葛曉琳,裴晨皓

上海電力大學(xué) 電氣工程學(xué)院，上海 200090)

0 引言

電動(dòng)汽車EV(Electric Vehicle)在節(jié)能減排、遏制氣候變暖以及保障石油供應(yīng)方面有著無法比擬的優(yōu)勢，近年來得到了迅猛發(fā)展，產(chǎn)銷量呈規(guī)?；鲩L[1]。然而，電動(dòng)汽車的行駛特性具有不確定因素，當(dāng)大規(guī)模電動(dòng)汽車接入電網(wǎng)后，若不加以引導(dǎo)與控制，將會(huì)使得電網(wǎng)原有負(fù)荷“峰上加峰”，造成峰谷差加大，對(duì)機(jī)組組合問題產(chǎn)生影響[2]。為了減少電動(dòng)汽車接入對(duì)電網(wǎng)的不利影響，充分利用電動(dòng)汽車的儲(chǔ)能特性，含電動(dòng)汽車的機(jī)組組合問題得到了廣泛關(guān)注。

文獻(xiàn)[3]在機(jī)組組合模型的基礎(chǔ)上，提出電動(dòng)汽車最優(yōu)充電模型，通過優(yōu)化各調(diào)度時(shí)段的邊際發(fā)電成本，合理分配電動(dòng)汽車的充電時(shí)間段，但文中沒有考慮電動(dòng)汽車的反向放電能力。文獻(xiàn)[4-5]則通過電動(dòng)汽車入網(wǎng)V2G(Vehicle to Grid)技術(shù)將電動(dòng)汽車充放電功率均作為優(yōu)化變量引入機(jī)組組合模型中，在優(yōu)化機(jī)組出力的同時(shí)優(yōu)化電動(dòng)汽車的充放電計(jì)劃，以此作為電動(dòng)汽車調(diào)度的優(yōu)化方案。文獻(xiàn)[6]分析了不同充電控制策略對(duì)機(jī)組組合優(yōu)化結(jié)果的影響，并通過電動(dòng)汽車放電增加系統(tǒng)的備用容量，提高電網(wǎng)運(yùn)行可靠性。然而，上述文獻(xiàn)只是對(duì)電動(dòng)汽車進(jìn)行簡單的直接調(diào)度，即電網(wǎng)在任意時(shí)刻都能對(duì)電動(dòng)汽車進(jìn)行充放電控制。事實(shí)上電動(dòng)汽車作為一種交通工具，其出行具有一定的隨機(jī)性，因此充放電時(shí)段會(huì)受到限制。

文獻(xiàn)[7-8]基于電動(dòng)汽車出行的隨機(jī)性，研究了電動(dòng)汽車作為充電負(fù)荷的特性。文獻(xiàn)[9-10]在考慮電動(dòng)汽車隨機(jī)接入的基礎(chǔ)上，提出智能充電策略。文獻(xiàn)[11]在機(jī)組組合問題中考慮了電動(dòng)汽車的出行隨機(jī)性，將電動(dòng)汽車的充電需求納入約束條件，并分析了不同的充電策略對(duì)機(jī)組組合優(yōu)化結(jié)果的影響。文獻(xiàn)[12]將私家車的隨機(jī)出行特性融入電網(wǎng)調(diào)度的建模中，通過優(yōu)化電動(dòng)汽車的充放電功率減少了系統(tǒng)成本。但上述文獻(xiàn)普遍以單一類型車輛的出行特征為藍(lán)本，事實(shí)上電動(dòng)汽車的類型不同，其出行的特征也不同[13-14]，在機(jī)組組合問題中如何考慮多種類型電動(dòng)汽車的隨機(jī)特性仍需進(jìn)一步研究。

為此，本文在研究多類型電動(dòng)汽車隨機(jī)特性的基礎(chǔ)上，建立了含電動(dòng)汽車的隨機(jī)機(jī)組組合模型。該模型將電動(dòng)汽車分為私家車、公交車、公務(wù)車以及出租車4類，先研究各類型電動(dòng)汽車的出行特性，然后隨機(jī)模擬大量場景作為電動(dòng)汽車的行駛數(shù)據(jù)，將其并入電動(dòng)汽車的出行約束中，以此研究電動(dòng)汽車的隨機(jī)特性，通過對(duì)電動(dòng)汽車充放電功率和機(jī)組啟停的總體優(yōu)化，降低了系統(tǒng)運(yùn)行成本。最后基于10機(jī)系統(tǒng)的仿真驗(yàn)證了考慮電動(dòng)汽車隨機(jī)特性的重要性以及對(duì)不同種類電動(dòng)汽車進(jìn)行分類建模的必要性。

1 車輛出行隨機(jī)特性分析

車輛的出行隨機(jī)特性主要指用戶出行具有隨機(jī)性，包括車輛的離開時(shí)間、車輛的接入時(shí)間以及車輛的日行駛里程，這些因素會(huì)影響車輛在實(shí)際中參與調(diào)度的情況。通過對(duì)各類型電動(dòng)汽車行駛特性的研究，包括私家車、公交車、公務(wù)車以及出租車4類，分析處理可得這4類車行駛數(shù)據(jù)并用于計(jì)算。

a. 私家車用戶行駛特性。

對(duì)于私家車用戶，可由2009年美國交通部對(duì)全美家用車輛的調(diào)查結(jié)果NHTS(National Household Travel Survey)的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行仿真模擬，分析處理得出車輛初始離開時(shí)間、車輛初始接入時(shí)間以及車輛的日行駛里程的概率密度函數(shù)[15]。其中車輛的接入時(shí)間與離開時(shí)間都滿足正態(tài)分布，而車輛的日行駛里程滿足對(duì)數(shù)正態(tài)分布。

b. 公交車用戶行駛特性。

c. 出租車的行駛特性。

出租車作為一種營業(yè)型車輛，應(yīng)保證其運(yùn)營的效率最大化，充完電馬上進(jìn)行載客。為保證其運(yùn)營的效率，出租車只參與充電而不參與放電[13]。而且，當(dāng)出租車接入充電時(shí)馬上使用快速充電，充電時(shí)間一般為0.5～1 h，之后馬上投入運(yùn)營。車輛的開始充電時(shí)間滿足均勻分布，日行駛里程滿足對(duì)數(shù)正態(tài)分布。

d. 公務(wù)車的行駛特性。

2 含電動(dòng)汽車的隨機(jī)機(jī)組組合模型

2.1 目標(biāo)函數(shù)

含電動(dòng)汽車的機(jī)組組合模型是在滿足系統(tǒng)電力電量需求的前提下，按照節(jié)能、經(jīng)濟(jì)的原則對(duì)電動(dòng)汽車的充放電進(jìn)行合理的調(diào)度，使系統(tǒng)總成本最小，其目標(biāo)函數(shù)如下：

CU(i,t)+CD(i,t)]}

(1)

火電機(jī)組的運(yùn)行成本為：

CG(c,i,t)=u(i,t)[ai+biP(c,i,t)+ciP2(c,i,t)]

(2)

其中，u(i,t)為機(jī)組i在時(shí)段t的運(yùn)行狀態(tài)變量，u(i,t)=0表示機(jī)組i停機(jī)，u(i,t)=1表示機(jī)組i運(yùn)行；ai、bi、ci為發(fā)電機(jī)組i的成本系數(shù);P(c,i,t)為場景c時(shí)段t下火電機(jī)組i的功率。

火電機(jī)組的啟動(dòng)成本為：

(3)

火電機(jī)組的停機(jī)成本為：

(4)

2.2 約束條件

2.2.1 火電機(jī)組約束

對(duì)于火電機(jī)組，有以下約束條件。

a. 負(fù)荷平衡約束：

(5)

其中，V為場景c下時(shí)段t所有電動(dòng)汽車的類型(分別為私家車、公交車、出租車與公務(wù)車)；Pch(c,v,t)為場景c下所有v類車在時(shí)段t的充電功率；Pdis(c,v,t)為場景c下所有v類車在時(shí)段t的放電功率；D(t) 為時(shí)段t的系統(tǒng)負(fù)荷。

b. 系統(tǒng)備用需求。

上備用約束：

(6)

下備用約束：

(7)

c. 機(jī)組出力約束：

(8)

d. 火電機(jī)組爬坡限制約束。

火電機(jī)組的爬坡約束分為機(jī)組的啟動(dòng)爬坡約束、機(jī)組的停機(jī)爬坡約束和機(jī)組在連續(xù)運(yùn)行時(shí)段的爬坡約束。

機(jī)組的啟停爬坡約束：

(9)

(10)

(11)

其中，SU(i)為機(jī)組i啟動(dòng)爬坡限制；SD(i)為機(jī)組i停機(jī)爬坡限制。

機(jī)組連續(xù)運(yùn)行爬坡約束：

P(c,i,t-1)-P(c,i,t)≤RU(i)u(i,t-1)

(12)

P(c,i,t)-P(c,i,t-1)≤RD(i)u(i,t)

(13)

(14)

其中，RU(i)為機(jī)組i上爬坡約束；RD(i)為機(jī)組i下爬坡約束。

e. 火電機(jī)組最小啟停約束：

[u(i,t-1)-u(i,t)][M(i,t-1)-TU(i)]≥0

(15)

[u(i,t)-u(i,t-1)][-M(i,t-1)-TD(i)]≥0

(16)

其中，TU(i)為機(jī)組i最小連續(xù)停機(jī)時(shí)間；TD(i)為機(jī)組i最小連續(xù)啟動(dòng)時(shí)間；M(i,t)為機(jī)組i在時(shí)段t已連續(xù)運(yùn)行(正值)或連續(xù)停機(jī)(負(fù)值)的時(shí)間。

2.2.2 電動(dòng)汽車相關(guān)約束

電動(dòng)汽車作為交通工具，具有特殊的出行規(guī)律，這些出行規(guī)律具有的隨機(jī)特性致使電動(dòng)汽車的充放電調(diào)度具有隨機(jī)性。在這些出行規(guī)律中，行駛起始時(shí)間以及行駛結(jié)束時(shí)間決定了可行的充放電區(qū)間，日行駛里程決定了用戶的電量需求，電動(dòng)汽車應(yīng)該在滿足這些條件下進(jìn)行調(diào)度安排。

a. 出行時(shí)段約束。

當(dāng)tin≤tout時(shí)，電動(dòng)汽車只在[tin,tout]區(qū)間進(jìn)行充放電：

(17)

其中，tin(c,v)為場景c下v類車單輛車的入網(wǎng)時(shí)段；tout(c,v)為場景c下v類車單輛車離網(wǎng)時(shí)段；X(c,v,t)為場景c下v類車單輛車在時(shí)段t的充電狀態(tài)，X(c,v,t)=0表示車輛處于不充電狀態(tài)，X(c,v,t)=1表示車輛處于充電狀態(tài)；Y(c,v,t)為場景c下v類車單輛車在時(shí)段t的放電狀態(tài)，Y(c,v,t)=0表示車輛處于不放電狀態(tài)，Y(c,v,t)=1表示車輛處于放電狀態(tài)。

當(dāng)tout≤tin，電動(dòng)汽車只在[1,tin]∪[tout,24]區(qū)間進(jìn)行充放電：

(18)

b. 電動(dòng)汽車充放電功率：

Pch(c,v,t)=Nev(c,v)PVch(c,v,t)

(19)

Pdis(c,v,t)=Nev(c,v)PVdis(c,v,t)

(20)

其中，Nev(c,v)為場景c下并入電網(wǎng)的v類車車輛總數(shù)；PVch(c,v,t)為場景c下v類車在時(shí)段t每輛車的充電功率；PVdis(c,v,t)為場景c下v類車在時(shí)段t每輛車的放電功率。由于各電動(dòng)汽車的充放電行為缺乏同步性，為了規(guī)?；妱?dòng)汽車用戶充放電行為，用Pch(c,v,t)和Pdis(c,v,t)表示規(guī)?；妱?dòng)汽車的充放電功率，其行駛起始時(shí)間、行駛結(jié)束時(shí)間以及日行駛里程都對(duì)應(yīng)著相應(yīng)的單輛電動(dòng)車的行駛特征，是隨機(jī)變量。

c. 電量平衡約束。

當(dāng)電動(dòng)汽車開始接入電網(wǎng)時(shí)，即t=tin(c,v)時(shí)，有：

SOC(c,v,t)=SOC0(c,v,t)

(21)

(22)

其中，SOC(c,v,t)為場景c下v類車單輛車在時(shí)段t的電池荷電狀態(tài)；SOC0(c,v,t)為場景c下v類車單輛車在t=tin(c,v)時(shí)段初始電池荷電狀態(tài)；SOCE(c,v)為場景c下v類車單輛車用戶在離網(wǎng)時(shí)的電池荷電狀態(tài)期望值；d(c,v)為場景c下v類車單輛車用戶的日行駛里程；M(v)為v類車的百千米耗電量；Q(v)為v類車單輛車的最大電池容量。

當(dāng)電動(dòng)汽車在與電網(wǎng)連接時(shí)間段時(shí)，滿足電動(dòng)汽車的電量平衡：

Q(v)SOC(c,v,t)=Q(v)SOC(c,v,t-1)+

(23)

當(dāng)電動(dòng)汽車離開電網(wǎng)，即t=tout(c,v)時(shí)，車輛的電池狀態(tài)必須滿足用戶的電池荷電狀態(tài)期望值，因此有：

SOC(c,v,t)≥SOCE(c,v)

(24)

d. 電動(dòng)汽車的充放電功率限制：

(25)

(26)

e. 電動(dòng)汽車電池電量狀態(tài)限制。

電動(dòng)汽車要在保證不損耗電池正常壽命情況下進(jìn)行充放電：

(27)

f. 電池充電限制。

車輛的充電量應(yīng)保證不超過電池當(dāng)前的可充電范圍：

(28)

g. 電池放電限制。

車輛的放電量應(yīng)保證不超過電池當(dāng)前的可放電范圍：

(29)

h. 電池可放電深度約束。

為了使電池?fù)p耗最小，當(dāng)車輛處于放電狀態(tài)時(shí)，需要對(duì)車輛的電池可放電深度進(jìn)行約束：

DoD(c,v,t)=SOC(c,v,t)-SOC(c,v,t-1)

(30)

(31)

2.3 含電動(dòng)汽車的隨機(jī)機(jī)組組合模型求解

為了研究電動(dòng)汽車隨機(jī)特性，需要充分反映各類型電動(dòng)汽車的出行特征。本文通過分析各類型電動(dòng)汽車的出行數(shù)據(jù)得出各類型電動(dòng)汽車的出行時(shí)間以及日行駛里程的概率密度函數(shù)。在此基礎(chǔ)上，運(yùn)用拉丁超立方抽樣，通過對(duì)抽樣概率分布進(jìn)行分層，再從各間隔或各層次隨機(jī)抽樣[16]，得到大量場景來模擬各類電動(dòng)汽車接入時(shí)段tin、車輛離開時(shí)段tout以及車輛日行駛里程d。同時(shí)為了平衡求解精度和難度，基于同步回代技術(shù)的場景減縮法[17]，消除部分出現(xiàn)概率較小的場景并將概率合并到相近的場景，形成縮減的預(yù)測場景，作為機(jī)組組合的場景輸入。

此外，針對(duì)所建立的考慮電動(dòng)汽車隨機(jī)特性的機(jī)組組合模型，考慮到該模型屬于多變量、多時(shí)段、非線性的動(dòng)態(tài)最優(yōu)化問題，采用文獻(xiàn)[18]中的線性化方法將隨機(jī)機(jī)組組合中的非線性約束轉(zhuǎn)換為混合整數(shù)線性規(guī)劃MILP(Mixed Integer Linear Programming)模型進(jìn)行求解。最后將轉(zhuǎn)換后的模型在GAMS平臺(tái)上仿真實(shí)現(xiàn)，并采用商用的CPLEX軟件包進(jìn)行求解。

具體的流程圖如圖1所示。

圖1 模型求解的基本流程圖Fig.1 Basic flowchart for solving model

3 算例分析

3.1 算例數(shù)據(jù)

利用場景減縮法對(duì)各類電動(dòng)汽車的出行行為進(jìn)行合理分析，并在運(yùn)用相應(yīng)的抽樣方法抽取10 000個(gè)樣本的基礎(chǔ)上，利用同步回代技術(shù)進(jìn)行縮減運(yùn)算，縮減后樣本個(gè)數(shù)為100。與原始的10 000個(gè)場景的優(yōu)化結(jié)果進(jìn)行對(duì)比，如表1所示，從表中可以看出縮減后與原始場景的誤差相差很小，優(yōu)化結(jié)果誤差在1%以內(nèi)，且運(yùn)算時(shí)間大幅縮短。因此，接下來將采用縮減為100個(gè)場景時(shí)的數(shù)據(jù)進(jìn)行計(jì)算。

表1 縮減前后結(jié)果對(duì)比Table 1 Result comparison between before and after reduction

3.2 電動(dòng)汽車隨機(jī)特性的研究

考慮電動(dòng)汽車的隨機(jī)特性即需要考慮電動(dòng)汽車的隨機(jī)出行特性。以私家車為例，圖2顯示私家車日行駛里程的概率分布圖，車輛的日行駛里程決定了車輛開始充電時(shí)的荷電狀態(tài)。圖3顯示車輛的離開時(shí)間與車輛的接入時(shí)間的概率分布，電動(dòng)汽車的可調(diào)度時(shí)間范圍會(huì)遵循其出行規(guī)律，而不是24 h完全控制車輛的充放電行為。圖4顯示當(dāng)車輛考慮隨機(jī)特性與不考慮隨機(jī)特性時(shí)各時(shí)段的充電功率對(duì)比。當(dāng)考慮電動(dòng)汽車隨機(jī)特性時(shí)，車輛的出行時(shí)間以及充電需求都滿足一定的隨機(jī)性，電動(dòng)汽車的可充電時(shí)間區(qū)間會(huì)在滿足車輛的隨機(jī)特性下安排；而不考慮車輛的隨機(jī)特性時(shí)，電動(dòng)汽車的充電安排集中為機(jī)組組合服務(wù)，車輛只需安排在一天內(nèi)的幾個(gè)時(shí)段完成充電，使得機(jī)組組合最優(yōu)即可。因此，考慮電動(dòng)汽車的行駛特性時(shí)，充電的功率分布在各個(gè)時(shí)段都有出現(xiàn)，不考慮車輛的隨機(jī)特性時(shí)，電動(dòng)汽車集中在一天內(nèi)的幾個(gè)時(shí)段進(jìn)行充放電安排，兩者會(huì)產(chǎn)生較大區(qū)別。以上分析表明，在對(duì)電動(dòng)汽車進(jìn)行充電安排時(shí)，需要考慮電動(dòng)汽車的隨機(jī)特性，否則得到的優(yōu)化策略會(huì)與實(shí)際應(yīng)用產(chǎn)生一定的差異。

圖2 電動(dòng)汽車日行駛里程數(shù)概率分布Fig.2 Probability distribution of travelled mileage of EV

圖3 電動(dòng)汽車離開時(shí)間與接入時(shí)間概率分布Fig.3 Probability distribution of departure time and access time of EV

圖4 考慮隨機(jī)特性與不考慮隨機(jī)特性時(shí)的充電功率Fig.4 Charging power with and without stochastic characteristic

3.3 V2G對(duì)電網(wǎng)調(diào)度的影響

為了研究V2G對(duì)電網(wǎng)調(diào)度的影響，對(duì)以下3種調(diào)度模式進(jìn)行對(duì)比分析。

模式1：對(duì)電動(dòng)汽車進(jìn)行無序充電方式，即電動(dòng)汽車接入后立即進(jìn)行充電直至滿足充電需求，不考慮電動(dòng)汽車的反向放電。

模式2：對(duì)電動(dòng)汽車進(jìn)行協(xié)調(diào)充電方式，即控制電動(dòng)汽車的充電時(shí)間，優(yōu)化系統(tǒng)負(fù)荷的同時(shí)滿足充電需求，不考慮電動(dòng)汽車的反向放電。

模式3：電動(dòng)汽車采取V2G技術(shù)進(jìn)行優(yōu)化調(diào)度，即電動(dòng)汽車接入電網(wǎng)后根據(jù)電網(wǎng)需求進(jìn)行充電和放電的優(yōu)化調(diào)度。

圖5給出3種模式下各時(shí)段的系統(tǒng)負(fù)荷值以及無電動(dòng)汽車時(shí)系統(tǒng)原負(fù)荷，表2—4給出了3種模式下機(jī)組的啟停情況。由于I1、I2機(jī)組出力比較大，占全部機(jī)組的50%左右，所有時(shí)段都處于開機(jī)狀態(tài)，因狀態(tài)，對(duì)應(yīng)24個(gè)時(shí)段，后同。

圖5 3種模式下的系統(tǒng)負(fù)荷對(duì)比Fig.5 System load comparison among three modes

機(jī)組編號(hào)機(jī)組啟停情況I30 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0I40 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0I50 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1I60 0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0I70 0 0 0 0 0 0 0 1 1 1 1 1 1 0 0 0 0 1 1 1 0 0 0I81 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 1 0 0 0 0I90 0 0 0 0 0 0 0 0 1 1 1 1 0 0 0 0 0 0 1 0 0 0 0I100 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 1 0 0 0 0

注：表中“1”表示機(jī)組處于開機(jī)狀態(tài)，“0”表示機(jī)組處于停機(jī)

表3 模式2機(jī)組啟停情況Table 3 Unit start/stop situation under Mode 2

表4 模式3機(jī)組啟停情況Table 4 Unit start/stop situation under Mode 3

此在表中不作說明。I8—I10小機(jī)組開機(jī)時(shí)間較少，在負(fù)荷較小階段不用開機(jī)，為降低成本，只在負(fù)荷高峰期用以調(diào)峰作用。

從表2— 4可看出，模式1下的I8、I10機(jī)組開機(jī)時(shí)段要比模式2、模式3多；模式2下的I9機(jī)組比模式3的I9機(jī)組多出2個(gè)開機(jī)時(shí)段。對(duì)比模式1的無序充電，模式2實(shí)行協(xié)調(diào)充電后合理安排了電動(dòng)汽車的充電時(shí)間，避免了電動(dòng)汽車在負(fù)荷高峰期充電，在負(fù)荷低谷進(jìn)行充電起到一定的填谷作用。模式3在實(shí)行V2G技術(shù)后，比模式2協(xié)調(diào)充電方案的負(fù)荷曲線更加平緩，電動(dòng)汽車不僅能在負(fù)荷低谷時(shí)進(jìn)行充電，而且在系統(tǒng)負(fù)荷高峰期進(jìn)行放電，減少系統(tǒng)的負(fù)荷壓力，調(diào)整各時(shí)段機(jī)組的出力，減少昂貴機(jī)組的開機(jī)時(shí)間，能有效減少機(jī)組成本，同時(shí)也具有環(huán)保效益。最終，模式1下的系統(tǒng)總成本為591 905.71，模式2下的系統(tǒng)總成本為571 467.38，模式3下的系統(tǒng)總成本為564 841.682。由此可見，采用V2G能夠有效地降低成本。

3.4 電動(dòng)汽車分類的研究

為了驗(yàn)證對(duì)電動(dòng)汽車分類能使調(diào)度決策更加合理，采用以下5種方案進(jìn)行分析對(duì)比。

方案1：所有車型的行駛特性均考慮為私家車。

方案2：所有車型的行駛特性均考慮為公交車。

方案3：所有車型的行駛特性均考慮為公務(wù)車。

方案4：所有車型的行駛特性均考慮為出租車。

方案5：考慮多類型電動(dòng)汽車的行駛特性，即本文采用的模型。

圖6 各類型電動(dòng)汽車充放電功率分布Fig.6 Charging and discharging power distribution of various types of EV

圖7 5種方案下電動(dòng)汽車的充放電功率對(duì)比Fig.7 Charging and discharging power comparison of EV under five cases

4 結(jié)論

本文分析了各類型電動(dòng)汽車的隨機(jī)特性，建立了考慮各類型電動(dòng)汽車隨機(jī)特性的機(jī)組組合模型，該模型以火電機(jī)組總成本最低為目標(biāo)函數(shù)，電動(dòng)汽車的隨機(jī)特性通過模擬大量場景生成，并代入電動(dòng)汽車相關(guān)約束中，在10機(jī)組系統(tǒng)仿真下得到優(yōu)化結(jié)果，并得出如下結(jié)論：

a. 在對(duì)電動(dòng)汽車進(jìn)行合理調(diào)度時(shí)，需要考慮電動(dòng)汽車的隨機(jī)特性，調(diào)度人員應(yīng)該在滿足電動(dòng)汽車隨機(jī)出行規(guī)律情況下進(jìn)行合理的充放電安排；

b. 運(yùn)用V2G技術(shù)，能夠起到削峰填谷的作用，使得機(jī)組的出力調(diào)整更加靈活，從而實(shí)現(xiàn)系統(tǒng)總成本最優(yōu)；

c. 不同類型的電動(dòng)汽車具有不同的出行特性，進(jìn)行機(jī)組組合優(yōu)化時(shí)需要考慮車輛的類型以及各類型車輛的出行特性。

附錄見本刊網(wǎng)絡(luò)版(http:∥www.epae.cn)。