考慮交互功率與可再生能源功率波動的微電網(wǎng)調度優(yōu)化模型

楊曉東，陳 宇，張有兵，陳春成，馬鑫軍，戚 軍

?

考慮交互功率與可再生能源功率波動的微電網(wǎng)調度優(yōu)化模型

楊曉東，陳 宇，張有兵，陳春成，馬鑫軍，戚 軍

(浙江工業(yè)大學信息工程學院，浙江 杭州 310014)

電動汽車的發(fā)展普及與V2G (Vehicle to Grid)思想的提出，對微電網(wǎng)系統(tǒng)的經(jīng)濟、安全運行帶來了新的挑戰(zhàn)，如何合理調度電動汽車有序充放電，促進微電網(wǎng)的經(jīng)濟、平穩(wěn)運行成為當下的研究熱點。針對含電動汽車的風光儲并網(wǎng)型微電網(wǎng)環(huán)境，構建了最小化微電網(wǎng)與外部電網(wǎng)交互功率和平抑可再生能源功率波動的多目標調度優(yōu)化模型。通過對某商業(yè)區(qū)域微電網(wǎng)運行算例的仿真求解，從微電網(wǎng)運行經(jīng)濟效益、日交互電量以及出力功率平均變化量等方面驗證了所建模型的合理性和正確性。算例結果表明，以微電網(wǎng)為平臺集成利用具有一定出行規(guī)律的電動汽車與可再生能源是一種理想的協(xié)同利用模式，既可以提高微電網(wǎng)運行的經(jīng)濟效益，又能有效改善微電網(wǎng)的交互功率和出力波動。

并網(wǎng)型微電網(wǎng)；電動汽車；交互功率；可再生能源功率波動；調度優(yōu)化；出力調整

0 引言

近年來，隨著電網(wǎng)規(guī)模的擴大，電網(wǎng)運行的穩(wěn)定性和安全性趨于下降，分布式電源雖具有環(huán)保和高效等優(yōu)點，但是其接入成本高，控制困難，為此，微電網(wǎng)應運而生[1]。微電網(wǎng)的全稱是分布式能源系統(tǒng)，是將可再生能源發(fā)電裝置、負載、儲能裝置及控制裝置等系統(tǒng)地結合在一起，向用戶供給電能和熱能的小型發(fā)配供電系統(tǒng)[2]。由于微電網(wǎng)具有低成本、低污染和能源利用率高等特點，是目前國內(nèi)外電網(wǎng)研究的熱點課題。但是由于風光發(fā)電具有不穩(wěn)定性和間歇性[3-4]，使其不能像傳統(tǒng)發(fā)電模式那樣滿足電網(wǎng)調度要求的靈活性，單純依靠儲能蓄電池將大幅增加工程造價，此外，儲能蓄電池有電池循環(huán)次數(shù)較少，充放電效率低等缺陷。電動汽車(Electric Vehicles, EVs)接入電網(wǎng)(Vehicle to Grid, V2G)概念的提出提供了一種有效的解決方案，通過有序充放電調度，可以實現(xiàn)移峰填谷、提高可再生能源利用率、減少固定儲能投資等功能[5]。

風光發(fā)電的出力特性導致其規(guī)?；脤⒔o系統(tǒng)帶來巨大挑戰(zhàn)，為了滿足系統(tǒng)的安全、經(jīng)濟運行以及供電電能質量要求，已出現(xiàn)嚴重的棄風棄光現(xiàn)象[6]。微電網(wǎng)中如何調度儲能以優(yōu)化系統(tǒng)出力、促進可再生能源就地消納是解決問題的關鍵。目前，國內(nèi)外學者已針對可再生能源與電動汽車的集成利用進行了大量探討。文獻[7-8]介紹了一種合理的電動汽車建模方法，為本文建立電動汽車模型提供了基礎；文獻[9]表明電動汽車集群連入任何一個人口稠密城市的高層建筑后均可高效地用于分布式電力存儲；文獻[10-11]從電動汽車車主角度考慮電動汽車的影響，基于分時電價控制電動汽車有序充放電，減少了電動汽車運行成本、提高了用戶滿意度，但是并沒有考慮電動汽車對微電網(wǎng)運行的影響。文獻[12-13]利用電動汽車為可再生能源發(fā)電提供儲能，以平抑其輸出功率波動，提高了微電網(wǎng)運行的穩(wěn)定性與可靠性，但是并未考慮提高可再生能源利用率與微電網(wǎng)的經(jīng)濟性；文獻[14-16]研究了電動汽車的能量管理方式對微電網(wǎng)儲能容量優(yōu)化配置的影響，結果表明對電動汽車的合理調度可以提高微電網(wǎng)的可靠性，降低微電網(wǎng)的配置成本；文獻[17-18]構造了基于電動汽車的經(jīng)濟調度模型和策略，分析了電動汽車群的加入對微電網(wǎng)的經(jīng)濟性，結果證明電動汽車的有序充放電能夠有效降低微電網(wǎng)運行費用，提高經(jīng)濟效益；文獻[19]則對經(jīng)濟調度進行了更細致的分析，研究了在電動汽車與微電網(wǎng)相結合的情況下，建立了減小發(fā)電成本、增加環(huán)境效益和降低綜合費用的多目標優(yōu)化模型，不足之處在于未考慮與主網(wǎng)相連時的供電質量及可再生能源功率波動等因素。

基于上述分析，本文以含電動汽車集群的風光儲并網(wǎng)型微電網(wǎng)為研究對象，旨在構建V2G模式下的微電網(wǎng)調度優(yōu)化模型，以充分利用可再生能源、提高可再生能源的供電質量。綜合考慮微電網(wǎng)與外部電網(wǎng)交互功率和可再生能源功率波動對微電網(wǎng)進行的多目標調度優(yōu)化，通過對某商業(yè)區(qū)域微電網(wǎng)運行算例的仿真求解，從微電網(wǎng)運行經(jīng)濟效益、日交互電量以及出力功率平均變化量等方面驗證了所建模型的合理性和正確性。

1 微電網(wǎng)系統(tǒng)模型

本文的研究針對由風機、光伏陣列、儲能蓄電池、電動汽車組成的分布式風光儲并網(wǎng)型微電網(wǎng)系統(tǒng)，該系統(tǒng)實行“自發(fā)自用、余量上網(wǎng)、電網(wǎng)調劑”的運行策略，其架構如圖1所示。在該結構中，中央控制系統(tǒng)用于獲取聯(lián)絡線的負荷信息，一面用于向系統(tǒng)內(nèi)的充電設施發(fā)布實時負荷信息，一面接受各充電設施的計劃負荷予以整合來實時更新負荷信息。當電動汽車接入微電網(wǎng)，中央控制系統(tǒng)能夠獲取當前的負荷信息、可再生能源出力等信息，并以此為基礎對該電動汽車進行充放電規(guī)劃。

圖1 風光儲-電動汽車并網(wǎng)型微電網(wǎng)結構

1.1 光伏陣列模型

本文將連續(xù)的時間進行離散化，優(yōu)化時段等分成個時段，時間間隔為D。標準額定條件(額定太陽輻照度ST為1000W/m2、相對大氣光學質量為AM1.5、電池溫度ST為25)下時段的光伏發(fā)電功率PV()用式(1)計算[20]。

式中：ST為標準額定條件下光伏額定輸出功率；C為工作點的輻照度；為功率溫度系數(shù)；C為工作點的電池溫度。

1.2 風力發(fā)電模型

已有的研究工作普遍表明風速服從Rayleigh分布或Weibull分布[13]，本文假設風速服從Rayleigh分布。風電機組最大輸出功率和風速的函數(shù)關系描述如下：當風速低于某一閾值(驅動風速)時風力渦輪機處于停止狀態(tài)，此時的輸出功率為0；當風速大于切入風速而小于額定風速時，輸出功率可近似表示為風速的線性函數(shù)；當風速大于額定風速而小于切出風速時，輸出功率為一個常數(shù)。因此風機發(fā)電輸出功率可表示為

(3)

(4)

式中：V表示時段風速；r為額定風速；in為切入風速；out為切出風速；r為風機額定輸出功率。

1.3 儲能蓄電池模型

為簡化建模，假設儲能蓄電池在充放電過程中，兩端電壓維持不變，因此蓄電池模型建立如下。

(6)

(7)

式中：B()與B(-1)分別為時段和-1時段的蓄電池荷電狀態(tài)(State of Charge，SOC)；bat()為時段蓄電池交互功率，bat()>0時表示充電，bat()<0時表示放電，bat()=0表示浮充；bat為蓄電池容量；Bmax、Bmin分別為蓄電池的荷電狀態(tài)上、下限；Bc、Bd分別表示蓄電池額定充、放電功率；為時段充放電的效率。

(9)

式(6)、式(7)表示蓄電池需滿足荷電狀態(tài)約束與額定功率約束；考慮到蓄電池在調度周期間變換的狀態(tài)繼承，為了保證蓄電池在調度周期間連續(xù)有效工作，式(8)表示其能量狀態(tài)在調度周期始末相等。

1.4 電動汽車模型

設該微電網(wǎng)系統(tǒng)接入的車輛集合為，則車輛規(guī)模為。電動汽車的主要用途是滿足用戶的出行需求，根據(jù)用戶的行車特點，各車輛的情況有所不同，對于任意車輛?，設其入網(wǎng)的時間為in,l，離開時間為out,l。V2G模式下，任一時段，電動汽車與配網(wǎng)的功率交換用P()表示，P()>0表示車輛處于充電狀態(tài)，P()<0表示處于放電狀態(tài)，P()=0為浮充狀態(tài)，且當?[in,l,out,l]時，P()=0。

本文假設參與調度的電動汽車動力電池均為鋰電池。根據(jù)鋰電池的充放電相關特性，作適當簡化，在單個時段內(nèi)，視鋰電為恒功率充放電，則其荷電狀態(tài)和對應的充放電功率近似呈線性關系：

式中：S()與S(-1)為時段和-1時段的電動汽車荷電狀態(tài)；為電動汽車電池容量；P()為時段電動汽車的交互功率；(P())為時段充放電的效率，與功率交換方向有關。

(11)

式中，c、d分別表示電動汽車充、放電效率。

2 微電網(wǎng)調度優(yōu)化模型

2.1 目標函數(shù)

為了有效利用可再生能源，改善供電質量，從而促進微電網(wǎng)的穩(wěn)定運行，可以從兩個角度考慮對微電網(wǎng)出力的優(yōu)化：其一，最小化微電網(wǎng)與外電網(wǎng)的交互功率，使微電網(wǎng)出力與負荷盡可能貼合，這樣不僅可以提高可再生能源利用率，還能夠提高微電網(wǎng)的可靠性能，保證其平穩(wěn)運行；其二，平抑微電網(wǎng)的輸出功率波動，改善可再生能源利用效率。

據(jù)此，本文綜合考慮最小化交互功率與平抑可再生能源功率波動構建微電網(wǎng)調度優(yōu)化模型。考慮到所選取的目標函數(shù)之間單位一致，故采用加權處理的方法來進行微電網(wǎng)的多目標調度優(yōu)化。具體方法為

式中：1只考慮最小化微電網(wǎng)與外電網(wǎng)交互功率；2只考慮平抑可再生能源功率波動；1與2為目標權重系數(shù)，滿足130、230且1+2=1，本文中取1=2=0.5進行討論。

2.1.1目標1：最小化交互功率

由于可再生能源出力的不確定性，在其高于負荷功率時會造成能源浪費，或是在低于負荷功率時出現(xiàn)可再生能源供給不足的問題，需要從外電網(wǎng)購電，導致可再生能源的潛力無法完全發(fā)揮。目標1以最小化微電網(wǎng)與主網(wǎng)的交互功率為目標，調整微電網(wǎng)出力，如式(13)所示。

式中：out()表示微電網(wǎng)出力；B()表示基本負荷。

2.1.2目標2：平抑可再生能源功率波動

可再生能源出力會受到天氣、溫度等各種偶然性因素的影響，導致出力曲線不穩(wěn)定，影響其利用效率，此時目標函數(shù)為

式中，out()和out(-1)分別表示時段和-1時段的微電網(wǎng)出力。

2.2 約束條件

(1) 電動汽車荷電狀態(tài)約束

過充電與過放電都會導致鋰電池壽命的縮短，因此需要將受控電動汽車第時段的荷電狀態(tài)S()限定在一定范圍內(nèi)。

式中，max和min分別為動力電池荷電狀態(tài)的上、下限。

(2) 電動汽車充放電需求約束

電動汽車離開時的荷電狀態(tài)必須達到車主的期望值。

(3) 功率平衡約束

為了維持整個微電網(wǎng)的有序運作，防止過載和空載狀況的發(fā)生，微電網(wǎng)輸出與負載之間要滿足功率平衡約束。

式中，grid()為時段微電網(wǎng)與外電網(wǎng)的交互功率，功率為正表示從電網(wǎng)購電，功率為負表示向電網(wǎng)倒送電。

(4) 倒送功率約束

過大的電力倒送會對電力系統(tǒng)穩(wěn)定性造成不利影響，因此需要對倒送功率有所限制。

式中：grid,out()為微電網(wǎng)向外電網(wǎng)的倒送功率；為倒送功率允許最大值。

3 微電網(wǎng)運行性能評價指標

3.1 微電網(wǎng)運行經(jīng)濟效益

微電網(wǎng)日運行經(jīng)濟效益即微電網(wǎng)運行過程中產(chǎn)生的日凈收益，具體表示為

式中：WK為微電網(wǎng)日運行經(jīng)濟收益；RES,sub為可再生能源補貼；EV為電動汽車用戶補償費用；grid為與外電網(wǎng)交互成本；om為系統(tǒng)日運行維護成本；bat為儲能蓄電池投資成本。

(1) 可再生能源補貼

式中：RES為可再生能源發(fā)電量，包括風機日出力總量w和光伏日出力總量pv；p為棄電量；RES,sub為風光系統(tǒng)發(fā)電單位能量(kW·h)補貼價格。

(2) 電動車用戶補償

式中：EV為電動車用戶日負荷轉移總量；EV,sub為電動汽車轉移單位能量的補償價格。

(3) 與外電網(wǎng)交互成本

式中：grid,in為日購電電量；grid,in為購電電價；grid,out為日倒送電量；gird,out為倒送電價。

(4) 系統(tǒng)維護運行成本

式中：bat為蓄電池交互總電量；w,om、pv,om和bat,om分別為風機、光伏和蓄電池的運行維護系數(shù)。

(5) 電池投資成本

式中：bat為蓄電池單位容量投資成本；為折現(xiàn)率；為系統(tǒng)壽命期望值。

3.2 日交互電量

微電網(wǎng)與外電網(wǎng)的日交互電量，包括在微電網(wǎng)自身出力不足時從外電網(wǎng)購買的電量和出力富余時向電網(wǎng)倒送的電量。

式中，grid為微電網(wǎng)與外電網(wǎng)間的交互電量。

3.3 出力平均變化量

平抑可再生能源功率波動的目標是改善注入功率不穩(wěn)定和計劃外功率波動的情況，可再生能源輸出功率波動的改善效果可以用功率波動的平均變化量來評價。

式中，為平均變化量。

4 算例分析

4.1 算例初始參數(shù)設置

本文以商業(yè)型辦公樓微電網(wǎng)為例，驗證本文所提調度優(yōu)化模型的有效性。設時間間隔將一天劃分為48個時段；設置峰時段為早上7點至晚上9點，電價為1.2元/kW·h；谷時段為晚上9點至次日早上7點，電價為0.4元/kW·h；設電動汽車的補償價格為0.8元/kW·h；根據(jù)國家相關政策，可再生能源發(fā)電補貼為0.67元/kW·h[21]，光伏倒送電價為0.4元/kW·h[22]。

電動汽車初始SOC參數(shù)服從均值為0.7，標準差為0.1的正態(tài)分布；已掌握的EV日停駛數(shù)目分布統(tǒng)計數(shù)據(jù)如圖2所示；電動汽車SOC范圍為0.1~0.9之間；額定充、放電功率均為7kW；車輛動力電池的能量轉化效率為0.92；容量為60kW·h。

圖2 微電網(wǎng)內(nèi)EV停駛數(shù)目

設置光伏裝機容量為750 kW，風機裝機容量200kW，啟動風速3m/s，額定風速8m/s，停機風速25m/s；光伏發(fā)電運行維護系數(shù)0.0096元/kW·h；風電機組運行維護系數(shù)0.0296元/kW·h[23]；最大倒送功率設為100kW。

典型工作日基本負荷[9]、可再生能源發(fā)電功率預測曲線如圖3所示。

圖3 典型工作日預測曲線

儲能蓄電池運維系數(shù)0.05589元/kW·h，投資建設成本1226元/kW·h；蓄電池SOC上、下限設定為0.9和0.4；充、放電功率與容量比均為0.15；蓄電池的能量轉化效率為0.92。

4.2 仿真結果分析

(1) 蓄電池與電動汽車出力比較

圖4分別表示40輛電動汽車、400kW·h蓄電池和2400kW·h蓄電池接入微電網(wǎng)優(yōu)化后的功率曲線。從曲線可以看出，白天時段由于大量電動車相繼接入，在陽光最充足時系統(tǒng)對出力的調整功能達到最大，在這種情況下的微電網(wǎng)電動汽車與儲能蓄電池調度效果相當，提高可再生能源利用率的效果十分顯著；夜間時段，只含蓄電池的微電網(wǎng)擁有更高的輸出功率，即對微電網(wǎng)出力的調度效果更好，原因在于相比于具有一定出行規(guī)律的電動汽車，蓄電池具有更大的調度區(qū)間。

圖4 不同方案下調度優(yōu)化后儲能及電動汽車功率曲線

(2) 調度結果分析

圖5為基本負荷、風光出力曲線、加入40輛電動汽車與400kW·h蓄電池以及加入2400kW·h蓄電池調度優(yōu)化后的等效出力曲線?？梢婋妱悠嚨慕尤?，使得10:00到16:00之間過剩的新能源出力幾乎被完全消納；相比之下，加入2400kW·h蓄電池調度優(yōu)化后的微電網(wǎng)出力曲線則更為平緩，但在對可再生能源的消納上，兩種方案的效果相當。

圖5 不同配置下調度優(yōu)化后微電網(wǎng)出力曲線

(3) 波動性分析

圖6為風光出力以及加入電動汽車和蓄電池調度優(yōu)化后的微電網(wǎng)出力功率波動情況。圖中顯示加入大規(guī)模蓄電池后，經(jīng)過調度優(yōu)化的微電網(wǎng)出力僅有少許波動，大大提高了微電網(wǎng)運行的安全穩(wěn)定性能；電動汽車配合少量蓄電池在主要停駛時段依然有非常好的效果，能夠有效改善微電網(wǎng)出力波動。

圖6 微電網(wǎng)出力波動

(4) 交互功率分析

圖7為調度優(yōu)化前后微電網(wǎng)與主網(wǎng)交互功率曲線?？梢钥闯黾尤胄铍姵鼗螂妱悠嚭?，微電網(wǎng)與電網(wǎng)間的交互功率大幅度降低，并且交互功率波動性得到有效改善，對微電網(wǎng)的穩(wěn)定運行具有積極的促進作用。

綜上，隨著V2G技術的發(fā)展，具有一定出行規(guī)律的電動汽車發(fā)揮分布式移動儲能作用可以替代部分固定儲能蓄電池，可有效減少當前能源架構的一些不利影響。

圖7 微電網(wǎng)與主網(wǎng)交互功率曲線

4.3 微網(wǎng)的運行性能評價指標分析

4.3.1經(jīng)濟性分析

表1為5個方案下，經(jīng)濟效益方面的運行結果比較。方案1中只有分布式發(fā)電系統(tǒng)；方案2在風光發(fā)電系統(tǒng)上，接入40輛電動汽車；方案3為配置了400kW·h蓄電池的風光儲微電網(wǎng)；方案4為在方案3的基礎上，接入電動汽車集群；方案5為配置2400kW·h蓄電池的風光儲微電網(wǎng)。

表1 不同方案下微電網(wǎng)經(jīng)濟效益對比

對比方案2和方案5，由于蓄電池成本較高，方案5的經(jīng)濟效益大大降低，比調度前下降了93.8元，而方案2通過發(fā)揮電動汽車的移動儲能作用，盡管需要支付454.80元的補償費用，仍比方案5多產(chǎn)生了249.83元的經(jīng)濟效益；此外，對于電動汽車車主來說，由于避免了在電價峰時段充電支付高昂電費，獲得了一定收益。可見電動汽車的有序充放電對提高微電網(wǎng)與電動汽車主經(jīng)濟性具有顯著的效果。

對比方案2與方案4，方案4中微電網(wǎng)的經(jīng)濟效益比方案2少20.65元，蓄電池的增加開始降低系統(tǒng)的經(jīng)濟性，因此應當合理控制蓄電池容量，以達到最佳的經(jīng)濟效益。

4.3.2 交互電量比較

表2為各方案下微電網(wǎng)的日交互電量。數(shù)據(jù)直觀地反映了微電網(wǎng)出力與基本負荷之間的相似度。對比方案3與方案4，方案3的交互電量比調度前減少了820.40kW·h，方案4則減少了880.97kW·h，兩者的日交互電量都有大幅度下降且下降幅度相當，可見以有序調度為手段發(fā)揮電動汽車集群的儲能作用可以有效降低微電網(wǎng)儲能容量要求。

4.3.3波動性比較

表3為各方案下微電網(wǎng)出力的平均變化量和最大變化量，其中最大變化量指優(yōu)化時段內(nèi)變化量的最大值。對比方案4與方案5可知，相較于電動汽車，蓄電池對平抑可再生能源出力波動具有更好的效果，因此，為了改善系統(tǒng)出力波動性、促進微電網(wǎng)平穩(wěn)運行，系統(tǒng)仍需配置一定容量的蓄電池。

表2 微電網(wǎng)日交互電量

表3 微電網(wǎng)出力變化量

4.4 靈敏度分析

圖8為不同電動汽車規(guī)模下微電網(wǎng)的經(jīng)濟效益與儲能配置容量的關系。從圖中可以看出，在不含電動汽車時，隨著蓄電池容量的增加，微電網(wǎng)的經(jīng)濟效益存在小幅度上升，在蓄電池容量達到1400kW·h時經(jīng)濟效益達到最大值，之后開始下降；而在接入大規(guī)模電動汽車后，蓄電池數(shù)量的增加不再提高經(jīng)濟效益。一方面說明應合理配置儲能容量以獲得良好的經(jīng)濟效益，另一方面證明了V2G模式下電動汽車的優(yōu)化調度可以有效減少微電網(wǎng)儲能配置需求。

圖8 不同電動汽車規(guī)模下經(jīng)濟效益與儲能配置容量的關系

圖9為不同電動汽車規(guī)模下微電網(wǎng)和主網(wǎng)的交互電量與儲能配置容量的關系。從40EVs曲線可以看出本文所設置的參數(shù)下日交互電量最小能夠降低到2225kW·h，此時微電網(wǎng)出力曲線最為理想，在大規(guī)模電動汽車接入的情形下，配置適量的蓄電池可以有效降低交互電量，提高微電網(wǎng)與電力系統(tǒng)運行的安全可靠性能。

圖9 不同電動汽車規(guī)模下日交互電量與儲能容量的關系

圖10為不同電動汽車規(guī)模下平均功率變化量與儲能配置容量的關系。由圖可知平均變化量始終隨蓄電池容量的增加而減小，直至收斂到一固定值，而電動汽車規(guī)模對微電網(wǎng)波動性的影響較小，因此，為減少微電網(wǎng)出力波動，需配置適量蓄電池。

圖10 不同電動汽車規(guī)模下平均功率變化量與儲能容量的關系

綜上所述，合理配置蓄電池與電動汽車、有序規(guī)劃電動汽車充放電，發(fā)揮二者的協(xié)同作用可以提高可再生能源利用率、改善風光儲微電網(wǎng)的經(jīng)濟效益、平抑可再生能源波動、促進微電網(wǎng)的安全、穩(wěn)定運行。

5 總結

本文面向風光儲并網(wǎng)型微電網(wǎng)環(huán)境，綜合考慮微電網(wǎng)與外部電網(wǎng)交互功率和可再生能源功率波動建立多目標調度優(yōu)化模型。算例結果表明：

(1) 采用所提調度優(yōu)化模型，能夠在滿足電動汽車用戶充電需求的前提下，有效發(fā)揮電動汽車集群的分布式儲能作用、顯著改善微電網(wǎng)輸出功率特性。

(2) 以微電網(wǎng)為平臺集成利用具有一定出行規(guī)律的電動汽車與可再生能源，以合理規(guī)劃電動汽車充放電過程為手段輔助微電網(wǎng)運行，能夠提高微電網(wǎng)運行經(jīng)濟性、減小微電網(wǎng)與主網(wǎng)的交互功率、平抑可再生能源功率波動，促進微電網(wǎng)經(jīng)濟、平穩(wěn)運行。

[1] 呂忠, 周強, 蔡雨昌. 含分布式電源的DEIWO算法配電網(wǎng)無功優(yōu)化[J]. 電力系統(tǒng)保護與控制, 2015, 43(4): 69-73.

Lü Zhong, ZHOU Qiang, CAI Yuchang. Reactive power optimization in distribution network with distributed generation on DEIWO algorithm[J]. Power System Protection and Control, 2015, 43(4): 69-73.

[2] 曹智平, 周力行, 張艷萍, 等. 基于供電可靠性的微電網(wǎng)規(guī)劃[J]. 電力系統(tǒng)保護與控制, 2015, 43(14): 10-15.

CAO Zhiping, ZHOU Lixing, ZHANG Yanping, et al. Micro-grid planning based on supply reliability[J]. Power System Protection and Control, 2015, 43(14): 10-15.

[3] 康云龍, 郭紅霞, 吳捷, 等. 分布式電源及其接入電力系統(tǒng)時若干研究課題綜述[J]. 電網(wǎng)技術, 2010, 34(11): 43-47.

KANG Yunlong, GUO Hongxia, WU Jie, et al. Characteristics of distributed generation system and related research issues caused by connecting it to power system[J]. Power System Technology, 2010, 34(11): 43-47.

[4] 黃銀華, 李常春, 羅方旋, 等. 大規(guī)模風電接入對福建電網(wǎng)調峰的影響[J]. 電網(wǎng)與清潔能源, 2015, 31(12): 96-100, 125.

HUANG Yinhua, LI Changchun, LUO Fangxuan, et al. Impact of large-scale wind farm connected with fujian power grid on peak load regulation[J]. Power System and Clean Energy, 2015, 31(12): 96-100, 125.

[5] 路欣怡, 劉念, 陳征, 等. 電動汽車光伏充電站的多目標優(yōu)化調度方法[J]. 電工技術學報, 2014, 29(8): 46-56.

LU Xinyi, LIU Nian, CHEN Zheng, et al. Multi-objective optimal scheduling for PV-assisted charging station of electric vehicles[J]. Transactions of China Electrotechnical Society, 2014, 29(8): 46-56.

[6] 朱向東. 目前中國風電棄風現(xiàn)狀及對策[J]. 能源與節(jié)能, 2012(10): 30, 67.

ZHU Xiangdong. Current situation and countermeasure of current china’s wind power abandon wind[J]. Energy and Energy Conservation, 2012(10): 30, 67.

[7] 田立亭, 史雙龍, 賈卓. 電動汽車充電功率需求的統(tǒng)計學建模方法[J]. 電網(wǎng)技術, 2010, 34(11): 126-130.

TIAN Liting, SHI Shuanglong, JIA Zhuo. A statistical model for charging power demand of electric vehicles[J]. Power System Technology, 2010, 34(11): 126-130.

[8] 黨杰, 湯奕, 寧佳, 等. 基于用戶意愿和出行規(guī)律的電動汽車充電負荷分配策略[J]. 電力系統(tǒng)保護與控制, 2015, 43(16): 8-15.

DANG Jie, TANG Yi, NING Jia, et al. A strategy for distribution of electric vehicles charging load based on user intention and trip rule[J]. Power System Protection and Control, 2015, 43(16): 8-15.

[9] KUMAR K, N, SIVANEASAN B, CHEAH P H, et al. V2G capacity estimation using dynamic EV scheduling[J]. IEEE Transactions on Smart Grid, 2014, 5(2): 1051-1060.

[10] 孫近文, 萬云飛, 鄭培文, 等. 基于需求側管理的電動汽車有序充放電策略[J]. 電工技術學報, 2014, 29(8): 64-69.

SUN Jinwen, WAN Yunfei, ZHENG Peiwen, et al. Coordinated charging and discharging strategy for electric vehicles based on demand side management[J]. Transactions of China Electrotechnical Society, 2014, 29(8): 64-69.

[11] 孫曉明, 王瑋, 蘇粟, 等. 基于分時電價的電動汽車有序充電控制策略設計[J]. 電力系統(tǒng)自動化, 2013, 37(1): 191-195.

SUN Xiaoming, WANG Wei, SU Su, et al. Coordinated charging strategy for electric vehicles based on time- of-use price[J]. Automation of Electric Power Systems, 2013, 37(1): 191-195.

[12] 趙博, 朱金大, 張衛(wèi)國. 考慮規(guī)?；妱悠嚾刖W(wǎng)的電網(wǎng)調頻控制策略[J]. 電網(wǎng)與清潔能源, 2015, 31(12): 73-76.

ZHAO Bo, ZHU Jinda, ZHANG Weiguo. Frequency regulation strategy of the grid considering large scale electric vehicles to grid[J]. Power System and Clean Energy, 2015, 31(12): 73-76.

[13] 趙俊華, 文福拴, 薛禹勝, 等. 計及電動汽車和風電出力不確定性的隨機經(jīng)濟調度[J]. 電力系統(tǒng)自動化, 2010, 34(20): 22-29.

ZHAO Junhua, WEN Fushuan, XUE Yusheng, et al. Power system stochastic economic dispatch considering uncertain outputs from plug-in electric vehicles and wind generators[J]. Automation of Electric Power Systems, 2010, 34(20): 22-29.

[14] 余岳, 粟梅, 孫堯, 等. 計及電動汽車的微電網(wǎng)儲能單元容量優(yōu)化[J]. 儀器儀表學報, 2014, 35(6): 1261-1268.

YU Yue, SU Mei, SUN Yao, et al. Capacity optimization of energy storage unit in microgird considering electric vehicle[J]. Chinese Journal of Scientific Instrument, 2014, 35(6): 1261-1268.

[15] 張明銳,謝青青,李路遙,等. 考慮電動汽車能量管理的微網(wǎng)儲能容量優(yōu)化[J]. 中國電機工程學報,2015, 18(12): 4663-4673.

ZHANG Mingrui, XIE Qingqing, LI Luyao, et al. Optimal sizing of energy storage for microgrids considering energy management of electric vehicles[J]. Proceedings of the CSEE, 2015, 18(12): 4663-4673.

[16] 張穎達, 劉念, 張建華, 等. 含電動汽車充電站的風光互補系統(tǒng)容量優(yōu)化配置[J]. 電力系統(tǒng)保護與控制, 2013, 41(15): 126-134.

ZHANG Yingda, LIU Nian, ZHANG Jianhua, et al. Optimum sizing of a stand-alone hybrid PV/wind generationsystem integrated with electric vehicle charging stations[J]. Power System Protection and Control, 2013, 41(15): 126-134.

[17] 蘇粟,蔣小超,王瑋,等. 計及電動汽車和光伏—儲能的微網(wǎng)能量優(yōu)化管理[J]. 電力系統(tǒng)自動化,2015, 39(9): 164-171.

SU Su, JIANG Xiaochao, WANG Wei, et al. Optimal energy management for microgrids considering electric vehicles and photovoltaic-energy storage[J]. Automation of Electric Power Systems, 2015, 39(9): 164-171.

[18] 茆美琴,孫樹娟,蘇建徽,等. 包含電動汽車的風/光/儲微電網(wǎng)經(jīng)濟性分析[J]. 電力系統(tǒng)自動化,2011,35(14): 30-35.

MAO Meiqin, SUN Shujuan, SU Jianhui, et al. Economic analysis of a microgrid with wind/photovoltaic/storages and electric vehicles[J]. Automation of Electric Power Systems, 2011, 35(14): 30-35.

[19] 吳紅斌, 侯小凡, 趙波, 等. 計及可入網(wǎng)電動汽車的微網(wǎng)系統(tǒng)經(jīng)濟調度[J]. 電力系統(tǒng)自動化, 2014, 38(9): 77-84.

WU Hongbin, HOU Xiaofan, ZHAO Bo, et al. Economicaldispatch of microgrid considering plug-in electric vehicles[J]. Automation of Electric Power Systems, 2014, 38(9): 77-84.

[20] 楊曉東, 張有兵, 任帥杰, 等. 含高滲透率光伏發(fā)電并網(wǎng)型微網(wǎng)中的電動汽車優(yōu)化調度方法[J]. 電力系統(tǒng)自動化, 2016, 40(18): 15-23.

YANG Xiaodong, ZHANG Youbing, REN Shuaijie, et al. Optimal scheduling of electric vehicles charging and discharging in grid-connected microgrid with high photovoltaic power penetration[J]. Automation of Electric Power Systems, 2016, 40(18): 15-23.

[21] 北極星太陽能光伏網(wǎng). 中國8省15市光伏補貼政策一覽[EB/OL].

[22] 百度文庫.自發(fā)自用余電上網(wǎng)享受國家補貼[EB/OL]. http:// www.energy.sh.cn/news/news166.html.

[23] 丁明, 張穎媛, 茆美琴, 等. 包含鈉硫電池儲能的微網(wǎng)系統(tǒng)經(jīng)濟運行優(yōu)化[J]. 中國電機工程學報, 2011, 31(4): 7-14.

DING Ming, ZHANG Yingyuan, MAO Meiqin, et al. Economic operation optimization for microgrids including Na/S battery storage[J]. Proceedings of the CSEE, 2011, 31(4): 7-14.

(編輯 周金梅)

Scheduling optimization model for microgrid considering interactive power and renewable energy output fluctuation

YANG Xiaodong, CHEN Yu, ZHANG Youbing, CHEN Chuncheng, MA Xinjun, QI Jun

(College of Information Engineering, Zhejiang University of Technology, Hangzhou 310014, China)

With the popularization and application of electric vehicles (EVs) and the presentation of vehicle-to-grid (V2G), the charging load has a great influence on the security and economy of the microgrid operation. On this basis, how to make reasonable control strategy for plug-in EVs and ensure the safety operation of microgrid becomes a problem to be solved. Based on the wind-solar-battery grid-connected microgrid with EVs, a multi-objective optimization model is proposed to minimize the interactive power between microgrid and the main power grid and balance the fluctuation of wind-solar power output. Taking a microgrid in a certain commercial area as an example, the reasonability and the validity of the proposed optimization model is verified in several key aspects of microgrid, such as the economic operation, daily interactive energy and average variation of the output. Simulation results show that the integration of EVs with regular patterns and renewable energy resourcesin the microgrid environment, which can not only realize the economic operation but also improve the interactive power and output fluctuation, is an ideal coordinated mode.

This work is supported by National Natural Science Foundation of China (No. 51407160) and Natural Science Foundation of Zhejiang Province (No. LY16E070005).

grid-connected microgrid; electric vehicles (EVs); interactive power; power fluctuation of the renewable energy; scheduling optimization; output adjustment

10.7667/PSPC152166

2015-12-12；

2016-03-08

楊曉東(1990-)，男，博士研究生，主要研究方向為新能源并網(wǎng)、電動汽車入網(wǎng)、需求側管理、電力系統(tǒng)通信；E-mail: yang_xd90@163.com

陳 宇(1995-)，男，本科，主要研究方向為電動汽車入網(wǎng)、分布式發(fā)電與微電網(wǎng)；

張有兵(1971-)，男，通信作者，博士，教授，主要研究方向為智能電網(wǎng)、分布式發(fā)電及新能源優(yōu)化控制、電動汽車入網(wǎng)、電力系統(tǒng)通信、電能質量監(jiān)控。E-mail: youbingzhang@ zjut.edu.cn

國家自然科學基金資助項目(51407160)；浙江省自然科學基金資助項目(LY16E070005)