5.1 高比例可再生能源：波动成为新常态

5.1 高比例可再生能源：波动成为新常态

当风电光伏装机占比超过 30%，电网调度的对象就从"负荷曲线"变成了净负荷曲线（负荷减去风光出力）。本节读懂这条新曲线的形状语言——鸭型曲线，量化它带来的灵活性缺口，并算清弃风弃光背后的经济账。

鸭子是怎么浮出来的

把一天的风光出力从负荷里减掉，得到净负荷。光伏中午大发，净负荷被压出一个深谷；傍晚太阳落山、负荷却冲上晚峰，净负荷在两三个小时内陡爬一个陡坡。这条曲线画出来像一只浮在水面的鸭子——鸭型曲线，2013 年由美国加州独立系统运营商（CAISO）首先绘制并命名，当时光伏渗透率还不到挂图的零头；如今加州春季午间净负荷已多次转负（全网倒送），傍晚爬坡速率达到每小时上万 MW，相当于两小时内开足十几个大型电厂。

图 5-1 鸭型曲线：净负荷的三重后果

波动的三个时间尺度

鸭型曲线只是日尺度的表象，新能源波动横跨四个量级：

• 秒-分钟级：云遮光伏电站出力可跌 60%–70%，风电阵风造成功率摆动——冲击频率调节资源；
• 小时-日级：鸭型曲线的陡坡——冲击爬坡与调峰资源；
• 多日级：连续阴雨无风的"枯期"——冲击电量平衡与备用策略；
• 季节级：水电丰枯、风资源季差——冲击年度电量计划。

越往长尺度，波动越像"天气问题"而非"电网问题"，气象预报的精度直接变成电网资源。欧洲气象耦合的电力预测已是独立产业，风光功率预测误差每降一个百分点，全网就省下可观的热备用成本——2024 年国内新能源功率预测"Old bid 新打法"竞赛里，头部团队短期预测精度已达 90% 以上。

弃风弃光：不是浪费，是泄压

当午间净负荷低于所有在线火电机组的最小技术出力之和（机组不能低于该出力稳定运行），多余的电无处可去，只能弃掉。中国的经验曲线很有说服力：2016 年前后三北地区弃风率一度超过 30%（甘肃曾达 40%+），之后靠特高压外送通道 + 火电灵活性改造（降低最小技术出力） + 装储能三管齐下，到 2020 年代初全国弃风率压回 3%–5%。弃电率不是越低越好：把最后 1% 的弃电率压到零，边际成本极高；一定比例的"经济弃电"其实是系统最便宜的灵活性来源——这已经是规划界的共识。

灵活性缺口有多大

量化一下爬坡需求：

# 傍晚爬坡需求的量级演算
load_evening = 90        # GW 晚峰负荷
load_noon = 75           # GW 午间负荷
solar_noon = 45          # GW 午间光伏（大发）
solar_evening = 0        # 晚上光伏归零
ramp_3h = (load_evening - solar_evening) - (load_noon - solar_noon)
print(f"3 小时净负荷爬坡: {ramp_3h} GW")
print(f"平均爬坡速率: {ramp_3h/3:.0f} GW/小时 ≈ 每 6 分钟一座百万机组的调节量")
​

60GW / 3 小时的爬坡，意味着系统每六分钟就要"变出"一台百万千瓦机组的调节能力。传统火电爬坡速率只有每分钟 1%–2% 额定容量，单靠它们既慢又贵——这就是储能、需求响应、灵活资源市场在下一节登场的原因。

本节要点回顾

• 净负荷取代负荷成为调度对象，鸭型曲线的三重后果是午间深谷、傍晚陡坡、峰谷差恶化。
• 波动横跨四个时间尺度，长尺度波动本质是气象问题，功率预测精度直接折算成系统成本。
• 弃电是泄压阀不是失败：一定比例的经济弃电比零弃电更省钱，三北地区的治理经验证明组合拳有效。
• 爬坡速率是新的硬指标：GW 级小时爬坡把灵活性资源推上舞台中央，引出 5.2 储能与 5.3 数字技术。

动手计算：容量可信度——装机与可靠容量的换算

装机 1000 MW 的光伏，能替代多少可靠容量？方法是在系统峰值负荷时刻统计其实际出力占比。若历史数据表明本省晚峰时刻（19-21 点）光伏出力几乎为零，则其容量可信度接近 0%；风电在夏季晚峰的平均出力约 10%-15%，则 1000 MW 风电只抵 100-150 MW 常规机组。这意味着风光装机翻倍并不等于可靠供电能力翻倍——规划必须按"电量贡献"与"容量贡献"两本账分开记。

# 用晚峰时段出力统计估算容量可信度
import random
random.seed(7)
wind_peak_cf = sum(max(0, random.gauss(0.35, 0.25))
                   for _ in range(10000)) / 10000 * 0.4   # 晚峰打折
solar_peak_cf = 0.02      # 晚峰光伏近乎归零
for name, cf in (("风电", wind_peak_cf), ("光伏", solar_peak_cf)):
    print(f"{name}: 容量可信度 ~{cf*100:.0f}%, 1000MW 装机抵 {cf*1000:.0f} MW 可靠容量")
# 加州 CAISO 与国内多省实测均落在风 5-15%、晚峰光伏 0-5% 区间
​

数据档案：三北弃风治理前后对比

治理组合拳的可复述配方：外送通道解决"送不出"，灵活性改造与储能解决"压不下去"，功率预测与调度优化解决"算不准"。下一节把其中增长最快的储能单独放大讲——它为什么贵、贵在哪、何时回本。

这里需要提醒一个常见误读：高比例可再生能源的"比例"有两本口径，装机占比与电量占比差别巨大。风光装机占全网四成时，电量占比可能只有两成上下，而容量可信度更低。政策目标、媒体标题与工程校核分别使用不同口径，讨论前先统一口径是专业对话的第一步。本节各算例默认使用电量口径，涉及可靠性校核时切换到容量口径——这两本账的换算关系，正是容量可信度系数的意义所在。

另一个值得建立的直觉是净负荷的"形状迁移"：光伏占比尚低时，净负荷曲线只是白昼被削平一点；占比过半后，曲线变成两峰一谷的深鸭型，午间谷甚至跌破技术出力下限；再往上，某些春季午间净负荷可能为负，系统进入"必须向上调"的新运行域——常规机组长期面对的最小出力、解列风险、电压调节能力都要重新校核。形状迁移不是渐变的坡而是分段跃迁，规划者要按占比台阶逐段重估系统需求，这也是各国电网在 30%、50%、70% 各节点上先后碰壁又先后总结出经验的深层原因。