近年来，中国“三北”地区频发弃风弃光现象，系统内灵活调节资源缺乏，尤其日内调峰能力不足是其关键原因之一。筹措灵活性资源成为解决问题的核心途径，在现有技术经济条件下，火电灵活性改造的可行性最高。然而，系统的灵活调节需求随风光电源、负荷和电网运行特性动态变化而难以准确预测，而目前的调峰补偿机制以机组少发电量作为费用核算标准，因此，灵活性改造的需求和收益都存在很大的不确定性，火电厂易陷入过度投资或无序竞争的两难抉择而延迟乃至放弃改造。因此，如何根据精细成本和中长期电量评估科学规划灵活性改造容量，成为地区能源管理部门和火电厂公共关注的关键问题。不同于常规电源规划，灵活性改造容量规划是既有电源的二次规划，其边界条件更为严苛，必须计入负荷、可再生能源以及常规电源运行特性，同时考虑市场环境的影响。因此，常规规划方法难以直接应用，灵活性规划需要在更为精细的成本分析基础上，建立一套考虑系统中长期概率特性的模型。
研究成果
1、建立了灵活性改造广义成本模型，综合考虑火电机组灵活改造成本、深度调峰市场交易成本、改造后售电收益损失、煤耗增加成本和系统弃电成本。在此基础上提出了灵活改造容量规划模型。
2、基于随机生产模拟算法综合考虑负荷波动、可再生能源发电特性以及其它火电改造程度对机组发电量的影响，分析了灵活性改造后火电发电变化并给出了年度尺度下的灵活性改造广义成本计算方法。
主要内容
01、总体规划思路
本文聚焦非供热火电机组降低最低稳定功率的灵活性改造，最低稳定功率降低幅值即为增加的灵活性容量。本文总体研究框架如图1所示。优化变量为各台火电机组的改造容量，优化目标为在计算周期内所有火电机组的灵活性改造广义成本之和最小，约束条件为各台机组改造容量技术上限。
图1 灵活性改造容量规划的总体框架
优化目标中，灵活性改造的设备更新等投资成本和调峰辅助交易成本反映电网的经济性；售电收益损失和发电成本增量反映发电商的经济性并兼顾环境效益等外部因素。优化过程中，首先建模各类成本与发电量的函数关系，通过随机生产模拟技术求解灵活性改造前后的机组发电量变化，从而得到广义成本各部分费用与各机组改造容量间的量化关系。利用遗传算法求解以上优化模型，获得灵活性改造容量的规划结果。
02、中长期电量—成本模型
优化目标中，除改造成本与改造容量这一优化变量直接相关外，其它四项成本均为电量的函数，如表1所示。笔者注意到，在年度尺度下建立优化变量与电量间的函数关系较为困难，基于多场景的逐时刻生产模拟获得结果可信度较低，因此，本项工作的核心为在中长期尺度下构建电量—成本计算模型。
表1 各类成本影响因素及含义
利用随机生产模拟方法，本文建立发电量与机组改造容量关系模型，对火电机组灵活性改造前后的系统分别进行发电量估算，具体计算流程可参见原文。
通过随机生产模拟方法可计算获得机组不同容量下的发电量，如图2所示。假设某区域中有N台非供热火电机组，对第i台机组，图2 (a)为其灵活性改造前的发电生产情况，其最低稳定功率容量部分承担B1区域电量，可调节容量部分承担C1部分电量。当该区域内火电经过灵活性改造，机组的发电安排情况有所变化，如图2 (b)所示。因此，图中E1、E2部分表征机组i的深度调峰补偿电量，其数值可由容量规划模型中的优化变量表示。其它成本项中的相关电量也可由类似方法获得。
图2 火电机组灵活性改造前后生产模拟承担负荷示意图
03、仿真算例
文章基于北方某区域电网实际数据构建了包含11台不同容量的火电机组和一处等效风电场的算例系统。假定不同单位弃电量成本下进行规划计算，得到11台机组的改造方案如表2所示。该结果说明改造容量分配方案基本满足“大容量机组优先”原则，660MW、350MW、330MW机组为主要改造机组。
表2 各类成本影响因素及含义
在不同单位弃风成本下，计算获得广义成本最小时的火电机组改造总容量和系统弃电率（下称“最优弃电率”），结果如图3所示。由图可知，当单位弃电成本大于0.5元/kWh时，灵活性改造容量为正，说明灵活性改造能够减少广义成本。
图3 不同单位弃电成本下的系统最优方案
04、结论
本文所提模型旨在解决区域电网内多台非供热火电机组的灵活性改造容量优化规划问题，通过成本建模与优化求解给出了各台机组最优改造方案。经计算分析，可知经济性最佳的灵活性改造顺序为大容量机组优先，能够有效减少大机组承担的系统基荷电量，增强系统调峰能力。当新能源电价低于0.5元/kWh时，在综合考虑弃风损失、改造成本等费用的情况下，火电灵活性改造不具备正效益，灵活改造仅在一定的新能源电价范围内具有较好的经济性。
