高可再生能源渗透率下可靠性约束发电扩容规划的内生边际容量价值建模

《Energy》：Endogenous Marginal Capacity Value Modeling for Reliability-Constrained Generation Expansion Planning with High Renewable Penetration

　　

•概率容量值嵌入于发电扩容规划中。
•边际容量值衰减随投资数量变化。
•系统级敏感性边界限制了过度的组合转型。
•基准案例中，该框架避免了12次可靠性校正周期。
•所测试系统的折现投资成本降低了6.0%。

引言

全球电力系统正经历向低碳发电的结构性转型。随着变动性可再生能源（VRE）渗透率的提高，可再生能源资源的质量和时效可用性对供电安全的影响日益增大[1]。依赖天气的发电也增加了对协调可靠性需求与容量及备用规划的需求[2]。因此，发电扩容规划（GEP）必须识别出一种能够兼顾可再生能源整合与长期供电充足性的经济高效资源组合。在可再生能源渗透率不断提高的背景下，GEP模型的演进已被广泛综述[3]。通过两阶段随机规划方法，可靠性要求也已纳入扩容规划[4]。然而，如何表征新增资源的充足性贡献仍然是电力系统扩容优化中的核心挑战[5]。

概率可靠性理论确立了供电充足性取决于需求、可再生能源出力和可用发电的联合行为[6]。诸如失负荷概率（LOLP）和失负荷期望（LOLE）等可靠性指标为量化供电短缺风险提供了概率基础[7]。因此，随机生产模拟已被扩展至具有高可再生能源渗透率的系统[8]。含可靠性约束的扩容模型也考虑了相关可再生能源不确定性[9]。风电场不确定性也被纳入电力市场开放环境下的含可靠性约束扩容规划[10]。对于光伏资源，在评估其可靠性贡献时，必须将组件可用性与可变出力一并考虑[11]。

可再生能源扩张影响资源充足性、运行灵活性和电网需求。发电组合的变化可能改变系统可靠性和灵活性[12]。大规模可再生能源部署可能还需要协调发电与输电规划[13]。概率可靠性评估的计算负担促使了高效状态法评估方法的发展[14]。在更短的时间尺度上，可再生能源还可以提供诸如一次调频等运行服务[15]。滚动时域方法在长期扩容规划中反复更新运行决策[16]。这些问题与扩容规划相关，但本研究专门关注候选资源的容量充足性贡献在GEP中的表征方式。

在高VRE渗透率下维持充足性尤为困难，因为可再生能源出力可能无法与决定系统稀缺性的时段重合。因此，即使总装机容量名义上充足，高可再生能源占比仍可能影响系统可靠性[17]。在评估长期投资决策时，还必须保留可再生能源输出的时序变异性[18]。这些特征使得容量值的表征变得越来越重要：资源的可靠贡献通常无法仅从其装机容量或年发电量中直接推断。

现有GEP方法可按容量充足性信息的表征和纳入规划模型的方式进行分类。现代GEP模型综述表明，这些方法的主要差异在于如何在可靠性细节与计算可行性之间取得平衡[19]。本研究区分了三个类别：确定性方法、基于资源充足性（RA）参数的方法和基于场景的方法。在此分类中，确定性类别特指非源自概率资源充足性评估的资源认证值，无论规划模型的其他部分是否考虑了不确定性。

确定性方法通过规划备用裕度、容量系数、固定容量信用、代表性出力曲线或筛查曲线关系等量值来表征资源的充足性贡献。这些方法通常保持相对紧凑的模型结构，但其资源认证值本身并非源自概率RA，即使事后进行了可靠性验证也是如此。例如，一个标称备用裕度无法完全表征可再生能源时序、发电机组停运与供电短缺事件之间的关系[20]。

Abdalla等人[9]通过容量系数类认证参数的年度变异来表征长期可再生能源不确定性，而非直接源自概率RA的有效负荷承载能力（ELCC）。小时级可再生能源和负荷曲线被纳入以表征短期不确定性，而LOLE在求解扩容问题后进行验证，并在必要时调整备用裕度。一种相关的两阶段鲁棒方法通过年度容量系数变异表征长期风电不确定性，通过风电出力模型表征短期不确定性[21]。这些研究提供了详细的可再生能源不确定性表征，但其资源认证并非通过等可靠性RA计算获得。

Mu?oz Tabora等人[22]开发了一个包含需求与可再生能源出力场景及动态计算备用需求的随机多目标GEP模型。该模型时序性地表征可再生能源发电并考虑运行备用需求，但并未为候选资源分配ELCC或其他源自概率RA的容量值。De Sousa等人[23]将电池储能纳入筛查曲线方法。在该框架中，年运行小时数和负荷持续曲线确定最经济发电组合，容量系数由年运行小时数占比定义。因此，尽管其总体规划模型结构存在显著差异，这些研究在容量充足性表征方面被归类为确定性方法。

基于RA参数的方法在GEP模型外部执行概率充足性评估，并将所得信息转移至规划模型中。有效负荷承载能力（ELCC）类容量信用在考虑可再生能源容量系数不确定性的情况下被估计[24]。可信容量也已使用等可靠性准则进行了评估[25]。区域可再生能源容量信用在多时间尺度预测误差条件下被评估[26]。风电容量值评估的方法论基础已在先前研究中确立[27]。一种计算高效程序也被开发用于估计太阳能发电及储能的容量信用[28]。

在GEP中，源自RA的信息可通过顺序更新的容量值参数或预计算的容量值函数引入。Frew等人[29]顺序更新边际容量值，并将更新值作为各变动性可再生能源在规划备用约束中的容量贡献。然而，更新值在各自对应的优化中保持固定。Anderson等人[30]通过预计算的分段线性ELCC曲面表征风电、太阳能和储能的渗透率依赖型容量贡献。这些方法在不直接枚举所有RA状态的情况下，将更详细的充足性信息转移至规划模型中。然而，其逐阶段参数或预计算曲面在每次优化中保持固定，因此与用于其估计的系统条件绑定。

基于场景的方法将概率可用性状态或可靠性指标评估直接纳入扩容规划框架。Gbadamosi[31]使用多状态马尔可夫模型表征综合发电与输电扩容规划中可再生能源和输电设施的可用性与可靠性。Da Costa等人[32]将LOLP、预期未供电功率、风险价值和条件风险价值约束纳入扩容规划。其分解框架将投资决策、系统运行和蒙特卡洛可靠性子问题分离，使得可靠性约束能够与扩容方案直接交互。在这些方法中，资源容量值通过嵌入的可靠性状态或可靠性子问题隐式表征，而非通过外部指定的认证参数。此类方法比固定代理或外部参数更直接地表征充足性，但其计算负担随可靠性状态数、场景数和时间段数的增加而增大。

表1根据纳入容量充足性信息的方法、规划结构以及资源容量值的表征方式，将本研究所提框架置于代表性GEP研究的相对位置。

比较揭示了容量充足性表征保真度、对外部估算参数的依赖以及计算复杂度之间的权衡关系。确定性方法使用相对简单的资源认证表征，这些表征并非直接源自概率RA。基于场景的方法更直接地纳入可靠性状态或可靠性指标评估，但需要更大的模型规模。基于RA参数的方法通过将概率充足性信息转移至GEP同时避免在规划模型中显式枚举RA状态，提供了一种中间结构。

现有基于RA参数方法的剩余局限并非在于其参数在外部估算，而在于容量值关系通常在每次优化中保持固定，或仅为特定系统条件预计算。因此，当投资决策实质性改变发电组合时，这些参数可能失去代表性。可再生能源容量信用的误差可以改变长期投资结果[33]。随着可再生能源和储能渗透率的提高，平均容量信用与边际容量信用也会产生偏离，表明额外一单位容量的贡献无法直接从其平均容量值推断[34]。

这为一种基于RA参数的GEP框架留下了空白，该框架在保持可行的规划结构的同时，表征边际容量值随投资数量变化的局部衰减。由于任何局部估计的关系在足够大幅度的组合转型后可能失去代表性，该框架还必须控制局部参数应用的范围。

本研究的核心假设是：从投资前系统状态估算的边际容量值（MCV）参数，当容量增加实质性改变发电组合时可能失去准确性。规划模型随后可能高估新增资源的有效容量贡献，导致事后LOLE违规和可靠性校正周期。当组合转型保持在RA源自参数所表征的局部区域内时，容量依赖型MCV公式有望减少此误差。大幅转型仍可能削弱近似精度，因此优化可行性并不能消除事后RA验证的需求。

本研究做出三项贡献。第一，引入价值保持系数（VPC）作为渗透率依赖型边际可靠性贡献衰减的归一化度量。它使得可调度发电、VRE和储能的容量值衰减能够在统一尺度上表达，而无需暗示这些资源通过相同的物理机制对充足性作出贡献。

第二，将内生MCV表征纳入GEP公式。新投资的有效容量贡献随投资数量变化，而非保持在投资前数值。概率不确定性通过外部RA评估进行，所得容量值参数转移至每个规划阶段的优化中，无需显式枚举RA场景。

第三，使用系统级VPC（sVPC）的有限差分敏感性施加局部转型边界。该约束限制了组合变化相对于参数估算状态所关联的sVPC总下降幅度。因此，它作为系统级容量值退化的类信赖域控制，而非作为独立的可靠性准则。

基于IEEE可靠性测试系统—电网现代化实验室联盟系统的20年案例研究将本研究所提框架与迭代基准进行了比较。在基准案例中，所提框架将折现投资成本降低了6.0%，在满足LOLE准则的前提下避免了12次事后可靠性校正周期。敏感性分析表明，负荷和可再生能源出力不确定性改变了可再生能源—储能投资组合。分析还表明，大幅规划阶段转型可能使组合超出局部近似的有效范围，证实了事后RA验证的必要性。

本文其余部分组织如下：第2节回顾了公式中使用的可靠性与容量值概念；第3节提出了所提方法；第4节报告了案例研究与敏感性分析结果；第5节得出结论并讨论了本研究的局限性及未来扩展方向。

章节摘要

背景与文献综述

资源充足性评估衡量可用供给能力是否足以满足预期需求[7]。它将资源可用性与时序需求条件相结合，为发电扩容规划中的可靠性约束提供了基础。需求灵活性也可通过减少、转移或削减稀缺时段的需求来贡献资源充足性。其可靠性贡献取决于其可用性、持续时间和激活条件。

方法

资源的边际容量值（MCV）并非恒定，而是随其装机容量增加和发电组合演进而非线性递减。因此，使用固定容量值或在特定组合状态下局部估算的容量值的GEP模型，可能高估额外容量的可靠性贡献，尤其是在容量增加幅度较大时。本研究通过内生地表征MCV衰减并限制来解决这一问题。

案例研究

为评估所提方法的有效性，使用IEEE可靠性测试系统—电网现代化实验室联盟（RTS-GMLC）系统[38]进行了案例研究。基准案例通过将额外负荷和VRE出力不确定性设为零来隔离内生容量值衰减，同时在RA评估中保留了时序曲线、计划维护和强制停运。随后进行敏感性分析，以考察负荷不确定性和VRE出力对投资组合的影响。

结论

本研究开发了一种含可靠性约束的GEP框架，该框架将MCV作为每个规划阶段优化中依赖于决策的局部参数进行表征。

VPC捕捉了边际可靠性贡献随渗透率变化而出现的衰减现象，而系统级灵敏度则提供了sVPC整体下降的类信赖域上界。这些量是基于概率性RA评估得出的规划参数，不应被理解为独立的可靠性指标。CRediT作者贡献声明：Oh Hyobin：撰写——审阅与编辑，撰写——初稿，验证，软件，方法论，正式分析，概念构思。Yun Hyeongseok：资源，数据管理。Yoon Hyojeong：可视化，验证。Kim Eunwoo：调查，数据管理。Kim Wook：撰写——审阅与编辑，监督，项目管理，资金获取。利益冲突声明：? 作者声明不存在可能影响本文所报告工作的已知竞争性经济利益或个人关系。致谢：本研究由大韩民国教育部和国家研究基金会资助（RS-2023-00242047）。本研究还得到了釜山国立大学（PNU-Fellowship项目）资助的2024 BK21 FOUR研究生院创新支持项目资助。Oh Hyobin | Yun Hyeongseok | Yoon Hyojeong | Kim Eunwoo | Kim Wook