考虑多元互动发展的电网演化路径分析模型及实证分析_季节.pdf

第 44 卷第 7 期2023 年 7 月电力建设Electric Power ConstructionVol.44No.7Jul 2023http:/www cepc com cn基金项目:国网华北分部规划咨询项目“3060 碳目标下电力系统形态演化研究”考虑多元互动发展的电网演化路径分析模型及实证分析季节1，鲁宗相2，梁明亮1，李海波2，李付强1，蒋宗南2(1 国家电网有限公司华北分部，北京市 100053;2 清华大学电机工程与应用电子技术系，北京市 100084)摘要:未来电网的演化将由负荷驱动的单一模式转变为源荷双驱动模式，亟需多样化灵活性资源多元互动发展实现高比例可再生能源愿景，而演化驱动的有效辨识及演化路径的综合优选可明确未来电网的发展方向及指导具体实施路径的构建。文章首先从技术成熟度及潜力、能源成本方面分析电网演化面临的不确定性，提出海量演化路径生成方法。然后提出数据驱动的演化路径分析方法，包括路径降维与可视化、基于时变模式的驱动因素辨识、基于帕累托前沿的最优路径建议生成。最终以我国华北地区为例分析了高比例可再生能源电网的演化路径。分析结果表明，未来华北地区光伏逐步超越风电成为最主要发电资源，2060 年碳排放量较 2030 年将下降 81%;影响演化各层面的主要因素基本相同，但各因素之间相对重要程度略有不同，在经济和环境层面，最重要的影响因素是煤炭价格，电池储能最大可投资容量是技术层面的主要影响因素。为实现兼顾低成本和低碳排的演化路径，应努力降低可再生能源和电池储能单位投资、煤炭价格，提高电池储能配置上限。关键词:灵活性资源;演化不确定性;海量演化路径;路径可视化;驱动因素辨识;最优路径Analysis Model and Empirical Analysis of Power Grid EvolutionPath Considering Multiple Interactive DevelopmentsJI Jie1，LU Zongxiang2，LIANG Mingliang1，LI Haibo2，LI Fuqiang1，JIANG Zongnan2，(1 North China Branch of State Grid Corporation of China，Beijing 100053，China;2 Department of Electrical Engineering，Tsinghua University，Beijing 100084，China)ABSTACT:Power grids in the future will evolve from a single mode driven by a load to a dual-driven mode of a powersource and a load Diversified and flexible resources are urgently required for multiple interactive developments to realize ascenario with a high proportion of renewable energyThe effective identification of evolution-driven paths and thecomprehensive optimization of evolution paths have an important guiding significance for clarifying the development directionof future power grids and constructing specific implementation paths This study analyzed the uncertainty faced by power gridevolution from the aspects of technological maturity，potential，and energy cost and proposed a method for generatingmassive evolution pathsSubsequently，a data-driven evolution path analysis method was proposed，including pathdimensionality reduction and visualization，driving factor identification based on time-varying patterns，and optimal pathproposal generation based on the Pareto frontier Finally，the evolution path of a high-proportion renewable energy systemwas analyzed using North China as an example The analysis results indicated that photovoltaics in North China willgradually surpass wind power to become the most important power generation resource in the future and that carbon emissionsin 2060 will be 81%lower than those in 2030 The relative importance of each factor differed marginally At the economicand environmental levels，the most important factor was the price of coal，while the maximum investable capacity of batteryenergy storage was the main factor at the technical level Efforts should be made to reduce unit investment in renewable andbattery energy storage and coal prices and increase the upper limit of battery energy storage allocation to achieve anevolutionary path that considers both low cost and low carbon emissionsKEYWODS:flexibility resources;evolution uncertainty;massive evolution paths;path visualization;driving factoridentification;optimal path中图分类号:TM715文献标志码:A文章编号:1000 7229(2023)07 0057 13DOI:10.12204/j issn.1000 7229.2023.07.007电 力 建 设第 44 卷http:/www cepc com cn0引言电网的发展演化是一个纵贯几十年的远期问题，且诸多内外因素都将参与到演化发展中，这决定了电网的演化将会面临诸多不确定性因素，这些因素不仅在每个时间断面具有不确定性，其随时间的发展变化也具有强不确定性。如何在这种远期深度不确定性下辨识演化的关键驱动因素、判别演化路径，成为十分具有挑战的问题。在当前气候变化危机背景下，能源清洁化转型发展的外驱力改变了电力系统技术内驱主导的发展模式，电网中长期发展演化面临更复杂的因素、更多变的路径和可能的情景，建立综合考虑多元互动发展的电网演化路径分析方法迫在眉睫。在应对未来发展不确定性方面，现有研究主要从两个维度进行分析，首先是确定若干典型发展场景，其数量一般不会太多。一般按照可再生能源的比例1-2、电网互联与否或互联程度3-4、电力系统是否与其他能源系统耦合5 等核心指标确定典型场景，也有按不同技术占主导地位6-7、技术最优和经济最优的不同目标8 等判据设定情景。其次是对一项或几项关键输入参数进行敏感性分析，假设其在一定合理范围内变化，探究系统演化发展与该参数之间的变化关系。在技术参数方面，对发电技术的成本参数进行敏感性分析最为普遍9-10，部分文献将可再生能源的比例作为输入条件，并对其进行敏感性分析11-12，以确定最优可再生能源比例。在市场参数方面，主要针对二氧化碳的排放价格进行敏感性分析8，也有文献对贴现率进行敏感性分析13。而在气候参数方面，全局灵敏度方法14-15 正在被逐步采用，其通过对大量不确定性因素采样并对应生成海量演化路径进行分析，可以以全局视角分析未来演化路径。但仍有不少技术问题未被很好解决，例如风、光资源的强随机波动性也使得需要分析的典型场景数量骤增，计算负担呈现数量级的增长;仅仅分析单一数据断面的输入输出关系的灵敏度分析方法无法考虑演化路径的时序变化模式，对未来真实演化过程的拟真度有限。风、光等波动电源大发展带来了对系统灵活性资源的迫切需求，但对灵活性供需平衡的分析是近年来才兴起的热点，探索的研究点多但都还有待深入。文献 16 研究了水电和储能的地位但忽略了对需求侧灵活性资源的考虑。文献 17 研究了储能和需求侧响应在演化中的作用，但忽略了对电源侧机组灵活性改造的分析18。上述研究往往仅关注部分环节的灵活性资源，缺乏对多环节灵活性资源的完整考虑，难以定量、横向地将所有环节灵活性资源进行综合全面的比较，缺乏对灵活性资源作用的完善认知。综上所述，传统以预设多离散场景划定未来系统大致的发展路径的方法受人为因素影响较大，难以保证预设场景的典型性，无法从全局视角分析系统演化。伴随着灵活性资源在系统中的地位逐渐显著，传统演化研究鲜有在多元灵活性资源参与下进行源荷储多环节横向的定量分析与比较，也少有研究对灵活性资源随时间的纵向演化进行定量分析。本文首先对多元参与的电网演化路径进行基于协同共生理论的定义，分析远期深度不确定性影响因素，并提出海量演化路径生成方法。进一步提出数据驱动的演化路径分析方法，包括路径降维与可视化、基于时变模式的驱动因素辨识、基于帕累托前沿的最优路径建议生成。最后以我国华北地区为例开展实证分析，探索我国的高比例可再生能源电网的演化路径。1多元参与的电网演化远期深度不确定性分析1.1多元参与的电网协同演化模型随着未来高比例可再生能源电力系统的特性变化，灵活平衡能力成为系统安全稳定运行的核心，而考虑市场运营机制与源网荷储多对象参与的多向交互影响使得电力系统运行特性呈现多元化趋势。电网的形态演变是在多种驱动力共同作用下的动态过程，这些驱动力相互之间在所有时间断面和物理量组成的集合为多元参与的电网演化路径的定义，在融合电网的共生协同演化建模及稳态分析的基础上，以电网的演化形态为对象，阐述电网演化过程中各类因素对电网演化最终结果的影响，具有普适性。则多元参与的电网协同演化模型如式(1)所示:3651d1dt=365t=1(r+g)1(t)1 1(t)N+ni=2i1i(t)(1)式中:1(t)表示 t 时刻电网的种群数量，即研究演化电网的规模;d1/dt 表示电网的发展趋势;r 表示自然增长率;g 表示外部激励;N 表示电网的理论最大规模;i1i(t)表示第 i 个参与电网演化的物理量对电网的共生协同影响。其中，自然增长率 r 的主要权重因素为电网的技术成熟度、技术潜力和电力市场;外部激励 g 的关键影响因素为体制机制、公共战略因素和相关