邸超+牛沁
摘 要:隨著空氣質(zhì)量降低,節(jié)能減排成為電力發(fā)展的必然。新能源入網(wǎng)起到重要作用,本文建立了風(fēng)電與電動(dòng)汽車協(xié)同并網(wǎng)環(huán)境優(yōu)化調(diào)度模型。調(diào)度風(fēng)電與電動(dòng)汽車協(xié)同入網(wǎng),通過(guò)蒙特卡洛模擬法模擬出電動(dòng)汽車不同V2G模式下充放電負(fù)荷。結(jié)果表明,有序充電模式車主響應(yīng)系統(tǒng)調(diào)度滿足與風(fēng)電出力互補(bǔ)性,有效減少棄風(fēng)、減小負(fù)荷曲線的波動(dòng)。以火電機(jī)組的SO2和CO2排放量最小化為目標(biāo),應(yīng)用改進(jìn)粒子群多目標(biāo)優(yōu)化算法求解模型。
關(guān)鍵詞:風(fēng)電;電動(dòng)汽車;蒙特卡羅模擬
DOI:10.16640/j.cnki.37-1222/t.2017.03.131
0 引 言
近年來(lái),隨著空氣質(zhì)量的降低,溫室效應(yīng)的加劇,減少CO2、SO2的排放是對(duì)該問題的重要舉措。電力作為能源重要組成部分,在節(jié)能減排中將發(fā)揮重要作用。電力發(fā)展的重要方向是節(jié)能減排,風(fēng)電和電動(dòng)汽車在環(huán)境上的巨大優(yōu)勢(shì)受到學(xué)者們的廣泛關(guān)注[1]。
風(fēng)電出力的不穩(wěn)定性、反調(diào)峰性,并網(wǎng)會(huì)對(duì)系統(tǒng)的穩(wěn)定運(yùn)行產(chǎn)生影響[2-3]。我國(guó)電動(dòng)汽車?yán)塾?jì)銷售量將在2020超過(guò)500萬(wàn)輛,受車主出行習(xí)慣影響負(fù)荷高峰時(shí)段充電,將增大峰谷差和系統(tǒng)調(diào)峰壓力[4-5]。通過(guò)調(diào)度風(fēng)電與電動(dòng)汽車協(xié)同入網(wǎng),能有效地解決棄風(fēng)問題和系統(tǒng)的穩(wěn)定性,提高系統(tǒng)的環(huán)境效益[6]。
本文通過(guò)蒙特卡羅模擬法模擬出定量電動(dòng)汽車不同入網(wǎng)模式充電功率。分別以火電發(fā)SO2、CO2排放量最小為目標(biāo)構(gòu)建環(huán)境優(yōu)化調(diào)度模型。據(jù)相應(yīng)約束條件分析了風(fēng)電接入及電動(dòng)汽車不同入網(wǎng)模式對(duì)機(jī)組運(yùn)行CO2和SO2排放的影響。采用改進(jìn)粒子群優(yōu)化算法對(duì)模型優(yōu)化求解。最后,在MATLAB環(huán)境下對(duì)模型及優(yōu)化算法仿真。
3 算例分析
通過(guò)某風(fēng)電場(chǎng)和十臺(tái)火電機(jī)組來(lái)驗(yàn)證本模型的有效性。風(fēng)電詳細(xì)參數(shù)值見文獻(xiàn)[8],火電機(jī)組參數(shù)以及1 d內(nèi)各個(gè)時(shí)刻負(fù)荷預(yù)測(cè)值見文獻(xiàn)[9]。1 d內(nèi)風(fēng)電場(chǎng)各個(gè)時(shí)刻輸出功率曲線(見圖1)。
通過(guò)蒙特卡洛模擬法模擬出單量電動(dòng)汽車的有序、無(wú)序充放電功率[10]。設(shè)定可入網(wǎng)參與調(diào)度的電動(dòng)汽車數(shù)量為50000輛,得出電動(dòng)汽車入網(wǎng)各個(gè)時(shí)刻接入系統(tǒng)負(fù)荷(見圖2)。
結(jié)果分析:
為了驗(yàn)證本模型的有效性,以下兩種不同運(yùn)行方式作比較,運(yùn)行方式1為風(fēng)電并網(wǎng),電動(dòng)汽車無(wú)序V2G模式入網(wǎng)參與調(diào)度;運(yùn)行方式2為風(fēng)電并網(wǎng),電動(dòng)汽車有序V2G模式入網(wǎng)參與調(diào)度。由不同運(yùn)行方式下的負(fù)荷曲線(見圖3)可知,原始負(fù)荷在沒有電動(dòng)汽車參與調(diào)度情況下,負(fù)荷波動(dòng)較大。采用運(yùn)行方式1時(shí),電動(dòng)汽車無(wú)序V2G模式與風(fēng)電協(xié)調(diào)入網(wǎng),因?yàn)檐囍鞯某鲂辛?xí)慣,大量電動(dòng)汽車在負(fù)荷高峰期充電,進(jìn)一步增加峰谷差。因?yàn)闊o(wú)序V2G模式還有一定的波動(dòng)性與隨機(jī)性,同時(shí)增加了負(fù)荷曲線的波動(dòng)。采用運(yùn)行方式2時(shí),電動(dòng)汽車有序V2G模式與風(fēng)電協(xié)調(diào)入網(wǎng),車主響應(yīng)峰谷效應(yīng),在負(fù)荷低谷時(shí)刻充電,高峰時(shí)刻放電,削峰填谷作用明顯,負(fù)荷曲線波動(dòng)程度最小。
表1為采用MATLAB環(huán)境對(duì)兩種不同運(yùn)行方式下優(yōu)化目標(biāo)的仿真結(jié)果對(duì)比。運(yùn)行方式1:無(wú)序V2G模式下電動(dòng)汽車和風(fēng)電協(xié)調(diào)入網(wǎng),由于車主的出行習(xí)慣進(jìn)一步拉大了峰谷差,增加了負(fù)荷波動(dòng)性,增加了機(jī)組的SO2和CO2排放量。運(yùn)行方式2:有序V2G模式下電動(dòng)汽車和風(fēng)電協(xié)調(diào)入網(wǎng),在負(fù)荷高峰期,電動(dòng)汽車代替發(fā)電機(jī)組向電網(wǎng)放電,在負(fù)荷低谷期,電動(dòng)汽車調(diào)度入網(wǎng)充電,從而有效的減小了火電機(jī)組SO2和CO2排放量。
4 結(jié)論
本文建立了風(fēng)電與電動(dòng)汽車協(xié)同并網(wǎng)調(diào)度環(huán)境優(yōu)化模型,并用MATLAB仿真驗(yàn)證了其可行性和有效性。結(jié)果表明,采用有序V2G模式,通過(guò)優(yōu)化電動(dòng)汽車充放電時(shí)間來(lái)滿足風(fēng)電和負(fù)荷的波動(dòng),可以實(shí)現(xiàn)良好的削峰填谷作用,最大程度的消納風(fēng)電,減少火電機(jī)組SO2和CO2排放。使電動(dòng)汽車和風(fēng)電聯(lián)合出力更加穩(wěn)定的同時(shí),也能作為調(diào)峰電源來(lái)平緩負(fù)荷曲線的波動(dòng)。
參考文獻(xiàn):
[1]李娜,黃梅.不同類型電動(dòng)汽車充電機(jī)接入后電力系統(tǒng)的諧波分析[J].電網(wǎng)技術(shù),2011,35(01):170-174.
[2]陳光,戴攀,周浩等.計(jì)及入網(wǎng)電動(dòng)汽車和分布式電源的配電系統(tǒng)重構(gòu)[J].電網(wǎng)技術(shù),2013,37(01):82-88.
[3]張謙,李玻,高松.風(fēng)電對(duì)調(diào)峰的影響及其合理利用模式研究[J].南方電網(wǎng)技術(shù),2010,4(06):18-22.
[4]胡澤春,宋水華,徐智威等.電動(dòng)汽車接入電網(wǎng)的影響與利用[J].中國(guó)電機(jī)工程學(xué)報(bào),2012,32(04):1-10.
[5]孟安波,盧海明,郭壯志.考慮大規(guī)模電動(dòng)汽車入網(wǎng)的協(xié)同優(yōu)化調(diào)度[J].電測(cè)與儀表,2016,52(16):80-84.
[6]于大洋,宋曙光,張波等.區(qū)域電網(wǎng)電動(dòng)汽車充電與風(fēng)電協(xié)同調(diào)度的分析[J].電力系統(tǒng)自動(dòng)化,2011,35(14):24-29.
[7]張曉輝,董興華.含風(fēng)電場(chǎng)多目標(biāo)低碳電力系統(tǒng)動(dòng)態(tài)經(jīng)濟(jì)調(diào)度研究[J].電網(wǎng)技術(shù),2013,37(01):24-31.
[8]陳海焱,陳金富,段獻(xiàn)忠.含風(fēng)電場(chǎng)電力系統(tǒng)經(jīng)濟(jì)調(diào)度的模糊建模及優(yōu)化算法[J].電力系統(tǒng)自動(dòng)化,2006(02):22-26.
[9]Ting T O,Rao M V C,Loo C K.A novel approach for unit commitment problem via an effective hybrid particle swarm optimization[J].IEEE Transactions on Power Systems,2006,21(01):411-418.
[10]施泉生,平宗飛,陳敏駿.計(jì)及電動(dòng)汽車入網(wǎng)的電價(jià)聯(lián)動(dòng)模型[J].電力自動(dòng)化設(shè)各,2014,34(11):34-40.