考慮需求響應與碳排放的光儲充電站容量配置

劉國明，于 暉，康 凱，張 靜

（1.國網山東省電力公司泰安供電公司，泰安 271000；2.中國電力科學研究院有限公司，北京 100192）

電動汽車EV（electric vehicle）雖然可以實現城市的節能減排，但是，目前我國電力系統發電側的一次能源仍以煤炭為主（占比約為75%～80%），EV通過充電基礎設施接入電網充電并沒有實現真正的節能減排。而分布式可再生能源的高效利用是降低一次能源化石率的一種重要方案[1-4]。如果可以因地制宜布置一定規模的光伏發電系統，并將其與EV充電站實現聯合，建立光儲充電站PSCS（PVstorage-charging station），則能有效地提升EV 一次能源中清潔能源所占比例，減少EV 的間接碳排放量，促進可再生能源的就地消納。而對PSCS 運營商而言，其主要關注PSCS 的經濟性。若光伏容量配置過大將會導致光伏能量不能被EV 充分利用，使得較多光伏能量被送入電網賺取少量的上網費用；若光伏容量配置過小又會導致光伏出力無法滿足EV 充電需求，PSCS 需要從電網購入較多電力，從而影響了PSCS的經濟性，無法有效減少EV間接的碳排放量。通過儲能系統可以增加EV對光伏能量的利用率，但是，當前儲能成本較高，需要綜合考慮儲能系統投資成本以及通過儲能系統進行價格套利的收益。因此，如何合理地配置PSCS 的光儲容量是當前需要研究的重要問題。

國內外學者已在PSCS的容量配置方面進行了廣泛地研究。文獻[5]基于實時電價提出了以PSCS運行成本最小為目標的儲能系統容量配置優化模型；文獻[6]以經濟性為目標，提出了一種基于粒子群優化算法的并網PSCS 光儲容量優化模型；文獻[7]考慮不同的收費模式及政策因素，以充電站經濟性為目標優化確定EV充電樁的數量和光儲等設備的容量；文獻[8]考慮EV負荷，以系統運行的經濟性和可靠性最優為目標優化配置分布式發電系統中的儲能容量；文獻[9]以充電站日凈收益最大和峰谷差率最小為目標，建立了儲能優化配置模型。在上述文獻中，未考慮EV 充電需求的時間轉移特性。若能通過協調充電技術引導部分EV用戶改變充電時段，使EV 直接消納更多的光伏出力，則會對PSCS的容量配置規劃起到重要的指導作用。

在運行策略方面，文獻[10]開發了一個能量管理系統，以優化PSCS中光伏、儲能系統和電網之間的能量流動；文獻[11]使用混合整數線性規劃模型來協調PSCS 中EV 的充放電行為；文獻[12]綜合分析EV 充電、光伏發電及儲能系統等多方面的運行特性，提出了考慮購電費用和蓄電池循環電量的多目標優化調度數學模型；文獻[13]以等效負荷率最大、節點電壓越限和損耗率最小、入網服務成本和車主充電成本最低為目標，建立了EV 和分布式發電協調控制的多目標優化模型。上述文獻在研究EV協調充電技術時，未深入聯合EV需求響應與儲能兩種手段以充分消納光伏能量。

綜上，本文在研究PSCS 容量規劃配置時考慮運行策略的影響，提出了考慮EV 用戶需求響應與碳排放的PSCS 光儲容量優化配置方法。首先，基于馬爾可夫鏈蒙特卡洛模擬方法建立EV充電需求模型，針對彈性EV 用戶參與需求響應意愿的不確定性問題，基于模糊理論方法，考慮充電補貼價格與響應時長兩方面因素，建立了EV 需求響應模型。然后，在運行層面上，結合光伏出力特性，提出了以PSCS 新能源消納為目標的EV 充電補貼及儲能充、放電聯合運行策略。該策略將使EV 充電負荷與光伏出力具有更高的耦合性，從而充分消納光伏能量，減少EV碳排放量，增加PSCS收益。其次，在規劃層面，以PSCS年投資運行成本和碳排放量最小為目標，建立了考慮EV需求響應運行策略的PSCS容量配置優化模型，提出了基于遺傳算法的光儲容量配置求解方法。最后，通過具體算例對比分析了在不考慮與考慮EV需求響應的情況下，同一PSCS的光儲容量配置及運行情況，并對比分析了考慮需求響應時不同光儲容量配置下PSCS的經濟性。

1 PSCS 系統架構

PSCS 架構如圖1 所示。主要包括光伏發電系統、儲能單元、公用電力網絡、充電負荷和能量管理系統。能量管理系統可以收集、查看來自發電、儲能和負荷的數據并控制整個PSCS的能量流動。在PSCS 系統中，主要涉及3 個主體，分別為電網運營商、PSCS以及EV用戶。電網運營商為PSCS的供電商和購電商，為PSCS提供電能并為PSCS多余的光伏發電量提供收購服務；PSCS 運營商是充電服務的提供者并建設自己的光伏發電和儲能系統，主要關注經濟性，為了讓EV 用戶更多地使用其光伏能量，PSCS 在電網的購電費用基礎上制定自己的充電補貼價格；EV用戶是充電服務的最終消費者，可以對PSCS 運營商制定的補貼價格進行響應，改變自己的充電需求。

圖1 PSCS 系統架構Fig.1 Architecture of PSCS system

2 基于模糊理論的EV 需求響應模型

PSCS 若能根據光伏出力特性對EV 的充電行為進行引導，可以使EV 充電需求與光伏出力產生明顯的協同效應。價格型激勵方法是對充電行為進行引導的有效手段，可以誘使EV 用戶選擇激勵價格較高的時段充電而非立即充電；若激勵價格足夠高，也可誘使一部分EV 用戶更改其原定出行計劃的到達時間或離開時間。而在同樣的激勵價格下，不同用戶對其的響應度不同，整體來說，用戶原定的到達時間或離開時間離需求響應時段j越近，響應度越高。采用模糊理論方法建立用戶對電價的響應函數[14]，用戶的響應度函數可表示為

式中：R(i,j)為用戶i對時段j的需求響應概率函數；M[ρa(j)]為用戶對補貼價格的響應度；ρa(j)為j時段激勵補貼價格，m1為激勵價格上限；M(Tj i)為用戶i調整出行計劃以對j時段作出響應的意愿；m2為原定停留時間不包括j時段的用戶i的需求響應距離，若超過m2時段則不響應。

3 考慮EV 需求響應的PSCS 運行策略

在電網電價為固定電價時，為了獲得更大的利益，PSCS 希望其每時刻的光伏出力可以被充電負荷完全消納。當光伏出力大于充電需求時，PSCS有兩種選擇：一是將多余的光伏能量送入電網獲得售電利益；二是當儲能系統未滿時，PSCS可以選擇將多余的光伏能量通過儲能系統存儲，以便在光伏出力小于充電需求時通過儲能系統出力獲得利益。但實際上，除以上兩種方式外，還可以通過價格補貼的方式引導用戶改變其充電時段，使EV 負荷直接消納更多的光伏能量。

光伏系統的發電功率與充電站充電負荷需求的差值為光儲充電站的凈功率ΔP(j)，可表示為

式中，PPV(j)、Pload(j)分別為j時段光伏發電系統出力與充電負荷需求。

ΔP(j)越大，則需要越高的ρa(j)以吸引更多的用戶改變其原定充電計劃。計算ρa(j)的取值范圍公式可表示為

圖2 PSCS 運行策略Fig.2 Operation strategy for PSCS

4 內嵌運行策略的光儲容量優化配置方法

4.1 數學模型

4.1.1 目標函數

本文主要針對PSCS的經濟效益及碳排放水平進行優化，通過優化配置PSCS 的儲能及光伏容量使PSCS獲得最大的經濟效益以及最小的碳排放水平。因此，考慮充電站向電網購電成本、售電收益、提供充電服務收益、光伏發電成本、儲能損耗成本及碳排放折算成本，建立目標函數為

式中：C1為PSCS向電網的購電費用；C2為PSCS向EV用戶提供充電服務的收益；C3為光伏、儲能設備的投資費用以及儲能設備運行時的成本損耗費用，通過等年值法歸算為一年的費用；C4為PSCS向電網售電的費用；C5為碳排放量；φ為碳排放量的權重系數。

當φ取值為零時，即為不考慮碳排放量，此時優化目標僅考慮PSCS的經濟性；φ取值越大應該越關注碳排放量，說明對碳排放量的管制越加嚴格；當φ取值足夠大時，此時相當于不考慮PSCS 經濟性，僅考慮PSCS 的低碳運營。在碳交易市場中，φ可視為碳排放價格，此時碳排放具有了價格屬性，使PSCS的經濟性、碳排放量具有同屬性的目標，統一考慮為經濟性。

PSCS向電網的購電費用C1可表示為

式中：CPV為光伏系統投資年折算成本；CB為儲能系統投資年折算成本；PPV_m為光伏的裝機容量；EPV為單位容量光伏造價；rpv為光伏設備折現率；ZPv為光伏設備的使用壽命；PB_m為儲能的裝機容量；EB為單位容量儲能造價；rB為儲能設備折現率；ZB為儲能設備的使用壽命。

4.1.2 約束條件

1）功率平衡約束

式中：ε0為1 時表示儲能系統處于充電狀態，為0時表示非充電狀態；ε1為1時表示儲能系統處于放電狀態，為0時表示非放電狀態。

4）儲能系統充電容量約束

式中：EB(j)為j時段儲能系統容量；PB_I(j)為j時段儲能系統充電功率；ηI為儲能系統充電效率。

5）儲能系統放電容量約束

式中：PB_O(j)為j時段儲能系統放電功率；ηO為儲能系統放電效率。

6）儲能系統充、放電功率約束

儲能系統的最大充、放電功率須受到限制，以防止過快充、放電影響電池性能。

式中，PB_max為儲能系統最大充、放電功率。

4.2 求解方法

基于遺傳算法對模型進行求解，優化決策變量為光伏、儲能容量配置，為便于求解，假設光伏、儲能容量均為整數，具體求解步驟如下。

步驟1 算法初始化。確定系統參數，確定光伏容量、儲能容量兩決策變量的上、下限。

步驟2 采用二進制編碼方式隨機生成初始化種群，編碼形式如圖3所示。

圖3 二進制編碼示意Fig.3 Schematic of binary coding

步驟3 染色體解碼，確定儲能、光伏配置容量。基于蒙特卡洛模擬方法確定需求響應下的充電需求，依據PSCS運行策略計算式（8）的目標函數值。

步驟4 計算個體適應度，進行選擇、交叉、變異操作。

步驟5 若未達到最大迭代次數，返回步驟3，否則迭代結束，輸出最優容量配置結果。

5 算例分析

5.1 算例概況

由式（1）可模擬充電站EV 原始充電需求曲線如圖4所示。由圖4可知，該PSCS充電負荷高峰為7：00—13：00，充電負荷低谷為23：00至次日5：00，充電負荷峰值為198 kW。假設光儲系統的壽命周期為30 年，光伏系統的成本為1 800￥/kW，儲能容量成本為2 000￥/kW，儲能系統的荷電狀態范圍為[0.10，0.95]，充、放電效率均為90%。參考國家相關政策，分布式光伏發電項目的上網電價為0.45￥/(kW·h)，配電網實時電價為0.793 2￥/(kW·h)。

5.2 結果分析

圖4 為不考慮EV 需求響應的最優容量配置的PSCS運行情況。依據本文所提模型仿真得到PSCS考慮EV需求響應和碳排放的最優容量配置為光伏133 kW、儲能20 kW。在最優容量配置下的PSCS運行情況如圖5 所示。由圖5 可以看出，考慮需求響應時EV 充電負荷優先消納了光伏出力，光伏被充分利用。

由圖4、圖5 可知，當EV 充電需求的負荷峰值從198 kW 降低至128 kW 時，峰值出現的時間從9：00左右轉移到了12：00左右，而光伏的最大出力時間也為12：00 左右；考慮需求響應時EV 充電需求曲線與光伏出力曲線比不考慮需求響應時有更高的耦合性；在不考慮需求響應時，PSCS優化得到最優容量為光伏182 kW、儲能148 kW，遠遠高于考慮需求響應時的光儲容量配置，并且在不考慮需求響應時儲能配置容量占光伏配置容量比例高達81.3%；而考慮需求響應時配置比例僅為22.5%，極大地降低PSCS系統對儲能的依賴。

圖4 不考慮需求響應的最優容量配置下PSCS 運行情況Fig.4 PSCS operation under optimal capacity configuration without the consideration of demand response

圖5 考慮需求響應的最優容量配置下PSCS 運行情況Fig.5 PSCS operation under optimal capacity configuration considering demand response

在考慮需求響應的最優容量配置下，系統運行年成本及碳排放量情況如表1 所示。由表1 可知，該PSCS在考慮需求響應的最優容量配置下每年節約了約2×104￥的運行成本，減少了約8×104kg 的碳排放量，用更小的成本獲得了更大的收益。因此，通過合理配置光伏儲能系統，可實現充電站收益的大幅提升并減少碳排放量。

表1 系統年運行成本Tab.1 Annual operating cost of system

圖6為不同光儲容量配置下PSCS年運行成本，由圖6 可知，光儲系統容量配置并不是越大越好。當儲能容量不變時，隨著光伏配置容量的增加，PSCS 年運行成本先減小后增加。這是因為光伏系統可以減少充電站從電網的購電量，但充電負荷及儲能系統對光伏的消納是有限度的，當超過這個限度后，光伏系統所發電量只能送入電網而無法售賣給EV用戶。

圖6 不同光儲容量配置下下PSCS 年運行成本Fig.6 Annual operating cost of PSCS under different PV and storage capacity configurations

當光伏系統容量不變時，隨著儲能系統容量的增加，PSCS的年運行成本也是先減少后增加，但是此趨勢并不太明顯，尤其是在光伏容量較小的時候。主要原因有兩個：一是因為儲能系統的成本較高，雖然配置儲能可以充分消納光伏并且可以實現光伏出力的高儲低放，但是考慮到投資成本，此過程收益不大；二是因為光伏出力與充電負荷需求的重合度較高，對儲能系統依賴較低。

6 結 語

本文考慮光伏投資年折算成本、儲能建設年折算成本、碳排放量、充電負荷需求響應、儲能最大出力等約束，以PSCS年投資運行成本、碳排放量最小為目標建立PSCS光伏儲能容量優化配置模型。仿真結果驗證了PSCS系統配置的合理性和系統運行策略的有效性。分析了PSCS系統在考慮需求響應與不考慮需求響應兩種條件下的最優光儲容量配置和PSCS 運行情況。結果表明，在考慮需求響應時，PSCS系統可以提高光伏系統的利用率，減少儲能容量配置與碳排放量。