計(jì)及需求響應(yīng)的風(fēng)電-電動(dòng)汽車協(xié)同調(diào)度多目標(biāo)優(yōu)化模型

侯建朝，胡群豐，譚忠富

（1.上海電力學(xué)院 經(jīng)濟(jì)與管理學(xué)院，上海 200090；2.華北電力大學(xué) 經(jīng)濟(jì)與管理學(xué)院，北京 102206）

0 引言

風(fēng)電具有隨機(jī)、波動(dòng)性特點(diǎn)，并網(wǎng)后將增大電網(wǎng)的調(diào)度壓力，并且風(fēng)電并網(wǎng)消納的問題嚴(yán)重［1］；同時(shí)，電動(dòng)汽車無序、大規(guī)模入網(wǎng)也將增大電網(wǎng)的調(diào)度壓力［2］。 近些年電動(dòng)汽車 V2G（Vehicle to Grid）技術(shù)受到了廣泛關(guān)注和研究［3-5］，通過該技術(shù)可為電網(wǎng)和車主互動(dòng)雙贏建立新的橋梁，并且可以配合風(fēng)電等新能源的并網(wǎng)，提高了可再生能源利用率。另一方面，電動(dòng)汽車與風(fēng)電都具有符合低碳發(fā)展要求的潛力，符合我國可持續(xù)發(fā)展的規(guī)劃需求，有重要的研究意義。由于電動(dòng)汽車更具有社會(huì)性，所以有必要深入研究如何合理安排電動(dòng)汽車參與含有風(fēng)電的電網(wǎng)調(diào)度，探討發(fā)電側(cè)資源和負(fù)荷側(cè)資源互動(dòng)的新模式。

電價(jià)響應(yīng)作為需求響應(yīng)的一種重要形式，以電價(jià)為信號(hào)引導(dǎo)或改變用戶用電方式，達(dá)到增加用戶收益和利于電網(wǎng)的目的。目前國內(nèi)外對(duì)電價(jià)機(jī)制引導(dǎo)車主入網(wǎng)配合風(fēng)電并網(wǎng)消納的研究還較少，V2G的實(shí)現(xiàn)大多是電動(dòng)汽車車主被動(dòng)地接受電網(wǎng)的調(diào)控，目前自動(dòng)調(diào)控技術(shù)的實(shí)現(xiàn)有一定的困難，因此電價(jià)機(jī)制引導(dǎo)成為主要的優(yōu)選策略［6］。在市場(chǎng)條件下，通過價(jià)格杠桿引導(dǎo)用戶充放電行為，將更有利于加快我國電動(dòng)汽車的普及速率和提高普及效果。在發(fā)電側(cè)和負(fù)荷側(cè)互動(dòng)的情況下，更多的靈活的電動(dòng)汽車積極參與電網(wǎng)調(diào)度規(guī)劃，為智能電網(wǎng)發(fā)展和電力低碳可持續(xù)發(fā)展打下基礎(chǔ)。

文獻(xiàn)［7-10］詳細(xì)研究了通過電價(jià)引導(dǎo)電動(dòng)汽車有序充電的策略，但是并沒有考慮電動(dòng)汽車放電的分布情況。文獻(xiàn)［11-13］從電網(wǎng)側(cè)角度出發(fā)直接調(diào)控電動(dòng)汽車接入電網(wǎng)來構(gòu)建電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型，但是并未計(jì)及負(fù)荷側(cè)車主的滿意度，不能廣泛提高車主的積極性。文獻(xiàn)［14-15］從電網(wǎng)利益和考慮車主滿意度的角度出發(fā)，建立電動(dòng)汽車車主對(duì)電價(jià)變化的需求響應(yīng)模型，并改善了負(fù)荷曲線，但并沒有考慮將電動(dòng)汽車配合優(yōu)化含有風(fēng)電等可再生能源并網(wǎng)的電源側(cè)的模式。不同的求解算法，對(duì)目標(biāo)的求解效果不同，文獻(xiàn)［16］通過遺傳算法求解以峰谷差率最小為目標(biāo)的優(yōu)化模型；文獻(xiàn)［17］采用交叉遺傳粒子群算法以5輛電動(dòng)汽車作為優(yōu)化對(duì)象，將車主費(fèi)用和負(fù)荷波動(dòng)通過加權(quán)方法化成單目標(biāo)進(jìn)行求解，但是不同的權(quán)重對(duì)目標(biāo)的影響是不同的。

在上述背景下，本文建立了計(jì)及需求響應(yīng)的風(fēng)電與電動(dòng)汽車協(xié)同調(diào)度的多目標(biāo)優(yōu)化模型，通過價(jià)格機(jī)制引導(dǎo)電動(dòng)汽車入網(wǎng)，以平移負(fù)荷波動(dòng)和降低車主支付費(fèi)用為目標(biāo)并協(xié)調(diào)優(yōu)化發(fā)電側(cè)資源，通過模糊決策理論求取具有多目標(biāo)求解能力的NSGA-Ⅱ算法Pareto解集的折中解，并且對(duì)不同模式的電價(jià)響應(yīng)進(jìn)行了對(duì)比分析。

1 風(fēng)電-電動(dòng)汽車協(xié)同調(diào)度多目標(biāo)優(yōu)化模型

1.1 目標(biāo)函數(shù)

現(xiàn)有文獻(xiàn)大多是引入電動(dòng)汽車來對(duì)風(fēng)電的波動(dòng)性進(jìn)行削峰填谷，然后將平滑后的風(fēng)電調(diào)度并網(wǎng)，以減少對(duì)電網(wǎng)的影響，這樣雖然能夠減少對(duì)電網(wǎng)的沖擊，但是并不能減少并網(wǎng)后的負(fù)荷高峰低谷差，因此本文聯(lián)動(dòng)調(diào)度風(fēng)電和電動(dòng)汽車協(xié)同并網(wǎng)，以并網(wǎng)后的負(fù)荷方差最小為優(yōu)化目標(biāo)，這樣既能緩和風(fēng)電并網(wǎng)對(duì)電網(wǎng)的沖擊，又能減小負(fù)荷波動(dòng)性?？紤]到電動(dòng)汽車的社會(huì)性，應(yīng)兼顧到電動(dòng)汽車車主的利益，讓車主積極參與電網(wǎng)調(diào)度，因此也應(yīng)建立電動(dòng)汽車車主支付費(fèi)用最小的目標(biāo)函數(shù)，通過聯(lián)動(dòng)調(diào)度配合發(fā)電側(cè)資源進(jìn)行優(yōu)化求解，以單位時(shí)間內(nèi)電動(dòng)汽車入網(wǎng)功率為優(yōu)化變量，為此，本文建立以下3個(gè)目標(biāo)函數(shù)。

a.目標(biāo)函數(shù)1：負(fù)荷方差最小。

其中，T為一個(gè)調(diào)度周期，本文取為24 h，以單位時(shí)間為時(shí)間跨度；pi，load、pi，wind分別為 i時(shí)刻預(yù)測(cè)的基礎(chǔ)負(fù)荷和風(fēng)電功率；pi，ev為i時(shí)刻電動(dòng)汽車入網(wǎng)的功率，其值為正時(shí)，表示電動(dòng)汽車入網(wǎng)充電，其值為負(fù)時(shí)，表示電動(dòng)汽車入網(wǎng)放電；pav為調(diào)度周期內(nèi)的平均負(fù)荷，可以表示為由于本文研究的是如何引導(dǎo)電動(dòng)汽車入網(wǎng)減小風(fēng)電并網(wǎng)給系統(tǒng)帶來的更大的負(fù)荷波動(dòng)，因此定義本文模型和算例中的負(fù)荷、基礎(chǔ)負(fù)荷分別指代某個(gè)地區(qū)的風(fēng)電并網(wǎng)后的負(fù)荷和預(yù)測(cè)的基礎(chǔ)負(fù)荷。

b.目標(biāo)函數(shù)2：車主的支付費(fèi)用最小。

其中，Ci為電動(dòng)汽車i時(shí)刻的充放電價(jià)格為i時(shí)刻的電池?fù)p耗成本，電池?fù)p耗成本為充放電能折合的電池費(fèi)用率Cd乘以實(shí)際的充放電電量［18-20］。實(shí)際電動(dòng)汽車充放電電量即為本文所求的優(yōu)化變量，因此i時(shí)刻損耗成本可以表達(dá)為為了簡化計(jì)算，驗(yàn)證本文模型的可行性和有效性，可以設(shè)電池壽命按使用1500次且每次平均達(dá)到電池容量80%計(jì)算，此時(shí)的 Cd為 0.42 元 ／（kW·h）［20］。 為了便于對(duì)比分析，本文設(shè)定同一時(shí)刻電動(dòng)汽車從電網(wǎng)充電價(jià)格和向電網(wǎng)饋電補(bǔ)貼價(jià)格相同。

c.目標(biāo)函數(shù)3：火電機(jī)組運(yùn)行費(fèi)用最小。

其中，N為火電機(jī)組臺(tái)數(shù)；pin為i時(shí)刻第n臺(tái)火電機(jī)組的出力；Fn（pin）為i時(shí)刻第n臺(tái)火電機(jī)組的燃煤費(fèi)用，可以表示為為第n臺(tái)火電機(jī)組的燃煤費(fèi)用系數(shù)；Iin為i時(shí)刻第n臺(tái)火電機(jī)組的開停機(jī)狀態(tài)，Iin=1表示開機(jī)狀態(tài)，Iin=0表示停機(jī)狀態(tài)；Cin為i時(shí)刻第n臺(tái)火電機(jī)組的開停機(jī)費(fèi)用，可以表示為式（4）。

其中，Cn，c為第 n 臺(tái)火電機(jī)組的冷啟動(dòng)費(fèi)用；Cn，h為第n臺(tái)火電機(jī)組的熱啟動(dòng)費(fèi)用；Tn，down為第n臺(tái)火電機(jī)組的最小允許停機(jī)時(shí)間；Xin，down為i時(shí)刻第n臺(tái)火電機(jī)組的連續(xù)停機(jī)時(shí)間；Tn，cs為第n臺(tái)火電機(jī)組的冷啟動(dòng)時(shí)間。這里沒有考慮火電機(jī)組的停機(jī)費(fèi)用。

1.2 約束條件

a.系統(tǒng)約束。

b.電動(dòng)汽車約束。

電動(dòng)汽車充放電功率約束為：

其中，pc、pd分別為單輛電動(dòng)汽車充、放電功率；Ni，park為i時(shí)刻停駛的電動(dòng)汽車數(shù)量。

電動(dòng)汽車電池儲(chǔ)存容量約束為：

其中，β、α分別為電池儲(chǔ)存容量的上、下限極值參數(shù)，為了保證電動(dòng)汽車電池的壽命，應(yīng)防止深度充放電，并且應(yīng)該滿足一部分的余額，因此調(diào)度中應(yīng)設(shè)置電動(dòng)汽車電池剩余容量的上下限約束；qev，max為單輛電動(dòng)汽車最大儲(chǔ)存容量；Nev為電動(dòng)汽車總數(shù)量。下一時(shí)刻電動(dòng)汽車剩余的儲(chǔ)存容量在單位時(shí)間內(nèi)滿足調(diào)度中心充放電調(diào)度后還應(yīng)同時(shí)滿足電動(dòng)汽車的行駛消耗。因此有：

其中，η為電動(dòng)汽車充放電效率；Δt為單位時(shí)間；Qi，drive為i時(shí)刻電動(dòng)汽車滿足行駛需求所消耗的電池容量；μi為i時(shí)刻電動(dòng)汽車停駛的概率；Qkm為電動(dòng)汽車每km消耗的電池容量；vev為電動(dòng)汽車的平均行駛速率。

c.火電機(jī)組約束。包括火電機(jī)組的上下限約束、火電機(jī)組的爬坡約束、火電機(jī)組的最小允許開停機(jī)時(shí)間約束、火電機(jī)組的旋轉(zhuǎn)備用約束。

其中，pn，max、pn，min分別為第 n 臺(tái)火電機(jī)組有功出力的上、下限值；ξup、ξdown分別為第n臺(tái)火電機(jī)組有功出力的上升速率和下降速率極限值；Tn，up、Tn，down分別為第n臺(tái)火電機(jī)組的最短允許運(yùn)行時(shí)間和最短允許停機(jī)時(shí)間；Tin，up、Tin，down分別為 i時(shí)刻第 n 臺(tái)火電機(jī)組連續(xù)運(yùn)行時(shí)間和連續(xù)停機(jī)時(shí)間；Ri為i時(shí)刻系統(tǒng)的旋轉(zhuǎn)備用需求，一般設(shè)定為總負(fù)荷的10%。

2 風(fēng)電-電動(dòng)汽車協(xié)同調(diào)度多目標(biāo)優(yōu)化模型求解

2.1 NSGA-Ⅱ算法

由于本文為多目標(biāo)優(yōu)化模型，NSGA-Ⅱ算法在求解多目標(biāo)優(yōu)化模型方面有優(yōu)勢(shì)，所以本文采用NSGA-Ⅱ算法進(jìn)行優(yōu)化模型的求解。NSGA-Ⅱ算法是由Deb等學(xué)者針對(duì)NSGA算法的缺點(diǎn)改進(jìn)而來，通過引入快速非支配排序技術(shù)，提高了算法的速度，同時(shí)引入精英保留算子和擁擠距離算子，保證了種群的多樣性，改進(jìn)后的算法能獲得分布均勻、多樣性良好的 Pareto 解集［21］。

本文為電動(dòng)汽車在電價(jià)響應(yīng)下入網(wǎng)使負(fù)荷方差最小和車主費(fèi)用最少，同時(shí)配合發(fā)電側(cè)資源最優(yōu)化的多目標(biāo)問題，通常此類多目標(biāo)優(yōu)化問題是在一組約束條件下，使得多個(gè)目標(biāo)函數(shù)都趨于最優(yōu)，可以表示為：

其中，m為目標(biāo)函數(shù)的個(gè)數(shù)；Q、J分別為等式約束和不等式約束的個(gè)數(shù)。

多目標(biāo)優(yōu)化問題中，其實(shí)不存在一組解使得所有目標(biāo)函數(shù)同時(shí)達(dá)到各自的最優(yōu)值，在優(yōu)化變量求解時(shí)，各個(gè)目標(biāo)函數(shù)值一般是互相矛盾的，目標(biāo)函數(shù)之間是互相牽制的過程，所以，多目標(biāo)優(yōu)化問題只能求得非支配解集或Pareto解集。

2.2 模糊求解

決策者需要從Pareto的解集中選取一個(gè)最終解。因此可以通過模糊理論來求解多目標(biāo)的最優(yōu)折中解［22-23］。常用的模糊滿意度函數(shù)有偏小型滿意度函數(shù)、中間型滿意度函數(shù)、偏大型滿意度函數(shù)。本文在求解電動(dòng)汽車車主費(fèi)用支出和負(fù)荷峰谷差最小化的博弈中，追求的是最小化目標(biāo)函數(shù)，宜選用偏小型模糊隸屬度函數(shù)表示，使得目標(biāo)函數(shù)值越小模糊滿意度函數(shù)值越接近于1。有以下定義：

其中，ωi等于0、1時(shí)分別表示對(duì)第i目標(biāo)函數(shù)值完全不滿意和完全滿意；fi為目標(biāo)函數(shù)分別為第i個(gè)目標(biāo)函數(shù)的最大值和最小值。然后采用式（13）求得標(biāo)準(zhǔn)化Pareto解集中解的標(biāo)準(zhǔn)化滿意度，通過式（14）比較選取出具有最大ω值的Pareto最優(yōu)解作為最優(yōu)折中解。

3 算例分析

3.1 參數(shù)設(shè)置

為了驗(yàn)證上述模型的合理性和有效性，本文以10 臺(tái)火電機(jī)組［24］、1 個(gè)風(fēng)電場(chǎng)、10000 輛電動(dòng)汽車參與調(diào)度的算例進(jìn)行仿真求解。以24 h為調(diào)度周期，單位時(shí)間為時(shí)間跨度。本文模型中的電池和電動(dòng)汽車為同型號(hào)，參數(shù)如表1所示；電動(dòng)汽車停駛概率函數(shù)如圖1所示，為了計(jì)算簡便，本文設(shè)定調(diào)度周期初始時(shí)刻的電動(dòng)汽車電池剩余容量為總的電池最大容量的50%。本文在MATLAB平臺(tái)對(duì)優(yōu)化模型進(jìn)行仿真研究。

表1 電池和電動(dòng)汽車參數(shù)Table 1 Parameters of battery and EV

圖1 調(diào)度周期內(nèi)電動(dòng)汽車的停駛概率Fig.1 EV parking probability in dispatch period

合適的分時(shí)電價(jià)依賴于合適的峰平谷時(shí)段劃分，只有合理的分時(shí)電價(jià)和峰平谷時(shí)段劃分才能體現(xiàn)較好的需求側(cè)管理作用，基于某個(gè)地區(qū)的分時(shí)電價(jià)制度，并根據(jù)表2中預(yù)測(cè)的風(fēng)電和基礎(chǔ)負(fù)荷的波動(dòng)情況，本文采用基于k均值聚類算法的劃分方法對(duì)峰平谷時(shí)段進(jìn)行了有效劃分。本文中包含風(fēng)電并網(wǎng)后的負(fù)荷曲線的峰平谷時(shí)段劃分情況如下：峰時(shí)段為08∶00—14∶00、19∶00—21∶00，平時(shí)段為 05∶00—08∶00、14∶00—15∶00、18∶00—19∶00、21∶00—22∶00，谷時(shí)段為 22∶00 至次日 05∶00、15∶00—18∶00。

表2 風(fēng)電和基礎(chǔ)負(fù)荷的24 h預(yù)測(cè)值Table 2 Predicted hourly wind powers and basic loads

3.2 結(jié)果分析

3.2.1 不考慮電動(dòng)汽車電價(jià)響應(yīng)入網(wǎng)的對(duì)比分析

為了對(duì)比是否考慮電動(dòng)汽車電價(jià)響應(yīng)入網(wǎng)的效果，本文首先按照算例中的數(shù)據(jù)對(duì)風(fēng)電并網(wǎng)前后的優(yōu)化結(jié)果進(jìn)行了對(duì)比和分析。從表3中可以看出，風(fēng)電并網(wǎng)后火電機(jī)組的總費(fèi)用明顯減少，這也是我國推動(dòng)新能源發(fā)展、減少一次能源消耗的鼓勵(lì)政策推動(dòng)原因所在；如果從總費(fèi)用的兩部分，即啟停的費(fèi)用和燃料的費(fèi)用角度來看，火電機(jī)組啟停的費(fèi)用明顯增加，這也證明了以風(fēng)電等為代表的新能源雖有大的發(fā)展前景，但是它們具有的波動(dòng)性等不確定性性質(zhì)在并網(wǎng)后給系統(tǒng)帶來了不利影響，火電機(jī)組不得不通過留有足夠的調(diào)峰備用和頻繁的啟停來平衡新能源發(fā)電的波動(dòng)性；同時(shí)調(diào)度周期內(nèi)負(fù)荷方差增加了8949 MW2，明顯表明風(fēng)電的并網(wǎng)對(duì)系統(tǒng)的影響是很大的。如何在最大限度接納風(fēng)電的同時(shí)減少風(fēng)電對(duì)系統(tǒng)的影響，并且減少一次能源的消耗，就需要通過引入負(fù)荷側(cè)的資源參與調(diào)度，利用負(fù)荷側(cè)的資源來平抑風(fēng)電的波動(dòng)性，形成電源側(cè)的資源和負(fù)荷側(cè)的資源互動(dòng)的新模式。

表3 風(fēng)電并網(wǎng)前后優(yōu)化結(jié)果比較Table 3 Comparison of optimization results between before and after grid-connection of WP

3.2.2 考慮電動(dòng)汽車電價(jià)響應(yīng)入網(wǎng)的對(duì)比分析

將電動(dòng)汽車通過電價(jià)響應(yīng)引入到含有風(fēng)電的電力系統(tǒng)優(yōu)化調(diào)度中，就形成了通過調(diào)度負(fù)荷側(cè)資源來配合含有風(fēng)電并網(wǎng)的新模式。本文中電價(jià)按基礎(chǔ)電價(jià)即平時(shí)段電價(jià)0.71元／（kW·h）上下浮動(dòng)30%制定，即峰時(shí)段電價(jià)為 0.923元／（kW·h），谷時(shí)段電價(jià)為0.497元／（kW·h）。圖2為電動(dòng)汽車入網(wǎng)前后負(fù)荷曲線，圖3為調(diào)度周期內(nèi)電動(dòng)汽車根據(jù)電價(jià)響應(yīng)的充放電功率分布，可以看出，在負(fù)荷高峰時(shí)段停駛的電動(dòng)汽車車主會(huì)選擇高價(jià)放電，以獲得收入，在負(fù)荷低谷時(shí)段停駛的電動(dòng)汽車車主會(huì)選擇低價(jià)充電，以獲得為滿足行駛需要和在電價(jià)高峰時(shí)段放電的容量儲(chǔ)備的準(zhǔn)備。達(dá)到了在電價(jià)響應(yīng)下，電動(dòng)汽車車主會(huì)在滿足自身需求的情況下，根據(jù)電價(jià)杠桿效應(yīng)自主進(jìn)行充放電的目的，不僅平移了負(fù)荷高峰低谷差，同時(shí)還獲得了一定收入，為電動(dòng)汽車車主進(jìn)行自身電池的更換和維修留下了備用資金，必然將提高電動(dòng)汽車車主參與電網(wǎng)調(diào)度的積極性。表4為電動(dòng)汽車入網(wǎng)前后的優(yōu)化結(jié)果，可以看出負(fù)荷方差減少了17.2%，減輕了電網(wǎng)調(diào)度壓力，同時(shí)火電機(jī)組的啟停機(jī)費(fèi)用也明顯下降，配合了含有風(fēng)電并網(wǎng)的發(fā)電側(cè)資源的優(yōu)化目的。

圖2 電動(dòng)汽車并網(wǎng)前后負(fù)荷曲線Fig.2 Comparison of load curve between before and after grid-connection of EV

圖3 電動(dòng)汽充放電功率分布Fig.3 Distribution of EV charging／discharging power

表4 電動(dòng)汽車入網(wǎng)前后優(yōu)化結(jié)果Table 4 Comparison of optimization results between before and after grid-connection of EV

3.2.3 不同模式下的電動(dòng)汽車電價(jià)響應(yīng)對(duì)比分析

由于電價(jià)的制定不同，車主的充放電選擇傾向性也不同，有必要考慮電價(jià)浮動(dòng)對(duì)優(yōu)化結(jié)果的影響。所以，為了便于形成更加完善的電價(jià)政策理論，需要對(duì)峰谷電價(jià)浮動(dòng)進(jìn)行敏感性分析。本節(jié)按基礎(chǔ)電價(jià)即平時(shí)段電價(jià)上下浮動(dòng)40%、50%、60%與3.2.2節(jié)浮動(dòng)30%的模式作對(duì)比分析，且不考慮尖峰時(shí)段的電價(jià)制定。表5為4種模式下的峰平谷分時(shí)電價(jià)的制定結(jié)果，圖4為電動(dòng)汽車車主對(duì)不同模式電價(jià)響應(yīng)下的充放電功率分布，在優(yōu)化求解中可以看出，在電價(jià)杠桿作用下，電動(dòng)汽車車主對(duì)某些時(shí)刻的敏感程度已經(jīng)不強(qiáng)烈，但是在追求負(fù)荷方差最小和車主費(fèi)用最小化的博弈中，還是能很好地引導(dǎo)車主將閑置的電動(dòng)汽車在夜間負(fù)荷低谷時(shí)段進(jìn)行充電，在負(fù)荷高峰時(shí)段進(jìn)行放電。

電動(dòng)汽車在不同電價(jià)響應(yīng)下的敏感程度是不同的，圖5為不同模式下電動(dòng)汽車車主支付費(fèi)用和負(fù)荷方差的優(yōu)化結(jié)果，可以看出在電價(jià)上下浮動(dòng)制定的越大，利益的驅(qū)動(dòng)下，更多的電動(dòng)汽車車主會(huì)在負(fù)荷高峰及電價(jià)較高時(shí)段進(jìn)行更多的放電，在負(fù)荷低谷及電價(jià)較低時(shí)段進(jìn)行更多的充電，這不僅減少了費(fèi)用支出，而且系統(tǒng)負(fù)荷方差也減小得更多；同時(shí)滿足了調(diào)度中心引入負(fù)荷側(cè)的電動(dòng)汽車參與調(diào)度而減少負(fù)荷波動(dòng)性的目的。

表5 不同模式的分時(shí)電價(jià)Table 5 Time-of-use price for different modes

圖4 不同模式下的電動(dòng)汽充放電功率分布Fig.4 Distribution of EV charging／discharging power for different modes

圖5 不同模式下的優(yōu)化結(jié)果Fig.5 Optimization results for different modes

4 結(jié)論

本文建立了計(jì)及需求響應(yīng)的風(fēng)電與電動(dòng)汽車協(xié)同調(diào)度的多目標(biāo)優(yōu)化模型，通過價(jià)格機(jī)制引導(dǎo)電動(dòng)汽車入網(wǎng)，以負(fù)荷方差和車主支付費(fèi)用最小為目標(biāo)并且協(xié)調(diào)優(yōu)化發(fā)電側(cè)資源，形成了發(fā)電側(cè)資源和負(fù)荷側(cè)資源協(xié)調(diào)優(yōu)化配合風(fēng)電并網(wǎng)消納的新模式，得出以下結(jié)論：

a.電價(jià)響應(yīng)下電動(dòng)汽車車主能夠自主選擇時(shí)段進(jìn)行充放電，這不僅削減了高峰低谷差，而且減少了車主費(fèi)用支出，必然能夠調(diào)動(dòng)電動(dòng)汽車車主參與電網(wǎng)調(diào)度的積極性，將有利于提高電動(dòng)汽車的普及速率，為電動(dòng)汽車和電網(wǎng)互動(dòng)提供了參考；

b.基于模糊決策理論和NSGA-Ⅱ算法對(duì)算例進(jìn)行了仿真求解，降低了含有風(fēng)電并網(wǎng)消納的火電機(jī)組的運(yùn)行費(fèi)用，特別是大幅降低了火電機(jī)組的啟停費(fèi)用，同時(shí)，不同的分時(shí)電價(jià)浮動(dòng)比例對(duì)電動(dòng)汽車入網(wǎng)的影響不同；

c.本文驗(yàn)證了電動(dòng)汽車車主能夠在需求響應(yīng)下積極參與含有風(fēng)電的電網(wǎng)調(diào)度，但是本文沒有考慮風(fēng)電的隨機(jī)性特點(diǎn)，如何將風(fēng)電的隨機(jī)性與電動(dòng)汽車有效聯(lián)動(dòng)調(diào)度配合優(yōu)化含有風(fēng)電并網(wǎng)消納的發(fā)電側(cè)資源，是下一步需要研究的內(nèi)容。

參考文獻(xiàn)：

［1］薛禹勝，雷興，薛峰，等.關(guān)于風(fēng)電不確定性對(duì)電力系統(tǒng)影響的評(píng)述［J］. 中國電機(jī)工程學(xué)報(bào)，2014，34（29）：5029-5040.XUE Yusheng，LEI Xing，XUE Feng，et al．A review on impacts of wind power uncertainties on power systems［J］．Proceedings of the CSEE，2014，34（29）：5029-5040．

［2］胡澤春，宋永華，徐智威，等.電動(dòng)汽車接入電網(wǎng)的影響與利用［J］. 中國電機(jī)工程學(xué)報(bào)，2012，32（4）：1-10.HU Zechun，SONG Yonghua，XU Zhiwei，et al．Impacts and utilization of electric vehicles integration into power systems ［J］．Proceedings of the CSEE，2012，32（4）：1-10．

［3］SABER A Y，VENAYAGAMOORTHY G K.Intelligentunit commitment with vehicle-to-grid-a cost-emission optimization［J］.Journal of Power Sources，2010，195（3）：898-911.

［4］KIVILUOMA J，MEIBOM P.Influence ofwind power，plug-in electric vehicles，and heat storages on power system investments［J］.Energy，2010，35（3）：1244-1255.

［5］陸凌蓉，文福拴，薛禹勝，等.計(jì)及可入網(wǎng)電動(dòng)汽車的電力系統(tǒng)機(jī)組最優(yōu)組合［J］. 電力系統(tǒng)自動(dòng)化，2011，35（21）：16-20.LU Lingrong，WEN Fushuan，XUE Yusheng，et al.Unit commitment in power systems with plug-in electric vehicles［J］.Automation of Electric Power Systems，2011，35（21）：16-20.

［6］項(xiàng)頂，宋永華，胡澤春，等.電動(dòng)汽車參與V2G的最優(yōu)峰谷電價(jià)研究［J］. 中國電機(jī)工程學(xué)報(bào)，2013，33（31）：15-25.XIANG Ding，SONG Yonghua，HU Zechun，et al．Research on optimal time of use price for electric vehicle participating V2G［J］．Proceedings of the CSEE，2013，33（31）：15-25．

［7］張振夫，黃小慶，曹一家，等.考慮分時(shí)電價(jià)的電動(dòng)汽車充電負(fù)荷計(jì)算［J］. 電力自動(dòng)化設(shè)備，2014，34（2）：24-29.ZHANG Zhenfu，HUANG Xiaoqing，CAO Yijia，et al.Charging load calculation considering TOU for electric vehicles［J］.Electric Power Automation Equipment，2014，34（2）：24-29.

［8］徐智威，胡澤春，宋永華，等.充電站內(nèi)電動(dòng)汽車有序充電策略［J］. 電力系統(tǒng)自動(dòng)化，2012，36（11）：38-43.XU Zhiwei，HU Zechun，SONG Yonghua，et al．Coordinated charging of plug-in electric vehicles in charging stations［J］．Automation of Electric Power Systems，2012，36（11）：38-43．

［9］徐智威，胡澤春，宋永華，等.基于動(dòng)態(tài)分時(shí)電價(jià)的電動(dòng)汽車充電站有序充電策略［J］. 中國電機(jī)工程學(xué)報(bào)，2014，34（22）：3638-3646.XU Zhiwei，HU Zechun，SONG Yonghua，et al.Coordinated charging strategy for PEV charging stations based on dynamic time-of-use tariffs［J］.Proceedings of the CSEE，2014，34（22）：3638-3646.

［10］ZHANG Huiying，AI Xin，GAO Zili，et al.Study on orderly charging management of EVs based on demand response［C］∥Transportation Electrification Asia-Pacific（ITEC Asia-Pacific），2014 IEEE Conference and Expo.Beijing，China：IEEE，2014：1-5.

［11］趙俊華，文福拴，薛禹勝，等.計(jì)及電動(dòng)汽車和風(fēng)電出力不確定性的隨機(jī)經(jīng)濟(jì)調(diào)度［J］. 電力系統(tǒng)自動(dòng)化，2011，35（20）：22-29.ZHAO Junhua，WEN Fushuan，XUE Yusheng，etal.Power system stochastic economic dispatch considering uncertain outputs from plug-in electric vehicles and wind generators［J］.Automation of Electric Power Systems，2011，35（20）：22-29.

［12］蔡德福，錢斌，陳金富，等.含電動(dòng)汽車充電負(fù)荷和風(fēng)電的電力系統(tǒng)動(dòng)態(tài)概率特性分析［J］. 電網(wǎng)技術(shù)，2013，37（3）：590-596.CAI Defu，QIAN Bin，CHEN Jinfu，et al.Analysis on dynamic probabilistic characteristic of power grid connected with electric vehicle charging load and wind power ［J］.Power System Technology，2013，37（3）：590-596.

［13］李惠玲，白曉民，譚聞，等.基于智能電網(wǎng)的動(dòng)態(tài)經(jīng)濟(jì)調(diào)度研究［J］. 電網(wǎng)技術(shù)，2013，37（6）：1547-1554.LI Huiling，BAI Xiaomin，TAN Wen，et al. Research on dynamic economic dispatch based on smart grid ［J］.Power System Technology，2013，37（6）：1547-1554.

［14］高亞靜，王辰，呂孟擴(kuò)，等.計(jì)及車主滿意度的電動(dòng)汽車最優(yōu)峰谷分時(shí)電價(jià)模型［J］. 電力自動(dòng)化設(shè)備，2014，34（2）：8-12.GAO Yajing，WANG Chen，Lü Mengkuo，et al.Optimal time-ofuse price modelconsidering satisfaction degree ofelectric vehicle owners ［J］.Electric PowerAutomation Equipment，2014，34（2）：8-12.

［15］孫曉明，王瑋，蘇粟，等.基于分時(shí)電價(jià)的電動(dòng)汽車有序充電控制策略設(shè)計(jì)［J］. 電力系統(tǒng)自動(dòng)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.

［16］葛少云，黃镠，劉洪.電動(dòng)汽車有序充電的峰谷電價(jià)時(shí)段優(yōu)化［J］. 電力系統(tǒng)保護(hù)與控制，2012，40（10）：1-5.GE Shaoyun，HUANG Liu，LIU Hong.Optimization of peakvalley TOU power price time-period in ordered charging mode of electric vehicle［J］.Power System Protection and Control，2012，40（10）：1-5.

［17］魏大鈞，張承慧，孫波，等.基于分時(shí)電價(jià)的電動(dòng)汽車充放電多目標(biāo)優(yōu)化調(diào)度［J］. 電網(wǎng)技術(shù)，2014，38（11）：2972-2977.WEI Dajun，ZHANG Chenghui，SUN Bo，et al.A time-of-use price based multi-objective optimal dispatching for charging and discharging of electric vehicles［J］.Power System Technology，2014，38（11）：2972-2977.

［18］陸凌蓉，文福拴，薛禹勝，等.電動(dòng)汽車提供輔助服務(wù)的經(jīng)濟(jì)性分析［J］. 電力系統(tǒng)自動(dòng)化，2013，37（14）：43-49.LU Lingrong，WEN Fushuan，XUE Yusheng，etal.Economic analysis ofancillary service provision by plug-in electric vehicles［J］.Automation of Electric Power Systems，2013，37（14）：43-49.

［19］羅卓偉，胡澤春，宋永華，等.大規(guī)模電動(dòng)汽車充放電優(yōu)化控制及容量效益分析［J］. 電力系統(tǒng)自動(dòng)化，2012，36（10）：19-26.LUO Zhuowei，HU Zechun，SONG Yonghua，et al.Coordinated charging and discharging of large-scale plug-in electric vehicles with cost and capacity benefit analysis［J］.Automation of Electric Power Systems，2012，36（10）：19-26.

［20］WHITE C D，ZHANG K M.Using vehicle-to-grid technology for frequency regulation and peak-load reduction［J］.Journal of Power Sources，2011，196（8）：3972-3980.

［21］江岳春，王志剛，楊春月，等.微網(wǎng)中可控負(fù)荷的多目標(biāo)優(yōu)化策略［J］. 電網(wǎng)技術(shù)，2013，37（10）：2875-2880.JIANG Yuechun，WANG Zhigang，YANG Chunyue，et al.Multiobjective optimization strategy of controllable load in microgrid［J］.Power System Technology，2013，37（10）：2875-2880.

［22］栗然，申雪，鐘超，等.考慮環(huán)境效益的分布式電源多目標(biāo)規(guī)劃［J］. 電網(wǎng)技術(shù)，2014，38（6）：1471-1478.LI Ran，SHEN Xue，ZHONG Chao，et al.Multi-objective planning of distributed generation considering environmental benefit［J］.Power System Technology，2014，38（6）：1471-1478.

［23］鞠立偉，李歡歡，陳致宏，等.基于兩步制自適應(yīng)求解算法的風(fēng)電-電動(dòng)汽車多種并網(wǎng)模式效益對(duì)比分析模型［J］.電網(wǎng)技術(shù)，2014，38（6）：1492-1498.JU Liwei，LI Huanhuan，CHEN Zhihong，et al. A benefit contrastive analysis model of multi grid-connected modes for wind power and plug-in hybrid electric vehicles based on twostep adaptive solving algorithm ［J］.Power System Technology，2014，38（6）：1492-1498.

［24］TING T O，RAO M V C，LOO C K.A novel approach for unit commitment problem via an effective hybrid particle swarm optimization［J］.IEEE Transactions on Power Systems，2006，21（1）：411-418.