劉都利，周任軍，孫洪

(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，長(zhǎng)沙 410114)

0 引 言

隨著智能電網(wǎng)的發(fā)展，通過(guò)智能電網(wǎng)和電動(dòng)汽車(chē)相結(jié)合的V2G技術(shù)實(shí)現(xiàn)網(wǎng)與車(chē)的雙向互動(dòng)。在電網(wǎng)側(cè)，當(dāng)負(fù)荷較低時(shí)電動(dòng)汽車(chē)對(duì)過(guò)剩能量進(jìn)行存儲(chǔ)；當(dāng)負(fù)荷較高時(shí)電動(dòng)汽車(chē)當(dāng)作分布式電源進(jìn)行“發(fā)電”[1-2]。在運(yùn)營(yíng)商方面，通過(guò)優(yōu)化充放電策略以實(shí)現(xiàn)運(yùn)營(yíng)商利潤(rùn)的最大化[3]。然而V2G優(yōu)化策略中電動(dòng)汽車(chē)種類(lèi)多樣性以及車(chē)主充電行為的自主性決定了其不能簡(jiǎn)單地被視為一個(gè)群整體模型，應(yīng)充分考慮電動(dòng)汽車(chē)合理分類(lèi)后再進(jìn)行有效調(diào)度。文獻(xiàn)[4]提出一種電動(dòng)汽車(chē)分類(lèi)調(diào)度策略，但將同一時(shí)段到站的車(chē)輛都按照相同的充電延時(shí)進(jìn)行處理，忽視實(shí)際中不同車(chē)輛最大允許充電延時(shí)可能不同。文獻(xiàn)[5]只選取針對(duì)電動(dòng)私家車(chē)進(jìn)行分類(lèi)后優(yōu)化充電定價(jià)并未考慮其他類(lèi)型的車(chē)以及放電定價(jià)。文獻(xiàn)[6]研究電動(dòng)汽車(chē)充電設(shè)施綜合規(guī)劃，按照充電需求進(jìn)行電動(dòng)汽車(chē)不同類(lèi)型的分類(lèi)?？偨Y(jié)目前考慮電動(dòng)汽車(chē)分類(lèi)的研究中，對(duì)分類(lèi)的準(zhǔn)則、分類(lèi)的對(duì)象以及分類(lèi)后研究的問(wèn)題各有側(cè)重，極少有同時(shí)對(duì)不同的電動(dòng)汽車(chē)依據(jù)各自充電需求偏好來(lái)進(jìn)行分類(lèi)。分類(lèi)后的電動(dòng)汽車(chē)中部分具備受控、可調(diào)度的屬性，利用充放電與間歇性新能源互補(bǔ)協(xié)調(diào)。

目前關(guān)于V2G參與風(fēng)電消納的研究中，有計(jì)及碳排放的輸電網(wǎng)側(cè)風(fēng)-車(chē)協(xié)調(diào)研究[7]、計(jì)及電動(dòng)汽車(chē)負(fù)荷與風(fēng)電出力不確定性的經(jīng)濟(jì)調(diào)度研究[8]等。在市場(chǎng)方面的研究有通過(guò)電動(dòng)汽車(chē)與電網(wǎng)互動(dòng)減少棄風(fēng)的商業(yè)模式與日前優(yōu)化調(diào)度策略[9]，電動(dòng)汽車(chē)與風(fēng)機(jī)作為虛擬電場(chǎng)在電力市場(chǎng)中的競(jìng)價(jià)策略[10]等。但已有相關(guān)研究對(duì)于電動(dòng)汽車(chē)受控時(shí)段和充電需求進(jìn)行簡(jiǎn)化處理，很少將運(yùn)營(yíng)商的收益和電動(dòng)汽車(chē)充放電對(duì)負(fù)荷影響共同考慮，優(yōu)化策略上沒(méi)有考慮使用電價(jià)激勵(lì)與充電延時(shí)雙重結(jié)合的方法。

綜上所述，基于充電偏好和電動(dòng)汽車(chē)出行特性將電動(dòng)汽車(chē)分經(jīng)濟(jì)型、合約型和常規(guī)型三類(lèi)并分別功率建模，建立以運(yùn)營(yíng)商收益最大和電網(wǎng)負(fù)荷均方差最小的多目標(biāo)函數(shù)。實(shí)現(xiàn)大規(guī)模電動(dòng)汽車(chē)有序充放電以消納多余風(fēng)電目標(biāo)。通過(guò)對(duì)經(jīng)濟(jì)型主要執(zhí)行充放電價(jià)格激勵(lì)以消納多余的風(fēng)電，對(duì)合約型主要采取延時(shí)充電方法以平抑需求側(cè)風(fēng)谷差。算例對(duì)比三種優(yōu)化策略，驗(yàn)證了同時(shí)采取電價(jià)激勵(lì)和延時(shí)措施的策略能使綜合目標(biāo)最優(yōu)。

1 考慮偏好的電動(dòng)汽車(chē)分類(lèi)

1.1 電動(dòng)汽車(chē)行使行為及其充電特性

現(xiàn)有觀念下的電動(dòng)汽車(chē)基于用戶(hù)使用對(duì)象和用途一般分為公交車(chē)、出租車(chē)、公務(wù)車(chē)和私家車(chē)，其特性及其能源供給模式分析如表1所示。

表1 電動(dòng)汽車(chē)行駛行為及其充電特性Tab.1 Driving behavior and charging characteristics of EV

1.2 考慮不同充電偏好的電動(dòng)汽車(chē)分類(lèi)及其特點(diǎn)

不同類(lèi)型的電動(dòng)汽車(chē)行駛行為和充電特征都不同，不能將其視為單一的群充電模型求解，但對(duì)于運(yùn)營(yíng)商而言，可以將符合同一滿(mǎn)意標(biāo)準(zhǔn)或者偏好的客戶(hù)進(jìn)行歸類(lèi)后統(tǒng)一調(diào)度充電。選取用戶(hù)最為關(guān)注的充放電價(jià)格、充放電電量、充放電時(shí)間等需求設(shè)置偏好，將電動(dòng)汽車(chē)用戶(hù)對(duì)應(yīng)地分為：經(jīng)濟(jì)型、合約型和常規(guī)型三大類(lèi)后進(jìn)行分群充放電策略研究。各類(lèi)具體特點(diǎn)及對(duì)比如表2所示。

經(jīng)濟(jì)型用戶(hù)主要由私家車(chē)構(gòu)成，因?yàn)槿后w多樣性，各車(chē)主的充放電電價(jià)期望標(biāo)準(zhǔn)不一致，所以當(dāng)達(dá)不到自身期望電價(jià)時(shí)經(jīng)濟(jì)型用戶(hù)表現(xiàn)為常規(guī)型。私家車(chē)每天的停駛率基本都在90%以上[7]，隨著大規(guī)模充電樁和充電站的建立及移動(dòng)智能技術(shù)的發(fā)展，未來(lái)電動(dòng)私家車(chē)經(jīng)濟(jì)型用戶(hù)對(duì)電價(jià)作出迅速的響應(yīng)成為可能，表現(xiàn)為不僅在電價(jià)低位對(duì)應(yīng)的負(fù)荷低谷時(shí)進(jìn)行充電，而且還能在電價(jià)高位對(duì)應(yīng)的負(fù)荷高峰時(shí)向電網(wǎng)放電。

對(duì)于公交車(chē)和出租車(chē)而言，汽車(chē)每天行駛路線或者行程范圍固定、行為較簡(jiǎn)單，此外為保證其運(yùn)行可靠性，一般都有備用車(chē)輛可隨時(shí)(輪流)替補(bǔ)工作，因此公交車(chē)公司和出租車(chē)公司都可與運(yùn)營(yíng)商簽合約以獲取優(yōu)惠電價(jià)，只要能充分保證下次正常用車(chē)時(shí)間有充足電量的車(chē)可供使用的前提下，車(chē)輛進(jìn)站后可由運(yùn)營(yíng)商統(tǒng)一管理調(diào)配。與公交車(chē)類(lèi)似的如環(huán)衛(wèi)車(chē)、巡邏車(chē)、郵政車(chē)等部分公務(wù)車(chē)只要保證在使用時(shí)電量充足就可以，無(wú)需關(guān)注電量是在哪一段時(shí)間充滿(mǎn),因此歸屬到合約型。

表2 考慮不同偏好的電動(dòng)汽車(chē)分類(lèi)及其特點(diǎn)Tab.2 Classification and characteristics of EV with different preferences

部分私家車(chē)和公務(wù)車(chē)以隨時(shí)用車(chē)和隨時(shí)充電作為自己偏好標(biāo)準(zhǔn)，這部分劃分到常規(guī)型。但當(dāng)經(jīng)濟(jì)型用戶(hù)沒(méi)有達(dá)到自身充放電電價(jià)偏好標(biāo)準(zhǔn)時(shí)，因不受電價(jià)激勵(lì)作用，此時(shí)表現(xiàn)為常規(guī)型。

2 各類(lèi)型電動(dòng)汽車(chē)充放電功率建模

2.1 經(jīng)濟(jì)型客戶(hù)充放電功率建模

充電需求函數(shù)關(guān)系[6]：

(1)

(2)

(3)

放電需求函數(shù)關(guān)系：

(4)

P1,ev,t=N1C(t)p1C-N1D(t)p1D

(5)

(6)

(7)

2.2 合約型客戶(hù)充電功率建模

公交車(chē)公司或出租車(chē)公司與運(yùn)營(yíng)商簽訂固定合約后，公司旗下電動(dòng)汽車(chē)到達(dá)充電站后，運(yùn)營(yíng)商讀取車(chē)載電池管理系統(tǒng)數(shù)據(jù)，收集汽車(chē)編號(hào)L、剩余電量、所需行駛里程，計(jì)算出編號(hào)L車(chē)此次充電時(shí)間tev,l。收集到站時(shí)間Tstart,L、下次用車(chē)時(shí)間Tnext,L，結(jié)合充電時(shí)間計(jì)算出最大可允許延時(shí)td,max。然后按這兩個(gè)數(shù)據(jù)歸類(lèi)到統(tǒng)計(jì)矩陣Atev×tdmax×T：(1)按照充電時(shí)長(zhǎng)tev不同分為3組(tev=1,2,3)。電動(dòng)公交一般充電3～4小時(shí)可充滿(mǎn)，考慮公交車(chē)規(guī)定返回站點(diǎn)需剩一定電量，所以取充電時(shí)長(zhǎng)最大取3；(2)按最大可允許延時(shí)td,max分為5組，合約型規(guī)定最小起步延時(shí)為4小時(shí)(td,max=0,4,5…,7)。td,max=0對(duì)應(yīng)為立即充電無(wú)法延時(shí)，T表示一天24個(gè)時(shí)段。

延時(shí)矩陣Tdtev×tdmax×T為待優(yōu)化變量，表示對(duì)應(yīng)Atev×tdmax×T中各元素所需優(yōu)化延時(shí)多久充電。規(guī)定t時(shí)段內(nèi)可允許的最大延時(shí)時(shí)間相同的每列優(yōu)化的延遲時(shí)間相同，反應(yīng)在Td矩陣中表現(xiàn)為列向量相同。區(qū)別于文獻(xiàn)[5]僅考慮按不同的充電時(shí)間tev做不同的延時(shí)，將tev分3類(lèi)再按可最大允許延時(shí)td,j,max分類(lèi)后做不同延時(shí)，這樣的好處是更能充分滿(mǎn)足合約型客戶(hù)的滿(mǎn)意度。充電時(shí)長(zhǎng)保證了合約型用戶(hù)對(duì)充電電量的偏好，而最大可允許延時(shí)的設(shè)置又充分考慮了車(chē)主的自主意愿。

未優(yōu)化延時(shí)充電前，電動(dòng)公交車(chē)一般早上6點(diǎn)開(kāi)始運(yùn)行，在運(yùn)行7個(gè)小時(shí)后即下午13點(diǎn)需進(jìn)站充電，得到公交車(chē)到站時(shí)刻概率分布圖如圖1所示[11]。

圖1 公交車(chē)到充電站時(shí)刻概率分布圖Fig.1 Probability distribution diagram of bus to station

未優(yōu)化延時(shí)充電前，第t時(shí)刻合約型充電車(chē)輛：

N2,t,bofore=Ai,j,t+A2,j,t-1+A3,j,t-1+A3,j,t-2

i=1,2,3;j=1,2,…,5

(8)

而考慮了延時(shí)優(yōu)化后的狀態(tài)矩陣:

(9)

注意此式表示的是一種邏輯關(guān)系而不是數(shù)量關(guān)系。具體的計(jì)算如下：

(10)

延時(shí)優(yōu)化后配電網(wǎng)中所有合約型電動(dòng)汽車(chē)在t時(shí)刻的充電車(chē)輛為：

N2,t,after=Bi,1,t+Bi,2,t-4+Bi,3,t-5+Bi,4,t-6+Bi,5,t-7+B2,j,t-1+B3,j,t-1+B3,j,t-2+B2,2,t-5+B3,2,t-5+B2,3,t-6+B3,3,t-6+B3,2,t-6+B2,4,t-7+B3,4,t-7+

B3,3,t-7+B2,5,t-8+B3,5,t-8+B3,4,t-8+B3,5,t-9

i=1,2,3;j=1,2,...,5

(11)

采取延時(shí)優(yōu)化后，第t時(shí)刻合約型充電功率：

P2,ev,after=N2,ev,afterP2,0

(12)

式中P2,0為每臺(tái)合約型電動(dòng)汽車(chē)充電功率。

2.3 常規(guī)型充電客戶(hù)功率建模

常規(guī)型汽車(chē)由于自主無(wú)序的充電特性，采用美國(guó)交通部關(guān)于全美家庭用車(chē)的調(diào)查統(tǒng)計(jì)數(shù)據(jù)來(lái)描述此類(lèi)用戶(hù)的駕駛習(xí)慣和出行特點(diǎn)[12]。

常規(guī)型汽車(chē)充電起始時(shí)刻概率密度函數(shù)如下：

(13)

式中μs=17.6；σs=3.4。

常規(guī)型汽車(chē)日行駛里程數(shù)的概率密度函數(shù)：

(14)

式中μD=3.2；σD=0.88；

充電時(shí)長(zhǎng)表達(dá)式為：

(15)

式中s為日行駛距離km；W100為電動(dòng)汽車(chē)百公里耗能kW·h/100km；P3,0為充電功率。由此聯(lián)立前式可得到充電時(shí)長(zhǎng)的概率分布f3,tev(x)。

常規(guī)型汽車(chē)t時(shí)刻正在充電(ζt=1)的概率為：

(16)

式中f3,tev為常規(guī)型充電時(shí)長(zhǎng)的概率密度;ft為電動(dòng)汽車(chē)充電起始時(shí)刻概率密度;t3,ev為常規(guī)型電動(dòng)汽車(chē)充電時(shí)長(zhǎng);tevmax為常規(guī)型電動(dòng)汽車(chē)充電時(shí)長(zhǎng)t3,ev最大值。

常規(guī)型總的充電功率如下：

P3,ev(t)=p3,0×(Nall-Nbus-N1C,t-N1D,t)×P(ζt=1)

(17)

式中Nall、Nbus分別為城市內(nèi)電動(dòng)汽車(chē)總的保有量和合約型車(chē)(本文只考慮電動(dòng)公交車(chē))總的保有量。

3 電動(dòng)汽車(chē)參與V2G消納風(fēng)力的多目標(biāo)調(diào)度策略的建立

為調(diào)動(dòng)運(yùn)營(yíng)商積極參與消納風(fēng)電的積極性以及考慮電網(wǎng)的安全運(yùn)行的約束，建立以運(yùn)營(yíng)商收益最大化和電網(wǎng)負(fù)荷均方差最小的多目標(biāo)優(yōu)化函數(shù)。

3.1 第一目標(biāo)函數(shù)

對(duì)于充電運(yùn)營(yíng)商而言，其目標(biāo)是最大化V2G調(diào)控的收益。優(yōu)化模型的目標(biāo)函數(shù)如下：

(18)

(19)

(20)

3.2 第二目標(biāo)函數(shù)

負(fù)荷均方差可用于表征電網(wǎng)負(fù)荷的波動(dòng)情況，均方差越小，負(fù)荷變化越平穩(wěn)，大規(guī)模電動(dòng)汽車(chē)充放電需考慮對(duì)電網(wǎng)的影響。

(21)

式中PLoad,t、Pevt、PW分別為原配電網(wǎng)中負(fù)荷、電動(dòng)汽車(chē)在t時(shí)刻的充電功率，以及風(fēng)電系統(tǒng)在t時(shí)刻棄風(fēng)功率。該式表征了電動(dòng)汽車(chē)對(duì)負(fù)荷及風(fēng)力發(fā)電系統(tǒng)出力日內(nèi)波動(dòng)的平抑能力。待優(yōu)化變量為各時(shí)段內(nèi)充、放電價(jià)和合約型用戶(hù)的充電延時(shí)間。

3.3 總目標(biāo)函數(shù)

運(yùn)營(yíng)商期望收益函數(shù)f1越大越好，但為不造成負(fù)荷波動(dòng)，又需負(fù)荷均方差f2小，建立總目標(biāo)函數(shù)如下：

minF=λ2f2-λ1f1

(22)

式中λ1、λ2為權(quán)重，運(yùn)營(yíng)商基于充電需求函數(shù)、電動(dòng)汽車(chē)出行特征以及棄風(fēng)曲線、負(fù)荷等，將充電電價(jià)和充電延遲時(shí)間必須協(xié)調(diào)優(yōu)化。一方面通過(guò)充放電價(jià)格信號(hào)激勵(lì)經(jīng)濟(jì)型用戶(hù)參與系統(tǒng)調(diào)度，以消納新能源獲取收益;另一方面，根據(jù)合約型用戶(hù)能夠接受的最大允許延時(shí)tdmax，進(jìn)行分組延時(shí)充電，以平抑配電網(wǎng)日內(nèi)負(fù)荷波動(dòng)。

注意到f1與f2表征物理意義不同，量綱不一致，分別除以不加任何優(yōu)化措施下的初始值進(jìn)行標(biāo)幺化，得到最終目標(biāo)函數(shù)：

minF=λ2f2/f2,0-λ1f1/f1,0

(23)

3.4 相關(guān)約束條件

電能平衡約束:

(24)

運(yùn)營(yíng)商為激勵(lì)經(jīng)濟(jì)型用戶(hù)充放電行為應(yīng)滿(mǎn)足：

(25)

(26)

針對(duì)合約車(chē)允許最大可延時(shí)時(shí)間：

td,j,max≤Tnext-Tstart-tev

(27)

(28)

式中tev由運(yùn)營(yíng)商根據(jù)車(chē)所剩電量、此次期望充電和平均充電功率確定；E為電池總?cè)萘俊?/p>

合約型車(chē)采取了延時(shí)策略后的充電費(fèi)用應(yīng)小于未采取延時(shí)前的費(fèi)用，有：

(29)

(30)

商業(yè)合作各參與方的風(fēng)電消納收益分成因子的和應(yīng)為1：

α1+α2+αoprater+αgrid+αpw=1

(31)

式中α1，α2，αoperator，αgrid，αpw分別為經(jīng)濟(jì)型用戶(hù)、合約型用戶(hù)、運(yùn)營(yíng)商、電網(wǎng)和風(fēng)電場(chǎng)的收益分成因子。

4 算例仿真結(jié)果分析

4.1 數(shù)據(jù)處理

城市電動(dòng)汽車(chē)保有量總數(shù)Nall=50 000，公交車(chē)總數(shù)Nbus=5 000，經(jīng)濟(jì)型車(chē)充電功率P1c=10 kW/h，放電功率P1d=10 kW/h，合約型車(chē)充電功率P2,0=90 kW/h，常規(guī)型車(chē)充電功率P3,0=90 kW/h，kkc=1.12，N1cmax=10 000,N1dmax=10 000,pd0=1,λ1=0.6、λ2=0.4。采用粒子群算法，對(duì)72個(gè)變量?jī)?yōu)化求解，取N=100，C1=2,C2=2,w=0.6,M=500,D=72。

運(yùn)營(yíng)商從電網(wǎng)購(gòu)電電價(jià)如圖2所示，17點(diǎn)到19點(diǎn)因負(fù)荷一般處于高峰期間而電價(jià)較高，晚間24點(diǎn)到5點(diǎn)因負(fù)荷水平低所以電價(jià)較低[13]。

圖2 運(yùn)營(yíng)商從電網(wǎng)購(gòu)電電價(jià)Fig.2 Operators purchase electricity price from Grid

4.2 不采取任何優(yōu)化措施分析

延遲時(shí)間為0，所以P2,ev,before=P2,ev,after，如圖3各類(lèi)型電動(dòng)汽車(chē)充電曲線。

合約型汽車(chē)延時(shí)前后為同一負(fù)荷曲線，圖中兩處高峰是合約型汽車(chē)到站后因不延時(shí)而立即充電，新增充電車(chē)輛與原有充電車(chē)輛充電疊加的結(jié)果。又由于不采取電價(jià)激勵(lì)措施，故經(jīng)濟(jì)型用戶(hù)表現(xiàn)為常規(guī)型，在圖中表現(xiàn)為經(jīng)濟(jì)型用戶(hù)沒(méi)有曲線。

仿真一天24小時(shí)，不采取任何優(yōu)化措施時(shí)，電動(dòng)汽車(chē)充放電與棄風(fēng)曲線共同對(duì)配電網(wǎng)負(fù)荷的影響。

圖3 各類(lèi)型電動(dòng)汽車(chē)充電曲線Fig.3 Various types of EV charging curves

圖4中“+”型實(shí)線代表多余風(fēng)電(棄風(fēng)曲線)情形，表示午夜2點(diǎn)至凌晨6點(diǎn)棄風(fēng)嚴(yán)重。“*”形實(shí)線代表原有負(fù)荷、電動(dòng)汽車(chē)、棄風(fēng)曲線三者疊加結(jié)果。午夜2點(diǎn)至凌晨6點(diǎn)時(shí)段由于負(fù)荷處于低谷期，多余風(fēng)電往往無(wú)法正常消納，導(dǎo)致棄風(fēng)現(xiàn)象嚴(yán)重，多余風(fēng)電接入配電網(wǎng)造成晚間負(fù)荷低谷更低的現(xiàn)象。而另一方面，由上文分析到大規(guī)模電動(dòng)汽車(chē)的無(wú)序充電又會(huì)造成16點(diǎn)和19點(diǎn)高峰更高的現(xiàn)象。綜合來(lái)看，兩者加劇配電網(wǎng)一天負(fù)荷的峰谷差，給系統(tǒng)安全和經(jīng)濟(jì)運(yùn)行帶來(lái)挑戰(zhàn)。

圖4 電動(dòng)汽車(chē)與棄風(fēng)曲線共同對(duì)電網(wǎng)負(fù)荷的影響Fig.4 Influence of EV and wind abandon on network load

4.3 采取不同優(yōu)化策略結(jié)果分析

4.3.1 策略1：只采取價(jià)格激勵(lì)措施

從圖5看出，優(yōu)化后綜合曲線對(duì)比優(yōu)化前在4點(diǎn)到7點(diǎn)出現(xiàn)向上偏移，而16點(diǎn)至22點(diǎn)間段內(nèi)則表現(xiàn)為優(yōu)化后比優(yōu)化前的綜合曲線向下偏移，這是因?yàn)椋菏芤归g多余風(fēng)電的影響，風(fēng)電場(chǎng)為消納多余風(fēng)電，主動(dòng)降低電價(jià)吸引經(jīng)濟(jì)型用戶(hù)選擇晚間4點(diǎn)到7點(diǎn)充電。同時(shí)在10點(diǎn)到18點(diǎn)原有負(fù)荷較高時(shí)段內(nèi)，經(jīng)濟(jì)型用戶(hù)有V2G放電行為，向電網(wǎng)輸送電力。

然而，圖中綜合負(fù)荷曲線比原負(fù)荷曲線在14點(diǎn)到23點(diǎn)時(shí)間段還要多，表明只采取電價(jià)激勵(lì)的優(yōu)化策略不足以降低峰谷差。

圖5 策略1下綜合負(fù)荷曲線圖Fig.5 Comprehensive load curve under the strategy of 1

4.3.2 策略2：只采取延時(shí)措施

如圖6所示，優(yōu)化后綜合曲線比優(yōu)化前24點(diǎn)至7點(diǎn)出現(xiàn)向上偏移，而15點(diǎn)至21點(diǎn)時(shí)間段內(nèi)則表現(xiàn)為優(yōu)化后比優(yōu)化前的綜合曲線向下偏移，這是因?yàn)榇笠?guī)模合約型汽車(chē)充電時(shí)間段的延遲對(duì)晚間峰谷的“填平”作用以及消納風(fēng)電的影響。

圖6 策略2下綜合負(fù)荷曲線圖Fig.6 Comprehensive load curve under the strategy of 2

然而，在16點(diǎn)到20點(diǎn)時(shí)間段，圖中綜合負(fù)荷曲線，比虛線代表的原綜合負(fù)荷曲線降低的額度有限，表面只采取延時(shí)的優(yōu)化策略“填谷”作用明顯但“削峰”作用不明顯。

4.3.3 策略3：同時(shí)采用價(jià)格激勵(lì)與延時(shí)措施

經(jīng)濟(jì)型用戶(hù)受電價(jià)激勵(lì)作用，從常規(guī)型表現(xiàn)為經(jīng)濟(jì)型，在圖7中體現(xiàn)為經(jīng)濟(jì)型用戶(hù)優(yōu)化前沒(méi)有曲線而優(yōu)化后有曲線。正因?yàn)椴糠殖Ｒ?guī)型轉(zhuǎn)化為經(jīng)濟(jì)型，所以常規(guī)型用戶(hù)數(shù)量減少。另外，由于采取延時(shí)措施，所以?xún)?yōu)化后的合約型車(chē)輛充電曲線相比于優(yōu)化前表現(xiàn)為向后平移，原在16點(diǎn)的第一波充電負(fù)荷高峰因?yàn)檠訒r(shí)出現(xiàn)在晚上21點(diǎn)，原出現(xiàn)在21點(diǎn)的第二波充電負(fù)荷高峰因?yàn)檠訒r(shí)策略出現(xiàn)在晚上24點(diǎn)。

圖8可看出，優(yōu)化后綜合曲線比優(yōu)化前在24點(diǎn)到7點(diǎn)出現(xiàn)向上偏移，而16點(diǎn)到23點(diǎn)時(shí)間段內(nèi)則表現(xiàn)為優(yōu)化后綜合曲線比優(yōu)化前向下偏移，這是因?yàn)椋?1)大規(guī)模合約型汽車(chē)充電時(shí)間段避開(kāi)晚高峰的“削峰”和延遲到晚低谷充電的“填平”作用;(2)受電價(jià)激勵(lì)策略影響，經(jīng)濟(jì)型用戶(hù)在負(fù)荷高峰時(shí)段進(jìn)行放電，并在夜間負(fù)荷低谷且風(fēng)電出現(xiàn)富余時(shí)進(jìn)行充電。

圖8 策略3下綜合負(fù)荷曲線圖Fig.8 Comprehensive load curve under the strategy of 3

4.3.4 三種策略的比較

從表3三種優(yōu)化策略下的目標(biāo)函數(shù)值可以看出，采取電價(jià)激勵(lì)措施的策略1和策略3收益明顯高于無(wú)優(yōu)化和策略2時(shí)的收益，采取延遲措施的策略2和策略3的均方差比無(wú)優(yōu)化和策略1要小。策略3綜合效果最優(yōu)，這是因?yàn)椋和瑫r(shí)采取電價(jià)激勵(lì)措施和延時(shí)充電的雙重優(yōu)化策略不僅能使經(jīng)濟(jì)型用戶(hù)消納廉價(jià)風(fēng)電增加利潤(rùn)，而且還能調(diào)控合約型汽車(chē)將負(fù)荷高峰充電時(shí)間段移至低谷充電，有效地平抑了負(fù)荷波動(dòng)。

圖9 三種策略綜合負(fù)荷曲線比較Fig.9 Comparison of three kinds of comprehensive load curves

表3 三種優(yōu)化策略下目標(biāo)函數(shù)值的比較Tab.3 Comparison of objective function values under three kindsof optimization strategies

5 結(jié)束語(yǔ)

針對(duì)V2G的電動(dòng)汽車(chē)調(diào)度不能簡(jiǎn)單被視為群整體模型問(wèn)題，文章考慮充電偏好將電動(dòng)汽車(chē)合理分為經(jīng)濟(jì)型、合約型和常規(guī)型三類(lèi)，建立以運(yùn)營(yíng)商收益最大和電網(wǎng)負(fù)荷均方差最小的多目標(biāo)函數(shù)。得到以下結(jié)論：

(1)考慮電動(dòng)汽車(chē)充電偏好的分類(lèi)不僅保證用戶(hù)滿(mǎn)意度，而且給運(yùn)營(yíng)商提供了電動(dòng)汽車(chē)調(diào)控權(quán)；

(2)對(duì)電動(dòng)汽車(chē)的合理優(yōu)化調(diào)度可有效降低電網(wǎng)等效負(fù)荷波動(dòng)，增加棄風(fēng)電場(chǎng)發(fā)電收入，增加電網(wǎng)、運(yùn)營(yíng)商售電利潤(rùn)，以及電動(dòng)汽車(chē)用戶(hù)滿(mǎn)足各自偏好的前提下降低充電成本；

(3)對(duì)比三種優(yōu)化策略，運(yùn)營(yíng)商同時(shí)采取電價(jià)激勵(lì)和充電延時(shí)相結(jié)合的措施，能實(shí)現(xiàn)利潤(rùn)與平抑負(fù)荷的綜合最優(yōu)。為未來(lái)大規(guī)模電動(dòng)汽車(chē)與新能源協(xié)同調(diào)度提供參考。