張 謙 蔡家佳 劉 超，2 李春燕

(1.輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點實驗室(重慶大學(xué)) 重慶 400044 2.華潤置地(重慶)有限公司 重慶 400050)

?

基于優(yōu)先權(quán)的電動汽車集群充放電優(yōu)化控制策略

張 謙1蔡家佳1劉 超1，2李春燕1

(1.輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點實驗室(重慶大學(xué)) 重慶 400044 2.華潤置地(重慶)有限公司 重慶 400050)

為實現(xiàn)電動汽車代理商與電動汽車之間的互動策略，針對目前電動汽車與電網(wǎng)互動存在的問題，計及電動汽車用戶用車便利性，建立了基于優(yōu)先權(quán)的電動汽車集群充放電優(yōu)化模型。論文分析了電動汽車各項申報信息對代理商制定策略的影響，建立電動汽車評價指標(biāo)體系，以電動汽車申報容量和時段、誠信度及電池損耗為評價指標(biāo)，基于熵權(quán)法確定電動汽車調(diào)度優(yōu)先權(quán)。電動汽車代理商根據(jù)調(diào)度機構(gòu)制定的調(diào)度計劃，確定所轄區(qū)域電動汽車具體優(yōu)化調(diào)度方案。通過算例仿真，表明該方法能夠綜合考慮電動汽車多項指標(biāo)對調(diào)度策略的影響，可有效實現(xiàn)調(diào)度機構(gòu)為代理商擬定的調(diào)度計劃。

電動汽車代理商與電動汽車互動 調(diào)度優(yōu)先權(quán) 最優(yōu)充放電計劃 控制策略

0 引言

電動汽車規(guī)?；瘧?yīng)用并接入電網(wǎng)必將對電網(wǎng)的運行和控制帶來新的機遇和挑戰(zhàn)。對汽車行駛行為模式的研究表明，大多數(shù)家用汽車全年96%左右的時間處于停駛狀態(tài)[1]。因此，可通過電動汽車與電網(wǎng)互動(Vehicle-to-Grid，V2G)技術(shù)[2]來實現(xiàn)電動汽車與電網(wǎng)雙向互動。

為了解決電動汽車分布分散、數(shù)量大和管理困難等特點，文獻[3]提出了電動汽車集群(Electric Vehicle Aggregator)的概念，也叫電動汽車代理商。它是指一定數(shù)量的電動汽車的聚集體，具有一定規(guī)模的可調(diào)度負荷和儲能容量，將成為電動汽車充電控制和參與電力市場的重要形式。至此，V2G調(diào)度逐漸由電網(wǎng)直接調(diào)度向分級調(diào)度轉(zhuǎn)換，其示意圖如圖1所示。其中一級調(diào)度中心實現(xiàn)電動汽車代理商與電網(wǎng)(Aggregator-to-Grid，A2G)之間的調(diào)度，二級調(diào)度中心實現(xiàn)電動汽車與電動汽車代理商(Vehicle-to-Aggregator，V2A)之間的調(diào)度。

圖1 電動汽車與電網(wǎng)互動分級調(diào)度示意圖Fig.1 Schematic diagram of the V2G hierarchical scheduling

目前，國內(nèi)外對V2G調(diào)度問題的研究，幾乎都是針對一級調(diào)度，且主要集中在以下3方面：①計及V2G的機組組合研究。R.J.Bessa等[3]探討了現(xiàn)有體系結(jié)構(gòu)下電動汽車并網(wǎng)問題，并初步分析了V2G控制下的系統(tǒng)規(guī)劃問題；A.Y.Saber等[4]構(gòu)建了計及電動汽車充放電行為的機組組合模型，以實現(xiàn)系統(tǒng)的運行成本和碳排放成本最低，并進一步研究了風(fēng)電和太陽能發(fā)電等新能源發(fā)電對調(diào)度的影響[1，5]；張舒等[6]將電動汽車換電站引入傳統(tǒng)機組組合問題中，計及了換電站的充放電效率、電量平衡和滿足日換電需求的最小儲能等約束，提出換電站與電網(wǎng)互動的機組組合模型。②計及V2G的輔助服務(wù)研究。傳統(tǒng)電力系統(tǒng)通過調(diào)節(jié)發(fā)電機出力，提供調(diào)頻、調(diào)峰及備用等輔助服務(wù)，而通過V2G控制也可達到相同效果，甚至更優(yōu)[7，8]。③V2G與可再生能源協(xié)同調(diào)度研究。通過充電控制，實現(xiàn)充電負荷對可再生能源出力變化的跟蹤，平抑可再生能源波動并促進電網(wǎng)對其的消納[5，9，10]。H.Lund等[11]認為利用V2G技術(shù)可靈活地安排電動汽車的充電時間，使其與風(fēng)能和太陽能等潔凈能源供電的隨機性對應(yīng)，以此避免潔凈能源的浪費。

上述研究僅給出電動汽車總體的充放電安排，尚未將控制分解到每輛電動汽車[12]。實際上，每輛電動汽車申報的可調(diào)度時段和容量不盡相同，如不采取適當(dāng)控制策略，可能出現(xiàn)部分電動汽車在可調(diào)度時段并未參與調(diào)度，或電動汽車在部分時段集中調(diào)度，而其他時段出現(xiàn)供不應(yīng)求的現(xiàn)象。故必須進一步研究電動汽車集群的充放電優(yōu)先級問題，確定各電動汽車最優(yōu)充放電時段，使電動汽車可用容量得到更加充分合理的利用，才能有效實現(xiàn)V2G調(diào)度。

此外，目前的研究通常主觀假定調(diào)度模型中V2G的可用容量為固定值，并能夠滿足調(diào)度需求[13，14]，且大多是以對電動汽車的直接調(diào)度為基本假設(shè)，認為調(diào)度人員在電動汽車申報可調(diào)度時段內(nèi)可完全控制其充放電過程，未考慮電動汽車的隨機性?？紤]到電動汽車作為交通工具的主要特性，即電動汽車用戶可能違背申報計劃，突然接入或脫離電網(wǎng)，這將影響可調(diào)度容量，甚至導(dǎo)致調(diào)度計劃無法實現(xiàn)，而目前的調(diào)度模型均未考慮該問題。

本文在文獻[15]所建一級調(diào)度模型的基礎(chǔ)上，計及電動汽車用戶用車便利性，建立基于優(yōu)先權(quán)的電動汽車集群充放電優(yōu)化模型。通過分析電動汽車各項申報信息對代理商制定策略的影響，建立電動汽車評價指標(biāo)體系，以電動汽車申報容量和時段、誠信度及電池損耗為評價指標(biāo)，基于熵權(quán)法確定電動汽車調(diào)度優(yōu)先權(quán)，從而得到電動汽車代理商所轄區(qū)域電動汽車集群充放電的優(yōu)化控制策略。最后，通過微電網(wǎng)系統(tǒng)進行仿真計算，對本論文提出的方法進行驗證。

1 調(diào)度策略分析

1.1 影響調(diào)度的因素

電動汽車用戶申報互動計劃時，需要設(shè)定接入及離開電網(wǎng)的時間、離開電網(wǎng)時電池SOC上下限和申報狀態(tài)及相應(yīng)時段。理論上，電動汽車在任意時段可能既申報充電計劃，也申報放電計劃。但實際上電動汽車是根據(jù)電網(wǎng)需求申報計劃，而在某一時段，電網(wǎng)僅需要參與互動的電動汽車群充電或者放電。因此，本文假設(shè)單輛電動汽車在每個時段的申報狀態(tài)只能是充電或放電中一種，但在接入電網(wǎng)的整個時間段內(nèi)可申報不同狀態(tài)，且不要求每個時段均申報互動計劃。計及電動汽車用戶用車便利性，電動汽車可出現(xiàn)多次接入和離開電網(wǎng)的情況，申報計劃時需設(shè)定每次的互動信息。

根據(jù)以上信息，可得到該電動汽車的可調(diào)度時段和可調(diào)度容量(對于充電計劃，為用戶設(shè)定電量上限與剩余電量的差值；對于放電計劃，為剩余電量與用戶設(shè)定電量下限的差值)。其中，電量上下限可根據(jù)電動汽車用戶所設(shè)定的離開電網(wǎng)時電池SOC上下限及電動汽車的電池容量計算得到。電動汽車代理商接收的信息還應(yīng)包括電動汽車電池損耗(與電池壽命相關(guān)，隨著電池損耗增加，可調(diào)度電量降低)。在申報可調(diào)度時段內(nèi)，用戶需接入電網(wǎng)以供調(diào)度。電動汽車代理商應(yīng)建立每輛電動汽車的歷史互動數(shù)據(jù)庫，包含每輛電動汽車的歷史申報可調(diào)度時段、可調(diào)度容量及歷史實際被調(diào)度情況。

針對電動汽車用戶用車便利性問題，本文中基于模糊數(shù)學(xué)理論，將“誠信度”引入可調(diào)度容量計算，定義電動汽車用戶參與調(diào)度的“誠信”為其模糊集，δ(x)表示其隸屬函數(shù)。若電動汽車按申報計劃接入和離開電網(wǎng)，則電動汽車誠信隸屬度(以下簡稱誠信度)為1；若電動汽車在計劃外突然接入或突然脫離電網(wǎng)，設(shè)定其隸屬度函數(shù)δ(x)為申報容量與計劃外容量(脫離電網(wǎng)缺失的可用容量)之差與其申報容量的比值。定義用戶誠信度為

(1)

根據(jù)電動汽車誠信度，將電動汽車申報容量按照一定的規(guī)則計入電動汽車代理商的可用容量，如圖2所示，其中ρ為用戶誠信度。誠信度很高時(大于ρ2)，申報容量全部計入可用容量；誠信度過低時(小于ρ1)，申報容量不計入可用容量；其他情況下(誠信度位于區(qū)間[ρ1，ρ2])，申報容量按誠信度比例計入可用容量。

圖2 用戶申報容量計入可用容量規(guī)則Fig.2 Estimated principles of available capacity

1.2 電動汽車集群調(diào)度策略

對于某一時段而言，每輛電動汽車只能實現(xiàn)負荷或出力中一種狀態(tài)。電動汽車代理商統(tǒng)計分析用戶信息后，根據(jù)電動汽車誠信度、可調(diào)度時段、可調(diào)度容量和電池損耗等確定各電動汽車的調(diào)度優(yōu)先權(quán)，并據(jù)此將電動汽車分為優(yōu)先調(diào)度、備用調(diào)度和不調(diào)度3類，如圖3所示。電動汽車代理商向優(yōu)先調(diào)度類電動汽車發(fā)送調(diào)度指令，制定電動汽車最優(yōu)充放電計劃，容量需求不足時調(diào)用備用調(diào)度的電動汽車，而優(yōu)先權(quán)較低的電動汽車暫不參與調(diào)度。

圖3 電動汽車優(yōu)先權(quán)調(diào)度方案Fig.3 Priority scheduling scheme for electric vehicles

電動汽車調(diào)度優(yōu)先權(quán)與該電動汽車的剩余調(diào)度容量及剩余可調(diào)度時段相關(guān)，因此對于多時段而言，某時段的調(diào)度計劃將會影響電動汽車下一時段的調(diào)度優(yōu)先權(quán)。一級調(diào)度仍采用文獻[15]中的前提條件及方法，將電動汽車成本分成可調(diào)度容量補償成本、實際調(diào)度電量補償成本和電池損耗補償成本3部分。綜合以上信息，二級調(diào)度策略即為：根據(jù)電動汽車調(diào)度優(yōu)先權(quán)排序，以一定裕度將調(diào)度優(yōu)先權(quán)高的列入調(diào)度計劃，電動汽車代理商從中選取足夠數(shù)量的電動汽車參與互動計劃。

這里考慮電動汽車調(diào)度容量裕度，是為了防止出現(xiàn)電動汽車用戶因故用車而違背計劃，造成調(diào)度容量不足的情況。容量裕度的取值要適當(dāng)，過大將造成容量補償成本較高；過小可能造成容量不足而導(dǎo)致調(diào)度計劃無法實施。其值的設(shè)定主要與電動汽車用戶整體誠信度相關(guān)，當(dāng)用戶整體誠信度較高時，容量裕度可取較低值；當(dāng)用戶整體誠信度較低時，可取較高值。本文容量裕度取值范圍為10%～30%，可根據(jù)實際情況進行調(diào)整。

2 調(diào)度優(yōu)先權(quán)的確定

2.1 優(yōu)先權(quán)評價指標(biāo)標(biāo)準(zhǔn)化處理方法

在評價電動汽車調(diào)度優(yōu)先權(quán)之前，需要對電動汽車用戶申報信息進行標(biāo)準(zhǔn)化處理。常用的統(tǒng)計數(shù)據(jù)標(biāo)準(zhǔn)化處理方法[16]可分為直線型(極值法和標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化法)、折線型和曲線型(半升Γ型分布和半正態(tài)型分布)幾類。通常為了遵循簡單易行原則，盡量使用直線型標(biāo)準(zhǔn)化處理公式，常用公式為

(2)

式中：xij為第i個對象(本文指各電動汽車)第j項指標(biāo)；max和min為所有對象同一指標(biāo)的最大值和最小值；dij為標(biāo)準(zhǔn)化處理后的指標(biāo)。前者適用于正向指標(biāo)，后者則適用于逆向指標(biāo)，逆向指標(biāo)也可轉(zhuǎn)換為正向指標(biāo)。

2.2 優(yōu)先權(quán)評價指標(biāo)體系的建立

需要標(biāo)準(zhǔn)化處理的指標(biāo)包括用戶誠信度、電動汽車可用容量、可用時段及電池損耗。用戶初始申報可用容量應(yīng)不高于申報可調(diào)度時段內(nèi)最大可調(diào)用容量(即申報時段內(nèi)額定功率下的容量)。

對于電動汽車誠信度指標(biāo)，如果從調(diào)度機構(gòu)方便性的角度考慮，誠信度越高越優(yōu)先調(diào)度，可避免多次修改調(diào)度計劃。不過隨之產(chǎn)生的問題也不容忽視，假如誠信度較高的電動汽車在調(diào)度周期前面部分時段集中調(diào)度，勢必造成其他時段可能出現(xiàn)誠信度總體偏低情況，這將增加電動汽車代理商無法順利完成調(diào)度計劃的風(fēng)險。這里給出兩種處理方式：

1)申報計劃內(nèi)電動汽車規(guī)模較小時，為了調(diào)度策略穩(wěn)定性，確保可調(diào)度容量足夠大，用戶誠信度為逆向指標(biāo)，越小越好。

2)當(dāng)申報計劃內(nèi)電動汽車數(shù)量足夠多時，為了代理商控制便利性，用戶誠信度為正向指標(biāo)。

對于電動汽車電池損耗參數(shù)，由于電池損耗越大對實際可調(diào)度的容量影響越大，對電能傳輸效率也有影響，因而電池損耗越小越好。

對于電動汽車可調(diào)用容量和時段，不能直接采用上述公式進行處理，原因如下：假定有兩輛電動汽車，A車申報容量可供調(diào)度5個時段，且申報可調(diào)度時段數(shù)為5；B車申報容量可供調(diào)度1個時段，且申報可調(diào)度時段數(shù)為1；若直接采用式(2)處理這兩項指標(biāo)，在不考慮其他指標(biāo)的情況下，則會造成兩車的調(diào)度優(yōu)先權(quán)相差較大。而實際上，以資源充分利用為原則，兩車被調(diào)度的迫切程度相等，調(diào)度優(yōu)先權(quán)也應(yīng)該相等。顯然，這兩項指標(biāo)有一定聯(lián)系，因此對這兩個指標(biāo)需要先進行一定轉(zhuǎn)換。

定義1 可用容量比φS為電動汽車剩余可用容量與剩余可調(diào)度時段內(nèi)至多調(diào)用容量的比值，反映了電動汽車剩余可用電能在剩余申報時段內(nèi)被調(diào)用的迫切程度。當(dāng)剩余可用容量比剩余時段至多調(diào)度容量大時，可調(diào)度容量比取值1，可表示為

(3)

式中：S0和H0分別為電動汽車初始可用容量和時段數(shù)；S1和H1分別為電動汽車已被調(diào)用容量和已過去時段數(shù)；P為電動汽車充/放功率。

定義2 可用時段比φT為電動汽車剩余可調(diào)度時段數(shù)與剩余可調(diào)度容量至多調(diào)用時段數(shù)的比值，反映了電動汽車剩余申報時段內(nèi)完成剩余申報容量的程度，且可用時段比取值不小于1，即

(4)

可以看出，φS和φT呈反比關(guān)系，因此只需要關(guān)心其中一項即可，本文以可用容量比為指標(biāo)。可用容量比越大電動汽車調(diào)度優(yōu)先權(quán)越高。

綜上所述，建立如下優(yōu)先權(quán)評價指標(biāo)體系：電池損耗程度為逆向指標(biāo)，即電池損耗程度越小越優(yōu)先調(diào)度；可用容量比為正向指標(biāo)，即可用容量比越大越優(yōu)先調(diào)度；可用時段比為逆向指標(biāo)，即可用時段比越小越優(yōu)先調(diào)度；用戶誠信度為正向指標(biāo)，即誠信度越大越優(yōu)先調(diào)度。

2.3 優(yōu)先權(quán)綜合評價方法的確定

電動汽車調(diào)度優(yōu)先權(quán)是多指標(biāo)綜合評價的結(jié)果，多指標(biāo)綜合評價問題的關(guān)鍵是如何確定各指標(biāo)的權(quán)重。本文在數(shù)據(jù)標(biāo)準(zhǔn)化處理后，采用熵權(quán)法確定各指標(biāo)的權(quán)重。第j項指標(biāo)的信息熵Ej為

(5)

計算各項指標(biāo)的權(quán)重wj為

(6)

對各電動汽車調(diào)度優(yōu)先權(quán)進行綜合評價，計算公式為

(7)

3 電動汽車集群充放電計劃優(yōu)化模型

3.1 目標(biāo)函數(shù)

為了能夠滿足電網(wǎng)調(diào)度機構(gòu)給定的調(diào)度計劃，電動汽車代理商通過控制所管轄區(qū)域電動汽車充放電狀態(tài)，使其實際負荷/出力匹配調(diào)度機構(gòu)給定的計劃。因此，模型目標(biāo)函數(shù)為各電動汽車代理商管轄區(qū)域電動汽車在各時段總充放電功率與調(diào)度機構(gòu)給定調(diào)度計劃的最小差方和。對于第m個電動汽車代理商，其目標(biāo)函數(shù)可表示為

(8)

式中：Pm,n(t)為時段t電動汽車代理商m下第n輛電動汽車的實際功率；Nk,m(t)為未考慮容量裕度時代理商m時段t調(diào)度電動汽車總數(shù)；Pv,m(t)為調(diào)度機構(gòu)給定的時段t時第m個代理商的調(diào)度計劃。

除了滿足電網(wǎng)調(diào)度機構(gòu)為代理商制定的計劃外，應(yīng)當(dāng)在計及電動汽車備用裕度后，調(diào)度可靠性(即為電動汽車代理商調(diào)度計劃成功實施的概率)最高，因此，除了式(8)外，目標(biāo)函數(shù)還應(yīng)有

maxfreliability(t)=

(9)

式中：Nr,m(t)為考慮調(diào)度裕度時代理商m時段t的電動汽車需求量；i1,i2,…,iq為集合{1,2,…,nv(t)}中q個元素的組合，nv(t)為時段t含備用調(diào)度電動汽車的數(shù)量；pi0，pi1，…,pi1分別為編號i1,i2,…,iq的電動汽車用戶誠信度，且q=Nr,m(t)-Nk,m(t)。

3.2 約束條件

1)充/放電數(shù)量約束。

由于電動汽車在每個時段的申報狀態(tài)只能是充電或放電中一種，每個代理商所轄區(qū)域申報充電計劃或放電計劃的電動汽車總數(shù)量一定。電動汽車代理商實際需要調(diào)度的電動汽車數(shù)量與申報計劃的電動汽車數(shù)量滿足如下關(guān)系

(10)

2)容量約束。

每個電動汽車代理商所轄區(qū)域可調(diào)度的電動汽車容量也有限，因此

(11)

3)可調(diào)度總量約束。

由于代理商所轄區(qū)域的電動汽車總量也有限，每個代理商所能調(diào)度的電動汽車總量有上限，即

(12)

考慮裕度時電動汽車數(shù)量為

nrc,m(t)=γnc,m(t)，nrdc,m(t)=γndc,m(t)

(13)

式中：nrc,m(t)和nrdc,m(t)分別為考慮裕度時時段t電動汽車代理商m下制定充電計劃和放電計劃的電動汽車需求量；γ為裕度。

4 算例分析

以4節(jié)點2機組系統(tǒng)為例，系統(tǒng)的拓撲結(jié)構(gòu)及相關(guān)參數(shù)見附錄。各節(jié)點有功負荷如附表4所示，各節(jié)點無功負荷分別為0.199Mvar、0.235Mvar、0.194Mvar和0.158Mvar。假設(shè)參與互動的電動汽車總數(shù)為150輛，可以在節(jié)點2和節(jié)點3所代表的電動汽車代理商所轄區(qū)域充放電，且每個代理商的電動汽車數(shù)量不超過總量的70%。

以節(jié)點2為例，通過文獻[15]中的模型，可計算得到代理商2的調(diào)度優(yōu)化結(jié)果如表1所示。

表1 節(jié)點2一級調(diào)度優(yōu)化結(jié)果

選取時段9～時段11三個負荷高峰時段，采用本文提出的控制策略進行二級調(diào)度優(yōu)化。假設(shè)代理商2所轄區(qū)域內(nèi)申報供電的電動汽車總數(shù)量為20輛，其申報信息及歷史互動數(shù)據(jù)如表2所示。

表2 電動汽車申報信息及歷史互動數(shù)據(jù)

根據(jù)表2中數(shù)據(jù)及式(2)～式(4)可以得到各電動汽車指標(biāo)，其中F1為可用容量比，F(xiàn)2為誠信度，F(xiàn)3為電池損耗。時段9電動汽車指標(biāo)數(shù)值如表3所示，其中“—”表示未申報計劃。時段10和時段11的指標(biāo)數(shù)值也可用同樣方法獲得。

表3 時段9各電動汽車指標(biāo)

對于每個時段，僅對計劃內(nèi)(申報了該時段互動計劃且有剩余可調(diào)度容量)的電動汽車確定調(diào)度優(yōu)先權(quán)，各電動汽車指標(biāo)根據(jù)式(2)標(biāo)準(zhǔn)化之后的決策矩陣結(jié)果見表4，其中“—”表示未在計劃內(nèi)。

表4 時段9初始決策矩陣標(biāo)準(zhǔn)化結(jié)果表

根據(jù)式(5)和式(6)得到各指標(biāo)信息熵Ej和權(quán)重wj如表5所示。

表5 時段9各指標(biāo)信息熵和權(quán)重

根據(jù)式(7)即可得到各電動汽車優(yōu)先調(diào)度權(quán)并排序，各時段根據(jù)優(yōu)先權(quán)由高到低依次調(diào)度，代理商各電動汽車優(yōu)先權(quán)及排序如表6所示。用前述調(diào)度策略進行調(diào)度，當(dāng)不考慮備用時，只需根據(jù)目標(biāo)函數(shù)式(8)的結(jié)果確定調(diào)度計劃具體控制電動汽車的充放電行為，9、10、11三個時段電動汽車調(diào)度計劃見表7。其中1表示被調(diào)度，0表示未被調(diào)度，“—”表示未申報該時段調(diào)度計劃，T1、T2和T3分別代表9、10、11三個時段。

表8分析了各電動汽車的申報容量及被調(diào)度情況，其中S0為申報容量，S1為調(diào)度容量。

對比表2中電動汽車申報信息，可發(fā)現(xiàn)完全未被調(diào)用的電動汽車(編號為3、5、7、9、10)至少有兩項指標(biāo)偏低，且除電動汽車9外，其余誠信度均未超過0.5，電池損耗均在10%以上；未完全被調(diào)用的電動汽車(編號為15、17、18、19)有一項或以上指標(biāo)較差，影響了綜合評價值；完全被調(diào)用的電動汽車各項指標(biāo)較好且較為均衡。因此，調(diào)度結(jié)果較好地反映了用戶申報信息的情況，可實現(xiàn)電動汽車集群的充放電優(yōu)化控制策略。

在考慮備用時，需要同時考慮目標(biāo)函數(shù)一和目標(biāo)函數(shù)二。假設(shè)電動汽車遵守計劃的概率服從正態(tài)分布N(0.85,0.12)， 考慮電動汽車裕度為10%時，含備用的調(diào)度結(jié)果如表9所示。

表6 各電動汽車優(yōu)先調(diào)度權(quán)及排序

表7 3個時段電動汽車調(diào)度計劃

表8 各時段電動汽車容量調(diào)度情況

表9 含裕度為10%的調(diào)度計劃

考慮電動汽車裕度分別為0%、10%、20%和30%時，各時段調(diào)度計劃可靠性如表10所示。對比4種情形可發(fā)現(xiàn)，當(dāng)不考慮裕度時，各時段代理商調(diào)度可靠性非常低，隨著備用調(diào)度的電動汽車規(guī)模增加，代理商調(diào)度可靠性也隨之增加，該算例中當(dāng)備用達到30%時，各時段調(diào)度可靠性均超過90%。4種備用情形下，時段11的擬調(diào)度電動汽車數(shù)量均為3輛，故可靠性沒有變化。

表10 4種情況下的調(diào)度可靠性

當(dāng)數(shù)量達到一定規(guī)模時，考慮一定裕度更加適合各代理商制定調(diào)度計劃。當(dāng)電動汽車規(guī)模較大時，由于調(diào)度需求較大，備用的電動汽車數(shù)量相對較多，更加利于改善調(diào)度可靠性。

5 結(jié)論

本文針對電動汽車集群的充放電控制策略，以多指標(biāo)綜合評價法中的熵權(quán)法為基礎(chǔ)，建立基于電動汽車優(yōu)先調(diào)度權(quán)的最優(yōu)充放電調(diào)度模型。該模型充分考慮了電動汽車用戶的申報容量、申報時段、電池損耗及歷史互動情況，分析了各項指標(biāo)對調(diào)度優(yōu)先權(quán)的影響，并建立電動汽車調(diào)度優(yōu)先權(quán)評價指標(biāo)體系，根據(jù)熵權(quán)法計算各項指標(biāo)的客觀權(quán)重及調(diào)度優(yōu)先權(quán)。最后通過算例，對V2G調(diào)度模型進行分析驗證，對比調(diào)度結(jié)果可看出，該模型可有效為電動汽車代理商制定合適的充放電控制計劃，驗證了本文提出的電動汽車集群充放電優(yōu)化模型的可行性和有效性。

附 錄 算例數(shù)據(jù)

附圖1 4節(jié)點系統(tǒng)拓撲結(jié)構(gòu)圖App.Fig.1 Topologic structure of the 4-bus system

支路編號首節(jié)點末節(jié)點阻抗(pu)電抗(pu)電納(pu)潮流上限/MW1120.010080.05040.102552130.007440.03720.077563240.007440.03720.077584340.012720.06360.12757

附表2 4節(jié)電系統(tǒng)負荷及電壓參數(shù)

附表3 4節(jié)電系統(tǒng)發(fā)電機參數(shù)

附表4 4節(jié)點系統(tǒng)各時段節(jié)點負荷數(shù)據(jù)

[1] Saber A Y，Venayagamoorthy G.K.Resource scheduling under uncertainty in a smart grid with renewables and plug-in vehicles[J].IEEE Systems Journal，2012，6(1)：103-109.

[2] 劉曉飛，張千帆，崔淑梅.電動汽車V2G 技術(shù)綜述[J].電工技術(shù)學(xué)報，2012，27(2)：121-127. Liu Xiaofei，Zhang Qianfan，Cui Shumei.Review of electric vehicle V2G technology[J].Transactions of China Electrotechnical Society，2012，27(2)：121-127.

[3] Bessa R J，Matos M A.Economic and technical management of an aggregation agent for electric vehicles：a literature survey[J].European Transactions on Electrical Power，2012，22(3)：334-350.

[4] Saber A Y，Venayagamoorthy G K.Intelligent unit commitment with vehicle-to-grid-A cost emission optimization[J].Journal of Power Sources，2010，195(3)：898-911.

[5] Saber A Y，Venayagamoorthy G K.Plug-in vehicles and renewable energy sources for cost and emission reductions[J].IEEE Transactions on Industrial Electronics，2011，58(4)：1229-1238.

[6] 張舒，胡澤春，宋永華，等.考慮電動汽車換電站與電網(wǎng)互動的機組組合問題研究[J].中國電機工程學(xué)報，2012，32(10)：49-55. Zhang Shu，Hu Zechun，Song Yonghua，et al.Research on unit commitment considering interaction between battery swapping station and power grid[J].Proceedings of the CSEE，2012，32(10)：49-55.

[7] Kempton W，Tomic J，Letendre S，et al.Vehicle-to-grid power：battery，hybrid，and fuel cell vehicles as resources for distributed electric power in California[EB/OL].2001[2013-10-23].http：//www.udel.edu/V2G/docs/V2G-Cal-2001.pdf.

[8] Gage T B.Development and evaluation of a plug-in HEV with vehicle-to-grid power flow[R].Sacramento：CA.AC Propulsion，2003.

[9] Liu C，Wang J，Botterud A，et al.Assessment of impacts of PHEV charging patterns on wind-thermal scheduling by stochastic unit commitment[J].IEEE Transactions on Smart Grid，2012，3(2)：675-683.

[10]Khodayar M E，Wu L，Shahidehpour M.Hourly coordination of electric vehicle operation and volatile wind power generation in SCUC[J].IEEE Transactions on Smart Grid，2012，3(3)：1271-1279.

[11]Lund H，Kempton W.Integration of renewable energy into the transport and electricity sectors through V2G[J].Energy Policy，2008，36(9)：3578-3587.

[12]王錫凡，邵成成，王秀麗，等.電動汽車充電負荷與調(diào)度控制策略綜述[J].中國電機工程學(xué)報，2013，33(1)：1-10. Wang Xifan，Shao Chengcheng，Wang Xiuli，et al.Survey of electric vehicle charging load and dispatch control strategies[J].Proceedings of the CSEE，2013，33(1)：1-10.

[13]劉文霞，趙天陽，邱威，等.規(guī)?；疎V充電與風(fēng)力/火電發(fā)電系統(tǒng)協(xié)調(diào)運行[J].電工技術(shù)學(xué)報，2013，28(5)：49-57. Liu Wenxia，Zhao Tianyang，Qiu Wei，et al.Coordinated operation of large scale electric vehicles charging with wind-thermal power system[J].Transactions of China Electrotechnical Society，2013，28(5)：49-57.

[14]項頂，宋永華，胡澤春，等.電動汽車參與V2G的最優(yōu)峰谷電價研究[J].中國電機工程學(xué)報，2013，33(31)：15-25. Xiang Ding，Song Yonghua，Hu Zechun，et al.Research on optimal time of use price for electric vehicle participating V2G[J].Proceedings of the CSEE，2013，33(31)：15-25.

[15]張謙，劉超，周林，等.計及可入網(wǎng)電動汽車最優(yōu)時空分布的雙層經(jīng)濟調(diào)度模型[J].電力系統(tǒng)自動化，2014，38(20)：40-45. Zhang Qian，Liu Chao，Zhou Lin，et al.A bi-level economy dispatch model considering temporal and spatial optimal distribution of electric vehicles[J].Automation of Electric Power Systems，2014，38(20)：40-45.

[16]張立軍，袁能文.線性綜合評價模型中指標(biāo)標(biāo)準(zhǔn)化方法的比較與選擇[J].統(tǒng)計與信息論壇，2010，25(8)：10-15. Zhang Lijun，Yuan Nengwen.Comparison and selection of index standardization method in linear comprehensive evaluation model[J].Statistics & Information Forum，2010，25(8)：10-15.

Optimal Control Strategy of Cluster Charging and Discharging of Electric Vehicles Based on the Priority

ZhangQian1CaiJiajia1LiuChao1，2LiChunyan1

(1.State Key Laboratory of Power Transmission Equipment & System Security and New Technology (Chongqing University) Chongqing 400044 China 2.China Resources Land (Chongqing) Company Limited Chongqing 400050 China)

Considering the problems of (vehicle-to-grid) V2G scheduling and electric vehicle users’ convenience，an optimization model of cluster charging and discharging of electric vehicles based on the priority is presented to achieve the interactive strategies of vehicle-to-aggregator (V2A).This paper analyzes the influence of declaring information on aggregator’s strategies and establishes the evaluation index system for electric vehicles，which takes reporting capacity，time，battery depletion and integrity as the indices.Then the scheduling priority of electric vehicles based on the entropy method is determined.Aggregator can determine the local optimized scheduling scheme according to the schedule plan made by the scheduling organization.The simulation results show that the impact of multiple indices of electric vehicles on scheduling strategy are considered and the scheduling plan provided by the scheduling organization for the aggregator can be obtained through the proposed method.

Vehicle-to-aggregator，scheduling priority，optimal charge and discharge plan，control strategy

國家高技術(shù)研究發(fā)展 (863)計劃(2011AA05A110)、國家自然科學(xué)基金(51247006)和中央高?；究蒲袠I(yè)務(wù)費專項資金(CDJZR13150075，CDJXS12151105)資助項目。

2014-12-07 改稿日期2015-04-03

TM714

張 謙 女，1980年生，博士，副教授，碩士生導(dǎo)師，研究方向為電力市場與電力系統(tǒng)安全經(jīng)濟運行、電動汽車與電網(wǎng)互動技術(shù)。

蔡家佳 男，1991年生，碩士研究生，研究方向為電動汽車與電網(wǎng)互動技術(shù)。