計(jì)及電動(dòng)汽車(chē)充電排隊(duì)的微電網(wǎng)優(yōu)化調(diào)度研究

李媛媛，葛 愿，徐正偉，湯 程，朱 澈

(安徽工程大學(xué) 電氣工程學(xué)院，安徽 蕪湖 241000)

由于傳統(tǒng)能源資源有限以及環(huán)境問(wèn)題日益突出，可再生和環(huán)保為特征的新能源越來(lái)越得到世界各國(guó)的重視。以風(fēng)、光等可再生能源為代表的分布式清潔能源發(fā)電技術(shù)的快速發(fā)展，使得新能源發(fā)電和儲(chǔ)能作為主電源的新一代并網(wǎng)微電網(wǎng)顯示出廣闊的應(yīng)用前景[1]。為促進(jìn)可再生能源消納，降低棄風(fēng)、棄光率，并保證微電網(wǎng)系統(tǒng)的經(jīng)濟(jì)穩(wěn)定運(yùn)行,通常由能量管理系統(tǒng)對(duì)微電網(wǎng)進(jìn)行調(diào)度決策。微電網(wǎng)的經(jīng)濟(jì)運(yùn)行本質(zhì)上是一個(gè)復(fù)雜的系統(tǒng)優(yōu)化問(wèn)題,包含機(jī)組組合、經(jīng)濟(jì)負(fù)荷分配等諸多經(jīng)濟(jì)調(diào)度問(wèn)題[2]，如何調(diào)度供需側(cè)的可調(diào)度負(fù)荷以實(shí)現(xiàn)發(fā)用電資源的整體優(yōu)化是現(xiàn)有研究的重點(diǎn)內(nèi)容之一。

國(guó)內(nèi)外諸多學(xué)者從用戶(hù)角度對(duì)可調(diào)度負(fù)荷的優(yōu)化調(diào)度問(wèn)題進(jìn)行了研究。文獻(xiàn)[3]提出了一種荷網(wǎng)源協(xié)調(diào)實(shí)時(shí)同步消納的流程思路,以及考慮電網(wǎng)消納能力情況下的棄風(fēng)棄光消納增量評(píng)估方法。文獻(xiàn)[4]提出了一種計(jì)及風(fēng)光出力預(yù)測(cè)誤差的電力系統(tǒng)經(jīng)濟(jì)調(diào)度模型，對(duì)提高電力系統(tǒng)的風(fēng)光消納能力具有積極的影響。文獻(xiàn)[5]將電動(dòng)汽車(chē)(Electric Vehicles,EV)加入儲(chǔ)能系統(tǒng)中，建立考慮蓄電池與電動(dòng)汽車(chē)聯(lián)合儲(chǔ)能的微網(wǎng)優(yōu)化調(diào)度策略。文獻(xiàn)[6]建立儲(chǔ)能系統(tǒng)的穩(wěn)態(tài)模型與機(jī)組組合調(diào)度模型，研究了儲(chǔ)能系統(tǒng)參與機(jī)組組合和多時(shí)間段最優(yōu)潮流問(wèn)題，驗(yàn)證了儲(chǔ)能系統(tǒng)可使全天各個(gè)時(shí)間潮流分布產(chǎn)生耦合作用，平衡風(fēng)力發(fā)電機(jī)組承擔(dān)負(fù)荷分布,降低發(fā)電成本。文獻(xiàn)[7-8]將所接入的電動(dòng)汽車(chē)的電池作為一種移動(dòng)分布式儲(chǔ)能裝置，提出具有電動(dòng)汽車(chē)接入的微電網(wǎng)多目標(biāo)最優(yōu)負(fù)荷調(diào)度模型，在電動(dòng)汽車(chē)協(xié)調(diào)充電模式下，不但能夠有效地提高電力系統(tǒng)運(yùn)行的穩(wěn)定性，而且能夠有效地降低用戶(hù)的用電成本和環(huán)境污染。文獻(xiàn)[9]提出了以運(yùn)營(yíng)方收益最大為目標(biāo)的含電動(dòng)汽車(chē)與可控負(fù)荷的光伏智能小區(qū)兩階段優(yōu)化調(diào)度模型，充分發(fā)揮電動(dòng)汽車(chē)與可控負(fù)荷的調(diào)度潛能,提升運(yùn)營(yíng)方收益,降低用戶(hù)費(fèi)用,改善系統(tǒng)負(fù)荷特性。文獻(xiàn)[10]中EV到達(dá)的時(shí)間約為9時(shí),離開(kāi)車(chē)位的時(shí)間約為17時(shí)，在分時(shí)電價(jià)機(jī)制下,研究EV和可轉(zhuǎn)移負(fù)荷同時(shí)參與的光伏微電網(wǎng)優(yōu)化調(diào)度問(wèn)題。上述文獻(xiàn)對(duì)EV在不同場(chǎng)景和機(jī)制下進(jìn)行了研究，但是針對(duì)微電網(wǎng)環(huán)境下,考慮EV充電排隊(duì)的研究尚不多。

隨著消費(fèi)者節(jié)能環(huán)保意識(shí)的不斷提高，電動(dòng)汽車(chē)的擁有量日漸增多。由于充電樁安裝成本較高，充電站規(guī)模有限，導(dǎo)致充電站內(nèi)充電樁數(shù)量有限。在現(xiàn)實(shí)生活中，電動(dòng)汽車(chē)用戶(hù)到達(dá)充電站進(jìn)行充電時(shí)可能會(huì)出現(xiàn)排隊(duì)的情況。基于上述背景，開(kāi)展計(jì)及電動(dòng)汽車(chē)充電排隊(duì)的微電網(wǎng)優(yōu)化調(diào)度研究，建立電動(dòng)汽車(chē)充電站內(nèi)實(shí)時(shí)排隊(duì)模型。在綜合考慮諸多約束條件下，采用粒子群優(yōu)化算法對(duì)微電網(wǎng)系統(tǒng)進(jìn)行優(yōu)化，以最小化系統(tǒng)綜合運(yùn)行成本，實(shí)現(xiàn)發(fā)用電資源的整體優(yōu)化。

1 調(diào)度模型的基本結(jié)構(gòu)

微電網(wǎng)系統(tǒng)采用并網(wǎng)模式，系統(tǒng)中包括光伏發(fā)電、風(fēng)力發(fā)電、儲(chǔ)能裝置、電動(dòng)汽車(chē)、基本負(fù)荷。所提出的調(diào)度模型的目標(biāo)函數(shù)是最小化微電網(wǎng)系統(tǒng)綜合運(yùn)行成本。除一般約束外，模型中還考慮了電動(dòng)汽車(chē)充電站內(nèi)充電樁數(shù)量約束，調(diào)度模型的基本結(jié)構(gòu)如圖1所示。

圖1 調(diào)度模型的基本結(jié)構(gòu)

2 電動(dòng)汽車(chē)充電排隊(duì)模型

電動(dòng)汽車(chē)數(shù)量為N，充電站內(nèi)充電樁數(shù)量為M(0

2.1 無(wú)排隊(duì)情況

電動(dòng)汽車(chē)用戶(hù)到達(dá)充電站時(shí)，若充電站內(nèi)有充電樁空閑，則不需要排隊(duì)，直接接入充電樁。若有多個(gè)充電樁空閑，默認(rèn)用戶(hù)則按照序號(hào)從小到大選擇，分為以下兩種情況：

情況1：每日到達(dá)充電站的前M輛電動(dòng)汽車(chē)不需要排隊(duì)，按順序分別接入1～M充電樁；

情況2：當(dāng)?shù)贖(M

圖2 無(wú)排隊(duì)情況

2.2 有排隊(duì)情況

電動(dòng)汽車(chē)用戶(hù)到達(dá)充電站時(shí)，若充電站內(nèi)沒(méi)有充電樁空閑，即所有充電樁已被占用完，甚至可能還存在排隊(duì)情況，此時(shí)到達(dá)的用戶(hù)需要進(jìn)行排隊(duì)。通過(guò)計(jì)算每個(gè)充電樁上電動(dòng)汽車(chē)的離樁時(shí)刻，排隊(duì)車(chē)輛按順序排在離樁時(shí)刻最小的電動(dòng)汽車(chē)后等待接入電網(wǎng)，接入電網(wǎng)時(shí)刻等于對(duì)應(yīng)充電樁前一車(chē)輛離開(kāi)時(shí)刻，離開(kāi)時(shí)刻等于此車(chē)輛到達(dá)時(shí)刻加上停車(chē)時(shí)刻。記錄電動(dòng)汽車(chē)初始SOC值、充放電功率、到達(dá)時(shí)刻、接入充電樁時(shí)刻、停車(chē)時(shí)長(zhǎng)、離開(kāi)時(shí)刻以及目標(biāo)充電容量等參數(shù)。有排隊(duì)情況如圖3所示。

圖3 有排隊(duì)情況

3 微電網(wǎng)經(jīng)濟(jì)調(diào)度模型

3.1 目標(biāo)函數(shù)

大電網(wǎng)在發(fā)電過(guò)程中會(huì)產(chǎn)生硫化物、碳化物和氮氧化物等環(huán)境污染物，所以微電網(wǎng)的負(fù)荷優(yōu)化調(diào)度不能只考慮經(jīng)濟(jì)目標(biāo)，也應(yīng)滿(mǎn)足建設(shè)環(huán)境友好型社會(huì)的需要，因此，在調(diào)度模型中需要考慮環(huán)保成本。微電網(wǎng)的運(yùn)行成本包括微電網(wǎng)與大電網(wǎng)之間的交易成本及環(huán)保成本，故所提出的調(diào)度模型的運(yùn)行成本定義如下：

C=Cgrid+Cep,

(1)

式中,C表示微電網(wǎng)運(yùn)行成本;Cgrid表示微電網(wǎng)與大電網(wǎng)之間交易成本;Cep表示環(huán)保成本。

(2)

(3)

大電網(wǎng)的能源結(jié)構(gòu)主要由煤炭組成，在發(fā)電過(guò)程中會(huì)產(chǎn)生大氣污染物，有碳化物、氮化物、硫化物等，目標(biāo)運(yùn)行成本中應(yīng)考慮環(huán)保成本[7，9]。

(4)

式中,r是污染物種類(lèi);R是污染物種類(lèi)總數(shù);ugrid為污染物排放系數(shù);Cr為污染物處理成本。

3.2 系統(tǒng)約束條件

(1)微電網(wǎng)系統(tǒng)的功率平衡約束。微電網(wǎng)系統(tǒng)必須在電力供需之間保持平衡，這個(gè)等式約束可以描述如下：

Pwt+Ppv+Pgrid=Pload+Pev+Pbalt，

(5)

(2)電池充放電功率約束。電池充、放電功率過(guò)高都會(huì)對(duì)電池造成損害。為了延長(zhǎng)電池的使用壽命，電池可以按照以下[11]的特定速率充電或放電：

(6)

(3)電池容量限制。電池的荷電狀態(tài)是指剩余容量與額定容量的比值。為防止儲(chǔ)能電池和電動(dòng)汽車(chē)電池過(guò)充過(guò)放而降低其使用壽命，在參與調(diào)度的過(guò)程中，電池的SOC必須保持在一定范圍內(nèi)，即有

(7)

4 算例分析

4.1 基礎(chǔ)數(shù)據(jù)

調(diào)度周期T取值24，以小時(shí)為單位進(jìn)行仿真。光伏發(fā)電額定功率為110 kW，風(fēng)力發(fā)電額定功率為50 kW，用于仿真實(shí)驗(yàn)輸入的新能源發(fā)電的24 h輸出功率及基本負(fù)荷曲線(xiàn)如圖4所示。大電網(wǎng)與微電網(wǎng)之間的售/購(gòu)電交易采用分時(shí)電價(jià)，假設(shè)售/購(gòu)電價(jià)相同，具體價(jià)格如表1所示[10]。

圖4 新能源出力及基本負(fù)荷曲線(xiàn) 圖5 停車(chē)時(shí)長(zhǎng)的概率密度曲線(xiàn)

表1 分時(shí)電價(jià)

假設(shè)電動(dòng)汽車(chē)有5種車(chē)型，用戶(hù)擁有的車(chē)輛是5種車(chē)型中的隨機(jī)1種。為延長(zhǎng)電池使用壽命，設(shè)置電動(dòng)汽車(chē)充電容量為總?cè)萘康?5%，電動(dòng)汽車(chē)參數(shù)如表2所示。

表2 電動(dòng)汽車(chē)參數(shù)

車(chē)型電池總?cè)萘?kWh充/放電功率/kW447.35.0538.17.2

停車(chē)時(shí)長(zhǎng)在1～24時(shí)內(nèi)服從比例參數(shù)為6，形狀參數(shù)為5的韋伯(Weibull)分布，停車(chē)時(shí)長(zhǎng)的概率密度曲線(xiàn)如圖5所示。到達(dá)充電站時(shí)間在8～21時(shí)服從參數(shù)率為2.5的指數(shù)分布，到達(dá)時(shí)間的概率密度曲線(xiàn)如圖6所示。到達(dá)充電站時(shí)的初始SOC在變量20～70內(nèi)服從標(biāo)準(zhǔn)差為45、均值為7的正太分布，到達(dá)時(shí)SOC的概率密度曲線(xiàn)如圖7所示。

圖6 到達(dá)時(shí)間的概率密度曲線(xiàn) 圖7 到達(dá)時(shí)SOC的概率密度曲線(xiàn)

4.2 求解方法

粒子群算法(Particle Swarm Optimization，PSO)是近年來(lái)由Eberhart博士等開(kāi)發(fā)的一種新的進(jìn)化算法，粒子僅具有兩個(gè)屬性：速度V和位置X，其中，V代表移動(dòng)的快慢；X代表移動(dòng)的方向。每個(gè)粒子通過(guò)跟蹤兩個(gè)“最優(yōu)值”(個(gè)體最優(yōu)值pbest，全局最優(yōu)值gbest)來(lái)更新其速度和位置，速度和位置更新公式表示為：

Vi=ωVi+c1r1(pbesti-Xi)+c2r2(gbesti-Xi),

(8)

Xi=Xi+Vi,

(9)

式中，i=1,2,…，D,D為粒子總數(shù)；ω為慣性權(quán)重因子；c1和c2為學(xué)習(xí)因子；r1和r2為介于(0,1)之間的隨機(jī)數(shù)；ωs和ωe為慣性權(quán)重因子的初始值和終止值；l=1,2m，…,L,L為慣性權(quán)重為終止值時(shí)的值，默認(rèn)為1 500。

算法流程具體步驟如下：

步驟1：輸入分時(shí)電價(jià)、新能源出力、儲(chǔ)能電池參數(shù)、環(huán)保參數(shù)、電動(dòng)汽車(chē)及充電樁數(shù)量等參數(shù)；

步驟2：對(duì)電動(dòng)汽車(chē)與充電樁進(jìn)行配置，得到每個(gè)電動(dòng)汽車(chē)對(duì)應(yīng)參數(shù)及車(chē)輛充電排序結(jié)果；

步驟3：初始化PSO的參數(shù),Y為最大迭代次數(shù)；

步驟4：開(kāi)始迭代y=1；

步驟8：j=j+1，如果j

步驟9：y=y+1，如果y

步驟10：如果y>Y，則輸出全局最優(yōu)解，過(guò)程結(jié)束。

4.3 仿真與分析

假設(shè)有20輛電動(dòng)汽車(chē)，充電站內(nèi)有8個(gè)充電樁，電動(dòng)汽車(chē)排序結(jié)果如表3所示。當(dāng)電動(dòng)汽車(chē)接入充電樁，如電動(dòng)汽車(chē)到達(dá)時(shí)間與停車(chē)時(shí)長(zhǎng)之和大于24，那么離開(kāi)時(shí)間設(shè)為24時(shí)。當(dāng)車(chē)輛需要排隊(duì)充電時(shí)，車(chē)輛到達(dá)充電站時(shí)間與停車(chē)時(shí)長(zhǎng)之和比前一車(chē)輛離開(kāi)時(shí)間大3，這時(shí)車(chē)輛可以接入充電樁，接入充電樁的時(shí)間等于前一車(chē)輛離開(kāi)時(shí)間，離開(kāi)時(shí)間為到達(dá)充電站時(shí)間與停車(chē)時(shí)長(zhǎng)的總和。由于充電樁數(shù)量及停車(chē)時(shí)長(zhǎng)等約束條件限制，有電動(dòng)汽車(chē)不能接入充電樁。

表3 電動(dòng)汽車(chē)排序結(jié)果

將基本負(fù)荷加入系統(tǒng)中，系統(tǒng)調(diào)度方式有并網(wǎng)、儲(chǔ)能電池充放電、電動(dòng)汽車(chē)充放電。將電動(dòng)汽車(chē)按照排序結(jié)果接入充電樁，接下來(lái)對(duì)電動(dòng)汽車(chē)和儲(chǔ)能電池進(jìn)行調(diào)度，以最小化系統(tǒng)用電成本。利用粒子群優(yōu)化算法對(duì)并網(wǎng)模式微電網(wǎng)進(jìn)行負(fù)荷優(yōu)化分配，優(yōu)化分配結(jié)果如圖8所示。

圖8 并網(wǎng)模式負(fù)荷優(yōu)化分配結(jié)果

由圖4和圖8可以看出，大約在01：00-09：00時(shí)段，PV及WT發(fā)電較少，不滿(mǎn)足負(fù)荷需求，且此時(shí)段電價(jià)較低，并網(wǎng)模式微電網(wǎng)向大電網(wǎng)購(gòu)電較多，用于滿(mǎn)足負(fù)荷需求及給儲(chǔ)能電池充電；大約在10：00-12：00時(shí)段電價(jià)較高，儲(chǔ)能電池放電，電動(dòng)汽車(chē)負(fù)荷總功率為正但負(fù)荷曲線(xiàn)存在波谷，此時(shí)段電動(dòng)汽車(chē)總充電功率大于總放電功率，此時(shí)供電量大于需求電量，將剩余電量出售給大電網(wǎng)；大約在13：00-17：00時(shí)段，新能源發(fā)電充足且電價(jià)較低，儲(chǔ)能電池充電，此時(shí)段電動(dòng)汽車(chē)總充電功率大于總放電功率，在不能滿(mǎn)足負(fù)荷需求時(shí)向大電網(wǎng)購(gòu)電；大約在18：00-20：00時(shí)段電價(jià)較高，光伏發(fā)電較少，用戶(hù)用電量增加，風(fēng)力發(fā)電不滿(mǎn)足負(fù)荷需求，此時(shí)段儲(chǔ)能電池放電，電動(dòng)汽車(chē)在此時(shí)段部分時(shí)間段總放電功率大于總充電功率，并將多余電量出售給電網(wǎng)獲取更多收益。

電動(dòng)汽車(chē)不參與充電排隊(duì)時(shí)指任意數(shù)量電動(dòng)汽車(chē)任何時(shí)間到達(dá)充電站都可以接入充電樁。在不包含充電樁安裝成本與充電站占地成本的情況下，電動(dòng)汽車(chē)參與充電排隊(duì)模型與電動(dòng)汽車(chē)不參與充電排隊(duì)模型的運(yùn)行成本如表4所示。由表4可知，在不包含充電樁安裝成本與充電站占地成本的條件下，電動(dòng)汽車(chē)參與充電排隊(duì)模型的運(yùn)行成本比電動(dòng)汽車(chē)不參與充電排隊(duì)模型的運(yùn)行成本低。由于充電樁安裝成本較高，如果電動(dòng)汽車(chē)不參與充電排隊(duì)，需安裝更多充電樁，不僅占用更多公共土地資源，也會(huì)造成充電樁使用率降低。

表4 電動(dòng)汽車(chē)排序結(jié)果

5 結(jié)論

開(kāi)展計(jì)及電動(dòng)汽車(chē)充電排隊(duì)的微電網(wǎng)優(yōu)化調(diào)度研究，將基本負(fù)荷作為固定負(fù)荷加入并網(wǎng)微電網(wǎng)系統(tǒng)，采用粒子群算法對(duì)模型求解，通過(guò)對(duì)調(diào)度結(jié)果的分析，有如下結(jié)論：根據(jù)實(shí)際情況考慮充電樁數(shù)量限制，電動(dòng)汽車(chē)按照先到先服務(wù)原則接入充電樁，合理安排使用次序，減少用戶(hù)排隊(duì)時(shí)間，提高充電樁使用率，降低微電網(wǎng)運(yùn)行成本。所提調(diào)度策略可降低微電網(wǎng)系統(tǒng)綜合運(yùn)行成本，為電動(dòng)汽車(chē)需要排隊(duì)充電的并網(wǎng)微電網(wǎng)系統(tǒng)運(yùn)行提供輔助決策支撐，提升調(diào)度運(yùn)行的科學(xué)性及合理性，對(duì)微電網(wǎng)日后發(fā)展具有一定指導(dǎo)意義。需要指出的是，本電動(dòng)汽車(chē)排序未考慮用戶(hù)的行為影響，例如有突發(fā)情況需要提前離開(kāi)和因等待時(shí)間過(guò)長(zhǎng)而選擇不在此充電站充電等情況。在未來(lái)研究中，將對(duì)電動(dòng)汽車(chē)充電排隊(duì)模型做更深一步優(yōu)化，綜合考慮快充和慢充，使之更貼近現(xiàn)實(shí)生活，完善并網(wǎng)微電網(wǎng)系統(tǒng)的調(diào)度模型。