負荷而言，風電的短期具有較大的不確定性。在日前發電計劃中，風電出力的不確定性可能大于負荷的不確定性。風電接入后，系統需要取更多的旋轉備用以應對風電實際出力與預測值的偏差。因此，系統備用儲備對風電消納能力產生較大的影響。
風電消納能力評估方法
本文提出的確定性與概率性相結合的風電消納能力評估方法框架圖如圖1所示。
風電消納能力確定性評估模型與方法
確定性的分析方法是指通過對電力系統各邊界條件進行科學的假定或設定后展開相應分析的方法，本文中主要基于確定性分析場景庫，根據典型系統負荷曲線與風電出力曲線，對風電消納能力進行分析與評估。
確定性分析的場景庫主要從負荷曲線和日風電場出力曲線兩個維度來建立。對于負荷，選取最大負荷日、最小負荷日、最大峰谷差日三個典型場景;針對每個典型的負荷場景，根據95%置信度下的風電最大出力與最小出力，構建理論正調峰、理論反調峰日風電場出力曲線，最終組合為6個確定性風電消納能力評估場景。
對每個確定性場景，分別使用軟件進行日運行模擬計算，統計各場景系統的總調峰需求、風電引起的峰荷正旋轉備用以及谷荷負旋轉備用，同時統計運行模擬結果中火電的調峰率以及火電提供的旋備比例，其中火電的調峰率定義為火電峰荷電力除以火電的開機容量，火電提供的旋備比例等于火電提供的旋備容量除以開機容量。
對于調峰約束，選取調峰需求最大及火電調峰率最高的場景作為調峰約束下的關鍵場景;逐步增加風電裝機容量，使用軟件進行運行模擬，直至系統調峰能力不足出現棄風，則該臨界場景下風電容量即為調峰約束下風電可消納容量。
對于備用約束，選取備用需求最大以及火電提供旋備比例最低的場景作為備用約束下的關鍵場景;逐步增加風電裝機容量，使用軟件進行運行模擬，直至系統備用不足或者出現棄風，則該臨界場景下風電容量即為備用約束下風電可消納容量。
對于調頻約束，調頻需求主要在最大負荷日由負荷引起，在最小負荷日風電出力波動則占較大比例，選取最大最小負荷日為關鍵場景，風電選取典型出力曲線;逐步增加風電裝機容量，利用軟件運行模擬的開機方案，對比系統的調頻能力與調頻需求，直至系統調頻不足，則該臨界場景下的風電容量即為調頻約束下風電可消納容量。
風電消納能力概率性評估模型與方法
新能源消納能力概率性評估基于概率性分析場景庫來對各因素下的新能源消納能力進行評估。使用軟件運行模擬生成全年8760點風電時序出力，將風電時序出力與時序負荷一一對應，則可以得到365個含風電的概率性場景，即為概率性評估場景庫。對概率性評估場景庫的各個場景分別進行考慮多種約束的運行模擬，統計全年的棄風電量，即可表征風電的消納水平。
設置風電消納能力概率性評估最大棄風電量比例為5%，逐步增加風電裝機容量，同時根據風電裝機容量不斷提高備用率，計算在不同裝機容量下全年的棄風電量比例，直至棄風達到設定值，此時的風電裝機容量為概率性風電消納能力。
算例分析
本部分利用前文的分析方法，對某省級電網規劃年的風電消納能力進行評估，所涉及的模擬計算采用清華大學電機系開發的電力規劃決策支持系統。該省級電網規劃年預測最大負荷12600萬千瓦，總裝機容量16000萬千瓦，其中煤電占48%，氣電20%，核電15%，新能源占10%，其他占7%。
風電特性分析
首先收集該省級電網已投產的7座風電場歷史出力數據，進行月度和日出力特性分析。其中最大出力特性分析時，取95%保證率對應的出力，目的是有效地篩選掉瞬時沖擊出力。
月度出力特性。從統計結果來看，全省風電月平均出力呈現豐小枯大的特點。全年各月平均出力在0.10～0.34之間，5～9月平均出力較小，豐枯期電量比約為39%:61%。全省風電月最大出力依然呈現豐小枯大的特點。全年各月最大出力在0.29～0.55之間，7～9月最大出力較小，全年最大出力出現在12月。
日出力特性。從統計結果來看，全省風電日平均出力豐期的出力范圍為17%～19%，枯期的出力范圍為26%～30%，且晚上20時到凌晨平均出力略高。
從統計結果來看，全省風電日最大出力豐期的出力范圍為40%～51%，午后12時到下午5時最大出力較高;枯期的出力范圍為49%～55%，晚上9時到凌晨最大出力較高。
確定性風電消納能力評估
確定性評估場景庫。對于負荷共選取3個場景，分別為最大負荷日、最小負荷日以及最大峰谷差日;對于風電，選取2個場景，分別是理論正調峰和理論反調峰出力曲線組合生成的場景。
對各個場景分別進行運行模擬，表1中分別統計了各場景系統的總調峰需求、風電引起的峰荷正旋轉備用及谷荷負旋轉備用，表中同時統計了運行模擬結果中火電的調峰率以及火電提供的旋備比例，其中火電的調峰率定義為火電峰荷電力除以火電的開機容量，火電提供的旋備比例等于火電提供的旋備容量除以開機容量。
從調峰角度分析：最大峰谷差日反調峰場景系統調峰需求最大，同時火電機組調峰率較大，燃機完全參與調峰，最小負荷日反調峰場景燃機開機容量下，火電機組調峰率最大，燃機完全參與調峰，因而選擇該兩個場景為調峰約束下風電消納能力評估的關鍵受限場景;從備用角度分析：最大負荷日正調峰場景下風電峰荷正旋轉備用需求最高，最小負荷日正調峰燃機能夠提供的旋備容量在各場景中是最低的，因而選擇該兩個場景為備用約束下風電消納能力評估的關鍵受限場景(見圖2)。
調峰約束下風電消納能力評估。選取確定性場景庫分析指出的影響風電消納的調峰約束關鍵受限場景：最大峰谷差日反調峰場景以及最小負荷日反調峰場景，逐步增加風電裝機容量，使用軟件進行運行模擬，直至系統調峰能力不足出現棄風，則該臨界場景下風電容量即為調峰約束下風電可消納容量。仿真結果如表2所示。
對于最大峰谷差日反調峰場景和最小負荷日反調峰場景，當風電均從規劃裝機減至6000兆瓦時，系統基本不棄風。因此可知，考慮調峰約束的確定性場景評估下，風電消納能力為6000兆瓦。
備用約束下風電消納能力評估。選取確定性場景庫分析指出的影響風電消納的備用約束關鍵受限場景：最小負荷日正調峰場景與最大負荷日正調峰場景，逐步增加風電裝機容量，使用軟件進行運行模擬，直至系統備用容量不足出現棄風，則該臨界場景下風電容量即為備用約束下風電可消納容量，評估結果如圖3~4所示。
上述結果可知，當風電容量逐漸增加時，風電所需備用容量也逐漸增加。由于兩方案均為風電正調峰方案，隨著風電容量的增加，水電機組調峰需求降低，因此能夠空出更多的容量提供旋備，火電機組開機容量也隨風電容量增加而降低。所以，火電為風電提供的旋備容量并非隨風電增加而單調增加。整體而言，旋備容量在上述各場景下均保持充足。當風電增加至30000兆瓦，系統調峰不足出現棄風984.745兆瓦，此時系統備用仍然充足，說明該場景下調峰約束的限制比備用約束的限制強，備用容量不是限制風電接入的關鍵因素。
調頻約束下風電消納能力評估。首先根據該省級電網風電的歷史出力特性，模擬生成規劃年風電時序出力，進而計算得到分鐘級出力變化的標準差為123兆瓦，風電分鐘級出力變化最大幅值為856兆瓦。同時，統計該省歷史負荷小時級波動，推算得到規劃年小時級負荷變化幅度為-24530兆瓦～+24150兆瓦。負荷分鐘級變化幅度一般為小時級變化幅度的1/15到1/40且正負變化概率大致相等，本文負荷分鐘級變化為小時級變化幅度的1/15，則近似計算出負荷分鐘級變化的區間為-1635兆瓦～+1610兆瓦。通過對風電出力與負荷分鐘級變化的分析，可得到風電接入后的系統調頻需求，結果如表3所示。
對于風電反調峰特點明顯，夜間波動大的電網而言，系統調頻需求主要在最大負荷日由負荷引起，在最小負荷日由風電出力波動引起。設各類型機組1分鐘可調出力占裝機容量的比例：燃煤、燃油與燃氣機組為1%;水電機組與抽蓄機組為30%;其他機組按0處理。計算得到系統在最大負荷日和最小負荷日能提供的調頻能力約為4020兆瓦和2880兆瓦，均滿足風電并網后對系統的調頻需求。繼續增大風電裝機容量，提高系統調頻需求，直到系統調頻能力無法滿足，得到最小負荷日和最大負荷日對應風電消納能力為25600兆瓦和37800兆瓦。
綜上所述，對某省級電網風電消納能力確定性評估的結果來看，調峰能力是制約風電消納的關鍵要素，若考慮極端嚴苛調峰場景，風電可消納容量為6000兆瓦。
概率性風電消納能力評估
使用軟件運行模擬生成該省規劃年全年的風電時序出力，將風電時序出力與時序負荷一一對應，可以得到365個含風電的概率性場景，即為概率性評估場景庫。對概率性評估場景庫的各個場景分別進行考慮多種約束的運行模擬，統計全年的棄風電量，即可表征風電的消納水平。設置風電消納能力概率性評估最大棄風電量比例為5%，逐步增加風電裝機容量，直至棄風達到設定的5%，此時的風電裝機容量為概率性風電消納能力。評估結果如表4所示。
當風電增加至70000兆瓦，全年的棄風電量比例超過設定的5%為5.62%，增加至60000兆瓦，全年棄風比例為4.19%，線性計算風電棄風比例為5%的裝機容量，則風電概率性消納能力為65600兆瓦，此時火電利用小時數約為2820.93小時，風電利用小時數約為1921.93小時，棄風電量約為67.02億千瓦時。同時可以看出，雖然該省級電網調節能力足以消納65600兆瓦的風電，但此時火電利用小時數被擠壓僅為2821小時。若假設保證火電自負盈虧的最低利用小時數為3500小時，則該省級電網建議消納的最大風電容量為40000兆瓦。
結 語
本文提出了一種確定性和概率性相結合的方法，從多個角度對風電的消納能力進行科學計算與評估。首先分析了影響風電消納能力評估的相關因素，接著基于此構建并篩選確定性場景庫，篩選嚴苛場景，從系統調峰、調頻、備用約束角度評估風電消納能力。概率性評估方法主要基于全年365個含風電的概率性場景進行模擬分析，確保全年最大棄風電量比例低于5%時得到風電最大裝機容量即為風電消納能力。
通過某省級電網的實際算例，分析了限制該省風電發展的確定性因素為調峰約束，如果考慮極端調峰約束的確定性場景下，風電的消納能力僅為6000兆瓦。進一步進行概率性消納能力評估，得到風電消納能力為40000兆瓦。從不同角度，為風電規劃建設提供建議，也驗證了本文提出方法的科學性和實用性。下一步可考慮從潮流概率化的角度，研究風電接入對系統潮流的影響。
本文刊載于《中國電力企業管理》2021年01期，作者王彤供職于南方電網科學研究院有限責任公司，朱靜慧供職于中國能源建設集團廣東省電力設計研究院有限公司
