李智軒， 藺 紅

(新疆大學 電氣工程學院, 新疆 烏魯木齊 830017)

0 引言

為了確?！疤歼_峰、碳中和”目標早日實現(xiàn),電動汽車并入微電網(wǎng)的車入網(wǎng)方式得到了國家大力推廣[1-2].目前,電動汽車以充電模式和換電模式作為主要充能方式,研究表明換電模式較即時充電模式更能提升微網(wǎng)的經(jīng)濟性[3].BSS可以有效減小電動汽車無序充電對微網(wǎng)系統(tǒng)造成的影響,提高微網(wǎng)整體的經(jīng)濟性.同時微網(wǎng)需有效引導BSS合理進行充、放電,從而實現(xiàn)對網(wǎng)內(nèi)負荷“削峰填谷”的目的.但隨著國家對換電模式的大力推廣,新晉BSS企業(yè)逐漸發(fā)展為獨立經(jīng)營,其所有權(quán)并不屬于微網(wǎng),這對微網(wǎng)的穩(wěn)定運行提出新的挑戰(zhàn).

隨著電動汽車數(shù)量的日益增多以及新能源發(fā)電的不確定性,傳統(tǒng)的微網(wǎng)調(diào)度策略已無法完全適用于此情況,因此相關(guān)學者將研究重心轉(zhuǎn)移到含有電動汽車接入的微網(wǎng)系統(tǒng)[4-8].文獻[9]針對含有完全可調(diào)度電動汽車的微網(wǎng)系統(tǒng),提出多目標分級的微網(wǎng)調(diào)度策略,雖提高了可再生能源利用率以及微網(wǎng)的經(jīng)濟性,但此策略高度依賴電動汽車的可控性.文獻[10]針對不接受微網(wǎng)直接調(diào)度的電動汽車,提出了一種實時電價制定方法,引導車主進行有序充、放電.但從電網(wǎng)角度來看,讓單個電動汽車用戶服從微網(wǎng)的引導并不簡單,而換電模式中BSS的集中式換電經(jīng)過車輛與電池解耦后更利于微網(wǎng)對整個BSS內(nèi)的電池組進行調(diào)度.

文獻[11]基于影子價格理論解決了微網(wǎng)優(yōu)化調(diào)度模型與確定電池交換站電力調(diào)度的混合整數(shù)線性問題,雖然完成了微網(wǎng)與BSS二者間的協(xié)調(diào)優(yōu)化,但并未考慮換電需求不確定性對整體優(yōu)化的影響,僅適用于理想情況.文獻[12]將主網(wǎng)中風電場與BSS構(gòu)建成聯(lián)合系統(tǒng),同時考慮了風電與換電需求的不確定性,建立多目標的相關(guān)機會目標規(guī)劃模型,實現(xiàn)二者的效能互補.但若將地理位置相距較遠的風電場與BSS構(gòu)成聯(lián)合系統(tǒng)時,又會增加能量損耗,違背新能源就地消納的初衷.文獻[13]提出了考慮微網(wǎng)與BSS二者互動的調(diào)度模型,通過改變電價來引導BSS參與系統(tǒng)優(yōu)化,利用盒式魯棒優(yōu)化處理了換電需求不確定性,實現(xiàn)BSS利潤最大化,但文中未提及個性化電價的制定原則,并且盒式魯棒優(yōu)化過于保守,不適用于各風險偏好不同的BSS運營商.隨著國家對換電模式的推廣及電動汽車數(shù)量的不斷增加,BSS與微網(wǎng)之間的依賴性也隨之變大[14-15],因此有必要就充分發(fā)揮二者特性的優(yōu)勢來提高雙方利益進行深入研究.

本文首先考慮電動汽車用戶換電概率不確定性建立了BSS模型.接著針對主網(wǎng)分時電價不完全適用于微網(wǎng)的情況,提出了基于主網(wǎng)分時電價和微網(wǎng)常規(guī)負荷的微網(wǎng)實時電價制定方法,引導BSS主動參與微網(wǎng)優(yōu)化.最后建立了一種BSS參與微網(wǎng)系統(tǒng)的雙層優(yōu)化模型,上、下層皆采用混合整數(shù)線性規(guī)劃的優(yōu)化方法,通過Yalmip調(diào)用Cplex分別對上下層模型求解,循環(huán)求解得到最優(yōu)調(diào)度結(jié)果.

1 含BSS的微網(wǎng)系統(tǒng)優(yōu)化結(jié)構(gòu)

微網(wǎng)需以個性化電價去引導BSS參與系統(tǒng)的優(yōu)化,因此本文含BSS的微網(wǎng)系統(tǒng)優(yōu)化結(jié)構(gòu)如圖1所示,主要由以下部分組成:微型燃氣輪機MT(Micro Turbine)、燃料電池FC(Fuel Cell)、風電機組WT(Wind Turbine)、光伏發(fā)電PV(Photovoltaic)、BSS運營商以及常規(guī)負荷.最后,整個系統(tǒng)通過PCC連接點經(jīng)聯(lián)絡線與主網(wǎng)相連,形成并網(wǎng)型微網(wǎng).

圖1 含BSS的微網(wǎng)系統(tǒng)結(jié)構(gòu)

1.1 BSS換電模型

1.1.1 電動汽車換電需求建模

BSS各時段所需滿足的電動汽車換電需求Nneed(t)即用戶前來更換的電池數(shù),Nneed(t)可根據(jù)電動汽車電池的SOC狀態(tài)及日行駛規(guī)律所確定.由文獻[16]可知,由式(1)(電池初始SOC低于換電閾值)或式(2)(電池初始SOC高于換電閾值)可得電動汽車換電行為發(fā)生的時刻,將每一時段換電車輛數(shù)累加即得到各時段的換電需求Nneed(t).

(1)

(2)

1.1.2 電動汽車換電需求概率模型

(3)

式(3)中:t表示時間;x表示通過蒙特卡洛模擬得出的t時段換電車輛數(shù).

其次考慮到電動汽車實際換電需求是以換電車輛個數(shù)為單位的,而非連續(xù)性的,因此需要將式(3)所表示的換電需求概率進行離散化處理.首先設(shè)定多狀態(tài)概率序列Nneed,t(iNt),其長度為LNneed,t:

(4)

(5)

式(5)中:Nnned,t(iNt)表示t時段不同換電需求數(shù)量的概率;LNneed,t為t時段換電需求波動的最大值.

1.1.3 BSS充放電模型

BSS完成換電車輛數(shù)的概率預測后,需根據(jù)站內(nèi)各情況,制定最優(yōu)的充放電計劃.

為了使BSS模型便于仿真,同時又不會脫離實際情況,做出以下假設(shè):

(1)BSS運營商為了減少電池壽命損耗,設(shè)定當電池組處于充電或放電過程中,則必須充滿(設(shè)定電池SOC≥95%為充滿)或放空(設(shè)定電池SOC≤20%為放空)才可進行后續(xù)服務.

(2)BSS中所有電池組為同一型號,即容量Cbat相同,額定充電功率Pch、充電效率ηch相同,以實際充電功率Pch-s充電時需要Tch個時段可將空電池充滿;額定放電功率Pdc、放電效率ηdc相同,以實際放電功率Pdc-s放電時需要Tdc個時段可將滿電電池放空.

(3)任意時段初期,BSS內(nèi)的滿電電池組數(shù)量可以滿足該時段換電需求的概率不低于BSS運營商設(shè)定的置信水平α.

BSS內(nèi)各時段的滿電電池組數(shù)量Ns(t)隨各時段處于最后一段充程的充電和處于第一段放程放電的電池組數(shù)量以及上一時段換電車輛Nneed(t-1)決定:

(6)

(7)

實際BSS運營時會出現(xiàn)換電需求預測存在誤差的情況,因此本文利用建立機會約束的方法,設(shè)定置信水平α.α是影響B(tài)SS制定充放電計劃的重要因素,目的是為了保證實際BSS內(nèi)滿電電池數(shù)滿足換電需求的概率不低于給定的置信水平α.設(shè)定以下機會約束不等式:

(8)

根據(jù)式(5)求得離散化的換電需求概率序列,從而得到t時段換電需求的累積分布函數(shù)DNneed,t(x)為:

(9)

為了將式(8)中的機會約束轉(zhuǎn)換為確定性約束,首先引入0-1型狀態(tài)變量Mx(t).其滿足以下關(guān)系式:

(10)

式(10)表示對任何時段t,當且僅當完全滿足換電需求約束時,Mx(t)等于1.其它情況皆等于0.最終結(jié)合以上(9)、(10)兩式,可將式(8)化簡為:

min{x|Mx(t)·DNneed,t+1(x)}≥a

(11)

式(11)表示在t時段內(nèi),BSS內(nèi)滿電電池數(shù)量Ns(t)大于t+1時段換電數(shù)量x的最小概率不低于置信度a.因此可以推出式(11)與式(8)等價,至此完成了機會約束的確定性轉(zhuǎn)化.

1.2 微網(wǎng)系統(tǒng)內(nèi)部實時電價制定方法

主網(wǎng)峰谷分時電價在各劃分時段內(nèi)是固定的,對于微網(wǎng)內(nèi)不同的負荷分布情況適用性不高[18,19].而實時電價可通過用戶實時負荷水平zt進行調(diào)節(jié),通過實時電價引導BSS參與微網(wǎng)優(yōu)化調(diào)度,可使BSS錯峰充電,減小網(wǎng)內(nèi)負荷峰值.實時電價制定方法有以下兩條:

(1)zt≥0.6時,根據(jù)當前時段主網(wǎng)平時段電價Wp、網(wǎng)內(nèi)負荷水平zt以及日平均負荷d制定實時電價,步驟如下:

①根據(jù)負荷預測數(shù)據(jù)dt,計算常規(guī)負荷總值D、BSS負荷DBSS占總常規(guī)負荷D的比重m=DBSS/D、日平均負荷d、實時負荷水平zt=dt/d.

②t時段實時電價由zt決定,關(guān)系如表1所示.zt的取值變化波動,直接決定了網(wǎng)內(nèi)針對BSS的實時電價Wt.n1、…、n5為負荷水平常數(shù).

表1 實時電價與負荷水平映射表

(2)zt≤0.6時,為了避免電價過低不符合實用性,做出電價最低額度限定:

Wt=Wlmin,zt≤0.6

(12)

式(12)中:Wlmin表示0.6

2 含BSS的微網(wǎng)雙層優(yōu)化調(diào)度模型

2.1 上層微網(wǎng)優(yōu)化模型

2.1.1 目標函數(shù)

微網(wǎng)運行成本包括四個方面:與大電網(wǎng)間的交互凈成本、微燃機燃料成本、與BSS間的購售電凈成本和棄風棄光懲罰成本.為了使微網(wǎng)總運行成本最低,設(shè)定目標函數(shù)如下:

(13)

(14)

(15)

(16)

(17)

(18)

2.1.2 約束條件

(1)可控微源有功出力約束

(19)

(2)系統(tǒng)功率平衡約束

(20)

(3)可控微源爬坡率約束

(21)

(4)主網(wǎng)聯(lián)絡線約束

(22)

2.2 下層BSS優(yōu)化模型

2.2.1 目標函數(shù)

考慮BSS運營商的收益由三個方面決定:充電成本、換電與放電收入以及電池折舊成本.因此建立以BSS收益最大化的下層優(yōu)化目標函數(shù):

maxY2=max(CBSS+Cex+Cdep)

(23)

(24)

(25)

(26)

2.2.2 約束條件

(1)電池數(shù)量平衡約束

(27)

式(27)中:Nf(t)與Ne(t)分別表示t時段站內(nèi)滿電電池數(shù)與空電電池數(shù);Z表示站內(nèi)總電池數(shù)量.

(2)充放電機位約束

(28)

(3)充電狀態(tài)電池組數(shù)量平衡約束

(29)

(4)放電狀態(tài)電池組數(shù)量平衡約束

(30)

(5)空電電池數(shù)量平衡約束

(31)

(6)BSS所需滿足換電需求約束見式(11).

3 模型求解方法

雙層協(xié)調(diào)優(yōu)化模型可在Matlab平臺調(diào)用由IBM公司開發(fā)的Cplex求解器進行仿真求解[21],優(yōu)化流程如圖2所示.

圖2 雙層協(xié)調(diào)優(yōu)化模型求解流程圖

4 算例分析

4.1 算例介紹

選并網(wǎng)型微網(wǎng)作為算例進行研究分析[22],調(diào)度周期為1 d,每1 h為一個優(yōu)化階段.微網(wǎng)內(nèi)部各分布式電源的運行參數(shù)如表2所示;微網(wǎng)削峰填谷政策補貼取2元/kW·h;分時電價如表3所示.

表2 微網(wǎng)系統(tǒng)中分布式電源參數(shù)

表3 主網(wǎng)分時電價

微網(wǎng)典型日常規(guī)負荷曲線及風、光出力預測曲線如圖3所示[11].

圖3 風、光出力及常規(guī)負荷預測值

BSS參數(shù)如下:電池交換站內(nèi)共有100個電池組用于正常租賃服務,其容量皆為30 kW·h;共設(shè)置20個充、放電機位,其額定充、放電功率分別為15 kW和30 kW,充、放電效率均取0.95;完整充、放電一次的電池折舊費取5元,換電零售價取1.5元/(kW·h),為方便計算,換電服務費已并入換電零售價中.

4.2 換電需求及實時電價

利用文獻[16]中的統(tǒng)計數(shù)據(jù),模擬出規(guī)模為100輛電動汽車的全天換電需求預測值及微網(wǎng)實時電價如圖4、5所示.

圖4 電動汽車換電需求預測值

圖5 微網(wǎng)實時電價

4.3 不同策略下的優(yōu)化結(jié)果分析

場景1:微網(wǎng)不對BSS進行充放電引導(固定電價);場景2:微網(wǎng)對BSS進行有序充放電引導(分時電價);場景3:微網(wǎng)對BSS進行有序充放電引導(實時電價).

同時取相同的置信度α=0.95進行優(yōu)化,微網(wǎng)運行成本和BSS總收益如表4所示.

表4 各場景下的成本及收益對比

從表4可知:場景1為固定電價,即BSS為無序充放電行為,由于各時段電價相同,BSS放電反而會損失自身利益,所以全天只進行充電行為.場景2與場景3中的BSS收益明顯高于場景1,同時微網(wǎng)運行成本又低于場景1,說明在電價引導下的BSS有序充放電行為比BSS無序即換即充模式更利于提高微網(wǎng)系統(tǒng)整體的利益.場景2為分時電價,但是由于固定的分時電價無法契合微網(wǎng)內(nèi)負荷用電情況,無法深度引導BSS的放電行為,BSS放電量僅約為場景3的35.4%.場景3中的微網(wǎng)運行成本最低,同時BSS的收益卻最高,說明本文所提策略在場景2的基礎(chǔ)上進一步增加了雙方的利益.

不同場景下含BSS的微網(wǎng)內(nèi)凈負荷曲線如圖6所示,網(wǎng)內(nèi)峰谷差率如表5所示.

圖6 不同場景下凈負荷曲線

表5 各場景下微網(wǎng)總負荷峰谷差情況

結(jié)合圖6與表5中的峰谷差數(shù)據(jù)來看,場景3中凈負荷曲線的峰值最低,同時網(wǎng)內(nèi)峰谷差率最低,說明本文所提優(yōu)化方法可大幅降低網(wǎng)內(nèi)峰谷差率.

為了表明BSS受微網(wǎng)實時電價的激勵而做出的響應情況,以圖7不同場景中BSS用電價格及其充放電功率做出對比.

圖7 BSS實際充放電功率及電價對比

如圖7所示結(jié)果來看,場景1中BSS無序充放電策略下BSS充電負荷高峰期與微網(wǎng)日常負荷高峰期重疊,加大了網(wǎng)內(nèi)負荷的峰值.場景2中的微網(wǎng)雖然在11:00～12:00這個負荷高峰段引導BSS放出一部分電力并不再進行充電,但在22:00時BSS為了能保證后續(xù)電動汽車的換電服務,還是在此用電高峰期進行了充電.而場景3中的微網(wǎng)不僅在11:00～12:00這個時段抑制了BSS的充電行為,還在21:00～22:00的常規(guī)負荷高峰期引導BSS釋放大量電能,進一步降低網(wǎng)內(nèi)總負荷峰值.

4.4 不同置信度對優(yōu)化結(jié)果的影響

這里對場景3進行單獨研究,在其他參數(shù)都不變的情況下,將機會約束中的置信度α分別設(shè)定為95%、75%以及55%.三種不同α對應的微網(wǎng)運行成本和BSS收益關(guān)系對比結(jié)果如圖8所示.

在圖8中，α表示BSS滿足電動汽車換電時站內(nèi)擁有足夠滿電電池數(shù)量的置信度.可以看出隨著α的增大,即BSS運營商滿足換電需求的概率越大,這時站內(nèi)可以用來放電的電池組數(shù)量越小,即減小了BSS參與微網(wǎng)引導的放電容量,導致整體收益下降.然而α越大,以實時電價作為激勵手段,間接使得微網(wǎng)從BSS獲得的利潤變大,微網(wǎng)運行的成本就會減小.同時α越大,電動汽車用戶的換電體驗就會提高,促進BSS的良性運營.綜合以上三點來看:α的選取同時關(guān)系到微網(wǎng)與BSS的利益與風險,BSS運營商需與微網(wǎng)調(diào)度中心協(xié)商確定合適的α,這樣才利于整個系統(tǒng)的協(xié)調(diào)優(yōu)化.

圖8 不同α下的微網(wǎng)運行成本和BSS收益對比

5 結(jié)論

針對微網(wǎng)與BSS在新型合作關(guān)系下優(yōu)化調(diào)度困難的問題,本文建立了BSS與微網(wǎng)協(xié)調(diào)優(yōu)化模型,利用機會約束的方法完成了換電概率的確定性轉(zhuǎn)換,考慮了微網(wǎng)和BSS的運行約束,兼顧了雙方的利益.經(jīng)算例驗證可得以下結(jié)論:

(1)文中的微網(wǎng)內(nèi)實時電價可以引導BSS參與微網(wǎng)優(yōu)化運行,在微網(wǎng)負荷低谷期多充電,負荷高峰期多放電,提高了微網(wǎng)與BSS雙方利益的同時減小了微網(wǎng)內(nèi)部負荷峰谷差,利于微網(wǎng)內(nèi)新能源的就地消納.

(2)在微網(wǎng)系統(tǒng)各不確定因素影響相同的情況下,BSS對置信度α的選擇成為了影響雙方利益的關(guān)鍵因素,因此本文可為以后建立BSS并入微網(wǎng)的電動汽車換電公司提供參考作用.