考慮電動汽車移動儲能特性的智能樓宇群能量管理方法

胡寰宇，艾 欣，胡俊杰，王坤宇

（華北電力大學 新能源電力系統(tǒng)國家重點實驗室，北京 102206）

0 引言

“雙碳”戰(zhàn)略目標促使可再生能源飛速發(fā)展，而可再生能源利用效率的低下成為電網(wǎng)向新型電力系統(tǒng)轉型的主要制約［1］。另外，占全球能源消耗比例高達35%的建筑物已成為全球溫室氣體排放的主要來源［2］，近年來圍繞樓宇能量管理的問題廣受關注。配備柔性負荷、分布式可再生能源或儲能資源的智能樓宇屬于典型的產消者［3］，但功能屬性、配置情況的差異使樓宇的能源利用模式各異，通過能量管理優(yōu)化樓宇內部的能量互補提升空間較小。相反地，樓宇間的能源優(yōu)化互補具有提高整體運行效率的可能，是促進樓宇向近零能耗模式下發(fā)展、減輕配電網(wǎng)運行管理壓力的途徑［4］。

目前，已有工作對產消者交互運行進行了綜述［5］。交互運行技術與理念中，能源共享由于具有資源優(yōu)化配置及利用的能力受到學者的廣泛關注［6-9］。文獻［6］提出了一種多能源互聯(lián)微網(wǎng)群的能源共享模式，利用交替乘子法解決了電、熱能源共享的平衡問題；文獻［7］建立了大規(guī)?；ヂ?lián)直流納網(wǎng)的實時交易模型，利用李雅普諾夫優(yōu)化理論解決了計算效率問題；文獻［8］基于改進的拍賣理論提出了一種能源共享交易出清的辦法，能夠激勵差異的相容性及個體交易理性；文獻［9］針對共享分布式能源的市場化服務機制開展了研究，設計了園區(qū)分布式能源共享服務的架構和業(yè)務流程，能夠促進分布式能源能效、設備整體利用率的提升。當前圍繞能源共享的研究聚焦產消者的整體外特性差異，鮮有文獻考慮產消者內部資源動態(tài)變化對交互運行的影響。電動汽車EV（Electric Vehicle）作為典型的靈活性資源，由于具有響應速度快、電能雙向流動V2G（Vehicle to Grid）的特點廣受關注［10］，實際上，移動的EV 能夠動態(tài)接入不同的樓宇產消者，EV 的移動性為樓宇產消者群提供了一種虛擬的共享網(wǎng)絡。截至當前，基于EV 移動性的充放電優(yōu)化研究極少，模型匱乏且概念不統(tǒng)一。國內有學者提出EV 的移動儲能特性［11-13］：文獻［11］建立了一種基于停車生成率的EV 移動儲能模型，由區(qū)域的宏觀停放視角對EV 的流動特征進行捕捉，提出了EV 移動儲能與可再生能源協(xié)調的V2G 策略；文獻［12-13］建立了基于移動儲能特性的EV 輔助服務優(yōu)化模型，提出了EV參與電網(wǎng)一次、二次調頻的控制策略。上述研究刻畫了EV在不同區(qū)域的移動特征，但忽略了能量在區(qū)域間傳輸?shù)臐摿?。國外有學者提出EV 的電能矢量特性［14-16］：Bunomano的團隊對EV的電能矢量特性在建筑間的應用進行了分析；文獻［14］提出了車-建筑-車V2B2（Building to Vehicle to Building）概念，即利用EV 的移動儲能特性實現(xiàn)可再生能源在不同建筑間的搬運，以提升可再生能源就地消納比例；文獻［15］在前者的基礎上針對場景及資源交互運行優(yōu)化模型的參數(shù)設置進行了分析；文獻［16］基于研究分析了V2B2場景下建筑配置分布式可再生能源的規(guī)劃問題。文獻［17］基于通勤EV 的多地點充電場景，研究了由EV 耦合住宅-辦公樓構成的虛擬微電網(wǎng)優(yōu)化調度問題。上述研究利用EV 在不同建筑的移動接入特性，拓展了一種虛擬聚合的建筑群研究視角，上述工作的不足在于研究場景的簡單且單一，僅考慮了單臺EV 在一間住宅與一間辦公室的能量交互。綜上所述，已有大量的工作開始探索EV的移動儲能能力，但傳統(tǒng)研究中EV的靈活性局限于夜間充電的假設［18］，始終忽略了EV 于日間并網(wǎng)具有的V2G潛力，當前的充放電模型無法處理EV多行程場景的優(yōu)化。同時，研究EV移動儲能特性下樓宇產消者交互運行的文獻較少，V2B2概念下EV 集群與樓宇產消者群的互動特性值得深入研究。

因此，本文將能量共享與EV的移動儲能特性相結合，研究基于EV移動儲能共享網(wǎng)絡的互聯(lián)智能樓宇群協(xié)調優(yōu)化的問題，旨在挖掘需求側靈活性潛力進而提高可再生能源利用效率。首先，對EV的移動儲能特性進行了分析與建模；其次，利用集中式優(yōu)化計算樓宇群在EV 移動共享網(wǎng)絡中的最佳能量分配策略；然后，利用分布式優(yōu)化確定樓宇群基于互聯(lián)共享網(wǎng)絡的最佳能量管理策略；最后，通過算例結果驗證了本文提出的兩階段協(xié)調優(yōu)化方法可提高樓宇群經濟性及可再生能源利用效率。

1 智能樓宇群的協(xié)調運行框架

圖1 展示了智能樓宇群的協(xié)調運行框架。智能樓宇群通過電力與通信網(wǎng)絡相互連接。圖中，HVAC、ESS、EMS 分別為供暖通風與空氣調節(jié)、固定儲能系統(tǒng)、能量管理系統(tǒng)。在日前優(yōu)化調度過程中，由于獨立的樓宇產消者容量較小，引入智能樓宇群代理商作為樓宇與電網(wǎng)能量互動的第三方，基于外部市場電價協(xié)調樓宇間的電能共享交易，監(jiān)管樓宇間的共享電量平衡，進而完成樓宇群整體功率計劃與外部市場的交互。智能樓宇首先確定與EV 的電能交互：由EV移動接入構成耦合關系的樓宇將自身運行情況上報給代理商，代理商根據(jù)樓宇群運行特性協(xié)調EV 在不同樓宇的充電能量需求，最大化樓宇群消納可再生能源的能力。完成EV 的充電能量分配后，智能樓宇的EMS 結合內部資源調度的成本制定最優(yōu)的功率分配計劃并上報，包括期望共享的電量。代理商收到各樓宇的共享電量并下發(fā)引導信號使樓宇在共享網(wǎng)絡中的電力達到平衡。最終，兩階段共享完成后的電能缺口或富余由外部電網(wǎng)按市場價格結清，實現(xiàn)智能樓宇群與電網(wǎng)的最終電能平衡。

圖1 智能樓宇群的協(xié)調運行框架Fig.1 Coordinated operation framework of smart building clusters

2 EV移動儲能特性的分析與建模

2.1 EV移動儲能特性分析

通過出行鏈模型，EV 出行與停放的時間和空間規(guī)律可以上報給代理商［10］?；谝苿觾δ芴匦缘腅V 模型主要應刻畫出EV 在多行程下的充放電可行域關聯(lián)性。由圖2 所示的EV 移動儲能建模示意圖，隨機設置一輛通勤EV進行移動儲能特性分析，其移動特性體現(xiàn)于日內在工作與住宅的往返。假設該EV 白天由住宅樓宇出發(fā)到達工作樓宇并停放至工作結束，傍晚下班由工作樓宇返回住宅樓宇，在住宅樓宇夜間停放直至次日上班。因此，移動儲能特性的優(yōu)勢主要體現(xiàn)在全局視角下的充放電優(yōu)化，通過充放電可行域關聯(lián)性的刻畫，可以實現(xiàn)2 棟樓內部資源的聯(lián)合優(yōu)化。由EV 充電能量的分配變化觸發(fā)樓宇內部資源運行特性的改變，將EV充放電由傳統(tǒng)的時間優(yōu)化升級為時空優(yōu)化，挖掘EV的充放電靈活性潛力。

圖2 EV移動儲能建模示意圖Fig.2 Schematic diagram of EV mobile energy storage modelling

因此，本文對EV 移動儲能特性的建模思路為：基于歷史統(tǒng)計數(shù)據(jù)預測EV多行程下的入網(wǎng)、離網(wǎng)時刻，分別建立EV 并網(wǎng)時段的充放電負荷模型，將入網(wǎng)、離網(wǎng)的電池荷電量設置為決策變量；基于行駛信息，構建EV前序時段離網(wǎng)電量與后序時段并網(wǎng)電量的約束，實現(xiàn)EV 充放電優(yōu)化在全局內的能量供需平衡。

2.2 EV移動儲能特性建模

本節(jié)主要介紹EV 移動儲能模型。變量下標說明如下（下文不再贅述）：b表示樓宇編號；t表示時段編號；j表示EV 編號；Δt表示時間間隔；r表示柔性設備的編號；g表示ESS 的編號；考慮EV 的移動特性，由下標u表示出行編號；考慮分布式可再生能源及基荷的預測不確定性，由下標s表示場景編號。此外，模型中引入了一組控制變量δ來表示必要的邏輯約束，如附錄A表A1所示。

3 智能樓宇資源模型

3.1 HVAC模型

根據(jù)文獻［19］提出的HVAC 二階狀態(tài)模型，熱動態(tài)過程可描述為：

3.2 功率轉移柔性負荷模型

住宅樓宇中存在如洗衣機、電磁爐等家用負荷可作為功率轉移柔性負荷參與能量管理優(yōu)化。功率轉移柔性負荷模型如下：

3.3 ESS模型

ESS模型如下：

3.4 可再生能源與基礎負荷的不確定性模型

為了較好地考慮可再生能源和負荷對智能樓宇運行的影響，本文考慮了小規(guī)模風機、屋頂光伏系統(tǒng)及基荷的不確定性，光伏系統(tǒng)、風機系統(tǒng)及基荷的實際功率可以分別表示為：

4 智能樓宇群的雙層優(yōu)化模型

本節(jié)將依次介紹上、下層模型，包括目標函數(shù)的組成、各主體的功率平衡約束，建模以日前優(yōu)化應用視角展開。上層模型中，代理商主要考慮EV出行信息、樓宇內部資源運行信息及外部電價的預測信息。通過優(yōu)化EV在不同樓宇的充放電能量分配，實現(xiàn)樓宇群內部資源運行特性的調整，優(yōu)化整體運行的成本。下層模型中，各樓宇根據(jù)上層優(yōu)化確定的EV能量需求，結合內部資源調度成本、電能共享損耗及外部電網(wǎng)交易成本，建立樓宇總運行成本最低的自治優(yōu)化模型，獲得樓宇內部運行與外部交易的最優(yōu)功率計劃。

4.1 考慮EV移動儲能共享的樓宇群上層模型

4.1.1 目標函數(shù)

本文采用隨機規(guī)劃［21］解決分布式可再生能源與基荷的不確定性，結合對可再生能源及基荷的不確定性表征，實現(xiàn)樓宇群期望總運行成本最低的優(yōu)化。運行成本包括移動儲能特性下EV 的充放電優(yōu)化成本和樓宇群與外部電網(wǎng)的交易成本，分別如式（29）—（31）所示。

4.1.2 功率平衡與功率限制約束

場景s中各智能樓宇在t時段的功率平衡約束見式（32），其表示樓宇內部資源功率的實時平衡。

綜上所述，上層優(yōu)化調度模型的目標為式（29），模型約束包含式（1）—（28）、（32）表示的智能樓宇內部資源的運行約束以及式（33）表示的樓宇群運行約束，采用混合整數(shù)線性規(guī)劃方法可以求解。

4.2 考慮樓宇電能共享的樓宇能量管理優(yōu)化模型

4.2.1 目標函數(shù)

基于互聯(lián)電網(wǎng)的電能共享策略，智能樓宇群能量管理可通過樓宇間的互聯(lián)線路進行能量交易，以減少與外部電網(wǎng)的直接交互，從而進一步最小化總運行成本，如式（34）所示，其刻畫了基于電能共享策略下樓宇運行的整體經濟性。式（35）描述了電化學儲能充放電損耗的通用模型，由電池退化［16］及循環(huán)老化［22］兩部分組成，平衡EV 協(xié)調優(yōu)化時的收益與調控成本。

4.2.2 功率平衡與功率限制約束

基于電能共享策略，場景s中各智能樓宇的功率約束應由式（32）替換為式（36）。

綜上所述，下層樓宇群能量管理優(yōu)化模型的目標為式（34），模型約束包含式（1）—（28）、（36）表示的智能樓宇內部資源運行約束以及式（37）—（44）表示的樓宇間電能共享運行約束，構成了標準混合整數(shù)線性規(guī)劃模型。

4.2.3 基于對偶分解法的分布式優(yōu)化模型

參與電能共享交易的樓宇群需要交換運行功率信息，為了保護樓宇內部信息的隱私安全，采取對偶分解法［23］將樓宇群集中式優(yōu)化模型式（34）轉化為交互式操作的求解方法。首先，引入拉格朗日乘子向量λ處理樓宇間的耦合約束式，將優(yōu)化模型轉換為拉格朗日形式，如式（45）所示。

5 算例分析

5.1 算例參數(shù)設置

本文設置5 棟相互連接的智能樓宇增加產消者的差異性。智能樓宇的負荷特性及資源配置情況參見附錄A 表A2。HVAC 的參數(shù)設置參考了文獻［24］，初始溫度設置為最舒適區(qū)間上界。柔性負荷的額定運行功率設置為1.2 kW。智能樓宇的初始EV 及EV 移動性如附錄A 表A3 所示。區(qū)域內共計有240臺EV，容量均為56 kW·h，夏季最大行駛里程為96 km，在20%～95%的荷電狀態(tài)范圍內運行。EV 的最大充放電功率為7 kW，效率為0.95。EV 在不同樓宇之間的移動及停放時長范圍參考了文獻［25］并基于Monte Carlo 采樣進行設置，移動場景預測的方法如附錄B 的B1 部分所示，其場景預測結果如附錄B 的B2 部分所示。為簡化計算過程，本文假設EV 在調度周期內首次并網(wǎng)電量為75%，次日離網(wǎng)時的期望電量為95%，中間行程的電量隨場景優(yōu)化。EV 及儲能系統(tǒng)的退化成本參數(shù)參考文獻［26］進行設置。可再生能源及基荷的數(shù)據(jù)來源于中國寧夏的典型夏季數(shù)據(jù)，利用正態(tài)分布模擬可再生能源及基荷的預測誤差。采用K-means法生成了10個具有代表性的場景，各場景概率如附錄C 表C1 所示，場景集如附錄C 圖C1—C5 所示，樓宇群的室外溫度設置如附錄C 圖C6 所示。智能樓宇的日前接受電價如圖3 所示，樓宇群最大可交換容量為10 MW，樓宇之間的線路傳輸容量為2000 kW。分布式模型中，共享電價的初值設置為日前購買電價，迭代步長設置為2.5×10-5元／（kW·h）。另外，設置樓宇間的配電線路損耗αexa=1.2×10-4元／（kW2·h），收斂判據(jù)εpri=10-6。

圖3 不同場景下代理商功率曲線Fig.3 Agent power curve in different scenarios

為分析所提模型在日前優(yōu)化的性能，本文設置日前調度周期為08:00 至次日08:00，各時段時長為1 h，預測數(shù)據(jù)的顆粒度已能夠體現(xiàn)各資源在日前優(yōu)化的功率曲線特性。其中，為了突出本文所提方法的優(yōu)越性，分別設置了3種比較策略：

1）不考慮EV移動性且不參與V2G的策略；

2）考慮EV移動性但不參與V2G的策略；

3）考慮EV移動性且參與V2G的策略。

在不參與V2G的策略下，EV選擇即插即充即走的模式。另外，本文采用不同類型的負荷曲線作為智能樓宇基礎負荷，以體現(xiàn)樓宇的運行差異；采用MATLAB下帶有Yalmip接口的Gurobi求解器對所提模型進行算例仿真。

5.2 算例結果分析

5.2.1 上層優(yōu)化結果分析

購電與售電場景下樓宇群代理商的功率曲線對比如圖3 所示。由圖可見：本文所提移動儲能共享策略能夠更好地調整樓宇群同外部電網(wǎng)的電能交換，從而實現(xiàn)低電價多購入、高電價少購入；在10:00—13:00 與次日04:00—08:00 時段，移動儲能共享策略下園區(qū)購入的功率明顯更多；在22:00 至次日03:00 時段，移動儲能共享策略下園區(qū)購入的功率明顯更少；售電場景下，09:00、19:00—21:00 與05:00—07:00時段移動儲能共享策略下園區(qū)售電功率減少，這側面體現(xiàn)了園區(qū)內可再生能源的就地平衡比例的提高。

不同策略下的樓宇群調度成本如表1 所示，由表可見本文所提策略能夠實現(xiàn)園區(qū)預期運行成本最低的目標。

表1 不同策略下樓宇群協(xié)調優(yōu)化成本分析Table 1 Cost analysis of building cluster optimization under different strategies

代理商優(yōu)化EV 在不同樓宇的能量分配結果見附錄D圖D1。其中，圖D1（a）、（b）分別為不考慮、考慮移動性的即插即充能量分配情況。對比圖D1（a）、（b）與（c）中的智能樓宇1、2 的能量分配情況可以發(fā)現(xiàn)，EV 將智能樓宇2 的部分充電能量共享至樓宇1，從而降低了智能樓宇群運行成本。

5.2.2 智能樓宇能量管理結果分析

本節(jié)選用場景出行概率最高的場景7 對各樓宇的功率平衡結果進行展示，功率分配優(yōu)化結果如附錄D 圖D2 所示。圖中，正值表示功耗，負值表示發(fā)電。整體對比可以看出，不同樓宇配置情況及基礎負荷存在差異，所以功率分配策略也不同。從圖D2（a）可以看出：智能樓宇1 負荷量較大但波動性不強，其積極參與了電能共享策略買入電能，但在05:00 由于充足的光伏發(fā)電量轉買為賣；同時，不斷接入的EV 也在積極消納光伏。從圖D2（b）可以看出：智能樓宇2 基礎負荷峰谷差大，由于靈活性資源匱乏，電能平衡主要通過購電完成，樓宇幾乎全天參與了電能共享的購入以降低成本；EV 集中于夜間返回充電，由于EV放電損耗成本制約及次日出行的較大能量需求，采取了延遲充電的模式；HVAC 經過優(yōu)化始終維持在溫度允許范圍的上界，由于設備分散且功率值較小因此在圖中不明顯。從圖D2（c）可以看出：智能樓宇3 負荷峰谷差大，由于期望時間范圍的約束，柔性負荷在18:00 開始工作，已盡可能在光伏發(fā)電時段運行；由于光伏發(fā)電量充足，智能樓宇在08:00—15:00 時段內提供了共享電量，10:00 時通過電能共享完成了樓宇間能源交換，剩余的光伏與外部電網(wǎng)交易。從圖D2（d）、（e）可以看出：智能樓宇4 消納風電的能力不足，接入的EV 積極吸收可再生能源；智能樓宇5 在08:00—12:00 時段積極調動儲能系統(tǒng)先充后放支撐負荷消耗，到達的EV也放電支持負荷消耗。

各樓宇在全部場景下的期望運行成本如表2 所示。通過與其他策略下的期望運行成本進行比較可知，本文所提策略能夠提高樓宇的經濟性。需要說明的是，第一階段中未考慮樓宇內部資源的調度成本以及共享損耗，所以成本低于第二階段的優(yōu)化結果。

表2 智能樓宇能量管理成本Table 2 Energy management cost of smart buildings

5.2.3 迭代過程分析

圖4展示了場景7的共享電能出清價格，不難發(fā)現(xiàn)共享電價的趨勢與外部電價的趨勢相似，且介于外部購售電價之間，如峰電價時段14:00—19:00，共享電價約為0.8091元／（kW·h），低于市場購買電價0.82 元／（kW·h），這符合市場規(guī)則。顯然DSG 算法能夠合理出清電能共享交易過程，樓宇也能因共享電價保證其經濟利益。

圖4 電能共享的出清電價Fig.4 Clearing price of electrical power for energy sharing

場景7 的全時段共享電量的迭代平衡過程如附錄D 圖D3（a）所示，由圖可見當?shù)螖?shù)達到75次時電能共享交易已經基本實現(xiàn)收斂。場景7 在15:00 的共享電量迭代收斂結果如附錄D 圖D3（b）所示。圖中：智能樓宇2、4、5 在15:00 的共享購買功率匯聚至45.569 5 kW，智能樓宇1 的共享購入功率匯聚至109.3668 kW，智能樓宇3的共享售出功率匯聚至246.107 1 kW。因此，本文利用DSG 算法可以實現(xiàn)分布式計算的快速平衡，各時段的收斂結果清晰可見。

5.2.4 可再生能源就地消納分析

為了量化樓宇群對可再生能源的就地消納率，本文建立由式（49）表示的就地消納指標，經過共享交易后的剩余可再生能源被視作非消納部分。在上層優(yōu)化階段，時段內可再生能源發(fā)電功率超出負荷及EV 消納的部分為返送電網(wǎng)的剩余能源。經過下層優(yōu)化后，時段內可再生能源發(fā)電功率超出負荷及共享的部分為返送電網(wǎng)的剩余能源。

不同策略下樓宇群的可再生能源消納率如表3所示。由表可見，隨著移動儲能共享策略及樓宇共享策略的實施，樓宇群的可再生能源利用效率不斷提升，由不考慮移動性不共享策略至移動儲能共享結合樓宇間共享的策略轉變，可再生能源就地消納效率由83.63%提高至89.13%，提高了5.5%。受限于共享網(wǎng)絡的損耗，智能樓宇4 為保證經濟性，共享剩余的風電通過與外部電網(wǎng)交易解決。

表3 不同策略下可再生能源的就地消納情況Table 3 Local consumption of distributed renewable energy under different strategies

6 結論

本文提出了一種基于EV 移動儲能共享的智能樓宇群協(xié)調優(yōu)化方法，建立了考慮移動儲能特性的EV 充放電負荷模型。算例仿真表明，本文所提的模型和策略能促進樓宇能源互補，提高可再生能源利用效率。本文所得主要結論如下。

1）基于EV移動儲能特性的有益表現(xiàn)，實現(xiàn)了需求側靈活性潛力的挖掘。所提出的移動儲能充放電模型能處理EV多行程場景下的全局優(yōu)化問題，拓寬了需求側資源交互運行問題的研究場景。

2）首次將EV 移動儲能特性與電能共享策略相結合，提出了一種考慮EV移動儲能共享的樓宇群兩階段協(xié)調調度優(yōu)化模型，該模型可優(yōu)化樓宇能源的互補，同時保證樓宇優(yōu)化的自治性。

3）本文采用的DSG 算法能夠有效地解決分布式電能共享供需平衡的問題。由算例分析的結果可以看出，EV 的移動儲能特性能夠促進能源互補，降低樓宇群對主網(wǎng)的依賴性，提高可再生能源的利用效率。

隨著樓宇資源配置的豐富及內部資源運行特性差異的擴大，樓宇內用戶的用能偏好將趨于多元化且不容忽視。為了進一步提高可再生能源利用效率，未來應從不同時間尺度、不同靈活性資源獨特運行特性的視角，結合用戶用能偏好對樓宇群的協(xié)調優(yōu)化問題進行研究。

附錄見本刊網(wǎng)絡版（http：//www.epae.cn）。