1. 云南电网能源投资有限责任公司,云南昆明 650011; 2. 云南电网公司节约用电服务中心,云南昆明 650011; 3. 天津楚能电力技术有限公司,天津 300380
摘要:电动汽车与电网双向交互可以充分发挥电动汽车电池的储能特性在电网负荷过高时,电网可以调控电动汽车在必要时向电网放电;在负荷较低时,电动汽车可以通过电网汲取所需的电量。要实现V2G,就必须实现对电动汽车的有序充放电管理。随着电动汽车的渗透率逐年增高,区域电网的峰谷差将进步增大,可能会超过该区域内的配电设备的容量限制。因此,应充分利用峰谷分时电价的优势,有序控制电动汽车充放电,实现电力资源的最优配置。本文提出的区域有序充放电策略将实现以下几个目标:1)满足用户的充电需求;2)实现“削峰填谷”,维持电网稳定运行;3)最大限度的利用配电设施,提高电动汽车的接纳能力;4)计算V2G模式下的峰谷差大小、负荷波动范围以及V2G参与的预算等指标进而分析台区成效,充分验证了多场景下V2G商业价值。
关键词:电动汽车集群;聚合商;充放电控制策略;加速遗传算法
0 引言
电动汽车因其环保、节能、高效等优势,近年来规模不断扩大,保有量持续增加,但大规模的电动汽车随机充电行为对电网的规划与运行产生一定程度的不利影响。为解决上述问题,电动汽车与电网双向互动技术(即V2G (vehicle-to-grid)技术)应运而生。应用V2G技术控制电动汽车的充放电过程,一方面可以削弱电动汽车规模化发展对电力系统造成的负面影响;另一方面还能降低总充电成本与系统网损,并起到削峰填谷、平抑可再生能源间歇性和波动性的作用。
本文将研究分析以调峰任务为主要研究重点,通过研究区域峰谷差最小及用户花费最小模式下电动汽车充放电控制策略Error: Reference source not found,最终实现电动汽车集群商业价值进行研究。
电动汽车参与充放电对电网负荷作用
我们在5000kVA区域下对200辆电动汽车进行研究,发现电动汽车不加控制的充电会加剧峰谷差,这一影响的根本原因是电动汽车充电负荷曲线与用户日常用电曲线的峰值时刻非常靠近所导致的,如图1.1所示,
图1.1 电动汽车充电对电网造成的负荷波动曲线
为了有效缓解这种不良影响,最有效的方法是转移电动汽车充电时段,使其充电峰值时刻与用户用电谷值时刻相重合就可以达到削峰填谷的作用。
从图1.1中可以发现虽然在时间上的调控对电网波动影响有一定作用Error: Reference source not found,但由于峰值时刻用户基础用电需求较大,峰值依然处于较高水平,减小电网波动的程度受其制约。从之前的统计规律来看,绝大部分电动汽车每天行驶不超过50公里,因此电池依然还剩余足够的电能来向电网供电。考虑到电动汽车电池不仅能作为汽车的驱动元件,也能作为电源向电网供电。
以峰谷差及用户花费最小为目标函数的电动汽车集群充放电模型研究
2.1电动汽车集群有序充放电边界条件
1、电动汽车SOC边界条件
考虑到电动汽车在第t时间段内可能有两种状态,故引入状态变量即充电状态 ,放电状态 :
(2.1)
有序充放电的目的是为了最大程度的降低电网负荷,同时提高用户收益,因此安排电动汽车尽可能地在低负荷低电价段内充电,高负荷高电价时放电比较合理,所以规划电动汽车尽可能地在负荷峰值区间内放电,电价优惠时内充电。同时考虑放电效益问题设放电开始时SOC大于0.5,本文认为电动汽车一天进行一次充放电,根据以上分析可知,则可推出电动汽车开始放电时间如下:
(2.2)
式中, 表示电动汽车开始放电时间。从上式可以看出,电池能否放电的条件是由电动汽车到家SOC和到家时间共同决定的。在电动汽车放电后,需要计算电池完全放电持续时长,如下式所示:
(2.3)
式中, 表示最大放电时长, 表示放电开始时刻的电池SOC。
2.2电网侧及用户侧目标
电网侧目标:以电网负荷均方差最小为电网侧优化目标对电动汽车的充电行为进行管理。负荷均方差最小化可以避免用户在负荷低谷期大规模充电,从而达到平滑电网负荷曲线的目的。
用户侧目标:充分考虑用户的利益,在电价最低时让电动汽车充电,在电价最高时让电动汽车放电。
2.3电动汽车集群调度约束条件
电动汽车用户响应参与电网互动调度计划之前,电动汽车需在入网时设定车辆并网时电池的SOC上下限,并向电网提供申报信息,同时,电网会根据电动汽车以往申报信息及其对申报计划的执行程度来确定实时调度安排。
1、申报调度容量
根据用户的申报信息,即可获得可调度时段 和可调度容量 , 由式(3.27)计算而得。
(2.8)
其中,SB.max、SB.min分别表示容量上、下限。
2、电动汽车参与调度计划的信用程度
为了让电动汽车出行更多地契合调度计划,在可调度容量的计算中引入“诚信隶属度”的概念。基于模糊数学理论,定义电动汽车用户信用程度的隶属函数为ρ(x),则电动汽车申报容量根据信用程度的比例来计入可用容量。具体如式(3.28)所示:
(2.9)
其中, 表示电动汽车日前平均申报容量, 为日前平均实际调度容量。信用度足够大,则取1,若过小,则取0。本文设ρdown=0.15,ρup=0.95。
3、电动汽车对电价机制的响应度
电动汽车对电价的响应是指用户根据电价选择不同的充电时段Error: Reference source not found。通过用电负荷在高、低电价时段之间转移,以减少用电成本。根据需求响应理论,电价变化会引起用户用电需求量的变化,因此采用电价电量弹性来表述用户对电价机制的响应程度,如式(3.29)所示。
(2.10)
其中S,∆S为容量及其相对增量,P,∆P为功率及其相对增量;p,∆p为电价及其相对增量。
定义电动汽车用户参与电网调度计划的执行度为Error: Reference source not found:
(2.12)
β表示占比系数,可用赋权法确定。
在上述补偿机制下,通过经济手段引导电动汽车充放电,不仅可以平缓大规模电动汽车并网造成的负荷波动,还可以起到削峰填谷的作用。
4、指标评价体系
指标评价模型的目标是在论域中多个评价对象之间作优先的相对比较和排序,确定各评价指标权重。可以建立评价指标体系如图2.1所示:
图2.1 电动汽车集群指标评价体系
对各项指标赋予权重,从而获得电动汽车调度顺序。其中,效益型指标越大越优先调度;成本型指标越小越优先调度。
2.4求解算法
基于加速遗传算法(Accelerating Genetic Algorithm,AGA)—优化组合赋权法的电动汽车集群有序调度策略。
1、基于离差函数的优化组合赋权确定综合权重
在决策分析理论中,由于不同的评价方法难以肯定更优秀的一方,因此需要充分利用各种方法所含信息得到满意的权重解,本文采用基于加速遗传算法的优化组合赋权方法解决该问题。
假设求解的指标评价权向量为w1,w2则:
(2.13)
其中,Wc表示属性组合赋权系数向量,θ1,θ2为组合系数。则综合评价值为:
(2.14)
为了综合利用各个评价指标的主观权重和客观权重,通过求解最小化加权离差绝对值来估计最佳组合权重,可以构造下列目标规划模型:
(2.15)
2、计及评价指标体系的电动汽车有序调度
获得各指标权重以及综合评价值后,即可获得不同时段下集群内调度电动汽车个体的序列情况和该时段的可调度容量。但在有序调度策略中,还应考虑管理调整车辆的调度容量,以使得实际调度与电网给定的调度计划尽可能接近。因此,对某一电动汽车集群,有:
(1.16)
式中, 为时段t下第n辆电动汽车的实际功率;Nt为参与调度的电动汽车数量;PEV(t)为时段t的调度需求, , 分别表示申报充电、放电计划的电动汽车总量; 为时段t下的电动汽车总量;Pc,n(t),Pdc,n(t)分别表示第n辆电动汽车在时段t下的充电、放电功率。
研究区域电动汽车集群商业价值
3.1 区域电动汽车集群充放电仿真结果分析
1、仿真场景及参数设置
为验证本章提出的电动汽车充放电策略的有效性。区域配电变压器下带有基础负荷和电动汽车负荷,变压器的额定容量为5000kVA。区域电动汽车保有量为200辆,单台电动汽车的电池容量为64kWh,电池最小SOC为0.3,电动汽车采用常规充电模式进行充放电,最大充电功率为7kW,充电效率为0.9;最大放电功率为7kW,放电效率为0.85。电动汽车充电电价采用昆明市居民用户分时电价,即7:00-12:00及17:00-21:00为峰电价0.8892元/kWh,即12:00-17:00及21:00-24:00为平电价0.6142元/kWh,0:00次日7:00为谷电价0.3393元/kWh,电动汽车放电电价采用参考分时电价,即峰电价1.4元/kWh,平电价0.9元/kWh,谷电价0.2元/kWh,电动汽车用户期望离开充电桩时的SOC均设定为0.9,如表3.1所示。
表3.1 场景参数设置
参数 | 值 |
车辆N | 200辆 |
目标SOC | 0.9 |
充电功率P | 7kW |
充电效率η | 0.9 |
放电效率 | 0.85 |
电池容量C | 64kWh |
每公里平均耗电 | 0.21kW/km |
车辆单程距离 | 8~40km |
2、电动汽车有序充放电策略仿真
图3.2表示加入电动汽车充放电后的负荷特性曲线,绿色线为基于用户花费最小的特性曲线与图中蓝色线相比,我们可以发现其在8点~11点的峰值有较大幅度的下降,在18点左右时出现的高峰有些许下降,在谷时段有较为明显的负荷上升。这是由于在8时至11时电动汽车SOC较为充裕,可实现放电的车辆要高于充电车辆,18时电动汽车对负荷峰值影响较小是因为此时放电车辆略大于充电车辆,在不影响用户基本用车行为的前提下也一定程度上解决了峰上加峰的问题。谷值时由于充电电价优惠,较多车辆此时再接入电网充电,所以谷时负荷显著增加。比较优化前后的电网负荷总曲线,我们发现在此策略下通过对电动汽车加以调控,具有减小峰值时刻功率,显著增加谷值时刻用电功率的作用。
图3.2 电动汽车有序充放电对电网的负荷影响曲线
图3.2是有序充放电控制策略下的负荷曲线,有一定的削峰和填谷的能力,峰谷差较无序充电减少8.52%。虽然这个仿真结果能看到有序充电的峰谷差甚至要比有序充放电的还好一点点,但是从收益方面会有明显的差别。电动汽车通过充放电可以达到获利的结果。
3.2 电动汽车及台区成效商业价值分析
最后对仿真曲线的方差、峰谷差以及用户费用进行了对比,如表3.2和3.3所示,这里虚拟获益代表的是收益与减少支出的和,虽然总费用仅有28.5元,但相对于无序充电的情况,节省了2344.2元,得出V2G模式下电动汽车通过有序充放电的方式可以获取一定收益,可通过综合考虑电动汽车车主,聚合商Error: Reference source not found以及区域电网三方间的利益博弈关系进一步分析。
表3.2 优化曲线负荷方差及峰谷差对比
负荷曲线 | 负荷方差 | 峰值(kW) | 谷值(kW) | 峰谷差率 |
原区域负荷 | 228760 | 4083.4 | 2576.0 | 36.92% |
无序充电 | 237690 | 4309.9 | 2592.7 | 39.84% |
有序充放电 | 175520 | 4036.9 | 2772.3 | 31.32% |
有序充电 | 183640 | 4083.4 | 2826.2 | 30.78% |
以上的仿真数据建立在缺少政策支持的情形下,放电电价采用的也较为保守,但是仍然可以从仿真结果图3.3及表3.3看出,在整个V2G的过程中,电动汽车车主及聚合商都是可以获取到一定收益的,区域电网下的负荷曲线也一定程度上更加稳定,更重要的是,区域电网不需要因为电动汽车的大量接入而更新电网架构,也就直接减少了电网的扩容支出,通过博弈关系可知,电网端减少的支出可以按照比例提取用于V2G的激励措施,补偿电动汽车车主及聚合商的商业生存空间。
图3.3不同控制策略下收益对比图
表3.3 电动汽车用户费用及收益对比
充电控制方式 | 充电费用(元) | 放电收益(元) | 虚拟获益(元) | 总费用(元) |
无序充电 | 2315.7 | 0 | 0 | 2315.7 |
有序充电 | 972.8 | 0 | 1342.9 | 972.8 |
有序充放电 | 1108.5 | 1137 | 2344.2 | -28.5 |
结语
本文完成了电动汽车有序充放电的策略分析,通过对仿真结果进行分析,总结出区域内电动汽车通过集群有序调度能够充分支持电网的稳定运行。然后以电动汽车的申报调度容量、用户信用度、电池折损情况、以及用户参与度为评价指标,建立电动汽车集群的系统评价指标模型,并通过基于加速遗传算法的优化组合赋权法确定各个指标的综合权重,获得集群内各电动汽车调度的优先顺序,以确定各时段不同节点处代理商的实际可调度容量。最后结合电网调度机构给定的调度需求,对集群内电动汽车的调用安排做出调整以尽可能与电网计划相一致。通过算例仿真得出如下结论:
(1)通过调整电动汽车集群的充放电时段,电动汽车一方面能有效完成削峰填谷的任务,另一方面也可以在充放电的过程中获取收益。
(2)本文提出的控制策略可确保电动汽车在参与V2G的同时,不影响电动汽车用户的行驶需求,有利于V2G技术的推广。
本文针对电网无力应对未来大规模电动汽车集有序充放电的问题,以及电动汽车V2G过程中可实现反向供电的情况,提出一种电动汽车有序充放电控制策略。在目前大规模电动汽车及其配套措施快速发展的情况下,算例仿真证明本文所提的控制策略,能够合理分配电动汽车在接入电网后的充放电功率,不仅可以获取一定收益,还有效解决了区域内电网架构的扩容问题。
参考文献
刘晓飞.电动汽车V2G系统及充放电控制策略研宄[D].哈尔滨工业大学,2015
王仇,管晓宏,吴江,等.基于车辆行驶行为特性建模的电动汽车充放电策略与分析[J]电网技术,2014,38(09) 2322-2327.
闫志杰,张蕊萍,董海鹰,等.基于需求响应的电动汽车充放电电价与时段研究[J].电力系统保护与控制,2018,41(15)16-22
万寿雄. 基于电价响应的电动汽车充放电策略研究[J].四川电力技术,2018,41(2)90-94.
田培. 考电动汽车聚合商参与日前市场的运营优化与竞标策略研究[D]. 智慧电力, 华北电力大学(北京):11-14.
作者简介:
黄炜(1970—),男,本科,云南电网能源投资有限责任公司,从事储能、市场化售电、智慧用电、共享用电、电动汽车充电服务等研究工作。
10