基于粒子群算法的聚合電動汽車虛擬電廠經(jīng)濟(jì)性分析

薛 東

(安徽電氣工程職業(yè)技術(shù)學(xué)院, 安徽 合肥 230051)

0 引言

近年來，中國能源需求的急劇增長打破了中國長期以來自給自足的能源供應(yīng)格局，但中國化石能源尤其是石油和天然氣生產(chǎn)量相對不足，對國際市場的依賴程度越來越高，不利于中國能源安全和經(jīng)濟(jì)發(fā)展，故開發(fā)利用風(fēng)電、光伏為主的可再生能源對于中國構(gòu)建可持續(xù)發(fā)展能源戰(zhàn)略具有重要意義。2021年3月15日，中央財(cái)經(jīng)委員會第九次會議指出要構(gòu)建以新能源為主體的新型電力系統(tǒng)。隨著人們環(huán)保意識的提升和全球能源短缺，近年來以風(fēng)電、光伏為主的分布式綠色清潔能源在各國都得到了迅猛發(fā)展，但其出力不可控，大規(guī)模并網(wǎng)會對電網(wǎng)造成嚴(yán)重沖擊，增加運(yùn)行成本[1]。虛擬電廠[2](virtual power plant,VPP)利用先進(jìn)的通信技術(shù)協(xié)同管控多個地域不同、類型各異的分布式新能源，通過合理構(gòu)建和協(xié)調(diào)優(yōu)化，靈活調(diào)度區(qū)內(nèi)的燃?xì)廨啓C(jī)和儲能系統(tǒng)等可控電源來平抑風(fēng)電、光伏等不可控新能源的隨機(jī)性和波動性，實(shí)現(xiàn)對外出力的整體可控，從而可以像常規(guī)電廠一樣參與電力市場交易和系統(tǒng)調(diào)度[3]。

電動汽車(Electric Vehicle, EV)作為我國的七大戰(zhàn)略性新興產(chǎn)業(yè)之一，它的推廣和普及使用是黨中央和國務(wù)院的重要戰(zhàn)略舉措，歐美和亞洲一些國家也在大力發(fā)展交通電氣化。電動汽車發(fā)展規(guī)模越來越大，不同于風(fēng)電、光伏，其響應(yīng)速度快、靈活性強(qiáng)，可以兼負(fù)荷和電源，比如電動汽車可以作為可控能源參與對不可控新能源出力的平抑，利用其儲能特性參與削峰填谷，并且將電動汽車聚合在虛擬電廠可減緩其大規(guī)模充電對電網(wǎng)造成的沖擊。文獻(xiàn)[4]研究了含電動汽車和風(fēng)電機(jī)組的虛擬發(fā)電廠的競價策略，文獻(xiàn)[5]針對參與虛擬電廠電動汽車的充放電問題，利用大數(shù)據(jù)、云計(jì)算等先進(jìn)手段設(shè)置理想方案，文獻(xiàn)[6]用主從博弈思想?yún)f(xié)調(diào)含電動汽車虛擬電廠調(diào)度，文獻(xiàn)[7]中電動汽車參與虛擬電廠新能源出力波動的平抑。

虛擬電廠的良好運(yùn)行離不開合理的架構(gòu)和良好的控制方法，本文構(gòu)建了聚合電動汽車的虛擬電廠(Electric Vehicle Virtual Power Plant，EVPP)結(jié)構(gòu)，提出了相應(yīng)的運(yùn)行策略、運(yùn)行流程以及經(jīng)濟(jì)優(yōu)化調(diào)度模型，并采用粒子群算法對模型中各時段虛擬電廠內(nèi)部可控單元的出力進(jìn)行了優(yōu)化，分析了電動汽車參與虛擬電廠調(diào)度對EVPP經(jīng)濟(jì)性的影響。仿真結(jié)果表明，電動汽車參與虛擬電廠調(diào)度并和儲能電池聯(lián)合運(yùn)行基本上可以滿足平抑風(fēng)電、光伏出力偏差的要求，且具有較好的經(jīng)濟(jì)性。

1 EVPP的內(nèi)部結(jié)構(gòu)

本文構(gòu)建的EVPP結(jié)構(gòu)如圖1所示，包含風(fēng)電場和光伏電站兩種不可控電源以及燃?xì)廨啓C(jī)、儲能電池、電動汽車三種可控電源。

圖1 EVPP結(jié)構(gòu)圖

2 EVPP的運(yùn)行策略

EVPP要根據(jù)日前預(yù)測的次日風(fēng)電、光伏出力情況綜合考慮可控單元的出力能力，向系統(tǒng)上報出力計(jì)劃；系統(tǒng)確認(rèn)安排次日出力；根據(jù)次日實(shí)時的風(fēng)電、光伏出力情況，實(shí)時調(diào)整內(nèi)部可控單元的出力情況以滿足系統(tǒng)安排的出力計(jì)劃。

本著最大化利用新能源的目標(biāo)，EVPP出力策略為：實(shí)時接收風(fēng)電、光伏分布式電源出力，其出力偏差主要由電動汽車作為優(yōu)先級、儲能電池作為次優(yōu)級組成的儲能系統(tǒng)參與平抑，燃?xì)廨啓C(jī)不考慮備用容量，但使用燃?xì)廨啓C(jī)進(jìn)行發(fā)電要考慮發(fā)電成本，高于售電成本時停機(jī)，剩余容量在低電價時段從電網(wǎng)購電儲存，在高電價時段向電網(wǎng)售出以提高EVPP收益。

3 EVPP優(yōu)化運(yùn)行模型

3.1 EVPP出力計(jì)劃

EVPP計(jì)劃出力表達(dá)式如下所示：

(1)

式中：Gk——k時段EVPP的出力計(jì)劃；

k——時間序列，以1小時為一個時間段，調(diào)度周期為1天共24個時段；

GGT——為燃?xì)廨啓C(jī)的最大出力。

3.2 EVPP日內(nèi)調(diào)度模型

本文構(gòu)建的EVPP綜合考慮了運(yùn)行管理成本、燃?xì)廨啓C(jī)燃料成本、電動汽車的充放電成本、儲能電池的購電成本、偏離計(jì)劃出力的懲罰成本6個方面，其日內(nèi)調(diào)度模型目標(biāo)函數(shù)為：

(2)

其中，k時段收益:

(3)

(4)

Gk——k時段EVPP對系統(tǒng)的售電量；

k時段管理成本：

(5)

式中:Kfd——風(fēng)電運(yùn)行管理系數(shù)；

Kgf——光伏運(yùn)行管理系數(shù)；

Kgt——燃?xì)廨啓C(jī)運(yùn)行管理系數(shù)；

Kcd——儲能電池運(yùn)行管理系數(shù)；

Kev——電動汽車運(yùn)行管理系數(shù)。

k時段燃?xì)廨啓C(jī)的燃料成本：

(6)

rgt=rng/(ηeLng)

(7)

式中：rgt——燃?xì)廨啓C(jī)單位發(fā)電燃料成本；

rng——天然氣價格；

ηe——燃?xì)廨啓C(jī)發(fā)電效率;

Lng——天然氣低位熱值。

k時段儲能電池在系統(tǒng)的購電成本：

(8)

k時段EVPP出力偏差引起的懲罰成本:

(9)

(10)

Gk——k時段虛擬電廠對系統(tǒng)的計(jì)劃出力;

k1——日前計(jì)劃時間序列;

k2——日內(nèi)調(diào)度時間序列。

3.3 EVPP約束條件

EVPP內(nèi)部各分布式電源滿足一定的約束條件才能保證日內(nèi)調(diào)度的正常運(yùn)行，該模型的6個約束條件分別是：功率平衡約束、風(fēng)電出力約束、光伏出力約束、燃?xì)廨啓C(jī)出力約束、儲能電池充放電約束、電動汽車充放電約束。

1)EVPP功率平衡約束:

(11)

2)風(fēng)電出力約束:

(12)

3)光伏出力約束:

(13)

4)燃?xì)廨啓C(jī)約束:

(14)

(15)

γd——燃?xì)廨啓C(jī)的向下爬坡速率；

γu——燃?xì)廨啓C(jī)的向上爬坡速率。

5)電動汽車充放電約束:

(16)

(17)

(18)

(19)

(20)

(21)

(22)

λ——電動汽車單位里程耗電量；

6)儲能電池的容量和充放電約束:

(23)

(24)

(25)

(26)

(27)

ηc——充電效率；

ηd——放電效率；

4 算例分析

4.1 模型參數(shù)

算例中EVPP中各部分相關(guān)參數(shù)如表1～表6所示。

表1 風(fēng)電場參數(shù)

表2 光伏電站參數(shù)

表3 燃?xì)廨啓C(jī)參數(shù)

表4 儲能電池參數(shù)

表5 電動汽車參數(shù)

表6 各時段EVPP對系統(tǒng)的批發(fā)電價和購電電價

EVPP內(nèi)聚合的電動汽車看作一個整體，數(shù)量增加認(rèn)為只有電動汽車入網(wǎng)，數(shù)量減少認(rèn)為只有電動汽車離網(wǎng)，除行駛外均與EVPP連接，充放的電量平均到每個電動汽車上，為防止電動汽車過度充放電，每輛荷電狀態(tài)設(shè)定在0.2～1，電動汽車單次平均行駛里程為13.1 km，百公里耗電量為21.46 kW·h。

4.2 求解方法

EVPP經(jīng)濟(jì)性優(yōu)化模型的目標(biāo)函數(shù)是非凸的且涉及的約束條件及變量比較多。粒子群算法[8]作為智能優(yōu)化算法中比較典型的一種，對目標(biāo)函數(shù)不要求可微可導(dǎo)，在優(yōu)化非凸函數(shù)上有很好的表現(xiàn)。本文采用粒子群算法對其進(jìn)行求解。

4.3 EVPP優(yōu)化結(jié)果分析

4.3.1 各分布式電源優(yōu)化結(jié)果分析

由于風(fēng)電、光伏等新能源發(fā)電出力不確定等特點(diǎn)，EVPP在制定出力計(jì)劃時需要對其進(jìn)行預(yù)測，出力偏差需滿足規(guī)定的誤差范圍。由圖2和圖3可以看出風(fēng)電預(yù)測誤差為10.35%，光伏預(yù)測誤差為5.93%，均符合相關(guān)要求。

圖2 風(fēng)電預(yù)測出力和實(shí)際出力對比

圖3 光伏預(yù)測出力和實(shí)際出力對比

燃?xì)廨啓C(jī)的使用要考慮成本，當(dāng)發(fā)電成本高于售電電價時，停機(jī)，反之參與EVPP調(diào)度，不需考慮留出備用容量，根據(jù)EVPP實(shí)際運(yùn)行情況實(shí)時調(diào)度調(diào)節(jié)出力。圖4中23時～7時因使用成本停機(jī)運(yùn)行，其余時段根據(jù)EVPP調(diào)度調(diào)節(jié)自身出力。

圖4 燃?xì)廨啓C(jī)各時段出力情況

由于不同時段對系統(tǒng)的售電電價和購電電價不同的，儲能電池通過低電價時段從系統(tǒng)購電，高電價時段向系統(tǒng)售電來參與系統(tǒng)的消峰填谷，提高凈收益。對比圖5和圖6看出在1時～7時低電價時段，EVPP儲能電池的蓄電量不斷增加，在平抑風(fēng)電、光伏出力偏差的同時進(jìn)行削峰填谷從系統(tǒng)購電，在8時～23時高電價時段售出以獲取電價差收益。

圖5 各時段EVPP對系統(tǒng)的批發(fā)電價和購電電價

圖6 各時段EVPP儲能電池蓄電量變化情況

4.3.2 電動汽車參與EVPP調(diào)度情況分析

電動汽車不同于以上分布式電源，首先是因?yàn)槠渚哂袃δ芎秃哪茈p重屬性，并且由于具有一定的自主性和單個汽車運(yùn)行的獨(dú)立性也不能當(dāng)作儲能電池等常規(guī)的儲能系統(tǒng)來考慮，在EVPP中需要滿足電動車主自身的用車需求外參與其充放電調(diào)度。

從圖7可以看出在7時～9時、16時～19時用車高峰時段，電動車數(shù)量減少，且在圖8中7時和17時附近，電動汽車的荷電量都達(dá)到電動汽車出行期望值，以滿足出行需求。

圖7 各時段EVPP內(nèi)聚合的電動汽車數(shù)量

圖8 各時段電動汽車平均荷電量

在圖9中，數(shù)值大于0代表出力或出力偏差為正，反之代表出力或出力偏差為負(fù)，可以看出各個電動汽車出力和儲能電池平抑偏差出力之和基本等于風(fēng)電光伏的偏差出力，表明電動汽車和儲能電池聯(lián)合運(yùn)行基本上可以滿足平抑風(fēng)電、光伏出力偏差的要求。

圖9 電動汽車平抑出力、儲能電池平抑偏差出力、風(fēng)電光伏出力偏差

5 結(jié)語

本文構(gòu)建了聚合風(fēng)電、光伏、燃?xì)廨啓C(jī)、儲能電池以及電動汽車的EVPP結(jié)構(gòu)以及經(jīng)濟(jì)優(yōu)化調(diào)度模型，采用粒子群算法對優(yōu)化模型進(jìn)行求解，優(yōu)化各時段EVPP內(nèi)部可控單元的出力，分析電動汽車參與EVPP調(diào)度對EVPP經(jīng)濟(jì)性的影響。仿真結(jié)果表明，電動汽車參與EVPP調(diào)度可以和儲能電池聯(lián)合運(yùn)行，基本上可以滿足平抑風(fēng)電、光伏出力偏差的要求，有很好的的社會效益。