苗軼群，江全元，曹一家

（1.浙江大學(xué) 電氣工程學(xué)院，浙江 杭州 310027；2.湖南大學(xué) 電氣與信息工程學(xué)院，湖南 長(zhǎng)沙 410082）

0 引言

電動(dòng)汽車(chē) EV（Electric Vehicle）可以有效緩解能源緊缺、環(huán)境污染等問(wèn)題，國(guó)家近年來(lái)出臺(tái)了一系列政策支持EV產(chǎn)業(yè)的發(fā)展［1］。國(guó)家電網(wǎng)公司已建成多個(gè)EV能源供給設(shè)施示范工程［2］。EV可通過(guò)交流充電樁分散式接入電網(wǎng)進(jìn)行充電，也可以駛?cè)氪笮统鋼Q電站進(jìn)行集中快速充電或更換電池。EV如果具有 V2G（Vehicle to Grid）功能［3］，還可以在閑置時(shí)向電網(wǎng)輸送能量，從而可作為移動(dòng)分散式儲(chǔ)能單元與電網(wǎng)實(shí)現(xiàn)互動(dòng)。

對(duì)于EV個(gè)體，在分散式接入方式下，受充電裝置容量的限制，一般采用慢速充電方式，充電功率小，對(duì)電池壽命影響較小［1］，但充電時(shí)間較長(zhǎng)。對(duì)于大量EV無(wú)序充電，其整體行為將導(dǎo)致電網(wǎng)安全性降低、網(wǎng)損增加、網(wǎng)絡(luò)阻塞加劇等負(fù)面結(jié)果，有必要在智能電網(wǎng)和可再生能源利用環(huán)境下對(duì)其調(diào)度和控制進(jìn)行優(yōu)化管理［4］。

微網(wǎng)是將可再生能源、微型燃?xì)廨啓C(jī)（MT）、燃料電池（FC）等分布式電源發(fā)電裝置，以及負(fù)荷、儲(chǔ)能裝置等有機(jī)結(jié)合并接入到電網(wǎng)的技術(shù)［5-6］。作為分散式儲(chǔ)能單元的EV接入微網(wǎng)，可用于接納可再生能源可能出現(xiàn)的能量過(guò)剩，也可作為備用提高微網(wǎng)的可靠性。

文獻(xiàn)［7］提出了包含風(fēng)、光、儲(chǔ)、EV等的微網(wǎng)經(jīng)濟(jì)調(diào)度模型，分析了EV對(duì)微網(wǎng)經(jīng)濟(jì)性的影響：節(jié)約儲(chǔ)能設(shè)備投資，減少微網(wǎng)和EV用戶(hù)的運(yùn)行費(fèi)用。但文中對(duì)EV行為的假設(shè)過(guò)于單一，忽視了大量EV行駛過(guò)程、充電過(guò)程中體現(xiàn)出的隨機(jī)特性，與實(shí)際差異較大。文獻(xiàn)［8］考慮了EV開(kāi)始充電時(shí)刻和日行駛里程的統(tǒng)計(jì)規(guī)律，建立了EV功率需求的統(tǒng)計(jì)模型，可用于研究EV充電對(duì)電網(wǎng)的影響。對(duì)于研究具有V2G功能的EV的充放電行為，需要考慮更多的隨機(jī)因素，如EV充放電功率曲線(xiàn)與EV充放電時(shí)刻、荷電狀態(tài)SOC（State Of Charge）有關(guān)，而充放電時(shí)刻、SOC又與EV駕駛行為直接相關(guān)。文獻(xiàn)［9］建立了含大規(guī)?？扇刖W(wǎng)混合動(dòng)力EV的電網(wǎng)安全約束機(jī)組組合優(yōu)化模型，將充放電過(guò)程按照時(shí)段分別考慮，忽略了SOC對(duì)混合動(dòng)力EV的V2G功能的影響。在將EV的整體功率具體分配到每輛EV時(shí)，或在微網(wǎng)中每輛EV的功率和容量與儲(chǔ)能設(shè)備的功率和容量相比不能忽略時(shí)，有必要考慮EV荷電量對(duì)其充放電功率的影響。

本文以微網(wǎng)系統(tǒng)為基礎(chǔ)，提出了一種EV智能接入模式，對(duì)EV充放電進(jìn)行控制，建立了EV智能接入模式下的微網(wǎng)優(yōu)化調(diào)度模型。最后，基于EV行駛統(tǒng)計(jì)規(guī)律，對(duì)EV的行為進(jìn)行模擬，比較了智能充放電控制模式與隨機(jī)充電模式、錯(cuò)峰充電模式下的微網(wǎng)優(yōu)化調(diào)度效果。

1 EV接入模式

隨機(jī)充電模式中，EV在最后一次行程結(jié)束回到家后，開(kāi)始充電直至電池組充滿(mǎn)。充電行為體現(xiàn)出較強(qiáng)的隨機(jī)性。

隨著EV數(shù)量增多，充電功率可能對(duì)系統(tǒng)負(fù)荷產(chǎn)生較大影響，甚至出現(xiàn)新的負(fù)荷峰值［10］?？梢酝ㄟ^(guò)延遲EV的充電時(shí)間，在負(fù)荷低谷時(shí)，如假設(shè)在24∶00后開(kāi)始充電［11］，可以起到很好的移峰填谷的作用，即錯(cuò)峰充電模式。

V2G概念的提出，使閑置的EV在電池組容量允許的條件下，在負(fù)荷高峰時(shí)將電池組中的能量返送回電網(wǎng)，將進(jìn)一步提高移峰填谷的能力［3］。

智能接入模式中，EV用戶(hù)與微網(wǎng)簽訂協(xié)議，EV接入充放電裝置后，其充放電過(guò)程可由微網(wǎng)調(diào)度，車(chē)主可以通過(guò)人機(jī)接口對(duì)充放電過(guò)程提出要求，比如保留足夠的電量滿(mǎn)足臨時(shí)出行，下一次出行時(shí)間、行駛里程等。為便于微網(wǎng)制定日前計(jì)劃，EV用戶(hù)還要根據(jù)自身需要對(duì)下一日行駛計(jì)劃進(jìn)行估計(jì)，給出EV閑置并可被調(diào)度的時(shí)間范圍。

2 EV隨機(jī)、錯(cuò)峰充電模式下的微網(wǎng)優(yōu)化調(diào)度

EV接入微網(wǎng)后，成為微網(wǎng)的設(shè)備。微網(wǎng)在滿(mǎn)足EV能量需求的同時(shí)，協(xié)調(diào)內(nèi)部設(shè)備，使微網(wǎng)運(yùn)行更加經(jīng)濟(jì)。EV充電功率是微網(wǎng)總負(fù)荷的一部分，即微網(wǎng)的參數(shù)是優(yōu)化調(diào)度的重要數(shù)據(jù)。然而充電功率與EV行駛里程、充電時(shí)間等不確定因素有關(guān)，因此需要通過(guò)生成服從統(tǒng)計(jì)規(guī)律的隨機(jī)事件對(duì)逐輛EV進(jìn)行仿真。將所有EV功率曲線(xiàn)疊加就可得到總的充電功率曲線(xiàn)，更新微網(wǎng)優(yōu)化調(diào)度問(wèn)題中的相關(guān)參數(shù)，通過(guò)優(yōu)化得到結(jié)果，其流程圖如圖1所示。

對(duì)每輛EV，大約有14%的概率不會(huì)出行［12］，如果出行，其日行駛里程d近似服從對(duì)數(shù)正態(tài)分布［13］，其概率密度函數(shù)為：

其中，μd、σd為分布參數(shù)，可根據(jù)EV行駛里程的統(tǒng)計(jì)均值mn、標(biāo)準(zhǔn)差sd求得：

相應(yīng)的第i輛EV充電電量需求ei為：

在隨機(jī)充電模式下，第i輛EV充電開(kāi)始時(shí)刻ti，A為接入電網(wǎng)時(shí)刻，可認(rèn)為是每天最后行駛結(jié)束時(shí)刻，近似服從正態(tài)分布［8］：

其中，μA=17.6，σA=3.4。

在錯(cuò)峰充電模式下，EV充電被延后至負(fù)荷水平較低的時(shí)段，如 ti，A可取為 00∶00—01∶00 范圍內(nèi)服從均勻分布的隨機(jī)數(shù)。

圖1 EV隨機(jī)、錯(cuò)峰充電模式下微網(wǎng)優(yōu)化調(diào)度分析Fig.1 Analysis of optimal microgrid dispatch in random and off-peak EV charging modes

EV連續(xù)充電直至滿(mǎn)足充電電量需求ei。由于過(guò)充、過(guò)放都會(huì)對(duì)電池組壽命產(chǎn)生不良影響，所以電池組SOC在使用過(guò)程中一般被限定在某一范圍內(nèi)，如30%～90%之間。而在這一區(qū)間進(jìn)行充電時(shí)，充電功率可近似為常數(shù)［8］，設(shè)為p+，則EV充電功率曲線(xiàn)可表示為：

其中，ti，#為充電結(jié)束時(shí)刻。

將所有EV的功率曲線(xiàn)疊加即可得到每一時(shí)刻所有EV總的充電負(fù)荷。

以上EV接入模式下，微網(wǎng)優(yōu)化調(diào)度模型的目標(biāo)是使微網(wǎng)運(yùn)行成本最小、收益最大。微網(wǎng)運(yùn)行成本包括微網(wǎng)從配電網(wǎng)購(gòu)電成本、微網(wǎng)內(nèi)部各元件運(yùn)行成本；微網(wǎng)運(yùn)行收益包括向配電網(wǎng)售電收益。約束條件包括微網(wǎng)內(nèi)元件的運(yùn)行條件約束，如微型電源的功率、爬坡率，儲(chǔ)能電站 ESS（Energy Storage Station）的功率、功率變化率、SOC等約束。

微網(wǎng)內(nèi)功率平衡約束可表示為：

微網(wǎng)系統(tǒng)的備用約束為：

3 EV智能接入模式下微網(wǎng)優(yōu)化調(diào)度

有統(tǒng)計(jì)表明在某一時(shí)刻至少88%的EV是處于閑置狀態(tài)的［14］。此時(shí)，可將EV通過(guò)智能裝置連接于微網(wǎng)，由微網(wǎng)控制其充電或放電。

當(dāng)EV充電、V2G功能可控時(shí)，微網(wǎng)可充分利用EV分散式儲(chǔ)能的潛力，提高經(jīng)濟(jì)性。這種模式下EV的充放電狀態(tài)為自變量，相應(yīng)的功率為因變量。EV何時(shí)充電、何時(shí)放電由微網(wǎng)調(diào)度根據(jù)EV行駛狀態(tài)、與配電網(wǎng)交換電價(jià)、可再生能源功率等因素，基于全部時(shí)段進(jìn)行綜合考慮，與其他可控變量，如微型可控電源、ESS等進(jìn)行協(xié)調(diào)配合。

EV在充電或V2G狀態(tài)時(shí)，電池組SOC均被限定于30%～90%，相應(yīng)充電功率、V2G功率都可近似為常數(shù)。V2G功率設(shè)為p-。

充放電功率還要受電池組SOC限制，當(dāng)SOC接近90%時(shí)，將停止充電；SOC接近EV用戶(hù)設(shè)定值時(shí)，將停止放電。即SOC為重要的因變量，其狀態(tài)與EV的行駛里程相關(guān)，也就需要對(duì)EV進(jìn)行更詳細(xì)的模擬。EV智能接入模式下的微網(wǎng)優(yōu)化調(diào)度流程如圖2所示。

EV行駛里程生成如前文所述。假設(shè)第i輛EV全天行駛里程平均等效至首次和末次行程，EV首次行程開(kāi)始前電量滿(mǎn)，則首次行程結(jié)束后的有效荷電量，即初始時(shí)刻 ti，L荷電量為：

圖2 智能接入模式下微網(wǎng)優(yōu)化調(diào)度分析Fig.2 Analysis of optimal microgrid dispatch in smart EV integration mode

首次出行開(kāi)始時(shí)刻ti，L近似服從正態(tài)分布：

其中，μL=7.2，σL=2.1。

全天行程終止時(shí)刻ti，A與前文一致。

將 ti，L～ti，A時(shí)段內(nèi)每 30 min 劃分為一個(gè)子時(shí)段，根據(jù)EV行駛統(tǒng)計(jì)規(guī)律，確定每個(gè)子時(shí)段EV處于行駛狀態(tài)還是閑置狀態(tài)。圖3所示為EV在每個(gè)時(shí)段處于閑置狀態(tài)的概率［14］。由統(tǒng)計(jì)可知，由于每次出行時(shí)間平均為17.5 min［15］，所以EV在每個(gè)子時(shí)段是否處于行駛狀態(tài)彼此獨(dú)立。在 ti，L～ti，A時(shí)段外，EV 處于閑置狀態(tài)。由此得到EV全天閑置時(shí)段，此時(shí)EV可由微網(wǎng)調(diào)度。

圖3 EV在每個(gè)時(shí)段的閑置概率Fig.3 Out-of-use probability of EV

EV用戶(hù)會(huì)根據(jù)預(yù)留里程dr設(shè)定的下限，以保證有足夠的電量滿(mǎn)足出行。在 ti，L～ti，A時(shí)段內(nèi)，dr包括回程里程和備用里程dB。回程里程為di/2，備用里程是為了滿(mǎn)足臨時(shí)購(gòu)物、緊急就醫(yī)等計(jì)劃外的行駛需要而保留的，可取為 32 km［16］。在 ti，L～ti，A時(shí)段外，dr僅可取為 dB。的下限可表示為：

如果全天 EV 未行駛過(guò)，則 ti，L、ti，A都取為 μL，di取為 0，初始取為 e0。

EV智能接入模式下，微網(wǎng)優(yōu)化調(diào)度模型的目標(biāo)函數(shù)與以上2種模式一致。加入EV相關(guān)的新約束。

EV荷電量約束：

EV功率定義：

EV荷電量與功率滿(mǎn)足：

充放電狀態(tài)互斥約束：

在下一天EV出發(fā)前充滿(mǎn)電量：

功率平衡約束：

系統(tǒng)備用約束：

緊急情況時(shí)將EV狀態(tài)設(shè)置為放電，即由EV提供附加備用為：

4 算例分析

4.1 微網(wǎng)系統(tǒng)參數(shù)

微網(wǎng)系統(tǒng)結(jié)構(gòu)如圖4所示［17］，其中可控微型電源包括微型燃?xì)廨啓C(jī)、3臺(tái)柴油發(fā)電機(jī)（DE）、燃料電池，分別采用分段線(xiàn)性化模型描述功率成本關(guān)系，如圖5所示；不可控可再生能源包括風(fēng)力發(fā)電機(jī)（WT）、光伏電站（PV）。微網(wǎng)區(qū)域常規(guī)負(fù)荷、光伏電源和風(fēng)電的功率典型曲線(xiàn)如圖6所示。

圖4 微網(wǎng)結(jié)構(gòu)Fig.4 Structure of microgrid

圖5 分段線(xiàn)性化后的成本-功率曲線(xiàn)Fig.5 Cost-power curve after piecewise linearization

圖6 負(fù)荷、光伏和風(fēng)電的功率典型曲線(xiàn)Fig.6 Typical power curves of load，photovoltaic and wind power

ESS為集中式儲(chǔ)能元件，容量400 kW·h，假設(shè)在30%～90%之間變化，最多可充電240 kW·h，其他參數(shù)如下：最大功率100 kW，功率變化率300 kW/h，維護(hù)成本0.05元/（kW·h），狀態(tài)轉(zhuǎn)換損耗80元/次。EV作為分散式儲(chǔ)能單元通過(guò)充電樁（CP）接入微網(wǎng)，可以充電，也可以利用V2G功能放電，充放電功率p+、p-都取為4 kW。EV標(biāo)準(zhǔn)動(dòng)力電池組總?cè)萘?0 kW·h，有效荷電量 30kW·h，每百km 耗電量 20kW·h，滿(mǎn)電量可行駛里程150 km。電價(jià)如圖7所示。

圖7 電價(jià)曲線(xiàn)Fig.7 Power price curve

4.2 優(yōu)化結(jié)果

隨機(jī)產(chǎn)生1000個(gè)場(chǎng)景，每個(gè)場(chǎng)景50輛EV，按照?qǐng)D1、圖2所示流程對(duì)隨機(jī)充電模式下、錯(cuò)峰充電模式下及智能接入模式下所有場(chǎng)景進(jìn)行隨機(jī)模擬，利用CPLEX軟件①I(mǎi)BM Corporation.IBM ILOG CPLEX 12.1 user’s manual.2009.對(duì)優(yōu)化模型進(jìn)行求解，得到3種模式下微網(wǎng)運(yùn)行成本如表1所示。在滿(mǎn)足EV能量需求的相同條件下，智能接入模式較隨機(jī)充電模式節(jié)約平均成本約31%，較錯(cuò)峰充電模式節(jié)約平均成本約26%，經(jīng)濟(jì)性較好。

表1 微網(wǎng)運(yùn)行成本Tab.1 Operational cost of microgrid

在某一場(chǎng)景內(nèi)3種接入模式下EV功率曲線(xiàn)與原有負(fù)荷及可再生能源功率的疊加效果如圖8所示。微網(wǎng)與配電網(wǎng)間交換功率如圖9所示。

圖8 負(fù)荷與可再生能源功率之差Fig.8 Power difference between load and renewable energy

圖9 PCC交換功率Fig.9 Power exchange at PCC

在無(wú)EV接入的微網(wǎng)中，負(fù)荷與可再生能源功率之差表征功率的缺額，需要對(duì)微型電源、ESS等可控單元進(jìn)行優(yōu)化調(diào)度以保證運(yùn)行經(jīng)濟(jì)并最大限度地利用可再生能源。

隨機(jī)充電模式下，EV充電主要集中在17∶00以后，此時(shí)電價(jià)較高，微網(wǎng)以向配電網(wǎng)賣(mài)電為主。充電功率影響外送功率，減少了收益。在00∶00—05∶00微網(wǎng)內(nèi)可再生能源功率過(guò)剩，除部分儲(chǔ)存于ESS內(nèi)，其他只能以較低價(jià)格出售。

錯(cuò)峰充電模式下，EV充電主要集中在00∶00—04∶00，有效利用了可再生能源的過(guò)剩功率，略微提高了經(jīng)濟(jì)性。

在智能接入模式下，EV作為分散式儲(chǔ)能裝置，與ESS協(xié)調(diào)配合，在電價(jià)較低，即配電網(wǎng)負(fù)荷低谷時(shí)，集中充電；在電價(jià)較高，即配電網(wǎng)負(fù)荷高峰時(shí)，集中放電，進(jìn)一步提高了微網(wǎng)的經(jīng)濟(jì)性，對(duì)配電網(wǎng)起到“移峰填谷”的作用。ESS循環(huán)次數(shù)減少，延長(zhǎng)了使用壽命，如圖10所示。

圖10 儲(chǔ)能電站荷電量Fig.10 Energy of ESS

所有EV以及某1輛EV的充放電功率、等效荷電量如圖11、圖12所示。EV首次出行前充滿(mǎn)電量，即06∶00左右荷電量接近最高值。首次出行結(jié)束后，可以利用較低電價(jià)繼續(xù)充電，補(bǔ)充行駛所耗能量。10∶00—15∶00，大部分 EV 處于閑置狀態(tài)，可被微網(wǎng)調(diào)度，在電價(jià)較高時(shí)段放電。17∶00—21∶00，EV 放電功率略有減小，這是因?yàn)榇藭r(shí)段為EV末次出行集中時(shí)段，EV處于行駛狀態(tài)，不可被調(diào)度。EV在全天電價(jià)較低時(shí)充電。EV在行駛時(shí)，充放電功率為0，全天行駛里程所耗電量被平均等效至首、末2次出行時(shí)段，如圖12所示。

圖11 所有EV荷電量與功率Fig.11 Energy and power of all EVs

圖12 某輛EV荷電量及功率Fig.12 Energy and power of one EV

5 結(jié)論

由于EV接入電網(wǎng)具有很強(qiáng)的不確定性，在隨機(jī)充電模式和錯(cuò)峰充電模式下很難建立嚴(yán)格的數(shù)學(xué)模型，利用隨機(jī)模擬方法對(duì)EV充電功率曲線(xiàn)進(jìn)行研究。提出了EV智能接入模式，并建立了相應(yīng)的微網(wǎng)優(yōu)化調(diào)度模型。以14節(jié)點(diǎn)微網(wǎng)為例，利用CPLEX軟件求解混合整數(shù)線(xiàn)性規(guī)劃問(wèn)題，給出每輛EV的充放電策略。

智能接入模式既可以滿(mǎn)足EV行駛的需求，又充分利用EV閑置的電量，發(fā)揮其分散式儲(chǔ)能的功能，實(shí)現(xiàn)移峰填谷的作用，提高了微網(wǎng)的經(jīng)濟(jì)性。