柔性電動汽車和分布式電源的協(xié)同優(yōu)化調(diào)度研究

王凌云，吳小婷，李黃強(qiáng)，童華敏，楊 劍

（1.三峽大學(xué) 電氣與新能源學(xué)院，湖北 宜昌 443002； 2.國網(wǎng)宜昌供電公司，湖北 宜昌 443002）

0 引言

隨著交通運(yùn)輸?shù)碾姎饣?，加快發(fā)展新能源汽車產(chǎn)業(yè)，將有助于改善能源短缺與環(huán)境污染的現(xiàn)狀[1]。 大規(guī)模電動汽車接入電網(wǎng)時，其充電負(fù)荷特性對電網(wǎng)產(chǎn)生巨大沖擊，產(chǎn)生“峰上加峰”的影響，也對發(fā)電機(jī)組啟停狀態(tài)調(diào)度帶來挑戰(zhàn)[2]～[4]。 因此，亟需一種既能滿足電動汽車供能又能降低對電網(wǎng)負(fù)面影響的策略。 另外，由于風(fēng)電具有反調(diào)峰特性，因此可利用風(fēng)電對電動汽車的充電行為進(jìn)行合理調(diào)整，也為風(fēng)電消納提供有效途徑[5]。

研究協(xié)同EV 與其他可控出力單元的優(yōu)化調(diào)度技術(shù)，使電網(wǎng)運(yùn)行在經(jīng)濟(jì)穩(wěn)定狀態(tài)，具有重要的意義[4]。 文獻(xiàn)[6]將電動汽車分為私家車、公交車、出租車和公務(wù)車4 種類型，考慮電動汽車行駛規(guī)律的不確定性，建立電動汽車與電網(wǎng)互動的機(jī)組組合模型。 文獻(xiàn)[7]，[8]依據(jù)車網(wǎng)互聯(lián)技術(shù)，接入電網(wǎng)參與系統(tǒng)運(yùn)行調(diào)控時的實(shí)時動態(tài)能量平衡能力，構(gòu)建了V2G 有序充放電調(diào)度模型，確定可調(diào)度能力最優(yōu)閾值。 文獻(xiàn)[9]提出一種考慮電動汽車出行隨機(jī)性因素的分布式電源優(yōu)化配置方法，建立了電壓偏移最小、網(wǎng)絡(luò)損耗最低和系統(tǒng)安全性高的多目標(biāo)優(yōu)化模型。 文獻(xiàn)[10]提出具有反向放電能力的電動汽車站靠近或介入中低壓變電站，可充當(dāng)備用電源或應(yīng)急電源，并綜合分析了各種典型的電動汽車充電設(shè)施入網(wǎng)方案。 文獻(xiàn)[11]設(shè)計(jì)充電站群控操縱管理單元，等待充電的電動汽車可以在充電樁群中選擇兩個充電樁，并設(shè)置為主樁和輔樁，使不同類型電動汽車充電功率選擇多元化。文獻(xiàn)[12]通過充電站運(yùn)營商調(diào)度電動汽車參與風(fēng)電場出力，在考慮風(fēng)儲混合系統(tǒng)出力約束、儲能蓄電池控制約束的基礎(chǔ)上，確立風(fēng)電場運(yùn)行經(jīng)濟(jì)效益最大目標(biāo)，采用混合整數(shù)規(guī)劃技術(shù)和CPLEX 軟件對模型進(jìn)行求解。

上述文獻(xiàn)主要考慮利用V2G 技術(shù)給發(fā)電側(cè)、電網(wǎng)側(cè)和用戶側(cè)帶來收益，但未考慮柔性EV 實(shí)現(xiàn)智能充放電所需的用能成本，即電動汽車充放電服務(wù)智能管理的基礎(chǔ)設(shè)施建設(shè)與維護(hù)成本和車網(wǎng)能量互動導(dǎo)致EV 電池老化的相關(guān)成本。 本文以公交車、出租車、環(huán)衛(wèi)與物流專用車和公務(wù)車與私家車4 類電動汽車為研究對象，建立一種新的規(guī)劃模型，共同優(yōu)化發(fā)電資產(chǎn)和柔性需求的投資與管理。 本文驗(yàn)證了所提出的協(xié)同優(yōu)化方法可合理分配傳統(tǒng)機(jī)組組合，提高可再生能源消納能力，降低EV 大量接入電網(wǎng)所帶來的負(fù)面影響。

1 規(guī)?；妱悠嚨撵`活充放電模型

1.1 柔性電動汽車

柔性負(fù)荷技術(shù)能借助于不同類型的儲能方式，及時重新分配用戶的需求，產(chǎn)生可觀的價(jià)值，而且綜合考慮了源、網(wǎng)、荷三方的利益。柔性電動汽車能夠?qū)崿F(xiàn)充放電的智能化，具有以下兩種特征[8]：①擁有存儲電能的固有能力，具備顯著的充放電靈活性；②具有電動汽車的靜止特性，且在儲能低電壓環(huán)境下，自身損耗較低。 柔性需求的智能協(xié)調(diào)能夠?yàn)橄到y(tǒng)提供備用電量或緩沖容量，因而降低對機(jī)組發(fā)電容量的要求，并限制峰值需求水平，顯著提高未來低碳化電力系統(tǒng)的經(jīng)濟(jì)效率。

1.2 V2G智能調(diào)度管理系統(tǒng)

實(shí)現(xiàn)電動汽車充放電服務(wù)的智能管理，涉及測量、通信和控制等基礎(chǔ)設(shè)施。 柔性電動汽車的用能成本包括充放電服務(wù)智能管理成本和車網(wǎng)能量互動導(dǎo)致的EV 電池老化成本[13]。 當(dāng)電動汽車參與智能充放電時，將扮演柔性電動汽車的角色，在進(jìn)行優(yōu)化調(diào)度過程中須要利用基礎(chǔ)設(shè)施；動力電池多次充放電過程會導(dǎo)致電池使用壽命降低，由此產(chǎn)生附加成本。 文獻(xiàn)[14]提出一種基于物聯(lián)網(wǎng)的充電設(shè)施柔性管理方案，建立面向不同電動汽車用戶的充電服務(wù)管理平臺。 目前，滿足柔性需求須引入柔性電動汽車用能成本。 系統(tǒng)中柔性需求的效益只能通過綜合投資計(jì)劃模型準(zhǔn)確計(jì)算，確定最佳的柔性EV 數(shù)量以及最優(yōu)的機(jī)組組合。 本文考慮局域配電網(wǎng)內(nèi)電動汽車充放電調(diào)度模型。 圖1 為V2G 智能管理系統(tǒng)框架。

圖1 V2G 智能管理系統(tǒng)框架Fig.1 Framework of V2G intelligent management system

由圖1 可知，對構(gòu)建的單輛EV 日內(nèi)優(yōu)先調(diào)度的策略：依據(jù)當(dāng)前時間節(jié)點(diǎn)接入的EV，協(xié)調(diào)可支配資源對新接入EV 的充電模式進(jìn)行判斷，并執(zhí)行決策步驟，具體調(diào)度與實(shí)現(xiàn)流程如下。

①獲得包括連接時間、車載電池初始SOC、預(yù)期離開時間和期望SOC 的EV 實(shí)時充放電相關(guān)信息。

②綜合評估可調(diào)度能力，根據(jù)EV 歷史充放電數(shù)據(jù)及本次連接狀態(tài)建立評價(jià)模型，準(zhǔn)確分析接入EV 的可調(diào)度能力。

③利用充放電基礎(chǔ)設(shè)施服務(wù)平臺確定最優(yōu)調(diào)度范圍，根據(jù)綜合評估結(jié)果判定該車輛是否參與智能充放電[7]。

1.3 電動汽車出行特性分析

目前，電動汽車的類型可分為4 類：電動公交車、電動出租車、電動環(huán)衛(wèi)與物流專用車和電動公務(wù)車與私家車。 動力電池的電能供給有整車充電和電池更換兩種方式。其中，整車充電方式又分為交流慢充和直流快充兩種。 充電模式能夠反映電動汽車接入電網(wǎng)的時長，交流慢充一般需要6～8 h 將電池充滿，直流快充只需要幾十分鐘，電池更換方式所用時間最少。 電動汽車出行特性因素包括車輛并網(wǎng)時間、 離網(wǎng)時間和日行駛里程3 個方面。充放電行為特征量包括充電開始時刻、連接時長和充電電量[15]。根據(jù)已有的研究與調(diào)查報(bào)道，各類電動汽車每日在不同時段的充電方式如表1所示。

表1 電動汽車充電模式Table 1 Mode of charging for various types of electric vehicles

2 協(xié)同優(yōu)化調(diào)度模型

風(fēng)力發(fā)電具有的反調(diào)峰特性與電動汽車充電特性剛好互補(bǔ)，因此考慮風(fēng)力發(fā)電與電動汽車的協(xié)同優(yōu)化調(diào)度，一方面可以實(shí)現(xiàn)充電負(fù)荷對風(fēng)電變化的跟蹤，有效提高風(fēng)能的消納水平；另一方面對于電網(wǎng)負(fù)荷起到移峰填谷的作用，提高電網(wǎng)的供電質(zhì)量[16]。 本文提出了考慮風(fēng)電接入的電動汽車智能充放電的機(jī)組組合模型。

2.1 目標(biāo)函數(shù)

在滿足系統(tǒng)電力電量需求的前提下，含電動汽車的機(jī)組組合模型依據(jù)節(jié)能、經(jīng)濟(jì)的原則，對柔性EV 的充放電進(jìn)行合理調(diào)度。取一年中每月上、中、下旬各一個典型日作為一個充電負(fù)荷場景，以所有場景下系統(tǒng)總成本最低為目標(biāo)函數(shù)。

式中：Z1為常規(guī)發(fā)電機(jī)組投資、運(yùn)行成本，包含機(jī)組啟停、運(yùn)行與維護(hù)、CO2排放成本和風(fēng)電機(jī)組棄風(fēng)懲罰成本；Z2為柔性EV 投資成本，具體為實(shí)現(xiàn)和協(xié)調(diào)柔性EV 充放電所需的測量、 通信和控制等基礎(chǔ)設(shè)施成本和車網(wǎng)能量雙向流動導(dǎo)致EV 電池?fù)p耗的費(fèi)用。

式中：s 為電動汽車出行的場景編號；S 為場景總數(shù)；t 為時段編號；T 為時段總數(shù)；i 為發(fā)電機(jī)組臺數(shù)編號；I 為發(fā)電機(jī)組總數(shù)為發(fā)電機(jī)組i 每次啟動能耗；為場景s 下t 時段發(fā)電機(jī)組i 的啟動次數(shù)；為發(fā)電機(jī)組 i 的運(yùn)維成本；Psti為場景 s 下 t 時段發(fā)電機(jī)組 i 的出力為 CO2的排放成本為在場景s 下t 時段發(fā)電機(jī)組i 的CO2排放量為發(fā)電機(jī)組i 的每次停機(jī)能耗；為場景s 下t 時段發(fā)電機(jī)組 i 的停機(jī)次數(shù)；為場景 s 下 t 時段風(fēng)力發(fā)電的棄風(fēng)量；μWC為棄風(fēng)懲罰因子。

2.2 約束條件

2.2.1 火電機(jī)組約束

火電機(jī)組約束條件如下。

①供需平衡約束

②系統(tǒng)備用需求

上備用約束：

下備用約束：

③機(jī)組出力上下限約束

式中：Nsti為場景s 下t 時段發(fā)電機(jī)組i 的運(yùn)行狀態(tài)，Nsti=1 為機(jī)組 i 運(yùn)行，Nsti=0 為機(jī)組 i 停機(jī)。

④火電機(jī)組最小啟停約束

⑤CO2排放約束

2.2.2 電動汽車相關(guān)約束

作為行駛交通工具的電動汽車，其出行規(guī)律具有一定的隨機(jī)性。在某個時間段，電動汽車行駛起始時間及結(jié)束時間決定可行的充放電區(qū)間，每次充放電初始與結(jié)束時的SOC 決定V2G 能量互動的電量。 車輛日行駛里程決定當(dāng)日電量需求。

①電動汽車充放電功率

各類電動汽車的充放電行為不具同步性，考慮大規(guī)模電動汽車用戶的充放電行為，須將同一時段電動汽車的充放電功率進(jìn)行累加，得到總充放電功率。

②電量平衡約束

電動汽車在接入電網(wǎng)的時間段內(nèi)，滿足充放電電量平衡：

③電池電量狀態(tài)限制

電動汽車充放電應(yīng)在其荷電狀態(tài)限值內(nèi)：

式中：SOCmin為車載電池荷電狀態(tài)下限；SOCmax為車載電池荷電狀態(tài)上限。

④充電電量約束

車輛的充電量保證不超過當(dāng)前電池最大可充電范圍：

⑤放電電量約束

車輛的放電量保證不超過當(dāng)前電池最大可放電范圍：

⑥柔性EV 投資約束

3 基于混合整數(shù)線性規(guī)劃法的模型求解

目前，對EV 日前或?qū)崟r動態(tài)的優(yōu)化大多以單輛EV 作為調(diào)度對象，這種做法雖能滿足每輛車出行特性約束，但當(dāng)大規(guī)模EV 接入時勢必引入大量變量，甚至產(chǎn)生維數(shù)災(zāi)問題[17]。采用聚類分析具有相似隨機(jī)特性的EV，并以同樣的方法應(yīng)用于發(fā)電機(jī)組組合，減少決策變量與約束條件，避免非線性，通過混合整數(shù)線性規(guī)劃法可以較好地解決該調(diào)度問題。

整數(shù)規(guī)劃中，一部分變量為整數(shù)一部分為非負(fù)整數(shù)，稱為混合整數(shù)線性規(guī)劃。所建立的基于風(fēng)電作為補(bǔ)充的電動汽車接入的機(jī)組組合模型，將發(fā)電投資總成本與柔性EV 可用能成本之和最小作為優(yōu)化目標(biāo)，以柔性EV 比例與發(fā)電機(jī)組組合為決策變量，考慮火電機(jī)組與電動汽車相關(guān)約束。本文融合混合整數(shù)線性規(guī)劃中分支定界法和0-1型整數(shù)規(guī)劃求解所提模型，利用Ipsolve 線性解算器計(jì)算得出結(jié)果。 圖2 所示為利用該規(guī)劃法的模型求解流程。

圖2 求解流程Fig.2 Flow chart of solution

4 仿真算例

為了使EV 在每個時刻進(jìn)行最佳充放電管理，假設(shè)車輛在接入電網(wǎng)后開始對電池充電或放電，直到充、放電結(jié)束為止，采用實(shí)時信息來調(diào)度柔性EV。 首先，根據(jù)每輛EV 出行規(guī)律，產(chǎn)生不同表征EV 特性的數(shù)據(jù)，每組EV 數(shù)據(jù)由開始時間、結(jié)束時間和充電量需求組成。 然后，將不同類型的電動汽車分為4 種充放電情景： 第一種稱為 “公交車情景”，一般在終點(diǎn)站進(jìn)行充放電；第二種稱為“出租車情景”，考慮其每日出行時間較長，不參與V2G能量互動，僅向電網(wǎng)購電而不考慮售電；第三種稱為“環(huán)衛(wèi)、物流專用車情景”，其行駛位置根據(jù)工作地點(diǎn)而定；第四種稱為“公務(wù)車、私家車情景”，充電地點(diǎn)較固定，主要在單位停車場和居民小區(qū)充電站。 最后，4 種充放電情景疊加為一個充放電場景。 車輛在第一次行程結(jié)束和第二次行程開始的時間段內(nèi)考慮是否連接電網(wǎng)，作為柔性EV 的主要組成部分參與智能充放電。

4.1 規(guī)劃區(qū)域及算例數(shù)據(jù)

本文以某城市各類電動汽車為研究對象，考慮不同電動汽車的滲透率和風(fēng)力發(fā)電容量水平。在全面量化柔性EV 用能成本基礎(chǔ)上，采用靈敏度分析法探究不同用能值的影響。 根據(jù)車輛出行規(guī)律以及優(yōu)化調(diào)度策略引導(dǎo)，柔性EV 的充放電集中在電網(wǎng)用電負(fù)荷谷時和峰時，其中，谷時段為23：00-6：00，峰時段為 12：00-14：00 和 18：00-22：00，用能成本隨著參與智能充放電電動汽車數(shù)量的增加而增大，在不同時段用能成本的多少各異。 設(shè)定一組柔性EV 用能成本值，如表2 所示。依據(jù)10 臺機(jī)組以及區(qū)域內(nèi)電動汽車充電負(fù)荷總功率的具體算例進(jìn)行測算分析[6]。

表2 不同時段柔性EV 用能成本Table 2 Flexible EV enablement costs at different time periods

以國內(nèi)某品牌電動私家車為例，對于EV 電池的參數(shù)說明如下：SOCmax取值為 0.8；SOCmin取值為0.2；充電效率為 0.95；放電效率為 0.90；充電功率為 4 kW；放電功率為 3.5 kW；車輛 100 km 耗電量 Uν為 14 kW·h； 電池容量 Bv為30 kW·h。 須要說明的是，其他各類電動汽車車載電池參數(shù)取值在以上取值基礎(chǔ)上略有差異。

4.2 求解結(jié)果

根據(jù)不同場景EV 充放電功率，分析規(guī)?；妱悠嚺c分布式風(fēng)電協(xié)同優(yōu)化調(diào)度過程。 針對柔性EV 用能成本值和不同的EV 滲透率及風(fēng)力發(fā)電容量水平，對比系統(tǒng)總成本的變化量和CO2排放量的變化，如圖3，4 所示。

圖4 不同風(fēng)電接入水平下用能成本對系統(tǒng)影響曲線Fig.4 System influence curve of enabling cost under different wind power access levels

由圖3 可見，系統(tǒng)總成本減少量與CO2排放減少量均隨著用能成本的增加而降低，這是由于用能成本增加而導(dǎo)致參與智能充放電的用戶減少。當(dāng)不計(jì)柔性EV 成本時，即用能成本為零，柔性EV 所占的比例最大； 當(dāng)柔性EV 比例為總量的10%時，用能成本超過600 元。隨著該成本的增加，柔性EV 的比例降低，系統(tǒng)總成本增加，當(dāng)用能成本超過9 600 元時，柔性EV 應(yīng)用的經(jīng)濟(jì)性差。 CO2排放量的減少量隨著用能成本的增加而上升，并且隨著電動汽車的滲透率的增大，該變化越加明顯。 這說明應(yīng)對未來電動汽車保有量的增加，須考慮柔性電動汽車用能成本的必要性。

由圖4 可知，隨著調(diào)度的風(fēng)電量增加，需要更多的柔性負(fù)荷來吸納由風(fēng)電引入的不確定容量，并且提供更充分的儲備容量，系統(tǒng)總成本減少量與CO2排放減少量增大。 當(dāng)用能成本增加時，總成本與CO2減少量降低。 當(dāng)用能成本超過4 800元，將大于系統(tǒng)成本的減少量。對于相同的用能成本值，隨著風(fēng)能滲透接入水平的增加，由于柔性EV 能夠消耗分布式電源的可變出力，因而EV 靈活性更高，對系統(tǒng)影響更大。

4.3 柔性EV的影響

圖5 為電動汽車充放電負(fù)荷曲線。

圖5 EV 充放電負(fù)荷曲線Fig.5 Load curve of EV charge and discharge

由圖5 可見，與不含柔性 EV 的總負(fù)荷相比，含柔性EV 的系統(tǒng)總負(fù)荷的峰谷差明顯降低，減少峰時段負(fù)荷20.6%，提高谷時段負(fù)荷53.2%，其他時段負(fù)荷也較為平緩，起到了良好的削峰填谷作用。 這說明運(yùn)用V2G 技術(shù)時，盡管引入了用能成本，但由于降低了系統(tǒng)發(fā)電成本，從而增加了柔性EV 的運(yùn)行價(jià)值，在用電負(fù)荷峰谷時段可提供靈活的備用量。

從環(huán)境角度來看，更大比例的柔性電動汽車可以增加靈活的低碳發(fā)電容量，顯著減少CO2排放量，實(shí)現(xiàn)碳減排的目標(biāo)。從經(jīng)濟(jì)性角度看，基于平時段和峰時段發(fā)電運(yùn)行要求高、投資成本高的特點(diǎn)，隨著EV 滲透率的提升和風(fēng)力發(fā)電容量水平的提高，將有效地提高系統(tǒng)穩(wěn)定性及運(yùn)營收益。

5 結(jié)束語

本文分析了4 類電動汽車的出行特征。 考慮不同的充放電場景，統(tǒng)計(jì)在1 h 內(nèi)充放電負(fù)荷的總功率，建立了考慮柔性EV 與風(fēng)電協(xié)同優(yōu)化的、以系統(tǒng)總成本與柔性EV 用能成本之和最低為目標(biāo)函數(shù)的機(jī)組組合模型。 以某市電動汽車出行隨機(jī)特性歷史數(shù)據(jù)為基礎(chǔ)，帶入相關(guān)約束，采用10機(jī)組系統(tǒng)仿真得到優(yōu)化結(jié)果。

①考慮源、網(wǎng)、荷三方利益，確立最優(yōu)的柔性EV 比例與火電機(jī)組出力，降低系統(tǒng)總成本，減少CO2排放量。

②運(yùn)用V2G 技術(shù)的機(jī)組組合模型，能夠起到削峰填谷、提高電網(wǎng)供電質(zhì)量的作用。

③制定合理的風(fēng)、火電日前優(yōu)化調(diào)度方案，促進(jìn)風(fēng)電消納，使機(jī)組出力調(diào)整更靈活，提高電力系統(tǒng)運(yùn)行的穩(wěn)定性。