劉星月，唐 琳，雷 霖，廖先莉

(成都大學(xué) 電子信息與電氣與工程學(xué)院，四川 成都 610106)

0 引 言

微網(wǎng)和冷熱電聯(lián)產(chǎn)(Combined cooling heating and power,CCHP)技術(shù)相結(jié)合，可提高能源利用靈活性和效率，冷熱電微網(wǎng)系統(tǒng)是促進(jìn)能源可持續(xù)利用和發(fā)展低碳經(jīng)濟(jì)的重要手段[1].

冷熱電微網(wǎng)系統(tǒng)優(yōu)化配置研究的重要意義之一，是為了減小機(jī)組配置成本和提高能源效率。文獻(xiàn)[2]以多場景下微網(wǎng)系統(tǒng)年化總投資成本、維護(hù)成本與運(yùn)行成本綜合最低為目標(biāo)，建立了多微網(wǎng)系統(tǒng)規(guī)劃與運(yùn)行相結(jié)合的雙層多場景協(xié)同優(yōu)化配置模型，驗(yàn)證了所提配置方法在經(jīng)濟(jì)性上的優(yōu)越性.文獻(xiàn)[3]利用蒙特卡洛法模擬風(fēng)光負(fù)荷的不確定性，采用萬有引力搜索算法得到風(fēng)光儲(chǔ)最優(yōu)配置方案；此外，隨著電動(dòng)汽車(Electric vehicle，EV)的普及，對(duì)EV加以有序充電控制勢(shì)在必行。文獻(xiàn)[4]通過建立EV有序充電模型，考慮了主動(dòng)配電網(wǎng)的多類管理手段，制定計(jì)及電動(dòng)汽車和需求響應(yīng)的配電網(wǎng)經(jīng)濟(jì)調(diào)度模型并驗(yàn)證了所提計(jì)及EV有序充電的經(jīng)濟(jì)調(diào)度模型的有效性.

目前的研究多見于優(yōu)化電動(dòng)汽車充電對(duì)電網(wǎng)調(diào)度的影響[5]，而涉及大規(guī)模EV充電對(duì)冷熱電微網(wǎng)系統(tǒng)優(yōu)化配置的影響較少.本研究通過構(gòu)建EV 2種電價(jià)響應(yīng)模式的有序充電模型，即移峰模式和削峰模式，來改善系統(tǒng)的負(fù)荷曲線，并建立了冷熱電微網(wǎng)系統(tǒng)的結(jié)構(gòu)及2種運(yùn)行方式，構(gòu)建了計(jì)及EV入網(wǎng)的冷熱電微網(wǎng)系統(tǒng)優(yōu)化配置模型，采用粒子群算法對(duì)模型進(jìn)行計(jì)算，分析了系統(tǒng)運(yùn)行方式、EV無序、有序充電模型對(duì)系統(tǒng)優(yōu)化配置的影響.通過算例驗(yàn)證了本研究所建模型的有效性和正確性.

1 EV充電數(shù)學(xué)模型

歸一化處理中國EV用戶的調(diào)查統(tǒng)計(jì)數(shù)據(jù)，可將用戶最后一次返程時(shí)刻t0近似為服從正態(tài)分布，EV日行駛里程S近似為服從對(duì)數(shù)正態(tài)分布[6].

1.1 無序充電

在此模式下，用戶均在自己方便的時(shí)間充電，假設(shè)EV最后一次返程時(shí)間t0為入網(wǎng)充電時(shí)間ts，即

ts=t0

(1)

據(jù)日行程里程S可得需要充電的時(shí)長TC為,

TC=(SW)/(PCηEV)

(2)

式中，W為每千米耗電量，KWh/km;ηEV為EV的充電效率;PC為EV恒充電功率,/kW.

由ts、PC、TC可得第i輛EV各個(gè)充電時(shí)段的充電功率PEVi[t]，即，

(3)

采用蒙特卡洛模擬法分別模擬每輛EV每時(shí)段充電負(fù)荷，累計(jì)得到N-EVshuliang輛EV每時(shí)段充電負(fù)荷，

(4)

式中，PEV losd[t]為第t時(shí)刻的EV充電總功率，/kW；N-EVshuliang為入網(wǎng)EV的總數(shù)量.

1.2 有序充電

本研究所建立的有序充電模式是基于電價(jià)引導(dǎo)策略，假定k倍(參與有序充電調(diào)配率k,0≤k≤1)EV用戶是理性的，將EV充電時(shí)刻延遲到電價(jià)低谷，以節(jié)省充電費(fèi)用.則k倍EV用戶選擇充電時(shí)間ts為，

(5)

式中，tstart為低谷電價(jià)開始時(shí)刻，ΔT為低谷電價(jià)時(shí)段長，tend為低谷電價(jià)結(jié)束時(shí)間，rand(0,1)為0到1的隨機(jī)數(shù).

而1-k倍EV用戶的ts仍滿足式(1).根據(jù)各輛EV的ts、PC、TC可得單輛EV各個(gè)充電時(shí)段的充電功率，如式(3)，進(jìn)而累計(jì)疊加得N-EVshuliang輛EV充電日負(fù)荷.

根據(jù)低谷電價(jià)時(shí)段(tstart,tend)的選擇機(jī)制，可將有序充電模式分為移峰模式和削峰模式.

1.2.1 移峰模式

在移峰模式下，(tstart,tend)采用當(dāng)?shù)胤骞入妰r(jià)時(shí)段規(guī)定，即低谷時(shí)段(當(dāng)日23：00～次日07：00).

1.2.2 削峰模式

在削峰模式下，(tstart,tend)的選擇是以考慮了入網(wǎng)EV的系統(tǒng)總電負(fù)荷峰谷差最小為目標(biāo)函數(shù)，采用粒子群算法尋優(yōu)所得，尋優(yōu)模型為，

(6)

式中，σload為考慮了EV削峰充電的系統(tǒng)總電負(fù)荷標(biāo)準(zhǔn)差，σload為(tstart,tend)的函數(shù).其中低谷電價(jià)時(shí)長小于12 h.本研究采用粒子群算法對(duì)式(5)進(jìn)行尋優(yōu).

2 系統(tǒng)能量流圖及運(yùn)行方式介紹

本研究的冷熱電微網(wǎng)系統(tǒng)結(jié)構(gòu)及能量流圖如圖1所示，虛線表示電能流，點(diǎn)虛線表示冷能流，實(shí)線表示熱能流.PV表示光伏、PW表示風(fēng)機(jī)、ES表示儲(chǔ)能裝置、GT表示燃?xì)廨啓C(jī)、GRID表示電網(wǎng)提供電荷需求，GRID和ES可反向吸收多余電能，EV吸收系統(tǒng)的電能進(jìn)行充電.GT發(fā)出電能的同時(shí)產(chǎn)生熱能，一部分通過WHB余熱鍋爐向系統(tǒng)供熱負(fù)荷需求，另一部分通過AR吸收式制冷機(jī)向系統(tǒng)提供冷負(fù)荷需求.GB表示燃?xì)忮仩t消耗天燃?xì)猱a(chǎn)生的熱能，一部分直接提供給系統(tǒng)的熱負(fù)荷，另一部分通過AR向系統(tǒng)提供冷負(fù)荷，HS表示儲(chǔ)熱裝置.

本定義系統(tǒng)的廣義熱負(fù)荷需求QH-M為，

QH-M=QH+QC/ηAR

(7)

式中，QH為熱負(fù)荷需求；QC為冷負(fù)荷需求；ηAR為AR的工作效率.

據(jù)GT的工作形式及熱電負(fù)荷滿足的機(jī)制，可將系統(tǒng)的運(yùn)行方式分為以熱定電(Ordering power by heating,OPH)和以電定熱(Ordering heating by power,OHP)方式.

2.1 OPH方式

系統(tǒng)的QH-M由GT提供，其中熱負(fù)荷由GT通過WHB滿足，冷負(fù)荷由GT通過AR滿足，此時(shí)GB出力為0，GT、PV、PW同時(shí)產(chǎn)生的電能共同供給總電負(fù)荷，若有剩余由ES儲(chǔ)能，若超過了ES的容量，向GRID售電獲利；若產(chǎn)生的電能不夠，由ES放電，若超過了ES的容量，由GRID補(bǔ)充.

2.2 OHP方式

系統(tǒng)總電負(fù)荷由GT、PV、PW、ES滿足，GT同時(shí)產(chǎn)生的熱能供給QH-M，若有剩余，由HS儲(chǔ)存多余熱能；如產(chǎn)生的熱能不夠，由GB補(bǔ)充，若超過了GB的容量，由HS補(bǔ)充.

3 優(yōu)化配置模型

3.1 目標(biāo)函數(shù)

本研究將機(jī)組折舊CDC、運(yùn)行維護(hù)成本COM、污染氣體處理成本CPO、外網(wǎng)交互成本CGRID統(tǒng)一折算為經(jīng)濟(jì)成本，作為目標(biāo)函數(shù).

minf=CDC+CPO+COM+CGRID

(8)

3.2 約束條件

1)系統(tǒng)電功率平衡

(9)

式中，Pj為機(jī)組所發(fā)功率，/kW；M為系統(tǒng)中機(jī)組的總數(shù)量；Pload為原始電負(fù)荷需求，/kW；PEVload為EV總充電負(fù)荷,/kW.

2)熱功率平衡

QGT/ηWHB+QGB+QHS=QH-M

(10)

式中，QGT為GT提供的熱功率，/kW；ηWHB為WHB的余熱利用效率；QGB為GB提供的熱功率,/kW；QHS為HS提供的熱功率,/kW.

3)可控微源功率出力約束

(11)

式中下標(biāo)min、max分別代表各機(jī)組最小最大出力.

4 仿真算例

選取成都市某居民小區(qū)為例進(jìn)行研究，該小區(qū)的微網(wǎng)結(jié)構(gòu)如圖2所示，小區(qū)內(nèi)目前有500輛EV，且小區(qū)內(nèi)充電樁足夠多，在EV有序充電模式下，假設(shè)k=0.8.該小區(qū)冷熱電微網(wǎng)系統(tǒng)需要優(yōu)化配置的機(jī)組容量包括PV、PW、GT、GB、AR、ES、HS，本研究仍采用粒子群算法求解上述構(gòu)建的優(yōu)化配置模型.

4.1 優(yōu)化配置結(jié)果

為了分析EV充電模式及微網(wǎng)系統(tǒng)的運(yùn)行方式對(duì)優(yōu)化配置的影響，本研究設(shè)置了6種優(yōu)化配置場景：場景1為OPH下EV采用無序充電模式，場景2為OPH下EV采用移峰充電模式，場景3為OPH下EV采用削峰充電模式，場景4為OHP下EV采用無序充電模式，場景5為OHP下EV采用移峰充電模式，場景6為OHP下EV采用削峰充電模式.求解以上6個(gè)場景下的優(yōu)化配置結(jié)果如表1所示.其中機(jī)組配置容量單位為kW,配置成本單位為萬元.

表1 優(yōu)化配置結(jié)果

比較場景1、4時(shí)，場景2、5，場景3、6的結(jié)果，可知,當(dāng)EV采用同一種充電模式時(shí)(無序、移峰、削峰)，OPH的運(yùn)行方式在經(jīng)濟(jì)成本上優(yōu)于OHP運(yùn)行方式.

比較場景1、2、3，比較場景4、5、6，可知,當(dāng)采用本研究設(shè)置的EV有序充電模式，可有效減小系統(tǒng)的機(jī)組配置成本，優(yōu)化可控微源的容量，其中削峰模式的優(yōu)化效果，優(yōu)于移峰模式.

進(jìn)一步研究3種充電方式對(duì)優(yōu)化配置的影響，模擬案例中500輛EV分別采用無序、移峰、削峰(移峰和削峰模式下，k=0.8)3種充電模式時(shí)的EV充電日負(fù)荷，疊加在系統(tǒng)原始電負(fù)荷曲線上，得到3種充電模式下總負(fù)荷曲線.削峰模式下，根據(jù)圖1的求解步驟可得最優(yōu)低谷電價(jià)時(shí)段為02：30～10：15.

從圖2可以看出，當(dāng)EV采用無序充電模式時(shí)，其總負(fù)荷的峰谷差最大，其次為移峰模式，最小為削峰模式.結(jié)合表1可知，在無序充電模式下，夜晚的尖峰負(fù)荷最大，其PW配置容量最大，其次為移峰模式，最小為削峰模式.同理也可分析，無序充電模式下系統(tǒng)的峰谷差最大，為了迎合高峰時(shí)期的負(fù)荷需求，可控微源配置容量及配置成本最大，而移峰和削峰模式可改善系統(tǒng)負(fù)荷曲線，有效減少可控微源配置容量及配置成本，且削峰模式優(yōu)于移峰模式.

4.2 EV有序充電模型有效性

為了驗(yàn)證本研究提出的電動(dòng)汽車有序充電模型(移峰模式和削峰模式)的有效性，將本充電模型應(yīng)用在文獻(xiàn)[6]的算例系統(tǒng)中，并和文獻(xiàn)[6]中3種EV充電模型(無序、正序、有序)做出對(duì)比假設(shè)此時(shí)系統(tǒng)中共有500輛電動(dòng)汽車充電，具體如圖3所示.

由圖3可知，對(duì)比文獻(xiàn)[6]的3種充電模式，本研究提出的移峰模式將充電負(fù)荷平移到了電價(jià)低谷時(shí)段(02:00～05：00)，有效地減小了傳統(tǒng)負(fù)荷高峰(17：00-22：00)的用電壓力，同時(shí)引起了新的一輪負(fù)荷高峰，而削峰模式可以彌補(bǔ)這個(gè)弱點(diǎn)，通過對(duì)低電價(jià)時(shí)段的尋優(yōu)(所求最優(yōu)時(shí)段05：00-13：00)，引導(dǎo)電動(dòng)汽車用戶將充電行為平滑過渡到最利于削峰填谷的時(shí)段，故其最利于平滑充電負(fù)荷.

進(jìn)一步，當(dāng)移峰和削峰充電模型與文獻(xiàn)[6]所提3種充電模型應(yīng)用在不同EV規(guī)模時(shí)，各種充電模式下系統(tǒng)總負(fù)荷的峰谷差率如表2所示.

表2 不同充電模式下總負(fù)荷峰谷差率

以上可知，當(dāng)EV充電規(guī)模不同時(shí)，本研究提出的EV削峰充電模式在削峰填谷，平滑負(fù)荷方面，效果最優(yōu).

4.3 參與有序充電調(diào)控率及EV入網(wǎng)數(shù)目對(duì)優(yōu)化配置成本的影響

進(jìn)一步研究當(dāng) N-EVnumber和k變化時(shí)，對(duì)微網(wǎng)系統(tǒng)的優(yōu)化配置的影響，如圖4所示.

圖4中x軸指k的變化值(0.2到1)，y軸(200到1 000)指N-EVnumber，z軸指配置成本(萬元).當(dāng)y值不變時(shí)，隨著k的增加，配置成本減小，說明愿意參與有序充電調(diào)配的用戶比例越大，對(duì)冷熱電微網(wǎng)系統(tǒng)配置成本的優(yōu)化越明顯.而當(dāng)x值不變時(shí)，優(yōu)化配置成本隨著y的增大而增大，因?yàn)殡S著EV數(shù)量的增加，系統(tǒng)的總電負(fù)荷需求增加，所需要的機(jī)組容量及成本都會(huì)增加，其增加的幅度隨著EV的數(shù)量增加而減小，原因是EV用戶中有一部分愿意參與削峰調(diào)配，故由于EV數(shù)量增加而導(dǎo)致的配置成本增加趨勢(shì)得以減緩.

5 結(jié) 論

本研究建立了EV無序和有序充電的模型以及冷熱電微網(wǎng)系統(tǒng)的結(jié)構(gòu)，并設(shè)置了兩種運(yùn)行方式，最后建立了考慮EV入網(wǎng)的冷熱電微網(wǎng)系統(tǒng)優(yōu)化配置模型，采用粒子群算法進(jìn)行求解，可知本研究所提有序充電模型可減小系統(tǒng)負(fù)荷峰谷差，因此可減少冷熱電微網(wǎng)系統(tǒng)的配置成本，優(yōu)化可控微源機(jī)組配置容量，其中削峰模式優(yōu)于移峰模式。而在削峰模式下，EV用戶參與有序充電意愿和EV入網(wǎng)數(shù)量也是影響系統(tǒng)優(yōu)化配置的因素，在EV入網(wǎng)數(shù)量一定的前提下，用戶參與意愿越強(qiáng)，對(duì)系統(tǒng)的配置成本優(yōu)化效果越佳。本研究所建模型和結(jié)論可為結(jié)合了電動(dòng)汽車和冷熱電微網(wǎng)系統(tǒng)的研究提供參考。