（南京國(guó)電南自自動(dòng)化有限公司，南京 210032）

0 引言

隨著儲(chǔ)能技術(shù)的發(fā)展，儲(chǔ)能作為電力系統(tǒng)中稀缺的靈活調(diào)節(jié)資源受到了越來越多的重視[1-2]。相對(duì)于投資大，占地面積大的儲(chǔ)能電站，移動(dòng)儲(chǔ)能車使電力資源變得更加靈活。集裝箱式移動(dòng)儲(chǔ)能發(fā)展迅速，接入電網(wǎng)數(shù)量增加，承擔(dān)削峰填谷，延緩關(guān)鍵負(fù)荷節(jié)點(diǎn)設(shè)備擴(kuò)容并提升配電網(wǎng)側(cè)功率因數(shù)的作用。與傳統(tǒng)柴油應(yīng)急電源車、移動(dòng)飛輪儲(chǔ)能車相比[3-4]，新一代智能型移動(dòng)儲(chǔ)能系統(tǒng)（車）在技術(shù)先進(jìn)性、運(yùn)行模式、功能配置、安全保障等方面都具有明顯優(yōu)勢(shì)，不僅可為地震、冰災(zāi)、礦難等突發(fā)事件和應(yīng)急搶修等提供電源保障，還可以為大數(shù)據(jù)中心、醫(yī)院、機(jī)場(chǎng)、通信等提供應(yīng)急備用電源，在線路檢修期間進(jìn)行臨時(shí)供電，為覆冰線路融冰，甚至可為電動(dòng)汽車充電。

目前，有專家、學(xué)者開展了儲(chǔ)能系統(tǒng)控制策略的研究[5-11]，也有就電動(dòng)汽車移動(dòng)儲(chǔ)能應(yīng)急策略展開研究[12-14]，但關(guān)于移動(dòng)儲(chǔ)能車的研究較少。結(jié)合移動(dòng)儲(chǔ)能發(fā)展和充分利用移動(dòng)儲(chǔ)能參與電網(wǎng)服務(wù)，提升電力系統(tǒng)可靠性、靈活性，通過數(shù)據(jù)分析制定合理運(yùn)行模式，優(yōu)化移動(dòng)儲(chǔ)能運(yùn)行調(diào)度，實(shí)現(xiàn)移動(dòng)儲(chǔ)能設(shè)備全生命周期內(nèi)收益最大化等工作勢(shì)在必行。

1 移動(dòng)儲(chǔ)能應(yīng)用場(chǎng)景

隨著配電網(wǎng)負(fù)荷增大，許多城市老城區(qū)臺(tái)區(qū)變壓器（以下簡(jiǎn)稱“臺(tái)區(qū)變”）給周邊工業(yè)、民用負(fù)荷供電，存在線路負(fù)荷率高、峰谷差較大等情況，同時(shí)因負(fù)荷中變頻器等設(shè)備產(chǎn)生電壓波動(dòng)、閃變、諧波等電能質(zhì)量問題，需要優(yōu)質(zhì)資源保證供電可靠性和電能質(zhì)量。

移動(dòng)儲(chǔ)能車加入供電系統(tǒng)，為臺(tái)區(qū)變供電，可以減輕臺(tái)區(qū)負(fù)載率，提高供電質(zhì)量。除了為臺(tái)區(qū)變減災(zāi)外，移動(dòng)儲(chǔ)能車還可以作為備用緊急電源。當(dāng)有多臺(tái)移動(dòng)儲(chǔ)能車時(shí)，需要協(xié)調(diào)多臺(tái)儲(chǔ)能車，共同完成供電任務(wù)，此時(shí)需要建設(shè)儲(chǔ)能管理系統(tǒng)，通過儲(chǔ)能管理系統(tǒng)接入大量分散布置的儲(chǔ)能裝置，實(shí)時(shí)監(jiān)測(cè)各類用戶負(fù)荷需求、配電網(wǎng)運(yùn)行狀態(tài)和接受配電自動(dòng)化信息和控制中心的調(diào)度信號(hào)，制定合理的運(yùn)行模式和切換策略。

2 移動(dòng)儲(chǔ)能車運(yùn)行成本

移動(dòng)儲(chǔ)能車的主要運(yùn)行成本在于充電電費(fèi)成本，儲(chǔ)能車的移動(dòng)成本忽略不計(jì)。在進(jìn)行調(diào)度時(shí)，需要考慮移動(dòng)儲(chǔ)能車的健康狀態(tài)和充放電次數(shù)對(duì)壽命的影響，延長(zhǎng)移動(dòng)儲(chǔ)能車的使用壽命，提高儲(chǔ)能車?yán)眯省?/p>

在計(jì)算成本時(shí)，采用峰谷電價(jià)來計(jì)算移動(dòng)儲(chǔ)能車的運(yùn)行成本。在低谷時(shí)段利用低電價(jià)充電，高峰時(shí)段放電。

3 優(yōu)化策略模型

進(jìn)行優(yōu)化調(diào)度時(shí)，考慮經(jīng)濟(jì)性和可靠性等因素。經(jīng)濟(jì)性為峰谷差充放電電價(jià)差，可靠性為在結(jié)合移動(dòng)儲(chǔ)能車狀態(tài)，滿足臺(tái)區(qū)變減載要求的性能。

考慮經(jīng)濟(jì)性的優(yōu)化策略的目標(biāo)函數(shù)為：

式中：k 為第k 臺(tái)移動(dòng)儲(chǔ)能車；m 為移動(dòng)儲(chǔ)能車的個(gè)數(shù)；t 為時(shí)刻，t=1，2，3，…，24；EPt為從t時(shí)刻開始單位時(shí)段放電的電價(jià)；EQkt為第k 臺(tái)移動(dòng)儲(chǔ)能車從t 時(shí)刻開始單位時(shí)段放電電量；DEQkt為第k 臺(tái)移動(dòng)儲(chǔ)能車從t 時(shí)刻開始單位時(shí)段充電電量；DEPt為從t 時(shí)刻開始單位時(shí)段充電的電價(jià)；TPit為第i 個(gè)臺(tái)區(qū)變t 時(shí)刻的功率值；DPijt為接入第i 個(gè)臺(tái)區(qū)變的第j 臺(tái)移動(dòng)車的放電功率；r 為接入第i 個(gè)臺(tái)區(qū)變的移動(dòng)儲(chǔ)能車總數(shù)；TLPit為第i個(gè)臺(tái)區(qū)變t 時(shí)刻的模糊負(fù)荷值；C 為懲罰系數(shù)。

移動(dòng)儲(chǔ)能車優(yōu)化問題求解要滿足臺(tái)區(qū)變的減載問題，將臺(tái)區(qū)變的高峰期負(fù)荷控制在臺(tái)區(qū)變的最佳運(yùn)行功率上，可取為最大出力的80%。在滿足臺(tái)區(qū)變減載問題上，優(yōu)化調(diào)度移動(dòng)儲(chǔ)能車，安排充放電時(shí)間，以實(shí)現(xiàn)經(jīng)濟(jì)效益最大化。

4 優(yōu)化方案求解

移動(dòng)儲(chǔ)能車調(diào)度優(yōu)化可分成兩個(gè)階段：第一階段求解優(yōu)化模型，根據(jù)優(yōu)化模型得出移動(dòng)儲(chǔ)能車的充放電時(shí)間安排表；第二階段根據(jù)每輛移動(dòng)儲(chǔ)能車的充放電時(shí)間表，進(jìn)行移動(dòng)儲(chǔ)能車線路規(guī)劃，給出移動(dòng)儲(chǔ)能車的調(diào)度方案。

移動(dòng)儲(chǔ)能車優(yōu)化模型的約束條件是滿足臺(tái)區(qū)變減載。當(dāng)移動(dòng)儲(chǔ)能車在臺(tái)區(qū)變有減載需求前的儲(chǔ)備電量不足以支撐后續(xù)時(shí)段減載需求時(shí)，同時(shí)在有充電的條件下，如其他臺(tái)區(qū)變負(fù)荷率較低時(shí)，雖然此時(shí)充電電價(jià)高，但仍可根據(jù)用戶實(shí)際需求，優(yōu)先滿足重載臺(tái)區(qū)變的減載需求，對(duì)移動(dòng)儲(chǔ)能車進(jìn)行充電，使臺(tái)區(qū)變減載的電量最大化。

移動(dòng)儲(chǔ)能車充電時(shí)，需考慮移動(dòng)儲(chǔ)能車的充電時(shí)間。移動(dòng)儲(chǔ)能車開始充電時(shí)間點(diǎn)對(duì)減載總電量也有影響。通常充電策略為移動(dòng)儲(chǔ)能車全部放電完成，再進(jìn)行充電，這種策略調(diào)度簡(jiǎn)單明了，但不一定是減載總電量最大的方案，此時(shí)需要進(jìn)行優(yōu)化計(jì)算，在確保連續(xù)給臺(tái)區(qū)變減載的情況下，減載總電量最大。

在求解時(shí)，先計(jì)算全部移動(dòng)儲(chǔ)能車電能容量是否滿足高峰期減載，若能滿足，則按移動(dòng)儲(chǔ)能車的位置或充電效率等排序，優(yōu)先對(duì)近距離高效儲(chǔ)能車進(jìn)行調(diào)度，若不能滿足調(diào)度要求，則計(jì)算儲(chǔ)能車電能的缺額，移動(dòng)儲(chǔ)能車的缺額為臺(tái)區(qū)變高峰期負(fù)荷高于額定容量80%部分的電能與儲(chǔ)能車可提供電能之差。安排調(diào)度儲(chǔ)能車進(jìn)行充電，以滿足臺(tái)區(qū)變的減載需求。儲(chǔ)能車的充電速度可取為額定功率。對(duì)于這種復(fù)雜的優(yōu)化問題，采用遺傳算法來求解。

遺傳算法是一種啟發(fā)式優(yōu)化算法，借鑒自然界生物“優(yōu)勝劣汰、適者生存”的進(jìn)化機(jī)制，以遺傳變異理論為基礎(chǔ)，進(jìn)行代際間的迭代搜索，從而實(shí)現(xiàn)隨機(jī)全局搜索以及優(yōu)化。編碼、種群、適應(yīng)度評(píng)估、選擇、交叉、變異等是遺傳算法的基本要素。通常計(jì)算步驟包括：

（1）針對(duì)優(yōu)化問題，對(duì)參數(shù)進(jìn)行編碼。

（2）隨機(jī)生成初始群體。

（3）計(jì)算所有個(gè)體的適應(yīng)度函數(shù)值。

（4）按優(yōu)選策略選擇進(jìn)入下一代的個(gè)體。

（5）按交叉概率進(jìn)行交叉操作。

（6）按變異概率進(jìn)行變異操作。

（7）如果不滿足終止準(zhǔn)則，則轉(zhuǎn)到步驟（3），否則轉(zhuǎn)入下一步。

（8）將適應(yīng)度函數(shù)值最優(yōu)的個(gè)體作為該問題的最優(yōu)解輸出。

適應(yīng)度函數(shù)采用式（1）的經(jīng)濟(jì)效益目標(biāo)函數(shù)，將滿足臺(tái)區(qū)變減載的約束作為罰函數(shù)。移動(dòng)儲(chǔ)能車優(yōu)化問題的參數(shù)包括儲(chǔ)能車所屬臺(tái)變區(qū)，所在臺(tái)區(qū)變放電排序以及在不能滿足減載電量、有電量缺額情況下，停止放電去其他臺(tái)區(qū)變繼續(xù)充電的時(shí)間點(diǎn)，其中所屬臺(tái)區(qū)變和放電排序?yàn)檎妥兞?，停止放電時(shí)間點(diǎn)為實(shí)數(shù)，故采用混合遺傳算法進(jìn)行求解。

所屬臺(tái)區(qū)變?yōu)檎停秶鸀? 至臺(tái)區(qū)變個(gè)數(shù)；放電排序?yàn)檎停秶鸀? 至移動(dòng)儲(chǔ)能車個(gè)數(shù)，計(jì)算時(shí)，按該變量的大小在臺(tái)區(qū)變進(jìn)行放電排序；停止放電時(shí)間點(diǎn)為實(shí)數(shù)，取0 至1 的實(shí)數(shù)，在計(jì)算轉(zhuǎn)換時(shí)，將該參數(shù)與儲(chǔ)能車的最大放電時(shí)段相乘，得到儲(chǔ)能車的放電時(shí)間點(diǎn)。

遺傳算法可得到多個(gè)優(yōu)化解，待用戶確定一個(gè)方案后，根據(jù)移動(dòng)車地理位置規(guī)劃調(diào)度方案，完成移動(dòng)儲(chǔ)能車調(diào)度。

5 算例分析

某城區(qū)移動(dòng)儲(chǔ)能車調(diào)度系統(tǒng)包括1 套監(jiān)控管理系統(tǒng)設(shè)備和4 套移動(dòng)儲(chǔ)能電源設(shè)備，儲(chǔ)能電源中100 kW/220 kWh 和100 kW/250 kWh 移動(dòng)儲(chǔ)能設(shè)備各2 臺(tái)，總?cè)萘?00 kW/940 kWh。有2 個(gè)最大負(fù)載為500 kW 的臺(tái)區(qū)變需要在高峰期減載，需減載至最大負(fù)載的80%。

臺(tái)區(qū)變1 和2 的某日預(yù)測(cè)負(fù)荷分別如表1 和表2 所示。

表1 臺(tái)區(qū)變1 預(yù)測(cè)負(fù)荷

表2 臺(tái)區(qū)變2 預(yù)測(cè)負(fù)荷

低谷期時(shí)段長(zhǎng)，儲(chǔ)能車在低谷期充電，在高峰期前已完成充電，且預(yù)設(shè)高峰期儲(chǔ)能車到低負(fù)載率的臺(tái)變區(qū)充電所需時(shí)間為1.5 h。按照一般做法，先確定給每個(gè)臺(tái)區(qū)變減載的儲(chǔ)能車，如給臺(tái)區(qū)變1 分配100 kW/220 kWh 和100 kW/250 kWh移動(dòng)儲(chǔ)能設(shè)備各1 臺(tái)，高峰期開始后，2 輛儲(chǔ)能車依次給臺(tái)區(qū)變放電，進(jìn)行減載，前一輛車放至最低電量再由第二輛車?yán)^續(xù)放電，在第二輛儲(chǔ)能車放電期間第一輛儲(chǔ)能車前往其他臺(tái)區(qū)變充電，在第二輛車放電結(jié)束后，接力第一輛車持續(xù)放電，此種放電方案，可提供610 kWh 的減載電量，但不能滿足全部的放電需求；針對(duì)臺(tái)區(qū)變1，采用混合遺傳算法，編碼為2 臺(tái)充電儲(chǔ)能車的充電順序和放電結(jié)束時(shí)間，充電順序?yàn)檎停烹娊Y(jié)束時(shí)間為實(shí)數(shù)，適應(yīng)函數(shù)取式（1）中的帶罰函數(shù)的經(jīng)濟(jì)效益最大目標(biāo)函數(shù)，變異率取0.15，最大代數(shù)為1 000 代，人口數(shù)取50，經(jīng)過遺傳算法計(jì)算后可知，將第一輛車首先放電，且在15:00 停止放電，前往其他臺(tái)變區(qū)充電，第二輛車?yán)^續(xù)放電，結(jié)束時(shí)，充電后的第一輛儲(chǔ)能車?yán)^續(xù)放電，總減載電量為633 kWh，可完成臺(tái)變區(qū)的高峰期的全部減載任務(wù)。計(jì)算結(jié)果表明：采用遺傳算法可以給出更優(yōu)化的減載方案。此外混合遺傳算法還可給出多臺(tái)區(qū)多臺(tái)儲(chǔ)能車的減載最優(yōu)方案?；蚓幋a在前述編碼基礎(chǔ)增加儲(chǔ)能車所屬臺(tái)區(qū)變的編號(hào)。經(jīng)計(jì)算可得，2 個(gè)臺(tái)區(qū)變最優(yōu)減載分配方案均為分配100 kW/220 kWh 和100 kW/250 kWh移動(dòng)儲(chǔ)能設(shè)備各1 臺(tái)，臺(tái)區(qū)變1 的優(yōu)化方案如表3 減載方案1 所示，臺(tái)區(qū)變2 的優(yōu)化方案為220 kWh 儲(chǔ)能車先放電，至15:11 停止放電，前往其他臺(tái)變區(qū)充電，第二輛車?yán)^續(xù)放電，結(jié)束時(shí)，充電后的第一輛儲(chǔ)能車?yán)^續(xù)放電，4 臺(tái)儲(chǔ)能車總減載電量為1 270 kWh，完成全部減載任務(wù)。同時(shí)，利用混合優(yōu)化遺傳算法可以給出多種優(yōu)化方案，便于調(diào)度人員實(shí)行優(yōu)化調(diào)度。

表3 2 臺(tái)區(qū)變儲(chǔ)能車減載優(yōu)化結(jié)果對(duì)比

6 結(jié)語(yǔ)

移動(dòng)儲(chǔ)能車作為新興的儲(chǔ)能設(shè)備，有著廣闊的應(yīng)用場(chǎng)景。本文針對(duì)臺(tái)區(qū)變減載應(yīng)用采用混合遺傳算法給出優(yōu)化方案，案例分析表明方案可行，比傳統(tǒng)方法能提供更多的減載能力。移動(dòng)儲(chǔ)能車還可應(yīng)用于備用電源、結(jié)合減載、備用電源、協(xié)調(diào)供電方面，有更深入的研究空間。