電力現貨市場環(huán)境下電動汽車充換電站的優(yōu)化調控策略

曾憲鍇，楊 蘋，劉璐瑤，楊 康，譚俊豐

（1. 華南理工大學 電力學院，廣東 廣州 510640；2. 華南理工大學 廣東省綠色能源技術重點實驗室，廣東 廣州 510640）

0 引言

在構建新型電力系統(tǒng)的戰(zhàn)略目標下，電動汽車EV（Electric Vehicle）充換電站BCSS（Battery Charging and Swapping Station）等需求側資源在參與電力系統(tǒng)的實時平衡調節(jié)中將扮演越來越重要的角色［1］。在電力現貨市場環(huán)境下，利用站內冗余電池作為調節(jié)資源，通過優(yōu)化調控策略充分挖掘BCSS的調節(jié)潛力，參與多種交易品種以提升BCSS的經濟效益，為新型電力系統(tǒng)建設提供支撐。

目前，關于BCSS優(yōu)化調控策略的研究大多集中在電能量市場環(huán)境下的充電管理、與新能源發(fā)電的協(xié)同運行等方面。文獻［2-3］分別分析了電池折舊和備用電池數量等因素對充電成本的影響，并形成相應的充電策略，實現了投資成本與運營成本統(tǒng)一考量下的優(yōu)化調控。為進一步挖掘優(yōu)化空間，文獻［4-5］對電池的可調節(jié)性和各類充電機的特性進行建模，通過機器學習和智能算法求解調控策略。與新能源發(fā)電的協(xié)同運行方面，需要充分考慮新能源發(fā)電、換電需求、電價等多重不確定性，文獻［6］在場景規(guī)劃中加入風險測度以量化多類型不確定性帶來的風險；文獻［7］利用概率性序列描述系統(tǒng)的不確定性，采用機會約束規(guī)劃求解調控策略，從而消除不確定性對策略有效性的影響。

隨著電力體制改革不斷深入，輔助服務交易推廣至需求側［8］，為EV 等可調資源帶來新的盈利點，其關鍵問題在于電池資源聚合、響應能力預估、響應功率分配等。文獻［9］研究EV參與輔助服務的可支配容量預測與聚合模塊開發(fā)，有效解決了車網互動（V2G）聚合調控問題；文獻［10］提出采用EV、儲能和光伏發(fā)電系統(tǒng)聯合調峰的方法，顯著降低了區(qū)域能耗及用能成本，并在此基礎上展望更利于電池儲能參與電力系統(tǒng)調節(jié)的市場機制；文獻［11-14］針對EV參與調頻輔助服務，從集群、自動發(fā)電控制（AGC）、功率分配等環(huán)節(jié)分別展開研究，提出相應模型和控制策略以提高其經濟效益；文獻［15］考慮電價和調頻指令的不確定性，提出基于調頻績效考核的EV魯棒控制模型，增強了EV作為需求側資源的可靠性。

上述研究從多維度分析了BCSS 參與電力市場各交易品種的優(yōu)化調控策略，但對于電力現貨市場環(huán)境下BCSS參與多電力交易品種的調控研究較少。而隨著新型電力系統(tǒng)逐步構建，電力現貨市場逐步發(fā)展，BCSS 未來將面向能量-輔助服務的多交易品種環(huán)境，對其規(guī)模化支撐電網實時平衡的能力提出新的需求和要求。為此，本文提出協(xié)同參與電能量交易、調頻輔助服務交易和多階段需求響應交易的BCSS 優(yōu)化調控策略。為全面反映BCSS 換電服務和現貨市場多品種交易的協(xié)同開展狀況，提出可精確描述電池在換電、充電、放電、滿電狀態(tài)之間轉換的換電行為約束，建立日前魯棒優(yōu)化-日內基于模型預測控制MPC（Model Predictive Control）的滾動優(yōu)化-實時優(yōu)化調控的BCSS 多階段優(yōu)化調控策略。在此基礎上，分析多階段需求響應價格與時段對調控結果的影響，探討不確定度控制系數和收益權重系數對BCSS運行收益的影響，從而在計及市場需求和價格的不確定性下充分發(fā)揮電池的盈利能力，為電力現貨市場環(huán)境下的BCSS 提供更加經濟高效的運營模式。

1 電力現貨市場環(huán)境下EV BCSS的調控模型

根據南方電力現貨市場系列試點規(guī)則方案，提出電力現貨市場環(huán)境下BCSS 可參與的交易品種及其特點，明確BCSS調控流程，并建立其調控模型。

1.1 EV BCSS參與的電力交易品種

隨著EV 換電模式的發(fā)展，BCSS 的建設規(guī)模和用電量不斷增長，大規(guī)模BCSS可滿足電力批發(fā)市場準入條件，直接參與市場交易，小規(guī)模的BCSS 則可以通過聚合的形式間接參與。對于滿足準入條件的BCSS 或BCSS 聚合體，總結其在電力現貨市場環(huán)境下可參與的交易品種及其特點，具體如下。

1）需求響應：日前-日內-實時多時間尺度開展。日前及日內階段采用邀約響應形式，在響應時段的前1 d 或前4 h 發(fā)布響應邀約，需求側競價確定計劃響應量并在響應時段執(zhí)行。實時階段采用實時響應形式，需求側需在收到響應需求后5 min達到響應目標，并可出于安全性或經濟性考慮改變響應狀態(tài)。

2）調頻輔助服務：優(yōu)質調頻資源優(yōu)先調用機制。調頻市場成員完成調頻里程價格及調頻容量申報后，將根據各成員近期的綜合調頻性能調整其調頻里程報價，使得優(yōu)質調頻資源優(yōu)先被調用。

3）現貨電能量交易：申報偏差收益轉移機制。電能量交易經歷日前與實時2 個階段。日前市場用于市場成員申報，出清結算中標購售電曲線；運行日內實時市場基于實際運行情況再次計算調整，并根據市場成員實際購售電與日前中標曲線的偏差進行結算。

1.2 電力現貨市場環(huán)境下EV BCSS調控架構

EV 換電模式分為電池配送模式和換電站模式［16］，本文以電池配送模式為研究對象，建立電力現貨市場環(huán)境下BCSS的調控架構，如圖1所示，圖中ns為電池配送站總數。BCSS 為電池充電，并將就緒的電池統(tǒng)一配送至電池配送站；EV 通過電池配送站繳納換電服務費用并獲取換電服務。同時BCSS 參與電力現貨市場獲取收益，包括電能量交易、調頻輔助服務交易及多時間尺度的需求響應交易。

圖1 電力現貨市場環(huán)境下BCSS的調控架構Fig.1 Regulation structure of BCSS under electricityspot market environment

為確保BCSS 開展換電業(yè)務的同時參與電力現貨市場獲取收益，需從日前、日內、實時3 個階段進行優(yōu)化調控，其調控流程見附錄A圖A1。

日前階段，BCSS 運營商接收需求響應日前邀約和調頻市場信息，結合次日換電需求預測曲線，決策購售電曲線、日前需求響應曲線、調頻容量和換電計劃，本階段決策中考慮換電需求、調頻調用電量和各交易品種價格的不確定性，需預留一定的電量裕量，以確保其各項業(yè)務穩(wěn)定開展，同時也為日內和實時階段的優(yōu)化調控預留了可調空間。日內階段在日前優(yōu)化結果的基礎上開展?jié)L動優(yōu)化，接收需求響應日內邀約，結合日內換電需求預測值，決策日內需求響應曲線、調整購售電曲線和換電計劃，本階段決策中已明確各電力交易品種的日前出清價格，且日內短周期的換電需求預測結果更加準確，因此日前預留的電量在本階段可被較充分利用。實時階段基于日內優(yōu)化結果對充放電功率在分鐘級時間尺度上開展更精細的調控，根據需求響應實時邀約信息和實時電價波動，確定實時需求響應狀態(tài)，制定調頻功率分配策略。

1.3 電力現貨市場環(huán)境下EV BCSS的調控建模

為描述上述調控流程中的轉換關系，反映多時間尺度調控下BCSS充放電計劃逐步修正的特性，建立相應的多時間尺度調控模型，如式（1）所示。

調控模型中關于BCSS 運行和電力現貨市場規(guī)則的關鍵問題如下。

1）換電供需建模。

EV 用戶前往電池配送站換電的時間存在隨機性，同時電池配送耗時因交通因素影響也無法精準控制，因此BCSS面對的換電需求存在不確定性。

4）有效需求響應評估。

需求響應收益與需求側資源的響應情況直接相關，以《廣州市虛擬電廠實施細則》為例，其計算公式見附錄B式（B7）。

5）電能量申報偏差收益轉移。

為防止市場成員利用日前與日內市場的價差不正當套利，設定電能量申報偏差收益轉移機制，以《廣東現貨電能量市場交易實施細則》為例，其計算公式見附錄B式（B8）。

2 電力現貨市場環(huán)境下EV BCSS 的優(yōu)化調控策略

為確保電力現貨市場環(huán)境下的BCSS 經濟高效運行，本節(jié)提出日前-日內-實時多時間尺度的優(yōu)化調控策略。

2.1 日前階段

式（14）所示約束條件表示使BCSS 各時段出力低于其最大限額；式（15）所示約束條件表示使所申報調頻容量不超過BCSS 的可用容量。此外需遵循1.3節(jié)中的關鍵問題約束。

2.2 日內階段

日內階段換電需求、電能量價格存在波動，同時可能收到需求響應日內邀約，因此作進一步優(yōu)化?；贛PC 構建日內滾動優(yōu)化調控環(huán)節(jié)，其優(yōu)化調控步驟如下［19-20］：

1）將電池荷電狀態(tài)、換電電量和調頻調用電量曲線作為MPC參考曲線用于滾動優(yōu)化跟蹤；

2）建立控制時域和預測時域，考慮到越短的時間間隔內換電需求隨機性越強，而越長的時間間隔將導致調控空間縮小，本文以30 min為控制時域，以4 h為預測時域；

4）將控制序列的首個結果u(t)作用于控制對象，并產生輸出向量y(t)；

5）至t+1 時段，更新系統(tǒng)狀態(tài)并將y(t)反饋給滾動優(yōu)化模型，以校正t時段擾動量r(t)及預測誤差。

上述基于MPC 的滾動優(yōu)化調控步驟中關鍵環(huán)節(jié)為滾動預測、滾動優(yōu)化與反饋校正，其中滾動優(yōu)化環(huán)節(jié)建立如下。

選取下網功率Pbuy(t)、換電電量Qev(t)、調頻調用預留電量Qf±(t)（Qf±(t)為調頻調用預留電量關于時段t的函數）、日內需求響應量Qin，res(t)、各電池充電功率Pbat(t)=[P1(t)，P2(t)，…，Pn(t)]、各電池荷電狀態(tài)Sbat(t)=[S1(t)，S2(t)，…，Sn(t)]構成狀態(tài)向量x(t)，如式（16）所示。

選取換電電量增量ΔQev(t)、調頻調用電量增量ΔQf±(t)、日內需求響應增量ΔQin，res(t)、各電池充電增量ΔPbat(t)=[ΔP1(t)，ΔP2(t)，…，ΔPn(t)]構成控制向量u(t)，如式（17）所示。

u(t)=[ΔPbat(t)，ΔQev(t)，ΔQf±(t)，ΔQin，res(t)]T（17）

選取換電需求預測增量Δdev(t)、調頻調用預測增量Δdin，f(t)構成擾動向量r(t)，如式（18）所示。

式中：Yr，1為Y1的跟蹤參考向量，由日前優(yōu)化所得；W為偏差權重矩陣，M為價格矩陣，具體如附錄B 式（B9）、（B10）所示；m為收益權重系數。目標函數中(Y1-Yr，1)TW(Y1-Yr，1)為跟蹤誤差的平方和，一定程度上表征全局的經濟性；mMY2為調控時段內的運行成本，表征局部經濟性。收益權重系數m可調節(jié)，以協(xié)調全局和局部最優(yōu)［20］。

2.3 實時階段

（2）還需遵循式（12）、（13）所示約束條件。

2.4 模型求解策略

上述電力現貨市場環(huán)境下EV BCSS 的優(yōu)化調控模型，按照日前-日內-實時的順序逐步求解。

日前階段為魯棒混合整數線性規(guī)劃問題，本文采用橢球不確定集描述其不確性［21］，并將其等價變換成式（28）—（31）所示的二階錐規(guī)劃問題，進而通過商業(yè)求解器CPLEX 12.8.0.0 求解，推導過程見附錄B式（B11）—（B20）。

日內滾動優(yōu)化環(huán)節(jié)為混合整數二次規(guī)劃問題，實時階段為混合整數線性規(guī)劃問題，均使用商業(yè)求解器CPLEX 12.8.0.0求解。

3 算例分析

3.1 參數設置

為驗證策略有效性，仿真分析圖1 所示BCSS，相關參數見附錄C 表C1，其中電池參數采用三元鋰電池常用裝車數據。EV 換電需求基于美國家庭出行調查數據，采用蒙特卡羅方法進行模擬，具體如圖2 所示。其中日前以1 h 為時間尺度得到24 個數據點，日內以30 min 為時間尺度得到48 個數據點，并假定EV 中待更換電池荷電狀態(tài)服從N（0.2，0.042）概率分布。日前、實時購售電電價、調頻容量、里程價格預測值根據2019 年美國PJM 市場的運行數據模擬，日前、日內、實時需求響應價格以《廣州市虛擬電廠實施細則》為基準設定，具體數據見附錄C 圖C1、圖C2和表C2，預測偏差均設為10%。

圖2 不同時段下EV換電需求預測值Fig.2 Forecast values for EV battery demand under different period

3.2 算例分析

3.2.1 優(yōu)化調控分析

對電力現貨市場環(huán)境下EV BCSS 的優(yōu)化調控進行仿真分析，仿真結果附錄C圖C3—C5。

由仿真結果可見，時段0—3的日前充電曲線和日內充電曲線保持一致，其他時段的日內充電曲線幾乎均略低于日前充電曲線。根據2.2節(jié)分析，日內調控的目標函數由全局經濟性和局部經濟性構成，而時段0—5 并無換電需求，完全響應時段2、3 的需求響應邀約符合該調控周期的局部經濟性最優(yōu)目標，同時能夠使得用電曲線的跟蹤誤差最小，即全局收益性最優(yōu)，因此該時段的日前、日內充電曲線保持一致。在其他時段，日內調控的開展基于更高精度的換電需求預測，則在各時段有更精確的充電電量需求，因此在調控目標中局部經濟性的影響下，日內充電曲線相較日前的魯棒優(yōu)化曲線有所下降，有效提高了BCSS的運行經濟性。

圖C3 中BCSS 的3 次長時間對外放電，分別對應3次需求響應：①時段0、1 BCSS 放電，為時段2、3的填谷需求預留充電空間；②時段12、13 同時存在日前和日內兩階段的削峰需求，因此經日前調控后充電功率為負值，進入日內階段，隨著時段0—11的滾動優(yōu)化，BCSS 中未充分利用的調頻電量和換電電量逐漸累積，在該時段日內削峰需求出現時，即可利用該部分能量參與響應；③時段19、20 為日前電價高峰，日前調控下充電功率為負值，進入實時階段，實時電價再度升高，同時產生填谷需求，因此日內及實時階段放電功率進一步增大。綜上所述，本文構建優(yōu)化調控策略可有效感知并適應電力現貨市場環(huán)境。

3.2.2 模型參數的影響

本節(jié)重點仿真分析不確定度控制系數ρ和收益權重系數m對整體優(yōu)化調控的影響。ρ在一定程度上反映了決策者對不確定性所帶來風險的回避程度；m反映了決策者對于全局經濟性和局部經濟性的取舍決策。設置對比模型，仿真分析各模型在典型場景下的策略執(zhí)行情況，模型參數設置及仿真結果見表1。

表1 不同參數設置下的調控結果Table 1 Regulation results for different parameters

除模型3 外，其他模型的日前收益均小于日內收益，日前成本均大于日內成本。該差異來自2 個方面：①日前階段為回避風險將根據ρ在各時段預備足量的電量，從而產生更高的購電成本和電池折舊成本，優(yōu)化結果相對保守；②日內階段BCSS 可通過參與日內需求響應獲得收益。

模型1—3的日前收益逐步增加，日內收益逐步下降。因為隨著ρ降低，日前階段對不確定性風險的回避程度逐漸減小，策略的保守程度逐漸降低，預期收益逐漸增加；進入日內階段，模型1 有充足的電量應對換電需求波動并從日內需求響應中獲利；模型2 的ρ相對較低，可在一定程度上應對換電需求波動，但難以參與日內削峰需求響應；模型3 在日前階段未考慮不確定性，完全依靠日內滾動優(yōu)化應對換電需求波動，在換電高峰時段出現換電收益損失，且未有效參與日內需求響應，因此其日內收益最低且低于日前收益，日內成本大于日前成本。而模型4 的日內階段僅以跟蹤誤差最小為目標，在滾動優(yōu)化過程中仍保持較高保守性，由于剔除了局部經濟性目標，模型對需求響應日內邀約無響應，因此其日內收益最低。

3.2.3 需求響應價格與時段的影響

分析需求響應價格與時段對優(yōu)化調控結果的影響。由1.1節(jié)和1.2節(jié)可知日前和日內階段的需求響應有相似的交易機制和參與形式，實時需求響應則對需求側資源的實時調控能力有更高的要求，因此本節(jié)選取日前需求響應和實時需求響應進行分析。

在3.1 節(jié)的基礎上對日前需求響應價格區(qū)間以及實時需求響應時段做出調整，形成如下場景：①場景1，日前需求響應價格、實時需求響應時段均不變；②場景2，日前需求響應價格降低（填谷、削峰價格均降低25%），實時需求響應時段不變；③場景3，日前需求響應價格不變，實時需求響應時段調整（調整為時段17、18）。仿真分析不同場景下策略執(zhí)行情況，結果見圖3、4。

圖3 場景1、2的日前優(yōu)化調控充電曲線Fig.3 Day-ahead optimized regulation charging curves in Scenario 1 and 2

場景1中BCSS在時段2、3響應填谷需求，在時段12、13響應削峰需求；場景2中BCSS未響應時段2、3的填谷需求，對時段12、13 的削峰需求響應量減少，同時時段14、15 的充電功率下降。BCSS 充電伴隨電池折舊成本和購電成本，放電伴隨售電收益和電池折舊成本，并減少BCSS 內電池電量裕度。BCSS日前優(yōu)化調控以收益最高為目標，場景1 中BCSS 參與需求響應所獲收益大于上述成本支出，且能夠保有充足的電量裕度，因此其較大程度地參與需求響應。場景2 中日前需求響應價格區(qū)間降低，使得時段2、3 的填谷收益小于對應的成本支出，因此BCSS無響應；而在時段12、13，削峰價格較低，結合時段14、15 的電能量價格數據，BCSS 傾向于降低削峰需求響應量以使整體收益最高。

圖4 中場景1 下BCSS 于時段19、20 響應實時階段的填谷需求，而在場景3 下未響應，因此場景1 的實時曲線較場景3 整體偏低。時段19、20 為日前電價高峰時段，且在實時階段電價再度上升，同時產生實時削峰需求。BCSS 后續(xù)換電需求較小，在確保調頻容量的基礎上有充裕的放電空間進行響應；時段17、18 為換電需求高峰期，此時BCSS 需大量充電，同時滿足日前承諾的調頻容量，因此雖然該時段的實時需求響應收益較高，但BCSS 無響應。由此可見，BCSS 雖然能夠滿足實時需求響應的快速響應要求，但受到換電服務的限制，同時與調頻輔助服務參與程度相互制約，其靈活可調性有所下降。

圖4 場景1、3的實時優(yōu)化調控充電曲線Fig.4 Real-time optimized regulation charging curves in Scenario 1 and 3

4 結論

本文依據南方電力現貨市場系列試點規(guī)則方案，提出電力現貨市場環(huán)境下BCSS的多時間尺度調控策略，通過參與多種交易品種提升其經濟效益，同時為新型電力系統(tǒng)建設提供支撐。通過仿真分析，得出以下結論。

1）所提調控模型可精確描述站內各電池換電、充電、放電、滿電狀態(tài)之間的轉換，解決現有的BCSS優(yōu)化調控模型中大多通過電能儲備總量描述充換電需求，無法反映各電池在各時刻所處狀態(tài)的問題，從而全面反映換電服務和現貨市場多品種交易的協(xié)同開展狀況。

2）基于MPC 的日內滾動優(yōu)化綜合考慮跟蹤誤差和局部經濟性最優(yōu)，可有效使BCSS跟蹤日前優(yōu)化調控曲線，并在收到需求響應日內邀約時積極響應，同時解決日前魯棒優(yōu)化結果的保守性問題，使調控策略更貼近實際運行狀態(tài)和電力現貨市場需求。

3）BCSS 能夠滿足需求響應的快速響應要求，但其響應意愿受需求響應價格和時段的影響。當需求響應價格偏低致使需求響應預期收益低于相應付出的電池折舊成本和購電成本時，BCSS 傾向于不響應；當需求響應時段與換電高峰期重疊時，EV BCSS將優(yōu)先滿足換電需求，響應能力較弱。

附錄見本刊網絡版（http：//www.epae.cn）。