陳 宇，吳曉剛，杜玖玉，孫金磊

（1.哈爾濱理工大學(xué)電氣與電子工程學(xué)院，哈爾濱 150006；2.清華大學(xué)，汽車安全與節(jié)能國家重點實驗室，北京 100084；3.南京理工大學(xué)自動化學(xué)院，南京 210094）

前言

為解決日益突出的能源危機和環(huán)境污染問題，面向碳中和的低碳、零碳乃至負(fù)碳技術(shù)將成為未來全球產(chǎn)業(yè)革命和科技競爭的關(guān)鍵。因此，光伏、風(fēng)力等各種可再生能源發(fā)電在微電網(wǎng)中的滲入率逐年增加，電動汽車同時作為負(fù)載和移動儲能裝置，與微電網(wǎng)的融合和協(xié)同控制也成為研究的熱點。

光伏發(fā)電受到環(huán)境等因素影響具有很大的不確定性，電動汽車與電網(wǎng)之間的充放電行為也具有一定的隨機性，如果不能對其進(jìn)行合理的管理與控制，可能造成峰值負(fù)荷增加、電能質(zhì)量降低和切負(fù)荷量增加等一系列問題，從而對微電網(wǎng)的經(jīng)濟(jì)和穩(wěn)定運行產(chǎn)生重大影響。經(jīng)濟(jì)性與穩(wěn)定性是微電網(wǎng)建設(shè)中需要考慮的重要因素，通常根據(jù)可利用的能源情況和電網(wǎng)負(fù)荷要求，以經(jīng)濟(jì)性或供電可靠性等最優(yōu)為目標(biāo)進(jìn)行優(yōu)化，確定微電網(wǎng)中分布式電源的類型、容量，并保證電網(wǎng)運行的穩(wěn)定性，在此基礎(chǔ)上，進(jìn)行微電網(wǎng)經(jīng)濟(jì)性調(diào)度和運行。

在微電網(wǎng)經(jīng)濟(jì)性調(diào)度研究方面，文獻(xiàn)［5］中以成本最低為目標(biāo)，利用混合粒子群優(yōu)化算法在發(fā)電機組之間獲得最優(yōu)經(jīng)濟(jì)發(fā)電計劃，最終提高微電網(wǎng)的可調(diào)度性，降低微電網(wǎng)的運行成本。文獻(xiàn)［6］中提出了一種改進(jìn)的帝企鵝優(yōu)化算法，在已投入運行的發(fā)電系統(tǒng)中尋找發(fā)電的經(jīng)濟(jì)調(diào)度，解決基于化石燃料和可再生能源系統(tǒng)的動態(tài)經(jīng)濟(jì)調(diào)度問題。文獻(xiàn)［7］中建立了用于電動汽車、可轉(zhuǎn)移負(fù)荷和其他分布式發(fā)電的微電網(wǎng)經(jīng)濟(jì)調(diào)度的多目標(biāo)模型，并研究了電動汽車充放電行為和需求側(cè)響應(yīng)對光伏并網(wǎng)系統(tǒng)經(jīng)濟(jì)運行的影響。文獻(xiàn)［8］中針對可再生能源和電動汽車充電的不確定性，利用不確定成本函數(shù)的1階導(dǎo)數(shù)和2階導(dǎo)數(shù)進(jìn)行數(shù)學(xué)分析，構(gòu)建了太陽能光伏發(fā)電、風(fēng)力發(fā)電、插電式電動汽車和徑向水輪發(fā)電機的邊界不確定成本函數(shù)。文獻(xiàn)［9］中提出了以微電網(wǎng)系統(tǒng)效益最大化為目標(biāo)函數(shù)的分布式優(yōu)化策略，儲能系統(tǒng)可根據(jù)歷史平均結(jié)算價格和充電成本價格實時調(diào)整充放電狀態(tài)，同時處理平衡和不平衡約束，隨時保證電力供需平衡。

在微電網(wǎng)結(jié)構(gòu)與運行策略的研究方面，文獻(xiàn)［10］和文獻(xiàn)［11］中提出了儲能系統(tǒng)的運行策略，以解決光伏發(fā)電引起的功率變化和局部負(fù)荷波動問題。并以經(jīng)濟(jì)性為目標(biāo)，制定了微網(wǎng)發(fā)電各部件、負(fù)荷和儲能電池之間的優(yōu)化調(diào)度計劃。文獻(xiàn)［12］中考慮了可轉(zhuǎn)移負(fù)荷對用戶滿意度的影響和可再生能源跟蹤負(fù)荷的能力，提出了熱電耦合微電網(wǎng)的最優(yōu)調(diào)度策略。文獻(xiàn)［13］中提出了一種雙層家庭微電網(wǎng)能量管理系統(tǒng)，上層使用模型預(yù)測的方法對家庭用電負(fù)荷分布進(jìn)行優(yōu)化，下層采用實時控制器確定儲能系統(tǒng)最優(yōu)功率的輸入輸出，降低了家庭日常能源成本的同時將光伏利用最大化。文獻(xiàn)［14］中提出了一種適用于工業(yè)微電網(wǎng)的能量管理系統(tǒng)，一方面考慮電池儲能成本來確定最優(yōu)儲能規(guī)模，另一方面研究了考慮儲能效率、充放電速率等各種運行極限的微網(wǎng)運行成本問題，并根據(jù)隨機情景來解決不確定性。文獻(xiàn)［15］中基于使用負(fù)荷剖面和發(fā)電資源預(yù)測的功率提出了一種能量管理策略，以促進(jìn)微電網(wǎng)中的電力分配，提高微電網(wǎng)在現(xiàn)有電網(wǎng)中的可靠性、控制水平和滲透率，并考慮了電網(wǎng)波動的穩(wěn)定性。文獻(xiàn)［16］和文獻(xiàn)［17］中考慮了社區(qū)微電網(wǎng)與電網(wǎng)的互聯(lián)，使用儲能系統(tǒng)作為調(diào)節(jié)，通過出售多余的可再生能源獲得最大利潤，同時使成本最小化以滿足微電網(wǎng)的負(fù)荷需求。

綜上，在可再生能源構(gòu)建的微電網(wǎng)系統(tǒng)運行控制的研究方面，大部分圍繞微電網(wǎng)的結(jié)構(gòu)、算法和策略進(jìn)行研究。少有從微電網(wǎng)的經(jīng)濟(jì)性和穩(wěn)定性需求，優(yōu)化電動汽車的充電規(guī)則的報道。本文中以哈爾濱市出租車出行特征和運行工況作為背景，將出租車空駛率、負(fù)荷穩(wěn)定性和系統(tǒng)經(jīng)濟(jì)性研究相結(jié)合，對電動出租車的充電規(guī)則進(jìn)行了優(yōu)化。

1 直流微電網(wǎng)結(jié)構(gòu)與各分布式電源模型

1.1 直流微電網(wǎng)結(jié)構(gòu)與調(diào)度規(guī)則

圖1為所研究的直流微電網(wǎng)系統(tǒng)的結(jié)構(gòu)，主要包括發(fā)電部分（光伏發(fā)電、燃?xì)廨啓C發(fā)電、燃料電池發(fā)電）和負(fù)荷部分（出租車、本地負(fù)荷、儲能電池），各部分分別通過電力電子變換器接入直流母線。

圖1 直流微電網(wǎng)系統(tǒng)結(jié)構(gòu)圖

根據(jù)光伏發(fā)電和電動出租車的實際工況調(diào)整燃?xì)廨啓C、燃料電池等發(fā)電環(huán)節(jié)的發(fā)電情況，利用儲能系統(tǒng)實現(xiàn)微電網(wǎng)的輔助控制，從而達(dá)到系統(tǒng)功率平衡的目的，在調(diào)整過程中優(yōu)先考慮系統(tǒng)的可靠性和經(jīng)濟(jì)性。整個系統(tǒng)的調(diào)度規(guī)則為：

（1）光伏發(fā)電單元由于具有可再生和清潔特性，被作為主力電源優(yōu)先輸出；

（2）燃?xì)廨啓C和燃料電池具有靈活的可調(diào)度性，因此它們在系統(tǒng)負(fù)荷量過大導(dǎo)致光伏發(fā)電供給不足時工作；

（3）儲能電池在系統(tǒng)發(fā)電量富余時充當(dāng)負(fù)荷來儲存能量，在系統(tǒng)發(fā)電量不足時又可作為后備電源發(fā)電。

1.2 分布式電源成本計算模型

1.2.1 光伏發(fā)電成本模型

光伏（photovoltaic，PV）將光能直接轉(zhuǎn)化為電能。參照文獻(xiàn)［18］中的光伏發(fā)電模型，將光伏發(fā)電量與光照強度和溫度的關(guān)系擬合得到24 h內(nèi)光伏發(fā)電單元的發(fā)電功率數(shù)學(xué)模型：

光伏電池發(fā)電功率為

式中：為光伏電池發(fā)電功率，W；為光照強度，W/m；為標(biāo)準(zhǔn)測試條件下（光照強度為1 000 W/m，環(huán)境溫度為25℃）的最大測試功率，W；為標(biāo)準(zhǔn)測試條件下的光照強度，其值取1 000 W/m；為功率溫度系數(shù)，℃；為電池板工作溫度，℃；為參考溫度，℃。

光伏發(fā)電的運行成本為

式中：表示 PV的運行管理成本，元；為PV的運行維護(hù)成本系數(shù)，元/（W·s）；為時間間隔數(shù)；Δ為時間間隔，s；（）為第時刻PV輸出功率，W。

1.2.2 燃?xì)廨啓C成本模型

燃?xì)廨啓C（gas turbine，GT）主要考慮其運行管理成本和燃料成本兩部分，即

式中：表示 GT 的運行管理成本，元；為GT的運行維護(hù)成本系數(shù)，元/（W·s）；（）為第時刻 GT 發(fā)電功率，W；為 GT 的燃料成本，元；為天然氣的低熱值，J/m；為 GT 的燃料氣體天然氣單價，元/m；為GT的發(fā)電效率。

1.2.3 燃料電池成本模型

燃料電池（fuel cell，F(xiàn)C）使用成本主要可分為運行管理成本和燃料成本兩部分，即

式中：表示 FC 的運行管理成本，元；為FC的運行維護(hù)成本系數(shù)，元/（W·s）；（）為第時刻 FC 發(fā)電功率，W；為 FC 的燃料成本，元；為氫氣的低熱值，J/m；為 FC的燃料氣體氫氣單價，元/m；為FC的發(fā)電效率。

1.2.4 儲能電池成本模型

本文中電池儲能系統(tǒng)（energy storage，ES）的電能是光伏發(fā)電儲存得到的，故其使用成本主要是運行管理成本：

式中：SOC（）為時刻 ES 荷電狀態(tài)；和分別為ES的充電和放電效率；為額定功率；表示 ES的運行管理成本；為ES的運行維護(hù)成本系數(shù)；（）為第時刻ES輸出功率。

2 出租車充電場景的設(shè)定

2.1 基于出租車出行特征的充電場景設(shè)定

利用GPS對哈爾濱出租車出行特征數(shù)據(jù)進(jìn)行調(diào)研與分析，圖2為哈爾濱市出租車在不同時間段內(nèi)的空駛率（出租車在正常運行時，空載的里程或時間占行駛的總里程或時間的比例）分布特點。

圖2 哈爾濱市出租車載客空駛率分布

由圖2可以看出，哈爾濱出租車載客空駛率通常在20%~50%之間，工作日比節(jié)假日的總空駛率略高，但在時間分布上沒有明顯的差異。本文選取節(jié)假日與工作日的平均載客空駛率進(jìn)行分析。晚上22點至凌晨6點時出租車平均載客空駛率為38.9%，中午12點至下午17點時出租車平均載客空駛率為31.938%，這兩個時間段是出租車載客空駛率相對較高的兩個時間段。

根據(jù)哈爾濱市出租車出行特點和出租車公司輪班制度，設(shè)置以下幾種可能出現(xiàn)的電動出租車充電場景。

場景一：晚上空駛率開始上升時直接下班，對電動出租車進(jìn)行充電。

場景二：晚上空駛率升高一段時間后，再下班進(jìn)行充電，白天駕駛員交接班時再進(jìn)行一次充電。

場景三：以最小化出租車空載率為目標(biāo)進(jìn)行充電，當(dāng)空載率高于設(shè)定值時，安排電量低的出租車充電。

2.2 基于微電網(wǎng)負(fù)荷穩(wěn)定性的充電場景設(shè)定

某住宅區(qū)用戶日用電功率統(tǒng)計數(shù)據(jù)如圖3所示。日用電功率集中在70~150 kW之間，負(fù)荷谷值出現(xiàn)在1點至5點與下午12點至14點兩個時間段。

圖3 住宅用電負(fù)荷分布

由此設(shè)定出租車充電場景四，即以優(yōu)先安排在負(fù)荷曲線的谷底時段進(jìn)行充電為原則，當(dāng)住宅在線負(fù)荷低于設(shè)定閾值時，未載客出租車可進(jìn)行充電。

2.3 綜合優(yōu)化充電場景設(shè)定

在用電低峰期調(diào)配出租車去充電，可能會影響人們的出行，因此本文提出了綜合考慮負(fù)荷穩(wěn)定性與出租車出行特征的充電場景。結(jié)合哈爾濱市出租車載客空駛率分布曲線、住宅負(fù)荷分布曲線和光伏發(fā)電分布曲線，綜合進(jìn)行策略優(yōu)化計算，優(yōu)先安排在用戶用車需求低且空駛率高的時段進(jìn)行充電，由此設(shè)置出租車充電場景五，即同時設(shè)定住宅在線負(fù)荷閾值與出租車載客空駛率閾值，在滿足兩個約束條件下才可進(jìn)行充電。

2.4 無序充電場景設(shè)定

在微電網(wǎng)能量管理系統(tǒng)出現(xiàn)問題時，可能會出現(xiàn)網(wǎng)內(nèi)出租車無法進(jìn)行有序充電的情況。因此須明晰這種情況下的各分布式電源的發(fā)電情況和系統(tǒng)成本，由此設(shè)置出租車充電場景六。根據(jù)文獻(xiàn)［21］，電動汽車充電起始SOC呈現(xiàn)正態(tài)分布，因此本文對電動出租車充電起始時間不做約束，充電起始SOC在（0.2，0.8）內(nèi)采用normrnd函數(shù)在正態(tài)分布中生成隨機數(shù)，即

起始充電時間為

起始充電能量狀態(tài)為隨機函數(shù)為

2.5 無經(jīng)濟(jì)性優(yōu)化充電場景設(shè)定

基于以上6個充電場景，設(shè)置確定的約束閾值，進(jìn)行不涉及經(jīng)濟(jì)性優(yōu)化的案例仿真，具體參數(shù)設(shè)置如圖4所示。

圖4 不同場景下充電閾值的設(shè)置

在對微電網(wǎng)系統(tǒng)中各分布式電源不進(jìn)行以經(jīng)濟(jì)性為目標(biāo)的優(yōu)化求解時，須提前設(shè)定好各分布式電源的發(fā)電順序，從環(huán)境友好性和經(jīng)濟(jì)性角度出發(fā)，配置各分布式電源的發(fā)電順序為光伏發(fā)電、燃?xì)廨啓C發(fā)電、燃料電池發(fā)電和儲能電池發(fā)電。

3 直流微電網(wǎng)能量管理優(yōu)化方法

在已建立的微電網(wǎng)最優(yōu)經(jīng)濟(jì)運行模型的基礎(chǔ)上，根據(jù)負(fù)荷、光伏功率和6種充電場景下的出租車充電負(fù)荷，對微電網(wǎng)未來24 h的分布式電源輸出進(jìn)行優(yōu)化。采用蒙特卡洛（MC）方法實現(xiàn)對未來出租車負(fù)荷分布的預(yù)測，同時利用粒子群優(yōu)化算法求解模型，如圖5所示。

圖5 微電網(wǎng)經(jīng)濟(jì)調(diào)度模型

3.1 目標(biāo)函數(shù)與約束條件的制定

以微電網(wǎng)總發(fā)電成本最優(yōu)為目標(biāo)，建立考慮可再生能源發(fā)電不確定性的孤島型微電網(wǎng)經(jīng)濟(jì)調(diào)度模型，即目標(biāo)函數(shù)為

微電網(wǎng)在制定調(diào)度計劃時，應(yīng)滿足安全、可靠的運行條件，因此各單元應(yīng)滿足以下約束條件。

①儲能電池充放電約束：

②燃?xì)廨啓C約束：<<

③燃料電池約束：<<

④功率平衡約束：+++=+式中和分別為出租車充電功率和住宅用電功率。

3.2 出租車充電負(fù)荷預(yù)測

根據(jù)不同充電場景下出租車充電起始時間和充電起始SOC約束，計算產(chǎn)生的充電負(fù)荷和需要的充電時長，結(jié)合出租車相關(guān)參數(shù)，設(shè)置100次蒙特卡羅算法對出租車有序充放電負(fù)荷進(jìn)行預(yù)測，過程如圖6所示。

圖6 出租車負(fù)荷預(yù)測算法流程圖

3.3 基于粒子群優(yōu)化算法的直流微電網(wǎng)能量管理優(yōu)化

粒子群算法的目標(biāo)是使所有粒子在多維超體（multi?dimensional hyper?volume）中找到最優(yōu)解，如圖7所示。本文將所建立的微電網(wǎng)經(jīng)濟(jì)調(diào)度模型采用粒子群算法進(jìn)行求解。

圖7 應(yīng)用粒子群算法的模型求解過程

首先輸入各分布式電源參數(shù)，設(shè)置HPSO參數(shù)，初始化粒子的位置和速度，產(chǎn)生初始粒子群；再根據(jù)分布式電源產(chǎn)生的輸出和負(fù)載，調(diào)整分布式電源功率和儲能系統(tǒng)，以滿足負(fù)載平衡和輸出的約束；以目標(biāo)函數(shù)作為適應(yīng)度值，更新粒子的速度和位置，同時根據(jù)計算出的適應(yīng)值更新最優(yōu)個體粒子和最優(yōu)全局粒子，執(zhí)行交叉和變異操作，個體最優(yōu)交叉的新粒子通過個體最優(yōu)粒子的交叉獲得，通過個體最優(yōu)粒子和全局最優(yōu)粒子的交叉，得到全局最優(yōu)交叉的新粒子；判斷迭代次數(shù)Ngen是否達(dá)到預(yù)設(shè)數(shù)量maxgen，若未達(dá)到，則進(jìn)入下一步迭代，若達(dá)到，則結(jié)束循環(huán)迭代，輸出全局最優(yōu)和最優(yōu)粒子位置，即在調(diào)度期間微型資源和能量存儲系統(tǒng)的最優(yōu)經(jīng)濟(jì)成本和輸出。

4 仿真與結(jié)果分析

針對出租車充電行為不確定性問題共設(shè)置6種充電場景。在此基礎(chǔ)上，對每種充電策略優(yōu)化前后的出租車空載率、在線負(fù)荷峰谷差率和微電網(wǎng)系統(tǒng)運行總成本進(jìn)行對比。

4.1 仿真參數(shù)設(shè)定

選取哈爾濱市某辦公區(qū)的微電網(wǎng)數(shù)據(jù)進(jìn)行仿真求解和分析，該算例的微電網(wǎng)中包括容量上限為100 kW的光伏電池，容量上限為150 kW的微型燃?xì)廨啓C，容量上限為100 kW的燃料電池和容量上限為100 kW·h的儲能電池；同一車型的電動出租車20輛，平均行駛速度為30 km/h，具體參數(shù)如表1所示。

表1 微電網(wǎng)系統(tǒng)各單元基本參數(shù)

其中，基于歷史數(shù)據(jù)的光伏發(fā)電分布如圖8所示，光伏發(fā)電數(shù)據(jù)來自于晴天條件下的光照強度與溫度數(shù)據(jù)的統(tǒng)計采用式（1）計算而得。

圖8 光伏發(fā)電功率分布

采用蒙特卡洛算法，分別針對以上6種充電場景下出租車產(chǎn)生的負(fù)荷進(jìn)行預(yù)測，結(jié)果如圖9所示。

圖9 基于MC算法的出租車負(fù)荷分布

4.2 不考慮經(jīng)濟(jì)性優(yōu)化的微電網(wǎng)各分布式電源發(fā)電分配

根據(jù)住宅用電負(fù)荷、光伏發(fā)電曲線，結(jié)合不考慮經(jīng)濟(jì)性優(yōu)化電動出租車充電場景一至六，對微電網(wǎng)內(nèi)分布式電源未來24 h的發(fā)電情況進(jìn)行分配，各分布式電源的發(fā)電計劃如圖10所示。將各分布式電源發(fā)電情況代回成本計算模型中，算得調(diào)度期間系統(tǒng)運行總成本，如表2所示。

表2 經(jīng)濟(jì)性優(yōu)化前后不同充電場景系統(tǒng)成本的對比

圖10 無優(yōu)化條件下不同充電場景的分布式電源發(fā)電情況

由圖10和表2可以看出，在不考慮經(jīng)濟(jì)性優(yōu)化時，各充電場景下的分布式電源發(fā)電情況相似。燃?xì)廨啓C長期工作在滿載狀態(tài)，一方面會縮短設(shè)備使用壽命，另一方面很大程度上增加了運維成本。同時，燃料電池起到電量補充的效果，而儲能電池基本不發(fā)揮任何作用。無序充電的場景六的系統(tǒng)總成本比前5種充電場景都高。

4.3 考慮經(jīng)濟(jì)性優(yōu)化的微電網(wǎng)各分布式電源發(fā)電分配

根據(jù)住宅用電量、光伏發(fā)電曲線，結(jié)合考慮經(jīng)濟(jì)性優(yōu)化電動出租車充電場景一至六，對微電網(wǎng)內(nèi)分布式電源未來24 h的發(fā)電情況進(jìn)行分配，各分布式電源的發(fā)電計劃如圖11~圖14所示。下面對各場景下的優(yōu)化結(jié)果進(jìn)行具體分析。

圖11 場景一、二、三下考慮經(jīng)濟(jì)性優(yōu)化的各分布式電源發(fā)電情況

4.3.1 基于出租車出行特征的充電行為下的能量管理優(yōu)化結(jié)果

在建立的微電網(wǎng)最優(yōu)經(jīng)濟(jì)運行模型的基礎(chǔ)上，根據(jù)住宅用電量、光伏發(fā)電曲線，結(jié)合基于出租車出行特征的充電行為下場景一、二、三，對微電網(wǎng)內(nèi)分布式電源未來24 h的發(fā)電情況進(jìn)行優(yōu)化。各場景下的最優(yōu)發(fā)電計劃如圖11所示。

從圖11可以看出，場景一下電動出租車只在夜晚充電，減小了白天微電網(wǎng)的負(fù)荷，光伏發(fā)電量基本滿足負(fù)荷用電需求，GT只需進(jìn)行小功率發(fā)電，ES在10：00~15：00期間進(jìn)行持續(xù)性充電。在夜晚電動出租車入網(wǎng)充電，電網(wǎng)負(fù)荷量增加，GT與FC工作在高功率狀態(tài)，ES也開始釋放白天存儲的能量，僅存在一次充放電。在場景二和三下，分別是電動出租車兩次充電的時間段內(nèi)和出租車空載率較高的時間段內(nèi)GT與FC發(fā)電量較大，ES同樣只進(jìn)行一次充放電，情況與場景一類似。

4.3.2 基于微電網(wǎng)負(fù)荷穩(wěn)定充電行為下的能量管理優(yōu)化結(jié)果

在建立的微電網(wǎng)最優(yōu)經(jīng)濟(jì)運行模型的基礎(chǔ)上，根據(jù)住宅用電量、光伏發(fā)電曲線，結(jié)合基于微電網(wǎng)負(fù)荷穩(wěn)定充電行為下的場景五，對微電網(wǎng)內(nèi)分布式電源未來24 h的出力進(jìn)行優(yōu)化。其最優(yōu)發(fā)電計劃如圖12所示。

圖12 場景四下考慮經(jīng)濟(jì)性優(yōu)化的各分布式電源發(fā)電情況

從圖12可以看出，場景四下為保持微電網(wǎng)系統(tǒng)實時在線負(fù)荷量的穩(wěn)定，讓電動出租車充電負(fù)荷起到削峰填谷的作用，在這樣的條件下各分布式電源發(fā)電也變得更加穩(wěn)定，成本有所降低，更加符合期望。如前文所說場景四下用出租車進(jìn)行調(diào)峰，但未考慮出行需求，可能會造成處于工作狀態(tài)中的出租車不能滿足人們出行需求的情況。

4.3.3 基于綜合優(yōu)化充電行為下的能量管理優(yōu)化結(jié)果

在建立的微電網(wǎng)最優(yōu)經(jīng)濟(jì)運行模型的基礎(chǔ)上，根據(jù)預(yù)測的基于微電網(wǎng)負(fù)荷穩(wěn)定充電行為，結(jié)合基于綜合優(yōu)化充電行為下的場景五，對微電網(wǎng)內(nèi)分布式電源未來24 h的發(fā)電情況進(jìn)行優(yōu)化。其最優(yōu)發(fā)電計劃如圖13所示。

圖13 場景五下考慮經(jīng)濟(jì)性優(yōu)化的各分布式電源發(fā)電情況

從圖13可以看出，與場景四相比，場景五下各分布式電源發(fā)電不僅穩(wěn)定性方面沒有下降，且GT工作在較低功率狀態(tài)下，成本也有所降低，同時考慮出租車空載率的問題，更加符合現(xiàn)實情況。

4.3.4 基于出租車無序充電行為下的能量管理優(yōu)化結(jié)果

在建立的微電網(wǎng)最優(yōu)經(jīng)濟(jì)運行模型的基礎(chǔ)上，根據(jù)預(yù)測的家用負(fù)荷、光伏發(fā)電曲線，結(jié)合電動出租車無序充電的場景六，對微電網(wǎng)內(nèi)各分布式電源未來24 h的發(fā)電情況進(jìn)行優(yōu)化求解。其最優(yōu)發(fā)電計劃如圖14所示。

圖14 場景六下考慮經(jīng)濟(jì)性優(yōu)化的各分布式電源發(fā)電情況

從圖14可以看出，場景六下由于電動出租車隨機入網(wǎng)充電，各分布式電源發(fā)電情況受到家庭用電時間分布不均的影響，會有所波動。

經(jīng)濟(jì)性優(yōu)化后不同場景下系統(tǒng)成本一并列于表2中。為更形象地對比，同時繪出對應(yīng)的直方圖，如圖15所示。

圖15 不同充電場景下的系統(tǒng)運營成本

4.4 結(jié)果對比分析

根據(jù)以上仿真結(jié)果，從微電網(wǎng)系統(tǒng)運行總成本和出租車空載率與在線的負(fù)荷峰谷差率幾個方面進(jìn)行對比。

由表2和圖15可見，充電場景五在考慮與不考慮經(jīng)濟(jì)性優(yōu)化的條件下都是最低的，且經(jīng)濟(jì)性優(yōu)化后總費用降低了21.2%。在不考慮經(jīng)濟(jì)性優(yōu)化時，綜合考慮出租車出行特征與微電網(wǎng)負(fù)荷穩(wěn)定性的充電場景五的總費用相較于場景六降低了18.1%。在考慮經(jīng)濟(jì)性優(yōu)化時，綜合考慮出租車出行特征與微電網(wǎng)負(fù)荷穩(wěn)定性的充電場景五的總費用相較于成本最高的場景六降低了22.3%，即場景五在保證了空載率和負(fù)荷峰谷差率較優(yōu)的前提下經(jīng)濟(jì)性也優(yōu)于其他幾種充電場景，更符合商業(yè)原則。

有序充電行為下的出租車負(fù)荷與住宅用電負(fù)荷的總負(fù)荷曲線如圖16所示。表3列出不同充電場景下的出租車平均空載率和負(fù)荷峰谷差率的計算結(jié)果。

圖16 出租車充電對微電網(wǎng)負(fù)荷的影響

由表3可見，場景一至場景三，峰谷差率都大于0.5，顯然偏大；接著，場景五的空駛率和峰谷差率都比場景六小，說明場景五優(yōu)于場景六；最后，對比場景五和場景四，后者雖然負(fù)荷峰谷差率很小，但空載率較大。因此，綜合考慮出租車出行特征與微電網(wǎng)負(fù)荷穩(wěn)定性，最終，平均空載率和負(fù)荷峰谷差率均小于0.3的場景五達(dá)到最好效果，有利于電網(wǎng)的安全運行。

表3 不同充電場景下的出租車平均空載率和負(fù)荷峰谷差率

5 結(jié)論

以實測數(shù)據(jù)為基礎(chǔ)，考慮出租車充電的不確定性，通過充電起始時間和持續(xù)時間，得到出租車充電負(fù)荷的時間分布，在此基礎(chǔ)上制定了用戶充電行為規(guī)則。以系統(tǒng)運行總成本為目標(biāo)函數(shù)，并通過罰函數(shù)法構(gòu)建適應(yīng)度函數(shù)，建立計及出租車充電的微電網(wǎng)經(jīng)濟(jì)調(diào)度模型，對出租車不同充電場景進(jìn)行經(jīng)濟(jì)性優(yōu)化求解。結(jié)果表明，綜合優(yōu)化充電行為的空載率和負(fù)荷峰谷差率都在可接受范圍內(nèi)，且相比于未經(jīng)經(jīng)濟(jì)性優(yōu)化的充電行為其系統(tǒng)總成本可降低21.2%，更適合于實際應(yīng)用。