薛 東

(安徽電氣工程職業(yè)技術學院, 安徽 合肥 230051)

0 引言

近年來，中國能源需求的急劇增長打破了中國長期以來自給自足的能源供應格局，但中國化石能源尤其是石油和天然氣生產(chǎn)量相對不足，對國際市場的依賴程度越來越高，不利于中國能源安全和經(jīng)濟發(fā)展，故開發(fā)利用風電、光伏為主的可再生能源對于中國構建可持續(xù)發(fā)展能源戰(zhàn)略具有重要意義。2021年3月15日，中央財經(jīng)委員會第九次會議指出要構建以新能源為主體的新型電力系統(tǒng)。隨著人們環(huán)保意識的提升和全球能源短缺，近年來以風電、光伏為主的分布式綠色清潔能源在各國都得到了迅猛發(fā)展，但其出力不可控，大規(guī)模并網(wǎng)會對電網(wǎng)造成嚴重沖擊，增加運行成本[1]。虛擬電廠[2](virtual power plant,VPP)利用先進的通信技術協(xié)同管控多個地域不同、類型各異的分布式新能源，通過合理構建和協(xié)調(diào)優(yōu)化，靈活調(diào)度區(qū)內(nèi)的燃氣輪機和儲能系統(tǒng)等可控電源來平抑風電、光伏等不可控新能源的隨機性和波動性，實現(xiàn)對外出力的整體可控，從而可以像常規(guī)電廠一樣參與電力市場交易和系統(tǒng)調(diào)度[3]。

電動汽車(Electric Vehicle, EV)作為我國的七大戰(zhàn)略性新興產(chǎn)業(yè)之一，它的推廣和普及使用是黨中央和國務院的重要戰(zhàn)略舉措，歐美和亞洲一些國家也在大力發(fā)展交通電氣化。電動汽車發(fā)展規(guī)模越來越大，不同于風電、光伏，其響應速度快、靈活性強，可以兼負荷和電源，比如電動汽車可以作為可控能源參與對不可控新能源出力的平抑，利用其儲能特性參與削峰填谷，并且將電動汽車聚合在虛擬電廠可減緩其大規(guī)模充電對電網(wǎng)造成的沖擊。文獻[4]研究了含電動汽車和風電機組的虛擬發(fā)電廠的競價策略，文獻[5]針對參與虛擬電廠電動汽車的充放電問題，利用大數(shù)據(jù)、云計算等先進手段設置理想方案，文獻[6]用主從博弈思想?yún)f(xié)調(diào)含電動汽車虛擬電廠調(diào)度，文獻[7]中電動汽車參與虛擬電廠新能源出力波動的平抑。

虛擬電廠的良好運行離不開合理的架構和良好的控制方法，本文構建了聚合電動汽車的虛擬電廠(Electric Vehicle Virtual Power Plant，EVPP)結構，提出了相應的運行策略、運行流程以及經(jīng)濟優(yōu)化調(diào)度模型，并采用粒子群算法對模型中各時段虛擬電廠內(nèi)部可控單元的出力進行了優(yōu)化，分析了電動汽車參與虛擬電廠調(diào)度對EVPP經(jīng)濟性的影響。仿真結果表明，電動汽車參與虛擬電廠調(diào)度并和儲能電池聯(lián)合運行基本上可以滿足平抑風電、光伏出力偏差的要求，且具有較好的經(jīng)濟性。

1 EVPP的內(nèi)部結構

本文構建的EVPP結構如圖1所示，包含風電場和光伏電站兩種不可控電源以及燃氣輪機、儲能電池、電動汽車三種可控電源。

圖1 EVPP結構圖

2 EVPP的運行策略

EVPP要根據(jù)日前預測的次日風電、光伏出力情況綜合考慮可控單元的出力能力，向系統(tǒng)上報出力計劃；系統(tǒng)確認安排次日出力；根據(jù)次日實時的風電、光伏出力情況，實時調(diào)整內(nèi)部可控單元的出力情況以滿足系統(tǒng)安排的出力計劃。

本著最大化利用新能源的目標，EVPP出力策略為：實時接收風電、光伏分布式電源出力，其出力偏差主要由電動汽車作為優(yōu)先級、儲能電池作為次優(yōu)級組成的儲能系統(tǒng)參與平抑，燃氣輪機不考慮備用容量，但使用燃氣輪機進行發(fā)電要考慮發(fā)電成本，高于售電成本時停機，剩余容量在低電價時段從電網(wǎng)購電儲存，在高電價時段向電網(wǎng)售出以提高EVPP收益。

3 EVPP優(yōu)化運行模型

3.1 EVPP出力計劃

EVPP計劃出力表達式如下所示：

(1)

式中：Gk——k時段EVPP的出力計劃；

k——時間序列，以1小時為一個時間段，調(diào)度周期為1天共24個時段；

GGT——為燃氣輪機的最大出力。

3.2 EVPP日內(nèi)調(diào)度模型

本文構建的EVPP綜合考慮了運行管理成本、燃氣輪機燃料成本、電動汽車的充放電成本、儲能電池的購電成本、偏離計劃出力的懲罰成本6個方面，其日內(nèi)調(diào)度模型目標函數(shù)為：

(2)

其中，k時段收益:

(3)

(4)

Gk——k時段EVPP對系統(tǒng)的售電量；

k時段管理成本：

(5)

式中:Kfd——風電運行管理系數(shù)；

Kgf——光伏運行管理系數(shù)；

Kgt——燃氣輪機運行管理系數(shù)；

Kcd——儲能電池運行管理系數(shù)；

Kev——電動汽車運行管理系數(shù)。

k時段燃氣輪機的燃料成本：

(6)

rgt=rng/(ηeLng)

(7)

式中：rgt——燃氣輪機單位發(fā)電燃料成本；

rng——天然氣價格；

ηe——燃氣輪機發(fā)電效率;

Lng——天然氣低位熱值。

k時段儲能電池在系統(tǒng)的購電成本：

(8)

k時段EVPP出力偏差引起的懲罰成本:

(9)

(10)

Gk——k時段虛擬電廠對系統(tǒng)的計劃出力;

k1——日前計劃時間序列;

k2——日內(nèi)調(diào)度時間序列。

3.3 EVPP約束條件

EVPP內(nèi)部各分布式電源滿足一定的約束條件才能保證日內(nèi)調(diào)度的正常運行，該模型的6個約束條件分別是：功率平衡約束、風電出力約束、光伏出力約束、燃氣輪機出力約束、儲能電池充放電約束、電動汽車充放電約束。

1)EVPP功率平衡約束:

(11)

2)風電出力約束:

(12)

3)光伏出力約束:

(13)

4)燃氣輪機約束:

(14)

(15)

γd——燃氣輪機的向下爬坡速率；

γu——燃氣輪機的向上爬坡速率。

5)電動汽車充放電約束:

(16)

(17)

(18)

(19)

(20)

(21)

(22)

λ——電動汽車單位里程耗電量；

6)儲能電池的容量和充放電約束:

(23)

(24)

(25)

(26)

(27)

ηc——充電效率；

ηd——放電效率；

4 算例分析

4.1 模型參數(shù)

算例中EVPP中各部分相關參數(shù)如表1～表6所示。

表1 風電場參數(shù)

表2 光伏電站參數(shù)

表3 燃氣輪機參數(shù)

表4 儲能電池參數(shù)

表5 電動汽車參數(shù)

表6 各時段EVPP對系統(tǒng)的批發(fā)電價和購電電價

EVPP內(nèi)聚合的電動汽車看作一個整體，數(shù)量增加認為只有電動汽車入網(wǎng)，數(shù)量減少認為只有電動汽車離網(wǎng)，除行駛外均與EVPP連接，充放的電量平均到每個電動汽車上，為防止電動汽車過度充放電，每輛荷電狀態(tài)設定在0.2～1，電動汽車單次平均行駛里程為13.1 km，百公里耗電量為21.46 kW·h。

4.2 求解方法

EVPP經(jīng)濟性優(yōu)化模型的目標函數(shù)是非凸的且涉及的約束條件及變量比較多。粒子群算法[8]作為智能優(yōu)化算法中比較典型的一種，對目標函數(shù)不要求可微可導，在優(yōu)化非凸函數(shù)上有很好的表現(xiàn)。本文采用粒子群算法對其進行求解。

4.3 EVPP優(yōu)化結果分析

4.3.1 各分布式電源優(yōu)化結果分析

由于風電、光伏等新能源發(fā)電出力不確定等特點，EVPP在制定出力計劃時需要對其進行預測，出力偏差需滿足規(guī)定的誤差范圍。由圖2和圖3可以看出風電預測誤差為10.35%，光伏預測誤差為5.93%，均符合相關要求。

圖2 風電預測出力和實際出力對比

圖3 光伏預測出力和實際出力對比

燃氣輪機的使用要考慮成本，當發(fā)電成本高于售電電價時，停機，反之參與EVPP調(diào)度，不需考慮留出備用容量，根據(jù)EVPP實際運行情況實時調(diào)度調(diào)節(jié)出力。圖4中23時～7時因使用成本停機運行，其余時段根據(jù)EVPP調(diào)度調(diào)節(jié)自身出力。

圖4 燃氣輪機各時段出力情況

由于不同時段對系統(tǒng)的售電電價和購電電價不同的，儲能電池通過低電價時段從系統(tǒng)購電，高電價時段向系統(tǒng)售電來參與系統(tǒng)的消峰填谷，提高凈收益。對比圖5和圖6看出在1時～7時低電價時段，EVPP儲能電池的蓄電量不斷增加，在平抑風電、光伏出力偏差的同時進行削峰填谷從系統(tǒng)購電，在8時～23時高電價時段售出以獲取電價差收益。

圖5 各時段EVPP對系統(tǒng)的批發(fā)電價和購電電價

圖6 各時段EVPP儲能電池蓄電量變化情況

4.3.2 電動汽車參與EVPP調(diào)度情況分析

電動汽車不同于以上分布式電源，首先是因為其具有儲能和耗能雙重屬性，并且由于具有一定的自主性和單個汽車運行的獨立性也不能當作儲能電池等常規(guī)的儲能系統(tǒng)來考慮，在EVPP中需要滿足電動車主自身的用車需求外參與其充放電調(diào)度。

從圖7可以看出在7時～9時、16時～19時用車高峰時段，電動車數(shù)量減少，且在圖8中7時和17時附近，電動汽車的荷電量都達到電動汽車出行期望值，以滿足出行需求。

圖7 各時段EVPP內(nèi)聚合的電動汽車數(shù)量

圖8 各時段電動汽車平均荷電量

在圖9中，數(shù)值大于0代表出力或出力偏差為正，反之代表出力或出力偏差為負，可以看出各個電動汽車出力和儲能電池平抑偏差出力之和基本等于風電光伏的偏差出力，表明電動汽車和儲能電池聯(lián)合運行基本上可以滿足平抑風電、光伏出力偏差的要求。

圖9 電動汽車平抑出力、儲能電池平抑偏差出力、風電光伏出力偏差

5 結語

本文構建了聚合風電、光伏、燃氣輪機、儲能電池以及電動汽車的EVPP結構以及經(jīng)濟優(yōu)化調(diào)度模型，采用粒子群算法對優(yōu)化模型進行求解，優(yōu)化各時段EVPP內(nèi)部可控單元的出力，分析電動汽車參與EVPP調(diào)度對EVPP經(jīng)濟性的影響。仿真結果表明，電動汽車參與EVPP調(diào)度可以和儲能電池聯(lián)合運行，基本上可以滿足平抑風電、光伏出力偏差的要求，有很好的的社會效益。