齊曉琳， 艾 欣， 唐 亮， 羅庚玉

(1. 新能源電力系統(tǒng)國家重點實驗室， 華北電力大學， 北京 102206；2. 國網(wǎng)安徽省電力公司， 安徽 合肥 230022)

商業(yè)大樓中的電動汽車與溫控負荷聯(lián)合優(yōu)化調(diào)度

齊曉琳1， 艾 欣1， 唐 亮2， 羅庚玉2

(1. 新能源電力系統(tǒng)國家重點實驗室， 華北電力大學， 北京 102206；2. 國網(wǎng)安徽省電力公司， 安徽 合肥 230022)

隨著電動汽車數(shù)量的日漸增加，其無序充電會給電網(wǎng)帶來新的負荷高峰，從而造成局部變壓器過載的情況。本文在電動汽車大量接入而配電網(wǎng)未來得及改造的背景下，以電動汽車向樓宇反向服務(wù)(V2B)技術(shù)為支撐，考慮到溫控負荷的負荷反彈特性及可調(diào)度性，將溫控負荷與電動汽車充放電協(xié)同調(diào)度。電網(wǎng)對溫控負荷實行折扣電價，對電動汽車負荷考慮電池損耗而實行高價補償?？紤]室溫的舒適度、電動汽車充放電次數(shù)、變壓器容量等約束條件，以電網(wǎng)補貼成本最小和商業(yè)大樓的總電費最小為目標進行優(yōu)化。結(jié)果表明，溫控負荷與電動汽車負荷具有互補特性，兩者聯(lián)合調(diào)度可以達到在電網(wǎng)補償費用最小的情況下變壓器容量不過載的目的。

電動汽車向樓宇反向服務(wù)； 電動汽車； 溫控負荷； 負荷反彈特性； 需求響應

1 引言

由于電動汽車(EV)的零排放、不依賴常規(guī)能源、熱效率高等特點，各國都紛紛出臺相應政策來推動電動汽車的快速發(fā)展與應用。但將來大規(guī)模電動汽車接入電網(wǎng)會對電力系統(tǒng)的規(guī)劃和運行產(chǎn)生不可忽視的影響。大量電動汽車無序充電會導致電網(wǎng)(尤其是居民區(qū)等電動汽車聚集的局部區(qū)域)負荷增加，可能會引起新的負荷峰值或者峰上加峰，導致配電變壓器過載、配電線路損耗增大、電壓失穩(wěn)等問題[1,2]。

文獻[3,4]將電動汽車作為儲能單元參與系統(tǒng)的削峰填谷及平抑可再生能源出力波動等，文獻[5-7]將電動汽車作為電力系統(tǒng)的負荷備用，探討了其低碳特性與備用市場競價交易模式，均證明了電動汽車的可調(diào)控性。但由于現(xiàn)階段電動汽車還沒有大量普及，因此在全系統(tǒng)進行電動汽車充放電調(diào)度不夠經(jīng)濟，并且由于電動汽車電池成本昂貴，如果單純調(diào)度電動汽車來平抑負荷成本太大，因此V2B(Vehicle-to-Building)、V2H(Vehicle-to-Home)模式在短期內(nèi)更容易實現(xiàn)。文獻[8-10]從家庭電費角度對包括電動汽車在內(nèi)的各種家用電器進行優(yōu)先級排序，實現(xiàn)家庭用電最優(yōu)化；文獻[11,12]介紹了V2B模式下電動汽車與商業(yè)樓宇中的其他負荷聯(lián)合調(diào)度，實現(xiàn)削減高峰負荷、穩(wěn)定電壓等目的，但文獻[8-12]都是從車主電費角度或降低負荷角度考慮，未考慮電網(wǎng)調(diào)度電動汽車的成本。溫控負荷主要指空調(diào)、電暖氣、熱水器等，如果短暫地降低此類負荷，由于熱慣性，不會影響用戶的舒適性。溫控負荷一個顯著的特點是負荷反彈特性[13,14]，以夏季空調(diào)負荷為例，在負荷高峰時期控制其中斷后，室溫會由于散熱逐漸升高，達到用戶可以忍受的最高溫度后空調(diào)必須開啟，因此在之后的一段時間內(nèi)會產(chǎn)生負荷反彈。而電動汽車同樣在調(diào)度停止充電或放電之后由于車主的行駛需求必須重新充電，也會產(chǎn)生負荷反彈。因此考慮將兩者進行聯(lián)合調(diào)度，以期達到互補的效果。

本文在大量電動汽車接入使得商業(yè)樓宇負荷超過變壓器容量的背景下，將溫控負荷與EV協(xié)同調(diào)度，以電網(wǎng)補貼成本最小為目標得到溫控負荷的控制策略與電動汽車的最優(yōu)充放電策略。本文的研究基于以下市場規(guī)則：在日前市場，溫控負荷與EV負荷分別與電網(wǎng)簽訂合同，約定第二天的調(diào)度時間、補償費用等。在實時市場中，通過合理的調(diào)度，使得整個大樓的負荷不超過配電變壓器容量，使得電網(wǎng)可以少建或者緩建變壓器、變電站、輸電線路等設(shè)備。

2 V2B技術(shù)支撐

V2B是一種特殊的集中式V2G (Vehicle-to-Grid)模式。由于V2G的實現(xiàn)需要整個系統(tǒng)中的智能充電站、換電站和各種通信設(shè)備的完善，因此在短期內(nèi)還無法實現(xiàn)。V2B在實際中比V2G要更容易實現(xiàn)。

V2B的實現(xiàn)依托于商業(yè)大樓的智能車庫的建設(shè)。當員工駕駛自己的電動汽車在特定時間到達智能車庫后隨即插入系統(tǒng)，充電樁的控制系統(tǒng)可以讀取該電動汽車電池容量、目前的電量以及用戶設(shè)定的離開時期望達到的荷電狀態(tài)。配電網(wǎng)的控制系統(tǒng)可以通過智能車庫獲得某一時刻該商業(yè)大樓的電動汽車信息，并在需要調(diào)度電動汽車的時候向智能車庫中下達調(diào)度命令，直接對智能充電樁進行控制。

單臺配電變壓器需要負擔的負荷由于規(guī)?；妱悠嚨臒o序充電發(fā)生了顯著改變。在某些特定時段，例如居民負荷的18∶00～20∶00和商業(yè)大樓的9∶00～12∶00，由于電動汽車的集中充電會出現(xiàn)新的負荷高峰，如果對其充電行為不加以約束或者進行優(yōu)化配置，會使得局部配電變壓器過載。研究表明，由于電動汽車接入造成的負荷變化會導致變壓器溫度升高，這種溫度變化會導致變壓器油劣化變質(zhì)、變壓器內(nèi)絕緣材料的加速老化，從而顯著縮短變壓器的壽命[15,16]。在室外平均溫度為20℃時，電動汽車的接入會使得變壓器的壽命由353年降低到25年[1]。

電動汽車無序充電對商業(yè)大樓負荷的影響如圖1所示。商業(yè)大樓的車主一般在早上到達辦公樓后將電動汽車接入電網(wǎng)充電，在9∶00～12∶00負荷會急劇增長，在未調(diào)度的情況下，總負荷遠遠高于變壓器所允許的功率值。因此，在電動汽車快速發(fā)展而配電網(wǎng)改造升級落后的情況下，如何調(diào)度電動汽車充放電使得局域配電變壓器不過載成為一個實際而有意義的問題。

圖1 電動汽車無序充電對商業(yè)大樓負荷的影響Fig.1 Influence of EVs charging disorderly on load of commercial building

3 聯(lián)合調(diào)度模型

3.1 兩種負荷的補貼形式

本文的調(diào)度基于以下假設(shè)：

(1)在未調(diào)度之前，假設(shè)空調(diào)一直都設(shè)定某個溫度，一直開著；在參與調(diào)度之后，根據(jù)用戶舒適度，在某個溫度范圍內(nèi)可短暫關(guān)閉。

(2)不考慮商業(yè)大樓中的電動汽車中途離開的情況，認為從上班到下班，所有電動汽車都連接在充電樁上。

對可調(diào)度負荷的補償方式有兩種：低電價和高賠償[17]。對于電動汽車，因為其交通特性并且電池損耗成本較高，適合采用高賠償方式，即在EV接受調(diào)度而停止充電甚至是放電時，電網(wǎng)根據(jù)實際調(diào)用電量進行高電價補償；對于溫控負荷，因為其調(diào)度頻率較高，適合采取低電價補償方式，即用戶根據(jù)在日前市場申報并且成交的低電價，在第二日運行時電網(wǎng)收取比普通電價更低的低電價，但在中斷時并不予以補償。

3.2 目標函數(shù)

從電網(wǎng)的角度，由于對溫控負荷和EV的調(diào)度都是在改變用戶用電習慣的基礎(chǔ)上進行的，因此電網(wǎng)公司要對參與調(diào)度的溫控和EV負荷進行一定的補償，目標函數(shù)為電網(wǎng)的補償費用最低；從商業(yè)大樓管理者的角度，希望電費越低越好，即在變壓器不過載的情況下使得總負荷最小，從而保證變壓器的壽命。

因此總目標函數(shù)為：

minCdd+μpbPtotal

(1)

式中，Cdd為總的調(diào)度成本；pb為用電電價；Ptotal為總負荷；μ為權(quán)重系數(shù)，引入該參數(shù)可使多目標變成單目標進行優(yōu)化。

(1)溫控負荷調(diào)度成本

由于溫控負荷一般調(diào)度頻率較高，對調(diào)度方而言，在調(diào)度期間對溫控負荷采用折扣電價模式較為經(jīng)濟。其調(diào)度成本CHVAC為：

(2)

式中，nHVAC為溫控負荷數(shù)量；λ為溫控的折扣率；xHVAC,i(t)為0-1變量，1表示溫控負荷開啟，0表示接受調(diào)度而中斷；PHVAC,i(t)為t時刻第i個溫控負荷的功率；Δt為時間間隔；N表示共有N個調(diào)度時段。

(2)EV調(diào)度成本

對EV采取在實際調(diào)度后給予高價補償?shù)姆绞健Ａ硗庥捎贓V頻繁充放電會顯著降低電池壽命，因此必須考慮電池損耗成本。

充電調(diào)度成本Cch為：

(3)

式中，nEV為電動汽車數(shù)量；γ為調(diào)度之后的補償率(γ>1)，即電網(wǎng)對參與充電調(diào)度的電量的補貼電費為γpb；xEVin,i(t)為0-1變量，表示電動汽車的充電狀態(tài)，1表示計劃充電但由于調(diào)度而終止充電，0表示未接受調(diào)度繼續(xù)充電；Pmax,i、PEV,i(t)分別表示第i輛電動汽車的最大充電功率和t時刻的實際充電功率。

電動汽車放電的單位電量儲能成本Pdch為[18，19]：

(4)

式中，VEV為電動汽車電池的價格(元/(kW·h))；NEV為電動汽車在壽命周期內(nèi)電池的可充放電次數(shù)。

因此放電補貼成本Cdch為：

(5)

式中，xEVout,i(t)為0-1變量，表示電動汽車的放電狀態(tài)，1表示接受調(diào)度而放電，0表示未接受調(diào)度不放電；PEVout,i(t)表示第i輛電動汽車t時刻的放電功率；ηdch為放電效率。

溫控與EV聯(lián)合調(diào)度的總成本為：

Cdd=CHVAC+Cch+Cdch

(6)

3.3 約束條件

本文以空調(diào)為例來描述溫控負荷的特征及約束條件。

(1)溫控負荷的最大可中斷時間τoff和最小連續(xù)啟動時間τon約束

假設(shè)只要空調(diào)開啟就是一個恒定的功率PHVAC，控制周期內(nèi)外界環(huán)境溫度恒定Tout，室內(nèi)溫度用戶可忍受的溫度區(qū)間為[Tmin,Tmax]，由空調(diào)機組的熱動力學模型[20]可以求解得到空調(diào)的最大可中斷時間τoff和最小連續(xù)啟動時間τon，即

Tmax=Tout(1-ετoff)+Tminετoff

(7)

Tmin=(Tout-ηP/A)(1-ετon)+Tmaxετon

(8)

式中，Tout為室外溫度(℃)；ε為散熱函數(shù)，ε=e-τ/Tc，其中τ為控制時間，Tc為時間常數(shù)，本文取ε為0.98；η為空調(diào)能效比，ηP為空調(diào)的額定制冷量；A為導熱系數(shù)，本文取0.18。

空調(diào)開關(guān)狀態(tài)的約束為：

ont+offt≤1

(9)

xHVAC,i(t)-xHVAC,i(t-1)=ont-1-offt-1

(10)

(11)

(12)

式中，ont、offt分別表示空調(diào)在t時段末是否進行開機或關(guān)機操作，1表示“是”，0表示“否”；xHVAC,m表示m時刻空調(diào)的狀態(tài)。式(9)表示同一時刻不可能既開機又關(guān)機，式(11)表示最小運行時間不可以低于τon，式(12)表示最大運行時間不能超過τoff。

(2)電動汽車電池容量SOC約束

(13)

SOCmin≤SOCi(t)≤SOCmax

(14)

式中，SOCi(0)、SOCi(t)分別為初始時刻和t時刻電動汽車的電量；ηch為充電效率；為了防止深度放電，并且考慮到用戶的行駛需求，要求電池電量有個最小值SOCmin；SOCmax為最大容量限制，本文取電動汽車電池總?cè)萘恐怠?/p>

(3)用戶意愿約束

調(diào)度時間為電動汽車連接到電網(wǎng)的時間

ti,start≤ti≤ti,end

(15)

最后離開時應滿足車主所希望達到的SOC值

Si(end)≥Si,set

(16)

式中，tstart、tend分別為調(diào)度的起止時刻；Si(end)為第i輛車離開大樓時的電量；Si,set為第i量車的車主希望離開時達到的電量值。

(4)充放電次數(shù)限制

文獻[4]認為電動汽車的狀態(tài)是非充即放(即不是充電就是放電)的，但實際上電動汽車慢充大概在4～6h就能充滿，如果用此約束就會強制電動汽車放電而造成電動汽車的電池損耗。因此本文在智能充電樁技術(shù)的背景下，認為電動汽車的狀態(tài)分為充電、放電和非充非放(即既不充電也不放電)三種。

xEVin(t)+xEVout,i(t)≤1

(17)

(18)

(19)

onin(t)+offin(t)≤1

(20)

xEVin(t+1)-xEVin(t)=onin(t)-offin(t)

(21)

onout(t)+offout(t)≤1

(22)

xEVout(t+1)-xEVout(t)=onout(t)-offout(t)

(23)

式中，onin(t)、offin(t)、onout(t)、offout(t)為0-1變量，onin(t)為1時表示EV在t時刻末由未充電變?yōu)槌潆姞顟B(tài)，offin(t)為1時表示t時刻末EV由充電變成不充電狀態(tài)，onout(t)為1時表示t時刻末EV由未放電變成放電狀態(tài)，offout(t)為1時表示t時刻末電動汽車由放電變成不放電狀態(tài)；式(17)表示任一時刻電動汽車不能同時充放電，式(18)表示調(diào)度時段內(nèi)充電總次數(shù)不超過一次，式(19)表示調(diào)度時段內(nèi)放電總次數(shù)不超過一次，式(20)～式(23)是變量應該滿足的約束條件。

(5)變壓器容量約束

Pelse(t)+PHVAC(t)+PEVin(t)-PEVout(t)≤S

(24)

式中，PHVAC(t)、PEVin(t)、PEVout(t)、Pelse(t)分別表示t時刻的溫控負荷、電動汽車充電負荷、電動汽車放電負荷以及除溫控和電動汽車之外的負荷；S為變壓器容量。

此模型為混合整數(shù)線性規(guī)劃問題，變量為各個時刻的溫控的開關(guān)狀態(tài)以及電動汽車的充放電狀態(tài)，采用商業(yè)軟件CPLEX12.6進行求解。

4 算例

算例取某商業(yè)大樓中可調(diào)度空調(diào)50臺，每臺空調(diào)功率為2.5kW。電動汽車30輛，假設(shè)都是比亞迪e6[19]，其參數(shù)如表1所示。

表1 比亞迪e6參數(shù)Tab.1 BYD e6 parameters

30輛電動汽車的電量初始值在電池容量的20%～50%范圍內(nèi)隨機生成，車主希望最后離開時達到的電量值在電池容量的50%～80%范圍內(nèi)隨機生成。由于商業(yè)大樓里的公司一般早上8∶30左右上班，下午5∶30左右下班，因此總調(diào)度時間為9∶00～17∶00。

假設(shè)用戶可忍受的室內(nèi)溫度范圍為22℃～28℃，調(diào)度期間室外溫度為30℃～35.5℃，圖2為最大中斷時間、最小連續(xù)開啟時間與溫度的關(guān)系曲線。

圖2 空調(diào)的τoff、τon與外界溫度的關(guān)系曲線Fig.2 Relationship between outdoor temperature and τoff，τon

取15min為一個調(diào)度時段，λ=0.5，γ=0.5，pb=0.4元/(kW·h)，此時溫控負荷的折扣電價為0.2元/(kW·h)，電動汽車充電補償為0.2元/(kW·h)，放電補償為0.68元/(kW·h)。假設(shè)除空調(diào)和電動汽車之外的其他負荷為50kW，一臺10kV配電變壓器容量為315kV·A，根據(jù)JGJ16-2008《民用建筑電氣設(shè)計規(guī)范》的規(guī)定，配電變壓器長期工作負荷率不宜大于85%[21]，因此取調(diào)度時的變壓器容量為268kV·A，權(quán)重系數(shù)取0.5。

如果單獨調(diào)度空調(diào)或單獨調(diào)度電動汽車，得到的負荷曲線如圖3所示。單獨調(diào)度空調(diào)時，補貼費用為41.25元，但是在電動汽車充電高峰階段，仍有變壓器負荷越限的情況存在；單獨調(diào)度電動汽車時，補貼費用為435元，此時負荷沒有越限但是幾乎達到了變壓器的最高限額，并且調(diào)度費用偏高。

圖3 單獨調(diào)度時的負荷曲線Fig.3 Load curves when separately scheduling

聯(lián)合調(diào)度的結(jié)果如圖4所示。此時得到的調(diào)度費用為412元，其中溫控調(diào)度費用為87.5元，EV充電調(diào)度費用為324.5元，由于放電費用過高，因此并沒有調(diào)度電動汽車放電。可知空調(diào)與電動汽車的聯(lián)合調(diào)度不僅比單獨調(diào)度兩者的費用低，并且在可以保證變壓器不越限的同時降低了變壓器的負荷率，兩者的聯(lián)合調(diào)度可以實現(xiàn)1+1>2的效果。

圖4 調(diào)度前后的負荷曲線圖Fig.4 Load curves before and after scheduling

圖5為空調(diào)總負荷曲線與電動汽車總負荷曲線的對比?？梢娊?jīng)過聯(lián)合優(yōu)化調(diào)度后，在滿足各自約束條件的同時，電動汽車充電與空調(diào)開閉呈互補狀態(tài)。

(1)電池損耗成本的影響

根據(jù)國務(wù)院于2012年6月發(fā)布的《節(jié)能與新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃(2012～2020)》，到2020年，純電動汽車和插電式混合動力汽車生產(chǎn)能力達到200萬輛，累計產(chǎn)銷量超過500萬輛，動力電池模塊成本降至1.5元/(W·h)以下[2]，此時放電成本的降低使得調(diào)度電動汽車放電成為可能。因此如果將放電成本降低到與充電補償費用一樣為0.2元/(kW·h)，此時會調(diào)度電動汽車放電，負荷曲線如圖6所示。

圖5 溫控負荷與EV的互補曲線Fig.5 Complementary curves of thermostatically-controlled loads and EV

圖6 電池成本降低后的負荷曲線Fig.6 Load curve after battery cost reduced

此時的調(diào)度費用仍為404元，溫控調(diào)度費用為87.5元，電動汽車充電調(diào)度費用為302.5元，放電調(diào)度費用為31元。對比圖6和圖3可以發(fā)現(xiàn)，電動汽車放電參與調(diào)度之后，變壓器的負載率由0.641降低到0.623，對變壓器壽命有利。并且可發(fā)現(xiàn)放電行為主要集中在第12～24調(diào)度時段(即12∶00～15∶00)，此時室外溫度較高，由式(7)可知空調(diào)的最小中斷時間較小，即此時空調(diào)的可調(diào)度性降低，需要電動汽車放電來實現(xiàn)總負荷的降低。

(2)充放電次數(shù)約束的影響

如果不對電動汽車的充放電次數(shù)進行限制，得到的電動汽車補貼成本和商業(yè)大樓的電費對比如表2所示?？梢娙绻麤]有充放電次數(shù)約束，電動汽車可能在一天內(nèi)會頻繁充放電，導致電網(wǎng)補貼成本增高，此時對于電網(wǎng)來說調(diào)度電動汽車來平抑負荷是不經(jīng)濟的；但從商業(yè)大樓管理者的角度來說，對電動汽車的多次調(diào)度會降低其電費，并且變壓器負荷率降低。因此對于充放電次數(shù)的約束與否與約束次數(shù)的限制主要取決于兩個目標函數(shù)的權(quán)重。

(3)權(quán)重系數(shù)的影響

權(quán)重系數(shù)的大小代表了在總目標函數(shù)中負荷側(cè)利益的比重。表3為改變經(jīng)濟當量折算系數(shù)后的調(diào)度總成本和負荷率。由表3可以看出，經(jīng)濟當量折算系數(shù)越大，表明總負荷最小目標的比重越大，變壓器的負荷率越小，但調(diào)度成本會變大，說明兩個目標是矛盾的，在實際調(diào)度中，應根據(jù)調(diào)度者的意愿與需求適當選取經(jīng)濟當量折算系數(shù)。

表3 權(quán)重系數(shù)λ與負荷率的關(guān)系Tab.3 Relationship between λ and loading rate

當權(quán)重系數(shù)大于0.75時，負荷曲線與調(diào)度成本不再變化，這說明此時已經(jīng)是在滿足電動汽車充電要求和空調(diào)開啟要求下可以實現(xiàn)的最小負荷率。

5 結(jié)論

隨著大規(guī)模電動汽車的接入，在變壓器容量還未來得及改造的背景下，變壓器過載情況會越來越嚴重。本文通過對商業(yè)大樓中的空調(diào)負荷與電動汽車負荷進行聯(lián)合調(diào)度，主要結(jié)論有：

(1)以空調(diào)為代表的溫控負荷的反彈特性可以與調(diào)度電動汽車產(chǎn)生的充電反彈負荷進行互補調(diào)度，降低負荷。

(2)對空調(diào)的最大中斷時間和最小連續(xù)開啟時間進行限制，對電動汽車每天的充放電次數(shù)和離開時要達到的最小荷電狀態(tài)進行限制，使得整個調(diào)度都是在保證用戶滿意度的基礎(chǔ)上進行的。

(3)對空調(diào)的調(diào)度采用低電價折扣的方式，對電動汽車充電采用高電價補償方式，電動汽車放電補償電價中考慮電池損耗成本，以電網(wǎng)調(diào)度成本最低和負荷側(cè)電費最小為目標，可以在保證變壓器不過載的情況下使得補貼成本最低。

(4)在未來電池損耗成本降低之后，將電動汽車作為儲能模型，調(diào)度其放電，可使得變壓器負荷率進一步降低。

本文是在次日的電動汽車充電功率和室外溫度已知的情況下進行優(yōu)化的，但實際上電動汽車的充放電時間、需求以及環(huán)境情況會隨時發(fā)生變化，在優(yōu)化過程中應考慮不確定性因素的影響。針對電動汽車的不確定性優(yōu)化一般有三類：①通過概率分布函數(shù)處理數(shù)據(jù)的隨機規(guī)劃[22，23]；②將充放電時間及各用戶最終希望達到的充電量等變量作為模糊變量來描述不確定性的模糊規(guī)劃[2]；③采用集合的形式對約束條件進行修改的魯棒優(yōu)化[24，25]。因此今后的研究重點應是對比分析這三類不確定性優(yōu)化的優(yōu)缺點并找出適合電動汽車充放電的優(yōu)化模型。

[1] 張晨曦(Zhang Chenxi).電動汽車入網(wǎng)技術(shù)及社會綜合效益研究(Analysis on electric vehicle integration technology and social comprehensive benefits)[D]. 杭州：浙江大學(Hangzhou: Zhejiang University)，2013.

[2] 丁孝華(Ding Xiaohua).智能電網(wǎng)與電動汽車(Smart grid and electric vehicles)[M].北京：中國電力出版社(Beijing: China Power Press)，2014.

[3] 鮑諺，姜久春，張維戈，等(Bao Yan， Jiang Jiuchun， Zhang Weige， et al.). 電動汽車移動儲能系統(tǒng)模型及控制策略(Model and control strategy of electric vehicle mobile energy storage system)[J].電力系統(tǒng)自動化(Automation of Electric Power Systems)， 2012，36(22)：36-43.

[4] Zhengshuo Li，Qinglai Guo，Hongbin Sun，et al. Storage-like devices in load leveling:：Complementarity constraints and a new and exact relaxation method [J]. Applied Energy，2015，151：13-22.

[5] 劉曉，艾欣，楊俊(Liu Xiao，Ai Xin，Yang Jun).考慮未來碳排放交易的需求側(cè)備用競價與調(diào)度模式設(shè)計(Design of demand side reserve bid-scheduling strategy considering future carbon emission trading)[J].電力系統(tǒng)自動化(Automation of Electric Power Systems)，2011，35(2)：38-42.

[6] 劉曉，艾欣，彭謙(Liu Xiao，Ai Xin，Peng Qian).計及需求響應的含風電場電力系統(tǒng)發(fā)電與碳排放權(quán)聯(lián)合優(yōu)化調(diào)度(Optimal dispatch coordinating power generation with carbon emission permit for wind farms integrated with power grid considering demand side)[J].電網(wǎng)技術(shù)(Power System Technology)，2012，36(1)：213-218.

[7] 張謙，史樂峰，任玉瓏，等(Zhang Qian， Shi Lefeng， Ren Yulong et al.).計及V2G備用服務(wù)的交易模式(The reserve trading model considering vehicle-to-grid reserve)[J].中國電機工程學報(Proceedings of the CSEE)，2012，32(31)：59-67.

[8] 陽小丹，李揚(Yang Xiaodan， Li Yang).家庭用電響應模式研究(Household electricity response mode)[J].電力系統(tǒng)保護與控制(Power System Protection and Control)，2014，42(12)：51-56.

[9] 周磊，李揚(Zhou Lei， Li Yang).分時電價環(huán)境下基于家居能量管理系統(tǒng)的家居負荷建模與優(yōu)化運行(Modeling and optimal dispatch for residential load based on home energy management system under time-of-use pricing)[J].電網(wǎng)技術(shù)(Power System Technology)，2015，39(2)：367-374.

[10] 湯奕， 魯針針， 寧佳，等(Tang Yi， Lu Zhenzhen， Ning Jia, et al.).基于電力需求響應的智能家電管理控制方案(Management and control scheme for intelligence appliances based on electricity demand response)[J].電力系統(tǒng)自動化(Automation of Electric Power Systems)，2014，38(9)：93-99.

[11] L A Hurtado，A Syed，P H Nguyen, et al. Multi-agent based electric vehicle charging method for smart grid-smart building energy management[A]. 2015 IEEE Eindhoven PowerTech[C]. 2015. 1-6.

[12] E Saberbari，H Saboori，S Saboori. Utilizing PHEVs for peak-shaving, loss reduction and voltage profile improvement via V2B mode[A]. 2014 19th Conference on Electrical Power Distribution Networks (EPDC) [C]. 2014. 59-65.

[13] Kun-Yuan Huang，Yann-Chang Huang. Integrating direct load control with interruptible load management to provide instantaneous reserves for ancillary services[J]. IEEE Transactions on Power Systems, 2004，19(3)：1626-1634.

[14] 樂小江(Le Xiaojiang). 考慮直接負荷控制的機組組合問題研究(Research on unit commitment with direct load control)[D]. 北京：華北電力大學(Beijing: North China Electric Power University)，2012.

[15] M J Rutherford，V Yousefzadeh. The impact of electric vehicle battery charging on distribution transformers [A]. 2011 Twenty-Sixth Annual IEEE Applied Power Electronics Conference and Exposition (APEC) [C]. 2011. 369-400.

[16] A Maitra，J Taylor，D Brooks, et al. Integrating plug-in- electric vehicles with the distribution system [A]. 20th International Conference on Electricity Distribution[C]. 2009. 1-5.

[17] 羅運虎，薛禹勝，Gerard Ledwich, 等(Luo Yunhu， Xue Yusheng， Gerard Ledwich, et al.).低電價與高賠償2種可中斷負荷的協(xié)調(diào)(Coordination of low price interruptible load and high compensation interruption load)[J].電力系統(tǒng)自動化(Automation of Electric Power Systems)，2007，31(11)：17-21.

[18] 孫波，廖強強，謝品杰, 等(Sun Bo， Liao Qiangqiang， Xie Pinjie, et al.).車電互聯(lián)削峰填谷的經(jīng)濟成本效益分析(A cost-benefit analysis model for vehicle-to-grid peak shaving)[J].電網(wǎng)技術(shù)(Power System Technology)，2012，36(10)：30-34.

[19] 雷治國，張承寧，雷學國, 等(Lei Zhiguo, Zhang Chengning, Lei Xueguo, et al.).電動汽車用鋰離子電池熱特性和熱模型研究(Research on thermal characteristics and thermal model of EVs lithium-ion battery)[J].電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy)，2015，34(12)：59-63.

[20] 樊瑋，周楠，劉念, 等(Fan Wei, Zhou Nan, Liu Nian, et al.).基于需求響應的空調(diào)分時調(diào)度模型及其收益分配(Time-sharing scheduling model of air conditioning based on demand response and profit allocation)[J].電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy)，2016，35(8)：29-35.

[21] 曾以雄(Zeng Yixiong).變壓器運行效率與最佳運行效率的計算(Calculation of operating efficiency and optimal operating efficiency of transformer)[J].建筑電氣(Building Electricity)，2014，(1):14-18.

[22] 趙俊華，文福拴，薛禹勝, 等(Zhao Junhua，Wen Fushuan， Xue Yusheng, et al.).計及電動汽車和風電出力不確定性的隨機經(jīng)濟調(diào)度(Power system stochastic economic dispatch considering uncertain outputs from plug-in electric vehicles and wind generators)[J].電力系統(tǒng)自動化(Automation of Electric Power Systems)，2010，34(20)：22-29.

[23] 田立亭，史雙龍，賈卓(Tian Liting，Shi Shuanglong， Jia Zhuo).電動汽車充電功率需求的統(tǒng)計學建模方法(A statistical model for charging power demand of electric vehicles)[J].電網(wǎng)技術(shù)(Power System Technology)，2010，34(11)：126-130.

[24] 彭春華，謝鵬，黃戡(Peng Chunhua，Xie Peng，Huang Kan).計及入網(wǎng)電動汽車不確定性的電網(wǎng)魯棒優(yōu)化調(diào)度(Power grid robust optimized dispatch considering vehicle-to-grid uncertainty)[J].華東電力(East China Electric Power)，2014，42(10)：2022-2027.

[25] 梅生偉，郭文濤，王瑩瑩, 等(Mei Shengwei， Guo Wentao，Wang Yingying, et al.).一類電力系統(tǒng)魯棒優(yōu)化問題的博弈模型及應用實例(A game model for robust optimization of power systems and its application)[J].中國電機工程學報(Proceedings of the CSEE)，2013，33(19)：47-56.

Joint optimal dispatch of electric vehicles and thermostatically-controlled loads in commercial buildings

QI Xiao-lin1, AI Xin1, TANG Liang2, LUO Geng-yu2

(1. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources, North China Electric Power University, Beijing 102206, China; 2． State Grid Anhui Electric Power Company, Hefei 230022, China)

With the increasing number of electric vehicles (EV), disordered charging will result in a new peak load to the grid, thus leads to the overload of local transformers. Due to large number of EVs access to the grid while distribution network is not in time to upgrade, this paper scheduled the thermostatically-controlled loads and EVs cooperatively considering the rebound characteristics and schedulability of thermostatically-controlled loads, with the Vehicle-to-Building (V2B) as technology support. The power grid provided discount price for thermostatically-controlled loads and compensation for EVs due to its battery loses. Under the constraint conditions of comfort room temperature, and charging and discharging times of EV and transformer capacity, this paper established the optimum aim of minimum of the grid’s dispatching cost and minimum of the electricity fees of total loads. Results show that the thermostatically-controlled loads and EVs has complementary characteristics and joint scheduling of both can achieve the purpose of transformer not overloaded while achieving the minimal dispatching cost.

vehicle-to-building (V2B); electrical vehicle; thermostatically-controlled load; load rebound characteristics; demand response

2016-05-05

國家高技術(shù)研究發(fā)展計劃(863計劃)項目(2015AA050102)、 國家自然科學基金項目(513111122)

齊曉琳(1992-)， 女， 河北籍， 碩士研究生， 研究方向為新能源電力系統(tǒng)及需求響應； 艾 欣(1964-)， 男， 遼寧籍， 教授， 博導， 博士， 研究方向為新能源電力系統(tǒng)及微網(wǎng)。

TM721

A

1003-3076(2017)04-0051-08