胡小英（國網江西省電力公司鄱陽縣供電分公司，江西上饒334000）

智能電網經濟調度運行探討

胡小英（國網江西省電力公司鄱陽縣供電分公司，江西上饒334000）

隨著我國經濟發(fā)展水平的不斷提高，智能電網應用日漸普遍，促使電網從傳統(tǒng)的集中控制轉變?yōu)榉植际娇刂?，直接對傳統(tǒng)電機組功率輸出造成影響。電動汽車可為電網提供一系列輔助服務（V2G），從而使過去單一經濟調度模式發(fā)生改變。車組充電與可再生能源發(fā)電間歇性對電網調度能力要求增大，由此，本文將使用動態(tài)經濟調度模型，對奠定汽車充放電時間與功率進行調節(jié)，以體現智能電網經濟調度應用的合理性及有效性。

智能電網；經濟調度；電機功率；調度模式

電動汽車使用因溫室氣體排放減少，從而減少了對環(huán)境污染，也是智能電網的重要組成。使用電動汽車可以為接入網提供輔助服務，還能與發(fā)電并網，將單一集中發(fā)電模式改變了，呈現出雙向流動特征。但在使用電動汽車時，如果不能對充電控制容易使電網壓力增大，且外部環(huán)境影響下會出現間歇性，降低用電質量。由此，加強智能電網條件下發(fā)電機組經濟調度至關重要。

1 基于智能電網的動態(tài)經濟調度模型

1.1 目標函數

智能電網中電動汽車與可再生能源發(fā)電接入可使單一發(fā)電商獲利模式改變，在優(yōu)化目標中需要考慮發(fā)電商利益，同時還要兼顧車主利益以及環(huán)境保護需求。鑒于放電會使電池壽命縮短，V2G服務成本升高。從發(fā)電商角度考慮應用V2G服務成本較應用常規(guī)機組要高，從而將V2G而使用常規(guī)機組；從車組角度考慮，使用V2G沒有經濟回報將放棄使用[1]。由此，智能電網條件下經濟調度是多目標、多約束的動態(tài)化優(yōu)化問題，目標函數可以表示為：

公式中，不等式約束函數為gi（x）；而等式約束函數為hj（x），優(yōu)化模型分為四部分，分別為：①最大發(fā)電成本。發(fā)電成本既包括燃料成本、停留成本、還包括電動切除發(fā)電成本等。②最低碳排放量。通過使用發(fā)電機組進行經濟調度可以使碳排放量減少，從而將環(huán)境污染減少。③最大電網等效負荷率。可再生能源發(fā)電外界環(huán)境對其的影響較大，容易增大輸出功率，由此，可以對電動汽車充放電跟蹤功率波動進行優(yōu)化，對電網負荷平滑，從而將發(fā)電間歇減少對電網影響較少。電網等效負荷波動與等效負荷符合率存在相關性，后者越大，等效負荷波動越小。④最低電主充電成本。確保車主經濟利益最大化是電動汽車參與V2G服務根本保證，也可以使車主參與積極性增強[2]。

1.2 等式約束

（1）平衡系統(tǒng)功率：電動汽車與可再生能源入網后，會使傳統(tǒng)發(fā)電機組出力出現改變，從而使系統(tǒng)功率平衡受到影響；

（2）電動汽車電池量需要與車主行車需要契合，也是電動汽車根本功能；

（3）入網后，各時段電池電量與充放電功率需滿足條件，并要滿足行駛前后電池容量條件。

2 模型求解

2.1 求解算法與流程

過去電網經濟調度僅考慮到不同時段負荷經濟分配，是一個動態(tài)優(yōu)化的過程。而在電動汽車加入后，還要對不同時間點電量與電動汽車行駛需求考慮，這樣一來，模型將更加復雜，求解難度增大。BSGA-II算法是應用較為普遍的優(yōu)化算法之一，引入了擁擠距離概念與精英保留機制，使計算復雜性降低，且在優(yōu)化分解上更加均勻。算法中優(yōu)化模塊有2層，分為內層與外層，機組組合為外層優(yōu)化，負荷經濟分配為內層優(yōu)化，且外層優(yōu)化模塊還會將機組停機狀態(tài)生成，統(tǒng)計發(fā)電數量，將這些數據傳輸到分層優(yōu)化模塊內，整體優(yōu)化過程由NSGA-II完成，內層優(yōu)化可依據外層傳遞進行，通過機組啟動與停機狀態(tài)經濟分配每個機組負荷，然后將機組負荷分配結構傳輸到外層模塊進行綜合評估。

2.2 算法改進

在實際計算中采用二進制數字法優(yōu)化時間過長，不容易馬上將最優(yōu)解找到，由此，對發(fā)電機組停機組初始化方法進行修改，修改內容為：每一個機組隨機發(fā)電功率、與t時段各機組總發(fā)電功率、各機組發(fā)電功率比；按t時段負荷重新分配各機組發(fā)電功率；按照發(fā)電約束條件對發(fā)電功率進行調整。

3 算例分析

3.1 數據

（1）機組數據依據以上優(yōu)化模型對機組系統(tǒng)進行分析，24h內機組負荷情況見表1所述，系統(tǒng)旋轉備用設定為15%。

表1 日負荷數據統(tǒng)計

（2）電動汽車數據

假設電網可供調度電動汽車有2000輛，將每輛電動汽車功率設定為3kW，連續(xù)充電5h。電動汽車兩個時段行駛在路上，分別為上午7：00～8：00、下午16：00～18：00，其他時間可與選擇的放電。早上7：00出發(fā)時SOC為100%，一個充電、放電周期過后恢復原有的SOC，平均行駛路程為45英里，耗電5英里/kW·h。

（3）可再生能源發(fā)電數據

假如電網中風電、光伏發(fā)電安裝容量為25MW、12MW，采用分布概率模型對風電與光伏分布建模，從而生成一個出力數據，詳見圖1。

圖1 風、光發(fā)電功率

3.2 數據仿真結果

3.2.1 Pareto解集

依據上述模型與優(yōu)化方法對機組進行仿真計算，NSGA-II參數設置為：N=100，進化代數為150，交叉概率Pc=0.8，變異概率Pm=0.2。

3.2.2 最種方案確定

在不同的Pareto解集中，可以依據用戶需求選擇最優(yōu)方案，本文確立方案的選擇為：先將發(fā)電成本減少，從而使發(fā)電商獲利機會增大，采用V2G服務，而不采用昂貴的機組；其次，為了使車主更多的選擇V2G服務，需將充電成本減少；將對環(huán)境的污染減少；發(fā)電使用可再生能源，為了將電網等效負荷率提高，優(yōu)化目標進行優(yōu)化排序與選擇，最終確立機組優(yōu)化方案見圖2。

圖2 機組最佳優(yōu)化方案

通過圖2可以看出，機組1～4承擔系統(tǒng)基礎負荷，而機組1、2、3則在較大與中等的模型機組中發(fā)電的成本較低，由此，一直處于滿發(fā)電狀態(tài)。但是其他機組則需要依據發(fā)電量多少而對發(fā)電量進行調整；機組1～10作為小型發(fā)電機組，發(fā)電量少，在負荷高峰時段可以投入使用。此外，晚間22：00與第二日的7：00電網負荷較低但是風能較為豐富，需充分利用這段時間，為早間出行大下良好基礎，同時還要提高電網負載率。早上7：00～8：00電動車在路上行駛，停車后SOC會下降，從8：00～15：00期間可再生能源發(fā)電功率也在不斷攀升，但是此階段電動汽車不需要充電，因為此階段的電網負荷處于高峰期，且負荷最高達1600MW，且光能功率有限，由此，此段時間不宜充電，而是想電網中輸送部分電能，從而將供電質量提高，還能將負荷壓力減少[3]。此外，在負荷高峰時段，充電價格要較平時高，但是放電的效益較大，由此，此階段適宜放電。16：00～7：00負荷開始下降，且15：00負荷有所減少，此階段充電價格會略低，適宜充電，從而使行駛需求滿足。18：00～19：00電動汽車已經回到家中，且此時電網負荷也會降低，可以對汽車充電，19：00～21：00電網負荷再次升高，但風電減少，電動汽車可以向電網釋放電能，從而將電網壓力減輕。

3.2.3 結果對比

本次提出的優(yōu)化模型應用有著不同效果，第一種方式：不對可再生能源發(fā)電進行考慮，電網調控中電動汽車僅作為負荷；第二種方式：不對可再生能源發(fā)電進行考慮，電動汽車僅作為負荷也可以作為電源為電網提供輔助服務；第三種方式：對可再生能源發(fā)電進行考慮，電動汽車可作為負荷充電也可以作為電源參與電網輔助服務。三種方法均可以作為等效負荷與負荷率，在原始負荷下，需充分利用電網低谷時段，負荷峰谷差增大下，等效負荷率則會降低。即使第一種方式在低谷時段充電，但是負荷高峰沒有釋放電能，電網峰荷沒有降低。第二種方式在低谷充電，同時可以向電網放電，可將峰荷降低。

4 結束語

本文基于智能電網構建了一種動態(tài)經濟調度模型，這種模型設計包括可再生能源發(fā)電與電動汽車，將單一電商利益模式打破了，減少了充電成本與環(huán)境污染，值得進一步研究與采用。

[1]鄭漳華，艾 芊，徐偉華，施 婕，解 大，韓 利.智能電網經濟運行的多目標調度優(yōu)化策略（英文）[J].電網技術，2010，02（08）：7～13.

[2]李碧君，周曉寧，劉 強.基于智能電網調度技術支持系統(tǒng)的電網運行安全風險在線防控[J].華東電力，2014，06（21）：1057～1063.

[3]吳 昊，王艷松.基于智能單粒子算法的微電網經濟調度[J].電力系統(tǒng)保護與控制，2016，20（17）：43～49.

TM73

A

2095-2066（2016）36-0034-02

2016-12-13