第3章 新能源发电并网运行特点及影响.docx

第3章 新能源发电并网运行特点及影响.docx

《第3章 新能源发电并网运行特点及影响.docx》由会员分享，可在线阅读，更多相关《第3章 新能源发电并网运行特点及影响.docx（41页珍藏版）》请在冰豆网上搜索。

第3章新能源发电并网运行特点及影响

新能源调度技术与并网管理

第二章新能源发电并网运行特点及影响（西北、电科院-南院）

新能源大规模集中接入电网后，由于新能源发电的一次能源如风能、太阳能受风速和光照强度改变而变化，所以其出力具有很大的随机性和波动性。

但是新能源电站之间由于自然、地理条件等因素，存在一定程度的耦合，故存在出力和波动上的相关性。

新能源由于其风力及光照等自然条件限制导致其出力的不确定性和不可控性，其特性与传统的常规能源差异明显。

同时新能源如风能和太阳能等一次资源主要集中在负荷较轻的西北、华北、东北等地区，需要通过集中开发之后经由高电压、大容量、远距离输电线路传输至远端的负荷中心。

因此我国的新能源多采用大规模集中接入的方式并网发电，而集中式接入电网导致电力系统的惯性和短路电流下降，造成系统的频率和电压特性发生变化，给电力系统的调峰、调频、调压带来严峻的挑战。

分布式新能源的广泛接入将会改变配电网的原有格局，电力系统由少量集中的发电体系向较多的分布式、分散式的发电体系转换。

在低的渗透率下，分布式新能源的并网对电网基本不会产生影响；但在高渗透率下，各种分布式新能源会使传统配电网从电源单一、潮流方向单一典型结构变为多电源、对配电网潮流将产生较大影响，使配电网的网络结构变化较大。

2.1新能源发电运行特点

不同类型新能源风力发电机组和光伏电池的发电特性已较为成熟，这里重点讨论新能源的系统运行特性。

新能源大规模集中接入电网后，由于新能源发电的一次能源如风能、太阳能受风速和光照强度改变而变化，所以其出力具有很大的随机性和波动性；而且新能源电站之间由于自然、地理条件等因素，存在一定程度的耦合，故存在出力和波动上的相关性。

因此为了降低新能源大规模接入电网对电力系统的负面影响，需要建立其发电特性模型，进而研究新能源运行的特点。

以下以风电和光伏为例，综述新能源发电运行的特点。

2.1.1风电运行特点

2.1.1.1风电电力特点

对于风力发电的特点而言，由于风速的不确定性，会导致风电出力的随机波动。

而由于风电机组的桨距角及转速控制作用，因此，一般仅能观察到风电的出力在接近零和其额定功率之间的波动，如某风电基地的风电日平均出力的年度分布如下图所示。

某风电基地风电日平均出力的年度分布

为了准确描述风电出力的随机性和波动性，需要首先对风速的随机性和波动性进行定量描述，常用的方法是引入概率分布模型来描述风速出力的不确定性。

目前用于拟合风速的概率分布模型较多，其中Rayleigh分布曲线、Weibull分布曲线在风电出力概率分布拟合中取得了较好的效果，对于分布参数的获取，统计量估计法、最小误差逼近法、矩函数法等也得到了广泛的研究和关注。

由于风电出力与风速之间并不是简单的线性对应关系，因此还需要具体推导风电出力与风速及其它因素之间的关系，进而对风电出力的随机性进行定量描述。

大规模风电集中接入电网后，由于其地理位置较近，因此风速等自然条件相差不大，从而导致风电出力具有很强的耦合相关性，下图为多个风电场一年的风速数据图，由图可以看到三个风电场的风速具有很强的相关性。

因此在考虑风电出力时，需要充分考虑各风电场之间的相关性，从而对风电出力特性进行准确把握和描述。

除风电场之间的空间相关性外，还需要考虑同一风电场内的时间相关性，在研究时间相关性时，必须保证时间间隔必须充分短，否则时间相关性很弱，缺少研究意义。

风电场风速相关性

表2.1.1.1.1我国西部某电网某年含风大省电力波动统计表（单位：

兆瓦）

全网

A省

B省

C省

装机容量

23890

10070

4177.8

8030

最大功率_全年

10439.01

4787

3160

3998.54

最大（出力/负荷）%

15.47

41.95

34.44

19.59

15min最大变化幅度

1484.03

1203.93

604.72

1367.82

95%概率对应的15min波动幅度

294.22

212.49

116.41

147.04

低谷中位数>网50万-省30万（%）

100.00

93.59

78.63

99.15

低谷中位数>网100万-省50万（%）

100.00

82.05

63.25

97.01

低谷中位数>网200万-省100万（%）

99.57

54.27

38.03

77.35

低谷中位数>网300万-省150万（%）

97.00

35.04

23.93

52.56

低谷中位数>网400万-省200万（%）

88.88

21.79

8.97

23.93

从最大发电负荷率来看，受限相对较小的B省达到75%，其次为A省67%和C省66%。

B省地处III类风区，不考虑受限情况，C省和A省的最大自由发电负荷率至少应在75%以上，估计将达到80%，即西北大型风电基地的同时率约为80%。

从瞬时风功率占负荷的比例来看，A省达到41.95%，B省为34.44%，C省和全网相对较低。

也反映出A省和B省风电消纳压力较大。

从十五分钟风功率最大变化幅度来看，全网、A省、C省均超过100万千瓦，而B省相对较低。

从绝大多数时间的十五分钟风功率波动幅度范围来看，全网和各省不超过30万千瓦。

从全网的调整能力而言，这样的波动幅度不存在较大的压力。

低谷时刻风电的出力水平关系到风电调峰特性，低谷出力越大，则说明风电反调峰特性越强。

为了表征这一特性，我们提出中位数的概念，即低谷时段风电出力从小到大排列后最中间的那个数，与平均值相比中位数不易受极端数据的影响。

在计算全网风电低谷中位数时，以[50100200300400]万千瓦分类，省风电以[3050100150200]分类。

全网风电谷段中位数大于200万千瓦的概率占到99.57%，A省、C省风电谷段中位数大于30万千瓦的概率均在90%以上，若认为90%是我们可以接受的概率，则我们可以全网低谷风电200万千瓦、各省30万千瓦纳入平衡，可以做到日前风电低谷受控电力最小和接纳电量最大。

图2.1.1.1.3某年全网风电逐日低谷中位数分布图（单位：

MW）

图2.1.1.1.4某年A省风电逐日低谷中位数分布图（单位：

MW）

图2.1.1.1.5某年B省风电逐日低谷中位数分布图（单位：

MW）

图2.1.1.1.6某年C省风电逐日低谷中位数分布图（单位：

MW）

2.1.1.2风电电量特点

表2.1.1.2.1某年西北电网各省发电量波动统计表（单位：

万千瓦，万千瓦时，%）

全网

A省

B省

C省

逐日

三日

一周

逐日

三日

一周

逐日

三日

一周

逐日

三日

一周

装机

2389

1007

418

803

日均

发电量

8971.21

3133.34

1949.25

3414.27

日最大发电量_全年

19579.00

9466.14

6744.00

7079.60

最大波动幅度

12322

12689

14625

6688

8286

8826

5652

5700

5864

3963

5326

5678

>500

88.19

90.91

92.76

72.80

79.06

81.06

72.25

75.76

77.93

67.58

75.48

76.88

>1000

76.65

81.82

84.68

53.57

62.26

66.57

47.53

54.55

54.60

39.56

54.27

57.66

>2000

53.85

65.29

71.87

30.77

33.88

37.88

20.05

28.10

29.86

9.62

24.52

30.64

>3000

40.38

49.31

59.89

12.09

20.11

22.56

7.69

12.95

14.21

1.92

9.64

14.21

>4000

26.92

38.29

44.57

4.95

11.02

13.93

2.47

4.41

5.57

0.00

1.65

5.01

>5000

15.11

28.65

33.43

1.92

5.23

6.69

0.55

0.83

0.00

0.00

0.28

0.84

>6000

9.89

20.94

23.96

0.82

3.03

3.06

0.00

0.00

0.00

0.00

0.00

0.00

从全年风电发电量来看，全网单日最大发电量达到1.96亿千瓦时（占用电量13.9%），A省为0.95亿千瓦时（占用电量34%），B省为0.67亿千瓦时（占用电量26.7%），C省为0.71亿千瓦时（占用电量15.6%）。

从全网及三省短期（相邻日、三日内、一周内）风电发电量波动分布情况来看，A省电量自然波动较大，本省平衡压力较大，B省、C省相对较小，但随着装机规模的不断攀升也将面临同样的调整压力。

A省相邻日电量波动超过500万千瓦时的概率为73%，折合为火电容量约为30万千瓦（起停费用约为50万元/台次），若省内自行平抑风电电量偏差，则即任意两天内需要一台30万千瓦火电启停调峰、或三台30万千瓦火电深度调峰（考虑到煤质）的概率为73%。

依此类推，1000万千瓦时的电量波动相当于一台60万机组启停调峰，或6台30万千瓦火电深度调峰，2000万千瓦时的电量波动相当于两台60万机组启停调峰，或12台30万火电深度调峰，考虑到火电启停调峰最小间隔通常为一周，则A省火电一周内频繁深度调峰的概率接近82%，而这种情况发生在三日内的概率也较大。

B省、C省目前的短期风电发电量波动幅度和A省相差不大，B省日波动幅度超过500万千瓦时的概率为73%，一周内为78%；C省日波动幅度超过500万千瓦时的概率为68%，一周内为77%，B省和C省七日风电电量波动超过1000万的概率分别为55%和57%。

西部某电网风电发电量波动概率图（单位：

万千瓦时，%）

A省风电发电量波动概率图（单位：

万千瓦时，%）

西部某电网风电发电量相邻日及七日波动幅度图（单位：

万千瓦时）

A省风电发电量相邻日及七日波动幅度图（单位：

万千瓦时）

2.1.2光伏运行特点

2.1.2.1光伏电力特点

光伏出力由太阳位置、电站站址经纬度、海拔高度、气象等因素决定，由于光照强度等因素的不确定性，从而导致了光伏出力的随机性和波动性。

与风电出力类似，为了定量描述光伏出力的不确定性，需要引入概率分布模型来定量描述光照强度的不确定性，Beta分布在光照强度概率模型拟合方面应用较多，取得了较好的效果。

在得到光照强度的概率模型后，与风电类似，同样需要推导光伏出力与光照强度之间的对应关系。

与此同时，光伏出力除了受到光照强度影响外，还受到光伏阵列遮挡情况、辐射通量密度的影响，因此需要对影响光伏出力的多种相关因素进行具体情况下的建模，从而最终得到光伏出力的概率分布模型。

与风力发电类似，大规模光伏集中接入电网后，由于地理位置较为接近，所以其出力一般具有较强的关联性，因此在描述光伏电场出力的概率分布时，需要充分考虑光伏电站间的相关性，从而对其不确定性进行准确建模和分析。

西部某电网含光大省电力波动统计表（单位：

兆瓦）

全网

A省

B省

D省

装机容量

14730

5170

1733.83

4290

最大功率_全年

7804.31

1610.78

1351.11

3040.34

最大（出力/负荷）%

13.75

15.30

13.48

38.44

95%概率对应的负荷率

44%

27%

66%

62%

15min最大变化幅度

1385.71

499.67

370.35

788.76

15min正向变化概率

48.34%

47.63%

48.16%

50.50%

15min负向变化概率

51.65%

51.22%

48.30%

49.49%

15min最大波动/最小负荷

2.61%

5.20%

12.38%

10.81%

95%概率对应的15min波动幅度

534.19

142.16

109.71

280.40

某年全网光伏最大负荷率为60%，D省为84%，B省为82%，D省、B省光伏几乎无受限，则可以得知不受限情况下光伏最大同时率为85%左右，A省光伏受阻严重，同时率仅为45%。

从瞬时出力与负荷的占比来看，D省达到38.44%，A省为15.3%，说明这两个省的消纳压力较大。

从十五分钟最大波动幅度来看，D省超过50万千瓦，但从绝大多数时段内的波动幅度看，全网及各省均在50万千瓦以内，对全网的运行调整影响有限。

2.1.2.2光伏电量特点

表2.1.2.2.1本月西北电网含光大省发电量波动统计表（单位：

万千瓦，万千瓦时，%）

全网

A省

B省

D省

逐日

三日

一周

逐日

三日

一周

逐日

三日

一周

逐日

三日

一周

装机

1473

517

173

429

日均

发电量

4310.02

1072.92

670.00

1544.54

日最大发电量_全年

6286.00

1747.00

1037.00

2396.00

最大波动幅度

2459

2663

2936

1048

1195

1268

713

822

866

1324

1626

1654

>50

93.13

94.21

95.26

74.45

81.82

88.30

74.73

82.64

82.73

86.54

88.98

90.25

>100

86.26

88.71

90.81

58.24

67.77

77.16

58.24

65.84

66.57

76.92

79.06

81.62

>200

73.63

78.24

85.24

39.29

45.73

56.82

40.38

44.90

47.35

56.59

59.50

63.79

>300

62.91

69.42

78.27

23.63

31.68

41.78

23.63

29.48

30.92

41.21

47.11

49.03

>400

49.45

58.68

69.92

15.11

20.11

28.69

13.46

17.36

20.61

29.12

34.16

40.39

>500

41.48

51.24

61.28

9.62

14.88

18.66

6.59

9.64

13.65

19.51

24.52

32.31

>600

34.34

44.35

54.04

6.59

9.92

13.37

1.92

4.68

7.24

12.09

17.91

25.35

由于光伏发电仅出现白天，其最单日发电量相对风电明显偏小，全网单日最大发电量为6286万千瓦时（占用电量4.6%），A省为1747万千瓦时（占用电量6.8%），B省为1037万千瓦时（占用电量4.5%），D省为2396万千瓦时（占用电量12.4%）。

从全网及三省短期（相邻日、三日内、一周内）光伏发电量波动概率分布情况来看，全网最大，D省次之，A省、B省相对较小。

总体而言，现有装机水平下，光伏短期电量波动相对风电明显偏小。

西部某电网光伏发电量波动概率图（单位：

万千瓦时，%）

西部某电网光伏发电量相邻日及七日波动幅度图（单位：

万千瓦时）

D省光伏发电量相邻日及七日波动幅度图（单位：

万千瓦时）

2.2新能源集中式接入对电网运行影响

传统的电力系统主要由化石能源等传统能源提供电能，然而随着常规能源的逐渐枯竭和环境污染程度的逐渐加重，发展新能源发电成为了建设清洁电网的必然途径。

与此同时，我国新能源发电主要以风电和光伏为主，新能源由于其风力及光照等自然条件限制导致其出力的不确定性和不可控性，其特性与传统的常规能源差异明显；而且新能源如风能和太阳能等一次资源主要集中在负荷较轻的西北、华北、东北等地区，需要通过集中开发之后经由高电压、大容量、远距离输电线路传输至远端的负荷中心。

因此现阶段我国的新能源多采用大规模集中接入的方式并网发电，而集中式接入电网将会对电力系统运行和分析带来严峻的挑战，需要分析新能源大规模集中接入电网对电力系统产生的影响，从而为电力系统建设规划与调度运行提供指导。

2.2.1调峰/调频的影响

2.2.1.1调峰影响

大规模新能源集中接入电网后，由于新能源出力的随机性和波动性，会对电力系统的调峰调频控制带来很大困难。

调峰方面，由于新能源的大规模接入，其在电力系统中所占比例越来越大，其随机性和波动性可能会导致电力系统峰谷差的变化，根据新能源出力的随机波动与电力系统负荷随机波动的方向对应关系，可以将新能源的调峰效应分为反调峰、正调峰、过调峰三种情况，即新能源出力波动趋势与负荷波动趋势相反、趋势基本相同且新能源出力峰谷差小于负荷峰谷差、趋势基本相同且新能源出力峰谷差大于负荷峰谷差，图3为不同运行场景下新能源出力所对应的三种调峰情况。

在反调峰和过调峰情况下，电力系统的等效峰谷差增加，从而导致了调峰难度的增加。

为了充分平抑电力系统可能出现的峰谷差增加，电网可能会出现弃风或弃光情况，从而导致能源利用率的降低。

同时，新能源的大规模接入，导致对于电力系统调峰裕度的评估难度有所增加，传统的确定性方法无法对含新能源系统的调峰裕度进行评估，因此需要引入概率指标对调峰充裕性指标进行评估，通过调峰不足概率、调峰不足期望等概率指标来对其调峰充裕性进行评估，从而增大了调峰裕度评估的难度。

新能源出力的不同调峰场景情况

采用统计学中散点图的形式，对某年全网、A省、C省、B省数据进行分析。

散点图中横坐标表示原始负荷峰谷差，纵坐标表示接入风电后该日等效负荷峰谷差，图中同时画出了x=y作为分界线，若散点落入分界线上方，则说明风电接入增加了系统的峰谷差，从而看出风电接入对西北电网原始系统峰谷差影响的分布规律。

下图为某全网原始负荷与等效负荷的散点图，从图中可以看出，红色圆点大部分落在直线x=y以上，整体来说，西北全网风电反调峰特性占大多数。

西部某电网风电接入后系统峰谷差

下图为某年A省原始负荷与等效负荷的散点图，从图中可以看出，红色圆点大部分落在直线x=y以上，原有峰谷差变化范围150万千瓦～250万千瓦，风电并网后，等效峰谷差变化范围150万千瓦～350万千瓦，说明A省风电的反调峰特性较强，风电并网后造成A省电网峰谷差增大且峰谷差不确定性变大，这增加了电网调峰的难度。

A省风电接入后系统峰谷差

下图为某年C省原始负荷与等效负荷的散点图，可以看出，圆点大部分落在直线x=y以上，原有峰谷差变化范围100万千瓦～250万千瓦，风电并网后，等效峰谷差变化范围100万千瓦～350万千瓦；同时仍有小部分红色圆点落在直线x=y以下，总的说来，风电并网后造成C省电网峰谷差增大且峰谷差不确定性变大，增加了电网调峰的难度，但无论从反调峰特性还是不确定性上都要优于A省。

C省风电接入后系统峰谷差

下图为B省原始负荷与等效负荷的散点图，可以看出，圆点基本全部落在直线x=y以上，原有峰谷差变化范围50万千瓦～140万千瓦，风电并网后，等效峰谷差变化范围50万千瓦～200万千瓦，说明B省风电的反调峰特性很强，风电并网后造成B省电网峰谷差增大且峰谷差不确定性增大，这增加了B省电网常规电源调峰的困难。

B省风电接入后系统峰谷差

2.2.1.2调频影响

在调频方面，新能源大规模集中接入电力系统，导致系统备用优化策略的变化，这将对常规机组等电力系统其它电源的有功频率协同控制及调频参数整定也都提出了适应性需求。

由于新能源出力存在不确定性，导致电力系统的有功功率调节更加困难，从而导致系统频率的波动及调频难度的增加。

同时，由于新能源出力在短时间尺度内存在一定的互补性，从而使得大规模新能源集中接入电网后导致的调频问题相对调峰问题而言并不突出。

根据新能源波动性可以将新能源的波动分为秒级到分钟级的波动、分钟级到小时级的波动、小时级到天级的波动，分别影响电力系统的一次调频、二次调频、经济调度问题。

为了避免新能源接入对电力系统调频控制的负面影响，新能源机组可以通过惯性控制、下垂控制、阶跃控制等技术参与电力系统的一次调频，同时接受AGC指令，参与电力系统的二次调频。

下图为新能源机组参与一次调频的下垂控制原理图。

下垂控制原理图

1）新能源发电对一次调频的影响

一次调频是利用系统固有的负荷频率特性，以及发电机组调速器的作用，来阻止系统频率偏移的调节方式。

目前占风电场比重较大的主流风机类型是，双馈式异步风力发电机和直驱永磁同步风力发电机，采用PWM变流器进行控制（光伏逆变器与直驱风电机组控制模式类似），使其机械功率与电磁功率解耦，转速与电网频率解耦，因此失去了对系统频率的快速有效响应，其旋转动能对整个系统惯量几乎没有贡献，这个角度看双馈式感应发电机不能参与系统一次调频。

早期的异步风力发电机组直接与电网相连，在系统频率改变时可以自动释放部分旋转动能，转矩变化，输出功率随之改变，不同于火电机组的一次调频但是可以提供短时的有功支撑。

光伏太阳能没有机械旋转装置，通过变流器并网不具有一次调频能力。

电力系统频率特性系数

（同系统的自然频率特性系数

），

式中，

——负荷的频率特性系数；

——发电机的频率特性系数；

——为备用容量系数，等于全系统投入的发电机额定容量总和与全系统总负荷之比。

系统的频率特性系数精确值很难获取，一般通过区域偏差系数

来代替系统的频率特性系数（自然频率特性系数

）。

当系统中引入风电、光伏等新能源时，引起系统的

减小，从而造成整个系统的

减小，系统一次调频能力降低。

系统一次调频能力降低带来的问题是，相同装机容量系统，新能源接入电网出现大功率扰动时造成较大幅度的系统频率扰动，尤其是新能源占有较高比重的系统，出现大容量有功缺失时，出现短时大幅度频率下降，甚至低于系统频率正常范围的极端情况。

国外在新能源参与电力系统调频的相关技术研究起步较早，德国、丹麦、爱尔兰、南非、加拿大等国外新能源发电并网标准都规定了新能源电站应具有参与系统频率调节的能力。

目前，风电机组可采用惯量响应控制、转速控制、桨距角控制技术实现快速频率响应，光伏逆变器可通过逆变器控制技术实现频率快速响应。

其外，虚拟同步机技术可通过电力电子控制技术模仿同步机，为电网提供功率频率支撑，实现快速频率响应功能。

国内在新能源参与电力系统调频技术研究工作已经起步，但未实际推广应用。

当前，电网新能源占比逐渐增加，挤占具有转动惯量的常规水、火电机组空间，因新能源不具备快速频率响