该文受国家重点研发计划资助项目（2016YFB0900100）、国家自然科学基金项目（U1766201）；国家电网公司科技项目（5202011600UF）资助。

原文发表在《全球能源互联网》2019年第1期，欢迎品读。

作者：徐唐海1，2，鲁宗相2，乔颖2 ，安军1

单位：1. 东北电力大学电气工程学院；2. 电力系统及发电设备控制和仿真国家重点实验室（清华大学电机系）

在未来高比例可再生能源场景下，风电、光伏的波动性和不确定性将超过负荷成为系统不确定的主要来源，需要大量的灵活性资源。灵活性资源选取单一和以净负荷包络线为基础的电源投资决策方法的不当将造成资本搁置或者严重的弃风/光。如何在电源规划中全面评估电力系统源荷储多类型资源的灵活调节潜力并作为优化决策变量纳入到规划模型中，有效控制弃风/比例，成为中长期电源规划的热点问题。

随着风电、光伏的发展，目前已有不少电源规划研究者关注风电、光伏接入系统的影响并探讨灵活性问题，但仍存在一定的局限性，已有研究的主要基本思路都是对以净负荷包络线式的经典电源规划方法进行改进，针对某一类灵活性资源进行规划。但在未来高比例可再生能源场景下，源荷双侧极大的不确定性、波动性需要源—荷—储全环节的灵活性资源协调方可保障其安全稳定运行，而考虑单一类型灵活性资源的规划模型和典型场景后校验式的包络线式规划方法都无法较好适应这一未来场景。

在考虑国家能源电力发展政策等约束，以及不同发展阶段各类技术的成本变动趋势下，引入灵活性指标量化评估源荷储多类型灵活性资源的调节潜力并作为优化决策变量纳入到规划模型中，从而建立以全周期投资成本最小化为目标的高比例可再生能源电源规划模型。通过电源投资决策、生产模拟和灵活性评估3个模块，建立完整的规划求解流程，实现单位投资改善灵活性指标最优的电源规划方案求解。

3.1 基于灵活性定量评估的电源优化规划总体框架

本文构建的电源优化规划总体框架主要由投资决策、生产模拟和灵活性定量评估3个模块组成，如图1所示。首先，该框架通过将生产模拟与灵活性定量评估模块结合的方式解决当前电源规划模型中无法量化系统灵活性供需能力的问题，对典型场景后校验式评估系统灵活性调节能力的方法进行改进，然后利用灵活性定量评估指标量化源荷储多类型灵活性资源调节潜力并作为优化决策变量纳入到规划模型中，根据单位投资改善灵活性指标的大小为依据调整投资决策方案，将多类型灵活性资源与常规电源进行协调规划，改变当前仅考虑单一类型灵活性资源的规划模型。

⬆ 图1 优化规划总体框架

3.2 源荷储多类型灵活性资源协调的高比例可再生能源电源规划模型

1) 投资决策函数。

以系统投资建设成本最少为目标函数。

2) 综合生产模拟运行成本函数。

以系统运行成本最少为目标函数，包括机组维护成本、运行成本和碳排放成本。

3.3 多类型灵活性资源规划算例分析

以东北某省级电网作为算例，进行2050年远期规划。考虑火电灵活性改造、储能和需求响应（demand respond，DR）三类灵活性资源。

表1 多类型灵活性资源规划结果

⬆ 图2 投资决策优化结果

2020年采用政策规划场景，不做优化。通过对表1和图2分析可知：2020、2030年和2050年的电源装机容量分别为34877、46831MW和67233 MW。其中火电装机容量占比由2015年的66%降为2050年的28%；RE装机容量由17%增长到55%，成为装机增长最快的主体。由于以东北某省为算例，其光伏相对于风电不具有竞争力，因此RE新增装机又以风电为主体。同时2050年RE能源发电量占比由2020年的18.15%增长到48.87%，RE由辅助供能变成主要的供能者；火电发电量占比从2020年的62.51%降至2050年的39.16%，实现了火电从主体供能变成辅助供能的功能角色转变。对弃风/光率值E_REC(MWh)和LDFE(MW)指标分析可知其具有线性关系。

3.4 单一类型灵活性资源规划对比算例分析

构建一个考虑单一类型灵活性资源—储能的规划模型与考虑源荷储多类型灵活性资源协调的规划模型进行对比，得到如表2所示结果。通过对表1与表2结果进行分析可得：相对于单一类型灵活性资源规划模型，多类型灵活性资源规划模型具有明显的经济效应，在2030、2050年时间节点中，分别减少投资35.43亿、165.54亿元，相对减少7.43%、9.72%的成本，同时减少火电、储能的新增装机容量。

表2 单一类型灵活性资源规划结果

同时对两算例中的储能运行状态分析，得到表3所示的储能损耗数据和图3所示的储能功率充放电分布。

表3 储能损耗电量

⬆ 图3 储能充放功率分布

在多类型灵活性资源规划模型中，储能在4700MW功率附近进行充放电频率较多，储能接近满充满放，而在单一类型灵活性资源规划模型中，储能装机容量10100MW，而充放电功率大于6000MW的频率较低，继续提高的储能规模主要承担起消纳风/光极端出力和满足尖峰负荷的小概率事件，主要发挥容量价值的功能。单一类型灵活性资源规划模型中的储能装机容量是多类型灵活性资源规划模型的2.19倍，而转移能量为1.62倍，验证了系统中储能装机规模达到一定上限后，再新增储能将导致资产搁置。

3.5 灵敏度分析

弃风/光率的上限设定将很大程度影响灵活性资源的投建规模和系统投资成本，因此需进一步分析不同弃风/光率对规划结果的影响，弃风/光率灵敏度分析如图4所示。

⬆ 图4 弃风/光率灵敏度分析

对2050年的弃风/光率上限分别设置为6%～10%，分析可得：

1）投资成本随着弃风/光率的变化呈现“U”字形的变化趋势，经济性和弃风/光率之间存在一个平衡点。

2）在不同的弃风/光率下，火电灵活性改造始终达到改造上限，而储能和DR将发生不同的变化，因此在本算例的场景参数下可知，相对储能和DR，火电灵活性改造是较好的措施。同时考虑火电机组未来发展前景存在较大争议，可通过增加少量成本，减少火电新增装机，选择偏于保守一点的规划方案，如弃风/光率为7%时，投资成本为1536.4亿元，火电为18781MW; 8%时，投资成本为1536.0亿元，火电为19153MW,相对8%而言，投资新增0.4亿元，火电装机可减少372MW。

灵活性定量评价指标可以衡量大规模可再生能源接入下电力系统灵活性供需平衡能力，通过投资决策、生产模拟和灵活性评估3个模块可实现单位投资改善灵活性指标最优的电源扩展规划方案。同时相对单一类型灵活性资源规划模型，多类型灵活性资源规划模型不仅能够减少投资成本、能源消耗，而且能减少新增装机容量和提高资源利用效，并且在进行未来高比例可再生能源的远景电源规划时，需要考虑合理的弃风/光率，以平衡经济性。

 研究团队