涂軼昀

(上海電力學(xué)院 電氣工程學(xué)院, 上海 200090)

?

基于實(shí)時電價的多目標(biāo)電動汽車控制策略

涂軼昀

(上海電力學(xué)院 電氣工程學(xué)院, 上海 200090)

在實(shí)時電價的電力市場機(jī)制下,綜合考慮了電網(wǎng)側(cè)和電動汽車車主雙方利益,建立了電動汽車群接入電網(wǎng)后的控制模型.該模型以電動汽車群接入電網(wǎng)后負(fù)荷曲線峰谷差最小及電動汽車車主收益最大為優(yōu)化目標(biāo),并以電池充放電功率和可用容量為約束條件,采用粒子群算法進(jìn)行了優(yōu)化求解,得出了電動汽車群與電網(wǎng)的交互功率曲線.最后,通過仿真實(shí)例驗(yàn)證了所建構(gòu)模型的正確性和有效性.

電動汽車; 實(shí)時電價; 多目標(biāo)控制策略

隨著各國對環(huán)境問題的日益重視,PM2.5污染物的重要組成部分——汽車尾氣,成為治理的重點(diǎn).電動汽車采用電池作為驅(qū)動汽車行駛的能量來源,尾氣排放幾乎為零,成為我國汽車工業(yè)的重點(diǎn)發(fā)展對象,并得到了長足的發(fā)展.

削峰填谷是電動汽車接入電網(wǎng)的主要功能,負(fù)荷高峰時期電動汽車作為電源向電網(wǎng)送電,負(fù)荷低谷時期電動汽車作為負(fù)荷消耗電能,可以起到拉平負(fù)荷曲線、減小負(fù)荷峰谷差的作用.對于電網(wǎng)公司而言,這是很有利的.同時,換電站的興起,也方便電網(wǎng)公司對電動汽車蓄電池的調(diào)度和控制,實(shí)現(xiàn)調(diào)峰的難度大大降低.

電動汽車參與電網(wǎng)調(diào)峰后,不僅能平抑負(fù)荷功率波動,而且在實(shí)時電價的基礎(chǔ)上,能利用不同時段的電價差獲取收益.

然而,如果沒有合理的控制策略,其與電網(wǎng)的配合也可能造成“峰上加峰”的惡劣影響,從而阻礙電動汽車的發(fā)展.在電力系統(tǒng)中引入市場機(jī)制,不僅可以引導(dǎo)用戶合理用電,而且可以引導(dǎo)電動汽車車主的充放電行為,從而將電網(wǎng)的效益與電動汽車車主的收益結(jié)合,達(dá)到雙贏的局面[1-8].

在電動汽車充放電調(diào)度方面,國內(nèi)外學(xué)者已經(jīng)做了大量研究.例如,文獻(xiàn)[3]研究了電動汽車接入電網(wǎng)的作用、商業(yè)模式、實(shí)現(xiàn)步驟等;文獻(xiàn)[4]提出了在電動汽車滲透率較高時,由短期負(fù)荷趨勢對各時段可充電功率進(jìn)行優(yōu)化的電動汽車智能充電方法;文獻(xiàn)[5]構(gòu)建了充電時間對峰谷電價時段的響應(yīng)模型,以峰谷差率最小為目標(biāo)函數(shù),通過遺傳算法對峰谷電價時段優(yōu)化問題進(jìn)行了求解;文獻(xiàn)[6]建立了電動汽車參與負(fù)荷平抑的數(shù)學(xué)模型,采用改進(jìn)粒子群算法求解出電動汽車參與負(fù)荷平抑的充放電控制策略;文獻(xiàn)[7]采用二次規(guī)劃和動態(tài)規(guī)劃優(yōu)化了電動汽車充電策略.

然而,上述研究都沒有綜合考慮電網(wǎng)公司和電動汽車車主雙方的利益,本文采用實(shí)時電價的電力市場機(jī)制,建立單目標(biāo)和多目標(biāo)電動汽車優(yōu)化調(diào)度的數(shù)學(xué)模型,通過粒子群算法求解,得到相應(yīng)的電動汽車群充放電計(jì)劃,最后,通過仿真算例驗(yàn)證調(diào)度策略的有效性,比較不同目標(biāo)函數(shù)的優(yōu)化效果.

1 實(shí)時電價的電力市場機(jī)制

電力市場機(jī)制是電能生產(chǎn)者和使用者通過協(xié)商、競價等方式就電能及其相關(guān)產(chǎn)品進(jìn)行交易,通過市場競爭確定價格和數(shù)量的機(jī)制.電價作為電力市場中的經(jīng)濟(jì)杠桿,可以實(shí)現(xiàn)電力市場中資源優(yōu)化配置的目的.

目前,我國實(shí)行的是峰谷平電價,今后還要推行居民用電階梯電價制度.“階梯電價”是指把戶均用電量設(shè)置為若干個階梯,各階梯用電量和電價均采用遞增模式.此舉有利于鼓勵居民節(jié)約用電、減少能源浪費(fèi),還可以提高能源效率.

然而,成熟的電力市場實(shí)施實(shí)時電價政策,即用電高峰時段釆用高電價,用電低谷時段采用低電價,可引導(dǎo)部分負(fù)荷轉(zhuǎn)移至電網(wǎng)谷負(fù)荷的低電價時段.當(dāng)我國電力市場發(fā)展成熟以后,實(shí)時電價的推行是今后電力改革的重要方向.

實(shí)行實(shí)時電價,用戶會自發(fā)對電價進(jìn)行響應(yīng),調(diào)整用電時間,以謀求最大的經(jīng)濟(jì)效益,從被動地受供電部門控制到主動參與負(fù)荷的調(diào)整.

電動汽車作為未來電力負(fù)荷的重要組成部分,同時作為新型儲能放電電源,通常在工作時段和晚上都處于停駛狀態(tài).一般來說,電動汽車電池的容量遠(yuǎn)遠(yuǎn)大于正常上下班行駛的電能消耗容量,因此電動汽車不僅可以在負(fù)荷低谷時進(jìn)行充電實(shí)現(xiàn)填谷功能,還可以在高峰時段接入電網(wǎng)實(shí)現(xiàn)削峰作用.在智能電網(wǎng)發(fā)展成熟階段,智能充放電裝置可根據(jù)實(shí)時電價信號為用戶設(shè)置最經(jīng)濟(jì)的充放電方案,引導(dǎo)電動汽車響應(yīng)實(shí)時電價,實(shí)現(xiàn)智能充放電[9].

2 單目標(biāo)電動汽車優(yōu)化控制模型

在電動汽車接入電網(wǎng)的初級階段,電動汽車數(shù)量有限,可實(shí)現(xiàn)的調(diào)節(jié)容量較小,對地區(qū)負(fù)荷曲線影響不大,但是可以改善商業(yè)樓宇(或居民小區(qū))的負(fù)荷曲線.已知負(fù)荷曲線后,如何合理安排轄區(qū)內(nèi)電動汽車的充放電時間和充放電功率是需要解決的關(guān)鍵問題.同時,也可以從電動汽車車主的角度出發(fā),以車主從電價差中獲取的收益最大為目標(biāo)函數(shù).

2.1 以電網(wǎng)負(fù)荷峰谷差最小為目標(biāo)函數(shù)

電動汽車接入電網(wǎng)后,可以利用其電池儲存的能量與電網(wǎng)進(jìn)行功率交換,高峰時期提供電能,低谷時期消耗電能,從而實(shí)現(xiàn)減小負(fù)荷峰谷差的目的.

電動汽車控制中心以響應(yīng)區(qū)域負(fù)荷的方式參與調(diào)峰,同樣將1d分為24個時段,以負(fù)荷曲線的均方差最小為目標(biāo)函數(shù),其方程為:

(1)

式中:Pj——調(diào)整前的原始負(fù)荷;Pij——第i輛車在j時段與電網(wǎng)的交換功率;

i——電動汽車序號;

j——時段序號.

2.2 以電動汽車車主收益最大為目標(biāo)函數(shù)

本文將1 d分為24個時段,在施行實(shí)時電價的基礎(chǔ)上,每一個時段市場中的電價都是有差異的.根據(jù)實(shí)時變化的電價,用放電行為帶來的收益減去充電行為消耗的成本,即電動汽車并網(wǎng)充放電行為給用戶帶來經(jīng)濟(jì)方面的差價收益.

其目標(biāo)函數(shù)為:

(2)

(3)

(4)

式中:n——電動汽車輛數(shù);t——充/放電時長,這里取1 h;p(j)——第j時段的市場電價,元/kWh;Cij——第i輛車在j時段的充電成本;Rij——第i輛車在j時段的放電收益;Pij——第i輛車在j時段與電網(wǎng)的交換功率(設(shè)充電功率為負(fù)值,放電功率為正值);

Effc,Effd——車載電池的充電、放電效率,均取0.9.

2.3 約束條件

(1) 充放電功率約束.功率約束主要體現(xiàn)在電池最大充放電功率上,充放電功率約束為:

(5)

式中:Pijmin,Pijmax——電動汽車最大充、放電功率;

(2) 電池可用容量約束.電動汽車的電池容量是一定的,其電量狀態(tài)可用SOC(State-of-Capacity)表示,電池處于充滿狀態(tài)時SSOCmax=1,考慮到電池深度放電對電池的影響不可逆,通常設(shè)置SSOCmin=0.2.即:

(6)

若用電池容量來表示,則為:

(7)

式中:SSOCij——第i輛車在j時段的電量狀態(tài);QiN——第i輛車的額定容量值;Qi,j-1——第i輛車在(j-1)時段的容量值; ΔQij——第i輛車在j時段的充(放)電容量.

(3) 充電功率與充電電量的關(guān)系,即[10-12]:

(8)

(9)

式中:Qi,j——第i輛車在j時段的容量值;Qi,j+1——第i輛車在(j+1)時段的容量值.

3 多目標(biāo)電動汽車優(yōu)化控制模型

將電動汽車的調(diào)峰功能與電動汽車車主利用實(shí)時電價差的收益結(jié)合起來,既考慮負(fù)荷曲線的調(diào)峰作用,又考慮電動汽車車主的收益,即可實(shí)現(xiàn)多目標(biāo)的電動汽車控制策略.

(1) 目標(biāo)函數(shù) 本文將負(fù)荷曲線的均方差最小和電動汽車車主的收益最大按照不同的權(quán)重系數(shù)結(jié)合起來,其目標(biāo)函數(shù)為:

(10)

式中:F1max,F2max——F1和F2的最大值,用于兩個目標(biāo)函數(shù)的歸一化;

λ1,λ2——目標(biāo)函數(shù)的權(quán)重系數(shù),λ1+λ2=1,0≤λ1,且λ2≤1;

(2) 約束條件 多目標(biāo)電動汽車優(yōu)化控制模型的約束條件與單目標(biāo)電動汽車優(yōu)化控制模型相同.

4 仿真算例及分析

4.1 基礎(chǔ)數(shù)據(jù)

以某電動汽車群響應(yīng)給定的實(shí)時電價曲線為研究對象,假設(shè)電動汽車的電池參數(shù)統(tǒng)一,以BYDE6為參考,表1給出了電池參數(shù)數(shù)據(jù).

表1 電動汽車群的電池參數(shù)

假設(shè)在一個時段內(nèi)充、放電功率恒定不變,其最大充電功率為7 MW,最大放電功率為15 MW,電動汽車群的初始電池容量狀態(tài)為0.8.

以某變電站供電的商業(yè)區(qū)價格曲線來反映電價波動,如圖1所示.

表2給出此變電站日負(fù)荷功率值,即加入電動汽車前的原始負(fù)荷功率,負(fù)荷值以小時為間隔.

圖1 某商業(yè)區(qū)24 h實(shí)時電價曲線

時 段功率/MW時 段功率/MW時 段功率/MW179.4984.317109.5267.410105.71898.6366.011111.31990.3463.612112.92095.9561.813107.32199.9662.014110.42295.9760.915112.22392.1863.616112.42485.4

4.2 運(yùn)行結(jié)果及分析

4.2.1 以電網(wǎng)負(fù)荷峰谷差最小為目標(biāo)的優(yōu)化結(jié)果

在目標(biāo)函數(shù)為電網(wǎng)負(fù)荷峰谷差最小的情況下,通過粒子群算法進(jìn)行優(yōu)化計(jì)算.慣性權(quán)重因子ω取值范圍為0.4～0.9,最大迭代次數(shù)為2 000;粒子群規(guī)模為30;粒子速度閾值按經(jīng)驗(yàn)取最大值為4,最小值為-4[13].

優(yōu)化計(jì)算后電動汽車群在各個時段與電網(wǎng)交換的功率如圖2所示.

圖2 接入電動汽車的變電站日負(fù)荷曲線

由圖2可以看出,加入了電動汽車充放電功率后,電網(wǎng)負(fù)荷曲線變得平坦了.因?yàn)橛腥萘亢凸β始s束,電網(wǎng)負(fù)荷曲線只是有一定改善.如果沒有容量和功率約束,電網(wǎng)負(fù)荷曲線將成為一條直線.

此時電動汽車車主的收益為57 279.50元,遠(yuǎn)遠(yuǎn)低于以電動汽車車主收益最大為目標(biāo)函數(shù)時的收益.

4.2.2 以電動汽車車主收益最大為目標(biāo)的優(yōu)化結(jié)果

在目標(biāo)函數(shù)為電動汽車車主收益最大的情況下,通過粒子群算法進(jìn)行優(yōu)化計(jì)算,電動汽車群作為一個整體在各個時段與電網(wǎng)交換的功率如表3所示.

表3 電動汽車群與電網(wǎng)交換的功率

由表3可以得出如下結(jié)論.

(1) 電動汽車群找到了一天中最優(yōu)的充放電時間組合,響應(yīng)了電價的波動,從電能交易當(dāng)中賺取差價利潤86 571.71元.

(2) 在電價較高的幾個時段(例如9～12,18～21)電動汽車都響應(yīng)了放電模式,且為最大放電功率;而在電價較低的時段(例如1,2,4)都響應(yīng)了充電模式,且為最大充電功率,符合讓電動汽車在高電價放電、低電價充電的思想,證明該算法適用.

4.2.3 多目標(biāo)函數(shù)優(yōu)化結(jié)果

控制中心首先采集可用電動汽車信息,然后給出最優(yōu)的功率分配策略.仿真采用粒子群算法.當(dāng)取不同的權(quán)重系數(shù)時,得到的結(jié)果不同,因此本文分3次取不同的權(quán)重系數(shù),結(jié)果如圖3所示.

將各種權(quán)重系數(shù)組合的收益計(jì)算出來,加入單目標(biāo)的兩種收益,如表4所示.

由圖3及表4可以得出如下結(jié)論.

(1) 隨著權(quán)重系數(shù)往調(diào)峰部分的偏移,變電站負(fù)荷曲線越來越平坦,電網(wǎng)的峰谷差很好地被填補(bǔ),但參與調(diào)峰的效果還是沒有單獨(dú)調(diào)峰效果明顯.

(2) 隨著權(quán)重系數(shù)往收益部分的偏移,電動汽車車主獲得的收益越來越大,說明算法合適,結(jié)果正確.

(3) 在改變權(quán)重系數(shù)的值之后,雖然用戶獲得的利潤大幅減少,但調(diào)峰效果有顯著的改變.因此,引入多個目標(biāo)函數(shù)形成多目標(biāo)優(yōu)化,改變各個目標(biāo)的權(quán)重系數(shù)可以調(diào)整優(yōu)化結(jié)果,優(yōu)化效果取決于各目標(biāo)函數(shù)的具體特性及權(quán)重系數(shù)的選擇.

圖3 多目標(biāo)下接入電動汽車的變電站日負(fù)荷曲線

權(quán)重系數(shù)組合λ1λ2收益/元1.0057279.500.80.257287.500.50.563293.900.20.881315.8001.086571.71

4 結(jié) 語

基于實(shí)時電價的電力市場機(jī)制,以負(fù)荷功率峰谷差最小和電動汽車車主收益最大為目標(biāo)函數(shù),采用單目標(biāo)和多目標(biāo)優(yōu)化模型,將兩個目標(biāo)取用不同的權(quán)重系數(shù).結(jié)果表明,可以根據(jù)不同的權(quán)重系數(shù),協(xié)調(diào)考慮電網(wǎng)公司調(diào)峰效果和電動汽車車主收益大小,從而實(shí)現(xiàn)多目標(biāo)電動汽車控制策略.

如何在現(xiàn)有的優(yōu)化模型中考慮系統(tǒng)運(yùn)行條件、網(wǎng)絡(luò)安全約束和電動汽車群充/放電功率的不確定性是后續(xù)要研究的問題.采用有效的求解算法是解決加入不確定性的核心,在后續(xù)工作中有待進(jìn)一步研究.

[1] 高賜威,張亮.電動汽車充電對電網(wǎng)影響的綜述[J].電網(wǎng)技術(shù),2011,35(2):127-131.

[2] 胡澤春,宋永華,徐智威,等.電動汽車接入電網(wǎng)的影響與利用[J].中國電機(jī)工程學(xué)報,2012,32(4):1-25.

[4] 李惠玲,白曉民.電動汽車充電對配電網(wǎng)的影響及對策[J].電力系統(tǒng)自動化,2011,35(17):38-43.

[5] 葛少云,黃镠,劉洪.電動汽車有序充電的峰谷電價時段優(yōu)化[J].電力系統(tǒng)保護(hù)與控制,2012,40(10):1-5.

[6] 韓海英,和敬涵,王小君,等.基于改進(jìn)粒子群算法的電動車參與負(fù)荷平抑策略[J].電網(wǎng)技術(shù),2011,35(10):165-169.

[7] KRISTIEN C N,EDWIN H,JOHAN D.The impact of charging plug-in hybrid electric vehicles on a residential distribution grid[J].IEEE Trans on Power Systems,2010,25(1):371-380.

[8] 趙俊華,文福拴,薛禹勝,等.計(jì)及電動汽車和風(fēng)電出力不確定性的隨機(jī)經(jīng)濟(jì)調(diào)度[J].電力系統(tǒng)自動化,2010,34(20):22-29.

[9] 王晛,謝鳴,張少華.考慮電動汽車的電力市場均衡分析[J].電網(wǎng)技術(shù),2014,38(11):2 993-2 998.

[10] 楊俊秋.電動汽車充放電容量預(yù)測及控制策略的優(yōu)化研究[D].北京:北京交通大學(xué),2012.

[11] TIAN W Q.HE J H,JIANG J C,etal.The control strategy of V2G participating in peak regulation in power system[C]//Proceedings of 2010 International Conference on Manufacturing Science and Technology.Zibo,China:IEEE,2010.

[12] 田文奇,和敬涵,姜久春,等.基于自適應(yīng)變異粒子群算法的電動汽車換電池站充電調(diào)度多目標(biāo)優(yōu)化[J].電網(wǎng)技術(shù),2012,36(11):25-29.

[13] 呂振肅,侯志榮.自適應(yīng)變異的粒子群優(yōu)化算法[J].電子學(xué)報,2004,32(3):416-420.

(編輯 桂金星)

Research on Multi-target Control Strategy ofEVs Based on Real-time Price

TU Yiyun

(SchoolofElectricalEngineering,ShanghaiUniversityofElectricPower,Shanghai200090,China)

A mathematical model is developed on the basis of adopting real-time price in the electricity market and taking into consideration both the profit of power grid and the profit of owners of EVs.The targets of optimization are to minimize the peak-valley difference of power load and maximize the profit of consumer for the participation of EVs in the constraints of battery power and capacity,and solve it by the Particle Swarm Optimization(PSO),and then obtain the power curve between electric vehicles and power grid.Finally,the feasibility and efficiency of the proposed model are verified with the simulation of a given example.

electric vehicle; real-time price; multi-target control strategy

10.3969/j.issn.1006-4729.2016.05.015

2015-06-19

簡介：涂軼昀(1978-),女,碩士,講師,湖北潛江人.主要研究方向?yàn)殡妱悠嚾刖W(wǎng)技術(shù).E-mail: tuyiyunhust@163.com.

U469.72;TP273

A

1006-4729(2016)05-0485-05