羅曉樂，宋 洋，徐 翔，梁 家，車靖峰

（國網(wǎng)吉林省電力公司松原供電公司，吉林 松原 138000）

在新能源小鎮(zhèn)中接入電動汽車能夠?yàn)榭稍偕茉吹南{問題提供新的解決途徑，但同時也會給新能源小鎮(zhèn)的規(guī)劃、經(jīng)濟(jì)運(yùn)行及綜合調(diào)度帶來困難。因此，研究電動汽車參與新能源小鎮(zhèn)的優(yōu)化運(yùn)行可以為解決此類問題提供理論支撐和實(shí)際指導(dǎo)價值。

在提高新能源小鎮(zhèn)的能源利用率及模型建立方面，文獻(xiàn)［1］提出4 種計(jì)及熱網(wǎng)熱能傳輸動態(tài)特性的電-熱綜合能源系統(tǒng)日前優(yōu)化調(diào)度方案，通過最優(yōu)分配能源設(shè)備出力，使總運(yùn)行成本最低并加入棄風(fēng)懲罰作為目標(biāo)函數(shù)，分析不同優(yōu)化調(diào)度方案通過改變各能源設(shè)備出力帶來的風(fēng)電消納率與經(jīng)濟(jì)性的結(jié)果。

在考慮含電動汽車的新能源小鎮(zhèn)優(yōu)化運(yùn)行方法方面，文獻(xiàn)［2］不僅考慮了新能源小鎮(zhèn)的出力特性，而且計(jì)及了電動汽車充電對經(jīng)濟(jì)運(yùn)行的影響，通過一種改進(jìn)后的粒子群優(yōu)化算法對模型尋優(yōu)求解，大大增加了系統(tǒng)的經(jīng)濟(jì)效益；文獻(xiàn)［3］重點(diǎn)考慮了電動汽車接入新能源小鎮(zhèn)后，電動汽車的充電負(fù)荷對風(fēng)力發(fā)電系統(tǒng)可靠性的影響，采用虛擬聯(lián)合負(fù)荷的概念統(tǒng)一考慮含風(fēng)電電力系統(tǒng)的波動性因素，借助V2G 技術(shù)，提出了一種用以平緩虛擬負(fù)荷波動性進(jìn)而提高系統(tǒng)可靠性的電動汽車充電控制策略優(yōu)化模型，并用增加遞減慣性權(quán)重因子的粒子群算法求解該模型，得出了具體的電動汽車充電策略；文獻(xiàn)［4］分析了新能源小鎮(zhèn)的網(wǎng)絡(luò)架構(gòu)與能量互動特點(diǎn)，闡明了電動汽車的跨時空能量搬移特性，研究了電動汽車與小鎮(zhèn)、電動汽車用戶與運(yùn)營商之間的能量互動關(guān)系，提出了新能源小鎮(zhèn)的智能經(jīng)濟(jì)調(diào)度策略，以及新能源小鎮(zhèn)經(jīng)濟(jì)調(diào)度分別與容量配置和電動汽車充電電價的協(xié)同優(yōu)化方法；文獻(xiàn)［5］主要圍繞大規(guī)模電動汽車的充放電行為和計(jì)及電動汽車的新能源小鎮(zhèn)的調(diào)度運(yùn)行展開分析，總結(jié)了電動汽車對新能源小鎮(zhèn)的影響，探討了電動汽車充電行為及并入系統(tǒng)的重要性。

1 含電動汽車的新能源小鎮(zhèn)模型

在某新能源小鎮(zhèn)全天負(fù)荷預(yù)測值已知的前提下，基于新型電力系統(tǒng)整體框架，提出以運(yùn)行成本最小為目標(biāo)函數(shù)，同時考慮電力系統(tǒng)、熱系統(tǒng)以及能量轉(zhuǎn)換單元安全運(yùn)行的約束條件，建立含電動汽車的新能源小鎮(zhèn)優(yōu)化模型。

1.1 目標(biāo)函數(shù)

在新能源小鎮(zhèn)運(yùn)行系統(tǒng)中加入熱電聯(lián)產(chǎn)、熱泵、電鍋爐、電動汽車等各類設(shè)備的約束條件，建立系統(tǒng)模型，以該小鎮(zhèn)的數(shù)據(jù)作為算例的數(shù)據(jù)來源，對不同補(bǔ)償電價的情況進(jìn)行仿真分析。新能源小鎮(zhèn)運(yùn)行總成本最小的目標(biāo)函數(shù)為

式中，T為24 h 時段；Th為電價高峰時段；Cf為燃料成本；CW為棄風(fēng)懲罰成本；Cb為電動汽車補(bǔ)償成本；λf為CHP單位耗煤成本；λW為單位棄風(fēng)成本；λb為單位補(bǔ)償電價；fCHP為熱電機(jī)組耗煤量；PCHP為熱電機(jī)組電出力；QCHP為熱電機(jī)組熱出力；a、b、c、d、e、f 均為熱電機(jī)組耗量特性參數(shù)；PW為風(fēng)電機(jī)組出力；PW,fore為風(fēng)電機(jī)組預(yù)測出力；ΔPEV,out(t)為電動汽車負(fù)荷轉(zhuǎn)出量；PCHP為熱電機(jī)組電出力；QCHP為熱電機(jī)組熱出力。

該小鎮(zhèn)采用激勵型補(bǔ)償引導(dǎo)充電負(fù)荷有序轉(zhuǎn)移，協(xié)助風(fēng)電并網(wǎng)消納。電動汽車用戶根據(jù)所提供的補(bǔ)償電價，將用電高峰時段部分充電負(fù)荷轉(zhuǎn)移至用電低谷時段，從而在消納夜間富余風(fēng)電的同時減少電力系統(tǒng)在電價高峰時段的發(fā)電量，緩解系統(tǒng)調(diào)峰壓力。其中，補(bǔ)償電價ΔDp(t)與充電負(fù)荷轉(zhuǎn)移量ΔPEV(t)的關(guān)系為

式中，ε為補(bǔ)償電價彈性系數(shù)；Dsell(t)為t時段系統(tǒng)售電電價。

電動汽車的日行駛里程近似服從對數(shù)正態(tài)分布，概率模型為

式中，x為電動汽車行駛里程；μd為期望值為方差，且μd=3.2，σd=0.88。

電動汽車的電池和行駛里程滿足如下關(guān)系：

式中，E為電動汽車電池的起始值；R為電池充滿之后電動汽車行駛的里程。因此，關(guān)于E的概率密度函數(shù)為

如果定義電動汽車返回時刻為充電開始時刻，其充電時刻服從正態(tài)分布，概率密度模型為

式中，μT=17.6，σT=3.4。

對于N臺電動汽車，起始充電時刻為T，每次電量都充滿。當(dāng)t≥T時，電動汽車的有功需求的期望值為

p(t)為電動汽車t時刻的有功充電功率：

式中，tEV為電池在當(dāng)前時刻下充電至滿電量的時長；Pcr表示充電速率；由中心極限定理可知，充電負(fù)荷PEV在t時刻服從正態(tài)分布；μEV,t為電動汽車在t時刻充電負(fù)荷量的期望值；σEV,t為標(biāo)準(zhǔn)差。

充電量的概率密度函數(shù)為

1.2 約束條件

1.2.1 系統(tǒng)約束

1）電功率平衡約束

式中，PW為風(fēng)電出力；PCHP為熱電聯(lián)產(chǎn)機(jī)組電出力；PL為用戶的常規(guī)電負(fù)荷；PEV為電動汽車的充電功率；PHP為熱泵耗電功率；PEB為電鍋爐的耗電功率。

2）熱功率平衡約束

式中，QCHP為熱電聯(lián)產(chǎn)機(jī)組熱出力；QHP為熱泵機(jī)組熱出力；QEB為電鍋爐熱出力；QL為用戶熱需求。

1.2.2 設(shè)備約束

1）風(fēng)電機(jī)組約束

2）電鍋爐約束

式中，PEB為輸入電鍋爐的電功率；ηEB為電鍋爐電制熱的效率系數(shù)；QEB為電鍋爐的輸出熱功率；QEBmax為電鍋爐熱出力的上限。

3）熱泵約束

式中，PHP為輸入熱泵的電功率；ηHP為熱泵電制熱的效率系數(shù)；QHP為熱泵的輸出熱功率；QHPmax為熱泵熱出力上限。

4）電動汽車充電負(fù)荷調(diào)節(jié)前后平衡約束

式中，Tl為電價低谷時段；Th為電價高峰時段；ΔPEV,in(t)為電價由高峰轉(zhuǎn)入的電動汽車充電負(fù)荷；ΔPEV,out(t)為電價由高峰轉(zhuǎn)出的電動汽車充電負(fù)荷。

5）CHP機(jī)組約束

式中，PCHP,min和PCHP,max分別為CHP 熱功率的下限和上限；QCHP,max為CHP 熱出力的上限；Cv1、Cv2、Cm均為CHP 的熱電耦合參數(shù)，表示CHP 電功率和熱功率的熱電耦合關(guān)系；Q1為熱電機(jī)組在最小凝汽工況下運(yùn)行且進(jìn)汽量最小時的熱出力值。

1.3 求解方法

本文建立的含電動汽車的新型電力系統(tǒng)源荷協(xié)調(diào)優(yōu)化模型是一個多變量、非線性和多約束的求解最小值問題。fmincon函數(shù)可以用于求解非線性多元函數(shù)的最小值。非線性優(yōu)化模型描述如下：

式中，A和b分別為線性不等式約束；Aeq和beq分別定義線性等式約束；c(x)為非線性不等式約束；ceq(x)為非線性等式約束；lb和ub分別為變量的下限和上限。

2 算例仿真

2.1 算例來源

以某新能源小鎮(zhèn)為研究對象，小鎮(zhèn)內(nèi)的能源來自于120 MW 的風(fēng)電場和330 MW 熱電廠，鎮(zhèn)內(nèi)負(fù)荷以某冬季典型日電負(fù)荷和熱負(fù)荷為例，能源轉(zhuǎn)換設(shè)備包括熱電聯(lián)產(chǎn)機(jī)組（1 臺20 MW）、熱泵（COP系數(shù)為3）、電鍋爐（1 臺20MW，效率為0.9）、電動汽車（10 000輛，特斯拉Model 3標(biāo)準(zhǔn)續(xù)航后驅(qū)升級版，電池容量為55 kW·h，慢充功率為7 kW，快充功率為250 kW）。7:00～21:00為小鎮(zhèn)用電峰時段，電價為0.52 元/(kW·h)；21:00～7:00 為小鎮(zhèn)用電水平谷時段，電價為0.4元/(kW·h)。

2.2 仿真分析

待算例數(shù)據(jù)參數(shù)總結(jié)歸納后，將電動汽車調(diào)度前的數(shù)據(jù)寫入MATLAB 算例仿真程序中，針對3 種不同場景的補(bǔ)償電價仿真結(jié)果，從負(fù)荷波動率、棄風(fēng)率、系統(tǒng)運(yùn)行成本等方面進(jìn)行對比分析：

場景1：只考慮對源側(cè)進(jìn)行協(xié)調(diào)（電價補(bǔ)償為0，即電動汽車為無序充電狀態(tài)）；

場景2：考慮源荷雙側(cè)互動（電價補(bǔ)償為0.1）；

場景3：考慮源荷雙側(cè)互動（電價補(bǔ)償為0.2）。

電動汽車在場景1 中的充電負(fù)荷如圖1 所示。在1:00～7:00時，充電負(fù)荷幾乎為0，說明在此時間段內(nèi)，如果不對系統(tǒng)進(jìn)行調(diào)節(jié)，那么居民們幾乎不會為電動汽車充電；在7:00～13:00和15:00～21:00時，居民會大規(guī)模對電動汽車充電。而居民的基本用電負(fù)荷時間為7:00～21:00 時，當(dāng)常規(guī)高峰用電負(fù)荷疊加大規(guī)模電動汽車充電負(fù)荷時，系統(tǒng)的總用電負(fù)荷會發(fā)生劇烈的波動，其峰谷差也會大幅度變化。

圖1 場景1電動汽車充電負(fù)荷

電動汽車在場景2和場景3中的充電負(fù)荷曲線如圖2和圖3所示。電動汽車大規(guī)模充電時間由調(diào)節(jié)前的峰荷時間轉(zhuǎn)變?yōu)槌Ｒ?guī)電負(fù)荷的谷荷時間，充電時間為1:00～7:00 和21:00～24:00 時。常規(guī)電負(fù)荷搭配此種充電行為可有效地縮小峰谷差，減輕系統(tǒng)壓力。

圖2 場景2電動汽車充電負(fù)荷

圖3 場景3電動汽車充電負(fù)荷

場景1 和場景2 總電負(fù)荷對比結(jié)果如圖4 所示。場景2 的總電負(fù)荷曲線比場景1 更加平緩，在一定程度上“削峰填谷”，并減小了系統(tǒng)峰谷差。

圖4 場景1和場景2總電負(fù)荷曲線

將3 種場景的仿真結(jié)果進(jìn)行對比，如圖5 和表1所示。

圖5 3種場景下充電負(fù)荷對比

表1 3種場景仿真結(jié)果對比

根據(jù)表1 可得出不同補(bǔ)償電價下的負(fù)荷波動率，如圖6所示。

圖6 不同場景下的負(fù)荷波動率

當(dāng)在場景1 時，電動汽車納入新型電力系統(tǒng)后，電動汽車的充電負(fù)荷對系統(tǒng)負(fù)荷影響較大，負(fù)荷波動率為21.53%，是3 種補(bǔ)償電價中最高的情況，而場景2和場景3的負(fù)荷波動率幾乎一致，明顯低于場景1。當(dāng)補(bǔ)償電價高于0.1 之后，負(fù)荷波動率的降低效果不再明顯。

3 種場景對棄風(fēng)的影響如圖7 所示，運(yùn)行成本如圖8所示。

圖7 3中場景的棄風(fēng)率

圖8 3種場景的運(yùn)行成本

場景2 和場景3 的棄風(fēng)率比場景1 低，由于電動汽車充電曲線的調(diào)整，可以為系統(tǒng)預(yù)留更多的風(fēng)電并網(wǎng)空間，促進(jìn)風(fēng)電消納。場景2 和場景3 的運(yùn)行成本比場景1 少，但場景3 比場景2 略高，這是由于電動汽車的充電調(diào)度使得系統(tǒng)在峰時段的負(fù)荷減少，而在谷時段的負(fù)荷增多，從而節(jié)省了成本。但由于電動汽車數(shù)量較少，當(dāng)補(bǔ)償電價再次增加的時候，所帶來的運(yùn)行成本會隨之增加。

3種場景的各項(xiàng)指標(biāo)對比分析如圖9所示。

圖9 3種場景的負(fù)荷波動率、棄風(fēng)率和系統(tǒng)運(yùn)行成本的對比結(jié)果

將3 類指標(biāo)進(jìn)行對比后可知，場景2 和場景3的總體情況幾乎一致，但場景2 的經(jīng)濟(jì)性最好，且棄風(fēng)率和負(fù)荷波動率也較小，雖與場景3 略有差別，但兩者的數(shù)據(jù)相差極小。因此，可認(rèn)為場景2是最佳方案，各項(xiàng)指標(biāo)遠(yuǎn)遠(yuǎn)好于場景1的情況。

3 結(jié)論

本文以某小鎮(zhèn)為例建立了含電動汽車的新能源小鎮(zhèn)優(yōu)化運(yùn)行模型，通過算例針對不同場景下電動汽車接入新能源小鎮(zhèn)運(yùn)行而產(chǎn)生的不同影響進(jìn)行了分析，仿真結(jié)果表明：

1）在未對電動汽車充電負(fù)荷進(jìn)行調(diào)節(jié)的模型中，用戶因生活用電習(xí)慣大多在常規(guī)用電峰荷時對電動汽車進(jìn)行充電。而這一習(xí)慣導(dǎo)致系統(tǒng)總負(fù)荷在谷荷時用電水平較低，而在峰荷時段由于電動汽車的大規(guī)模接入使得其和原本的常規(guī)用電峰荷疊加，導(dǎo)致系統(tǒng)的總用電負(fù)荷在7:00～21:00 高峰用電時段急劇升高。因此，系統(tǒng)在優(yōu)化前的峰谷差較大，總用電負(fù)荷波動劇烈，且棄風(fēng)水平較高，總成本增加。當(dāng)對系統(tǒng)進(jìn)行調(diào)節(jié)，將高峰時期的部分充電負(fù)荷轉(zhuǎn)移至低谷期時，系統(tǒng)的總用電負(fù)荷曲線波動程度明顯降低，峰谷差縮小，棄風(fēng)量減小。

2）當(dāng)對園區(qū)的負(fù)荷進(jìn)行優(yōu)化時，可優(yōu)先采用清潔能源發(fā)電，降低對傳統(tǒng)火電機(jī)組的依賴性，有效消納了園區(qū)的風(fēng)電。因此，對模型優(yōu)化后，傳統(tǒng)能源和清潔能源的交替配合利用能夠滿足用戶的供電和供暖需求，且大幅度提高了清潔能源利用率。由于清潔能源的合理使用，系統(tǒng)的總運(yùn)行成本明顯降低。