专栏名称: 电力系统自动化

致力于打造一个“传播科学技术，分享科研成果，加强互动交流，促进学术进步”的快捷、面广的新媒体平台，主要推送期刊论文、会议报告、服务指导、行业新闻、科普知识、科技项目等内容，为广大的科研工作者提供服务

清华大学鲁宗相，林弋莎等：极高比例可再生能源电力系统的灵活性供需平衡

电力系统自动化 · 公众号 · · 2022-11-14 17:00

正文

请到「今天看啥」查看全文

点击文章名，在线阅读全文

鲁宗相,林弋莎,乔颖,等/ 极高比例可再生能源电力系统的灵活性供需平衡 /2022,46(16):3-16.

什么是极高比例可再生能源电力系统？呈现什么新特点？

在不同风/光电源比例发展阶段，电力系统的灵活性供需平衡呈现不同的特点。为充分刻画不同阶段的灵活性技术特性差异，本文在新能源占比0%和100%两个边界场景中间，除了低比例、中高比例阶段外，新提出了“极高比例可再生能源电力系统”这一过渡阶段，并将其定义为风/光电源在系统总发电量中占比达到50%及以上的能量供需自平衡电力系统。

图1给出了不同风/光电源比例发展阶段的系统发电/负荷持续曲线示意图。由于风/光发电是低容量系数电源（电源的容量系数定义为年平均发电功率与装机容量的比值，风电的容量系数约为25%~40%，太阳能发电的容量系统约为10%~20%），当风/光发电成为系统电量供应主体后，其发电功率波动范围大大增加，并伴随大量的电量盈余与短缺。

▲左右滑动查看全图

图1 不同发展阶段系统的发电/负荷持续曲线示意图

为了适应风/光发电剧烈随机波动的特点，系统的结构和运行特征发生改变。认识这些新的变化，是规划和运行分析的必要前提。具体见表1和表2。

表1 结构特点

▲左右滑动查看全表

表2 运行特点

极高比例可再生能源电力系统的灵活性供需平衡存在什么挑战？

极高比例系统的灵活性需求主要来源于风/光发电的随机波动以及刚性负荷的随机变化，极高比例系统灵活性资源的种类更加丰富，特别地，大量弹性负荷将参与响应风/光发电的功率和能量波动。但不同灵活性资源的作用场景（净负荷为正和为负）和时间尺度可能有较大差别，提供功率调节和能量调节的能力可能非常不一样。灵活性供需平衡关注的是灵活性供给资源对灵活性需求的包络能力，需要对功率和能量的灵活平衡进行综合考虑。

中国2060年电力系统符合极高比例系统的定义，为了直观认识极高比例系统的灵活性供需平衡及其主要矛盾，这里对中国2060年灵活性供需平衡潜力进行估算。功率灵活性供需平衡结果和能量供需灵活性平衡结果分别如图2和图3所示，其中各包含净负荷为正和为负两种情形。柱形图用以反映灵活性供给的潜力，箱型图用以反映灵活性需求的分布情况。柱形图超出箱型图的长度反映了灵活性的充裕程度。

图2 净负荷为正和净负荷为负情形下功率灵活性供需平衡估算结果

图3 净负荷为正和净负荷为负情形下能量灵活性供需平衡估算结果

从图中估算结果总结，极高比例系统灵活性供需平衡的关键挑战在于：

1）净负荷为负情形下的灵活性供需平衡：由于净负荷为负的时段只能依靠弹性负荷和储能进行灵活调节，灵活性供给总量相比净负荷为正的情形大大减少，灵活性供需平衡更加困难。

2）长时间尺度的灵活性供需平衡：一方面，更长的时间尺度对应的灵活性需求更大；另一方面，短时间尺度的灵活性资源不能提供更长时间尺度的调节能力，长时间尺度的灵活性供需平衡矛盾突出。

3）功率和能量的灵活性平衡潜力不一致：由于灵活性资源的功率和能量供给能力不一致，系统功率和能量的灵活性平衡潜力呈现不一致。例如，小时和日尺度的功率灵活性平衡存在较大的平衡裕量，但能量灵活性平衡存在无法平衡的风险，这是由于抽水蓄能、电池储能、电动汽车等灵活性资源功率调节的能力远远超过其能量调节的能力。

以上的分析只强调了时间维度的问题，事实上，极高比例系统灵活性资源的空间统筹也是一个关键挑战。这里对“空间”的理解，既包含地理空间，也应包括能源种类。跨空间管理范围的资源统筹根源于不同地域灵活性供需资源的非均匀分布。跨能源领域的统筹体现在供需平衡对P2X弹性负荷的强依赖性。这要求极高比例系统需要配套的管理手段充分调动跨地理空间和跨能源品类的灵活性互济能力。

该领域研究存在哪些关键难题？

3.1 灵活性供需平衡评价方法

已有很多研究提出在电力电量平衡评价中纳入灵活性供需平衡的内容。基于多场景时序模拟结果计算评价指标是最普遍的做法。然而，传统的场景构建输入多是单一空间位置（或者一个区域）的风/光历史发电曲线，输出多是“典型日”曲线。但是，对于极高比例可再生能源电力系统，考虑空间相关性和时序连接关系进行场景的构建变得十分重要，这是因为极高比例系统的源、荷双侧以及源荷之间可能受同一天气过程的影响而呈现空间相关；长时间尺度的灵活性供需平衡矛盾突出，而长周期储能和P2X的能量约束无法由典型日模拟结果获知。

3.2 灵活性供需平衡模拟计算方法

平衡模拟计算都是必不可少的环节，且年及以上时间尺度的模拟分析对极高比例系统非常重要，提高长时间序列模拟的计算效率同时保证计算的精度是研究的一大难点。此外，预测信息是生产模拟模型的重要输入，与低比例、中高比例系统不同，极高比例系统的预测信息中除了气象/资源预测信息、负荷预测信息，还特别地需要储能以及弹性负荷响应潜力的预测信息。不同类型资源、气象条件以及负荷状态之间可能存在相关性，使得计算输入边界的确定更加复杂。

3.3 兼顾不同天气过程的模拟场景构建方法

在随机优化中，往往取期望值类的优化函数，个别极值的影响难以纳入分析。然而，由于源荷的气象强相关特性，极端天气对极高比例系统的冲击更加频繁和剧烈，在运行模拟中，有必要专门针对大影响小概率的天气过程构建模拟场景。但是，目前的方法往往选取历史某次发生的极端天气，且没有更多样本数据刻画极端场景的出现频率和严重程度。这可能导致所选取的极端事件过于极端或不具有典型性。

原文发表在《电力系统自动化》2022年第46卷第16期，欢迎品读！

引文信息

鲁宗相,林弋莎,乔颖,等.极高比例可再生能源电力系统的灵活性供需平衡[J].电力系统自动化,2022,46(16):3-16. DOI:10.7500/AEPS20220224001.

LU Zongxiang, LIN Yisha, QIAO Ying, et al. Flexibility Supply-Demand Balance in Power System with Ultra-high Proportion of Renewable Energy[J]. Automation of Electric Power Systems, 2022, 46(16):3-16. DOI:10.7500/AEPS20220224001.

延伸阅读

景锐，周越，吴建中 . 赋能零碳未来——英国电力系统转型历程与发展趋势［J］.电力系统自动化，2021，45（16）：87-98.

王彩霞，时智勇，梁志峰，等 . 新能源为主体电力系统的需求侧资源利用关键技术及展望［J］. 电力系统自动化，2021，45（16）：37-48..

徐潇源，王晗，严正，等 . 能源转型背景下电力系统不确定性及应对方法综述［J］.电力系统自动化，2021，45（16）：2-13.

DENHOLM P，ARENT D J，BALDWIN S F，et al. The challenges of achieving a 100% renewable electricity system in the United States［J］. Joule，2021，5（6）：1331-1352.

主要作者简介

鲁宗相

博士，清华大学长聘副教授，博士生导师，清华四川能源互联网研究院常务副院长。IET Fellow, IEEE Senior Member。2012、2014、2018年度3次获得领跑者5000论文奖，1篇论文入选第一届中国科协优秀科技论文遴选计划（2016年），1篇论文获评2018年度中国电机工程学会优秀论文三等奖，1篇论文获评2019年度中国电机工程学会优秀论文一等奖。主要研究方向：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。

林弋莎

博士研究生。主要研究方向：新能源电力系统优化运行、电力系统规划分析。

近期发布内容可通过本公众号菜单栏AEPS-精彩荟萃点击查阅，精彩不容错过哦~

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、摘编本微信作品，需包含本微信名称、二维码等关键信息，并在文首注明《电力系统自动化》原创。个人请按本微信原文转发、分享。

清华大学 鲁宗相，林弋莎等：极高比例可再生能源电力系统的灵活性供需平衡

正文

请到「今天看啥」查看全文

请到「今天看啥」查看全文

清华大学鲁宗相，林弋莎等：极高比例可再生能源电力系统的灵活性供需平衡