考慮用戶和電網(wǎng)雙向需求的充電樁優(yōu)化配置研究

孫 敬

(南京長江都市建筑設(shè)計(jì)股份有限公司, 江蘇 南京 210001)

0 引 言

在中國提出雙碳戰(zhàn)略背景下,電動(dòng)汽車(EV)因其低碳環(huán)保、與民眾生活方式關(guān)系密切等特點(diǎn),受到了國家的大力扶持[1]。隨著EV用戶的逐漸增多,EV充電樁的合理規(guī)劃研究得到了人們的廣泛關(guān)注。同時(shí),EV充電樁除了能夠直接滿足EV用戶的用電需求外,在電網(wǎng)側(cè)還具有促進(jìn)EV對(duì)新能源消納,進(jìn)而提高系統(tǒng)調(diào)節(jié)能力的作用[2]。因此,研究EV充電樁的優(yōu)化配置對(duì)用戶和電網(wǎng)均具有重要意義。

目前,國內(nèi)外學(xué)者對(duì)EV充電樁的規(guī)劃研究多集中在選址定容方面。文獻(xiàn)[3-4]站在EV用戶用電需求的角度,通過建立用戶充電需求模型與EV充電反饋模型,進(jìn)行用戶出行與充電需求的交互分析,實(shí)現(xiàn)對(duì)EV充電設(shè)施選址定容的優(yōu)化布局;文獻(xiàn)[5-6]對(duì)EV接入配電網(wǎng)后的運(yùn)行安全性進(jìn)行分析研究,提出了考慮配電網(wǎng)接納能力的EV充電樁選址定容優(yōu)化布局方法。

現(xiàn)有文獻(xiàn)多立足于EV用戶用電需求或配電網(wǎng)安全運(yùn)行視角,較少同時(shí)考慮兩者之間的需求交互關(guān)系,特別是未考慮在以分布式發(fā)電、儲(chǔ)能技術(shù)為發(fā)展基礎(chǔ)下的新型電力系統(tǒng)中,EV到電網(wǎng)技術(shù)對(duì)新能源消納、配電網(wǎng)能量管理的作用,片面追求先前提出的完成“車樁比例1∶1”的預(yù)設(shè)目標(biāo)[7],造成供需不匹配,資源嚴(yán)重浪費(fèi)的結(jié)果。

因此,本文以EV集群、分布式光伏(DPV)、儲(chǔ)能系統(tǒng)(ESS)以及基本負(fù)荷的區(qū)域電網(wǎng)為研究對(duì)象,從用戶側(cè)和電網(wǎng)側(cè)角度對(duì)EV充電需求、配電網(wǎng)能量管理進(jìn)行建模,對(duì)綜合經(jīng)濟(jì)成本與能源利用率兩個(gè)指標(biāo)進(jìn)行綜合分析,提出了該場(chǎng)景下的EV充電樁優(yōu)化配置模型,并通過仿真算例驗(yàn)證模型的有效性。

1 基于EV充放電行為分析的用戶側(cè)需求模型

1.1 EV充放電模型

本文基于現(xiàn)有文獻(xiàn)對(duì)EV充放電行為開展研究,首先對(duì)EV接入/駛離電網(wǎng)時(shí)刻、充電時(shí)長等環(huán)節(jié)進(jìn)行數(shù)學(xué)建模。由文獻(xiàn)[8]所述,EV接入/駛離電網(wǎng)時(shí)間分布服從正態(tài)分布,其概率分布如下:

(1)

充電時(shí)長可根據(jù)EV用戶的期望荷電狀態(tài)(SOC)以及EV接入電網(wǎng)初始SOC值確定,具體見式(2):

(2)

式中:tic——第i輛EV充電所需時(shí)間;

SOCie——第i輛EV期望荷電狀態(tài);

SOCi0——第i輛EV初始荷電狀態(tài);

η——EV充放電效率。

對(duì)EV充電時(shí)刻、充電時(shí)長構(gòu)建數(shù)組,之后通過蒙特卡洛抽樣的方法得到EV日負(fù)荷充電概率曲線。EV充電負(fù)荷概率分布具有典型的峰谷特征[9],一般來說,谷值集中在03∶00—12∶00,峰值集中在17∶00—21∶00,其余時(shí)刻可視為平穩(wěn)段。根據(jù)EV用電負(fù)荷的峰谷效應(yīng),可以實(shí)現(xiàn)EV充放電策略控制。

1.2 用戶側(cè)成本

EV充電樁優(yōu)化配置對(duì)用戶造成的成本分析主要考慮EV用戶用電需求滿意度改善。其中,用戶滿意度由排隊(duì)時(shí)間損失、前往充電樁路程上的時(shí)間損失及電費(fèi)損失構(gòu)成。通過式(3)～式(6)對(duì)用戶成本進(jìn)行量化表示:

(3)

其中:

Ccost1=Tki×Cequ

(4)

Ccost2=si/v×Cequ

(5)

Ccost3=α×si×w

(6)

式中:C1——區(qū)域內(nèi)EV用戶總經(jīng)濟(jì)成本;

N——區(qū)域內(nèi)充電樁個(gè)數(shù);

Ccost1——用戶排隊(duì)經(jīng)濟(jì)損失;

Tki——用戶k時(shí)刻到達(dá)第i個(gè)充電樁需要等待的時(shí)間長度;

Cequ——用戶單位時(shí)間等效經(jīng)濟(jì)損失;

Ccost2——用戶路程時(shí)間損失;

si——用戶到達(dá)第i個(gè)充電樁的路程;

v——EV行駛速度;

Ccost3——用戶路程電費(fèi)損失;

α——行駛路程與耗電量之間的換算系數(shù);

w——每千米EV電價(jià)。

2 基于能量管理的電網(wǎng)側(cè)需求模型

2.1 儲(chǔ)能充放電建模

據(jù)參考文獻(xiàn)[10]所述,電網(wǎng)側(cè)ESS的電池單元充放電過程的SOC可表示為

(7)

式中: SOCi(t)——第i個(gè)儲(chǔ)能電池單元t時(shí)刻的荷電狀態(tài);

SOCi(t-1)——第i個(gè)儲(chǔ)能電池單元t-1時(shí)刻的荷電狀態(tài);

ηc——電池充電效率;

ηd——電池放電效率;

Sb——額定電池容量。

2.2 電網(wǎng)側(cè)成本

電網(wǎng)側(cè)作為能源供給方,需要承擔(dān)網(wǎng)絡(luò)中除EV集群各單元設(shè)施的全生命周期費(fèi)用。在本文討論場(chǎng)景下,主要包括充電樁、DPV系統(tǒng)及ESS的投資成本及運(yùn)維成本,其總支出成本由式(8)所示:

C2=(CCP1+CCP2)×N+(CPV1+CPV2)×

ρPV+(CESS1+CESS2)×ρESS

(8)

式中:C2——區(qū)域內(nèi)電網(wǎng)側(cè)總支出成本;

CCP1——單個(gè)充電樁的投資成本;

CCP2——單個(gè)充電樁的運(yùn)維成本;

N——充電樁個(gè)數(shù);

CPV1——PV單位功率的投資成本;

CPV2——PV單位功率的運(yùn)維成本;

ρPV——PV總?cè)萘?

CESS1——ESS單位功率的投資成本;

CESS2——ESS單位功率的運(yùn)維成本;

ρESS——ESS總?cè)萘俊?/p>

3 EV充電樁優(yōu)化配置模型

3.1 目標(biāo)函數(shù)

對(duì)于充電樁的布局規(guī)劃問題,一方面從提高EV用戶用電需求滿意度的角度來看,需要興建盡可能多的充電樁,這必然會(huì)導(dǎo)致電網(wǎng)側(cè)經(jīng)濟(jì)成本的提高;另一方面從控制支出成本的同時(shí)盡可能提高新能源利用率的角度來看,充電樁的建設(shè)數(shù)量維持在必要水平即可,這又會(huì)導(dǎo)致用戶滿意度下降。因此,本文同時(shí)兼顧用戶及電網(wǎng)雙邊需求,選取總經(jīng)濟(jì)成本最小化及新能源利用率最大化作為目標(biāo)函數(shù)。

3.1.1 總經(jīng)濟(jì)成本

用戶側(cè)與電網(wǎng)側(cè)在經(jīng)濟(jì)成本方面的訴求是一致的,即最小化自身支出水平。假設(shè)經(jīng)濟(jì)層面雙方具有同等重要性,目標(biāo)函數(shù)為總經(jīng)濟(jì)成本最小化,如式(9)所示:

minf1=C1+C2

(9)

式中:C1——1.2節(jié)分析所得的用戶側(cè)總成本;

C2——1.3節(jié)分析所得的電網(wǎng)側(cè)總成本。

3.1.2 新能源利用率

本文討論的情景為分布式發(fā)電主導(dǎo)電網(wǎng),因此EV充電樁優(yōu)化配置的另一重要目標(biāo)是提高電網(wǎng)側(cè)的新能源利用率。工作原理為EV充電樁可視為一靈活儲(chǔ)能單元,通過調(diào)整EV充放電策略對(duì)充電樁進(jìn)行優(yōu)化配置,同時(shí)聯(lián)合網(wǎng)絡(luò)內(nèi)電池ESS,實(shí)現(xiàn)對(duì)系統(tǒng)能量的精細(xì)化管理,其目的是最大化新能源利用率,即最小化系統(tǒng)功率缺額。目標(biāo)函數(shù)如式(10)所示:

(10)

3.2 約束條件

優(yōu)化模型通常包括狀態(tài)變量約束和決策變量約束兩類?；诒疚膽?yīng)用場(chǎng)景,考慮系統(tǒng)內(nèi)各單元的變量約束和決策變量約束條件如下。

3.2.1 狀態(tài)變量約束

狀態(tài)變量約束主要包括EV用戶充電需求約束、ESS電池SOC約束及DPV出力約束,具體約束條件如式(11)～式(14)所示:

(11)

SOCmin≤SOC(t)≤SOCmin

(12)

SOC(t)=SOC(t+T)

(13)

0≤PPV(t)≤ρPV

(14)

Qj——第j輛EV的每日需求電量;

SOCmin——儲(chǔ)能電池荷電狀態(tài)上限;

SOCmax——儲(chǔ)能電池荷電狀態(tài)下限;

SOC(t+T)——以T為周期的荷電狀態(tài)。

3.2.2 決策變量約束

決策變量約束主要指電網(wǎng)側(cè)各單元設(shè)施的配置總預(yù)算約束:

C2≤Cbud

(15)

式中:Cbud——電網(wǎng)側(cè)成本總預(yù)算。

3.3 求解算法

本文為同時(shí)兼顧用戶與電網(wǎng)需求,對(duì)應(yīng)用在分布式發(fā)電主導(dǎo)電網(wǎng)中的EV充電樁進(jìn)行優(yōu)化配置。在滿足區(qū)域內(nèi)基礎(chǔ)負(fù)荷的條件下同時(shí)考慮EV的充電需求,即滿足區(qū)域內(nèi)負(fù)荷總需求,通過調(diào)整EV充電策略來精細(xì)化管理區(qū)域內(nèi)EV充電樁、ESS及DPV的能量交換過程,在滿足以上約束條件下通過尋優(yōu)兩個(gè)目標(biāo)函數(shù)得到EV充電樁的合理配置。

本文采用多目標(biāo)進(jìn)化算法:基于位移密度估計(jì)的強(qiáng)度帕累托進(jìn)化算法(SPEA2+SDE)求解該模型,其優(yōu)點(diǎn)在于SPEA2+SDE算法所得Pareto前沿比傳統(tǒng)算法的收斂性和多樣性更好[11-12]?；赟PEA2+SDE的充電樁優(yōu)化配置流程圖如圖1所示,其中具體迭代規(guī)則詳見文獻(xiàn)[11],本文不再贅述。

圖1 基于SPEA2+SDE的充電樁優(yōu)化配置流程圖

4 算例分析

4.1 算例描述

本文通過某以分布式光伏發(fā)電為主導(dǎo)的區(qū)域電網(wǎng)為例,驗(yàn)證所提模型的有效性。假設(shè)該區(qū)域內(nèi)EV集群數(shù)量為35輛,每輛EV電池容量為35 kW,充放電功率為3.3 kW,ESS最大容量為1 500 kW,充放電功率為容量的0.25倍,EV和儲(chǔ)能設(shè)備的充放電效率均為0.85,其余經(jīng)濟(jì)指標(biāo)數(shù)據(jù)均由文獻(xiàn)[13]得到,為簡(jiǎn)化計(jì)算,討論式(9)時(shí)忽略ESS與DPV的一次性投資成本。考慮到本文的應(yīng)用場(chǎng)景,假設(shè)該區(qū)域光伏出力能夠滿足總負(fù)荷需求。

4.2 充電樁優(yōu)化配置模型驗(yàn)證

基于本文所提的EV充電樁優(yōu)化配置模型,充電樁優(yōu)化配置模型Pareto最優(yōu)解集如圖2所示。需要說明的是,多目標(biāo)優(yōu)化問題求解結(jié)果為Pareto最優(yōu)解集,為能夠給生產(chǎn)實(shí)際提供指導(dǎo),本文采用模糊決策法確定最優(yōu)折衷解,求解方法詳見文獻(xiàn)[11],本文不再贅述。

圖2 充電樁優(yōu)化配置模型Pareto最優(yōu)解集

由圖2可知,充電樁的優(yōu)化配置會(huì)對(duì)總經(jīng)濟(jì)成本與新能源利用率產(chǎn)生明顯影響。雖然充電樁配置數(shù)量的增多會(huì)增加總經(jīng)濟(jì)成本,但在一定范圍內(nèi)會(huì)大幅提高新能源利用率,其原因在于增大了EV集群接入系統(tǒng)容量,提高了系統(tǒng)的調(diào)節(jié)能力。但配置數(shù)量超過一定限度時(shí),充電樁數(shù)量的增加對(duì)新能源利用率的提升將會(huì)變得有限。

4.3 EV充電無控制策略下結(jié)果比較

本文對(duì)EV充電無控制策略下充電樁優(yōu)化配置的影響進(jìn)行對(duì)比探析,EV充電無控制策略下Pareto最優(yōu)解集如圖3所示。有無EV充電控制策略下充電樁優(yōu)化配置對(duì)比如表1所示。

圖3 EV充電無控制策略下Pareto最優(yōu)解集

由圖3可知,EV充電無控制策略下充電樁配置數(shù)量的需求明顯提升,進(jìn)而造成經(jīng)濟(jì)成本的提高,并且在相同數(shù)量充電樁配置下,EV充電無控制策略相較于有控制策略情況下,新能源利用率明顯降低。這是因?yàn)?EV充電有控制策略會(huì)對(duì)1.1節(jié)中提到的EV負(fù)荷的峰谷特征產(chǎn)生削弱作用,降低電網(wǎng)的峰谷差率,提高系統(tǒng)的能量管理水平,進(jìn)而提高系統(tǒng)的新能源利用率。

表1 有無EV充電控制策略下充電樁優(yōu)化配置對(duì)比

由表1可知,有無EV充電控制策略求得的充電樁最優(yōu)配置有較大差別。對(duì)EV充電進(jìn)行策略控制,可以減少充電樁的配置數(shù)量,進(jìn)而明顯降低經(jīng)濟(jì)成本。

5 結(jié) 語

本文基于對(duì)用戶側(cè)和電網(wǎng)側(cè)雙邊需求考慮提出了一種在分布式發(fā)電主導(dǎo)電網(wǎng)下的EV充電樁優(yōu)化配置模型。通過構(gòu)建考慮EV用戶充電行為的用戶側(cè)需求模型和考慮能量管理的電網(wǎng)側(cè)需求模型,明確兩者間的利益與矛盾;基于上述分析確定以總經(jīng)濟(jì)成本最小化與新能源利用率最大化的目標(biāo)函數(shù),并分析該應(yīng)用場(chǎng)景下各構(gòu)成單元的約束條件;最后采用多目標(biāo)進(jìn)化算法SPEA2+SDE求解本文所提模型。通過仿真算例,驗(yàn)證了模型的有效性。本模型可以為生產(chǎn)實(shí)踐中該應(yīng)用場(chǎng)景下的EV充電樁優(yōu)化配置提供相關(guān)決策指導(dǎo)。