含電動(dòng)汽車充電站的風(fēng)/光/柴獨(dú)立微電網(wǎng)分層優(yōu)化調(diào)度

肖朝霞，張可信，馮 冀

（1. 天津工業(yè)大學(xué) 天津市電工電能新技術(shù)重點(diǎn)實(shí)驗(yàn)室，天津 300087；2.國(guó)網(wǎng)天津市電力公司 電纜分公司，天津 300300）

為推動(dòng)我國(guó)能源整體轉(zhuǎn)型，實(shí)現(xiàn)“碳達(dá)峰”和“碳中和”的戰(zhàn)略目標(biāo)[1]，探索微電網(wǎng)內(nèi)可再生能源與電動(dòng)汽車的耦合方式成為我國(guó)構(gòu)建多元化清潔能源供應(yīng)體系的方式之一[2-5]。以分布式清潔能源發(fā)電為主的微電網(wǎng)易受溫度、風(fēng)速等天氣因素的影響，可再生能源發(fā)電功率具有波動(dòng)性，產(chǎn)生棄風(fēng)棄光和發(fā)電功率短缺等功率不平衡現(xiàn)象[6-8]。電動(dòng)汽車產(chǎn)業(yè)的發(fā)展減輕了傳統(tǒng)汽車對(duì)一次能源的消耗，同時(shí)集群電動(dòng)汽車發(fā)揮“移動(dòng)儲(chǔ)能”的優(yōu)勢(shì)可降低微電網(wǎng)投資和運(yùn)行成本[9-10]，但對(duì)于含電動(dòng)汽車充電站的微電網(wǎng)來(lái)說(shuō)，無(wú)序充電的隨機(jī)性會(huì)引起微電網(wǎng)負(fù)荷功率出現(xiàn)“峰上加峰”現(xiàn)象，同時(shí)電動(dòng)汽車充電站與微電網(wǎng)屬于不同利益主體，這也給微電網(wǎng)能量管理系統(tǒng)增加了不確定性和管理維度[11-13]。因此如何最大化發(fā)揮二者協(xié)同增效的優(yōu)勢(shì)是研究的關(guān)鍵。

現(xiàn)階段，國(guó)內(nèi)外研究學(xué)者對(duì)電動(dòng)汽車與微電網(wǎng)的優(yōu)化調(diào)度方向進(jìn)行了大量研究，大部分研究成果是主要利用電動(dòng)汽車充放電解決微電網(wǎng)負(fù)荷側(cè)功率波動(dòng)問(wèn)題，而對(duì)微電網(wǎng)供電側(cè)和用電側(cè)的功率平衡以及不同利益主體下的綜合能源管理方法研究較少。針對(duì)電動(dòng)汽車有序充放電引導(dǎo)策略，文獻(xiàn)[14]為解決電動(dòng)汽車無(wú)序充放電對(duì)微電網(wǎng)造成“峰上加峰”的問(wèn)題，引入?yún)^(qū)塊鏈對(duì)電動(dòng)汽車鏈上交易機(jī)制執(zhí)行過(guò)程進(jìn)行分析，并建立雙層調(diào)度模型引導(dǎo)電動(dòng)汽車有序充放電，實(shí)現(xiàn)微電網(wǎng)內(nèi)部供求平衡；文獻(xiàn)[15]利用電動(dòng)汽車儲(chǔ)能特性平抑負(fù)荷波動(dòng)，并通過(guò)多目標(biāo)粒子群優(yōu)化算法調(diào)度電動(dòng)汽車消納可再生能源；文獻(xiàn)[16]考慮電動(dòng)汽車用戶行為意愿，建立基于分時(shí)電價(jià)的含電動(dòng)汽車的微電網(wǎng)系統(tǒng)優(yōu)化調(diào)度模型。針對(duì)不同利益主體下的優(yōu)化管理研究，文獻(xiàn)[17]提出將微電網(wǎng)調(diào)度過(guò)程分為負(fù)荷層和源儲(chǔ)層，即負(fù)荷層在保證電動(dòng)汽車用戶利益前提下利用電動(dòng)汽車儲(chǔ)能特性平抑微電網(wǎng)負(fù)荷峰值，源儲(chǔ)層利用電動(dòng)汽車消納多余風(fēng)光出力；文獻(xiàn)[18]基于分析目標(biāo)級(jí)聯(lián)的方法，根據(jù)不同的利益相關(guān)者，以最佳發(fā)電效率為目標(biāo)，建立微電網(wǎng)與電動(dòng)汽車充電站之間電力相互作用的優(yōu)化模型。本文面向建設(shè)在工業(yè)園區(qū)內(nèi)的含電動(dòng)汽車充電站的風(fēng)/光/柴獨(dú)立微電網(wǎng)，提出一種多時(shí)間尺度分層優(yōu)化調(diào)度方法。

1 含電動(dòng)汽車充電站的風(fēng)/光/柴微電網(wǎng)分層優(yōu)化體系

含電動(dòng)汽車充電站的風(fēng)/光/柴獨(dú)立微電網(wǎng)包括2個(gè)利益主體：微電網(wǎng)運(yùn)營(yíng)商和電動(dòng)汽車充電站。微電網(wǎng)運(yùn)營(yíng)商希望充分發(fā)揮可再生能源發(fā)電的經(jīng)濟(jì)效益，根據(jù)自身運(yùn)行狀態(tài)決定是否向電動(dòng)汽車充電；電動(dòng)汽車充電站希望向微電網(wǎng)支付的充電費(fèi)用最小并在放電過(guò)程中獲得合理的經(jīng)濟(jì)補(bǔ)償。2 個(gè)利益主體具有部分從屬關(guān)系。建立含電動(dòng)汽車充電站的風(fēng)/光/柴微電網(wǎng)分層優(yōu)化體系如圖1 所示。

圖1 含電動(dòng)汽車充電站的風(fēng)/光/柴微電網(wǎng)分層優(yōu)化體系Fig.1 Hierarchical optimization system of wind/PV/diesel microgrid with electric vehicle charging station

微電網(wǎng)作為上層決策者，考慮運(yùn)行成本制定分時(shí)充電電價(jià)；充電站作為下層從屬者，依據(jù)分時(shí)充電價(jià)格建立有序充電計(jì)劃。同時(shí)，微電網(wǎng)考慮電動(dòng)汽車群的“儲(chǔ)能”特性，制定“短時(shí)功率支持”電價(jià)引導(dǎo)機(jī)制，引導(dǎo)電量滿足要求的電動(dòng)汽車群放電，滿足微電網(wǎng)內(nèi)重要負(fù)荷的供電可靠性。

2 微電網(wǎng)分布式電源及負(fù)荷成本模型

2.1 分布式電源出力模型與成本模型

2.1.1 光伏發(fā)電系統(tǒng)出力模型與成本模型

光伏發(fā)電系統(tǒng)的出力模型為[19]：

式中：PSTC、GSTC分別為標(biāo)準(zhǔn)測(cè)試條件下最大測(cè)試功率和太陽(yáng)能輻射強(qiáng)度；kp為功率溫度系數(shù)，取值-0.004 7 K；選定環(huán)境參考溫度Tr的值為298.15 K；Gc為光伏陣列實(shí)際運(yùn)行光照強(qiáng)度；Tc為實(shí)際運(yùn)行下的環(huán)境溫度。

光伏發(fā)電系統(tǒng)的成本模型為[20]：

式中：MPV為光伏維修系數(shù)；IPV為初始投資成本系數(shù)。

2.1.2 風(fēng)機(jī)發(fā)電系統(tǒng)出力模型與成本模型

風(fēng)機(jī)發(fā)電系統(tǒng)的出力模型為[21]：

式中：vci為切入風(fēng)速；vco為切出風(fēng)速；vr為額定風(fēng)速；PWT，rated為在額定風(fēng)速下風(fēng)機(jī)的輸出功率；kw1=PWT，rated/

風(fēng)機(jī)發(fā)電系統(tǒng)的成本模型為[22]：

式中：MWT為風(fēng)機(jī)維修系數(shù)；IWT為風(fēng)機(jī)投資成本系數(shù)。

2.1.3 柴油發(fā)電機(jī)組出力模型與成本模型

柴油發(fā)電機(jī)組效率特性曲線如圖2 所示?？紤]到風(fēng)機(jī)、光伏發(fā)電系統(tǒng)的發(fā)電功率具有波動(dòng)性，在微電網(wǎng)運(yùn)行過(guò)程中，始終保持柴油發(fā)電機(jī)組在低效區(qū)和高效區(qū)運(yùn)行。

圖2 柴油發(fā)電機(jī)燃油消耗特性曲線Fig.2 Fuel consumption characteristic curve of diesel generator

圖2中，Prate為柴油機(jī)額定運(yùn)行功率，為60 kW。根據(jù)柴油發(fā)電機(jī)輸出功率的范圍，將柴油機(jī)工作區(qū)域分為：截止區(qū)0~18 kW（≥0 kW，≤18 kW）、低效區(qū)18~42 kW（≥18 kW，＜42 kW）和高效區(qū)42~60 kW（≥42 kW，≤62 kW）[23]。

柴油發(fā)電機(jī)組的成本模型為：

式中：Cfuel為燃油費(fèi)用；MDG為柴油機(jī)維修系數(shù)；IDG為柴油機(jī)成本系數(shù)；EDG為環(huán)境成本系數(shù)。

綜上，各分布式電源的運(yùn)行費(fèi)用參數(shù)如表1 所示。

表1 分布式電源運(yùn)行維護(hù)費(fèi)用Tab.1 Operation cost of distributed generation

2.2 可平移負(fù)荷懲罰費(fèi)用模型

考慮用戶側(cè)用電滿意度，引入轉(zhuǎn)移可平移負(fù)荷的懲罰費(fèi)用模型。數(shù)學(xué)表達(dá)式如下：

式中：Ptran（t）為t時(shí)刻可平移負(fù)荷轉(zhuǎn)移量；Pmost（t）為t時(shí)刻微電網(wǎng)總負(fù)荷；kt1和kt2均為懲罰系數(shù)。

3 電動(dòng)汽車分時(shí)充電/短時(shí)放電定價(jià)機(jī)制

3.1 分時(shí)充電電價(jià)制定

微電網(wǎng)運(yùn)營(yíng)商考慮分布式電源發(fā)電成本同時(shí)兼顧期望收益制定分時(shí)充電電價(jià)。主要有3 種方式充電：風(fēng)光發(fā)電系統(tǒng)出力；提高柴油發(fā)電機(jī)組輸出功率；轉(zhuǎn)移可平移負(fù)荷。

當(dāng)風(fēng)光發(fā)電系統(tǒng)出力有盈余時(shí)，有以下2 種計(jì)算充電電價(jià)的方式。

（1）計(jì)算風(fēng)光發(fā)電系統(tǒng)和柴油發(fā)電機(jī)組共同出力下的平均成本電價(jià)Cg，EV，DG，t：

式中：CDG，Pmin，t為柴油發(fā)電機(jī)在最低功率運(yùn)行下的發(fā)電成本；Csurplus，t為t時(shí)刻風(fēng)光盈余量的發(fā)電成本；PDG，min，t為柴油發(fā)電機(jī)最低輸出功率；Psurplus，t為t時(shí)刻風(fēng)光盈余量。

（2）計(jì)算風(fēng)光發(fā)電系統(tǒng)出力并轉(zhuǎn)移可平移負(fù)荷產(chǎn)生的平均成本電價(jià)Cg，EV，tran，t：

式中：CEV，tran，t為t時(shí)刻轉(zhuǎn)移可平移負(fù)荷懲罰成本，見(jiàn)式（6）；PEV，tran，t為t時(shí)刻可平移負(fù)荷轉(zhuǎn)移量。

比較以上2 種情況的成本電價(jià)，取價(jià)格最低的作為該時(shí)段充電成本電價(jià)Ccost，grid，t：

當(dāng)風(fēng)光發(fā)電系統(tǒng)出力無(wú)盈余時(shí)，只能提高柴油發(fā)電機(jī)輸出功率和轉(zhuǎn)移可平移負(fù)荷。假定電動(dòng)汽車充電站的充電樁額定功率為7 kW，滿足充電能力的柴油發(fā)電機(jī)輸出功率范圍是18~53 kW，可平移負(fù)荷功率范圍是大于7 kW。

（1）柴油機(jī)正常運(yùn)行且輸出功率小于53 kW，可平移負(fù)荷大于7 kW：此時(shí)提高柴油發(fā)電機(jī)出力和轉(zhuǎn)移該時(shí)段可平移負(fù)荷均滿足充電要求。分別計(jì)算2 種充電方式下的發(fā)電成本CEV，DG，t、CEV，tran，t：

式中：CDG，t為該時(shí)段下柴油發(fā)電成本；PDG，t為該時(shí)段下的柴油機(jī)輸出功率；CEV，tran，t見(jiàn)式（6）。

比較2 種充電方式下的電價(jià)大小，取價(jià)格最低作為此時(shí)的充電成本電價(jià)。

（2）柴油機(jī)正常運(yùn)行且輸出功率小于53 kW，可平移負(fù)荷小于7 kW：此時(shí)僅柴油機(jī)滿足充電要求，因此柴油機(jī)的成本電價(jià)為電動(dòng)汽車充電的成本電價(jià)。

（3）柴油機(jī)正常運(yùn)行且輸出功率大于53 kW，可平移負(fù)荷大于7 kW：此時(shí)僅轉(zhuǎn)移可平移負(fù)荷滿足充電要求。因此轉(zhuǎn)移可平移負(fù)荷的單位懲罰成本為電動(dòng)汽車充電的成本電價(jià)。

（4）柴油機(jī)正常運(yùn)行且輸出功率大于53 kW，可平移負(fù)荷小于7 kW：此時(shí)提高柴油發(fā)電機(jī)出力和轉(zhuǎn)移可平移負(fù)荷均不滿足充電要求，因此不再考慮為電動(dòng)汽車充電。

綜合考慮影響微電網(wǎng)發(fā)電成本因素，制定日前分時(shí)充電電價(jià)：

式中：kpf為充電收益系數(shù)；Ccost，grid，t為微電網(wǎng)在各時(shí)段的發(fā)電成本電價(jià)。

綜上，分時(shí)充電電價(jià)制定流程如圖3 所示。

圖3 充電電價(jià)制定流程Fig.3 Flow chart of charging price-fixing

3.2 短時(shí)放電電價(jià)制定

電動(dòng)汽車的放電成本考慮3 個(gè)因素：①考慮電動(dòng)汽車充電站的經(jīng)濟(jì)利益，取平均充電電價(jià)作為電動(dòng)汽車購(gòu)電成本；②考慮不同放電深度下電池壽命，結(jié)合電池購(gòu)置成本計(jì)算電動(dòng)汽車電池單次放電產(chǎn)生的損耗成本；③考慮不同放電深度下電池壽命，將電池購(gòu)置成本折算為單位電量放電成本。

首先定義每輛電動(dòng)汽車電池放電深度SDOD：

式中：Pdischarge，t為短時(shí)預(yù)測(cè)15 min 內(nèi)重要負(fù)荷缺失功率；n為參與放電電動(dòng)汽車數(shù)量；Es為電動(dòng)汽車電池容量（30 kWh）。

電池循環(huán)壽命與工作方式有關(guān)，放電深度越大，循環(huán)壽命越小。定義L為在放電深度SDOD下的電池循環(huán)壽命次數(shù)。放電深度與循環(huán)壽命的關(guān)系為[24]：

定義LET為在放電深度為SDOD下的電池總放電電量。放電深度與電池總放電電量的關(guān)系為：

式中：Cbat為電池購(gòu)置成本，取45 000 元。

綜上，短時(shí)放電電價(jià)Cdischarge，ave為：

式中：Ccharge，ave為日前電動(dòng)汽車平均充電電價(jià)；kdr為放電收益系數(shù)。

不同放電深度下短時(shí)放電電價(jià)如圖4 所示。由圖4 可知，放電深度增大加劇電池的損耗，放電電價(jià)也隨之增加。

圖4 不同放電深度與放電電價(jià)的關(guān)系Fig.4 Relationship between different depths of discharge and discharge price

短時(shí)放電電價(jià)制定流程如圖5 所示。

圖5 放電電價(jià)制定流程Fig.5 Flow chart of discharging price-fixing

4 含電動(dòng)汽車充電站的風(fēng)/光/柴微電網(wǎng)日前/短時(shí)優(yōu)化調(diào)度模型

含電動(dòng)汽車充電站的風(fēng)/光/柴微電網(wǎng)日前/短時(shí)優(yōu)化調(diào)度原理如圖6 所示。該調(diào)度過(guò)程分日前和短時(shí)2 個(gè)階段：日前優(yōu)化階段制定分時(shí)充電電價(jià)引導(dǎo)電動(dòng)汽車有序充電，并求解考慮電動(dòng)汽車充電負(fù)荷的日前最終調(diào)度計(jì)劃；短時(shí)優(yōu)化對(duì)日前調(diào)度計(jì)劃進(jìn)行調(diào)整，并制定短時(shí)放電電價(jià)引導(dǎo)電動(dòng)汽車向微電網(wǎng)作“功率支持”，保證微電網(wǎng)的供電可靠性。

圖6 日前與短時(shí)優(yōu)化調(diào)度原理Fig.6 Principle of combining day-ahead and short-term optimal scheduling

4.1 含電動(dòng)汽車充電站日前調(diào)度數(shù)學(xué)模型

4.1.1 基于蒙特卡洛法的電動(dòng)汽車負(fù)荷預(yù)測(cè)

電動(dòng)汽車用戶的充電行為具有隨機(jī)性。蒙特卡洛法以隨機(jī)抽樣為基礎(chǔ)，將離散的實(shí)驗(yàn)數(shù)據(jù)擬合，使研究對(duì)象呈現(xiàn)出一定規(guī)律。

本文對(duì)工業(yè)園區(qū)內(nèi)的20 輛私家電動(dòng)汽車1 天中的無(wú)序充電行為進(jìn)行分析，統(tǒng)計(jì)電動(dòng)汽車用戶到達(dá)充電站時(shí)間和充電電量的歷史數(shù)據(jù)，建立蒙特卡洛概率模型如下：

式中：起始充電時(shí)間滿足正態(tài)分布N（8.4，3.3），日均需求電量滿足正態(tài)分布N（11.9，5.8）。

該區(qū)域電動(dòng)汽車充電站負(fù)荷預(yù)測(cè)結(jié)果如圖7 所示。由圖7 可知，電動(dòng)汽車充電站日均需求電量約為WEV，sum=350 kWh。

圖7 無(wú)序充電負(fù)荷預(yù)測(cè)結(jié)果Fig.7 Prediction of disordered charging load

4.1.2 電動(dòng)汽車有序充電優(yōu)化模型

（1）目標(biāo)函數(shù)。有序充電優(yōu)化模型目標(biāo)是電動(dòng)汽車充電站總充電費(fèi)用最低，目標(biāo)函數(shù)如下：

式中：Tt為優(yōu)化時(shí)段；PEV，t為電動(dòng)汽車充電站的有序充電功率；Ccharge，t為分時(shí)充電電價(jià)。

（2）約束條件。約束條件包括充電功率約束、充電時(shí)間約束和能量平衡約束。

充電功率約束：

式中：PEV，t為充電站每小時(shí)總充電功率；Pmax，t為每小時(shí)最大充電功率，由微電網(wǎng)在不同時(shí)段向電動(dòng)汽車供電的發(fā)電方式?jīng)Q定。

充電時(shí)間約束：

式中：Treach為電動(dòng)汽車到達(dá)充電站的時(shí)間，取8 ∶00；Taway為電動(dòng)汽車離開(kāi)充電站的時(shí)間，取18 ∶00。

能量平衡約束：

4.1.3 日前調(diào)度數(shù)學(xué)模型

（1）目標(biāo)函數(shù)。微電網(wǎng)日前調(diào)度分為2 個(gè)階段：第1 階段不考慮電動(dòng)汽車充電負(fù)荷求解初始調(diào)度計(jì)劃，利用調(diào)度結(jié)果制定分時(shí)充電電價(jià)；第2 階段將電動(dòng)汽車有序充電功率作為微電網(wǎng)重要負(fù)荷重新進(jìn)行調(diào)度，得到最終的優(yōu)化結(jié)果。日前優(yōu)化調(diào)度的目標(biāo)函數(shù)為：

式中：Csum為微電網(wǎng)的總運(yùn)行費(fèi)用；包括光伏發(fā)電成本CPV，見(jiàn)式（2）；風(fēng)力發(fā)電成本CWT，見(jiàn)式（4）；柴油發(fā)電機(jī)組發(fā)電成本CDG，見(jiàn)式（5）；Ctran為可平移負(fù)荷轉(zhuǎn)移后產(chǎn)生的懲罰費(fèi)用，見(jiàn)式（6）；CEV為電動(dòng)汽車總充電費(fèi)用，見(jiàn)式（22）。

（2）約束條件。約束條件包括功率平衡約束、可再生能源發(fā)電系統(tǒng)功率約束和柴油發(fā)電機(jī)組功率約束。

功率平衡約束：

式中：Pless（t）為t時(shí)刻重要負(fù)荷功率；Pmost（t）為t時(shí)刻總負(fù)荷功率；PEV（t）為t時(shí)刻電動(dòng)汽車充電負(fù)荷功率；PWT（t）、PPV（t）、PDG（t）分別為風(fēng)力發(fā)電系統(tǒng)、光伏發(fā)電系統(tǒng)、柴油發(fā)電機(jī)組t時(shí)刻的輸出功率。

可再生能源發(fā)電系統(tǒng)功率約束：

式中：PWT，max為風(fēng)力發(fā)電系統(tǒng)最大輸出功率；PPV，max為光伏發(fā)電系統(tǒng)最大輸出功率。

柴油發(fā)電機(jī)組功率約束：

式中：PDG，min為柴油發(fā)電機(jī)組最小輸出功率；PDG，rated為柴油發(fā)電機(jī)的額定功率。

4.2 含電動(dòng)汽車充電站短時(shí)調(diào)度數(shù)學(xué)模型

4.2.1 電動(dòng)汽車短時(shí)放電優(yōu)化模型

（1）目標(biāo)函數(shù)。短時(shí)放電目標(biāo)函數(shù)是微電網(wǎng)中重要負(fù)荷切斷量最小，目標(biāo)函數(shù)如下：

式中：ΔPless為重要負(fù)荷切斷量；Pdischarge為單輛電動(dòng)汽車放電功率；n為電動(dòng)汽車放電數(shù)量；Pno為微電網(wǎng)重要負(fù)荷功率缺額。

（2）約束條件。約束條件包括放電深度約束和電動(dòng)汽車SOC 約束。

放電深度約束：

式中：Wdischarge為每輛電動(dòng)汽車的放電量；WBattery，ratde為電動(dòng)汽車電池額定容量。

電動(dòng)汽車SOC 約束：

式中：SOCEV，t為電動(dòng)汽車在t時(shí)刻的SOC。

4.2.2 短時(shí)調(diào)度數(shù)學(xué)模型

（1）目標(biāo)函數(shù)。短時(shí)調(diào)度以未來(lái)一小時(shí)作為優(yōu)化區(qū)間，15 min 為優(yōu)化步長(zhǎng)，滾動(dòng)更新預(yù)測(cè)天氣數(shù)據(jù)和負(fù)荷信息。采用混合整數(shù)線性規(guī)劃的方法，對(duì)日前調(diào)度計(jì)劃進(jìn)行優(yōu)化與調(diào)整。短時(shí)優(yōu)化調(diào)度目標(biāo)函數(shù)如下。

i）對(duì)日前調(diào)度計(jì)劃調(diào)整最小：

式中：ΔPWT、ΔPPV、ΔPDG分別為風(fēng)力發(fā)電機(jī)、光伏、柴油發(fā)電機(jī)短時(shí)調(diào)度與日前調(diào)度之間輸出功率變化量。

ii）棄風(fēng)棄光量最?。?/p>

式中：Ploss為系統(tǒng)總棄風(fēng)棄光量；Prenewable，max為微電網(wǎng)在各個(gè)時(shí)段內(nèi)風(fēng)光發(fā)電系統(tǒng)的最大輸出功率；Prenewable為風(fēng)光發(fā)電系統(tǒng)實(shí)際輸出功率。

（2）約束條件。短時(shí)調(diào)度模型約束條件與日前調(diào)度模型約束條件一致，不再贅述。

5 算例仿真

本文對(duì)建設(shè)在工業(yè)園區(qū)內(nèi)含電動(dòng)汽車充電站的風(fēng)/光/柴獨(dú)立微電網(wǎng)進(jìn)行分析。其中柴油發(fā)電機(jī)組額定功率為60 kW；風(fēng)力發(fā)電系統(tǒng)總額定功率為85 kW；光伏發(fā)電系統(tǒng)總額定功率為100 kW。參數(shù)如表2、表3 所示。

表2 風(fēng)力發(fā)電系統(tǒng)參數(shù)Tab.2 Parameters of wind power generation system

表3 光伏發(fā)電系統(tǒng)參數(shù)Tab.3 Parameters of photovoltaic power generation system

5.1 正常天氣算例分析

5.1.1 日前算例分析

正常天氣下，首先對(duì)某工業(yè)園區(qū)典型日未來(lái)24 h的溫度、光照強(qiáng)度、風(fēng)速以及微電網(wǎng)中的各類負(fù)荷進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果如圖8 所示。然后將預(yù)測(cè)信息輸入至日前調(diào)度模型進(jìn)行第1 階段優(yōu)化，優(yōu)化結(jié)果如圖9所示。

圖8 日前典型日天氣、負(fù)荷數(shù)據(jù)（正常天氣）Fig.8 Weather and load data of typical day of day-ahead（normal weather）

由圖9（a）可知，日前調(diào)度第1 階段計(jì)算出微電網(wǎng)分布式電源的初始運(yùn)行狀態(tài)，且風(fēng)光發(fā)電系統(tǒng)發(fā)電功率遠(yuǎn)小于額定功率，若沒(méi)有電動(dòng)汽車參與到微電網(wǎng)能量管理中，將造成大量棄風(fēng)棄光現(xiàn)象。由圖9（b）可知，分時(shí)充電電價(jià)呈現(xiàn)出“日間低，夜間高”的現(xiàn)象，這是由于日間風(fēng)光充足且成本較低，因此圖9（c）電動(dòng)汽車選擇日間充電，提高風(fēng)光能源的利用率，同時(shí)也降低了電動(dòng)汽車充電站的充電成本。

圖9 日前調(diào)度第1 階段優(yōu)化結(jié)果（正常天氣）Fig.9 Optimization results of the first stage of day-ahead scheduling（normal weather）

最后進(jìn)行日前調(diào)度第2 階段優(yōu)化，優(yōu)化結(jié)果如圖10 所示。

由圖10（a）可知，與日前第1 階段調(diào)度計(jì)劃相比，柴油發(fā)電機(jī)組出力未發(fā)生變化，風(fēng)力發(fā)電系統(tǒng)和光伏發(fā)電系統(tǒng)輸出功率升高，提高了風(fēng)光能源利用率。由圖10（b）可知，少量可平移負(fù)荷轉(zhuǎn)移至18 ∶00-19 ∶00，對(duì)微電網(wǎng)中的負(fù)荷未產(chǎn)生斷電影響。

圖10 日前調(diào)度第2 階段優(yōu)化結(jié)果（正常天氣）Fig.10 Optimization results of the second stage of day-ahead scheduling（normal weather）

5.1.2 短時(shí)算例分析

對(duì)風(fēng)速、光照強(qiáng)度、溫度以及系統(tǒng)負(fù)荷進(jìn)行短時(shí)預(yù)測(cè)。預(yù)測(cè)數(shù)據(jù)如圖11 所示。經(jīng)優(yōu)化得到短時(shí)調(diào)度結(jié)果如圖12 所示。

圖11 短時(shí)典型日天氣、負(fù)荷數(shù)據(jù)（正常天氣）Fig.11 Weather and load data of typical day of short-term（normal weather）

圖12 短時(shí)調(diào)度優(yōu)化結(jié)果（正常天氣）Fig.12 Optimization results of short-time scheduling（normal weather）

由圖12（a）可知，與日前第2 階段調(diào)度計(jì)劃相比，柴油機(jī)出力變化較為明顯，多表現(xiàn)在某15 min 出現(xiàn)的功率增長(zhǎng)，風(fēng)機(jī)與光伏的出力波動(dòng)變化在正常范圍內(nèi)上下浮動(dòng)。由圖12（b）可知，轉(zhuǎn)移的可平移負(fù)荷功率較大，且平移時(shí)段較多，因此短時(shí)調(diào)度對(duì)日前調(diào)度的矯正是十分必要的。

正常天氣下短時(shí)調(diào)度計(jì)劃與日前最終調(diào)度計(jì)劃對(duì)比如表4 和表5 所示。

由表4 和表5 可知，短時(shí)調(diào)度下的棄風(fēng)棄光率和微電網(wǎng)總成本相較于日前調(diào)度較高，但誤差在正常允許范圍內(nèi)，因此說(shuō)明了短時(shí)優(yōu)化調(diào)度對(duì)日前計(jì)劃調(diào)整的有效性。

表4 微電網(wǎng)日前與短時(shí)棄風(fēng)棄光對(duì)比（正常天氣）Tab.4 Microgrid′s final power generation plan（normal weather）

表5 微電網(wǎng)日前與短時(shí)發(fā)電成本（正常天氣）Tab.5 Power generation costs of micrograd under day-ahead and short-term scheduling（normal weather） 元

5.2 突變天氣算例分析

5.2.1 日前算例分析

假設(shè)下午13 ∶00-14 ∶00 天氣發(fā)生突變，風(fēng)速下降，光照強(qiáng)度減弱，溫度降低，其他時(shí)段的天氣情況與正常天氣相同，預(yù)測(cè)結(jié)果如圖13 所示。日前第一階段優(yōu)化結(jié)果如圖14 所示。

圖13 日前典型日天氣、負(fù)荷數(shù)據(jù)（突變天氣）Fig.13 Weather and load data of typical day of day-ahead（abrupt weather）

圖14 日前調(diào)度第1 階段優(yōu)化結(jié)果（突變天氣）Fig.14 Optimization results of the first stage of day-ahead scheduling（abrupt weather）

由圖14（a）可知，與正常天氣第一階段調(diào)度結(jié)果對(duì)比，柴油發(fā)電機(jī)在13 ∶00-14 ∶00 發(fā)電功率增加，風(fēng)光發(fā)電功率已經(jīng)達(dá)到最大。由圖14（b）可知，受天氣因素影響，13 ∶00-14 ∶00 電價(jià)由正常天氣下1.35 元/kWh上漲至1.79 元/kWh；12 ∶00-13 ∶00 充電價(jià)格最低為1.34 元/kWh。因此由圖14（c）可知，從微電網(wǎng)運(yùn)行經(jīng)濟(jì)性和電動(dòng)汽車充電站利益角度出發(fā)，該時(shí)段電動(dòng)汽車充電功率為91 kW，13 ∶00-14 ∶00 不提供電能。

接著進(jìn)行日前調(diào)度第2 階段優(yōu)化，優(yōu)化結(jié)果如圖15 所示。由圖15 可知，在13 ∶00-14 ∶00 各分布式電源輸出功率均升高，且轉(zhuǎn)移部分可平移負(fù)荷至18 ∶00-19 ∶00。

圖15 日前調(diào)度第2 階段仿真結(jié)果（突變天氣）Fig.15 Optimization results of the second stage of day-ahead scheduling（abrupt weather）

5.2.2 短時(shí)算例分析

突變天氣下，對(duì)風(fēng)速、光照強(qiáng)度、溫度以及各類負(fù)荷進(jìn)行短時(shí)預(yù)測(cè)，預(yù)測(cè)結(jié)果如圖16 所示。

圖16 短時(shí)典型日天氣、負(fù)荷數(shù)據(jù)（突變天氣）Fig.16 Weather and load data of typical day of short-term（abrupt weather）

由圖16 可知，12 ∶45 到13 ∶30 時(shí)段，氣溫下降、風(fēng)速降低、光照強(qiáng)度減弱。在13 ∶15-13 ∶30 降到最低，13 ∶30-13 ∶45 氣溫、風(fēng)速和光照強(qiáng)度開(kāi)始回升。短時(shí)調(diào)度仿真結(jié)果如圖17 所示。

由圖17（c）可知，在13 ∶15-13 ∶30 時(shí)間段重要負(fù)荷出現(xiàn)被切斷的情況，為保證微電網(wǎng)供電可靠性，制定短時(shí)放電電價(jià)，引導(dǎo)電動(dòng)汽車短時(shí)放電。短時(shí)放電電價(jià)和放電功率如圖18 所示。放電價(jià)格為2.41 元/kWh，總放電功率為10 kW。

圖17 短時(shí)調(diào)度仿真結(jié)果（突變天氣）Fig.17 Optimization results of short-term scheduling（abrupt weather）

圖18 短時(shí)放電電價(jià)/放電功率（突變天氣）Fig.18 Short-term discharge price/discharging power of EV charging station（abrupt weather）

突變天氣下短時(shí)調(diào)度計(jì)劃與日前最終調(diào)度計(jì)劃對(duì)比如表6 和表7 所示?？梢?jiàn)，棄風(fēng)棄光率較低，且在誤差允許范圍內(nèi)；微電網(wǎng)總成本較正常天氣有所升高。

表6 微電網(wǎng)日前與短時(shí)棄風(fēng)棄光對(duì)比（突變天氣）Tab.6 Comparison of abandonment of wind and photovoltaics of microgrid under day-ahead and short-term scheduling（abrupt weather）

表7 微電網(wǎng)日前與短時(shí)發(fā)電成本（突變天氣）Tab.7 Power generation costs of microgrid under day-ahead and short-term scheduling（abrupt weather）

表8給出微電網(wǎng)各電源的發(fā)電成本以及電動(dòng)汽車充電站平均充/放電價(jià)。由表8 可知，各單元發(fā)電成本和充/放電價(jià)符合目前電價(jià)市場(chǎng)的實(shí)際情況。

表8 電源發(fā)電成本與充放電平均電價(jià)Tab.8 Power generation cost and average charge or discharge price

綜上，含電動(dòng)汽車充電站的風(fēng)/光/柴獨(dú)立微電網(wǎng)分層調(diào)度體系發(fā)揮了電動(dòng)汽車充電站和微電網(wǎng)之間協(xié)同增效的優(yōu)勢(shì)，同時(shí)實(shí)現(xiàn)二者“有序能量支持”和“短時(shí)功率支持”。日前與短時(shí)相結(jié)合的多時(shí)間尺度調(diào)度模型既保證了微電網(wǎng)的運(yùn)行經(jīng)濟(jì)性，也提高了可再生能源的利用率。

6 結(jié) 論

本文面向建設(shè)在工業(yè)園區(qū)含電動(dòng)汽車充電站的風(fēng)/光/柴獨(dú)立運(yùn)行微電網(wǎng)，主要解決了電動(dòng)汽車通過(guò)有序充/放電參與微電網(wǎng)運(yùn)行的多利益主體分層優(yōu)化調(diào)度的問(wèn)題，實(shí)現(xiàn)電動(dòng)汽車群對(duì)風(fēng)/光/柴微電網(wǎng)的“有序充電-能量支持，短時(shí)放電-功率支持”與電動(dòng)汽車用戶和微電網(wǎng)運(yùn)營(yíng)商兩個(gè)利益主體之間的協(xié)同增效。

（1）建立了充/放電定價(jià)機(jī)制，引導(dǎo)電動(dòng)汽車群有序充電與短時(shí)放電。

（2）建立了含電動(dòng)汽車充電站的風(fēng)/光/柴微電網(wǎng)分層調(diào)度體系。

（3）考慮分布式電源和負(fù)荷預(yù)測(cè)的準(zhǔn)確度，建立了含電動(dòng)汽車充電站的風(fēng)/光/柴微電網(wǎng)日前/短時(shí)優(yōu)化調(diào)度模型。仿真結(jié)果證實(shí)了該方案既可以減少電動(dòng)汽車對(duì)大電網(wǎng)電能的需求，也能夠充分利用可再生能源，使電動(dòng)汽車充電能夠?qū)崿F(xiàn)真正意義上的減少碳排放。