翁國慶，黃飛騰，張有兵，謝路耀，戚 軍

（浙江工業(yè)大學(xué) 信息工程學(xué)院，浙江 杭州 310023）

0 引言

海島擁有豐富的可再生能源資源，大力發(fā)展新能源微網(wǎng)供電系統(tǒng)已成為共識［1］。目前，我國已開展多個重要的海島微網(wǎng)示范工程項(xiàng)目（如舟山東福山島和溫州南麂島、鹿西島等）。但由于遠(yuǎn)離大陸其并網(wǎng)困難，發(fā)電成本高昂、供需側(cè)能量動態(tài)平衡困難是其兩大突出難點(diǎn)。研究和實(shí)踐表明，如何在保障電能質(zhì)量的前提下進(jìn)一步提高可再生能源發(fā)電滲透率是實(shí)現(xiàn)海島微網(wǎng)經(jīng)濟(jì)運(yùn)行的基本策略，而提供足夠容量的儲能元件參與系統(tǒng)能量動態(tài)平衡是關(guān)鍵。

近年來，電動汽車EV（Electric Vehicles）和車網(wǎng)互聯(lián)V2G（Vehicle to Grid）技術(shù)得到快速發(fā)展。從海島交通、環(huán)境保護(hù)、電力供應(yīng)、經(jīng)濟(jì)成本等多方需求考慮，引入電動公交汽車（充電站模式）作為島上環(huán)保公共交通工具，并基于V2G技術(shù)將電動公交汽車電池集群 EBBG（Electric Buses Battery Groups）作為儲能元件參與海島微網(wǎng)運(yùn)行的方案具有可行性［2-3］。在保證正常行車需求的前提下，接入V2G站中的EBBG作為儲能裝置接受微網(wǎng)能量管理中心的充放電控制，不僅可大幅降低系統(tǒng)專用儲能設(shè)備的投資和維護(hù)成本，還可充分發(fā)揮其快速可控特性，利于系統(tǒng)能量動態(tài)平衡［4-5］。目前，北歐島國丹麥在該領(lǐng)域的研究走在前列［6］，我國部分海島（如南麂島）微網(wǎng)中也已開展V2G相關(guān)的研究和應(yīng)用實(shí)踐。如何有效地將V2G技術(shù)應(yīng)用于海島微網(wǎng)運(yùn)行調(diào)控已成為具有重大意義的前沿研究課題。

但是，該運(yùn)行方案面臨多個關(guān)鍵技術(shù)難題和挑戰(zhàn)。一方面，實(shí)現(xiàn)V2G接入微網(wǎng)的所有EBBG的實(shí)時雙向能量調(diào)控能力的準(zhǔn)確評估至關(guān)重要。文獻(xiàn)［7-8］分別采用多模型自適應(yīng)卡爾曼濾波器法、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)對EV電池荷電狀態(tài)SOC（State Of Charge）進(jìn)行合理預(yù)測，但其均是針對單體EV電池進(jìn)行分析。文獻(xiàn)［9］研究了影響大規(guī)模EV電池集群的充放電行為特性，對其充電需求、對原電網(wǎng)負(fù)荷特性的影響進(jìn)行分析預(yù)測，但未考慮EV電池集群V2G接入后的雙向能量調(diào)控。文獻(xiàn)［10］從電網(wǎng)接納能力角度考慮，對EV充換電服務(wù)網(wǎng)設(shè)施配置方案進(jìn)行分析與評估。另一方面，海島微網(wǎng)新能源發(fā)電滲透率高，能量平衡控制任務(wù)重、要求高、實(shí)時性強(qiáng)，除滿足系統(tǒng)頻率、電壓等調(diào)控目標(biāo)外，還需兼顧系統(tǒng)運(yùn)行的經(jīng)濟(jì)成本和電池集群自身的V2G控制需求，這是一個多變量、多約束的高維復(fù)雜優(yōu)化問題［11-12］。

本文提出一種將EBBG作為儲能元件參與海島微網(wǎng)運(yùn)行的方案，并在有效表征EBBG的實(shí)時V2G能量動態(tài)雙向平衡能力的基礎(chǔ)上，以實(shí)現(xiàn)系統(tǒng)能量動態(tài)平衡的整體成本最小化為目標(biāo)，建立V2G參與系統(tǒng)運(yùn)行調(diào)控的優(yōu)化模型。根據(jù)島上EBBG的管理模式和關(guān)鍵參數(shù)，實(shí)現(xiàn)參與V2G服務(wù)的可用容量實(shí)時評估，并基于改進(jìn)粒子群優(yōu)化PSO（Particle Swarm Optimization）算法求解系統(tǒng)中參與能量動態(tài)平衡的各要素、各優(yōu)化時段的功率輸出最優(yōu)值。最后，通過浙江舟山東福山島風(fēng)-光-柴-儲微網(wǎng)系統(tǒng)算例，分析驗(yàn)證了所提V2G運(yùn)行機(jī)制和調(diào)控策略的可行性和有效性。

1 V2G運(yùn)行機(jī)制與可用容量評估

1.1 系統(tǒng)組成與V2G調(diào)控思路

圖1 EBBG參與儲能的海島微網(wǎng)系統(tǒng)組成Fig.1 System configuration of island microgrid with EBBG as energy storage

海島微網(wǎng)的典型系統(tǒng)組成如圖1所示。微網(wǎng)正常運(yùn)行時，系統(tǒng)可再生電源和負(fù)荷兩側(cè)間功率差額可由各能量平衡要素實(shí)時有效平衡。任意nΔt時刻，必須實(shí)時滿足能量供需側(cè)間的功率平衡：

其中，Δt為系統(tǒng)調(diào)控時所取前后最小時間間隔；K為系統(tǒng)中包含的分布式電源（DG）總個數(shù)；PDGi（nΔt）為各可再生能源在nΔt時刻的發(fā)電功率總和，可通過構(gòu)建各DG發(fā)電預(yù)測模型，并結(jié)合微網(wǎng)實(shí)際配置和參數(shù)獲得；PLD（nΔt）為微網(wǎng)區(qū)域內(nèi) nΔt時刻的負(fù)荷預(yù)測值；PEV（nΔt）、PDS（nΔt）和 PCH（nΔt）分別為 nΔt時刻參與V2G服務(wù)的EBBG、柴油發(fā)電機(jī)組和外電網(wǎng)的輸出功率值。

1.2 V2G運(yùn)行機(jī)制與可用容量評估

為了更好地提高EBBG參與V2G的儲能利用率，對應(yīng)于電動公交汽車的出站、進(jìn)站規(guī)律，可采用“依次遞進(jìn)”的EBBG管理模式，由公交運(yùn)行時刻表中的不同車輛始發(fā)、更換電池、停運(yùn)時間確定電池裝卸時刻。系統(tǒng)中電池總數(shù)量按電動公交車輛數(shù)進(jìn)行一定比例g的超額配備。

根據(jù)海島交通需求狀況，規(guī)劃每輛汽車在運(yùn)行中間時段，需要進(jìn)充電站更換電池一次。各時段的工作狀態(tài)描述如圖2所示［13］，設(shè)將其一天工作時間分為 6 個不同狀態(tài)時段 ΔTi（i∈｛1，2，…，6｝），對應(yīng)的Ni為各時段ΔTi內(nèi)的Δt個數(shù)，NB1和NB2分別為島上電動公交汽車的數(shù)量和系統(tǒng)配備的汽車電池總量（g=NB2／NB1）。

圖2 海島微網(wǎng)中EBBG管理模式規(guī)劃Fig.2 Management mode planning for EBBG of island microgrid

為有效表征EBBG作為儲能元件進(jìn)行動態(tài)能量平衡的能力，定義EBBG“V2G可用容量”概念。根據(jù)相關(guān)理論，可列式表征其電池充放電過程中前后時間間隔的荷電狀態(tài)關(guān)系［14］：

其中，Ibat（t）為t時刻充放電電流（大于零表示充電，小于零表示放電）；σ為自放電率，取值0.01%／h；Cbat為電池的額定容量，A·h；η（t）為充放電效率，當(dāng)功率輸出穩(wěn)定且在有效充放電范圍［SOCmin，SOCmax］內(nèi)時，其可視為定值。

根據(jù)式（2），電池從（n-1）Δt時刻充放電至 nΔt時刻，nΔt時刻的電池剩余容量可遞歸描述為：

因此，EV電池的V2G可用放電容量CD（nΔt）和V2G可用充電容量CC（nΔt）可分別表示為：

由圖2所示的電動公交汽車“依次遞進(jìn)”管理模式及V2G可用容量概念定義，可得ΔT1—ΔT6不同時段內(nèi)該EBBG在任意nΔt時刻的V2G可用放電容量的遞歸表達(dá)式：

其中，CD（n0Δt）為 ΔT1起始時刻的 V2G 可用放電容量；Kn為 ΔT1、ΔT3、ΔT5時段內(nèi) nΔt時刻對應(yīng)的“依次遞進(jìn)”安裝電池發(fā)車、進(jìn)站更換電池及停運(yùn)卸載電池的公交汽車班次；λn為每班次發(fā)車、進(jìn)站或停車的汽車數(shù)量；ΔCT（kiΔt）（i∈｛1，2，…，6｝）為 kiΔt時刻系統(tǒng)中所有參與V2G服務(wù)的EBBG容量變化總量；SOCres為ΔT3時段內(nèi)各電動公交車進(jìn)站更換電池和ΔT5時段內(nèi)各電動公交車停運(yùn)后車載動力電池卸載時的平均剩余荷電狀態(tài)值?？梢姡珽BBG在各時段的V2G可用容量由“可確定部分”和“不可確定部分”組成。

根據(jù)定義易知，ΔTi（i∈｛1，2，…，6｝）時段內(nèi)該EBBG在任意nΔt時刻的V2G可用充電容量可表達(dá)為：

其中，Nv2g（nΔt）為 ΔTi時段內(nèi) nΔt時刻接入 V2G 服務(wù)的電池總數(shù)量。

2 基于改進(jìn)PSO算法的V2G優(yōu)化調(diào)控

2.1 各能量平衡要素的經(jīng)濟(jì)成本模型

（1）EBBG參與V2G服務(wù)成本模型。

EBBG參與V2G服務(wù)的運(yùn)行調(diào)控總成本應(yīng)考慮儲能成本、V2G項(xiàng)目補(bǔ)助費(fèi)用、調(diào)峰收益3個方面［15］，其調(diào)控成本模型可表述為（單位為元 ／d）：

其中，CSTC為EBBG總儲能成本，根據(jù)系統(tǒng)超配電池的購置成本按其最短使用年限折算；CSU為根據(jù)合約系統(tǒng)給予參與V2G服務(wù)用戶的經(jīng)費(fèi)補(bǔ)貼；CRE為利用系統(tǒng)峰谷電價合理充放電的收益；CBRC為單體電池購置成本，元 ／（kW·h）；M2為超配電池?cái)?shù)量；Ebat為電池容量，kW·h；DOD為允許放電深度，%；NC為電池最短使用年限；NY為一年的天數(shù)；CEV為單輛電動公交車的價格；M1為公交車數(shù)量；ε為參與V2G服務(wù)的用戶年補(bǔ)貼利率；WEV（kΔt）為 kΔt優(yōu)化時段 EBBG與微網(wǎng)間的 V2G交換電量；fRE（kΔt）為海島微網(wǎng)峰谷電價函數(shù)，僅與時段有關(guān)；N為一天24 h中的時段總數(shù)。

（2）柴油發(fā)電機(jī)組發(fā)電成本模型。

柴油發(fā)電機(jī)組參與系統(tǒng)能量平衡時的發(fā)電運(yùn)行調(diào)控總成本應(yīng)包括燃油消耗費(fèi)、環(huán)境成本和設(shè)備折舊費(fèi)3個方面［16］，其調(diào)控成本模型可表述為：

其中，CFU為燃油消耗費(fèi)，是其發(fā)電運(yùn)行過程中產(chǎn)生的主要費(fèi)用（包含運(yùn)輸附加費(fèi)用）；CEN為環(huán)境成本，根據(jù)其產(chǎn)生的對環(huán)境污染氣體（SO2、NOX）的治理費(fèi)用折算；CDE為設(shè)備折舊費(fèi)，將一次性設(shè)備購置費(fèi)用按規(guī)定使用年限等值折舊。

（3）外網(wǎng)交換功率成本模型。

若海島與大陸主網(wǎng)或附近其他海島微網(wǎng)間通過海底電纜存在關(guān)聯(lián)，則可充分利用電纜聯(lián)絡(luò)線功率交換參與系統(tǒng)能量平衡。不考慮海底電纜鋪設(shè)成本，在其所能承受最大功率限額內(nèi)，其調(diào)控總成本可表述為：

其中，b為海島微網(wǎng)與島外電網(wǎng)的交換電價（當(dāng)向外網(wǎng)輸電時設(shè)為賣電價格-b1；反之，設(shè)為買電價格b2）；PCH（kΔt）為 kΔt時刻參與 V2G 服務(wù)的外電網(wǎng)輸出功率值。

2.2 系統(tǒng)運(yùn)行優(yōu)化調(diào)控模型構(gòu)建

EBBG參與海島微網(wǎng)運(yùn)行的優(yōu)化調(diào)控，是在滿足系統(tǒng)能量動態(tài)平衡及保證公交電動汽車的行車動力需求前提下，優(yōu)化調(diào)控系統(tǒng)中各能量平衡要素在各優(yōu)化時段內(nèi)的輸出功率分布，以實(shí)現(xiàn)系統(tǒng)運(yùn)行成本最小化的目的。綜合考慮孤網(wǎng)和存在島外弱關(guān)聯(lián)2種可能的海島微網(wǎng)運(yùn)行狀態(tài)，構(gòu)建基于V2G技術(shù)的EBBG參與海島微網(wǎng)運(yùn)行的經(jīng)濟(jì)優(yōu)化調(diào)控統(tǒng)一化模型：

其中，f1（x）、f2（x）、f3（x）分別為海島微網(wǎng)中 EBBG 參與V2G服務(wù)、柴油發(fā)電機(jī)組發(fā)電、可能存在島外電網(wǎng)的運(yùn)行調(diào)控成本的可變部分；CST為計(jì)及式（13）、（14）的CDS與CEV調(diào)控成本模型中的所有固定成本項(xiàng)之和；c為海島微網(wǎng)運(yùn)行模式選擇系數(shù)（孤網(wǎng)c=0，聯(lián)網(wǎng)c=1）；a為柴油發(fā)電機(jī)組調(diào)控可變成本系數(shù)，即式（14）中前2個分項(xiàng)的系數(shù)之和。

式（16）的優(yōu)化約束條件需綜合考慮EBBG的充放電約束、可用容量約束、功率約束、各電池裝卸時段容量約束，以及柴油發(fā)電機(jī)組的功率約束和可能存在島外電網(wǎng)的交換功率約束等，具體如下。

（1）系統(tǒng)功率平衡約束。

（2）柴油發(fā)電機(jī)組輸出功率約束。

其中，PDS，N為柴油發(fā)電機(jī)組額定功率。

（3）各ΔTi時段EBBG的V2G充放電可用容量約束。

（4）在系數(shù)為sm的電池充放電（m=1時放電，m=2時充電）速率下，EBBG的V2G充放電功率約束。

（5）與島外電網(wǎng)互聯(lián)模式下交換功率約束。

其中，PCHmax為微網(wǎng)與島外電網(wǎng)交換功率限值。

（6）為保證新裝載電池必須保持最大荷電狀態(tài)的基本要求，系統(tǒng)中電池裝載、更換時刻的容量約束。

其中，nkΔt為充電站裝載電池時刻為nkΔt時刻充電站內(nèi)參與V2G服務(wù)的EBBG平均荷電狀態(tài)。

2.3 基于時變權(quán)重PSO算法的優(yōu)化求解

考慮到上述各約束條件在各優(yōu)化時段的關(guān)聯(lián)性，采用基于時變權(quán)重的改進(jìn)PSO算法并引入懲罰函數(shù)處理各約束條件對優(yōu)化模型進(jìn)行全時段的整體優(yōu)化，求取系統(tǒng)運(yùn)行成本最小化前提下的參與系統(tǒng)能量動態(tài)平衡的各要素、各最小優(yōu)化時段的功率輸出最優(yōu)值。

時變慣性權(quán)重提高了海島微網(wǎng)經(jīng)濟(jì)優(yōu)化調(diào)控模型的全時段整體搜索空間，避免過早陷入局部最優(yōu)。懲罰函數(shù)可以根據(jù)約束條件被違反的嚴(yán)重程度動態(tài)修正權(quán)重系數(shù)，只有在避免其所得值過大時才能夠保證優(yōu)化模型目標(biāo)函數(shù)最小，進(jìn)而保證約束條件式（17）—（21）得到滿足。算法關(guān)鍵的速度、位置和權(quán)重更新機(jī)制如下：

其中分別為 k、k+1 時刻的位置分別為 k、k+1 時刻的速度；ω、ω1、ω2為時變權(quán)重因子及其初始值與終值；c1、c2分別為個體與群體最優(yōu)學(xué)習(xí)因子；ξ、γ 為［0，1］區(qū)間內(nèi)均勻分布的偽隨機(jī)數(shù)分別為k時刻個體最優(yōu)位置和群體最佳位置；Imax、Ipre分別為最大迭代次數(shù)和當(dāng)前迭代次數(shù)。

算法主要包括四大核心步驟：優(yōu)化模型的初始化設(shè)置；約束條件的檢測和處理；調(diào)度成本的計(jì)算；各能量平衡要素在各優(yōu)化時段輸出值的確定?；跁r變權(quán)重PSO算法的系統(tǒng)全時段整體優(yōu)化求解過程如圖3所示。

3 算例分析

3.1 系統(tǒng)配置及運(yùn)行機(jī)制規(guī)劃

算例以2011年設(shè)計(jì)并投建的浙江舟山東福山島風(fēng)-光-柴-儲微網(wǎng)系統(tǒng)為工程背景。東福山島年平均日太陽輻照度為 120～160 W／m2（北緯約 30°，東經(jīng)約 120°），18 m 高度年平均風(fēng)速約 6.05 m／s，新能源資源具有較好的開發(fā)價值。常住人口約300人，雷達(dá)站駐扎部隊(duì)約50人，旅游業(yè)發(fā)達(dá)。為解決當(dāng)?shù)鼐用?、部?duì)及旅游業(yè)水電短缺問題，建立了一套生產(chǎn)淡水50 t／d的海水淡化系統(tǒng)。東福山島微網(wǎng)為一孤島微網(wǎng)系統(tǒng)（c=0），現(xiàn)假設(shè)引入電動公共汽車和充電站構(gòu)建島上公共交通體系，并將其EBBG作為儲能元件參與V2G微網(wǎng)系統(tǒng)的運(yùn)行調(diào)控。系統(tǒng)能量供需兩側(cè)的主要配置數(shù)據(jù)如下：居民負(fù)荷功率為160kW，部隊(duì)負(fù)荷功率為40kW，海水淡化負(fù)荷功率為24 kW；可再生分布式風(fēng)力發(fā)電配置最大功率為210 kW，分布式太陽能發(fā)電配置最大功率為100 kW；柴油發(fā)電機(jī)組額定功率PDS，N為200 kW，與外網(wǎng)交換功率限值PCHmax為0kW，單組電池的額定容量Ebat為30 kW·h，10輛EV按1:2配置電池。

圖3 基于時變權(quán)重PSO算法的優(yōu)化求解過程Fig.3 Flowchart of PSO-based optimization with time-varying weights

構(gòu)建的海島公交交通體系中，電動公交汽車總量為10輛，在車站起（終）點(diǎn)配置1個充電站。設(shè)計(jì)民用、軍用2條環(huán)形公交線路，每條線路各5個班次車輛（每班次同時發(fā)車2輛，單程預(yù)計(jì)耗時1 h）。采用“依次遞進(jìn)”管理模式對參與V2G服務(wù)的電動公交車進(jìn)行調(diào)度，公交車運(yùn)行規(guī)則如表1所示。其中，各電動公交車在12:00—14:00時段區(qū)域按班次依序進(jìn)站更換電池1次。

表1 海島電動公交汽車運(yùn)行規(guī)劃Table 1 Operating schedule of island electric buses

算例中的汽車電池關(guān)鍵參數(shù)如表2所示。充電站電池總數(shù)量按比例系數(shù)g=2配置（NB1=10，NB2=20）。為防止過度充放電，設(shè)定電池的平均有效充放電范圍為額定容量的 0.2～0.9。

表2 電動公交汽車動力電池主要參數(shù)Table 2 Key parameters of power battery for electric bus

3.2 V2G可用容量評估及優(yōu)化調(diào)控

在評估微網(wǎng)中EBBG的V2G可用容量時，考慮初始評估日和正常評估日2種不同情景。兩者之間的最顯著區(qū)別在于，在時段ΔT1初始時刻EBBG的荷電狀態(tài)初始值設(shè)置不同：（1）對于初始評估日，設(shè)定EBBG中所有電池均已充電至SOCmax，則式（6）中的 CD（n0Δt）值可確定為 420 kW·h；（2）對于正常評估日，僅ΔT1時段內(nèi)將依次脫離V2G服務(wù)的一半數(shù)量的電池（與汽車數(shù)量對應(yīng)）需充電至SOCmax，因此CD（n0Δt）值設(shè)定為 210 kW·h。

根據(jù)表1數(shù)據(jù)，圖2所示的EBBG運(yùn)行規(guī)劃中的關(guān)鍵時間節(jié)點(diǎn) ti（i∈｛1，2，…，6｝）依次為 06:00、08:00、12:00、14:00、18:00 和 20:00。 根據(jù)表2參數(shù)計(jì)算ΔT3和ΔT5時段中車載動力電池卸載時的平均剩余容量 SOCres為 0.14。 然后，根據(jù)式（6）—（11）所示遞歸表達(dá)式，可獲得系統(tǒng)中EBBG在ΔT1—ΔT6不同時段任意n Δt時刻的V2G可用放電容量。以初始評估日為例，圖4展示了系統(tǒng)V2G可用放電容量中的可確定部分。圖中，1 d時間單位被分割為48個V2G評估時間間隔，水平軸時間起點(diǎn)對應(yīng)于ΔT1時段的初始時刻（即06:00）。

圖4 初始評估日系統(tǒng)V2G可用放電容量中的可確定部分Fig.4 Ascertainable part of available V2G discharge capacity for initial evaluation day

設(shè)定式（20）中允許最大放電速率 s1=0.1，充電速率s2=0.2。式（13）中的峰谷電價分時段函數(shù)，參照“浙江居民生活峰谷用電階梯累加電價政策”，并根據(jù)算例海島用電各時段用電負(fù)荷的新能源發(fā)電預(yù)測情況，由表3所示的峰谷用電階梯電價表體現(xiàn)，其中峰電時段為時段1—7、23—35，谷電時段為時段8—22、36 —48。

表3 海島微網(wǎng)峰谷電價Table 3 Peak and valley electricity prices of island microgrid

基于所提出的系統(tǒng)調(diào)控優(yōu)化策略和模型，可獲得微網(wǎng)系統(tǒng)中參與能量動態(tài)平衡的各要素、各優(yōu)化時段的功率輸出最優(yōu)值。圖5、圖6分別顯示了初始評估日和正常評估日的系統(tǒng)V2G運(yùn)行調(diào)控優(yōu)化結(jié)果（圖中DSG表示柴油發(fā)電機(jī)組）。

圖5 初始評估日各能量平衡要素的功率分布Fig.5 Power distribution of energy balance elements for initial evaluation day

圖6 正常評估日各能量平衡要素的功率分布Fig.6 Power distribution of energy balance elements for normal evaluation day

根據(jù)上述2種情景下輸出的各時段V2G調(diào)度值的優(yōu)化值，通過式（6）—（12）的評估模型，可確定算例微網(wǎng)中EBBG的V2G可用放電容量和V2G可用充電容量，如圖7所示。

圖7 2種情景下V2G可用放電容量和充電容量Fig.7 Available V2G discharge capacity and charge capacity for two scenarios

3.3 算例結(jié)果分析

觀察圖4和圖7可見，系統(tǒng)中作為儲能元件參與微網(wǎng)運(yùn)行的EBBG的V2G可用容量主要由可確定部分和不可確定兩部分決定，前者與微網(wǎng)中參與V2G服務(wù)的電動公交汽車的運(yùn)行機(jī)制和調(diào)度規(guī)律密切相關(guān)，后者主要由微網(wǎng)運(yùn)行過程中的實(shí)時能量調(diào)控確定；電池總量配置比例系數(shù)g越大，系統(tǒng)V2G可用容量的評估初始值也將越大，但過大冗余度將顯著增大投資并降低調(diào)控經(jīng)濟(jì)性，應(yīng)根據(jù)具體系統(tǒng)需求合理配置。由圖5和圖6可見，系統(tǒng)中的EBBG基于V2G技術(shù)全程參與了微網(wǎng)的能量動態(tài)平衡調(diào)控。在微網(wǎng)中可再生能源發(fā)電出力總和小于負(fù)荷功率時段，EBBG可與柴油發(fā)電機(jī)組配合共同向系統(tǒng)輸出功率實(shí)現(xiàn)能量平衡；反之，EBBG可進(jìn)行充電實(shí)現(xiàn)多余電能的有效利用。在整個時間區(qū)域（24 h）內(nèi)，EBBG在各最小優(yōu)化時段的充放電狀態(tài)以及量值可基于改進(jìn)PSO算法求解，其目的是保證滿足系統(tǒng)動態(tài)能量平衡的前提下，系統(tǒng)運(yùn)營成本最低。

一個普遍擔(dān)心的問題是，EBBG參與V2G服務(wù)可能導(dǎo)致電池頻繁充放電從而縮短其壽命。在本文所提運(yùn)行機(jī)制和調(diào)控策略下，實(shí)際上這種損害程度是不高且經(jīng)濟(jì)性可彌補(bǔ)的。原因主要有：（1）由圖5、圖6的輸出功率可見，在基于改進(jìn)PSO算法的全局優(yōu)化下，EBBG作為整體充放電狀態(tài)轉(zhuǎn)換次數(shù)很少，各時段內(nèi)充放電總功率均較小，盡量保持了平穩(wěn)放電；（2）各時段EBBG充放電功率調(diào)控結(jié)果可通過第二層控制機(jī)制在所有V2G接入的電池中進(jìn)行合理二次調(diào)配，最大限度降低各單體電池的充放電次數(shù)；（3）所提方案可大幅減少微網(wǎng)對常規(guī)儲能元件的配置投資，且具有很好的環(huán)保效益。

4 結(jié)論

本文針對新能源微網(wǎng)海島供電系統(tǒng)，提出一種基于V2G技術(shù)將EBBG作為儲能元件參與海島微網(wǎng)運(yùn)行的方案機(jī)制與調(diào)控策略，其顯著特點(diǎn)在于：

（1）所提方案可實(shí)現(xiàn)海島現(xiàn)代公共交通和微網(wǎng)供電系統(tǒng)能量動態(tài)平衡兩方面需求的有效結(jié)合，并同時兼顧環(huán)境保護(hù)、投資成本、電能質(zhì)量、運(yùn)行經(jīng)濟(jì)性等多方面需求；

（2）提出EBBG的V2G可用容量概念，并基于規(guī)劃的管理模式和運(yùn)行機(jī)制構(gòu)建其評估模型，為實(shí)時評估其V2G參與微網(wǎng)能量動態(tài)調(diào)控能力提供有效依據(jù)；

（3）所提V2G參與海島微網(wǎng)運(yùn)行的調(diào)控策略是以系統(tǒng)整體時段運(yùn)行成本最小化為前提，求得各能量動態(tài)平衡要素、各最小優(yōu)化時段的功率輸出最優(yōu)值。

算例分析表明，所提方案、運(yùn)行機(jī)制和調(diào)控策略具有較好的可行性和有效性，有利于進(jìn)一步提高海島微網(wǎng)的可再生能源發(fā)電滲透率，并降低系統(tǒng)的投資和運(yùn)行成本。對于多類型（公交車、私家車、梯次利用）EV電池集群共同參與V2G服務(wù)情景下的海島微網(wǎng)系統(tǒng)運(yùn)行機(jī)制和調(diào)控策略問題，將在后續(xù)工作中進(jìn)一步研究。

參考文獻(xiàn)：

［1］KAYSER-BRIL C，LIOTARD C，MAIZI N，et al.Power grids on islands：from dependency to sustainability？ ［C］∥Proceedings of 2008 IEEE Energy 2030 Conference.Atlanta，GA，United States：IEEE，2008：1-7.

［2］PETERSON S B，WHITACRE J F，APT J.The economics of using plug-in hybrid electric vehicle battery packs for storage［J］.Journal of Power Source，2010，195（8）：2377-2384.

［3］LOPES J A P，ALMEIDA P M R，SOARES F J.Using vehicleto-grid tomaximizetheintegration ofintermittentrenewable energy resources in islanded electric grids［C］∥Proceedings of 2009 International Conference on Clean Electrical Power.Capri，Italy：IEEE，2009：290-295.

［4］KEMPTON W，TOMIC J.Vehicle to grid implementation：from stabilizing the grid to supporting large-scale renewable energy［J］.Power Source，2005，1（144）：280-294.

［5］李志偉，趙書強(qiáng)，劉應(yīng)梅.電動汽車分布式儲能控制策略及應(yīng)用［J］. 電網(wǎng)技術(shù)，2016，40（2）：442-450.LI Zhiwei，ZHAO Shuqiang，LIU Yingmei.Control strategy and application ofdistributed electric vehicle energy storage［J］.Power System Technology，2016，40（2）：442-450.

［6］PILLAI J R，BAK-JENSEN B.Vehicle-to-grid for islanded power system operation in bornholm［C］∥IEEE PES General Meeting.Minneapolis，MN，United States：IEEE，2010：1-8.

［7］魏克新，陳峭巖.基于多模型自適應(yīng)卡爾曼濾波器的電動汽車電池荷電狀態(tài)估計(jì)［J］. 中國電機(jī)工程學(xué)報，2012，32（31）：19-26.WEI Kexin，CHEN Qiaoyan.Electric vehicle battery SOC estimation based on multiple-model adaptive Kalman filter［J］.Proceedings of the CSEE，2012，32（31）：19-26.

［8］雷肖，陳清泉，劉開培，等.電動車電池SOC估計(jì)的徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)方法［J］. 電工技術(shù)學(xué)報，2008，23（5）：81-87.LEIXiao，CHEN Qingquan，LIU Kaipei，etal.Radial-basedfunction neuralnetwork based SOC estimation for electric vehicles［J］.Transactions of China Electrotechnical Society，2008，23（5）：81-87.

［9］ASHTARI A，BIBEAU E，SHAHIDINEJAD S，et al.PEV charging profile prediction and analysis based on vehicle usage data［J］.IEEE Transactions on Smart Grid，2012，3（1）：341-350.

［10］趙勝霞，劉俊勇，向月，等.考慮配電網(wǎng)接納能力的電動汽車充換電服務(wù)網(wǎng)基礎(chǔ)設(shè)施配置方案分析與評估［J］.電力自動化設(shè)備，2016，36（6）：94-101.ZHAO Shengxia，LIU Junyong，XIANG Yue，et al.Analysis and assessment considering accommodation capability of distribution network for infrastructure deployment of EV charging／swapping service network［J］.Electric Power Automation Equipment，2016，36（6）：94-101.

［11］曹一家，苗軼群，江全元.含電動汽車換電站的微電網(wǎng)孤島運(yùn)行優(yōu)化［J］. 電力自動化設(shè)備，2012，32（5）：1-6.CAO Yijia，MIAO Yiqun，JIANG Quanyuan.Optimal operation of islanded microgrid with battery swap stations［J］.Electric Power Automation Equioment，2012，32（5）：1-6.

［12］侯建朝，胡群豐，譚忠富.計(jì)及需求響應(yīng)的風(fēng)電-電動汽車協(xié)同調(diào)度多目標(biāo)優(yōu)化模型［J］. 電力自動化設(shè)備，2016，36（7）：22-27.HOU Jianchao，HU Qunfeng，TAN Zhongfu. Multi-objective optimization model of collaborative WP-EV dispatch considering demand response ［J］.Electric Power Automation Equipment，2016，36（7）：22-27.

［13］翁國慶，張有兵，戚軍，等.多類型電動汽車電池集群參與微網(wǎng)儲能的 V2G 可用容量評估［J］. 電工技術(shù)學(xué)報，2014，29（8）：36-45.WENG Guoqing，ZHANG Youbing，QI Jun，et al.Evaluation for V2G available capacity of battery groups of electric vehicles as energy storage elements in microgrid［J］.Transactions of China Electrotechnical Society，2014，29（8）：36-45.

［14］GERGAUD O，ROBIN G，MULTON B，et al.Energy modeling of a lead-acid battery withinhybrid wind／photovoltaic systems［C］∥European Power Electrics Conference.Toulouse，Midi-Pyrénées，F(xiàn)rance：［s.n.］，2003：1-10.

［15］JUHA K，PETER M.Methodology for modeling plug-in electric vehicles in the power system and cost estimates for a system with either smart or dumb electric vehicle［J］.Energy，2011，36（3）：1758-1767.

［16］羅皎虹，吳軍基.獨(dú)立風(fēng)力-柴油聯(lián)合發(fā)電系統(tǒng)運(yùn)行成本分析

［J］. 南通大學(xué)學(xué)報，2007，6（2）：70-77.

LUO Jiaohong，WU Junji.Costanalysisofthe wind-diesel generating system［J］.Journal of Nantong University，2007，6（2）：70-77.