国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

考慮參與電網(wǎng)輔助服務的電動汽車有序充電研究

2022-01-20 07:08陳黎軍宋遠軍汪映輝
電力需求側(cè)管理 2022年1期
關鍵詞:充電站電價電動汽車

陳黎軍,宋遠軍,王 坤,汪映輝

(1.國網(wǎng)江蘇省電力有限公司,南京 210000;2.國網(wǎng)江蘇電動汽車服務有限公司,南京 210000;3.國電南瑞科技股份有限公司,南京 210023)

0 引言

由于二氧化碳排放增加和環(huán)境污染等問題,以及原油價格和其他燃料資源的不穩(wěn)定性,電動汽車自21世紀以來已經(jīng)逐漸進入人們的生活,電動汽車的普及也對電力系統(tǒng)產(chǎn)生了巨大的沖擊。文獻[1]—文獻[2]分析了我國電動汽車的發(fā)展現(xiàn)狀及未來趨勢,根據(jù)實際情況,指明該過程中面臨的問題。文獻[3]提出基于隨機森林的充電行為聚類技術,分析電動汽車充電行為特性,結(jié)果表明該方法較歐氏距離法更準確。文獻[4]提出基于主動配電網(wǎng)的源網(wǎng)荷優(yōu)化調(diào)度方法,可減少電動汽車接入電網(wǎng)產(chǎn)生的波動,具有重要的指導意義。文獻[5]通過采集居民電動汽車接入電網(wǎng)的充電數(shù)據(jù),研究其充電特性,結(jié)果表明充電負荷的聚集會使總負荷曲線惡化。文獻[6]為確定電氣設備的空間分布及選型,基于對電動汽車充電負荷和分布式能源出力特性的分析,建立對應的空間負荷預測模型,并通過算例分析證明其可行性。文獻[7]結(jié)合全球定位系統(tǒng),建立了電動汽車快速預約充電模型,通過Dijkstra算法求解模型,通過算例證明該模型的有效性。文獻[8]提出一種混合儲能虛擬電廠參與電力市場的優(yōu)化調(diào)度策略,包含了電動汽車充電的不確定性參數(shù),通過算例證明該策略的可行性,為虛擬電廠參與電力市場調(diào)度奠定了基礎。

基于上述背景,本文以區(qū)域內(nèi)私人電動汽車為主體,通過對電動汽車用戶出行規(guī)律進行歸納總結(jié),對出行、返回、日行駛里程及電池剩余荷電量(state of charge,SOC)概率分布特征進行擬合,對比工作日、休息日私人電動汽車的充電行為,并以工作日的充電行為作為輸入,基于蒙特卡羅模擬法對私人電動汽車的充電負荷進行仿真預測。進而考慮配電網(wǎng)和電動汽車用戶的利益以及光伏消納情況,建立計及光伏發(fā)電系統(tǒng)的區(qū)域供電系統(tǒng)優(yōu)化模型,根據(jù)全天日照強度最大化吸收光伏輸出,改善綜合負荷曲線,同時以動態(tài)電價為激勵引導電動汽車進行有序充電。以聯(lián)絡線交換功率波動乘積最小和充電成本最低為目標函數(shù),結(jié)合4個約束條件,通過遺傳算法求解模型,得到符合目標函數(shù)的最優(yōu)充電方案。通過算例驗證該模型能夠?qū)崿F(xiàn)平移負荷、削峰填谷。

1 電動汽車對配電網(wǎng)的影響

我國電動汽車的普及給電力系統(tǒng)帶來了不穩(wěn)定性和不確定性,電動汽車聚集性地接入電網(wǎng)充電,將對電力系統(tǒng)產(chǎn)生巨大的沖擊,增加其運行控制難度。其主要影響包括:

(1)電能質(zhì)量

電動汽車接入充電樁進行充電時相當于大功率、非線性負荷,在其充電過程中電網(wǎng)需要提供穩(wěn)定可靠的大電流進行供電,同時對電力電子設備產(chǎn)生很高的諧波電流和沖擊電壓,若不采取相應的措施,可能會帶來諧波污染、功率因數(shù)降低以及系統(tǒng)電壓波動3方面的影響。

(2)電網(wǎng)運行控制難度

聚集性地充電會給電網(wǎng)帶來巨大的沖擊,而且電動汽車用戶出行方式、充電特性、充電時長都具有隨機性,會給充電負荷帶來不確定性,影響電網(wǎng)運行控制。

大多用戶出行的最終目的地都是高度隨機的,所以其行駛里程也是隨機的。每一輛電動汽車的充電模式不一定相同,加入外界影響因素,其充電曲線是不同的,所以其充電特性具有隨機性。充電時間取決于駕駛習慣,用戶在充電時往往表現(xiàn)出隨機行為,應由在這些實體內(nèi)優(yōu)化和安排充電時間的集中代理進一步控制。

(3)負荷不平衡

2020—2030年,在無序充電情形下,國家電網(wǎng)公司經(jīng)營區(qū)域峰值負荷預計增加1361萬kW和1.53億kW,相當于當年區(qū)域峰值負荷的1.6%和13.1%,導致區(qū)域負荷的不平衡。電動汽車集中在某些時段進行充電,或電動汽車充電行為在平時段的疊加,將進一步增大電網(wǎng)負荷峰谷差,加重電網(wǎng)側(cè)的負擔。如果將多輛電動汽車接入一個接近其極限的充電網(wǎng)絡,附近變壓器上的額外負載可能會導致其故障。

從不同類型充電基礎設施的用電特性來看,公共充電設施的用電行為較為分散,沒有明顯的峰谷差別,而專用設施的用電行為相對集中,峰谷差別更為明顯。綜合來看,在無序充電前提下,充電基礎設施負荷最大的時刻應為傍晚大量私家車主回到居住地,開始使用私人充電樁為私家車充電的時刻。

本文對電動汽車接入電網(wǎng)時的負荷平衡進行研究,通過電價激勵引導電動汽車用戶進行有序充電,以達到平移負荷、削峰填谷的效果。

2 電動汽車充電負荷建模

本文基于對NHTS數(shù)據(jù)庫2019年基礎數(shù)據(jù)的分析,篩選出10萬輛私人電動汽車接入充電樁時的充電數(shù)據(jù)及充電行為等因素,為構(gòu)建電動汽車有序充電行為提供數(shù)據(jù)基礎。

2.1 時間變量概率分布擬合

私人電動汽車用戶出行概率主要受日常生活習慣和生活規(guī)律影響,首先需要得到初始出發(fā)時間的分布。出發(fā)時間分布可用正態(tài)分布的形式進行擬合,其時間概率分布如圖1所示。

圖1 電動汽車用戶出行時間概率分布Fig.1 Probability distribution of electric vehicle users’travel time

用戶日出行概率密度函數(shù)為

式中:x1為電動汽車用戶最后出行時間;μ1為期望值,取7.42;σ1為標準差,取3.54。

用戶返回時刻概率密度函數(shù)為

式中:x2為電動汽車用戶返回時刻;μ2為期望值,取16.92;σ2為標準差,取3.43。其時間概率分布如圖2所示。

圖2 電動汽車用戶返回時間概率分布Fig.2 Probability distribution of electric vehicle users’return time

式中:x3為電動汽車平均日行駛里程;μ3為期望值,取2.92;σ3為標準差,取0.93。

根據(jù)出行習慣及規(guī)律分析,大部分用戶駕駛的最終目的地都是高度隨機的,但在任何一天的平均行駛里程都約為38km/d。電動汽車用戶日行駛里程服從對數(shù)正態(tài)分布,其概率分布如圖3所示,概率密度函數(shù)為

圖3 電動汽車用戶平均日行駛里程概率分布Fig.3 Probability distribution of average daily mileage of electric vehicle users

對電動汽車電池SOC、日均行駛距離以及充電規(guī)律、充電時間等因素進行統(tǒng)計[9],電動汽車返回時剩余SOC也可用正態(tài)分布的形式進行擬合,其電動汽車剩余SOC的概率分布如圖4所示,概率密度函數(shù)為

圖4 電動汽車返回時剩余SOC概率分布Fig.4 Probability distribution of the remainingSOCwhen the electric vehicle returns

式中:x4為電動汽車返回時的剩余SOC;μ4為期望值,取51.3;σ4為標準差,取14.7。

私人電動汽車工作日主要用于上下班,到達公司后基本屬于閑置狀態(tài),也可進行充電[10];而休息日私人電動汽車大多外出娛樂,時間分布與工作日有所區(qū)別,圖5為工作日與休息日私人電動車充電時間分布。

圖5 私人電動汽車開始充電時間概率分布Fig.5 Probability distribution of charging time for private electric vehicles

由圖5可知私人電動汽車在工作日上午到達公司后即可進行充電,晚上下班后為充電高峰期,且晚上充電的頻率高于上午;在14:00—16:00,休息日充電頻率高于工作日,但晚高峰時,其充電頻率低于工作日。后續(xù)將重點研究工作日私人電動汽車的充電行為。

2.2 基于蒙特卡羅模擬法的充電負荷計算

2.2.1 充電負荷模型建立

由蒙特卡羅模擬法設置基礎參數(shù),如模擬次數(shù)、電動汽車數(shù)量、快充慢充比例等。由式(4)生成初始SOC。由于汽車充電行為具有隨機性,所以按圖5生成電動汽車開始充電時刻。

使用蒙特卡羅模擬法對電動汽車充電負荷曲線進行模擬,由上述得到的電動汽車充電起始時間及初始SOC,對單輛電動汽車充電負荷進行模擬,隨后將所有電動汽車的充電負荷累加,可以得到完整的區(qū)域電動汽車總充電負荷曲線。區(qū)域內(nèi)電動汽車總充電功率為

式中:M為全天總時長,取為1440min;N為電動汽車總數(shù),設為3000輛,作為初始數(shù)據(jù)輸入蒙特卡羅模擬法進行仿真;Pi,j為第j輛電動汽車在i時刻的充電功率。

2.2.2 電動汽車充電負荷計算

假設電動汽車充電過程不被干預且直至SOC充滿,即充電時長不受限制,抽取初始電動汽車SOC、日行駛里程以及開始充電時刻,在滿足充滿電所需時長的約束下,計算一天中各個時段電動汽車的充電功率。在這個過程中,將電動汽車分為快速充電和常規(guī)慢充,分別計算每個時刻的負荷,最后進行累加,其流程圖如圖6所示。

圖6 蒙特卡羅法流程圖Fig.6 Monte Carlo method flow chart

使用蒙特卡羅模擬法計算一天24 h內(nèi)每個時間點電動汽車負荷的充電需求概率,并在1 500次操作后重復平均值,以獲得區(qū)域總電動汽車負荷需求的預期曲線。曲線如圖7所示。設置電動汽車數(shù)量為3 000輛,且采用一天一充模式,充電過程為快速充電模式的功率為24 kW,常規(guī)慢充模式的功率為12 kW,各占50%。其結(jié)果如圖7所示。

圖7 電動汽車全天充電負荷需求曲線Fig.7 Electric vehicle charging load demand curves throughout the day

由圖7可知,電動汽車充電存在兩個峰值時刻,大規(guī)模電動汽車接入電網(wǎng)會帶來電網(wǎng)頻率波動以及電能質(zhì)量不穩(wěn)定等問題,后續(xù)通過電價激勵政策與光伏發(fā)電系統(tǒng)的接入緩解電網(wǎng)側(cè)的壓力。

3 電動汽車參與電網(wǎng)削峰填谷服務

3.1 區(qū)域供電系統(tǒng)優(yōu)化模型

變電站供電區(qū)域包含光伏發(fā)電系統(tǒng),同時也包含一定量的電動汽車充電負荷,變電站供電區(qū)域的負荷情況如圖8所示,供電區(qū)域包括光伏發(fā)電系統(tǒng),區(qū)域常規(guī)負荷和電動汽車快速充電負荷,當電動汽車快速充電時,通過充電樁連接到電網(wǎng),等效連接到變電站的交流母線。本文將光伏發(fā)電系統(tǒng)納入變電站供電區(qū)域時,采用相應的電價激勵策略對電動汽車用戶進行引導,使得電動汽車參與有序充電以消納光伏發(fā)電系統(tǒng)的輸出功率,同時縮小區(qū)域負荷峰谷差。區(qū)域負載能量控制框架如圖9所示。

圖8 含光伏發(fā)電系統(tǒng)的變電站供電區(qū)域模型Fig.8 Power supply area model of substation with photovoltaic power generation system

圖9 區(qū)域內(nèi)的能量流動Fig.9 Energy flow in the area

通過對控制框圖的分析,將區(qū)域負荷分為調(diào)節(jié)負荷和非調(diào)節(jié)負荷兩大類,光伏發(fā)電系統(tǒng)和區(qū)域常規(guī)負荷均為非調(diào)節(jié)負荷。光伏發(fā)電系統(tǒng)的不可調(diào)節(jié)性指其輸出功率受溫度、光強等因素的影響,控制系統(tǒng)無法調(diào)節(jié)其輸出功率。區(qū)域常規(guī)負荷主要指除變電站供電區(qū)域的電動汽車負荷外的居民負荷,相當于交流母線,根據(jù)其生活規(guī)律以及需求進行用電。快速充電的電動汽車是一種可調(diào)負荷,充電站根據(jù)全天不同時刻配電網(wǎng)節(jié)點的電價調(diào)整來影響電動汽車用戶的充電選擇;電動汽車的充電功率與光伏發(fā)電系統(tǒng)和區(qū)域常規(guī)負荷相匹配,以吸收分布式光伏發(fā)電系統(tǒng)輸出的功率。

分布式光伏和電動汽車的接入在一定程度上改變了配電網(wǎng)的負荷特性曲線。分布式電源的輸出受自然環(huán)境的影響,存在很大的不確定性。因此,本文構(gòu)建了一種電動汽車與配電網(wǎng)交互優(yōu)化模型,即配電網(wǎng)利用電動汽車充電負荷的可轉(zhuǎn)移特性就地吸收光伏輸出,改善綜合負荷曲線;同時,電動汽車用戶根據(jù)調(diào)整后的電價選擇最優(yōu)充電時間,降低自身充電成本。利用電動汽車“用電時間有彈性、用電行為可引導、用電規(guī)律可預測”的特點,將其納入電網(wǎng)優(yōu)化控制,可有效增加資源條件,推動電動汽車參與電網(wǎng)削峰填谷輔助服務,實現(xiàn)配電網(wǎng)與電動汽車的雙贏。

3.2 目標函數(shù)

配電網(wǎng)作為主體,設置動態(tài)節(jié)點價格,充電站將節(jié)點價格作為充電價格傳遞給用戶。根據(jù)光伏發(fā)電系統(tǒng)和區(qū)域常規(guī)負荷的時間分布特點,制定了最優(yōu)的電動汽車充電負荷時間轉(zhuǎn)移策略,以達到吸收光伏輸出的目的。節(jié)點價格作為一種調(diào)節(jié)手段,用以減少變電站交流母線的總波動。

為了改善區(qū)域負荷曲線,以變電站交流母線功率波動乘積ΔP最小為目標函數(shù)進行優(yōu)化,目標函數(shù)可表示為

式中:PG為區(qū)域變電站交流母線功率;fG(t)為區(qū)域變電站后一段時間t+1與當前時段t的交流母線功率之差;GPV(t)為變電站所在區(qū)域在時段t之前的功率峰谷差;k為一天的時間段數(shù),k=24;Pch(t)為充電站t時段的快速充電負荷;Pload(t)為充電站在所屬變電站供電區(qū)域t時段的常規(guī)負荷;PPV(t)為充電站在所屬變電站供電區(qū)域t時段的分布式光伏輸出。

光伏板在時間t發(fā)出的功率PPV(t)與當前溫度和光強有關。電流輸出功率系數(shù)FT可以通過溫度和相應的輸出功率系數(shù)圖FT-T以及電流溫度T獲得。功率計算公式為

式中:當光照強度為1 kW/m2時,Pmpp為光伏陣列在一定溫度下的輸出功率參考值;FT為輸出功率系數(shù);Irr為當前時刻的光照強度。

光伏發(fā)電系統(tǒng)通過逆變器將直流電轉(zhuǎn)換為交流電,并連接至負荷。當光伏板發(fā)出的功率PPV小于截止功率時,逆變器停止工作;當光伏板發(fā)出的功率PPV大于啟動功率時,逆變器工作??紤]到逆變器損耗,設置效率系數(shù),光伏板發(fā)出的功率PPV乘以其相應的效率系數(shù)EFF,以獲得整個光伏系統(tǒng)的有功功率PPV(t),可表示為

光伏板輸出功率對應的效率系數(shù)可從PPV-EFF曲線中獲得。

3.2.1 動態(tài)電價模型

動態(tài)電價之所以能夠引導電動汽車車主進行有序充電,是因為電動汽車車主更傾向于在確保車輛需求的前提下,以更低的成本對電動汽車進行充電。

本文提出一種動態(tài)分時電價策略,光伏一天的出力大小有波動,通過光伏出力不平衡系數(shù)b來引導電價,即當某時刻光伏出力大于或小于充電負荷和常規(guī)負荷之和時,適當降低或提高電動汽車充電電價以引導電動汽車用戶的充電行為,從而達到削峰填谷的目的。光伏出力不平衡系數(shù)為

式中:b為光伏出力不平衡系數(shù);PG為區(qū)域變電站交流母線功率;Pch為充電站的快速充電負荷;Pload為充電站在所屬變電站供電區(qū)域的常規(guī)負荷。

規(guī)定充電站配電網(wǎng)節(jié)點的電價為充電電價,區(qū)域內(nèi)有充電需求的車輛數(shù)為n,充電站可接受的車輛數(shù)為N,為使電動汽車充電負荷盡可能跟隨光伏輸出,動態(tài)電價更新策略為

式中:λt+1為充電站在t+1時間段的電價;a為電價系數(shù);λt為充電站在t時間段的電價。

可以看出,充電電價主要隨著有充電需求的電動汽車數(shù)量n和光伏出力不平衡系數(shù)b的大小而改變,而b主要與光伏出力PPV、充電負荷Pch的大小有關。

以充電成本最低為目標,目標函數(shù)為

式中:C為電動汽車充電成本;SOC2為電動汽車充電結(jié)束時的荷電量;SOC1為電動汽車開始充電時的荷電量;Ba為動力電池總?cè)萘?;η為充電效率,設為0.9。

3.2.2 有序充電目標函數(shù)

將上述F1和F2通過加權后得到一個有序充電的目標函數(shù)

式中:w1和w2分別為兩個目標函數(shù)的權重,據(jù)實際情況而定,且w1+w2=1。

3.3 約束條件

(1)電動汽車SOC約束:電動汽車在t時間段的SOC必須滿足

式中:SOCi(t)為第i輛電動汽車在t時刻的電池剩余容量;SOCmin,i、SOCmax,i分別為第i輛電動汽車在t時刻的電池剩余容量上下限。

(2)電價約束:合理的電價調(diào)整有利于調(diào)動電動汽車車主響應需求的積極性。根據(jù)相關政策規(guī)定,電價約束為

式中:λt,max為充電站在t時間段內(nèi)的最高電價。

(3)充電站容量限制:充電站可提供的最大充電功率不得超過所有充電樁的最大輸出功率之和,即

式中:Nui為充電站內(nèi)充電樁的數(shù)量;Pch,max為充電站內(nèi)每個充電樁的最大輸出功率。

(4)光伏消納約束:在t時刻,充電站常規(guī)負荷和充電負荷與光伏輸出的比值應高于規(guī)定的最小光伏消耗限制θPV(t),即

式中:θPV(t)為t時刻最低光伏消納率。

3.4 求解模型

本文采用遺傳算法求解電動汽車與配電網(wǎng)交互優(yōu)化模型。遺傳算法是一種自適應全局優(yōu)化搜索算法,通過自適應、交叉、變異等方法,實現(xiàn)適應度的提高,將其應用于求解模型,從而得到最優(yōu)解。其流程圖如圖10所示。

圖10 遺傳算法流程Fig.10 Genetic algorithm flow

步驟1:采集負荷功率曲線數(shù)據(jù)和光伏輸出曲線數(shù)據(jù),獲取每一時刻電動汽車充電需求數(shù)據(jù),包括其相應的SOC及未來出行安排。

步驟2:光伏發(fā)電系統(tǒng)出力時將充電站的充電功率最大化,并計算充電站可接受的最佳電動汽車數(shù)量。

步驟3:根據(jù)動態(tài)電價模型計算更新后的電價,計算充電成本,判斷F2是否最低。

步驟4:獲取滿足約束條件的使得充電站交流母線功率波動乘積ΔP最小的充電方案,同時得到充電成本最低的電動汽車充電方案。

步驟5:確定電動汽車用戶是否選取該方案,如果選取,則輸出決策結(jié)果;如果不選取,則判斷是否達到最大迭代次數(shù),重復步驟4。

4 算例分析

某區(qū)域分布式光伏發(fā)電系統(tǒng)采用最大輸出策略,光伏容量為7 MW,實際輸出最大功率為5.6 MW。光強數(shù)據(jù)如表1所示,假設全天中7:00—18:00有陽光,其余時刻光照強度為0,全天光照強度分布如圖11所示。電動汽車充電初始SOC為0.51,初始種群規(guī)模為3 000輛電動汽車,電動汽車充電樁快充的輸出功率為24 kW,常規(guī)慢充輸出功率為12 kW,充電效率為90%,區(qū)域常規(guī)負荷的時間序列曲線如圖12所示,電動汽車全天負荷的時間序列曲線如圖7所示。

圖11 全天光照強度分布Fig.11 Distribution of light intensity throughout the day

圖12 區(qū)域常規(guī)負載時間序列Fig.12 Time series of regional conventional load

表1 全天光照強度數(shù)據(jù)Table 1 All?day light intensity data kW/m2

同時在保證不影響出行的前提下使車主在充電費用上的支出有所減少,達到一個整體最優(yōu)的狀態(tài)。優(yōu)化后有序充電場景下,電網(wǎng)閑時充電擬采用分時電價措施,其最優(yōu)充電價格如圖13所示。

圖13 分時電價價格Fig.13 Tou price of the day

當電動汽車無序充電時,用戶上午出行至公司后大多數(shù)電動汽車用戶有充電行為。傍晚開始充電的電動汽車在下半夜充滿,此時電網(wǎng)基本處于閑置狀態(tài)。大量用戶會聚集在傍晚時對電動汽車進行充電,集聚充電的現(xiàn)象對電網(wǎng)以及變壓器產(chǎn)生影響,圖14為區(qū)域常規(guī)負荷與電動汽車充電負荷的總負荷曲線,優(yōu)化前的負荷峰谷差明顯。在電動汽車并網(wǎng)前,充電站的功率曲線會因接入光伏輸出而產(chǎn)生較大的峰谷差,不利于電網(wǎng)的可靠運行。在電動汽車有序充電策略的控制下,通過優(yōu)化過程獲得電動汽車的接入最優(yōu)數(shù)量后,光伏系統(tǒng)輸出能夠被最有效地吸收,交流母線功率曲線平滑,實現(xiàn)了負荷的削峰填谷功能。

圖14 優(yōu)化控制前后負荷對比Fig.14 Load comparison before and after optimized control

5 結(jié)束語

電動汽車負荷對于電網(wǎng)是優(yōu)質(zhì)可調(diào)負荷,以可控負荷的形式參與電網(wǎng)調(diào)控,可發(fā)揮其削峰填谷的作用,改善電網(wǎng)性能。本文利用價格響應機制,將電動汽車組建成需求響應架構(gòu)下的大型分布式儲能系統(tǒng),同時結(jié)合光伏發(fā)電系統(tǒng),最大化吸收光伏輸出,就地消納光伏,降低用戶充電成本,緩解電網(wǎng)壓力,實現(xiàn)輔助電網(wǎng)峰谷調(diào)節(jié)功能。未來對電動汽車如何實現(xiàn)參與電網(wǎng)調(diào)頻,作為儲能系統(tǒng)向電網(wǎng)優(yōu)化放電等問題,將展開進一步研究。

猜你喜歡
充電站電價電動汽車
基于紅外線熱成像儀設備在蓄電池充電站中的應用
純電動汽車學習入門(二)——純電動汽車概述(下)
“首充”
地產(chǎn)人的知識充電站,房導云學堂5月開講!
電動汽車
探索電價改革
現(xiàn)在可以入手的電動汽車
可再生能源電價附加的收支平衡分析
江淮同悅純電動汽車無倒檔故障診斷與排除