考慮系統正負備用的電動汽車優(yōu)化調度策略研究*

肖宜，陳杰軍，周悅，李淼，劉昕，馮煊

(1.湖北省電力公司， 武漢 430077； 2.武漢大學 電氣工程學院，武漢 4300721)

0 引 言

與傳統電源相比，風力發(fā)電具有清潔、無污染等特點，近年來發(fā)展很快[1]。電動汽車具有節(jié)能、高效、污染少等諸多優(yōu)點，在各國政策和市場需求的推動下，電動汽車產業(yè)正在蓬勃發(fā)展[2]。然而，高滲透率的風電和大規(guī)模電動汽車接入電網后，可能影響系統備用容量，增大系統經濟運行成本[3]。合理調度電動汽車充放電時間，使電動汽車在負荷高峰時放電，負荷低谷時充電，可以降低系統備用容量，提高風電利用率。因此，在考慮系統備用的背景下，研究電動汽車調度優(yōu)化問題具有重要意義。

目前，關于風電場和電動汽車的接入對電網經濟運行影響的研究已有一定基礎。文獻[4-9]指出高滲透率風電和電動汽車接入增加了電網經濟運行成本。文獻[10-12]分析了電動汽車充放電的負荷特性，建立了電動汽車-風電的協同優(yōu)化模型，分析了調度電動汽車充電來平滑電網等效負荷波動、消納夜間過剩風電的可行性。文獻[13]提出了一種基于分層控制的有序充電控制架構，能夠在與傳統電網控制架構融合的基礎上實現配電網范圍內電動汽車和分布式可再生電源的協同有序控制。文獻[14]在考慮電動汽車充電模式的前提下，提出了一種基于粒子群算法的最優(yōu)控制策略，充分利用了V2G的作用。文獻[15-16]提出了基于實時電價的電動汽車優(yōu)化調度模型，引導用戶合理使用電動汽車，降低系統損耗和峰谷差。這些文獻主要針對如何提高風電利用率和電動汽車優(yōu)化調度優(yōu)化展開研究，但沒有涉及通過對電動汽車的調度來優(yōu)化系統備用容量配置。

本文在文獻[17]研究的基礎上改進了基于風電不確定性的備用容量獲取，并提出了一種電動汽車優(yōu)化調度策略，旨在降低電網備用容量，消除電量供應暫時性短缺，并盡可能消納風電。首先，運用模糊聚類算法來分析風力發(fā)電不確定性，得出系統差額概率密度函數圖；然后，基于改進電量不足期望指標(IEENS)和改進風能浪費風險指標(IEWWR)引入電力系統正負備用配置需求；最后，以正負備用投入成本和用戶充電成本為優(yōu)化目標建立電動汽車優(yōu)化調度模型。本文假設電動汽車完全服從調度。

1 電力系統正負備用獲取方法研究

電力系統的備用分為正備用和負備用：正備用容量是指為調整系統中短時的負荷波動并擔負計劃外的負荷增加而設置的備用；負備用是指為調整系統中短時的負荷波動并擔負計劃外的負荷減少而設置的備用。電力系統發(fā)電量和用電量應保持平衡，當計劃發(fā)電量小于實際用電量時，需要調節(jié)正備用，增大正備用的投入容量；當計劃發(fā)電量大于實際用電量時，需要調節(jié)負備用，增大負備用的投入容量，消納過多的電量。因此，建立電力系統備用容量獲取模型，對于調度電動汽車優(yōu)化系統容量配置十分重要。本文在借鑒文獻[17]電量不足期望(EENS)和風能浪費風險(EWWR)指標，考慮系統正負備用的配置，對上述指標進行改進。

1.1 系統差額概率密度函數獲取方法分析

基于模糊聚類算法[18]對風電出力歷史數據進行聚類分析，聚類生成多組風電出力場景，每組出力的情況根據式(1)得到一個系統差額值(系統失負荷值或多余發(fā)電出力值)，以及其對應的概率密度(即系統差額風險概率密度)。

PM(mt=wt,s+gt,s+dt,s-ct,s-lt,s)=

PW(wt,s)·PG(gt,s)·P(dt,s)·P(ct,s)·P(lt,s)

(1)

式中t為時段數；wt,s、gt,s和dt,s分別表示t時段風電機組、常規(guī)機組和電動汽車放電在場景t下的出力值；ct,s和lt,s分別表示t時段電動汽車充電負荷和常規(guī)負荷值。

通過以上公式求得每組情況，進行概率統計，可得到系統差額風險概率密度如圖1所示。其中，黑色陰影部分即系統差額小于0的面積表示系統出力小于負荷需求的概率；豎線部分即系統差額大于0的面積表示系統出力大于負荷需求的概率。

圖1 系統差s額概率密度分布

1.2正備用配置需求分析

當實際可利用的風電功率小于計劃出力或常規(guī)機組強迫停運等情況發(fā)生時，系統出力將小于負荷需求，出現電量不足現象，本文引用電量不足期望EENS(m)[17]來描述這種情況。

(2)

當計劃發(fā)電量小于實際用電量時，需要調節(jié)系統正備用，增大正備用的投入容量，彌補有功電量不足。圖2描述了正備用量為100 MW時的系統差額概率密度函數圖，可以明顯看出調節(jié)備用r+可以降低EENS(m)的值。因此，電量不足期望EENS(m)可修正為：

(3)

圖2 正備用容量為100 MW時系統差額概率密度圖

1.3 負備用配置需求分析

當實際可利用的風電功率大于計劃出力情況發(fā)生時，系統出力將大于負荷需求，出現風能浪費現象，本文引入風能浪費風險EWWR(m)[17]表示這種情況。

(4)

圖3 負備用容量為100 MW時系統差額概率密度圖

當計劃發(fā)電量大于實際用電量時，需要調節(jié)負備用，增大負備用的投入容量，消納過多電量。圖3描述了負備用量為100 MW時的系統差額概率密度函數圖，可以很明顯的看出調節(jié)備用r-可以降低EWWR(m)的值。因此，電量不足期望EWWR(m)可修正為：

(5)

1.4 正負備用成本分析

電力系統運行的最佳狀態(tài)是發(fā)電量與用電量平衡，既不出現電量供應不足現象，又不發(fā)生風能浪費現象。因此，電力系統需要配置足夠大的正負備用容量來均衡供需電量，滿足電量變動需求。設置正負備用時需考慮備用成本，備用成本與備用量的關系一般以邊際成本價格或市場競價等來表征。考慮到國內的市場現狀，可將備用成本價格設為固定值，因此得到備用成本與備用量成正線性關系，即：

Fr=k+r++k-r-

(6)

式中k+，k-分別表示表示成本與正負備用量的線性系數。

為了降低電量不足期望指標值，提高風電利用率，系統需要設置一定比例的正負備用。正負備用的成本與正負容量呈正相關關系，因此在配置正負備用容量時應綜合考慮備用成本。

2 電動汽車優(yōu)化調度模型

通過電價激勵機制等措施，合理調度電動汽車充放電時間，可以使電動汽車在系統有功電量不足時放電，在出現系統有功過剩時充電，減少系統正負備用的配置，節(jié)省電網成本。因此，本文考慮系統正負備用的配置，以用戶充放電成本和正負備用成本最小為優(yōu)化目標，建立電動汽車優(yōu)化調度模型。

2.1 目標函數

(1)正備用成本

正備用成本與正備用容量成正相關，因此配置的正備用容量不是越多越好，需要考慮正備用配置的投入成本。

Fr+=k+r+

(7)

式中k+表示單位正備用成本。

(2)負備用成本

與正備用配置時考慮投入成本一樣，負備用配置時也需要考慮投入成本。

Fr-=k-r-

(8)

式中k-表示單位負備用成本。

(4)用戶充放電成本

部分車主會在電價高的時候向電網放電賺取一定的差價，因此車主的總充電成本表示為總的充電成本減去因放電而賺取的總放電收入。

(9)

總的來說，系統正負容量配置的原則是在滿足供需電量平衡的基礎上最小，電動汽車用戶調度的原則是用戶充電成本最小。因此，總的目標函數可表述為所有場景下期望最小為目標：

(10)

式中Prs表示場景s的概率。

2.2 約束函數

(1)電量不足約束

電力系統調度的基本要求是系統中發(fā)出的功率和負載需求的功率總是保持平衡，當計劃發(fā)電量小于實際用電量時，需要調節(jié)正備用，本文假設正備用容量滿足調節(jié)要求：

(11)

(2)風浪浪費約束

當計劃發(fā)電量大于實際用電量時，需要調節(jié)負備用，減少風電浪費量。本文假設負備用容量滿足調節(jié)要求：

(12)

(3)可充放電的電動汽車數量約束

由于受到電動汽車正在使用和車主的意愿的影響，在每個時間段內能夠接入電網進行充電或者放電的電動汽車數量是受到一定限制的。這種限制可以表示為：

(13)

式中Nmax為可充放電的電動汽車最大數量；

(4)充放電需求約束

為滿足行駛需求，電動汽車必須保持足夠的電量，所以電動汽車平均的充電或放電時長必須滿足如下約束：

(14)

(15)

3 仿真分析

為了驗證所提優(yōu)化策略的有效性，本文建立了含風電和電動汽車的電網模型，如圖4所示，電動汽車通過配電網接入輸電網，將配電網等效為負荷。根據前文提到的模糊聚類算法生成10組風電輸出功率的場景，如圖5所示。同時，本文設置單位正負備用成本為1.0萬元，日負荷曲線參考文獻[19]。

圖4 風電與電動汽車接入電網系統拓撲圖

圖5 風電輸出功率場景

電動汽車的放電行為會影響到電池的壽命和車主用車的便捷性。因此，為了提高車主參與向電網放電的積極性，使車主在放電時可以賺取額外的利潤，本文設置電動汽車的放電電價高于充電電價，電動汽車充放電電價曲線如圖6所示。

為了分析不同滲透率下電動汽車數量對調度策略的影響，本文分別對2 000輛和5 000輛電動汽車進行了優(yōu)化調度分析。電動汽車在各時段的充放電調度結果如圖7和圖8所示。從圖中可以看出，電動汽車充電時間集中在風電偏高或者充電電價偏低的時刻；電動汽車放電時間集中在風電偏低或者放電價格較高的時刻。

圖6 電動汽車充放電價格曲線

圖7 2 000輛電動汽車充放電數量分布

為了進一步驗證本文所提電動汽車優(yōu)化模型的有效性和正確性，本文給出2 000輛和5 000輛電動汽車無序充放電時充放電數量分布情況，如圖9所示，并對比分析了電動汽車調度前后優(yōu)化目標的變化。從表1和表2中可以看出，優(yōu)化后的正負備用成本、車主充電成本都明顯降低。因此，本文提出的優(yōu)化模型是有效的。其他場景分析過程與場景S1相同，可以得出同樣的結論，這里不再詳細分析。

圖8 5 000輛電動汽車充放電數量分布

圖9 電動汽車無序充放電數量分布

是否優(yōu)化正備用成本(萬元)負備用成本(萬元)車主充電成本(元)是28.213.8-439否59.3628.231 230

表2 5 000輛優(yōu)化前后各目標值變化情況

表3 2 000輛優(yōu)化后各系統功率差額值情況

以2 000輛電動汽車優(yōu)化結果來分析優(yōu)化后正負備用容量的優(yōu)化效果及其對電網運行的影響。從表1可以看出優(yōu)化前后正負備用成本分別減少53%和51%。為了考察系統備用設置的合理性，表3列出了優(yōu)化后未調節(jié)正負備用時的系統差額值，從表3可以看出系統電量不足最大值為28.13 MW，小于正備用容量28.2 MW，不足部分完全可以通過調節(jié)系統備用容量來彌補；系統棄電最大3.75 MW，小于等于負備用容量3.75 MW，多余部分完全可以通過調節(jié)系統負備用容量來消納，因此該方法考慮了經濟性因素，減少了正負備用設置容量。

4 結束語

電動汽車充放電負荷和風電場的出力具有隨機性，大規(guī)模接入電網會影響電網備用容量配置，增加電網運行成本。考慮到電動汽車作為一種可移動儲能單元，在保證其行駛需求的基礎上，合理調度電動汽車充放電時間，可以降低系統正負備用容量配置，提高風電利用率。本文充分考慮電網正負備用容量的配置，建立了電動汽車優(yōu)化調度模型。通過模糊聚類算法生成多組風電出力場景集。然后，對每種場景進行概率統計，得到系統差額風險概率密度。引入基于電量不足期望指標和風能浪費風險指標，提出電力系統正負備用配置需求。最后，以正負備用投入成本和用戶充電成本為優(yōu)化目標建立了電動汽車優(yōu)化調度模型。仿真結果表明該策略能降低電網正負備用和用戶充電成本，提高電網運行經濟性。

本文的研究建立在電動汽車完全服從調度的基礎上，但是實際上此種情形基本上不存在。實際研究中，需要結合電價等激勵措施引導電動汽車實現預期充電行為，并且考慮電動汽車對電價的響應行為，進一步完善電網正負備用研究工作。