李 泉,潘原離

(國(guó)網(wǎng)河北省電力公司邢臺(tái)供電分公司,河北 邢臺(tái) 054001)

計(jì)及電動(dòng)汽車入網(wǎng)的新能源混合供電系統(tǒng)最優(yōu)決策分析

李 泉,潘原離

(國(guó)網(wǎng)河北省電力公司邢臺(tái)供電分公司,河北 邢臺(tái) 054001)

介紹風(fēng)能、太陽(yáng)能等新能源發(fā)電的間歇性、波動(dòng)性等特點(diǎn),針對(duì)電動(dòng)汽車接入電網(wǎng)后需要將三者進(jìn)行協(xié)調(diào)配合,以保證電網(wǎng)優(yōu)質(zhì)、經(jīng)濟(jì)、可靠運(yùn)行的需求。提出基于機(jī)會(huì)約束理論構(gòu)建的3種新能源混合供電系統(tǒng)最優(yōu)決策模型,分析將隨機(jī)優(yōu)化問(wèn)題轉(zhuǎn)化成可計(jì)算的確定性非線性優(yōu)化問(wèn)題進(jìn)行求解的過(guò)程,通過(guò)算例證明采用機(jī)會(huì)約束描述新能源出力的隨機(jī)性是合理的,為新能源的合理利用提供了新途徑。

新能源;混合供電系統(tǒng);機(jī)會(huì)約束;最優(yōu)決策

0 引言

隨著能源形勢(shì)日益緊張,太陽(yáng)能、風(fēng)能等新型清潔能源發(fā)電具有投資省、損耗低、系統(tǒng)可靠性高、選址容易、能源種類多等優(yōu)點(diǎn),已成為未來(lái)能源工業(yè)發(fā)展的主力軍之一。據(jù)分析,2010年中國(guó)新增的新能源電源總?cè)萘空夹略鲭娫纯側(cè)萘康?0%以上[1],截止2015年9月底,中國(guó)新能源累計(jì)并網(wǎng)裝機(jī)14億k W。

電動(dòng)汽車在節(jié)能減排、遏制氣候變暖以及保障石油供應(yīng)安全等方面,有著傳統(tǒng)汽車無(wú)法比擬的優(yōu)勢(shì),受到了各國(guó)政府、汽車生產(chǎn)商以及能源企業(yè)的廣泛關(guān)注。日益提升的電池設(shè)備、充電技術(shù)以及充電設(shè)施也促進(jìn)電動(dòng)汽車不斷普及。研究表明,在中等發(fā)展速度下,預(yù)計(jì)至2020、2030和2050年,電動(dòng)汽車占美國(guó)汽車總量的比例將分別達(dá)到35%、51%和62%[2]。我國(guó)也制定了適合國(guó)情的發(fā)展規(guī)劃,推進(jìn)電動(dòng)汽車產(chǎn)業(yè)化進(jìn)程,提高車網(wǎng)(電網(wǎng))融合程度[3]。

風(fēng)能、太陽(yáng)能等新能源發(fā)電具有間歇性、波動(dòng)性等特點(diǎn),接入電網(wǎng)后需要進(jìn)行協(xié)調(diào)配合,才能保證電網(wǎng)安全穩(wěn)定運(yùn)行[4]。而規(guī)?；碾妱?dòng)汽車可被視為分布式的儲(chǔ)能裝置,可以通過(guò)協(xié)調(diào)控制其充放電過(guò)程,對(duì)新能源混合供電系統(tǒng)起到削峰填谷的作用,從而提高系統(tǒng)運(yùn)行的經(jīng)濟(jì)性。為此,以下構(gòu)建了計(jì)及電動(dòng)汽車入網(wǎng)的新能源混合供電系統(tǒng)模型,并基于機(jī)會(huì)約束理論提出混合供電系統(tǒng)的隨機(jī)最優(yōu)決策方法,為新能源發(fā)電控制提供新

的有效途徑。

1 計(jì)及電動(dòng)汽車入網(wǎng)的新能源出力的隨機(jī)特性分析

計(jì)及電動(dòng)汽車入網(wǎng)的新能源混合供電系統(tǒng)主要由風(fēng)力發(fā)電場(chǎng)、太陽(yáng)能光伏電場(chǎng)、電動(dòng)汽車等多種新能源發(fā)電裝置組成,如圖1所示。在風(fēng)能、太陽(yáng)能滿足負(fù)載用電時(shí),風(fēng)力發(fā)電機(jī)和太陽(yáng)能電池一起給電動(dòng)汽車蓄電池充電。在風(fēng)能、太陽(yáng)能不能滿足負(fù)載用電時(shí),啟動(dòng)電網(wǎng)供電和電動(dòng)汽車蓄電池放電,同時(shí)向負(fù)載供電。通過(guò)電動(dòng)汽車蓄能裝置完成可控新能源的最優(yōu)控制,可實(shí)現(xiàn)風(fēng)能和太陽(yáng)能資源的互補(bǔ)。

圖1 計(jì)及電動(dòng)汽車入網(wǎng)的新能源混合供電系統(tǒng)組成

1.1 光伏出力

光伏發(fā)電機(jī)組的最大可控出力與光照強(qiáng)度之間的函數(shù)關(guān)系可表示為[5]:

由于光照強(qiáng)度存在不確定性,致使光伏出力具有隨機(jī)性。一般采用正態(tài)分布描述日平均光照強(qiáng)度的隨機(jī)性[4],即:

1.2 風(fēng)電出力

風(fēng)電機(jī)組的最大可控出力與風(fēng)速之間的函數(shù)關(guān)系可表示為[6]:

式中:v為風(fēng)速;vin、vrate、vout分別為風(fēng)電機(jī)組的切入風(fēng)速、額定風(fēng)速及切出風(fēng)速;PmaxW為風(fēng)電機(jī)組額定功率;a、b為功率特性曲線參數(shù),且v(PW)= [(PW-b)/a]l/k。

由于風(fēng)速具有不確定性,致使風(fēng)電機(jī)組的最大可控出力是隨機(jī)的。其中,風(fēng)速的不確定性常采用兩參數(shù)的Weibull分布來(lái)描述,其概率密度函數(shù)為[5]:

式中:k和c分別為Weibull分布的形狀參數(shù)和尺度參數(shù)。

1.3 電動(dòng)汽車出力

人類社會(huì)活動(dòng)具有隨機(jī)性,因此,電動(dòng)汽車的出力也具有隨機(jī)性。文獻(xiàn)[7]指出可將電動(dòng)汽車出力作為隨機(jī)變量,用正態(tài)分布近似反映負(fù)荷的不確定性。設(shè)電動(dòng)汽車出力的分布函數(shù)為:

2 混合供電系統(tǒng)的隨機(jī)最優(yōu)決策模型

由于各新能源出力均具有隨機(jī)特性,在制定供電決策方案時(shí),為保證供電可靠性致使供電成本增加。因此,新能源混合供電系統(tǒng)隨機(jī)最優(yōu)決策模型以供電成本最小為目標(biāo),采用概率形式的機(jī)會(huì)約束描述隨機(jī)新能源出力的不確定性,即在某一置信水平下滿足供電可靠性相關(guān)約束[8]。隨機(jī)最優(yōu)決策模型的目標(biāo)函數(shù)為:

根據(jù)供電系統(tǒng)安全穩(wěn)定運(yùn)行的實(shí)際要求,決策模型中應(yīng)考慮以下約束條件。

2.1 功率平衡約束

2.2 機(jī)組運(yùn)行約束

式中:Pr{·}為不等式約束成立的概率;PW為風(fēng)電機(jī)組的最大出力;PPV為光伏發(fā)電機(jī)組的最大出力;PEV為電動(dòng)汽車的最大充放電功率;α,β,γ為事先給定的置信水平。

2.3 蓄能約束

式中:SOC為決策前電動(dòng)汽車的蓄能狀態(tài),SOC∈(0.2～0.9);Vev為電動(dòng)汽車的蓄能容量。

3 最優(yōu)決策模型的求解

機(jī)會(huì)約束的概率計(jì)算在數(shù)學(xué)上需要多維積分,使得其計(jì)算難以實(shí)現(xiàn)。為此,采用抽樣平均近似法處理機(jī)會(huì)約束,將隨機(jī)優(yōu)化問(wèn)題轉(zhuǎn)化成可計(jì)算的確定性非線性優(yōu)化問(wèn)題[9]。該方法利用蒙特卡洛抽樣法抽取隨機(jī)變量的樣本數(shù)據(jù),計(jì)算機(jī)會(huì)約束的概率,將機(jī)會(huì)約束轉(zhuǎn)化成確定性約束條件。

采用最大函數(shù),將一組約束等價(jià)成一個(gè)約束條件,即:

通過(guò)蒙特卡洛法抽取M組樣本數(shù)據(jù)(rj,νj, PEVj)(j=1,…,M),機(jī)會(huì)約束的概率等于M組樣本數(shù)據(jù)滿足約束條件J1(rj)≤0次數(shù)的平均值,即:

式中:Flag(t)為指示函數(shù),即t≤0時(shí)為1,t＞0時(shí)為0。于是,機(jī)會(huì)約束條件(8)轉(zhuǎn)化為:

同理,機(jī)會(huì)約束條件(9)和(10)可分別轉(zhuǎn)化為如下確定性條件:

用式(14)至式(16)分別代替式(8)至式(10),則將混合供電系統(tǒng)隨機(jī)決策模型(6)至式(11)轉(zhuǎn)換成確定性優(yōu)化問(wèn)題,然后采用遺傳算法進(jìn)行求解。

4 算例分析

某新能源混合供電系統(tǒng)中,風(fēng)電場(chǎng)有3臺(tái)相同的風(fēng)電機(jī)組,每臺(tái)機(jī)組的切入風(fēng)速、額定風(fēng)速、切出風(fēng)速、額定功率均相同,分別為4m/s、15m/s、25m/s、2MW;光伏電場(chǎng)有2臺(tái)相同的光伏發(fā)電機(jī)組,每臺(tái)光伏電機(jī)光伏列陣面積、光伏電機(jī)效率、額定功率分別為50.34m2、14.5%、2MW;相同電動(dòng)汽車有50臺(tái),每臺(tái)電動(dòng)汽車的容量為4.8kWh,電動(dòng)汽車的充電和放電價(jià)格分別為C1=0.45元/kWh,C2=0.55元/kWh;電網(wǎng)的購(gòu)電價(jià)格Cg=0.45元/kWh。

設(shè)電動(dòng)汽車的初始蓄能狀態(tài),隨機(jī)變量的概率分布參數(shù)如表1所示。

表1 隨機(jī)變量的分布參數(shù)

下面設(shè)計(jì)2種試驗(yàn)方案來(lái)驗(yàn)證混合供電系統(tǒng)的隨機(jī)最優(yōu)決策的可行性與有效性。

a.決策方式對(duì)決策的影響

基于以上提出的隨機(jī)新能源的最優(yōu)決策方式(置信水平為0.95,抽樣次數(shù)為1000)和傳統(tǒng)的決策方式,計(jì)算得到系統(tǒng)的最優(yōu)供電方案以及供電成本,如表2所示。

從表2中可以看出,隨機(jī)優(yōu)化決策方式求得的供電成本為15.362元,比確定性優(yōu)化決策方式

求得的供電成本減少了17.0%。顯然,隨機(jī)優(yōu)化決策方式的經(jīng)濟(jì)性優(yōu)于確定性優(yōu)化決策方式,為系統(tǒng)調(diào)度員做出合理的決策方案提供了一個(gè)便利工具。

表2 不同決策方式下的決策方案

b.置信水平和抽樣次數(shù)對(duì)決策的影響

針對(duì)以上提出的隨機(jī)優(yōu)化決策方式(抽樣次數(shù)均為500),設(shè)置不同的置信水平,對(duì)應(yīng)供電成本如圖2所示。

圖2 供電成本隨置信水平的變化

針對(duì)以上提出的隨機(jī)優(yōu)化決策方式(置信水平為0.95),設(shè)置不同的抽樣次數(shù),對(duì)應(yīng)的供電成本如圖3所示。

圖3 供電成本隨抽樣次數(shù)的變化

從圖2可以看出,隨著置信水平的提高,新能源出力不斷減少,使得系統(tǒng)的供電成本隨之增加,表明采用條件風(fēng)險(xiǎn)約束描述梯級(jí)水庫(kù)安全約束的合理性。從圖3中可知,隨著抽樣次數(shù)的不斷增加,系統(tǒng)供電成本略有降低。當(dāng)抽樣次數(shù)大于1 000后,系統(tǒng)供電成本基本保持不變。

5 結(jié)論

該文基于機(jī)會(huì)約束理論,構(gòu)建了3種新能源混合供電系統(tǒng)最優(yōu)決策模型,并將隨機(jī)優(yōu)化問(wèn)題轉(zhuǎn)化成可計(jì)算的確定性非線性優(yōu)化問(wèn)題進(jìn)行求解。算例分析表明新能源混合系統(tǒng)通過(guò)合理利用電動(dòng)汽車的蓄能裝置,能夠充分利用新能源發(fā)電,減輕能源緊缺問(wèn)題。采用機(jī)會(huì)約束描述新能源出力的隨機(jī)性是合理的,為新能源的利用提供了新途徑。

[1] Song Hui,Wei XP.Market characteristics of new energy supply in China[J].Earth and Planetary Science.2009,1 (1):1712-1716.

[2] Duvall M,Knipping E,Alexander M,et al.Environmental assessment of plug-in hybrid electric vehicles.Volume 1:Nationwide greenhouse gas emissions[R].Palo Alto,CA:Electric Power Research Institute,2007,1015325.

[3] 中華人民共和國(guó)科技部.電動(dòng)汽車科技發(fā)展“十二五“專項(xiàng)規(guī)劃[EBOL].[2012-08-07].http://www.gov.cn/zwgk/ 2012-04/20/content-2118595.

[4] Yoshihisa S,Naotsugu Y,Yukinori T,Hideki F,Norio O. Study on the characteristics of a new power generation system with the application of the shape memory alloy engine [J].IEEE Trans on Power and Energy,2006,126(11): 1157-1163.

[5] Akinobu M,Hiroshi Y,Kenji O.A method of estimating the output fluctuation of many photovoltaic power generation systems dispersed in a wide area[J].Electrical Engineering in Japan,2009,166(4):9-19.

[6] Yehand TH,Wang L.A study on generator capacity for wind turbines under various tower heights and rated wind speeds using weibull distribution[J].IEEE Trans.on Energy Conversion,2008,23(2):592-602.

[7] Henrik L,Willett K.Integration of renewable energy into the transport and electricity sectors through V2G[J].Energy Policy,2008,36(9):3578-3587.

[8] Ozturk UA,Mazumdar M,Norman BA.A Solution to the stochastic unit commitment problem using Chance Constrained Programming[J].IEEE Trans.on Power Systems, 2004,19(3):1589-1598.

[9] Pagnoncelli BK,Ahmed S,Shapiro A.Sample average approximation method for chance constrained programming: theory and applications[J].J Optim.Theory Appl.,2009, 142:399-416.

本文責(zé)任編輯:王洪娟

Optimal Decision Analysis of New Energy Hybrid Power Supply System Considering Plug in Electric Vehicles

Li Quan,Pan Yuanli
(State Grid Hebei Power Company Xingtai Supply Branch,Xingtai 054001,China)

Wind,solar and other new energy sources generation has the characteristics of intermittent,volatility and so on.In order to ensure the grid quality,economical and reliable operation,the new energy sources generation needs to be coordinated after the electric vehicles connected to the grid.In this paper,constructed the optimal decision model of the three new energy hybrid power supply system based on the theory of opportunity constrained,and converted the stochastic optimization problems into computable deterministic nonlinear optimization problem.Numerical examples proved that it is reasonable using opportunity constrained theory describes the randomness of new energy output,a new way for the rational use of new energy sources is provided.

new energy;hybrid power supply system;opportunity constrained;optimal decision

TM743

A

1001-98989(2016)04-0011-04

2016-01-27

李 泉(1986-),男,工程師,主要從事電力系統(tǒng)調(diào)度運(yùn)行、清潔能源研究工作。