不確定環境下集中式新能源并網電網容量規劃研究

摘 要：新能源發電具有較強的不確定性，對電網的安全穩定運行帶來了一定影響。因此，研究提出不確定環境下集中式新能源并網電網容量規劃研究，設計新能源并網電網結構，了解其中功率供需的平衡條件，基于不確定環境構建容量規劃模型，優化電網性能指標，基于模型求解得出最優容量規劃方案。試驗結果表明，集中式新能源并網電網容量規劃方法對保障電網的安全運行具有重要意義，與其他方法相比，該方法減少了電池的放電深度，即增加了電網的全壽命周期循環次數，延長了使用年限，且該方法的年綜合成本最小，證明該方法具有經濟性。

關鍵詞：并網電網；電力系統；電網容量；電網規劃；集中式新能源

中圖分類號：TP 39" " 文獻標志碼：A

目前，風電、光伏等可再生能源因其零污染、儲量大、可再生等顯著優勢，逐漸成為能源轉型的重要方向。文獻[1]構建了高比例清潔能源并網場景的電力系統儲能優化模型，該模型基于電力系統的儲能需求，設立了電力系統儲能容量優化的綜合目標函數。通過引入充放電功率參數的約束條件，精確計算了系統在整個運營周期內所需的理想儲能容量。文獻[2]采用雙層模型架構來優化容量配置與運行調度，上層模型實現項目投資期內的成本最小化，得出初步的光儲系統容量配置方案，并將其作為下層模型的輸入參數。下層模型旨在實現光儲并網后日運行成本最優化，輸出光伏、蓄電池及電網常規機組的最優調度計劃，并反饋至上層模型作為調整依據。持續進行上下層循環迭代的過程，直至達到預設的收斂標準，從而實現光儲系統容量的精準動態規劃與持續優化。與以上兩種方法相比，本文方法通過科學合理的容量規劃，可以保證當電網應對新能源出力不確定性時保持足夠的靈活性和穩定性，從而最大限度地發揮新能源的效益，推動能源結構的優化調整。

1 不確定環境下新能源并網電網容量規劃方法設計

1.1 考慮不確定環境的風機輸出功率狀態分析

集中式新能源并網電網是指將大規模可再生能源發電系統（例如太陽能光伏電站、風力發電場等）直接接入電力系統中，實現電能集中輸送和調度。在對該電網進行容量規劃設計的過程中[3]，須分析考慮不確定環境的風機輸出功率狀態。與光伏相比，風機輸出功率受到不確定因素的影響更大。風資源本身具有間歇性和波動性的特點。風速的大小和方向時刻在變化，不同季節、不同地理位置的風況差異很大，直接導致風機的輸出功率不穩定。環境因素也會對風機輸出功率產生影響。例如溫度、氣壓、空氣密度等氣象條件的變化，都會改變風機的發電效率。在寒冷的天氣中，風機的葉片可能會結冰，從而降低風能捕獲能力，影響輸出功率。因此，根據集中式新能源并網電網結構，了解電網功率供需的平衡條件。

圖1為本文所設計的并網電網結構示意圖。此結構以交流母線為核心，通過先進的電力電子轉換技術，無縫集成網絡內的分散式風力發電單元、分布式太陽能光伏陣列、儲能裝置以及各類負荷。系統特設公共接入點，實現與上級電網之間的靈活能量交換，保證電能的雙向流動與高效整合。

以風電機組為例，風機運行區域的實際風速與風機的輪轂安裝高度緊密相關，具體表現：當風機的輪轂被置于更高的位置時，該位置測得的風速值會相應提升。因此，可以用公式（1）計算風機輪轂位置的實際風速。

（1）

式中：v1為氣象站的實際測量風速；h1為氣象站測風塔的高度；α為地面粗糙度因子；h為風機輪轂的高度。

由于風機通過葉片捕獲風能并將其轉化為機械能，再進一步轉化為電能，因此輪轂位置的風速是決定風能大小的關鍵因素。當輪轂位置風速增加時，更多的風能作用于葉片，葉片轉動的動能增加，從而帶動發電機產生更多的電能，風機輸出功率上升。反之，當風速減少時，風能降低，葉片轉動的能量不足，發電機產生的電能也隨之降低，風機輸出功率下降。因此，風機輸出功率的特性受制于風機輪轂位置的風速變化，風機輪轂位置的實際風速與風機輸出功率之間的關系如公式（2）所示。

（2）

式中：p（v）為風機的輸出功率關于風機輪轂處實際風速v的函數；pβ為風機的額定輸出功率；vi，v0分別為切入、出風速；vβ為額定風速。

在風機運行的不同風速條件下，其輸出功率狀態如下。1）若風機輪轂位置實測風速大于等于風機的切入風速vi，且未達到額定風速vβ時，可通過公式（2）精確計算風機的輸出功率。2）當風速v大于等于額定風速vβ，但尚未觸及風機的切出風速v0時，風機會在控制系統的調節作用下，自動維持其輸出功率在額定功率pβ的水平。3）當風速v不在上述兩個區間，大于等于切出風速v0，或小于切入風速vi時，為保障風機安全及效率，風機會停止工作。

1.2 基于不確定環境的并網電網容量優化

新能源發電受自然因素影響較大，具有顯著的隨機性和波動性。這種不確定性使新能源發電的預測和調度變得復雜，影響電網容量規劃。因此，為保證本文設計的容量規劃方法具有較高的可行性，需要針對不確定環境設計容量規劃模型。

通過上述設計的新能源并網電網結構可知，當風速位于切入風速vi與額定風速vβ之間時，該風速可被分為x個狀態，并由最優離散劃分方法可得出風速概率分布的最優分位點ni（i=1，2，...，x），計算每個風速狀態發生的概率如公式（3）、公式（4）所示。

（3）

（4）

式中：f（v）為風速的概率密度函數；f1（i）為第i個狀態發生的概率。

通過上述公式即可計算特定時刻下并網電網的輸出功率及其對應的狀態概率，在此過程中，將風速的不確定性狀態按照分布規律處理為多個確定的離散的確定性狀態，可為下列容量規劃模型建立提供了更可靠的幫助。

在優化電網的經濟性、可靠性及并網性能指標的目標函數框架內，納入不確定性因素對運行穩定性的潛在威脅。基于此，本研究引入條件風險價值（CVaR）概念，其目的是對電網因不確定性因素而產生的運行風險進行量化處理。在電網的運行過程中，存在很多不確定性因素，例如新能源發電（例如風電和光伏發電）的間歇性、負荷需求的波動性等。這些不確定性因素會給電網的穩定運行帶來風險，而引入條件風險價值概念，能夠將這些難以直接衡量的風險轉化為一種可以量化的平均風險成本。

這種平均風險成本能夠被無縫地整合進已有的確定性優化模型中的投資成本評估體系。在傳統的確定性優化模型中，投資成本評估主要關注的是一些確定性的因素，例如設備的購置成本、安裝成本等。然而，隨著電網運行環境的日益復雜，不確定性因素對投資決策的影響不容忽視。將量化后的平均風險成本融入投資成本評估體系，能夠使投資決策更加全面、科學，更符合實際電網運行的需求。

基于上述對風險的量化和整合，再構建一個容量優化模型。這個模型充分考慮了風光資源（風能和太陽能資源）以及負荷波動的隨機性。風能和太陽能資源的輸出功率受到自然條件（例如風速、光照強度等）的強烈影響，具有很大的隨機性。同時，負荷需求也并非固定不變，而是會隨著時間、季節、用戶行為等因素而波動。該容量優化模型能夠在綜合考慮這些隨機性因素的基礎上，對電網的容量進行優化配置，提高電網應對不確定性的能力，保障電網的安全，保證穩定和高效運行。

容量優化模型的計算過程如公式（5）所示。

（5）

式中：η為風險系數；x為決策變量；δ為隨機變量；γ（i）為各隨機變量對應的概率密度函數；S為風險度量模型。

將風險度量模型S（η，x，γ（i））得出的平均風險損失加入經濟性指標，得出在不確定環境下電費經濟成本函數Ccost，并通過等權重模式將并網性能與經濟性、可靠性3個指標轉化為輸出的容量規劃結果。

1.3 基于模型求解得出最優容量規劃方案

對建立的容量規劃模型進行求解與訓練，即可得出具體的集中式新能源并網電網容量規劃方案。因此，本文利用IGWO算法實現并網型微電網電源容量規劃模型的求解，通過模擬一整年的電網運行情況，旨在最小化電網運行期間的綜合經濟成本。IGWO算法具有較強的全局搜索能力。在微電網電源容量規劃的優化問題中，解空間往往非常龐大且存在多個局部最優解，IGWO算法能夠在整個解空間內進行廣泛搜索，避免陷入局部最優，更有可能找到使綜合經濟成本最小化的全局最優解。該算法的收斂速度相對較快。當模擬一整年電網運行情況時，需要處理大量的數據和進行多次迭代計算，IGWO算法能夠在較短的時間內收斂到較優的解，提高計算效率。在具體實施過程中，應用IGWO 算法，通過不斷迭代優化過程，搜索并確定最佳的電源容量配置方案。具體步驟如下。1）當評估全年風機與光伏系統的發電效能時，若需要納入輸出功率影響因素，則根據所建立的概率密度函數，實時調整電價策略及記錄響應后的負荷變動數據。2）基于本文設計的運營策略，執行全年模擬運行過程，計算優化目標所需的關鍵參數集。這些參數包括但不限于：每小時與主電網的交互電量、各類運營成本、電力銷售收益等，全面反映系統在不同運營條件下的經濟性與效率。3）根據以上參數，在考慮約束條件下，計算每個個體的適應度值，并進行排序。4）對當代種群中的最優個體進行變異處理。5）評估當前迭代次數是否觸及算法預設的最大迭代次數，若尚未達到此上限，則循環執行步驟2至步驟3，利用算法更新機制重新計算每個個體的新位置。一旦迭代次數達到最大值，即終止循環。

輸出當前的最優個體位置作為全局最優解，確定風機、光伏以及儲能系統的最佳容量規劃方案。綜上所述，求解容量規劃模型的具體流程如圖2所示。

2 試驗測試與分析

2.1 試驗準備

為驗證本文提出的不確定環境下集中式新能源并網電網容量規劃方法的可行性，現進行試驗測試，本次測試是在不確定環境下，實現優化集中式新能源并網電網的容量規劃，保障電網的安全，保證穩定和高效運行，同時，評估本文與文獻[1]、文獻[2]的容量規劃方案的經濟性、可靠性和靈活性。使用Matlab軟件搭建仿真測試環境，以東北某地區級的集中式新能源并網電網實際運行數據為基礎，在該電網中，本文測試所使用的各類設備的數據成本見表1。

為全面評估規劃后的電網性能，本次試驗模擬了電網一整年（共計8760h）的運行情況，并將仿真時間間隔精細設定為每小時，分別采用本文方法與文獻[1]、文獻[2]方法對并網電網進行容量規劃分析。詳細的測試步驟設計如下。1）收集該地區的去幾年光伏發電量、負荷需求、電網輸電能力等歷史數據，并對數據進行清洗、整理，去除異常值和缺失值。2）構建考慮新能源發電不確定性的兩階段分布魯棒優化模型，優化新能源并網容量和儲能系統配置。3）基于歷史數據生成一個可能的新能源發電場景，采用場景聚類分析技術對該場景進行降維處理，減少模型求解的復雜度。4）記錄3種方法在上述設定的試驗條件下的電網運行狀態、經濟性指標（例如成本、收益）、可靠性指標（例如停電時間、電壓穩定性）等，驗證本文方法的實際性能。

2.2 試驗結果與分析

基于上述試驗步驟及各項參數的設定，使用3種方法進行規劃后的該電網的各項指標測試，結果見表2。

根據上述測試結果表明，在不確定環境下，本文設計的集中式新能源并網電網容量規劃方法對保障電網的安全運行具有重要意義，與其他方法相比，本文方法減少了電池的放電深度，即增加了電網的全壽命周期循環次數，延長了使用年限，并且本文方法的年綜合成本最低，證明該方法具有經濟性。未來研究可以進一步考慮更多影響因素和更復雜的場景，提高容量規劃方案的準確性和實用性。同時，隨著技術的不斷進步和成本降低，新能源并網電網的容量規劃將面臨更多的機遇和挑戰。

3 結語

本研究通過綜合運用多種分析工具、優化算法以及仿真模型，不僅揭示了新能源并網過程中面臨的不確定性挑戰（例如資源波動性、負荷預測誤差、政策變動等），還探索了有效應對這些不確定性的策略與路徑。集中式新能源并網電網的容量規劃不僅是技術問題，更是經濟、社會與環境多維因素的綜合考量。通過構建靈活的電網架構、提高儲能技術的經濟性與效率、優化調度策略以及加強跨領域協同，能夠更好地平衡新能源接入與電網穩定運行之間的關系，推動能源結構的綠色化轉型。

參考文獻

[1]鐘雅珊，包博，左劍，等.高比例清潔能源并網的電力系統儲能容量優化規劃方法[J].自動化應用，2023，64（17）：92-95.

[2]戚艷，王旭東，陳淑婷，等.光儲系統并網動態容量規劃及運行優化研究[J].電測與儀表，2024，61（04）：116-122.

[3]呂航，柴小亮，徐松曉，等.分布式光伏發電并網系統混合儲能容量自適應規劃方法[J].無線電工程，2023，53（11）：2708-2714.