高电压技术HighVoltageEngineeringISSN1003-6520,CN42-1239/TM《高电压技术》网络首发论文题目：基于模糊化动态评估的新能源消纳制约因素分析作者：赵静波，黄强，赵香，唐鹏程，柳伟DOI：10.13336/j.1003-6520.hve.20210930网络首发日期：2021-10-27引用格式：赵静波，黄强，赵香，唐鹏程，柳伟．基于模糊化动态评估的新能源消纳制约因素分析[J/OL]．高电压技术.https://doi.org/10.13336/j.1003-6520.hve.20210930网络首发：在编辑部工作流程中，稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶段。录用定稿指内容已经确定，且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期刊特定版式（包括网络呈现版式）排版后的稿件，可暂不确定出版年、卷、期和页码。整期汇编定稿指出版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出版管理条例》和《期刊出版管理规定》的有关规定；学术研究成果具有创新性、科学性和先进性，符合编辑部对刊文的录用要求，不存在学术不端行为及其他侵权行为；稿件内容应基本符合国家有关书刊编辑、出版的技术标准，正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。为确保录用定稿网络首发的严肃性，录用定稿一经发布，不得修改论文题目、作者、机构名称和学术内容，只可基于编辑规范进行少量文字的修改。出版确认：纸质期刊编辑部通过与《中国学术期刊（光盘版）》电子杂志社有限公司签约，在《中国学术期刊（网络版）》出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊（网络版）》是国家新闻出版广电总局批准的网络连续型出版物（ISSN2096-4188，CN11-6037/Z），所以签约期刊的网络版上网络首发论文视为正式出版。高电压技术HighVoltageEngineering1DOI:10.13336/j.1003-6520.hve.20210930基于模糊化动态评估的新能源消纳制约因素分析赵静波1，黄强1，赵香2，唐鹏程2，柳伟2（1．国网江苏省电力有限公司电力科学研究院，南京211103；2．南京理工大学自动化学院，南京210094）摘要：在绿色低碳经济大力倡导、“碳达峰、碳中和”能源政策加速部署背景下，新能源消纳问题日益凸显。因此，亟需分析新能源消纳的关键制约因素并进行综合量化评估，为新能源消纳问题的改善及解决提供依据。从“源网荷”以及调峰四方面构建新能源消纳制约因素多层级评估指标体系，提出一种结合模糊隶属度与动态弯曲算法（DynamicTimeWarping，DTW）的模糊化动态评估方法，以样本模糊化的方法增加序列元素间差异性以避免模式匹配的错误，从而更客观地评估出影响新能源消纳的不同层级制约因素。仿真结果表明，该模糊化动态评估方法不仅能全面准确地对新能源消纳制约因素进行综合评估，同时也能为电网新能源消纳问题的解决提供数据支撑。关键词：碳达峰；碳中和；模糊化动态评估；动态弯曲算法；新能源消纳AnalysisofRestrictiveFactorsofNewEnergyConsumptionBasedonFuzzyDynamicEvaluationZHAOJingbo1,HUANGQiang1,ZHAOXiang2,TANGPengcheng2,LIUWei2(1.StateGridJiangsuElectricPowerCo.Ltd.,ResearchInstitute,Nanjing211103,China;2.SchoolofAutomation,NanjingUniver-sityofScience&Technology,Nanjing210094,China)Abstract:Thestrongadvocacyoflowcarboneconomyandthedeploymentofcarbonpeakandcarbonneutralenergyrequirethatthesolutionofnewenergyconsumptionshouldbeaccelerated.Therefore,itisurgenttoanalyzetherestrictivefactorsofnewenergyconsumptionandcarryoutcomprehensivequantitativeassessment,soastoprovideabasisfortheimprovementandsolutionofnewenergyconsumption.Inthisstudy,anintegratedevaluationindexofnewenergycon-sumptionrestrictionfactorsisconstructedfromthreeaspectsof"sourceandnetworkload".Then,anewfuzzydynamicevaluationalgorithmisproposedtocomprehensivelyevaluatetherestrictiondegreeofnewenergyconsumptioncombin-ingfuzzymembershipde-greeanddynamictimewarping,andtheprimaryrestrictionfactorisalsoidentifiedbyfuzzymembershipdegree.Thesimulationresultsshowthatthefuzzydynamicevaluationmethodcannotonlycomprehensivelyandaccuratelyevaluatetheconstraintsofnewenergyconsumption,butalsoprovidedatasupportforthesolutionofnewenergyconsumptioninpowergrid.Keywords:carbonpeak;carbonneutral;fuzzydynamicevaluation;dynamictimewarping;newenergyconsumption0引言1近年来，随着我国生态文明建设的部署和能源战略的调整，风电、光伏等新能源发电得到了大力支持与发展。2021年初，总书记更是提出了“碳达峰、碳中和”的发展目标，这将进一步促进国家电网公司贯彻落实新能源电力发展方面的部署。国家电网公司为实现“双碳”目标明确了6大方面行动基金资助项目：国家自然科学基金项目(52077103)。ProjectsupportedbyTheNationalNaturalScienceFoundationofChi-na(52077103).和18项具体措施，以推动清洁能源发展，推进新能源生产和消费转型升级。然而，传统电力系统网络规模广阔且现有电网灵活调峰能力不足等方面原因导致新能源消纳问题突出[1-3]。另外，电网运行的整体性决定了电网“源网荷”各部分同步发展的必要性，因此，亟需明确各区域电网新能源消纳的首要制约因素，为电网“源网荷”各部分技术进行针对性调整和发展提供依据，从而使电网各部分协调发展，从根本上解决新能源消纳问题。目前，有不少文献以及报告对新能源消纳的制约因素进行详细的分析并提出了许多针对性的措网络首发时间：2021-10-2714:41:02网络首发地址：https://kns.cnki.net/kcms/detail/42.1239.tm.20211026.1946.035.html2高电压技术施[4-5]。文献[6]从水电、风电和光伏发电运行情况分析提出了弃水弃光弃风（简称“三弃”）的直接原因，主要包括水电汛期、风光波动的局限性和火电等调峰能力不足以及输电外送通道不足等原因，进而提出根本原因是电力市场体制与电力运行机制的发展不协调问题。文献[7-9]针对我国可再生能源的电力发展、消纳和“三弃”限电情况分析提出可再生能源消纳制约因素包括供需结构失衡、网源发展统筹不全面、电网调峰能力有限、电力调度管理不协调和市场机制不完善，并根据分析提出了促进新能源消纳的思路和要求。以上文献虽通过对新能源消纳制约因素的透彻分析提出了相应的改进建议，但对于实际电力系统实践来说却过于笼统，可操作性不强。因此，需要建立综合指标体系并进行量化评估，明确各区域新能源消纳的首要制约因素。文献[10]采用线性简化方法做解耦分析并通过时序生产模拟建立减弃电量计算模型，通过采用单一因素及不同情景下弃电量大小来量化，从而得到不同制约因素的贡献度。此方法虽然做到了量化评估但缺点在于未考虑各因素之间的关联关系，不能很好的模拟实际电网新能源消纳情况。文献[11-12]介绍了动态时间弯曲算法在电力系统评估中的应用，对电能质量和主动配电网电压运行状态进行了综合评估，体现了该算法在评估电力系统物理量的优势。鉴于上述分析，本文融合模糊隶属度[13]和动态时间弯曲距离度量[14-16]对新能源消纳制约因素进行综合评估，提出一种全新的模糊化动态评估方法。首先，结合新能源消纳制约因素分析从“源网荷”以及调峰四个方面建立新能源消纳制约因素综合评估指标体系，然后采用模糊隶属度函数对样本进行模糊化处理以提升评估的客观性，进而通过动态时间弯曲距离度量对模糊化后的样本进行模式序列识别，从而避免错误的模式匹配，最终评估新能源消纳的制约因素。该方法能够较为全面准确地对新能源消纳制约因素进行综合评估，同时也为电网新能源消纳问题的解决提供数据支撑。1新能源消纳制约因素评估体系现有新能源消纳制约因素评估指标体系大多由大量的统计量组成，时间尺度长，未能解决多场景下的实时评估需求及其带来的新能源消纳问题。为了应对上述问题，本文从新能源特性、供电网架配置及运行能力、负荷特性和调峰能力四个方面构建新能源消纳制约因素综合评价指标体系。该指标体系能够直观全面地展示制约因素对新能源消纳的影响，同时能够有效减少各指标间关联性对最终评估结果的影响。新能源特性指标能够反映新能源出力的时空变化特性，供电网架配置及运行能力指标注重考虑电网的供电能力，负荷特性指标侧重体现负荷在全电网的分布情况，调峰能力指标着重反映不同场景下电网负荷高峰的状态。由于各个指标具有不同的量级和量纲，需要对数据标准化处理之后才具备可比性。常用的归一化方法包括倒数化处理、逆向化处理和同比例压缩等。本文在建立指标体系的同时均已做归一化处理。本文应用指标构建的分层方法，从新能源特性、供电网架配置及运行能力、负荷特性和调峰能力四方面建立新能源消纳制约因素综合评价指标体系，设立4个一级指标，11个二级指标，如图1所示。新能源消纳制约因素指标体系供电网架配置及运行能力指标负荷特性指标出力波动率出力同时率新能源特性指标调峰能力指标线路重载率主变重载率N-1通过率电压合格率电网负载率调峰约束下新能源渗透率一级指标二级指标有效渗透率新能源参与调峰贡献度新能源接入分散度图1新能源消纳制约能力指标体系Fig.1Indexsystemofnewenergyconsumptionrestrictionabil-ity1.1新能源特性指标针对新能源出力的时空特性，提出了出力波动率和出力同时率以及分布式新能源分散度三个指标，其中出力波动率反映了时间尺度上的出力变化规律，出力同时率和分布式新能源分散度反映空间尺度上的出力特性。（1）出力波动率出力波动率[17]指标是针对单步变化量上进行的定义，本文选取一个新能源出力典型日分为n个时间间隔来统计出力波动情况，计算公式为OVNG100%ntPtTPtTSP21((1))())ΔΔ((1)式中，ΔT表示典型日的基准时间间隔；t表示典型日中某一时刻所对应的基准时间间隔数；P(t⋅ΔT)表示典型日中新能源发电前一时刻的实际出力；赵静波，黄强，赵香，等：基于模糊化动态评估的新能源消纳制约因素分析3P((t+1)⋅ΔT)表示典型日中新能源发电后下一时刻的实际出力；PNG表示新能源电站发电的总额定功率。（2）出力同时率出力同时率[18]是指各光伏电站和风力电站发电同时达到最高的机率，其定义为日最高发电出力与当日新能源并网机组总容量的比值。公式为：NOSmax%SPP100ΣΣ(2)式中，P∑为分布式电源的出力总和；∑PN为所有分布式电源装机容量总和。（3）新能源分散度新能源分散度指标[19]可以用于表征新能源装机总容量在所有接入点的分配状态，通过研究新能源的功率分布来定量衡量各个新能源电站并网布局情况，在近负荷点或馈线上新能源接入电网容量越分散，就越有利于其就近消纳，计算公式如下：NavgDSavgmin100PPSP(3)式中，Pavg表示接入电网的所有新能源电站的平均额定功率,PN表示接入电网的各个新能源电站的额定功率。1.2供电网架配置及运行能力指标供电网架配置及运行能力指标主要体现电网的供电能力，是用于评价输配电传送能力是否匹配和衡量电网结构是否合理的重要指标。该类指标能够有效体现新能源大规模接入可能造成网架中节点电压过低和线路过载等问题。（1）线路重载率在电网中重载线路往往会对其输送功率进行限制，同时也会对线路附近节点的电压大小产生影响。因此重载线路一般会成为输送电能的瓶颈，也是作为新能源消纳制约因素之一。首先，对线路负载率定义如下：ZZZ,N100SLS(4)式中，SZ和SZ,N分别为变压器Z的最大负荷和额定容量，规定LZ≥80%时的线路为重载线路，则定义电网线路重载率指标：LO100mGn(5)式中，m为重载线路条数，n为所有的总线条数。（2）变电站主变重载率变压器主变作为重要电力设备，其负载率能够反映相关地区负荷密度、分布特性等负荷情况，从而表征新能源消纳在供电装置配置方面的制约力。变电站主变负载率定义如下：trHTtr=100%PGS(6)式中，Ptr为变压器的最大负荷，Str为变压器的额定容量。根据技术导则规定，本文在计算指标时以220kV及以上电压等级的主变负载率≥70%，110kV电压等级的主变负载率≥80%为重载标准。变电站主变重载率的计算公式与线路重载率相同用GHT表示。（3）线路N-1通过率线路N-1通过率指标用来表征供电网架的并网形式对新能源消纳的制约程度。指标计算公式为：DGPRALL100NNGN(7)式中，N为电网中已经通过N-1校验的线路数，NDG为新能源接入所提升线路联络率的线路总数，NALL为电网中运行的线路总数。（4）电压合格率新能源发电投产后，接入点能够提供对应的无功补偿，此时的电压水平能够反映新能源无功消纳情况，因此电压水平能够反映供电网架无功配置情况对新能源消纳制约程度，定义电压合格率指标：VP0100iEGN(8)其中，,MIN,MAX,MIN,MAX,,iiiiiiiUUUEUUU1（）0（）(9)式中，Ei为第i个节点电压合格数，Ui,MAX和Ui,MIN分别代表电网中第i个节点的电压上下限，Ui为第i个节点的电压，N0表示总的节点数量。1.3负荷特性指标电网的负荷特性可以体现负荷在整个电网的分布情况，一方面可以用于电网安全运行分析，另一方面还可以用于衡量电网经济性运行。（1）电网负载率定义电网负载率为电网平均负荷与最大负荷的比值，该值越接近于0，则表明电网负荷峰谷差越大，新能源消纳越差，电网负载率指标公式如下：4高电压技术PLRMAX100PLP(10)式中：PP为监测时间内电网的平均负荷;PMAX为监测时间内电网的最大负荷。（2）有效渗透率定义新能源有效渗透率为电网典型日的日均负荷和新能源日均出力的比值，该指标可以动态的体现新能源在电网中的有效渗透情况，计算公式如下：NEDGLD100sPLP,(11)式中：ΣPs,NE表示第s个接入电网新能源实际发电的出力；PLD表示所在电网的实际负荷值。1.4调峰能力指标（1）调峰约束下新能源渗透率设高峰负荷为PLmax，火电机组最大出力值为PGmax，PTr为联络线路的传输功率，则需满足下式：LmaxGmaxTrPPP(12)在负荷低谷时期，火电和新能源总出力值为PGmin，则新能源最大出力：n,maxGminGminPP-aP(13)式中：a为最小出力率，aPGmin为火电机组最小出力，Pn,max为新能源最大出力。在调峰约束下，新能源渗透率计算公式为：n,maxPVLmaxTr/(1-)PPPP(14)式中：为弃风弃光率。（2）新能源参与调峰贡献度目前，电网在负荷高峰期存在负荷中心电压过高的问题，新能源接入电网有望为电网调峰做出贡献。新能源参与调峰贡献度是通过对当年夏冬两季的最大负荷日新能源调峰对电网稳定性的贡献进行分析，来体现新能源在不同季度负荷高峰期参与调峰所发挥的作用。其计算公式为：SPHWHDGDG11Hmin100%Skkk=k=SPPPPP,,,(15)式中：PSH、PWH表示夏季和冬季最大负荷日的负荷，Pk,DG为第k个新能源电源提供的有功功率，S为新能源电源数目。在负荷高峰电力平衡中，新能源发电的出力越大，其对电力平衡的贡献度就越大。2基于模糊化动态评估的规模化新能源消纳制约因素分析2.1基于模式识别的新能源消纳制约因素评估大规模新能源电网中消纳制约因素的重要性属于模糊概念，可以使用模糊序列加以表征，并将上述问题转化为模糊序列的模式识别问题。基于动态时间弯曲（DynamicTimeWarping，DTW）算法在模式识别领域的应用，根据样本间距离的相似度和序列形状的相似度，类似地可以将新能源消纳制约因素分别归类到预定义的参考样本类别。DTW算法作为一种模式识别方法，最早运用于语音识别领域，目前已经在电力领域得到初步的应用，包括同步调相机一致性识别、继电保护算法和电能质量评估等方面。本文提出的模糊化动态评估方法既考虑了新能源消纳制约因素的模糊属性，又降低了传统DTW算法固有的病态弯曲现象发生的概率，能够有效对新能源消纳制约因素进行综合评估。新能源消纳制约因素评估具体实施流程如图2所示。电源指标网架指标负荷指标参考样本选取构建原始评估样本矩阵基于隶属度函数的样本模糊化构建模糊化评估样本矩阵调峰指标更新序列号基于动态规划的路径选择u=v获得待评估样本和参考样本i=a制约因素多层级分析结束是是否指标体系构建模糊化新能源消纳制约因素分析否图2新能源消纳制约因素评估流程Fig.2Theevaluationprocessofnewenergyconsumptioncon-赵静波，黄强，赵香，等：基于模糊化动态评估的新能源消纳制约因素分析5straints2.2新能源消纳制约因素评估矩阵分别建立新能源特性、供电网架配置及运行能力、负荷特性和调峰能力四个指标的新能源消纳制约因素评估矩阵。以下详细介绍新能源特性指标评估矩阵XSO=(xi，j)(m+n)×q的建立过程，供电网架配置及运行能力、负荷特性和调峰能力指标的评估矩阵XGL、XLR和XPV的建立过程同理。矩阵XSO定义如下：SOqmmqmmqmnmnqxxxxxxxx1,11,,1,1,11,,1,''MXN(16)其中，M′、N′分别为参考样本序和待评估样本序列，m、n分别为参考样本和待评估样本序列的数量，q为序列中样本的数量，xm,q表示第m个参考样本中的第q个元素，xm+n,q表示第m+n个待评估样本中的第q个元素。2.3模糊化动态评估为了简单起见，针对每个样本中的元素，在论域X={x}上定义四个模糊子集，分别是"E"，"G"，"C"和"B"，鉴于本文指标数据计算值呈现正态分布特点，因此分别建立如式（17）所示四种映射关系。EGCBXxxXxxXxxXxxEGCB:0,1:0,1:0,1:0,1(17)其中，μE(x)，μG(x)，μC(x)和μB(x)分别是模糊子集"E"、"G"、"C"和"B"的模糊高斯隶属度函数，其参数取决于参考样本数据。各个模糊子集之间存在着中间过渡过程，隶属度的取值在区间[0，1]之间。μE(x)的值愈趋近于1，x属于模糊子集"E"的程度越高。00.10.20.30.40.50.60.70.80.91样本值00.10.20.30.40.50.60.70.80.91隶属度优良中差ϖBϖCϖGϖE图3指标样本模糊隶属度函数Fig.3Fuzzymembershipfunctionofindexsample如图3所示为其中一个指标对应的四个模糊隶属度函数，模糊化过程即对每一个样本数据都计算模糊隶属度，由图3可知，横轴的增量比纵轴的增量小，并且对每一个指标都做了四个模糊隶属度函数的计算来扩展序列，因此指标待评估样本和参考样本在经过模糊化处理后形成的序列临近位置的指标值差异较大，从而在动态弯曲规划时能够避免出现因错误的模式匹配而导致病态弯曲的情况。通过样本的模糊化处理，原始评估样本矩阵Θ可以推导为模糊化评估样本矩阵Θ如下所示：BrBriBiirBiraBaarBarBrBrjBjjrBjrmnmnmnmnmnmnmnmnmnmnE1111E11E11EE11EE1111E11E11E()()()()()()()()()()()()()()()()()()()()MNbBbbrBbrmnmnE11E()()()()(18)其中，M、N分别为模糊化处理后的参考序列和待评估序列，μB(nar)、μB(nbr)分别为模糊高斯隶属度函数在a和b取得的值。（1）动态路径规划将DTW算法引入新能源消纳制约因素评估时，利用动态规划理论规划出模糊化以后的待评估序列和参考样本序列最优弯曲路径，即可得到反映相似度的最小弯曲距离MBD（MinimumBendingDistance），比较待评估序列N和参考序列12mMMM、、、的MBD，从而获得序列N与各参考样本序列的相似度，最终确定序列N的所属等级。DTW算法比较序列相似度的步骤如下：首先定义长度分别为s和t的序列U和V。isjtuuuuvvvv1212{,,,}{,,,}UV(19)其中，us和vt分别表示序列U和V中的第s和t个元素，构造距离矩阵s×t，其中矩阵的第i行第j列元素dij以p范数的形式获得。jtttjitstssjstddddddddd111111Δ=(20)ijijduv(21)显然，满足上述条件的有效路径数呈指数增长。6高电压技术最优弯曲路径对应的MBD用D(U，V)表示，计算公式如下：()(,)pstDDuvU,V(22)其中初始边界条件为：1111(,)1,2,,(,)1,2,,iijjDuvdisDuvdjt(23)D(ui,vj)的递推公式为：minijdijijvijjhijijDuvdDuvdDuvdDuv11i11(,)(,),(,)，(,)(24)其中，ρd、ρv、ρh为权重因子，本文中，ρd=ρv=ρh=1表明弯曲路径的各个方向具有相同的可能性。序列U、V的最优弯曲路径和对应关系如图4所示。MBD越小，相似度越高。1v4rW1u4rD(u,v)ssMiNjiMjN模糊化处理后序列匹配原始序列匹配MiNjGaussmf最优动态路径规划约束范围图4最优弯曲路径动态规划Fig.4DynamicPathPlanningofoptimalcurvedpath3案例分析为验证基于模糊化动态评估的新能源消纳制约因素分析方法的适用性和有效性，选取东部沿海某电网夏高和冬高两种运行方式下的数据作为评估对象，其拓扑结构见附录A图1A。本文中指标包括效益型和成本型指标，通过趋同化处理将成本型指标转换成效益性指标，转化后的指标值以及参考样本见附录A表1A。参考样本1、2、3、4分别对应四个等级优、良、中、差，通过表A即可确定模糊隶属度函数的参数，其中G、E、C、B为高斯隶属度函数的均值，标准差为参考样本标准差。3.1夏高运行方式分析3.1.1模糊化动态评估方法验证表1A中的参考样本4为制约程度最强的样本，隶属于参考样本4的隶属度越大则制约因素影响程度越强，图5为夏高方式下待评估样本与参考样本的模糊隶属度，可以看出负荷指标即负载率指标制约因素影响程度最大，各指标制约因素排序为电网负载率>线路重载率>变电站主变重载率>出力同时率>调峰约束下新能源渗透率>N-1通过率>新能源参与调峰贡献度>新能源分散度>有效渗透率>出力波动率>电压合格率。图5夏高方式下各待评估样本与参考样本的隶属度Fig.5Membershipdegreeofeachsampletobeevaluatedandthereferencesampleundersummerhighmode表1待评估样本和参考样本的MBDTable1MBDbetweenunevaluatedandreferenceSamples一级指标二级指标MBD参考样本1参考样本2参考样本3参考样本4新能源特性SOV2.75261.59972.60264.4995SOSSDS供电网架配置及运行GLO4.71314.05934.06264.0578GHTGPRGVP负荷特性LLR2.88542.59311.72322.2916LDG调峰能力PPV2.54341.23151.06682.2031PPH表1为模糊化以后的待评估样本序列和参考样本序列的MBD，图6为采用本文方法模糊化后的待评估样本和参考样本数据，通过图7模糊化后序列的色块对比我们可以看出临近指标间的数据差异性较大，根据本文动态规划约束条件进行匹配时优势更为明显。图7（a）和（b）分别为采用模糊化动态评估方法得到的MBD和同等级一级指标的平均MBD。由图7（a）可知新能源特性指标与参考样本2的MBD最小，因此评估结果为良，而其余三个一级指标的评估等级均为中。赵静波，黄强，赵香，等：基于模糊化动态评估的新能源消纳制约因素分析7由于供电网架配置及运行指标、负荷特性指标一级调峰能力指标评估等级均为中，且因两者指标序列长短不一，而MBD实际上是累加距离，因此需要比较同等级指标的平均MBD。图6模糊化后的待评估样本与参考样本Fig.6Fuzzysampletobeevaluatedandreferencesample（a）一级指标与参考样本的动态弯曲距离（b）一级指标的平均MBD图7模糊化后各指标的动态弯曲距离与平均MBDFig.7DynamicbendingdistanceandaverageMBDofeachindexafterfuzzification由图7（b）可知三个一级指标的平均MBD排序，因此，根据本文评估方法可得最终的综合制约因素排序为：调峰能力>负荷特性>供电网架配置及运行能力>新能源出力特性。根据评估排序结果分析可以给出首要的调整建议：新能源参与调峰能力不足制约的消纳问题可以在负荷高峰期配置一定比例储能装置，形成“源网荷储”协调发展的电网布局。同时，在负荷侧，提高负荷侧的灵活性，通过政策导向促进需求侧响应，引导用户中的可转移负荷跟随新能源出力特性进行调整，从而促进电网新能源消纳，有效减少弃电率。3.1.2模糊化动态评估与常规动态评估对比图8动态评估方法各一级指标平均MBDFig.8AverageMBDofeachindexindynamicevaluationmethod表2模糊化动态评估与常规动态评估对比Table2Comparisonbetweenfuzzydynamicevaluationandconventionaldynamicevaluation方法MBD情况二级指标制约因素排序综合制约因素评估结果常规动态评估供电网架配置及运行能力指标与各参考样本平均MBD值近似，评估等级难确定新能源制约因素二级指标排序无法评估调峰能力>负荷特性？供电网架配置及运行能力>新能源出力特性模糊化动态评估各指标与各参考样本MBD值差异明显，匹配更精确新能源制约因素二级指标能够通过模糊隶属度进行排序调峰能力>负荷特性>供电网架配置及运行能力>新能源出力特性图8为采用常规动态评估方法得到的平均MBD，由图可知，供电网架配置及运行能力指标与参考样本2、3的平均MBD较近似，其与负荷特性待评估样本参考样本1参考样本2参考样本3参考样本4SovSovSovSovSOSSOSSOSSOSSdisSdisSdisSdisGLOGLOGLOGLOGHTGHTGHTGHTGPRGPRGPRGPRGVPGVPGVPGVPLLRLLRLLRLLRLDGLDGLDGLDGPPVPPVPPVPPVPblancePblancePblancePblance模糊化样本0.025000.22000.41500.61000.80501.000模糊隶属度各样本012345参考样本1参考样本3参考样本2参考样本4MBD调峰能力新能源出力特性供电网架配置及运行能力负荷特性012345一级指标0.120.140.160.180.200.220.240.26平均MBD参考样本3调峰能力供电网架配置及运行能力负荷特性一级指标0.050.100.150.200.250.30MBD参考样本1参考样本2参考样本3参考样本4调峰能力新能源出力特性供电网架配置及运行能力负荷特性一级指标8高电压技术指标的平均MBD也近似，差异较小，因此对于供电网架配置及运行能力指标来说序列匹配并不精确；另外动态评估无法确定二级指标的新能源制约因素排序。通过对比图7（a）和图8两个评估结果可知，本文提出的模糊动态评估方法利用模糊化处理，能够获得更细化的评估结果，评估结果更为客观。评估结果对比见表2。3.2冬高运行方式分析图9为冬高运行方式下待评估样本与各参考样本的模糊隶属度，参照夏高方式下的分析方法可以得到冬高方式下新能源消纳制约因素二级指标排序为线路重载率>电网负载率>出力同时率>调峰约束下新能源渗透率>变电站主变重载率>N-1通过率>有效渗透率>新能源参与调峰贡献度>新能源分散度>电压合格率>出力波动率。图9冬高方式下各参考样本的隶属度Fig.9Membershipdegreeofeachreferencesampleunderwin-terheightmode（a）一级指标与参考样本的动态弯曲距离（b）一级指标的平均MBD图10模糊化后各指标的动态弯曲距离与平均MBDFig.10DynamicbendingdistanceandaverageMBDofeachindexafterfuzzification由图10（a）可知负荷特性和调峰能力指标评估等级均为中，再由图10（b）中两个同等级指标与参考样本3的平均MBD大小可以得到，新能源制约因素排序为调峰能力>负荷特性，因此，最终的冬高运行方式下综合制约因素排序为：供电网架配置及运行>调峰能力>负荷特性>新能源特性。同样能够给出冬高运行方式下的调整建议：可以考虑在冬季高峰负荷运行工况下增加投入到运行中的线路、主变总容量，并配合合理的无功补偿策略。3.3调整前后对比分析按照前述调整建议，以冬高运行方式为例，对调整前后各指标待评估样本与新能源消纳容量进行对比，结果如表3所示。012345参考样本1参考样本2参考样本3参考样本4调峰能力新能源出力特性供电网架配置及运行能力负荷特性一级指标MBD负荷特性调峰能力0.260.280.300.320.340.360.38平均MBD参考样本3一级指标赵静波，黄强，赵香，等：基于模糊化动态评估的新能源消纳制约因素分析9表3调整前后指标待评估样本与新能源消纳容量对比Table3Comparisonbetweenthesampletobeevaluatedandtheconsumptioncapacityofnewenergybeforeandafteradjust-ment指标调整前调整后新能源特性SOV0.96440.9751SOS0.37560.5322SDS0.8480.9127供电网架配置及运行GLO0.99680.9991GHT0.87890.9226GPR0.98280.9831GVP0.94810.9485负荷特性LLR0.36610.4259LDG0.740.761调峰能力PPV0.6920.676PPH0.7660.742新能源消纳容量（MW）11501242由表3可知，新能源特性、供电网架配置及运行能力和负荷特性各指标的待评估样本在调整后均有不同程度的增加，而调峰能力指标的待评估样本略有减小，说明在调整后有效促进了新能源的消纳。同时，新能源消纳容量在调整后从1150MW增加到了1242MW，验证了模糊化动态评估方法的有效性和可行性。4结论1）在新能源消纳制约因素分析基础上，建立了涵盖“源网荷”以及调峰能力的综合评估指标体系，通过量化的指标体系更好地明确各个指标的制约量。2）采用提出的模糊化动态评估方法，进行参考样本的模糊化处理以及多层级制约因素的综合分析，通过模糊化处理提升了评估的客观性。3）通过典型案例评估分析可知，各区域新能源消纳制约因素的排序情况，进而针对性的给出改进建议和措施。同时，有必要模拟仿真评估采取措施后的电网新能源消纳能力，以此为电网新能源消纳问题的解决提供数据支撑。参考文献References[1]彭波，陈旭，徐乾耀，等．面向新能源消纳的电网规划方法初探[J]．电网技术，2013，37(12)：3386-3391．PENGBo,CHENXu,XUQianyao,etal.Preliminaryresearchonpowergridplanningmethodaimingataccommodatingnewenergy[J].PowerSystemTechnology,2013,37(12):3386-3391.[2]程光，徐飞，胡博，等．可再生能源与火电集成耦合的协同性能及组合设计研究[J/OL]．电网技术：1-16[2021-0402]．CHENGGuang,XUFei,HUBo,etal.Researchonsynergisticper-formanceandcombinationdesignofcouplingofrenewableenergyandthermalpower[J/OL],PowerSystemTechnology:1-16[2021-04-02][3]陈国平，李明节，许涛，等．关于新能源发展的技术瓶颈研究[J]．中国电机工程学报，2017，37(1)：20-27．CHENGuoping,LIMingjie,XUTao,etal,Studyontechnicalbottle-neckofnewenergydevelopment[J].ProceedingsoftheCSEE,2017,37(1):20-27．[4]舒印彪，张智刚，郭剑波，等．新能源消纳关键因素分析及解决措施研究[J]．中国电机工程学报，2017，37(1)：1-9．SHUYinbiao,ZHANGZhigang,GUOJianbo,etal.Studyonkeyfac-torsandsolutionofrenewableenergyaccommodation[J].ProceedingsoftheCSEE,2017,37(1):1-9.[5]鄂志君，王桂林，李振斌，等．提升新能源电网消纳水平的混合储能系统优化控制方法[J/OL]．电力系统及其自动化学报：1-6[2021-04-02]．EZhijun,WANGGuilin,LIZhenbin,etal.Interconnectionoptimizedcontrolmethodofhybridenergystoragesystemtoenhancegridre-newableenergyabsorptionLevel[J/OL].ProceedingsoftheCSU-EPSA:1-6[2021-04-02].[6]王云珠．我国可再生能源消纳制约因素分析及解决对策[J]．煤炭经济研究，2020，40(2)：4-11．WANGYunzhu.AnalysisofrestrictivefactorsonrenewableenergyconsumptioninChinaandcounter-measures[J].CoalEconomicRe-search,2020,40(2):4-11.[7]张振宇，王文倬，张钢，等．基于非时序模型的新能源消纳能力评估方法[J].电力系统自动化，2019，43(20)：24-30.ZhangZhenyu,WangWenluo,ZhangGang,etal.Evaluationmethodofnewenergyconsumptioncapacitybasedonnontimeseriesmodel[J].Powersystemautomation,2019,43(20):24-30.[8]范高锋，张楠，梁志锋，等．我国“三北”地区弃风弃光原因分析[J]．华北电力技术，2016(12)：55-59．FANGaofeng,ZHANGNan,LIANGZhifeng,etal.Analysisonthe"ThreeNorths＂regionwindandPVpowerlimitation[J].NorthChinaElectricPower,2016(12):55-59．[9]曲凯，李湃，黄越辉，等．面向新能源消纳能力评估的年负荷序列建模及场景生成方法[J].电力系统自动化，2021，45(1)：123-131.QuKai,LiPai,HuangYuehui,etal.Annualloadseriesmodelingandscenariogenerationmethodfornewenergyconsumptioncapacityevaluation[J].Powersystemautomation,2021,45(1):123-131.[10]曹阳，李鹏，袁越，等．基于时序仿真的新能源消纳能力分析及其低碳效益评估[J].电力系统自动化，2014，38(17)：60-66.CaoYang,LiPeng,YuanYue,etal.Newenergyconsumptioncapacityanalysisandlow-carbonbenefitevaluationbasedontimeseriessimu-lation[J].Powersystemautomation,2014,38(17):60-66.[11]林德清，顾伟，王元凯，等．基于动态时间弯曲空间距离度量的电能质量综合评估[J]．电网技术，2013，37(2)：562-567．LINDeqing,GUWei,WANGYuankai,etal.Syntheticevaluationofpowerqualitybasedondynamictimewarpingspatialdistancemeas-urement[J].PowerSystemTechnology,2013,37(2):562-567.[12]周金辉，颜剑峰，王子凌，等．基于模糊动态时间弯曲算法的主动配电网电压运行状态评估[J]．电力自动化设备，2021，41(1)：62-73．ZHOUJinhui，YANJianfeng，WANGZiling，etal．Thevoltageoperatingstateassessmentofactivedistributionnetworkbasedonfuzzydynamictimewarpingalgorithm[J]．ElectricPowerAutomation10高电压技术Equipment，2021，41(1)：62-73．[13]苏杰和，陈旭，张勇军．基于模糊隶属度及区间算术的电网电压优化新算法[J]．电力系统保护与控制，2014，42(20)：52-58．SUJiehe,CHENXu,ZHANGYongjun.Anewapproachforvoltageoptimizationbasedonfuzzymembershipandintervalarithme-tic[J].PowerSystemProtectionandControl,2014,42(20):52-58.[14]XIEW,ZHANGY,GUW,etal.Minimumbendingdistancebasedevaluationmethodforsubarealindependentpowersupplycapabilityofsmartdistributionnetwork[C].2018InternationalConferenceonPow-erSystemTechnology(POWERCON).Guangzhou,China.IEEE,2018:1177-1182．[15]GALBALLYJ,GALBALLYD.ApatternrecognitionapproachbasedonDTWforautomatictransientidentificationinnuclearpowerplants[J].AnnalsofNuclearEnergy,2015,81:287-300．[16]JEONGYS,JEONGMK,OMITAOMUOA.Weighteddynamictimewarpingfortimeseriesclassification[J].PatternRecogni-tion,2011,44(9):2231-2240．[17]盛四清，邱昊，张文朝，等．考虑稳态和动态有功平衡约束的新能源消纳综合评估方法[J].电力系统保护与控制，2019，47(10)：51-56．SHENGShiqing,QIUHao,ZHANGWenchao,etal.Comprehensiveas-sessmentmethodofnewenergyconsumptionconsideringsteadyanddynamicactivepowerequilibriumconstraints[J].PowerSystemProtectionandControl,2019,47(10):51-56.[18]张亚超，刘开培，廖小兵，等．含大规模风电的电力系统多时间尺度源荷协调调度模型研究[J]．高电压技术，2019，45(2)：600-608.ZHANGYachao,LIUkaipei,LIAOXiaobing,etal.Researchonmultitimescalesourceloadcoordinateddispatchmodelofpowersystemwithlargescalewindpower[J].HighVoltageEngineering,2019,45(2):600-608[19]周二彪，孙阳，谭捷，等．面向新能源消纳的电网互联通道规划[J].高电压技术，2020，46（8）：2933-2940.ZHOUErbiao,SUNYang,TANJie,etal.Powergridinterconnectionchannelplanningfornewenergyconsumption[J].HighVoltageEngi-neering,2020,46(8):2933-2940ZHAOJingbo赵静波1982—，男，硕士，高级工程师主要研究方向为电力系统稳定和控制、新能源并网运行等E-mail：1418412034@qq.comHUANGQiang黄强1974—，男，硕士，高级工程师主要研究方向为电力系统稳定和控制、新能源并网运行等E-mail：grassstrong@163.comZHAOXiang赵香1997—，女，硕士生主要研究方向为电力系统分析E-mail:1418355616@qq.comTANGPengcheng唐鹏程1997—，男，硕士生主要研究方向为电力系统评估E-mail:1799432570@qq.comLIUWei柳伟（通信作者）1985—，男，博士，副教授，硕导主要研究方向为分布式发电及微网技术，分布式智能控制及优化等E-mail：wliu@njust.edu.cn编辑程子丰赵静波，黄强，赵香，等：基于模糊化动态评估的新能源消纳制约因素分析11附录ALY2LY1SD1SD2DGLXXHHWHFYMYTHFFQLSLYZDSX1SX2GH1GH2SCGYTNHGHCGH1GH2JDYFQGDTRY图例变电站风力发电站光伏发电站名称中结尾带1表示该电站在陆地；2表示该电站在海上图1A某东部沿海电网拓扑图Fig.1ATopologicalmapofaneasterncoastalpowergrid表1A指标的待评估样本和参考样本Table1ASamplestobeevaluatedandreferencesamplesofindicators指标夏高冬高参考样本1（G）参考样本2（E）参考样本3（C）参考样本4（B）新能源特性SOV0.94310.964410.950.850.75SOS0.4240.37560.70.60.50.3SDS0.8590.84810.90.80.6供电网架配置及运行GLO0.99760.996810.99970.99880.9969GHT0.85510.878910.950.90.8GPR0.98310.982810.990.980.97GVP0.94630.948110.90.80.75负荷特性LLR0.33810.36610.750.650.50.3LDG0.7660.740.90.80.650.5调峰能力PPV0.6920.69210.850.70.55PPH0.7660.7660.950.80.650.5