第 47 卷 第 1 期 电 网 技 术 Vol. 47 No.

1
2023 年 1 月 Power System Technology Jan. 2023
文章编号：1000-3673（2023）01-0031-10 中图分类号：TM 721 文献标志码：A 学科代码：470·40

大规模新能源基地经特高压直流送出系统
中长期运行方式优化方法
李湃，王伟胜，黄越辉，韩培东，张金平
（新能源与储能运行控制国家重点实验室(中国电力科学研究院有限公司)，北京市 海淀区 100192）

Method on Optimization of Medium and Long Term Operation Modes of Large-scale

Renewable Energy Power Base Through UHVDC System
LI Pai, WANG Weisheng, HUANG Yuehui, HAN Peidong, ZHANG Jinping
(State Key Laboratory of Operation and Control of Renewable Energy & Storage Systems (China Electric Power Research Institute),
Haidian District, Beijing 100192, China)

1ABSTRACT: Large-scale renewable energy power base with 源消纳的重要形式，合理优化特高压直流中长期运行方式，

UHVDC will play an important role in China. Optimizing the 是提高新能源基地外送消纳能力的重要基础。提出了基于时
medium and long term operation modes of UHVDC can help to 序生产模拟的大规模新能源基地经特高压直流送出系统中
promote the accommodation ability of renewable energy base. 长期运行方式优化方法。首先，考虑生产模拟计算准确性与
This paper proposes a time sequential production simulation 复杂度的要求，建立了不同类型光热电站、火电机组和储能
based method on optimization of medium and long term 电站的聚合运行模型；然后，考虑特高压直流运行模式、灵
operation modes of UHVDC. Firstly, to balance the 活调节性能和受端电网负荷调峰需求，建立了不含整数变量
computational complexity and precision, aggregated operation 的特高压直流运行模型。最后，建立了以新能源最大化外送
models of different types of concentrating solar power (CSP), 消纳为目标，考虑各类电源与特高压直流运行约束的中长期
thermal power unit and battery energy storage system (BESS) 运行方式优化模型，提出了基于逐周计算的全年 8760h 生产
are established. Secondly, with considering the operation 模拟计算方法。算例基于含风电/光伏/光热/火电/储能的大
modes, flexible operations and peak-load regulation demand of 规模新能源基地开展测试，结果表明所提出方法能够优化特
receiving-end power grid, an UHVDC operation model without 高压直流年/月运行曲线，实现新能源的最大化外送消纳，
integer variables is established. Thirdly, a mathematical model 计算准确性与效率能够满足工程实用性需求。
is formulated to optimize the weekly operation modes of
关键词：新能源基地；特高压直流；时序生产模拟；光热发
UHVDC, which the objective is to maximize the annual power
电；中长期运行方式
generation of renewable energy, and a sequential algorithm is
proposed to solve the annual optimization model week by week. DOI：10.13335/j.1000-3673.pst.2022.1335
Finally, case studies are conducted by a renewable energy
power base with wind power, photovoltaic power (PV), CSP, 0 引言
thermal power and BESS. Testing results verify that the
在“双碳”目标的驱动下，“十四五”和“十
proposed method can optimize the operation modes of
UHVDC and maximize the power generation of renewable 五五”期间，我国将在沙漠、戈壁、荒漠地区建设
energy through UHVDC. The computational precision and 超过 4.5 亿 kW 的大型新能源基地。大型新能源基
efficiency also satisfy the applicability in practice. 地利用风光资源的互补特性，以及火电、光热、储
KEY WORDS: renewable energy power base; UHVDC; time 能等资源的灵活调节能力，通过安全稳定、灵活可
sequential production simulation; concentrating solar power; 靠的特高压直流进行送出，实现新能源高效外送消
medium and long term operation mode 纳的目标[1-2]。
摘要：大规模新能源基地经特高压直流送出是我国未来新能 针对大规模新能源基地经特高压直流送出系
统，合理优化特高压直流的年/月送电曲线，评估新
基金项目：国家电网有限公司科技项目(5100-202255354A- 能源基地年/月外送消纳电量，能够科学指导系统中
2-0-YS)。
长期运行方式安排，对提高特高压直流利用率和基
Project Supported by Science and Technology Project of State Grid
Corporation of China (5100-202255354A-2-0-YS). 地外送消纳能力有着重要的作用。传统的特高压直
32 李湃等：大规模新能源基地经特高压直流送出系统中长期运行方式优化方法
流年/月运行方式优化以月度电量平衡和典型日电
力平衡计算为主，直流计划曲线相对固定。然而，
大规模新能源基地的风电/光伏装机占比较高，并且
远离交流大电网，系统调节能力有限，使得基地出
力随机波动性强，直流年/月运行曲线需要灵活变
化，传统的基于月度电量平衡和典型日电力平衡的
方法难以适用。
基于全年 8760h 电力平衡仿真的时序生产模拟
技术是优化系统中长期运行方式的重要技术手段，
在含大规模新能源的电力系统中获得了广泛的应
[3-5]
用 。针对大规模新能源基地经直流送出系统，由
于直流运行时变性强、各类电源约束耦合度高、优
化时段长，开展全年 8760h 生产模拟建模和求解难
度较大[6-7]。因此，需要考虑火电、储能、光热等各
类灵活调节资源和特高压直流的主要运行特点，建
立兼顾计算准确性与时效性的新能源基地电源与
特高压直流运行模型，并提出高效的求解方法。
在新能源基地电源运行模型方面，针对火电和
电化学储能，学者们分别提出了适应中长期生产模
[8-10]
拟计算的运行优化模型
兴的发电形式，近几年获得了广泛的关注，常见的
光热电站类型主要为槽式、塔式和(线性)菲涅尔式 。
针对光热发电聚光集热、储热/放热和发电运行环
节，学者们建立了适用于短期调度的光热电站运行
[12-15]
模型 ，但由于光热电站系统结构较为复杂、运
行状态多变，已有模型难以适应长时间尺度生产模
拟计算的需求。文献[16]中提出了一种光热发电机
组聚合建模方法，通过对多个相同容量光热电站的
聚合建模，可以简化多个光热电站生产模拟模型的
复杂度。事实上，不同类型光热电站系统结构存在
[17]
差异性 ，导致内部热量平衡过程明显不同，需要
进行分类建模。但在目前的研究中，槽式、塔式和
菲涅尔式光热电站均采用相同的运行模型
响了计算结果的准确性。
在特高压直流运行模型方面，国内外学者在跨
区电网日前/日内发电计划优化方面开展了研究工
作。文献[18-19]在国内较早提出了基于功率分档控
制的特高压直流运行模型，用于跨区直流联络线日
前发电计划的制定。文献[20-21]针对功率分档控制
精度不足的问题，分别提出了描述直流联络线功率
阶梯化运行的发电计划优化模型。文献[22]提出了
一种考虑风电/光伏/光热联合直流外送的源网荷多
时段协调优化方法，考虑特高压直流功率限制、运
行状态、调节频次和调节方向等要求，实现了直流
日前–日内发电计划的协调优化。已有研究中的特
Vol. 47 No. 1
高压直流运行模型主要用于短期发电计划的安排，
需要引入多组 0-1 整数变量和连续变量，模型复杂
度较高，难以适应中长期时序生产模拟计算实用性
的需求。此外，目前的特高压直流运行模型较少考
虑受端电网的负荷调峰需求，影响了直流送电曲线
的合理性[23]。
全年 8760h 生产模拟优化模型包含海量的整数
变量、连续变量与约束条件，在数学上属于超大规
模混合整数规划问题，由于实际系统的源–网–荷结
构复杂，对求解算法的通用性和适应性要求较高。
全年 8760h 生产模拟优化模型难以直接求解，学者
们通常采用多时间尺度分层计算的框架 [6-7,10] 或逐
时段计算的框架[3-4,8,24]，其核心优化问题主要采用
CPLEX、GUROBI 等商业优化软件进行求解。目前，
这 2 种计算方式已在实际电力系统中得到了较为广
泛的应用，能够满足大规模新能源基地经特高压直
流送出系统的计算需求。
针对上述问题，本文提出了一种基于时序生产
模拟的大规模新能源基地经特高压直流送出系统
。光热发电作为一种新 中长期运行方式优化方法。首先，考虑不同类型光
热电站的运行差异性，建立了塔式、槽式和(线性)
[11]
菲涅尔式光热电站聚合运行模型，以及火电与储能
的聚合运行模型；然后，考虑特高压直流调节频次、
最大爬坡能力和受端电网调峰需求等约束，建立了
不含整数变量的特高压直流运行模型；最后，建立
了以新能源最大化外送消纳为目标，考虑风电/光伏/
光热/火电/储能运行约束与特高压直流运行模式的
中长期运行方式优化模型，提出了基于逐周计算的
全年 8760h 生产模拟计算方法。算例中以含风电/
光伏/光热/火电/储能的大规模新能源基地为例进行
仿真验证，分析对比了不同类型光热、不同直流运
行模式和调节性能等因素的影响，结果验证了方法
[12-16]
，影 的有效性和实用性。
1 新能源基地电源运行模型
1.1 光热电站聚合运行模型
光热电站的运行过程包括集热、导热、储/放热、
发电等多个环节，目前常见的光热电站类型包括塔
式、槽式、(线性)菲涅尔式 3 种。除集热技术不同
外，各类光热电站的导热介质和系统结构也存在差
别。各类光热电站内部能量转换关系如图 1 所示，
槽式和菲涅尔式光热电站的发电热量既可以来源
于集热器，也可以来源于储热罐放热，但通常其导
热介质和储热介质不同，储热和放热由一个阀门进
行控制，因此无法同时进行储热和放热。塔式光热
第 47 卷 第 1 期 电 网 技 术 33

csp
量； p csp 和 p
c
弃热功率 H t 表示单个光热电站的最大和最小发
ch
集热功率 H tsf 储热功率 H t
集热器 储热罐
热损耗 电功率； N csp 表示聚合光热电站的数量； β csp 表示
光热电站的热–电转换系数；H g (t ) 表示聚合光热电

ch
站的发电热功率；E g 表示单个光热电站启机所需热
放热功率 H t
发电机 功率； U (t ) 表示聚合光热电站的启机数量。

所有类型通用
2）槽式/菲涅尔式光热电站聚合运行模型。
仅槽式/菲涅尔式 发电功率 Pt 槽式和(线性)菲涅尔式光热电站聚合运行模型
图 1 光热电站内部能量转换关系示意图 形式相同，包含的约束条件包括：式(10)热量平衡
Fig. 1 Diagram of energy flow in different concentrated 约束、式(11)储热罐储/放热功率范围约束，以及式
solar power stations
(2)储热罐热量平衡约束、式(4)储热罐储热量范围约
电站的发电热量来源于储热罐放热，储热和放热分 束、式(5)电站出力范围约束、式(6)电站运行数量范
别由不同的阀门控制，因此储、放热可以同时进行[23]。 围约束、式(7)热–电功率转换约束、式(9)启机数量
本节基于文献[22]的聚合思想，进一步考虑光热电 约束。由于槽式和(线性)菲涅尔式光热电站与塔式
站类型的影响，分别建立不同类型光热电站的等效 光热电站内部结构的差异性，热量平衡约束和储/
聚合运行模型。 放热功率范围约束形式不同，具体如下：
1）塔式光热电站聚合运行模型。
H sf (t )  H c (t )+H ch (t ) 
塔式光热电站聚合运行模型的约束条件包括：
H dc (t )  H g (t )  E gU (t ), t (10)
式(1)热量平衡约束、式(2)储热罐热量平衡约束、式
0  H ch (t )  Schcsp (t )h ch
(3)储热罐储/放热功率范围约束、式(4)储热罐储热 
0  H (t )  Sdc (t )h , t
dc csp dc
(11)
量范围约束、式(5)电站出力范围约束、式(6)电站运  S csp (t )  S csp (t )  N csp
行数量范围约束、式(7)热–电功率转换约束、式(8)  ch dc
csp
发电热量平衡约束、式(9)启机数量约束，具体如下： 式中 Sch (t ) 和 Sdccsp (t ) 分别表示光热电站进行储热和
H sf (t )  H c (t )+H ch (t ), t (1) 放热的数量，均为整数变量。
H dc (t ) 1.2 火电机组聚合运行模型
E csp (t )=E csp (t  1)  [ηch
csp
H ch (t )  csp
]Δt , t (2) 火电机组运行模型通常包括机组出力范围、机
ηdc
组爬坡、机组最小启/停机时间等约束条件，需要采
0  H ch (t )  S csp (t )h ch
 , t (3) 用多组 0-1 整数变量来描述机组的启机、停机和运
0  H (t )  S (t )h
dc csp dc

csp
行状态，模型复杂度随整数变量规模呈指数级增
E  E csp (t )  N csp E csp , t (4)
长。为提高中长期时间尺度运行模拟计算的效率，
csp
S csp (t ) p  pcsp (t )  S csp (t ) p csp , t (5) 可对相同类型和容量的火电机组进行等效聚合，通
0  S (t )  N , t
csp csp
(6) 过一组整数变量替换多组 0-1 变量，将多个机组开
p (t )  β H (t ), t
csp csp g
(7) 关机组合的决策问题转化为优化机组的整体运行
H (t )  H (t )  E U (t ), t
dc g g
(8) 台数问题。火电机组聚合运行模型的约束条件包括[14]：

0, S (t )  S (t  1)  0 式(12)聚合机组出力范围约束、式(13)聚合机组启停
U (t )   , t (9) 机台数约束、式(14)聚合机组启停机状态约束、式
 S (t )  S (t  1), S (t )  S (t  1)  0
(15)聚合机组运行台数约束、式(16)聚合机组启机次
式中： t 为时段序号； Δt 为单位优化时段长度；
数约束、式(17)聚合机组停机次数约束、式(18)聚合
H sf (t ) 表示聚合光热电站集热器的理论输入热功
机组最大爬升功率约束、式(19)聚合机组最大爬降
率，H c (t ) 表示聚合光热电站的弃热功率，H ch (t ) 和
功率约束，具体形式如下：
H dc (t ) 表 示 聚 合 光 热 电 站 的 储 热 和 放 热 功 率 ； p gmin S g (t )  p g (t )  p gmax S g (t ), t (12)
csp csp csp
E (t ) 表示聚合光热电站的储热量； η 和 η 表 ch dc  Z g (t ) S gmax  S g (t )  S g (t  1)  Yg (t ) S gmax , t (13)
csp
示聚合光热电站的储热和放热效率； S (t ) 表示聚 Yg (t )  Z g (t )  1, t (14)
ch dc
合光热电站的运行数量，为整数变量；h 和h 表 S gmin  S g (t )  S gmax , t (15)
csp
示单个光热电站的最大储热和放热功率； E 和
 t 1 Yg (t )  N , t
T
csp (16)
E 表示单个光热电站储热罐的最大和最小储热
34 李湃等：大规模新能源基地经特高压直流送出系统中长期运行方式优化方法 Vol. 47 No. 1

 t 1 Z g (t )  N , t 2 特高压直流运行模型
T
(17)
p g (t )  p g (t  1)  p gmin [ S g (t )  S g (t  1)]  目前文献中的特高压直流运行模型主要考虑

gup S g (t  1)Δt , t (18) 了特高压直流输电功率的阶梯化运行、输电量范

围、功率变化速率等约束条件，模型具有离散和非
p g (t  1)  p g (t )  p gmin [ S g (t  1)  S g (t )] 
线性特点，复杂度较高，并且未考虑受端电网的负
gdown S g (t )Δt , t (19) 荷调峰需求。本节提出的特高压直流模型能够考虑
式中：g 为聚合机组类型序号； pg (t ) 表示第 g 类火 直流的运行要求，兼顾受端电网的负荷调峰需求，
电机组在 t 时段的发电功率；S g (t ) 为整数变量，表 并且无需引入整数变量，大大简化模型复杂度。
示第 g 类火电机组在 t 时段的运行台数； Yg (t ) 和 特高压直流运行模型包括式(25)直流功率范围
Z g (t ) 分别表示第 g 类火电机组在 t 时段的启机状态 约束、式(26)直流功率爬坡约束、式(27)直流恒定运
行时长约束、式(28)直流每日最大功率范围约束、
和停机状态，均为 0-1 变量。当 t 时段有机组启机
式(29)直流每日功率调峰范围约束、式(30)直流输电
时，Yg ,t  1 ，有机组停机时， Z g ,t  1 ，并且同一时
量范围约束、式(31)直流连续日功率固定约束，其
刻启机和停机状态互斥。 pgmax 和 p gmin 分别表示第 g
典型运行曲线示意图如图 2 所示。
类火电机组在 t 时段的最大和最小技术出力； S gmax p DC  pdDC (t )  p DC , d , t (25)
和 S gmin 分别表示第 g 类火电机组的最大和最小运行 p DC
p DC
(t )  p DC
(t  1)  p DC
, t (26)
down d d up

台数； N 表示机组在优化周期内的最大启/停机次 pdDC (t )  pdDC (t  i  1), mod(t , ς )  1,1  i  ς , d (27)

数；gup 和 gdown 分别表示第 g 类火电机组的最大爬
0  pdDC
,max  p
DC
, d (28)
升和爬降功率。 0 p DC
p DC
(t )  δd p DC
, d , t  d (29)
d ,max d
1.3 储能电站运行模型
储能电站运行模型包括式(20)储能充电功率范
 pdDC (t )  E DC (30)
d t

围约束、式(21)储能放电功率范围约束、式(22)储能 pdDC (t )  pdDCi 1 (t ), i  1, 2,..., I , t (31)

充放电状态约束、式(23)荷电状态约束、式(24)储电 式中：d 和 i 表示日序号； p DC
(t ) 表示直流在第 d
d
量范围约束，具体如下： 日 t 时段的输电功率； p DC
表示直流在第 d 日的
d ,max
0  pbch (t )  xbch (t ) pbch , t (20) 最大输电功率。 p DC
和 p DC 分别表示直流的最大和
0  p (t )  x (t ) p , t
dc
b
dc
b
dc
b (21) DC
最小输电功率； p up DC
和 pdown 分别表示直流的最大
xbch (t )  xbdc (t )  1, t (22) 爬坡和爬降功率；δd 表示直流功率在第 d 日内的最
Eb (t  1)  (1  ηb ) Eb (t )  大峰谷差率；ς 表示直流功率保持恒定的最短时长；
pbdc (t ) mod() 表示求余数函数； E DC 表示直流在优化周期
[ηbch pbch (t )  ]Δt , t (23)
ηbdc 内的输电量； I 表示直流日功率固定的天数。需要
Eb  Eb (t )  Eb , t (24) 说明的是，直流最大输电功率 p DC 既可以设置为直
ch dc 流额定容量，也可以设定为满足系统安全稳定运行
式中： p (t ) 和 p (t ) 分别表示储能电站 b 在 t 时
b b
要求下的输电功率上限。
段的充电功率和放电功率；xbch (t ) 和 xbdc (t ) 分别表示
为更好地模拟实际调度运行环节，可设置不同
储能电站 b 在 t 时段的充电状态和放电状态，均为
的直流运行模式，具体如下。
0-1 整数变量，xbch (t )  1 表示储能电站 b 在 t 时段进 直流功率
功率恒定时长
行充电， x (t )  1 表示储能电站 b 在 t 时段进行放
dc
b 最大
输电功率
电，并且同一时刻储能电站的充放电状态互斥； 爬升功率
最大
Eb (t ) 表示储能电站 b 在 t 时段的储电量。pbch 和 pbdc 峰谷差

分别表示储能电站 b 的最大充电功率和最大放电功 最小
输电功率
率，ηb , ηbch , ηbdc 分别表示储能电站 b 的自放电率、充
电效率和放电效率； Eb 和 Eb 分别表示储能电站的 时间

图 2 特高压直流运行曲线示意图
最大和最小储电量。
Fig. 2 Illustration of UHVDC power outputs
第 47 卷 第 1 期 电 网 技 术 35

1）每日功率固定模式：一定周期内的直流日 时段的理论出力。
功率曲线恒定，不同周期的直流日功率曲线可以变 3.2 模型求解方法
化，周期长度可以为 1 周、2 周或 4 周等，约束条 新能源基地经特高压直流送出系统运行方式
件包括式(25)—(31)。 优化模型为混合整数线性规划模型，由于全年生产
2）每日功率自由变化模式：每日的直流功率 模拟计算周期较长，考虑到配套火电机组按周安排
曲线均可不同，约束条件包括式(25)—(30)。 启停的特点，将全年 8760h 时段分解为 52 周，采
3）不考虑受端电网负荷调峰需求模式：直流 用 CPLEX 求解器逐周求解子优化模型获得全年的
日内功率变化幅度不限制，约束条件包括式(25)— 运行优化结果。逐周优化计算示意如图 3 所示，其
(27)和式(30)(31)。 中前一周最后一个时刻优化后的电源和特高压直
每日功率固定模式能够兼顾新能源基地外送 流的运行状态将作为下一周优化计算的边界条件。
和直流调节成本等因素。每日功率自由变化模式的 由于各周子优化问题规模大大低于全年优化问题，
运行方式最为灵活，能够最好地适应新能源基地出 因此可以实现全年快速求解。
力的随机波动性，但功率调整将更频繁，调度运行 优化问题

环节的执行难度也最大。不考虑受端电网负荷调峰 第52周优化问题
需求模式能够最大限度地提高新能源基地的外送

...
…...
电量，但可能会增加直流送电曲线的“反调峰”特 第2周优化问题
性，增加受端电网的调峰压力。
第1周优化问题
3 特高压直流中长期运行方式优化方法 全年优化问题

3.1 运行方式优化模型 0 T1 T2 ... TM-1 T

时段数
1）目标函数。
图 3 逐周计算方法示意图
新能源基地经特高压直流送出系统运行方式
Fig. 3 Schematic diagram of optimizing week by week
优化模型的目标函数为全部优化时段内的新能源
3.3 方法流程
发电量最大：
T
采用时序生产模拟的方法优化新能源基地经
max [  p wind
(t )   p (t )   p (t )]Δt (32)
pv csp
特高压直流送出系统的中长期运行方式，流程如
t 1 wind pv csp
图 4 所示，具体步骤如下。
式中：T 为总优化时段数； p wind (t ) 表示风电出力；
1）设置新能源基地各类电源与储能运行参数，
p pv (t ) 表示光伏发电出力； pcsp (t ) 表示光热出力。
开始
2）约束条件。
模型约束条件包括式(33)基地功率平衡约束和
电源与储能运行参数 特高压直流运行参数
式(34)风电和光伏出力范围约束，第 1 节的光热电
站运行约束、第 2 节的火电机组聚合运行约束和储
能电站运行约束、第 3 节的特高压直流运行约束。 风电理论出力/光伏理论出力/光热理论输入热功率8760h序列

①基地功率平衡约束。
 p wind (t )   p pv (t )   pcsp (t )   pg (t )  新能源基地经特高压直流送出系统运行方式优化模型
wind pv csp g 目标函数：新能源全年发电量最大
约束条件：风电、光伏、光热、火电、储能与直流运行约束
pbdc (t )  pbch (t )  p DC (t ), t (33)
g ch dc
式中： p (t ) 表示火电机组出力； p (t ) 和 p (t ) 表 b b
运行方式优化模型逐周优化求解
示储能的充/放电功率； p DC (t ) 表示特高压直流的
输电功率。 特高压直流各周运行功率曲线
②风电/光伏发电出力范围约束。 新能源发电量结果

0  p wind (t )  p wind (t )

 , t (34) 结束

0  p pv (t )  p pv (t ) 图 4 方法流程图
式中 p wind pv
(t ) 和 p (t ) 分别表示风电和光伏发电在 t Fig. 4 Flow chart of the proposed method
36 李湃等：大规模新能源基地经特高压直流送出系统中长期运行方式优化方法 Vol. 47 No. 1

包括装机容量和机组台数等；设置特高压直流运行 送消纳。图 5 展示了新能源基地的各月发电量结果，

参数，包括直流日最大调节次数、最大调节幅度等。 受风光资源季节特性的影响，新能源基地在春、秋
2）采用随机模拟的方法生成风电和光伏发电 两季的发电量最大，夏季发电量最小，该结果能够
8760h 理论出力序列，以及光热电站 8760h 理论输 为基地各月外送电量的制定提供依据。
[4,25]
入热功率序列 。 风电 光伏 光热 火电
储能放电 储能充电 弃电率
3）建立新能源基地经特高压直流送出系统运
行方式优化模型。 50 15
4）采用逐周计算的方式求解新能源基地经特

发电量/(亿kWh)

弃电率/%
高压直流送出系统运行方式优化模型。 30 9

5）获得特高压直流全年各周的运行功率曲线
以及新能源发电量结果。 10 3

4 算例测试 1月 2月 3月 4月 5月 6月 7月 8月 9月 10月 11月 12月

10 3
月份
4.1 参数设置
图 5 新能源基地各月发电量结果
本节在我国西北某大型新能源基地规划方案
Fig. 5 Monthly power generation of renewable energy
的基础上设置仿真算例。算例中大型新能源基地的 power base
特高压直流容量为 8000MW，年利用小时数 7000。 图 6 以第 12 周某典型日为例展示各类电源和
新能源基地总装机 26000MW，其中风电 11000MW、 直流的发电运行情况。当日直流功率在 6011~
光伏 8000MW、光热 1000MW(20 台机组50MW)、 8000MW 之间变化，功率调节次数、功率爬坡和日
火电 5000MW(5 台机组1000MW)和电化学储能 最大变化范围均满足所设定的要求。弃风、弃光发
1000MW/(2000MWh)，新能源总装机容量占比为 生在午间 10:00—14:00 时段之间，在新能源弃电时
76.9%。风电、光伏、光热年利用小时数分别为 2390、 段直流达到了额定输电功率 8000MW，火电机组开
1511 和 3200。火电最小运行台数为 1 台，最小技 机 3 台，并且每台机组均达到了最小出力 450MW，
术出力 0.45pu，每周可启机 1 次和停机 1 次。设置 储能在 12:00—13:00 时段进行充电，在夜间放电。
基础场景下直流运行模式为 1 周内的日运行功率曲 为最大化消纳新能源，火电、储能、直流的调节能
线固定，光热电站类型为塔式。直流和电源参数以 力已挖掘殆尽。此外，光热在午间保持了较低出力
及风电、光伏和光热全年 8760h 理论功率见附录 A。 水平，在夜间进行持续发电实现了全天 24h 的连续
模型优化求解间隙为 0.1%。 运行。因此，所建立的生产模拟模型能够实现风电
4.2 基础场景结果 /光伏/光热/火电/储能与特高压直流的协调运行优
表 1 为基础场景的全年生产模拟结果。结果显 化，满足了新能源最大化外送消纳的目标。
示，直流年输送电量为 560 亿 kWh，新能源总发 图 7 展示了各季度某一周内特高压直流的典型
电量 385.4 亿 kWh，在直流外送电量中占比 68.8%， 日送电曲线。由于光伏午间大发、夜间无出力，火
风电、光伏、光热发电量分别为 247.4 亿、108.6 亿 电等调节电源装机规模较小，直流功率均呈现出午
和 29.4 亿 kWh，占比分别为 44.2%、19.3%和 5.3%。 间送电功率大，夜间送电功率小的特点，与负荷形
经统计，新能源总利用率达到 92.8%，通过特高压 火电 风电 光伏 光热 储能放电
弃风 弃光 储能充电 直流
直流输电实现了大规模新能源基地发电的高效外
表 1 全年生产模拟结果 9000
Table 1 Annual production simulation results 7000
功率/MW

类型 发电量/亿(kWh) 电量占比/% 年利用小时数

5000
风电 247.4 44.2 2249
新
光伏 108.6 19.3 1358 3000
能
光热 29.4 5.3 2943 1000
源
合计 385.4 68.8 —
1000
火电 175.7 31.4 4393 01:00 04:00 07:00 10:00 13:00 16:00 19:00 22:00
放电 8.7 1.6 — 时刻
储能
充电 9.8 1.8 — 图 6 直流典型日输送功率曲线
直流 560 100 7000 Fig. 6 UHVDC power outputs of a typical day
第 47 卷 第 1 期 电 网 技 术 37

状相比呈现出一定的“反调峰”特性。但在直流调
峰约束的作用下，直流每日功率的变化幅度未超过
受端电网负荷的日最大峰谷差率，减少了受端电网
的调峰压力。图 8 展示了对应典型日的风电和光伏
理论最大出力，对比图 7 可以发现，直流功率大小
受新能源资源影响较大，在新能源理论出力较大的
典型日，直流送电功率水平相对较高，新能源理论
出力较小的典型日，直流送电功率相对较低。这是
本案例中新能源装机占比接近 77%，调节资源占比
相对较小，新能源基地整体出力趋势主要由风光资
源特性决定，这也是未来沙戈荒大型新能源基地运
行的重要特点。
第1季度
8000
7000
功率/MW
说，直流功率每日变化能够最好地适应新能源基地
出力的随机波动性，但也会极大增加调度部门的管
理难度和直流设备的调节压力，因此在 5.3 节针对
不同的直流运行模式，分析其对新能源基地外送消
纳的影响，以确定最合理的运行模式。
4.3 不同直流运行模式场景
首先分析直流日间功率是否变化的影响，设置
如下 4 种运行模式场景。
模式 1：直流每日的运行曲线可变。
模式 2：直流每周的运行曲线固定(基础场景)。
模式 3：直流每 2 周的运行曲线固定。
模式 4：直流每 4 周的运行曲线固定。
第2季度 第3季度 第4季度 图 9 展示了不同模式下新能源基地全年发电量
结果，详细结果如附表 A7 所示。结果显示，新能
源外送电量随着直流运行模式灵活程度的增加而

增加，在直流每日功率曲线灵活可变的情况下，新
6000
能源外送电量为 390.7 亿 kWh，在直流运行曲线每
5000 周固定、每 2 周固定、每 4 周固定的情况下，新能
4000
源外送电量分别减少了 1.4%、2.7%、5.3%。图 9
01:00 04:00 07:00 10:00 13:00 16:00 19:00 22:00
还展示了各场景下直流全年的调节次数，在直流运
时刻
行曲线每 4 周固定的情况下，直流全年调节 1580
图 7 不同季度典型日的直流送电曲线
Fig. 7 UHVDC power outputs of a typical day in 次，当直流运行曲线每 2 周固定、每周固定和每日
different seasons 灵活变化时，直流全年调节次数分别增加了 6.7%、
第1季度 第2季度 第3季度 第4季度 9.2%、17.5%。上述结果表明，由于新能源出力的
10000
随机波动性，只有直流每日功率灵活变化，才能实
8000
现新能源的最大化外送消纳，但也会显著增加直流
功率/MW

6000
的调节次数，增加直流调度运行的难度。综合来看
4000
直流每周固定功率曲线是较为合理的运行模式，能
2000 够兼顾新能源外送消纳和调度运行管理的需求。
新能源 火电 储能放电 储能充电 直流调节次数
0
9.6 8.7 8.6 8.2
01:00 04:00 07:00 10:00 13:00 16:00 19:00 22:00
550 1890
时刻 1856
450 170.7 175.7 181 191.3 1830
发电量/(亿kWh)

图 8 不同季度典型日的新能源理论最大出力曲线
直流调节次数

Fig. 8 Wind and PV maximum power outputs of a typical 350 1770

1725
day in different seasons 250 1686 1710
390.7 385.4
附录图 A2 展示了全年 52 周直流的送电功率曲 150 380.1 369.8 1650
1580 1590
线。可以发现，即使在相同季度下，各周的直流功 50
11 9.8 9.7 9.3
率曲线也具有显著的差异性。这说明即便有一定规 50
直流日变化 直流周固定 直流2周固定 直流4周固定
1530

模的火电、光热、储能等调节资源，大规模新能源 运行模式场景

基地出力的随机波动性仍然较强，直流送电曲线需 图 9 不同直流运行模式结果
要进行灵活的调节变化才能实现大规模新能源基 Fig. 9 Results with different UHVDC operation modes

地的高效外送消纳。并且由于风光资源的随机波动 基于基础场景，设置不考虑受端电网负荷调峰
性和每日出力的差异性，最优的直流送电曲线只有 需求的对比场景。表 2 展示了基础场景和对比场景
通过全年 8760h 电力平衡仿真的中长期运行方式优 的新能源基地发电量结果，在不考虑受端电网负荷
化才能获得，传统的基于月度电量平衡和经验性决 调峰需求的情况下，新能源发电量较基础场景仅增
策的方式难以获得最优的直流送电曲线。理论上来 加了 3.3 亿 kWh，增幅 0.86%，储能的充/放电电量
38 李湃等：大规模新能源基地经特高压直流送出系统中长期运行方式优化方法 Vol. 47 No. 1

增加了 17%~18%。图 10 展示了两个场景下直流在 表 3 不同直流爬坡能力场景下新能源基地发电量结果

Table 3 Annual power generation results of renewable
全年 52 周的日峰谷差和日峰谷差率，经统计，基 energy base within different ramp rate of HVDC
础场景直流平均日峰谷差为 2165MW，日峰谷差率 亿kWh
风电 光伏 光热 合计
为 28.4%，对比场景直流平均日峰谷差为 3086MW， 直流爬坡能力/(MW/min)
发电量 发电量 发电量 发电量
日峰谷差率为 39.2%，基础场景的日峰谷差明显低 20 246.5 107.5 29.7 383.8
于对比场景。因此，在直流运行模型中考虑受端电 30(基础场景) 247.4 108.6 29.4 385.4
40 247.5 109.5 29.3 386.3
网负荷调峰需求约束，能够在不影响新能源外送电
50 246.7 110.3 29.4 386.4
量规模的情况下，有效提高直流送电曲线的“友好 60 248.4 108.5 29.5 386.4
性”，并减少不必要的储能运行损耗。 90 248.2 108.6 29.5 386.4
120 247.4 109.8 29.3 386.5
表 2 不同场景下新能源基地发电量结果
Table 2 Annual power generation results of renewable 表 4 不同直流日最大调节次数下新能源基地发电量结果
energy power base within different scenarios Table 4 Annual power generation of renewable energy power
亿kWh base with different daily adjustment frequency of UHVDC
新能源 亿kWh
储能 储能
场景 火电 直流日最大 风电 光伏 光热 合计
风电 光伏 光热 合计 放电 充电
调节次数 发电量 发电量 发电量 发电量
基础场景 247.4 108.6 29.4 385.4 175.7 8.7 9.8
3 246.7 107.6 29.5 383.8
对比场景 247.7 110.9 30.2 388.7 172.6 10.2 11.6 6(基础场景) 247.4 108.6 29.4 385.4
12 249.3 109.8 30 389.1
4000
直流最大日峰谷差/MW

基础场景 24 250.3 109.7 30.6 390.6

对比场景
日内不限调节次数)，新能源总发电量最大为 390.6
2000 亿 kWh，较日最大调节 3 次和 6 次分别增加了
1.78%和 1.35%。虽然增加直流日最大调节次数可
0
以更好地适应新能源出力的随机波动性，但所提升
0 20 40
时间/周
的新能源发电量也较为有限，并且提高直流调节次
数也会增加设备的故障风险和调度运行难度。因
基础场景
直流最大日峰谷率/pu

0.5 对比场景 此，综合考虑直流输送新能源、设备运行寿命和调

度管理成本 3 个方面因素，直流日最大调节次数宜
0.3 在 3~6 次之间。
4.5 不同光热类型和模型场景
0.1
0 20 40 本节针对不同的光热类型和建模方式进行分
时间/周
析。首先，设置对比场景光热电站类型为槽式和菲
图 10 不同场景下直流日峰谷差结果
涅尔式电站，除光热电站类型以外，其他边界条件
Fig. 10 Results of daily peak-valley of UHVDC within
different scenarios 与基础场景相同。如表 5 所示，2 个场景中光热发
4.4 不同直流调节性能场景 电量存在一定的偏差，槽式和菲涅尔式光热电站的
本节针对不同的直流调节性能，分析其对新能 发电量为 28.9 亿 kWh，低于基础场景中塔式光热
源基地外送消纳的影响，直流调节性能包括最大爬 电站的 29.4 亿 kWh，这是由于不同类型光热电站
坡能力和日最大调节次数。针对直流最大爬坡能 内部结构具有差异性，造成发电量结果不同，因此，
力，考虑 20MW/min 至 120MW/min 这 7 种场景， 针对不同类型光热电站有必要进行分类建模。
各场景下新能源的发电量结果如表 3 所示。可以发 分别建立光热的单机组模型和简单放大模型，
现，随着直流爬坡能力的提升，新能源发电量逐渐 采用发电量偏差和计算加速比指标来验证本文光
增加，当直流爬坡能力达到 50MW/min 以上时，新 热聚合模型的有效性[23]。单机组模型对 20 个光热
能源消纳量基本不再变化。整体来看，直流爬坡能 电站分别进行建模，简单放大模型将 1000MW 光热
力对新能源消纳量影响较小。 电站聚合为 1 个大型电站。表 5 展示了不同光热模
针对直流日最大调节次数，考虑每日最大调节 型的计算结果。在发电量方面，所提出的光热电站
3、6、12、24 次 4 种场景，各场景下的新能源基地 聚合模型的年发电量与单机组模型之间偏差约为
发电情况如表 4 所示。当直流日可调节 24 次时(即 0.7%，低于简单放大模型的 3.8%。在计算时间方
第 47 卷 第 1 期 电 网 技 术 39

表 5 不同光热模型场景结果 度的需求，而直流最大爬坡能力对新能源基地外送
Table 5 Results with different CSP model scenarios
消纳的影响较小；通过考虑受端电网的负荷调峰需
发电量/亿 计算时间/ 发电量 计算加
场景 光热类型 模型
(kWh) min 偏差/% 速比 求，能够在不影响新能源外送消纳量的前提下，提
所提聚合 高直流送电曲线的“友好性”。
29.4 159 0.68 2.83
模型 本文的研究成果可以为大规模新能源基地的
基础
塔式
简单聚合 规划建设和运行提供支撑，在后续研究中会针对实
30.3 162 3.77 2.78
场景 模型 际新能源基地开展验证，并探索大型新能源基地中
单机组
29.2 450 — —
光热、储能等调节资源运行经济效益的情况。
模型
附 录 见 本 刊 网 络 版 (http://www.dwjs.com.cn/CN/1000-
所提聚合
28.9 132 0.7 3.68 3673/current.shtml)。
模型
槽式/
对比
场景
菲涅 简单聚合
29.8 191 3.83 2.54
参考文献
尔式 模型
单机组 [1] 辛保安，单葆国，李琼慧，等．
“双碳”目标下“能源三要素”再
28.7 486 — — 思考[J]．中国电机工程学报，2022，42(9)：3117-3126．
模型
XIN Baoan，SHAN Baoguo，LI Qionghui，et al．Rethinking of the
面，单机组模型的计算时间最长，分别为 450 和 “Three elements of energy”toward carbon peak and carbon neutrality
486min，所提出聚合模型的计算效率最高，与单机 [J]．Proceedings of the CSEE，2022，42(9)：3117-3126 (in Chinese)．
[2] 章建华．全面构建现代能源体系推动新时代能源高质量发展[R]．
组模型相比计算加速比分别为 2.83 和 3.68，高于简
北京：国家能源局，2022．
单放大模型的 2.78 和 2.54。因此，所提出的光热聚 [3] 舒印彪，张智刚，郭剑波，等．新能源消纳关键因素分析及解决
合模型能够保证计算精度并显著提高计算效率，验 措施研究[J]．中国电机工程学报，2017，37(1)：1-8．
SHU Yinbiao，ZHANG Zhigang，GUO Jianbo，et al．Study on key
证了模型的有效性和实用性。
factors and solution of renewable energy accommodation [J] ．

5 结论 Proceedings of the CSEE，2017，37(1)：1-8(in Chinese)．

[4] 刘纯，黄越辉，石文辉，礼晓飞．新能源电力系统生产模拟[M]．
本文提出了一种基于时序生产模拟的大规模 北京：中国电力出版社，2019：1-61，81-110．
[5] 李明节，陈国平，董存，等．新能源电力系统电力电量平衡问题
新能源基地经特高压直流送出系统中长期运行方
研究[J]．电网技术，2019，43(11)：3980-3986．
式优化方法。建立了特高压直流中长期运行方式优 LI Mingjie，CHEN Guoping，DONG Cun，et al．Research on power
化模型，能够考虑塔式、槽式和(线性)菲涅尔式不 balance of high proportion renewable energy system [J] ．Power
System Technology，2019，43(11)：3980-3986(in Chinese)．
同类型光热电站、火电与电化学储能、特高压直流
[6] 邵成成，冯陈佳，傅旭，等．多能源电力系统生产模拟：现状与
不同运行模式等约束条件，兼顾新能源资源的时序 挑战[J]．中国电机工程学报，2021，41(6)：2029-2039．
波动特性、直流灵活调节能力和受端电网的调峰需 SHAO Chengcheng，FENG Chenjia，FU Xu，et al．Multi energy
power system production simulation: state of arts and challenges [J]．
求；基于逐周求解的计算框架，实现了特高压直流
Proceedings of the CSEE，2021，41(6)：2029-2039 (in Chinese)．
全年运行曲线优化和新能源高效外送消纳。通过算 [7] 邵成成，冯陈佳，王雅楠，等．考虑多能源电力特性的电力系统
例仿真得到以下结论： 中长期生产模拟[J]．中国电机工程学报，2020，40(13)：4072-4080．
SHAO Chengcheng ， FENG Chenjia ， WANG Yanan ， et al ．
1）所提出方法能够兼顾新能源资源特性、各
Mid/long-term power system production simulation considering
类电源与直流调节约束、受端电网调峰需求，通过 multi-energy generation[J]．Proceedings of the CSEE，2020，40(13)：
全年生产模拟计算，优化特高压直流全年各周送电 4072-4080(in Chinese)．
[8] 李湃，范越，黄越辉，等．基于电源聚合–分解模型的新能源电力
曲线，量化评估新能源基地年/月外送电量的规模。
系统月度发电计划优化方法[J]．电网技术，2020，44(9)：3281-3289．
2）所提出的光热电站聚合运行模型能够考虑 LI Pai，FAN Yue，HUANG Yuehui，et al．Monthly generation
塔式、槽式和(线性)菲涅尔式不同类型光热电站的 scheduling method of renewable energy power system based on
power plant aggregation & decomposition models[J]．Power System
运行特点和差异性；特高压直流运行模型能够考虑
Technology，2020，44(9)：3281-3289 (in Chinese)．
直流调节频次、爬坡能力、受端电网负荷调峰需求。 [9] 朱睿，胡博，谢开贵，等．含风电–光伏–光热–水电–火电–储能的
模型兼顾了计算复杂度和计算精度的要求，满足了 多能源电力系统时序随机生产模拟[J]．电网技术，2020，44(9)：
3246-3253．
全年生产模拟计算实用性的需要。
ZHU Rui，HU Bo，XIE Kaigui，et al．Sequential probabilistic
3）特高压直流功率采用周固定和日调节 3~6 production simulation of multi-energy power system with wind
次的模式能够较好地适应新能源基地出力的随机 power，photovoltaics，concentrated solar power，cascading hydro
power，thermal power and battery energy storage[J]．Power System
波动性，兼顾新能源高效外送消纳和调度运行复杂
Technology，2020，44(9)：3246-3253 (in Chinese)．
40 李湃等：大规模新能源基地经特高压直流送出系统中长期运行方式优化方法 Vol. 47 No. 1

[10] 邵成成，冯陈佳，王雅楠，等．含大规模清洁能源电力系统的多 energy accommodation[J]．Automation of Electric Power Systems，

时 间 尺 度 生 产 模 拟 [J] ． 中 国 电 机 工 程 学 报 ， 2020 ， 40(19) ： 2015，39(3)：36-42(in Chinese)．
6103-6112． [19] 王斌，夏叶，夏清，等．直流跨区互联电网发输电计划模型与方
SHAO Chengcheng，FENG Chenjia，WANG Yanan，et al．Multiple 法[J]．电力系统自动化，2016，40(3)：8-13．
time-scale production simulation of power system with large-scale WANG Bin，XIA Ye，XIA Qing，et al．Model and methods of
renewable energy[J]．Proceedings of the CSEE，2020，40(19)： generation and transmission scheduling of inter-regional power grid
6103-6112(in Chinese)． via HVDC tie-line [J]．Automation of Electric Power Systems，2016，
[11] 杜尔顺，张宁，康重庆，等．太阳能光热发电并网运行及优化规 40(3)：8-13(in Chinese)．
划 研 究 综 述 与 展 望 [J] ． 中 国 电 机 工 程 学 报 ， 2016 ， 36(21) ： [20] 徐帆，丁恰，韩红卫，等．促进跨区新能源消纳的直流联络线功
5765-5775． 率优化模型及分析[J]．电力系统自动化，2017，41(18)：152-159．
DU Ershun，ZHANG Ning，KANG Chongqing，et al．Reviews and XU Fan，DING Qia，HAN Hongwei，et al．Power optimization model
prospects of the operation and planning optimization for grid and analysis of HVDC tie-line for promoting integration of
integrated concentrating solar power[J]．Proceedings of the CSEE， inter-regional renewable energy accommodation[J]．Automation of
2016，36(21)：5765-5775(in Chinese)． Electric Power Systems，2017，41(18)：152-159(in Chinese)．
[12] 晋宏杨，孙宏斌，郭庆来，等．含大规模储热的光热电站–风电联 [21] ZHOU M，ZHAI J，LI G，et al．Distributed dispatch approach for bulk
合系统多日自调度方法[J]．电力系统自动化，2016，40(11)：17-23． AC/DC hybrid systems with high wind power penetration[J]．IEEE
JIN Hongyang，SUN Hongbin，GUO Qinglai，et al．Multi-day Transactions on Power Systems，2018，33(3)：3325-3336．
self-scheduling method for combined system of CSP plants and wind [22] 崔杨，李崇钢，赵钰婷，等．考虑风–光–光热联合直流外送的源–
power with large-scale thermal energy storage contained[J] ． 网–荷多时段优化调度方法[J]．中国电机工程学报，2022，42(2)：
Automation of Electric Power Systems，2016，40(11)：17-23(in 559-573．
Chinese)． CUI Yang，LI Chonggang，ZHAO Yuting，et al．Power optimization
[13] DU E，ZHANG N，HODGE B，et al．Operation of a high renewable model and analysis of HVDC tie-line for promoting integration of
penetrated power system with CSP plants: a look-ahead stochastic unit inter-regional renewable energy accommodation[J]．Proceedings of
commitment model[J]．IEEE Transactions on Power Systems，2019， the CSEE，2022，42(2)：559-573(in Chinese)．
34(1)：140-151． [23] 万家豪，苏浩，冯冬涵，等．计及源荷匹配的风光互补特性分析
[14] 崔杨，张家瑞，仲悟之，等．计及电热转换的含储热光热电站与 与评价[J]．电网技术，2020，44(9)：3219-3226．
风 电 系 统 优 化 调 度 [J] ． 中 国 电 机 工 程 学 报 ， 2020 ， 40(20) ： WAN Jiahao，SU Hao，FENG Donghan，et al．Analysis and evaluation
6482-6493． of the complementarity characteristics of wind and photovoltaic
CUI Yang，ZHANG Jiarui，ZHONG Wuzhi，et al．Optimal scheduling considering source-load matching[J]．Power System Technology，
of concentrating solar power plant with thermal energy storage and 2020，44(9)：3219-3226(in Chinese)．
wind farm considering electric-thermal conversion[J]．Proceedings of [24] YUAN W，ZHAI Q，LI Pai，et al．Fast solution method for TCUC
the CSEE，2020，40(20)：6482-6493(in Chinese)． with long time horizon based on horizon splitting[J]．Electrical Power
[15] 沙韵，周明，杨宏基，等．考虑光热电站和直流联络线灵活性的 and Energy Systems，2019，112：61-69．
高比例新能源互联系统优化运行[J]．电网技术，2020，44(9)： [25] 冯双磊，胡菊，宋宗鹏，梁志峰．新能源资源评估与中长期电量
3306-3313． 预测[M]．北京：中国电力出版社，2019：122-159．
SHA Yun，ZHOU Ming，YANG Hongji，et al．Interconnected power
system optimal operation with renewable generation considering
在线出版日期：2022-09-30。
flexibility of concentrating solar power plants & HVDC tie-line[J]．
收稿日期：2022-07-06。
Power System Technology，2020，44(9)：3306-3313(in Chinese)．
作者简介：
[16] 邵成成，冯陈佳，李丁，等．光热发电机组聚合模型及其在电力
李湃(1988)，男，博士，高级工程师，通信作
系统运行模拟中的应用[J]．中国电机工程学报，2020，40(11)：
者，研究方向为新能源发电与调度运行技术，
3507-3515．
E-mail：lipai@epri.sgcc.com.cn。
SHAO Chengcheng，FENG Chenjia，LI Ding，et al．Clustered CSP
王伟胜(1968)，男，博士，教授级高级工程师，
model and its application in power system operation simulation[J]．
李湃 研究方向为新能源发电与并网技术、电力系统稳定
Proceedings of the CSEE，2020，40(11)：3507-3515(in Chinese)．
分析和控制等。
[17] 朱凌志，董存，陈宁，等．新能源发电建模与并网仿真技术[M]．
黄越辉(1979)，女，博士，教授级高级工程师，
北京：中国水利水电出版社，2018：111-148．
研究方向为新能源发电与并网技术。
[18] 钟海旺，夏清，丁茂生，等．以直流联络线运行方式优化提升新
能源消纳能力的新模式[J]．电力系统自动化，2015，39(3)：36-42． （责任编辑 马晓华）
ZHONG Haiwang，XIA Qing，DING Maosheng，et al．A new model
of HVDC tie-line operation optimization for maximizing renewable
附录 A
A1 新能源基地参数
表 A1 火电机组参数
Table A1 Parameters of thermal power units
单机容量/MW 机组台数 最大出力/pu 最小出力/pu 爬坡出力/pu/min
1000 4 1 0.45 0.01

表 A2 光热电站参数
Table A2 Parameters of concentrating solar power station
参数 取值
单机容量/MW 50
最小技术出力/pu 0.2
最大爬坡能力(pu/min) 0.05
启机热量/(MWh) 50
太阳倍数 3
储热/放热效率 0.98
电–热转换效率 2.4
储热时长/h 12

表 A3 储能电站参数
Table A3 Parameters of battery energy storage station
参数 取值
装机容量/MW 1000
储能时长/h 2
充电效率 0.94
放电效率 0.94
SOC 状态下限/% 5
SOC 状态上限/% 100

表 A4 直流运行参数
Table A4 Parameters of UHVDC power line
参数 取值
额定容量/MW 8000
日最大调节次数 6
爬坡能力/(MW/min) 30
最小稳定运行时长/h 4

表 A5 直流各周日最大峰谷差率
Table A5 Maximum daily peak-valley ratio of UHVDC power outputs in each week
时间/周 最大峰谷差率/pu 时间/周 最大峰谷差率/pu 时间/周 最大峰谷差率/pu 时间/周 最大峰谷差率/pu
1 0.388 14 0.283 27 0.251 40 0.281
2 0.314 15 0.244 28 0.27 41 0.251
3 0.316 16 0.255 29 0.292 42 0.246
4 0.337 17 0.222 30 0.279 43 0.25
5 0.369 18 0.303 31 0.299 44 0.244
6 0.396 19 0.241 32 0.287 45 0.254
7 0.376 20 0.232 33 0.278 46 0.272
8 0.323 21 0.246 34 0.3 47 0.277
9 0.296 22 0.258 35 0.252 48 0.292
10 0.28 23 0.286 36 0.271 49 0.286
11 0.264 24 0.252 37 0.266 50 0.284
12 0.249 25 0.231 38 0.234 51 0.302
13 0.25 26 0.26 39 0.221 52 0.294
 表 A6 直流各周利用小时数
Table A6 Weekly full load hour of UHVDC
时间/周 利用小时数 时间/周 利用小时数 时间/周 利用小时数 时间/周 利用小时数
1 120 14 120 27 110 40 120
2 120 15 110 28 110 41 120
3 120 16 110 29 110 42 120
4 120 17 110 30 110 43 120
5 120 18 110 31 110 44 120
6 120 19 110 32 110 45 120
7 120 20 110 33 110 46 120
8 120 21 110 34 110 47 120
9 120 22 110 35 110 48 120
10 120 23 110 36 110 49 120
11 120 24 110 37 110 50 120
12 120 25 110 38 110 51 120
13 120 26 110 39 120 52 120
0.8
风电理论功率/p u

0.6

0.4

0.2

0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000
时间 /h

1
光伏理论功率/p u

0.5

0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000
时间 /h

1
光热理论输入功率/p u

0.5

0
0 1000 2000 3000 4000 5000 6000 7000 8000 9000
时间 /h
图 A1 新能源理论出力曲线
Fig. A1 Theoretical power outputs of wind, PV and CSP
A2 计算结果
 8000 8000

7500 7500

7000 7000

功率/MW
功率/MW

6500 6500

6000 6000

5500 5500

5000 5000

4500 4500
0 5 10 15 20 25 0 5 10 15 20 25
时间 / h 时间 / h
(a)第1季度 (b)第2季度
8000 8000

7500
7500
7000
7000
功率/MW

6500 功率/MW
6000 6500

5500
6000
5000
5500
4500

4000 5000
0 5 10 15 20 25 0 5 10 15 20 25
时间 / h 时间 / h
(c)第3季度 (d)第4季度
图 A2 直流各周运行功率曲线结果
Fig. A2 Results of UHVDC power outputs in each week
表 A7 不同直流运行模式下新能源基地和直流运行结果
Table A7 Annual operation results of renewable energy base and UHVDC with different UHVDC operation modes
发电量/(kWh)
直流运行模式 新能源 直流全年调节次数
火电 储能放电 储能充电
风电 光伏 光热 合计
直流日变化 249.3 111.4 30.0 390.7 170.7 9.6 11.0 1856
直流周固定 247.4 108.6 29.4 385.4 175.7 8.7 9.8 1725
直流 2 周固定 243.7 107.8 28.6 380.1 181.0 8.6 9.7 1686
直流 4 周固定 238.2 104.6 27.0 369.8 191.3 8.2 9.3 1580
Extended Summary DOI：10.13335/j.1000-3673.pst.2022.1335

Method on Optimization of Medium and Long Term Operation Modes of

Large-scale Renewable Energy Power Base through UHVDC System
LI Pai, WANG Weisheng, HUANG Yuehui, HAN Peidong, ZHANG Jinping
(State Key Laboratory of Operation and Control of Renewable Energy & Storage Systems (China Electric Power Research Institute),
Haidian District, Beijing 100192, China)

KEY WORDS: renewable energy power base; UHVDC; time sequential production simulation; concentrating solar power; medium-
and long-term operation mode

The large-scaled renewable energy power base with Fig. 2 shows the power outputs of the renewable
UHVDC will play an important role in China. energy power base on a typical day. It is noticed that the
Optimizing the medium- and long-term operation modes complementary characteristics of renewable energy
of the UHVDC can help to promote the accommodation resources are well utilized, since both the thermal and
ability of renewable energy base. This paper proposes a the CSP power maintain a relatively low level and the
time sequential production simulation-based method on BESS charges from 10 a.m. to 4 p.m when the PV power
the optimization of medium- and long-term operation are curtailed. Moreover, the BESS discharges at night
modes of the UHVDC. Firstly, the aggregated operation when the renewable energy power outputs are low.
models of different types of the concentrating solar Thermal Power Wind Power Photovoltaic
Concentrating solar power BESS Discharging Wind Power Curtailment
power (CSP), the thermal power units and the battery 10000
Photovoltaic Curtailment BESS Charging HVDC

energy storage system (BESS) are established to balance 9000

8000
the computational complexity and precision. Secondly, 7000
6000
considering the operation modes, the flexible operations
Power/MW

5000

andthe peak-load regulation demand of the receiving-end 4000

3000

power grid, an UHVDC operation model without integer 2000

1000
variables is established. Thirdly, a mathematical model is 0
-1000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
formulated to optimize the weekly operation modes of Time/h

the UHVDC, whose objective is to maximize the annual

Fig. 2 UHVDC power outputs of a typical day
power generation of renewable energy. A sequential
Fig. 3 exhibits the annual power generation of the
algorithm is proposed to solve the annual optimization
power energy base with different operation modes of
model week by week. Finally, case studies are conducted
UHVDC. It can be seen that when the daily power curve
by a renewable energy power base with wind power,
of the UHVDC varies every week, the renewable energy
photovoltaic power (PV), CSP, thermal power and
power generation is 38.54TWh, which is only 1.35% less
BESS, and the results validate the effectiveness of the
than the maximum level. Thus, to balance the operation
proposed method. The framework of the proposed
and management complexity and renewable energy
method is illustrated in Fig. 1.
Start
accommodation level, the UHVDC operation mode is
recommended as being adjusted every week.
Power and BESS operating
UHVDC operating parameters Renewable Energy Thermal Power BESS Discharging
parameters
BESS Charging Number of UHVDC Adjustments
60 0.96 1920
0.87 0.86 0.82
Wind power theoretical output / photovoltaic theoretical output / solar thermal 55 1890
theoretical input thermal power 8760h series 1856
50 1860
Number of UHVDC Adjustments

45 17.07 17.57 1830

18.1 19.13
Electricity generation/TWh

Optimization of Medium and Long Term Operation Modes of Large-scale Renewable 40 1800
Energy Power Base through UHVDC System 35 1770
Objective function: Maximum annual power generation of renewable energy 1725
30 1740
Constraints: wind power, photovoltaic, solar thermal, thermal power, BESS and DC
operation constraints 25 1686 1710
20 1680
39.07 38.54 38.01 36.98
15 1650
Operation mode optimization model week-by-week optimization solution 10 1620
1580
5 1590
Results with different UHVDC operation modes 0 1560
power generation of renewable energy power base -1.1 -0.98 -0.97 -0.93
-5 1530
UHVDC Daily UHVDC Single-week UHVDC Biweekly UHVDC Adjustment
Adjustment Adjustment Adjustment Every Four Weeks
End

Fig. 3 Results with different UHVDC operation modes

Fig. 1 Framework of the proposed method

S1