本文是一篇电力论文，本文针对大规模风电、光伏并网对电力系统运行以及电源结构变化的影响，提出了含EH的风电-光伏-光热联合系统运行优化与容量规划模型。
第1章 绪论
1.1 课题研究背景及意义
能源是保持国家经济持续稳步上升、国民生活日益趋向美好的基石，是提升我国综合国力必不可少的一支重要力量。当前，随着我国社会经济的高速发展以及人民生活水平的日益提高，能源需求也呈现出飞速增长的趋势，但大力开采以煤炭、石油为主的不可再生能源无异于杀鸡取卵、竭泽而渔，显然不符合我国可持续发展战略。另外，不可再生能源的大量使用还会产生SO2、CO等有害气体进而形成酸雨，其产生的CO2还会造成全球气温上升，使得生态平衡遭到了严重的破坏。在此严峻的形势下，以风光为主的可再生能源得到了人们的青睐，风能、太阳能等可再生能源逐渐代替传统能源进行发电已是大势所趋[1]。
图1.1为2013-2022年我国风电、光伏累计装机容量，截至2022年12月底，我国风电装机容量约3.7亿kW，同比增长11.2%，光伏装机容量为3.9亿kW，同比增长28.1%，其中，光伏装机容量首次超过了风电[2]。风电、光伏发电具有清洁、可再生等特点，其大规模并网可以有效解决我国能源与环境问题，但风光出力的不确定性会对电网造成一定的冲击，在一定程度上制约了风电、光伏发电的发展，同时也增加了常规机组的调峰压力[3]。
1.2 国内外研究现状
1.2.1 风光-负荷不确定性分析研究现状
风光-负荷不确定性会影响电源规划结果的普适性，对其不确定性进行分析和处理是研究电源容量规划问题的前提条件。其分析方法主要有以下三种：第一种为直接根据风光-负荷出力预测值与实际值之间的误差概率分布情况进行描述[7]。第二种则是假设风速、光辐照度以及负荷日前预测值与真实值误差符合正态分布，然后通过正态分布对误差进行采样来描述风光-负荷不确定性[10]。第三种为场景分析法，该方法从统计学的角度出发，首先，对大量历史数据进行分析，并用抽样的方法生成风速、光辐照度以及负荷初始场景集，然后，通过聚类分析对初始场景进行削减[13]。
前两种方法均通过对预测误差进行处理来分析风光-负荷不确定性，但是，预测技术在长时间尺度下具有一定的局限性，此类方法多用于短期运行优化问题。场景分析法可以通过历史数据来模拟风光-负荷全年出力情况，多用于长时间尺度电源规划问题。在场景分析法中，大多认为风速、光辐照度、负荷概率性分布分别符合Weibull分布、Beta分布、正态分布，并结合风光-负荷历史数据便可生成初始场景，将风光-负荷不确定性通过足够多的场景确定化表示，然后通过场景削减方法对初始场景进行削减。通过削减后的风光-负荷典型场景来对电源进行规划，可以同时兼顾规划结果的准确度以及求解速率[16]。
第2章 风电-光伏-光热-电加热以及负荷运行特性分析
2.1 风电运行特性分析
2.1.1 风电出力建模
风力发电系统主要由叶片、风轮、交流发电机、整流器、逆变器等构成，其基本原理是风力推动风机叶片转动获得机械能，然后通过交流发电机将机械能转化为电能，再通过整流器、逆变器等设备对电能质量进行优化，最终给负荷供电。
风电出力主要取决于风速，其出力大小随着风速的随机性而具有波动性、不确定性等特点。风电不确定出力模型主要根据以下两个步骤建立：（1）选择合适的风速概率分布模型，并通过实际数据对风速进行随机模拟；（2）根据风速-功率输出方程计算风电功率。
2.1.2 风电出力特性
风速是决定风电出力大小的主要因素，风速的大小随着天气、地域等不确定因素的影响无时无刻都在发生变化，使得风电出力体现出较强的随机性、波动性、间歇性。通过全年风速历史数据与风电典型日出力曲线，可全面分析风电不确定出力特性。
2.2 光伏发电运行特性分析
2.2.1 光伏发电出力建模
光伏发电系统主要由光伏列阵、控制器、变换器、逆变器等组成。其基本原理是光伏板通过光生伏特效应将太阳辐射能转化为直流电，然后通过变换器使得光伏电池保持工作在最大功率点，再通过逆变器将直流电转化为交流电供负荷使用，其中，控制器主要起控制和保护作用。
光伏出力主要取决于光辐照度，其出力大小随着光辐照度的随机性而具有波动性、不确定性等特点。光伏发电不确定出力模型主要根据以下两个步骤建立：（1）选择合适的光辐照度概率分布模型，并通过实际数据对光辐照度进行随机模拟；（2）根据光辐照度-功率输出方程计算光伏发电功率。
2.2.2 光伏发电出力特性
光辐照度是决定光伏出力大小的主要因素，光辐照度的大小受天气、时段(白天、夜晚)等因素的影响波动不断，使得光伏出力体现出较强的不确定性。通过全年光辐照度历史数据和光伏典型日出力曲线，可全面分析光伏不确定出力特性。
第3章 含EH的风电-光伏-光热联合系统运行优化研究 .................. 17
3.1 多源联合发电系统运行框架 ....................... 17
3.2 含EH的风电-光伏-光热联合系统运行优化模型 ...................... 18
第4章 考虑时序相关性的风光-负荷不确定性分析 ........................... 34
4.1 场景分析理论 .......................... 34
4.2 基于时序相关特性的风光-负荷场景生成 ................ 34
第5章 含EH的风电-光伏-光热联合系统容量规划研究 .................. 43
5.1 规划思路 .......................... 43
5.2 含EH的风电-光伏-光热联合系统容量规划模型 ...................... 44
第5章 含EH的风电-光伏-光热联合系统容量规划研究
5.1 规划思路
对电源容量进行规划时应遵循“瞻前顾后”的理念，“瞻前”是指从长时间尺度出发，以年为单位对各电源容量进行合理配置“；顾后”是指从短时间尺度出发，以一天24个时段为单位，对各机组出力情况进行合理调度。增加新能源装机容量，虽然会减小联合发电系统运行成本，但会产生大量的建厂成本；而新能源装机容量过小又会增加系统运行成本。因此，电源容量规划是一个投资和运行相互博弈的过程，可采用双层规划的方法，通过上下层之间的相互迭代实现二者之间的相互平衡。
基于以上，本文电源容量双层规划思路如图5.1所示。上层为规划层，以各电源年等值投资成本之和最小为目标，各电源装机容量以及总投资成本上限为约束建立容量规划模型，模型中引入风电、光伏电站、CSP电站装机容量、EH容量以及太阳倍数、储热时长作为决策变量；下层为运行层，以各典型场景下运行成本加权和最小为目标，第3章所介绍的运行层面上的约束为限制条件建立运行优化模型，并选取各电源出力值作为决策变量。其中，上层为下层提供容量规划方案，下层为上层提供运行方案。另外，本文所建双层规划模型假定各电源并网节点已知，仅对各节点电源容量进行规划。
结论与展望
结论
本文针对大规模风电、光伏并网对电力系统运行以及电源结构变化的影响，提出了含EH的风电-光伏-光热联合系统运行优化与容量规划模型。从运行层面来讲，通过CSP电站的灵活性与可调度性来调节多源联合系统出力大小，优化各电源出力情况，提高多源联合系统并网性能。然后，在此基础上，对各电源装机容量进行合理规划，建立了含EH的风电-光伏-光热联合系统容量规划模型，用以更大程度上提高多源联合系统并网性能。本文主要研究内容与结论如下：
（1）分析了风电、光伏发电、光热发电、EH基本原理，建立了风电、光伏发电以及负荷需求不确定模型以及含EH的CSP电站简化能量流模型，并对其运行特性进行了分析，为后文研究多源联合系统运行优化与容量规划问题提供了理论基础。
（2）建立了含EH的风电-光伏-光热联合系统运行优化模型，模型中引入了火电机组发电成本、光热机组发电成本、弃风/光成本、各机组运维成本以及新能源并网效益。在模型求解方面，通过分段线性化、松弛变量理论将所建模型转化为MILP模型，并调用CPLEX求解器求解。算例结果表明：含EH相比不含EH的CSP电站可以更进一步提高CSP电站灵活性，有效的降低了火电机组煤耗成本、调峰成本、弃风/光成本，提高了新能源消纳能力。
（3）将场景分析方法应用到风光-负荷不确定性分析中，通过LHS抽样构建考虑时序相关特性的风光-负荷初始场景集，然后采用K-CFSFDP聚类算法对风光-负荷初始场景进行削减，该算法通过CFSFDP聚类算法客观选取初始聚类中心，解决了K-means聚类算法初始聚类中心选取的主观性缺陷。实验结果表明，K-CFSFDP聚类算法在收敛性和聚类效果方面均优于K-means聚类算法。
参考文献（略）
