风电接入对电力系统调峰的影响

风电接入对电力系统调峰的影响

作者：韦应顺吴应双辜俊明

来源：《现代商贸工业》2013年第12期

摘要：风电是一种清洁能源，发展风电意义重大。但是，风电是一种间歇性、波动性的能源，风电接入电力系统面临一系列问题，其中，风电接入电网调峰问题最为突出，要实现电力系统调峰，首先要对风电功率进行预测，在预测的基础上实现电力供需平衡，使电力系统安全经济运行，同时降低系统备用容量。

关键词：

风电；调峰；电力系统；风电功率预测

中图分类号：

TB

文献标识码：A

文章编号：16723198（2013）12019603

0 引言

风能作为一种清洁能源，越来越受到人们的重视，近年来，风电发展突飞猛进，截至2010年底，全球的风力发电总装机容量为197GW，其中，中国的装机容量达到44.73GW，居世界首位。我国的风电资源主要集中于“三北”和东南沿海，储量丰富，但没有得到充分的开发，根据国家《新能源产业振兴规划》，我国将打造7个千万千瓦级的风电基地，到2020年我国风电总装机容量将达1.5亿千瓦。

众所周知，能源问题是当今世界性难题，发展风电是解决未来能源问题的有效途径之一，但是，风电接入面临了三大关键问题：电源基地建设、接入方案与电网规划，以及并网运行研究。此外，风电是一种间歇性、波动性和反调峰性的能源，给电力系统安全经济运行带来极大的负面影响。如调频调峰的影响、稳态潮流的影响、暂态稳定的影响、无功及电压的影响等。在这些影响中，调峰涉及电力运行的经济代价、电源结构及风电功率的准确预测等，对电力系统的影响较大，是目前公认的制约电力系统接纳风电能力的主要因素。因此，对风电接入电力系统调峰的研究极其迫切，调峰的本质要求系统发电量与负荷需要之间必须时刻保持平衡，电力系统如果不能有效控制出现供需失衡，将影响用户的用电可靠性甚至会导致系统大范围的事故。

考虑到国内外风电建设与发展情况的不同，调峰的策略与技术实现也是有差别的，国外尤其是北欧，风电场装机容量大多较小，主要是分散接入配电网就地消纳，且北欧的丹麦、挪威、瑞典和芬兰实现跨国电网互连，北欧风电—水电联合实现互补，以水电调峰的方便快捷平滑风电的波动性。而国内风电场的位置大部分都处于较为偏远的地区，并网点一般为电网中的末端，是电网中的薄弱环节，这限制了系统接纳风电的能力，也增加系统的调峰备用容量。系统的调峰备用容量必须大于等效负荷的峰谷差，由于风电的不确定性，系统调峰备用容量也难以准确确定，因此，风电功率的预测对系统调峰至关重要。

1系统调峰的模式和容量

1.1系统调峰的模式

随着我国风电产业的迅猛发展，解决风电对电网造成冲击的问题显得非常迫切，风电对电网的冲击主要表现在两个方面：一、低谷调峰能力不足造成大面积弃风浪费是电网面临的最主要问题；二、风电场脱网造成系统频率失稳也值得关注。风电场脱网造成发电量不能满足负荷的需要，在较短时间内，发电量不能补充上来，对系统的安全稳定运行造成不利影响，我们可以通过切除一部分负荷来参与调峰，尽可能使发电量与负荷需要平衡，使频率保持稳定。根据风电对电网等效负荷峰谷差改变模式的不同，可将风电日内出力调峰效应分为反调峰、正调峰与过调峰等三种。

所谓风电反调峰，即风电日出力变化趋势与负荷曲线相反，风电接入后等效负荷峰谷差变大，其典型日负荷曲线如图1所示。

1.2 系统调峰容量

我国的风电发展非常迅猛，大规模大容量的风电场建设、投运和输送，急需解决的是风电的消纳问题，我国风电场大多位于较偏远的地区，且风电接入点所占的比例很大，系统必须有充足的调峰容量来平抑风电的波动。风电接入调峰能力越强，低谷时常规机组的最小出力越低，电网接纳风电的能力越强。下面以一个简单的网络来计算系统调峰的备用容量，如图4所示。

其中：PGr.real为常规机组的实际出力；Plink 为联络线外送功率；Kloss为电网的有功网损率；Kcy表示常规机组的厂用电率；PGr.min为常规机组的最小出力；PGN为常规机组的额定出力；KG.adjust为为电网综合可调出力系数；Ptf.C 为电网的调峰容量。

当电网总调峰容量Ptf.C>0时，电网留有一定数量的负荷备用，即调峰容量能满足风电波动的需要；当Ptf.C

2 风电功率预测

电力系统要保持安全稳定的运行，需要根据系统预测负荷曲线的变化趋势来调整机组出力。当大规模风电接入系统后，要得到精准的风电出力变化曲线，是非常困难的，这也是目前风电接入电力系统急需解决的一大难题。由于气象环境是瞬息变化的，风电出力也表现出瞬息变化的特性。但是，我们必须根据发电量和负荷量的平衡来制定发电计划，因此对风电出力预测非常有必要。目前，国内外很多高校、科研院所及企业在风电出力预测方面做了很多工作，取得了很好的效果，但与风电发展的规模、速度来看，风电功率预测方面的研究进展还比较滞后。

风电预测的方法主要分为统计方法和物理方法。统计方法主要在以往的数据的基础上，找出天气状况与风电出力之间的关系，再根据风电场实测数据与数值天气预报来对风电场输出功率进行预测，常用的预测模型有时间序列、神经网络、支持向量机等，如图5所示。

图5基于风电场历史运行数据预测的统计模型

2.1统计模型

物理方法是根据数值天气预报获得风电场的风速、风向、气压、气温和湿度等气象数据，及其风电场实测的等高线、粗糙度及障碍物等信息，采用严密的数学物理方程建立风电输出功率模型，求解这些模型方程得到风电输出功率，再用风电机组的转化率、风电场的尾流效应进行校正，得到比较准确的风电场功率预测曲线，模型如图6所示。

图6基于数值天气预报的风功率预测物理模型

2.2物理模型

风电场功率预测按时间尺度可以划分为：超短期预测、短期预测和中长期预测。一般不超过30min的预测为超短期预测，主要用于风力发电控制，电能质量评估及风轮机机械部件的设计等。短期预测一般可认为在30min—72h时间段的预测，主要用于电力系统的功率平衡和经济调度，电力市场交易、暂态稳定评估等。中长期预测则包括周、月、季度和年预测，主要用于系统检修安排、风电场规划等。目前，中长期预测还存在比较大的困难。

3 解决我国风电接入系统调峰的一些措施

解决电力系统低估调峰问题时，可以从两个方面着手：一是增加用电负荷的容量；二是降低火电机组低估时的强迫出力。如果采取上述方法仍无法满足调峰需求，则可以放弃部分经济利益，适当的弃风。考虑到我国风电基地主要分布在西北、华北、东北和东南沿海，这些地区国民经济发展还比较滞后，用电量不大，难以就地消纳风电。如何解决我国风电大规模接入电网的问题，就目前已有文献来说，主要有以下几点措施：