王明深，穆云飛，賈宏杰，戚 艷，于建成，齊文瑾

(1. 天津大學(xué) 智能電網(wǎng)教育部重點(diǎn)實(shí)驗(yàn)室，天津 300072；2. 國網(wǎng)天津市電力公司電力科學(xué)研究院，天津 300384；3. 江蘇省電力設(shè)計(jì)院，江蘇 南京 211102)

0 引言

近年來，為應(yīng)對(duì)能源危機(jī)，風(fēng)力發(fā)電以其節(jié)能減排的巨大優(yōu)勢，在世界范圍內(nèi)快速發(fā)展。預(yù)計(jì)到2020年，我國風(fēng)電裝機(jī)容量將高達(dá)150GW[1]。隨著風(fēng)電在電網(wǎng)中的大規(guī)模接入，風(fēng)電隨機(jī)間歇性的特點(diǎn)將給電網(wǎng)的安全穩(wěn)定運(yùn)行產(chǎn)生深刻影響[2-3]。風(fēng)電功率具有強(qiáng)波動(dòng)性，而傳統(tǒng)發(fā)電機(jī)由于爬坡率的限制，難以追蹤風(fēng)電功率的快速變化，這已成為制約風(fēng)電大規(guī)模入網(wǎng)的主要障礙[4-5]。根據(jù)2010—2016年風(fēng)電統(tǒng)計(jì)數(shù)據(jù)，我國棄風(fēng)現(xiàn)象嚴(yán)重，棄風(fēng)率超過10%，一些地區(qū)棄風(fēng)率甚至高達(dá)47%[6-7]，棄風(fēng)造成風(fēng)電利用率低，嚴(yán)重影響風(fēng)電入網(wǎng)的經(jīng)濟(jì)性。

為促進(jìn)風(fēng)電在電網(wǎng)中的消納吸收，目前一種有效方式是借助儲(chǔ)能裝置來減輕風(fēng)電功率波動(dòng)的影響。文獻(xiàn)[8-9]驗(yàn)證了電池儲(chǔ)能系統(tǒng)具有能量密度高、充放電響應(yīng)速度快的優(yōu)勢，能夠有效平抑風(fēng)電引起的功率波動(dòng)；在文獻(xiàn)[10-11]中，飛輪儲(chǔ)能系統(tǒng)由于使用壽命長、運(yùn)行維護(hù)方便的特點(diǎn)，成為輔助風(fēng)電入網(wǎng)的另一重要儲(chǔ)能系統(tǒng)；而文獻(xiàn)[12-13]驗(yàn)證了超級(jí)電容在平抑風(fēng)電所帶來的功率波動(dòng)時(shí)，具有效率高、短時(shí)間充放電速度快的特點(diǎn)。然而，目前儲(chǔ)能系統(tǒng)的投資及運(yùn)行成本較高，大規(guī)模配置儲(chǔ)能系統(tǒng)將嚴(yán)重影響風(fēng)電入網(wǎng)的經(jīng)濟(jì)性[14]。

近年來，隨著需求響應(yīng)技術(shù)的快速發(fā)展，以電動(dòng)汽車為代表的需求側(cè)資源，接入電網(wǎng)后能夠作為儲(chǔ)能單元，通過改變與電網(wǎng)交換的功率大小(充電或放電)，為電網(wǎng)提供多類型的輔助服務(wù)。預(yù)計(jì)到2020年，我國電動(dòng)汽車數(shù)量將達(dá)到5×106輛[15]，如此大規(guī)模電動(dòng)汽車接入電網(wǎng)，其響應(yīng)容量將十分可觀。文獻(xiàn)[16-17]在充分考慮用戶出行規(guī)律的基礎(chǔ)上，驗(yàn)證了電動(dòng)汽車集群具有潛在的有功響應(yīng)能力；文獻(xiàn)[18-19]有效利用了電動(dòng)汽車的響應(yīng)能力，從而減輕了分布式電源接入配電網(wǎng)造成的電壓波動(dòng)問題；文獻(xiàn)[20-21]提出了針對(duì)電動(dòng)汽車的頻率響應(yīng)控制策略，利用電動(dòng)汽車的響應(yīng)能力來提升電網(wǎng)的頻率穩(wěn)定；文獻(xiàn)[22-23]通過優(yōu)化電動(dòng)汽車的充放電過程，促進(jìn)分布式電源在電網(wǎng)中的消納吸收。

然而，目前針對(duì)電動(dòng)汽車入網(wǎng)后的調(diào)度控制研究仍存在以下問題：①在建立單體電動(dòng)汽車模型時(shí)，忽略了電池儲(chǔ)能容量在時(shí)間尺度上對(duì)處于不同荷電狀態(tài)SOC(State Of Charge)的電動(dòng)汽車的響應(yīng)能力的影響；②多個(gè)電動(dòng)汽車集群在參與調(diào)度控制時(shí)，其約束主要來自有功響應(yīng)能力的上下限約束，而忽略了集群之間儲(chǔ)能容量的差異性；③不同SOC的電動(dòng)汽車在控制過程中，主要是根據(jù)排隊(duì)理論來選擇參與調(diào)控的電動(dòng)汽車，被選擇的電動(dòng)汽車通過充電、空閑、放電狀態(tài)的相互切換來實(shí)現(xiàn)需求響應(yīng)，而忽略了以電力電子裝置為基礎(chǔ)的充電樁對(duì)其入網(wǎng)功率連續(xù)調(diào)節(jié)的能力。

為此，本文在充分研究電動(dòng)汽車入網(wǎng)后儲(chǔ)能特性的基礎(chǔ)上，構(gòu)建了單體電動(dòng)汽車的精細(xì)化儲(chǔ)能能力模型，以精確分析電動(dòng)汽車集群的儲(chǔ)能能力；在平抑控制策略中，多個(gè)電動(dòng)汽車集群在協(xié)同追蹤風(fēng)電帶來的功率波動(dòng)時(shí)，充分考慮了不同集群儲(chǔ)能能力的差異性；同時(shí)，該策略考慮了針對(duì)電動(dòng)汽車入網(wǎng)后關(guān)于功率控制的2種控制方法，并對(duì)不同控制方法下的放電過程進(jìn)行對(duì)比分析，以減少電池的放電過程；電動(dòng)汽車在參與平抑控制時(shí)，充分考慮入網(wǎng)功率的連續(xù)調(diào)節(jié)能力，根據(jù)SOC自適應(yīng)算法，不同SOC的電動(dòng)汽車在平抑控制時(shí)貢獻(xiàn)不同的響應(yīng)能力。

1 平抑控制策略實(shí)現(xiàn)框架

考慮電動(dòng)汽車集群儲(chǔ)能能力和風(fēng)電接入的聯(lián)絡(luò)線功率平抑控制策略的實(shí)現(xiàn)框架如圖1所示。

圖1 平抑控制策略實(shí)現(xiàn)框架Fig.1 Framework of smooth control strategy

圖1中包括m個(gè)電動(dòng)汽車集群，根據(jù)調(diào)度控制范圍的不同，該平抑控制策略實(shí)現(xiàn)了全局控制層、局域控制層和終端控制層之間的協(xié)同控制。本文將電動(dòng)汽車與電網(wǎng)交換的功率定義為電動(dòng)汽車的輸出功率，輸出功率為正表示電動(dòng)汽車向電網(wǎng)反饋電能，輸出功率為負(fù)則表示電動(dòng)汽車從電網(wǎng)獲取電能。

a. 全局控制層。該層的調(diào)度控制中心實(shí)時(shí)采集聯(lián)絡(luò)線的功率數(shù)據(jù)，并接收局域控制層中各電動(dòng)汽車集群控制中心提供的儲(chǔ)能能力參數(shù)；然后根據(jù)平抑控制策略，計(jì)算各集群的響應(yīng)容量，并向各電動(dòng)汽車集群控制中心發(fā)出調(diào)度控制信號(hào)。

b. 局域控制層。該層的各電動(dòng)汽車集群控制中心實(shí)時(shí)采集電動(dòng)汽車的輸出功率和SOC，并根據(jù)離線數(shù)據(jù)，包括電動(dòng)汽車電池容量、出行需求SOC、SOC變化范圍、額定充放電功率、充放電效率、離開電網(wǎng)時(shí)間等信息，實(shí)時(shí)評(píng)估集群的儲(chǔ)能能力參數(shù)，并將儲(chǔ)能能力參數(shù)提供給全局控制層；同時(shí)，該層的集群控制中心，接收來自全局控制層的調(diào)度控制信號(hào)，并根據(jù)SOC自適應(yīng)算法和電動(dòng)汽車輸出功率限制，計(jì)算各電動(dòng)汽車的輸出功率值。

c. 終端控制層。該層主要是終端設(shè)備，主要用來接收來自局域控制層的控制信號(hào)，并實(shí)時(shí)調(diào)整電動(dòng)汽車的輸出功率；同時(shí)，用戶入網(wǎng)前需要在相應(yīng)的終端設(shè)備上設(shè)定其充電計(jì)劃，并將充電計(jì)劃的信息提供給局域控制層。

2 電動(dòng)汽車集群儲(chǔ)能能力評(píng)估模型

2.1 單體電動(dòng)汽車精細(xì)化儲(chǔ)能能力模型

電動(dòng)汽車接入電網(wǎng)后，可以等效為電池儲(chǔ)能單元，借助基于電力電子裝置的充電樁，通過調(diào)整其輸出功率，在滿足用戶出行需求的前提下，參與到電網(wǎng)的運(yùn)行中。單體電動(dòng)汽車的儲(chǔ)能能力有限，而以集群為整體的大規(guī)模電動(dòng)汽車的儲(chǔ)能能力十分可觀。構(gòu)建精細(xì)化的單體電動(dòng)汽車儲(chǔ)能能力模型，對(duì)于評(píng)估電動(dòng)汽車集群的儲(chǔ)能能力具有重要意義。

圖2 單體電動(dòng)汽車儲(chǔ)能特性Fig.2 Energy storage characteristic of an EV

因此，如圖2中陰影部分所示的電動(dòng)汽車最大運(yùn)行區(qū)域ABCFED，可以看作6條直線AB、BC、CF、AD、DE、EF圍成的可行域，考慮到電動(dòng)汽車的額定充放電功率是恒定的，以t和S為變量，6條直線的數(shù)學(xué)方程如式(1)所示。

(1)

(2)

(3)

(4)

(5)

(6)

(7)

2.2 電動(dòng)汽車集群儲(chǔ)能能力模型

(8)

(9)

(10)

3 平抑控制策略

3.1 功率波動(dòng)率

聯(lián)絡(luò)線用于連接負(fù)荷區(qū)域與電網(wǎng)，負(fù)荷區(qū)域包括常規(guī)負(fù)荷、電動(dòng)汽車負(fù)荷以及風(fēng)電等，聯(lián)絡(luò)線的功率波動(dòng)直接影響電網(wǎng)的穩(wěn)定運(yùn)行。為評(píng)估聯(lián)絡(luò)線功率的波動(dòng)性，以T為研究時(shí)段，本文定義了聯(lián)絡(luò)線功率的波動(dòng)率rT，如式(11)—(13)所示。

(11)

(12)

(13)

在波動(dòng)率rT的基礎(chǔ)上，本文定義了聯(lián)絡(luò)線功率的實(shí)時(shí)波動(dòng)率r(t)，如式(14)所示，同時(shí)，定義了實(shí)時(shí)波動(dòng)率的上、下限，如式(15)所示。

(14)

(15)

3.2 平抑控制策略

為充分利用電動(dòng)汽車集群的儲(chǔ)能能力，以降低聯(lián)絡(luò)線功率波動(dòng)對(duì)電網(wǎng)的影響，本文在考慮電動(dòng)汽車輸出功率上下限約束的基礎(chǔ)上，提出了基于電動(dòng)汽車SOC自適應(yīng)算法的平抑控制策略。該平抑控制策略的實(shí)現(xiàn)過程如步驟1— 4所示。

步驟1：確定多個(gè)電動(dòng)汽車集群總輸出功率的目標(biāo)變化值ΔPE*(t)。

(1) 計(jì)算聯(lián)絡(luò)線功率平抑目標(biāo)值PDE*(t)，該步驟中，提出方法1和方法2來計(jì)算PDE*(t)。

方法1：通過以下過程a—c用來確定PDE*(t)。

a. 若r(t)

(16)

b. 若rmin≤r(t)≤rmax，則有：

PDE*(t)=PDE(t)

(17)

c. 若r(t)>rmax，則有：

(18)

(19)

(20)

(2) 確定多個(gè)電動(dòng)汽車集群總輸出功率的目標(biāo)變化值ΔPE*(t)。

在獲取PDE*(t)的基礎(chǔ)上，ΔPE*(t)的表達(dá)式如下：

ΔPE*(t)=PDE*(t)-PDE(t)

(21)

(22)

(23)

(24)

(25)

在上述過程c和d中，電動(dòng)汽車集群無法達(dá)到輸出功率的目標(biāo)要求，即無法完全平抑功率的波動(dòng)，不能平抑的部分需要由儲(chǔ)能電池提供。

(26)

(27)

(28)

(29)

(30)

(31)

(32)

(33)

(34)

PDE,r(t)=PD(t)+PE′(t)

(35)

4 算例分析

4.1 算例場景

結(jié)合天津配網(wǎng)特點(diǎn)進(jìn)行說明，目前，可再生能源經(jīng)由獨(dú)立的饋線接入電網(wǎng)，示意的用電區(qū)域如附錄圖A1所示。用電區(qū)域中，風(fēng)電經(jīng)由饋線1接入電網(wǎng)，而3個(gè)負(fù)荷區(qū)域(包括居民區(qū)、商業(yè)區(qū)、居民商業(yè)混合區(qū))經(jīng)由饋線2—4接入電網(wǎng)，每個(gè)負(fù)荷區(qū)域包括常規(guī)負(fù)荷和電動(dòng)汽車負(fù)荷，風(fēng)電可以看作功率為負(fù)值的負(fù)荷，風(fēng)電及3個(gè)負(fù)荷區(qū)域的常規(guī)負(fù)荷曲線如圖3所示(功率為標(biāo)幺值)。整個(gè)用電區(qū)域經(jīng)由聯(lián)絡(luò)線接入電網(wǎng)，由于風(fēng)電功率具有強(qiáng)波動(dòng)性，因此造成聯(lián)絡(luò)線的功率波動(dòng)，進(jìn)而影響電網(wǎng)的穩(wěn)定運(yùn)行。

圖3 風(fēng)電及常規(guī)負(fù)荷曲線Fig.3 Profiles of wind power and conventional load

聯(lián)絡(luò)線用于連接用電區(qū)域與電網(wǎng)，其功率波動(dòng)直接影響電網(wǎng)的穩(wěn)定，因此，本算例以聯(lián)絡(luò)線功率為研究對(duì)象，利用3個(gè)負(fù)荷區(qū)域中接入的電動(dòng)汽車來平抑聯(lián)絡(luò)線的功率波動(dòng)，以降低風(fēng)電接入所帶來的功率波動(dòng)對(duì)電網(wǎng)的影響。在各負(fù)荷區(qū)域中，假設(shè)電動(dòng)汽車采用分散接入的方式，且本研究主要關(guān)注電動(dòng)汽車的有功調(diào)度及控制，假設(shè)無功補(bǔ)償滿足電壓要求，即各區(qū)域在風(fēng)電入網(wǎng)、電動(dòng)汽車接入及調(diào)控過程中不存在電壓越限的問題，以此為背景展開研究。

算例中，風(fēng)電的裝機(jī)容量為3MW，居民區(qū)、商業(yè)區(qū)和混合區(qū)的最大負(fù)荷分別為2MW、2MW、3MW，各區(qū)域中接入的電動(dòng)汽車看作一個(gè)集群，同時(shí)考慮3種不同類型的電動(dòng)汽車：HBW(Home-Based-Work)、HBO(Home-Based-Other)、NHB(Non-Home-Based)[26]，上述3類車輛在3個(gè)負(fù)荷區(qū)域中的分布如表1所示[18]。

表1 不同類型電動(dòng)汽車在3個(gè)負(fù)荷區(qū)域中的分布Table 1 Distribution of different types of EVs in three load regions

本文中，假設(shè)聯(lián)絡(luò)線功率波動(dòng)率的閾值為15min 內(nèi)不高于10%。而針對(duì)實(shí)際的電網(wǎng)，波動(dòng)率的閾值是一個(gè)可調(diào)整的數(shù)值，可根據(jù)實(shí)際電網(wǎng)中發(fā)電機(jī)爬坡率、入網(wǎng)要求等，調(diào)整波動(dòng)率的閾值。

4.2 電動(dòng)汽車儲(chǔ)能能力

為評(píng)估電動(dòng)汽車集群的儲(chǔ)能能力，根據(jù)式(8)—(10)，在集群不參與平抑控制的情況下，3個(gè)集群的儲(chǔ)能容量及SOC值如附錄圖A3所示，3個(gè)集群的輸出功率及其上、下限如圖4所示。

①集群3上邊界，②集群2上邊界③集群1上邊界，④集群1功率⑤集群2功率，⑥集群3功率⑦集群1下邊界，⑧集群2下邊界⑨集群3下邊界

4.3 平抑控制效果

圖5 聯(lián)絡(luò)線功率平抑控制效果(方法1)Fig.5 Control effect of tie-line power smoothing(Method 1)

圖6 平抑前后波動(dòng)率對(duì)比(方法1)Fig.6 Comparison of power fluctuation rate without and with smoothing control(Method 1)

圖7 電動(dòng)汽車集群總輸出功率(方法1)Fig.7 Total power output of EV aggregators(Method 1)

以集群1為例，圖8給出了集群1中各入網(wǎng)后的電動(dòng)汽車在參與平抑控制后的SOC變化曲線?？梢钥闯觯妱?dòng)汽車的SOC在高于0.4的時(shí)候，才會(huì)參與平抑控制；而電動(dòng)汽車在離開電網(wǎng)前，強(qiáng)制充電過程會(huì)保證SOC滿足用戶出行需求；以圖中橢圓標(biāo)記的區(qū)域?yàn)槔?，由于SOC曲線斜率與電動(dòng)汽車輸出功率成正比，在平抑控制過程中，針對(duì)一個(gè)正值的功率波動(dòng)，根據(jù)SOC自適應(yīng)算法，集群中SOC較低的電動(dòng)汽車將提供更多的功率變化；而針對(duì)一個(gè)負(fù)值的功率波動(dòng)，根據(jù)SOC自適應(yīng)算法，集群中SOC較高的電動(dòng)汽車將提供更多的功率變化。該方法有效利用了基于電力電子裝置的充電樁對(duì)電動(dòng)汽車入網(wǎng)過程中有功功率的連續(xù)調(diào)節(jié)能力。

圖8 集群1中電動(dòng)汽車SOC變化(方法1)Fig.8 SOC variations of EVs in Aggregator 1(Method 1)

圖9 方法1和方法2的聯(lián)絡(luò)線功率平抑控制效果Fig.9 Control effect of tie-line power smoothing with Method 1 and Method 2

為比較步驟1中方法1和方法2對(duì)平抑控制效果的差異性，2種方法的平抑控制效果如圖9和圖10所示。可以看出，采用方法2，實(shí)際平抑功率能夠更好地追蹤目標(biāo)平抑功率，能夠更有效地降低聯(lián)絡(luò)線的功率波動(dòng)率；其主要原因是由于電動(dòng)汽車出行前需要滿足用戶需求，進(jìn)入強(qiáng)制充電過程的電動(dòng)汽車無響應(yīng)能力，造成電動(dòng)汽車集群響應(yīng)能力下降，如圖7中標(biāo)記的時(shí)段所示，而采用方法2后，由于電動(dòng)汽車放電過程受到一定程度的抑制，降低了電動(dòng)汽車進(jìn)入強(qiáng)制充電過程的概率，從而提高了電動(dòng)汽車在該時(shí)段的響應(yīng)能力。通過對(duì)比方法1和方法2易知，合理的控制策略能夠更為有效地利用電動(dòng)汽車集群響應(yīng)能力的時(shí)間分布特性。

圖10 平抑前后波動(dòng)率對(duì)比(方法1與方法2)Fig.10 Comparison of power fluctuation rate without and with smoothing control(Method 1 and Method 2)

為了對(duì)比分析方法1和方法2的電動(dòng)汽車集群總放電功率的差異性，附錄中圖A5給出了各時(shí)刻電動(dòng)汽車放電功率的大小，圖11則給出了不同方法下電動(dòng)汽車集群的總放電量?？梢钥闯觯捎梅椒?能夠有效減少電動(dòng)汽車的放電過程。

圖11 電動(dòng)汽車集群總放電能量(方法1與方法2)Fig.11 Discharged energy of EV aggregators(Method 1 and Method 2)

為對(duì)比分析無平抑控制策略、基于方法1的平抑控制策略、基于方法2的平抑控制策略這3種情況，為達(dá)到平抑的目標(biāo)要求，表2給出了3種情況下對(duì)電池儲(chǔ)能系統(tǒng)的參數(shù)要求，可以看出，有效利用電動(dòng)汽車的儲(chǔ)能能力，能夠在保證對(duì)風(fēng)電消納吸收的基礎(chǔ)上，減少風(fēng)電接入對(duì)電池儲(chǔ)能系統(tǒng)的配置要求，而方法2更為有效地利用了電動(dòng)汽車的儲(chǔ)能能力。

表2 電池儲(chǔ)能系統(tǒng)的參數(shù)要求Table 2 Required parameters for battery energy storage system

5 結(jié)論

本文提出了考慮電動(dòng)汽車集群儲(chǔ)能能力和風(fēng)電接入的平抑控制策略，利用算例驗(yàn)證了所提出的電動(dòng)汽車儲(chǔ)能能力模型和平抑控制策略的有效性，具體研究結(jié)論如下：

a. 采用本文提出的平抑控制策略，能夠利用電動(dòng)汽車的儲(chǔ)能能力，有效降低聯(lián)絡(luò)線的功率波動(dòng)，降低風(fēng)電接入對(duì)電網(wǎng)的影響；

b. 本文所提出的單體電動(dòng)汽車精細(xì)化儲(chǔ)能模型，能夠結(jié)合入網(wǎng)時(shí)段有效評(píng)估電動(dòng)汽車在不同SOC下的儲(chǔ)能容量，同時(shí)考慮了儲(chǔ)能容量對(duì)電動(dòng)汽車有功功率的約束，使電動(dòng)汽車集群儲(chǔ)能模型更加精確；

c. 基于SOC自適應(yīng)算法的平抑控制策略，能夠根據(jù)自身SOC水平確定各電動(dòng)汽車的輸出功率，有效利用了電動(dòng)汽車輸出功率的連續(xù)調(diào)節(jié)能力；

d. 通過對(duì)比方法1和方法2，方法2能夠有效減少電動(dòng)汽車的放電過程，降低了電動(dòng)汽車在控制過程中進(jìn)入強(qiáng)制充電過程的可能性，在一定程度上提升了電動(dòng)汽車的響應(yīng)能力，具有更好的平抑效果；

e. 利用電動(dòng)汽車的儲(chǔ)能能力，電池儲(chǔ)能系統(tǒng)僅僅作為后備資源，有效降低了風(fēng)電入網(wǎng)對(duì)電池儲(chǔ)能系統(tǒng)配置參數(shù)的要求。

附錄見本刊網(wǎng)絡(luò)版(http：∥www.epae.cn)。

參考文獻(xiàn)：

[1] World Wind Energy Association. Wind energy around the world[R]. [2017-07-11]. http：∥www.wwindea.org/wwea_bulletin_issue_1_2016/.

[2] PARSON B，MILLIGAN M，ZAVADIL B，et al. Grid impacts of wind power：a summary of recent studies in the united states[J]. Wind Energy，2004，7(2)：87-108.

[3] 豐穎，贠志皓，周瓊，等. 考慮風(fēng)電接入的在線風(fēng)險(xiǎn)評(píng)估和預(yù)防控制[J]. 電力自動(dòng)化設(shè)備，2017，37(2)：61-68.

FENG Ying，YUN Zhihao，ZHOU Qiong，et al. Online risk assess- ment and preventive control considering wind-power integration[J].Electric Power Automation Equipment，2017，37(2)：61-68.

[4] 楊建，張利，王明強(qiáng)，等. 計(jì)及出力水平影響與自相關(guān)性的風(fēng)電預(yù)測誤差模擬方法[J]. 電力自動(dòng)化設(shè)備，2017，37(9)：96-102.

YANG Jian，ZHANG Li，WANG Mingqiang，et al. Wind-power forecasting error simulation considering output level and self-correlation[J]. Electric Power Automation Equipment，2017，37(9)：96-102.

[5] 李本新，韓學(xué)山，劉國靜，等. 風(fēng)電與儲(chǔ)能系統(tǒng)互補(bǔ)下的火電機(jī)組組合[J]. 電力自動(dòng)化設(shè)備，2017，37(7)：31-37.

LI Benxin，HAN Xueshan，LIU Guojing，et al. Thermal unit commitment with complementary wind power and energy storage system[J]. Electric Power Automation Equipment，2017，37(7)：31-37.

[6] LUO G，LI Y，TANG W，et al. Wind curtailment of China’s wind power operation：evolution,causes and solutions[J]. Renewable and Sustainable Energy Reviews，2016，53：1190-1201.

[7] ZHANG Y，TANG N，NIU Y，et al. Wind energy rejection in China：current status,reasons and perspectives[J]. Renewable and Sustainable Energy Reviews，2016，66：322-344.

[8] 雷珽，歐陽曾愷，李征，等. 平抑風(fēng)能波動(dòng)的儲(chǔ)能電池SOC與濾波協(xié)調(diào)控制策略[J]. 電力自動(dòng)化設(shè)備，2015，35(7)：126-131.

LEI Ting，OUYANG Zengkai，LI Zheng，et al. Coordinated control of battery SOC maintaining and filtering for wind power fluctuation smoothing[J]. Electric Power Automation Equipment，2015，35(7)：126-131.

[9] 顏偉，呂冰，趙霞，等. 含高滲透率風(fēng)電配網(wǎng)中電池儲(chǔ)能系統(tǒng)和開關(guān)的協(xié)調(diào)規(guī)劃[J]. 電力自動(dòng)化設(shè)備，2015，35(3)：6-11.

YAN Wei，Lü Bing，ZHAO Xia，et al. Coordinated allocation of BESS and controllable switches in distribution system with high penetration of wind power[J]. Electric Power Automation Equipment，2015，35(3)：6-11.

[10] 熊倩. 含飛輪儲(chǔ)能永磁直驅(qū)風(fēng)力發(fā)電系統(tǒng)功率平滑控制策略研究[D]. 重慶：重慶大學(xué)，2012.

XIONG Qian. A thesis submitted to chongqing university in partial fulfillment of the requirement for the degree of master of engineering[D]. Chongqing：Chongqing University，2012.

[11] 劉世林，文勁宇，高文根，等. 基于飛輪儲(chǔ)能的并網(wǎng)風(fēng)電功率綜合調(diào)控策略[J]. 電力自動(dòng)化設(shè)備，2015，35(12)：34-39.

LIU Shilin，WEN Jinyu，GAO Wengen，et al. FESS-based comprehensive control of grid-connecting wind power[J]. Electric Power Automation Equipment，2015，35(12)：34-39.

[12] WEE K，CHOI S，VILATHGAMUWA D. Design of a least-cost battery-supercapacitor energy storage system for realizing dispatchable wind power[J]. IEEE Transactions on Sustainable Energy，2013，4(3)：786-796.

[13] BAI L，LI F，HU Q，et al.Application of battery-supercapacitor energy storage system for smoothing wind power output：an optimal coordinated control strategy[C]∥Proceedings of IEEE Power and Energy Society General Meeting. Boston，MA，USA：IEEE,2016：1-5.

[14] AWAD A S A，F(xiàn)ULLER J D，EL-FOULY T H M，et al. Impact of energy storage systems on electricity market equilibrium[J].IEEE Transactions on Sustainable Energy，2014，5(3)：875-885.

[15] MENG J，MU Y，JIA H，et al. Dynamic frequency response from electric vehicles considering travelling behavior in the Great Britain power system[J]. Applied Energy，2016，162：966-979.

[16] WANG M，ZENG P，MU Y，et al. An efficient power plant model of electric vehicles considering the travel behaviors of EV users[C]∥Proceedings of International Conference on Power System Techno-logy. Chengdu，China：IEEE,2014：3322-3327.

[17] 王明深. 含大規(guī)模電動(dòng)汽車的廣域源荷互動(dòng)優(yōu)化調(diào)控技術(shù)研究[D]. 天津：天津大學(xué)，2016.

WANG Mingshen. Research on optimal regulation for the interaction of wide area source and load with large-scale electric vehicles[D].Tianjin：Tianjin University，2016.

[18] CHENG L，CHANG Y，HUANG R. Mitigating voltage problem in distribution system with distributed solar generation using electric vehicles[J]. IEEE Transactions on Sustainable Energy，2015，6(2)：1475-1484.

[19] MU Y，WU J，JENKINS N，et al. A spatial-temporal model for grid impact analysis of plug-in electric vehicles[J]. Applied Energy，2014，114：456-465.

[20] IZADKHAST S，GARCIA-GONZALEZ P，F(xiàn)RAS P. An aggregate model of plug-in electric vehicles for primary frequency control[J]. IEEE Transactions on Power Systems，2015，30(3)：1475-1482.

[21] MU Y，WU J，EKANAYAKE J，et al. Primary frequency response from electric vehicles in the Great Britain power system[J]. IEEE Transactions on Smart Grid，2013，4(2)：1142-1150.

[22] 占愷嶠，胡澤春，宋永華，等. 含新能源接入的電動(dòng)汽車有序充電分層控制策略[J]. 電網(wǎng)技術(shù)，2016，40(12)：3689-3695.

ZHAN Kaiqiao，HU Zechun，SONG Yonghua，et al. Electric vehicle coordinated charging hierarchical control strategy considering rene-wable energy generation integration[J]. Power System Technology，2016，40(12)：3689-3695.

[23] 侯建朝，胡群豐，譚忠富，等. 計(jì)及需求響應(yīng)的風(fēng)電-電動(dòng)汽車協(xié)同調(diào)度多目標(biāo)優(yōu)化模型[J]. 電力自動(dòng)化設(shè)備，2016，36(7)：22-27.

HOU Jianchao，HU Qunfeng，TAN Zhongfu，et al. Multi-objective optimization model of collaborative WP-EV dispatch considering demand response[J]. Electric Power Automation Equipment，2016，36(7)：22-27.

[24] 王明深，于汀，穆云飛，等. 電動(dòng)汽車能效電廠價(jià)格響應(yīng)模[J]. 天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版)，2016，49(12)：1320-1329.

WANG Mingshen，YU Ting，MU Yunfei，et al. A price response model for efficient power plant of electric vehicles[J]. Journal of Tianjin University(Science and Technology)，2016，49(12)：1320-1329.

[25] 王明深，于汀，穆云飛，等. 考慮用戶參與度的電動(dòng)汽車能效電廠模型[J]. 電力自動(dòng)化設(shè)備，2017，37(11)：201-210.

WANG Mingshen，YU Ting，MU Yunfei，et al. Model of E-EPP considering participation factor of EV users[J]. Electric Power Automation Equipment，2017，37(11)：201-210.

[26] WANG M，MU Y，JIA H，et al. A preventive control strategy for static voltage stability based on an efficient power plant model of electric vehicles[J]. Journal of Modern Power Systems and Clean Energy，2015，3(1)：103-113.

[27] WANG M，MU Y，JIA H，et al. Active power regulation for large-scale wind farms through an efficient power plant model of electric vehicles[J]. Applied Energy，2017，185，1673-1683.

[28] ZHANG H，HU Z，XU Z，et al. Evaluation of achievable vehicle-to-

grid capacity using aggregate PEV model[J]. IEEE Transactions on Power Systems，2017，32(1)：784-794.

[29] FARZIN H，F(xiàn)OTUHI-FIRUZABAD M，MOEINI-AGHTAIE M.A practical scheme to involve degradation cost of lithium-ion batteries in vehicle-to-grid applications[J]. IEEE Transactions on Sustain-able Energy，2016，7(4)：1730-1738.