計(jì)及可轉(zhuǎn)移充放電量裕度的電動(dòng)汽車(chē)充放電實(shí)時(shí)調(diào)度策略

占 智，鄒 波，林振智，文福拴,2，李 波，李 梁，毛建偉

(1. 浙江大學(xué) 電氣工程學(xué)院,浙江 杭州 310027；2. 文萊科技大學(xué) 電機(jī)與電子工程系,文萊 斯里巴加灣 BE1410；3. 國(guó)網(wǎng)浙江省電力公司 電動(dòng)汽車(chē)服務(wù)分公司,浙江 杭州 310007)

0 引言

隨著電動(dòng)汽車(chē)(EV)技術(shù)的不斷發(fā)展以及國(guó)家政策的大力支持[1],EV的滲透率有望逐步提高,從而對(duì)電力系統(tǒng)的規(guī)劃與運(yùn)行產(chǎn)生不可忽視的影響[2-4]。

由于EV充電具有隨機(jī)性,若不對(duì)大量EV的充電進(jìn)行適當(dāng)?shù)墓芾砼c控制,可能會(huì)引起系統(tǒng)峰荷明顯上升,從而對(duì)電力系統(tǒng)的安全與經(jīng)濟(jì)運(yùn)行產(chǎn)生負(fù)面的影響[3]。近年來(lái),EV向電力系統(tǒng)反向送電V2G(Vehicle to Grid)受到普遍關(guān)注,其能夠?yàn)殡娏ο到y(tǒng)提供調(diào)頻、旋轉(zhuǎn)備用等輔助服務(wù)[5-7]。在不影響EV用戶用電需求的前提下,需制定有序的充放電調(diào)度策略以避免對(duì)電力系統(tǒng)的安全與經(jīng)濟(jì)運(yùn)行產(chǎn)生負(fù)面影響,同時(shí)充分發(fā)揮EV電池的儲(chǔ)能特性,參與提供輔助服務(wù)。另外,負(fù)荷預(yù)測(cè)總是有誤差的,而EV充放電具有隨機(jī)性,這樣在制定EV充放電調(diào)度策略時(shí),就需要適當(dāng)考慮這些不確定性因素。

在制定EV有序充放電策略方面,已有相當(dāng)多的研究報(bào)道。文獻(xiàn)[8-10]針對(duì)分時(shí)電價(jià)機(jī)制提出了EV有序充電策略,可有效地減小系統(tǒng)負(fù)荷峰谷差,同時(shí)降低EV用戶的充電成本。文獻(xiàn)[11]介紹了EV分層分區(qū)調(diào)度的理念,提出了基于雙層優(yōu)化的EV充放電調(diào)度策略。文獻(xiàn)[12]以系統(tǒng)總負(fù)荷波動(dòng)最小為目標(biāo)建立了促進(jìn)EV與系統(tǒng)有效互動(dòng)的最優(yōu)峰谷電價(jià)模型,通過(guò)制定合理的充放電電價(jià)引導(dǎo)用戶的充放電行為。文獻(xiàn)[13]基于對(duì)未來(lái)EV接入電力系統(tǒng)的時(shí)間與充放電需求等預(yù)測(cè)信息,建立了換電站與電力系統(tǒng)協(xié)調(diào)的多目標(biāo)雙層實(shí)時(shí)充放電調(diào)度模型。文獻(xiàn)[14]考慮了EV充電的隨機(jī)性,提出了EV實(shí)時(shí)優(yōu)化調(diào)度方案,以實(shí)現(xiàn)對(duì)夜間負(fù)荷的填谷。

綜上所述,雖然已有較多文獻(xiàn)研究了EV的有序充放電調(diào)度問(wèn)題,但對(duì)一些實(shí)際因素尚未給予系統(tǒng)的考慮,特別是影響EV參與有序充放電調(diào)度的能力,如可行的充放電調(diào)度時(shí)間、可調(diào)度電量、用戶參與充放電調(diào)度的意愿等。EV參與有序充放電調(diào)度的能力不同,其參與系統(tǒng)調(diào)度的靈活性也就不同。

在上述背景下,本文研究了計(jì)及EV充放電負(fù)荷參與系統(tǒng)調(diào)度靈活性的充放電實(shí)時(shí)調(diào)度問(wèn)題。首先,比較系統(tǒng)地考慮了EV可調(diào)度時(shí)間與可調(diào)度電量、用戶參與意愿等因素,構(gòu)建了量化EV充放電量調(diào)度靈活性的可轉(zhuǎn)移充放電量裕度指標(biāo)。在此基礎(chǔ)上,發(fā)展了計(jì)及可轉(zhuǎn)移充放電量裕度的EV充放電實(shí)時(shí)調(diào)度模型,在每個(gè)調(diào)度時(shí)段模型分兩步求取充放電調(diào)度計(jì)劃：第一步以調(diào)度時(shí)間區(qū)間內(nèi)的系統(tǒng)總負(fù)荷水平的方差最小為目標(biāo)優(yōu)化當(dāng)前時(shí)段EV總的充放電功率；第二步以未參與充放電的EV的可轉(zhuǎn)移充放電量裕度最大為目標(biāo)求取滿足第一步所確定的EV總的充放電功率要求的充放電調(diào)度計(jì)劃。第一步和第二步所構(gòu)造的優(yōu)化模型分別為二次規(guī)劃和整數(shù)規(guī)劃問(wèn)題。然后,采用YALMIP/CPLEX高效求解器對(duì)所構(gòu)造的優(yōu)化模型進(jìn)行求解。

1 EV可轉(zhuǎn)移充放電量裕度

由于負(fù)荷預(yù)測(cè)存在誤差,且EV充放電具有隨機(jī)性,這樣在每個(gè)調(diào)度時(shí)段,應(yīng)優(yōu)先調(diào)度充放電沒(méi)有靈活性的EV進(jìn)行充放電,然后調(diào)度有靈活性的EV進(jìn)行充放電,以改善負(fù)荷輪廓?；谶@樣的考慮,本文在計(jì)及EV可調(diào)度時(shí)間與可調(diào)度電量、用戶參與意愿等因素的基礎(chǔ)上,構(gòu)建了用于量化EV充放電量調(diào)度靈活性的充放電量在不同調(diào)度時(shí)段間可轉(zhuǎn)移的裕度指標(biāo)。

本文從配電系統(tǒng)調(diào)度機(jī)構(gòu)的角度出發(fā),研究通過(guò)優(yōu)化管理EV的充放電策略來(lái)改善電力系統(tǒng)的負(fù)荷輪廓。負(fù)責(zé)EV充放電調(diào)度的機(jī)構(gòu)可從電池管理系統(tǒng)BMS(Battery Management System)獲取電池的容量和荷電狀態(tài)SOC(State Of Charge)等信息；車(chē)主根據(jù)出行計(jì)劃與充放電電價(jià)等信息,通過(guò)互聯(lián)網(wǎng)平臺(tái)或其他方式通知調(diào)度機(jī)構(gòu)是否參與優(yōu)化調(diào)度、申報(bào)預(yù)期離開(kāi)充電站的時(shí)間和離開(kāi)充電站時(shí)所期望的SOC等信息[9]。針對(duì)參與優(yōu)化調(diào)度的EV,調(diào)度機(jī)構(gòu)按照車(chē)主申報(bào)的可充電時(shí)段和要求,優(yōu)化安排EV充放電調(diào)度計(jì)劃以改善系統(tǒng)的負(fù)荷輪廓。

1.1 可轉(zhuǎn)移充電電量裕度

Slow表示EV車(chē)主為了保證下一次出行順利,預(yù)期SOC的最低值。當(dāng)電池的SOC低于Slow時(shí),EV車(chē)主會(huì)選擇對(duì)EV進(jìn)行充電。

定義EV在調(diào)度時(shí)段t(t=1,2,…,96)的可轉(zhuǎn)移充電電量裕度Mc,t為：

(1)

其中,Tpark,t為EV自時(shí)段t開(kāi)始可持續(xù)停留在充電站的時(shí)段數(shù)；Tc,t為EV自時(shí)段t開(kāi)始充電至預(yù)期SOC時(shí)所需的時(shí)段數(shù)。

Mc,t無(wú)量綱,取值范圍為[0,1)。當(dāng)Tpark,t>Tc,t且Tc,t≠0時(shí),可針對(duì)EV在充電站的停留時(shí)段優(yōu)化其充電計(jì)劃,如將EV充電負(fù)荷轉(zhuǎn)移至負(fù)荷水平較低時(shí)段；當(dāng)Tpark,t≤Tc,t時(shí),停留在充電站的EV自時(shí)段t起需要連續(xù)充電,以盡可能滿足充電需求；當(dāng)Tc,t=0時(shí),則EV在時(shí)段t無(wú)充電需求。

Tpark,t可表示為：

(2)

其中,tleave為EV離開(kāi)充電站時(shí)所在調(diào)度時(shí)段。

為了便于調(diào)度管理,假定EV在其到達(dá)和離開(kāi)充電站時(shí)所在的調(diào)度時(shí)段中均無(wú)法充電或放電。圖1給出了Tpark,t的示例。

圖1 Tpark,t與Tpark,h,t示例Fig.1 Example of Tpark,t and Tpark,h,t

Tc,t可表示為：

(3)

其中,Sleave為在EV離開(kāi)充電站時(shí)所期望的電池SOC,即期望EV離開(kāi)充電站時(shí)其SOC達(dá)到Sleave；St為EV在時(shí)段t開(kāi)始時(shí)刻電池的SOC；Eb為電池容量；ηc為充電效率；Pc為充電功率；Δt為一個(gè)時(shí)段的時(shí)間間隔(本文取15min)；「x?表示不小于x的最小整數(shù)。

1.2 可轉(zhuǎn)移放電電量裕度

一般情況下,負(fù)荷水平較低時(shí)段的電價(jià)也較低,此時(shí)EV提供V2G服務(wù)的經(jīng)濟(jì)性不好且作用也不大,因?yàn)橄到y(tǒng)的發(fā)電調(diào)節(jié)容量較大。因此,假設(shè)EV僅在高電價(jià)時(shí)段參與放電調(diào)度。SV2G表示EV車(chē)主設(shè)定EV參與V2G的門(mén)檻值,當(dāng)電池SOC高于SV2G時(shí),EV可提供V2G服務(wù)。

定義EV在時(shí)段t的可轉(zhuǎn)移放電電量裕度Mdc,t為：

(4)

其中,Tpark,h,t為EV自時(shí)段t開(kāi)始持續(xù)停留在充電站的時(shí)間所覆蓋的高電價(jià)時(shí)段數(shù)；Tdc,t為EV自時(shí)段t起最多可放電的時(shí)段數(shù)。

Mdc,t無(wú)量綱,取值范圍為[0,1)。當(dāng)Tpark,h,t>Tdc,t且Tdc,t≠0時(shí),可針對(duì)EV停留在充電站的時(shí)間所覆蓋的高電價(jià)時(shí)段內(nèi)優(yōu)化安排其放電計(jì)劃,如將EV放電安排在負(fù)荷水平較高時(shí)段；當(dāng)Tpark,h,t≤Tdc,t時(shí),此時(shí)應(yīng)優(yōu)先安排EV放電,否則就無(wú)法充分利用其放電能力；當(dāng)Tdc,t=0時(shí),則EV在時(shí)段t就無(wú)放電能力。圖1給出了Tpark,h,t的示例。

Tdc,t可表示為：

(5)

其中,Pdc為放電功率；?x」表示不大于x的最大整數(shù)。

2 計(jì)及可轉(zhuǎn)移充放電量裕度的EV充放電實(shí)時(shí)調(diào)度模型

對(duì)大量EV進(jìn)行充放電調(diào)度時(shí),配電系統(tǒng)調(diào)度機(jī)構(gòu)可以將所管轄的配電系統(tǒng)按照地域劃分成若干區(qū)域[11],然后由各個(gè)區(qū)域?qū)λ茌牭腅V進(jìn)行充放電調(diào)度。本文所提充放電調(diào)度策略就是針對(duì)某一區(qū)域內(nèi)的EV進(jìn)行的。基于第1節(jié)所述的EV可轉(zhuǎn)移充放電量裕度指標(biāo),本節(jié)構(gòu)建EV充放電實(shí)時(shí)調(diào)度模型。針對(duì)每個(gè)調(diào)度時(shí)段,該模型分兩步求取EV的充放電調(diào)度計(jì)劃：第一步優(yōu)化得到當(dāng)前時(shí)段EV總的充放電功率,但并未安排具體的EV充放電調(diào)度計(jì)劃；第二步求取滿足第一步求得的EV總的充放電功率要求的充放電調(diào)度計(jì)劃。第二步安排調(diào)度計(jì)劃時(shí)以第一步求取的結(jié)果為約束,但第二步求取的結(jié)果并不影響第一步。

2.1 EV總的充放電功率實(shí)時(shí)優(yōu)化

在對(duì)EV進(jìn)行充放電調(diào)度時(shí),若以全天系統(tǒng)總負(fù)荷水平方差最小為優(yōu)化目標(biāo),則會(huì)將高負(fù)荷時(shí)段的充電需求轉(zhuǎn)移至負(fù)荷水平較低時(shí)段,但EV的充放電量?jī)H能在其停留于充電站的時(shí)段內(nèi)進(jìn)行轉(zhuǎn)移,從而導(dǎo)致在高負(fù)荷時(shí)段中的負(fù)荷低谷未及時(shí)安排EV充電,進(jìn)而影響削峰填谷效果。采取“分段削峰填谷”方式,即按照系統(tǒng)整體負(fù)荷水平劃分調(diào)度時(shí)間區(qū)間,然后在每個(gè)時(shí)間區(qū)間內(nèi)分別進(jìn)行削峰或填谷,則可取得更好的效果。

考慮到分時(shí)電價(jià)一般是按照日負(fù)荷水平的高低來(lái)劃分高/低電價(jià)時(shí)段,且EV僅在高電價(jià)時(shí)段參與V2G,因此本文參照分時(shí)電價(jià)中高/低電價(jià)時(shí)段的劃分準(zhǔn)則劃分“分段削峰填谷”的調(diào)度時(shí)間區(qū)間,見(jiàn)圖2。

圖2 EV充放電的調(diào)度時(shí)間區(qū)間Fig.2 Dispatch time segments of EVs’ charging/discharging

以當(dāng)前時(shí)段t所屬的調(diào)度時(shí)間區(qū)間(即圖2中調(diào)度時(shí)間區(qū)間1或調(diào)度時(shí)間區(qū)間2)內(nèi)系統(tǒng)總負(fù)荷水平的方差最小化為目標(biāo)優(yōu)化當(dāng)前時(shí)段t的EV總充放電功率,則時(shí)段t的優(yōu)化目標(biāo)函數(shù)可描述為：

(6)

(7)

(8)

其中,t為當(dāng)前時(shí)段對(duì)應(yīng)的序號(hào)；Vt為時(shí)段t所屬調(diào)度時(shí)間區(qū)間內(nèi)系統(tǒng)總負(fù)荷水平的方差；λ為表征當(dāng)前時(shí)段t所屬調(diào)度時(shí)間區(qū)間的參數(shù),當(dāng)時(shí)段t位于調(diào)度時(shí)間區(qū)間1時(shí)有λ=0,當(dāng)時(shí)段t位于調(diào)度時(shí)間區(qū)間2時(shí)有λ=1；T1和T2分別為調(diào)度時(shí)間區(qū)間1和調(diào)度時(shí)間區(qū)間2所包含的時(shí)段數(shù)；Pload,j、Pload,t和Pload,k分別為在過(guò)去時(shí)段j(j=1+λT1,2+λT1,…,t-1)、當(dāng)前時(shí)段t和未來(lái)時(shí)段k(k=t+1,t+2,…,T1+λT2)除EV充放電負(fù)荷外的負(fù)荷水平；PEV,j、PEV,t和PEV,k分別為過(guò)去時(shí)段j、當(dāng)前時(shí)段t和未來(lái)時(shí)段k的EV總的充放電功率,其值為正表示該時(shí)段EV整體呈充電狀態(tài),為負(fù)表示該時(shí)段EV整體呈放電狀態(tài)；Pavg,t為時(shí)段t所屬的調(diào)度時(shí)間區(qū)間內(nèi)系統(tǒng)平均負(fù)荷水平。在時(shí)段t開(kāi)始時(shí)刻對(duì)EV進(jìn)行充放電調(diào)度,Pload,t取預(yù)測(cè)值；時(shí)段1+λT1—t-1為過(guò)去時(shí)段,Pload,j和PEV,j取實(shí)際值；時(shí)段t+1—T1+λT2為未來(lái)時(shí)段,Pload,k取預(yù)測(cè)值,Pload,t與Pload,k的預(yù)測(cè)值可采用文獻(xiàn)[15]的方法進(jìn)行預(yù)測(cè)。

在優(yōu)化時(shí)段t內(nèi)EV總的充放電功率時(shí),需滿足如下約束條件。

a. 當(dāng)前時(shí)段t內(nèi)EV總的充放電功率范圍約束。

(9)

(10)

式(9)為當(dāng)前時(shí)段EV總的充放電功率約束,PEV,t范圍約束是在完成時(shí)段t-1的調(diào)度后,根據(jù)接入系統(tǒng)的EV信息確定的。

b. 未來(lái)時(shí)段k(k=t+1,t+2,…,T1+λT2)內(nèi)EV總的充放電功率范圍約束。

-Pdc,avgηdc,avgNk

(11)

其中,PEV,k為時(shí)段k內(nèi)EV總的充放電功率；Pc,avg和Pdc,avg分別為該區(qū)域EV的平均充電功率和平均放電功率；ηdc,avg為該區(qū)域EV的平均放電效率；Nk為時(shí)段k預(yù)計(jì)可受調(diào)度的EV數(shù)量,可采用文獻(xiàn)[16]的方法基于相似日相同時(shí)段歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)。

式(11)是對(duì)未來(lái)各個(gè)時(shí)段EV總的充放電功率進(jìn)行約束。由于未來(lái)EV到達(dá)或駛離充電站的信息無(wú)法提前準(zhǔn)確獲得,需要根據(jù)歷史數(shù)據(jù)進(jìn)行預(yù)測(cè)。

c. 時(shí)段t+1—T1+λT2內(nèi)EV總的充電功率之和約束和總的放電功率之和約束。

(12)

(13)

(14)

(15)

未來(lái)各時(shí)段內(nèi)EV總的充電功率之和與總的放電功率之和受當(dāng)前時(shí)段接入系統(tǒng)的EV總的充放電能力約束。增加該約束可幫助調(diào)度機(jī)構(gòu)盡可能地將充電負(fù)荷安排在負(fù)荷低谷時(shí)段和將放電出力安排在負(fù)荷高峰時(shí)段。

2.2 EV充放電調(diào)度計(jì)劃優(yōu)化

在第一步優(yōu)化得到當(dāng)前時(shí)段EV總的充放電功率后,下一步的工作是求取滿足第一步所求得的EV總的充放電功率要求的充放電調(diào)度計(jì)劃。本節(jié)以未參與充放電EV的可轉(zhuǎn)移充放電量裕度最大為目標(biāo),使得在調(diào)度相同數(shù)量EV充放電的情況下,后續(xù)時(shí)段的EV可轉(zhuǎn)移充放電量裕度最大,從而能夠更好地應(yīng)對(duì)負(fù)荷預(yù)測(cè)偏差和EV充放電的隨機(jī)性等不確定性因素對(duì)EV充放電調(diào)度的負(fù)面影響。該優(yōu)化問(wèn)題的目標(biāo)函數(shù)可表示為：

(16)

求取時(shí)段t的充放電調(diào)度計(jì)劃需滿足如下約束條件。

a. 時(shí)段t內(nèi)EV總的充放電功率實(shí)際值約束。

(17)

(18)

b. EV電池的SOC等式約束。

(19)

c. 電池電量安全約束。

(20)

其中,Smin和Smax分別為EV電池的SOC下限和上限。

d. EV不可參與充放電的條件約束。

(21)

(22)

e. 電池充放電互斥性約束。

(23)

2.3 兩步優(yōu)化模型的求解方法及流程

第一步中EV總的充放電功率實(shí)時(shí)優(yōu)化模型為二次規(guī)劃問(wèn)題,第二步中EV充放電調(diào)度計(jì)劃優(yōu)化模型屬于0-1整數(shù)規(guī)劃問(wèn)題。這2個(gè)優(yōu)化模型均可采用商業(yè)求解器求解。YALMIP是一個(gè)基于MATLAB仿真平臺(tái)的建模和優(yōu)化工具箱,可調(diào)用外部求解器(如CPLEX、GUROBI、IPOPT等)對(duì)優(yōu)化問(wèn)題進(jìn)行求解[17]。本文基于MATLAB平臺(tái)進(jìn)行建模,并通過(guò)YALMIP調(diào)用外部求解器對(duì)所構(gòu)建的2個(gè)優(yōu)化模型進(jìn)行求解。針對(duì)每個(gè)調(diào)度時(shí)段,根據(jù)接入系統(tǒng)的EV信息、系統(tǒng)負(fù)荷水平等信息,優(yōu)化得到EV充放電調(diào)度計(jì)劃。求解流程如圖3所示。

圖3 EV充放電實(shí)時(shí)調(diào)度模型求解流程Fig.3 Flowchart of solving real-time dispatch model for EV charging/discharging

3 算例分析

以一臺(tái)10kV配電變壓器的供電區(qū)域?yàn)槔f(shuō)明本文所提方法。假設(shè)該區(qū)域共有100個(gè)充電樁,即最多可同時(shí)滿足100輛EV用電。采用帝豪EV300和江淮iEV6s這2款市場(chǎng)上主流EV車(chē)型的電池參數(shù),如表1所示。假設(shè)2款車(chē)型數(shù)量各占一半,電池的SOC隨行駛里程呈線性下降關(guān)系,且EV采用恒功率充放電。

表1 EV電池參數(shù)Table 1 Parameters of EV battery

車(chē)主安排EV充放電的行為具有隨機(jī)性,且車(chē)主之間存在個(gè)體差異,為了簡(jiǎn)化起見(jiàn)，以大多數(shù)車(chē)主的行為為基準(zhǔn)模擬EV的充放電行為。本文設(shè)定Slow和SV2G均為0.5；對(duì)于有充電需求的EV,Sleave設(shè)為0.8；對(duì)于可提供V2G服務(wù)的EV,Sleave設(shè)為0.35。在高電價(jià)時(shí)段,若EV用戶當(dāng)日再無(wú)出行需求,則EV充電需求將被轉(zhuǎn)移至低電價(jià)時(shí)段。

表2 EV的出行數(shù)據(jù)Table 2 Traveling data of EV

通過(guò)對(duì)表2中滿足不同概率分布的各類數(shù)據(jù)進(jìn)行抽樣,可模擬EV用戶上班和下班的出發(fā)與到達(dá)時(shí)刻、EV到達(dá)充電站時(shí)電池的SOC及離開(kāi)充電站時(shí)電池可達(dá)到的SOC等數(shù)據(jù)。

設(shè)置2種負(fù)荷曲線場(chǎng)景,比較所提實(shí)時(shí)充放電調(diào)度策略(策略1)和另外2種策略(策略2和策略3),以驗(yàn)證所提策略的有效性。

場(chǎng)景1：理想情形,實(shí)際負(fù)荷與預(yù)測(cè)負(fù)荷一致。

策略1：采用分段削峰填谷方式,在每個(gè)時(shí)段優(yōu)化EV總的充放電功率后,以未參與充放電的EV可轉(zhuǎn)移充放電量裕度最大為目標(biāo)求取充放電調(diào)度計(jì)劃。

策略2：采用分段削峰填谷方式,在每個(gè)時(shí)段優(yōu)化EV總的充放電功率后,通過(guò)隨機(jī)選取EV參與充放電來(lái)確定充放電調(diào)度計(jì)劃。

策略3：未采用分段削峰填谷方式,而在每個(gè)時(shí)段優(yōu)化EV總的充放電功率后,以未參與充放電的EV可轉(zhuǎn)移充放電量裕度最大為目標(biāo)求取充放電調(diào)度計(jì)劃。

針對(duì)上述2種場(chǎng)景和3種調(diào)度策略的不同組合進(jìn)行了仿真計(jì)算,結(jié)果如表3所示。

表3 場(chǎng)景1和場(chǎng)景2采用不同調(diào)度策略所得負(fù)荷相關(guān)參數(shù)比較
Table 3 Load parameter comparison when Scenario 1 and 2 adopt different dispatch strategies

有問(wèn)題有問(wèn)題有問(wèn)題場(chǎng)景和策略調(diào)度時(shí)間區(qū)間1調(diào)度時(shí)間區(qū)間2峰谷差/kW峰谷差減小程度/%方差/kW2方差減小程度/%峰谷差/kW峰谷差減小程度/%方差/kW2方差減小程度/%場(chǎng)景1304084910294.7088870場(chǎng)景1+策略121030.9366456.8189.035.7328063.1場(chǎng)景1+策略222924.7388554.2192.434.7347060.9場(chǎng)景1+策略326014.5512039.7189.035.7328063.1場(chǎng)景2339095210294.7080490場(chǎng)景2+策略123431.0417956.1189.035.9300462.7場(chǎng)景2+策略225225.7435854.2192.434.7335058.4

圖4 場(chǎng)景1采用策略1和2得到的優(yōu)化結(jié)果對(duì)比Fig.4 Optimization result comparison when Scenario 1 adopts Strategy 1 and 2

場(chǎng)景2采用策略1和策略2得到的優(yōu)化結(jié)果對(duì)比如圖5所示。從圖5和表3可看出：在負(fù)荷預(yù)測(cè)存在較大偏差時(shí),策略1較策略2能更好地改善負(fù)荷輪廓。

圖5 場(chǎng)景2采用策略1和2得到的負(fù)荷曲線對(duì)比Fig.5 Load curve comparison when Scenario 2 adopts Strategy 1 and 2

因此,以未參與充放電的EV可轉(zhuǎn)移充放電量裕度最大為目標(biāo)求取充放電調(diào)度計(jì)劃,可使得后續(xù)時(shí)段EV充放電量的調(diào)度靈活性最大,從而能夠更好地改善負(fù)荷輪廓。

場(chǎng)景1采用策略1與策略3所得到的優(yōu)化結(jié)果對(duì)比如圖6所示。策略1與策略3這2種策略的區(qū)別在于是否采用分段削峰填谷方式。從圖6和表3可以看出：在調(diào)度時(shí)間區(qū)間1中,策略1得到的優(yōu)化結(jié)果的峰谷差減小程度與方差減小程度2項(xiàng)指標(biāo)均明顯優(yōu)于策略3；在調(diào)度時(shí)間區(qū)間2中,兩者得到的優(yōu)化結(jié)果基本相同。采用策略3時(shí),為了使系統(tǒng)總負(fù)荷水平的方差最小,將高電價(jià)時(shí)段產(chǎn)生的充電需求轉(zhuǎn)移至負(fù)荷水平較低的低電價(jià)時(shí)段予以滿足。但是,由于充放電量只能針對(duì)EV停留在充電站的時(shí)間段內(nèi)進(jìn)行轉(zhuǎn)移,因此上述安排在實(shí)際調(diào)度中無(wú)法實(shí)現(xiàn),從而導(dǎo)致在高電價(jià)時(shí)段的負(fù)荷低谷期間未及時(shí)安排有充電需求的EV充電。調(diào)度時(shí)間區(qū)間2屬于調(diào)度周期的后半段,由于采用實(shí)時(shí)調(diào)度策略,調(diào)度周期后半段的調(diào)度結(jié)果不受是否采用分段削峰填谷方式所影響。

圖6 場(chǎng)景1采用策略1與3得到的優(yōu)化結(jié)果對(duì)比Fig.6 Optimization result comparison when Scenario 1 adopts Strategy 1 and 3

因此,分段削峰填谷能夠有效地適應(yīng)EV充放電量可轉(zhuǎn)移區(qū)間限制以及高、低電價(jià)時(shí)段負(fù)荷水平相差較大的特點(diǎn),從而能夠更有效地改善負(fù)荷輪廓。

圖7 場(chǎng)景1與場(chǎng)景2采用策略1得到的優(yōu)化結(jié)果對(duì)比Fig.7 Optimization result comparison when Scenario 1 and 2 adopt Strategy 1

因此,采用策略1時(shí)調(diào)度結(jié)果能夠及時(shí)地響應(yīng)負(fù)荷曲線的突然波動(dòng),根據(jù)實(shí)際情況及時(shí)更新充放電調(diào)度方案,大幅削減負(fù)荷波動(dòng)偏差,并平穩(wěn)消納突然波動(dòng)的負(fù)荷。

4 結(jié)論

針對(duì)EV充放電所具有的靈活性,本文首先提出了可轉(zhuǎn)移充放電量裕度的概念,在此基礎(chǔ)上發(fā)展了計(jì)及可轉(zhuǎn)移充放電量裕度的EV充放電實(shí)時(shí)調(diào)度模型。通過(guò)算例分析,得到如下結(jié)論：

a. 所提EV充放電調(diào)度策略能夠在滿足EV出行需求的前提下,充分利用充放電量的可轉(zhuǎn)移特性,及時(shí)響應(yīng)負(fù)荷波動(dòng),實(shí)時(shí)更新調(diào)度計(jì)劃；

b. 在針對(duì)每個(gè)時(shí)段優(yōu)化得到EV總的充放電功率后,以未參與充放電的EV可轉(zhuǎn)移充放電量裕度最大為目標(biāo)求取充放電調(diào)度計(jì)劃,可使得下一時(shí)段EV充放電量的調(diào)度靈活性最大,從而能夠更好地應(yīng)對(duì)負(fù)荷預(yù)測(cè)偏差與EV充放電的隨機(jī)性；

c. 分段削峰填谷策略能夠有效地適應(yīng)EV充放電量可轉(zhuǎn)移區(qū)間的限制以及高、低電價(jià)時(shí)段負(fù)荷水平相差較大的特點(diǎn)。

綜上,所提EV充放電調(diào)度策略和相關(guān)措施能夠有效地改善負(fù)荷曲線輪廓。

在后續(xù)研究工作中,筆者將擴(kuò)展本文所構(gòu)造的優(yōu)化模型,進(jìn)一步考慮電力網(wǎng)絡(luò)約束和EV提供調(diào)頻、旋轉(zhuǎn)備用等輔助服務(wù)的情形。

參考文獻(xiàn)：

[1] 中華人民共和國(guó)國(guó)務(wù)院. 節(jié)能與新能源汽車(chē)產(chǎn)業(yè)發(fā)展規(guī)劃(2012—2020年)[EB/OL]. (2012-06-28)[2017-01-28]. http：∥www.gov.cn/zwgk/2012-07/09/content_2179032.htm.

[2] CLEMENT-NYNS K,HAESEN E,DRIESEN J. The impact of charging plug-in hybrid electric vehicles on a residential distribution grid[J]. IEEE Transactions on Power Systems,2008,25(1)：371-380.

[3] 趙俊華,文福拴,楊愛(ài)民,等. 電動(dòng)汽車(chē)對(duì)電力系統(tǒng)的影響及其調(diào)度與控制問(wèn)題[J]. 電力系統(tǒng)自動(dòng)化,2011,35(14)：2-10.

ZHAO Junhua,WEN Fushuan,YANG Aimin,et al. Impact of electric vehicles on power systems as well as the associated dispatching and control problem[J]. Automation of Electric Power Systems,2011,35(14)：2-10.

[4] 王建,吳奎華,劉志珍,等. 電動(dòng)汽車(chē)充電對(duì)配電網(wǎng)負(fù)荷的影響及有序控制研究[J]. 電力自動(dòng)化設(shè)備,2013,33(8)：47-52.

WANG Jian,WU Kuihua,LIU Zhizhen,et al. Impact of electric vehicle charging on distribution network load and coordinated control[J]. Electric Power Automation Equipment,2013,33(8)：47-52.

[5] 姚偉鋒,趙俊華,文福拴,等. 集中充電模式下的電動(dòng)汽車(chē)調(diào)頻策略[J]. 電力系統(tǒng)自動(dòng)化,2014,38(9)：69-76.

YAO Weifeng,ZHAO Junhua,WEN Fushuan,et al. Frequency re-gulation strategy for electric vehicles with centralized charging[J]. Automation of Electric Power Systems,2014,38(9)：69-76.

[6] 武小梅,謝旭泉,林翔,等. 電動(dòng)汽車(chē)提供備用服務(wù)的地區(qū)電力市場(chǎng)模型[J]. 電力系統(tǒng)自動(dòng)化,2016,40(24)：71-76.

WU Xiaomei,XIE Xuquan,LIN Xiang,et al. Local electricity market model considering reserve service provided by electric vehicles[J]. Automation of Electric Power Systems,2016,40(24)：71-76.

[7] TAN Z,YANG P,NEHORAI A. An optimal and distributed demand response strategy with electric vehicles in the smart grid[J]. IEEE Transactions on Smart Grid,2014,5(2)：861-869.

[8] 孫曉明,王瑋,蘇粟,等. 基于分時(shí)電價(jià)的電動(dòng)汽車(chē)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 TOU price[J]. Automation of Electric Power Systems,2013,37(1)：191-195.

[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(chē)充電站有序充電策略[J]. 中國(guó)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] 王姝凝,楊少兵. 居民小區(qū)電動(dòng)汽車(chē)充電負(fù)荷有序控制策略[J]. 電力系統(tǒng)自動(dòng)化,2016,40(4)：71-77.

WANG Shuning,YANG Shaobing. A coordinated charging control strategy for electric vehicles charging load in residential area[J]. Automation of Electric Power Systems,2016,40(4)：71-77.

[11] 姚偉鋒,趙俊華,文福拴,等. 基于雙層優(yōu)化的電動(dòng)汽車(chē)充放電調(diào)度策略[J]. 電力系統(tǒng)自動(dòng)化,2012,36(11)：30-37.

YAO Weifeng,ZHAO Junhua,WEN Fushuan,et al. A charging and discharging dispatching strategy for electric vehicles based on bi-level optimization[J]. Automation of Electric Power Systems,2012,36(11)：30-37.

[12] 項(xiàng)頂,宋永華,胡澤春,等. 電動(dòng)汽車(chē)參與V2G的最優(yōu)峰谷電價(jià)研究[J]. 中國(guó)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.

[13] 曹一家,劉易珠,闕凌燕,等. 換電站與電網(wǎng)協(xié)調(diào)的多目標(biāo)雙層實(shí)時(shí)充放電調(diào)度方法[J]. 電力自動(dòng)化設(shè)備,2015,35(4)：1-7.

CAO Yijia,LIU Yizhu,QUE Lingyan,et al. Multi-objective bi-level real-time charging/discharging dispatch with coordination of BSS and grid[J]. Electric Power Automation Equipment,2015,35(4)：1-7.

[14] GAN L,TOPCU U,LOW S H. Optimal decentralized protocol for electric vehicle charging[J]. IEEE Transactions on Power Systems,2013,28(2)：5798-5804.

[15] 暢廣輝,劉滌塵,熊浩. 基于多分辨率SVM回歸估計(jì)的短期負(fù)荷預(yù)測(cè)[J]. 電力系統(tǒng)自動(dòng)化,2007,31(9)：37-41.

CHANG Guanghui,LIU Dichen,XIONG Hao. Short term load forecasting based on multi-resolution SVM regression[J]. Automation of Electric Power Systems,2007,31(9)：37-41.

[16] 葉林,陳政,趙永寧,等. 基于遺傳算法-模糊徑向基神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測(cè)模型[J]. 電力系統(tǒng)自動(dòng)化,2015,39(16)：16-22.

YE Lin,CHEN Zheng,ZHAO Yongning,et al. Photovoltaic power forecasting model based on genetic algorithm and fuzzy radial basis function neural network[J]. Automation of Electric Power Systems,2015,39(16)：16-22.

[17] LOFBERG J. YALMIP：a toolbox for modeling and optimization in MATLAB[J]. Optimization,2004,41(3)：284-289.

[18] 田立亭,史雙龍,賈卓. 電動(dòng)汽車(chē)充電功率需求的統(tǒng)計(jì)學(xué)建模方法[J]. 電網(wǎng)技術(shù),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.

[19] 北京交通發(fā)展研究中心. 2015年北京交通發(fā)展年報(bào)[EB/OL].(2016-03-03)[2016-11-22]. http：∥www.bjtrc.org.cn/InfoCenter/NewsAttach/2015年北京交通發(fā)展年報(bào)_201603031431 17631.pdf.