兼顧可靠性與經濟性的風光火蓄多能系統容量配置方法

耿新民，許貝貝

（西北農林科技大學水利與建筑工程學院，陜西省咸陽市 712100）

0 引言

隨著風光接入電網占比的不斷增加，電源端的不確定性、出力不可控性明顯增強，風電、光伏發電等清潔能源面臨的消納問題也日益嚴重[1-3]。多能互補是國際上公認破解新能源消納難題的可行途徑之一，也便于我國因負荷與資源逆向分布決定的大規模跨區域送電[4]。容量配置優化作為多能互補項目規劃設計階段的重點研究內容，如何綜合考慮各電源的發電特性和開發時序，合理規劃容量配置并杜絕過度建設，對電網的安全穩定經濟運行至關重要。近年來，關于多能系統容量配置優化的研究較多，但現有研究大多以單一技術或經濟性指標為目標函數，側重于提升送端的電能質量和經濟性，忽略了外來電在受端的市場競爭力，導致部分已投運多能互補項目市場競爭力不足[5-8]。本文針對上述問題，建立了風光火蓄多能系統容量配置優化模型，主要邊界條件是落地電價不能超過受端的燃煤標桿電價，并系統性地評估了不同容量配置方案下多能系統的供電可靠性和棄電率。算例應用驗證了所提模型的有效性。

1 風光火蓄多能系統容量配置評價指標體系

1.1 風光火儲聯合外送系統結構

以青海省海西州某基地為研究對象，設計的并網型風光火蓄聯合外送系統結構如圖1所示。系統主要由風電場、光伏電站、火電站、抽水蓄能電站、集控中心和大電網組成。抽水蓄能電站在風光大發時處于泵送模式，負荷高峰時處于發電模式。火電機組承擔基荷和調峰任務，用于進一步增強多能系統的穩定性。

圖1 風光火蓄聯合外送系統結構Figure 1 The structure of wind-photovoltaic-thermal-pumped storage combined transmission systems

1.2 風光火蓄多能系統容量配置評價指標

1.2.1 供電可靠率

供電保證率為風光火蓄互補發電系統滿足負荷需求的概率，用fRPS表示，計算公式為：

式中：fLPSP——功率供應缺失率；

T——研究時間段總小時數；

TLPSP——多能系統實際出力小于系統負荷的小時數。供電保證率越小，表示系統會長時間無法滿足負荷需求，對負荷側的持續供電能力越低。

1.2.2 棄電率

棄電率為相對負荷需求多發出的、無法被利用的電量占負荷需求的比例，用fAEP表示，計算公式為：

?t——最小時間間隔，全文中均為1h。棄電率越小，表示系統新能源得到了充分利用，棄風、棄光或棄水現象越少。

1.2.3 源荷偏差率

源荷偏差率為風光火蓄運行時段內的發電功率總和相對于系統負荷需求的波動率，用fY表示，計算公式為：

2 模型建立

2.1 目標函數

隨著電力市場體系和市場化電價機制逐步完善，外送電在受端市場競爭日趨激烈。因此，本文以互補系統受端落地電價最小為目標，研究不同風電裝機規模下基地抽水蓄能電站可接入光伏電站的最優規模。建立目標函數：

T——基地外送的輸配電價；

Lw、Ls、Lg——風電、光電、火電資本金內部收益率8%時的上網電價；

Ew、Es、Eg——風電、光電、火電的年上網電量；

Lps——抽水蓄能電站資本金內部收益率6.5%時的容量電價；

Pps——抽水蓄能電站裝機容量；

Etotal——直流輸電量；

Eps,loss、Eps,P、Eps,T——抽水蓄能電站損失電量、抽水電量和發電量；

I0——項目初始投資；

r——內部收益率；

N——投資回收期；

VR——固定資產殘值；

CO&M——年運行維護費用；

Dn——第n年的折舊；

Pn——第n年的利息。

2.2 約束條件

2.2.1 功率平衡約束

PtA——t時刻的棄水、棄風和棄光量。

2.2.2 風電出力約束

2.2.3 光電出力約束

式中：PmaxPV——光伏的最大出力。光電出力模型見文獻[10]。

2.2.4 火電機組約束

（1）機組出力約束：

（2）爬坡約束：

2.2.5 抽水蓄能機組約束

機組出力約束：

N——抽水蓄能機組總數。

（1）水量平衡約束：

（2）庫容約束：

式中：Vminu、Vmaxu——上水庫的最大和最小庫容；

Vmind、Vmaxd——下水庫的最大和最小庫容。

（3）啟停約束：

（4）出力/水量轉化效率約束：

ρw——水的密度；

g——重力加速度；

h——抽水蓄能電站的平均水頭高度。

2.3 求解方法

3 算例分析

3.1 算例及數據說明

本文算例根據青海省海西州風光水資源稟賦和抽水蓄能電站選點規劃情況構造。其中，風電裝機容量有60 萬kW、70 萬kW、80 萬kW 三種方案，火電裝機容量132 萬kW，抽水蓄能電站裝機容量140 萬kW。

數據說明為：①基地近區光伏資源豐富、風電資源相對較少。②該基地外送時間為9:00～22:00，其余時刻發電量用于滿足本地負荷需求。③模型不考慮網架約束，風速、光照強度為該基地2019年全年小時級數據。④風、光、火電源貸款利率4.9%，內部收益率8%，項目運營期20a，建設貸款年限20a，風電造價400 萬元/MW，光伏造價330 萬元/MW，火電造價400 萬元/MW。⑤抽水蓄能電站貸款利率4.9%，內部收益率6.5%，項目運營期40a，建設貸款年限40a，抽水蓄能造價785 萬元/MW。⑥抽水蓄能電站抽水電價按燃煤發電基準價的75%執行取0.2353 元/（kW?h）。⑦基地項目電量擬通過特高壓直流通道外送至江蘇、浙江等華東省份消納，參考輸電距離相近的祁韶直流（約2000km）線損率約4.2%，輸配電價取0.0637 元/（kW?h）。⑧新能源棄電率不高于5%，功率供應缺失率不高于10%。

3.2 結果分析

為了驗證所提本文所提模型M1 的有效性，設立對照組模型M2、M3。其中，M2、M3 與M1 約束條件及求解方法都相同，但M2 目標函數為新能源上網電量最大，M3 目標函數為源網偏差率最小。不同方案下互補發電系統優化配置結果和落地電價見表1 和表2。因為外送負荷曲線固定，受端需電量確定，方案1～3 隨著風電裝機容量的增加，最佳光伏裝機規模降低。對比模型M1，M2 模型下方案1～3 最佳光伏規模分別增加405MW、365MW、340MW，落地電價增加0.0016 元/（kW?h）、0.0014 元/（kW?h）、0.0013 元/（kW?h）；M3 模型下方案1～3 最佳光伏規模分別增加90MW、55MW、50MW，落地電價增加0.0001 元/（kW?h）。從基地電源上網電量分析，方案1～3 基地電源直流送電量逐漸增加，M1 模型下直流送電量分別為121.198億kW?h、122.057 億kW?h、122.916 億kW?h；棄電量分別為0.0848 億kW?h、1.093 億kW?h、1.282 億kW?h。從容量配置評價指標分析，M1 模型下方案1～3 基地供電保證率分別為90.74%、91.12%、91.19%；棄電率分別為1.44%、1.82%、2.09%；源網偏差率分別為0.129%、0.128%、0.128%。此外，隨著風電規模的增加，基地綜合上網電價逐漸降低，故配置更多的風電有利于外送電價降低。

表1 不同方案下互補發電系統優化配置結果Table 1 Optimization configuration results of multi-energy system under different schemes

表2 不同方案下互補發電系統落地電價Table 2 Land price of complementary power generation systems under different schemes

圖2 以方案1 為例，分析了光伏裝機變化對容量配置模型可靠性和經濟性指標的影響。由仿真結果可知，隨著光伏裝機的增加，棄風率和棄光率增加；負荷供應缺失率減小；源網偏差率先減小后增加。事實上，容量配置模型各指標情況都取決于調節性電源和新能源的裝機配比，若新能源裝機過大，出力波動幅度加大，棄電率和源網偏差率較大；若新能源裝機過小，部分時刻不能滿足負荷要求，供電保證率和棄電率較小。

圖2 不同光伏裝機下互補發電系統可靠性和經濟性指標Figure 2 Reliability and economic indicators of multi-energy system under different photovoltaic installations

以基地電量外送至華東省份消納進行市場競爭力分析。目前，華東四省一市的燃煤標桿電價分別為：浙江省0.4153 元/（kW?h）、江蘇省0.3910 元/（kW?h）、安徽省0.3844 元/（kW?h）、福建省0.3932 元/（kW?h）、上海市0.4155 元/（kW?h）。若考慮電價在火電標桿電價基礎上浮20%，則電價分別為：浙江省0.4984 元/（kW?h）、江蘇省0.4692 元/（kW?h）、安徽省0.4613 元/（kW?h）、福建省0.4718 元/（kW?h）、上海市0.4986 元/（kW?h）。方案3 模型M1 下該基地落地電價為0.4599 元/（kW?h），高于四省一市的燃煤標桿電價。但是考慮到基地清潔能源電量占比較高且火電電價上浮將成為常態，M1 模型落地電價具有明顯的競爭力。

進一步，圖3 分析了風光電站雙重不確定對電價及相關指標的影響。圖3（a）、（b）、（c）、（d）分別描述了電價、供電保證率、棄電率、源網偏差率指標隨風光裝機的變化趨勢，可得三者與電價之間存在競爭性關系，有折中解，不存在各目標的最優解。新能源配置得過多或過少都會導致外送電價升高，且新能源內部增加風電裝機比例有利電價的降低。由式（7）、式（8）可知，各電源加權電價取決于電源裝機和發電量兩個參數。以方案1 為例，隨著光伏裝機從150～300MW，基地綜合上網電價先減小后增加，火電機組利用小時數從5424h 減少到4287h。

圖3 風光電站雙重不確定下電價及相關指標值（一）Figure 3 Electricity price and related index values of wind and solar power plants under dual uncertainty（a：Electricity price；b：Power supply guarantee rate；c：Abandonment rate；d：Source network deviation rate）（No.1）

圖3 風光電站雙重不確定下電價及相關指標值（二）Figure 3 Electricity price and related index values of wind and solar power plants under dual uncertainty（a：Electricity price；b：Power supply guarantee rate；c：Abandonment rate；d：Source network deviation rate）（No.2）

4 結論

本文所提風光火蓄多能系統容量配置模型以受端落地電價最小為優化目標，同時考慮功率供應缺失率和棄電率約束。對比模型M2，方案3 下M1 模型可降低基地落地電價0.0016元/（kW?h），有效改善了基地項目在市場競爭中經濟性不高、與受端省份電源相比處于劣勢地位的情況。進一步地全面分析了風光電站雙重不確定下電價及相關指標值變化情況，新能源裝機比例過高或過低都會導致基地落地電價的升高，且新能源中配置更多的風電，有利于電價降低；抽水蓄能作為調節資源相對于火電成本優勢明顯，在電源側應主要依托抽水蓄能協助基地新能源送出和消納。