粟世瑋 楊 玄 曹 申 熊 煒 張赟寧

(三峽大學(xué) 電氣與新能源學(xué)院,湖北 宜昌 443002)

隨著電動(dòng)汽車保有量持續(xù)增長,大量的電動(dòng)汽車隨機(jī)充電會(huì)增加電網(wǎng)負(fù)擔(dān),影響電網(wǎng)的穩(wěn)定運(yùn)行.同時(shí)我國積極響應(yīng)發(fā)展可再生能源號(hào)召,但可再生能源總發(fā)電量大,出力具有間歇性,并網(wǎng)消納難,嚴(yán)重影響了我國可再生能源產(chǎn)業(yè)的長足發(fā)展[1-3].在此挑戰(zhàn)下,聯(lián)合新能源消納研究電動(dòng)汽車的有序充電,以期在有效平抑電網(wǎng)負(fù)荷波動(dòng)的同時(shí),適應(yīng)新能源的大規(guī)模發(fā)展.國內(nèi)外已有一些學(xué)者對電動(dòng)汽車的有序充電展開了研究.文獻(xiàn)[4]以配電網(wǎng)區(qū)域的綜合運(yùn)行成本最低和電網(wǎng)負(fù)荷曲線方差最小為控制目標(biāo)建立優(yōu)化調(diào)度模型,協(xié)調(diào)電網(wǎng)負(fù)荷與電動(dòng)汽車的充電需求.文獻(xiàn)[5]提出在時(shí)間和空間維度上的電動(dòng)汽車充電協(xié)調(diào)調(diào)度模型,在考慮用戶出行情況、電價(jià)信息和區(qū)域配電網(wǎng)容量的基礎(chǔ)上,實(shí)現(xiàn)充電負(fù)荷在時(shí)空上的轉(zhuǎn)移.文獻(xiàn)[6]提出一種電動(dòng)汽車有序充電的控制模型,通過集中控制中心直接控制每輛電動(dòng)汽車的充電行為,實(shí)現(xiàn)電網(wǎng)負(fù)荷方差最小的控制目標(biāo).文獻(xiàn)[7]采用分時(shí)段的方法,根據(jù)電網(wǎng)負(fù)荷裕度情況將一天分為紅黃藍(lán)3個(gè)時(shí)段分別限制和鼓勵(lì)電動(dòng)汽車用戶充電.文獻(xiàn)[8]采用峰谷電價(jià),根據(jù)一天中電網(wǎng)負(fù)荷情況制定峰-谷-平3個(gè)時(shí)段的充電價(jià)格,以最小化用戶充電成本和電網(wǎng)負(fù)荷波動(dòng)為控制目標(biāo),建立電動(dòng)汽車的有序充放電模型.文獻(xiàn)[9]提出了一種以用戶和電網(wǎng)兩者利益最大化為目標(biāo)的協(xié)調(diào)響應(yīng)策略,以充放電價(jià)格差為激勵(lì),建立用戶的自響應(yīng)決策模型,提高用戶充放電收益,改善電網(wǎng)負(fù)荷波動(dòng).

上述文獻(xiàn)只研究了電動(dòng)汽車有序充電用于平抑配電網(wǎng)負(fù)荷波動(dòng),沒有考慮利用電動(dòng)汽車的有序充電促進(jìn)消納新能源.鑒于此,本文聯(lián)合新能源消納研究電動(dòng)汽車有序充電.通過有序充電優(yōu)化模型,采用根據(jù)新能源出力制定的分時(shí)電價(jià)策略引導(dǎo)用戶充電,優(yōu)化電動(dòng)汽車充電負(fù)荷的時(shí)間分布,同時(shí)利用電動(dòng)汽車的儲(chǔ)能功能,促進(jìn)新能源直接消納,也可以達(dá)到降低電網(wǎng)負(fù)荷波動(dòng)和提高用戶充電經(jīng)濟(jì)性的效果.

1 電動(dòng)汽車充電行為分析

針對私人家用電動(dòng)汽車,采用美國交通部對全美車輛出行調(diào)查結(jié)果進(jìn)行數(shù)據(jù)擬合,得到電動(dòng)汽車的開始充電時(shí)間和日行駛距離概率密度函數(shù)[10-11].在該分布下采用蒙特卡洛法模擬規(guī)模化電動(dòng)汽車的出行數(shù)據(jù),計(jì)算電動(dòng)汽車的充電負(fù)荷.

1.1 出行行為分析

分析無序隨機(jī)充電的用戶充電行為時(shí),使用統(tǒng)計(jì)數(shù)據(jù)中燃油汽車的最后一次出行結(jié)束時(shí)間代替電動(dòng)汽車的開始充電時(shí)間[12-13].將數(shù)據(jù)歸一化,擬合開始充電時(shí)間和日行駛距離的概率分布.擬合結(jié)果分別如圖1～2所示.

圖1 開始充電時(shí)間概率分布

圖2 日行駛距離概率分布

由圖1、2可知,用戶多在10：00～24：00之間為車輛進(jìn)行充電,且大多數(shù)人使用電動(dòng)汽車均為中短途.

開始充電時(shí)間滿足正態(tài)分布,概率密度函數(shù)：

式 中 ：μs=17.6;σs=3.4.

日行駛距離滿足對數(shù)正態(tài)分布,概率密度函數(shù)為：

式 中 ：σD=3.2;μD=0.88.

1.2 充電負(fù)荷模型

根據(jù)電動(dòng)汽車動(dòng)力電池的充電特性,為簡化計(jì)算,可將電動(dòng)汽車充電過程視為恒功率充電：

電動(dòng)汽車荷電狀態(tài)為：

式中,d為電動(dòng)汽車日行駛距離;dm為電動(dòng)汽車的最大行駛距離;SOC'為第一次出行前的荷電狀態(tài).

單輛電動(dòng)汽車的充電時(shí)長為：

式中,tc為充電時(shí)長;C為電動(dòng)汽車電池容量.

通過累加區(qū)域內(nèi)各電動(dòng)汽車的充電負(fù)荷得到電動(dòng)汽車集群負(fù)荷：

式中,Pev(t)為t時(shí)段電動(dòng)汽車充電負(fù)荷;N為電動(dòng)汽車數(shù)量;Pev,i(t)為電動(dòng)汽車i在t時(shí)段的充電功率.

1.3 用戶響應(yīng)度模型

根據(jù)消費(fèi)者心理學(xué)原理,用戶參與分時(shí)電價(jià)調(diào)節(jié)的響應(yīng)度受價(jià)格變化的影響[14].當(dāng)價(jià)格變化過低時(shí),不能刺激用戶改變自身的充電習(xí)慣,用戶對價(jià)格的響應(yīng)存在死區(qū).只有當(dāng)價(jià)格的變化值超過一個(gè)差別閾值時(shí),電動(dòng)汽車用戶才愿意參與充電調(diào)節(jié),這時(shí)用戶的響應(yīng)程度與價(jià)格的變化相關(guān).同時(shí)也存在一個(gè)飽和值,當(dāng)價(jià)格差值超過它時(shí),達(dá)到用戶響應(yīng)極限,不再增加.該影響過程可以抽象為一個(gè)分段函數(shù),如圖3所示.

圖3 用戶響應(yīng)曲線

其中Δs表示高低電價(jià)差,λ為用戶響應(yīng)度.m和n分別為響應(yīng)啟動(dòng)閾值和飽和閾值,k為用戶響應(yīng)比例常數(shù),λmax為最大響應(yīng)度.λ可以表示為：

2 電動(dòng)汽車有序充電控制策略

直接充電負(fù)荷控制和充電價(jià)格激勵(lì)控制是目前電動(dòng)汽車有序充電的兩類主要控制方法[15].直接充電負(fù)荷控制是通過充電調(diào)度中心下達(dá)命令,根據(jù)電網(wǎng)負(fù)荷情況直接控制入網(wǎng)充電車輛的充電行為,包括開始充電時(shí)間和充電功率等.直接充電控制方式簡單易操控,但只適應(yīng)小范圍的電動(dòng)汽車集中充電,當(dāng)電動(dòng)汽車達(dá)到一定數(shù)量時(shí),直接控制方式不再適用.電價(jià)引導(dǎo)的控制方式是利用各個(gè)時(shí)間段的充電價(jià)格差來激勵(lì)用戶自主參與有序充電,在用戶尋求充電費(fèi)用最低的同時(shí)實(shí)現(xiàn)了充電負(fù)荷在時(shí)間上的轉(zhuǎn)移.

本文使用電價(jià)激勵(lì)的控制方式,提出了一種根據(jù)新能源出力大小制定的分時(shí)電價(jià)策略,促進(jìn)消納新能源.根據(jù)一天中各時(shí)段新能源出力預(yù)測值計(jì)算該時(shí)段充電價(jià)格,將一天按等時(shí)間間隔Δt劃分為T個(gè)時(shí)間段,根據(jù)各時(shí)段新能源出力預(yù)測值的大小將這T個(gè)時(shí)段的充電價(jià)格分別劃分為高-低-平3個(gè)階段.新能源出力超過T時(shí)段平均值的125%為高出力時(shí)段,低電價(jià);低于T時(shí)段平均值的75%為低出力時(shí)段,高電價(jià);在兩者之間為平負(fù)荷時(shí)段電價(jià).高、低電價(jià)分別在平時(shí)段電價(jià)的基礎(chǔ)上浮動(dòng)60%.

充電價(jià)格與新能源發(fā)電預(yù)測功率的關(guān)系為：

式中,s(t)表示一天中第t時(shí)段的充電價(jià)格;s0為無序充電的固定電價(jià)時(shí)段新能源發(fā)電預(yù)測功率為一天中新能源發(fā)電預(yù)測功率平均值;T為一天的調(diào)度周期時(shí)段數(shù).

電動(dòng)汽車充電負(fù)荷具有高度可轉(zhuǎn)移性,利用各時(shí)段價(jià)格差將充電負(fù)荷轉(zhuǎn)移到新能源出力大的時(shí)段,實(shí)現(xiàn)最大化新能源利用.具體流程如圖4所示.

圖4 分時(shí)電價(jià)控制流程圖

優(yōu)先利用新能源給電動(dòng)汽車充電.電動(dòng)汽車的充電價(jià)格隨著新能源發(fā)電量變化,在新能源出力大的階段充電價(jià)格s(t)較低;反之,在新能源出力小的階段充電價(jià)格s(t)較高.在不影響用戶正常出行的前提下,電動(dòng)汽車用戶為降低充電費(fèi)用會(huì)盡量選擇在電價(jià)低谷段充電.此策略可將充電負(fù)荷聚集到新能源出力大的時(shí)段.

3 考慮新能源消納的電動(dòng)汽車有序充電優(yōu)化模型

3.1 目標(biāo)函數(shù)

電動(dòng)汽車無序充電會(huì)帶來大量的隨機(jī)負(fù)荷,使電網(wǎng)負(fù)荷“峰上加峰”.為了減小電網(wǎng)負(fù)荷波動(dòng)、促進(jìn)消納新能源,本文采用動(dòng)態(tài)分時(shí)電價(jià)策略,以電網(wǎng)負(fù)荷曲線峰谷差最小和用戶充電總費(fèi)用最低為目標(biāo)函數(shù)建立有序充電多目標(biāo)優(yōu)化模型.

1)以負(fù)荷峰谷差最小為目標(biāo)

以維持電網(wǎng)的安全穩(wěn)定為優(yōu)化目標(biāo),為降低電動(dòng)汽車入網(wǎng)充電對電網(wǎng)的沖擊、減小電網(wǎng)負(fù)荷波動(dòng),建立電網(wǎng)總負(fù)荷曲線峰谷差最小的目標(biāo)函數(shù)：

式中,P(t)為t時(shí)段含電動(dòng)汽車接入的配電網(wǎng)負(fù)荷;Pb(t)為t時(shí)段配電網(wǎng)基礎(chǔ)負(fù)荷.

2)以充電總費(fèi)用最低為目標(biāo)

為提高用戶充電經(jīng)濟(jì)性,促進(jìn)消納新能源,結(jié)合所制定的動(dòng)態(tài)分時(shí)電價(jià),建立用戶充電總費(fèi)用最低的目標(biāo)函數(shù)：

式中,Pev,i(t)為電動(dòng)汽車i在第t時(shí)段的充電功率.

按最優(yōu)配方制作香菇醬共10批，按照1.4.5項(xiàng)下方法對樣品進(jìn)行測定，實(shí)驗(yàn)結(jié)果及限量標(biāo)準(zhǔn)見表6。結(jié)果顯示各項(xiàng)指標(biāo)均符合標(biāo)準(zhǔn)要求。

3.2 約束條件

1)功率平衡約束

式中,Pn(t)為t時(shí)段新能源發(fā)電功率;Pgrid(t)為t時(shí)段向電網(wǎng)購電量;Ploss(t)為t時(shí)段線路網(wǎng)絡(luò)損耗.

2)充電時(shí)間約束

式中,Tendi為車輛i的充電結(jié)束時(shí)間;T i為車輛i的用戶期望充電完成時(shí)間.

3)充電需求約束

式中,SOCendi為電動(dòng)汽車i充電完成時(shí)的荷電狀態(tài);SOC i為電動(dòng)汽車i用戶期望的荷電狀態(tài).

4)新能源出力約束

5)充電功率約束

式中,Pmini、Pmaxi分別為電動(dòng)汽車i允許充電功率的上下限.

3.3 模型求解

采用遺傳算法對模型求解,求解流程如圖5所示.使用加權(quán)和法將多目標(biāo)函數(shù)整合為單目標(biāo)函數(shù),由于各目標(biāo)函數(shù)量綱不同,先分別對目標(biāo)函數(shù)做歸一化后取加權(quán)和,如式(18)所示.

圖5 遺傳算法求解流程圖

根據(jù)目標(biāo)函數(shù)可知,優(yōu)化模型的控制變量為各電動(dòng)汽車在各時(shí)段的充電功率Pev,i(t).

式中,f1max為電網(wǎng)原始負(fù)荷曲線峰谷差;f2max為傳統(tǒng)用車習(xí)慣下的充電費(fèi)用;w1和w2為目標(biāo)函數(shù)的權(quán)重系數(shù).

4 算例分析

4.1 參數(shù)設(shè)置

以風(fēng)力發(fā)電為例,選取某區(qū)域充電站的實(shí)測數(shù)據(jù)進(jìn)行電動(dòng)汽車充電仿真.該充電站配備風(fēng)力發(fā)電機(jī)組容量為700 k W,服務(wù)的電動(dòng)汽車規(guī)模為100輛.電動(dòng)汽車的起始充電時(shí)間和日行駛里程服從正態(tài)分布N(17.6,3.42)和對數(shù)正態(tài)分布log-N(3.2,0.882).充電功率為7 k W,電池容量為48 k W·h,初始荷電狀態(tài)服從正態(tài)分布N(0.2,0.052),預(yù)期荷電狀態(tài)服從正態(tài)分布N(0.9,0.042).算例設(shè)定電價(jià)更新時(shí)間間隔Δt為1 h,時(shí)段數(shù)T為24.無序充電采用固定電價(jià),全天24時(shí)段均采用水平電價(jià)s0為0.8元/(kW·h),用戶響應(yīng)啟動(dòng)閾值為0.14元,飽和閾值為1.2元,用戶響應(yīng)比例常數(shù)k為0.9.設(shè)定遺傳算法的種群終止進(jìn)化代數(shù)為800,種群大小為20.交叉率和變異率分別為0.8和0.2.權(quán)重系數(shù)w1和w2均取0.5.

4.2 仿真結(jié)果分析

一天內(nèi)的新能源出力大小如圖6所示,新能源發(fā)電功率超過高出力臨界值的時(shí)段為低電價(jià)時(shí)段,低于低出力臨界值的時(shí)段為高電價(jià)時(shí)段,介于兩者之前的為平電價(jià)時(shí)段.根據(jù)新能源出力大小劃分的高-低-平分時(shí)電價(jià)結(jié)果見表1.根據(jù)用戶響應(yīng)度模型,電價(jià)差Δs為0.96元,用戶需求響應(yīng)度λ為74%.

圖6 新能源出力曲線

表1 高-低-平分時(shí)電價(jià)

在固定電價(jià)無序充電和分時(shí)電價(jià)有序充電兩種情況下,加入電動(dòng)汽車充電負(fù)荷后區(qū)域配電網(wǎng)的負(fù)荷曲線對比如圖7所示.在固定電價(jià)無序充電情況下,用戶不會(huì)對電價(jià)做出響應(yīng),電動(dòng)汽車隨機(jī)充電,充電負(fù)荷分布主要受車主的行為習(xí)慣影響.電動(dòng)汽車充電高峰期與居民用電高峰期重合,兩者疊加會(huì)使電網(wǎng)負(fù)荷“峰上加峰”,影響電網(wǎng)穩(wěn)定.采用分時(shí)電價(jià)有序充電合理調(diào)節(jié)電動(dòng)汽車充電負(fù)荷,能將隨機(jī)充電負(fù)荷從傍晚的居民用電高峰期轉(zhuǎn)移到夜間居民用電低谷期和風(fēng)電出力高峰期,有效平緩電網(wǎng)負(fù)荷曲線.

圖7 無序和有序充電電網(wǎng)負(fù)荷曲線

在固定電價(jià)無序充電和分時(shí)電價(jià)有序充電兩種情況下,充電站一天內(nèi)的風(fēng)電利用曲線如圖8所示.采用根據(jù)新能源出力大小制定的分時(shí)電價(jià)策略,將充電負(fù)荷轉(zhuǎn)移到風(fēng)電出力大的時(shí)段,增加了風(fēng)電利用量.

圖8 無序和有序充電風(fēng)電利用曲線

在分時(shí)電價(jià)和固定電價(jià)兩種控制模式下的負(fù)荷峰谷差、用戶充電總費(fèi)用和風(fēng)電利用量的對比仿真結(jié)果見表2.與固定電價(jià)相比,在分時(shí)電價(jià)的有序充電控制下,電網(wǎng)負(fù)荷峰谷差減小了1 238.4 k W,用戶充電總費(fèi)用降低了1 984.6元,風(fēng)電消納量增加了457 k W·h.所提的控制策略和所建立的優(yōu)化模型,在促進(jìn)新能源消納的同時(shí)降低了電網(wǎng)負(fù)荷峰谷差,提高了用戶充電經(jīng)濟(jì)性,實(shí)現(xiàn)了電網(wǎng)和用戶雙贏,優(yōu)化效果明顯.

表2 分時(shí)電價(jià)與固定電價(jià)對比仿真結(jié)果

隨著政府的各項(xiàng)利好政策的推廣,電動(dòng)汽車的大規(guī)模發(fā)展是未來的必然趨勢.為了分析該有序充電方法在不同規(guī)模電動(dòng)汽車充電情況下的新能源消納能力,分別對電動(dòng)汽車數(shù)量為100,200,300和400輛時(shí)進(jìn)行有序充電的風(fēng)電利用仿真,不同電動(dòng)汽車規(guī)模下的風(fēng)電利用曲線如圖9所示.

圖9 不同規(guī)模電動(dòng)汽車充電的風(fēng)電利用曲線

表3分別給出了在無序和有序充電下,不同規(guī)模電動(dòng)汽車充電的風(fēng)電利用量.在電動(dòng)汽車規(guī)模分別為100,200,300,400輛時(shí),有序充電的風(fēng)電利用量比無序充電分別增加了457,534,629,745 k W·h.

表3 不同規(guī)模電動(dòng)汽車充電的風(fēng)電利用仿真結(jié)果

在無序充電和有序充電兩種情況下,風(fēng)電利用量都隨著電動(dòng)汽車入網(wǎng)充電規(guī)模的加大而增加.但相較于無序充電,有序充電控制的風(fēng)電利用量增加幅度更大,消納新能源的優(yōu)勢更明顯.電動(dòng)汽車充電負(fù)荷具有可調(diào)節(jié)性,適當(dāng)增加電汽車入網(wǎng)充電量,可以提高電網(wǎng)的靈活性.

算例仿真結(jié)果表明,本文所提出的動(dòng)態(tài)分時(shí)電價(jià)策略,在滿足用戶充電需求的前提下,能在時(shí)間上轉(zhuǎn)移充電負(fù)荷消納新能源.在綜合考慮系統(tǒng)功率平衡、風(fēng)電機(jī)組出力等多方面約束條件下建立的多目標(biāo)優(yōu)化模型,能成功達(dá)到對負(fù)荷曲線的“削峰填谷”和消納風(fēng)電的效果.

5 結(jié) 論

本文通過根據(jù)新能源出力大小計(jì)算的分時(shí)電價(jià)策略來改變電動(dòng)汽車充電負(fù)荷的時(shí)間分布,促進(jìn)消納新能源.以電網(wǎng)負(fù)荷峰谷差最小和用戶充電費(fèi)用最低兩個(gè)目標(biāo)函數(shù)進(jìn)行多目標(biāo)優(yōu)化,找出綜合兩者最優(yōu)的充電方案.通過對電動(dòng)汽車充電仿真分析,得到如下結(jié)論：

1)采用所提的分時(shí)電價(jià)策略引導(dǎo)用戶有序充電,在滿足用戶基本用車需求的前提下,能有效提高新能源利用量.

2)所建立的優(yōu)化模型能同時(shí)滿足對電網(wǎng)負(fù)荷的削峰填谷和用戶充電經(jīng)濟(jì)化兩個(gè)目標(biāo),實(shí)現(xiàn)了電網(wǎng)和用戶的雙贏.

3)所提的控制策略隨著電動(dòng)汽車入網(wǎng)充電數(shù)量的增加,有序充電促進(jìn)新能源消納的優(yōu)勢越明顯,能適應(yīng)未來電動(dòng)汽車的大規(guī)模發(fā)展.

本文所提的分時(shí)電價(jià)策略只考慮了新能源出力大小,未考慮電網(wǎng)負(fù)荷情況,有待進(jìn)一步完善.