基于分層分組的電動汽車負荷二次調(diào)頻控制策略研究

馬曉磊,段鵬飛,李中偉,白子揚,陸浩維

(1.國網(wǎng)新疆電力有限公司,新疆 烏魯木齊 830000;2.國網(wǎng)新疆電力有限公司檢修公司,新疆 烏魯木齊 830000;3.哈爾濱工業(yè)大學電氣工程及自動化學院,黑龍江 哈爾濱 150001)

0 引言

電動汽車是電力系統(tǒng)的一種新式負荷,具有儲能特性好、靈敏度高和數(shù)量龐大等優(yōu)點。電動汽車不僅是環(huán)保的出行用具,而且能夠給電力系統(tǒng)帶來形式多樣的備用容量。目前,電動汽車參與電力系統(tǒng)調(diào)頻方面有數(shù)量眾多的文獻,研究成果較為豐富。文獻[1]考慮電動汽車充電負荷的時間和空間不確定性,提出1種融合電網(wǎng)、天氣、車輛、充電設(shè)施等多源信息的,考慮用戶出行行為和充電需求的電動汽車充電負荷時空分布預(yù)測模型。文獻[2]提出利用巴特沃斯濾波器對調(diào)頻信號作一定處理,將所得頻率較高部分應(yīng)用在電動汽車上,由當前電池荷電狀態(tài)(state of charge,SOC)決定如何對功率作出調(diào)整,并通過構(gòu)建仿真模型對所提方案進行驗證。文獻[3]提出1種考慮配電網(wǎng)堵塞情況下的集群電動汽車參與二次調(diào)頻措施。該措施不僅能夠讓電動汽車利用好自身的儲能優(yōu)勢,而且不會給配電網(wǎng)帶來不利影響。

現(xiàn)有研究很少顧及電動汽車參與調(diào)頻時,電池運行狀態(tài)變化對電池使用年限的影響,在控制電池的充電功率時同樣很少顧及電動汽車所屬者的充電需求。

針對上述研究的不足,本文在確定電動汽車參與二次調(diào)頻基本參數(shù)基礎(chǔ)上,充分考慮電池運行狀態(tài)變化對電池使用年限的影響以及電動汽車所屬者的充電需求,將電動汽車按照K-Means聚類方法進行聚類分組。本文提出基于分層分組的電動汽車二次調(diào)頻控制策略和基于優(yōu)先隊列的調(diào)頻容量分配方案。

1 電動汽車參與二次調(diào)頻控制架構(gòu)

當電動汽車參與電力系統(tǒng)二次調(diào)頻時,如采用減少充電功率的方法或者向電網(wǎng)輸送缺額電能的方法,則需要數(shù)量龐大的電動汽車。管理部門若需要對城市內(nèi)的每輛電動汽車進行單獨調(diào)控,則控制工作量大且過程復(fù)雜。針對上述問題,本文設(shè)計了分層式控制系統(tǒng)。電動汽車參與系統(tǒng)調(diào)頻分層式控制架構(gòu)如圖1所示。

圖1 電動汽車參與系統(tǒng)調(diào)頻分層式控制架構(gòu)

電動汽車參與系統(tǒng)調(diào)頻分層式控制架構(gòu)具體包括3層。

①第一層為區(qū)域電網(wǎng)能量管理系統(tǒng)與電動汽車參與系統(tǒng)調(diào)頻管理系統(tǒng)。該層對每個發(fā)電廠的輸出電能與電動汽車的電池運行狀態(tài)進行調(diào)控,使電力系統(tǒng)達到功率平衡狀態(tài),并使電能質(zhì)量達到較高水平。在當今電力系統(tǒng)中存在2種發(fā)電機組,分別是自動發(fā)電控制(automatic generation control,AGC)機組和非AGC機組[4]。非AGC機組出力受到發(fā)電安排制約。AGC機組能夠依據(jù)當前指令,無需人為參與就可以改變出力[5]。實際應(yīng)用中,電動汽車負荷群可近似實現(xiàn)AGC機組的功能。

②第二層為停車場與充電站負荷聚合商。聚合商包括停車場電動汽車負荷聚合商和充電站電動汽車負荷聚合商。該層起到承上啟下的作用,能對電動汽車負荷的運行狀態(tài)作出及時調(diào)控。這可以減少其與電動汽車之間相互交換的數(shù)據(jù),使調(diào)控與通信的性能達到較高水平。

③第三層為電動汽車充電樁及其控制系統(tǒng)。該控制系統(tǒng)不僅能響應(yīng)上層調(diào)控命令,而且可以采集調(diào)頻過程中電動汽車負荷狀態(tài)的各項指標。這些指標包括電動汽車電池蘊含電能量、車主不使用電動汽車期間所布置的希望電動汽車電池蘊含電能量、不使用的時限等。該控制系統(tǒng)將上述指標匯總上傳至上層負荷聚合商。

2 電動汽車參與二次調(diào)頻控制策略

2.1 電動汽車參與二次調(diào)頻基本參數(shù)分析

電動汽車連接電網(wǎng)時具有不確定性,因此對于電動汽車的連接時刻與所期望的充電水平不能作出準確無誤的判斷。本文設(shè)定15 min為1個區(qū)間段,將1 d拆分成96個區(qū)間段。在每個區(qū)間段的起點與終點收集全部入網(wǎng)的電動汽車參數(shù),如當前電池所含電能、充電功率等,同時對電動汽車進行分組。

在電動汽車負荷參與電力系統(tǒng)二次調(diào)頻時,要將車主的使用需要放在首位,然后才決定是否參與調(diào)頻。因此,本文按照電動汽車負荷群的電池電能和充電功率量的大小對電動汽車進行相應(yīng)分組。如果電動汽車當前SOC高于車主期待值,則該電動汽車能夠?qū)崿F(xiàn)在不影響車主用車需求的情況下參與對電網(wǎng)的調(diào)頻;如果電動汽車當前SOC沒有達到期待值,在空閑的時間內(nèi)可通過向電動汽車提供電能以使其達到車主的期待值。此電動汽車負荷可視為可控負荷,在滿足車主期待值的條件下參與電網(wǎng)調(diào)頻。如果電動汽車當前電能不足,即使在停車狀態(tài)下不進行人為干預(yù)充電,也無法達到車主設(shè)置的期待值,則該電動汽車負荷不可以參與調(diào)頻過程。電動汽車電能量變化是動態(tài)的過程,所以每隔15 min,調(diào)控系統(tǒng)會統(tǒng)計1次電動汽車電能含量,從而作出在下個15 min內(nèi)其應(yīng)運行在哪種狀態(tài)的決策,以達到避免電動汽車過充的目的。控制過程依據(jù)式(1)作出相關(guān)決策。

(1)

式中:evi為電動汽車負荷;Si為電動汽車負荷此刻電池電能的含量;Sqi為電動汽車負荷期待的SOC;tzi為電動汽車負荷停車駐留的時間;Pi為電動汽車負荷此刻充電功率;EV1為電動汽車負荷可向電網(wǎng)輸送的電能組;EV2為需要提高電動汽車負荷充電的功率組;EV3為無法改變電動汽車負荷充電的功率組。

美國輔助服務(wù)市場對AGC信號作出劃分,將其分為高速動態(tài)信號與低速動態(tài)信號。前者適合各類受控負荷響應(yīng),后者適合參與調(diào)頻的傳統(tǒng)機組[6]。常規(guī)機組參與二次調(diào)頻經(jīng)常依賴于低階濾波器,以降低區(qū)域控制偏差(area control error,ACE)信號中的噪聲,并將改善后的ACE信號用于調(diào)控發(fā)電機組出力。如果分解ACE信號,將所得頻率較高部分分配給電動汽車負荷群,不但能讓電動汽車在響應(yīng)AGC信號的過程中不存在過度充電與放電的情況,而且能夠盡量降低轉(zhuǎn)動慣量較大的發(fā)電機在響應(yīng)快速信號的情況下,給汽輪機閥門與調(diào)速器帶來的不利影響[7]。

傳統(tǒng)二次調(diào)頻控制策略利用比例積分控制器對ACE信號作出處理,并由低通濾波器處理得到調(diào)頻信號。電動汽車負荷群負責對頻率較高并且轉(zhuǎn)變較快的部分作出回應(yīng)。傳統(tǒng)機組負責對頻率較低的部分作出回應(yīng)。低通濾波器的傳遞函數(shù)為[8]:

(2)

式中:ω為信號頻率;n為濾波器階數(shù);ωc為截止頻率。

電動汽車對實時性要求比較高,能夠及時對頻率較高部分作出回應(yīng),因而使系統(tǒng)頻率質(zhì)量達到較高水平[9]。

2.2 K-Means聚類算法對電動汽車的負荷聚類

在以往電動汽車參與電力系統(tǒng)調(diào)頻的控制策略研究中,研究重點是調(diào)控單輛電動汽車,且容量分配的統(tǒng)計期限較長。此外,電動汽車充電行為具有較大不確定性,沒有因人而異制定不同方案,電動汽車參與調(diào)頻的容量未得到合理分配。為了彌補上述不足,在電動汽車即將參與系統(tǒng)調(diào)頻時,本文選擇K-Means聚類算法對電動汽車作出聚類處理。

聚類算法是1種多維度統(tǒng)計算法,能夠根據(jù)輸入樣本的不同特征,對輸入樣本作分類處理。其中,K-Means聚類算法結(jié)構(gòu)清晰簡單,輸出結(jié)果比較理想,是1種無需人為干預(yù)的算法。本文對電動汽車負荷群基于蒙特卡洛法進行仿真,并對其采用基于K-Means的聚類分析方法。

①在電動汽車負荷群之間任意選擇1個負荷樣本為初始樣本中心,逐個測定負荷樣本和最近1個聚類中心之間的距離。本文設(shè)具有n維參數(shù)的電動汽車負荷表達式為[xa1,xa2,…,xan]。其標準化處理如式(3)所示。

(3)

2個參數(shù)之間的距離如式(4)所示。

(4)

②在篩選出多個聚類中心之前,不斷執(zhí)行步驟①。

③按照距離最小的聚類中心歸類全部的電動汽車負荷,輸出對應(yīng)的聚類分組。

④完成聚類之后,得出每組聚類的平均值,相應(yīng)聚類的新聚類中心即為計算所得結(jié)果。

眾多電動汽車負荷參數(shù)中,電動汽車負荷此刻SOC、此刻充電功率、預(yù)期SOC以及電動汽車負荷停留的時間,對電動汽車負荷的作用較為明顯。

2.3 電動汽車負荷調(diào)頻容量分配

①計算電動汽車負荷可用調(diào)頻容量。

不同類型汽車能夠供給的調(diào)頻容量存在差異,所以有必要對不同類型汽車進行單獨計算。本文假設(shè)功率流動的非負方向為電網(wǎng)向電動汽車輸送電能。當高頻事件出現(xiàn)在系統(tǒng)時,EV1和EV2電動汽車負荷群可以供給的調(diào)頻容量最大值如式(5)所示。

(5)

式中:Pmax為電動汽車負荷的最大充電功率;Cap1為出現(xiàn)高頻事件時EV1可以供給調(diào)頻容量的上限;Cap2為發(fā)生高頻事件時EV2可以供給調(diào)頻容量的上限。

根據(jù)相同的分析過程,當?shù)皖l事件出現(xiàn)在系統(tǒng)時,電動汽車負荷群可以供給調(diào)頻容量的最大值的計算如式(6)所示。

(6)

式中:Cal1為出現(xiàn)低頻事件時EV1可以供給調(diào)頻容量的上限。

②電動汽車負荷調(diào)頻容量的分配。

調(diào)度中心向電動汽車負荷聚合商下達調(diào)控指令。指令任務(wù)是需要負荷聚合商在時間段t內(nèi)向調(diào)度中心供給調(diào)頻容量。此時共有N輛電動汽車能夠被負荷聚合商用于調(diào)頻。本文利用聚類算法,對這些可以被利用的電動汽車作出聚類。其中:隸屬EV1的電動汽車負荷聚合組共有N1輛電動汽車;隸屬EV2的電動汽車負荷聚合組共有N2輛電動汽車。在t所屬的時間劃分開始時,需完成對每輛電動汽車相關(guān)參數(shù)的統(tǒng)計。

當高頻事件發(fā)生時,聚鏑增大EV2所轄電動汽車負荷聚合組的充電功率,并向個別EV1所轄電動汽車負荷聚合組輸送電能。當?shù)皖l事件發(fā)生時,聚鏑讓個別EV1所轄電動汽車負荷聚合組向電網(wǎng)輸送電能,并累加全部EV1電動汽車負荷聚合組所能提供的調(diào)頻備用容量。如果這一累加的結(jié)果無法匹配系統(tǒng)調(diào)頻要求,則迅速減少EV2電動汽車負荷聚合組的充電功率。

一般而言,聚合組參與調(diào)頻的形式多樣,既可以是單一形式,又可以是組合形式。為減小電池的運行狀態(tài)不斷變化對電池使用年限產(chǎn)生的不利影響,本文提出基于負荷聚合組的控制策略。在處理不同的調(diào)頻事件時,即使電動汽車負荷所在分組相同也無法供給相同的調(diào)頻容量。在處理高頻事件時,電動汽車負荷聚合組若含有較高的容量,則該組在處理低頻事件時反而具有相對更少的容量,其調(diào)頻容量在處理高低頻事件上體現(xiàn)了互補特性。根據(jù)不同聚合組之間調(diào)頻容量存在差異這一特性,需使調(diào)頻容量較為充裕的調(diào)頻組滿容量參與調(diào)頻,以此減少電動汽車電池運行狀態(tài)的變化率。

當?shù)皖l事件發(fā)生時,若此刻需要的調(diào)頻備用容量比被選用的調(diào)頻組可以供給的調(diào)頻備用容量低,則配給其分組中的調(diào)頻備用容量的計算如式(7)所示。

(7)

式中:u1為系統(tǒng)此刻要求的調(diào)頻備用容量;S1,i為EV1中第i輛電動汽車電池中電能的狀態(tài);S1,iq為EV1中第i輛電動汽車負荷希望的SOC;γ1,i為第i輛電動汽車負荷調(diào)頻信號系數(shù);u1,i為EV1中第i輛電動汽車負荷調(diào)頻容量;u2,i為EV2中第i輛電動汽車負荷調(diào)頻容量;P2,i為EV2中第i輛電動汽車負荷此刻充電功率。

γ1,i為針對不同電動汽車負荷電池容量的差異,將基準定為其中電池容量較大的電動汽車負荷。將剩余電動汽車負荷電池容量除以基準容量,并作歸一化處理的歸一化計算式為:

(8)

式中:E1,i為EV1中第i輛電動汽車負荷電池容量;EB為選擇的標準電動汽車負荷電池容量。

當高頻事件發(fā)生時,若此刻盈余需要的調(diào)頻備用比被選用的調(diào)頻小組所能提供的調(diào)頻備用低,則其分組中的調(diào)頻備用容量分配如式(9)所示。

(9)

式中:ζ為電動汽車負荷電池中電能含量的最大值。

通過式(9),更大的調(diào)頻任務(wù)將會被安排給可提供較大調(diào)頻容量的電動汽車負荷。電動汽車負荷有幾率因容量分配的問題發(fā)生過度充電的情況,從而導(dǎo)致此刻SOC無法達到用戶所預(yù)設(shè)的值。因此,需要按照式(10)對容量分配設(shè)置附加約束。

(10)

式中:P1,ikmax為EV1中電動汽車負荷向電網(wǎng)輸送電能的最大值;P1,icmax為EV1中電動汽車負荷充電功率的最大值;P1,icmin為EV2中電動汽車負荷充電功率的最小值;P2,icmax為EV2中電動汽車負荷充電功率的最大值;S2,iq為EV2中電動汽車預(yù)期SOC。

為使調(diào)頻效果處于較高水準,由于功率損失存在于電池充放電過程中,本文假定電池承擔功率損失。電動汽車電池SOC的計算如式(11)所示[10]。

(11)

式中:S1,i0為EV1中電動汽車的最初SOC;S2,i0為EV2中電動汽車的最初SOC;ηc為充電過程中的效率;ηd為放電過程中的效率。

在某個時間段內(nèi)的電動汽車負荷參與二次調(diào)頻控制策略流程如圖2所示。

圖2 電動汽車負荷參與二次調(diào)頻控制策略流程圖

3 算例分析

本文提出的電動汽車參與二次調(diào)頻的電力系統(tǒng)機組-負荷模型如圖3所示。

圖3 電力系統(tǒng)機組-負荷模型

本文依據(jù)提出的電動汽車參與二次調(diào)頻控制策略,對電動汽車作出分組、聚合和控制。負荷擾動模型如圖4所示。

圖4 負荷擾動模型

機組選擇非再熱式汽輪機組模型。發(fā)電機-負荷模型用一階慣性環(huán)節(jié)模擬。本文依據(jù)恒定頻率控制(flat frequency control,FFC)方式形成ACE信號。系統(tǒng)仿真參數(shù)如下。

系統(tǒng)基準容量為500 MW;系統(tǒng)基準頻率為50 Hz;發(fā)電機慣性常數(shù)為20 M/s;負荷阻尼系數(shù)為1;調(diào)差系數(shù)為0.01;調(diào)速器時間常數(shù)為0.4 Tg/s;汽輪機時間常數(shù)為0.6 Tch/s;機組爬坡為0.05 pu/min;比例積分控制器參數(shù)為P=1、I=0.3;ACE計算時間常數(shù)為2 s;低通濾波器時間常數(shù)為90;ACE死區(qū)為0.005 pu;電動汽車通信時延為1 Te/s;頻率偏差因子為21。

為了兼顧理論研究所需的硬件條件和時間條件,仿真試驗所采用電動汽車負荷接入時間和相應(yīng)的充電需求的隨機生成模型是簡化后的模型。理論上,只要生成的電動汽車數(shù)量足夠大,則所生成的隨機分布曲線相差不大。為了把仿真時間控制在3 h之內(nèi),在仿真時設(shè)電動汽車總量為4 000臺。當前SOC起始值服從[0.4,0.9]的均勻分布,預(yù)期SOC服從正態(tài)分布N(0.7,0.05),且最大值為0.85、最小值為0.55。電動汽車電池容量及功率的參數(shù)來源于全美家庭電動汽車的相關(guān)資料。電動汽車具體參數(shù)如下。

電池容量為30 kWh;充電效率為0.9;放電效率為0.9;充電樁最大充放電功率為7 kW。

根據(jù)參數(shù),能夠計算出誤差平方和受K-means聚類算法k值的影響程度。當k=4時,對應(yīng)聚類分組的參數(shù)特性能夠被電動汽車負荷聚類中心充分體現(xiàn)。因此在仿真驗證中,本文設(shè)定k值為4。

為了證明系統(tǒng)頻率控制動態(tài)特性受到所提控制策略的影響,本文對以下3種控制策略進行對照分析。

策略1:僅常規(guī)AGC機組參與系統(tǒng)調(diào)頻,電動汽車不參與。

策略2:使用所提控制策略讓電動汽車參與系統(tǒng)調(diào)頻。

策略3:有電動汽車參與,但不用聚類分組對電動汽車作出處理,只作平均調(diào)配調(diào)頻容量的處理。其中,頻率較低的分量(周期不低于90 s)占79.7%。

3種控制策略對比如圖5所示。

圖5 3種控制策略對比

經(jīng)過對比可知,不包含電動汽車的控制策略的調(diào)頻效果不如包含電動汽車的控制策略的調(diào)頻效果。由于使用策略2頻率波動更低,故使用電動汽車負荷作為電力系統(tǒng)調(diào)頻的一部分能夠很好地改善系統(tǒng)頻率特性。

電動汽車提供的調(diào)頻容量曲線如圖6所示。

圖6 電動汽車提供的調(diào)頻容量曲線

由圖6可知,電動汽車電池運行狀態(tài)改變的次數(shù)并不是無限制的,當投入較多容量參與一次頻率事件調(diào)頻后,電動汽車負荷無法迅速脫離當前頻率事件,即無法及時向另一事件提供調(diào)頻容量。但是電動汽車負荷參與系統(tǒng)二次調(diào)頻的出力沒有過多的損失。這證明了在參與電力系統(tǒng)調(diào)頻方面所提控制策略可行。

為證明所提控制策略對電動汽車電池充放電狀態(tài)改變的有效性,本文給出的采用不同調(diào)頻控制策略、同一初始SOC的電動汽車負荷SOC變化曲線如圖7所示。

圖7 電動汽車負荷SOC變化曲線

經(jīng)過對比可得,在實現(xiàn)相同調(diào)頻成效的條件下,按照所提控制策略參與電力系統(tǒng)二次調(diào)頻時,電動汽車負荷的電池運行狀態(tài)變化率較小。這能延長電動汽車負荷電池的使用年限。

4 結(jié)論

本文提出了對電動汽車負荷使用K-Means聚類算法進行聚類分組并對單獨分組進行控制的方法;在闡述電動汽車調(diào)頻容量在不同頻率事件下特征的基礎(chǔ)上,給出了基于優(yōu)先隊列的調(diào)頻容量分配方案以及計算電動汽車可用調(diào)頻容量的方法;提出了基于分層分組的電動汽車負荷二次調(diào)頻控制策略,降低了電池的運行狀態(tài)不斷變化對電池使用年限的影響。對所提控制策略采用無連接區(qū)域電力系統(tǒng)調(diào)頻模型的仿真驗證結(jié)果表明,在參與電力系統(tǒng)二次調(diào)頻時,該控制策略有較大優(yōu)勢。本文的研究成果可以在一定程度上促進電動汽車這一特定負荷在電力系統(tǒng)調(diào)頻領(lǐng)域的推廣與應(yīng)用。基于本文的下一步工作是研究電動汽車與空調(diào)、熱水器、電暖器等溫控負荷協(xié)同參與電力系統(tǒng)調(diào)頻的控制策略。

電動汽車以其電池這種容性負荷參與電力系統(tǒng)調(diào)頻,具有總體儲能量大、控制相對簡單和響應(yīng)速度快等優(yōu)點,可以較好地平抑風電、光伏發(fā)電的波動性和隨機性,并與其他類型負荷形成互補。電動汽車參與電力系統(tǒng)調(diào)頻在國外已有應(yīng)用案例。隨著我國新型電力系統(tǒng)的發(fā)展,其在國內(nèi)市場具有廣闊的發(fā)展?jié)摿Α８鶕?jù)目前的研究與應(yīng)用現(xiàn)狀,電動汽車在未來一段時間內(nèi)可先在小型微網(wǎng)建立試點工程,以點帶面,從而擴展規(guī)模直至推廣到全國。