通过置信容量、有效容量、反调峰特性三个指标来统计描述新能源的出力特性。
——广西电网有限责任公司电网规划研究中心、南方电网领军级技术专家黄丽娟
(资料图)
2023年4月14日，“2023年新型电力系统产学研融合发展大会”第二分论坛——关键技术应用专场在华北电力大学顺利召开。分论坛邀请多位专家、学者围绕碳达峰和碳中和远景目标，针对新型电力系统中的关键技术应用，进行深入研讨。
会上，广西电网有限责任公司电网规划研究中心、南方电网领军级技术专家黄丽娟带来题目为《新能源出力特性概率化表达及在规划工作中的应用研究》的主题演讲。北极星电力网整理如下：
黄丽娟介绍到，新型电力系统即新能源大规模接入电力系统，其出力特性呈现波动性、间歇性、随机性，针对这三个特征，我们需要确定电网需要配多少能源才能满足电力保供、要衡量电力系统配多少调节资源才能满足新能源消纳、电网容量需要达到多少才能保证新能源送出。
常规情况下，通过三个指标来统计描述新能源的出力特性。
一是，置信容量。其描述新能源替代常规单元量。首先取极大的概率，95%或98%，在此概率下能保证风光的出力大于一个数值，作为新能源参与电力平衡出力的取值，即置信容量。
二是，有效容量。一般用于对网架进行校核，即当网架保证送出95%或者98%电量时，认为网架可以满足要求，目前，部分地区弃风弃电量达到95%，就使用该电量消纳来统计。
三是，反调峰特性。把负荷高峰期的风光出力做一个减法，减出来我们把这个差值从大到下排列，取这个差值最大的前5%对应的最大的出力作为新能源参与调峰的出力取值。
但统计方法也存在缺点，首先是指标比较单一，每应对一种不同的分析场景必须计算出新的指标；其次是没有反映时序的问题；第三，虽然有概率化表达，但不能回答概率化的问题。
黄丽娟表示，针对该方法的缺点研究出三个解决方案。首先，研究一个概率化典型日出力曲线；另外，开展“8760”概率化表述，即概率化的典型日曲线、场景的降维，以及提取出概率化的场景。
她介绍到源荷耦合的表达方式，首先按时间划分，即将负荷时段划分成高峰时段、低谷时段和腰荷时段，分别对应不同特征的新能源特性。
另外，定义风光出力特征的指标值，提取了三至五个特征因素，用来表征一条新能源的出力曲线。
例如可提取风电的日发电量占比、反调峰特性，去分析与系统调峰平衡的影响。也可以提取高峰时段风电的最小出力和低谷时段风电的最大出力，主要反映新能源对电力系统平衡的影响。但问题还在于一组里有很多曲线，哪条曲线来代表这组的出力，需要再进行筛选。每一组首先按净负荷最大值来进行选取，即选取前50%；再使用第二个指标，反调峰特性来选取，在50%里再选前50%；这时选出1/4的曲线，再根据日出力的峰谷差来选取差值最大的曲线，代表1月的典型出力。光伏也是同样的方法。
通过实践的计算，她总结出源荷特征聚类的方法有以下几个优势。
一是充分考虑新能源跟负荷之间的耦合关系，时间、负荷的时段在曲线选取上都有所表达。
二是聚类得出的曲线是一条实际运行中的真实曲线，保留了波动性。
三是保留部分极端的场景，便于研究风光极端场景下的电力平衡的情况。
黄丽娟提出，“8760”曲线可以使用三个利用小时数表达，一是发电全年利用小时数，二是月度电量的分配曲线，三是主小时的电量分配曲线。
但历史的样本极其有限，在应用中会存在问题，例如广西地区新能源大规模发展，但目前为止可能只有5条“8760”的曲线，这5条聚类效果能否反映真实情况并没有实证。针对“8760”场景主要分析方法是电量的平衡，生成“8760”场景为计算场景，然后基于该场景进行多年的运行模拟，最后基于这个计算的结果统计电量不足跟弃风量等相关的指标。
针对“8760”场景，生成三套概率化的“8760”曲线，针对典型日聚类，筛选出最佳的聚类数，得出相应的日出力曲线，再将它们放入时序的模拟仿真程序中，最后运行出来的结果可以支撑概率化的问题，同时也支撑起极端场景的分析。
（北极星电力网根据速记整理，未经嘉宾审核，转载请注明来源）
