屈富敏，趙 健 ，蔡 幟，胡超凡 ，戴 賽，孫 芊

（1.中國電力科學(xué)研究院有限公司，北京 100192；2.國網(wǎng)河南省電力公司電力科學(xué)研究院，鄭州 450052；3.國家電網(wǎng)有限公司，北京 100031）

需求響應(yīng)是指用戶針對電力價格信號或者激勵機制做出響應(yīng)、改變正常電力消費模式的市場參與行為，它目前是智能電網(wǎng)研究的重點[1-2]。電動汽車EV（electric vehicle）由于其低能耗、零排放的巨大優(yōu)勢，在世界范圍內(nèi)快速發(fā)展[3-4]，我國預(yù)計到2030年，電動汽車占有量將突破6 000萬輛，隨著電動汽車接入電網(wǎng)的比例持續(xù)增加，將對電網(wǎng)的安全穩(wěn)定運行造成一系列新的影響[5-6]。溫控類負荷 TCL（thermostatically-controlled load）包括空調(diào)、電熱水器、電冰箱等，溫控負荷在居民用電與商業(yè)用電中所占比例巨大，例如在夏季用電高峰時期，全網(wǎng)總用電量的40%將用于滿足空調(diào)負荷需求，為此需要啟動系統(tǒng)備用容量，降低了系統(tǒng)運行的經(jīng)濟性。

電動汽車借助充電樁從電網(wǎng)獲取電能，同時在激勵機制下能夠向改變與電網(wǎng)交換功率的大小，實現(xiàn)與電網(wǎng)之間的V2G（vehicle-to-grid）互動[7-9]，從而達到輔助電網(wǎng)安全穩(wěn)定運行的目的。溫控負荷可以快速改變開關(guān)狀態(tài)，并在短時間內(nèi)不會大幅改變室溫、水溫等用戶舒適度指標，因此，溫控負荷虛擬電廠在不影響用戶需求的前提下，通過對運行狀態(tài)的一系列控制，能夠提供較好的輔助服務(wù)，是一種參與需求響應(yīng)控制的重要資源[10]。

目前，已有文獻針對電動汽車和溫控負荷虛擬電廠的建模和控制策略展開研究。針對電動汽車充電負荷的預(yù)測，文獻[11]提出了單體電動汽車V2G模型，在此基礎(chǔ)上對電動汽車虛擬電廠的V2G響應(yīng)能力進行評估。電動汽車虛擬電廠參與電網(wǎng)運行可有效促進電網(wǎng)安全穩(wěn)定運行，其中包括：促進可再生能源的消納[12]、降低電網(wǎng)網(wǎng)損[13]及提升電網(wǎng)頻率穩(wěn)定[14]等。文獻[15]通過分析溫控負荷的用能特性，提出了溫控負荷虛擬電廠模型，并探究了溫控負荷虛擬電廠進行功率調(diào)節(jié)的可能性，通過有效控制可以平抑可再生能源功率波動[16]、提升系統(tǒng)頻率穩(wěn)定[17]等。

已有針對電動汽車和溫控負荷虛擬電廠建模方法的研究，未能全方位分析虛擬電廠建模所需的數(shù)據(jù)，未能提供單體可控負荷的精細化模型，所建立的虛擬電廠模型未能充分分析虛擬電廠響應(yīng)能力的時空分布特性；已有針對電動汽車和溫控負荷虛擬電廠控制策略的研究，未能提出電動汽車和溫控負荷虛擬電廠的協(xié)同優(yōu)化控制策略，未能充分分析用戶用能舒適度所帶來的約束，以降低參與控制對用戶用能舒適度的影響。

為此，本文在充分分析電動汽車和溫控負荷虛擬電廠建模所需數(shù)據(jù)的基礎(chǔ)上，建立了單體入網(wǎng)電動汽車和溫控負荷的精細化模型，用以分析電動汽車和溫控負荷在接入電網(wǎng)用能過程中的響應(yīng)特性，結(jié)合電動汽車和溫控負荷的接入狀態(tài)，提出了電動汽車和溫控負荷虛擬電廠模型；在此基礎(chǔ)上，提出了兩類虛擬電廠協(xié)同控制的實現(xiàn)框架，以經(jīng)濟調(diào)控成本最低為目標構(gòu)建了協(xié)同控制模型，同時提出了考慮用能舒適度和接入狀態(tài)的序列排序控制策略，以降低控制對用能舒適度的影響。

1 電動汽車與溫控負荷虛擬電廠模型

1.1 電動汽車與溫控負荷虛擬電廠模型的實現(xiàn)框架

電動汽車虛擬電廠模型所需的數(shù)據(jù)結(jié)構(gòu)如圖1所示，通過對電動汽車特征參數(shù)進行統(tǒng)計分析，獲取電動汽車虛擬電廠模型構(gòu)建的關(guān)鍵參數(shù)。

圖1 構(gòu)建電動汽車虛擬電廠模型所需數(shù)據(jù)結(jié)構(gòu)Fig.1 Required data structure for modeling EV aggregator

溫控負荷虛擬電廠模型所需的數(shù)據(jù)結(jié)構(gòu)如圖2所示，通過對溫控負荷特征參數(shù)進行統(tǒng)計分析，獲取溫控負荷虛擬電廠模型構(gòu)建的關(guān)鍵參數(shù)。

圖2 構(gòu)建溫控負荷虛擬電廠模型所需數(shù)據(jù)結(jié)構(gòu)Fig.2 Required data structure for modeling TCL aggregator

通過對電動汽車和溫控負荷的統(tǒng)計數(shù)據(jù)進行分析，兩類負荷虛擬電廠模型的實現(xiàn)框架如圖3所示。

圖3 電動汽車與溫控負荷虛擬電廠模型的實現(xiàn)框架Fig.3 Implementation framework of aggregator models of EVs and TCLs

1.2 電動汽車虛擬電廠建模過程

獨立電動汽車在入網(wǎng)過程中的響應(yīng)特性如圖4所示。圖4中：橫坐標為電池的SOC；縱坐標為時間；陰影區(qū)域ABCFED來說明電動汽車入網(wǎng)過程中的響應(yīng)特性；SOCs為電動汽車入網(wǎng)時的SOC；為電動汽車允許的放電下限；為電動汽車允許的充電上限；ts為電動汽車入網(wǎng)的時間；td為電動汽車離開電網(wǎng)的時間；SOCd為滿足用戶的出行需求，需保障電動汽車離開電網(wǎng)前保持SOC在（SOCd，）的范圍（即CF線段）。

圖4 電動汽車接入電網(wǎng)的響應(yīng)特性Fig.4 Response characteristics of plug-in EV

電動汽車的可控區(qū)域如圖4陰影區(qū)域所示，處于可控區(qū)域內(nèi)的電動汽車為參與系統(tǒng)的需求響應(yīng)，可通過調(diào)整與電網(wǎng)交換功率的大小實現(xiàn)[18]。以向電網(wǎng)反供電為正方向，即

式中：t時刻入網(wǎng)電動汽車的有功功率為Pt，其最大值為Pˉt，最小值為

以保有N0輛電動汽車的虛擬電廠為例，以下步驟用來獲取電動汽車虛擬電廠模型。

（1）確定電動汽車接入電網(wǎng)的初始SOC。

為確定電動汽車接入電網(wǎng)時的初始SOC，通過分析電動汽車一系列參數(shù)，其中包括出行前的SOC、電動汽車基礎(chǔ)參數(shù)（容量、能耗）和運行參數(shù)（日出行距離）等，即

式中：D為電池容量；d為電動汽車的日出行距離；Ce為每公里電池能耗；SOCs為入網(wǎng)時的初始SOC，δ為用戶出行前的SOC值。

利用蒙特卡羅方法對電池容量的概率分布進行抽樣，確定電動汽車的電池容量D；基于相同方法，根據(jù)電池能耗和日出行距離的概率分布，分別抽樣確定每公里的電池能耗Ce和日出行距離d。在上述數(shù)據(jù)的基礎(chǔ)上，利用式（2）確定電動汽車入網(wǎng)時的初始狀態(tài)。

（2）確定電動汽車的出行時間。

出行時間包括：開始和結(jié)束出行時間。根據(jù)開始出行時間和結(jié)束出行時間的概率分布，利用蒙特卡羅方法，分別抽樣確定電動汽車的開始出行時間td（電動汽車離開電網(wǎng)時刻）和電動汽車的結(jié)束出行時間td（電動汽車接入電網(wǎng)時刻），結(jié)合步驟（1），確定入網(wǎng)時的SOCs。

（3）確定用戶的出行需求。

根據(jù)用能需求的概率分布，抽樣確定電動汽車出行對SOC的需求SOCd。充電時的SOC不斷變化，如式（3）所示，由于本文以電動汽車向電網(wǎng)供電方向，即反供電為正方向，因此充電時Pt為負值，同時Pt需要滿足交換功率的限制。在入網(wǎng)時段內(nèi)，實時SOC值SOCt受圖4陰影區(qū)域的約束，以保證出行需求。

式中：Δt為時間間隔；Dj,t為如式（4）的廣義電池容量。

式中，ηc和ηd分別為充電和放電效率(0≤ηc,ηd≤ 1)。

（4）確定電動汽車虛擬電廠響應(yīng)能力。

設(shè)實時入網(wǎng)的電動汽車數(shù)量為nt（nt≤N0虛擬電廠中總車輛數(shù)），則電動汽車虛擬電廠與電網(wǎng)交換的功率如式（5）所示。本文定義電動汽車虛擬電廠的上調(diào)能力和下調(diào)能力（≤ 0），分別如式（6）和（7）所示。

1.3 溫控負荷虛擬電廠建模過程

在眾多家居溫控負荷中，電熱泵設(shè)備是一種較為典型的代表。由于家居溫控負荷具有良好的熱儲能特性，為此電熱泵設(shè)備逐漸成為家居型需求響應(yīng)控制技術(shù)的研究重點。電熱泵設(shè)備基本動態(tài)過程和熱力學(xué)等值模型分別如圖5和圖6所示。其他溫控設(shè)備如電空調(diào)、電冰箱、電熱水器等與其原理類似。

以一天內(nèi)溫控負荷所在室內(nèi)溫度為狀態(tài)變量，溫度的變化如式（8）所示。電熱泵的響應(yīng)特性如圖5所示，圖中陰影部分為電熱泵負荷響應(yīng)的可控區(qū)域。

圖5 單個溫控負荷動態(tài)特性Fig.5 Dynamic characteristics of an individual TCL

圖6 單個溫控負荷熱力學(xué)等值模型Fig.6 Equivalent thermodynamics model of an individual TCL

如圖7所示，為保證用戶用能舒適度，室內(nèi)溫度的上、下限為[θlower，θupper]；[0，t2]時段溫控負荷處于開啟狀態(tài)，室溫上升，[t2，t4]時段處于關(guān)斷狀態(tài)，室溫下降；[0，t1]時段室溫由θlower變化為此時開啟時間較短，不宜參與控制；[t1，t2]時段室內(nèi)溫度由變化為θupper，此時溫控負荷能夠通過關(guān)斷參與系統(tǒng)響應(yīng)；[t2，t3]時段室溫由θupper變化為，此時溫控負荷關(guān)斷時間較短，不宜參與控制；[t3，t4]時段室溫由變化為θlower，此時溫控負荷能夠通過開啟參與系統(tǒng)響應(yīng)。

圖7 單個溫控負荷響應(yīng)特性Fig.7 Response characteristics of an individual TCL

式中，PL,c為溫控負荷的額定消耗功率，θt為溫控負荷的開關(guān)狀態(tài)。

設(shè)電熱泵數(shù)量為m，則組成的溫控負荷虛擬電廠的輸出功率如式（10）所示，輸出功率的上、下邊界和分別如式（11）和（12）所示。

2 電動汽車與溫控負荷虛擬電廠協(xié)同優(yōu)化控制策略

2.1 電動汽車與溫控負荷虛擬電廠協(xié)同優(yōu)化控制實現(xiàn)框架

電動汽車與溫控負荷虛擬電廠協(xié)同優(yōu)化控制策略的實現(xiàn)框架如圖8所示。電網(wǎng)控制中心實時采集系統(tǒng)的運行數(shù)據(jù)，根據(jù)電網(wǎng)需求確定兩類虛擬電廠提供邊界的反饋信息，確定兩類虛擬電廠需要響應(yīng)的總?cè)萘?，并發(fā)出控制命令。根據(jù)兩類虛擬電廠的經(jīng)濟成本模型，通過優(yōu)化，確定各類虛擬電廠需要響應(yīng)的容量。各類虛擬電廠根據(jù)響應(yīng)目標生成控制信號，從而實現(xiàn)虛擬電廠輸出功率大小的調(diào)節(jié)。兩類虛擬電廠模型重新計算各負荷的狀態(tài)及虛擬電廠響應(yīng)能力邊界的變化，并將此信息反饋給電網(wǎng)控制中心。

2.2 電動汽車與溫控負荷虛擬電廠協(xié)同優(yōu)化控制策略

電動汽車與溫控負荷輸出功率的成本函數(shù)[19]為

圖8 電動汽車與溫控負荷虛擬電廠協(xié)同優(yōu)化控制實現(xiàn)框架Fig.8 Implementation framework of coordinated optimal control for aggregators of EVs and TCLs

式中：Ct為t時刻虛擬電廠參與系統(tǒng)響應(yīng)經(jīng)濟成本；Pt為t時刻虛擬電廠可以提供的響應(yīng)容量；at、bt、ct為t時刻虛擬電廠的經(jīng)濟成本函數(shù)系數(shù)。

由于每個時刻兩類虛擬電廠輸出功率調(diào)節(jié)的經(jīng)濟成本受該時刻用戶接入狀態(tài)和數(shù)量的影響，所以虛擬電廠的經(jīng)濟成本函數(shù)的系數(shù)隨時間變化。電動汽車與溫控負荷虛擬電廠協(xié)同控制模型的優(yōu)化目標函數(shù)為

式中：Cz,t為t時刻兩類虛擬電廠參與系統(tǒng)響應(yīng)總經(jīng)濟成本；CEV,t為電動汽車虛擬電廠參與響應(yīng)的經(jīng)濟成本；CTCL,t為溫控負荷虛擬電廠參與響應(yīng)的經(jīng)濟成本；aEV,t、bEV,t、cEV,t為電動汽車虛擬電廠的成本函數(shù)系數(shù)；aTCL,t、bTCL,t、cTCL,t為溫控負荷虛擬電廠的成本函數(shù)系數(shù)。

兩類虛擬電廠響應(yīng)能力邊界的約束為

式中：PEV,t和PTCL,t分別為電動汽車和溫控負荷虛擬電廠的調(diào)節(jié)容量；PZ(t)為t時刻虛擬電廠需要調(diào)節(jié)的總功率，根據(jù)上層配電網(wǎng)優(yōu)化結(jié)果獲得；PEVc,t為t時刻電動汽車虛擬電廠負荷功率；和分別為電動汽車虛擬電廠的上、下邊界；PTCLc,t為t時刻溫控負荷虛擬電廠負荷功率；和分別為溫控負荷虛擬電廠的上、下邊界。

2.3 電動汽車與溫控負荷控制策略

基于狀態(tài)隊列的電動汽車控制策略如圖9所示。該策略的核心在于基于狀態(tài)排序控制電動汽車的荷電狀態(tài)SOC。在分布式電源出力較高時，按照荷電狀態(tài)由低到高的順序?qū)㈦妱悠囃度氲匠潆姞顟B(tài)；在分布式電源出力較低時，按照荷電狀態(tài)由高到低的順序?qū)㈦妱悠囃度氲介e置狀態(tài)；當(dāng)系統(tǒng)功率缺額較大時，按照荷電狀態(tài)由高到低的順序?qū)㈦妱悠囃度氲椒垂╇姞顟B(tài)。

圖9 基于狀態(tài)隊列的電動汽車控制策略Fig.9 Control strategy for EVs based on state queue

基于狀態(tài)隊列的溫控負荷控制流程如圖10所示。該策略的核心在于基于室溫排序控制溫控負荷的用電狀態(tài)。在分布式電源出力較高時，按照受控室溫由高到低的順序?qū)乜刎摵赏度氲疥P(guān)斷狀態(tài)；在分布式電源出力較低時，按照受控室溫由低到高的順序?qū)乜刎摵赏度氲介_啟狀態(tài)。

3 算例結(jié)果及分析

3.1 算例場景

1）電動汽車參數(shù)信息

算例中假設(shè)電動汽車的額定充電功率為6.6 kW，電動汽車的統(tǒng)計數(shù)據(jù)，包括出行前的SOC、電動汽車基礎(chǔ)參數(shù)（容量、單位公里能耗、充放電效率）和運行參數(shù)（開始和結(jié)束出行時間、日出行距離）等，參考文獻[20]。

圖10 基于狀態(tài)隊列的溫控負荷控制策略Fig.10 Control strategy for TCLs based on state queue

2）溫控負荷參數(shù)信息

假設(shè)溫控負荷額定功率服從U（6，10）的均勻分布。為保證用戶用能舒適度，溫度設(shè)定值Tset為21℃，溫度上、下邊界δ為±2℃。假設(shè)等值熱阻R、等值熱容C、熱功率Q均取值典型參數(shù)，分別在[0.101，0.141] ℃∕W、[3579.3，3619.3]J∕℃ 、[398，402]W范圍內(nèi)服從均勻分布。采用蒙特卡羅方法對R、C、Q的取值進行隨機抽樣，從而獲取溫控負荷群體的仿真參數(shù)。

溫控負荷模型受室外溫度變化的影響，以一天中室外溫度的變化曲線為參考，假設(shè)室外溫度變化滿足圖11所示的變化規(guī)律。

圖11 室外溫度變化情況Fig.11 Variation in outdoor temperature

3）協(xié)同優(yōu)化調(diào)控參數(shù)

假設(shè)在5：00和20：00時刻發(fā)出針對虛擬電廠的調(diào)度控制命令，虛擬電廠總共需要在5：00減少虛擬電廠出力總功率PZ(t) 為7.9 MW，在20：00時刻需要增加虛擬電廠總功率PZ(t)為6.2 MW。

在5：00和20：00時刻，針對于電動汽車虛擬電廠的成本函數(shù)參數(shù)，aEV,t為0.404元∕MW2，bEV,t為6.470元∕MW2，cEV,t為4.300元，針對于溫控負荷虛擬電廠的成本函數(shù)參數(shù)，aTCL,t為0.024元∕MW2，bTCL,t為12.940元∕MW2，cTCL,t為8.400元。

3.2 算例結(jié)果分析

1）電動汽車虛擬電廠響應(yīng)能力

圖12所示為電動汽車虛擬電廠輸出功率及其上、下邊界的分布情況，“有功功率”曲線為電動汽車充電負荷，從電廠的角度認為是電動汽車虛擬電廠的有功出力，“上邊界”和“下邊界”曲線分別為電動汽車虛擬電廠可提供的功率出力的上、下邊界。圖13所示為相應(yīng)每個時刻的電動汽車響應(yīng)狀態(tài)分布，“空閑”狀態(tài)表示充電樁無電動汽車接入，“僅接入”狀態(tài)表示充電樁有電動汽車接入但電動汽車與電網(wǎng)無功率交換，“充電”狀態(tài)表示充電樁上電動汽車處于充電狀態(tài)，“反供電”狀態(tài)表示充電樁上電動汽車處于放電狀態(tài)。

圖12 電動汽車虛擬電廠響應(yīng)能力Fig.12 Response capacity of EV aggregator

圖13 虛擬電廠中電動汽車的響應(yīng)狀態(tài)分布Fig.13 Distribution of EV response status in aggregator

0：00—6：00：該時間段內(nèi)，多數(shù)用戶尚未出行，電動汽車由于未達到出行所需SOC狀態(tài)，因此處于滿充狀態(tài)，充電負荷低，具有較大的有功功率調(diào)節(jié)范圍，屬于可控狀態(tài)。

6：00—16：00：該時間段內(nèi)，用戶行為由空閑逐漸轉(zhuǎn)為出行，可控的電動汽車數(shù)量急劇減少電動汽車充電負荷低，有功功率調(diào)節(jié)范圍小。

16：00—20：00：從電動汽車處于充電狀態(tài)的比例明顯高于其他時段可以看出，由于多數(shù)車輛出行結(jié)束，在該時段內(nèi)逐漸接入電網(wǎng)，開始充電階段SOC較小，且處于不可控狀態(tài)。

20：00—0：00：隨著電動汽車接入電網(wǎng)時間增加，處于滿充狀態(tài)的電動汽車開始增多，可控電動汽車的比例增大，充電負荷降低，有功功率調(diào)節(jié)范圍增大。

2）溫控負荷虛擬電廠響應(yīng)能力

溫控負荷虛擬電廠輸出功率及其上、下邊界的分布情況如圖14所示，相應(yīng)各時刻的溫控負荷開關(guān)狀態(tài)分布如圖15所示。“有功功率”曲線為溫控負荷充電負荷，從電廠的角度認為是溫控負荷虛擬電廠的有功出力，“上邊界”和“下邊界”曲線分別為溫控負荷虛擬電廠可提供的功率出力的上、下邊界?！瓣P(guān)斷”狀態(tài)表示溫控負荷無功率消耗，“開通”狀態(tài)表示溫控負荷正在消耗功率。

圖14 溫控負荷虛擬電廠響應(yīng)能力Fig.14 Response capacity of TCL aggregator

圖15 虛擬電廠中溫控負荷的響應(yīng)狀態(tài)分布Fig.15 Distribution of TCL response status in aggregator

3）電動汽車與溫控負荷虛擬電廠協(xié)同控制

根據(jù)上層電網(wǎng)優(yōu)化后的控制命令，5：00時刻柔性負荷虛擬電廠需要減少的總功率PZ(t)為7.9 MW，此時電動汽車與溫控負荷虛擬電廠能夠減少的最大功率值分別為6.555 MW和2.304 MW，二者可減少的最大功率總和為8.859 MW，滿足功率下限的約束要求。

電動汽車和溫控虛擬電廠負荷虛擬電廠參與功率控制時，采用協(xié)同控制的經(jīng)濟成本最低，同時滿足上層電網(wǎng)的功率需求。根據(jù)優(yōu)化結(jié)果，電動汽車虛擬電廠需要減少6.555 MW，即電動汽車通過切負荷、反供電的控制措施實現(xiàn)該目標，而溫控負荷需要提供1.345 MW，即通過控制在溫度死區(qū)內(nèi)的溫控負荷的關(guān)斷實現(xiàn)該目標，減少的功率總量為7.9 MW。

根據(jù)上層電網(wǎng)優(yōu)化后的控制命令，20：00時刻兩類虛擬電廠需要提供的總功率PZ(t)為6.20 MW，此時電動汽車與溫控負荷虛擬電廠能夠提供的最大功率值分別為5.941 MW和0.359 MW，二者可提供的最大功率總和為6.30 MW，滿足功率上限的約束要求。

電動汽車和溫控虛擬電廠負荷虛擬電廠采用有功協(xié)同控制的經(jīng)濟成本最低，同時滿足上層配電網(wǎng)的功率需求。根據(jù)優(yōu)化結(jié)果，電動汽車虛擬電廠需要提供5.941 MW，而溫控負荷需要提供0.359 MW，提供的功率總量為6.30 MW。

協(xié)同控制后電動汽車虛擬電廠功率控制結(jié)果如圖16所示，該圖給出了電動汽車虛擬電廠原上、下邊界與新上、下邊界的對比效果；相應(yīng)的，電動汽車虛擬電廠各響應(yīng)狀態(tài)所占比例的分布情況如圖17所示。由圖16可以看出，電動汽車虛擬電廠在5：00時刻減少6.555 MW的功率支持，由于該時刻電動汽車通過再充電來達到功率調(diào)度的目的，再充電的電動汽車會隨著充電過程逐漸由可控狀態(tài)變?yōu)椴豢煽貭顟B(tài)，因此電動汽車虛擬電廠的下邊界會高于原下邊界。而電動汽車虛擬電廠在20：00時刻提供5.941 MW的功率支持，由于該時刻電動汽車通過切負荷和反供電來達到功率調(diào)度的目的，反供電的電動汽車會隨著放電過程逐漸由可控狀態(tài)變?yōu)椴豢煽貭顟B(tài)，因此電動汽車虛擬電廠的上邊界會低于原上邊界。

圖16 協(xié)同控制后電動汽車虛擬電廠響應(yīng)能力Fig.16 Response capacity of EV aggregator after coordinated control

圖17 協(xié)同控制后虛擬電廠中電動汽車的響應(yīng)狀態(tài)分布Fig.17 Distribution of EV response status in aggregator after coordinated control

協(xié)同控制后溫控負荷虛擬電廠功率控制結(jié)果如圖18所示，該圖給出了溫控負荷虛擬電廠輸出功率原上、下邊界與新上、下邊界的對比效果；相應(yīng)的，溫控負荷虛擬電廠各響應(yīng)狀態(tài)所占比例的分布情況如圖19所示。由圖18可以看出，溫控負荷虛擬電廠在5：00時刻減少了1.345 MW的功率出力，該時刻溫控負荷通過開通負荷來達到功率調(diào)度的目的；由該圖可以看出，溫控負荷虛擬電廠在20：00時刻提供0.359 MW的功率支持，該時刻溫控負荷通過關(guān)斷負荷來達到功率調(diào)度的目的。由于溫控負荷虛擬電廠上、下邊界受開關(guān)狀態(tài)影響較大，溫控負荷虛擬電廠的上、下邊界在功率控制后發(fā)生變化。

圖18 協(xié)同控制后溫控負荷虛擬電廠響應(yīng)能力Fig.18 Response capacity of TCL aggregator after coordinated control

圖19 協(xié)同控制后虛擬電廠中溫控負荷的響應(yīng)狀態(tài)分布Fig.19 Distribution of TCL response status in aggregator after coordinated control

4 結(jié)論

本文在電動汽車和溫控負荷虛擬電廠模型的基礎(chǔ)上，提出了電動汽車與溫控負荷虛擬電廠協(xié)同優(yōu)化控制策略，算例驗證了所提出的建模方法和控制策略的有效性，具體研究結(jié)論如下：

（1）通過全方位分析電動汽車虛擬電廠建模所需的數(shù)據(jù)，進而精細化探究了單體電動汽車的響應(yīng)特性和入網(wǎng)約束，考慮到電動汽車的多種接入狀態(tài)，通過時序求和獲取電動汽車虛擬電廠的輸出功率及其可調(diào)節(jié)范圍；

（2）本文全方位分析了溫控負荷虛擬電廠建模所需的數(shù)據(jù)，建立單體溫控負荷的精細化模型以分析溫控負荷的響應(yīng)特性和多階段溫度約束，同時考慮到溫控負荷關(guān)斷和開啟的接入狀態(tài)，通過時序求和評估溫控虛擬電廠的響應(yīng)能力；

3）以功率控制的經(jīng)濟成本為目標，同時考慮到虛擬電廠響應(yīng)能力的時序約束和單體可控負荷的約束，提出了電動汽車與溫控負荷虛擬電廠協(xié)同優(yōu)化控制的模型，用以實現(xiàn)多類型可控負荷虛擬電廠的經(jīng)濟調(diào)控，同時，針對電動汽車和溫控負荷的接入狀態(tài)，提出了考慮用戶舒適度的序列排序控制策略，以降低控制對用戶用能舒適度的影響。