黄强

(甘肃省电力公司，兰州市 730050)

0 引言

大力发展风电等可再生能源是国家重大战略决策。近年来，中国风电迅速发展，局部地区风电渗透率已达较高水平。截止2011年，我国风电装机容量较大的蒙西、甘肃、蒙东、吉林、黑龙江等风电容量渗透率都已超过20%［1］。根据相关规划，2020年我国将建成8个千万kW级风电基地，届时全国风电装机容量将超过150 GW，风电渗透率水平将进一步提高［2］。

根据欧美国家的风电运行经验，当风电渗透率达到较高水平，风电对系统有功平衡各环节的影响将逐渐凸显。例如2008年2月26日18点41分，美国德克萨斯州电网0.5 h内风电急速下降1640MW，导致电网备用不足，从而引发紧急切负荷事件;2011年我国甘肃酒泉地区和河北张家口地区的多起风机脱网事故中，大规模风机因电压问题连锁跳闸脱网，损失大量出力，导致主网频率明显偏低。因此，深入研究大规模风电并网对系统有功平衡影响机理及其优化运行控制体系具有重要意义。

欧美国家在大规模风电接入电力系统后的电力电量平衡方面已取得不少成功经验，但是相关经验难以直接应用于我国电网。欧洲国家风电主要接入中、低压配电网，在灵活开放的电力市场环境下，就地消纳。西班牙热电联产机组、小水电等灵活性电源比例高达34.3%，丹麦与挪威、瑞典等也有丰富的小水电资源［3-4］。美国虽然在大规模风电开发与并网方面与我国类似［5］，但其灵活性电源比例却高达48.7%。

我国电力系统在资源分布、电网结构、电源构成方面具有一定特殊性。首先，我国风电富集地区电源结构以煤电为主，机组启停时间长，调节速率慢，稳燃出力水平高，难以应对风电波动;甘肃等省份虽然具有一定比例的水电，但受大风季节(通常是冬、春季)来水量的限制，其可用调节库容有限。其次，我国风电开发采用集中并网、远距离消纳模式，局部地区风电渗透率可达很高水平，甘肃、新疆等西北地区输电通道外送能力不足，风电消纳空间十分有限。再次，集中并网模式削弱了风电的地理平滑效应，时序可变性增加，加大了系统调节灵活性需求。因此，充分考虑我国风电并网的特点，建立大规模集群风电并网形势下的多时空尺度有功平衡体系显得至关重要。

本文立足于我国风电与电网的基本特点，分析大规模风电运行特性及其对电力系统的影响，从风-火-水多电源协调的角度，概括中长期/短期机组组合计划、日内滚动计划和实时频率调节等各环节的有功平衡研究的现状、关键技术与存在问题，归纳总结适应我国电网运行管理体制的多时空尺度有功平衡技术体系。

1 含风电的电力系统的多时空尺度有功平衡

含大规模集群风电的多时空尺度有功平衡体系基于对集群风电多时空尺度运行特性的分析与建模，既包含从秒、分钟、小时到日、中长期的多时间尺度协调，也包含从单机、单场、集群源端电网到系统的多空间尺度配合。与电力系统传统的有功平衡相比，其突出特点在于融合了确定性电源和随机性电源的多源互济［6-7］。

在中长期时间尺度上，引入对风电功率中期(3～7 d)趋势预测，考虑机组检修，安排火电机组开、停机方式［8］，或者在更长时间尺度(月、季、年)安排考虑风电电量不确定性的电量平衡计划。在日前时间尺度上，基于日前风电/负荷预测信息，安排日前机组组合、日前发电计划、调峰策略，以及备用容量优化，在电网安全条件许可前提下，尽可能消纳风电。在日内时间尺度上，基于超短期负荷/风功率预测信息及其误差进行滚动计划、实时调度、备用调用及阻塞管理;在实时控制时间尺度上，随负荷/风电的瞬时波动实行一次/二次调频控制。

2 风电特性及其建模

对风电特性的认识与建模是含风电的电力系统有功平衡管理的基础与前提。风电特性对系统有功平衡的影响主要体现在波动性与不确定性2个方面:波动性是指风电出力的不平稳性，波动性主要影响机组启停及运行点;不确定性是指风电出力不可准确预知性，体现为风电功率预测误差，不确定性主要影响系统旋转备用配置。而大规模风电对系统有功平衡的影响还将削弱集群的聚集效应，如影响空间平滑性等。

2.1 风电的波动特性及其建模

随着研究时间尺度增加，波动的变化性将逐渐明显，而随着空间尺度的增加，平滑性将随之削弱［9-10］。风电的波动特性及其对主要调度层级的影响总结如表1所示。

表1 多时间尺度功率波动对有功平衡的影响Tab.1 Influence of multi-time scale power fluctuation on power balance

文献［10］针对酒泉风电基地出力特性的研究表明:风电场群在短时间尺度出力相关性较弱;而在长时间尺度上，风电场群出力相关性较强，导致集群整体出力波动性较大。风电场群集中并网将削弱地理平滑效应，尤其在小时级以上的时间尺度上表现更加明显。

目前，对于风电功率波动性的建模方法多基于统计方法:

(1)经验分布法。假设风速服从二参数Weibul或Rayleigh分布［11-12］、Beta分布、带移位因子的 t分布［13］或混合高斯分布［14］，然后基于风机推力曲线得出风电出力的概率分布模型。此类方法的不足在于，经验分布无法描述风功率序列的时序相关性，用于风资源评估尚可，但不适合运行优化和实时调度。

(2)基于随机过程的模拟序列。基于Weibul分布生成非独立的风速序列，再利用考虑风机出力特性、风电场尾流效应等的功率转换关系生成各风电场时序出力曲线［15-16］。此类方法仍基于风速服从某种分布假设，缺陷同前。

(3)频域分析方法。丹麦Risφ实验室提出了使用功率谱密度函数，建立能考虑风机物理特性以及地理分散效应的功率波动模型［17-18］。频域方法物理意义清晰，对认识风电波动性规律有帮助，但是难以应用于时序的调度运行模型。

2.2 风电的功率预测及其误差建模

风功率预测及误差为有功平衡问题研究提供基础性信息。预测的精度随着空间尺度增加而提高，而随着时间尺度增加而降低。德国风电24～48 h的预测经验表明［19］，单个风电场预测均方根误差为10% ～20%，而1个控制区域内(大致相当于我国的省级调度)为7.5% ～10%。

功率预测误差建模是描述风电不确定性途径之一，主要有以下3类:

(1)预测误差带。假设预测误差上、下限为一固定百分数［20］或采用分位点回归求得一定置信度水平下的预测误差带［21］。误差带建模方法简单易行，但风功率预测的完全误差带可能非常宽，易导致该方法失效。

(2)经验分布拟合法。短时间尺度(＜1 h)预测误差多分布在0附近的区域内，可采用Cauthy分布描述预测误差［22］;长时间尺度预测误差可采用基于β分布的直接或间接算法描述［23-24］。对于大规模集群风电预测误差，通常认为由于风电场地域分布广阔，受中心极限定理的影响可采用正态分布进行描述［25］。经验分布切合实际情况，但依赖于大量数据积累。

(3)预测误差序列模拟，有空间模拟和时间模拟2种。一般假设单个风电场风速预测误差服从正态分布，再分别利用空间相关性和时间相关性处理算法得到考虑时空相关性的风速预测误差序列。文献［26］基于自回归滑动平均模型产生风速预测误差，再采用蒙特卡洛仿真得到不同概率场景下的风电功率预测误差。如何校验模拟的合理性是一大难点。

3 风-火-水互济系统中的运行优化问题

欧洲电网灵活性调节电源比例大，并且具有分散接入、就地消纳的并网模式，使得系统能较好地吸收风电功率波动性。而中国主要风电接入地区，只有少量水电机组，且在冬春大风季节受来水条件限制，调节能力很低。电源结构以大型燃煤机组为主，调节速度慢、启停时间长。加上风电采用集中并网模式，消纳风电对系统运行调节能力要求要高很多。

3.1 机组组合问题

机组组合问题是进行电力平衡模拟、运行方式优化的主要技术手段。按问题考虑的时常划分，常规的机组组合有中长期(10～30 d)、中期(3～7 d)、短期(24～72 h)、超短期(0～4 h)等。随着风电消纳水平的提高，风电进入机组组合参与运行优化是风-火-水多电源协调的必然要求。

在协调机制上，考虑到我国“三北”地区电网典型结构以大型燃煤机组为主，决定了我国不能像欧美国家那样通过频繁日内机组启停以及快速调节运行点来吸收风电功率波动性。风电参与机组组合的形式也将与欧美国家以参与日前计划为主的形式有所不同。文献［27］基于中期(5～7 d)风功率趋势预测提出优化中长期开机方式(主要是大型燃煤机组)的设想，从长时间尺度上协调常规机组与风电出力，减少燃煤机组启停频次和煤耗量，并尽可能为短期运行预留风电消纳空间。但中长期风火协调与日前机组组合的区别与联系、协调策略和算法等还有待深入研究。文献［28］基于风电功率预测精度随时间尺度逐级提高的特性，采用“多级协调、逐级细化的思路”提出了多时间尺度的有功调度模式，将上一级遗留的偏差由下一级来修正。

然而，目前运行优化的理论研究往往只针对其中某几个时间尺度，需要深入开展高风电渗透率水平下的从中长期、日前到日内、实时运行的多时间尺度协调调度运行体系研究。

风电引入机组组合模型需要对传统机组组合模型进行修正，目前经常采用的方法有:

(1)基于随机场景分析的建模方法［26，29-32］。采用随机模拟及场景削减技术产生一系列不同概率的风电典型场景，考虑满足削减后场景的所有约束条件做出机组组合决策。如何选择具有代表性的典型场景、减少随机场景机组组合的计算量是需要进一步研究的问题。

(2)基于机会约束规划的建模方法［33-34］。将风电相关的约束条件采用概率形式描述，构造随机规划问题后求解。

(3)基于风险理论的建模方法［35-38］。建立各种风电波动场景下的风险指标，以总风险期望最小作为优化目标或将风电引起的潜在风险作为风险约束加入优化模型中，但如何选择合适的风险指标仍需进一步讨论。

3.2 备用配置问题

风电接入后对备用容量的影响受渗透率水平和预测不确定性影响很大，并且所需的备用容量和风电装机容量之间并没有直接的比例关系。风电并网后，对系统旋转备用的影响通常在机组组合模型约束［39-40］中加以考虑，而冷备用评估方法则采用基于可靠性或风险［38］理论，保证风电引入前后系统可靠性指标或风险指标不降低，构建随机规划问题求解。

由于我国电网规模较大，运行经验显示风电并网后对快速备用的影响较小，主要影响在于较长时间的备用。对于一次备用，风电的空间平滑性足以削弱风电随机波动性，而当风电渗透率水平超过10%时，风电对二次备用的需求将明显增长。

3.3 系统的频率调整

风电对电力系统频率调整影响的主要原因有2个方面:

(1)风电机组的频率响应与调频能力。采用电力电子接口软连接并网的风电机组(如双馈、直驱等)不存在惯性响应，有功输出无法自动响应系统的频率变化［41-42］，对一次调频几乎没有贡献。此外，风电机组通常采用最大功率跟踪控制，出力与系统频率无关，也不具备二次调频能力。

(2)风电的随机波动性。文献［43］分析了风电功率快速波动对系统频率动态以及CPS控制指标的影响，其研究结论表明大部分系统能够吸收分钟级的功率波动，对CPS1指标影响不大，但在风电比例较高的控制区中对CPS2指标影响较大。

3.4 系统调峰问题

调峰问题是制约我国大规模风电并网与消纳的主要矛盾之一。我国风电渗透率较高的“三北”地区都出现了由于系统调峰能力不足导致大量弃风问题。

风电日内出力调峰效应分为反调峰(风电并网后净负荷峰谷差增加)、正调峰(风电并网后净负荷峰谷差减小)和过调峰(风电并网后净负荷峰谷倒置)3种。风电并网后往往造成系统净负荷峰谷差的增加。文献［10］对我国甘肃、辽宁、“津京唐”地区的风电日出力特性研究表明，我国“三北”地区的风电日出力以反调峰的情形居多，给系统调度运行带来巨大挑战。

系统的调峰能力与系统的净负荷特性、电源特性和外送规模等因素密切相关，评估大规模风电并网后系统调峰能力的思路主要有确定性方法和概率性方法2类。前者通过计算低谷负荷时调峰机组最低出力与负荷实际出力之差计算调峰能力，因为其简单易行，在电力系统调度中得到广泛的应用。后者通过随机模拟计算调峰不足概率和调峰不足期望指标，以反映系统的调峰容量需求。虽然计算方法较为复杂，但更为科学。

利用省际联络线的灵活控制提高系统调峰能力是最为有效的方法;此外，还可考虑风电-抽水蓄能联合运行、利用储能调峰等。

4 结语

大规模集群风电并网对系统有功平衡提出了巨大挑战，建立高风电渗透率水平下系统多时空尺度有功平衡体系是提高风电消纳水平、优化系统运行的必然趋势。

(1)依据电源结构与电网特点，我国含大规模风电电网的有功平衡技术体系将是包含中长期/短期机组组合计划、日内滚动计划和实时频率调节的多层协调优化体系。

(2)集群风电特性的建模是掌握我国风电特性的关键点。在风电的众多特性中，掌握风电的时序特征是将风电融入系统安全运行的关键点，也是现有研究的欠缺之处。

(3)随机分析、随机优化等数学方法是刻画风电特性的主要工具，也是研究含风电电力系统运行优化的重要手段。随着风电接入比例的增加，将对系统现有基于确定性模型的运行调度产生深远的影响。

［1］国家电网公司.国家电网公司促进风电发展白皮书［R］.北京:国家电网公司，2011.

［2］Ni M，Yang Z X.By leaps and bounds:Lessons learned from renewable energy growth in China［J］.IEEE Power ＆ Energy Magazine，2012，10(2):37-43.

［3］Holttinen H，Orths A G，Eriksen P B，et al.Currents of change-European experience and perspectives with high wind penetration levels［J］.IEEE Power ＆ Energy Magazine，2011，9(6):47-59.

［4］Piwko R，Meibom P，Holttinen H，et al.Penetrating insights-lessons learned from large-scale wind power integration［J］.IEEE Power ＆Energy Magazine，2012，10(2):44-52.

［5］罗旭，马珂.美国德克萨斯州电力可靠性委员会在风电调度运行管理方面的经验和启示［J］.电网技术，2011，35(10):140-146.

［6］鲁宗相，闵勇.基于功率预测的波动性能源发电的多时空尺度调度技术［J］.电力科学与技术学报，2012，27(3):28-33.

［7］薛峰，常康，汪宁渤.大规模间歇式能源发电并网集群协调控制框架［J］.电力系统自动化，2011，35(22):45-53.

［8］刘德伟，黄越辉，王伟胜，等.考虑调峰和电网输送约束的省级系统风电消纳能力分析［J］.电力系统自动化，2011，35(22):77-81.

［9］The European Wind Energy Association(EWEA).Large scale integration of wind energy in the European power supply:Analysis，issues and recommendation［EB/OL］.2005.［2013-01-22］http://www. ewea. org/fileadmin/ewea _ documents/documents/publications/grid/051215_Grid_report.pdf.

［10］肖创英，汪宁渤，陟晶，等.甘肃酒泉风电出力特性分析［J］.电力系统自动化，2010，34(17):64-67.

［11］Hetzer J，Yu D C，Bhattarai K.An economic dispatch model incorporating wind power［J］.IEEE Trans on Energy Conversion，2008，23(2):603-611.

［12］Liu X，Xu W.Minimum emission dispatch constrained by stochastic wind power availability and cost［J］.IEEE Trans on Power System，2010，25(3):1705-1713.

［13］林卫星，文劲宇，艾小猛，等.风电功率波动特性的概率分布研究［J］.中国电机工程学报，2012，32(1):38-46.

［14］李剑楠，乔颖，鲁宗相，等.大规模风电多尺度出力波动性的统计建模研究［J］.电力系统保护与控制，2012，40(19):7-13.

［15］Zhang N，Kang C Q，Duan C G，et al.Simulation methodology of multiple wind farms operation considering wind speed correlation［J］.International Journal of Power and Energy Systems，2010，30(4):264-173.

［16］Villanueva D，Feijóo A，Pazos J L.Simulation of correlated wind speed data for economic dispatch evaluation［J］.IEEE Trans on Sustainable Energy，2012，3(1):142-149.

［17］Sørensen P，Mann J，Paulsen U S，et al.Wind farm power fluctuations，Chapter 25 of wind energy proceeding of the euromech colloquium［M］.Springer Berlin Heidelberg，2007:139-145.

［18］Sørensen P，Cutululis N A，Vigueras-Rodríguez A，et al.Power fluctuations from large wind farms［J］.IEEE Trans on Power System，2007，22(3):958-965.

［19］Giebel G，Sørensen P，Holttinen H.Forecast error of aggregated wind power［EB/OL］.［2013-01-22］.http://www.trade-wind.eu/fileadmin/documents/publications/D2.2_Estimates_of_forecast_error_for_aggregated_wind_power_Final.pdf.

［20］袁铁江，晁勤，吐尔逊·伊不拉音，等.大规模风电并网电力系统动态清洁经济优化调度的建模［J］.中国电机工程学报，2010，30(31):7-13.

［21］王洪涛，何成明，房光华，等.计及风电预测误差带的调度计划渐进优化模型［J］.电力系统自动化，2011，35(22):131-135.

［22］张昭遂，孙元章，李国杰，等.计及风电功率不确定性的经济调度问题求解方法［J］.电力系统自动化，2011，35(22):125-130.

［23］Bludszuweit H，Domínguez-Navarro J A，Llombart A.Statistical analysis of wind power forecast error［J］.IEEE Trans on Power System，2008，23(3):983-991.

［24］Fabbri A，GomezSanRoman T，RivierAbbad J，et al.Assessment of the cost associated with wind generation prediction errors in a liberalized electricity market［J］.IEEE Trans on Power Systems，2005，20(3):1440-1446.

［25］Tewari S，Geyer C J，Mohan N.A statistical model for wind power forecast error and its application to the estimation of penalties in liberalized markets［J］.IEEE Trans on Power System，2011，26(4):2031-2039.

［26］Tuohy A，Meibom P，Denny E，et al.Unit commitment for systems with significant wind penetration［J］.IEEE Trans on Power System，2009，24(2):592-601.

［27］王小海，齐军，侯佑华，等.内蒙古电网大规模风电并网运行分析和发展思路［J］.电力系统自动化，2011，35(22):90-96.

［28］张伯明，吴文传，郑太一，等.消纳大规模风电的多时间尺度协调的有功调度系统设计［J］.电力系统自动化，2011，35(1):1-6.

［29］Wang J H，Shahidehpour M，Li Z Y.Security-constrained unit commitment with volatile wind power generation［J］.IEEE Trans on Power System，2008，23(3):1319-1327.

［30］Ruiz P A，Philbrick C R，Zak E.Uncertainty management in the unit commitment problem［J］.IEEE Trans on Power System，2009，24(2):642-651.

［31］Pappala V S，Erlich I，Rohrig K，et al.A stochastic model for the optimal operation of a wind-thermal power system［J］.IEEE Trans on Power System，2009，24(2):940-950.

［32］Bouffard F，Galiana F D.Stochastic security for operations planning with significant wind power generation［J］.IEEE Trans on Power System，2008，23(2):306-316.

［33］Wang Q F，Guan Y P，Wang J H.A chance-constrained two-stage stochastic program for unit commitment with uncertain wind power output［J］.IEEE Trans on Power System，2012，27(1):206-215.

［34］Constantinescu E M，ZavalaV M，Rocklin M，etal. A computational framework for uncertainty quantification and stochastic optimization in unit commitment with wind power generation［J］.IEEE Trans on Power System，2011，26(1):431-441.

［35］Li X H，Jiang C W. Short-term operation model and risk management for wind power penetrated system in electricity market［J］.IEEE Trans on Power System，2011，26(2):932-939.

［36］周任军，姚龙华，童小娇，等.采用条件风险方法的含风电系统安全经济调度［J］.中国电机工程学报，2012，32(1):56-63.

［37］周玮，孙辉，顾宏，等.计及风险备用约束的含风电场电力系统动态经济调度［J］.中国电机工程学报，2012，32(1):47-55.

［38］张国强，吴文传，张伯明.考虑风电接入的有功运行备用协调优化［J］.电力系统自动化，2011，35(12):15-19，46.

［39］Matos M A，Bessa R J.Setting the operating reserve using probabilistic wind power forecasts［J］.IEEE Trans on Power System，2011，26(2):594-603.

［40］王彩霞，乔颖，鲁宗相.考虑风电效益的风火互济系统旋转备用确定方式［J］. 电力系统自动化，2012，36(4):16-21.

［41］Gautam D，Goel L，Ayyanar R，et al.Control strategy to mitigate the impact of reduced inertia due to doubly fed induction generators on large power systems［J］.IEEE Trans on Power System，2011，26(1):214-224.

［42］Mullane A，O'Malley M.The inertial response of inductionmachine-based wind turbines［J］.IEEE Trans on Power System，2005，20(3):1496-1503.

［43］Banakar H，Luo C L，Ooi B T.Impacts of wind power minute-tominute variations on power system operation［J］.The inertial Response of Induction-Machine-Based Wind Turbines，2008，23(1):150-160.