亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于多目標(biāo)優(yōu)化的電力-交通系統(tǒng)協(xié)同運(yùn)行分析

        2022-07-04 07:20:38衛(wèi)志農(nóng)馬駿超
        電力系統(tǒng)自動(dòng)化 2022年12期
        關(guān)鍵詞:路段排放量耦合

        呂 思,衛(wèi)志農(nóng),馬駿超,陳 勝,彭 琰

        (1. 河海大學(xué)能源與電氣學(xué)院,江蘇省南京市 211100;2. 國(guó)網(wǎng)浙江省電力有限公司電力科學(xué)研究院,浙江省杭州市 310014)

        0 引言

        加速推進(jìn)能源供給側(cè)的低碳化轉(zhuǎn)型和能源消費(fèi)側(cè)的電能替代是助力中國(guó)實(shí)現(xiàn)“碳達(dá)峰、碳中和”目標(biāo)的有效手段[1]。在此背景下,以電動(dòng)汽車(electric vehicle,EV)為核心的電氣化交通的廣泛普及將顯著加深城市交通系統(tǒng)和電力系統(tǒng)的耦合程度[2-3]。為了緩解EV 充電對(duì)電力系統(tǒng)的負(fù)面影響,促進(jìn)充電負(fù)荷與新能源出力相匹配,同時(shí)提高用戶在交通系統(tǒng)中的通行效率,有必要考慮由高滲透率EV 帶來(lái)的兩系統(tǒng)間的耦合特性,研究能源轉(zhuǎn)型視角下的電力-交通系統(tǒng)協(xié)同運(yùn)行[4]。

        針對(duì)耦合系統(tǒng)的協(xié)同調(diào)度問(wèn)題,文獻(xiàn)[5]通過(guò)調(diào)整路段通行費(fèi)和分布式電源(distributed generator,DG)出力來(lái)實(shí)現(xiàn)耦合系統(tǒng)的社會(huì)成本最小;文獻(xiàn)[6]以制定充電站服務(wù)費(fèi)的方式來(lái)引導(dǎo)EV 的充電選擇,進(jìn)而緩解交通阻塞并促進(jìn)清潔能源消納;文獻(xiàn)[7-9]同時(shí)考慮路段通行費(fèi)和充電服務(wù)費(fèi),通過(guò)對(duì)EV、燃油汽車(gasoline vehicle,GV)以及分布式電源的聯(lián)合調(diào)控,實(shí)現(xiàn)耦合系統(tǒng)的 運(yùn)行成本最小;文獻(xiàn)[10]利用動(dòng)態(tài)價(jià)格同時(shí)調(diào)控交通系統(tǒng)中EV 的時(shí)空分布和電力系統(tǒng)中靈活性負(fù)荷的用能情況,進(jìn)而消除兩系統(tǒng)的網(wǎng)絡(luò)阻塞;文獻(xiàn)[11-12]研究了耦合系統(tǒng)在節(jié)點(diǎn)邊際電價(jià)作用下所達(dá)到的動(dòng)態(tài)均衡狀態(tài)。

        上述研究均是以系統(tǒng)經(jīng)濟(jì)成本或全社會(huì)經(jīng)濟(jì)成本為目標(biāo)。然而,在能源轉(zhuǎn)型背景下,兩系統(tǒng)產(chǎn)生的碳排放成為社會(huì)成本中不可忽視的重要組成部分。一方面,碳排放來(lái)源于交通系統(tǒng)中GV 的直接排放;另一方面,碳排放來(lái)源于EV 充電以及常規(guī)用電負(fù)荷在電網(wǎng)電源側(cè)產(chǎn)生的間接排放。值得一提的是,EV 負(fù)荷與清潔能源出力的不匹配會(huì)造成電力系統(tǒng)碳排放量的增加,進(jìn)而削弱交通電氣化的減碳成效[13]。為此,文獻(xiàn)[14]在目標(biāo)函數(shù)中納入了電力系統(tǒng)碳排放成本,通過(guò)優(yōu)化EV 的行駛路徑和充電地點(diǎn)來(lái)促進(jìn)清潔能源消納,實(shí)現(xiàn)兩系統(tǒng)經(jīng)濟(jì)成本和電力系統(tǒng)碳排放成本的改善;文獻(xiàn)[15]通過(guò)調(diào)控加氫站的服務(wù)費(fèi)來(lái)引導(dǎo)氫燃料車的加氫選擇,進(jìn)而改善交通阻塞、電網(wǎng)經(jīng)濟(jì)成本和碳排放量,其中GV 的單位碳排放量被設(shè)定為與行駛距離相關(guān)的恒定常數(shù);進(jìn)一步,文獻(xiàn)[16]采用宏觀排放模型來(lái)刻畫交通阻塞對(duì)GV 碳排放量的影響,提出差異化調(diào)控機(jī)制以實(shí)現(xiàn)耦合系統(tǒng)的低碳調(diào)度-經(jīng)濟(jì)調(diào)度。上述研究均以碳稅的形式將碳排放量轉(zhuǎn)化為經(jīng)濟(jì)成本統(tǒng)籌考慮。

        然而,電力-交通耦合系統(tǒng)同時(shí)具有多主體特性和多目標(biāo)需求。兩系統(tǒng)的協(xié)同運(yùn)行通常由系統(tǒng)主體(包括電力系統(tǒng)和交通系統(tǒng))和用戶主體(包括EV用戶和GV 用戶)共同參與。當(dāng)前研究?jī)H涉及多個(gè)主體的整體成本[5-10],同時(shí)將碳排放量通過(guò)碳稅轉(zhuǎn)化為經(jīng)濟(jì)成本[14-16],進(jìn)而以單目標(biāo)優(yōu)化的形式來(lái)建模和求解。然而,單目標(biāo)優(yōu)化難以兼顧系統(tǒng)優(yōu)化過(guò)程中多項(xiàng)性能指標(biāo)或多個(gè)主體利益之間的協(xié)調(diào),無(wú)法體現(xiàn)各目標(biāo)之間的關(guān)系進(jìn)而為兩系統(tǒng)協(xié)同運(yùn)行提供有效指導(dǎo)[17]。

        為此,本文基于多目標(biāo)優(yōu)化來(lái)分析電力-交通耦合系統(tǒng)的協(xié)同運(yùn)行。根據(jù)耦合系統(tǒng)中不同主體的利益以及不同的調(diào)度目標(biāo),將低碳調(diào)度-經(jīng)濟(jì)調(diào)度、電力系統(tǒng)最優(yōu)調(diào)度-交通系統(tǒng)最優(yōu)調(diào)度、系統(tǒng)最優(yōu)調(diào)度-用戶最優(yōu)調(diào)度分別建模為3 組多目標(biāo)優(yōu)化問(wèn)題,采用增強(qiáng)epsilon 約束法[18-19]獲取帕累托前沿,并提出考慮公平性的折中解獲取方法。最后,基于12 節(jié)點(diǎn)環(huán)形交通網(wǎng)和IEEE 33 節(jié)點(diǎn)配電網(wǎng)對(duì)各組多目標(biāo)問(wèn)題的調(diào)度結(jié)果進(jìn)行了深入分析。

        1 電力-交通系統(tǒng)多目標(biāo)協(xié)同運(yùn)行分析框架

        電力-交通耦合系統(tǒng)中多主體、多目標(biāo)及其相互間的耦合關(guān)系如圖1 所示。其中,上層系統(tǒng)主體通過(guò)價(jià)格激勵(lì)手段來(lái)調(diào)控用戶的行駛/充電行為,以期達(dá)到理想的系統(tǒng)運(yùn)行狀態(tài);下層用戶主體基于價(jià)格信號(hào)和路網(wǎng)狀況,以最小化各自的出行成本為目標(biāo)來(lái)選擇行駛路徑和充電地點(diǎn)。

        根據(jù)不同主體的利益以及調(diào)度目標(biāo)的不同側(cè)重點(diǎn),可以得到以下3 組多目標(biāo)優(yōu)化問(wèn)題:1)低碳調(diào)度-經(jīng)濟(jì)調(diào)度;2)電力系統(tǒng)最優(yōu)調(diào)度-交通系統(tǒng)最優(yōu)調(diào)度;3)系統(tǒng)最優(yōu)調(diào)度-用戶最優(yōu)調(diào)度。其中,前兩組多目標(biāo)優(yōu)化問(wèn)題通常由系統(tǒng)主體內(nèi)部進(jìn)行考慮,其目的在于平衡電力系統(tǒng)和交通系統(tǒng)、經(jīng)濟(jì)成本和碳排放量之間的沖突性?;诟髦黧w的理性假設(shè),用戶的出行成本通常不包括在系統(tǒng)主體的目標(biāo)函數(shù)中[9]。第3 組多目標(biāo)優(yōu)化問(wèn)題通常由獨(dú)立于系統(tǒng)主體和用戶主體的非盈利實(shí)體(如市場(chǎng)監(jiān)管機(jī)構(gòu))考慮,其目的在于平衡兩主體運(yùn)行目標(biāo)的沖突性,在降低系統(tǒng)運(yùn)行成本的同時(shí)保障出行用戶的利益,實(shí)現(xiàn)整體社會(huì)效益的提升。

        2 電力-交通系統(tǒng)協(xié)同運(yùn)行模型

        2.1 基于混合用戶均衡的交通分配模型

        交通網(wǎng)是由若干節(jié)點(diǎn)和路段構(gòu)成的連通圖,可以表示為GT=(TA,TN)。其中,TN表示節(jié)點(diǎn)集合,包括起始點(diǎn)、到達(dá)點(diǎn)和十字路口節(jié)點(diǎn);TA表示路段集合,包括連接各節(jié)點(diǎn)的交通路段。采用TR和TS分別指代起始點(diǎn)r和到達(dá)點(diǎn)s的集合,交通網(wǎng)中不同起始-終點(diǎn)(origin-destination,OD)對(duì)的出行用戶從起始點(diǎn)r出發(fā)前往終點(diǎn)s,每個(gè)OD 對(duì)之間均由一組路徑Krs連接。為了方便對(duì)EV 和GV 的充電/行駛行為進(jìn)行統(tǒng)一描述,本文將常規(guī)交通路段擴(kuò)展為3類路段,即常規(guī)路段TrgA、充電路段TchA(表征EV 的充電行為)和旁道路段TbyA(表征車輛路過(guò)充電站而不進(jìn)行充電),該擴(kuò)展方法已被廣泛應(yīng)用于電力-交通系統(tǒng)的協(xié)同分析中,詳細(xì)模型可參考文獻(xiàn)[5]?;诖?,描述混合用戶均衡的交通分配模型可敘述如下。

        2.1.1 交通流量守恒約束

        式(1)、式(2)描述了出行需求與路徑流量的關(guān)系;式(3)、式(4)描述了路段流量與路徑流量的關(guān)系。

        2.1.2 行駛/充電時(shí)間

        對(duì)于常規(guī)路段a∈,采用BPR 函數(shù)[20]來(lái)描述路段通行時(shí)間與車流量的關(guān)系:

        采用M/M/c/K模型來(lái)描述EV 在充電站的排隊(duì)時(shí)間,則EV 在充電站a∈T中停留的總時(shí)長(zhǎng)可以表示為[21]:

        式中:E和p分別為單臺(tái)EV 的充電需求和充電功率,進(jìn)而E/p表示EV 的充電時(shí)長(zhǎng);為充電站滿載時(shí)的排隊(duì)時(shí)間;c為充電站能夠同時(shí)服務(wù)的最大EV 數(shù)量。

        2.1.3 出行成本

        用戶的整體出行成本是其所經(jīng)路段的通行成本之和,主要包括時(shí)間成本、充電成本以及對(duì)系統(tǒng)運(yùn)營(yíng)商價(jià)格調(diào)控的響應(yīng)成本。將GV 和EV 的出行成本

        式中:ω和λ分別為出行用戶的單位時(shí)間成本和充電站基準(zhǔn)電價(jià);和分別為系統(tǒng)運(yùn)營(yíng)商施加于交通路段和充電站的路段通行費(fèi)用和充電服務(wù)費(fèi)用。

        2.1.4 混合用戶均衡條件

        假設(shè)出行用戶在選擇出行路徑時(shí),均以最小化自身的行駛成本為目標(biāo),那么交通流分布最終將達(dá)到一個(gè)穩(wěn)定的用戶均衡(user equilibrium,UE)狀態(tài),以至于所有用戶均無(wú)法通過(guò)調(diào)整自身的路徑選擇來(lái)降低其出行成本[18]。該均衡狀態(tài)的數(shù)學(xué)表述如下:

        2.2 基于二階錐松弛的電力系統(tǒng)支路潮流模型

        本文采用二階錐(second-order cone,SOC)形式的DistFlow 模型來(lái)描述電力系統(tǒng)中的潮流分布情況。其中,式(11)、式(12)表示節(jié)點(diǎn)功率守恒;式(13)定義了線路電壓與電流的關(guān)系;式(14)表示二階錐松弛;式(15)對(duì)節(jié)點(diǎn)電壓、電流幅值的平方施加上下限約束;式(16)表示電源有功、無(wú)功出力的上下限。具體形式如下:

        3 多目標(biāo)優(yōu)化調(diào)度建模及求解

        3.1 多目標(biāo)優(yōu)化模型

        首先,對(duì)交通系統(tǒng)和電力系統(tǒng)中的碳排放量和運(yùn)行成本進(jìn)行建模;然后,根據(jù)不同主體來(lái)定義相應(yīng)的多目標(biāo)優(yōu)化問(wèn)題。

        3.1.1 碳排放量建模

        本文采用以下宏觀碳排放模型來(lái)描述路段通行時(shí)間與單位碳排放量的關(guān)系[22]:

        電力系統(tǒng)中的碳排放主要由常規(guī)機(jī)組在發(fā)電過(guò)程中產(chǎn)生。本文假設(shè)常規(guī)機(jī)組的單位碳排放量與其發(fā)電量呈線性關(guān)系[14],得到電力系統(tǒng)碳排放量ψemiPDN如下:

        3.1.2 經(jīng)濟(jì)成本建模

        交通系統(tǒng)的經(jīng)濟(jì)成本ψ主要由交通流的整體時(shí)間成本來(lái)體現(xiàn),可以表示為:

        電力系統(tǒng)的經(jīng)濟(jì)成本ψ主要包括發(fā)電成本和從主網(wǎng)購(gòu)電的成本:

        式中:bi為各機(jī)組的單位發(fā)電成本;ρ為主網(wǎng)購(gòu)電費(fèi)用。

        3.1.3 多目標(biāo)優(yōu)化建模

        結(jié)合上述碳排放量和經(jīng)濟(jì)成本的定義,可以建立以下3 組多目標(biāo)函數(shù)組合:

        1)M1(低碳調(diào)度-經(jīng)濟(jì)調(diào)度):

        2)M2(電力系統(tǒng)最優(yōu)調(diào)度-交通系統(tǒng)最優(yōu)調(diào)度):

        3)M3(系統(tǒng)最優(yōu)調(diào)度-用戶最優(yōu)調(diào)度):

        上述多目標(biāo)優(yōu)化問(wèn)題的約束條件為:

        式中:Femi和Feco分別為耦合系統(tǒng)的總碳排放量和總經(jīng)濟(jì)成本;FTN和FPDN分別為交通系統(tǒng)和電力系統(tǒng)的運(yùn)行成本;Fsys為兩系統(tǒng)的整體運(yùn)行成本;Fuser為用戶的整體出行成本;、和、分別為路段通行費(fèi)和充電服務(wù)費(fèi)的上、下限;ν為碳稅。

        鑒于低碳目標(biāo)-經(jīng)濟(jì)目標(biāo)的沖突性可以由M1建模和分析,本文在定義M2、M3 中各主體的目標(biāo)函數(shù)時(shí)統(tǒng)一將碳排放量通過(guò)碳稅轉(zhuǎn)化為經(jīng)濟(jì)成本,將多主體各自的低碳調(diào)度-經(jīng)濟(jì)調(diào)度問(wèn)題建模為單目標(biāo)優(yōu)化,以便于直觀地分析不同主體之間的利益沖突。Fuser的詳細(xì)推導(dǎo)過(guò)程如下:

        3.2 增強(qiáng)epsilon 約束法

        本文采用增強(qiáng)epsilon 約束法來(lái)求解上述多目標(biāo)優(yōu)化問(wèn)題。其基本思想類似于傳統(tǒng)epsilon 約束法,即選取主要目標(biāo)函數(shù)進(jìn)行單目標(biāo)優(yōu)化,同時(shí)引入epsilon 參數(shù)將其他目標(biāo)函數(shù)(次要目標(biāo)函數(shù))放入約束條件中,通過(guò)逐步減小epsilon 值來(lái)獲取原多目標(biāo)優(yōu)化問(wèn)題的帕累托前沿。為了避免傳統(tǒng)方法存在的弱有效解問(wèn)題,增強(qiáng)epsilon 約束法通過(guò)引入松弛變量將與次要目標(biāo)函數(shù)相關(guān)的不等式約束轉(zhuǎn)化為等式約束,并將縮放后的松弛變量加入目標(biāo)函數(shù)中,進(jìn)而確保所得解的有效性[18]。以M1 為例,將其轉(zhuǎn)化為式(27)所示單目標(biāo)優(yōu)化問(wèn)題M。這里,將Femi作為主要目標(biāo)并將Feco放入約束中,將次要目標(biāo)函數(shù)Feco的取值區(qū)間等分為Neps段,使ε遍歷每一個(gè)數(shù)值并求解相應(yīng)的M,最終得到一組帕累托解集。顯然,Neps越大,對(duì)帕累托前沿的擬合越準(zhǔn)確,但是會(huì)顯著增加計(jì)算時(shí)間,因此,通?;趯?duì)精度和效率的權(quán)衡來(lái)選取Neps。

        3.3 模型線性化

        為了提高每個(gè)單目標(biāo)優(yōu)化問(wèn)題的求解效率,本文采用一系列線性化手段,將非線性模型轉(zhuǎn)化為混合整數(shù)二階錐模型。具體而言,對(duì)于較為復(fù)雜的高次非線性項(xiàng)ψ,首先引入輔助變量和,得到

        進(jìn)一步,對(duì)式(29)兩邊進(jìn)行對(duì)數(shù)變換,同時(shí)引入極小正數(shù)υ來(lái)避免奇異,得到以下非線性約束:

        最后,采用分段線性化方法對(duì)模型中余下的常規(guī)非線性項(xiàng)(對(duì)數(shù)函數(shù)項(xiàng)、冪函數(shù)項(xiàng)、反比例函數(shù)項(xiàng))進(jìn)行線性近似。對(duì)于非線性互補(bǔ)約束(式(9)、式(10)),采用Big-M 法[23]將其轉(zhuǎn)化為一組線性約束,此處不再贅述。

        3.4 考慮公平性的折中解獲取方法

        本文以確保各目標(biāo)公平性為原則從帕累托前沿中選取折中解,其基本思路如圖2 所示。圖中,fmax1、fmin1和fmax2、fmin2分別為各目標(biāo)函數(shù)的最大、最小值;橫軸和縱軸上的數(shù)值是各目標(biāo)函數(shù)相對(duì)于理想點(diǎn)處目標(biāo)函數(shù)值(即最小值)的倍數(shù)。在此基礎(chǔ)上,通過(guò)計(jì)算并比較各候選運(yùn)行點(diǎn)相對(duì)于理想點(diǎn)在不同目標(biāo)方向上的增量(已歸一化),將增量比接近于1 的運(yùn)行點(diǎn)作為公平折中解。由于理想點(diǎn)是各自目標(biāo)獨(dú)立優(yōu)化時(shí)所能達(dá)到的最優(yōu)解,基于該原則獲取的折中點(diǎn)能夠確保各個(gè)目標(biāo)(主體)所作出的妥協(xié)是接近的。

        圖2 考慮公平性的折中解Fig.2 Compromise solution considering fairness

        對(duì)于包含3 個(gè)目標(biāo)的多目標(biāo)優(yōu)化問(wèn)題,公平折中點(diǎn)處應(yīng)該確保兩兩目標(biāo)(主體)之間皆公平,即3 組增量比均接近于1。因此,所選擇的公平折中點(diǎn)應(yīng)該滿足:Δ2/Δ1+Δ3/Δ1+Δ3/Δ2→3,其中,Δ1、Δ2、Δ3分別為各組目標(biāo)函數(shù)相對(duì)于理想點(diǎn)的增量,且上述增量比均取其假分?jǐn)?shù)形式(即大于或等于1)。

        4 算例分析

        4.1 算例描述

        為了確保電力-交通系統(tǒng)在空間上相匹配,本文效仿文獻(xiàn)[24],采用12 節(jié)點(diǎn)環(huán)形城域交通網(wǎng)[5]和兩組IEEE 33 節(jié)點(diǎn)配電網(wǎng)[25]來(lái)構(gòu)造電力-交通耦合系統(tǒng),其網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)和耦合關(guān)系如圖3 所示,具體參數(shù)設(shè)置見(jiàn)附錄A。本文所有仿真均基于GAMS 平臺(tái),通過(guò)調(diào)用Gurobi 求解器獲取每個(gè)單目標(biāo)優(yōu)化問(wèn)題的最優(yōu)解。

        圖3 電力-交通耦合系統(tǒng)Fig.3 Coupled power-transportation system

        考慮到EV 充電負(fù)荷和可再生能源出力具有較強(qiáng)的隨機(jī)性和波動(dòng)性,本文根據(jù)二者不同的匹配程度構(gòu)建以下3 個(gè)典型場(chǎng)景:

        場(chǎng)景1(源荷匹配):清潔能源滿發(fā)(0.02 p.u.),單輛EV 充電需求為10 kW·h;

        場(chǎng)景2(清潔能源過(guò)剩):清潔能源滿發(fā)(0.02 p.u.),單輛EV 充電需求為5 kW·h;

        場(chǎng)景3(清潔能源不足):清潔能源出力較低(0.005 p.u.),單輛EV 充電需求為10 kW·h。

        4.2 多目標(biāo)優(yōu)化調(diào)度結(jié)果分析

        4.2.1 低碳目標(biāo)-經(jīng)濟(jì)目標(biāo)

        圖4 所示為不同場(chǎng)景下低碳調(diào)度-經(jīng)濟(jì)調(diào)度的帕累托前沿。由于同一目標(biāo)函數(shù)在不同場(chǎng)景下的數(shù)值存在較大差異,此處統(tǒng)一對(duì)其進(jìn)行了歸一化處理(下文同)。

        圖4 不同場(chǎng)景下的帕累托前沿及公平折中解(低碳調(diào)度-經(jīng)濟(jì)調(diào)度)Fig.4 Pareto frontier and fair compromise solution in different scenarios (emission dispatch-economic dispatch)

        由圖4 可知,不同場(chǎng)景下低碳目標(biāo)-經(jīng)濟(jì)目標(biāo)的沖突性有顯著差異,該沖突性可以由總相對(duì)偏移量來(lái)刻畫,即帕累托前沿兩端相對(duì)于理想點(diǎn)的偏移量之和。本算例3 個(gè)場(chǎng)景中的總相對(duì)偏移量分別為16.3%、10.1%和17.9%。由此可見(jiàn),清潔能源出力及其與EV 充電負(fù)荷的匹配程度是影響低碳目標(biāo)-經(jīng)濟(jì)目標(biāo)沖突性的關(guān)鍵因素。進(jìn)一步,圖5、圖6 分別展示了不同調(diào)度目標(biāo)下的EV 分布和分布式電源出力情況。此外,圖5 還展示了在系統(tǒng)主體不進(jìn)行價(jià)格干預(yù)時(shí)的EV 分布情況,其對(duì)應(yīng)于各出行用戶根據(jù)路網(wǎng)狀況和充電站排隊(duì)情況自行選擇路徑所達(dá)到的UE 狀態(tài)。

        圖5 不同場(chǎng)景下的EV 分布(低碳調(diào)度-經(jīng)濟(jì)調(diào)度)Fig.5 Distribution of EV in different scenarios(emission dispatch-economic dispatch)

        圖6 不同場(chǎng)景下的分布式電源出力和主網(wǎng)購(gòu)電占比(低碳調(diào)度-經(jīng)濟(jì)調(diào)度)Fig.6 Percentage of DG output and purchased power from main grid in different scenarios (emission dispatcheconomic dispatch)

        可知,初始UE 狀態(tài)難以滿足兩系統(tǒng)的經(jīng)濟(jì)運(yùn)行和碳減排要求,因此,兩系統(tǒng)均通過(guò)價(jià)格干預(yù)來(lái)調(diào)控EV 用戶的充電選擇。在充分利用清潔能源的基礎(chǔ)上,充電站CS3(CS2)憑借相應(yīng)機(jī)組較低的單位碳排放強(qiáng)度(單位發(fā)電成本)在低碳(經(jīng)濟(jì))調(diào)度中接納了更多的充電負(fù)荷。值得注意的是,場(chǎng)景2 中過(guò)剩的清潔能源未被充分利用,因?yàn)檎{(diào)度更多EV 前往充電站CS1 和CS4 充電會(huì)加重相應(yīng)交通路段的阻塞程度和延長(zhǎng)站內(nèi)排隊(duì)時(shí)長(zhǎng),進(jìn)而造成更大的經(jīng)濟(jì)損失和更多的交通側(cè)碳排放量。在場(chǎng)景3 的低碳調(diào)度中,分布式電源DG4 滿發(fā)的清潔能源由常規(guī)用電負(fù)荷消納,而相應(yīng)EV 被調(diào)度至CS3 充電,進(jìn)而避免像經(jīng)濟(jì)調(diào)度一樣由主網(wǎng)直接向CS4 所在饋線的常規(guī)負(fù)荷供電,此舉有效降低了碳排放量,也體現(xiàn)了EV 的空間靈活性對(duì)碳減排的作用。在折中解處,考慮到兩目標(biāo)的公平性,相應(yīng)調(diào)度結(jié)果位于上述兩種調(diào)度模式之間,且與低碳調(diào)度結(jié)果更為接近。

        4.2.2 電網(wǎng)運(yùn)行成本-交通網(wǎng)運(yùn)行成本

        在當(dāng)前耦合關(guān)系下,各場(chǎng)景中兩網(wǎng)的運(yùn)行成本均同時(shí)達(dá)到了最優(yōu),兩目標(biāo)具有較強(qiáng)的一致性。為了探求影響兩目標(biāo)沖突性的因素,將CS1 和CS3 在電網(wǎng)中的連接位置互換,以分析清潔能源電站的地理位置對(duì)兩網(wǎng)運(yùn)行沖突性的影響。附錄B 圖B1 所示為新耦合場(chǎng)景下由兩網(wǎng)運(yùn)行成本構(gòu)成的帕累托前沿,相應(yīng)的EV 分布情況如圖7 所示。

        圖7 不同場(chǎng)景下的EV 分布(交通系統(tǒng)最優(yōu)調(diào)度與電力系統(tǒng)最優(yōu)調(diào)度)Fig.7 Distribution of EV in different scenarios (optimal dispatch of transportation system and optimal dispatch of power system)

        顯然,新耦合場(chǎng)景下兩目標(biāo)具有顯著的沖突,且與清潔能源出力及其和EV 負(fù)荷的匹配程度呈正相關(guān)。以場(chǎng)景2 為例,在初始UE 狀態(tài),大部分GV 會(huì)選擇路段容量較大的外環(huán)行駛。因此,在僅考慮交通網(wǎng)運(yùn)行成本時(shí),會(huì)調(diào)度62.5%的EV 前往內(nèi)環(huán)充電站充電,進(jìn)而緩解外環(huán)交通網(wǎng)的阻塞情況,降低外環(huán)GV 因交通阻塞而產(chǎn)生的額外碳排放量和時(shí)間成本;在僅考慮電網(wǎng)運(yùn)行成本時(shí),會(huì)盡量調(diào)度EV 前往由清潔能源供電的充電站充電,而此舉加劇了CS3和CS4 站內(nèi)和相應(yīng)路段的阻塞程度,增加了交通網(wǎng)的運(yùn)行成本。由此可見(jiàn),電網(wǎng)運(yùn)行成本的改善主要源于EV 與清潔能源的最佳匹配,而交通網(wǎng)運(yùn)行成本的改善主要源于對(duì)車輛行駛路徑的引導(dǎo),通過(guò)降低路段阻塞程度來(lái)減少GV 的碳排放量、提高通行效率。EV 最優(yōu)行駛路徑與最優(yōu)充電地點(diǎn)的不匹配會(huì)造成兩目標(biāo)的沖突。當(dāng)清潔能源充足時(shí),由上述不匹配所造成的兩網(wǎng)運(yùn)行目標(biāo)的沖突會(huì)顯著加深(各場(chǎng)景下的總相對(duì)偏移量分別為7.5%、12.6%、3.5%)。

        4.2.3 系統(tǒng)成本-用戶成本

        附錄B 圖B2 所示為由系統(tǒng)成本和用戶成本構(gòu)成的帕累托前沿。3 個(gè)場(chǎng)景中的總相對(duì)偏移量分別為1.8%、3.4%和1.1%,說(shuō)明兩目標(biāo)之間的沖突隨著清潔能源出力及其與EV 負(fù)荷匹配程度的增加而增強(qiáng)。進(jìn)一步,圖8、圖9 分別展示了不同調(diào)度目標(biāo)下的EV 分布和用戶出行成本。

        圖8 不同場(chǎng)景下的EV 分布(系統(tǒng)最優(yōu)調(diào)度與用戶最優(yōu)調(diào)度)Fig.8 Distribution of EV in different scenarios (optimal dispatch of system and optimal dispatch of users)

        圖9 各場(chǎng)景下不同OD 對(duì)的EV 用戶出行成本(系統(tǒng)最優(yōu)調(diào)度與用戶最優(yōu)調(diào)度)Fig.9 EV user travel costs from different OD pairs in each scenario (optimal dispatch of system and optimal dispatch of users)

        可以發(fā)現(xiàn),在考慮系統(tǒng)運(yùn)行成本時(shí),僅有50%左右的EV 被調(diào)度至清潔能源電站CS1 和CS4 充電,這也側(cè)面證實(shí)了經(jīng)濟(jì)成本與碳排放量的沖突性。另一方面,系統(tǒng)運(yùn)營(yíng)商通過(guò)價(jià)格激勵(lì)來(lái)調(diào)控用戶的行駛/充電行為,使得各個(gè)OD 對(duì)間EV 用戶的出行成本均高于用戶最優(yōu)調(diào)度狀態(tài)的成本,其差值也與兩目標(biāo)的沖突性呈正相關(guān)。相比之下,GV 用戶的個(gè)體目標(biāo)與系統(tǒng)主體目標(biāo)的沖突相對(duì)較小。為了確保系統(tǒng)運(yùn)行成本最低,出行用戶的總體成本在各場(chǎng)景中分別增加了近136、295、206 美元,但系統(tǒng)成本僅下降44、33、10 美元。顯然,此舉不利于促進(jìn)用戶積極響應(yīng)系統(tǒng)運(yùn)營(yíng)商的價(jià)格調(diào)控,且有損整體社會(huì)效益和公平性。因此,3 個(gè)場(chǎng)景中的公平折中解均與用戶最優(yōu)調(diào)度的結(jié)果更為接近。

        4.3 增強(qiáng)epsilon 約束法效果分析

        本節(jié)以低碳調(diào)度-經(jīng)濟(jì)調(diào)度(模型M1)為例來(lái)說(shuō)明增強(qiáng)epsilon 約束法相較于傳統(tǒng)epsilon 約束法[26]的優(yōu)越性。附錄B 圖B3 所示為場(chǎng)景1 中采用不同方法得到的帕累托解集。可以發(fā)現(xiàn),傳統(tǒng)epsilon 約束法得到的解集中包含了一組受支配解(弱有效解),相比于非支配解,其在相似經(jīng)濟(jì)成本下的碳排放量更高,因此不屬于帕累托前沿,該結(jié)果也驗(yàn)證了增強(qiáng)epsilon 約束法在獲取有效解上的優(yōu)勢(shì)。進(jìn)一步,附錄B 圖B4 展示了不同Neps取值下增強(qiáng)epsilon約束法所獲取的帕累托解的數(shù)量和分布,其相應(yīng)的計(jì)算時(shí)間分別為16、25、33、39 min。顯然,帕累托解的數(shù)量和求解時(shí)間均與次要目標(biāo)函數(shù)的分段數(shù)成正比,更細(xì)致的分段有利于更準(zhǔn)確地?cái)M合帕累托前沿的形態(tài),進(jìn)而便于決策者根據(jù)不同工況做出非劣決策。

        5 結(jié)語(yǔ)

        本文綜合考慮電力-交通耦合系統(tǒng)的多主體特性和多目標(biāo)調(diào)度需求,提出了電力-交通系統(tǒng)多目標(biāo)優(yōu)化調(diào)度模型。算例測(cè)試結(jié)果驗(yàn)證了低碳與經(jīng)濟(jì)、系統(tǒng)主體與用戶主體、電力系統(tǒng)與交通系統(tǒng)之間調(diào)度目標(biāo)的沖突性。其中,低碳目標(biāo)與經(jīng)濟(jì)目標(biāo)的沖突主要源于電力系統(tǒng)中發(fā)電機(jī)組經(jīng)濟(jì)參數(shù)與碳排放量的不匹配,以及由低碳機(jī)組供電的充電站位置與交通系統(tǒng)路段容量的不匹配,后者同樣引發(fā)了電力系統(tǒng)與交通系統(tǒng)運(yùn)行目標(biāo)的沖突;系統(tǒng)成本與用戶成本的沖突主要源于個(gè)體目標(biāo)(個(gè)體經(jīng)濟(jì)性最優(yōu))與整體目標(biāo)(整體經(jīng)濟(jì)和碳排放最優(yōu))的不一致。上述不匹配所造成的各組目標(biāo)的沖突程度均與清潔能源出力與EV 負(fù)荷的匹配程度相關(guān)?;诠叫缘恼壑薪猥@取機(jī)制能夠有效緩解各目標(biāo)的沖突。此外,上述沖突也強(qiáng)調(diào)了從規(guī)劃層面(路段容量、充電站位置、清潔能源匹配等)來(lái)緩解各主體之間運(yùn)行目標(biāo)沖突的必要性。

        后續(xù)工作將以本文模型和框架為基礎(chǔ),進(jìn)一步考慮交通流的動(dòng)態(tài)特性、用戶行為和分布式電源出力的隨機(jī)性,以及EV 電池容量對(duì)充電需求的影響等,以增強(qiáng)模型的實(shí)用性和結(jié)論的可靠性。

        附錄見(jiàn)本刊網(wǎng)絡(luò)版(http://www.aeps-info.com/aeps/ch/index.aspx),掃英文摘要后二維碼可以閱讀網(wǎng)絡(luò)全文。

        猜你喜歡
        路段排放量耦合
        冬奧車道都有哪些相關(guān)路段如何正確通行
        非Lipschitz條件下超前帶跳倒向耦合隨機(jī)微分方程的Wong-Zakai逼近
        天然氣輸配系統(tǒng)甲烷排放量化方法
        煤氣與熱力(2021年6期)2021-07-28 07:21:40
        部、省、路段監(jiān)測(cè)運(yùn)維聯(lián)動(dòng)協(xié)同探討
        A Survey of Evolutionary Algorithms for Multi-Objective Optimization Problems With Irregular Pareto Fronts
        黑龍江省碳排放量影響因素研究
        基于XGBOOST算法的擁堵路段短時(shí)交通流量預(yù)測(cè)
        基于“殼-固”耦合方法模擬焊接裝配
        大型鑄鍛件(2015年5期)2015-12-16 11:43:20
        全國(guó)機(jī)動(dòng)車污染物排放量
        ——《2013年中國(guó)機(jī)動(dòng)車污染防治年報(bào)》(第Ⅱ部分)
        江蘇省火力發(fā)電機(jī)組二氧化碳排放量估算
        久久99精品波多结衣一区| 丰满少妇三级全黄| 久久人人爽人人爽人人片亞洲| 日韩欧美国产亚洲中文| 亚洲大片一区二区三区四区 | 日韩AV无码乱伦丝袜一区| 日本精品一级二区三级| 日本少妇浓毛bbwbbwbbw| 醉酒后少妇被疯狂内射视频| 欧美日韩人妻| 91狼友在线观看免费完整版| 精品人妻一区二区三区av | 天天躁日日躁狠狠躁av中文| 国产一区二区三区在线视频观看| 极品一区二区在线视频| 免费在线黄色电影| 人妻丰满熟妇av无码区hd | 亚洲AV秘 无码一区二区三区臀| 制服丝袜人妻中出第一页| 99国产精品丝袜久久久久| av资源吧首页在线观看| 久久精品免费视频亚洲| 亚洲精品动漫免费二区| 亚洲色欲综合一区二区三区| 亚洲日韩欧美一区二区三区| 亚洲av粉嫩性色av| 精品少妇一区二区av免费观看| 绝顶潮喷绝叫在线观看| 国产麻豆精品一区二区三区v视界| 日本二区视频在线观看| 男女边摸边吃奶边做视频韩国| 久久精品国产亚洲超碰av| 粉嫩虎白女毛片人体| 女女同性黄网在线观看| 日本在线观看三级视频| 懂色av一区二区三区尤物| 亚洲国产成人av在线观看| 久久午夜伦鲁片免费无码| 在线中文字幕有码中文| 亚洲av黄片一区二区| 人妖一区二区三区视频|