齊曉琳， 艾 欣， 唐 亮， 羅庚玉

(1. 新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室， 華北電力大學(xué)， 北京 102206；2. 國(guó)網(wǎng)安徽省電力公司， 安徽 合肥 230022)

商業(yè)大樓中的電動(dòng)汽車與溫控負(fù)荷聯(lián)合優(yōu)化調(diào)度

齊曉琳1， 艾 欣1， 唐 亮2， 羅庚玉2

(1. 新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室， 華北電力大學(xué)， 北京 102206；2. 國(guó)網(wǎng)安徽省電力公司， 安徽 合肥 230022)

隨著電動(dòng)汽車數(shù)量的日漸增加，其無序充電會(huì)給電網(wǎng)帶來新的負(fù)荷高峰，從而造成局部變壓器過載的情況。本文在電動(dòng)汽車大量接入而配電網(wǎng)未來得及改造的背景下，以電動(dòng)汽車向樓宇反向服務(wù)(V2B)技術(shù)為支撐，考慮到溫控負(fù)荷的負(fù)荷反彈特性及可調(diào)度性，將溫控負(fù)荷與電動(dòng)汽車充放電協(xié)同調(diào)度。電網(wǎng)對(duì)溫控負(fù)荷實(shí)行折扣電價(jià)，對(duì)電動(dòng)汽車負(fù)荷考慮電池?fù)p耗而實(shí)行高價(jià)補(bǔ)償?？紤]室溫的舒適度、電動(dòng)汽車充放電次數(shù)、變壓器容量等約束條件，以電網(wǎng)補(bǔ)貼成本最小和商業(yè)大樓的總電費(fèi)最小為目標(biāo)進(jìn)行優(yōu)化。結(jié)果表明，溫控負(fù)荷與電動(dòng)汽車負(fù)荷具有互補(bǔ)特性，兩者聯(lián)合調(diào)度可以達(dá)到在電網(wǎng)補(bǔ)償費(fèi)用最小的情況下變壓器容量不過載的目的。

電動(dòng)汽車向樓宇反向服務(wù)； 電動(dòng)汽車； 溫控負(fù)荷； 負(fù)荷反彈特性； 需求響應(yīng)

1 引言

由于電動(dòng)汽車(EV)的零排放、不依賴常規(guī)能源、熱效率高等特點(diǎn)，各國(guó)都紛紛出臺(tái)相應(yīng)政策來推動(dòng)電動(dòng)汽車的快速發(fā)展與應(yīng)用。但將來大規(guī)模電動(dòng)汽車接入電網(wǎng)會(huì)對(duì)電力系統(tǒng)的規(guī)劃和運(yùn)行產(chǎn)生不可忽視的影響。大量電動(dòng)汽車無序充電會(huì)導(dǎo)致電網(wǎng)(尤其是居民區(qū)等電動(dòng)汽車聚集的局部區(qū)域)負(fù)荷增加，可能會(huì)引起新的負(fù)荷峰值或者峰上加峰，導(dǎo)致配電變壓器過載、配電線路損耗增大、電壓失穩(wěn)等問題[1,2]。

文獻(xiàn)[3,4]將電動(dòng)汽車作為儲(chǔ)能單元參與系統(tǒng)的削峰填谷及平抑可再生能源出力波動(dòng)等，文獻(xiàn)[5-7]將電動(dòng)汽車作為電力系統(tǒng)的負(fù)荷備用，探討了其低碳特性與備用市場(chǎng)競(jìng)價(jià)交易模式，均證明了電動(dòng)汽車的可調(diào)控性。但由于現(xiàn)階段電動(dòng)汽車還沒有大量普及，因此在全系統(tǒng)進(jìn)行電動(dòng)汽車充放電調(diào)度不夠經(jīng)濟(jì)，并且由于電動(dòng)汽車電池成本昂貴，如果單純調(diào)度電動(dòng)汽車來平抑負(fù)荷成本太大，因此V2B(Vehicle-to-Building)、V2H(Vehicle-to-Home)模式在短期內(nèi)更容易實(shí)現(xiàn)。文獻(xiàn)[8-10]從家庭電費(fèi)角度對(duì)包括電動(dòng)汽車在內(nèi)的各種家用電器進(jìn)行優(yōu)先級(jí)排序，實(shí)現(xiàn)家庭用電最優(yōu)化；文獻(xiàn)[11,12]介紹了V2B模式下電動(dòng)汽車與商業(yè)樓宇中的其他負(fù)荷聯(lián)合調(diào)度，實(shí)現(xiàn)削減高峰負(fù)荷、穩(wěn)定電壓等目的，但文獻(xiàn)[8-12]都是從車主電費(fèi)角度或降低負(fù)荷角度考慮，未考慮電網(wǎng)調(diào)度電動(dòng)汽車的成本。溫控負(fù)荷主要指空調(diào)、電暖氣、熱水器等，如果短暫地降低此類負(fù)荷，由于熱慣性，不會(huì)影響用戶的舒適性。溫控負(fù)荷一個(gè)顯著的特點(diǎn)是負(fù)荷反彈特性[13,14]，以夏季空調(diào)負(fù)荷為例，在負(fù)荷高峰時(shí)期控制其中斷后，室溫會(huì)由于散熱逐漸升高，達(dá)到用戶可以忍受的最高溫度后空調(diào)必須開啟，因此在之后的一段時(shí)間內(nèi)會(huì)產(chǎn)生負(fù)荷反彈。而電動(dòng)汽車同樣在調(diào)度停止充電或放電之后由于車主的行駛需求必須重新充電，也會(huì)產(chǎn)生負(fù)荷反彈。因此考慮將兩者進(jìn)行聯(lián)合調(diào)度，以期達(dá)到互補(bǔ)的效果。

本文在大量電動(dòng)汽車接入使得商業(yè)樓宇負(fù)荷超過變壓器容量的背景下，將溫控負(fù)荷與EV協(xié)同調(diào)度，以電網(wǎng)補(bǔ)貼成本最小為目標(biāo)得到溫控負(fù)荷的控制策略與電動(dòng)汽車的最優(yōu)充放電策略。本文的研究基于以下市場(chǎng)規(guī)則：在日前市場(chǎng)，溫控負(fù)荷與EV負(fù)荷分別與電網(wǎng)簽訂合同，約定第二天的調(diào)度時(shí)間、補(bǔ)償費(fèi)用等。在實(shí)時(shí)市場(chǎng)中，通過合理的調(diào)度，使得整個(gè)大樓的負(fù)荷不超過配電變壓器容量，使得電網(wǎng)可以少建或者緩建變壓器、變電站、輸電線路等設(shè)備。

2 V2B技術(shù)支撐

V2B是一種特殊的集中式V2G (Vehicle-to-Grid)模式。由于V2G的實(shí)現(xiàn)需要整個(gè)系統(tǒng)中的智能充電站、換電站和各種通信設(shè)備的完善，因此在短期內(nèi)還無法實(shí)現(xiàn)。V2B在實(shí)際中比V2G要更容易實(shí)現(xiàn)。

V2B的實(shí)現(xiàn)依托于商業(yè)大樓的智能車庫(kù)的建設(shè)。當(dāng)員工駕駛自己的電動(dòng)汽車在特定時(shí)間到達(dá)智能車庫(kù)后隨即插入系統(tǒng)，充電樁的控制系統(tǒng)可以讀取該電動(dòng)汽車電池容量、目前的電量以及用戶設(shè)定的離開時(shí)期望達(dá)到的荷電狀態(tài)。配電網(wǎng)的控制系統(tǒng)可以通過智能車庫(kù)獲得某一時(shí)刻該商業(yè)大樓的電動(dòng)汽車信息，并在需要調(diào)度電動(dòng)汽車的時(shí)候向智能車庫(kù)中下達(dá)調(diào)度命令，直接對(duì)智能充電樁進(jìn)行控制。

單臺(tái)配電變壓器需要負(fù)擔(dān)的負(fù)荷由于規(guī)?；妱?dòng)汽車的無序充電發(fā)生了顯著改變。在某些特定時(shí)段，例如居民負(fù)荷的18∶00～20∶00和商業(yè)大樓的9∶00～12∶00，由于電動(dòng)汽車的集中充電會(huì)出現(xiàn)新的負(fù)荷高峰，如果對(duì)其充電行為不加以約束或者進(jìn)行優(yōu)化配置，會(huì)使得局部配電變壓器過載。研究表明，由于電動(dòng)汽車接入造成的負(fù)荷變化會(huì)導(dǎo)致變壓器溫度升高，這種溫度變化會(huì)導(dǎo)致變壓器油劣化變質(zhì)、變壓器內(nèi)絕緣材料的加速老化，從而顯著縮短變壓器的壽命[15,16]。在室外平均溫度為20℃時(shí)，電動(dòng)汽車的接入會(huì)使得變壓器的壽命由353年降低到25年[1]。

電動(dòng)汽車無序充電對(duì)商業(yè)大樓負(fù)荷的影響如圖1所示。商業(yè)大樓的車主一般在早上到達(dá)辦公樓后將電動(dòng)汽車接入電網(wǎng)充電，在9∶00～12∶00負(fù)荷會(huì)急劇增長(zhǎng)，在未調(diào)度的情況下，總負(fù)荷遠(yuǎn)遠(yuǎn)高于變壓器所允許的功率值。因此，在電動(dòng)汽車快速發(fā)展而配電網(wǎng)改造升級(jí)落后的情況下，如何調(diào)度電動(dòng)汽車充放電使得局域配電變壓器不過載成為一個(gè)實(shí)際而有意義的問題。

圖1 電動(dòng)汽車無序充電對(duì)商業(yè)大樓負(fù)荷的影響Fig.1 Influence of EVs charging disorderly on load of commercial building

3 聯(lián)合調(diào)度模型

3.1 兩種負(fù)荷的補(bǔ)貼形式

本文的調(diào)度基于以下假設(shè)：

(1)在未調(diào)度之前，假設(shè)空調(diào)一直都設(shè)定某個(gè)溫度，一直開著；在參與調(diào)度之后，根據(jù)用戶舒適度，在某個(gè)溫度范圍內(nèi)可短暫關(guān)閉。

(2)不考慮商業(yè)大樓中的電動(dòng)汽車中途離開的情況，認(rèn)為從上班到下班，所有電動(dòng)汽車都連接在充電樁上。

對(duì)可調(diào)度負(fù)荷的補(bǔ)償方式有兩種：低電價(jià)和高賠償[17]。對(duì)于電動(dòng)汽車，因?yàn)槠浣煌ㄌ匦圆⑶译姵負(fù)p耗成本較高，適合采用高賠償方式，即在EV接受調(diào)度而停止充電甚至是放電時(shí)，電網(wǎng)根據(jù)實(shí)際調(diào)用電量進(jìn)行高電價(jià)補(bǔ)償；對(duì)于溫控負(fù)荷，因?yàn)槠湔{(diào)度頻率較高，適合采取低電價(jià)補(bǔ)償方式，即用戶根據(jù)在日前市場(chǎng)申報(bào)并且成交的低電價(jià)，在第二日運(yùn)行時(shí)電網(wǎng)收取比普通電價(jià)更低的低電價(jià)，但在中斷時(shí)并不予以補(bǔ)償。

3.2 目標(biāo)函數(shù)

從電網(wǎng)的角度，由于對(duì)溫控負(fù)荷和EV的調(diào)度都是在改變用戶用電習(xí)慣的基礎(chǔ)上進(jìn)行的，因此電網(wǎng)公司要對(duì)參與調(diào)度的溫控和EV負(fù)荷進(jìn)行一定的補(bǔ)償，目標(biāo)函數(shù)為電網(wǎng)的補(bǔ)償費(fèi)用最低；從商業(yè)大樓管理者的角度，希望電費(fèi)越低越好，即在變壓器不過載的情況下使得總負(fù)荷最小，從而保證變壓器的壽命。

因此總目標(biāo)函數(shù)為：

minCdd+μpbPtotal

(1)

式中，Cdd為總的調(diào)度成本；pb為用電電價(jià)；Ptotal為總負(fù)荷；μ為權(quán)重系數(shù)，引入該參數(shù)可使多目標(biāo)變成單目標(biāo)進(jìn)行優(yōu)化。

(1)溫控負(fù)荷調(diào)度成本

由于溫控負(fù)荷一般調(diào)度頻率較高，對(duì)調(diào)度方而言，在調(diào)度期間對(duì)溫控負(fù)荷采用折扣電價(jià)模式較為經(jīng)濟(jì)。其調(diào)度成本CHVAC為：

(2)

式中，nHVAC為溫控負(fù)荷數(shù)量；λ為溫控的折扣率；xHVAC,i(t)為0-1變量，1表示溫控負(fù)荷開啟，0表示接受調(diào)度而中斷；PHVAC,i(t)為t時(shí)刻第i個(gè)溫控負(fù)荷的功率；Δt為時(shí)間間隔；N表示共有N個(gè)調(diào)度時(shí)段。

(2)EV調(diào)度成本

對(duì)EV采取在實(shí)際調(diào)度后給予高價(jià)補(bǔ)償?shù)姆绞?。另外由于EV頻繁充放電會(huì)顯著降低電池壽命，因此必須考慮電池?fù)p耗成本。

充電調(diào)度成本Cch為：

(3)

式中，nEV為電動(dòng)汽車數(shù)量；γ為調(diào)度之后的補(bǔ)償率(γ>1)，即電網(wǎng)對(duì)參與充電調(diào)度的電量的補(bǔ)貼電費(fèi)為γpb；xEVin,i(t)為0-1變量，表示電動(dòng)汽車的充電狀態(tài)，1表示計(jì)劃充電但由于調(diào)度而終止充電，0表示未接受調(diào)度繼續(xù)充電；Pmax,i、PEV,i(t)分別表示第i輛電動(dòng)汽車的最大充電功率和t時(shí)刻的實(shí)際充電功率。

電動(dòng)汽車放電的單位電量?jī)?chǔ)能成本Pdch為[18，19]：

(4)

式中，VEV為電動(dòng)汽車電池的價(jià)格(元/(kW·h))；NEV為電動(dòng)汽車在壽命周期內(nèi)電池的可充放電次數(shù)。

因此放電補(bǔ)貼成本Cdch為：

(5)

式中，xEVout,i(t)為0-1變量，表示電動(dòng)汽車的放電狀態(tài)，1表示接受調(diào)度而放電，0表示未接受調(diào)度不放電；PEVout,i(t)表示第i輛電動(dòng)汽車t時(shí)刻的放電功率；ηdch為放電效率。

溫控與EV聯(lián)合調(diào)度的總成本為：

Cdd=CHVAC+Cch+Cdch

(6)

3.3 約束條件

本文以空調(diào)為例來描述溫控負(fù)荷的特征及約束條件。

(1)溫控負(fù)荷的最大可中斷時(shí)間τoff和最小連續(xù)啟動(dòng)時(shí)間τon約束

假設(shè)只要空調(diào)開啟就是一個(gè)恒定的功率PHVAC，控制周期內(nèi)外界環(huán)境溫度恒定Tout，室內(nèi)溫度用戶可忍受的溫度區(qū)間為[Tmin,Tmax]，由空調(diào)機(jī)組的熱動(dòng)力學(xué)模型[20]可以求解得到空調(diào)的最大可中斷時(shí)間τoff和最小連續(xù)啟動(dòng)時(shí)間τon，即

Tmax=Tout(1-ετoff)+Tminετoff

(7)

Tmin=(Tout-ηP/A)(1-ετon)+Tmaxετon

(8)

式中，Tout為室外溫度(℃)；ε為散熱函數(shù)，ε=e-τ/Tc，其中τ為控制時(shí)間，Tc為時(shí)間常數(shù)，本文取ε為0.98；η為空調(diào)能效比，ηP為空調(diào)的額定制冷量；A為導(dǎo)熱系數(shù)，本文取0.18。

空調(diào)開關(guān)狀態(tài)的約束為：

ont+offt≤1

(9)

xHVAC,i(t)-xHVAC,i(t-1)=ont-1-offt-1

(10)

(11)

(12)

式中，ont、offt分別表示空調(diào)在t時(shí)段末是否進(jìn)行開機(jī)或關(guān)機(jī)操作，1表示“是”，0表示“否”；xHVAC,m表示m時(shí)刻空調(diào)的狀態(tài)。式(9)表示同一時(shí)刻不可能既開機(jī)又關(guān)機(jī)，式(11)表示最小運(yùn)行時(shí)間不可以低于τon，式(12)表示最大運(yùn)行時(shí)間不能超過τoff。

(2)電動(dòng)汽車電池容量SOC約束

(13)

SOCmin≤SOCi(t)≤SOCmax

(14)

式中，SOCi(0)、SOCi(t)分別為初始時(shí)刻和t時(shí)刻電動(dòng)汽車的電量；ηch為充電效率；為了防止深度放電，并且考慮到用戶的行駛需求，要求電池電量有個(gè)最小值SOCmin；SOCmax為最大容量限制，本文取電動(dòng)汽車電池總?cè)萘恐怠?/p>

(3)用戶意愿約束

調(diào)度時(shí)間為電動(dòng)汽車連接到電網(wǎng)的時(shí)間

ti,start≤ti≤ti,end

(15)

最后離開時(shí)應(yīng)滿足車主所希望達(dá)到的SOC值

Si(end)≥Si,set

(16)

式中，tstart、tend分別為調(diào)度的起止時(shí)刻；Si(end)為第i輛車離開大樓時(shí)的電量；Si,set為第i量車的車主希望離開時(shí)達(dá)到的電量值。

(4)充放電次數(shù)限制

文獻(xiàn)[4]認(rèn)為電動(dòng)汽車的狀態(tài)是非充即放(即不是充電就是放電)的，但實(shí)際上電動(dòng)汽車慢充大概在4～6h就能充滿，如果用此約束就會(huì)強(qiáng)制電動(dòng)汽車放電而造成電動(dòng)汽車的電池?fù)p耗。因此本文在智能充電樁技術(shù)的背景下，認(rèn)為電動(dòng)汽車的狀態(tài)分為充電、放電和非充非放(即既不充電也不放電)三種。

xEVin(t)+xEVout,i(t)≤1

(17)

(18)

(19)

onin(t)+offin(t)≤1

(20)

xEVin(t+1)-xEVin(t)=onin(t)-offin(t)

(21)

onout(t)+offout(t)≤1

(22)

xEVout(t+1)-xEVout(t)=onout(t)-offout(t)

(23)

式中，onin(t)、offin(t)、onout(t)、offout(t)為0-1變量，onin(t)為1時(shí)表示EV在t時(shí)刻末由未充電變?yōu)槌潆姞顟B(tài)，offin(t)為1時(shí)表示t時(shí)刻末EV由充電變成不充電狀態(tài)，onout(t)為1時(shí)表示t時(shí)刻末EV由未放電變成放電狀態(tài)，offout(t)為1時(shí)表示t時(shí)刻末電動(dòng)汽車由放電變成不放電狀態(tài)；式(17)表示任一時(shí)刻電動(dòng)汽車不能同時(shí)充放電，式(18)表示調(diào)度時(shí)段內(nèi)充電總次數(shù)不超過一次，式(19)表示調(diào)度時(shí)段內(nèi)放電總次數(shù)不超過一次，式(20)～式(23)是變量應(yīng)該滿足的約束條件。

(5)變壓器容量約束

Pelse(t)+PHVAC(t)+PEVin(t)-PEVout(t)≤S

(24)

式中，PHVAC(t)、PEVin(t)、PEVout(t)、Pelse(t)分別表示t時(shí)刻的溫控負(fù)荷、電動(dòng)汽車充電負(fù)荷、電動(dòng)汽車放電負(fù)荷以及除溫控和電動(dòng)汽車之外的負(fù)荷；S為變壓器容量。

此模型為混合整數(shù)線性規(guī)劃問題，變量為各個(gè)時(shí)刻的溫控的開關(guān)狀態(tài)以及電動(dòng)汽車的充放電狀態(tài)，采用商業(yè)軟件CPLEX12.6進(jìn)行求解。

4 算例

算例取某商業(yè)大樓中可調(diào)度空調(diào)50臺(tái)，每臺(tái)空調(diào)功率為2.5kW。電動(dòng)汽車30輛，假設(shè)都是比亞迪e6[19]，其參數(shù)如表1所示。

表1 比亞迪e6參數(shù)Tab.1 BYD e6 parameters

30輛電動(dòng)汽車的電量初始值在電池容量的20%～50%范圍內(nèi)隨機(jī)生成，車主希望最后離開時(shí)達(dá)到的電量值在電池容量的50%～80%范圍內(nèi)隨機(jī)生成。由于商業(yè)大樓里的公司一般早上8∶30左右上班，下午5∶30左右下班，因此總調(diào)度時(shí)間為9∶00～17∶00。

假設(shè)用戶可忍受的室內(nèi)溫度范圍為22℃～28℃，調(diào)度期間室外溫度為30℃～35.5℃，圖2為最大中斷時(shí)間、最小連續(xù)開啟時(shí)間與溫度的關(guān)系曲線。

圖2 空調(diào)的τoff、τon與外界溫度的關(guān)系曲線Fig.2 Relationship between outdoor temperature and τoff，τon

取15min為一個(gè)調(diào)度時(shí)段，λ=0.5，γ=0.5，pb=0.4元/(kW·h)，此時(shí)溫控負(fù)荷的折扣電價(jià)為0.2元/(kW·h)，電動(dòng)汽車充電補(bǔ)償為0.2元/(kW·h)，放電補(bǔ)償為0.68元/(kW·h)。假設(shè)除空調(diào)和電動(dòng)汽車之外的其他負(fù)荷為50kW，一臺(tái)10kV配電變壓器容量為315kV·A，根據(jù)JGJ16-2008《民用建筑電氣設(shè)計(jì)規(guī)范》的規(guī)定，配電變壓器長(zhǎng)期工作負(fù)荷率不宜大于85%[21]，因此取調(diào)度時(shí)的變壓器容量為268kV·A，權(quán)重系數(shù)取0.5。

如果單獨(dú)調(diào)度空調(diào)或單獨(dú)調(diào)度電動(dòng)汽車，得到的負(fù)荷曲線如圖3所示。單獨(dú)調(diào)度空調(diào)時(shí)，補(bǔ)貼費(fèi)用為41.25元，但是在電動(dòng)汽車充電高峰階段，仍有變壓器負(fù)荷越限的情況存在；單獨(dú)調(diào)度電動(dòng)汽車時(shí)，補(bǔ)貼費(fèi)用為435元，此時(shí)負(fù)荷沒有越限但是幾乎達(dá)到了變壓器的最高限額，并且調(diào)度費(fèi)用偏高。

圖3 單獨(dú)調(diào)度時(shí)的負(fù)荷曲線Fig.3 Load curves when separately scheduling

聯(lián)合調(diào)度的結(jié)果如圖4所示。此時(shí)得到的調(diào)度費(fèi)用為412元，其中溫控調(diào)度費(fèi)用為87.5元，EV充電調(diào)度費(fèi)用為324.5元，由于放電費(fèi)用過高，因此并沒有調(diào)度電動(dòng)汽車放電?？芍照{(diào)與電動(dòng)汽車的聯(lián)合調(diào)度不僅比單獨(dú)調(diào)度兩者的費(fèi)用低，并且在可以保證變壓器不越限的同時(shí)降低了變壓器的負(fù)荷率，兩者的聯(lián)合調(diào)度可以實(shí)現(xiàn)1+1>2的效果。

圖4 調(diào)度前后的負(fù)荷曲線圖Fig.4 Load curves before and after scheduling

圖5為空調(diào)總負(fù)荷曲線與電動(dòng)汽車總負(fù)荷曲線的對(duì)比?？梢娊?jīng)過聯(lián)合優(yōu)化調(diào)度后，在滿足各自約束條件的同時(shí)，電動(dòng)汽車充電與空調(diào)開閉呈互補(bǔ)狀態(tài)。

(1)電池?fù)p耗成本的影響

根據(jù)國(guó)務(wù)院于2012年6月發(fā)布的《節(jié)能與新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃(2012～2020)》，到2020年，純電動(dòng)汽車和插電式混合動(dòng)力汽車生產(chǎn)能力達(dá)到200萬輛，累計(jì)產(chǎn)銷量超過500萬輛，動(dòng)力電池模塊成本降至1.5元/(W·h)以下[2]，此時(shí)放電成本的降低使得調(diào)度電動(dòng)汽車放電成為可能。因此如果將放電成本降低到與充電補(bǔ)償費(fèi)用一樣為0.2元/(kW·h)，此時(shí)會(huì)調(diào)度電動(dòng)汽車放電，負(fù)荷曲線如圖6所示。

圖5 溫控負(fù)荷與EV的互補(bǔ)曲線Fig.5 Complementary curves of thermostatically-controlled loads and EV

圖6 電池成本降低后的負(fù)荷曲線Fig.6 Load curve after battery cost reduced

此時(shí)的調(diào)度費(fèi)用仍為404元，溫控調(diào)度費(fèi)用為87.5元，電動(dòng)汽車充電調(diào)度費(fèi)用為302.5元，放電調(diào)度費(fèi)用為31元。對(duì)比圖6和圖3可以發(fā)現(xiàn)，電動(dòng)汽車放電參與調(diào)度之后，變壓器的負(fù)載率由0.641降低到0.623，對(duì)變壓器壽命有利。并且可發(fā)現(xiàn)放電行為主要集中在第12～24調(diào)度時(shí)段(即12∶00～15∶00)，此時(shí)室外溫度較高，由式(7)可知空調(diào)的最小中斷時(shí)間較小，即此時(shí)空調(diào)的可調(diào)度性降低，需要電動(dòng)汽車放電來實(shí)現(xiàn)總負(fù)荷的降低。

(2)充放電次數(shù)約束的影響

如果不對(duì)電動(dòng)汽車的充放電次數(shù)進(jìn)行限制，得到的電動(dòng)汽車補(bǔ)貼成本和商業(yè)大樓的電費(fèi)對(duì)比如表2所示?？梢娙绻麤]有充放電次數(shù)約束，電動(dòng)汽車可能在一天內(nèi)會(huì)頻繁充放電，導(dǎo)致電網(wǎng)補(bǔ)貼成本增高，此時(shí)對(duì)于電網(wǎng)來說調(diào)度電動(dòng)汽車來平抑負(fù)荷是不經(jīng)濟(jì)的；但從商業(yè)大樓管理者的角度來說，對(duì)電動(dòng)汽車的多次調(diào)度會(huì)降低其電費(fèi)，并且變壓器負(fù)荷率降低。因此對(duì)于充放電次數(shù)的約束與否與約束次數(shù)的限制主要取決于兩個(gè)目標(biāo)函數(shù)的權(quán)重。

(3)權(quán)重系數(shù)的影響

權(quán)重系數(shù)的大小代表了在總目標(biāo)函數(shù)中負(fù)荷側(cè)利益的比重。表3為改變經(jīng)濟(jì)當(dāng)量折算系數(shù)后的調(diào)度總成本和負(fù)荷率。由表3可以看出，經(jīng)濟(jì)當(dāng)量折算系數(shù)越大，表明總負(fù)荷最小目標(biāo)的比重越大，變壓器的負(fù)荷率越小，但調(diào)度成本會(huì)變大，說明兩個(gè)目標(biāo)是矛盾的，在實(shí)際調(diào)度中，應(yīng)根據(jù)調(diào)度者的意愿與需求適當(dāng)選取經(jīng)濟(jì)當(dāng)量折算系數(shù)。

表3 權(quán)重系數(shù)λ與負(fù)荷率的關(guān)系Tab.3 Relationship between λ and loading rate

當(dāng)權(quán)重系數(shù)大于0.75時(shí)，負(fù)荷曲線與調(diào)度成本不再變化，這說明此時(shí)已經(jīng)是在滿足電動(dòng)汽車充電要求和空調(diào)開啟要求下可以實(shí)現(xiàn)的最小負(fù)荷率。

5 結(jié)論

隨著大規(guī)模電動(dòng)汽車的接入，在變壓器容量還未來得及改造的背景下，變壓器過載情況會(huì)越來越嚴(yán)重。本文通過對(duì)商業(yè)大樓中的空調(diào)負(fù)荷與電動(dòng)汽車負(fù)荷進(jìn)行聯(lián)合調(diào)度，主要結(jié)論有：

(1)以空調(diào)為代表的溫控負(fù)荷的反彈特性可以與調(diào)度電動(dòng)汽車產(chǎn)生的充電反彈負(fù)荷進(jìn)行互補(bǔ)調(diào)度，降低負(fù)荷。

(2)對(duì)空調(diào)的最大中斷時(shí)間和最小連續(xù)開啟時(shí)間進(jìn)行限制，對(duì)電動(dòng)汽車每天的充放電次數(shù)和離開時(shí)要達(dá)到的最小荷電狀態(tài)進(jìn)行限制，使得整個(gè)調(diào)度都是在保證用戶滿意度的基礎(chǔ)上進(jìn)行的。

(3)對(duì)空調(diào)的調(diào)度采用低電價(jià)折扣的方式，對(duì)電動(dòng)汽車充電采用高電價(jià)補(bǔ)償方式，電動(dòng)汽車放電補(bǔ)償電價(jià)中考慮電池?fù)p耗成本，以電網(wǎng)調(diào)度成本最低和負(fù)荷側(cè)電費(fèi)最小為目標(biāo)，可以在保證變壓器不過載的情況下使得補(bǔ)貼成本最低。

(4)在未來電池?fù)p耗成本降低之后，將電動(dòng)汽車作為儲(chǔ)能模型，調(diào)度其放電，可使得變壓器負(fù)荷率進(jìn)一步降低。

本文是在次日的電動(dòng)汽車充電功率和室外溫度已知的情況下進(jìn)行優(yōu)化的，但實(shí)際上電動(dòng)汽車的充放電時(shí)間、需求以及環(huán)境情況會(huì)隨時(shí)發(fā)生變化，在優(yōu)化過程中應(yīng)考慮不確定性因素的影響。針對(duì)電動(dòng)汽車的不確定性優(yōu)化一般有三類：①通過概率分布函數(shù)處理數(shù)據(jù)的隨機(jī)規(guī)劃[22，23]；②將充放電時(shí)間及各用戶最終希望達(dá)到的充電量等變量作為模糊變量來描述不確定性的模糊規(guī)劃[2]；③采用集合的形式對(duì)約束條件進(jìn)行修改的魯棒優(yōu)化[24，25]。因此今后的研究重點(diǎn)應(yīng)是對(duì)比分析這三類不確定性優(yōu)化的優(yōu)缺點(diǎn)并找出適合電動(dòng)汽車充放電的優(yōu)化模型。

[1] 張晨曦(Zhang Chenxi).電動(dòng)汽車入網(wǎng)技術(shù)及社會(huì)綜合效益研究(Analysis on electric vehicle integration technology and social comprehensive benefits)[D]. 杭州：浙江大學(xué)(Hangzhou: Zhejiang University)，2013.

[2] 丁孝華(Ding Xiaohua).智能電網(wǎng)與電動(dòng)汽車(Smart grid and electric vehicles)[M].北京：中國(guó)電力出版社(Beijing: China Power Press)，2014.

[3] 鮑諺，姜久春，張維戈，等(Bao Yan， Jiang Jiuchun， Zhang Weige， et al.). 電動(dòng)汽車移動(dòng)儲(chǔ)能系統(tǒng)模型及控制策略(Model and control strategy of electric vehicle mobile energy storage system)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems)， 2012，36(22)：36-43.

[4] Zhengshuo Li，Qinglai Guo，Hongbin Sun，et al. Storage-like devices in load leveling:：Complementarity constraints and a new and exact relaxation method [J]. Applied Energy，2015，151：13-22.

[5] 劉曉，艾欣，楊俊(Liu Xiao，Ai Xin，Yang Jun).考慮未來碳排放交易的需求側(cè)備用競(jìng)價(jià)與調(diào)度模式設(shè)計(jì)(Design of demand side reserve bid-scheduling strategy considering future carbon emission trading)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems)，2011，35(2)：38-42.

[6] 劉曉，艾欣，彭謙(Liu Xiao，Ai Xin，Peng Qian).計(jì)及需求響應(yīng)的含風(fēng)電場(chǎng)電力系統(tǒng)發(fā)電與碳排放權(quán)聯(lián)合優(yōu)化調(diào)度(Optimal dispatch coordinating power generation with carbon emission permit for wind farms integrated with power grid considering demand side)[J].電網(wǎng)技術(shù)(Power System Technology)，2012，36(1)：213-218.

[7] 張謙，史樂峰，任玉瓏，等(Zhang Qian， Shi Lefeng， Ren Yulong et al.).計(jì)及V2G備用服務(wù)的交易模式(The reserve trading model considering vehicle-to-grid reserve)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE)，2012，32(31)：59-67.

[8] 陽小丹，李揚(yáng)(Yang Xiaodan， Li Yang).家庭用電響應(yīng)模式研究(Household electricity response mode)[J].電力系統(tǒng)保護(hù)與控制(Power System Protection and Control)，2014，42(12)：51-56.

[9] 周磊，李揚(yáng)(Zhou Lei， Li Yang).分時(shí)電價(jià)環(huán)境下基于家居能量管理系統(tǒng)的家居負(fù)荷建模與優(yōu)化運(yùn)行(Modeling and optimal dispatch for residential load based on home energy management system under time-of-use pricing)[J].電網(wǎng)技術(shù)(Power System Technology)，2015，39(2)：367-374.

[10] 湯奕， 魯針針， 寧佳，等(Tang Yi， Lu Zhenzhen， Ning Jia, et al.).基于電力需求響應(yīng)的智能家電管理控制方案(Management and control scheme for intelligence appliances based on electricity demand response)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems)，2014，38(9)：93-99.

[11] L A Hurtado，A Syed，P H Nguyen, et al. Multi-agent based electric vehicle charging method for smart grid-smart building energy management[A]. 2015 IEEE Eindhoven PowerTech[C]. 2015. 1-6.

[12] E Saberbari，H Saboori，S Saboori. Utilizing PHEVs for peak-shaving, loss reduction and voltage profile improvement via V2B mode[A]. 2014 19th Conference on Electrical Power Distribution Networks (EPDC) [C]. 2014. 59-65.

[13] Kun-Yuan Huang，Yann-Chang Huang. Integrating direct load control with interruptible load management to provide instantaneous reserves for ancillary services[J]. IEEE Transactions on Power Systems, 2004，19(3)：1626-1634.

[14] 樂小江(Le Xiaojiang). 考慮直接負(fù)荷控制的機(jī)組組合問題研究(Research on unit commitment with direct load control)[D]. 北京：華北電力大學(xué)(Beijing: North China Electric Power University)，2012.

[15] M J Rutherford，V Yousefzadeh. The impact of electric vehicle battery charging on distribution transformers [A]. 2011 Twenty-Sixth Annual IEEE Applied Power Electronics Conference and Exposition (APEC) [C]. 2011. 369-400.

[16] A Maitra，J Taylor，D Brooks, et al. Integrating plug-in- electric vehicles with the distribution system [A]. 20th International Conference on Electricity Distribution[C]. 2009. 1-5.

[17] 羅運(yùn)虎，薛禹勝，Gerard Ledwich, 等(Luo Yunhu， Xue Yusheng， Gerard Ledwich, et al.).低電價(jià)與高賠償2種可中斷負(fù)荷的協(xié)調(diào)(Coordination of low price interruptible load and high compensation interruption load)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems)，2007，31(11)：17-21.

[18] 孫波，廖強(qiáng)強(qiáng)，謝品杰, 等(Sun Bo， Liao Qiangqiang， Xie Pinjie, et al.).車電互聯(lián)削峰填谷的經(jīng)濟(jì)成本效益分析(A cost-benefit analysis model for vehicle-to-grid peak shaving)[J].電網(wǎng)技術(shù)(Power System Technology)，2012，36(10)：30-34.

[19] 雷治國(guó)，張承寧，雷學(xué)國(guó), 等(Lei Zhiguo, Zhang Chengning, Lei Xueguo, et al.).電動(dòng)汽車用鋰離子電池?zé)崽匦院蜔崮Ｐ脱芯?Research on thermal characteristics and thermal model of EVs lithium-ion battery)[J].電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy)，2015，34(12)：59-63.

[20] 樊瑋，周楠，劉念, 等(Fan Wei, Zhou Nan, Liu Nian, et al.).基于需求響應(yīng)的空調(diào)分時(shí)調(diào)度模型及其收益分配(Time-sharing scheduling model of air conditioning based on demand response and profit allocation)[J].電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy)，2016，35(8)：29-35.

[21] 曾以雄(Zeng Yixiong).變壓器運(yùn)行效率與最佳運(yùn)行效率的計(jì)算(Calculation of operating efficiency and optimal operating efficiency of transformer)[J].建筑電氣(Building Electricity)，2014，(1):14-18.

[22] 趙俊華，文福拴，薛禹勝, 等(Zhao Junhua，Wen Fushuan， Xue Yusheng, et al.).計(jì)及電動(dòng)汽車和風(fēng)電出力不確定性的隨機(jī)經(jīng)濟(jì)調(diào)度(Power system stochastic economic dispatch considering uncertain outputs from plug-in electric vehicles and wind generators)[J].電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems)，2010，34(20)：22-29.

[23] 田立亭，史雙龍，賈卓(Tian Liting，Shi Shuanglong， Jia Zhuo).電動(dòng)汽車充電功率需求的統(tǒng)計(jì)學(xué)建模方法(A statistical model for charging power demand of electric vehicles)[J].電網(wǎng)技術(shù)(Power System Technology)，2010，34(11)：126-130.

[24] 彭春華，謝鵬，黃戡(Peng Chunhua，Xie Peng，Huang Kan).計(jì)及入網(wǎng)電動(dòng)汽車不確定性的電網(wǎng)魯棒優(yōu)化調(diào)度(Power grid robust optimized dispatch considering vehicle-to-grid uncertainty)[J].華東電力(East China Electric Power)，2014，42(10)：2022-2027.

[25] 梅生偉，郭文濤，王瑩瑩, 等(Mei Shengwei， Guo Wentao，Wang Yingying, et al.).一類電力系統(tǒng)魯棒優(yōu)化問題的博弈模型及應(yīng)用實(shí)例(A game model for robust optimization of power systems and its application)[J].中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE)，2013，33(19)：47-56.

Joint optimal dispatch of electric vehicles and thermostatically-controlled loads in commercial buildings

QI Xiao-lin1, AI Xin1, TANG Liang2, LUO Geng-yu2

(1. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University, Beijing 102206, China; 2． State Grid Anhui Electric Power Company, Hefei 230022, China)

With the increasing number of electric vehicles (EV), disordered charging will result in a new peak load to the grid, thus leads to the overload of local transformers. Due to large number of EVs access to the grid while distribution network is not in time to upgrade, this paper scheduled the thermostatically-controlled loads and EVs cooperatively considering the rebound characteristics and schedulability of thermostatically-controlled loads, with the Vehicle-to-Building (V2B) as technology support. The power grid provided discount price for thermostatically-controlled loads and compensation for EVs due to its battery loses. Under the constraint conditions of comfort room temperature, and charging and discharging times of EV and transformer capacity, this paper established the optimum aim of minimum of the grid’s dispatching cost and minimum of the electricity fees of total loads. Results show that the thermostatically-controlled loads and EVs has complementary characteristics and joint scheduling of both can achieve the purpose of transformer not overloaded while achieving the minimal dispatching cost.

vehicle-to-building (V2B); electrical vehicle; thermostatically-controlled load; load rebound characteristics; demand response

2016-05-05

國(guó)家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)項(xiàng)目(2015AA050102)、 國(guó)家自然科學(xué)基金項(xiàng)目(513111122)

齊曉琳(1992-)， 女， 河北籍， 碩士研究生， 研究方向?yàn)樾履茉措娏ο到y(tǒng)及需求響應(yīng)； 艾 欣(1964-)， 男， 遼寧籍， 教授， 博導(dǎo)， 博士， 研究方向?yàn)樾履茉措娏ο到y(tǒng)及微網(wǎng)。

TM721

A

1003-3076(2017)04-0051-08