基于彈性優(yōu)化機制的社區(qū)負荷EV分群優(yōu)化策略

段俊東，黃泓葉，王帥強

(河南理工大學 電氣工程與自動化學院，河南 焦作 454003)

隨著化石能源的日益枯竭，全球開始積極推進可再生能源的發(fā)展[1-2]。人們對新能源的普遍關注拓展了電動汽車(Electric-Vehicle，EV)的銷售市場，提高了EV的使用率。但在EV高滲透的社區(qū)，車輛的無序充電不僅加劇了電網(wǎng)峰谷差[3]，車輛的負荷特性還會對電網(wǎng)造成沖擊，影響電網(wǎng)運行的安全性[4]，具體表現(xiàn)為配電網(wǎng)峰谷差增大、電網(wǎng)電能質量水平降低等[5-6]。在車輛到電網(wǎng)(Vehicle-to-Grid，V2G)技術的背景下，EV的應用場景得到了轉換。通過控制EV合理充放電能夠在一定程度上緩解負荷尖峰問題。文獻[7]提出以滿足調峰需求和用戶經(jīng)濟效益的多目標EV優(yōu)化調度方案，協(xié)調優(yōu)化了客戶和系統(tǒng)，滿足了運營商峰值負載控制需求。文獻[8]考慮了居民峰谷分時電價背景下的日負荷曲線，提出了包含功率限制的居民EV有序充放電策略。文獻[9]提出了基于用戶需求的居民小區(qū)EV充放電優(yōu)化控制策略，有效防止了變壓器過載，降低了小區(qū)峰值。文獻[10]考慮了天氣因素對V2H微網(wǎng)調度影響，建立了源荷聯(lián)動數(shù)學模型。文獻[11]提出了一種V2G和G2V的協(xié)調模型，以家庭和工作區(qū)域為執(zhí)行單位來優(yōu)化負荷。文獻[12]提出了一種基于PEV功率調度的平滑居民負荷用電負荷曲線的監(jiān)控策略。文獻[13]基于分時電價提出了動態(tài)非合作博弈的主從博弈模型，以分時電價為主體引導EV參與入網(wǎng)優(yōu)化。文獻[14]提出EV分群優(yōu)化的調度策略，該策略根據(jù)車輛的不同狀況劃分車群，分配可調控車群入網(wǎng)調峰。

事實上，若將EV僅作為調度載體則降低了EV的可用度。上述文獻在制定相關策略時較少考慮車輛出行需求。針對上述問題，本文提出了基于彈性優(yōu)化機制的社區(qū)負荷EV分群優(yōu)化策略。該策略以EV返程時刻為標準來劃分社區(qū)序列，并考慮了車主意愿及車主的用車需求，與用戶簽訂具有彈性限度的合約，并通過分群調控EV充放電計劃來優(yōu)化各社區(qū)序列負荷。仿真結果表明，該策略的實施使得社區(qū)負荷曲線更加平滑，滿足了用戶用車需求，減少了用戶費用支出，提升了調峰的靈活性。

1 問題引入

EV無序充電時段容易疊加基礎負荷峰值時間，進一步加劇負荷尖峰量[15]。通過Monte Carlo法模擬EV無序充電對家庭負荷的影響結果如圖1所示。

圖1 EV無序充電對家庭負荷的影響

由圖可知，在EV無序充電負荷的影響下，相較于EV無序充電前，當日家庭負荷峰谷差增加了約2.66%。從社區(qū)層面來看，若社區(qū)內的EV進行大規(guī)模無序充電會增加社區(qū)的負荷量，若對其不加以控制，將嚴重影響電網(wǎng)的穩(wěn)定運行。因此，以家庭為單位劃分社區(qū)負荷序列，模塊化管理社區(qū)并與用戶達成合作協(xié)議，采用V2G技術調控EV有序充放電，可分散、獨立優(yōu)化社區(qū)各序列負荷，從局部降低社區(qū)負荷整體峰谷差，具有一定的現(xiàn)實意義。

2 基于彈性優(yōu)化機制的社區(qū)負荷EV分群優(yōu)化策略

2.1 社區(qū)序列和EV車輛序列的建立

當社區(qū)的EV數(shù)量較多且無法準確預估車輛返程時間時，對車輛進行集中統(tǒng)一管理的難度較大。本文遵循車主的出行規(guī)律，以EV返程時間為標準將社區(qū)和EV劃分多個管理序列，并通過社區(qū)序列模塊化管理對應歸屬的EV序列。通過分析美國家庭交通出行調查數(shù)據(jù)后發(fā)現(xiàn)，可用以下概率密度函數(shù)來表示EV返程時刻[16]

(1)

式中，t為返程時刻；μs=17.6；σs=3.4。對應的返概率分布如圖2所示。

圖2 返程概率分布

EV的日行駛距離會隨著用車情況的不同而產(chǎn)生顯著的差異，但可用以下概率密度函數(shù)進行預估

(2)

式中，σD=3.2；μD=0.88。該概率密度函數(shù)如圖3所示。

圖3 日行駛距離概率分布

基于圖2所示的概率分布情況，社區(qū)序列的劃分如圖4所示。其中，EV序列由與對應序列號相同的社區(qū)負荷序列進行管控。

圖4 社區(qū)負荷和EV序列

2.2 獲取車輛信息及社區(qū)負荷信息

當EV未返回小區(qū)充電時，電網(wǎng)側需要預測EV的充電能量需求，并通過預測的能量需求計算EV可分配的電池容量，進而制定EV的充放電計劃和供電計劃。具體操作步驟為：

步驟1根據(jù)EV的出行規(guī)律及充電站的歷史充電記錄來預測各時刻EV返程車輛數(shù)目，記為n；

步驟2電網(wǎng)側根據(jù)預測信息序列號將當前車輛序列號記為x=[x1，x2，…，xn]。此外，電網(wǎng)側預測該時刻車輛當前電池剩余可用容量，記為E=[E1，E2，…，En]；

步驟3電網(wǎng)側根據(jù)上述信息預劃分如圖4所示的社區(qū)負荷序列和車輛序列。同時，電網(wǎng)側根據(jù)社區(qū)負荷序列的歷史負荷信息預測各社區(qū)負荷序列的負荷γ=[γ1，γ2，…，γn]，并做好供電規(guī)劃。

2.3 EV分群與用戶合約簽訂

對于有意愿參與本文所提策略的用戶，電網(wǎng)側依據(jù)用戶意愿簽訂車輛和家庭合約，通過車輛的充放電調控家庭用電負荷量并予以車主放電獎勵；對于不愿參加策略的用戶，電網(wǎng)側依然需要保證車輛的充電需求。根據(jù)車主是否參與策略，在電網(wǎng)側預劃分序列的基礎上，將車輛重新劃分為策略響應車群和普通車群，并進行獨立管控。本文設社區(qū)用戶車輛數(shù)為N，簽約人數(shù)為N1，則簽約率m=N1/N。對于簽約的用戶，電網(wǎng)提供兩種合約可供用戶選擇。

2.3.1 合約A

(1)考慮到用戶早用車需求，合約A在保證一定的合約執(zhí)行時間下，允許用戶在早用車時刻解約。設用戶早用車時刻為e1，用戶返程時刻為s1，即用戶在s1時刻返程，在e1時刻有意愿解約，則用戶解約后該車輛對應社區(qū)負荷序列下的家庭一并解除合約，并分離出當前社區(qū)負荷序列，該家庭負荷同樣計及至社區(qū)負荷序列。其中，1≤s1

(2)設用戶返程時刻為s2，規(guī)定解約時刻記為e2，當?shù)竭_規(guī)定解約時間時簽約用戶可自行解約。同時，電網(wǎng)側需要預留未簽約用戶車輛的充電量，但未簽約用戶的車輛和家庭需要獨立管理并建立新的社區(qū)負荷序列和車輛序列，并由新的社區(qū)負荷序列提供該部分車輛電能需求。其中，s1≤s2

(3)為保證電網(wǎng)側利益，合約中規(guī)定未到達解約時間或解約條件，用戶不可解除合約；

(4)簽約用戶根據(jù)合約執(zhí)行過程中車輛放電調控比例獲得相應的放電獎勵。

2.3.2 合約B

(1)與合約A中的第1條相同；

(2)為滿足用戶的用車需求，規(guī)定合約執(zhí)行過程中允許用戶解約。設用戶返程時刻為s3，解約時刻e3。為了平衡電網(wǎng)側的合約執(zhí)行度和用戶的解約意愿，用戶解約需要滿足以下條件：

1)在用戶較少社區(qū)負荷序列，有解約需求的用戶在解約時刻，需經(jīng)過當前社區(qū)負荷序列預測負荷γ的臨近尖峰負荷出現(xiàn)時刻I；

2)若社區(qū)負荷序列用戶數(shù)較多，則當解約用戶車輛簽訂合約后合約最短連續(xù)執(zhí)行時間t1不小于當前EV序列合約實行前的單臺EV最長充電時間T時，有解約需求的用戶方可解約；

3)解約僅對車輛有效，用戶家庭合約執(zhí)行效度不受影響。若用戶已解約，則對應家庭合約由該社區(qū)負荷序列剩余車輛代為執(zhí)行；

(3)用戶解除合約前所獲得放電獎勵由社區(qū)負荷序列內所有用戶根據(jù)放電量比例分配；若有用戶解約，則放電獎勵由未解約用戶分配，這也是放電獎勵的分攤規(guī)則。

在策略執(zhí)行過程中，規(guī)定EV不向電網(wǎng)反向供電，EV的放電功率直接由社區(qū)負荷序列消納?；趶椥詢?yōu)化機制的社區(qū)負荷EV分群優(yōu)化策略示意圖如圖5所示。

圖5 基于彈性優(yōu)化機制的社區(qū)負荷EV分群優(yōu)化策略

2.4 策略執(zhí)行流程

根據(jù)上述優(yōu)化策略，優(yōu)化機制的實現(xiàn)流程如圖6所示。

圖6 策略流程圖

3 目標函數(shù)及運行約束

3.1 目標函數(shù)

本文分別以最小化負荷方差和用戶支出總費用最小為目標來構建多目標優(yōu)化函數(shù)。最小化負荷方差函數(shù)為

(3)

式中，P(i)和P(j)分別為社區(qū)在第i時刻和第j時刻的凈負荷功；T為時間節(jié)點數(shù)；s和e分別為優(yōu)化起止時間。

最小化費用函數(shù)為

(4)

式中，pbuy(t)為t時刻電網(wǎng)交換功率，包括家庭負荷和EV充電負荷；ipdis(t)為EV在t時刻的放電功率；Csell(t)和Cbuy(t)分別為t時刻的放電和購電價格。

3.2 EV運行約束

當社區(qū)負荷序列的EV數(shù)量較多時，各EV之間應相互協(xié)調充放電行為。本文將同社區(qū)負荷序列簽約用戶的車輛視為整體，EV整體最大充、放電功率不得超過單臺EV電池最大充、放電限度總和，且初始放電量不得超過初始時刻電池剩余電量，即

(5)

(6)

(7)

式中，N為當前社區(qū)負荷序列的車輛數(shù)；Npcha(t)和Npdis(t)為EV整體在t時刻充、放電功率；ipcha·max(t)和ipdis·max(t)為第i輛EV輸出功率上限；ipdis·ini和ipori分別為第i輛EV初始放電量與初始可用電量。

考慮到EV電池的容量限制，規(guī)定EV的最大充電量為合約實行前EV剩余可充電量，即

(8)

式中，ηi為充電站的充電效率；Ei為第i輛EV的可用容量；ipcha(t)為第i輛EV在t時刻的充電功率。

若社區(qū)負荷序列存在用戶解約的情況，則t時刻解約后的EV電池額定容量為未解約用戶車輛的額定容量總和

(9)

式中，Erest(t)和iEori(t)分別為t時刻EV整體電池總容量及第i輛EV電池額定容量；M為未解約用戶數(shù)，且M

為了延長電池使用壽命，剩余EV的電池的荷電量應保證在合理的范圍內

(10)

式中，iSOCmin(t)和iSOCmax(t)為第i輛EV電池最小、最大荷電量；SOCt為EV整體平均荷電量值。相關的調查和統(tǒng)計結果表明[17]，家庭EV保留30%的剩余電量即可滿足出行需求，因此本文將iSOCmin設為0.3。同時，為防止電池過充，本文將iSOCmax(t)設為0.95。若初始時刻SOC(t)小于0.3，大于t時刻的SOC值應處于式(10)的范圍內。

單臺EV電池剩余電量計算式如下

(11)

式中，iSOC(t)為第i輛EV在t時刻的SOC值；iηcha、iηdis和Δt分別為第i輛EV的充電效率、放電效率和單位時間間隔。

當存在用戶解約情況時，解約時刻剩余車輛平均SOC(t)為

(12)

式中，kSOC(t)為第k輛EV解約時在t時刻的SOC值；kpcha(t)和kpdis(t)為第k輛EV解約時在t時刻的充放電功率；kηcha和kηdis為第k輛解約的EV充放電效率。

EV電池充放電需要保持互斥性原則，即

Sdis+Scha+Sstatic=1

(13)

Sdis，Scha，Sstatic∈{0，1}

(14)

式中，Sdis、Scha、Sstatic表示放電狀態(tài)、充電狀態(tài)和電池靜置狀態(tài)，且屬于0-1變量。

3.3 功率平衡約束

當用戶參與合約，電網(wǎng)側應當提供該用戶家庭用電需求，如式(15)所示。

(15)

當用戶簽訂合約并在執(zhí)行過程中，EV應與電網(wǎng)協(xié)調平衡社區(qū)負荷序列的功率需求

(16)

式中，s、e為電網(wǎng)側供電起止時間；ipbuy(t)為社區(qū)負荷序列各家庭交換功率；ipLoad(t)為t時刻社區(qū)負荷序列各家庭負荷。

電網(wǎng)交換功率不應該超過母線最大傳輸功率

(17)

式中，pnet·max(t)為t時刻母線最大傳輸功率。

4 基于Monte Carlo的充電負荷需求預測

面對大規(guī)模車輛充電需求預測問題，采用一般的方法較難解決，但采用Monte Carlo法可通過對車輛出行特性概率模型進行分析，建立出行特性和充電負荷需求的聯(lián)系，在一定程度上能夠滿足充電負荷的預測要求。采用Monte Carlo法的預測流程如圖7所示。

圖7 基于Monte Carlo法的充電負荷需求預測流程

5 算例驗證

5.1 算例背景

本文以某地社區(qū)114戶家庭典型夏季負荷為算例來驗證本文策略，共設置3個合約場景，其中場景1～場景3分別對應合約A執(zhí)行場景、合約B執(zhí)行場景及合約A和B聯(lián)合執(zhí)行場景，并通過MATLAB 2020a在Yalmip平臺上調用Gurobi 9.1.1對模型求解。本文EV型號引用文獻[18]，車輛參數(shù)如表1所示。

表1 某品牌EV參數(shù)

本文購電電價采用文獻[7]提供的夏季電價，并假設EV充、放電價格相同。電價如表2所示。

表2 購電價格

本文的仿真參數(shù)設定為：e1=7，e2=e3=24，m=M/N=0.7，iηcha和iηdis均為0.9，Δt為1 h。

5.2 算例結果分析

5.2.1 合約場景1仿真結果分析

合約場景1的仿真結果如圖8所示。在該合約場景中，不簽約的用戶不參與V2G放電，但電網(wǎng)側需要滿足該部分車輛的充電需求。在EV充電量相同的情況下，圖8所示的社區(qū)負荷序列綜合負荷曲線表明，在合約場景1實行前，在EV無序充電負荷的影響下，社區(qū)基礎負荷疊加EV無序充電負荷使社區(qū)總負荷峰值達到5 500 kW，峰谷差率達67.19%。合約場景1實行后，在當日12∶00之前，由于返程車輛較少，用戶合約執(zhí)行效果不明顯，使得社區(qū)負荷轉移量較少；當日12∶00后，隨著返程車輛的增加，合約執(zhí)行效果顯著提升，社區(qū)負荷量有明顯降低，當日社區(qū)負荷峰谷差率降至63.45%；負荷在20∶00峰值轉移量最大，為1 088.8 kW，單日平均每小時轉移負荷約105.916 5 kW，整體峰谷差轉移率為3.74%，說明執(zhí)行本文提出的策略后可有效平滑負荷曲線，降低了尖峰負荷量。

圖8 合約場景1實行前后社區(qū)負荷

除了負荷峰谷差有所改善，本文對合約場景1實行前后的費用支出情況也進行了分析。表3顯示，合約場景1實行后，當日社區(qū)各負荷序列用戶費用支出率平均降低約10.80%，通過EV放電所得收益使得用戶總體節(jié)省約10 730.5元的費用，平均每戶節(jié)省約49.55元。

表3 合約場景1實行前后用戶費用

5.2.2 合約場景2仿真結果分析

合約場景2仿真結果如圖9所示。在EV具有相同充電量的前提下，在合約場景2實行前，社區(qū)基礎負荷疊加EV無序充電負荷其負荷峰谷差率達到67.19%；合約場景2實行后，當日10∶00后小區(qū)負荷水平有明顯的下降，并于當晚的20∶00負荷轉移量達到最大，為1 115.5 kW，負荷峰谷差率為64.31%，峰谷差較合約實行前降低約2.87%，平均每小時負荷轉移量為108.400 5 kW，有效降低了社區(qū)負荷水平。

圖9 合約場景2實行前后社區(qū)負荷

在負荷峰谷差改善的同時，用戶的支出費用也有所降低。合約場景2實行前后費用支出情況如表4所示。

表4 合約場景2實行前后用戶費用

合約場景2實行后，社區(qū)各序列用戶費用率平均降低約5.23%，用戶費用總支出減少約13 957.72元，平均減少約55.05元，用電費用有所降低。

5.2.3 合約場景3仿真結果分析

面對社區(qū)用戶用車需求的不同，用戶合約的簽訂也將有所差異。實際情況中，在合約可供用戶選擇時，文中兩種合約發(fā)揮不同的效度。同時實行兩種合約不僅可有效增加策略的彈性限度，適應不同需求的用戶，還將有助于提升用戶的響應度。在合約場景3中，假設合約簽約率m仍為0.7且合約A與合約B的簽約用戶分別占簽約用戶總數(shù)的50%，用戶根據(jù)自身的需求選擇不同的合約。圖10表明，在EV充電量一定的情況下，在合約場景3實行前社區(qū)峰谷差率為67.19%，而合約場景3實行后，社區(qū)峰谷差降至62.15%，峰谷差率減小了約5.04%，并且在20∶00的峰值量轉移最大，轉移負荷量為1 029 kW，實現(xiàn)了負荷削峰的目的。

圖10 合約場景3實行前后社區(qū)負荷曲線

在負荷波動得到有效改善的同時，通過實行合約場景3，用戶的支出費用也得到明顯的減少。較合約場景3實行前，合約實行后用戶總支出費用降低12 766.1元，平均每戶降低約112元，費用平均減少率為10.55%。

表5 合約場景3實行前后用戶費用

6 結束語

本文提出了基于彈性優(yōu)化機制的社區(qū)負荷EV分群優(yōu)化策略，該策略包含具有一定彈性限度的合約A與合約B。合約A側重考慮用戶收益，合約B側重考慮用戶用車需求。通過分群管控社區(qū)EV，并根據(jù)用戶意愿與用戶簽訂合約，以EV策略響應車群為調度載體，聯(lián)合電網(wǎng)側來優(yōu)化各社區(qū)負荷序列，從局部降低社區(qū)整體負荷峰谷差。對3種不同合約場景實行后的結果分析表明，本文提出的策略能夠在平滑社區(qū)負荷曲線的同時降低用戶費用，提高了電網(wǎng)的可靠性和EV的可用度。