羅　捷，吳俊明,陳德超，易志鵬，鄧偉華

(1.長(zhǎng)沙理工大學(xué)智能電網(wǎng)運(yùn)行與控制湖南省重點(diǎn)實(shí)驗(yàn)室，湖南長(zhǎng)沙410114；2.國(guó)網(wǎng)江西贛東北供電公司，江西樂(lè)平333300；3.國(guó)網(wǎng)黃山供電公司，安徽黃山245000；4.湖南省瀏陽(yáng)市供電公司，湖南長(zhǎng)沙410300)

電動(dòng)汽車(chē)參與下的虛擬電廠多目標(biāo)優(yōu)化調(diào)度

羅捷1，吳俊明1,陳德超2，易志鵬3，鄧偉華4

(1.長(zhǎng)沙理工大學(xué)智能電網(wǎng)運(yùn)行與控制湖南省重點(diǎn)實(shí)驗(yàn)室，湖南長(zhǎng)沙410114；2.國(guó)網(wǎng)江西贛東北供電公司，江西樂(lè)平333300；3.國(guó)網(wǎng)黃山供電公司，安徽黃山245000；4.湖南省瀏陽(yáng)市供電公司，湖南長(zhǎng)沙410300)

摘要：為了實(shí)現(xiàn)虛擬電廠中分布式發(fā)電機(jī)組的經(jīng)濟(jì)調(diào)度，同時(shí)減少虛擬電廠運(yùn)行產(chǎn)生的污染，結(jié)合電動(dòng)汽車(chē)與電力系統(tǒng)之間能量雙向流動(dòng)的特點(diǎn)，考慮虛擬電廠運(yùn)行對(duì)環(huán)境的影響，建立了電動(dòng)汽車(chē)參與下的虛擬電廠多目標(biāo)優(yōu)化調(diào)度模型。為了求解該模型，采用基于向量求值的粒子群優(yōu)化算法(Vector Evaluated Particle Swarm Optimization, VEPSO)，并通過(guò)8節(jié)點(diǎn)虛擬電廠仿真，對(duì)比分析多目標(biāo)與單目標(biāo)條件下優(yōu)化調(diào)度結(jié)果，驗(yàn)證了所提出的方法可以使虛擬電廠以低成本運(yùn)行，同時(shí)實(shí)現(xiàn)良好的環(huán)境效益。

關(guān)鍵詞：虛擬電廠；電動(dòng)汽車(chē)；多目標(biāo)優(yōu)化調(diào)度；VEPSO

中圖分類號(hào)：TM711

文獻(xiàn)標(biāo)識(shí)碼：A

DOI:10.3969/j.issn.1672-0792.2015.02.009

收稿日期：2014-07-31。

基金項(xiàng)目：國(guó)家自然科學(xué)基金(71331001)。

作者簡(jiǎn)介：羅捷(1988-)，男，碩士研究生，從事電力系統(tǒng)運(yùn)行與控制方面的研究，E-mail:184262902@qq.com。

Abstract：In order to achieve economic dispatch of the distributed turbines and reduce pollution generated due to the running of virtual power plant, combining with the characteristics of two-way flow between EV, a distributed optimization scheduling model of virtual power plant with EV is established. Vector evaluated particles swarm optimization (EVPSO) is used to solve the model. Through the simulation of virtual power plant with 8 nodes, and comparing with the results of optimization scheduling multi-objective and single objective conditions, it verifies the proposed method can keep the virtual power plant operation with low cost and achieve good environmental benefits.

Keywords：virtual power plants; electric vehicles; multi-objective optimal dispatch; VEPSO

0引言

隨著能源危機(jī)和環(huán)境危機(jī)的日益突出，世界主要大國(guó)均大力推動(dòng)分布式發(fā)電，以提高對(duì)風(fēng)能、太陽(yáng)能等可再生能源的利用率，降低污染氣體的排放[1~4]。然而，由于分布式電源容量小、數(shù)量大、分布不均勻，大量分布式發(fā)電的接入可能造成線路阻塞、電壓閃變、潮流改變等問(wèn)題，給分布式電源的管理帶來(lái)了挑戰(zhàn)。為此，文獻(xiàn)[5]首次提出虛擬電廠的概念，通過(guò)先進(jìn)的計(jì)算機(jī)、通信和計(jì)量等技術(shù)，實(shí)現(xiàn)分布式發(fā)電單元的協(xié)調(diào)優(yōu)化運(yùn)行。

由于可再生能源發(fā)電的隨機(jī)性和間歇性特點(diǎn)，大量分布式發(fā)電的接入對(duì)電力系統(tǒng)的安全穩(wěn)定運(yùn)行帶來(lái)了嚴(yán)峻的挑戰(zhàn)。文獻(xiàn)[6~9]利用儲(chǔ)能裝置或增加旋轉(zhuǎn)備用平抑可再生能源波動(dòng)性。然而由于儲(chǔ)能裝置投資成本大、儲(chǔ)能電池報(bào)廢后處理困難，容易造成環(huán)境污染；增加旋轉(zhuǎn)備用需頻繁啟動(dòng)和停止機(jī)組，設(shè)備利用效率低下，投資和運(yùn)行成本較高，并且受到機(jī)組爬坡速度方面的限制，旋轉(zhuǎn)備用機(jī)組不能迅速響應(yīng)可再生能源發(fā)電出力變化。

為此，利用需求側(cè)管理平抑可再生能源發(fā)電波動(dòng)性受到越來(lái)越大的重視[10~11]，文獻(xiàn)[12~15]利用可中斷負(fù)荷平抑可再生能源發(fā)電的波動(dòng)性，然而，這種方法降低了對(duì)用戶的供電可靠性。

本文克服可中斷負(fù)荷參與需求側(cè)管理的不足，借助于配電網(wǎng)中數(shù)量龐大的電動(dòng)汽車(chē)，利用電動(dòng)汽車(chē)與電網(wǎng)連接時(shí)能量雙向流動(dòng)的特點(diǎn)，充分發(fā)揮資源配置效應(yīng)，平抑可再生能源發(fā)電的間歇性，實(shí)現(xiàn)分布式發(fā)電單元的協(xié)調(diào)優(yōu)化調(diào)度。

1虛擬電廠優(yōu)化調(diào)度模型

1.1　風(fēng)力發(fā)電成本

風(fēng)速是隨機(jī)變化的，風(fēng)速的不確定性通?？梢杂猛紶柗植紒?lái)描述，其概率密度函數(shù)可表示為：

(1)

式中：νn表示節(jié)點(diǎn)n的風(fēng)場(chǎng)實(shí)際風(fēng)速；κn和σn分別表示威布爾分布的形狀參數(shù)和尺度參數(shù)。

當(dāng)風(fēng)速小于切入速度時(shí)，風(fēng)力發(fā)電機(jī)組不啟動(dòng)；當(dāng)風(fēng)速大于切入速度時(shí)，隨著風(fēng)速的增大，風(fēng)力發(fā)電機(jī)發(fā)電功率逐漸升高；達(dá)到額定轉(zhuǎn)速后，風(fēng)力發(fā)電機(jī)發(fā)電功率保持恒定；風(fēng)速進(jìn)一步增大，達(dá)到切除速度后，為保護(hù)風(fēng)機(jī)，風(fēng)機(jī)停機(jī)。風(fēng)力發(fā)電機(jī)組最大輸出功率與風(fēng)速之間關(guān)系如圖1所示，可表示為[16]：

(2)

式中：Pw,n為最大可輸出功率；νin,n為切入風(fēng)速；νout,n為切出風(fēng)速；νr,n為額定風(fēng)速；Pr,n為額定輸出功率。

圖1　最大輸出功率與風(fēng)速之間關(guān)系

考慮風(fēng)速的不確定性對(duì)電力系統(tǒng)產(chǎn)生的影響，風(fēng)速預(yù)測(cè)通常會(huì)產(chǎn)生一定誤差，導(dǎo)致計(jì)劃發(fā)電功率與實(shí)際可用功率之間不同。風(fēng)力發(fā)電成本可分為預(yù)期成本、低估懲罰成本和高估懲罰成本3項(xiàng)[17]。即風(fēng)力發(fā)電成本為：

Cw,n=cw,nPs,n+E(cw,u,n[Pw,n-Ps,n]++

cw,o,n[Ps,n-Pw,n]+)

(3)

式中：cw,n，cw,u,n，cw,o,n分別表示直接成本系數(shù)、低估懲罰成本系數(shù)、高估懲罰成本系數(shù)；Ps,n表示計(jì)劃發(fā)電功率；[x]+=max{x,0}；E(x)表示x的期望。

1.2　微型燃?xì)廨啓C(jī)發(fā)電成本

微型燃?xì)廨啓C(jī)發(fā)電成本與其輸出功率之間的關(guān)系可設(shè)為：

(4)

式中：Cg,n為節(jié)點(diǎn)n的微型燃?xì)廨啓C(jī)發(fā)電成本；Pg,n為發(fā)電功率；cgn,2和cgn,1均為成本系數(shù)。

1.3　排污成本

虛擬電廠中微型燃?xì)廨啓C(jī)運(yùn)行，以及向大電網(wǎng)購(gòu)買(mǎi)的電能會(huì)產(chǎn)生CO2，SOx，NOx等污染氣體。虛擬電廠的排放成本均可表示為：

(5)

式中：l為污染物的種類數(shù)；N表示虛擬電廠的節(jié)點(diǎn)總數(shù)；αi表示排放污染氣體i的懲罰成本；βi,grid為大電網(wǎng)排放污染氣體i的排放因子；Ps為虛擬電廠向大電網(wǎng)的購(gòu)電功率；βi,g,n表示節(jié)點(diǎn)n微型燃?xì)廨啓C(jī)排放污染氣體i的排放因子。

2分布式優(yōu)化調(diào)度數(shù)學(xué)建模

2.1　目標(biāo)函數(shù)

為了實(shí)現(xiàn)虛擬電廠各分布式電源總運(yùn)行成本最低，同時(shí)虛擬電廠運(yùn)行產(chǎn)生的污染氣體對(duì)環(huán)境影響最小，目標(biāo)函數(shù)為：

minF={F1,F2}

(6)

(7)

F2=Ce

(8)

式中：c為向大電網(wǎng)購(gòu)買(mǎi)電能的價(jià)格；Pν2g,n表示節(jié)點(diǎn)n電動(dòng)汽車(chē)的充放電功率；正表示充電；負(fù)表示放電。

2.2　約束條件

(1)等式約束

虛擬電廠在運(yùn)行中需滿足功率平衡，即滿足：

(9)

式中：Pd,n，ΔPL,n分別表示節(jié)點(diǎn)n的負(fù)荷功率和網(wǎng)損。

(2)不等式約束

a.線路傳輸功率限制

虛擬電廠運(yùn)行中需滿足線路傳輸功率限制，即滿足：

(m=1,…,M)(10)

式中：M表示傳輸線路的條數(shù)；ηmn為節(jié)點(diǎn)n向傳輸線路m的注入功率靈敏度；Pm為線路傳輸線路m的傳輸功率極限。

b.發(fā)電功率極限

微型燃?xì)廨啓C(jī)運(yùn)行時(shí)需滿足最大和最小發(fā)電功率限制，即：

(11)

c.爬坡速度限制

風(fēng)力發(fā)電機(jī)和微型燃?xì)廨啓C(jī)有功出力受到爬坡速度的限制，即：

(12)

(13)

d.電動(dòng)汽車(chē)充放電限制

電動(dòng)汽車(chē)在虛擬電廠優(yōu)化調(diào)度時(shí)，需滿足充放電功率限制，同時(shí)，為了保證電池過(guò)充和過(guò)放對(duì)電池壽命的影響，以及正常行駛功能，需滿足：

(14)

(15)

3模型求解

通過(guò)增加變量，可以將等式約束條件轉(zhuǎn)化為不等式約束條件，因此，電動(dòng)汽車(chē)參與下的虛擬電廠分布式優(yōu)化調(diào)度模型可表示為：

minF(X)

s.t.X∈R?En

其中，X=(x1,x2,…,xn)T，F(xiàn)(X)=(f1(X),f2(X))T，R={X|g(X)≤0},g(X)=(g1(X),g2(X),…,gm(X))T，。

針對(duì)多目標(biāo)優(yōu)化問(wèn)題，傳統(tǒng)方法經(jīng)常采用目標(biāo)加權(quán)法，通過(guò)固定的權(quán)重系數(shù)，將多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)換為單目標(biāo)優(yōu)化問(wèn)題。這種方法權(quán)重系數(shù)直接影響著優(yōu)化結(jié)果的好壞，并且，由于采用單目標(biāo)優(yōu)化方法去優(yōu)化新的效用函數(shù)，每次優(yōu)化智能獲得一個(gè)最優(yōu)解，如果不具備足夠的關(guān)于問(wèn)題先驗(yàn)知識(shí)，即使優(yōu)化過(guò)程很成功，也很難判別優(yōu)化結(jié)果的最優(yōu)性。

為了減小傳統(tǒng)目標(biāo)加權(quán)法中權(quán)重系數(shù)對(duì)優(yōu)化結(jié)果產(chǎn)生的不利影響，本文采用VEPSO算法。算法的步驟如下：

(1)在可行域內(nèi)隨機(jī)規(guī)模為N的微粒群。

(3)對(duì)微粒群1和2，分別確定其中最佳微粒，將其作為微粒群中的社會(huì)共享信息。

(4)對(duì)于不同子微粒群中的微粒，均利用來(lái)自其他微粒群的社會(huì)共享信息來(lái)調(diào)整自己的飛行速度，并更新其位置，更新后的所有微粒重新組合成新的微粒群。

(5)重復(fù)步驟(2)~(4)，直至滿足終止條件(達(dá)到設(shè)定精度或運(yùn)算次數(shù))，從2個(gè)子微粒群中選取一組最優(yōu)解構(gòu)成最優(yōu)解集，作為優(yōu)化結(jié)果輸出。

4仿真

8節(jié)點(diǎn)電力系統(tǒng)結(jié)構(gòu)如圖2所示，線路負(fù)荷功率、節(jié)點(diǎn)上負(fù)荷、微型燃?xì)廨啓C(jī)參數(shù)、風(fēng)力發(fā)電機(jī)參數(shù)、電動(dòng)汽車(chē)參數(shù)分別如表1~6所示，節(jié)點(diǎn)2含150輛電動(dòng)汽車(chē)，節(jié)點(diǎn)4含300輛電動(dòng)汽車(chē)，向電網(wǎng)購(gòu)買(mǎi)電能的價(jià)格為0.45元/kW·h。

圖2　8節(jié)點(diǎn)電力系統(tǒng)結(jié)構(gòu)

表1　線路參數(shù)

表2　節(jié)點(diǎn)上負(fù)荷

表3　微型燃?xì)廨啓C(jī)參數(shù)

表4　風(fēng)力發(fā)電機(jī)參數(shù)

采用VEPSO優(yōu)化算法，取計(jì)算精度為10-4，功率調(diào)度曲線如圖4所示，目標(biāo)函數(shù)的誤差曲線如圖4所示。由圖3，4可知，經(jīng)過(guò)33次運(yùn)算可得精確解，VEPSO優(yōu)化算法具有較快的收斂速度和較高的計(jì)算精度。

表5　電動(dòng)汽車(chē)參數(shù)

表6　懲罰成本和排放因子

圖3　功率調(diào)度曲線

圖4　目標(biāo)函數(shù)的誤差曲線

不同目標(biāo)下優(yōu)化調(diào)度的總費(fèi)用如表7所示，由調(diào)度結(jié)果可知，多目標(biāo)條件下，總發(fā)電成本略高于以發(fā)電成本最小為目標(biāo)的優(yōu)化調(diào)度，但大幅減少了排污成本，降低了虛擬電廠運(yùn)行對(duì)環(huán)境造成的污染。

表7　不同目標(biāo)下優(yōu)化調(diào)度的總費(fèi)用　元

5結(jié)論

考慮配電網(wǎng)中大量電動(dòng)汽車(chē)的儲(chǔ)能特性，本文建立了電動(dòng)汽車(chē)參與下的虛擬電廠多目標(biāo)優(yōu)化調(diào)度模型，以包含電動(dòng)汽車(chē)、風(fēng)力發(fā)電機(jī)組、微型燃?xì)廨啓C(jī)的8節(jié)點(diǎn)虛擬電廠為例，運(yùn)用基于向量求值的粒子群優(yōu)化算法求解優(yōu)化調(diào)度模型。通過(guò)對(duì)比分析多目標(biāo)與單目標(biāo)條件下優(yōu)化調(diào)度結(jié)果，體現(xiàn)了所提出的方法可以使虛擬電廠以低成本運(yùn)行，同時(shí)實(shí)現(xiàn)良好的環(huán)境效益。

參考文獻(xiàn):

[1]朱昊，韋鋼，陳秋南，等.分布式電源單相并網(wǎng)逆變器控制方法研究[J].電力科學(xué)與工程，2013,29(9):6-12.

[2]夏向陽(yáng)，徐剛，程莎莎，等. 配電網(wǎng)中分布式發(fā)電系統(tǒng)的復(fù)合并網(wǎng)控制方法[J].電力科學(xué)與工程，2013,29(8):1-5.

[3]趙興勇，康凱，趙艷秋.分布式電源選址定容優(yōu)化算法[J].電力科學(xué)與工程，2011,27(3):51-54.

[4]郭劍鋒，彭春華.含分布式發(fā)電的配電網(wǎng)規(guī)劃研究[J].電力科學(xué)與工程，2009,25(8):17-21.

[5]Pudjianto D, Ramsay C, Strbac G. Virtual power plant and system intergration of distributed energy resources[J].Renewable Power Generation,IET,2007,1(1):10-16.

[6]廖強(qiáng)強(qiáng)，穆廣平，徐華，等.電動(dòng)汽車(chē)電池用于電網(wǎng)低電壓線路的儲(chǔ)能調(diào)壓實(shí)驗(yàn)[J].電力建設(shè)，2014,35(5):56-59.

[7]房旭雪，葉林，趙永寧，等.平抑風(fēng)電功率波動(dòng)的儲(chǔ)能容量經(jīng)濟(jì)配置方法[J].電網(wǎng)與清潔能源，2013,29(12):101-106,118.

[8]金鵬，艾欣，孫英云.考慮原動(dòng)機(jī)特性的下垂控制策略研究[J].華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版)，2013,40(6):7-12.

[9]劉國(guó)中.基于FD-Monte Carlo混合法的節(jié)點(diǎn)電價(jià)和節(jié)點(diǎn)可靠性指標(biāo)評(píng)估[J].電力科學(xué)與工程，2012,28(9):18-23.

[10]李軍軍，吳政球，譚勛瓊，等.風(fēng)力發(fā)電及其技術(shù)發(fā)展綜述[J].電力建設(shè)，2011,32(8):64-72.

[11]潘歡，陳錦麟，張黨強(qiáng)，等.計(jì)及抽搐電站調(diào)峰運(yùn)行的水火電優(yōu)化調(diào)度[J].電力科學(xué)與工程，2013,29(10):1-5.

[12]陳飛，羅運(yùn)虎.國(guó)外與國(guó)內(nèi)兩種微電網(wǎng)供電方式的協(xié)調(diào)[J].電網(wǎng)與清潔能源，2013,29(1):24-28.

[13]鄭靜，文福拴，周明磊.計(jì)及需求側(cè)響應(yīng)的含風(fēng)電場(chǎng)的輸電系統(tǒng)規(guī)劃[J].華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版)，2014,41(3):42-48.

[14]李莉，譚忠富，關(guān)勇.發(fā)電公司與供電公司聯(lián)合實(shí)施可中斷負(fù)荷的優(yōu)化模型[J].電力科學(xué)與工程，2008,24(2):16-19.

[15]張燕，周明.考慮備用成本的含風(fēng)電場(chǎng)短期經(jīng)濟(jì)調(diào)度[J].電力科學(xué)與工程，2011,27(4):6-12.

[16]楊楠，王波，劉滌塵，等．計(jì)及大規(guī)模風(fēng)電和柔性負(fù)荷的電力系統(tǒng)供需側(cè)聯(lián)合隨機(jī)調(diào)度方法[J]．中國(guó)電機(jī)工程學(xué)報(bào)，2013，33(16)：63-70．

[17]孫惠娟，彭春華，易洪京．大規(guī)模風(fēng)電接入電網(wǎng)多目標(biāo)隨機(jī)優(yōu)化調(diào)度[J]．電力自動(dòng)化設(shè)備，2012，32(5)：123-128．

Multi-objective Optimization Scheduling of Virtual Power Plant with Electric Vehicles

Luo Jie1，Wu Junming1，Chen Dechao2, Yi Zhipeng3, Deng Weihua4(1.Hunan Province Key Laboratory of Smart Grids Operation and Control, Changsha University of Science and Technology, Changsha 410114,China;2.State Grid Jiangxi Gandongbei Power Supply Company, Leping 333300,China; 3.State Grid Huangshan Power Supply Company, Huangshan 245000,China;4.Liuyang Electric Power Supply Company, Changsha 410300,China)