肖宜，陳杰軍，周悅，李淼，劉昕，馮煊

(1.湖北省電力公司， 武漢 430077； 2.武漢大學(xué) 電氣工程學(xué)院，武漢 4300721)

0 引 言

與傳統(tǒng)電源相比，風(fēng)力發(fā)電具有清潔、無污染等特點，近年來發(fā)展很快[1]。電動汽車具有節(jié)能、高效、污染少等諸多優(yōu)點，在各國政策和市場需求的推動下，電動汽車產(chǎn)業(yè)正在蓬勃發(fā)展[2]。然而，高滲透率的風(fēng)電和大規(guī)模電動汽車接入電網(wǎng)后，可能影響系統(tǒng)備用容量，增大系統(tǒng)經(jīng)濟運行成本[3]。合理調(diào)度電動汽車充放電時間，使電動汽車在負(fù)荷高峰時放電，負(fù)荷低谷時充電，可以降低系統(tǒng)備用容量，提高風(fēng)電利用率。因此，在考慮系統(tǒng)備用的背景下，研究電動汽車調(diào)度優(yōu)化問題具有重要意義。

目前，關(guān)于風(fēng)電場和電動汽車的接入對電網(wǎng)經(jīng)濟運行影響的研究已有一定基礎(chǔ)。文獻(xiàn)[4-9]指出高滲透率風(fēng)電和電動汽車接入增加了電網(wǎng)經(jīng)濟運行成本。文獻(xiàn)[10-12]分析了電動汽車充放電的負(fù)荷特性，建立了電動汽車-風(fēng)電的協(xié)同優(yōu)化模型，分析了調(diào)度電動汽車充電來平滑電網(wǎng)等效負(fù)荷波動、消納夜間過剩風(fēng)電的可行性。文獻(xiàn)[13]提出了一種基于分層控制的有序充電控制架構(gòu)，能夠在與傳統(tǒng)電網(wǎng)控制架構(gòu)融合的基礎(chǔ)上實現(xiàn)配電網(wǎng)范圍內(nèi)電動汽車和分布式可再生電源的協(xié)同有序控制。文獻(xiàn)[14]在考慮電動汽車充電模式的前提下，提出了一種基于粒子群算法的最優(yōu)控制策略，充分利用了V2G的作用。文獻(xiàn)[15-16]提出了基于實時電價的電動汽車優(yōu)化調(diào)度模型，引導(dǎo)用戶合理使用電動汽車，降低系統(tǒng)損耗和峰谷差。這些文獻(xiàn)主要針對如何提高風(fēng)電利用率和電動汽車優(yōu)化調(diào)度優(yōu)化展開研究，但沒有涉及通過對電動汽車的調(diào)度來優(yōu)化系統(tǒng)備用容量配置。

本文在文獻(xiàn)[17]研究的基礎(chǔ)上改進(jìn)了基于風(fēng)電不確定性的備用容量獲取，并提出了一種電動汽車優(yōu)化調(diào)度策略，旨在降低電網(wǎng)備用容量，消除電量供應(yīng)暫時性短缺，并盡可能消納風(fēng)電。首先，運用模糊聚類算法來分析風(fēng)力發(fā)電不確定性，得出系統(tǒng)差額概率密度函數(shù)圖；然后，基于改進(jìn)電量不足期望指標(biāo)(IEENS)和改進(jìn)風(fēng)能浪費風(fēng)險指標(biāo)(IEWWR)引入電力系統(tǒng)正負(fù)備用配置需求；最后，以正負(fù)備用投入成本和用戶充電成本為優(yōu)化目標(biāo)建立電動汽車優(yōu)化調(diào)度模型。本文假設(shè)電動汽車完全服從調(diào)度。

1 電力系統(tǒng)正負(fù)備用獲取方法研究

電力系統(tǒng)的備用分為正備用和負(fù)備用：正備用容量是指為調(diào)整系統(tǒng)中短時的負(fù)荷波動并擔(dān)負(fù)計劃外的負(fù)荷增加而設(shè)置的備用；負(fù)備用是指為調(diào)整系統(tǒng)中短時的負(fù)荷波動并擔(dān)負(fù)計劃外的負(fù)荷減少而設(shè)置的備用。電力系統(tǒng)發(fā)電量和用電量應(yīng)保持平衡，當(dāng)計劃發(fā)電量小于實際用電量時，需要調(diào)節(jié)正備用，增大正備用的投入容量；當(dāng)計劃發(fā)電量大于實際用電量時，需要調(diào)節(jié)負(fù)備用，增大負(fù)備用的投入容量，消納過多的電量。因此，建立電力系統(tǒng)備用容量獲取模型，對于調(diào)度電動汽車優(yōu)化系統(tǒng)容量配置十分重要。本文在借鑒文獻(xiàn)[17]電量不足期望(EENS)和風(fēng)能浪費風(fēng)險(EWWR)指標(biāo)，考慮系統(tǒng)正負(fù)備用的配置，對上述指標(biāo)進(jìn)行改進(jìn)。

1.1 系統(tǒng)差額概率密度函數(shù)獲取方法分析

基于模糊聚類算法[18]對風(fēng)電出力歷史數(shù)據(jù)進(jìn)行聚類分析，聚類生成多組風(fēng)電出力場景，每組出力的情況根據(jù)式(1)得到一個系統(tǒng)差額值(系統(tǒng)失負(fù)荷值或多余發(fā)電出力值)，以及其對應(yīng)的概率密度(即系統(tǒng)差額風(fēng)險概率密度)。

PM(mt=wt,s+gt,s+dt,s-ct,s-lt,s)=

PW(wt,s)·PG(gt,s)·P(dt,s)·P(ct,s)·P(lt,s)

(1)

式中t為時段數(shù)；wt,s、gt,s和dt,s分別表示t時段風(fēng)電機組、常規(guī)機組和電動汽車放電在場景t下的出力值；ct,s和lt,s分別表示t時段電動汽車充電負(fù)荷和常規(guī)負(fù)荷值。

通過以上公式求得每組情況，進(jìn)行概率統(tǒng)計，可得到系統(tǒng)差額風(fēng)險概率密度如圖1所示。其中，黑色陰影部分即系統(tǒng)差額小于0的面積表示系統(tǒng)出力小于負(fù)荷需求的概率；豎線部分即系統(tǒng)差額大于0的面積表示系統(tǒng)出力大于負(fù)荷需求的概率。

圖1 系統(tǒng)差s額概率密度分布

1.2正備用配置需求分析

當(dāng)實際可利用的風(fēng)電功率小于計劃出力或常規(guī)機組強迫停運等情況發(fā)生時，系統(tǒng)出力將小于負(fù)荷需求，出現(xiàn)電量不足現(xiàn)象，本文引用電量不足期望EENS(m)[17]來描述這種情況。

(2)

當(dāng)計劃發(fā)電量小于實際用電量時，需要調(diào)節(jié)系統(tǒng)正備用，增大正備用的投入容量，彌補有功電量不足。圖2描述了正備用量為100 MW時的系統(tǒng)差額概率密度函數(shù)圖，可以明顯看出調(diào)節(jié)備用r+可以降低EENS(m)的值。因此，電量不足期望EENS(m)可修正為：

(3)

圖2 正備用容量為100 MW時系統(tǒng)差額概率密度圖

1.3 負(fù)備用配置需求分析

當(dāng)實際可利用的風(fēng)電功率大于計劃出力情況發(fā)生時，系統(tǒng)出力將大于負(fù)荷需求，出現(xiàn)風(fēng)能浪費現(xiàn)象，本文引入風(fēng)能浪費風(fēng)險EWWR(m)[17]表示這種情況。

(4)

圖3 負(fù)備用容量為100 MW時系統(tǒng)差額概率密度圖

當(dāng)計劃發(fā)電量大于實際用電量時，需要調(diào)節(jié)負(fù)備用，增大負(fù)備用的投入容量，消納過多電量。圖3描述了負(fù)備用量為100 MW時的系統(tǒng)差額概率密度函數(shù)圖，可以很明顯的看出調(diào)節(jié)備用r-可以降低EWWR(m)的值。因此，電量不足期望EWWR(m)可修正為：

(5)

1.4 正負(fù)備用成本分析

電力系統(tǒng)運行的最佳狀態(tài)是發(fā)電量與用電量平衡，既不出現(xiàn)電量供應(yīng)不足現(xiàn)象，又不發(fā)生風(fēng)能浪費現(xiàn)象。因此，電力系統(tǒng)需要配置足夠大的正負(fù)備用容量來均衡供需電量，滿足電量變動需求。設(shè)置正負(fù)備用時需考慮備用成本，備用成本與備用量的關(guān)系一般以邊際成本價格或市場競價等來表征?？紤]到國內(nèi)的市場現(xiàn)狀，可將備用成本價格設(shè)為固定值，因此得到備用成本與備用量成正線性關(guān)系，即：

Fr=k+r++k-r-

(6)

式中k+，k-分別表示表示成本與正負(fù)備用量的線性系數(shù)。

為了降低電量不足期望指標(biāo)值，提高風(fēng)電利用率，系統(tǒng)需要設(shè)置一定比例的正負(fù)備用。正負(fù)備用的成本與正負(fù)容量呈正相關(guān)關(guān)系，因此在配置正負(fù)備用容量時應(yīng)綜合考慮備用成本。

2 電動汽車優(yōu)化調(diào)度模型

通過電價激勵機制等措施，合理調(diào)度電動汽車充放電時間，可以使電動汽車在系統(tǒng)有功電量不足時放電，在出現(xiàn)系統(tǒng)有功過剩時充電，減少系統(tǒng)正負(fù)備用的配置，節(jié)省電網(wǎng)成本。因此，本文考慮系統(tǒng)正負(fù)備用的配置，以用戶充放電成本和正負(fù)備用成本最小為優(yōu)化目標(biāo)，建立電動汽車優(yōu)化調(diào)度模型。

2.1 目標(biāo)函數(shù)

(1)正備用成本

正備用成本與正備用容量成正相關(guān)，因此配置的正備用容量不是越多越好，需要考慮正備用配置的投入成本。

Fr+=k+r+

(7)

式中k+表示單位正備用成本。

(2)負(fù)備用成本

與正備用配置時考慮投入成本一樣，負(fù)備用配置時也需要考慮投入成本。

Fr-=k-r-

(8)

式中k-表示單位負(fù)備用成本。

(4)用戶充放電成本

部分車主會在電價高的時候向電網(wǎng)放電賺取一定的差價，因此車主的總充電成本表示為總的充電成本減去因放電而賺取的總放電收入。

(9)

總的來說，系統(tǒng)正負(fù)容量配置的原則是在滿足供需電量平衡的基礎(chǔ)上最小，電動汽車用戶調(diào)度的原則是用戶充電成本最小。因此，總的目標(biāo)函數(shù)可表述為所有場景下期望最小為目標(biāo)：

(10)

式中Prs表示場景s的概率。

2.2 約束函數(shù)

(1)電量不足約束

電力系統(tǒng)調(diào)度的基本要求是系統(tǒng)中發(fā)出的功率和負(fù)載需求的功率總是保持平衡，當(dāng)計劃發(fā)電量小于實際用電量時，需要調(diào)節(jié)正備用，本文假設(shè)正備用容量滿足調(diào)節(jié)要求：

(11)

(2)風(fēng)浪浪費約束

當(dāng)計劃發(fā)電量大于實際用電量時，需要調(diào)節(jié)負(fù)備用，減少風(fēng)電浪費量。本文假設(shè)負(fù)備用容量滿足調(diào)節(jié)要求：

(12)

(3)可充放電的電動汽車數(shù)量約束

由于受到電動汽車正在使用和車主的意愿的影響，在每個時間段內(nèi)能夠接入電網(wǎng)進(jìn)行充電或者放電的電動汽車數(shù)量是受到一定限制的。這種限制可以表示為：

(13)

式中Nmax為可充放電的電動汽車最大數(shù)量；

(4)充放電需求約束

為滿足行駛需求，電動汽車必須保持足夠的電量，所以電動汽車平均的充電或放電時長必須滿足如下約束：

(14)

(15)

3 仿真分析

為了驗證所提優(yōu)化策略的有效性，本文建立了含風(fēng)電和電動汽車的電網(wǎng)模型，如圖4所示，電動汽車通過配電網(wǎng)接入輸電網(wǎng)，將配電網(wǎng)等效為負(fù)荷。根據(jù)前文提到的模糊聚類算法生成10組風(fēng)電輸出功率的場景，如圖5所示。同時，本文設(shè)置單位正負(fù)備用成本為1.0萬元，日負(fù)荷曲線參考文獻(xiàn)[19]。

圖4 風(fēng)電與電動汽車接入電網(wǎng)系統(tǒng)拓?fù)鋱D

圖5 風(fēng)電輸出功率場景

電動汽車的放電行為會影響到電池的壽命和車主用車的便捷性。因此，為了提高車主參與向電網(wǎng)放電的積極性，使車主在放電時可以賺取額外的利潤，本文設(shè)置電動汽車的放電電價高于充電電價，電動汽車充放電電價曲線如圖6所示。

為了分析不同滲透率下電動汽車數(shù)量對調(diào)度策略的影響，本文分別對2 000輛和5 000輛電動汽車進(jìn)行了優(yōu)化調(diào)度分析。電動汽車在各時段的充放電調(diào)度結(jié)果如圖7和圖8所示。從圖中可以看出，電動汽車充電時間集中在風(fēng)電偏高或者充電電價偏低的時刻；電動汽車放電時間集中在風(fēng)電偏低或者放電價格較高的時刻。

圖6 電動汽車充放電價格曲線

圖7 2 000輛電動汽車充放電數(shù)量分布

為了進(jìn)一步驗證本文所提電動汽車優(yōu)化模型的有效性和正確性，本文給出2 000輛和5 000輛電動汽車無序充放電時充放電數(shù)量分布情況，如圖9所示，并對比分析了電動汽車調(diào)度前后優(yōu)化目標(biāo)的變化。從表1和表2中可以看出，優(yōu)化后的正負(fù)備用成本、車主充電成本都明顯降低。因此，本文提出的優(yōu)化模型是有效的。其他場景分析過程與場景S1相同，可以得出同樣的結(jié)論，這里不再詳細(xì)分析。

圖8 5 000輛電動汽車充放電數(shù)量分布

圖9 電動汽車無序充放電數(shù)量分布

是否優(yōu)化正備用成本(萬元)負(fù)備用成本(萬元)車主充電成本(元)是28.213.8-439否59.3628.231 230

表2 5 000輛優(yōu)化前后各目標(biāo)值變化情況

表3 2 000輛優(yōu)化后各系統(tǒng)功率差額值情況

以2 000輛電動汽車優(yōu)化結(jié)果來分析優(yōu)化后正負(fù)備用容量的優(yōu)化效果及其對電網(wǎng)運行的影響。從表1可以看出優(yōu)化前后正負(fù)備用成本分別減少53%和51%。為了考察系統(tǒng)備用設(shè)置的合理性，表3列出了優(yōu)化后未調(diào)節(jié)正負(fù)備用時的系統(tǒng)差額值，從表3可以看出系統(tǒng)電量不足最大值為28.13 MW，小于正備用容量28.2 MW，不足部分完全可以通過調(diào)節(jié)系統(tǒng)備用容量來彌補；系統(tǒng)棄電最大3.75 MW，小于等于負(fù)備用容量3.75 MW，多余部分完全可以通過調(diào)節(jié)系統(tǒng)負(fù)備用容量來消納，因此該方法考慮了經(jīng)濟性因素，減少了正負(fù)備用設(shè)置容量。

4 結(jié)束語

電動汽車充放電負(fù)荷和風(fēng)電場的出力具有隨機性，大規(guī)模接入電網(wǎng)會影響電網(wǎng)備用容量配置，增加電網(wǎng)運行成本?？紤]到電動汽車作為一種可移動儲能單元，在保證其行駛需求的基礎(chǔ)上，合理調(diào)度電動汽車充放電時間，可以降低系統(tǒng)正負(fù)備用容量配置，提高風(fēng)電利用率。本文充分考慮電網(wǎng)正負(fù)備用容量的配置，建立了電動汽車優(yōu)化調(diào)度模型。通過模糊聚類算法生成多組風(fēng)電出力場景集。然后，對每種場景進(jìn)行概率統(tǒng)計，得到系統(tǒng)差額風(fēng)險概率密度。引入基于電量不足期望指標(biāo)和風(fēng)能浪費風(fēng)險指標(biāo)，提出電力系統(tǒng)正負(fù)備用配置需求。最后，以正負(fù)備用投入成本和用戶充電成本為優(yōu)化目標(biāo)建立了電動汽車優(yōu)化調(diào)度模型。仿真結(jié)果表明該策略能降低電網(wǎng)正負(fù)備用和用戶充電成本，提高電網(wǎng)運行經(jīng)濟性。

本文的研究建立在電動汽車完全服從調(diào)度的基礎(chǔ)上，但是實際上此種情形基本上不存在。實際研究中，需要結(jié)合電價等激勵措施引導(dǎo)電動汽車實現(xiàn)預(yù)期充電行為，并且考慮電動汽車對電價的響應(yīng)行為，進(jìn)一步完善電網(wǎng)正負(fù)備用研究工作。