謝東亮, 張宇瓊, 吳巨愛,3, 劉長(zhǎng)磊, 吳 俊，3

(1. 南瑞集團(tuán)(國網(wǎng)電力科學(xué)研究院)有限公司, 江蘇省南京市211106; 2. 國華能源投資有限公司, 北京市 100007; 3. 南京理工大學(xué)自動(dòng)化學(xué)院, 江蘇省南京市 210094)

0 引言

充電設(shè)施不足是當(dāng)前制約純電動(dòng)汽車(battery electric vehicle,BEV)發(fā)展的關(guān)鍵因素之一。截至2016年10月末,中國公共和私人充電樁總數(shù)已超過27萬個(gè),但與電動(dòng)汽車保有量相比,車樁比僅為2.7∶1左右[1]。同時(shí),充電資源分布不合理,在居民區(qū)內(nèi)安裝的充電樁數(shù)量又遠(yuǎn)小于在道路周邊、集中式充電站、工業(yè)園區(qū)及商業(yè)中心裝設(shè)的數(shù)量,加劇了供需矛盾。正是在這一背景下,國家發(fā)改委、能源局、工信部、住建部聯(lián)合發(fā)布了《關(guān)于加快居民區(qū)電動(dòng)汽車充電基礎(chǔ)設(shè)施建設(shè)的通知》[2],為行業(yè)發(fā)展指明了方向。

制約居民臺(tái)區(qū)(配電變壓器以下區(qū)域)內(nèi)充電設(shè)施發(fā)展的關(guān)鍵瓶頸是臺(tái)區(qū)配電容量不足,其背后更有輸配電通道容量規(guī)劃不足的難題。一方面,可供充電利用的配電容量緊張,大多數(shù)居民區(qū)并未規(guī)劃充電負(fù)荷容量,變壓器剩余容量?jī)H能支撐少部分充電樁的裝設(shè)[3]。另一方面,受用電峰谷影響,變壓器日均負(fù)載率偏低,用電低谷時(shí)段變壓器容量大量閑置[4]。由于配電設(shè)施投資遠(yuǎn)大于充電樁本體投資,消費(fèi)者和經(jīng)營充電服務(wù)的售電商都不愿涉足配電設(shè)施增容改造[5]項(xiàng)目。如果說局部區(qū)域的容量緊張還能通過網(wǎng)側(cè)功率的合理調(diào)配解決,普遍的容量問題就只能依靠輸、配電通道的擴(kuò)、重建,投資甚大。因此,遠(yuǎn)期來看,要逐步將充電負(fù)荷需求納入輸、配電網(wǎng)規(guī)劃;但近期來看,應(yīng)盡量規(guī)避、延緩、縮小配電設(shè)施增容改造需求，在不擴(kuò)容前提下又增加充電容量供給,只能通過內(nèi)部提效。BEV的有序充/放電及其分布式儲(chǔ)能特性正是理想的提效工具,對(duì)應(yīng)用具有移峰填谷、需求調(diào)節(jié)效果的能量管理策略起到關(guān)鍵支撐作用。

要證實(shí)上述觀點(diǎn),就要求對(duì)不同技術(shù)平臺(tái)上應(yīng)用不同控制策略的效果進(jìn)行量化評(píng)估,評(píng)估包括以下關(guān)鍵步驟：針對(duì)典型充電場(chǎng)景提出有效的調(diào)度策略,通過仿真反映影響居民區(qū)內(nèi)充電的各種技術(shù)、經(jīng)濟(jì)因素,最終從多個(gè)側(cè)面完成技術(shù)方案影響運(yùn)營成效的綜合評(píng)估?，F(xiàn)有研究為達(dá)到平滑負(fù)荷曲線[6]、最大化運(yùn)營效益[7]、最小化網(wǎng)損[8]等多方面目標(biāo),在考慮電價(jià)機(jī)制[3,5]、預(yù)測(cè)BEV入網(wǎng)容量[6,9]、變壓器過載[3,6]、配電網(wǎng)電壓波動(dòng)[10]、線路潮流[11]、電池壽命[12]等多方面情況下,形成BEV有序充/放電的安排。但上述研究在數(shù)據(jù)上主要基于燃油汽車統(tǒng)計(jì)[13];方法上對(duì)多樣化工況和要求的適應(yīng)性不足,為提高大規(guī)模BEV接入的分析效率而大多采用粗粒度的BEV聚、分類方法,忽視BEV個(gè)體需求彈性、儲(chǔ)能特性的差異,難以校驗(yàn)個(gè)體履約情況;結(jié)論上較少觸及BEV參與應(yīng)急備用服務(wù)等并網(wǎng)互動(dòng)能力的分析。而具有小時(shí)至分鐘級(jí)響應(yīng)特性的應(yīng)急備用,如溫/熱態(tài)火電機(jī)組、燃?xì)鈾C(jī)組、可調(diào)水電機(jī)組、可調(diào)負(fù)荷及儲(chǔ)能,在組建應(yīng)對(duì)風(fēng)/光出力不確定性的新一道防線方面將起到關(guān)鍵作用。

本文基于文獻(xiàn)[13-15],在數(shù)據(jù)上綜合考慮了BEV消費(fèi)者購買、出行意愿對(duì)車輛性能和使用場(chǎng)景的影響,進(jìn)而建立了反映時(shí)間彈性等用戶需求響應(yīng)信息的充電合約模型。在入網(wǎng)臺(tái)區(qū)容量受阻情況下,構(gòu)建了多種充/放電調(diào)度策略優(yōu)化算法,通過算例驗(yàn)證了算法有效性,并從普遍性充電服務(wù)、功率調(diào)節(jié)及應(yīng)急備用能力、綜合售電效益等3個(gè)側(cè)面開展了不同充電模式的比較性分析。

1 分析與建模

經(jīng)營充電服務(wù)的售電商(以下簡(jiǎn)稱“售電商”)在1個(gè)居民區(qū)內(nèi)的典型運(yùn)營條件如圖1所示。圖中：V2G表示電動(dòng)汽車入網(wǎng)。

圖1 參與售電運(yùn)營的典型終端配電系統(tǒng)示意圖Fig.1 Schematic diagram of typical terminal distribution system involved in operation of a retailer

首先將負(fù)荷區(qū)分為不可調(diào)控負(fù)荷DUC及可調(diào)控負(fù)荷DC。DUC包括公共區(qū)域用電及傳統(tǒng)居民用電,均不可中斷或調(diào)控;DC在本文中僅涵蓋充電負(fù)荷,在不違反充電合約的前提下允許中斷或調(diào)控,如圖1(a)所示。當(dāng)不應(yīng)用任何集中充電調(diào)度策略時(shí),只有滿足式(1)才能保證安全可靠供電。即

max(PT)≥max(DUC)+max(DC)

(1)

式中：PT為配電變壓器的總?cè)萘?max(·)為峰值功率。

盡管DUC在一個(gè)調(diào)度周期內(nèi)存在顯著的峰谷差,但為了避免DUC和DC兩峰疊加,只能按DUC的峰值考慮,大大壓縮了可裝設(shè)的充電容量。

只要找到1個(gè)充電調(diào)度策略pCHG,使得式(2)總是得到滿足,則即使式(1)不成立,配電設(shè)施的安全性也能得到保證。即

max(PT)≥DUC(t)+DC(t) ?t∈T

(2)

DC(t)受pCHG支配。pCHG需在符合消費(fèi)者意愿前提下,達(dá)成售電商確定的目標(biāo)。借助充電合約,售電商一方面收集消費(fèi)者充電意愿,包括充電需求、出行安排、V2G限制等;一方面約定充電費(fèi)折扣及違約罰金,其基本內(nèi)容反映于以下約束構(gòu)成的模型。即

Ev(texp.v)=Eexp.v

(3)

(4)

(5)

Ev(tgrt.v)≥Egrt.v

(6)

式(3)約定了充電結(jié)束時(shí)刻texp.v及該時(shí)刻下車輛v(v∈V,集合V包括所有待充電BEV,對(duì)其某一時(shí)刻充電功率求和即得充電負(fù)荷DC)應(yīng)該達(dá)到的電量水平Eexp.v。式(4)約定了消費(fèi)者需支付的充電總費(fèi)用πCHG.v,它包括充電服務(wù)費(fèi)(由最高充電電價(jià)λCHG、折扣率ρCHG.v、本次充電電量的乘積獲得)及違約金πVLT.v;ηL為充電效率。式(5)約定了提前結(jié)束充電的違約金。式(6)為提前結(jié)束充電的用戶提供最低電量Egrt.v保證,tgrt.v為車輛v從初始電量Estart.v充至Egrt.v的最短時(shí)間。

當(dāng)考慮V2G技術(shù)下,1臺(tái)參與V2G服務(wù)的BEV的電池組相當(dāng)于1個(gè)分布式儲(chǔ)能單元,每個(gè)儲(chǔ)能單元內(nèi)部為1個(gè)電池陣列,實(shí)施一致性的控制,擁有統(tǒng)一的荷電狀態(tài)(state of charge,SOC),可作為整體來調(diào)度,如圖1(b)所示。式(2)應(yīng)進(jìn)一步修正為式(7)。即

max(PT)≥DT(t)≥-max(PT) ?t∈T

(7)

每個(gè)儲(chǔ)能單元需滿足的運(yùn)行約束為：

(8)

|PGL(t)-PGL(t-1)|≤σr(PG.max+PL.max)

(9)

PG.min≤PG(t)≤PG.max

(10)

PL.min≤PL(t)≤PL.max

(11)

Emin≤E(t)≤Emax

(12)

E(tstart)=E(tend)=E0

(13)

PG(t)PL(t)=0

(14)

式中：E(t)為t(t∈T)時(shí)刻反映儲(chǔ)能單元SOC的等效電量水平(以下簡(jiǎn)稱“儲(chǔ)能狀態(tài)”),Emin和Emax分別為儲(chǔ)能單元SOC下限和上限對(duì)應(yīng)的儲(chǔ)能狀態(tài);PL(t)為t(t∈T)時(shí)刻充電負(fù)荷功率,PL.min和PL.max分別為其下限和上限;PG(t)為t(t∈T)時(shí)刻放電負(fù)荷功率,PG.min和PG.max分別為其下限和上限;PGL(t)為t(t∈T)時(shí)刻充放電負(fù)荷的總功率;tstart和tend分別為調(diào)度周期T的起始和結(jié)束時(shí)刻;ηL和ηG分別為充電和發(fā)電時(shí)的轉(zhuǎn)換效率;E0和σr分別為儲(chǔ)能單元的初始儲(chǔ)能狀態(tài)及爬坡率限制。

除式(4)的充電收入外,售電商的收入項(xiàng)還包括傳統(tǒng)負(fù)荷的電費(fèi)πD、儲(chǔ)能單元的發(fā)電效益πG及向電網(wǎng)提供備用容量的服務(wù)效益πR;支出項(xiàng)包括滿足傳統(tǒng)負(fù)荷、充電負(fù)荷用電所需的購電成本πe。式(15)至式(19)給出了上述售電商“運(yùn)營效益最大化”的目標(biāo)。即

(15)

(16)

(17)

(18)

(19)

式中：λD(t)和λe(t)分別為時(shí)刻t的消費(fèi)電價(jià)和網(wǎng)側(cè)電價(jià);λR.up和λR.down分別為調(diào)度周期T內(nèi)向上、向下調(diào)節(jié)備用價(jià)格;PR.up和PR.down分別為備用周期τ(τ∈T)內(nèi)能夠向電網(wǎng)提供的負(fù)荷向上、向下調(diào)節(jié)容量。即

PR.up(τ)=max(PT)+min(DT)|t∈τ

(20)

PR.down(τ)=max(PT)-min(DT)|t∈τ

(21)

式中：min(DT)|t∈τ為備用周期τ內(nèi)實(shí)時(shí)負(fù)荷允許到達(dá)的最小值,當(dāng)微網(wǎng)考慮對(duì)外提供立即響應(yīng)備用時(shí),受影響的負(fù)荷電量應(yīng)在接受備用調(diào)度的后續(xù)時(shí)段分配。

當(dāng)考慮按車充/放電時(shí),不考慮違約情形,單臺(tái)BEV在達(dá)到最低保證電量Egrt.v后,等效于1個(gè)分布式儲(chǔ)能單元,因此除式(13)被式(22)替換外,也需滿足式(8)至式(14)的約束,其中Emin=Egrt.v,tstart=tgrt.v,tend=texp.v。不失一般性,這里ηL,ηG,σR均取電池儲(chǔ)能的典型值。

E(tstart)=Egrt.vE(tend)=Eexp.v

(22)

綜上所述,提供供電、充電及電網(wǎng)備用服務(wù)的售電商需選擇合理的充電策略pCHG、各儲(chǔ)能單元的充/放電策略pSTOR.i,以及決定折扣率ρCHG.v的充電定價(jià)策略pρ,在滿足式(7)的配電網(wǎng)安全約束、式(8)至式(14)的儲(chǔ)能單元安全約束及式(3)至式(6)的充電合約約束前提下,達(dá)成式(15)確定的運(yùn)營優(yōu)化目標(biāo)。策略之間的關(guān)系如圖2所示。

圖2 售電商充電服務(wù)定價(jià)策略與充/放電策略之間的關(guān)系Fig.2 Relations between charging pricing strategies for power retailers and charging/discharging strategies for BEVs

圖2中,基于一段相對(duì)較長(zhǎng)時(shí)期Tρ的運(yùn)營情況評(píng)估形成的充電定價(jià)策略pρ,將決定用戶所選充電場(chǎng)景的折扣費(fèi)率ρCHG.v,用戶通過變更充電合約“套餐”作出響應(yīng),最終構(gòu)成各類新簽BEV容量。當(dāng)運(yùn)行場(chǎng)景發(fā)生變化后,售電商重新收集已簽約BEV的狀態(tài),更新新簽約BEV容量及市場(chǎng)電價(jià)信息,預(yù)測(cè)調(diào)度周期T余下時(shí)段的待簽約BEV容量,完成調(diào)度周期T(T

2 BEV的調(diào)度策略

2.1 有序充電策略

(23)

2.2 有序充/放電策略

該策略在有序充電策略基礎(chǔ)上,允許調(diào)度BEV放電。在文獻(xiàn)[15]提出的單一儲(chǔ)能充/放電策略優(yōu)化算法基礎(chǔ)上,首先提出了按儲(chǔ)能特性聚類的BEV分組算法,旨在減少待優(yōu)化的BEV分組數(shù)量;然后針對(duì)分組及余下BEV提出了相應(yīng)的優(yōu)化算法。

2.2.1優(yōu)化原理

(24)

maxf(a,s)=

(25)

因此,對(duì)以上動(dòng)態(tài)決策問題最優(yōu)策略a*的搜索,被轉(zhuǎn)化成對(duì)多步截?cái)嗖呗缘倪f歸比較。步驟i的截?cái)嗖呗詾榻財(cái)嗲癷-1步?jīng)Q策后,選取該步具有最大價(jià)值的待選決策。

上述價(jià)值網(wǎng)絡(luò)概念應(yīng)用于AlphaGo[16]系統(tǒng)用來處理動(dòng)態(tài)非線性博弈決策問題。文獻(xiàn)[15]吸收其優(yōu)化原理,成功將其用于解決含式(8)至式(14)約束的單一儲(chǔ)能系統(tǒng)調(diào)控這一非線性動(dòng)態(tài)優(yōu)化問題。

2.2.2BEV的聚類分組

最優(yōu)價(jià)值網(wǎng)絡(luò)方法具有改變優(yōu)化目標(biāo)的魯棒性及較好的非線性優(yōu)化性能[15]。在將最優(yōu)價(jià)值網(wǎng)絡(luò)原理用于BEV調(diào)度策略優(yōu)化問題時(shí),需要克服BEV數(shù)量過大導(dǎo)致的a組合和s組合爆炸問題。這可通過BEV聚類分組、減少待優(yōu)化的個(gè)體數(shù)量來解決。聚類方法如圖3所示。

圖3 針對(duì)充/放電優(yōu)化的BEV聚類分組方法圖解Fig.3 Illustration of BEV clustering method for G2V/V2G optimization

聚類方法具體步驟如下。

步驟1：基于調(diào)度周期T下BEV的時(shí)間、容量分布數(shù)據(jù)(見附錄A圖A1),分別統(tǒng)計(jì)各時(shí)段進(jìn)入和離開充電的BEV數(shù)量,令i=1。

步驟2：分別取進(jìn)入和離開的BEV數(shù)量最多的時(shí)段(將上述時(shí)段分別命名為tent.i和tleave.i),并列出全部進(jìn)入時(shí)間不晚于tent.i,離開時(shí)間不早于tleave.i的BEV組Gi。

步驟3：在聚類后的每個(gè)分組Gi內(nèi)部,按“最短充電時(shí)長(zhǎng)差異不大于設(shè)定值τ”為指標(biāo)進(jìn)一步聚為子類Gi.j;對(duì)于因聚類無法完成充電合約的BEV,直接從Gi中移除。

步驟4：將Gi中的BEV從待充電BEV總表中移除,如果余下BEV最大充/放電總功率之和低于配電網(wǎng)變壓器容量max(PT)與設(shè)定比例φ(0≤φ≤1)的乘積,或i達(dá)到最大循環(huán)次數(shù),則進(jìn)入下一步,否則令i=i+1,返回步驟2。

步驟5：輸出BEV分組結(jié)果。

應(yīng)按“朝最嚴(yán)格方向?qū)嵤┮恢驴刂啤钡脑瓌t確定代表Gi.j的等效儲(chǔ)能單元的參數(shù),如充電開始時(shí)刻取tent.i、充電結(jié)束時(shí)刻取tleave.i、待充電量取群中最長(zhǎng)充電時(shí)間與總充電功率的乘積等。在2.3節(jié)優(yōu)化算法中,由代表Gi.j的等效儲(chǔ)能單元代替群內(nèi)BEV參與優(yōu)化。

對(duì)分組后余下的BEV,因其不受配電網(wǎng)容量約束影響,可針對(duì)每輛BEV應(yīng)用獨(dú)立的調(diào)度策略(充電時(shí)應(yīng)用OCS策略,充/放電策略采用文獻(xiàn)[15]的方法),優(yōu)先調(diào)度其充/放電;在完成上述BEV調(diào)度后,針對(duì)剩余容量在BEV各個(gè)分組Gi.j之間的分配問題,先應(yīng)用2.3節(jié)基于最優(yōu)價(jià)值網(wǎng)絡(luò)的算法完成組間分配,再根據(jù)式(26),以每輛BEV的最大充/放電功率為權(quán)重,將分組Gi.j、時(shí)段t的總功率Ptot.Gi(t)分配至各BEV,最后在BEV層面完成最終策略調(diào)整,以滿足式(3)至式(6)的充電合約約束。

(26)

式中：PL.u.max和PG.u.max分別表示BEV為u的最大充電、放電功率。

2.2.3優(yōu)化算法

文獻(xiàn)[15]的算法通過將單個(gè)儲(chǔ)能單元由“時(shí)間”軸和“儲(chǔ)能狀態(tài)”軸圍成的2維連續(xù)策略搜索空間進(jìn)行柵格化,運(yùn)用2.1節(jié)所述優(yōu)化原理即可快速找到該離散空間下的最優(yōu)解;通過不斷縮小柵格尺寸就能夠提高精度,實(shí)現(xiàn)連續(xù)空間的尋優(yōu)。本節(jié)算法著眼于處理存在多個(gè)儲(chǔ)能單元(對(duì)應(yīng)于BEV分組)同時(shí)參與尋優(yōu)的問題。

首先對(duì)儲(chǔ)能分組j(j∈J),在時(shí)間和儲(chǔ)能狀態(tài)的2維連續(xù)空間進(jìn)行柵格化,以獲得離散的狀態(tài)點(diǎn)。時(shí)間軸的離散化按照實(shí)際交易或調(diào)度間隔周期設(shè)置,“儲(chǔ)能狀態(tài)”軸的離散化按照用戶指定的粒度或分割數(shù)進(jìn)行。

然后從調(diào)度周期T結(jié)束時(shí)的狀態(tài)(即“終結(jié)狀態(tài)點(diǎn)”)開始,按時(shí)間逆序?qū)r(jià)值網(wǎng)絡(luò)賦值：終結(jié)狀態(tài)點(diǎn)的價(jià)值函數(shù)設(shè)置為0,時(shí)刻T-Δt直到0的價(jià)值函數(shù)可參照式(24)求出。

根據(jù)式(15),將式(24)中的Δf具體化為：

(27)

(28)

式中：ΔπG和Δπe分別為步驟i的發(fā)電效益和購電成本變化量;DC.V′(i)為分組后余下的BEV在步驟i的充電總負(fù)荷。式(15)中πCHG分量在不違約情形下為不變量;πR顯著小于其他分量,故可放到充/放電調(diào)度策略確定后再計(jì)算。

在當(dāng)前柵格化構(gòu)造的價(jià)值網(wǎng)絡(luò)π1下,優(yōu)化解就是起始狀態(tài)點(diǎn)取得最優(yōu)價(jià)值函數(shù)時(shí),在π1中經(jīng)過的路徑,稱為“最大價(jià)值鏈”,如附錄A圖A1所示。

π1下取得的優(yōu)化解可能離所需計(jì)算精度相差較遠(yuǎn)。因此通過以下迭代算法步驟提高解的精度。

步驟2：在πj的解位于“儲(chǔ)能狀態(tài)”軸的鄰域設(shè)置1個(gè)新的、較小的狀態(tài)空間,同樣按照用戶指定的粒度或分割數(shù)進(jìn)行柵格化。

步驟4：如果fj+1-fj>ε,則j=j+1,返回步驟2;反之取πj+1解作為最終解,并退出。

文獻(xiàn)[15]已通過與主流商用解算器的對(duì)比,驗(yàn)證了上述算法的正確性。

3 仿真分析

3.1 場(chǎng)景設(shè)計(jì)

基于第2節(jié)提出的優(yōu)化算法,在南瑞大能源系統(tǒng)動(dòng)態(tài)仿真平臺(tái)[17-19]上實(shí)現(xiàn)了售電商在1個(gè)典型居民區(qū)提供充電服務(wù)的運(yùn)營過程的精細(xì)化仿真環(huán)境,系統(tǒng)連接方式見圖1。仿真分析主要著眼于比較無序充電、有序充電、有序充/放電等不同策略下充電站所處微電網(wǎng)在提供普遍性充電服務(wù)的能力、上網(wǎng)功率調(diào)節(jié)及備用能力、綜合售電效益等方面的差異,比較中針對(duì)輸出的所有充/放電策略,均校核充電合約的執(zhí)行情況,確保售電商側(cè)零違約。

技術(shù)參數(shù)方面,以2 d為調(diào)度周期。儲(chǔ)能系統(tǒng)預(yù)設(shè)參數(shù)：σr=100%/h,ηL=0.95,ηG=0.9。算例中的居民區(qū)配電變壓器容量max(PT)=1 000 kW,按每戶4 kW計(jì)算,共240戶,停車位按1∶1配置,并假設(shè)每個(gè)車位都配置慢充樁,公共區(qū)域用電為20 kW。采用如圖4所示典型日居民區(qū)常規(guī)負(fù)荷曲線,日負(fù)載率在70%左右。BEV的最大充/放電功率設(shè)置為2.5 kW,每輛BEV的車型及進(jìn)入、退出充電的時(shí)間分布(見附錄B圖B1、圖B2)是在綜合一般居民出行意愿調(diào)查結(jié)果,與考慮BEV特性的購置與出行意愿調(diào)查結(jié)果基礎(chǔ)上,通過蒙特卡洛方法隨機(jī)抽取獲得[14]。算例共生成10 000輛BEV數(shù)據(jù),并從中隨機(jī)抽取240臺(tái)。

經(jīng)濟(jì)參數(shù)方面,參考中國現(xiàn)行電價(jià)機(jī)制(以江蘇省為例),負(fù)荷用電價(jià)格為：08:00—21:00采用0.579 4元/(kW·h)的峰時(shí)段電價(jià),其余時(shí)段采用0.371 9元/(kW·h)的谷時(shí)段電價(jià);最高充電電價(jià)為1.44元/(kW·h);分布式發(fā)電上網(wǎng)電價(jià)為1.15元/(kW·h)。由第2節(jié)的形式化模型及算法原理可知,本文提出的充/放電策略同時(shí)支持峰谷及實(shí)時(shí)電價(jià)機(jī)制。

3.2 充電負(fù)荷仿真結(jié)果

圖4比較了3種不同充電策略下的典型日充/放電調(diào)度曲線。

圖4 不同充電策略下居民區(qū)BEV調(diào)度結(jié)果Fig.4 BEV dispatching results in the residential area under different charging strategies

對(duì)比圖4(a),(b)的充電負(fù)荷曲線(圖中藍(lán)色部分)可知,與“盡快充”的無序充電相比,應(yīng)用2.1節(jié)的有序充電策略,主要充電負(fù)荷被推遲到谷電價(jià)時(shí)段22:00以后,但是由于積累了大量待充負(fù)荷,造成谷時(shí)段充電高峰。文獻(xiàn)[7]對(duì)此的詳細(xì)分析表明,引入實(shí)時(shí)電價(jià)機(jī)制,并使電價(jià)具備跟隨負(fù)荷及時(shí)變化的動(dòng)態(tài)性質(zhì),才可能獲得更好的效果。圖4(c)中常規(guī)負(fù)荷與臺(tái)區(qū)負(fù)荷(配電變壓器處的負(fù)荷)的差值即為按照2.2節(jié)有序充/放電優(yōu)化策略得到的BEV充/放電曲線。在2.2節(jié)策略的作用下,18:00—22:00臺(tái)區(qū)負(fù)荷小于常規(guī)負(fù)荷,說明系統(tǒng)通過調(diào)控BEV反向放電在高峰電價(jià)時(shí)段減少了整個(gè)臺(tái)區(qū)的用電;22:00至次日08:00,臺(tái)區(qū)負(fù)荷總體大于常規(guī)負(fù)荷,說明BEV利用谷電價(jià)時(shí)段充電。上述調(diào)控過程符合BEV作為可調(diào)控負(fù)荷及分布式儲(chǔ)能容量、參與“移峰填谷”的角色定位,達(dá)到了峰谷電價(jià)機(jī)制下的預(yù)期調(diào)控效果。這說明第2節(jié)的控制策略及實(shí)現(xiàn)算法是有效的。

3.3 充電服務(wù)能力分析

無序充電下,售電商對(duì)充電設(shè)施沒有調(diào)度權(quán),須用式(1)才能避免變壓器過載，而在式(1)約束下按照每戶規(guī)劃最大用電功率。3.1節(jié)算例理論上共有20 kW用于充電,可容納8個(gè)2.5 kW慢充樁。考慮實(shí)際用電功率,變壓器閑置容量也僅在100 kW左右,可容納40個(gè)充電樁,車位覆蓋率不足17%。

有序充電下,由于存在集中充電調(diào)度,具備應(yīng)用式(2)這一更寬松約束的條件。有序充/放電策略下,約束條件更放寬至式(7)。

如圖4(a)所示,因居民區(qū)夜間用電高峰與充電高峰疊加,無序充電容易引起變壓器過載,在此策略下實(shí)現(xiàn)100%慢充樁覆蓋并不安全;圖4(b),(c)均顯示應(yīng)用有序充電及有序充/放電策略后,通過錯(cuò)峰充電,在算例所示中等偏高負(fù)載率的居民區(qū)也能夠安全實(shí)現(xiàn)100%慢充樁覆蓋,并且還存在進(jìn)一步擴(kuò)充充電能力的空間。

3.4 功率調(diào)節(jié)及應(yīng)急備用能力分析

無序充電下,居民區(qū)所在微網(wǎng)(以下簡(jiǎn)稱“微網(wǎng)”)缺乏功率調(diào)節(jié)能力,無法對(duì)調(diào)度周期內(nèi)的任何電價(jià)機(jī)制作出響應(yīng),因此缺乏可提供的備用容量。

有序充電和有序充/放電策略均能根據(jù)調(diào)度目標(biāo),利用BEV的需求彈性,對(duì)電價(jià)變化作出適當(dāng)響應(yīng),圖4(b)的調(diào)度躲開了高峰電價(jià)時(shí)段;圖4(c)的調(diào)度更利用V2G放電替代網(wǎng)電,為高峰時(shí)段的部分常規(guī)負(fù)荷供電,進(jìn)一步降低售電商的購電成本。在上述優(yōu)化調(diào)度結(jié)果基礎(chǔ)上,可根據(jù)式(20)、式(21)計(jì)算微網(wǎng)的可調(diào)節(jié)負(fù)荷容量用作1 h立即響應(yīng)應(yīng)急備用。計(jì)算方法為：在圖4調(diào)度計(jì)劃基礎(chǔ)上,將待調(diào)控時(shí)段的網(wǎng)側(cè)電價(jià)分別設(shè)置到低(對(duì)應(yīng)可上調(diào)負(fù)荷)或高(對(duì)應(yīng)可下調(diào)負(fù)荷)水平,并運(yùn)用第2節(jié)方法更新該時(shí)段及其后續(xù)時(shí)段的充/放電計(jì)劃。有序充電和有序充/放電策略下,各個(gè)時(shí)段微網(wǎng)能提供的1 h可調(diào)節(jié)負(fù)荷容量如圖5所示。

圖5 不同充電策略下微網(wǎng)提供的1 h可調(diào)節(jié)負(fù)荷Fig.5 Adjustable 1 h load capacity provided by microgrid under different charging strategies

由圖5可見,在V2G技術(shù)支持下,有序充/放電策略具有更大的調(diào)節(jié)幅度和電量,同時(shí)具備調(diào)節(jié)能力的時(shí)段也更長(zhǎng)。由于BEV聚類分組內(nèi)部充/放電一致性的要求,有序充/放電策略下有一部分BEV的調(diào)節(jié)潛力未釋放,體現(xiàn)在18:00—21:00有序充/放電策略的可上調(diào)負(fù)荷容量反而低于有序充電。

3.5 綜合售電效益分析

根據(jù)式(15),售電商的效益主要產(chǎn)生自常規(guī)負(fù)荷供電、BEV充電及向電網(wǎng)提供備用容量等幾項(xiàng)服務(wù)。以下僅聚焦圍繞充電服務(wù)的增量收益部分。不失一般性,暫忽略網(wǎng)側(cè)與銷售電價(jià)的價(jià)差,并以1 h立即響應(yīng)應(yīng)急備用(上調(diào)負(fù)荷備用按網(wǎng)側(cè)電價(jià)的5%計(jì)價(jià)、下調(diào)負(fù)荷備用按10%計(jì)價(jià))為例反映備用容量收益的差異。表1比較了在有序充電、有序充/放電策略給售電商帶來的增量收益年化值的差異。其中,1 h備用容量收益由上、下可調(diào)容量2部分收益相加而得;購電成本增量的差異主要來自V2G放電替代電網(wǎng)在高峰電價(jià)時(shí)段為常規(guī)負(fù)荷供電。當(dāng)考慮更多種備用服務(wù)后,備用容量收益還可能進(jìn)一步增加,包含V2G能力的運(yùn)營優(yōu)勢(shì)將更明顯。

表1 不同充電策略下售電商增量收益的比較

4 結(jié)語

為了實(shí)現(xiàn)在容量受限臺(tái)區(qū)內(nèi)提供充電服務(wù)的售電商運(yùn)營過程的精細(xì)化仿真分析,首先建立了包括充電合約模型在內(nèi)的考慮BEV需求彈性和并網(wǎng)互動(dòng)性的形式化模型,然后提出了BEV有序充電、有序充/放電等2類考慮配電網(wǎng)容量約束的BEV群充/放電調(diào)度策略算法。有序充/放電算法在繼承價(jià)值網(wǎng)絡(luò)方法的效率及精度前提下,將BEV視作分布式儲(chǔ)能單元,克服了BEV數(shù)量大、充/放電特性多樣化帶來的難題。通過算例驗(yàn)證了上述算法的有效性,同時(shí)揭示了BEV典型日充電負(fù)荷及提供應(yīng)急備用容量的時(shí)間分布特性,比較了不同充電策略在提供普遍性充電服務(wù)、電網(wǎng)備用服務(wù)、綜合售電效益等方面的差異：有序充電借助移峰填谷,能夠安全地實(shí)現(xiàn)典型居民臺(tái)區(qū)100%的慢速充電設(shè)施覆蓋;相比有序充電,有序充/放電能夠進(jìn)一步提升居民臺(tái)區(qū)參與短時(shí)負(fù)荷調(diào)節(jié)等備用服務(wù)的容量、電量和服務(wù)時(shí)間;通過利用V2G放電替代網(wǎng)電在高峰電價(jià)時(shí)段為常規(guī)負(fù)荷供電,有序充/放電還能進(jìn)一步降低購電成本、提升綜合運(yùn)營的收益。

基于本文提出的分析和優(yōu)化工具,有望開展更深入的量化分析工作，包括多場(chǎng)景研究、豐富充電合約條件、提升針對(duì)分布式儲(chǔ)能優(yōu)化的算法效率、細(xì)化BEV聚類分組及參與各類備用服務(wù)的研究、深入分析不同充電策略下的違約風(fēng)險(xiǎn)防控機(jī)制等。通過這些研究,不斷揭示電動(dòng)汽車這一潛在的有功調(diào)節(jié)容量在促進(jìn)風(fēng)/光等新能源消納方面的作用。

本文在完成過程中，受到神華集團(tuán)科技項(xiàng)目“多能互補(bǔ)新能源電站調(diào)控關(guān)鍵技術(shù)研究”資助，在此表示感謝!

附錄見本刊網(wǎng)絡(luò)版(http://www.aeps-info.com/aeps/ch/index.aspx)。

參 考 文 獻(xiàn)

[1] 新華網(wǎng).新能源汽車銷量連年增長(zhǎng)車樁比縮小進(jìn)程緩慢[R/OL].[2016-12-20].http://news.xinhuanet.com/auto/2016-12/20/c_1120148837.htm.

[2] 中央政府門戶網(wǎng)站.關(guān)于加快居民區(qū)電動(dòng)汽車充電基礎(chǔ)設(shè)施建設(shè)的通知[R/OL].[2016-09-12].http://www.gov.cn/xinwen/2016-09/12/content_5107588.htm.

[3] 王姝凝,楊少兵.居民小區(qū)電動(dòng)汽車充電負(fù)荷有序控制策略[J].電力系統(tǒng)自動(dòng)化,2016,40(4):71-77.DOI:10.7500/AEPS20150429013.

WANG Shuning, YANG Shaobing. A coordinated charging control strategy for electric vehicles charging load in residential area[J]. Automation of Electric Power Systems, 2016, 40(4): 71-77. DOI: 10.7500/AEPS20150429013.

[4] 周浩,陳思佳,梁古芬,等.某住宅小區(qū)負(fù)荷特性分析[J].現(xiàn)代建筑電氣,2013,36(增刊1):32-36.

ZHOU Hao, CHEN Sijia, LIANG Gufen, et al. Load characteristics analysis of the selected residential area[J]. Modern Architecture Electric, 2013, 36(Supplement 1): 32-36.

[5] 蘇海鋒,梁志瑞.基于峰谷電價(jià)的家用電動(dòng)汽車居民小區(qū)有序充電控制方法[J].電力自動(dòng)化設(shè)備,2015,35(6):17-22.

SU Haifeng, LIANG Zhirui. Orderly charging control based on peak-valley electricity tariffs for household electric vehicles of residential quarter[J]. Electric Power Automation Equipment, 2015, 35(6): 17-22.

[6] 李正爍,郭慶來,孫宏斌,等.計(jì)及電動(dòng)汽車充電預(yù)測(cè)的實(shí)時(shí)充電優(yōu)化方法[J].電力系統(tǒng)自動(dòng)化,2014,38(9):61-68.DOI:10.7500/AEPS20130506019.

LI Zhengshuo, GUO Qinglai, SUN Hongbin, et al. Real-time charging optimization method considering vehicle charging prediction[J]. Automation of Electric Power Systems, 2014, 38(9): 61-68. DOI: 10.7500/AEPS20130506019.

[7] 李明洋,鄒斌.電動(dòng)汽車充放電決策模型及電價(jià)的影響分析[J].電力系統(tǒng)自動(dòng)化,2015,39(15):75-81.DOI:10.7500/AEPS20140728001.

LI Mingyang, ZOU Bin. Charging and discharging decision-making model of electric vehicles and influence analysis of electricity price[J]. Automation of Electric Power Systems, 2015, 39(15): 75-81. DOI: 10.7500/AEPS20140728001.

[8] ARIAS A, GRANADA M, CASTRO C A. Optimal probabilistic charging of electric vehicles in distribution systems[J]. IET Electrical Systems in Transportation, 2017, 7(3): 246-251.

[9] ZHANG L, LI Y. Optimal management for parking-lot electric vehicle charging by two-stage approximate dynamic programming[J]. IEEE Transactions on Smart Grid, 2017, 8(4): 1722-1730.

[10] 李惠玲,白曉民.電動(dòng)汽車充電對(duì)配電網(wǎng)的影響及對(duì)策[J].電力系統(tǒng)自動(dòng)化,2011,35(17):38-43.

LI Huiling, BAI Xiaomin. Impacts of electric vehicles charging on distribution grid[J]. Automation of Electric Power Systems, 2011, 35(17): 38-43.

[11] 姚偉鋒,趙俊華,文福拴,等.基于雙層優(yōu)化的電動(dòng)汽車充放電調(diào)度策略[J].電力系統(tǒng)自動(dòng)化,2012,36(11):30-37.

YAO Weifeng, ZHAO Junhua, WEN Fushuan, et al. A charging and discharging dispatching strategy for electric vehicles based on bi-level optimization[J]. Automation of Electric Power Systems, 2012, 36(11): 30-37.

[12] HOKE A, BRISSETTE A, SMITH K, et al. Accounting for lithium-ion battery degradation in electric vehicle charging optimization[J]. IEEE Journal of Emerging and Selected Topics in Power Electronics, 2014, 2(3): 691-700.

[13] XUE Y, WU J, XIE D, et al. Multi-agents modelling of EV purchase willingness based on questionnaires[J]. Journal of Modern Power Systems and Clean Energy, 2015, 3(2): 149-159.

[14] WU J, XUE Y, XIE D, et al. Questionnaire designing, multi-agent modeling and analyzing of EV users’ traveling willingness[C]// International Conference on Advances in Power System Control, Operation and Management, November 8-12, 2015, Hong Kong, China.

[15] 謝東亮,薛峰,宋曉芳.基于最優(yōu)價(jià)值網(wǎng)絡(luò)的儲(chǔ)能系統(tǒng)調(diào)度優(yōu)化及仿真[J].電力系統(tǒng)自動(dòng)化,2016,40(24):42-48.DOI:10.7500/AEPS20160617006.

XIE Dongliang, XUE Feng, SONG Xiaofang. Optimization and simulation for dispatch of energy storage systems based on optimal value networks[J]. Automation of Electric Power Systems, 2016, 40(24): 42-48. DOI: 10.7500/AEPS20160617006.

[16] SILVER D, HUANG A, MADDISON C J, et al. Mastering the game of go with deep neural networks and tree search[J]. Nature, 2016, 529: 484-489.

[17] 黃杰,薛禹勝,許劍冰,等.電力市場(chǎng)與電力系統(tǒng)的動(dòng)態(tài)交互仿真平臺(tái):(一)功能設(shè)計(jì)[J].電力系統(tǒng)自動(dòng)化,2011,35(10):16-22.

HUANG Jie, XUE Yusheng, XU Jianbing, et al. Dynamic simulation platform for power market and power system: Part one function design[J]. Automation of Electric Power Systems, 2011, 35(10): 16-22.

[18] 謝東亮,薛禹勝,薛峰,等.電力市場(chǎng)與電力系統(tǒng)的動(dòng)態(tài)交互仿真平臺(tái):(二)支撐層設(shè)計(jì)[J].電力系統(tǒng)自動(dòng)化,2011,35(11):1-7.

XIE Dongliang, XUE Yusheng, XUE Feng, et al. Dynamic simulation platform for power market and power system: Part two support layer design[J]. Automation of Electric Power Systems, 2011, 35(11): 1-7.

[19] 謝東亮,薛禹勝,薛峰,等.電力市場(chǎng)與電力系統(tǒng)的動(dòng)態(tài)交互仿真平臺(tái):(三)應(yīng)用層設(shè)計(jì)[J].電力系統(tǒng)自動(dòng)化,2011,35(12):7-14.

XIE Dongliang, XUE Yusheng, XUE Feng, et al. Dynamic simulation platform for power market and power system: Part three application layer design[J]. Automation of Electric Power Systems, 2011, 35(12): 7-14.