段俊東，黃泓葉，王帥強

(河南理工大學 電氣工程與自動化學院，河南 焦作 454003)

隨著化石能源的日益枯竭，全球開始積極推進可再生能源的發(fā)展[1-2]。人們對新能源的普遍關(guān)注拓展了電動汽車(Electric-Vehicle，EV)的銷售市場，提高了EV的使用率。但在EV高滲透的社區(qū)，車輛的無序充電不僅加劇了電網(wǎng)峰谷差[3]，車輛的負荷特性還會對電網(wǎng)造成沖擊，影響電網(wǎng)運行的安全性[4]，具體表現(xiàn)為配電網(wǎng)峰谷差增大、電網(wǎng)電能質(zhì)量水平降低等[5-6]。在車輛到電網(wǎng)(Vehicle-to-Grid，V2G)技術(shù)的背景下，EV的應(yīng)用場景得到了轉(zhuǎn)換。通過控制EV合理充放電能夠在一定程度上緩解負荷尖峰問題。文獻[7]提出以滿足調(diào)峰需求和用戶經(jīng)濟效益的多目標EV優(yōu)化調(diào)度方案，協(xié)調(diào)優(yōu)化了客戶和系統(tǒng)，滿足了運營商峰值負載控制需求。文獻[8]考慮了居民峰谷分時電價背景下的日負荷曲線，提出了包含功率限制的居民EV有序充放電策略。文獻[9]提出了基于用戶需求的居民小區(qū)EV充放電優(yōu)化控制策略，有效防止了變壓器過載，降低了小區(qū)峰值。文獻[10]考慮了天氣因素對V2H微網(wǎng)調(diào)度影響，建立了源荷聯(lián)動數(shù)學模型。文獻[11]提出了一種V2G和G2V的協(xié)調(diào)模型，以家庭和工作區(qū)域為執(zhí)行單位來優(yōu)化負荷。文獻[12]提出了一種基于PEV功率調(diào)度的平滑居民負荷用電負荷曲線的監(jiān)控策略。文獻[13]基于分時電價提出了動態(tài)非合作博弈的主從博弈模型，以分時電價為主體引導EV參與入網(wǎng)優(yōu)化。文獻[14]提出EV分群優(yōu)化的調(diào)度策略，該策略根據(jù)車輛的不同狀況劃分車群，分配可調(diào)控車群入網(wǎng)調(diào)峰。

事實上，若將EV僅作為調(diào)度載體則降低了EV的可用度。上述文獻在制定相關(guān)策略時較少考慮車輛出行需求。針對上述問題，本文提出了基于彈性優(yōu)化機制的社區(qū)負荷EV分群優(yōu)化策略。該策略以EV返程時刻為標準來劃分社區(qū)序列，并考慮了車主意愿及車主的用車需求，與用戶簽訂具有彈性限度的合約，并通過分群調(diào)控EV充放電計劃來優(yōu)化各社區(qū)序列負荷。仿真結(jié)果表明，該策略的實施使得社區(qū)負荷曲線更加平滑，滿足了用戶用車需求，減少了用戶費用支出，提升了調(diào)峰的靈活性。

1 問題引入

EV無序充電時段容易疊加基礎(chǔ)負荷峰值時間，進一步加劇負荷尖峰量[15]。通過Monte Carlo法模擬EV無序充電對家庭負荷的影響結(jié)果如圖1所示。

圖1 EV無序充電對家庭負荷的影響

由圖可知，在EV無序充電負荷的影響下，相較于EV無序充電前，當日家庭負荷峰谷差增加了約2.66%。從社區(qū)層面來看，若社區(qū)內(nèi)的EV進行大規(guī)模無序充電會增加社區(qū)的負荷量，若對其不加以控制，將嚴重影響電網(wǎng)的穩(wěn)定運行。因此，以家庭為單位劃分社區(qū)負荷序列，模塊化管理社區(qū)并與用戶達成合作協(xié)議，采用V2G技術(shù)調(diào)控EV有序充放電，可分散、獨立優(yōu)化社區(qū)各序列負荷，從局部降低社區(qū)負荷整體峰谷差，具有一定的現(xiàn)實意義。

2 基于彈性優(yōu)化機制的社區(qū)負荷EV分群優(yōu)化策略

2.1 社區(qū)序列和EV車輛序列的建立

當社區(qū)的EV數(shù)量較多且無法準確預(yù)估車輛返程時間時，對車輛進行集中統(tǒng)一管理的難度較大。本文遵循車主的出行規(guī)律，以EV返程時間為標準將社區(qū)和EV劃分多個管理序列，并通過社區(qū)序列模塊化管理對應(yīng)歸屬的EV序列。通過分析美國家庭交通出行調(diào)查數(shù)據(jù)后發(fā)現(xiàn)，可用以下概率密度函數(shù)來表示EV返程時刻[16]

(1)

式中，t為返程時刻；μs=17.6；σs=3.4。對應(yīng)的返概率分布如圖2所示。

圖2 返程概率分布

EV的日行駛距離會隨著用車情況的不同而產(chǎn)生顯著的差異，但可用以下概率密度函數(shù)進行預(yù)估

(2)

式中，σD=3.2；μD=0.88。該概率密度函數(shù)如圖3所示。

圖3 日行駛距離概率分布

基于圖2所示的概率分布情況，社區(qū)序列的劃分如圖4所示。其中，EV序列由與對應(yīng)序列號相同的社區(qū)負荷序列進行管控。

圖4 社區(qū)負荷和EV序列

2.2 獲取車輛信息及社區(qū)負荷信息

當EV未返回小區(qū)充電時，電網(wǎng)側(cè)需要預(yù)測EV的充電能量需求，并通過預(yù)測的能量需求計算EV可分配的電池容量，進而制定EV的充放電計劃和供電計劃。具體操作步驟為：

步驟1根據(jù)EV的出行規(guī)律及充電站的歷史充電記錄來預(yù)測各時刻EV返程車輛數(shù)目，記為n；

步驟2電網(wǎng)側(cè)根據(jù)預(yù)測信息序列號將當前車輛序列號記為x=[x1，x2，…，xn]。此外，電網(wǎng)側(cè)預(yù)測該時刻車輛當前電池剩余可用容量，記為E=[E1，E2，…，En]；

步驟3電網(wǎng)側(cè)根據(jù)上述信息預(yù)劃分如圖4所示的社區(qū)負荷序列和車輛序列。同時，電網(wǎng)側(cè)根據(jù)社區(qū)負荷序列的歷史負荷信息預(yù)測各社區(qū)負荷序列的負荷γ=[γ1，γ2，…，γn]，并做好供電規(guī)劃。

2.3 EV分群與用戶合約簽訂

對于有意愿參與本文所提策略的用戶，電網(wǎng)側(cè)依據(jù)用戶意愿簽訂車輛和家庭合約，通過車輛的充放電調(diào)控家庭用電負荷量并予以車主放電獎勵；對于不愿參加策略的用戶，電網(wǎng)側(cè)依然需要保證車輛的充電需求。根據(jù)車主是否參與策略，在電網(wǎng)側(cè)預(yù)劃分序列的基礎(chǔ)上，將車輛重新劃分為策略響應(yīng)車群和普通車群，并進行獨立管控。本文設(shè)社區(qū)用戶車輛數(shù)為N，簽約人數(shù)為N1，則簽約率m=N1/N。對于簽約的用戶，電網(wǎng)提供兩種合約可供用戶選擇。

2.3.1 合約A

(1)考慮到用戶早用車需求，合約A在保證一定的合約執(zhí)行時間下，允許用戶在早用車時刻解約。設(shè)用戶早用車時刻為e1，用戶返程時刻為s1，即用戶在s1時刻返程，在e1時刻有意愿解約，則用戶解約后該車輛對應(yīng)社區(qū)負荷序列下的家庭一并解除合約，并分離出當前社區(qū)負荷序列，該家庭負荷同樣計及至社區(qū)負荷序列。其中，1≤s1

(2)設(shè)用戶返程時刻為s2，規(guī)定解約時刻記為e2，當?shù)竭_規(guī)定解約時間時簽約用戶可自行解約。同時，電網(wǎng)側(cè)需要預(yù)留未簽約用戶車輛的充電量，但未簽約用戶的車輛和家庭需要獨立管理并建立新的社區(qū)負荷序列和車輛序列，并由新的社區(qū)負荷序列提供該部分車輛電能需求。其中，s1≤s2

(3)為保證電網(wǎng)側(cè)利益，合約中規(guī)定未到達解約時間或解約條件，用戶不可解除合約；

(4)簽約用戶根據(jù)合約執(zhí)行過程中車輛放電調(diào)控比例獲得相應(yīng)的放電獎勵。

2.3.2 合約B

(1)與合約A中的第1條相同；

(2)為滿足用戶的用車需求，規(guī)定合約執(zhí)行過程中允許用戶解約。設(shè)用戶返程時刻為s3，解約時刻e3。為了平衡電網(wǎng)側(cè)的合約執(zhí)行度和用戶的解約意愿，用戶解約需要滿足以下條件：

1)在用戶較少社區(qū)負荷序列，有解約需求的用戶在解約時刻，需經(jīng)過當前社區(qū)負荷序列預(yù)測負荷γ的臨近尖峰負荷出現(xiàn)時刻I；

2)若社區(qū)負荷序列用戶數(shù)較多，則當解約用戶車輛簽訂合約后合約最短連續(xù)執(zhí)行時間t1不小于當前EV序列合約實行前的單臺EV最長充電時間T時，有解約需求的用戶方可解約；

3)解約僅對車輛有效，用戶家庭合約執(zhí)行效度不受影響。若用戶已解約，則對應(yīng)家庭合約由該社區(qū)負荷序列剩余車輛代為執(zhí)行；

(3)用戶解除合約前所獲得放電獎勵由社區(qū)負荷序列內(nèi)所有用戶根據(jù)放電量比例分配；若有用戶解約，則放電獎勵由未解約用戶分配，這也是放電獎勵的分攤規(guī)則。

在策略執(zhí)行過程中，規(guī)定EV不向電網(wǎng)反向供電，EV的放電功率直接由社區(qū)負荷序列消納?；趶椥詢?yōu)化機制的社區(qū)負荷EV分群優(yōu)化策略示意圖如圖5所示。

圖5 基于彈性優(yōu)化機制的社區(qū)負荷EV分群優(yōu)化策略

2.4 策略執(zhí)行流程

根據(jù)上述優(yōu)化策略，優(yōu)化機制的實現(xiàn)流程如圖6所示。

圖6 策略流程圖

3 目標函數(shù)及運行約束

3.1 目標函數(shù)

本文分別以最小化負荷方差和用戶支出總費用最小為目標來構(gòu)建多目標優(yōu)化函數(shù)。最小化負荷方差函數(shù)為

(3)

式中，P(i)和P(j)分別為社區(qū)在第i時刻和第j時刻的凈負荷功；T為時間節(jié)點數(shù)；s和e分別為優(yōu)化起止時間。

最小化費用函數(shù)為

(4)

式中，pbuy(t)為t時刻電網(wǎng)交換功率，包括家庭負荷和EV充電負荷；ipdis(t)為EV在t時刻的放電功率；Csell(t)和Cbuy(t)分別為t時刻的放電和購電價格。

3.2 EV運行約束

當社區(qū)負荷序列的EV數(shù)量較多時，各EV之間應(yīng)相互協(xié)調(diào)充放電行為。本文將同社區(qū)負荷序列簽約用戶的車輛視為整體，EV整體最大充、放電功率不得超過單臺EV電池最大充、放電限度總和，且初始放電量不得超過初始時刻電池剩余電量，即

(5)

(6)

(7)

式中，N為當前社區(qū)負荷序列的車輛數(shù)；Npcha(t)和Npdis(t)為EV整體在t時刻充、放電功率；ipcha·max(t)和ipdis·max(t)為第i輛EV輸出功率上限；ipdis·ini和ipori分別為第i輛EV初始放電量與初始可用電量。

考慮到EV電池的容量限制，規(guī)定EV的最大充電量為合約實行前EV剩余可充電量，即

(8)

式中，ηi為充電站的充電效率；Ei為第i輛EV的可用容量；ipcha(t)為第i輛EV在t時刻的充電功率。

若社區(qū)負荷序列存在用戶解約的情況，則t時刻解約后的EV電池額定容量為未解約用戶車輛的額定容量總和

(9)

式中，Erest(t)和iEori(t)分別為t時刻EV整體電池總?cè)萘考暗趇輛EV電池額定容量；M為未解約用戶數(shù)，且M

為了延長電池使用壽命，剩余EV的電池的荷電量應(yīng)保證在合理的范圍內(nèi)

(10)

式中，iSOCmin(t)和iSOCmax(t)為第i輛EV電池最小、最大荷電量；SOCt為EV整體平均荷電量值。相關(guān)的調(diào)查和統(tǒng)計結(jié)果表明[17]，家庭EV保留30%的剩余電量即可滿足出行需求，因此本文將iSOCmin設(shè)為0.3。同時，為防止電池過充，本文將iSOCmax(t)設(shè)為0.95。若初始時刻SOC(t)小于0.3，大于t時刻的SOC值應(yīng)處于式(10)的范圍內(nèi)。

單臺EV電池剩余電量計算式如下

(11)

式中，iSOC(t)為第i輛EV在t時刻的SOC值；iηcha、iηdis和Δt分別為第i輛EV的充電效率、放電效率和單位時間間隔。

當存在用戶解約情況時，解約時刻剩余車輛平均SOC(t)為

(12)

式中，kSOC(t)為第k輛EV解約時在t時刻的SOC值；kpcha(t)和kpdis(t)為第k輛EV解約時在t時刻的充放電功率；kηcha和kηdis為第k輛解約的EV充放電效率。

EV電池充放電需要保持互斥性原則，即

Sdis+Scha+Sstatic=1

(13)

Sdis，Scha，Sstatic∈{0，1}

(14)

式中，Sdis、Scha、Sstatic表示放電狀態(tài)、充電狀態(tài)和電池靜置狀態(tài)，且屬于0-1變量。

3.3 功率平衡約束

當用戶參與合約，電網(wǎng)側(cè)應(yīng)當提供該用戶家庭用電需求，如式(15)所示。

(15)

當用戶簽訂合約并在執(zhí)行過程中，EV應(yīng)與電網(wǎng)協(xié)調(diào)平衡社區(qū)負荷序列的功率需求

(16)

式中，s、e為電網(wǎng)側(cè)供電起止時間；ipbuy(t)為社區(qū)負荷序列各家庭交換功率；ipLoad(t)為t時刻社區(qū)負荷序列各家庭負荷。

電網(wǎng)交換功率不應(yīng)該超過母線最大傳輸功率

(17)

式中，pnet·max(t)為t時刻母線最大傳輸功率。

4 基于Monte Carlo的充電負荷需求預(yù)測

面對大規(guī)模車輛充電需求預(yù)測問題，采用一般的方法較難解決，但采用Monte Carlo法可通過對車輛出行特性概率模型進行分析，建立出行特性和充電負荷需求的聯(lián)系，在一定程度上能夠滿足充電負荷的預(yù)測要求。采用Monte Carlo法的預(yù)測流程如圖7所示。

圖7 基于Monte Carlo法的充電負荷需求預(yù)測流程

5 算例驗證

5.1 算例背景

本文以某地社區(qū)114戶家庭典型夏季負荷為算例來驗證本文策略，共設(shè)置3個合約場景，其中場景1～場景3分別對應(yīng)合約A執(zhí)行場景、合約B執(zhí)行場景及合約A和B聯(lián)合執(zhí)行場景，并通過MATLAB 2020a在Yalmip平臺上調(diào)用Gurobi 9.1.1對模型求解。本文EV型號引用文獻[18]，車輛參數(shù)如表1所示。

表1 某品牌EV參數(shù)

本文購電電價采用文獻[7]提供的夏季電價，并假設(shè)EV充、放電價格相同。電價如表2所示。

表2 購電價格

本文的仿真參數(shù)設(shè)定為：e1=7，e2=e3=24，m=M/N=0.7，iηcha和iηdis均為0.9，Δt為1 h。

5.2 算例結(jié)果分析

5.2.1 合約場景1仿真結(jié)果分析

合約場景1的仿真結(jié)果如圖8所示。在該合約場景中，不簽約的用戶不參與V2G放電，但電網(wǎng)側(cè)需要滿足該部分車輛的充電需求。在EV充電量相同的情況下，圖8所示的社區(qū)負荷序列綜合負荷曲線表明，在合約場景1實行前，在EV無序充電負荷的影響下，社區(qū)基礎(chǔ)負荷疊加EV無序充電負荷使社區(qū)總負荷峰值達到5 500 kW，峰谷差率達67.19%。合約場景1實行后，在當日12∶00之前，由于返程車輛較少，用戶合約執(zhí)行效果不明顯，使得社區(qū)負荷轉(zhuǎn)移量較少；當日12∶00后，隨著返程車輛的增加，合約執(zhí)行效果顯著提升，社區(qū)負荷量有明顯降低，當日社區(qū)負荷峰谷差率降至63.45%；負荷在20∶00峰值轉(zhuǎn)移量最大，為1 088.8 kW，單日平均每小時轉(zhuǎn)移負荷約105.916 5 kW，整體峰谷差轉(zhuǎn)移率為3.74%，說明執(zhí)行本文提出的策略后可有效平滑負荷曲線，降低了尖峰負荷量。

圖8 合約場景1實行前后社區(qū)負荷

除了負荷峰谷差有所改善，本文對合約場景1實行前后的費用支出情況也進行了分析。表3顯示，合約場景1實行后，當日社區(qū)各負荷序列用戶費用支出率平均降低約10.80%，通過EV放電所得收益使得用戶總體節(jié)省約10 730.5元的費用，平均每戶節(jié)省約49.55元。

表3 合約場景1實行前后用戶費用

5.2.2 合約場景2仿真結(jié)果分析

合約場景2仿真結(jié)果如圖9所示。在EV具有相同充電量的前提下，在合約場景2實行前，社區(qū)基礎(chǔ)負荷疊加EV無序充電負荷其負荷峰谷差率達到67.19%；合約場景2實行后，當日10∶00后小區(qū)負荷水平有明顯的下降，并于當晚的20∶00負荷轉(zhuǎn)移量達到最大，為1 115.5 kW，負荷峰谷差率為64.31%，峰谷差較合約實行前降低約2.87%，平均每小時負荷轉(zhuǎn)移量為108.400 5 kW，有效降低了社區(qū)負荷水平。

圖9 合約場景2實行前后社區(qū)負荷

在負荷峰谷差改善的同時，用戶的支出費用也有所降低。合約場景2實行前后費用支出情況如表4所示。

表4 合約場景2實行前后用戶費用

合約場景2實行后，社區(qū)各序列用戶費用率平均降低約5.23%，用戶費用總支出減少約13 957.72元，平均減少約55.05元，用電費用有所降低。

5.2.3 合約場景3仿真結(jié)果分析

面對社區(qū)用戶用車需求的不同，用戶合約的簽訂也將有所差異。實際情況中，在合約可供用戶選擇時，文中兩種合約發(fā)揮不同的效度。同時實行兩種合約不僅可有效增加策略的彈性限度，適應(yīng)不同需求的用戶，還將有助于提升用戶的響應(yīng)度。在合約場景3中，假設(shè)合約簽約率m仍為0.7且合約A與合約B的簽約用戶分別占簽約用戶總數(shù)的50%，用戶根據(jù)自身的需求選擇不同的合約。圖10表明，在EV充電量一定的情況下，在合約場景3實行前社區(qū)峰谷差率為67.19%，而合約場景3實行后，社區(qū)峰谷差降至62.15%，峰谷差率減小了約5.04%，并且在20∶00的峰值量轉(zhuǎn)移最大，轉(zhuǎn)移負荷量為1 029 kW，實現(xiàn)了負荷削峰的目的。

圖10 合約場景3實行前后社區(qū)負荷曲線

在負荷波動得到有效改善的同時，通過實行合約場景3，用戶的支出費用也得到明顯的減少。較合約場景3實行前，合約實行后用戶總支出費用降低12 766.1元，平均每戶降低約112元，費用平均減少率為10.55%。

表5 合約場景3實行前后用戶費用

6 結(jié)束語

本文提出了基于彈性優(yōu)化機制的社區(qū)負荷EV分群優(yōu)化策略，該策略包含具有一定彈性限度的合約A與合約B。合約A側(cè)重考慮用戶收益，合約B側(cè)重考慮用戶用車需求。通過分群管控社區(qū)EV，并根據(jù)用戶意愿與用戶簽訂合約，以EV策略響應(yīng)車群為調(diào)度載體，聯(lián)合電網(wǎng)側(cè)來優(yōu)化各社區(qū)負荷序列，從局部降低社區(qū)整體負荷峰谷差。對3種不同合約場景實行后的結(jié)果分析表明，本文提出的策略能夠在平滑社區(qū)負荷曲線的同時降低用戶費用，提高了電網(wǎng)的可靠性和EV的可用度。