logo全球能源互联网期刊信息服务平台

基于随机生产模拟的火电机组深度调峰提升新能源消纳能力评估方法

该文受国家重点研发计划项目(2017YFB0902200)、国网甘肃省电力公司科技项目(SGGSKY00FJJS1700007)资助。


原文发表在《全球能源互联网》2019年第1期,欢迎品读。点击查看原文


本文引文信息

马彦宏,姜继恒,鲁宗相,等. 基于随机生产模拟的火电机组深度调峰提升新能源消纳能力评估方法[J]. 全球能源互联网,2019,2(1):35-43.


MA Yanhong, JIANG Jiheng, LU Zongxiang, et al. Assessment method of conventional units with deep peak-shaving for renewable energy accommodation based on probabilistic production simulation[J]. Journal of Global Energy Interconnection, 2019, 2(1): 35-43(in Chinese).

作者:马彦宏1姜继恒2鲁宗相2乔颖2叶一达2

单位:1.国网甘肃省电力公司;2.电力系统及发电设备控制和仿真国家重点实验室(清华大学电机系)


1. 研究背景


近几年,为了应对弃能限电这一难题,部分省市积极开展了火电参与深度调峰试点工作,加快火电机组灵活性改造。从本质上看,火电主要通过降低最小稳定功率和允许频繁启停或调停备用来实现负荷低谷期的发电空间让渡,以此辅助新能源消纳。在此背景下,量化评价常规火电机组调峰能力对可再生能源消纳贡献,可为现状电网评价和未来系统规划提供关键信息,也为政策制定提供量化基准,成为解决弃能问题的研究热点。

传统的规划方法通常以某些场景集合下的时序计算作为初始结果,通过外推获得可再生能源上网电量等信息,这种场景依赖的模拟方法难以克服可再生能源波动性带来的场景爆炸问题。另一方面,不同的调峰辅助消纳措施在同一模型内实现对标评价时,需要在以机组组合为代表的时序方法中分别建模,实现难度较大。


2. 文章主要内容


本文从中长期视角,以概率化系统物理变量替代典型时序曲线,在月度时间范围内进行新能源消纳量评估。以随机生产模拟理论作为方法基础,对火电、风电多类型电源建立概率模型,通过改进生产安排方法,而后针对2种火电参与深度调峰的典型模式——降低最小稳定功率和允许频繁启停进行机理分析,在概率意义体系下量化不同深度调峰方式对可再生能源消纳量的影响。


2.1 多环节概率模型

1)风电场功率概率分布模型。

考虑到原始风电功率数据可能是弃风限电后的统计值,无法反映风电真实的最大发电能力,本文使用原始风速概率分布及风机特性生成风电功率概率曲线,如图1所示。

图1 风电多状态功率模型

2)供热火电机组模型。

本文所述的常规火电机组包括非供热火电机组和热电联产机组(combined heat and power, CHP)。对非供热火电机组,其发电能力仅受容量约束,模型相对简单。在中国北方冬季,部分火电机组处于热电联产状态,“以热定电”导致了这类机组的最小功率骤升。因此,从数学上看,该类机组呈现电热耦合的特征,本文建立了电—热功率相关的概率模型,如图2所示。

图2 热电联产机组生产安排


2.2 基于随机生产模拟的弃风电量评估模型

作为调峰措施效果评估模型的理论基础,随机生产模拟方法的本质是利用负荷、机组的概率性描述进行中长期生产计算。由于风电这类波动电源在长时间尺度下功率概率分布具有一定规律性但无法求解具体时序信息,因此,随机生产模拟方法在进行可再生能源电量评估时具有原理优势。

本文所述的随机生产模拟安排方法如图3所示,并利用等效电量函数法进行求解,该方法的本质是将所有物理量的连续概率分布函数曲线离散化处理,如ELDC等,得到具有电能量纲的序列。

图3 随机生产模拟方法示意图

在弃风计算方面,由于热电联产机组的电功率累积概率分布曲线与非供热火电机组的基荷功率曲线不同,曲线形状不为矩形或者曲边梯形,它们的下降边沿呈现缓降趋势。因此风电的功率曲线只能在火电机组、热电联产机组的总电功率曲线与ELDC之间进行安排。


2.3 基于随机生产模拟的深度调峰效果评估

本文针对降低最小稳定功率和允许频繁启停这两种火电深度调峰措施,在不考虑调峰带来的成本变化基础上,从技术层面研究系统对调峰机制的响应程度。

从影响机理上看,对于下调最小功率的机组,在随机生产模拟中安排生产时,会减小第一段机组功率概率分布曲线的宽度,减小非供热火电机组的基荷段电量面积,使风电的发电功率曲线前移。

对设置启停调峰机组,该措施减少弃风的途径主要有:一是通过改变风电带负荷位置,二是通过改变ELDC的形状,使其下降沿更加平缓,同风电功率概率分布曲线愈加相似。图4为启停调峰机组的效果示意图。

图4 启停调峰机组效果分析图


2.4 算例分析

选取北方某省级电网历史数据进行全年12月的模拟计算。该地区全网最大发电负荷为27330.98MW,最小发电负荷19082.24MW。总装机容量46800MW,其中煤电33000MW、水电800MW、风电约13000MW。

1)增加可调节容量效果。图5显示了1~3月和7~9月的弃风率变化情况。

(a)1~3月

(b)7~9月

图5 各典型月内弃风率与调峰容量增加量关系

现有系统即使非供热火电机组的调节能力按照全额容量计算,3月的弃风率仅能控制在6%水平上,11月和12月的弃风率仅能控制在15%水平上,弃风矛盾突出。

2)设置启停调峰机组效果。图6所示为典型月内不同启停机组参数与弃风率之间的关系。

(a)典型月启停调峰效果(1月)

(b)典型月启停调峰效果(6月)

图6 典型月内弃风率与启停调峰参数关系

在启停调峰效果验证部分,仿真计算了弃风率对关键参数(停运率、启停容量)的响应关系。从效果上看,同一调峰容量配置下,技术停运率越高,促进消纳效果越明显,图中的色块过渡越快。图6也清晰地显示了启停调峰促消纳效果的理论最大值。全年中1至10月均可将弃风率控制在5%以下,某些月甚至可以稳定地控制在0水平,而11月和12月仅能控制在10%水平。


3. 结论


基于源荷侧的概率模型和改进生产安排方式,本文提出了可再生能源消纳电量评估方法。分析了火电机组参与深度调峰的机理并建立量化模型,从而揭示统计意义下系统调峰能力的变化过程。通过对某地区电网的仿真求解得到不同弃风率要求下各类方案的配置情况。根据仿真结果,设置启停调峰机组效果最好,而增加可调节容量措施次之。本文所得结果可为典型地区火电深度调峰技术改造和优化配置的规划提供指导。


作者简介

马彦宏


高级工程师


研究方向为新能源并网技术、电力系统自动化等,E-mail:mayh@gs.sgcc.com.cn。

姜继恒


博士研究生,通信作者


研究方向为电力系统规划,E-mail:jiheng1020@163.com。

鲁宗相


副教授,博士生导师


研究方向为风电/太阳能发电并网分析与控制、能源与电力宏观规划、电力系统可靠性、分布式电源及微电网,E-mail:luzongxiang98@tsinghua.edu.cn。

乔   颖


副研究员


研究方向为新能源、分布式发电、电力系统安全与控制,E-mail:qiaoying@tsinghua.edu.cn。

叶一达


博士研究生


研究方向为电力电子接口装置并网分析与控制,E-mail:yyd14@mails.tsinghua.edu.cn。

                                                                                               

相关精彩阅读

【论文推荐】太平洋西北国家实验室黄振宇、陈有素:电网灵活性的高性能分析

【论文推荐】清华大学鲁宗相等:源荷储多类型灵活性资源协调的高比例可再生能源电源规划

编辑赵杨

审核:白恺


郑重声明


根据国家版权局相关规定,纸媒、网站、微博、微信公众号转载、摘编本网站作品,需包含本网站名称、二维码等关键信息,并在文首注明《全球能源互联网》原创。
个人请按本网站原文转发、分享。

详细内容请点击“阅读原文”链接。