Page 31 - 2022年第53卷第11期

法验证，计算时间尺度为 １５ｍｉｎ，数据采集范围为 ２０１７年 １月 １日至 ２０１９年 １２月 ３１日。选取 ２０１９
年枯、汛期典型日进行仿真计算，利用典型日所属月份的实际出力构建风光电站集群概率分布函数，
模型输入中的水库始末水位、区间径流、出力上下限、爬坡能力等均为电站实际参数。表 １给出了各
电站的基本情况。为验证本文方法，将风光装机容量占比提升为 ３０％进行模拟分析。
表 １ 电站属性

电站编号 电站 １ 电站 ２ 电站 ３ 电站 ４ 电站 ５ 电站 ６
装机容量?ＭＷ ９００ ４２００ １６７０ １３５０ ５８５０ １７５０
正常高水位?ｍ １３０７．００ １２４０．００ ９９４．００ ８９９．００ ８１２．００ ６０２．００
调度期初水位?ｍ １３０４．４８ １２０６．０７ ９９０．６２ ８９４．６６ ７９７．３１ ５９８．８７
调度期末水位?ｍ １３０４．４９ １２０６．０５ ９９０．０２ ８９４．４１ ７９７．１５ ５９８．６５

３．２ 风光电站集群灵活性需求量化 为避免风光电站装
机变化的影响，采用出力率（出力与装机的比值）代替出
力数据构建各集群的概率分布函数，并采用上文方法量
化风光电站集群 的灵 活性 需求。以某 集群 为 例，采 用分
位点划分出力区间，结果如图 ４所示。可以看出，上下两
侧区间较宽、中 间 较 窄，符 合 各 时 段 出 力 的 分 布 特 征。
接着取各区间的中心线代表出力区间，得到一系列出力
场景，结果见图 ５。出力曲线两侧稀疏、中间密实，表明
图 ４ 集群出力区间划分结果
出力曲线位于中间的概率明显大于两侧，能够合理描述
电站集群的出力不确定性。最后计算灵活性需求，将灵活性下调需求取相反数与上调需求绘于图 ６，
可以看出，灵活性上调需求与下调需求呈互补状态，上调需求较大时，则下调需求较小，反之亦反。

图 ５ 集群出力场景 图 ６ 出力灵活性调节需求

３．３ 不同来水条件对灵活性的影响 云南电网的灵活性
调节电源主要为水电，考虑到水电的调节能力与来水有
很大关系，因此选取枯、汛期两个典型日分别分析。结
果显示，枯期典型日的灵活性不足期望约 ２６ＭＷ，汛期
典型日的灵活性不足期望为 ０。图 ７给出了枯期典型日
灵活性调节能力图。可以看出，灵活性上调供给能力为
水平直线且与水电机组的爬坡能力相当，表明在枯期灵
活性上调供给能力主要取决于水电机组的爬坡能力；灵
图 ７ 枯期典型日灵活性调节能力图
活性下调供给能力在 ０∶００—７∶３０、１４∶００—１７∶００时段
区间内较小，原因是该时段内水电出力较小，最大下调空间即为电站出力，因此灵活性下调供给能力
主要受水电出力大小影响；在 ７∶３０—１４∶００、１７∶００—２４∶００时段区间内灵活性下调供给为水平直线，
表明该时段区间内灵活性下调供给能力主要由水电机组的爬坡能力控制。

２
— １ ９ ７ —