编者按
高比例可再生能源并网成为新型电力系统的重要特征。风电发电的随机性和间歇性特征显著增加了新型电力系统的额外运营成本。现有的风电成本计算体系中通常不考虑风电波动性引起的额外运行成本，不利于大规模新能源并网场景下的风电经济性研究。
本研究提出一种适应各类风电波动过程的电力系统运行成本模型，基于数据驱动模型实现不同风电功率波动类型与电力系统和火电机组运行成本之间的精准映射。结果表明，本文提出的方法对电力系统整体仿真运行成本和火电厂运行成本具有较高的仿真精度，仿真误差分别为4%-18%和3%-13%，验证了该方法的有效性。
本文由：华北电力大学新能源学院教授阎洁，华北电力大学新能源学院博士生刘杉，华北电力大学新能源学院讲师闫亚敏，北京大学城市规划与设计学院助理教授张浩然，华北电力大学新能源学院博士梁超，浙江海洋大学副教授王博弘，华北电力大学新能源学院教授刘永前，华北电力大学新能源学院教授韩爽合作完成。
引言
高比例可再生能源并网极大影响了新型电力系统运行经济性。然而，现有的电力系统运行成本计算模型忽略了可再生能源发电随机波动性对电力系统及其他常规机组运行方式和运行经济性的影响。因此，精细量化风电波动性对电力系统运行经济性的影响具有重要意义。为此，本文研究了风电波动引起的不确定性对电力系统运行的影响，并通过数据驱动模型对考虑风电波动性的电力系统运行成本进行建模，分析了复杂的风电波动场景对新型电力系统运行经济性的影响。
论文的主要贡献如下：
（1）提出基于可变时间窗的双层风电功率波动聚类方法，划分具有代表性的四种风电功率波动类型。
（2）建立新能源电力系统生产模拟模型，精确量化不同风电波动场景下的电力系统运行经济性参数，为研究风电波动与电力系统运行成本之间的规律提供数据依据。
（3）建立基于深度神经网络的风电功率波动与电力系统运行成本之间的映射模型，准确计算电力系统总运行成本和火电机组运行成本。
图示情况
本文提出了一种考虑不同类型风电波动的数据驱动的电力系统成本模型。采用数据驱动方法的电力系统运行成本模型的技术路线如图1所示，它分为三个部分：（1）针对变时间序列的风电功率波动的划分方法；（2） 新能源电力系统仿真模型；（3） 基于深度神经网络的电力系统运行成本模型。
以某风电场实际运行数据为例，验证风电功率波动聚类模型，四类风电功率波动过程的聚类结果如图2所示。由图可知，所提出的双层分类方法可以在不受波动过程时间长度影响的条件下，有效将具有相似波形的功率过程提取出来。
以德国电力系统运行参数为例，构建电力系统生产模拟模型，并在各个季节中随机选取一个典型日。据此计算各个季节的系统总运行成本、火电运行成本、储能运行成本和备用成本，对比不同风电功率波动条件下电力系统运行经济性。四个季节下的火电、风电和储能系统的运行曲线如图3所示。
针对四个风电功率波动类型分别建立了数据驱动的电力系统总运行成本和火电机组运行成本计算模型。图4，图5分别展示了不同类型波动下电力系统总运行成本和火电机组运行成本模拟结果。由所得结果可以看出所提模型能够准确模拟不同季节、不同风电功率波动类型下电力系统总运行成本和火电机组运行成本的变化趋势，各个场景下的模拟误差分别在4%-18%和3%-13%，证明所提模型具有良好的模拟精度和泛化性。
总结
本文提出了数据驱动的风电并网成本计算方法，建立了适应于不同风电波动过程的电力系统运行成本模型为了准确量化不同风电功率波动过程对风电并网成本的影响，首先提出了风电功率波动类型双层划分方法， 能够同时考虑风电功率时间序列的整体波形和波动细节特征进行聚类，提高聚类效果。然后，建立了针对各类风电波动过程的电力系统生产模拟模型，获得不同风电波动场景下的电力系统运行经济性参数，为数据驱动的成本建模提供训练样本集。最后，基于深度神经网络建立了风电功率并网比例、波动特征参数与电力系统运行成本之间的非线性映射关系，并通过德国电网运行数据验证了所提方法的有效性和合理性。
文章信息
A data-driven model for power system operating costs based on different types of wind power fluctuations
Jie Yan, Shan Liu, Yamin Yan*, Haoran Zhang, Chao Liang, Bohong Wang, Yongqian Liu, Shuang Han
Journal of Environmental Management
DOI:https://doi.org/10.1016/j.jenvman.2023.119878
链接: https://www.sciencedirect.com/science/article/pii/S030147972302666X