Measures for Large-Scale New Energy Generation Consumption

YUAN Gui-li; WANG Bao-yuan; WEI Jie; LIU Pei-de

doi:10.3969/j.issn.2095-560X.2017.04.011

Advances in New and Renewable Energy >

2017 , Vol. 5 >Issue 4: 305 - 314

DOI: https://doi.org/10.3969/j.issn.2095-560X.2017.04.011

Measures for Large-Scale New Energy Generation Consumption

YUAN Gui-li ,
WANG Bao-yuan ,
WEI Jie ,
LIU Pei-de

Expand

North China Electric Power University, Beijing 102206, China

Received date: 2017-05-18

Revised date: 2017-06-22

Online published: 2017-08-30

Fold

Abstract

In China, large-scale renewable energy generation consumption is a serious problem in current power system. According to the state of renewable energy generation connecting to the grid and based on the development of current power system, the factors influencing renewable energy generation consumption were summarized from five aspects including China power structure, renewable energy generation characteristics, scheduling strategies of renewable energy generation, the capacity of grid delivering renewable energy generation and the economic issue between renewable energy generation and conventional generation. For each factor, some solutions which well-developed renewable energy generation countries in Europe and America have taken were listed. Learning from the successful experience of other countries, some measures can be taken to solve large-scale renewable energy generation consumption according to China current and future development trend of power system were proposed.

Key words： large-scale new energy; power generation; consumption measures

Cite this article

YUAN Gui-li , WANG Bao-yuan , WEI Jie , LIU Pei-de . Measures for Large-Scale New Energy Generation Consumption[J]. Advances in New and Renewable Energy, 2017 , 5(4) : 305 -314 . DOI: 10.3969/j.issn.2095-560X.2017.04.011

References

[1] 闫强, 陈毓川, 王安建, 等. 我国新能源发展障碍与应对: 全球现状评述[J]. 地球学报, 2010, 31(5): 759-767. DOI: 10.3975/cagsb.2010.05.21.
[2] 曾博, 杨雍琦, 段金辉, 等. 新能源电力系统中需求侧响应关键问题及未来研究展望[J]. 电力系统自动化, 2015, 39(17): 10-18. DOI: 10.7500/AEPS20150408010.
[3] 可再生能源数据手册2015[R]. 北京: 国家可再生能源中心, 2015.
[4] 中国电力企业联合会. 《2016年全国电力工业统计快报数据一览表》[EB/OL]. (2017-01-20).
http://www.cec.org.cn/guihuayutongji/tongjxinxi/niandushuju/2017-01-20/164007.html.
[5] 陈从磊, 徐孝轩. 全球地热发电现状及展望[J]. 太阳能, 2015(1): 28-32. DOI: 10.3969/j.issn.1003-0417.2015. 01.002.
[6] 张斌. 潮汐能发电技术与前景[J]. 科技资讯, 2014(9): 3-4. DOI: 10.3969/j.issn.1672-3791.2014.09.002.
[7] 国家能源局. 2016年风电并网运行情况[EB/OL]. [2017-01-26]. http://www.nea.gov.cn.
[8] 国家能源局. 2016年西北区域新能源并网运行情况通报[EB/OL]. [2017-01-19]. http://www.nea.gov.cn.
[9] 中国电力企业联合会. 2016-2017年度全国电力供需形势分析预测报告[EB/OL]. [2017-01-25].
http://www.cec.org.cn/.
[10] 中关村储能产业技术联盟. 储能产业研究白皮书2017(摘要版)[R]. 北京: 朝阳区长安驿大厦, 2017.
[11] 刘吉臻. 大规模新能源电力安全高效利用基础问题[J]. 中国电机工程学报, 2013, 33(16): 1-8.
[12] Energy Efficiency & Renewable Energy. Alternative fuels data center: emissions from hybrid and plug-in electric vehicles[EB/OL]. [2017-01-05].
http://www.afdc.energy.gov/vehicles/electric_emissions.php.
[13] EVANS S. Analysis: dramatic shift in UK government outlook for gas and clean energy[EB/OL]. [2017-03-22]. https://www.carbonbrief.org/analysis-dramatic-shift-uk-government-outlook-gas-clean-energy.
[14] SCHELLONG W, SCHMIDLA T. Optimization of distributed cogeneration systems[C]//Proceedings of 2013 IEEE International Conference on Industrial Technology. Cape Town: IEEE, 2013: 879-884. DOI: 10.1109/ICIT. 2013.6505787.
[15] 包能胜. 风电-燃气轮机互补发电系统若干关键问题的研究[D]. 北京: 清华大学. 2007.
[16] 黄浩, 张沛. 美国新能源发展概况[J]. 电网技术, 2011, 35(7): 48-53.
[17] 刘新东, 陈焕远, 姚程. 计及大容量燃煤机组深度调峰和可中断负荷的风电场优化调度模型[J]. 电力自动化设备, 2012, 32(2): 95-99. DOI: 10.3969/j.issn.1006- 6047.2012.02.017.
[18] 贾益, 王涛. 利用富氧不停炉超低负荷调峰技术提高火电灵活性的应用及探讨[C]//燃煤发电锅炉富氧燃烧节能环保技术研讨会论文集. 武汉: 中国动力工程学会, 2016: 109-116.
[19] 北极星电力网新闻中心. 解读丨电规总院牵头推进火电调峰促进电力绿色低碳发展[EB/OL]. [2016-04-29]. http://news.bjx.com.cn/html/20160429/729203.shtml.
[20] 姚建国, 杨胜春, 王珂, 等. 智能电网“源－网－荷”互动运行控制概念及研究框架[J]. 电力系统自动化, 2012, 36(21): 1-6.
[21] 胡泽春, 丁华杰, 宋永华, 等. 能源互联网背景下储能应用的研究现状与展望[J]. 电力建设, 2016, 37(8): 8-17. DOI: 10.3969/j.issn.1000-7229.2016.08.002.
[22] YUAN G L, WANG L B, WANG B Y. Grid-plant coordination optimization scheduling for power-heat load with wind power integrated[C]//Proceedings of the 28th Chinese Control and Decision Conference. Yinchuan, China: IEEE, 2016: 4735-4740. DOI: 10.1109/CCDC. 2016.7531840.
[23] 胡娟, 杨水丽, 侯朝勇, 等. 规模化储能技术典型示范应用的现状分析与启示[J]. 电网技术, 2015, 39(4): 879-885. DOI: 10.13335/j.1000-3673.pst.2015.04.001.
[24] 韩为超, 刘俊勇, 刘友波, 等. 基于Fourier-Legendre级数展开的主动配电网储能容量优化[J]. 电网技术, 2017, 41(4): 1123-1131. DOI: 10.13335/j.1000-3673.pst. 2016.1751.
[25] 刘舒, 李正力, 王翼, 等. 含分布式发电的微电网中储能装置容量优化配置[J]. 电力系统保护与控制, 2016, 44(3): 78-84. DOI: 10.7667/PSPC150599.
[26] 石涛, 张斌, 晁勤, 等. 兼顾平抑风电波动和补偿预测误差的混合储能容量经济配比与优化控制[J]. 电网技术, 2016, 40(2): 477-483. DOI: 10.13335/j.1000-3673. pst.2016.02.021.
[27] 章竹耀, 郭晓丽, 张新松, 等. 储能电池平抑风功率波动策略[J]. 电力系统保护与控制, 2017, 45(3): 62-68. DOI: 10.7667/PSPC160209.
[28] 吴杰, 丁明. 采用自适应小波包分解的混合储能平抑风电波动控制策略[J]. 电力系统自动化, 2017, 41(3): 7-12. DOI: 10.7500/AEPS20160607009.
[29] 孙玉树, 李星, 塘西胜, 等. 应用于微网的多类型储能多级控制策略[J]. 高电压技术, 2017, 43(1): 181-188. DOI: 10.13336/j.1003-6520.hve.20161227024.
[30] 于大洋, 宋曙光, 张波, 等. 区域电网电动汽车充电与风电协同调度的分析[J]. 电力系统自动化, 2011, 35(4): 24-29.
[31] 王帅, 赵兴勇, 贺天云, 等. 考虑电动汽车的微电网复合储能容量优化配置[J]. 中国电力, 2017, 50(3): 161-167. DOI: 10.11930/j.issn.1004-9649.2017.03.161.07.
[32] 于童. 多目标网厂两级负荷优化调度研究[D]. 北京: 华北电力大学, 2015.
[33] 张玮, 李丹, 张翔宇, 等. 基于风险约束的风电和水电联合日前调度优化模型[J]. 中国电力, 2016, 49(5): 163-170. DOI: 10.11930/j.issn.1004-9649.2016.05.163.08.
[34] 葛晓琳, 张粒子. 考虑调峰约束的风水火随机机组组合问题[J]. 电工技术学报, 2014, 29(10): 222-230. DOI: 10.3969/j.issn.1000-6753.2014.10.028.
[35] 袁桂丽, 陈少梁, 刘颖, 等. 基于分时电价的虚拟电厂经济性优化调度[J]. 电网技术, 2016, 40(3): 826-832. DOI: 10.13335/j.1000-3673.pst.2016.03.024.
[36] 吴红斌, 庄怀东, 朱新超. 基于2层协调调度的风光储柴优化配置研究[J]. 中国电力, 2016, 49(9): 142-147. DOI: 10.11930/j.issn.1004-9649.2016.09.142.06.
[37] 王扬, 赵书强, 徐岩, 等. 基于机会约束目标规划的风火储系统滚动调度[J]. 电网技术, 2017, 41(1): 187-193. DOI: 10.13335/j.1000-3673.pst.2016.0723
[38] 卫志农, 余爽, 孙国强, 等. 虚拟电厂的概念与发展[J]. 电力系统自动化, 2013, 37(13): 1-9. DOI: 10.7500/AEPS201210156.
[39] 刘传良. 山东电网火电及新能源机组协调运行方案优化研究[D]. 北京: 华北电力大学, 2014.
[40] 刘吉臻, 王海东, 李明扬. 含风电的电力系统机组组合问题研究综述[J]. 电力建设, 2014, 35(12): 38-45. DOI: 10.3969/j.issn.1000-7229.2014.12.007.
[41] WANG X C, GUO P, HUANG X B. A review of wind power forecasting models[J]. Energy procedia, 2011, 12: 770-778. DOI: 10.1016/j.egypro.2011.10.103.
[42] 周滢垭, 严骆锴, 廖宇. 弃风弃光率仅1% 德国新能源高消纳的秘密是什么?[EB/OL]. [2016-02-16]. http://guangfu.bjx.com.cn/news/20160216/708240.shtml.
[43] 中国电力科学院. 国外风电功率预测发展现状[C]//中国农机工业协会风能设备分会《风能产业》(2014年第1期). 北京: 风能产业, 2014: 12-16.
[44] 钱政, 裴岩, 曹利宵, 等. 风电功率预测方法综述[J]. 高电压技术, 2016, 42(4): 1047-1060. DOI: 10.13336/ j.1003-6520.hve.20160405021.
[45] LAHOUAR A, SLAMA J B H. Hour-ahead wind power forecast based on random forests[J]. Renewable energy, 2017, 109: 529-541. DOI: 10.1016/j.renene.2017.03.064.
[46] AZIMI R, GHOFRANI M, GHAYEKHLOO M. A hybrid wind power forecasting model based on data mining and wavelets analysis[J]. Energy conversion and management, 2016, 127: 208-225. DOI: 10.1016/j. enconman.2016.09.002.
[47] CHANG G W, LU H J, CHANG Y R, et al. An improved neural network-based approach for short-term wind speed and power forecast[J]. Renewable energy, 2017, 105: 301-311. DOI: 10.1016/j.renene.2016.12.071.
[48] 钱振, 蔡世波, 顾宇庆, 等. 光伏发电功率预测方法研究综述[J]. 机电工程, 2015, 32(5): 651-659. DOI: 10.3969/j.issn.1001-4551.2015.05.015.
[49] MALVONI M, DE GIORGI M G, CONGEDO P M. Data on Support Vector Machines (SVM) model to forecast photovoltaic power[J]. Data in brief, 2016, 9: 13-16. DOI: 10.1016/j.dib.2016.08.024.
[50] PAULESCU M, BRABEC M, BOATA R, et al. Structured, physically inspired (gray box) models versus black box modeling for forecasting the output power of photovoltaic plant[J]. Energy, 2017, 121: 792-802. DOI: 10.1016/j.energy.2017.01.015.
[51] SAINT-DRENAN Y M, GOOD G H, BRAUN M. A probabilistic approach to the estimation of regional photovoltaic power production[J]. Solar Energy, 2017, 147: 257-276. DOI: 10.1016/j.solener.2017.03.007.
[52] 杨宏, 苑津莎, 吴立增. 基于风电功率预测的电网静态调峰能力极限研究[J]. 电工技术学报, 2014, 29(4): 266-272. DOI: 10.3969/j.issn.1000-6753.2014.04.034.
[53] 杨宏. 电网调峰能力对最大风电准入功率的影响研究[D]. 北京: 华北电力大学, 2014.
[54] 刘德伟, 黄越辉, 王伟胜, 等. 考虑调峰和电网输送约束的省级系统风电消纳能力分析[J]. 电力系统自动化, 2011, 35(22): 77-81.
[55] 崔杨, 陈正洪, 孙朋杰. 弃光限电条件下不同纬度地区短期光伏发电功率预测对比分析[C]//2016中国环境科学学会学术年会. 海口: 中国环境科学学会, 2016: 4806-4816.
[56] 张颖超, 王雅晨, 邓华, 等. 基于IAFSA-BPNN的短期风电功率预测[J]. 电力系统保护与控制, 2017, 45(7): 58-63. DOI: 10.7667/PSPC160483.
[57] 赵建平, 李刚. 基于GA-Elman神经网络的短期风电功率预测[J]. 陕西电力, 2017, 45(3): 23-26. DOI: 10.3969/j.issn.1673-7598.2017.03.005.
[58] 曾杰, 陈晓科. 考虑测风数据缺失的短期风电功率预测算法[J]. 可再生能源, 2017, 35(2): 298-303.
[59] 史坤鹏, 乔颖, 赵伟, 等. 计及历史数据熵关联信息挖掘的短期风电功率预测[J]. 电力系统自动化, 2017, 41(3): 13-18. DOI: 10.7500/AEPS20160504020.
[60] 王新友, 王晨华, 张祎, 等. 基于改进型ESN的短期风电功率预测[J]. 自动化与仪器仪表, 2017(3): 29-32.
[61] 孙晓燕, 时良振, 徐瑞东, 等. 基于区间样本和回声状态网络的风电功率不确定性预测[J]. 郑州大学学报(工学版), 2017, 38(1): 56-62. DOI: 10.13705/j.issn. 1671-6833.2017.01.003.
[62] 李芬, 宋启军, 蔡涛, 等. 基于PCA-BPNN的并网光伏电站发电量预测模型研究[J]. 可再生能源, 2017, 35(5): 689-695.
[63] 宋人杰, 刘福盛, 马冬梅, 等. 基于相似日和WNN的光伏发电功率超短期预测模型[J]. 电测与仪表, 2017, 54(7): 75-80. DOI: 10.3969/j.issn.1001-1390.2017.07.013.
[64] 张程熠, 唐雅洁, 李永杰, 等. 适用于小样本的神经网络光伏预测方法[J]. 电力自动化设备, 2017, 37(1): 101-106, 111.
[65] 张玉, 莫寒, 张烈平. 基于模糊支持向量机的光伏发电量预测[J]. 热力发电, 2017, 46(1): 116-120. DOI: 10.3969/j.issn.1002-3364.2017.01.116.
[66] 阳霜, 罗滇生, 何洪英, 等. 基于EMD-LSSVM的光伏发电系统功率预测方法研究[J]. 太阳能学报, 2016, 37(6): 1387-1395. DOI: 10.3969/j.issn.0254-0096.2016. 06.005.
[67] 宋启军, 胡翔奎, 王腾飞, 等. 基于GRA-SVM的光伏发电功率预测[J]. 水力发电, 2016, 42(11): 110-113. DOI: 10.3969/j.issn.0559-9342.2016.11.028.
[68] 程启明, 张强, 程尹曼, 等. 基于密度峰值层次聚类的短期光伏功率预测模型[J]. 高电压技术, 2017, 43(4): 1214-1222. DOI: 10.13336/j.1003-6520.hve.20170328019.
[69] 黎静华, 桑川川, 甘一夫, 等. 风电功率预测技术研究综述[J]. 现代电力, 2017, 34(3): 1-11. DOI: 10.3969/ j.issn.1007-2322.2017.03.001.
[70] 韩自奋. 风电功率预测研究[D]. 武汉: 武汉大学, 2012.
[71] 罗剑波, 陈永华, 刘强. 大规模间歇性新能源并网控制技术综述[J]. 电力系统保护与控制, 2014, 42(22): 140-146.
[72] 余潇潇, 张璞, 左向红, 等. 北京电网新能源消纳能力研究[J]. 电气应用, 2015(S1): 528-531.
[73] 王志轩. “一带一路”电力企业的机遇与挑战[J]. 中国能源, 2015, 37(10): 9-12. DOI: 10.3969/j.issn.1003- 2355.2015.10.002.
[74] 黄薇. 最全梳理！11条特高压线路到底输送了多少可再生能源?[EB/OL]. [2017-04-24].
http://shupeidian.bjx.com.cn/news/20170424/821884.shtml.
[75] 曾鸣, 杨雍琦, 刘敦楠, 等. 能源互联网“源-网-荷-储”协调优化运营模式及关键技术[J]. 电网技术, 2016, 40(1): 114-124. DOI: 10.13335/j.1000-3673.pst.2016.01.016.
[76] 李丰. 考虑大规模风电接入系统的发电优化调度模型及方法研究[D]. 北京: 华北电力大学, 2014.
[77] The Midcontinent Independent System Operator Incorporated. MISO quarterly operations report for the board of directors market committee[R]. Carmel: Headquarters and Main Control Room, 2017.
[78] 南方能源观察. 前车之鉴: 看美国如何消纳可再生能源[EB/OL]. [2015-10-23]. http://solar.ofweek.com/.
[79] 牛东晓, 李建锋, 魏林君, 等. 跨区电网中风电消纳影响因素分析及综合评估方法研究[J]. 电网技术, 2016, 40(4): 1087-1093. DOI: 10.13335/j.1000-3673.pst.2016. 04.016.
[80] 张磊, 罗毅, 肖雅元, 等. 大规模风电并网条件下AGC机组跨区分布式最优协调控制[J]. 电工技术学报, 2016, 31(9): 42-49. DOI: 10.3969/j.issn.1000-6753. 2016.09.006.
[81] 孙亮. 大规模风电并网条件下提高电力系统调峰能力的研究[D]. 大连: 大连理工大学, 2010.
[82] 刘贞, 施於人, 阎建明. 低碳电力市场运行模式仿真研究[J]. 电网技术, 2013, 37(3): 604-609.
[83] GLACHANT J M, RUESTER S. The EU internal electricity market: done forever?[J]. Utilities policy, 2014, 30: 1-7. DOI: 10.1016/j.jup.2014.05.003.
[84] 罗鑫, 张粒子, 李才华. 国际上鼓励可再生能源发电制度的利弊分析[J]. 可再生能源, 2016(4): 3-6. DOI: 10.3969/j.issn.1671-5292.2006.04.002.
[85] Lawrence Berkeley National Laboratory. U.S. Renewables portfolio standards 2016 Annual status report[R]. California: University of California, Berkeley, 2016.
[86] 马莉, 范孟华, 郭磊, 等. 国外电力市场最新发展动向及其启示[J]. 电力系统自动化, 2014, 38(13): 1-9. DOI: 10.7500/AEPS20140520007.
[87] MIR-ARTIGUES P, DEL RÍO P. Combining tariffs, investment subsidies and soft loans in a renewable electricity deployment policy[J]. Energy policy, 2014, 69: 430-442. DOI: 10.1016/j.enpol.2014.01.040.
[88] 熊长虹, 刘洪华. 对峰谷电价执行范围调整的思考与建议[J]. 电力需求侧管理, 2014, 16(2): 41-44. DOI: 10.3969/j.issn.1009-1831.2014.02.012.
[89] 黄振伟, 杜松怀, 苏娟. 计及可中断负荷的旋转备用容量机会约束规划模型[J]. 电力需求侧管理, 2009, 11(1): 24-27, 31. DOI: 10.3969/j.issn.1009-1831.2009. 01.008.
[90] 王蓓蓓, 李义荣, 李杨, 等. 考虑响应不确定性的可中断负荷参与系统备用配置的协调优化[J]. 电力自动化设备, 2015, 35(11): 82-89. DOI: 10.16081/j.issn.1006- 6047.2015.11.013.
[91] 尚金成. 中国电力市场体系模式设计: (一)互联电网电力市场设计[J]. 电力系统自动化, 2010, 34(8): 49-55.
[92] 安学娜, 张少华, 李雪. 考虑绿色证书交易的寡头电力市场均衡分析[J]. 电力系统自动化, 2017, 41(9): 84-89. DOI: 10.7500/AEPS20160516008.
[93] 张小东, 杨廷天, 任景, 等. 考虑新能源消纳的大用户直购电机制及其在西北电网的应用[J]. 电力建设, 2017, 38(1): 138-143. DOI: 10.3969/j.issn.1000-7229. 2017.01.018.

Options

Outlines

模态框（Modal）标题

Abstract

Cite this article

References