王俊翔，李華強(qiáng)，鄧靖微，謝康勝，安楊

(1.智能電網(wǎng)四川省重點(diǎn)實(shí)驗(yàn)室(四川大學(xué))，成都市 610065；2.國(guó)網(wǎng)四川省電力公司檢修公司，成都市 610042)

0 引 言

隨著能源短缺與環(huán)境污染問(wèn)題日益加劇，微電網(wǎng)作為可再生能源接入的有效載體得到大力發(fā)展[1-2]。其中，商業(yè)園區(qū)微網(wǎng)(business park microgrid，BPMG)因其能夠促進(jìn)可再生能源就地消納、實(shí)現(xiàn)大量電動(dòng)汽車(electric vehicle，EV)和變頻空調(diào)(inverter air conditioner，IAC)等柔性負(fù)荷友好接入而受到廣泛關(guān)注[3-4]。由于BPMG源、荷兩側(cè)存在多類可控單元，如何對(duì)其進(jìn)行優(yōu)化調(diào)度成為學(xué)術(shù)界研究的重點(diǎn)問(wèn)題。

目前，已有部分文獻(xiàn)對(duì)BPMG優(yōu)化調(diào)度進(jìn)行研究并取得了一定的成果。文獻(xiàn)[5-6]考慮價(jià)格型需求響應(yīng)帶來(lái)的經(jīng)濟(jì)效益，建立以運(yùn)行成本最小為目標(biāo)的商業(yè)園區(qū)優(yōu)化調(diào)度模型。文獻(xiàn)[7-8]提出了考慮商業(yè)園區(qū)儲(chǔ)能系統(tǒng)削峰填谷的優(yōu)化策略。上述研究均基于預(yù)測(cè)值進(jìn)行優(yōu)化求解，未考慮BPMG系統(tǒng)源、荷兩側(cè)功率隨機(jī)波動(dòng)對(duì)優(yōu)化調(diào)度的影響。隨著大量光伏和風(fēng)電等可再生能源接入，可再生能源出力的波動(dòng)性和不確定性導(dǎo)致系統(tǒng)靈活性不足，棄光、棄風(fēng)以及切負(fù)荷風(fēng)險(xiǎn)大幅上升[9]；同時(shí)EV和IAC在BPMG內(nèi)大規(guī)模使用，其不可調(diào)度的無(wú)序用電行為進(jìn)一步擴(kuò)大了系統(tǒng)的靈活性缺額。因此，有必要在優(yōu)化調(diào)度過(guò)程中合理調(diào)配各類靈活性資源，保證系統(tǒng)靈活性供需匹配[10-11]。對(duì)此，文獻(xiàn)[12]從能量允許波動(dòng)率的角度提出靈活性評(píng)價(jià)指標(biāo)，并結(jié)合系統(tǒng)運(yùn)行經(jīng)濟(jì)性，構(gòu)建多目標(biāo)優(yōu)化調(diào)度模型。文獻(xiàn)[13]采用日前和日內(nèi)滾動(dòng)優(yōu)化方式，在日內(nèi)調(diào)度中調(diào)整滿足靈活性要求的分布式資源的啟停狀態(tài)，以總運(yùn)行成本最小為目標(biāo)，制定獨(dú)立微網(wǎng)優(yōu)化調(diào)度方案。文獻(xiàn)[14]提出了一種利用儲(chǔ)能的靈活性供給應(yīng)對(duì)短時(shí)間光伏與負(fù)荷波動(dòng)的能量管理方法。文獻(xiàn)[15]從孤島微電網(wǎng)的運(yùn)行靈活性出發(fā)，分析了可平移負(fù)荷對(duì)孤島微電網(wǎng)靈活性的影響，但其需求響應(yīng)策略由決策者主觀制定，無(wú)法得到柔性負(fù)荷參與下的最優(yōu)調(diào)度方案。綜上所述，現(xiàn)有研究涉及的靈活性資源種類不夠全面，未考慮將微網(wǎng)中廣泛存在EV和IAC作為靈活性資源參與優(yōu)化調(diào)度。

針對(duì)以上問(wèn)題，本文提出一種考慮EV和IAC作為需求側(cè)靈活性資源的BPMG多目標(biāo)優(yōu)化調(diào)度方法。首先，基于EV和IAC的需求響應(yīng)模型，量化BPMG需求側(cè)靈活性資源提供的靈活性供給，結(jié)合源側(cè)固有靈活性資源和靈活性需求，提出系統(tǒng)靈活性不足嚴(yán)重度指標(biāo)，對(duì)系統(tǒng)運(yùn)行靈活性供需失衡的嚴(yán)重程度進(jìn)行定量評(píng)估。然后，以綜合運(yùn)行成本最低和系統(tǒng)平均靈活性不足嚴(yán)重度最小為目標(biāo)，考慮源、荷兩側(cè)各類靈活性資源運(yùn)行約束，建立BPMG日前優(yōu)化調(diào)度模型。最后，通過(guò)算例仿真求解BPMG最優(yōu)調(diào)度方案并驗(yàn)證本文所提模型的合理性和有效性。

1 BPMG系統(tǒng)結(jié)構(gòu)

本文研究的BPMG系統(tǒng)架構(gòu)如圖1所示，BPMG系統(tǒng)內(nèi)部由光伏、風(fēng)電、可控分布式電源(controllable distributed generator, CDG)和儲(chǔ)能系統(tǒng)(energy storage system，ESS)向基礎(chǔ)負(fù)荷、EV負(fù)荷和IAC負(fù)荷供電，并與上級(jí)電網(wǎng)通過(guò)聯(lián)絡(luò)線進(jìn)行能量交互，確保系統(tǒng)功率平衡。

但是，大量光伏、風(fēng)電接入的BPMG系統(tǒng)制定優(yōu)化調(diào)度方案時(shí)，需在滿足系統(tǒng)功率平衡的基礎(chǔ)上，進(jìn)一步考慮靈活性供需平衡。從靈活性供給與靈活性需求的角度出發(fā)，圖1中的CDG、ESS和BPMG與上級(jí)電網(wǎng)之間的聯(lián)絡(luò)線屬于源側(cè)固有靈活性資源。EV和IAC由其需求響應(yīng)情況決定靈活性供需屬性。參與需求響應(yīng)的EV和IAC具有可調(diào)度性，作為需求側(cè)靈活性資源參與BPMG優(yōu)化調(diào)度；未參與需求響應(yīng)的EV和IAC不可調(diào)度，與具有波動(dòng)性和不確定性的光伏、風(fēng)電和基礎(chǔ)負(fù)荷共同作為靈活性需求。因此，下文將依據(jù)圖2所示模型框架對(duì)本文進(jìn)行建模。

圖1 BPMG系統(tǒng)結(jié)構(gòu)圖Fig.1 Structure diagram of the BPMG

圖2 考慮需求側(cè)靈活性資源的商業(yè)園區(qū)微網(wǎng)優(yōu)化調(diào)度框架圖Fig.2 Structure diagram of BPMG optimal scheduling considering demand-side flexible resources

2 BPMG的靈活性資源和需求模型

2.1 BPMG需求側(cè)靈活性資源

本文建立激勵(lì)型需求響應(yīng)模型，引導(dǎo)EV和IAC作為需求側(cè)靈活性資源參與BPMG優(yōu)化調(diào)度?？紤]到需求響應(yīng)影響用戶使用體驗(yàn)，因此，設(shè)計(jì)用戶體驗(yàn)度指標(biāo)作為調(diào)度模型的約束條件。

2.1.1計(jì)及用戶體驗(yàn)度的EV需求響應(yīng)模型

1)單輛EV調(diào)度模型。

單輛EV接入后，其荷電狀態(tài)變化如下式所示：

(1)

根據(jù)式(1)，可以得到如圖3所示的單輛EV并網(wǎng)期間能量狀態(tài)與調(diào)度功率變化關(guān)系。圖3中：Eev,ar和Eev,ex分別表示EV并網(wǎng)時(shí)的荷電狀態(tài)和離網(wǎng)時(shí)的用戶期望荷電狀態(tài)；Eev,max和Eev,min分別為EV荷電狀態(tài)的最大值和最小值；ts和te分別為EV的并網(wǎng)時(shí)刻和離網(wǎng)時(shí)刻；Pevc,r、Pevdc,r分別為EV的標(biāo)準(zhǔn)充電、放電循環(huán)功率；Pevc,max、Pevdc,max分別為EV的充電、放電極限功率。

圖3 單輛EV能量狀態(tài)與調(diào)度功率變化關(guān)系Fig.3 The relationship between energy state and operating power of a single EV

2)EV用戶體驗(yàn)度。

上述模型未計(jì)及電池?fù)p耗對(duì)用戶使用體驗(yàn)的影響。因此本文將過(guò)標(biāo)準(zhǔn)充放電率和放電次數(shù)作為EV用戶體驗(yàn)度指標(biāo)。

考慮到超過(guò)標(biāo)準(zhǔn)充放電循環(huán)功率的充電、放電狀態(tài)對(duì)電池壽命造成影響[16]，本文將過(guò)標(biāo)準(zhǔn)充放電率定義為：EV調(diào)度過(guò)程中超過(guò)標(biāo)準(zhǔn)充放電循環(huán)功率的充電和放電電量(即圖3紅色實(shí)線對(duì)應(yīng)的EV調(diào)度方案中，紅色陰影區(qū)域所代表的充放電量之和)占用戶充電需求電量比例的加權(quán)均值。綜上所述，過(guò)標(biāo)準(zhǔn)充放電率IBL可表示為：

(2)

其中，

(3)

(4)

EV調(diào)度過(guò)程頻繁改變電池充放電狀態(tài)會(huì)對(duì)其使用壽命造成影響，本文放電次數(shù)模型參考文獻(xiàn)[17]，不做贅述。

3)EV分群響應(yīng)模型。

商業(yè)園區(qū)內(nèi)包含多輛EV，因而本文以并網(wǎng)時(shí)荷電狀態(tài)Eev,ar為分群判別指標(biāo)，建立EV分群響應(yīng)模型，并結(jié)合能量緩沖一致性算法，實(shí)現(xiàn)子群內(nèi)單輛EV功率再分配，該算法參考文獻(xiàn)[18]。

(5)

2.1.2計(jì)及用戶體驗(yàn)度的IAC需求響應(yīng)模型

1)單臺(tái)IAC調(diào)度模型。

本文采用線性模型表達(dá)IAC制冷(熱)量Qiac與運(yùn)行功率Piac的函數(shù)關(guān)系[19]。

Piac=kQiac+b

(6)

式中：k、b為一次函數(shù)的系數(shù)。

空調(diào)房間的室內(nèi)溫度Tin與制冷(熱)量Qiac的函數(shù)關(guān)系由文獻(xiàn)[20]中簡(jiǎn)化的等效熱參數(shù)模型描述。

2)IAC用戶體驗(yàn)度。

本文采用熱感覺(jué)平均標(biāo)度預(yù)測(cè)(predicted mean vote，PMV)指標(biāo)IPMV表征IAC用戶的使用體驗(yàn)。該指標(biāo)計(jì)算方法如下[21]：

(7)

3)IAC分群響應(yīng)模型。

本文以運(yùn)行時(shí)段作為IAC分群判別指標(biāo)，將其分為日間運(yùn)行型和全天運(yùn)行型兩組，并建立IAC分群響應(yīng)模型。

(8)

2.1.3EV和IAC的靈活性供給

基于上述EV和IAC需求響應(yīng)模型，本文考慮EV和IAC作為需求側(cè)靈活性資源對(duì)系統(tǒng)單向靈活性爬坡能力的提升作用，進(jìn)而實(shí)現(xiàn)上、下調(diào)靈活性資源的合理分配。其上、下調(diào)靈活性供給模型如下：

(9)

2.2 BPMG源側(cè)固有靈活性資源

(10)

(11)

(12)

2.3 BPMG靈活性需求

BPMG的靈活性需求由凈負(fù)荷波動(dòng)量與凈負(fù)荷預(yù)測(cè)誤差兩部分組成[9]，如式(13)所示：

(13)

其中，

(14)

2.4 BPMG運(yùn)行靈活性評(píng)價(jià)指標(biāo)

(15)

其中，

(16)

3 BPMG日前優(yōu)化調(diào)度模型

3.1 目標(biāo)函數(shù)

BPMG日前優(yōu)化調(diào)度模型的目標(biāo)函數(shù)如下：

1)綜合運(yùn)行成本f1。

BPMG綜合運(yùn)行成本由運(yùn)行管理成本Com、燃料成本Cf、污染物治理成本Ce、BPMG與上級(jí)電網(wǎng)的能量交互成本Ctl和需求響應(yīng)補(bǔ)償成本Cre組成，具體如下：

f1=Com+Cf+Ce+Ctl+Cre

(17)

其中，

(18)

(19)

(20)

(21)

(22)

2)平均靈活性不足嚴(yán)重度f(wàn)2。

(23)

3.2 約束條件

BPMG日前優(yōu)化調(diào)度模型的約束條件如下：

1)BPMG功率平衡約束。

(24)

2)CDG出力約束。

CDG出力約束主要包括出力上下限約束和爬坡約束：

(25)

(26)

3)ESS功率與荷電狀態(tài)約束。

ESS功率與荷電狀態(tài)約束主要包括時(shí)序運(yùn)行約束、充放電功率與狀態(tài)約束、荷電狀態(tài)上下限約束和荷電狀態(tài)連續(xù)性約束：

(27)

(28)

(29)

(30)

(31)

(32)

4)聯(lián)絡(luò)線交互功率約束。

聯(lián)絡(luò)線交互功率約束主要包括購(gòu)售電功率與狀態(tài)約束和交互功率波動(dòng)約束：

(33)

(34)

(35)

(36)

5)EV約束。

EV約束主要涉及到EV需求響應(yīng)參與度約束、充放電功率與狀態(tài)約束、荷電狀態(tài)上下限約束和離網(wǎng)電量約束。

(37)

(38)

(39)

(40)

6)IAC約束。

IAC約束主要涉及到IAC需求響應(yīng)參與度約束、運(yùn)行功率約束和全天運(yùn)行型IAC的室內(nèi)溫度循環(huán)約束：

(41)

(42)

(43)

(44)

7)EV與IAC用戶體驗(yàn)度約束。

IBL≤IBL,max

(45)

Dev≤1

(46)

|IPMV|≤IPMV,max

(47)

式中：IBL,max為用戶可接受的過(guò)標(biāo)準(zhǔn)充放電率最大值，本文取其值為20%，對(duì)于沒(méi)有充電需求的用戶，IBL,max=0；Dev為EV放電次數(shù)；IPMV,max為PMV指標(biāo)最大值，ISO7730[22]推薦PMV的取值在-0.5與0.5之間。

3.3 多目標(biāo)優(yōu)化模型求解方法

本文采用min-max標(biāo)準(zhǔn)化的方法將各個(gè)優(yōu)化目標(biāo)歸一化，并使用線性加權(quán)求和法賦予各優(yōu)化目標(biāo)權(quán)重系數(shù)，將多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)化為單目標(biāo)優(yōu)化問(wèn)題：

(48)

minF=ω1F1+ω2F2

(49)

式中：Fi為第i個(gè)目標(biāo)函數(shù)的歸一化值；fi為第i個(gè)目標(biāo)函數(shù)的值；fimax和fimin分別為第i個(gè)目標(biāo)函數(shù)的最大值和最小值；ω1和ω2為目標(biāo)的權(quán)重系數(shù)，本文令ω1=ω2=0.5。

本文優(yōu)化調(diào)度模型的決策變量集合為

該優(yōu)化模型為0-1混合整數(shù)線性規(guī)劃問(wèn)題，使用MATLAB R2015a平臺(tái)中的YALMIP優(yōu)化工具箱，調(diào)用CPLEX12.9求解器進(jìn)行求解。

4 算例分析

4.1 算例介紹

4.2 算例結(jié)果分析

本文設(shè)置以下2種需求響應(yīng)參與模式對(duì)調(diào)度結(jié)果進(jìn)行對(duì)比分析。

模式1：所有EV與IAC用戶均不參與需求響應(yīng)，僅考慮源側(cè)固有靈活性資源的優(yōu)化調(diào)度，并采用本文提出的多目標(biāo)優(yōu)化模型。

模式2：所有EV與IAC用戶均參與需求響應(yīng)，同時(shí)考慮源側(cè)固有靈活性資源與需求側(cè)靈活性資源的優(yōu)化調(diào)度，并采用本文提出的多目標(biāo)優(yōu)化模型。

4.2.1不同模式下優(yōu)化調(diào)度結(jié)果對(duì)比分析

在上述2種模式下，仿真得到的各項(xiàng)運(yùn)行成本和平均靈活性不足嚴(yán)重度指標(biāo)如表1所示，BPMG功率平衡圖如圖4所示。

由表1可知，模式1中EV與IAC用戶的無(wú)序用電行為導(dǎo)致系統(tǒng)靈活性需求劇增，系統(tǒng)源側(cè)固有靈活性供給不足以滿足靈活性需求，平均靈活性不足嚴(yán)重度較高。模式2以一定的經(jīng)濟(jì)成本為代價(jià)，引導(dǎo)EV與IAC平抑凈負(fù)荷波動(dòng)，有效地降低了平均靈活性不足嚴(yán)重度。由此可知，模式2能夠更好地適應(yīng)源荷兩側(cè)功率隨機(jī)波動(dòng)。

圖4 兩種模式下的功率平衡圖Fig.4 Power balance in two modes

表1 兩種模式下調(diào)度結(jié)果對(duì)比Table 1 Comparison of operation results in two modes

由圖4可以看出，與模式1相比，模式2中EV與IAC的運(yùn)行功率在09：00—14：00時(shí)段內(nèi)上升，CDG出力隨之上升。并且EV在16：00—18：00時(shí)段內(nèi)放電，減少了聯(lián)絡(luò)線購(gòu)電功率，使得18：30—21：00時(shí)段內(nèi)CDG能夠增加出力向上級(jí)電網(wǎng)售電。因此，模式2能量交互成本有所下降，但運(yùn)維、燃料、污染物治理以及需求響應(yīng)補(bǔ)償成本明顯增大，導(dǎo)致綜合運(yùn)行成本增大。

4.2.2需求側(cè)靈活性資源對(duì)BPMG運(yùn)行靈活性的影響分析

為驗(yàn)證需求側(cè)靈活性資源對(duì)BPMG運(yùn)行靈活性的影響，對(duì)比分析2種模式下靈活性不足嚴(yán)重度時(shí)序分布情況，如圖5所示。

圖5 兩種模式中BPMG靈活性不足嚴(yán)重度時(shí)序分布Fig.5 Time series distribution of BPMG flexibility insufficient severity in two modes

從圖5可以看出：模式1中，上午時(shí)段EV和IAC的無(wú)序用電行為導(dǎo)致靈活性不足嚴(yán)重度較大。因此，模式2中系統(tǒng)激勵(lì)EV、IAC的運(yùn)行功率需求從上午時(shí)段轉(zhuǎn)移至中午時(shí)段，在緩解系統(tǒng)07：00—09：00時(shí)段靈活性資源爬坡壓力的同時(shí)，補(bǔ)充09：00—12：00時(shí)段系統(tǒng)靈活性爬坡能力，顯著地降低了該時(shí)段內(nèi)的靈活性不足嚴(yán)重度。同理，在下午13：30—15：30和17：00—19：00時(shí)段內(nèi)，系統(tǒng)缺少向上和向下靈活性爬坡能力，此時(shí)參與需求響應(yīng)的EV和IAC在該時(shí)段內(nèi)的總運(yùn)行功率先減小后增大，以適應(yīng)系統(tǒng)內(nèi)光伏、負(fù)荷先后降低引起的凈負(fù)荷劇烈波動(dòng)，有效地提升了系統(tǒng)運(yùn)行靈活性。

4.2.3靈敏度分析

為進(jìn)一步驗(yàn)證所提模型對(duì)仿真參數(shù)變化的適應(yīng)性，本文選取模式2對(duì)EV和IAC用戶需求響應(yīng)比例、用戶體驗(yàn)度約束兩個(gè)方面進(jìn)行靈敏度分析。

1)EV和IAC用戶需求響應(yīng)比例。

考慮到實(shí)際情況中并非所有EV與IAC用戶均有意愿參與需求響應(yīng)，設(shè)置不同的用戶需求響應(yīng)比例進(jìn)行優(yōu)化求解，調(diào)度結(jié)果如圖6所示。從圖6可以看出，隨著用戶需求響應(yīng)比例的增大，BPMG可調(diào)度的需求側(cè)靈活性資源增多，平均靈活性不足嚴(yán)重度降低，同時(shí)系統(tǒng)需要支付更多的需求響應(yīng)補(bǔ)償成本，綜合運(yùn)行成本提高。

圖6 不同用戶需求響應(yīng)比例下的調(diào)度結(jié)果Fig.6 Operation results under different demand-response ratios

2)用戶體驗(yàn)度。

基于上面的研究結(jié)果，分別選取用戶需求響應(yīng)比例為20%、40%、60%、80%和100%的5種場(chǎng)景，討論用戶體驗(yàn)度約束對(duì)BPMG優(yōu)化調(diào)度的影響，得到的結(jié)果如附錄表B1所示。

隨著用戶體驗(yàn)度約束趨于嚴(yán)格，不同需求響應(yīng)比例下，系統(tǒng)平均靈活性不足嚴(yán)重度均增大，綜合運(yùn)行成本均有所降低。其中，EV放電次數(shù)約束對(duì)優(yōu)化調(diào)度結(jié)果影響較大，這是因?yàn)榻笶V放電行為限制了16：30—18：30時(shí)段內(nèi)EV靈活性供給能力，同時(shí)需求響應(yīng)補(bǔ)償成本減少，綜合運(yùn)行成本明顯降低。

5 結(jié) 論

針對(duì)大規(guī)?？稍偕茉?、EV和IAC接入給BPMG經(jīng)濟(jì)靈活運(yùn)行帶來(lái)的新難題，本文綜合考慮源、荷兩側(cè)的靈活性資源，基于靈活性供需匹配程度提出靈活性不足嚴(yán)重度指標(biāo)，并建立兼顧運(yùn)行經(jīng)濟(jì)性和靈活性的BPMG多目標(biāo)優(yōu)化調(diào)度模型。通過(guò)算例分析得出如下結(jié)論：

1)EV和IAC作為需求側(cè)靈活性資源參與BPMG優(yōu)化調(diào)度，能夠以一定的經(jīng)濟(jì)成本為代價(jià)，為系統(tǒng)補(bǔ)充靈活性爬坡能力，有效降低系統(tǒng)的靈活性供需失衡程度。

2)BPMG調(diào)度機(jī)構(gòu)在制定調(diào)度計(jì)劃階段應(yīng)綜合考慮系統(tǒng)運(yùn)行經(jīng)濟(jì)性、靈活性和用戶體驗(yàn)，進(jìn)行簽約用戶數(shù)量的精細(xì)化考量。

在園區(qū)互聯(lián)的電網(wǎng)發(fā)展趨勢(shì)下，如何依據(jù)需求側(cè)靈活性資源的時(shí)空分布特性，在園區(qū)之間優(yōu)化調(diào)配各類靈活性資源，提升系統(tǒng)整體的運(yùn)行靈活性，將成為后續(xù)研究工作的重點(diǎn)。