考慮廣義儲能集群參與的配電網(wǎng)協(xié)同控制策略

劉洋, 李立生，劉志偉，苗世洪，張世棟，張林利

(1. 國網(wǎng)山東省電力公司電力科學(xué)研究院，濟南市 250002；2.華中科技大學(xué)電氣與電子工程學(xué)院強電磁工程與新技術(shù)國家重點實驗室，電力安全與高效湖北省重點實驗室，武漢市 430074)

0 引 言

隨著可再生能源在配電網(wǎng)的滲透率不斷增加，如何有效解決可再生能源發(fā)電引起的電網(wǎng)功率波動問題成為配電網(wǎng)孤島運行下研究的重點[1-2]。目前，在配電網(wǎng)中通常采用諸如蓄電池、超級電容器等常規(guī)儲能設(shè)備來平抑電網(wǎng)功率波動，然而常規(guī)儲能設(shè)備建設(shè)、維護成本高昂[3-4]，嚴重影響了配電網(wǎng)運行的經(jīng)濟性。

近年來，空調(diào)、電熱泵、電動汽車等具備一定儲能特性的負荷在電網(wǎng)中的比重不斷增加。此類負荷通過一定的控制策略能夠轉(zhuǎn)化為一類成本廉價、具備良好調(diào)控特性的廣義儲能[5-7]，為解決電網(wǎng)功率波動問題提供了新的途徑。與此同時，需求響應(yīng)技術(shù)迅速發(fā)展也使得調(diào)控此類負荷成為可能，通過直接負荷控制[8]調(diào)控廣義儲能，能夠有效平抑在配電網(wǎng)孤島運行時分布式電源引起的功率波動，減小傳統(tǒng)儲能的配置需求，對于提高配電網(wǎng)的穩(wěn)定性與經(jīng)濟性具有重要意義。

目前已有學(xué)者針對廣義儲能的控制策略開展了研究。在具備儲熱特性的廣義儲能控制方面，文獻[9]提出溫度優(yōu)先序列控制策略，實現(xiàn)熱泵的有序啟停；文獻[10]在此基礎(chǔ)上，設(shè)置了最小啟停時間閉鎖約束，避免了對電熱水器的連續(xù)控制；文獻[11]考慮熱泵頻繁啟停問題，設(shè)置分組約束，減少了熱泵的啟停次數(shù)。上述文獻為實現(xiàn)被控設(shè)備有序啟停以及減少啟停次數(shù)提供了參考，但未充分考慮各設(shè)備被控次數(shù)的差異，無法保證負荷受控的公平性與合理性，從而會對用戶滿意程度產(chǎn)生影響。

在具備儲電特性的廣義儲能控制方面，文獻[12]建立了電動汽車集群二次調(diào)頻模型，并提出基于電動汽車荷電狀態(tài)的功率分配策略，但未建立確切表征電動汽車儲能能力的模型；文獻[13]考慮用戶使用需求建立了完善的電動汽車集群儲能能力評估模型，提出基于狀態(tài)標識排序的頻率控制策略，但是該文獻將電動汽車充放電功率視為定值，忽略了電動汽車充放電功率連續(xù)可調(diào)的實際情況；文獻[14]則建立了電動汽車儲能模型，提出一種基于下垂控制的分散式頻率控制策略，但未從集群角度考慮電動汽車的控制策略。

在廣義儲能協(xié)同控制方面，目前研究主要關(guān)注廣義儲能與傳統(tǒng)電池儲能的協(xié)同控制[15-17]，而面向不同類型(儲熱、儲電等)廣義儲能協(xié)同控制策略的研究仍然較少。文獻[18]考慮了通信延遲，提出電動汽車與電熱泵的協(xié)同頻率控制策略，優(yōu)先選擇穩(wěn)定裕度大的資源參與調(diào)控；文獻[19]提出電動汽車與溫控負荷協(xié)同控制策略，按照電動汽車-溫控負荷的優(yōu)先順序進行調(diào)控。上述關(guān)于廣義儲能協(xié)同控制均只根據(jù)廣義儲能的容量或類型進行功率分配，并未深入分析不同類型廣義儲能的功率響應(yīng)特性，無法充分實現(xiàn)多類型廣義儲能的協(xié)同配合。

針對以上問題，本文面向空調(diào)與電動汽車兩類典型的廣義儲能，提出考慮廣義儲能集群參與的配電網(wǎng)協(xié)同控制策略。首先，以負荷聚合商作為控制中心，構(gòu)建多元廣義儲能集群控制框架；其次，建立空調(diào)集群廣義儲能模型，提出改進溫度優(yōu)先序列控制策略，保障各空調(diào)的受控公平性，提高用戶滿意度；隨后，建立電動汽車集群廣義儲能模型，提出基于荷電狀態(tài)的功率分配策略，實現(xiàn)功率合理分配；在此基礎(chǔ)上，根據(jù)空調(diào)集群與電動汽車集群的功率響應(yīng)特性，提出基于低通濾波的廣義儲能集群協(xié)同控制策略。最后，通過仿真算例驗證本文控制策略的有效性。

1 多元廣義儲能集群控制框架

近年來，隨著全球氣候變暖，空調(diào)負荷的使用數(shù)量逐漸增大，據(jù)統(tǒng)計，國內(nèi)空調(diào)負荷在夏季高峰所占比例達30%～40%[20]。同時，為響應(yīng)國家低碳環(huán)保的理念，電動汽車也逐漸普及。空調(diào)負荷與電動汽車作為典型具有儲熱與儲電特性的廣義儲能，具有巨大的調(diào)控潛力。本文選擇空調(diào)負荷與電動汽車作為多元廣義儲能，構(gòu)建其控制框架。

由于用戶側(cè)空調(diào)負荷以及電動汽車數(shù)目眾多、位置分散，并且相對于傳統(tǒng)機組，單臺空調(diào)或電動汽車的調(diào)控容量可以忽略不計，若直接對單個負荷進行控制，將耗費大量計算資源，加劇通信壓力。因此需要一個中間代理商將大量的空調(diào)負荷以及電動汽車聚集到一起組成集群，以集群為單位進行調(diào)控。在電力市場環(huán)境下，負荷聚合商可以充當這一角色，負荷聚合商通過與用戶簽訂一定的協(xié)議，對參與直接負荷控制的用戶給予一定的經(jīng)濟補償，實現(xiàn)了用戶與電網(wǎng)之間的交互。

多元廣義儲能集群控制框架如圖1所示，負荷聚合商能夠?qū)崟r采集空調(diào)負荷以及電動汽車的狀態(tài)信息，包括：空調(diào)的啟停狀態(tài)、室內(nèi)溫度、電動汽車充放電功率、荷電狀態(tài)(state of charge, SOC)、可用時間等基本信息。在監(jiān)測到電網(wǎng)出現(xiàn)功率波動后，負荷聚合商經(jīng)過計算對空調(diào)以及電動汽車集群發(fā)送功率調(diào)節(jié)指令，根據(jù)一定的控制策略改變集群群內(nèi)空調(diào)與電動汽車的狀態(tài)，從而實時滿足電網(wǎng)的運行需求。

圖1 多元廣義儲能集群控制框架Fig.1 Control framework of multivariate generalized energy storage cluster

2 多元廣義儲能集群建模與群內(nèi)控制策略

2.1 含儲熱特性的廣義儲能建模與群內(nèi)控制

2.1.1 空調(diào)負荷模型及工作原理

空調(diào)負荷具有復(fù)雜的熱電耦合關(guān)系，其基本模型可由熱力學(xué)模型以及熱電轉(zhuǎn)換模型來描述。

空調(diào)-建筑物系統(tǒng)具有良好的熱儲能特性，通?？捎靡浑A等效熱參數(shù)模型來表示其熱力學(xué)模型，如圖2所示，該模型描述了室內(nèi)與室外的熱交換過程，室溫變化的微分方程為：

圖2 空調(diào)負荷等效熱參數(shù)模型Fig.2 Equivalent thermal parameter model of air-conditioning load

(1)

式中：Qac為空調(diào)制冷(熱)量；R與C分別為建筑物的等效熱阻與等效熱容;Tin與Tout分別為室內(nèi)與室外溫度。

空調(diào)負荷熱電轉(zhuǎn)換關(guān)系由空調(diào)本身的工作特性決定，對于傳統(tǒng)定頻空調(diào)，其電功率與制冷量的關(guān)系可近似表示為：

(2)

式中：Pac為空調(diào)的電功率；η為空調(diào)的能效比，可近似為定值[21]。

定頻空調(diào)通過啟動與停止狀態(tài)的不斷轉(zhuǎn)化來維持室內(nèi)溫度的穩(wěn)定，其運行的基本動態(tài)過程如圖3所示，圖中室溫Tin在溫度上下限Tmax與Tmin之間波動；Tset為溫度設(shè)定值；δ為溫度波動死區(qū)。當室溫到達溫度上限時，空調(diào)開啟制冷，室溫開始下降，當室溫下降至溫度下限時，空調(diào)關(guān)閉，室溫上升，如此循環(huán)維持室內(nèi)溫度的穩(wěn)定。

圖3 空調(diào)負荷動態(tài)過程Fig.3 Dynamic process of air-conditioning load

式(3)給出了溫度上下限Tmax、Tmin與溫度設(shè)定值Tset的關(guān)系：

(3)

2.1.2 空調(diào)負荷群內(nèi)溫度優(yōu)先序列控制

當大量空調(diào)負荷聚合成集群參與直接負荷控制時，根據(jù)上述所建立的模型，在不影響用戶舒適度的前提下，集群對功率指令的響應(yīng)可以通過控制群內(nèi)各空調(diào)的啟停狀態(tài)來實現(xiàn)。目前，溫度優(yōu)先序列算法能夠?qū)崿F(xiàn)空調(diào)的有序啟停，被廣泛用于空調(diào)集群群內(nèi)的控制中，如圖4所示，其具體步驟如下。

圖4 溫度優(yōu)先序列算法示意圖Fig.4 Schematic of temperature priority sequence algorithm

第1步：狀態(tài)分組。假設(shè)集群中有nac臺空調(diào)，根據(jù)當前時刻各空調(diào)的運行狀態(tài)，可將空調(diào)分為開啟群與關(guān)閉群2個受控負荷群，可分別表示為：

(4)

(5)

第2步：溫度排序。根據(jù)當前時刻各空調(diào)室內(nèi)溫度Tin的大小，對開啟群中的空調(diào)按溫度升序排列，關(guān)閉群中的空調(diào)按溫度降序排列。

第3步：功率響應(yīng)。當電網(wǎng)需要減小負荷時，優(yōu)先關(guān)閉開啟群中排名靠前(即靠近溫度下限Tmin)的空調(diào)；當電網(wǎng)需要增加負荷時，優(yōu)先開啟關(guān)閉群中排名靠前(即靠近溫度上限Tmax)的空調(diào)。需要開啟或關(guān)閉空調(diào)的數(shù)目可根據(jù)式(6)計算：

(6)

式中：ΔP為功率調(diào)節(jié)目標值；nl為需要開啟或關(guān)閉空調(diào)的數(shù)目；Pac,i為第i個空調(diào)的額定功率。

其中，開啟群與關(guān)閉群中空調(diào)的數(shù)目代表了集群的功率調(diào)節(jié)能力，開啟群中的空調(diào)數(shù)目越多，集群功率的下調(diào)能力越大，同樣關(guān)閉群中的空調(diào)數(shù)目越多，集群功率的上調(diào)能力也越大。

上述控制策略能夠?qū)崿F(xiàn)群內(nèi)空調(diào)的有序啟停，然而在實際控制過程中，可能出現(xiàn)部分空調(diào)連續(xù)被控制的情況，從而導(dǎo)致這部分空調(diào)頻繁啟停，影響使用壽命。為使集群中各空調(diào)的被控次數(shù)趨于一致，本文在上述算法的基礎(chǔ)上，增加了對各空調(diào)被控次數(shù)的考慮，提出了改進溫度優(yōu)先序列算法。在“溫度排序”中，定義了空調(diào)排序狀態(tài)標識OT與CT：

OT=Tin+kc·Nc

(7)

CT=Tin-kc·Nc

(8)

式中：OT與CT分別為開啟群與關(guān)閉群中空調(diào)排序狀態(tài)標識；kc為比例系數(shù)；Nc為空調(diào)的被控次數(shù)。

空調(diào)排序狀態(tài)標識綜合考慮了空調(diào)室內(nèi)溫度以及被控次數(shù)，由二者共同確定。因此，在“溫度排序”中，需要根據(jù)排序狀態(tài)標識對各空調(diào)進行排序。在開啟群中，按照排序狀態(tài)標識升序排列，而在關(guān)閉群中，按照排序狀態(tài)標識降序排列。

2.2 含儲電特性的廣義儲能建模與群內(nèi)控制

2.2.1 電動汽車儲能能力建模

電動汽車的充放電過程與傳統(tǒng)儲能電池類似，其充放電功率可以通過充電樁處的換流器連續(xù)調(diào)節(jié)。然而與儲能電池不同的是，電動汽車具有交通屬性，在參與需求響應(yīng)的過程中需要考慮接入接出時間、電池容量、用戶出行需求等實際因素。

圖5展示了單臺電動汽車接入電網(wǎng)后的充放電約束，圖中根據(jù)電動汽車的充放電狀態(tài)劃分了電動汽車的可調(diào)節(jié)區(qū)以及強制充電邊界。在可調(diào)節(jié)區(qū)的電動汽車處于可控狀態(tài)，能夠參與電網(wǎng)的功率調(diào)節(jié)，同時需要滿足以下約束：

圖5 電動汽車充放電約束Fig.5 Electric vehicle charging and discharging constraints

1)調(diào)控時間約束。電動汽車僅在接入電網(wǎng)的時段才能參與電網(wǎng)調(diào)控，調(diào)控時間需滿足：

tin≤t≤tout

(9)

式中：tin與tout分別表示電動汽車接入與接出電網(wǎng)的時間。

2)充放電功率約束。受充電樁換流器以及電池自身的限制，電動汽車的充放電功率需滿足：

Pev,min≤Pev≤Pev,max

(10)

式中：Pev為電動汽車的充放電功率；Pev,min與Pev,max分別表示電動汽車最小與最大充電功率。

3)荷電狀態(tài)約束。電動汽車電池過度充放電會造成電池的老化，影響使用壽命，因此對其荷電狀態(tài)設(shè)置約束：

λSOCev,min≤λSOCev≤λSOCev,max

(11)

式中：λSOCev,min與λSOCev,max分別表示電動汽車電池的最小與最大荷電狀態(tài)。

4)出行需求約束。為滿足用戶的使用需求，在電動汽車接出時，其荷電狀態(tài)須滿足：

λSOCev≥λSOCe

(12)

式中：λSOCe為電動汽車接出時的期望荷電狀態(tài)。

為保證在接出電網(wǎng)時每輛電動汽車的荷電狀態(tài)能夠達到用戶期望值，本文設(shè)置了強制充電邊界，即當電動汽車的充放電狀態(tài)達到強制充電邊界時，將會以最大功率充電，不再參與調(diào)控，以滿足用戶出行時對荷電狀態(tài)的需求。強制充電邊界如式(13)所示：

(13)

式中：Eev為電動汽車電池的容量。

由于電動汽車通過充電樁的換流器與電網(wǎng)相連，在充放電過程中換流器會產(chǎn)生能量損耗，同時電動汽車電池同樣存在能量損耗，因此電動汽車的荷電狀態(tài)可表示為：

(14)

(15)

式中：ηc與ηd分別為電動汽車的充電效率與放電效率。

2.2.2 電動汽車群內(nèi)功率分配策略

通常電動汽車在接入后，若不參與調(diào)控，將會以額定充電功率Pev,b充電，當參與調(diào)控時，各電動汽車在其額定充電功率上進行調(diào)整，同時充放電狀態(tài)須滿足圖5的約束，進一步電動汽車的可控容量可表示為：

(16)

電動汽車的可控容量反映了電動汽車的功率調(diào)節(jié)能力，如圖6所示。同時電動汽車的另一關(guān)鍵指標SOC反應(yīng)了電動汽車的儲能能力，當對電動汽車進行調(diào)控時，需要綜合考慮電動汽車的儲能能力以及功率調(diào)節(jié)能力。

圖6 電動汽車可控容量Fig.6 Controllable capacity of electric vehicle

為避免集群中各電動汽車不合理充放電(SOC高時充電，SOC低時放電)問題，本文對處于可調(diào)節(jié)區(qū)中的電動汽車設(shè)置了基于SOC的群內(nèi)功率分配策略，即：

當集群功率需要增加即ΔP≥0時，

(17)

當集群功率需要減小即ΔP<0時，

(18)

式中：ΔPev,i為第i輛電動汽車的功率調(diào)節(jié)量；nev為集群中處于可調(diào)節(jié)區(qū)電動汽車的總數(shù)量。

當ΔP≥0時，

(19)

當ΔP<0時，

(20)

3 面向電網(wǎng)功率波動平抑的多元廣義儲能協(xié)同控制策略

當配電網(wǎng)孤島運行時，由于缺乏主網(wǎng)的支撐，分布式電源的功率波動將會影響配電網(wǎng)的功率平衡，進而會引起電網(wǎng)頻率的變化。因此負荷聚合商可通過本地檢測電網(wǎng)頻率的偏差，從而計算出功率調(diào)節(jié)量，并對空調(diào)與電動汽車集群下達功率調(diào)節(jié)指令，實現(xiàn)對電網(wǎng)功率波動的平抑。此過程避免了與電網(wǎng)調(diào)度中心的通信，能夠?qū)崿F(xiàn)廣義儲能集群的自治控制。

目前常用頻率下垂控制來實現(xiàn)對功率波動的平抑，然而，頻率下垂控制屬于一次調(diào)頻的范疇，調(diào)控結(jié)束后頻率與額定值仍然存在一定的差值，不利于配電網(wǎng)在孤島狀態(tài)下穩(wěn)定運行。因此本文在下垂控制的基礎(chǔ)上增加了積分環(huán)節(jié)：

(21)

式中：kp與ki分別為比例系數(shù)與積分系數(shù)；Δf為電網(wǎng)頻率偏差;s為一個參數(shù)。

由式(21)得，根據(jù)終值定理，當t→∞時，s→0，Δf→0，從而保證恢復(fù)至額定頻率。

由第2節(jié)可知，空調(diào)集群的功率調(diào)節(jié)是通過控制各空調(diào)內(nèi)部壓縮機的啟停而實現(xiàn)的，集群可等效為一個“能效電機”，而實際上空調(diào)壓縮機的啟停過程具有慣性，需要一定的啟停時間，可能無法及時響應(yīng)功率調(diào)節(jié)指令，影響控制效果。同時，當功率波動較大時，可能造成集群內(nèi)空調(diào)頻繁啟停，給空調(diào)帶來嚴重的損耗，影響使用壽命。然而，電動汽車集群則是通過充電樁換流器來調(diào)控其充放電功率，集群對外可等效為儲能電池，在滿足約束的前提下，其充放電功率可連續(xù)調(diào)節(jié)，具有較快的功率響應(yīng)特性?；谏鲜隹照{(diào)與電動汽車集群的功率響應(yīng)特性，本文提出一種基于低通濾波的廣義儲能協(xié)同控制策略，如圖7所示。

圖7 廣義儲能協(xié)同控制策略Fig.7 Cooperative control strategy of generalized energy storage

如圖7所示，負荷聚合商檢測電網(wǎng)頻率偏差后，經(jīng)過PI控制器得到功率調(diào)節(jié)信號，而后通過低通濾波環(huán)節(jié)，將功率低頻分量分配給空調(diào)集群，而高頻分量則分配給電動汽車集群，從而充分滿足空調(diào)與電動汽車集群的功率響應(yīng)特性。另外，空調(diào)集群響應(yīng)功率的低頻分量，能夠有效降低群內(nèi)空調(diào)的啟停次數(shù)，減小對使用壽命的影響。需要補充說明的是，盡管電動汽車可以響應(yīng)功率波動的高頻分量，但由于各電動汽車是在額定充電功率上進行功率調(diào)整，大部分情況下電動汽車仍處于充電狀態(tài)，因此對電池的影響在可接受范圍內(nèi)。

本文選擇巴特沃斯濾波器作為低通濾波器，其傳遞函數(shù)可以表示為：

(22)

式中：ωc為截止頻率；n為濾波器階數(shù)。

4 算例仿真及分析

4.1 算例數(shù)據(jù)說明

為驗證上述所提的廣義儲能集群協(xié)同控制策略的有效性，本文在Matlab/Simulink上搭建了如圖8所示的孤島配電網(wǎng)系統(tǒng)。

圖8 仿真系統(tǒng)結(jié)構(gòu)Fig.8 Structure of the simulation system

表1 空調(diào)-建筑系統(tǒng)參數(shù)Table 1 Parameters of air-conditioning and building system

表2 電動汽車參數(shù)Table 2 Electric vehicle parameters

為驗證在電網(wǎng)功率連續(xù)波動的情況下，廣義儲能協(xié)同控制策略的有效性，本文對以下控制策略進行對比：

策略1：空調(diào)與電動汽車集群采用本文所提的控制策略參與孤島配電網(wǎng)的功率波動平抑；

策略2：空調(diào)與電動汽車集群按比例分配功率。控制策略如圖9所示，設(shè)置K=0.667，即空調(diào)與電動汽車集群按照3:1的比例分配波動功率。

圖9 功率比例分配策略Fig.9 Proportional power distribution strategy

孤島配電網(wǎng)中風(fēng)電出力以及常規(guī)負荷波動如圖10所示。

圖10 風(fēng)電及常規(guī)負荷功率曲線Fig.10 Wind power and conventional load power curve

4.2 仿真結(jié)果與分析

圖11展示了在廣義儲能協(xié)同控制策略下，空調(diào)與電動汽車集群的功率變化。可以看出，廣義儲能集群總功率能夠?qū)崟r跟蹤配電網(wǎng)中風(fēng)電及常規(guī)負荷功率的變化，從而實現(xiàn)對電網(wǎng)功率波動的平抑，維持電網(wǎng)的穩(wěn)定。此外，經(jīng)過低通濾波控制后，空調(diào)集群功率變化較為平緩，以響應(yīng)功率波動的低頻分量；而電動汽車集群功率波動相對頻繁，以響應(yīng)功率波動的高頻分量。

圖11 空調(diào)與電動汽車集群功率變化Fig.11 Power of air-conditioning and electric vehicle clusters

圖12給出了在控制策略1和2的條件下，空調(diào)、電動汽車集群功率變化以及電網(wǎng)頻率變化對比。不難看出，基于控制策略1，空調(diào)集群功率變化相對于控制策略2明顯平緩，滿足空調(diào)集群功率響應(yīng)速度慢的特性。同時其功率變化幅度相較于策略2有所減小，從而減小了群內(nèi)空調(diào)的啟停次數(shù)，在控制策略1下，空調(diào)集群的總啟停次數(shù)為12 517，相比策略2降低了273次，減小了調(diào)控過程對空調(diào)使用壽命的影響。

圖12 協(xié)同控制策略仿真結(jié)果對比Fig.12 Comparison of simulation results of cooperative control strategies

由圖12(b)可知，在控制策略1下，電動汽車集群響應(yīng)功率波動的高頻分量，其功率變化幅度相較于策略2大幅增加且波動較為頻繁，從而充分利用了其調(diào)節(jié)速度快的特性，發(fā)揮其調(diào)控能力。根據(jù)圖12(c)，當廣義儲能未參與調(diào)控時，電網(wǎng)功率波動僅由常規(guī)發(fā)電機來平衡，電網(wǎng)頻率最高接近50.15 Hz，而當廣義儲能參與調(diào)控后，電網(wǎng)頻率波動減小至±0.05 Hz以下，提高了電網(wǎng)的穩(wěn)定性。此外，策略1中電網(wǎng)頻率變化與策略2相比略微減小，其原因是，由于空調(diào)啟停需要一定時間，當電網(wǎng)功率波動較快時，空調(diào)集群來不及響應(yīng)，系統(tǒng)功率無法及時達到平衡，導(dǎo)致電網(wǎng)頻率波動增大，而經(jīng)過低通濾波后，功率波動的低頻分量變化平緩，空調(diào)集群能夠及時響應(yīng)目標功率，從而提高了電網(wǎng)的穩(wěn)定性。

圖13展示了空調(diào)集群中100臺空調(diào)房間溫度變化曲線?？梢钥闯?，基于改進溫度優(yōu)先序列控制策略，各空調(diào)室內(nèi)溫度均處于溫度上下限內(nèi)，基本穩(wěn)定在溫度設(shè)定值附近，保障了用戶的舒適度需求。圖14展示了控制過程中20輛電動汽車的SOC變化曲線，盡管電動汽車集群功率變化較大，但由于是在電動汽車的基準功率上進行功率調(diào)整，各電動汽車仍處于充電狀態(tài)，避免了電動汽車充放電狀態(tài)的轉(zhuǎn)化對電池帶來損耗。同時，各電動汽車的SOC基本在23:00前達到0.8(用戶期望荷電狀態(tài))，之后各電動汽車仍然參與調(diào)控，其荷電狀態(tài)在0.8附近波動，滿足用戶使用需求。

圖13 室內(nèi)溫度變化Fig.13 Indoor temperature variation

圖14 電動汽車SOC變化Fig.14 SOC changes of electric vehicle

本文進一步探討了不同積分參數(shù)對控制效果的影響，如圖15所示，當積分參數(shù)越大，廣義儲能集群對頻率的跟蹤速度越快，電網(wǎng)頻率波動越小。而當頻率波動減小到一定程度時，進一步增加積分參數(shù)，對集群控制效果的影響較小。

圖15 不同積分參數(shù)下頻率變化Fig.15 Frequency changes under different integration parameters

此外，本文就所提的改進溫度優(yōu)先序列控制策略的有效性進行了驗證，對比了不同kc取值下，空調(diào)的最大最小啟停次數(shù)，結(jié)果如表4所示。相較于傳統(tǒng)的溫度優(yōu)先序列算法(kc=0)，本文的改進溫度優(yōu)先序列算法能夠有效減小集群中各空調(diào)啟停次數(shù)的差異，使得各空調(diào)的被控次數(shù)趨于一致，避免了對部分空調(diào)的連續(xù)控制，提高了用戶的滿意度。而隨著kc的增加，被控次數(shù)在排序狀態(tài)標識中的比重增加，各空調(diào)間啟停次數(shù)的差異也隨之減小。

表3 空調(diào)最大最小啟停次數(shù)Table 3 Maximum and minimum start and stop times of air-conditioner

5 結(jié) 論

本文提出了考慮廣義儲能集群參與的配電網(wǎng)協(xié)同控制策略，針對空調(diào)集群，提出改進溫度優(yōu)先序列控制策略，針對電動汽車集群，提出基于SOC的功率分配策略，在此基礎(chǔ)上進一步提出基于低通濾波的廣義儲能協(xié)同控制策略。仿真算例驗證了所提控制策略的有效性，并得出以下結(jié)論：

1)基于廣義儲能平抑電網(wǎng)功率波動控制策略，廣義儲能集群能夠?qū)崟r平抑風(fēng)電及常規(guī)負荷引起的電網(wǎng)功率波動，調(diào)控頻率恢復(fù)至額定值，保障了配電網(wǎng)孤島運行下的穩(wěn)定性。

2)通過本文所提的基于低通濾波的廣義儲能協(xié)同控制策略，空調(diào)集群能夠及時跟蹤功率波動的低頻分量，減小了頻率波動幅度，提高了系統(tǒng)的穩(wěn)定性。同時降低了群內(nèi)空調(diào)的啟停次數(shù)，減小對使用壽命的影響。

3)基于改進溫度優(yōu)先序列控制策略，空調(diào)集群中空調(diào)的最大最小啟停次數(shù)之差有所減小，各空調(diào)的啟停次數(shù)趨于一致，保障了各空調(diào)受控的公平性與合理性，提高了用戶滿意度。

本文采用直接負荷控制對定頻空調(diào)與電動汽車兩類典型的廣義儲能進行調(diào)控，而未考慮用戶使用行為對控制策略的影響。因此，在后續(xù)的研究中，本文將進一步考慮用戶行為及調(diào)控意愿等相關(guān)因素，對電動汽車運行模式選擇及用戶需求響應(yīng)下的空調(diào)管理進行研究，并繼續(xù)探討更多類型廣義儲能(如變頻空調(diào)、電熱水器等)的控制策略。