石少青， 周尚禮， 吳昊文， 張本松， 朱文武

(1.中國南方電網(wǎng)有限責(zé)任公司 市場營銷部，廣東 廣州 510670；2.南方電網(wǎng)數(shù)字電網(wǎng)研究院有限公司，廣東 廣州 510663； 3.合肥工業(yè)大學(xué)，合肥 安徽 230009)

由于最近幾年環(huán)境污染現(xiàn)象日益嚴(yán)重，插電式電動汽車(Plug-in Electric Vehicles,PEV)作為一種既清潔環(huán)保又能緩解當(dāng)前能源危機(jī)的新型代步工具開始逐漸引起人們的廣泛關(guān)注。插電式電動汽車的加入無疑提高了電網(wǎng)優(yōu)化配置問題的難度，但是，通過有序化充放電管理的手段，電動汽車的接入將有利于進(jìn)一步提高電網(wǎng)的經(jīng)濟(jì)性和環(huán)保性。在有序編排研究中，居民用電負(fù)荷的實(shí)時變化，也為插電式電動汽車的實(shí)時負(fù)荷編排增加了一定的難度。

基于有序用電的管理模式，已經(jīng)越來越多地被電網(wǎng)企業(yè)采用[1]。目前在對電動汽車有序充電策略的研究中，文獻(xiàn)[2]針對電動汽車充電站布局問題，提出兩步搜索的分析方法。首先，根據(jù)收集的城市道路交通信息來確定電動汽車的候選站址，然后，利用排隊論模型進(jìn)行站內(nèi)充電設(shè)施數(shù)量的確定，從而最大程度滿足用戶的充電需求。最后，采用 Voronoi 圖的區(qū)域劃分思想進(jìn)行充電站服務(wù)區(qū)域的負(fù)荷分配，并據(jù)此設(shè)置充電站的容量。文獻(xiàn)[3]從集中充電站布局問題的經(jīng)濟(jì)性入手，考慮到充電設(shè)施成本、電池成本以及電價成本等經(jīng)濟(jì)因素，以建設(shè)投資成本最小化為目標(biāo)，建立基于用電高峰和低谷不同時段電價的選址優(yōu)化模型。

文獻(xiàn)[4]～文獻(xiàn)[7]針對電動汽車和常規(guī)負(fù)荷的時間分布規(guī)律進(jìn)行建模，分析了電動汽車有序充電策略對電網(wǎng)的影響。文獻(xiàn)[8]提出了電荷需求側(cè)響應(yīng)的概念和設(shè)施原則。在對插電式電動車的有序編排算法求解的研究中，文獻(xiàn)[9]基于統(tǒng)計學(xué)方法建立了電動汽車的有序充放電方案，并采用了人工蜂群算法進(jìn)行求解。面對電動汽車充電樁建設(shè)成本高以及監(jiān)管難的困境，在“互聯(lián)網(wǎng)+”的背景下，文獻(xiàn)[10]提出了基于NB-IoT的電動汽車充電解決方案，分析了現(xiàn)階段充電系統(tǒng)樁存在的問題，給出了智能充電樁+云平臺管理的系統(tǒng)框架。

文獻(xiàn)[11]針對電動汽車交流充電樁的用戶圖形界面開發(fā)進(jìn)行了研究，介紹了充電界面的開發(fā)流程和具體實(shí)現(xiàn)。對于智能電表系統(tǒng)，文獻(xiàn)[12]提出了一種基于短距離無線通信技術(shù)ZigBee的三層分布式無線抄表系統(tǒng)，與遠(yuǎn)距離無線網(wǎng)絡(luò)GPRS相結(jié)合，系統(tǒng)兼具分布式與集中式的特點(diǎn)，可實(shí)現(xiàn)在主動抄表方式下各數(shù)據(jù)采集單元的定時采集。文獻(xiàn)[13]提出了一種基于無線射頻和GPRS 技術(shù)的智能抄表系統(tǒng)集中器的設(shè)計和實(shí)現(xiàn)方案。針對蟻群算法在求解旅行商問題時收斂時間長，且易陷入局部最優(yōu)狀態(tài)的缺陷，文獻(xiàn)[14]提出了一種基于擁擠度的動態(tài)信息素蟻群優(yōu)化策略。針對開放性市場環(huán)境下多個供電主體競爭并存的格局，文獻(xiàn)[15]以換電站作為電動汽車系統(tǒng)的模型核心，通過設(shè)定最低滿電電池數(shù)量建立電動汽車統(tǒng)一有序充電方案和能量管理策略，運(yùn)用小生境細(xì)菌覓食算法進(jìn)行求解。在智能電網(wǎng)時代，需求響應(yīng)通過將負(fù)荷從高峰時段轉(zhuǎn)移到非高峰時段，為提高能源效率提供了巨大潛力[16]。

在已有的研究中，驗證了電動汽車采用有序充放電策略能夠降低負(fù)荷峰谷差，提高電能質(zhì)量和穩(wěn)定性。但模型均未考慮居民的實(shí)時負(fù)荷變化。本研究的不同之處在于根據(jù)用戶用電預(yù)測曲線以及充電設(shè)施的最大負(fù)載能力對電動汽車進(jìn)行有序編排，從而可以提高電網(wǎng)的穩(wěn)定性和降低充電設(shè)施成本。為了更好地進(jìn)行智能用電有序編排優(yōu)化以及動態(tài)檢測，本文基于編排計劃、實(shí)時負(fù)荷和充電訂單情況，給出動態(tài)監(jiān)測實(shí)時優(yōu)化算法，讓用電設(shè)備能自動地通過智能終端改變充電時間，以至于實(shí)現(xiàn)動態(tài)更新，既能保證變壓器穩(wěn)定運(yùn)行，又能保證峰平比最小，從而實(shí)現(xiàn)削峰填谷。

1 基于智能電表的智能有序用電系統(tǒng)

1.1 基于智能電表的智能有序充電控制系統(tǒng)描述

電能表作為一種測量裝置，用來測量用戶的電力使用情況。隨著智能電網(wǎng)的發(fā)展，新一代智能電表不僅發(fā)揮著電能計量的作用，還可以發(fā)揮對用電負(fù)荷進(jìn)行實(shí)時調(diào)控的功能。本文研究的基于智能電表的有序充電控制核心是充電實(shí)時計劃編排并及時做出動態(tài)更新,其中充電計劃編排刷新周期為5 min，充電實(shí)時控制主站為15 s，本地為5 s。具體系統(tǒng)流程為：用戶登陸充電APP后填寫信息，發(fā)送到智慧能源服務(wù)平臺，平臺接受用戶的充電申請并進(jìn)行篩選，將通過校驗的需求生成充電訂單，智慧能源平臺接收到充電訂單后，啟動有序充電控制策略編排并進(jìn)行實(shí)時更新，將充電計劃下發(fā)智能電表，智能電表啟動充電計劃交由充電樁執(zhí)行，智能電表實(shí)時計量充電量并上送平臺。整個有序用電系統(tǒng)關(guān)鍵難點(diǎn)在于有序充電策略的實(shí)時控制與計劃滾動編排，需要實(shí)時考慮到變壓器所能承受的最大負(fù)荷以及編排的最優(yōu)性，其控制流程圖如圖1所示。

1.2 智能有序充電調(diào)度控制算法描述

基于智能電表獲取的當(dāng)前和歷史用電情況，考慮居民用電行為差異性，以大量歷史用電負(fù)荷為樣本進(jìn)行聚類，其次分別建立不同用戶群的負(fù)荷預(yù)測模型，最后將各用戶群的負(fù)荷預(yù)測值匯總得到全局預(yù)測結(jié)果[17]，5 min更新一次，那么24 h數(shù)據(jù)個數(shù)N=288，圖2給出了一組從AM12:00開始預(yù)測的用電曲線。

圖1 有序充電控制流程圖

圖2 某地區(qū)的24 h用電負(fù)荷預(yù)測曲線

N_start=z(1)×12+z(2)//5+2
N_end_order=z(3)+z(4)//5-1
m=(N_end_order-N_start)//6

(1)

p(i)_max=max(p(i))

(2)

式中,p(i)_min為第i段電負(fù)荷曲線的最小值:

p(i)_min=min(p(i))

(3)

以峰谷差為優(yōu)化目標(biāo)是一個帶約束的非線性目標(biāo)，因此，增加兩個自由變量Lmax和Lmin，將非線性目標(biāo)轉(zhuǎn)化為線性規(guī)劃問題求解，則所有時段的原有負(fù)荷曲線的最大值加上訂單的負(fù)荷都應(yīng)該小于等于Lmax，即

xi+p(i)≤Lmax

(4)

所有時段的原有負(fù)荷曲線的最小值加上訂單的負(fù)荷都應(yīng)該大于Lmin，即

xi+p(i)>Lmin

(5)

2 基于最優(yōu)理論的有序用電計劃編排

基于前面的描述，以最小化峰谷差為優(yōu)化目標(biāo)，以增加自由變量后得決策變量x作為控制對象，可以得出帶約束的優(yōu)化目標(biāo)函數(shù)為

(6)

式中，

式中，Pmax為變壓器最大負(fù)荷；Aeq=(1,…,1,0,0),Beq=z(5)×2，z(5)為訂單所需充電電量。對目標(biāo)函數(shù)進(jìn)行求解，從而得到訂單的負(fù)荷編排。

3 智能有序充電的編排計劃動態(tài)更新

考慮到實(shí)時負(fù)荷的不斷更新，某一時刻居民用電突然增加可能會與預(yù)測負(fù)荷發(fā)生沖突。為了實(shí)現(xiàn)公平用電，如果已有的編排計劃加上更新的居民負(fù)荷預(yù)測曲線超出變壓器的最大負(fù)荷，需要對訂單編號計劃做出實(shí)時調(diào)整，調(diào)整順序按照訂單時間順序，即最新安排的訂單先調(diào)整，這樣可以實(shí)時保證變壓器的正常運(yùn)行。

居民的實(shí)時負(fù)荷每5 min更新一次，即預(yù)測負(fù)荷曲線5 min更新一次，記當(dāng)前時間為某時某分換成更新點(diǎn)，記作i，即i+1時刻及之后編排計劃可能需要調(diào)整，記order(n)[j]為j時刻編排充電量。

實(shí)時更新訂單：

① 對于第n個訂單，n=1,2，…,N；

②j=i+1,…,H；

③ 比較p(j)+sum(order(n)[j])與Pmax的大??；

④ 情況一：p(j)+sum(order(n)[j])≤Pmax沒有沖突，則所有訂單無需調(diào)整充電策略；情況二：p(j)+sum(order(n)[j])>Pmax，找出沖突的訂單編號，從時間優(yōu)化的原則調(diào)整最新接受的訂單。調(diào)用有序用電編排函數(shù)，重新執(zhí)行上述的循環(huán)檢測，直至情況一，動態(tài)更新結(jié)束。

4 算例分析

考慮現(xiàn)有10個PEV訂單信息，每個訂單信息包括訂單生成時/分、訂單完成時/分以及需要完成的充電量(kWh)，具體信息如表1所示。

表1 現(xiàn)有訂單信息

已知某地區(qū)變壓器最大負(fù)荷為900 kW，以及24 h負(fù)荷預(yù)測曲線如圖2所示。加入訂單后的負(fù)荷曲線如圖3和圖4所示。

若某時刻居民用電突然增加(如圖5所示)，如果不調(diào)整訂單，顯然按照圖4編排計劃將超過負(fù)載，因此需要對充電策略進(jìn)行自動調(diào)整。對發(fā)生沖突的訂單9和訂單10的調(diào)整如圖6、圖7所示。

圖3 增加PEV1～PEV5的負(fù)荷曲線圖

圖4 增加PEV6～PEV10的負(fù)荷曲線圖

圖5 某時刻的居民用電突然增加

圖6 PEV訂單9修正負(fù)荷圖

由圖6、圖7可以看出，將訂單9和訂單10在居民突然用電增加的時刻將原有編排計劃進(jìn)行了調(diào)整，因此可以避免在此刻超出最大負(fù)載。

圖7 PEV訂單10修正負(fù)荷圖

5 結(jié)束語

本文基于智能電表對PEV的充電進(jìn)行了策略編排與優(yōu)化調(diào)度控制，基于數(shù)學(xué)建模理論及用電模型，給出了最優(yōu)控制的優(yōu)化模型。在保證電壓器穩(wěn)定運(yùn)行的情況下，提高了電動車充電效率并優(yōu)化了電負(fù)荷峰谷差，為智能用電提供了技術(shù)基礎(chǔ)。研究PEV的分布式一致性優(yōu)化是下一步工作方向。