郝 越

（深圳供電局有限公司，廣東 深圳 518000）

0 引 言

隨著技術(shù)的進步，電動汽車數(shù)量和新能源充電站數(shù)量不斷增加。然而，現(xiàn)有研究均集中于電動汽車入網(wǎng)后電網(wǎng)穩(wěn)定性的分析[1]和電動汽車充放電給電網(wǎng)帶來的利潤盈虧[2]等方面，對電動汽車充電的新能源充電站的能量優(yōu)化管理研究很少。文獻[3]根據(jù)購電和售電關(guān)系寫出目標(biāo)函數(shù)和約束條件，用lingo求解即可得到最大利潤；文獻[4]建立改進的排隊論模型，列出電動汽車充電設(shè)施及服務(wù)建立的平衡方程，并以先到先充、充完即走、等待過長即走為基本原則，建立充電往來的關(guān)系，得出電動汽車可以開始充電的時間點。這些研究缺乏相應(yīng)的理論指導(dǎo)，對其計算結(jié)果分析不夠深入，很難指導(dǎo)實際工程。

本文以單日利潤最大為目標(biāo)函數(shù)，以功率平衡和電動汽車充放電功率、光伏發(fā)電裝置的發(fā)電功率、電網(wǎng)交互功率、狀態(tài)變量等為約束條件，建立了兩種情況下的優(yōu)化模型，采用遺傳算法對模型求解，最終得到兩種模型下的最大利潤。

1 充電站能量優(yōu)化管理模型建立

1.1 全額利用情況建模

在新能源充電站的總利潤與新能源充電站向電網(wǎng)售電收益、向用戶售電的收益以及充電站從電網(wǎng)購電費用之間建立目標(biāo)函數(shù)：

式中，新能源充電站的總利潤為F；新能源充電站向電網(wǎng)售電收益為Fsell-grid；向用戶售電的收益為Fsell-user。其中：

式中，Psell-grid(t)為t時刻光伏發(fā)電裝置向電網(wǎng)售出的電量；csell-grid(t)為t時刻光伏發(fā)電裝置向電網(wǎng)售電的價格；PEV·i-sell(t)、PEV·i-buy(t)分別為t時刻電動汽車i向電網(wǎng)售出的電量和向電網(wǎng)購買的電量；cEV-sell(t)為t時刻電動汽車向電網(wǎng)售電的價格；x(t)為電動汽車的放電狀態(tài)，x(t)為0時電動汽車不放電，x(t)為1時電動汽車放電向電網(wǎng)售電；y(t)為電動汽車的充電狀態(tài)，y(t)為0時電動汽車不充電，y(t)為1時電動汽車從電網(wǎng)購買電量進行充電；Psell-user(t)為t時刻新能源充電站向用戶售出的電量；csell-user(t)為t時刻新能源充電站向用戶售電的價格。

對于目標(biāo)函數(shù)（1）而言，從功率平衡和狀態(tài)變量的要求兩個方面進行約束，具體如下。

（1）功率平衡約束：

式中，PEV(t)為t時刻電動汽車的充電功率，Ppv(t)為t時刻光伏發(fā)電裝置發(fā)出的功率。

（2）電動汽車充電功率約束：

（3）光伏發(fā)電裝置的發(fā)電功率約束：

式中，Ppv-max(t)為t時刻光伏發(fā)電裝置的最大出力。

（4）與電網(wǎng)交互功率約束：

式中，Pgrid-min(t)為t時刻新能源充電站與電網(wǎng)之間的交互功率；Pgrid-min(t)、Pgrid-max(t)分別為t時刻新能源充電站與電網(wǎng)之間的交互功率的最小值與最大值。

（5）狀態(tài)變量約束：

1.2 允許棄光情況建模

當(dāng)光伏發(fā)電裝置的發(fā)電成本高于從電網(wǎng)購的成本購電成本時或者當(dāng)發(fā)電成本高于向電網(wǎng)售電成本時，會出現(xiàn)光伏電站棄光現(xiàn)象。此時，光伏出力滿足：

式中，Ppv(t)為t時刻光伏發(fā)電裝置發(fā)出的功率；Ppv.N(t)為t時刻光伏發(fā)電裝置發(fā)出的額定功率。

目標(biāo)函數(shù)及其余約束條件與全額利用情況下相同，如式（1）～式（9）所示。

2 基于遺傳算法的模型求解

遺傳算法是一種尋求全局最優(yōu)解而不需要任何初始化信息的高效優(yōu)化算法[5]。本文采用從臨時Parcto解集中選出N個擁擠距離最大的個體作為精華保留，從而使當(dāng)前周圍個體密度小的Parcto解占優(yōu)，對保持種群的多樣性有利。

（1）選擇問題的一個編碼方式，在搜索空間U上定義一個適應(yīng)度函數(shù)f(x)，給定種群規(guī)模N、交叉率Pc、變異率Pm和代數(shù)T；

（2）隨機產(chǎn)生U中的N個個體s1,s2,…,sN組成初始種群S(1)={s1,s2,…,sN}，置代數(shù)計數(shù)器t=1；計算S中的每一個個體si的適應(yīng)度函數(shù)fi=f(si)；

（3）若滿足算法終止規(guī)則，則算法停止，取S中適應(yīng)度最大的個體作為所求結(jié)果，否則計算概率：

（4）按這個概率決定選中機會，每次從S中隨機選定1個個體并將其染色體復(fù)制，共N次，組成群體S1；

（5）按交叉率Pc決定的染色體數(shù)c從S1中隨機確定c個染色體，配對進行交叉操作替代原染色體得到群體S2；

（6）按變異率Pm決定的變異次數(shù)m，從S2中隨機確定m個染色體，重復(fù)步驟（5）操作，得到群體S3；

（7）將群體S3作為新種群，轉(zhuǎn)步驟（3），其具體的計算流程如圖1所示。

3 算例分析

圖2為一新能源充電站的系統(tǒng)結(jié)構(gòu)。站內(nèi)設(shè)有8臺充電樁和光伏發(fā)電裝置，每臺充電樁的充電功率在50 kW范圍內(nèi)可調(diào)。

假設(shè)該充電站為100輛電動汽車提供服務(wù)，充電電價固定為1.5元/kW·h。用戶未來24 h的充電需求如文獻[6]中電動汽車充電記錄所示。充電站利潤為其向電網(wǎng)和用戶售電收入減去其從電網(wǎng)購電的成本。在光伏全額利用和允許棄光兩種情況下分別計算未來24 h充電站的最大利潤，并分析得到的結(jié)果。

圖1 遺傳算法的求解流程

圖2 新能源充電站結(jié)構(gòu)

3.1 全額利用條件下

在光伏發(fā)電全額利用情況下，采用遺傳算法求解優(yōu)化模型，則新能源充電站出力情況見圖3。

圖3 光伏全額利用下電站出力結(jié)果

由圖3可知，在光伏全額利用的情況下，考慮峰谷電價差進行合理優(yōu)化，得到新能源充電站的最大總利潤為508.49元。在0:00-6:00時段內(nèi)，光伏不出力且購電電價較低，新能源充電站通過向電網(wǎng)購電來滿足電動汽車的充電需求。在購電電價高峰時段6:00-14:00內(nèi)，新能源充電站所需電量由光伏發(fā)電裝置所發(fā)出的電量滿足。此時段內(nèi)不從電網(wǎng)購電，由于該時段內(nèi)售電電價較高，光伏發(fā)電裝置所發(fā)電量除滿足電動汽車的充電需求外，將剩余的電量向電網(wǎng)出售，從而提高新能源充電站的利潤。在15:00-18:00時段內(nèi)，由于光照逐漸減少，新能源充電站主要依靠從電網(wǎng)購電來滿足電動汽車的充電需求。18:00-24:00時段內(nèi)無光照，充電站的電量需求僅依靠從電網(wǎng)購電來滿足。

3.2 允許棄光條件下

在允許棄光情況下，對建立的優(yōu)化模型采用遺傳算法進行求解，所得新能源充電站處理情況如圖4所示。

圖4 棄光情況下電站出力結(jié)果

由圖4可知，在允許光伏棄光的情況下，考慮峰谷電價差對電站利潤進行合理優(yōu)化，得到新能源充電站的最大總利潤為1 011.23元。在0:00-6:00時段內(nèi)，無光照光伏不出力，新能源充電站通過向電網(wǎng)購電來滿足電動汽車的充電需求。在購電電價高峰時段6:00-16:00內(nèi)，光照較強，光伏發(fā)電裝置所發(fā)電量除滿足電動汽車充電外，由于向電網(wǎng)售電的價格較低，因此會出現(xiàn)光伏發(fā)電裝置棄光現(xiàn)象。在18:00-24:00時段內(nèi)無光照，充電站的電量需求僅依靠從電網(wǎng)購電來滿足。

4 結(jié) 論

由于電動汽車既可以作為負荷也可以向電網(wǎng)提供電能的特性，對含有電動汽車的新能源充電站的優(yōu)化管理可以提高能源利用效率，同時充分促使電動汽車用戶參與到大電網(wǎng)中來，從而成為電網(wǎng)中一種可以有效管理的能源。通過對當(dāng)前電網(wǎng)和充電站的形式進行分析，為充電站帶來利潤的同時，有利于維持電網(wǎng)的穩(wěn)定，減小不必要的波動和損失。