胡文平，何立夫，陳杰軍，于騰凱，孟 良

考慮大規(guī)模電動汽車接入電網(wǎng)的雙層優(yōu)化調(diào)度策略

胡文平1，何立夫2，陳杰軍3，于騰凱1，孟 良1

(1.國網(wǎng)河北省電力公司電力科學(xué)研究院，河北 石家莊 050021；2.國網(wǎng)湖南省電力公司防災(zāi)減災(zāi)中心，湖南 長沙 410129；3.武漢大學(xué)電氣工程學(xué)院，湖北 武漢 430072)

隨著經(jīng)濟(jì)發(fā)展和化石燃料短缺、環(huán)境污染嚴(yán)重的矛盾日益尖銳，電動汽車(Electric Vehicle, EV)的發(fā)展和普及將成為必然趨勢。大規(guī)模無序充電的電動汽車接入電網(wǎng)充電將給電網(wǎng)帶來強(qiáng)大的沖擊，并可能導(dǎo)致電網(wǎng)局部過負(fù)荷，威脅電網(wǎng)運(yùn)行的安全性和經(jīng)濟(jì)性。因此研究了發(fā)電機(jī)、電動汽車、風(fēng)力的協(xié)同優(yōu)化計(jì)劃問題，提出了一種基于輸電和配電系統(tǒng)層面的電動汽車充放電計(jì)劃雙層優(yōu)化調(diào)度策略。在輸電網(wǎng)層，以減少發(fā)電機(jī)組的運(yùn)行成本、PM2.5排放量、用戶的總充電成本和棄風(fēng)電量為目標(biāo)，建立了基于機(jī)組最優(yōu)組合的上層優(yōu)化調(diào)度模型；在配電網(wǎng)層，以降低網(wǎng)損為目標(biāo)，考慮網(wǎng)絡(luò)安全約束和電動汽車的空間遷移特性，建立了基于最優(yōu)潮流的下層優(yōu)化調(diào)度模型。在基于標(biāo)準(zhǔn)10機(jī)輸電網(wǎng)和IEEE33節(jié)點(diǎn)配電網(wǎng)的電力系統(tǒng)仿真模型上，對所提的基于雙層優(yōu)化的大規(guī)模電動汽車充放電調(diào)度策略進(jìn)行了仿真分析，驗(yàn)證了所提雙層優(yōu)化調(diào)度策略的有效性和優(yōu)越性。

電動汽車；雙層優(yōu)化充放電策略；機(jī)組組合；最優(yōu)潮流

0 引言

截至2015年8月底，我國電動汽車保有量達(dá)到22.30萬輛，國家明確提出到2020年電動汽車保有量達(dá)到500萬輛。由于大多數(shù)用戶生活作息習(xí)慣和駕駛習(xí)慣的相近，規(guī)?；碾妱悠嚐o序充電行為將可能出現(xiàn)集中化現(xiàn)象，給電網(wǎng)造成不可估量的影響。風(fēng)能由于清潔、可再生的特點(diǎn)發(fā)展很快，但是風(fēng)電場的接入對電網(wǎng)存在不利影響[1]。采用合理的電動汽車優(yōu)化調(diào)度策略，規(guī)劃電動汽車有序充電行為，可有效解決電動汽車隨機(jī)充電行為對電網(wǎng)的不利影響，提高新能源利用率。因此研究大規(guī)模接入電網(wǎng)的電動汽車優(yōu)化調(diào)度策略具有重要意義。

文獻(xiàn)[2-4]在低壓配電網(wǎng)中研究電動汽車的充電策略，沒有考慮與輸電網(wǎng)側(cè)發(fā)電機(jī)組的協(xié)調(diào)。在輸電網(wǎng)層面上，也有人對電動汽車與發(fā)電機(jī)組的協(xié)調(diào)優(yōu)化做了不少研究。文獻(xiàn)[5-8]以機(jī)組的運(yùn)行成本和CO2排放量最小為優(yōu)化目標(biāo)，研究了考慮電動汽車充電和放電的機(jī)組組合問題，研究發(fā)現(xiàn)通過充放電電動汽車能平滑負(fù)荷曲線，能降低電力系統(tǒng)對小而昂貴的小發(fā)電機(jī)組的依賴，因而能夠減少機(jī)組的運(yùn)行成本和CO2的排放量?；陔p層優(yōu)化的電動汽車充放電調(diào)度策略出現(xiàn)了一些報(bào)道。文獻(xiàn)[9]提出了一種基于計(jì)及安全約束的機(jī)組組合的電動汽車優(yōu)化調(diào)度方法，并建立了兩階段模型：子模型1即為機(jī)組最優(yōu)組合模型，能夠獲得各時(shí)段最優(yōu)充放電的電動汽車數(shù)量，子模型2在考慮交流潮流約束的情況下將各時(shí)段最優(yōu)充放電的電動汽車數(shù)量合理的配到電網(wǎng)的各個(gè)節(jié)點(diǎn)上，其研究模型是針對輸電網(wǎng)絡(luò)，但在輸電網(wǎng)絡(luò)中，各個(gè)節(jié)點(diǎn)的電動汽車數(shù)量是相對固定的，可調(diào)度性較差。文獻(xiàn)[10-11]建立了雙層經(jīng)濟(jì)調(diào)度的電動汽車充放電調(diào)度模型，內(nèi)層為最優(yōu)潮流模型，優(yōu)化電動汽車充放電負(fù)荷的時(shí)間分布特性，外層模型能優(yōu)化出了電動汽車充放電負(fù)荷的最優(yōu)空間分布，但其在考慮充放電負(fù)荷的空間分布時(shí)沒有考慮電動汽車在電網(wǎng)節(jié)點(diǎn)中的流動性，其研究模型也僅針對輸電網(wǎng)絡(luò)。文獻(xiàn)[12-13]分別研究了電動汽車有序充電的時(shí)間調(diào)度、空間調(diào)度和時(shí)空聯(lián)合調(diào)度，其時(shí)空聯(lián)合調(diào)度策略能夠優(yōu)化換電站的充電負(fù)荷在時(shí)間上和空間上的分布，但由于其決策矩陣能夠指出具體的電動汽車去具體的換電站進(jìn)行充電，當(dāng)電動汽車和換電站的規(guī)模很大時(shí)，其優(yōu)化算法的性能難以保證。文獻(xiàn)[14-15]對電動汽車的充放電進(jìn)行分層分區(qū)調(diào)度，在上層調(diào)度中，對電力系統(tǒng)和各電動汽車代理商進(jìn)行協(xié)調(diào)優(yōu)化，以負(fù)荷波動最小為目標(biāo)，分配各代理商各時(shí)段的充放電負(fù)荷；在下層調(diào)度中，各代理商對管轄的電動汽車各時(shí)段的充放電狀態(tài)進(jìn)行控制，完成調(diào)度任務(wù)。

上述基于雙層優(yōu)化的電動汽車充電策略是單獨(dú)在輸電網(wǎng)層或配電網(wǎng)層對時(shí)間和空間兩個(gè)維度上進(jìn)行優(yōu)化調(diào)度，而根據(jù)文獻(xiàn)[16]的研究發(fā)現(xiàn)，有必要同時(shí)在輸電網(wǎng)層和配電網(wǎng)層進(jìn)行電動汽車充電策略的優(yōu)化。因此本文提出了一種基于雙層優(yōu)化的電動汽車充放電調(diào)度策略，該雙層優(yōu)化調(diào)度策略在輸電網(wǎng)層對電動汽車和發(fā)電機(jī)組、新能源進(jìn)行時(shí)間維度上的優(yōu)化，在配電網(wǎng)層考慮電動汽車的流動性對充放電負(fù)荷進(jìn)行空間位置的優(yōu)化。本文假設(shè)電動汽車充放電行為完全服從電網(wǎng)調(diào)度。

1 基于雙層優(yōu)化的電動汽車充放電調(diào)度策略

1.1 上層優(yōu)化調(diào)度策略建模

考慮到風(fēng)電的波動性和不確定性，本文采用了基于場景分析的方法來描述風(fēng)電的波動性和不確定性。在輸電系統(tǒng)層面上，為使電動汽車的充放電負(fù)荷在時(shí)間上能與發(fā)電機(jī)組的出力、風(fēng)電出力相協(xié)調(diào)以達(dá)到最優(yōu)的效果，提出了基于日前機(jī)組組合模型的上層調(diào)度策略，其優(yōu)化變量為各個(gè)時(shí)段中機(jī)組的啟停狀態(tài)及其出力、充放電的電動汽車數(shù)量和棄風(fēng)電量?；跈C(jī)組組合的上層優(yōu)化調(diào)度策略的建模過程如下。

1.1.1 目標(biāo)函數(shù)

上層優(yōu)化的目標(biāo)是使得電動汽車的充放電負(fù)荷與發(fā)電機(jī)組出力、風(fēng)電出力相協(xié)調(diào)，提升整體的經(jīng)濟(jì)性，所以上層優(yōu)化策略應(yīng)該要能降低發(fā)電機(jī)組的運(yùn)行成本，減少污染物的排放，盡量消納更多的風(fēng)電，減少電動汽車車主的充電成本等。所以目標(biāo)函數(shù)應(yīng)該包括機(jī)組運(yùn)行的燃料成本[17-18]、開停機(jī)成本[19]、污染物排放懲罰成本、車主的充電成本、棄風(fēng)的懲罰成本等幾部分。

式(1)~式(6)分別表示機(jī)組的燃料成本、PM2.5排放量懲罰成本、啟動成本、停機(jī)成本、用戶充電成本和棄風(fēng)成本。其中為場景s下發(fā)電機(jī)組i在時(shí)段t的燃料成本；ia,ib和ic為機(jī)組i的燃料成本特性曲線系數(shù)，是在場景s下發(fā)電機(jī)i組在時(shí)段t輸出的有功功率。為場景s下發(fā)電機(jī)組i在時(shí)段t的PM2.5排放量；Aar為平均燃煤收到基灰分(%)，計(jì)算時(shí)，其默認(rèn)值取20；w為燃煤灰分至PM2.5的轉(zhuǎn)化系數(shù)(%)，計(jì)算時(shí)，其默認(rèn)值取5.1；h控制措施對PM2.5的去除效率(%)，計(jì)算時(shí)，其默認(rèn)值取99[20-21]；PM2.5的排放量正比于煤耗量，為機(jī)組i的煤耗特性曲線系數(shù)。,itS 為發(fā)電機(jī)組i在時(shí)段t的啟動成本；為發(fā)電機(jī)組i的熱啟動成本；為發(fā)電機(jī)組i的冷啟動成本；為發(fā)電機(jī)組i在時(shí)段t之前的連續(xù)停機(jī)時(shí)間；為機(jī)組i熱啟動和冷啟動的過渡時(shí)間；為發(fā)電機(jī)組i的最小允許停機(jī)時(shí)間；為發(fā)電機(jī)組i的冷啟動時(shí)間。在標(biāo)準(zhǔn)系統(tǒng)中，火電機(jī)組的停機(jī)成本為常數(shù)且通常為0[22]。為場景s下在時(shí)段t的車主總充電成本；為時(shí)段t的電動汽車的充電價(jià)格，為時(shí)段t的電動汽車的放電價(jià)格；為場景s下在時(shí)段t充電的電動汽車總數(shù)量；Pc為電動汽車的平均充電功率；為場景s下在時(shí)段t放電的電動汽車總數(shù)量；Pd為電動汽車的平均放電功率；為時(shí)段t的時(shí)長，本文中其取值為 1。為場景s下在時(shí)段t的棄風(fēng)懲罰成本；W為風(fēng)電場數(shù)目；Cw為棄風(fēng)懲罰價(jià)格；為場景s下風(fēng)電場w在時(shí)段t的棄風(fēng)電量。

在進(jìn)行機(jī)組開停機(jī)序列決策時(shí)，以機(jī)組的啟停成本最小為目標(biāo)；在進(jìn)行由風(fēng)電場景驅(qū)動的在線機(jī)組的運(yùn)行基點(diǎn)決策時(shí)，以所有場景的期望成本最小為目標(biāo)?？偟哪繕?biāo)函數(shù)可表述為

式中：T為總優(yōu)化時(shí)段數(shù)；Ng為發(fā)電機(jī)組總臺數(shù)；為火電機(jī)組i在時(shí)段t的啟停成本函數(shù)；發(fā)電機(jī)組i在時(shí)段t的運(yùn)行狀態(tài)，1表示運(yùn)行，0表示停機(jī)；為求所有場景的數(shù)學(xué)期望；Prs為風(fēng)電場景s出現(xiàn)的概率；為火電機(jī)組i的燃料成本函數(shù)；為場景s下發(fā)電機(jī)組i在時(shí)段t的有功出力；為火電機(jī)組i的PM2.5排放量；為 PM2.5排放懲罰價(jià)格因子；為場景s下電動汽車車主在時(shí)段t的總充電成本；為場景s下風(fēng)電場在時(shí)段t的總棄風(fēng)懲罰成本。

1.1.2 約束條件

下列約束條件在每個(gè)時(shí)段t都必須滿足。

式(8)表示系統(tǒng)功率平衡約束，式(9)~式(11)分別表示系統(tǒng)的旋轉(zhuǎn)備用約束、機(jī)組出力約束和爬坡約束。式(12)、式(13)表示機(jī)組最小開停機(jī)時(shí)間約束。式(14)、式(15)表示可充放電的電動汽車數(shù)量約束。式(16)、式(17)是充放電需求約束。式(18)表示棄風(fēng)電量約束。其中，Dt為時(shí)段t系統(tǒng)總的基本負(fù)荷；為場景s下風(fēng)電場w在時(shí)段t的預(yù)測風(fēng)電功率。其中，為發(fā)電機(jī)組i的有功出力上限；Rt為時(shí)段t的系統(tǒng)旋轉(zhuǎn)備用需求。為發(fā)電機(jī)組i的最小有功出力。Ru,i為機(jī)組i在單個(gè)時(shí)段內(nèi)最大上調(diào)有功量；Rd,i為機(jī)組i在單個(gè)時(shí)段內(nèi)最大下調(diào)有功量。為發(fā)電機(jī)組i在時(shí)段t之前處于運(yùn)行狀態(tài)的時(shí)間；發(fā)電機(jī)組i在時(shí)段t之前處于停機(jī)狀態(tài)的時(shí)間；為發(fā)電機(jī)組i的最小允許運(yùn)行時(shí)間；為發(fā)電機(jī)組i的最小允許停機(jī)時(shí)間。為t時(shí)段可充電的電動汽車最大數(shù)量；為t時(shí)段可放電的電動汽車最大數(shù)量。為一天中所有可充電的電動汽車總數(shù)；ctD 為平均充電時(shí)長；為一天中所有可放電的電動汽車總數(shù)；dtD 為平均放電時(shí)長。為棄風(fēng)電量；為預(yù)測的風(fēng)電功率。

1.2 下層優(yōu)化調(diào)度策略建模

上層優(yōu)化策略決定了輸電網(wǎng)層的機(jī)組出力、風(fēng)電出力和電動汽車總的充放電負(fù)荷曲線，配電網(wǎng)層就需要根據(jù)輸電網(wǎng)的供電情況和電動汽車在配電網(wǎng)中的空間位置分布來將電動汽車總的充放電負(fù)荷最優(yōu)的分配到配電網(wǎng)中的各個(gè)節(jié)點(diǎn)上。所以本文在配電網(wǎng)層面提出了基于最優(yōu)潮流的下層優(yōu)化調(diào)度策略，通過優(yōu)化潮流分布，將電動汽車的總充放電負(fù)荷最優(yōu)分配到配網(wǎng)的各個(gè)節(jié)點(diǎn)上，其優(yōu)化變量為各個(gè)時(shí)段中各個(gè)節(jié)點(diǎn)的充放電電動汽車數(shù)量。

1.2.1 目標(biāo)函數(shù)

通常配網(wǎng)運(yùn)營商希望將電動汽車的充放電負(fù)荷分配在最合適的節(jié)點(diǎn)上以改善配電網(wǎng)的潮流分布，降低配電網(wǎng)的總網(wǎng)損[23]。所以下層優(yōu)化調(diào)度模型以降低配電網(wǎng)的總網(wǎng)損為優(yōu)化目標(biāo)，將電動汽車充放電負(fù)荷最優(yōu)分配在配網(wǎng)的節(jié)點(diǎn)上。下層優(yōu)化調(diào)度策略的目標(biāo)函數(shù)可以表示為

1.2.2 約束條件

下列約束條件在每個(gè)時(shí)段t都必須滿足。為求所有場景的期望值；

式(20)、式(21)表示節(jié)點(diǎn)功率平衡約束；式(22)是節(jié)點(diǎn)電壓幅值約束；式(23)表示節(jié)點(diǎn)電壓幅值約束；式(24)是節(jié)點(diǎn)充電容量約束；式(25)、式(26)表示區(qū)域電動汽車數(shù)量約束；式(27)、式(28)是上層調(diào)度計(jì)劃約束。其中，為場景s下節(jié)點(diǎn)的有功電源在時(shí)段t發(fā)出的有功功率；為節(jié)點(diǎn)在時(shí)段t的有功負(fù)荷；為場景s下在時(shí)段t在節(jié)點(diǎn)充電的電動汽車數(shù)量；為場景s下在時(shí)段t在節(jié)點(diǎn)放電的電動汽車數(shù)量；Pc為電動汽車的平均充電功率；Pd為電動汽車的平均放電功率；為場景s下節(jié)點(diǎn)的無功電源在時(shí)段t發(fā)出的無功功率；為節(jié)點(diǎn)在時(shí)段t的無功負(fù)荷；為場景s下在時(shí)段t節(jié)點(diǎn)傳送出去的有功功率；為場景s下在時(shí)段t節(jié)點(diǎn)傳送出去的無功功率；K為配電網(wǎng)中除平衡節(jié)點(diǎn)外的節(jié)點(diǎn)集合。和分別為節(jié)點(diǎn)的電壓允許最大值和最小值。為節(jié)點(diǎn)和節(jié)點(diǎn)j之間的線路可傳輸最大功率；K為節(jié)點(diǎn)和節(jié)點(diǎn)j之間的線路在場景s下在時(shí)段t傳輸?shù)挠泄β省?/p>

2 案例仿真

為了驗(yàn)證所提的基于雙層優(yōu)化的電動汽車充放電調(diào)度策略的可行性和有效性，本節(jié)構(gòu)建了一個(gè)包含火電機(jī)組、風(fēng)電場、輸電網(wǎng)絡(luò)、配電網(wǎng)絡(luò)和電動汽車的電力系統(tǒng)仿真模型，如圖1所示。

圖1 包含輸電網(wǎng)絡(luò)和配電網(wǎng)絡(luò)的電力系統(tǒng)仿真模型Fig. 1 Simulation model of power system including transmission network and distribution network

2.1 輸電網(wǎng)層的仿真分析

假設(shè)輸電網(wǎng)中含有150 000輛電動汽車，并比較了兩種不同電價(jià)模式的仿真結(jié)果。

算例一：輸電網(wǎng)中不含電動汽車。

算例二：電動汽車的充放電電價(jià)如圖2(a)所示。

算例三：電動汽車充放電電價(jià)如圖2(b)所示。

圖2 電動汽車充放電電價(jià)曲線Fig. 2 Price profiles of charging and discharging

將2.1節(jié)中的上層優(yōu)化調(diào)度策略模型線性化后，用AIMMS進(jìn)行求解。上述2個(gè)算例的目標(biāo)函數(shù)值和目標(biāo)函數(shù)中的燃料費(fèi)用、PM2.5排放量、啟動成本、電力系統(tǒng)的運(yùn)行成本、車主的充電成本、棄風(fēng)電量的期望值見表 1。與算例一和算例三相比，算例二的總目標(biāo)函數(shù)值明顯減小。其中算例二、三電動汽車充放電數(shù)量分布如圖3所示，可以看出電動汽車充電集中在充電價(jià)格較低時(shí)刻，放電集中在放電價(jià)格較高時(shí)刻。

2.2 配電網(wǎng)層的仿真分析

下層優(yōu)化優(yōu)化調(diào)度策略在IEEE 33節(jié)點(diǎn)的配電網(wǎng)絡(luò)層進(jìn)行仿真驗(yàn)證。為了便于研究電動汽車的遷移特性對配電網(wǎng)的影響，將配電網(wǎng)分成了居民區(qū)、商業(yè)區(qū)和辦公區(qū)3個(gè)功能區(qū)，70%的電動汽車屬于居民區(qū)，20%的電動汽車屬于商業(yè)區(qū)，10%的電動汽車屬于辦公區(qū)。當(dāng)考慮到電動汽車的遷移時(shí)，在白天大部分的電動汽車停留在辦公區(qū)和商業(yè)區(qū)，在晚上大部分的電動汽車停留在居民區(qū)。假設(shè)在早上上班時(shí)間，居民區(qū)中80%的電動汽車將遷移到辦公區(qū)，15%的電動汽車將遷移到商業(yè)區(qū)；在傍晚下班時(shí)間，這些從居民區(qū)遷出的電動汽車將會回到居民區(qū)，其他的車輛不會駛出其所屬于的區(qū)域。

圖3 電動汽車充放電數(shù)量分布Fig. 3 Scheduling of charging and discharging of different cases

表 1 不同算例的目標(biāo)函數(shù)值Table 1 Objective function results of different cases

算例四：基于輸電網(wǎng)層的算例一，配電網(wǎng)中也沒有電動汽車。

算例五：基于輸電網(wǎng)層的算例二，配電網(wǎng)的分區(qū)和電動汽車的遷移特性上所述。

算例五電動汽車充電放電負(fù)荷在配電網(wǎng)中的分布如圖4所示，本文給出算例五某一時(shí)刻電動汽車充電放電負(fù)荷在配電網(wǎng)中的分布如圖5所示。算例四和算例五的網(wǎng)絡(luò)損耗如圖6所示，算例四和算例五配電網(wǎng)總網(wǎng)損耗分別為2.496 4 MW和2.389 8 MW，算例五的總網(wǎng)損耗比算例四小，這說明通過調(diào)度電動汽車在特定位置進(jìn)行充放電可以優(yōu)化系統(tǒng)潮流，減少系統(tǒng)網(wǎng)絡(luò)損耗。

另外，通過圖5和圖6還可以發(fā)現(xiàn)，將配電網(wǎng)中的電動汽車調(diào)度到盡量靠近配電網(wǎng)首端的節(jié)點(diǎn)充電，到盡量靠近配電網(wǎng)末端的節(jié)點(diǎn)放電，能夠減少配電網(wǎng)的總網(wǎng)損，提高配電網(wǎng)運(yùn)行的經(jīng)濟(jì)性。在實(shí)際規(guī)劃中，應(yīng)將充電站盡可能建在靠近配網(wǎng)首末端的位置，并通過相應(yīng)的差異化電價(jià)機(jī)制，運(yùn)用彈性系數(shù)法分析用戶對電價(jià)的響應(yīng)程度，來引導(dǎo)電動汽車到靠近首端充電站充電，到靠近末端充電站放電。

圖4 算例五的電動汽車充放電調(diào)度結(jié)果Fig. 4 Result of EVs charging and discharging scheduling in case 5

圖5 算例五電動汽車充放電負(fù)荷在配電網(wǎng)中的分布Fig. 5 Schematic of charging and discharging in the network in case 5

圖6 配電網(wǎng)的總網(wǎng)損曲線Fig. 6 Network loss curve

3 總結(jié)

為了使電動汽車能與電源端進(jìn)行協(xié)調(diào)優(yōu)化，本文提出了基于雙層優(yōu)化的電動汽車充放電調(diào)度策略，該調(diào)度策略能分別從輸電網(wǎng)層和配電網(wǎng)層對電動汽車的充放電進(jìn)行協(xié)調(diào)優(yōu)化。在輸電網(wǎng)層，建立了基于隨機(jī)機(jī)組組合模型的上層優(yōu)化調(diào)度策略模型。上層優(yōu)化調(diào)度策略優(yōu)化出了各時(shí)段的機(jī)組啟停狀態(tài)和出力、消納的風(fēng)電功率和電動汽車充放電負(fù)荷。在配電網(wǎng)層，提出了基于最優(yōu)潮流的下層優(yōu)化調(diào)度策略。下層優(yōu)化調(diào)度策略以提高配電網(wǎng)運(yùn)行經(jīng)濟(jì)性為目標(biāo)，根據(jù)上層調(diào)度策略優(yōu)化出的結(jié)果，考慮電動汽車的空間分布特性，將各時(shí)段的電動汽車總充放電負(fù)荷優(yōu)化的分配到配電網(wǎng)的各個(gè)節(jié)點(diǎn)上。

最后基于標(biāo)準(zhǔn)的10機(jī)系統(tǒng)和IEEE33節(jié)點(diǎn)構(gòu)建了一個(gè)電力系統(tǒng)仿真平臺，應(yīng)用AIMMS優(yōu)化軟件，對所提的基于雙層優(yōu)化的大規(guī)模電動汽車充放電調(diào)度策略進(jìn)行了仿真分析。輸電層研究了兩種不同的電動汽車充放電電價(jià)模式對輸電網(wǎng)的影響，分析結(jié)論顯示恒定的電價(jià)模式無法引導(dǎo)電動汽車車主的充放電行為，反應(yīng)負(fù)荷波動的峰谷電價(jià)才能引導(dǎo)車主在負(fù)荷低谷時(shí)充電。配電層研究了功能區(qū)劃分和電動汽車的遷移特性對配電網(wǎng)運(yùn)行的影響，仿真結(jié)果表明，為了提高配電網(wǎng)運(yùn)行的經(jīng)濟(jì)性，配電網(wǎng)中的電動汽車將被調(diào)度到盡量靠近配電網(wǎng)首端的節(jié)點(diǎn)進(jìn)行充電，而到盡量靠近配電網(wǎng)末端的節(jié)點(diǎn)進(jìn)行放電,這樣能減少配電網(wǎng)總網(wǎng)損。

雖然本文中假設(shè)電動汽車充放電行為完全服從電網(wǎng)調(diào)度的這一前提不完全符合實(shí)際情況，但未來采取了相應(yīng)的價(jià)格激勵(lì)等措施后，對電動汽車進(jìn)行智能引導(dǎo)，可以認(rèn)為大部分的電動汽車會按電網(wǎng)需求進(jìn)行優(yōu)化充電，意味著能夠間接的把大部分電動汽車充放電負(fù)荷主動分配到配電網(wǎng)的各個(gè)節(jié)點(diǎn)上。針對電動汽車對于智能引導(dǎo)措施的響應(yīng)問題，將是下一步工作的重點(diǎn)。

[1] 馬玲玲, 楊軍, 付聰, 等. 電動汽車充放電對電網(wǎng)影響研究綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2013, 41(3): 140-148.

MA Lingling, YANG Jun, FU Cong, et al. Review on impact of electric car charging and discharging on power grid[J]. Power System Protection and Control, 2013, 41(3): 140-148.

[2] 黨杰, 湯奕, 寧佳, 等. 基于用戶意愿和出行規(guī)律的電動汽車充電負(fù)荷分配策略[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(16): 8-15.

DANG Jie, TANG Yi, NING Jia, et al. Research on relaying technologies of distribution network including mass electric vehicles grid[J]. Power System Protection and Control, 2015, 43(16): 8-15.

[3] 佟晶晶, 溫俊強(qiáng), 王丹, 等. 基于分時(shí)電價(jià)的電動汽車多目標(biāo)優(yōu)化充電策略[J]. 電力系統(tǒng)保護(hù)與控制, 2016, 44(1): 17-23.

TONG Jingjing, WEN Junqiang, WANG Dan, et al. Multi-objective optimization charging strategy for plug-in electric vehicles based on time-of-use price[J]. Power System Protection and Control, 2016, 44(1): 17-23.

[4] 汪春, 吳可, 張祥文, 等. 規(guī)?；妱悠嚭惋L(fēng)電協(xié)同調(diào)度的機(jī)組組合問題研究[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(11): 41-48.

WANG Chun, WU Ke, ZHANG Xiangwen, et al. Unit commitment considering coordinated dispatch of large scale electric vehicles and wind power generation[J]. Power System Protection and Control, 2015, 43(11): 41-48.

[5] 薛松, 袁越, 傅質(zhì)馨, 等. 考慮電動汽車入網(wǎng)技術(shù)的電力系統(tǒng)機(jī)組組合研究[J]. 電力系統(tǒng)保護(hù)與控制, 2013, 41(10): 86-92.

XUE Song, YUAN Yue, FU Zhixin, et al. Unit commitment in power system considering vehicle-togrid[J]. Power System Protection and Control, 2013, 41(10): 86-92.

[6] SANDSTORM O, BINDING C. Flexible charging optimization for electric vehicles considering distribution grid constraints[J]. IEEE Transactions on Smart Grid, 2012, 3(1): 26-37.

[7] METS K, VERSCHUEREN T, HAERICK W, et al. Optimizing smart energy control strategies for plug-in hybrid electric vehicle charging[C] // Network Operations and Management Symposium Workshops (NOMS Wksps), 2010 IEEE/IFIP. IEEE, 2010: 293-299.

[8] YANG J, HE L, FU S. An improved PSO-based charging strategy of electric vehicles in electrical distribution grid[J]. Applied Energy, 2014, 128: 82-92.

[9] SORTOMME E, HINDI M, MACPHERSON S D J, et al. Coordinated charging of plug-in hybrid electric vehicles to minimize distribution system losses[J]. IEEE Transactions on Smart Grid, 2011, 2(1): 198-205.

[10] 張謙, 劉超, 周林, 等. 計(jì)及可入網(wǎng)電動汽車最優(yōu)時(shí)空分布的雙層經(jīng)濟(jì)調(diào)度模型[J]. 電力系統(tǒng)自動化, 2014, 38(20): 40-45.

ZHANG Qian, LIU Chao, ZHOU Lin, et al. A bi-level economy dispatch model considering temporal and spatial optimal distribution of electric vehicles[J]. Automation of Electric Power Systems, 2014, 38(20): 40-45.

[11] 劉超. 計(jì)及電動汽車最優(yōu)時(shí)空分布的分級調(diào)度模型研究[D]. 重慶: 重慶大學(xué), 2014.

LIU Chao. A hierarchical dispatching model considering temporal and spatial optimal distribution of electric vehicles[J]. Chongqing: Chongqing University, 2014.

[12] 田文奇, 和敬涵, 姜久春, 等. 電動汽車充電負(fù)荷空間分配優(yōu)化算法[J]. 電工技術(shù)學(xué)報(bào), 2013, 28(3): 269-276.

TIAN Wenqi, HE Jinghan, JIANG Jiuchun, et al. Electric vehicle charging load spatial allocation optimization algorithm[J]. Transactions of China Electrotechnical Society, 2013, 28(3): 269-276.

[13] 田文奇. 基于時(shí)空雙尺度的電動汽車換電站有序充電調(diào)度方法[D]. 北京: 北京交通大學(xué), 2013.

TIAN Wenqi. Electric vehicle battery swapping station coordinated charging dispatch method based on temporal and spatial double dimensions[D]. Beijing: Beijing Jiaotong University, 2013.

[14] 姚偉鋒, 趙俊華, 文福拴, 等. 基于雙層優(yōu)化的電動汽車充放電調(diào)度策略[J]. 電力系統(tǒng)自動化, 2012, 36(11): 30-37.

YAO Weifeng, ZHAO Junhua, WEN Fushuan, et al. A charging and discharging dispatching strategy for electric vehicles based on bi-level optimization[J]. Automation of Electric Power Systems, 2012, 36(11): 30-37.

[15] 熊腡成. 基于多尺度空間層次聚類的電動汽車充放電優(yōu)化調(diào)度[D]. 長沙: 長沙理工大學(xué), 2013.

XIONG Luocheng. Charging and discharging optimal scheduling of EVs based on SSHC[D]. Changsha: Changsha University of Science & Technology, 2013.

[16] ORTEGA-VAZQUEZ M A, BOUFFARD F, SILVA V. Electric vehicle aggregator/system operator coordination for charging scheduling and services procurement[J]. IEEE Transactions on Power Systems, 2013, 28(2): 1806-1815.

[17] JING Z X, SHAO W Y, HE X Y, et al. Research on unit commitment in power system with electric vehicles classification[C] // Power and Energy Society General Meeting (PES), 2013 IEEE. IEEE, 2013: 1-5.

[18] 陸凌蓉, 文福拴, 薛禹勝, 等. 計(jì)及可入網(wǎng)電動汽車的電力系統(tǒng)機(jī)組最優(yōu)組合[J]. 電力系統(tǒng)自動化, 2011, 35(21): 16-20.

LU Lingrong, WEN Fushuan, XUE Yusheng, et al. Unit commitment in power systems with plug-in electric vehicles[J]. Automation of Electric Power Systems, 2011, 35(21): 16-20.

[19] SABER A, VENAYAGAMOORTHY G K. Intelligent unit commitment with vehicle-to-grid a cost-emission optimization[J]. Journal of Power Sources, 2010, 195(3): 898-911.

[20] SABER A Y, VENAYAGAMOORTHY G K. Optimization of vehicle-to-grid scheduling in constrained parking lots[C] // Power & Energy Society General Meeting, 2009. PES'09. IEEE. IEEE, 2009: 1-8.

[21] SABER A Y, VENAYAGAMOORTHY G K. Unit commitment with vehicle-to-grid using particle swarm optimization[C] // PowerTech, 2009 IEEE Bucharest. IEEE, 2009: 1-8.

[22] SABER A, VENAYAGAMOORTHY G K. Resource scheduling under uncertainty in a smart grid with renewables and plug-in vehicles[J]. IEEE Systems Journal, 2012, 6(1): 103-109.

[23] GHANBARZADEH T, GOLEIJANI S, MOGHADDAM M P. Reliability constrained unit commitment with electric vehicle to grid using hybrid particle swarm optimization and ant colony optimization[C] // Power and Energy Society General Meeting, 2011 IEEE. IEEE, 2011: 1-7.

A bi-layer optimization based schedule considering large-scale electric vehicles

HU Wenping1, HE Lifu2, CHEN Jiejun3, YU Tengkai1, MENG Liang1
(1. State Grid Hebei Electric Power Research Institute, Shijiazhuang 050021, China; 2. State Grid Hunan Electric Power Company and Reduction Center, Changsha 410129, China; 3. School of Electrical Engineering, Wuhan University, Wuhan 430072, China)

Electric vehicle (EV) has a promising future due to its friendliness to the environment and potential to reduce dependence on fossil fuels. If large-scale EVs access to the power grid charging disorderly, it may lead to some problems in power grid, such as power congestion. This will threaten the security and economic operation of power grid. Therefore, a EVs’ charging and discharging optimal scheduling strategy based on bi-layer optimization is proposed: in the transmission system, with the objective of reducing the operation costs and PM2.5 emissions of generators, charging cost of users and wind curtailment of wind farms, the upper layer optimization model is built based on day-ahead unit commitment (UC); in the distribution system, with the goal of reducing the network loss, the lower layer optimization model is built based on OPF considering network constraints and mobility of EVs. Based on a power system model consisting of a 10-unit transmission grid and an IEEE 33-bus distribution grid, the effectiveness and superiority of proposed bi-layer optimization strategy is investigated. This work is supported by National Natural Science Foundation of China (No. 51277135) and Science and Technology Project of Hebei Electric Power Company and Central University Science Foundation (No. 2042015kf1004).

electric vehicle; bi-layer optimization of charging and discharging strategy; unit commitment; OPF

2015-09-18；

2016-01-18

胡文平(1968-)，男，高級工程師，研究方向?yàn)殡娏ο到y(tǒng)規(guī)劃；E-mail: hwp8@163.com

(編輯 葛艷娜)

10.7667/PSPC151672

國家自然科學(xué)基金項(xiàng)目(51277135)；河北省電力公司科技項(xiàng)目和中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)資金(2042015kf1004)資助

陳杰軍(1994-)，男，通信作者，碩士研究生，研究方向?yàn)殡娏ο到y(tǒng)保護(hù)。E-mail: 2011302540279@whu.edu.cn