王守文 宋林潔 周衛(wèi)華

(1.三峽大學(xué) 法學(xué)與公共管理學(xué)院，湖北 宜昌 443002； 2.華中科技大學(xué) 經(jīng)濟學(xué)院，武漢 430074； 3.三峽大學(xué) 電氣與新能源學(xué)院，湖北 宜昌 443002； 4.三峽大學(xué) 社會科學(xué)處，湖北 宜昌 443002)

微電網(wǎng)快速發(fā)展改變了能源消費現(xiàn)狀，在交通方式上也逐漸得到體現(xiàn)，安全可靠、靈活經(jīng)濟、高效節(jié)能的微電網(wǎng)與綠色、環(huán)保、低噪音的電動汽車正逐漸受到社會各界的關(guān)注[1]．

目前，國內(nèi)外學(xué)者主要從電動汽車接入對微電網(wǎng)的影響、電動汽車參與的微電網(wǎng)優(yōu)化調(diào)度以及電動汽車接入微電網(wǎng)模式3個方面進(jìn)行了研究．在對微電網(wǎng)影響方面，蘇小林等[2]從過負(fù)荷和諧波方面分析了電動汽車的大規(guī)模充電對電能質(zhì)量的影響．在優(yōu)化調(diào)度方面，毛玉榮[3]以微電網(wǎng)新能源利用率最大為目標(biāo)，提出了一種兩階段調(diào)度模型．在電動汽車接入微電網(wǎng)模式的研究上，查理[4]認(rèn)為通過可適應(yīng)充電方式，能夠降低電網(wǎng)負(fù)擔(dān)并滿足用戶需求；邵艾博[5]在采用負(fù)荷平衡及規(guī)劃機制后，總能量消耗減少，同時電動汽車消耗的能量沒有發(fā)生變化．

現(xiàn)階段對電動汽車與微電網(wǎng)獨立發(fā)展的研究已足夠成熟，但大規(guī)模EV(Electric Vehicle)接入微電網(wǎng)的研究還不成體系．因此，靈活控制電動汽車在電力負(fù)荷和電儲設(shè)備兩種角色之間的轉(zhuǎn)換，與微電網(wǎng)中其他能量單元實現(xiàn)協(xié)調(diào)運行，才能進(jìn)一步降低微電網(wǎng)規(guī)劃總成本，帶來經(jīng)濟效益[1]和環(huán)境效益[6]．為更好地協(xié)調(diào)微電網(wǎng)中風(fēng)力發(fā)電、光伏發(fā)電、微型燃?xì)廨啓C發(fā)電等分布式能源與電動汽車(EV)的發(fā)展，本文利用蒙特卡洛算法仿真出未來一天大規(guī)模電動汽車充電行為規(guī)律；并在此基礎(chǔ)上建立了能夠同時考慮經(jīng)濟、環(huán)境成本的微電網(wǎng)多目標(biāo)優(yōu)化模型，將多目標(biāo)函數(shù)簡化為單目標(biāo)模型以簡化運算；最后通過實證分析驗證了模型的正確可靠性．

1 電動汽車接入微電網(wǎng)運行模式

在先進(jìn)的能量管理裝置與科學(xué)的峰谷分時電價的協(xié)調(diào)管理下，電動汽車用戶通過換電站進(jìn)行有序充放電，微電網(wǎng)通過消納分布式能源以供普通負(fù)荷以及電動汽車用戶使用，并通過換電站和PCC開關(guān)協(xié)調(diào)實現(xiàn)電能的余量上網(wǎng)、余缺網(wǎng)補，大電網(wǎng)可以通過換電站和PCC開關(guān)在負(fù)荷高峰時段向微電網(wǎng)或換電站購入電能，在負(fù)荷低谷時段售出電能，滿足電網(wǎng)的經(jīng)濟性，并達(dá)到削峰填谷的目的．電動汽車接入微電網(wǎng)的運行模式如圖1所示．

圖1 電動汽車接入微電網(wǎng)運行模式

2 計入電動汽車的微電網(wǎng)優(yōu)化模型構(gòu)建

2.1 風(fēng)機出力模型

風(fēng)機發(fā)電功率計算公式如下[7]：

(1)

其中，P(v)為風(fēng)機出力功率；Pr為風(fēng)機額定輸出功率；v為實際風(fēng)速(m/s)；vi為風(fēng)機切入風(fēng)速；vr為額定風(fēng)速；vc為截止風(fēng)速；fP(v)為輸出特性．

其中輸出特性公式，即風(fēng)速功率關(guān)系，服從冪函數(shù)計算公式：

fP(v)=a(v-vi)b

(2)

并由擬合結(jié)果得：a=61.06，b=1.173．

2.2 光伏陣列功率模型

光伏陣列的功率輸出模型如下[8]：

(3)

其中，PPV為光伏陣列出力功率；fPV為降額因數(shù)；YPV為光伏陣列容量(kW)；IT為地表面實測光照度(kW/m2)；IS為標(biāo)準(zhǔn)光照度；αP為功率溫度系數(shù)；Tcell為當(dāng)前光伏電池表面溫度(℃)；Tcell,stc為標(biāo)準(zhǔn)溫度，一般取25℃．

2.3 微型燃?xì)廨啓C模型

微型燃?xì)廨啓C有功出力與熱出力關(guān)系模型如下：

(4)

其中，PMT，QMT分別為微型燃?xì)廨啓C的有功出力與熱出力；ηe，ηt分別為發(fā)電、發(fā)熱效率系數(shù)．

(5)

其中，VMT為微型燃?xì)廨啓C燃料消耗量；qLH，gas為燃料低熱值(kW·h/m3)；Δt為單位時間間隔，取1 h．

(6)

其中，kMT為微型燃?xì)廨啓C的熱電效率比；a，b，c均為常系數(shù)[9]．

2.4 電動汽車充電特性模型

對于某一地區(qū)，電動汽車保有量是確定值，假設(shè)常規(guī)充電的電動汽車電池容量、電動汽車平均充電功率及每公里平均耗電量為固定值，數(shù)據(jù)見表1，且無充電時長的限制．對電動汽車充電行為的3個特征量(充電開始時刻、連接時長和充電電量)與電動汽車平均充電功率構(gòu)建規(guī)模電動汽車充電特性模型如下：

(7)

其中，SC為總充電電量；N為接入微電網(wǎng)的電動汽車數(shù)量；t0為充電開始時刻；TC為連接時長；PC(t)為平均充電功率．

表1 電動汽車相關(guān)參數(shù)

在平均充電功率下，充電連接時長滿足下式：

(8)

其中，Si為電池容量；d為日行駛里程；W為每公里平均耗電量．

2.5 微電網(wǎng)系統(tǒng)成本模型

構(gòu)建計入電動汽車的微電網(wǎng)經(jīng)濟-環(huán)境效益優(yōu)化模型的目標(biāo)函數(shù)如下：

Ctotal=min(CF，CQ，CM，CEV)

(9)

式中，Ctotal為微電網(wǎng)與電動汽車系統(tǒng)總成本；CF為微電網(wǎng)各設(shè)備初始投建成本；CQ為系統(tǒng)運維成本；CM為CO2、SO2、NOX等氣體排放的環(huán)境總成本；CEV為電動汽車并網(wǎng)費用．

構(gòu)建單目標(biāo)微電網(wǎng)系統(tǒng)成本函數(shù)模型如下：

minCtotal=m1CF+m2CQ+m3CM+m4CEV

(10)

式中，m1，m2，m3，m4為各指標(biāo)的綜合權(quán)重．

1)微電網(wǎng)風(fēng)力發(fā)電機組、光伏陣列以及微型燃?xì)廨啓C各設(shè)備初始投建成本CF：

CF=CWT+CPV+CMT

(11)

式中，CWT、CPV、CMT分別為風(fēng)力發(fā)電、光伏發(fā)電、微型燃?xì)廨啓C各設(shè)備的初始投建成本．

2)微電網(wǎng)運維成本CQ包括風(fēng)力發(fā)電、光伏發(fā)電、微型燃?xì)廨啓C的日常維護費用和燃?xì)廨啓C的燃料費用．微電網(wǎng)機組出力以及電動汽車充放電過程均存 在損耗，效率約為92%[10]，公式如下：

(12)

式中，Pi為第i種機組電源的出力；RWT、RPV、RMT分別為3種分布式電源的日常維護費用；Q為天然氣價格；D為天然氣低熱值．

3)CO2、SO2、NOX等氣體排放的環(huán)境總成本CM：

CM=k1M1+k2M2+k3M3

(13)

式中，k1、k2、k3分別為CO2、SO2、NOX等氣體對大氣的危害程度，M1、M2、M3分別為3種污染氣體的排放量．

4)電動汽車不會有污染氣體的排放，其燃料來源于微電網(wǎng)的清潔能源發(fā)電，因此電動汽車的并網(wǎng)費用包括電動汽車初始投資成本，以及電動汽車向微電網(wǎng)購電費用，公式如下：

(14)

式中，C1為電動汽車購置費用；SC(t)為單位時間內(nèi)電動汽車總充電電量；RC(t)表示在t時段用戶電動汽車向系統(tǒng)售電電價；RD(t)表示在t時段向系統(tǒng)的購電電價．其中約束條件為

(15)

式中，P1為微電網(wǎng)從低壓配電網(wǎng)吸收的有功功率；PEV為電動汽車充放電功率，正值表示充電，負(fù)值表示放電；PL為微電網(wǎng)負(fù)荷；Pc，min，Pc，max分別為微電源充電下限和上限；Pd，min，Pd，max分別為微電源放電下限和上限．

3 微電網(wǎng)電動汽車接入效益的實證分析

3.1 電動汽車接入微電網(wǎng)負(fù)荷曲線預(yù)測

利用蒙特卡羅算法抽取電動汽車起始SOC，在滿足充電所需時長和已給充電起始時間的限制下，進(jìn)行負(fù)荷量的計算．以某地100輛電動汽車為例，利用蒙特卡羅算法抽取起始SOC，在滿足充電所需時長和已給充電起始時間的限制下，進(jìn)行負(fù)荷量的計算，通過100輛電動汽車的時間與開始充電時刻、充電連接時長、充電電量等相關(guān)數(shù)據(jù)導(dǎo)入可以仿真出大規(guī)模電動汽車充電行為符合正態(tài)分布(如圖2所示)．

圖2 大規(guī)模電動汽車充電行為特征量概率分布圖

由上得出電動汽車充電行為特征量的分布規(guī)律后，計算100輛電動汽車的充電負(fù)荷規(guī)律，并計算得到未來一天規(guī)?；疎Vs總體負(fù)荷曲線與微電網(wǎng)發(fā)電量進(jìn)行對比得到圖3；通過分析曲線特征，可以看到微電網(wǎng)發(fā)電電量存在不滿足用戶需求電量的問題，在不滿足用戶需求時會產(chǎn)生向大電網(wǎng)購電的一系列行為，也可以為下一步預(yù)測出規(guī)?；疎Vs有序充電的最優(yōu)系統(tǒng)成本提供數(shù)據(jù)支持[11]．

圖3 預(yù)測未來一天規(guī)模化EVs總體負(fù)荷曲線與微電網(wǎng)發(fā)電量

3.2 電動汽車接入微電網(wǎng)最優(yōu)系統(tǒng)成本

模型主要技術(shù)參數(shù)如下．

風(fēng)機參數(shù)：風(fēng)機額定輸出功率850 kW；風(fēng)機切入風(fēng)速4 m/s；額定風(fēng)速13 m/s；截止風(fēng)速25 m/s．

光伏陣列參數(shù)：降額因數(shù)0.9；標(biāo)準(zhǔn)光照度取1 kW/m2，功率溫度系數(shù)取-0.5%/℃．

微型燃?xì)廨啓C參數(shù)：熱功率取228 kW，微型燃?xì)廨啓C的熱電效率比取50%，燃料低熱值取9.77 kW·h/m3．

POS參數(shù)：c1=c2=1.494，w=0.729，最大迭代次數(shù)Tmax=170，粒子數(shù)選取100．并與不計及電動汽車的微電網(wǎng)系統(tǒng)成本進(jìn)行對比．

分析所需機組投運成本見表2[12]．

表2 機組投運成本

污染物參數(shù)見表3．

表3 污染物參數(shù)

以某地微電網(wǎng)購電電價為依據(jù)見表4．

表4 某地微電網(wǎng)各時段購電電價

1)AHP對各因素的重要性進(jìn)行兩兩比較．

在假設(shè)各指標(biāo)相互獨立的前提下，為了使數(shù)據(jù)更加標(biāo)準(zhǔn)合理化，設(shè)計調(diào)查問卷并邀請50位本領(lǐng)域?qū)＜?包括高校電力學(xué)科研究人員、國家電網(wǎng)和南方電網(wǎng)等電網(wǎng)公司的技術(shù)人員、電力銷售部門高層等)組成專家小組，對小組成員進(jìn)行逐一采訪并開展討論得到最初的判斷矩陣，判斷矩陣通過了一致性檢驗可得到初始權(quán)重，再將影響度加權(quán)到初始權(quán)重中得到綜合矩陣(見表5)．

表5 成本系數(shù)評估總權(quán)重

2)基于迭代的優(yōu)化技術(shù)粒子算法．

在170次迭代中取9次最優(yōu)結(jié)果得到迭代收斂結(jié)果，如圖4所示．其中實線部分為不計電動汽車并網(wǎng)情況下的系統(tǒng)成本；虛線部分為計入電動汽車并網(wǎng)情況下系統(tǒng)成本．對算例進(jìn)行兩次仿真，第一次為不計入電動汽車的微電網(wǎng)運行模式，第二次在其他條件不變的情況下在微電網(wǎng)運行模式下接入電動汽車，得到兩條系統(tǒng)總成本曲線(如圖4所示)．一方面，在170次迭代中，隨著迭代的次數(shù)增加系統(tǒng)成本也呈現(xiàn)出遞減的趨勢，并且系統(tǒng)成本能夠跳出局部最優(yōu)，進(jìn)而在全局內(nèi)完成尋優(yōu)過程得到系統(tǒng)成本最低值．另一方面，計入電動汽車的微電網(wǎng)系統(tǒng)在第122次迭代時系統(tǒng)總成本收斂到890萬元，不計入電動汽車其迭代次數(shù)在114次時系統(tǒng)總成本收斂于980萬元．算例分析結(jié)果表明，雖然計入電動汽車的目標(biāo)函數(shù)的迭代次數(shù)比只計微電網(wǎng)系統(tǒng)的迭代次數(shù)多1次，但系統(tǒng)總成本卻有明顯的降低．

圖4 迭代收斂圖

3)微電網(wǎng)各單元最優(yōu)出力情況．

將算例帶入Matlab中得到包含EVs與不包含EVs的兩種情況的微電網(wǎng)各單元最優(yōu)出力，見表6．

表6 微電網(wǎng)各單元最優(yōu)出力 (單位：kV)

如表6所示為未來24 h不包含EVs微電網(wǎng)各單元最優(yōu)出力和包含電動汽車微電網(wǎng)各單元最優(yōu)出力，假設(shè)微電網(wǎng)發(fā)電設(shè)備與儲能設(shè)備都是偏緊配置，即在負(fù)荷高峰期，在各發(fā)電單元提供的電能外(其中，風(fēng)電與光伏發(fā)電為不可控發(fā)電設(shè)備，微型燃?xì)廨啓C為可控發(fā)電設(shè)備)，由可調(diào)度電動汽車進(jìn)行電能補充，最后再考慮向大電網(wǎng)購電．可以看到負(fù)荷高峰期集中在10：00-18:00之間，但由于風(fēng)力發(fā)電的反調(diào)峰特征，使得微型燃?xì)廨啓C的輸出處于高峰期．在平谷期，風(fēng)能和太陽能較為充足，微型燃?xì)廨啓C輸出較少．橫向?qū)Ρ龋c不包含EVs的微電網(wǎng)中可以看到可調(diào)度的電動汽車相當(dāng)于一個沒有投資成本的移動蓄電池，因此，大規(guī)模電動汽車的并入可以起到降低微電網(wǎng)系統(tǒng)成本的作用．另外，給用戶也帶來了可觀的收益，達(dá)到了雙贏的效果．

4 結(jié) 論

本文基于蒙特卡洛和粒子群優(yōu)化算法，利用Matlab對算法進(jìn)行實證分析，將環(huán)保-經(jīng)濟的多目標(biāo)轉(zhuǎn)化為單目標(biāo)問題，對將電動汽車這一具有剩余電量的隨機性的移動式儲能接入到微電網(wǎng)規(guī)劃之中，構(gòu)建仿真模型進(jìn)行系統(tǒng)成本最低尋優(yōu)，并與不計入電動汽車的微網(wǎng)系統(tǒng)進(jìn)行數(shù)據(jù)比較．在驗證模型有效性的同時，也得出電動汽車的儲能特性在滿足系統(tǒng)負(fù)荷需求的要求基礎(chǔ)上能夠有效降低環(huán)境及系統(tǒng)總成本．不足之處在于沒能夠?qū)⒏鱾€地方政府的宏觀調(diào)控與相關(guān)促進(jìn)電動汽車推行等難以量化的指標(biāo)考慮到算法中去，這個問題將在后續(xù)研究中繼續(xù)展開．