吳 爽,張 春*,吳零晨,童澤軍,高鵬程,李浩宇

(1.高端裝備先進(jìn)感知與智能控制教育部重點(diǎn)實(shí)驗(yàn)室,安徽蕪湖 241000;2.安徽工程大學(xué)電氣工程學(xué)院,安徽蕪湖 241000)

0 引言

隨著全球可再生能源發(fā)電迅速增長(zhǎng)以及電動(dòng)汽車(chē)(ElectricVehicle,EV)等非常規(guī)負(fù)荷的接入,傳統(tǒng)的電網(wǎng)協(xié)同調(diào)度方法已無(wú)法滿足電力系統(tǒng)運(yùn)行的需要[1].EVs的儲(chǔ)能特性可視作電網(wǎng)中移動(dòng)的儲(chǔ)能電源,通過(guò)EV入網(wǎng)(Vehicle to Grid,V2G)技術(shù)可實(shí)現(xiàn)電網(wǎng)與EV的雙向互動(dòng),并且EV具有極強(qiáng)的調(diào)度靈活性,可以有效彌補(bǔ)電力系統(tǒng)的旋轉(zhuǎn)備用和峰荷電源[2].因此考慮EV如何參與風(fēng)電協(xié)同調(diào)度是目前需要解決的問(wèn)題之一.

針對(duì)EV入網(wǎng)對(duì)電力系統(tǒng)的影響,文獻(xiàn)[3]對(duì)風(fēng)光出力隨機(jī)性以及電動(dòng)汽車(chē)主動(dòng)參與綜合能源低碳經(jīng)濟(jì)調(diào)度問(wèn)題進(jìn)行了研究.文獻(xiàn)[4]對(duì)電動(dòng)汽車(chē)的時(shí)空負(fù)荷特性進(jìn)行分析并結(jié)合限制的充放電功率制定了電動(dòng)汽車(chē)有序充放電策略.文獻(xiàn)[5]基于分時(shí)電價(jià),提出了一種由集群代理商進(jìn)行決策的充放電策略.與此同時(shí),EV用戶是否參與電網(wǎng)調(diào)度以及參與意愿是否強(qiáng)烈等會(huì)直接影響調(diào)度策略的運(yùn)行效果,因此在調(diào)度過(guò)程中需要考慮EV用戶參與電網(wǎng)調(diào)度這一重要因素.文獻(xiàn)[6]提出了考慮用戶積極性的電動(dòng)汽車(chē)與機(jī)組聯(lián)合調(diào)頻的兩階段隨機(jī)規(guī)劃調(diào)度模型.文獻(xiàn)[7]在提出大規(guī)模電動(dòng)汽車(chē)有序充電策略基礎(chǔ)上,提出了將該群體策略分配至每一輛電動(dòng)汽車(chē)的負(fù)荷分配策略.文獻(xiàn)[8]建立了考慮車(chē)主與電網(wǎng)互動(dòng)意愿,基于電網(wǎng)調(diào)峰策略的換電站實(shí)時(shí)定價(jià)模型.

上述研究?jī)?nèi)容重點(diǎn)考慮了電動(dòng)汽車(chē)集群的隨機(jī)性問(wèn)題,但是缺少對(duì)單個(gè)電動(dòng)汽車(chē)行駛特性的深入研究.為此,本研究在已有研究基礎(chǔ)之上,針對(duì)電動(dòng)汽車(chē)充放電特性給微電網(wǎng)帶來(lái)的影響,考慮電動(dòng)汽車(chē)這一柔性負(fù)荷及其負(fù)荷可轉(zhuǎn)移特性,建立電動(dòng)汽車(chē)充電負(fù)荷模型.采用價(jià)格型需求響應(yīng),在電動(dòng)汽車(chē)充放電調(diào)度部分進(jìn)行分層控制,以分時(shí)電價(jià)引導(dǎo)用戶轉(zhuǎn)移電動(dòng)汽車(chē)用能時(shí)段,使部分負(fù)荷發(fā)生轉(zhuǎn)移,從而更多地消納多余風(fēng)電,構(gòu)建以分時(shí)電價(jià)為引導(dǎo)的電動(dòng)汽車(chē)優(yōu)化調(diào)度策略.該策略通過(guò)在EV控制器內(nèi)設(shè)定閾值來(lái)判斷系統(tǒng)是否存在棄風(fēng),提高了系統(tǒng)的運(yùn)行效率;同時(shí)考慮到電網(wǎng)的經(jīng)濟(jì)性、可持續(xù)發(fā)展以及用戶自身滿意度,建立多目標(biāo)模型進(jìn)行調(diào)度優(yōu)化;最后通過(guò)算例驗(yàn)證了本調(diào)度策略的有效性.

1 電動(dòng)汽車(chē)充電負(fù)荷模型

根據(jù)目前電動(dòng)汽車(chē)發(fā)展情況,以利用分布式充電樁常規(guī)充電的私家電動(dòng)汽車(chē)為對(duì)象,建立其充電負(fù)荷模型,并做出如下假設(shè):

1)EV每100 km耗電量固定為15 kW·h;2)EV每次進(jìn)行充電都將充滿;3)本文中的V2G放電被看作是一個(gè)負(fù)的負(fù)荷,其相關(guān)特性與充電類(lèi)似;4)本文中將電動(dòng)汽車(chē)充電過(guò)程簡(jiǎn)化為恒功率充電,考慮到汽車(chē)在充電樁充電時(shí)為常規(guī)充電,其充電起始、結(jié)束時(shí)間相對(duì)于整個(gè)充電過(guò)程可以忽略;5)汽車(chē)的開(kāi)始充電時(shí)間和日行駛里程是相互獨(dú)立的隨機(jī)變量.

1.1 行程結(jié)束時(shí)刻與日行駛里程概率模型

根據(jù)美國(guó)國(guó)家公路交通安全管理局在2019年公布的官方數(shù)據(jù)可知,所調(diào)查EV的行程結(jié)束時(shí)間和日行駛里程數(shù)滿足對(duì)數(shù)正態(tài)分布[9].EV的行程結(jié)束時(shí)刻,即充電開(kāi)始時(shí)刻,其概率分布函數(shù)如式(1).

(1)

式中,t為充電時(shí)刻,μs=17.6,σs=3.4.

電動(dòng)汽車(chē)一天所消耗的電量由其日行駛里程決定,這也決定了用戶對(duì)于參與電網(wǎng)調(diào)度的意愿程度.私家電動(dòng)汽車(chē)每天行駛的路線相對(duì)固定,用戶駕駛電動(dòng)汽車(chē)與駕駛傳統(tǒng)燃油汽車(chē)的行駛里程相近,因此假設(shè)每輛EV都滿足傳統(tǒng)汽車(chē)日行駛里程的分布.根據(jù)文獻(xiàn)[10]的研究發(fā)現(xiàn),EV每日行駛里程近似滿足對(duì)數(shù)正態(tài)分布,其概率分布函數(shù)如式(2).

(2)

式中,r為電動(dòng)汽車(chē)日行駛里程,μD=3.20,σD=0.88.

1.2 充放電負(fù)荷分布模型

電動(dòng)汽車(chē)在一個(gè)完整的充放電周期內(nèi)的規(guī)劃用一個(gè)I×T的矩陣X表示.

(3)

其中,xi,t為第i輛EV在單位時(shí)間內(nèi)的充放電功率.若xi,t>0,說(shuō)明處于充電狀態(tài);若xi,t<0,說(shuō)明處于放電狀態(tài).

為建模方便,假設(shè)每輛EV均從整數(shù)時(shí)刻開(kāi)始進(jìn)行充電,即從k時(shí)刻開(kāi)始充電,公式為:

(4)

式中,Nk(k=1,2,…,24)表示EV從k時(shí)刻到k+1時(shí)刻開(kāi)始充電的數(shù)量,N為EV的總數(shù)量.

考慮到電動(dòng)汽車(chē)會(huì)有不同的日行駛里程,對(duì)日行駛里程在某一范圍的汽車(chē)進(jìn)行歸類(lèi):如果某一輛EV日行駛里程在0～n km內(nèi),就認(rèn)為該輛汽車(chē)的日行駛里程是n km,歸為第一組EV;日行駛里程處于n～2n km內(nèi),就認(rèn)為該輛汽車(chē)的日行駛里程是2n km,歸為第二組EV;其他同理,后續(xù)不同日行駛里程的EV將會(huì)歸為不同組別.

根據(jù)上述分析可知,在k時(shí)刻開(kāi)始充電的日行駛里程為第a組的EV數(shù)量為:

(5)

在k時(shí)刻開(kāi)始充電的日行駛里程為第a組的EV的充電時(shí)間為:

(6)

式中,W表示EV每100 km消耗的電能,Sa表示第a組EV的日行駛里程,Pc表示充電功率.

1.3 泊車(chē)概率分布

由EV的日行駛里程概率分布可知,EV的日行駛里程小于100 km所占的比例達(dá)到90%以上,行駛時(shí)間大部分處于兩個(gè)小時(shí)以內(nèi).一天當(dāng)中會(huì)有很大數(shù)量的EV處于停泊狀態(tài),這些處于停泊狀態(tài)的EV將會(huì)有更長(zhǎng)的時(shí)間跨度參與到電力調(diào)度.為建模方便,設(shè)定所有處于停泊狀態(tài)的EV都用來(lái)參與電力調(diào)度,即停泊狀態(tài)的EV數(shù)量就是參與電力調(diào)度的EV數(shù)量,EV的日內(nèi)泊車(chē)概率如圖1所示.

圖1 泊車(chē)概率分布Fig.1 Probability distribution of parking

2 系統(tǒng)優(yōu)化調(diào)度策略

針對(duì)傳統(tǒng)能源供應(yīng)網(wǎng)絡(luò)應(yīng)對(duì)負(fù)荷波動(dòng)手段單一的缺點(diǎn),引入電動(dòng)汽車(chē)來(lái)緩解能源網(wǎng)絡(luò)中負(fù)荷波動(dòng),減少峰谷比,并通過(guò)協(xié)調(diào)各個(gè)機(jī)組能源出力實(shí)現(xiàn)多能互補(bǔ),增加風(fēng)電消納,減少系統(tǒng)運(yùn)行成本和碳排放.由于引入電動(dòng)汽車(chē)作為儲(chǔ)能設(shè)備,改變了傳統(tǒng)供能網(wǎng)絡(luò)的結(jié)構(gòu),因此應(yīng)研究發(fā)電機(jī)組與電動(dòng)汽車(chē)間協(xié)調(diào)運(yùn)行策略.針對(duì)風(fēng)電系統(tǒng)制定相應(yīng)的動(dòng)態(tài)分時(shí)電價(jià),在劃分當(dāng)天分時(shí)電價(jià)時(shí)段時(shí),將用電負(fù)荷和風(fēng)電數(shù)據(jù)結(jié)合考慮.具體劃分方法如圖2所示.

圖2 動(dòng)態(tài)分時(shí)電價(jià)時(shí)段劃分示意圖Fig.2 Time division diagram of DTOU electricity price

動(dòng)態(tài)分時(shí)電價(jià)劃分可表示為:

(7)

Peq(t)=Pload(t)+Pwf(t)

(8)

(9)

(10)

式中,e0為平時(shí)電價(jià),β為在平時(shí)時(shí)段電價(jià)基礎(chǔ)上高電價(jià)和低電價(jià)上下波動(dòng)范圍系數(shù),Peq(t)為電負(fù)荷與風(fēng)電的等效負(fù)荷,Pload(t)為系統(tǒng)電負(fù)荷,Pwf(t)為風(fēng)電預(yù)測(cè)出力,Peq,max和Peq,min分別為等效負(fù)荷最大值和最小值,Ph為等效負(fù)荷的峰谷差,Pav為等效負(fù)荷的均值.

構(gòu)建電動(dòng)汽車(chē)參與風(fēng)電協(xié)同調(diào)度的系統(tǒng)結(jié)構(gòu)如圖3所示.采用價(jià)格型需求側(cè)響應(yīng),通過(guò)分時(shí)電價(jià)機(jī)制引導(dǎo)用戶改變電動(dòng)汽車(chē)用能時(shí)段,使部分負(fù)荷發(fā)生轉(zhuǎn)移,從而更多地消納多余風(fēng)電.當(dāng)風(fēng)機(jī)出力較大,而電負(fù)荷較小時(shí),風(fēng)電的反調(diào)特性將引起棄風(fēng),此時(shí)應(yīng)優(yōu)先減少傳統(tǒng)供電機(jī)組的輸出,并通過(guò)電動(dòng)汽車(chē)以V2G技術(shù)消納多余風(fēng)電.而在風(fēng)機(jī)低發(fā)、電負(fù)荷高峰時(shí)段,風(fēng)電將會(huì)被全部消耗,傳統(tǒng)機(jī)組出力增加,此時(shí)電動(dòng)汽車(chē)作為儲(chǔ)能設(shè)備輸出電能,消弱電負(fù)荷峰值,并利用峰谷電價(jià)差盈利.

系統(tǒng)中充放電調(diào)度部分由上層調(diào)度中心和下層EV控制層兩層構(gòu)成.上層的調(diào)度中心將EV控制器所收集的電動(dòng)汽車(chē)用電情況進(jìn)行匯總分析.調(diào)度中心根據(jù)獲得的風(fēng)電預(yù)測(cè)出力數(shù)據(jù)、負(fù)荷預(yù)測(cè)數(shù)據(jù)和集群電動(dòng)汽車(chē)用電信息進(jìn)行組合優(yōu)化,得出最優(yōu)調(diào)度結(jié)果后下發(fā)調(diào)度計(jì)劃至發(fā)電機(jī)組、風(fēng)力發(fā)電和EV控制器.下層的EV控制層通過(guò)控制器收集整個(gè)區(qū)域的電動(dòng)汽車(chē)用電信息,對(duì)其量化建模;EV控制器根據(jù)接收到的調(diào)度計(jì)劃合理安排整個(gè)區(qū)域內(nèi)的EV進(jìn)行充放電控制.

考慮到消納棄風(fēng),提升系統(tǒng)供能效率及經(jīng)濟(jì)性,減少不必要的能量轉(zhuǎn)換,電動(dòng)汽車(chē)應(yīng)采用棄風(fēng)啟停控制策略,即EV控制器根據(jù)有無(wú)棄風(fēng)現(xiàn)象來(lái)決定電動(dòng)汽車(chē)V2G的啟動(dòng)和停止.有無(wú)棄風(fēng)判斷如下:

(11)

式中,k1=1表示有棄風(fēng),k1=0表示無(wú)棄風(fēng),PGASF(t)表示t時(shí)段燃?xì)鈾C(jī)組強(qiáng)迫出力,PCONF(t)表示t時(shí)段火電機(jī)組強(qiáng)迫出力,Pload(t)表示系統(tǒng)電負(fù)荷,Pwf(t)表示風(fēng)電預(yù)測(cè)出力.

3 多目標(biāo)優(yōu)化調(diào)度

3.1 目標(biāo)函數(shù)

本文建立的模型是基于電動(dòng)汽車(chē)參與消納風(fēng)電,以運(yùn)行成本、碳排放和改進(jìn)型用戶滿意度為目標(biāo)的優(yōu)化方法.在減少系統(tǒng)運(yùn)行成本的同時(shí),既把雙碳目標(biāo)政策考慮在內(nèi),又顧及到用戶側(cè)對(duì)用能滿意度的要求.

目標(biāo)一考慮到電網(wǎng)運(yùn)行的經(jīng)濟(jì)性,建立計(jì)及系統(tǒng)運(yùn)行成本的目標(biāo)函數(shù)f1為:

(12)

式中,a1表示天然氣價(jià)格,a2表示單位燃煤價(jià)格,a3表示電動(dòng)汽車(chē)單位放電功率運(yùn)行費(fèi)用,a4表示電動(dòng)汽車(chē)負(fù)荷轉(zhuǎn)移費(fèi)用,Vbuy(t)表示t時(shí)段天然氣購(gòu)買(mǎi)量,FCON(t)表示t時(shí)段純凝火電機(jī)組耗煤量,PEV(t)表示t時(shí)段電動(dòng)汽車(chē)放電功率,PEV_Z(t)表示t時(shí)段電動(dòng)汽車(chē)負(fù)荷轉(zhuǎn)移量,CEV(t)表示電動(dòng)汽車(chē)負(fù)荷轉(zhuǎn)移給用戶補(bǔ)償費(fèi)用.

目標(biāo)二考慮到“雙碳”目標(biāo)政策,建立計(jì)及系統(tǒng)碳排放的目標(biāo)函數(shù)f2為:

(13)

目標(biāo)三以EV用戶滿意度為目標(biāo).由于EV負(fù)荷的轉(zhuǎn)移或削減可能會(huì)對(duì)用戶的滿意度產(chǎn)生影響,因此本文針對(duì)EV負(fù)荷參與下的系統(tǒng)調(diào)度,提出了改進(jìn)型EV用戶滿意度計(jì)算模型.文獻(xiàn)[11]中提出的用戶滿意度ξ為:

(14)

考慮到EV用戶的用能需求,將系統(tǒng)電負(fù)荷、分時(shí)電價(jià)與用戶滿意度結(jié)合,并與系統(tǒng)運(yùn)行成本和碳排放相融合,實(shí)現(xiàn)多目標(biāo)優(yōu)化,提升系統(tǒng)調(diào)度的真實(shí)性和可靠性.EV用戶滿意度目標(biāo)函數(shù)f3計(jì)算為:

f3=1-Fξ

(15)

(16)

式中,ΔWl(t)和ΔC(t)分別表示調(diào)度前后電負(fù)荷和電價(jià)的變化量,Wl(t)和C(t)表示原始電負(fù)荷和平時(shí)電價(jià).調(diào)度前后的數(shù)據(jù)變化量越大,說(shuō)明用戶負(fù)荷調(diào)整行為越多,Fξ值越大,即EV用戶滿意度越低.

3.2 多目標(biāo)函數(shù)處理

因上述目標(biāo)函數(shù)間存在量綱差異問(wèn)題,采取min-max標(biāo)準(zhǔn)化的方法對(duì)各目標(biāo)函數(shù)進(jìn)行歸一化處理.

(17)

經(jīng)式(17)處理后,采取加權(quán)法將多目標(biāo)優(yōu)化變成單目標(biāo)優(yōu)化,計(jì)算公式為:

(18)

ω1+ω2+ω3=1

(19)

式中,ω1、ω2和ω3分別表示各目標(biāo)函數(shù)的權(quán)重系數(shù),根據(jù)需求進(jìn)行調(diào)整.

3.3 約束條件

電功率平衡約束為:

PGAS(t)+PCON(t)+Pw(t)=Pload(t)+k1PEV(t)

(20)

式中,PGAS(t)表示t時(shí)段燃?xì)鈾C(jī)組電功率,PCON(t)表示t時(shí)段純凝火電機(jī)組電功率,Pw(t)表示t時(shí)段風(fēng)機(jī)電功率.

機(jī)組的天然氣消耗量與燃?xì)廨啓C(jī)電功率關(guān)系為:

(21)

式中,b1、b2、b3表示燃?xì)廨啓C(jī)的擬合常數(shù),Vf表示燃?xì)鈾C(jī)組天然氣消耗量.

其中,燃?xì)鈾C(jī)組發(fā)電應(yīng)滿足以下條件:

(22)

(23)

純凝火電機(jī)組出力約束為:

(24)

風(fēng)電場(chǎng)出力約束為:

(25)

電動(dòng)汽車(chē)約束為:

(26)

Smin≤S(t)≤Smax

(27)

Smin=d1NEVSEVmax

(28)

Smax=d2NEVSEVmax

(29)

3.4 模型求解

采用改進(jìn)粒子群算法對(duì)模型進(jìn)行求解.考慮到在對(duì)模型求解過(guò)程中會(huì)得到大量不可行解,這將消耗大量時(shí)間在眾多解中尋求可行解,嚴(yán)重影響算法的尋優(yōu)速度.因此在傳統(tǒng)粒子群算法基礎(chǔ)上引入約束自調(diào)節(jié)環(huán)節(jié),對(duì)調(diào)度模型中的等式約束與不等式約束進(jìn)行自調(diào)節(jié),使其滿足約束條件,每次計(jì)算使可行解比例不斷增加,同時(shí)算法的尋優(yōu)速度也會(huì)大大提升,求解流程如圖4所示.

圖4 改進(jìn)粒子群算法流程圖Fig.4 Improved particle swarm algorithm flow chart

每臺(tái)機(jī)組的電功率調(diào)節(jié)結(jié)果為:

(30)

4 算例分析

根據(jù)本文所提的優(yōu)化調(diào)度模型,設(shè)調(diào)度周期為24 h,調(diào)度間隔為1 h.由于私家車(chē)相對(duì)于共用車(chē)來(lái)說(shuō),其參與調(diào)度的可能性更大,因此,文中所提及的電動(dòng)汽車(chē)均為私家車(chē),并假設(shè)每輛車(chē)都有對(duì)應(yīng)的充電樁,該區(qū)域內(nèi)所有可供調(diào)度的電動(dòng)汽車(chē)數(shù)量為5 000輛,具體參數(shù)見(jiàn)表1.圖5所示為電負(fù)荷需求曲線及預(yù)測(cè)風(fēng)力發(fā)電曲線.

圖5 電負(fù)荷需求曲線及預(yù)測(cè)風(fēng)力發(fā)電曲線Fig.5 Electricity load demand curve and forecast wind power generation curve

圖5 電負(fù)荷需求曲線及預(yù)測(cè)風(fēng)力發(fā)電曲線Fig.5 Electricity load demand curve and forecast wind power generation curve

風(fēng)電的反調(diào)峰特性導(dǎo)致電網(wǎng)在夜間電負(fù)荷低谷時(shí)期無(wú)法消納多余風(fēng)電,白天風(fēng)電低發(fā),無(wú)法在電力高峰期給電網(wǎng)提供電力補(bǔ)充,為解決這種用電不平衡現(xiàn)象,通過(guò)引入電動(dòng)汽車(chē)來(lái)實(shí)現(xiàn)電力的供需平衡.為驗(yàn)證所研究能源調(diào)度策略消納棄風(fēng)效果與經(jīng)濟(jì)性,設(shè)置3種場(chǎng)景進(jìn)行對(duì)比分析:場(chǎng)景1不配置任何消納棄風(fēng)裝置;場(chǎng)景2有EV但不執(zhí)行分時(shí)電價(jià)策略;場(chǎng)景3有EV并執(zhí)行分時(shí)電價(jià)策略.

為了順利執(zhí)行分時(shí)電價(jià)機(jī)制并發(fā)揮其作用,針對(duì)包含風(fēng)電的系統(tǒng)制定相應(yīng)的分時(shí)電價(jià),在對(duì)分時(shí)電價(jià)時(shí)段進(jìn)行劃分時(shí),將風(fēng)電功率和基本負(fù)荷信息歸納考慮,得出風(fēng)電和基本負(fù)荷的等效負(fù)荷,劃分結(jié)果如圖6所示.為分析該調(diào)度策略在減小峰谷差、緩解電力系統(tǒng)供能壓力方面的作用,對(duì)調(diào)度周期內(nèi)的電動(dòng)汽車(chē)運(yùn)行情況做了詳細(xì)分析,圖7為優(yōu)化前后電動(dòng)汽車(chē)充放電功率分布圖.

圖6 基于等效負(fù)荷的分時(shí)電價(jià)劃分結(jié)果Fig.6 Results of time-of-use tariff classification based on equivalent load圖7 優(yōu)化前后電動(dòng)汽車(chē)充放電功率分布Fig.7 Electric vehicle charging and discharging power distribution before and after optimization

由圖6和圖7可知,在執(zhí)行分時(shí)電價(jià)后,電動(dòng)汽車(chē)由無(wú)序充電變?yōu)橛行虺潆?汽車(chē)的充電時(shí)間被分配到負(fù)荷低谷且風(fēng)電出力較大的時(shí)段,既降低了用戶的用電成本,又消納了系統(tǒng)中多余的風(fēng)電.另外,電動(dòng)汽車(chē)能通過(guò)V2G技術(shù)在負(fù)荷高峰時(shí)期作為移動(dòng)電源,補(bǔ)充電力系統(tǒng)用電缺額,緩解電網(wǎng)的供能壓力.而在負(fù)荷低谷時(shí)期,風(fēng)電出力過(guò)大,電力系統(tǒng)無(wú)法消耗全部電能,此時(shí)電動(dòng)汽車(chē)可作為負(fù)載,消耗系統(tǒng)多余電能.

為了較為直觀地比較調(diào)度策略執(zhí)行前后的優(yōu)化效果,對(duì)場(chǎng)景2與3優(yōu)化前后的電負(fù)荷需求響應(yīng)情況進(jìn)行對(duì)比分析,圖8為調(diào)度策略執(zhí)行前后的電負(fù)荷響應(yīng)量.由圖8可見(jiàn)在調(diào)度策略執(zhí)行后算法完成了對(duì)負(fù)荷曲線的優(yōu)化,優(yōu)化后的負(fù)荷峰值有所減少,降低了系統(tǒng)的運(yùn)行成本,減小峰谷差并且使得負(fù)荷曲線較為平滑,優(yōu)化前后系統(tǒng)的負(fù)荷峰谷差減小了7.65%,達(dá)到了削峰填谷的作用.圖9為風(fēng)電預(yù)測(cè)出力和不同場(chǎng)景下的風(fēng)電上網(wǎng)功率曲線.

圖8 電負(fù)荷需求響應(yīng)量Fig.8 The amount of response to electrical load demand圖9 不同場(chǎng)景下風(fēng)電上網(wǎng)功率曲線Fig.9 Wind power feed-in power curves under different scenarios

由圖8和圖9可知,所述調(diào)度策略能夠達(dá)到減少棄風(fēng)的目的.結(jié)合電負(fù)荷需求和電動(dòng)汽車(chē)充放電功率的變化可知,在執(zhí)行調(diào)度策略前,在22∶00—05∶00時(shí)段風(fēng)力發(fā)電充足,但電負(fù)荷處于低谷時(shí)期,此時(shí)會(huì)導(dǎo)致風(fēng)電功率無(wú)法被完全消耗,產(chǎn)生棄風(fēng).執(zhí)行調(diào)度策略后,電動(dòng)汽車(chē)會(huì)根據(jù)調(diào)度指令轉(zhuǎn)移用電時(shí)段,大部分充電時(shí)刻會(huì)被分配到風(fēng)力發(fā)電充足的時(shí)段,消納多余風(fēng)電,由圖可知棄風(fēng)功率有明顯的降低.與此同時(shí),由于風(fēng)電利用率的提高,傳統(tǒng)火力發(fā)電的出力也會(huì)相應(yīng)降低,即碳排放會(huì)減少.

表2給出了3種場(chǎng)景下的系統(tǒng)總成本、總碳排放量以及用戶滿意度優(yōu)化結(jié)果.

由圖9和表2可以看出,場(chǎng)景2相較于場(chǎng)景1而言,三個(gè)目標(biāo)都有所減少.場(chǎng)景3相對(duì)于場(chǎng)景2來(lái)說(shuō),其總碳排放量降低了2.87%,用戶滿意度減少0.079 2,但總成本提升了1.15%,這是由于在執(zhí)行優(yōu)化調(diào)度策略后,電動(dòng)汽車(chē)負(fù)荷發(fā)生轉(zhuǎn)移,產(chǎn)生了調(diào)度成本和對(duì)用戶的補(bǔ)償費(fèi)用,雖然成本有所提升,但是其碳排放量和棄風(fēng)率都達(dá)到了較低水平.總體而言,本文所提調(diào)度策略在提高風(fēng)電消納,緩解電力系統(tǒng)在負(fù)荷高峰期供電壓力方面有較好的作用,并且也能減少系統(tǒng)運(yùn)行成本.

5 結(jié)論

建立了電動(dòng)汽車(chē)-風(fēng)電協(xié)同調(diào)度模型,提出以降低運(yùn)行成本、減少碳排放和改進(jìn)用戶滿意度為目標(biāo)的優(yōu)化策略.在減少系統(tǒng)運(yùn)行成本的同時(shí),既把雙碳目標(biāo)政策考慮在內(nèi),又顧及到用戶側(cè)對(duì)用能滿意度的要求.考慮到用戶利益問(wèn)題,采用價(jià)格型需求響應(yīng),以分時(shí)電價(jià)為基礎(chǔ),利用V2G技術(shù)使得用戶在電動(dòng)汽車(chē)的充放電時(shí)段做出改變.另外在調(diào)度策略中設(shè)定閾值來(lái)判斷系統(tǒng)是否存在棄風(fēng),提高了系統(tǒng)的運(yùn)行效率.算例證明了本調(diào)度策略的有效性.該調(diào)度策略在對(duì)多目標(biāo)優(yōu)化的同時(shí)實(shí)現(xiàn)了對(duì)負(fù)荷曲線的削峰填谷,提高了對(duì)風(fēng)電出力的消納及對(duì)環(huán)境的保護(hù),為微電網(wǎng)的發(fā)展和雙碳目標(biāo)的實(shí)現(xiàn)提供了有效思路.