Page 100 - 2023年第54卷第8期

等多因素影响，在风光多年平均出力系数差异不大的前提下，二者斜率较大差异原因在于光伏日内波
动更大，弃电较风电更多。
４．２ 最优风光装机容量 将风光弃电率函数中的参数取值及表 ２中各经济技术参数代入式（７）中计算
最优风光装机容量得：风电最优装机为 １０６２ＭＷ，光伏最优装机为 １２６０ＭＷ，风电弃电率为 １９．９１％，
光伏弃电率为 ２５．９９％，最大经济效益为 ５２．３４亿元。
对该结果采用数值模拟优化的方法进行检验：对 表 ３ 最优装机容量比较
于每种 装 机 组 合 的 长 系 列 １９８０—２０１０年 共 ３１年 数 风电装机?ＭＷ 光伏装机?ＭＷ 净效益?亿元
据，采用滑动窗抽样方法抽取了 ２５年的调度数据输
解析优化 １０６２ １２６０ ５２．３４
入至成本—效益分析模型，获取了最优风光装机容量
数值优化 １１００ １３００ ５３．８９
和最大净效益值。两种方法及已有规划结果比较如表
已有规划 １２４０ １３９０
３，解析优化结果与数值优化相比误差为 ３．２６％，与
已有规划的风光装机数据也较为接近，表明该结果具有较强合理性，该解析方法行之有效。
４．３ 经济技术参数敏感性分析 在原有经济技术参数附近的区间内，绘制了最优装机容量与各经济技
术参数的关系曲线如图 ５。

图 ５ 最优装机与各经济技术参数关系

对于 式 （８）—（１１），为 比 较 不 同 经 济 技 术 表 ４ 敏感性分析结果 （单位：％）
参数对 装 机 容 量 和 互 补 系 统 净 效 益 的 敏 感 性， 变幅 最优风电装机 最优光伏装机 系统净效益
假设赋予各参数相较原参数相同变化幅度 １％，
＋ １ ＋ ３．０９ ＋ １．１８ ＋ ４．４１
上网电价
计算结果如表 ４。
－ １ － ３．１６ － １．２１ － ４．３４
对于最优装机，最敏感的参数是上网电价，
＋ １ － ２．３１ － ０．８１ － ２．３７
最不敏感的则 是运 维成本，装 机成本 和多 年 折 装机成本
－ １ ＋ ２．３１ ＋ ０．８１ ＋ ２．４１
现系数对装机容量的敏感性相同但呈现相反影
＋ １ － ０．８１ － ０．３９ － ０．９９
响。从表 ４知：风电上网电价增加 １％装机将增 运维成本
－ １ ＋ ０．８１ ＋ ０．３９ ＋ ０．９９
加 ３．０９％，运维成本增加 １％装机将减小０．８１％；
＋ １ ＋ ２．３１ ＋ ０．８１ ＋ ３．４０
光伏上网电价增加 １％装机将增加 １．１８％，运维 多年折现系数
－ １ － ２．３１ － ０．８１ － ３．３６
成本增加 １％装机将减小 ０．３９％，说明风电装机
— ９ ８ —
４