基于功率预测的波动性能源发电的多时空尺度调度技术

鲁宗相，闵 勇

（清华大学电机系 电力系统国家重点实验室，北京 100084）

智能电网这个概念从诞生开始就被赋予一个重要的使命，即提高电网对波动性的可再生能源的接纳能力，从而实现对化石燃料发电方式的替代，实现环保、节能的综合目标.

近年来，风电／光电作为可再生能源，随着技术的日趋成熟，在国内外发展迅猛.2012年8月，中国并网风电装机5 258万kW，已取代美国成为世界第一风电大国.但是，由于风电／光电具有随机性、波动性的特点，难以控制，电力系统在实现最大程度吸纳间歇式能源的同时，其安全稳定运行面临着巨大的挑战，如何有效地控制风电／光电成为困扰全世界的难题［1-2］.

将风电的影响纳入电网调度运行成为研究热点.文献［3］提出将风电与系统运行和减排CO2等问题结合起来建立综合效益评估模型，文献［4］提出在风电场控制中引入调度员指令的影响，文献［5］在风火联合系统的机组组合和调度运行中考虑了风电的影响，文献［6］讨论了高比例风电系统的机组组合与备用容量优化问题，文献［7］总结了波动性电源在多时间尺度的波动性、随机性特点.中国学者也提出了大型集群风电有功智能控制系统监控软件设计方案［8］和含风电电网的调度自动化系统设计方案［9］.

针对风电／光电的随机性、波动性特点，建立预测预控的可再生能源调度新模式成为电网运行的未来趋势.所谓预测，即在传统负荷预测的基础上，增加可再生能源的发电功率预测，从而建立未来某运行时段的电源和负荷的预测数据集作为电网运行的依据；所谓预控，即建立基于预测数据集的预想性运行方案和控制策略.此外，考虑到风电／光电的能量密度低，场站覆盖地域较传统火电厂要大很多，必须考虑其空间地域影响和不同时间尺度的影响.因此，建立基于功率预测的波动性能源发电的多时空尺度调度体系，是含较高比例可再生能源发电的未来电网调度的发展趋势.

1 中国风电的波动性和随机性统计分析

中国按照“建设大基地、融入大电网”的方式，推进风电的规模化发展，逐步形成了甘肃酒泉地区、新疆哈密地区、河北北部、吉林西部、内蒙西部、内蒙东部、江苏东部、山东等8个千万kW级风电基地.大规模风电接入电网后，在向电网提供清洁能源的同时，有功出力的波动性、不可控性也给电网的运行带来的巨大压力.

1.1 风电的年变化特点

以华北京津唐地区为例，风场各个月的发电量如图1所示.

图1 2010年1月-2011年8月华北风电月发电量Figure 1 Monthly generated energy of wind farms in North China during 2010，01-2011，08

可以看到，风电出力具有很强的波动性与随机性，风电容量变化具有明显的季节性，与风电总装机容量相比存在比较大的差距.一般在夏季（6-9月），风电发电量偏低，而其他季节风电发电量较高，需要说明的一点是，冬季（2月）受限电因素干扰，风电发电量反而降低.

1.2 风电的日变化特点

风速随昼夜的更替产生有规律的变化，白天气温高，夜间气温低，风速也随着气温的升降而不断变化.风机处于近地面层，正常的风速日变化是午后最大，此后逐渐减小，到清晨最小，日出后风速又随着增强，白天风速变化较夜间快的多，所以风速时间序列在一定程度上表现出日周期性.

文献［10］给出了中国6大风电基地在2009年1，4，7和10月份日出力变化情况，如图2所示.

1.3 风电的反调峰特性

由于风电日变化的特殊性，大容量风电并网运行后给系统调峰也带来了较为明显的负面影响，主要体现：①大规模风电接入导致电网等效负荷峰谷电网调峰困难，被迫限制风电出力.

某地区风电分别起反调峰（峰谷差增加）和正调峰（峰谷差减小）作用时的风电出力以及负荷、净负荷波动曲线分别如图3，4所示.差变大，客观上需要增大调峰容量；②风电的反调节特性进一步加大了对系统调峰容量的需求.调峰问题是制约中国风电大规模并网的主要矛盾之一.如目前中国风电所占比例最高的吉林电网，调峰问题突出.在冬季夜间的低负荷、大风时段，风电出力大，

图2 6大风电基地2009年典型月份的风电日出力曲线Figure 2 Daily wind power output curve of 6wind zones during typical months in 2009

图3 风电起反调峰作用的典型日负荷、净负荷、风电出力曲线Figure 3 Typical daily load，net load and wind power output curves while wind farms have active effect on peackload regulation of system opeartion

图4 风电起正调峰作用的典型日负荷、净负荷、风电出力曲线Figure 4 Typical daily load，net load and wind power output curves while wind farms have passive effect on peackload regulation of system opeartion

1.4 相关性与平滑效应

为衡量风电的波动，定义风电出力变化率（波动率）为风电出力变化占风机额定容量的百分比，即

式中ρ%表示风电出力变化率；P（t＋T）表示t＋T时刻的风电出力；P（t）表示t时刻的风电出力；Pbase表示风机额定容量，对于不同的时间尺度，T对应不同的数值.

华北某风场内风机输出功率波动绝对值的累加概率分布如图5所示.

图5 风电功率波动率绝对值的累加概率分布Figure 5 Cumulative probability distribution of variable ratio absolute value of wind power

从图5中可以看到，随着风机数量的增加，对于同一出现概率，相应的秒级功率变化率减小，说明随着风机数量的增加，总体出力波动性减弱.随着风电装机容量的增加以及分布区域的变广，风电出力的平滑效应使得总体波动减弱，这是中国内陆并网风电基地的一般性统计规律.

2 风电大规模接入对系统调度的影响分析

1）从电力系统运行观点看，风力发电与常规发电的不同主要原因［11］.

①风力发电的风资源不稳定，而常规发电厂的煤、油、气、水及核燃料供给相对比较稳定.

②单台风力发电机容量较小，其有功和无功功率输出调节控制比较困难，特别是受风条件的限制，一般不能进行增加功率输出的调节；常规发电厂的有功和无功功率输出可在大范围内灵活调节.

③风电可以预测，但风电的预测难度大，且预测精度不高，会使电力系统中机组出力的最优分配复杂化.

④系统中不稳定的风电的增加，电网备用也要增加.电网中无风电接入时，负荷消耗功率由常规机组承担，系统备用仅需考虑负荷的波动；有风电接入时，负荷消耗由常规发电机组和风力发电机组共同承担，系统备用除了考虑负荷波动还要考虑风电的波动，结果可能两者相加或相消.

2）在不同时间尺度上，风电的接入都会给常规调度运行工作带来影响.

①在日内尺度上，大规模风电接入导致AGC调节容量需求难以确定，系统调频难度增加，电压波动范围增大.

②在日前尺度上，间歇式能源需优先调度，常规电源日前计划曲线难以有效执行.此外，系统备用容量难以优化，若备用容量太大导致机组负荷率低，间歇式能源接纳能力低；若备用容量太小，系统安全可靠运行受到威胁.

③在中长期尺度上，由于间歇式能源长期发电量不能准确预知，常规电源年、季、月度发电量计划不确定度增大，而常规电源检修安排优化则相应受到影响.

因此，现有调度技术支持系统难以全局优化最大限度消纳间歇式能源，需要充分考虑风电大规模接入后电网-波动电源-（传统）可控电源之间的新型“网源协调”调度机制.

3 电网-波动电源互动调度运行机制

基于功率预测的波动性能源发电的多时空尺度调度技术，核心是适应中国风电大规模开发利用的技术思路，形成智能电网体系下的电网-波动电源互动运行机制，具体包括功率预测和预控调度两方面.

3.1 多尺度风电功率综合预测及其关键技术

1）风电功率预测是新型网源互动调度运行机制的技术基础.多尺度风电功率综合预测的3个核心技术功能：

①风资源多时空分布特性分析.主要功能是对风电随机性、空间聚集效应进行统计分析，掌握风资源变化规律.

②数值天气预报（Numeric Weather Prediction，NWP）.主要功能是基于微气象学的物理模型，预测风资源变化趋势.

③风电机组／风电场风转电功率模型.这部分是沟通风资源特性与风电出力特性的桥梁，初期可根据风机设备厂商提供的标准曲线开展分析，但随着运行周期加长，应当根据实际风电场运行情况建立风场的风电功率特性曲线.

风电功率预测在电力系统的规划、计划、调度各个时间尺度都具有关键的作用.电力系统规划／计划／调度功能对风电功率预测的时长、区域和分辨率要求如表1所示.

表1 风电功率预测在新能源调度系统不同功能中的功能指标要求Table 1 Function requirements of wind power prediction in different operation functions of new energy dispatching system

2）风电功率预测的5项关键技术：

①风资源数值模拟及降尺度技术.着重解决空气动力学方程建模及其降维问题.

②数值天气预报同化技术.着重解决动力学方程组初值场问题.

③风电集群时空效应建模.着重解决风电功率的随机特性和风电场多风电机组的时空聚集效应.

④多预测模式集合优化技术.着重解决高维动力学方程组的初值场混沌问题，通过综合预测方式来提高预测精度.

⑤预测误差模型及综合评价体系.着重通过后评价形成预测技术闭环体系，提高预测精度.

3.2 基于预控的多时空尺度调度及其关键技术

多时空尺度调度的核心在于时间、空间和目标3个尺度的协调优化.从时间尺度而言，要覆盖日内、日前到中长期的全过程；从空间尺度而言，要兼顾风机单机到风电场，到场群的波动特性积聚效应，在地区、省级和地区电网实现网源协调；从目标尺度而言，要兼顾调频安排、备用容量的优化，减少弃风弃光，提高可再生能源电源的消纳能力.

而采用预控技术，即将风电功率预测信息纳入常规调度技术和控制策略中，例如：日前机组组合、AVC、AGC等，从而有效降低风电波动性的影响.

基于预控的多时空尺度调度的5项关键技术：

①特性机理.着重研究波动性能源发电监测技术、运行特性及影响机理.

②模型方法.着重研究波动性能源发电多时空尺度调度策略与模型方法.

③消纳体系.着重研究波动性能源发电多区域逐级消纳框架体系与协调决策技术；

④仿真研究.着重研究波动性能源发电多时空调度决策仿真技术；

⑤调度技术支持系统.包括实时监测系统、发电调度模型、分析方法及决策支持系统.

4 结语

中国风电／光电等波动性能源发电的大规模并网，其波动性、随机性与传统电源具有完全不同的变化特性，给电网的调度带来了深刻的影响.

建立基于功率预测的波动性能源发电的多时空尺度调度体系，是含较高比例可再生能源发电的未来电网调度的发展趋势.多尺度风电功率综合预测技术是关键基础，而基于预控的多时空尺度调度关键技术是关键途径.

［1］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（22）：29-34.ZHU ling-zhi，CHEN Ning，HAN Hua-ling.Key problems and solutions of wind power accommodation［J］.Automation of Electric Power Systems，2011，35（22）：29-34.

［2］Yuri V Makarov，Clyde Loutan，Jian Ma，et al.Operational impacts of wind generation on california power systems［J］.IEEE Transactions on Power Systems，2009，24（2）：1 039-1 050.

［3］Eleanor Denny，Mark O’Malley.Wind generation，power system operation，and emissions reduction［J］.IEEE Transactions on Power Systems，2006，21（1）：341-347.

［4］Rogério G de Almeida，Edgardo D Castronuovo，J A Pecas Lopes.Optimum generation control in wind parks when carrying out system operator requests［J］.IEEE Transactions on Power Systems，2006，21（2）：718-725.

［5］Bart C Ummels，Madeleine Gibescu，Engbert Pelgrum，et al.Impacts of wind power on thermal generation unit commitment and dispatch［J］.IEEE Transactions on Energy Conversion，2007，22（1）：44-51.

［6］Aidan Tuohy，Peter Meibom，Eleanor Denny，et al.Unit commitment for systems with significant wind penetration［J］.IEEE Transactions on Power Systems，2009，24（2）：592-601.

［7］Erik Ela，Mark O’Malley.Studying the variability and uncertainty impacts of variable generation at multiple timescales［J］.IEEE Transactions on Power Systems，2012，27（3）：1 324-1 333.

［8］王阳，李晓虎，许士光，等.大型集群风电有功智能控制系统监控软件设计［J］.电力系统自动化，2010，34（24）：69-73.

WANG yang，LI Xiao-hu，XU Shi-guang，et al.A design scheme of monitoring software for large clusters of wind power active intelligent control system［J］.Automation of Electric Power System，2010，34（24）：69-73.

［9］冯利民，范国英，郑太一，等.吉林电网风电调度自动化系统设计［J］.电力系统自动化，2011，35（11）：39-43.

FENG Li-min，FAN Guo-ying，ZHENG Tai-yi，et al.Design of wind power dispatch automation system in Jilin Power Grid［J］.Automation of Electric Power System，2011，35（11）：39-43.

［10］Dayang Yu，Jun Liang，Xueshan Han，et al.Profiling the regional wind power fluctuation in China［J］.Energy Policy，2011，39：299-306.

［11］周双喜，鲁宗相.风力发电与电力系统［M］.北京：中国电力出版社，2011.