0 引言
可再生能源高速增長推動中國能源消費清潔化轉(zhuǎn)型的同時 [1] ，其不確定性和源網(wǎng)矛盾也帶來了嚴重的棄風棄光問題。從技術(shù)和管理多措并舉解決這一問題，成為行業(yè)的焦點 [2] 。以促進可再生能源消納作為重要任務(wù)之一的中國電力市場改革，已開展了諸多嘗試。一方面，建立了以現(xiàn)貨交易 [3] 、調(diào)峰市場 [4] 、調(diào)頻市場 [5] 為代表的市場框架，能夠在縮短調(diào)度、物理交割交易周期，充分調(diào)用系統(tǒng)靈活性資源方面發(fā)揮重要作用;另一方面，可再生能源正步入“后補貼”甚至“無補貼”時代，風光發(fā)電平價、競價上網(wǎng)，可再生能源項目競標并網(wǎng) [6] ，正促使可再生能源電力回歸真實價值，發(fā)揮電力市場配置優(yōu)化資源的重要作用。電網(wǎng)消納能力是實現(xiàn)新能源平價上網(wǎng)的必要前提。為解決當前棄風棄光矛盾，在積極推進外送跨區(qū)消納的同時，進一步挖掘就地消納潛力也是一個關(guān)鍵途徑。以新疆、甘肅為代表的西北地區(qū)，普遍面臨著自備電廠裝機過多引發(fā)的系統(tǒng)調(diào)峰能力不足問題，因此，通過常規(guī)電源與風光電源的發(fā)電權(quán)交易擴增可再生能源上網(wǎng)空間，具有較強的操作性和經(jīng)濟可行性，是緩解棄風棄光問題的重要途徑。
近年來局部地區(qū)電網(wǎng)的企業(yè)自備電廠裝機比例有上升趨勢，引發(fā)了諸多矛盾。由于自備電廠對沖了部分工業(yè)負荷容量，減小了波動性電源的發(fā)電空間;而其機組容量小，燃燒效率低，污染嚴重;另外，部分自備電廠管理監(jiān)督不到位，存在安全隱患。在電力裝機愈加充足、全國電網(wǎng)互聯(lián)規(guī)模不斷擴大、清潔能源比例逐漸攀升的形勢下，減少或者改造自備電廠，成為必然選擇。但是直接關(guān)閉自備電廠，迫使企業(yè)全部依靠電網(wǎng)供電，并非合理之舉。而風電企業(yè)與自備電廠通過發(fā)電權(quán)交易，可以保證企業(yè)的收益，同時增加風電上網(wǎng)電量。
已有關(guān)于發(fā)電權(quán)交易的研究大多集中在其市場屬性上，對宏觀的市場模式 [7-8] 和參與方的交易策略 [9-10] 關(guān)注較多。而在發(fā)電權(quán)交易效果評估優(yōu)化方面，研究工作相對較少，現(xiàn)有發(fā)電權(quán)交易的效益分析多聚焦于節(jié)煤、減排兩方面 [11-16] ，且大多基于歷史運行數(shù)據(jù)統(tǒng)計而來;部分涉及消納能力提升效果的評估多為策略優(yōu)化結(jié)果的簡單比較，缺少成體系的完整模型和機理分析。另外，多采用機組組合方法，其本質(zhì)依然屬于經(jīng)濟調(diào)度范疇，對交易信息平臺要求較高，在現(xiàn)貨市場建設(shè)還未成形的條件下，落地應(yīng)用還有難度;該方法對時序數(shù)據(jù)完整度要求較高，且局限于日內(nèi)運行優(yōu)化，難以適用于發(fā)電權(quán)交易常用的月、年尺度。
本文以月、年等中長期尺度的隨機生產(chǎn)模擬為方法基礎(chǔ)，分析發(fā)電權(quán)交易促進新能源消納的效益。在對發(fā)電權(quán)交易執(zhí)行方式及影響因素進行原理性分析基礎(chǔ)上，構(gòu)建了基于源荷概率模型的風電消納量關(guān)鍵指標計算方法，量化分析其促進新能源消納、減少棄風的效益;結(jié)合自備電廠的運行特征和發(fā)電權(quán)交易的交易特點，探究發(fā)電權(quán)交易時間、交易功率等關(guān)鍵參數(shù)對降低棄風量的影響，進一步優(yōu)化交易效果。最后通過完整的算例進行了驗證。
1 發(fā)電權(quán)交易執(zhí)行方式及影響因素分析
自備電廠通過與風電企業(yè)進行發(fā)電權(quán)交易將本廠的發(fā)電電量騰讓給風電機組，廠內(nèi)負荷需多購系統(tǒng)電力來滿足供應(yīng)，增加了系統(tǒng)供電負荷進而擴大了風電上網(wǎng)電量空間。
發(fā)電權(quán)交易雙方通過雙邊協(xié)商、集中交易等方式確定月度或年度交易總電量后，電量實際執(zhí)行有 2 種方式：(1)利用 AGC 系統(tǒng)對風電限電電量進行發(fā)電權(quán)交易 [15] ;(2)由調(diào)度部門在日前編制雙方發(fā)電計劃 [7] ，電量交割按計劃進行。其中，第 1 種方式基于實時信息進行交易，對信息采集平臺要求較高。在該方式下，前期的計劃交易電量完全失去約束作用，交易執(zhí)行結(jié)果存在較大不確定性，雙方的經(jīng)濟效益難以預判。因此，本文主要基于第 2 種方式進行分析。
現(xiàn)有實踐過程中，雙方的電量計劃是一種總量約束，實施中按照月度結(jié)算，當月的誤差量必須在下一月份及時滾平，在年度進行電量總清算，完成交易。在實際運行中，電網(wǎng)部門需在日前為可再生能源電站制定發(fā)電權(quán)交易發(fā)電計劃，同時制定自備電廠的減出力發(fā)電計劃，使雙方按照既定曲線實時運行，如圖 1 所示。
該種交易方式遵循“計劃電+市場電”的組成原則，方便計算過網(wǎng)電費，可操作性強，調(diào)度成本較低，不必大規(guī)模更新調(diào)度方式，在現(xiàn)貨市場建設(shè)過渡期具有很好的適用性。但該方式對系統(tǒng)調(diào)度部門要求較高，消納提升量完全取決于日內(nèi)的運行計劃的編制，自備電廠削減出力水平將直接影響系統(tǒng)消納能力，日內(nèi)計劃編制時調(diào)度人員應(yīng)依據(jù)風資源和企業(yè)負荷情況進行判斷。因此，本文嘗試從中長期角度對運行計劃的編制給出參考信息，幫助調(diào)度人員合理安排月內(nèi)每天的運行方式，實現(xiàn)風電消納提升最大化與月度電量執(zhí)行偏差最小化的最佳平衡。
棄風功率是影響發(fā)電權(quán)是否進行交易的直接因素，而風力資源是影響發(fā)電權(quán)交易是否執(zhí)行的間接因素。在本文所聚焦的時間范圍和執(zhí)行方式下，調(diào)度人員能夠通過歷年積累的風資源數(shù)據(jù)對未來月的風電理論功率分布進行預測，其難度較直接預測棄風情況更低，因此，風電理論功率(限電前風電功率)將作為影響發(fā)電權(quán)交易效果的主要因素。發(fā)電權(quán)交易啟動時的風電理論功率閾值設(shè)置太小時，發(fā)電權(quán)交易電量上升，但火電機組負荷率下降甚至停機，造成系統(tǒng)電源向上調(diào)峰能力不足;風電理論功率閾值設(shè)置太大則限制消納量。因此，合理設(shè)置啟動交易時的風電理論功率閾值能夠保證消納電量和系統(tǒng)安全。此外，最大交易功率受自備電廠可減少發(fā)電功率的影響，決定了發(fā)電權(quán)交易的最大潛力。
由于風電的不確定性，部分時刻的發(fā)電權(quán)交易分解電量可能執(zhí)行不足，風電理論功率難以滿足自備電廠所屬企業(yè)的用電需求，因此除了配合完善的結(jié)算校核機制外，本文在中長期預排計劃中根據(jù)風資源情況給出最佳交易時段。
綜上，發(fā)電權(quán)交易優(yōu)化的目的是給出日內(nèi)交易時間、自備電廠最大允許交易功率、啟動交易風電理論功率閾值 3 類參數(shù)的確定方法，對日內(nèi)計劃的編制提供指導信息。
2 風電棄電評估概率模型
以發(fā)電權(quán)交易減少的棄風電量作為主要評價指標，計算中長期風電消納電量是本文方法核心。
2.1 棄風限電的概率原理
系統(tǒng)發(fā)生棄風的典型場景為負荷低谷且風資源豐富時，系統(tǒng)內(nèi)常規(guī)電源無法下調(diào)功率，導致部分風電無法上網(wǎng)而發(fā)生棄風。在中長期場景下，風電預測不準甚至無法預測，時序方法應(yīng)用受限，因此，本文基于隨機生產(chǎn)模擬方法進行中長期棄風電量評估。
對一段時期內(nèi)的負荷進行統(tǒng)計，形成累積概率分布曲線(見圖 2)。機組組合方法中優(yōu)化電源出力以滿足負荷需求的過程對應(yīng)于隨機生產(chǎn)模擬中對負荷曲線包絡(luò)面積進行填充。隨機生產(chǎn)模擬的本質(zhì)是概率體系下的電量平衡，以風電功率長期概率分布代替時序數(shù)據(jù)進行電量計算。
以圖 2 為例，機組 A 承擔系統(tǒng)基荷，該部分負荷的累積概率為 1，A 的所有發(fā)電量均可直接消納，沒有棄電現(xiàn)象。機組 B 承擔負荷區(qū)段累積概率小于 1，若機組不能有效調(diào)節(jié)其功率大小，則有一定概率會發(fā)生棄電。機組各狀態(tài)有一定的發(fā)生概率，因此該部分面積與發(fā)電概率乘積代表棄電總量期望。
2.2 棄風電量評估計算
假設(shè)目標系統(tǒng)內(nèi)包括火電和風電兩類電源，火 電 機 組 由 公 網(wǎng) 統(tǒng) 一 調(diào) 度 ( 以 下 簡 稱 為 “ 統(tǒng)調(diào)”)的火電機組和自備電廠機組組成。根據(jù)風電優(yōu)先原則，機組生產(chǎn)安排時，除了火電機組必須滿足的最小出力(基荷)之外，首先安排風電機組，然后安排剩余火電機組容量。如果火電基荷與風電出力理論功率超過負荷峰值，則會發(fā)生棄風。隨機生產(chǎn)模擬 [17] 的步驟如下。
(1)根據(jù)歷史數(shù)據(jù)生成研究周期內(nèi)區(qū)域內(nèi)公網(wǎng)發(fā)電負荷(不含自備電廠供電負荷)的等效持續(xù)負荷曲線(equivalent load duration curve, ELDC)。
基于等效電量函數(shù)法，對等效持續(xù)曲線進行離散化，生成電力負荷序列 [18] 。
等效持續(xù)負荷曲線定義為
(7)安排剩余的火電機組參與生產(chǎn)，填補未滿足電量。安排方式同上。
需要說明的是，風電在 ELDC 下的安排位置僅取決于火電機組的基荷容量位置，因此，該方法暗含了風電與系統(tǒng)負荷為獨立變量的假設(shè)。已有研究根據(jù)實際運行數(shù)據(jù)證明了風電功率與負荷之間呈現(xiàn)弱相關(guān)性 [19] ，也顯示二者之間的相關(guān)系數(shù)隨時間變化劇烈 [20] ，這都反映了運行尺度下風電波動性與負荷波動性關(guān)聯(lián)性較弱，二者之間峰谷值出現(xiàn)不同步的特征，與運行經(jīng)驗相吻合。因此，本文不考慮風電、負荷的波動相關(guān)性、同時性等特征，隨機生產(chǎn)模擬方法獨立性條件自然滿足，該模型的評估結(jié)果能夠反映一段時間內(nèi)的棄能情況。
3 發(fā)電權(quán)交易優(yōu)化方法
本節(jié)基于棄風評估模型對發(fā)電權(quán)交易進行優(yōu)化，討論日內(nèi)交易時間、自備電廠最大允許交易功率、啟動交易風電理論功率閾值對減小棄風量的影響。通過在固定交易時段和固定風電功率區(qū)間內(nèi)進行交易的方式，進行生產(chǎn)模擬計算，獲得不同參數(shù)設(shè)置下的棄風情況，給出最優(yōu)交易方案。在生產(chǎn)模擬中，假設(shè)自備電廠少發(fā)的電量完全由風電企業(yè)提供，系統(tǒng)等效持續(xù)負荷曲線無變化，而公網(wǎng)上網(wǎng)風電累積概率曲線發(fā)生變化。風電累積概率曲線如何變化是分析重點。
3.1 交易場景選擇
在中長期交易優(yōu)化中，應(yīng)首先確定發(fā)電權(quán)交易的時段范圍和風電理論功率范圍。對研究周期
4 算例分析
4.1 仿真系統(tǒng)
以北方某省級電網(wǎng)歷史數(shù)據(jù)進行供暖季內(nèi)1—3 月份的逐月模擬計算。該地區(qū)全網(wǎng)最大發(fā)電負荷為 27 330 MW，最小發(fā)電負荷 19 082 MW，發(fā)電負荷均值為 23 309 MW。總裝機容量 46 800 MW，其中煤電 33 000 MW，水電 800 MW，風電約13 000 MW。統(tǒng)調(diào)火電機組裝機容量為 26 760 MW，自備電廠裝機容量 6 240 MW。由于水電容量較小，且供暖季內(nèi)水資源匱乏，可暫忽略水電機組。供暖季部分統(tǒng)調(diào)火電機組運行狀態(tài)調(diào)整為熱電聯(lián)產(chǎn)(CHP)模式，容量為 15 980 MW，全部在線運行，最小穩(wěn)定發(fā)電功率為額定容量的 80%。
統(tǒng)調(diào)非供暖機組容量為 10 780 MW，最小穩(wěn)定發(fā)電功率約為額定容量的 50%，各月在線運行機組有所變化，根據(jù)實際棄風率試算，形成典型運行場景，如表 1 所示。
4.2 發(fā)電權(quán)交易對風電概率特性的影響模擬
本文嘗試在較寬的數(shù)據(jù)范圍內(nèi)，選取不同的日內(nèi)交易時段、啟動交易風電理論功率閾值與最大交易功率參數(shù)組合，分析棄風指標的變化情況。圖 5 顯示了在啟動交易風電理論功率閾值為2 000 MW 和最大交易容量為 5 000 MW 時，不同電理論功率與自備電廠所屬企業(yè)新增用電功率之差，簡稱“置換后風電理論功率”)累積概率曲線的變化情況。仿真結(jié)果顯示，該措施主要對置換后風電理論功率概率曲線的低功率部分產(chǎn)生影響，這反映出該地區(qū)在風電理論功率較小時段，其概率分布曲線下降沿在發(fā)電權(quán)交易作用下變得更加平緩。
圖 6 顯示了不同最大交易功率與啟動交易風電理論功率閾值下概率曲線的變化情況，圖中每條曲線的時段設(shè)置與圖 5 完全一致?？梢钥闯?，啟動交易風電理論功率閾值越低，最大交易功率越大，置換后風電理論功率曲線的修正越明顯。
但是圖 6c)、d)說明最大交易功率為 4 000 MW時，降低啟動交易風電理論功率閾值已經(jīng)很難對風電產(chǎn)生影響。另一方面，不同的功率配置下，僅有置換后風電理論功率概率分布曲線低功率部分變化，發(fā)電權(quán)交易在具體實行過程中還應(yīng)考慮地區(qū)風資源情況進行靈活調(diào)度。
4.3 發(fā)電權(quán)交易促進消納效果評估
本文算例計算機硬件環(huán)境為 Intel core i7-6700HQ 2.60Hz(CPU)\16GB RAM，軟件環(huán)境為Matlab R2018b。計算速度方面，單組參數(shù)進行單月消納評估計算的時間為 12~40 s，較常規(guī)的機組組合模型求解速度有大幅提升。
在發(fā)電權(quán)交易效果對參數(shù)敏感度仿真中，以1—3 月份為研究對象，假定風電理論功率一旦大于 4 000 MW，即可開始進行發(fā)電權(quán)交易，圖 7 顯示了系統(tǒng)內(nèi)消納情況與發(fā)電權(quán)交易功率、交易時段兩者之間的關(guān)系。
在系統(tǒng)原始情況下，1—3 月份的初始棄風率分別為 35%、33%、36%。具體來看，當一天內(nèi)有14 h 允許發(fā)電權(quán)交易、最大交易功率為 3 000 MW時，1 月份棄風率可控制在 20% 以下，2、3 月份分別為 24% 和 22%，較 1 月份響應(yīng)程度略低。另外，相比于 3 月份，1、2 月份的棄風率下降較快段集中于交易時間長、交易功率大的情景下。
依然選擇 1—3 月份為研究月，對消納效果與最大交易功率和啟動交易風電理論功率閾值兩參數(shù)的關(guān)系進行數(shù)值模擬，仿真結(jié)果如圖 8 所示，此時交易時間設(shè)定為 10 h?？梢钥闯?，兩參數(shù)的二維平面上色階分布呈倒“L”型，這說明在最大交易功率較小時，棄風情況隨最大交易功率的增加而快速減小，當超過 1 000~1 500 MW 時，棄風率對交易功率值敏感度快速下降。而當啟動交易風電理論功率閾值較高時，棄風率隨該參數(shù)的下降而快速降低，但是降至 4 000 MW 后，棄風率變化不再明顯。
若自備電廠最大交易功率設(shè)定為 2 000 MW，啟動交易風電理論功率閾值為 3 500 MW 以下時，1—3 月份的棄風率可以分別控制在 25%、28%、28% 水平上，系統(tǒng)的可再生能源消納能力增強。
在相同的算例系統(tǒng)中，對比文獻 [21] 的計算結(jié)果可知，與火電機組靈活性改造相比，發(fā)電權(quán)交易提升消納效果作用有限，在火電深度調(diào)峰潛力用盡時，發(fā)電權(quán)交易可以作為備用措施參與消納。
5 結(jié)論
本文在總結(jié)發(fā)電權(quán)交易執(zhí)行方式和影響因素的基礎(chǔ)上，基于隨機生產(chǎn)模擬方法建立了適用于自備電廠與風電企業(yè)發(fā)電權(quán)交易提升風電消納效果的中長期評估模型，提出了交易關(guān)鍵參數(shù)的優(yōu)化方案。通過仿真研究了發(fā)電權(quán)交易對增強系統(tǒng)消納能力的促進作用，得到了以下結(jié)論。
(1)實時運行中，發(fā)電權(quán)交易時段設(shè)置直接影響最大消納潛力，應(yīng)適當放開發(fā)電權(quán)交易時段限制。
(2)總體來看，發(fā)電權(quán)交易具有棄風緩解作用。降低發(fā)電權(quán)啟動交易風電理論功率閾值、增加最大交易功率均可增強消納提升作用，但效果提升緩慢，最理想工況(日內(nèi)運行 14 h、最大交易功率 3 000 MW、啟動交易風功率閾值 4 000 MW)下僅能將供暖季內(nèi) 1 月份的棄風率控制在 20% 水平。
本文所提方法能夠在規(guī)劃階段將發(fā)電權(quán)交易納入計算框架，并為后期運行中交易時段設(shè)計等關(guān)鍵參數(shù)優(yōu)化提供快速簡潔的試算方法，計算速度較常規(guī)生產(chǎn)模擬有明顯提升，提高了遠期市場機制設(shè)計與系統(tǒng)運行邊界確定的決策能力，也為市場參與方電量估算提供了參考信息。
參考文獻：
IRENA: Renewable capacity statistics 2018[R]. 2018. [1]張正陵. 中國“十三五”新能源并網(wǎng)消納形勢、對策研究及多情景運行模擬分析 [J]. 中國電力, 2018, 51(1): 2–9.ZHANG Zhengling. Research on situation and ermeasures ofnew energy integration in the 13th five-year plan period and its multi-scenario simulation[J]. Electric Power, 2018, 51(1): 2–9.[2]
PEI W, DU Y, DENG W, et al. Optimal bidding strategy and [3]intramarket mechanism of microgrid aggregator in real-timebalancing market[J]. IEEE Transactions on Industrial Informatics,2016, 12(2): 587–596.
胡朝陽, 畢曉亮, 王珂, 等. 促進負備用跨省調(diào)劑的華東電力調(diào)峰輔助服務(wù)市場設(shè)計 [J]. 電力系統(tǒng)自動化, 2019, 43(5): 175–182.
HU Zhaoyang, BI Xiaoliang, WANG Ke, et al. Design of peakregulation auxiliary service market for East China power grid topromote inter-provincial sharing of negative reserve[J]. Automationof Electric Power Systems, 2019, 43(5): 175–182.
[4]MOISEEVA E, HESAMZADEH M R, BIGGAR D R. Exercise ofmarket power on ramp rate in wind-integrated power systems[J].IEEE Transactions on Power Systems, 2015, 30(3): 1614–1623.
[5]XU R H, SONG Z X, TANG Q F, et al. The cost and marketability ofrenewable energy after power market reform in China: a review[J].Journal of Cleaner Production, 2018, 204: 409–424.
[6]華夏, 羅凡, 張建華, 等. 促進新能源消納的自備電廠發(fā)電權(quán)交易模式可行性探討 [J]. 電力系統(tǒng)自動化, 2016, 40(12): 200–206.HUA Xia, LUO Fan, ZHANG Jianhua, et al. Feasibility analysis oftrade mode promoting new energy consumption based on generationrights trade of self-generation power plants[J]. Automation of Electric
Power Systems, 2016, 40(12): 200–206.
[7]施泉生, 劉坤, 溫蜜. 基于區(qū)塊鏈技術(shù)的跨省發(fā)電權(quán)交易模型 [J].電力建設(shè), 2017, 38(9): 15–23.SHI Quansheng, LIU Kun, WEN Mi. Interprovincial generationrights trading model based on blockchain technology[J]. ElectricPower Construction, 2017, 38(9): 15–23.
[8]XUE B K, QI T X, ZHANG W, et al. Research on market biddingmechanism of generation rights trade for promoting new energyconsumption[J]. The Journal of Engineering, 2017, 2017(13):1378–1382.
何永秀, 宋棟, 夏天, 等. 基于合作博弈論的常規(guī)能源與新能源發(fā)電權(quán)置換交易模式研究 [J]. 電網(wǎng)技術(shù), 2017, 41(8): 2485–2490.
HE Yongxiu, SONG Dong, XIA Tian, et al. Mode of generation righttrade between renewable energy and conventional energy based oncooperative game theory[J]. Power System Technology, 2017, 41(8):2485–2490.
[10]張顯, 耿建, 龐博, 等. 發(fā)電權(quán)交易在中國節(jié)能減排中的應(yīng)用及分析 [J]. 電力系統(tǒng)自動化, 2014, 38(17): 87–90, 129.
ZHANG Xian, GENG Jian, PANG Bo, et al. Application andanalysis of generation right trade in energy-saving and emissionreduction in China[J]. Automation of Electric Power Systems, 2014,38(17): 87–90, 129.
[11]LIU Y X, ZHANG N, KANG C, et al. Impact of carbon market onChina's electricity market: an equilibrium analysis[C]//2017 IEEEPower & Energy Society General Meeting, July 16–20, 2017.
Chicago, IL. IEEE, 2017: 1–5.[12]LI S T, ZHANG S F, ANDREWS-SPEED P. Using perse market-based approaches to integrate renewable energy: experiences fromChina[J]. Energy Policy, 2019, 125: 330–337.
[13]王雁凌, 邱小燕, 許傳龍. 以節(jié)能降耗為目標的發(fā)電權(quán)交易阻塞管
理模型 [J]. 電網(wǎng)技術(shù), 2012, 36(6): 272–276.WANG Yanling, QIU Xiaoyan, XU Chuanlong. Congestionmanagement of generation rights trade based on energyconservation[J]. Power System Technology, 2012, 36(6): 272–276.
[14]于昌海, 吳繼平, 王運, 等. 適應(yīng)發(fā)電權(quán)交易的可再生能源有功控制策略 [J]. 電力系統(tǒng)自動化, 2017, 41(9): 71–76.
YU Changhai, WU Jiping, WANG Yun, et al. Active power controlstrategy for renewable energy generation adapted to generation righttrade[J]. Automation of Electric Power Systems, 2017, 41(9): 71–76.
[15]江岳文, 余代海. 面向“互聯(lián)網(wǎng)+”的風火發(fā)電權(quán)交易促進風電接納研究 [J]. 太陽能學報, 2019, 40(1): 249–258.JIANG Yuewen, YU Daihai. Research on power generation righttrading between wind farms and thermal units to promoteaccommodation of wind power through‘internet+'[J]. Acta EnergiaeSolaris Sinica, 2019, 40(1): 249–258.
[16]李海波, 魯宗相, 喬穎, 等. 基于非時序生產(chǎn)模擬的風電消納評估方法 [J]. 電力建設(shè), 2015, 36(10): 129–137.
LI Haibo, LU Zongxiang, QIAO Ying, et al. evaluation method ofwind power accommodation capacity based on non-sequentialproduction simulation[J]. Electric Power Construction, 2015, 36(10):
[17]129–137.吳少雷, 馮玉, 吳凱, 等. 基于交換卷積的含高比例新能源電力系統(tǒng)運行評估方法 [J]. 中國電力, 2019, 52(4): 25–31.WU Shaolei, FENG Yu, WU Kai, et al. Operation evaluation methodof high proportion renewable energy power system based on
exchange convolution[J]. Electric Power, 2019, 52(4): 25–31.
[18]LI Y, AGELIDIS V G, SHRIVASTAVA Y. Wind-solar resourcecomplementarity and its combined correlation with electricity loaddemand[C]//2009 4th IEEE Conference on Industrial Electronics andApplications, May 25–27, 2009. Xi'an, China. IEEE, 2009:3623–3628.
[19]ZHAO S J, XIE L, SINGH C. Cross-correlation study ofonshore/offshore wind generation and load in Texas[C]//2013 NorthAmerican Power Symposium (NAPS), September 22-24, 2013.Manhattan, KS, USA. IEEE, 2013: 1–5.
[20]馬彥宏, 姜繼恒, 魯宗相, 等. 基于隨機生產(chǎn)模擬的火電機組深度調(diào)峰提升新能源消納能力評估方法 [J]. 全球能源互聯(lián)網(wǎng), 2019, 2(1):35–43.
MA Yanhong, JIANG Jiheng, LU Zongxiang, et al. Assessmentmethod of conventional units with deep peak-shaving for renewableenergy accommodation based on probabilistic productionsimulation[J]. Journal of Global Energy Interconnection, 2019, 2(1):35–43.[21]
作者簡介：
徐昊亮 (1981—)，男，碩士，高級工程師，從事電力系統(tǒng)自動化、電網(wǎng)智能化規(guī)劃等方面研究，E-mail: 17523016@qq.com;
靳攀潤 (1985—)，男，碩士，高級工程師，從事電力系統(tǒng)繼電保護、智能電網(wǎng)規(guī)劃應(yīng)用等相關(guān)研究，E-mail:pf1091@163.com;
姜繼恒 (1994—)，男，通信作者，博士研究生，從事電力系統(tǒng)規(guī)劃研究，E-mail: jiheng1020@163.com;魯宗相 (1974—)，男，博士，副教授，從事風電/太陽能發(fā)電并網(wǎng)分析與控制、能源與電力宏觀規(guī)劃、電力系統(tǒng)可靠性、分布式電源及微電網(wǎng)研究，E-mail: luzongxiang98@tsinghua.edu.cn;
喬穎 (1981—)，女，博士，副研究員，從事新能源、分布式發(fā)電、電力系統(tǒng)安全與控制研究，E-mail: qiaoying@tsinghua.edu.cn。
評論