一种区域电网风电多点接入最佳接纳能力的计算方法

摘要

一种区域电网风电多点接入最佳接纳能力的计算方法，属于电网风电接纳方法技术领域。初始化各个风电场装机容量并采集当地风速等数据；计算各个风电场出力情况并进行各个调度周期内的机组组合优化，得到含风电场的电力系统全年机组组合方式；基于每个时段进行潮流计算并校验是否满足系统运行约束，对系统进行8760个小时模拟之后计算最终目标函数值；更新风电场装机对目标函数进行优化迭代，最优解中风电发电容量即为在满足安全稳定约束的同时使系统经济性达到最优的该电网风电最佳接纳能力。本发明建立了以风电场和电网（考虑环境效益）联合系统的净收益最大为目标的最佳风电接纳能力计算模型，能够对地区风电场装机容量适当建设提供建议。

说明书

技术领域

本发明涉及一种区域电网风电多点接入最佳接纳能力的计算方法，属于 电网风电接纳方法技术领域。

背景技术

随着能源安全问题和环境问题的日益凸显，我国加大了对可再生能源发 电的开发力度，其中风电的发展最快。风电虽然具有优良的减排效益，但由 于其出力的随机性、波动性，风电并网必然给电网的安全稳定性带来挑战， 这也使得其发电经济性低于常规火力发电。我国可再生能源法规定：电网必 须全额接纳风电，这一政策要求电网必须为此提供配套的并网建设、增加运 行备用和调峰代价，给电网企业带来了一定的经济负担，使得电网企业接纳 风电的积极性不高，造成风电装机容量过剩、利用率低等问题。一方面是可 再生能源法的电网全额接纳风电的规定，一方面是电网对安全性、可靠性、 经济性的要求，使得风电场弃风现象严重，装机严重浪费，现有的研究主要 集中于考虑输电能力约束和电网调峰能力约束的技术层面，一般得到的是现 有电源结构下电网能接纳的最大风电容量，无法同时满足系统经济性、安全 稳定性的要求。本发明旨在寻求一种同时满足两方面要求的风电最佳装机容 量，为地区风电场建设提供建议。

发明内容

针对接纳风电是不是会亏损——经济性进行预测计算，以及目前风电发 展状况以及现有研究存在的上述不足，本发明的目的是提供一种在满足系统 安全约束、网络输电安全约束的条件下，使电力企业真正能接受的系统净收 益最大的风电接纳能力计算方法（经济性最优，求max），并基于改进DE算法 对全年8760时段进行仿真模拟，证明发明的有效性和实用性。

本发明提供的技术方案为，

一种区域电网风电多点接入最佳接纳能力的计算方法，该方法步骤为：

（1）初始化各个风电场装机容量P_N，并采集当地风速数据、常规机组装 机容量、年负荷预测数据,根据风机出力计算模型得出规划年的各风电场出力 情况P_w,j,h；

所述风电机组出力计算模型：

$p_w\left(v\right)=\left(\begin{array}{c}0,0\le v<v_{\mathrm{ci}}\\ p_N\frac{v_i-v_{\mathrm{ci}}}{v_R-v_{\mathrm{ci}}},v_{\mathrm{ci}}\le v<v_R\\ P_N,v_R\le v<v_{\mathrm{co}}\end{array}\right),$

其中，

p_w(v):风电功率，

p_N:风机额定功率，

v_ci：风机的切入风速，

v_R：风机的额定风速，

v_co：风机的切出风速；

由年风电出力情况结合负荷预测水平，进行系统第一个调度周期的机组组 合优化，根据经济调度模型获得一天内每一个时段的各个机组运行状态和发电 出力：

$\min E=\underset{t=1}{\overset{T}{\Sigma }}\underset{i=1}{\overset{N}{\Sigma }}{U}_{\mathrm{it}}{f}_{\mathrm{it}}\left(P_{\mathrm{it}}\right),$

约束条件：

$\underset{i=1}{\overset{N}{\Sigma }}{P}_{G,i,h}+\underset{j=1}{\overset{M}{\Sigma }}{P}_{w,j,h}=P_{\mathrm{Load},h}+{\mathrm{\Delta P}}_{\mathrm{Loss},h},$

P_G,i,h,min≤P_G,i,h≤P_G,i,h,max，

P{D_Ri≤P_it-P_it-1≤U_Ri}≥β₁，

其中，

E：系统总发电成本，

T：研究周期内时段数，

N：系统内常规发电机组的台数，

U_it：常规机组i在时段t的启停机状态，U_it=1表示运行，U_it=0表示停机，

P_it：常规机组i在时段t的输出有功功率，

f_it(P_it)：常规机组i的运行成本，表达方式为：

$f_{\mathrm{it}}\left(P_{\mathrm{it}}\right)=a_i+b_i{P}_{\mathrm{it}}+c_i{P}_{\mathrm{it}}^2+\left|d_i\sin \right[e_i(P_{\mathrm{it}}^{\min }-P_{\mathrm{it}})\left]\right|,$其中，a_i、b_i、c_i、d_i、e_i：成本函数的 系数，

：常规机组i在时段t的出力下限，

M：风电机组台数，

P_G,i,h：常规机组有功出力，

P_w,j,h：风电机组有功出力，

P_Load,h：有功负荷大小，

ΔP_Loss,h：有功网损，

P_G,i,h,min、P_G,i,h,max：分别表示常规机组的技术最小出力和最大出力，

D_Ri、U_Ri：常规机组i在时段t的有功出力下降速率和上升速率，

β₁：事先给定的置信水平；

（2）进行风电年发电量计算，得到只与风力发电量相关的目标函数子成 分，所述只与风力发电量相关的目标函数子成分包括电网售电收益I_g,s,j、补偿 收益I_g,co、风电场补偿收益I_w,co，风电场建设成本C_w,c、风电场年运行维护成本 C_w,op和电网建设成本C_g,tr；

A.电网售电收益I_g,s,j，可以表示为电网售电量和售电价格的乘积，补偿收 益，包括对风电场自身的补偿和对电网企业的补偿；

风电场年补偿收益：

I_w,co＝W_w×p_w,co，

其中，

I_w,co:风电场年补偿收益，

W_w：风电场年发电量，

p_w,co：风力发电年发电量单位补偿，

电网年补偿收益：

I_g,co＝W_w×p_g,co，

其中，

I_g,co：电网年补偿收益，

p_g,co：电网接纳风电年发电量单位补偿，

B.风电投资成本包括风电场年建设成本和风电场年运行维护成本；

风电场年建设成本：

$C_{w,c,\mathrm{actual}}=C_{w,c}\times i/[1-{(1+i)}^{-T_w}],$

其中，

C_w,c,actual：风电场年建设成本，

C_w,c：风电场初期建设总成本，

i：银行年利率，

T_w:风电场的寿命年限，

：资金等效年值系数，

风电场年运行维护成本：

C_w,op＝W_w×p_w,co，

其中，

C_w,op：风电场年运行维护成本，

p_w,co：年单位运行维护成本，

C.风电并网引起的电网建设成本主要是指上述输电线路的建设成本；输电 线路的总成本可看作是线路长度的线性函数；即，电网建设成本C_g,tr为一线性 函数；

(3)转入实时运行模拟，即基于每个时段进行潮流计算，并校验是否满足 约束，若满足则获得该时段联合系统的各个子成分并累积；反之则需要进行校 正性控制进而确定系统新的运行点并输出此时段的辅助服务成本值并累积；其 中包括深度调峰成本和备用成本；

深度调峰成本：当常规机组进行深度调峰来保证电网安全稳定时，就产生 了系统深度调峰成本：

C_g,dl＝W_G,dl×p_dl，

其中，

C_g,dl：深度调峰成本，

W_G,dl：常规电源参与深度调峰减少的发电量，

p_dl：单位调峰成本；

常规电源深度调峰减少发电量即机组出力超出基本调峰的那部分发电量：

$W_{G,\mathrm{dl}}={\int }_{K_B{P}_{\mathrm{GN}}\ge P_{G,\mathrm{actual}}}(K_B{P}_{\mathrm{GN}}-P_{G,\mathrm{actual}})$

其中，

K_B：深度调峰系数，

P_GN：调峰机组额定容量，

P_G,actual：机组实际有功出力；

取备用容量满足系统安全运行要求的概率α∈(0,1)作为系统可靠性指标，则 满足置信水平α的系统最小新能源备用容量为：

${\int }_{-\infty }^{{\mathrm{Res}}_d}\frac{1}{\sqrt{2\pi }{\sigma }_{\mathrm{wind},d}}\exp (-\frac{{(\xi -{\mu }_{\mathrm{wind},d})}^2}{2{{\sigma }^2}_{\mathrm{wind},d}})\mathrm{d\xi }=\alpha ,$

其中，

Res_d：系统为接纳风电所需新增日备用容量，

μ_wind,d：预测误差的均值，

σ²_wind,d：预测误差的方差，

α：系统可靠性水平；

所有提供备用容量的常规机组都会得到相应的容量补偿，这部分补偿就是 电网为接纳风电产生的备用成本：

$C_{\mathrm{res}}={\Sigma }_{d=1}^{365}{\mathrm{Res}}_d\times p_{\mathrm{res}},$

其中，

C_res：年风电备用成本，

p_res：单位备用容量成本；

(4)重复上述(1）-(3）过程直至调度周期模拟结束；以一天24小时为调 度周期，重复步骤（1）-(3），连续模拟24小时的风电出力和计算各项成本值 的累积值；

(5)进行下一个周期的经济调度，重复上述过程直至全年模拟结束，得到 基于全年8760小时模拟的目标函数值，即联合系统——所述联合系统包括风 电场、电网和社会环境——的净收益maxV：

$\max V=\underset{j=1}{\overset{N}{\Sigma }}(I_{w,\mathrm{co},j}+I_{g,s,j}+I_{g,\mathrm{co},j}+I_{\mathrm{emi},j})-\underset{j=1}{\overset{N}{\Sigma }}[C_{w,c,j}\frac{i}{1-{(1+i)}^{-T_w}}+C_{g,\mathrm{tr},j}\frac{i}{1-{(1+i)}^{-T_l}}+C_{w,o,j}+C_{g,\mathrm{op},j}+C_{g,\mathrm{an},j}],$

其中，

I_g,s：电网的年售电收益，取决于经电网输送到达用户侧的电量和售电价 格，

I_emi：风电环境效益，

K：污染物排放的种类，

C_g,tr：接网费用，此处表示为接纳风电新建的接网线路费用，

T_l：新建线路的运行年限，

C_g,op：电网年运行成本，此处仅考虑网损成本，

C_g,an：电网年辅助服务成本，本发明中风电并网引起的辅助服务包括备用 成本和调峰成本；

N：风电机组台数，

约束条件：系统盈利能力约束、系统有功平衡约束、常规机组出力约束和 线路过负荷时间约束；

V＞0，

$\underset{i=1}{\overset{M}{\Sigma }}{P}_{G,i,h}+\underset{j=1}{\overset{N}{\Sigma }}{P}_{w,j,h}=P_{\mathrm{Load},h}+{\mathrm{\Delta P}}_{\mathrm{Loss},h},$

P_G,i,h,min≤P_G,i,h≤P_G,i,h,max，

T_overload/T_total≤0.05；

(6)更新风电场装机容量，重复(1)-(5)过程，基于微分进化算法（DE）进 行优化最终得到联合净收益最大时的各个风电场装机容量，即为最佳接纳方案；

所述基于微分进化算法（DE）进行优化的约束实现方法的表述形式为：

$F_{i,G+1}=\left(\begin{array}{c}{F}_{\min }+r_1{F}_{\max },r_2{<\tau }_1\\ F_{i,},\mathrm{else}\end{array}\right)$

$C_{\mathrm{Ri},G+1}=\left(\begin{array}{c}{r}_3,r_4<{\tau }_2\\ C_{\mathrm{Ri},G},\mathrm{else}\end{array}\right)$

其中，r₁、r₂、r₃、r₄：[0,1]之间的均匀分布随机数，τ₁、τ₂：种群中调 整个体相对应的F和C_R的概率。

本发明的有益成果：本发明通过对风电并网引起的风电场和电网成本效 益问题的分析，提出了一种以联合系统净收益最大化为目标的风电最佳接纳 能力计算方法，全面分析了风电并网后引起的各种成本和收益，然后基于改 进的DE算法进行优化计算得到电网风电最佳接纳能力。本发明针对接纳风电 是不是会亏损问题，建立了以风电场和电网（考虑环境效益）联合系统的净 收益最大为目标的最佳风电接纳能力计算模型，目标函数中包含风电场和电 网的建设成本、运行成本、补偿收益、电网的辅助服务成本以及风电引起的 环境效益，同时满足了系统盈利能力、发电有功功率和线路过负荷等约束条 件。实现区域电网经济性、安全性和稳定性相结合的风电接纳能力评估。本 发明最终得到的风电最佳接纳能力能够对地区风电场建设提供建议，使地区 风电场装机容量既不会因为过大而造成装机浪费、利用率低的问题，也不会 因为装机过小而产生不能充分利用风资源的问题。

附图说明

图1为本发明联合电力系统成本效益分析示意图图。其中，图（a）为风电 场成本-效益分析示意图。图（b）为电网成本—效益分析示意图。

图2为最佳接纳能力计算流程图。

图3为RTS79电力系统拓扑结构示意图。

图4为基于改进DE算法优化后的末代种群位置图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细的描述。

图1为本发明联合电力系统成本效益分析示意图。其中，图（a）为风电场 成本-效益分析示意图。图（b）为电网成本—效益分析示意图。图2为最佳接 纳能力计算流程图。图2中的虚框代表时限，从内到外一次是一个时段、一个调 度周期（一天）、全年。图3为RTS79电力系统拓扑结构示意图，图4为基于改进 DE算法优化后的末代种群位置图。

本发明以某区域电网规划为例，采用RTS-79标准算例，进行风电最佳接 纳能力的分析。拟接入点为Bus7和Bus14，风电并网采用PQ功率因数的控 制方式进行，功率因数取0.95，负荷预测误差采用正态分布模型；风速采用威 布尔分布模型。其中，RTS79标准算例拓扑结构见附图3，,风机参数设置如下：

表1风电场参数

某地区风电厂建设成本为9000元/kW；省内平均销售电价为0.48元/kWh；为 接纳两个风电场并网新增线路两条，规格为LGJ-185，总长度为15km，单位价 格为130万元/km；风电场和电网补偿收益分别为0.12元/kWh和0.1元/kWh；调 峰系数KB取55%；单位备用成本和单位调峰成本分别取0.013元/kWh和0.1元 /kWh；等效年值系数取0.08。

实现经济性最优的一种区域电网风电多点接入最佳接纳能力的计算方法， 该方法步骤如下：

1)基于算例和设定的风电接入点，初始化风电场1和风电场2的装机容量， 结合威布尔分布对两个风电场出力进行抽样，基于正态分布对系统负荷情 况进行抽样。在本发明中，将一天分成24个运行点（每小时一个运行点）， 以1h的时间尺度抽样全年，形成8760个场景。每个场景下对应风电场1 出力P1、风电场2出力P2和系统负荷PL。

基于风电场出力抽样，以一天为调度周期，根据经济调度模型进行含风电 场的机组组合优化并保存；

2)进行风电年发电量计算，得到只与风力发电量相关的目标函数子成分，包 括电网售电收益I_g,s,j、补偿收益I_w,co、风电场建设成本C_w,c、年运行维护成 本C_w,op和电网建设成本C_g,tr。

3)转入实时运行模拟，即基于每个时段进行潮流计算，并校验是否满足约束， 若满足则获得该时段联合系统的各个子成分并累积；反之则需要进行校正 性控制进而确定系统新的运行点并输出此时段的辅助服务成本值并累积。 其中包括深度调峰成本和备用成本。

4)重复上述过程直至调度周期模拟结束；以一天24h为调度周期，重复步骤 3），连续模拟24h的风电出力和计算各项成本值的累积值；

5)进行下一个周期的机组组合，重复上述过程直至全年模拟结束，得到基于 全年8760小时模拟的目标函数值，即联合系统的净收益maxV；

$\max V=\underset{j=1}{\overset{N}{\Sigma }}(I_{w,\mathrm{co},j}+I_{g,s,j}+I_{g,\mathrm{co},j}+I_{\mathrm{emi},j})-\underset{j=1}{\overset{N}{\Sigma }}[C_{w,c,j}\frac{i}{1-{(1+i)}^{-T_w}}+C_{g,\mathrm{tr},j}\frac{i}{1-{(1+i)}^{-T_l}}+C_{w,o,j}+C_{g,\mathrm{op},j}+C_{g,\mathrm{an},j}],$

其中，

I_g,s：电网的年售电收益，取决于经电网输送到达用户侧的电量和售电价格，

I_emi：风电环境效益，

K：污染物排放的种类，

C_g,tr：接网费用，此处表示为接纳风电新建的接网线路费用，

T_l：新建线路的运行年限，

C_g,op：电网年运行成本，此处仅考虑网损成本，

C_g,an：电网年辅助服务成本，本发明中风电并网引起的辅助服务包括备用成本 和调峰成本；

约束条件：系统盈利能力约束、系统有功平衡约束、常规机组出力约束和线路 过负荷时间约束；

V＞0，

$\underset{i=1}{\overset{M}{\Sigma }}{P}_{G,i,h}+\underset{j=1}{\overset{N}{\Sigma }}{P}_{w,j,h}=P_{\mathrm{Load},h}+{\mathrm{\Delta P}}_{\mathrm{Loss},h},$

P_G,i,h,min≤P_G,i,h≤P_G,i,h,max，

T_overload/T_total≤0.05；

6)更新风电场装机容量，重复上述过程，根据初始种群计算的结果，对初始种 群按照微分进化算法操作进行微分、选择操作，形成新一代的种群。然后将新 一代种群带入适应值函数计算，并且同理更新种群直到满足迭代的终止条件。 迭代条件为迭代次数到达原先设定的最大迭代次数，本发明中为100次。基于 微分进化算法进行优化最终得到联合净收益最大时的各个风电场装机容量，即 为最佳接纳方案。方法结束。

本发明选择输出结果为风电场1和风电场2的装机容量、是否满足约束和 联合系统净收益。迭代100次的仿真结果如下：(其中，对于约束是否满足一 项，1代表满足约束条件，0代表不满足约束条件，在后续的处理中会予以剔 除)。

表2.程序输出结果

从迭代结果中可以看出表中有不满足约束条件的方案存在，剔除不可行方 案和重复方案后可以看到经过迭代，各个种群的优化结果相差不大，风电场1 的装机容量在[262.5,264]范围内，风电场2装机容量在[360,410]范围内， 迭代结果相差不大，这说明程序中选择的最大迭代次数100次是合理的。

为了更清楚地分析各项成本（效益）所占比重，表3中显示了最优方案结 果：

表3.最优方案

结果表明，联合净收益最大的点对应的装机容量分别为264MW和373.5MW， 即所求的电网最佳风电接纳能力，此时联合系统的净收益为3.649亿元。最优 方案中风电接入减小了网络损耗成本，同时引起了一定的新能源备用成本，尤 其大大增加了调峰成本，证明了电网调峰充裕性问题是影响大规模风电并网的 最主要因素之一。另外，风电并网必然给社会带来巨大的环境效益，这也是风 电等新能源的能发展迅速的重要原因。

本发明针对接纳风电是不是会亏损问题，建立了以风电场和电网（考虑 环境效益）联合系统的净收益最大为目标的最佳风电接纳能力计算模型，目 标函数中包含风电场和电网的建设成本、运行成本、补偿收益、电网的辅助 服务成本以及风电引起的环境效益，同时满足了系统盈利能力、发电有功功 率和线路过负荷等约束条件。实现区域电网经济性、安全性和稳定性相结合 的风电接纳能力评估。本发明最终得到的风电最佳接纳能力能够对地区风电 场建设提供建议，使地区风电场装机容量既不会因为过大而造成装机浪费、 利用率低的问题，也不会因为装机过小而产生不能充分利用风资源的问题。

最后说明的是,以上实例仅用以说明本发明的技术方案而非限制,尽管参 照较佳实例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以 对本发明的技术方案进行修改或者等间替换,而不脱离本发明技术方案的宗 旨和范围,其均应涵盖在本发明的权利要求范围当中。