屈富敏，趙 健 ，蔡 幟，胡超凡 ，戴 賽，孫 芊

（1.中國電力科學(xué)研究院有限公司，北京 100192；2.國網(wǎng)河南省電力公司電力科學(xué)研究院，鄭州 450052；3.國家電網(wǎng)有限公司，北京 100031）

需求響應(yīng)是指用戶針對電力價(jià)格信號或者激勵(lì)機(jī)制做出響應(yīng)、改變正常電力消費(fèi)模式的市場參與行為，它目前是智能電網(wǎng)研究的重點(diǎn)[1-2]。電動汽車EV（electric vehicle）由于其低能耗、零排放的巨大優(yōu)勢，在世界范圍內(nèi)快速發(fā)展[3-4]，我國預(yù)計(jì)到2030年，電動汽車占有量將突破6 000萬輛，隨著電動汽車接入電網(wǎng)的比例持續(xù)增加，將對電網(wǎng)的安全穩(wěn)定運(yùn)行造成一系列新的影響[5-6]。溫控類負(fù)荷 TCL（thermostatically-controlled load）包括空調(diào)、電熱水器、電冰箱等，溫控負(fù)荷在居民用電與商業(yè)用電中所占比例巨大，例如在夏季用電高峰時(shí)期，全網(wǎng)總用電量的40%將用于滿足空調(diào)負(fù)荷需求，為此需要啟動系統(tǒng)備用容量，降低了系統(tǒng)運(yùn)行的經(jīng)濟(jì)性。

電動汽車借助充電樁從電網(wǎng)獲取電能，同時(shí)在激勵(lì)機(jī)制下能夠向改變與電網(wǎng)交換功率的大小，實(shí)現(xiàn)與電網(wǎng)之間的V2G（vehicle-to-grid）互動[7-9]，從而達(dá)到輔助電網(wǎng)安全穩(wěn)定運(yùn)行的目的。溫控負(fù)荷可以快速改變開關(guān)狀態(tài)，并在短時(shí)間內(nèi)不會大幅改變室溫、水溫等用戶舒適度指標(biāo)，因此，溫控負(fù)荷虛擬電廠在不影響用戶需求的前提下，通過對運(yùn)行狀態(tài)的一系列控制，能夠提供較好的輔助服務(wù)，是一種參與需求響應(yīng)控制的重要資源[10]。

目前，已有文獻(xiàn)針對電動汽車和溫控負(fù)荷虛擬電廠的建模和控制策略展開研究。針對電動汽車充電負(fù)荷的預(yù)測，文獻(xiàn)[11]提出了單體電動汽車V2G模型，在此基礎(chǔ)上對電動汽車虛擬電廠的V2G響應(yīng)能力進(jìn)行評估。電動汽車虛擬電廠參與電網(wǎng)運(yùn)行可有效促進(jìn)電網(wǎng)安全穩(wěn)定運(yùn)行，其中包括：促進(jìn)可再生能源的消納[12]、降低電網(wǎng)網(wǎng)損[13]及提升電網(wǎng)頻率穩(wěn)定[14]等。文獻(xiàn)[15]通過分析溫控負(fù)荷的用能特性，提出了溫控負(fù)荷虛擬電廠模型，并探究了溫控負(fù)荷虛擬電廠進(jìn)行功率調(diào)節(jié)的可能性，通過有效控制可以平抑可再生能源功率波動[16]、提升系統(tǒng)頻率穩(wěn)定[17]等。

已有針對電動汽車和溫控負(fù)荷虛擬電廠建模方法的研究，未能全方位分析虛擬電廠建模所需的數(shù)據(jù)，未能提供單體可控負(fù)荷的精細(xì)化模型，所建立的虛擬電廠模型未能充分分析虛擬電廠響應(yīng)能力的時(shí)空分布特性；已有針對電動汽車和溫控負(fù)荷虛擬電廠控制策略的研究，未能提出電動汽車和溫控負(fù)荷虛擬電廠的協(xié)同優(yōu)化控制策略，未能充分分析用戶用能舒適度所帶來的約束，以降低參與控制對用戶用能舒適度的影響。

為此，本文在充分分析電動汽車和溫控負(fù)荷虛擬電廠建模所需數(shù)據(jù)的基礎(chǔ)上，建立了單體入網(wǎng)電動汽車和溫控負(fù)荷的精細(xì)化模型，用以分析電動汽車和溫控負(fù)荷在接入電網(wǎng)用能過程中的響應(yīng)特性，結(jié)合電動汽車和溫控負(fù)荷的接入狀態(tài)，提出了電動汽車和溫控負(fù)荷虛擬電廠模型；在此基礎(chǔ)上，提出了兩類虛擬電廠協(xié)同控制的實(shí)現(xiàn)框架，以經(jīng)濟(jì)調(diào)控成本最低為目標(biāo)構(gòu)建了協(xié)同控制模型，同時(shí)提出了考慮用能舒適度和接入狀態(tài)的序列排序控制策略，以降低控制對用能舒適度的影響。

1 電動汽車與溫控負(fù)荷虛擬電廠模型

1.1 電動汽車與溫控負(fù)荷虛擬電廠模型的實(shí)現(xiàn)框架

電動汽車虛擬電廠模型所需的數(shù)據(jù)結(jié)構(gòu)如圖1所示，通過對電動汽車特征參數(shù)進(jìn)行統(tǒng)計(jì)分析，獲取電動汽車虛擬電廠模型構(gòu)建的關(guān)鍵參數(shù)。

圖1 構(gòu)建電動汽車虛擬電廠模型所需數(shù)據(jù)結(jié)構(gòu)Fig.1 Required data structure for modeling EV aggregator

溫控負(fù)荷虛擬電廠模型所需的數(shù)據(jù)結(jié)構(gòu)如圖2所示，通過對溫控負(fù)荷特征參數(shù)進(jìn)行統(tǒng)計(jì)分析，獲取溫控負(fù)荷虛擬電廠模型構(gòu)建的關(guān)鍵參數(shù)。

圖2 構(gòu)建溫控負(fù)荷虛擬電廠模型所需數(shù)據(jù)結(jié)構(gòu)Fig.2 Required data structure for modeling TCL aggregator

通過對電動汽車和溫控負(fù)荷的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行分析，兩類負(fù)荷虛擬電廠模型的實(shí)現(xiàn)框架如圖3所示。

圖3 電動汽車與溫控負(fù)荷虛擬電廠模型的實(shí)現(xiàn)框架Fig.3 Implementation framework of aggregator models of EVs and TCLs

1.2 電動汽車虛擬電廠建模過程

獨(dú)立電動汽車在入網(wǎng)過程中的響應(yīng)特性如圖4所示。圖4中：橫坐標(biāo)為電池的SOC；縱坐標(biāo)為時(shí)間；陰影區(qū)域ABCFED來說明電動汽車入網(wǎng)過程中的響應(yīng)特性；SOCs為電動汽車入網(wǎng)時(shí)的SOC；為電動汽車允許的放電下限；為電動汽車允許的充電上限；ts為電動汽車入網(wǎng)的時(shí)間；td為電動汽車離開電網(wǎng)的時(shí)間；SOCd為滿足用戶的出行需求，需保障電動汽車離開電網(wǎng)前保持SOC在（SOCd，）的范圍（即CF線段）。

圖4 電動汽車接入電網(wǎng)的響應(yīng)特性Fig.4 Response characteristics of plug-in EV

電動汽車的可控區(qū)域如圖4陰影區(qū)域所示，處于可控區(qū)域內(nèi)的電動汽車為參與系統(tǒng)的需求響應(yīng)，可通過調(diào)整與電網(wǎng)交換功率的大小實(shí)現(xiàn)[18]。以向電網(wǎng)反供電為正方向，即

式中：t時(shí)刻入網(wǎng)電動汽車的有功功率為Pt，其最大值為Pˉt，最小值為

以保有N0輛電動汽車的虛擬電廠為例，以下步驟用來獲取電動汽車虛擬電廠模型。

（1）確定電動汽車接入電網(wǎng)的初始SOC。

為確定電動汽車接入電網(wǎng)時(shí)的初始SOC，通過分析電動汽車一系列參數(shù)，其中包括出行前的SOC、電動汽車基礎(chǔ)參數(shù)（容量、能耗）和運(yùn)行參數(shù)（日出行距離）等，即

式中：D為電池容量；d為電動汽車的日出行距離；Ce為每公里電池能耗；SOCs為入網(wǎng)時(shí)的初始SOC，δ為用戶出行前的SOC值。

利用蒙特卡羅方法對電池容量的概率分布進(jìn)行抽樣，確定電動汽車的電池容量D；基于相同方法，根據(jù)電池能耗和日出行距離的概率分布，分別抽樣確定每公里的電池能耗Ce和日出行距離d。在上述數(shù)據(jù)的基礎(chǔ)上，利用式（2）確定電動汽車入網(wǎng)時(shí)的初始狀態(tài)。

（2）確定電動汽車的出行時(shí)間。

出行時(shí)間包括：開始和結(jié)束出行時(shí)間。根據(jù)開始出行時(shí)間和結(jié)束出行時(shí)間的概率分布，利用蒙特卡羅方法，分別抽樣確定電動汽車的開始出行時(shí)間td（電動汽車離開電網(wǎng)時(shí)刻）和電動汽車的結(jié)束出行時(shí)間td（電動汽車接入電網(wǎng)時(shí)刻），結(jié)合步驟（1），確定入網(wǎng)時(shí)的SOCs。

（3）確定用戶的出行需求。

根據(jù)用能需求的概率分布，抽樣確定電動汽車出行對SOC的需求SOCd。充電時(shí)的SOC不斷變化，如式（3）所示，由于本文以電動汽車向電網(wǎng)供電方向，即反供電為正方向，因此充電時(shí)Pt為負(fù)值，同時(shí)Pt需要滿足交換功率的限制。在入網(wǎng)時(shí)段內(nèi)，實(shí)時(shí)SOC值SOCt受圖4陰影區(qū)域的約束，以保證出行需求。

式中：Δt為時(shí)間間隔；Dj,t為如式（4）的廣義電池容量。

式中，ηc和ηd分別為充電和放電效率(0≤ηc,ηd≤ 1)。

（4）確定電動汽車虛擬電廠響應(yīng)能力。

設(shè)實(shí)時(shí)入網(wǎng)的電動汽車數(shù)量為nt（nt≤N0虛擬電廠中總車輛數(shù)），則電動汽車虛擬電廠與電網(wǎng)交換的功率如式（5）所示。本文定義電動汽車虛擬電廠的上調(diào)能力和下調(diào)能力（≤ 0），分別如式（6）和（7）所示。

1.3 溫控負(fù)荷虛擬電廠建模過程

在眾多家居溫控負(fù)荷中，電熱泵設(shè)備是一種較為典型的代表。由于家居溫控負(fù)荷具有良好的熱儲能特性，為此電熱泵設(shè)備逐漸成為家居型需求響應(yīng)控制技術(shù)的研究重點(diǎn)。電熱泵設(shè)備基本動態(tài)過程和熱力學(xué)等值模型分別如圖5和圖6所示。其他溫控設(shè)備如電空調(diào)、電冰箱、電熱水器等與其原理類似。

以一天內(nèi)溫控負(fù)荷所在室內(nèi)溫度為狀態(tài)變量，溫度的變化如式（8）所示。電熱泵的響應(yīng)特性如圖5所示，圖中陰影部分為電熱泵負(fù)荷響應(yīng)的可控區(qū)域。

圖5 單個(gè)溫控負(fù)荷動態(tài)特性Fig.5 Dynamic characteristics of an individual TCL

圖6 單個(gè)溫控負(fù)荷熱力學(xué)等值模型Fig.6 Equivalent thermodynamics model of an individual TCL

如圖7所示，為保證用戶用能舒適度，室內(nèi)溫度的上、下限為[θlower，θupper]；[0，t2]時(shí)段溫控負(fù)荷處于開啟狀態(tài)，室溫上升，[t2，t4]時(shí)段處于關(guān)斷狀態(tài)，室溫下降；[0，t1]時(shí)段室溫由θlower變化為此時(shí)開啟時(shí)間較短，不宜參與控制；[t1，t2]時(shí)段室內(nèi)溫度由變化為θupper，此時(shí)溫控負(fù)荷能夠通過關(guān)斷參與系統(tǒng)響應(yīng)；[t2，t3]時(shí)段室溫由θupper變化為，此時(shí)溫控負(fù)荷關(guān)斷時(shí)間較短，不宜參與控制；[t3，t4]時(shí)段室溫由變化為θlower，此時(shí)溫控負(fù)荷能夠通過開啟參與系統(tǒng)響應(yīng)。

圖7 單個(gè)溫控負(fù)荷響應(yīng)特性Fig.7 Response characteristics of an individual TCL

式中，PL,c為溫控負(fù)荷的額定消耗功率，θt為溫控負(fù)荷的開關(guān)狀態(tài)。

設(shè)電熱泵數(shù)量為m，則組成的溫控負(fù)荷虛擬電廠的輸出功率如式（10）所示，輸出功率的上、下邊界和分別如式（11）和（12）所示。

2 電動汽車與溫控負(fù)荷虛擬電廠協(xié)同優(yōu)化控制策略

2.1 電動汽車與溫控負(fù)荷虛擬電廠協(xié)同優(yōu)化控制實(shí)現(xiàn)框架

電動汽車與溫控負(fù)荷虛擬電廠協(xié)同優(yōu)化控制策略的實(shí)現(xiàn)框架如圖8所示。電網(wǎng)控制中心實(shí)時(shí)采集系統(tǒng)的運(yùn)行數(shù)據(jù)，根據(jù)電網(wǎng)需求確定兩類虛擬電廠提供邊界的反饋信息，確定兩類虛擬電廠需要響應(yīng)的總?cè)萘?，并發(fā)出控制命令。根據(jù)兩類虛擬電廠的經(jīng)濟(jì)成本模型，通過優(yōu)化，確定各類虛擬電廠需要響應(yīng)的容量。各類虛擬電廠根據(jù)響應(yīng)目標(biāo)生成控制信號，從而實(shí)現(xiàn)虛擬電廠輸出功率大小的調(diào)節(jié)。兩類虛擬電廠模型重新計(jì)算各負(fù)荷的狀態(tài)及虛擬電廠響應(yīng)能力邊界的變化，并將此信息反饋給電網(wǎng)控制中心。

2.2 電動汽車與溫控負(fù)荷虛擬電廠協(xié)同優(yōu)化控制策略

電動汽車與溫控負(fù)荷輸出功率的成本函數(shù)[19]為

圖8 電動汽車與溫控負(fù)荷虛擬電廠協(xié)同優(yōu)化控制實(shí)現(xiàn)框架Fig.8 Implementation framework of coordinated optimal control for aggregators of EVs and TCLs

式中：Ct為t時(shí)刻虛擬電廠參與系統(tǒng)響應(yīng)經(jīng)濟(jì)成本；Pt為t時(shí)刻虛擬電廠可以提供的響應(yīng)容量；at、bt、ct為t時(shí)刻虛擬電廠的經(jīng)濟(jì)成本函數(shù)系數(shù)。

由于每個(gè)時(shí)刻兩類虛擬電廠輸出功率調(diào)節(jié)的經(jīng)濟(jì)成本受該時(shí)刻用戶接入狀態(tài)和數(shù)量的影響，所以虛擬電廠的經(jīng)濟(jì)成本函數(shù)的系數(shù)隨時(shí)間變化。電動汽車與溫控負(fù)荷虛擬電廠協(xié)同控制模型的優(yōu)化目標(biāo)函數(shù)為

式中：Cz,t為t時(shí)刻兩類虛擬電廠參與系統(tǒng)響應(yīng)總經(jīng)濟(jì)成本；CEV,t為電動汽車虛擬電廠參與響應(yīng)的經(jīng)濟(jì)成本；CTCL,t為溫控負(fù)荷虛擬電廠參與響應(yīng)的經(jīng)濟(jì)成本；aEV,t、bEV,t、cEV,t為電動汽車虛擬電廠的成本函數(shù)系數(shù)；aTCL,t、bTCL,t、cTCL,t為溫控負(fù)荷虛擬電廠的成本函數(shù)系數(shù)。

兩類虛擬電廠響應(yīng)能力邊界的約束為

式中：PEV,t和PTCL,t分別為電動汽車和溫控負(fù)荷虛擬電廠的調(diào)節(jié)容量；PZ(t)為t時(shí)刻虛擬電廠需要調(diào)節(jié)的總功率，根據(jù)上層配電網(wǎng)優(yōu)化結(jié)果獲得；PEVc,t為t時(shí)刻電動汽車虛擬電廠負(fù)荷功率；和分別為電動汽車虛擬電廠的上、下邊界；PTCLc,t為t時(shí)刻溫控負(fù)荷虛擬電廠負(fù)荷功率；和分別為溫控負(fù)荷虛擬電廠的上、下邊界。

2.3 電動汽車與溫控負(fù)荷控制策略

基于狀態(tài)隊(duì)列的電動汽車控制策略如圖9所示。該策略的核心在于基于狀態(tài)排序控制電動汽車的荷電狀態(tài)SOC。在分布式電源出力較高時(shí)，按照荷電狀態(tài)由低到高的順序?qū)㈦妱悠囃度氲匠潆姞顟B(tài)；在分布式電源出力較低時(shí)，按照荷電狀態(tài)由高到低的順序?qū)㈦妱悠囃度氲介e置狀態(tài)；當(dāng)系統(tǒng)功率缺額較大時(shí)，按照荷電狀態(tài)由高到低的順序?qū)㈦妱悠囃度氲椒垂╇姞顟B(tài)。

圖9 基于狀態(tài)隊(duì)列的電動汽車控制策略Fig.9 Control strategy for EVs based on state queue

基于狀態(tài)隊(duì)列的溫控負(fù)荷控制流程如圖10所示。該策略的核心在于基于室溫排序控制溫控負(fù)荷的用電狀態(tài)。在分布式電源出力較高時(shí)，按照受控室溫由高到低的順序?qū)乜刎?fù)荷投入到關(guān)斷狀態(tài)；在分布式電源出力較低時(shí)，按照受控室溫由低到高的順序?qū)乜刎?fù)荷投入到開啟狀態(tài)。

3 算例結(jié)果及分析

3.1 算例場景

1）電動汽車參數(shù)信息

算例中假設(shè)電動汽車的額定充電功率為6.6 kW，電動汽車的統(tǒng)計(jì)數(shù)據(jù)，包括出行前的SOC、電動汽車基礎(chǔ)參數(shù)（容量、單位公里能耗、充放電效率）和運(yùn)行參數(shù)（開始和結(jié)束出行時(shí)間、日出行距離）等，參考文獻(xiàn)[20]。

圖10 基于狀態(tài)隊(duì)列的溫控負(fù)荷控制策略Fig.10 Control strategy for TCLs based on state queue

2）溫控負(fù)荷參數(shù)信息

假設(shè)溫控負(fù)荷額定功率服從U（6，10）的均勻分布。為保證用戶用能舒適度，溫度設(shè)定值Tset為21℃，溫度上、下邊界δ為±2℃。假設(shè)等值熱阻R、等值熱容C、熱功率Q均取值典型參數(shù)，分別在[0.101，0.141] ℃∕W、[3579.3，3619.3]J∕℃ 、[398，402]W范圍內(nèi)服從均勻分布。采用蒙特卡羅方法對R、C、Q的取值進(jìn)行隨機(jī)抽樣，從而獲取溫控負(fù)荷群體的仿真參數(shù)。

溫控負(fù)荷模型受室外溫度變化的影響，以一天中室外溫度的變化曲線為參考，假設(shè)室外溫度變化滿足圖11所示的變化規(guī)律。

圖11 室外溫度變化情況Fig.11 Variation in outdoor temperature

3）協(xié)同優(yōu)化調(diào)控參數(shù)

假設(shè)在5：00和20：00時(shí)刻發(fā)出針對虛擬電廠的調(diào)度控制命令，虛擬電廠總共需要在5：00減少虛擬電廠出力總功率PZ(t) 為7.9 MW，在20：00時(shí)刻需要增加虛擬電廠總功率PZ(t)為6.2 MW。

在5：00和20：00時(shí)刻，針對于電動汽車虛擬電廠的成本函數(shù)參數(shù)，aEV,t為0.404元∕MW2，bEV,t為6.470元∕MW2，cEV,t為4.300元，針對于溫控負(fù)荷虛擬電廠的成本函數(shù)參數(shù)，aTCL,t為0.024元∕MW2，bTCL,t為12.940元∕MW2，cTCL,t為8.400元。

3.2 算例結(jié)果分析

1）電動汽車虛擬電廠響應(yīng)能力

圖12所示為電動汽車虛擬電廠輸出功率及其上、下邊界的分布情況，“有功功率”曲線為電動汽車充電負(fù)荷，從電廠的角度認(rèn)為是電動汽車虛擬電廠的有功出力，“上邊界”和“下邊界”曲線分別為電動汽車虛擬電廠可提供的功率出力的上、下邊界。圖13所示為相應(yīng)每個(gè)時(shí)刻的電動汽車響應(yīng)狀態(tài)分布，“空閑”狀態(tài)表示充電樁無電動汽車接入，“僅接入”狀態(tài)表示充電樁有電動汽車接入但電動汽車與電網(wǎng)無功率交換，“充電”狀態(tài)表示充電樁上電動汽車處于充電狀態(tài)，“反供電”狀態(tài)表示充電樁上電動汽車處于放電狀態(tài)。

圖12 電動汽車虛擬電廠響應(yīng)能力Fig.12 Response capacity of EV aggregator

圖13 虛擬電廠中電動汽車的響應(yīng)狀態(tài)分布Fig.13 Distribution of EV response status in aggregator

0：00—6：00：該時(shí)間段內(nèi)，多數(shù)用戶尚未出行，電動汽車由于未達(dá)到出行所需SOC狀態(tài)，因此處于滿充狀態(tài)，充電負(fù)荷低，具有較大的有功功率調(diào)節(jié)范圍，屬于可控狀態(tài)。

6：00—16：00：該時(shí)間段內(nèi)，用戶行為由空閑逐漸轉(zhuǎn)為出行，可控的電動汽車數(shù)量急劇減少電動汽車充電負(fù)荷低，有功功率調(diào)節(jié)范圍小。

16：00—20：00：從電動汽車處于充電狀態(tài)的比例明顯高于其他時(shí)段可以看出，由于多數(shù)車輛出行結(jié)束，在該時(shí)段內(nèi)逐漸接入電網(wǎng)，開始充電階段SOC較小，且處于不可控狀態(tài)。

20：00—0：00：隨著電動汽車接入電網(wǎng)時(shí)間增加，處于滿充狀態(tài)的電動汽車開始增多，可控電動汽車的比例增大，充電負(fù)荷降低，有功功率調(diào)節(jié)范圍增大。

2）溫控負(fù)荷虛擬電廠響應(yīng)能力

溫控負(fù)荷虛擬電廠輸出功率及其上、下邊界的分布情況如圖14所示，相應(yīng)各時(shí)刻的溫控負(fù)荷開關(guān)狀態(tài)分布如圖15所示?！坝泄β省鼻€為溫控負(fù)荷充電負(fù)荷，從電廠的角度認(rèn)為是溫控負(fù)荷虛擬電廠的有功出力，“上邊界”和“下邊界”曲線分別為溫控負(fù)荷虛擬電廠可提供的功率出力的上、下邊界?！瓣P(guān)斷”狀態(tài)表示溫控負(fù)荷無功率消耗，“開通”狀態(tài)表示溫控負(fù)荷正在消耗功率。

圖14 溫控負(fù)荷虛擬電廠響應(yīng)能力Fig.14 Response capacity of TCL aggregator

圖15 虛擬電廠中溫控負(fù)荷的響應(yīng)狀態(tài)分布Fig.15 Distribution of TCL response status in aggregator

3）電動汽車與溫控負(fù)荷虛擬電廠協(xié)同控制

根據(jù)上層電網(wǎng)優(yōu)化后的控制命令，5：00時(shí)刻柔性負(fù)荷虛擬電廠需要減少的總功率PZ(t)為7.9 MW，此時(shí)電動汽車與溫控負(fù)荷虛擬電廠能夠減少的最大功率值分別為6.555 MW和2.304 MW，二者可減少的最大功率總和為8.859 MW，滿足功率下限的約束要求。

電動汽車和溫控虛擬電廠負(fù)荷虛擬電廠參與功率控制時(shí)，采用協(xié)同控制的經(jīng)濟(jì)成本最低，同時(shí)滿足上層電網(wǎng)的功率需求。根據(jù)優(yōu)化結(jié)果，電動汽車虛擬電廠需要減少6.555 MW，即電動汽車通過切負(fù)荷、反供電的控制措施實(shí)現(xiàn)該目標(biāo)，而溫控負(fù)荷需要提供1.345 MW，即通過控制在溫度死區(qū)內(nèi)的溫控負(fù)荷的關(guān)斷實(shí)現(xiàn)該目標(biāo)，減少的功率總量為7.9 MW。

根據(jù)上層電網(wǎng)優(yōu)化后的控制命令，20：00時(shí)刻兩類虛擬電廠需要提供的總功率PZ(t)為6.20 MW，此時(shí)電動汽車與溫控負(fù)荷虛擬電廠能夠提供的最大功率值分別為5.941 MW和0.359 MW，二者可提供的最大功率總和為6.30 MW，滿足功率上限的約束要求。

電動汽車和溫控虛擬電廠負(fù)荷虛擬電廠采用有功協(xié)同控制的經(jīng)濟(jì)成本最低，同時(shí)滿足上層配電網(wǎng)的功率需求。根據(jù)優(yōu)化結(jié)果，電動汽車虛擬電廠需要提供5.941 MW，而溫控負(fù)荷需要提供0.359 MW，提供的功率總量為6.30 MW。

協(xié)同控制后電動汽車虛擬電廠功率控制結(jié)果如圖16所示，該圖給出了電動汽車虛擬電廠原上、下邊界與新上、下邊界的對比效果；相應(yīng)的，電動汽車虛擬電廠各響應(yīng)狀態(tài)所占比例的分布情況如圖17所示。由圖16可以看出，電動汽車虛擬電廠在5：00時(shí)刻減少6.555 MW的功率支持，由于該時(shí)刻電動汽車通過再充電來達(dá)到功率調(diào)度的目的，再充電的電動汽車會隨著充電過程逐漸由可控狀態(tài)變?yōu)椴豢煽貭顟B(tài)，因此電動汽車虛擬電廠的下邊界會高于原下邊界。而電動汽車虛擬電廠在20：00時(shí)刻提供5.941 MW的功率支持，由于該時(shí)刻電動汽車通過切負(fù)荷和反供電來達(dá)到功率調(diào)度的目的，反供電的電動汽車會隨著放電過程逐漸由可控狀態(tài)變?yōu)椴豢煽貭顟B(tài)，因此電動汽車虛擬電廠的上邊界會低于原上邊界。

圖16 協(xié)同控制后電動汽車虛擬電廠響應(yīng)能力Fig.16 Response capacity of EV aggregator after coordinated control

圖17 協(xié)同控制后虛擬電廠中電動汽車的響應(yīng)狀態(tài)分布Fig.17 Distribution of EV response status in aggregator after coordinated control

協(xié)同控制后溫控負(fù)荷虛擬電廠功率控制結(jié)果如圖18所示，該圖給出了溫控負(fù)荷虛擬電廠輸出功率原上、下邊界與新上、下邊界的對比效果；相應(yīng)的，溫控負(fù)荷虛擬電廠各響應(yīng)狀態(tài)所占比例的分布情況如圖19所示。由圖18可以看出，溫控負(fù)荷虛擬電廠在5：00時(shí)刻減少了1.345 MW的功率出力，該時(shí)刻溫控負(fù)荷通過開通負(fù)荷來達(dá)到功率調(diào)度的目的；由該圖可以看出，溫控負(fù)荷虛擬電廠在20：00時(shí)刻提供0.359 MW的功率支持，該時(shí)刻溫控負(fù)荷通過關(guān)斷負(fù)荷來達(dá)到功率調(diào)度的目的。由于溫控負(fù)荷虛擬電廠上、下邊界受開關(guān)狀態(tài)影響較大，溫控負(fù)荷虛擬電廠的上、下邊界在功率控制后發(fā)生變化。

圖18 協(xié)同控制后溫控負(fù)荷虛擬電廠響應(yīng)能力Fig.18 Response capacity of TCL aggregator after coordinated control

圖19 協(xié)同控制后虛擬電廠中溫控負(fù)荷的響應(yīng)狀態(tài)分布Fig.19 Distribution of TCL response status in aggregator after coordinated control

4 結(jié)論

本文在電動汽車和溫控負(fù)荷虛擬電廠模型的基礎(chǔ)上，提出了電動汽車與溫控負(fù)荷虛擬電廠協(xié)同優(yōu)化控制策略，算例驗(yàn)證了所提出的建模方法和控制策略的有效性，具體研究結(jié)論如下：

（1）通過全方位分析電動汽車虛擬電廠建模所需的數(shù)據(jù)，進(jìn)而精細(xì)化探究了單體電動汽車的響應(yīng)特性和入網(wǎng)約束，考慮到電動汽車的多種接入狀態(tài)，通過時(shí)序求和獲取電動汽車虛擬電廠的輸出功率及其可調(diào)節(jié)范圍；

（2）本文全方位分析了溫控負(fù)荷虛擬電廠建模所需的數(shù)據(jù)，建立單體溫控負(fù)荷的精細(xì)化模型以分析溫控負(fù)荷的響應(yīng)特性和多階段溫度約束，同時(shí)考慮到溫控負(fù)荷關(guān)斷和開啟的接入狀態(tài)，通過時(shí)序求和評估溫控虛擬電廠的響應(yīng)能力；

3）以功率控制的經(jīng)濟(jì)成本為目標(biāo)，同時(shí)考慮到虛擬電廠響應(yīng)能力的時(shí)序約束和單體可控負(fù)荷的約束，提出了電動汽車與溫控負(fù)荷虛擬電廠協(xié)同優(yōu)化控制的模型，用以實(shí)現(xiàn)多類型可控負(fù)荷虛擬電廠的經(jīng)濟(jì)調(diào)控，同時(shí)，針對電動汽車和溫控負(fù)荷的接入狀態(tài)，提出了考慮用戶舒適度的序列排序控制策略，以降低控制對用戶用能舒適度的影響。