大規(guī)模風(fēng)電接入電力系統(tǒng)備用決策評述

薛志英，周 明，李庚銀

（新能源電力系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室（華北電力大學(xué)），北京 102206）

0 引言

風(fēng)電作為替代化石燃料發(fā)電且具有規(guī)?；_發(fā)前景的可再生能源發(fā)電的代表，其接入系統(tǒng)的規(guī)模越來越大。風(fēng)電具有較強(qiáng)的隨機(jī)波動(dòng)性，大規(guī)模風(fēng)電接入大大增加了系統(tǒng)的不確定性。2008年2月~11月，新疆地區(qū)風(fēng)電在30 min內(nèi)出力波動(dòng)超過9萬kW達(dá)到347次[1]。2011年1月~8月，全國共發(fā)生193起風(fēng)電機(jī)組脫網(wǎng)事故，其中，一次損失出力10~50萬kW的54起，一次損失出力50萬kW以上的12起[2]。如此大的功率波動(dòng)對系統(tǒng)的安全、可靠運(yùn)行提出了挑戰(zhàn)。

充足有效的備用是電力系統(tǒng)應(yīng)對各種不確定性因素，實(shí)現(xiàn)安全可靠運(yùn)行的保障。風(fēng)電功率在不同時(shí)間尺度上的波動(dòng)性、反調(diào)峰特性增加了系統(tǒng)調(diào)頻、調(diào)峰和發(fā)電調(diào)度的難度[3]。根據(jù)對東北、蒙西和吉林電網(wǎng)2009年的統(tǒng)計(jì)，其風(fēng)電反調(diào)峰概率分別為60%、57%和56%。東北電網(wǎng)一年期間峰谷差增大的時(shí)間達(dá)到210天，且多次出現(xiàn)由于調(diào)峰容量不足在低負(fù)荷時(shí)段不得不棄風(fēng)的現(xiàn)象。空間上，我國風(fēng)電基地大多遠(yuǎn)離負(fù)荷中心，當(dāng)大規(guī)模風(fēng)電集中接入、遠(yuǎn)距離傳輸時(shí)，風(fēng)電功率的不確定性增加了潮流的不確定性，給系統(tǒng)的備用配置帶來困難。

大規(guī)模風(fēng)電接入在時(shí)間和空間尺度上給系統(tǒng)備用決策帶來了新問題，而常規(guī)的決策方法已難以適用。近年來，這一問題已成為研究的熱點(diǎn)。大規(guī)模風(fēng)電接入系統(tǒng)的備用決策不僅是系統(tǒng)安全、可靠運(yùn)行的保障，也是實(shí)現(xiàn)有效接納風(fēng)電、優(yōu)化資源配置的關(guān)鍵。

本文首先總結(jié)了風(fēng)電接入對電力系統(tǒng)備用決策的影響因素。然后，在常規(guī)電力系統(tǒng)備用決策方法的基礎(chǔ)上重點(diǎn)梳理和對比計(jì)及風(fēng)電影響的備用決策方法。從電源側(cè)和需求側(cè)兩個(gè)方面深入探討了風(fēng)電接入系統(tǒng)的備用配置問題，指出風(fēng)、火等多電源打捆和電動(dòng)汽車等儲(chǔ)能設(shè)備以及其他新技術(shù)在解決備用配置問題中的應(yīng)用潛力。最后，綜合風(fēng)電特點(diǎn)及其對系統(tǒng)的影響和備用在系統(tǒng)中的本質(zhì)作用，提出了對于備用的廣義理解。

1 大規(guī)模風(fēng)電接入電力系統(tǒng)備用決策需考慮的因素

1.1 系統(tǒng)可靠性要求

電力系統(tǒng)可靠性是對電力系統(tǒng)按可接受的質(zhì)量標(biāo)準(zhǔn)和所需數(shù)量不間斷地向用戶供應(yīng)電力和電能能力的度量[4]。從運(yùn)行的角度，充足的備用是應(yīng)對各種不確定性因素、保證系統(tǒng)可靠運(yùn)行的根本手段，而風(fēng)電的接入增加了系統(tǒng)運(yùn)行的不確定性，因此，大規(guī)模風(fēng)電接入電力系統(tǒng)的備用決策需要協(xié)調(diào)考慮風(fēng)電接入與可靠性之間的關(guān)系[5]。

風(fēng)電出力隨機(jī)波動(dòng)又難以準(zhǔn)確預(yù)測和調(diào)控，影響了發(fā)電系統(tǒng)可靠性。為了維持系統(tǒng)的可靠性，需要其他形式的電源為其充當(dāng)備用，而備用的多少則與系統(tǒng)整體可靠性水平相關(guān)。網(wǎng)絡(luò)方面，我國的風(fēng)電基地大都遠(yuǎn)離負(fù)荷中心，風(fēng)電需要遠(yuǎn)距離傳輸，且風(fēng)電的不確定性會(huì)引起潮流的不確定，增加了發(fā)生阻塞的可能。因此，大規(guī)模風(fēng)電接入影響了輸電系統(tǒng)可靠性，也是備用決策需考慮的因素[6]。

1.2 負(fù)荷預(yù)測誤差

在由常規(guī)電源組成的電力系統(tǒng)中，負(fù)荷是備用決策要考慮的主要隨機(jī)因素。負(fù)荷預(yù)測的精度是確定備用容量的基礎(chǔ)，預(yù)測的誤差越大，相應(yīng)的備用需求也就越大。

影響負(fù)荷預(yù)測精度的因素有很多，其中最重要的是預(yù)測時(shí)間和預(yù)測模型變量的多少。預(yù)測時(shí)間越長，結(jié)果的精確度越低；模型變量越多，結(jié)果的不確定性越強(qiáng)。關(guān)于誤差的分布特點(diǎn)，一般通過概率密度函數(shù)建模進(jìn)行分析。事實(shí)上，由于電力負(fù)荷數(shù)量眾多、地域分布廣泛，根據(jù)中心極限定理，一直以來，負(fù)荷預(yù)測的誤差在理論上都被認(rèn)為服從零均值的正態(tài)分布。

盡管負(fù)荷需求是隨機(jī)變化的，但因其具有較好的周期性和規(guī)律性，目前，在負(fù)荷預(yù)測方面已達(dá)到了很高的準(zhǔn)確度。

1.3 風(fēng)電的不確定性

隨著大規(guī)模風(fēng)電場的建成與投運(yùn)，風(fēng)電的不確定性已成為系統(tǒng)備用決策要考慮的重要因素。與電力負(fù)荷相比，風(fēng)電表現(xiàn)出更強(qiáng)的隨機(jī)性和不同時(shí)間尺度上的波動(dòng)性，但預(yù)測水平卻遠(yuǎn)低于負(fù)荷預(yù)測。

風(fēng)電預(yù)測誤差與預(yù)測時(shí)間、風(fēng)電場地形復(fù)雜程度、風(fēng)速、數(shù)值天氣預(yù)報(bào)的精度以及預(yù)測模型的精度等因素有關(guān)[7-8]。短期預(yù)測的均方根誤差（RMSE）隨著預(yù)測時(shí)間的延長而增大。若一個(gè)區(qū)域內(nèi)存在多個(gè)風(fēng)電場，其總的功率預(yù)測誤差會(huì)比單個(gè)風(fēng)電場的預(yù)測誤差小。文獻(xiàn)[9]研究了不同風(fēng)電場之間的相關(guān)系數(shù)。風(fēng)力機(jī)組及風(fēng)電場在地理上的分散布置能在一定程度上減少系統(tǒng)的備用需求[10-11]。

風(fēng)電預(yù)測誤差的另一個(gè)研究熱點(diǎn)是其概率密度分布函數(shù)，主要影響因素有預(yù)測方法和預(yù)測時(shí)間。一般的測量過程中，對誤差的處理通常是假設(shè)其服從正態(tài)分布，但文獻(xiàn)[12]發(fā)現(xiàn)風(fēng)電預(yù)測誤差的峰度值不符合正態(tài)分布的要求，該文獻(xiàn)用可變峰度β分布函數(shù)擬合誤差序列。文獻(xiàn)[13]通過實(shí)測建立了正態(tài)分布與拉普拉斯分布加權(quán)的概率密度分布函數(shù)。然而，與負(fù)荷預(yù)測相類似，更多學(xué)者認(rèn)為：大量分散布置的風(fēng)電機(jī)組符合中心極限定理對風(fēng)電預(yù)測誤差服從正態(tài)分布的假設(shè)要求。在目前的研究中，正態(tài)分布假設(shè)是主流的做法。

1.4 其他因素

考慮到備用的經(jīng)濟(jì)性，備用的獲取成本越低，電網(wǎng)公司愿意購買的備用越多；反之，獲取成本越高，愿意購買的備用越少。隨著市場差異化服務(wù)的引入，不同用戶對電力可靠性的要求不同，相應(yīng)的備用決策也會(huì)受到影響。還有，電力系統(tǒng)的運(yùn)營模式、電源結(jié)構(gòu)、電網(wǎng)規(guī)模等因素，都是備用決策過程中需要考慮的。

2 大規(guī)模風(fēng)電接入電力系統(tǒng)備用決策方法

風(fēng)電在不同時(shí)間尺度上較大的隨機(jī)波動(dòng)性及其難以準(zhǔn)確預(yù)測的特性，使得系統(tǒng)需要配置額外的備用容量予以應(yīng)對[14]。文獻(xiàn)[15]認(rèn)為風(fēng)電出力波動(dòng)主要對系統(tǒng)的二次、三次備用產(chǎn)生影響。文獻(xiàn)[16]認(rèn)為大規(guī)模風(fēng)電接入后，系統(tǒng)秒至分鐘級(jí)的自動(dòng)發(fā)電控制(AGC)容量需求沒有顯著增加，日內(nèi)調(diào)峰容量需求隨風(fēng)電裝機(jī)容量的增加顯著增長。

隨著風(fēng)電接入的變化，如何量化所需的備用容量以及如何優(yōu)化與配置這些備用成為電力系統(tǒng)備用決策亟需解決的問題。

傳統(tǒng)電力系統(tǒng)運(yùn)營模式下，備用容量的設(shè)置是確定性的，主要針對機(jī)組停運(yùn)和負(fù)荷波動(dòng)等因素，常用的標(biāo)準(zhǔn)有N-1準(zhǔn)則、負(fù)荷百分比準(zhǔn)則或兩者的結(jié)合。各所屬電廠在確定的運(yùn)行方式下留有一定備用容量，歸系統(tǒng)調(diào)度員調(diào)度。這種決策方式簡單方便，但由于不考慮機(jī)組停運(yùn)、負(fù)荷波動(dòng)等情況發(fā)生的概率，容易造成備用容量有時(shí)過剩、有時(shí)不足的結(jié)果，不利于系統(tǒng)經(jīng)濟(jì)運(yùn)行。尤其大規(guī)模風(fēng)電接入給系統(tǒng)帶來了更大的不確定性，傳統(tǒng)的確定性備用決策方法已難以適用。

針對確定性方法的不足，本節(jié)整理歸納了4種常見的概率性備用決策方法，分析各自特點(diǎn)，并對風(fēng)電的處理方式、備用決策與機(jī)組組合的關(guān)系等問題進(jìn)行了梳理與總結(jié)。

2.1 標(biāo)準(zhǔn)差法

風(fēng)電出力的預(yù)測一般由預(yù)測值和誤差來表示，其中，誤差體現(xiàn)了預(yù)測結(jié)果的不確定性。在美國紐約州能源開發(fā)與研究管理局(NYSERDA)關(guān)于風(fēng)電并網(wǎng)的研究中，負(fù)荷跟蹤備用需求被設(shè)置為系統(tǒng)凈負(fù)荷（電力負(fù)荷與風(fēng)電出力之差）預(yù)測標(biāo)準(zhǔn)差的 3倍，此方式原則上能夠滿足所有潛在實(shí)例的99.74%[17]。文獻(xiàn)[18]考慮到風(fēng)電預(yù)測誤差比正態(tài)分布的尾部更長，采用了 3.5σ標(biāo)準(zhǔn)。文獻(xiàn)[19]在對北歐 4國運(yùn)行備用的研究中采用了 4σ標(biāo)準(zhǔn)（99.99%的置信度）。事實(shí)上，很多國家和地區(qū)，如美國的紐約州、明尼蘇達(dá)州，在系統(tǒng)實(shí)際運(yùn)行中都采用了類似的備用設(shè)置標(biāo)準(zhǔn)[20]。文獻(xiàn)[21]通過算例比較了此類方法與傳統(tǒng)的確定性方法，提出加強(qiáng)對不確定性的估計(jì)以及建立概率性方法的評價(jià)體系是非常必要與重要的。

標(biāo)準(zhǔn)差法直觀地反映了綜合誤差的概率分布與備用需求之間的關(guān)系，計(jì)算簡單；不足之處是未能計(jì)及常規(guī)發(fā)電機(jī)組出力的不確定性，且置信度的物理含義并不明確。

2.2 基于可靠性的方法

備用需求與系統(tǒng)對可靠性的要求密切相關(guān)。經(jīng)典的基于可靠性的備用決策當(dāng)屬早期的PJM方法[22]。后來，Billinton定義了“投運(yùn)風(fēng)險(xiǎn)度”的概念，將系統(tǒng)的備用決策與可靠性指標(biāo)關(guān)聯(lián)起來[23]。但可靠性指標(biāo)與機(jī)組運(yùn)行狀態(tài)、出力及備用之間并沒有顯式的函數(shù)關(guān)系式，因此，無法通過可靠性指標(biāo)直接求解備用需求。針對這一問題，文獻(xiàn)[24]采用分步研究的思路，將給定條件下機(jī)組組合與組合確定后的可靠性指標(biāo)計(jì)算結(jié)合起來，通過反復(fù)迭代實(shí)現(xiàn)對備用容量的修正。文獻(xiàn)[25]則嘗試通過擬合的手段，尋找可靠性指標(biāo)與備用容量之間的關(guān)系式，用可靠性約束代替?zhèn)溆眉s束，在機(jī)組優(yōu)化的過程中同步實(shí)現(xiàn)備用容量的估計(jì)。

針對大規(guī)模風(fēng)電的接入，文獻(xiàn)[26-27]都是以PJM方法為基礎(chǔ)，形成計(jì)及風(fēng)電的發(fā)電停運(yùn)容量概率表COPT(capacity outage probability table)。其中，文獻(xiàn)[26]用條件概率分布處理風(fēng)電出力，文獻(xiàn)[27]建立了含4種不同的風(fēng)能狀態(tài)的風(fēng)電場出力模型。

在建立可靠性指標(biāo)與備用容量的函數(shù)關(guān)系方面，文獻(xiàn)[28-29]在特定場景下，建立了每小時(shí)失負(fù)荷概率與機(jī)組停運(yùn)概率、凈負(fù)荷概率密度之間的解析表達(dá)式。但由于解析式非常復(fù)雜，該方法在應(yīng)用上有一定困難。文獻(xiàn)[30]將含風(fēng)電的電源停運(yùn)容量累積概率用高斯函數(shù)擬合，得出了備用需求和失負(fù)荷概率LOLP（loss of load probability）之間的關(guān)系式，作為約束引入機(jī)組組合。

基于可靠性的方法通過人為設(shè)定必須滿足的可靠性指標(biāo)，確保系統(tǒng)在運(yùn)行中始終保持這一可靠性水平。不足是在安全性與經(jīng)濟(jì)性之間缺乏協(xié)調(diào)。

2.3 基于成本-效益的方法

發(fā)電機(jī)組擔(dān)當(dāng)備用或者系統(tǒng)獲取備用容量都需要付出相應(yīng)的成本，同時(shí)，備用容量的存在減少了電力系統(tǒng)失負(fù)荷的概率，為系統(tǒng)創(chuàng)造了效益。因此，系統(tǒng)的安全可靠性應(yīng)該建立在對系統(tǒng)運(yùn)行與失負(fù)荷的成本-效益分析的基礎(chǔ)上?；诔杀?效益的方法的目標(biāo)函數(shù)通常為最小化社會(huì)總成本或最大化社會(huì)福利，通過對備用容量成本和經(jīng)濟(jì)價(jià)值的分析，尋找目標(biāo)函數(shù)最優(yōu)點(diǎn)，同時(shí)也是備用最優(yōu)點(diǎn)[31]。決策不需要設(shè)置必須滿足的可靠性水平。此方法在應(yīng)用中的難點(diǎn)是如何獲得消費(fèi)者的停運(yùn)成本曲線[32]。另外，備用市場及其與電能主市場之間的交易決策關(guān)系對系統(tǒng)備用容量的優(yōu)化也有一定影響。

如何在基于成本-效益的方法中考慮大規(guī)模風(fēng)電的影響?文獻(xiàn)[33]采用風(fēng)電盈余罰函數(shù)的方法在短期調(diào)度模型中量化風(fēng)電不確定性的影響，也有在動(dòng)態(tài)經(jīng)濟(jì)調(diào)度中使用上、下備用約束的[34]，這屬于確定性的處理方式。文獻(xiàn)[35]將凈負(fù)荷預(yù)測誤差概率分布函數(shù)分為若干區(qū)間，每個(gè)區(qū)間通過文獻(xiàn)[31]的成本-效益法確定最優(yōu)備用，再對所有的最優(yōu)備用按概率加權(quán)匯總。文獻(xiàn)[36]把凈負(fù)荷誤差看作新的發(fā)電機(jī)組，通過近似離散處理，使其成為多狀態(tài)機(jī)組引入COPT。文獻(xiàn)[37-38]采用了場景樹（scenario tree）的方法，對每個(gè)研究時(shí)段的凈負(fù)荷（或風(fēng)電）預(yù)測值都定義了3種場景，形成了多時(shí)段預(yù)測場景樹。以上備用決策都是離線方式，文獻(xiàn)[39]提出了一種在線決策備用容量的管理方法，通過等效成本法和價(jià)值函數(shù)法2種決策方式，全面地體現(xiàn)決策者對失負(fù)荷的態(tài)度，使備用的確定更加靈活、富有個(gè)性。

可靠性與經(jīng)濟(jì)性是系統(tǒng)運(yùn)行的兩個(gè)基本要求，單純側(cè)重任何一方都顯得決策有失偏頗。文獻(xiàn)[40]在機(jī)會(huì)約束規(guī)劃框架下，以經(jīng)濟(jì)運(yùn)行為目標(biāo)，以可靠性水平為約束進(jìn)行備用決策。文獻(xiàn)[13]在此基礎(chǔ)上考慮了風(fēng)電出力的偏差，建立了含風(fēng)電場的系統(tǒng)備用容量獲取模型。文獻(xiàn)[41]將風(fēng)電接入電力系統(tǒng)發(fā)電的經(jīng)濟(jì)性和旋轉(zhuǎn)備用的可靠性問題作為多目標(biāo)優(yōu)化問題進(jìn)行求解，在一定程度上，兼顧了系統(tǒng)經(jīng)濟(jì)性與可靠性。

2.4 基于風(fēng)險(xiǎn)價(jià)值的方法

基于風(fēng)險(xiǎn)價(jià)值理論的VaR(value at risk)方法是衡量和管理金融市場風(fēng)險(xiǎn)的重要方法，由于其簡便、靈活的特點(diǎn)，被廣泛應(yīng)用到很多學(xué)科。在電力工業(yè)中的應(yīng)用多見于發(fā)電商的競價(jià)策略、購電優(yōu)化決策、電網(wǎng)投資風(fēng)險(xiǎn)評估等，亦有學(xué)者將其應(yīng)用到大規(guī)模風(fēng)電并網(wǎng)的相關(guān)研究課題[42]。

文獻(xiàn)[43]提出了風(fēng)險(xiǎn)備用RaR(reserve at risk)和條件風(fēng)險(xiǎn)備用CRaR(conditional reserve at risk)2個(gè)可靠性指標(biāo)，并建立了基于CRaR的風(fēng)險(xiǎn)偏好型容量組合模型。文獻(xiàn)[44]根據(jù)預(yù)測誤差的置信度水平，將風(fēng)電預(yù)測功率分為可靠出力和不可靠出力，前者參與系統(tǒng)調(diào)度，后者需要額外配置備用，采用解析法求解。為了更好地體現(xiàn)備用需求尾部的分布，文獻(xiàn)[45]定義了條件風(fēng)險(xiǎn)備用，并利用其效用函數(shù)，建立了含大規(guī)模風(fēng)電的系統(tǒng)備用決策模型，不僅能反映決策者對風(fēng)險(xiǎn)的態(tài)度，還能體現(xiàn)預(yù)測時(shí)間長短對備用需求的影響。文獻(xiàn)[46]重點(diǎn)研究了歷史誤差樣本的數(shù)據(jù)窗選擇問題；提出了基于可信度理論的信度風(fēng)險(xiǎn)值(credibility wind power at risk)的概念和解決方法，作為系統(tǒng)備用決策的參考。

大規(guī)模風(fēng)電接入系統(tǒng)的備用決策，除了上述 4類方法之外，文獻(xiàn)[47]提出了一種利用隨機(jī)微分方程模擬連續(xù)時(shí)間尺度的系統(tǒng)凈負(fù)荷及電源出力，進(jìn)而確定實(shí)時(shí)平衡功率即備用需求的方法。文獻(xiàn)[48]用頻域方法模擬風(fēng)電場出力，通過持續(xù)曲線的方式確定正常和極端天氣情況下系統(tǒng)的備用需求。

2.5 小結(jié)

綜上，大規(guī)模風(fēng)電接入系統(tǒng)的備用決策方法針對引起備用需求的不確定因素進(jìn)行分析，在常規(guī)電源系統(tǒng)備用決策方法的基礎(chǔ)上納入風(fēng)電的影響，常用的方式有：1）概率密度函數(shù)法。通過風(fēng)速的概率分布再經(jīng)風(fēng)電場建模，或直接利用風(fēng)電出力的歷史數(shù)據(jù)，擬合風(fēng)電出力或其預(yù)測誤差或凈負(fù)荷預(yù)測誤差的概率密度函數(shù)，求解在某一置信度下相應(yīng)的備用需求，如文獻(xiàn)[17-19，27-28]等。2）場景法。設(shè)定幾種可能的風(fēng)電出力場景，如文獻(xiàn)[30]根據(jù)風(fēng)能的概率分布枚舉出4種風(fēng)電場出力狀態(tài)；文獻(xiàn)[35，38]根據(jù)凈負(fù)荷誤差的概率密度分布函數(shù)將其離散化為不同概率的典型場景，形成場景樹，此方法的關(guān)鍵是在場景多少和計(jì)算精度之間進(jìn)行平衡，一般需要用智能算法求解并配合場景縮減的措施[49]。3）隨機(jī)模擬法。采用某種模擬方法，給出系統(tǒng)未來各種可能運(yùn)行狀態(tài)及相應(yīng)的概率，在概率框架下進(jìn)行備用決策。如文獻(xiàn)[27，50]建立了風(fēng)電場出力的馬爾科夫鏈模型，文獻(xiàn)[39，51]采用了蒙特卡洛模擬法。

備用決策與機(jī)組組合是相互關(guān)聯(lián)、不可分割的。從兩者關(guān)系的角度再看前面所歸納的方法，基本上可以分為2類：一是在機(jī)組組合之前，預(yù)先確定系統(tǒng)總的備用需求（通常對應(yīng)一定的可靠性水平），如[27-30]等；二是將機(jī)組組合與備用決策一并考慮，以成本最低為目標(biāo)函數(shù)，將機(jī)組出力、備用容量等作為優(yōu)化變量，如[31，37-38]等。第一類方法先量化、再分配，在滿足系統(tǒng)可靠性的前提下，從經(jīng)濟(jì)性考慮或從環(huán)保的角度考慮，在不同類型的機(jī)組之間進(jìn)行備用容量的合理分配。第二類方法量化與分配一體化完成，更符合電力系統(tǒng)運(yùn)行的本質(zhì)。因?yàn)閭溆萌萘康拇_定、調(diào)配與機(jī)組發(fā)電組合都是調(diào)度發(fā)電機(jī)組的出力，確定每臺(tái)機(jī)組實(shí)際發(fā)多少用于滿足負(fù)荷需要，剩余多少作為保證可靠供電的備用，因此，需要將兩者有機(jī)地結(jié)合起來進(jìn)行整體優(yōu)化，但在建模和求解方面會(huì)相對復(fù)雜。

3 大規(guī)模風(fēng)電接入電力系統(tǒng)備用容量配置

前面總結(jié)的備用決策方法都基于一個(gè)共同的假設(shè)前提：備用容量由電網(wǎng)公司或市場運(yùn)營機(jī)構(gòu)在發(fā)電側(cè)進(jìn)行配置。事實(shí)上，備用容量也可以從需求側(cè)配置。本節(jié)將分別從電源側(cè)和需求側(cè)系統(tǒng)地討論大規(guī)模風(fēng)電接入電力系統(tǒng)的備用容量的配置問題。

電源側(cè)。大規(guī)模風(fēng)電接入在一定程度上減少了系統(tǒng)對常規(guī)電源的需求，另一方面，風(fēng)電的隨機(jī)波動(dòng)性、反調(diào)峰特性和難以調(diào)度性又增加了對承擔(dān)調(diào)峰任務(wù)的常規(guī)機(jī)組的需求。在常規(guī)調(diào)峰技術(shù)的基礎(chǔ)上，為了避免機(jī)組頻繁啟停，發(fā)電公司可嘗試采用火電機(jī)組深度調(diào)峰的運(yùn)行方式，其關(guān)鍵是鍋爐的低負(fù)荷穩(wěn)燃技術(shù)。另外，火電機(jī)組的安全性、可靠性與經(jīng)濟(jì)性是深度調(diào)峰運(yùn)行需要關(guān)注的問題。

為了平抑風(fēng)電的功率波動(dòng)，有學(xué)者提出了多種電源聯(lián)合運(yùn)行的思路[52-54]。文獻(xiàn)[52]認(rèn)為水電與風(fēng)電在技術(shù)上和季節(jié)上具有互補(bǔ)性，水庫的蓄水能力可以平抑來水的短期波動(dòng)，使水電具有良好的容量特性。利用水電的容量支持風(fēng)電、風(fēng)電的電量支持水電，從而保障火電機(jī)組開停機(jī)穩(wěn)定性。文獻(xiàn)[53]認(rèn)為太陽能與風(fēng)能在時(shí)間和地域上也具有互補(bǔ)性，與獨(dú)立風(fēng)力發(fā)電或光伏發(fā)電相比，風(fēng)光互補(bǔ)混合系統(tǒng)能使電力輸出更可靠、更平穩(wěn)。文獻(xiàn)[54]以酒泉風(fēng)電基地為例，論證了在考慮負(fù)荷特性、電網(wǎng)與風(fēng)電技術(shù)出力等約束后，風(fēng)、光、水、火電聯(lián)合打捆外送是近期該基地大規(guī)模風(fēng)電外送的最可行方式。

隨著能量存儲(chǔ)技術(shù)的迅速發(fā)展，近年來，越來越多的儲(chǔ)能系統(tǒng)在電力系統(tǒng)中得到應(yīng)用。不同的儲(chǔ)能技術(shù)具有不同的容量調(diào)節(jié)范圍（從幾十kW到幾百M(fèi)W）和不同的放電時(shí)間（從毫秒級(jí)到小時(shí)級(jí)），非常適合用來平抑風(fēng)電的功率波動(dòng)[55]。儲(chǔ)能技術(shù)與風(fēng)電規(guī)劃相結(jié)合將對風(fēng)電發(fā)展產(chǎn)生推動(dòng)作用。目前，在我國較為可行的儲(chǔ)能技術(shù)是風(fēng)電與抽水蓄能電站相互配合運(yùn)行。文獻(xiàn)[56]針對江蘇電網(wǎng)“十三五”的電力發(fā)展目標(biāo)，提出了風(fēng)電、核電、抽水蓄能機(jī)組聯(lián)合運(yùn)行的電源規(guī)劃建設(shè)方案，并研究了其容量配比與電源布局。文獻(xiàn)[57]考慮到峰谷電價(jià)政策，利用抽水蓄能電站的儲(chǔ)能作用將低谷時(shí)段的低價(jià)電能調(diào)整為高峰時(shí)段的稀缺電能，不僅平抑了風(fēng)電功率波動(dòng)，更能取得顯著的經(jīng)濟(jì)效益。

隨著控制技術(shù)日臻完善，風(fēng)電場的內(nèi)部調(diào)度和控制技術(shù)也在不斷發(fā)展。既可以應(yīng)用最優(yōu)轉(zhuǎn)速控制、平均功率控制、隨機(jī)最優(yōu)控制等控制策略對單個(gè)風(fēng)電機(jī)組實(shí)施有功控制[58]，也可以通過對內(nèi)部各臺(tái)風(fēng)電機(jī)組的協(xié)調(diào)優(yōu)化實(shí)現(xiàn)對整個(gè)風(fēng)電場的有功控制。通過先進(jìn)的技術(shù)手段和完善的政策支持，風(fēng)電場不僅可以具備一定的自身調(diào)節(jié)能力，甚至還可以為系統(tǒng)提供一定備用[59]。

需求側(cè)。購買多種不同特性、不同價(jià)格的備用容量要比購買單一備用容量所付出的經(jīng)濟(jì)代價(jià)和所遭受的市場風(fēng)險(xiǎn)小得多，可靠性也更高。特別在應(yīng)對大規(guī)模風(fēng)電接入后可能出現(xiàn)的小概率、高風(fēng)險(xiǎn)的容量事故或者輸電阻塞問題時(shí)，需求側(cè)提供備用的優(yōu)勢更加明顯。

可中斷負(fù)荷是需求側(cè)提供備用最常見的形式。在可中斷負(fù)荷參與備用市場方面，主要的研究集中在如何協(xié)調(diào)電源側(cè)和需求側(cè)兩種備用資源，以達(dá)到預(yù)期的目標(biāo)。文獻(xiàn)[60]利用不同備用之間的經(jīng)濟(jì)互補(bǔ)性，建立了風(fēng)險(xiǎn)協(xié)調(diào)模型對各種備用進(jìn)行優(yōu)化，該方法比較適合工程應(yīng)用。文獻(xiàn)[61]從大規(guī)模風(fēng)電接入、移動(dòng)式負(fù)荷中斷等方面對可再生能源接入下可中斷負(fù)荷的參與形式、應(yīng)用研究方法等問題進(jìn)行了探討。大規(guī)模風(fēng)電接入對可中斷負(fù)荷參與備用市場的影響主要體現(xiàn)在其隨機(jī)性和波動(dòng)性一方面增加了系統(tǒng)對可中斷負(fù)荷的需求，另一方面也對可中斷負(fù)荷的響應(yīng)速度提出了更高的要求，增加了需求側(cè)管理的難度。

作為解決風(fēng)電出力不確定性問題的一種有效方法——電動(dòng)汽車這一儲(chǔ)能裝置，即V2H(vehicle to house)或V2G(vehicle to grid)，將發(fā)揮重要作用[62]。文獻(xiàn)[63]研究了電動(dòng)汽車充電的負(fù)荷特性以及不同充電方式對電網(wǎng)的影響，建立了多時(shí)間尺度的電動(dòng)汽車-風(fēng)電協(xié)同調(diào)度數(shù)學(xué)模型，通過對華北、西北電網(wǎng)的仿真分析得出結(jié)論：調(diào)度電動(dòng)汽車充電來抵消負(fù)荷下降而風(fēng)電出力上升的功率不平衡，具有技術(shù)上的可行性。隨著未來電動(dòng)汽車接入規(guī)模的擴(kuò)大，風(fēng)電與電動(dòng)汽車儲(chǔ)能資源之間的協(xié)同效益會(huì)越來越明顯[64]。

備用的配置除了面臨技術(shù)上的具體問題之外，更重要的是經(jīng)濟(jì)、管理與機(jī)制方面的問題。如，配置可中斷負(fù)荷作為備用，必須對有移峰能力卻意愿不足的用戶實(shí)施可中斷電價(jià)和尖峰電價(jià)；我國在儲(chǔ)能電價(jià)方面政策不到位，國內(nèi)儲(chǔ)能產(chǎn)業(yè)缺乏相應(yīng)的投資回報(bào)機(jī)制，制約了儲(chǔ)能技術(shù)的產(chǎn)業(yè)化、規(guī)?；l(fā)展。文獻(xiàn)[65]提出了一種市場模式下基于代理商的需求側(cè)響應(yīng)管理架構(gòu)，旨在為大規(guī)模風(fēng)電接入系統(tǒng)提供可靠的備用。

4 結(jié)語

風(fēng)力發(fā)電的特點(diǎn)及其大規(guī)模接入增加了電力系統(tǒng)運(yùn)行的不確定性，備用正是系統(tǒng)為了應(yīng)對各種不確定性因素而設(shè)置的。廣義上講，備用的問題涉及到電力系統(tǒng)的各個(gè)環(huán)節(jié)：發(fā)電環(huán)節(jié)電力電量的平衡、輸電環(huán)節(jié)風(fēng)電的遠(yuǎn)距離大容量傳輸以及用電環(huán)節(jié)大規(guī)模風(fēng)電的消納等等，因此，備用的涵義不僅僅局限于超出負(fù)荷需求的那部分發(fā)電容量，而應(yīng)拓展為包含一切應(yīng)對系統(tǒng)不確定性的手段和方法。大規(guī)模風(fēng)電接入電力系統(tǒng)的備用決策是一個(gè)涉及安全、經(jīng)濟(jì)、技術(shù)和管理的多目標(biāo)協(xié)調(diào)優(yōu)化問題，仍需大量的理論方法、技術(shù)和政策支持，以服務(wù)于大規(guī)模新能源發(fā)電接入電力系統(tǒng)的可靠、高效、經(jīng)濟(jì)運(yùn)行。

[1] 國家電力監(jiān)管委員會(huì). 我國風(fēng)電發(fā)展情況調(diào)研報(bào)告[EB/OL].[2009-07-21]. http://www.serc.gov.cn/jgyj/ztbg/200907/t20090721_11739.htm.

[2] 國家電力監(jiān)管委員會(huì). 風(fēng)電安全監(jiān)管報(bào)告[EB/OL].[2011-12-02]. http://www.serc.gov.cn/zwgk/jggg/201112/t20111202_15628.htm.

[3] 周瑋, 孫輝, 顧宏, 等. 含風(fēng)電場的電力系統(tǒng)經(jīng)濟(jì)調(diào)度研究綜述[J].電力系統(tǒng)保護(hù)與控制, 2011, 39(24):148-154.ZHOU Wei, SUN Hui, GU Hong, et al. A review on economic dispatch of power system including wind farms[J]. Power System Protection and Control, 2011,39(24): 148-154.

[4] 郭永基. 電力系統(tǒng)可靠性分析[M]. 北京: 清華大學(xué)出版社, 2003.

[5] 孫羽, 王秀麗, 王建學(xué), 等. 電力系統(tǒng)短期可靠性評估綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2011, 39(8): 143-154.SUN Yu, WANG Xiu-li, WANG Jian-xue, et al. An overview of the short-term reliability evaluation of power system[J]. Power System Protection and Control, 2011,39(8): 143-154.

[6] 姜文, 嚴(yán)正, 楊建林. 計(jì)及風(fēng)電場的發(fā)輸電可靠性評估[J]. 電力系統(tǒng)保護(hù)與控制, 2010, 38(22): 126-130.JIANG Wen, YAN Zheng, YANG Jian-lin. Reliability assessment of composite generation and transmission system considering wind farms[J]. Power System Protection and Control, 2010, 38(22): 126-130.

[7] 方江曉, 周暉, 黃梅, 等. 基于統(tǒng)計(jì)聚類分析的短期風(fēng)電功率預(yù)測[J]. 電力系統(tǒng)保護(hù)與控制, 2011, 39(11):67-78.FANG Jiang-xiao, ZHOU Hui, HUANG Mei, et al.Short-term wind power prediction based on statistical clustering analysis[J]. Power System Protection and Control, 2011, 39(11): 67-78.

[8] 楊洪, 古世甫, 崔明東, 等. 基于遺傳優(yōu)化的最小二乘支持向量機(jī)風(fēng)電場風(fēng)速短期預(yù)測[J]. 電力系統(tǒng)保護(hù)與控制, 2011, 39(11): 44-48.YANG Hong, GU Shi-fu, CUI Ming-dong, et al. Forecast of short-term wind speed in wind farms based on GA optimized LS-SVM[J]. Power System Protection and Control, 2011, 39(11): 44-48.

[9] Yu H, Liuchen C. A study of the reduction of the regional aggregated wind power forecast error by spatial smoothing effects in the Maritimes Canada[C] // IEEE Electric Power and Energy Conference (EPEC), Canada,2010.

[10] Hamon C, Soder L. Review paper on wind power impact on operation of reserves[C] // Energy Market(EEM)International Conference on the European. Zagreb,Croatia, 2011: 895-903.

[11] Gezer D, Nadar A. Determination of operating reserve requirements considering geographical distribution of wind power plants[C] // International Conference on Clean Electrical Power (ICCEP). Ischia, Italy, 2011:797-801.

[12] Bludszuweit H, Dominguez-Navarro J A, Llombart A.Statistical analysis of wind power forecast error[J]. IEEE Trans on Power Systems, 2008, 23(3): 983-991.

[13] 葛炬, 王飛, 張粒子. 含風(fēng)電場電力系統(tǒng)旋轉(zhuǎn)備用獲取模型[J]. 電力系統(tǒng)自動(dòng)化, 2010, 34(6): 32-36.GE Ju, WANG Fei, ZHANG Li-zi. Spinning reserve model in the wind power integrated power system[J].Automation of Electric Power Systems, 2010, 34(6):32-36.

[14] Keko H, Rosa M A, Sumaili J. Wind power forecast uncertainty in daily operation of wind park combined with storage[C] // Energy Market International Conference on the European, Croatia, 2011.

[15] Banakar H, Luo C, Ooi B T. Impacts of wind power minute-to-minute variations on power system operation[J]. IEEE Trans on Power Systems, 2008, 23(1):150-160.

[16] 張寧, 周天睿, 段長剛, 等. 大規(guī)模風(fēng)電場接入對電力系統(tǒng)調(diào)峰的影響[J]. 電網(wǎng)技術(shù), 2010, 34(1): 152-157.ZHANG Ning, ZHOU Tian-rui, DUAN Chang-gang, et al. Impact of large-scale wind farm connecting with power grid on peak load regulation demand[J]. Power System Technology, 2010, 34(1): 152-157.

[17] New York State Energy Research and Development Authority. The effect of integrating wind power on transmission system planning, reliability, and operations[EB/OL].[2005-3].http://www.nyserda.ny.gov/media/ Files/EERP/Renewables/wind-integration-study.[2005-3].

[18] Black M, Strbae G. Value of bulk energy storage for managing wind Power fluctuations[J]. IEEE Trans on Energy Conversion, 2007, 22(1): 197-205.

[19] Hannele H. Impact of hourly wind power variations on the system operation in the Nordic countries[J]. Wind Energy, 2004, 8(2): 197-218.

[20] Michael M, Pearl D, Debra L, et al. Operating reserves and wind power integration: an international comparison[EB/OL]. [2010-10].http://www.nrel.gov/docs/fy11osti/49019.[2010-10].

[21] Bessa R J, Matos M A. Comparison of probabilistic and deterministic approaches for setting operating reserve in systems with high penetration of wind power[C] //Mediterranean Conference and Exhibition on Power Generation, Transmission, Distribution and Energy Conversion. Agia Napa, Cyprus, 2010: 1-9.

[22] Anstine L T, Burke R E, Casey J E, et al. Application of probability methods to the determination of spinning reserve requirements for the Pennsylvania-New Jersey-Maryland interconnection[J]. IEEE Trans on Power App Syst, 1963, 82(68): 720-735.

[23] Billinton R, Allan R N. Reliability evaluation of power systems[M]. New York: Plenum Press, 1996.

[24] Gooi H B, Mendes D P, Bell K R W, et al. Optimal scheduling of spinning reserve[J]. IEEE Trans on Power Systems, 1999, 14(4): 1485-1490.

[25] Chattopadhyay D, Baldick R. Unit commitment with probabilistic reserve[C] // IEEE Power Engineering Society Meeting. New York, USA, 2002: 280-285.

[26] Billinton R, Karki B. Unit commitment risk analysis of wind integrated power systems[J]. IEEE Trans on Power Systems, 2009, 24(2): 930-939.

[27] Gouveia E M, Matos M A. Operational reserve of a power system with a large amount of wind power[C] //International Conference on Probabilistic Methods Applied to Power Systems. Iowa USA, 2004: 717-722.

[28] Doherty R, Malley M O. Quantifying reserve demands due to increasing wind power penetration[C] // Power Tech Conference. Bologna, 2003.

[29] Doherty R, Malley M O. A new approach to quantify reserve demand in systems with significant installed wind capacity[J]. IEEE Trans on Power Systems, 2005, 20(2):587-595.

[30] 孟祥星, 王宏. 大規(guī)模風(fēng)電并網(wǎng)條件下的電力系統(tǒng)調(diào)度[J]. 東北電力大學(xué)學(xué)報(bào): 自然科學(xué)版, 2009, 29(1):1-6.MENG Xiang-xing, WANG Hong. Electric system scheduling in the condition of synchronization of large-scale wind power[J]. Journal of Northeast Dianli University: Natural Science Edition, 2009, 29(1): 1-6.

[31] Wang J X, Wang X F, Wu Y. Operating reserve model in the power market[J]. IEEE Trans on Power Systems,2005, 20(1): 223-229.

[32] 任博強(qiáng), 彭鳴鴻, 蔣傳文, 等. 計(jì)及風(fēng)電成本的電力系統(tǒng)短期經(jīng)濟(jì)調(diào)度建模[J]. 電力系統(tǒng)保護(hù)與控制, 2010,38(14): 67-72.REN Bo-qiang, PENG Ming-hong, JIANG Chuan-wen,et al. Short-term economic dispatch of power system modeling considering the cost of wind power[J]. Power System Protection and Control, 2010, 38(14): 67-72.

[33] 何永秀, 黃文杰, 譚忠富, 等. 電力備用市場化運(yùn)營需求研究[J]. 中國電機(jī)工程學(xué)報(bào), 2004, 24(3): 46-51.HE Yong-xiu, HUANG Wen-jie, TAN Zhong-fu, et al. A study on demand of electricity reserve market in marketing operation[J]. Proceedings of the CSEE, 2004,24(3): 46-51.

[34] 夏澍, 周明, 李庚銀. 含大規(guī)模風(fēng)電場的電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2011, 39(13):71-77.XIA Shu, ZHOU Ming, LI Geng-yin. Dynamic economic dispatch of power system containing large-scale wind farm[J]. Power System Protection and Control, 2011,39(13): 71-77.

[35] Ortega-Vazquez M A, Kirschen D S. Estimating the spinning reserve requirements in systems with significant wind power generation penetration[J]. IEEE Trans on Power Systems, 2009, 24: 114-124.

[36] 蘇鵬, 劉天琪, 李興源. 含風(fēng)電的系統(tǒng)最優(yōu)旋轉(zhuǎn)備用的確定[J]. 電網(wǎng)技術(shù), 2010, 34(12): 158-162.SU Peng, LIU Tian-qi, LI Xing-yuan. Determination of optimal spinning reserve of power grid containing wind[J]. Power System Technology, 2010, 34(12): 158-162.

[37] Bouffard F, Galiana F D. Stochastic security for operations planning with significant wind power generation[J]. IEEE Trans on Power Systems, 2008,23(2): 306-316.

[38] Morales J M, Conejo A J. Economic valuation of reserves in power systems with high penetration of wind power[J].IEEE Trans on Power Systems, 2009, 24(2): 900-910.

[39] Matos M A, Bessa R. Setting the operating reserve using probabilistic wind power forecasts[J]. IEEE Trans on Power Systems, 2011, 26(2): 594-603.

[40] 王樂, 余志偉, 文福拴．基于機(jī)會(huì)約束規(guī)劃的最優(yōu)旋轉(zhuǎn)備用容量確定[J]．電網(wǎng)技術(shù), 2006, 30(20): 14-19.WANG Le, YU Zhi-wei, WEN Fu-shuan. A chance-constrained programming approach to determine requirement of optimal spinning reserve capacity[J].Power System Technology, 2006, 30(20): 14-19.

[41] 姚瑤, 于繼來. 計(jì)及風(fēng)電備用風(fēng)險(xiǎn)的電力系統(tǒng)多目標(biāo)混合優(yōu)化調(diào)度[J]. 電力系統(tǒng)自動(dòng)化, 2011, 35(22): 118-124.YAO Yao, YU Ji-lai. Multi-objective hybrid optimal dispatch of power systems considering reserve risk due to wind power[J]. Automation of Electric Power Systems,2011, 35(22): 118-124.

[42] 玉華, 周任軍, 韓磊, 等. 基于 CVaR的風(fēng)電并網(wǎng)發(fā)電風(fēng)險(xiǎn)效益分析[J]. 電力系統(tǒng)保護(hù)與控制, 2012, 40(4):43-47.YU Hua, ZHOU Ren-jun, HAN Lei, et al. Analysis on risk and economic benefits of grid-connected wind farm based on CVaR[J]. Power System Protection and Control,2012, 40(4): 43-47.

[43] 周輝, 婁素華, 吳耀武, 等. 發(fā)電系統(tǒng)一致性運(yùn)行可靠性指標(biāo)及其優(yōu)化模型[J]. 中國電機(jī)工程學(xué)報(bào), 2009,29(13): 72-79.ZHOU Hui, LOU Su-hua, WU Yao-wu, et al. Coherent reliability index for generation system operation and its optimization model[J]. Proceedings of the CSEE, 2009,29(13): 72-79.

[44] Methaprayoon K, Yingvivatanapong C. An integration of ANN wind power estimation into unit commitment considering the forecasting uncertainty[J]. IEEE Trans on Industry Applications, 2007(43): 1141-1148.

[45] 張國強(qiáng), 吳文傳, 張伯明. 考慮風(fēng)電接入的有功運(yùn)行備用協(xié)調(diào)優(yōu)化[J]. 電力系統(tǒng)自動(dòng)化, 2011, 35(12):15-19.ZHANG Guo-qiang, WU Wen-Chuan, ZHANG Bo-ming.Optimization of operation reserve coordination considering wind power integration[J]. Automation of Electric Power Systems, 2011, 35(12): 15-19.

[46] Xue Z Y, Li G Y, Zhou M. Credibility theory applied for estimating operating reserve considering wind power uncertainty[C] // IEEE Power Tech, Trondheim, 2011.

[47] Olsson M, Perninge M, Soder L. Modeling real-time balancing power demands in wind power systems using stochastic differential equations[J]. Electric Power Systems Research, 2010, 80(8): 966-974.

[48] Lin J, Sun Y Z, Sorensen P, et al. Frequency modeling of wind power fluctuation and the application on power systems[C] // Power System Technology (POWERCON).Hangzhou, China, 2010: 1-8.

[49] Botterud A, Zhou Z, Wang J, et al. Unit commitment and operating reserves with probabilistic wind power forecasts[C] // IEEE PowerTech Conference. Trondheim,Norway, 2011: 1-7.

[50] Halamay D A, Brekken T K A. A methodology for quantifying variability of renewable energy sources by reserve requirement calculation[C] // IEEE Energy Conversion Congress and Exposition (ECCE). Atlanta,Georgia, 2010: 666-673.

[51] Dialynas E N, Daoutis L G, Toufexis C, et al. Reliability and reserve capacity assessment of isolated power systems with increased penetration of renewable energy sources[C] // Mediterranean Conference and Exhibition on Power Generation, Transmission, Distribution and Energy Conversion. Agia Napa, Cyprus, 2010: 1-7.

[52] 尚志娟, 周暉, 王天華. 帶有儲(chǔ)能裝置的風(fēng)電與水電互補(bǔ)系統(tǒng)的研究[J]. 電力系統(tǒng)保護(hù)與控制, 2012, 40(2):99- 105.SHANG Zhi-juan, ZHOU Hui, WANG Tian-hua.Research of complementary system for wind power with energy storage devices and hydro power[J]. Power System Protection and Control, 2012, 40(2): 99-105.

[53] 楊琦, 張建華, 劉自發(fā), 等. 風(fēng)光互補(bǔ)混合供電系統(tǒng)多目標(biāo)優(yōu)化設(shè)計(jì)[J]. 電力系統(tǒng)自動(dòng)化, 2009, 33(17):86-90.YANG Qi, ZHANG Jian-hua, LIU Zi-fa, et al.Multi-objective optimization of hybrid PV/wind power supply system[J]. Automation of Electric Power Systems,2009, 33(17): 86-90.

[54] 于芃, 趙瑜, 周瑋, 等. 基于混合儲(chǔ)能系統(tǒng)的平抑風(fēng)電波動(dòng)功率方法的研究[J]. 電力系統(tǒng)保護(hù)與控制, 2011,39(24): 35-40.YU Peng, ZHAO Yu, ZHOU Wei, et al. Research on the method based on hybrid energy storage system for balancing fluctuant wind power[J]. Power System Protection and Control, 2011, 39(24): 35-40.

[55] Saifur R, Manisa P. Operating impacts and mitigation strategies with large scale wind power penetration in the United States[J]. Automation of Electric Power Systems,2011, 35(22): 3-11.

[56] 張謙, 王海潛, 謝珍建. 江蘇電網(wǎng)消納大規(guī)模風(fēng)電的電源規(guī)劃設(shè)計(jì)[J]. 電力系統(tǒng)自動(dòng)化, 2011, 35(22): 60-65.ZHANG Qian, WANG Hai-qian, XIE Zhen-jian.Generation expansion planning with large-scale wind power integration into Jiangsu power grid[J]. Automation of Electric Power Systems, 2011, 35(22): 60-65.

[57] 李強(qiáng), 袁越, 李振杰, 等. 考慮峰谷電價(jià)的風(fēng)電-抽水蓄能聯(lián)合系統(tǒng)能量轉(zhuǎn)化效益研究[J]. 電網(wǎng)技術(shù), 2009,33(6): 13-18.LI Qiang, YUAN Yue, LI Zhen-jie, et al. Research on energy shifting benefits of hybrid wind power and pumped hydro storage system considering peak-valley electricity price[J]. Power System Technology, 2009, 33(6): 13-18.

[58] 石一輝, 張毅威, 閔勇, 等. 并網(wǎng)運(yùn)行風(fēng)電場有功功率控制研究綜述[J]. 中國電力, 2010, 43(6): 10-15.SHI Yi-hui, ZHANG Yi-wei, MIN Yong, et al. Review on active power control researches of a grid-connected wind farm[J]. Electric Power, 2010, 43(6): 10-15.

[59] Alejandro J G. Power reserve provision with wind farms[D]. Kassel: The University of Kassel, 2010.

[60] 羅運(yùn)虎, 吳旭文, 潘雙來. 需求側(cè)兩種可中斷負(fù)荷與發(fā)電側(cè)備用容量的協(xié)調(diào)[J]. 山東大學(xué)學(xué)報(bào), 2007, 37(6):66-70.LUO Yun-hu, WU Xu-wen, PAN Shuang-lai.Coordination of two kinds of interruptible loads of demand side and reserve capacity of generation side[J].Journal of Shandong University, 2007, 37(6): 66-70.

[61] 向月, 劉俊勇, 魏震波, 等. 可再生能源接入下新型可中斷負(fù)荷發(fā)展研究[J]. 電力系統(tǒng)保護(hù)與控制, 2012,40(5): 148-155.XIANG Yue, LIU Jun-yong, WEI Zhen-bo, et al.Research on development of new interruptible load with renewable energy access[J]. Power System Protection and Control, 2012, 40(5): 148-155.

[62] 高賜威, 張亮. 電動(dòng)汽車充電對電網(wǎng)影響的綜述[J].電網(wǎng)技術(shù), 2011, 35(2): 127-131．GAO Ci-wei, ZHANG Liang. A survey of influence of electrics vehicle charging on power grid[J]. Power System Technology, 2011, 35(2): 127-131.

[63] 于大洋, 宋曙光, 張波, 等. 區(qū)域電網(wǎng)電動(dòng)汽車充電與風(fēng)電協(xié)同調(diào)度的分析[J]. 電力系統(tǒng)自動(dòng)化, 2011,35(14): 24-29.YU Da-yang, SONG Shu-guang, ZHANG Bo, et al.Synergistic dispatch of PEVs charging and wind power in Chinese regional power grids[J]. Automation of Electric Power Systems, 2011, 35(14): 24-29.

[64] Tang Y, Fang T. Research on demand response technology for reserve requirements caused by the large-scale penetration of wind power[C] // International Conference on Electric Utility Deregulation and Restructuring and Power Technologies. Shandong, China,2011: 292-296.

[65] Tang Y, Rahman S. A framework of agent-based demand response to provide reserves necessary for high-level wind penetration[C] // Asia-Pacific Power and Energy Engineering Conference (APPEEC). Chengdu, China,2010: 1-4.