電動汽車ev調(diào)峰能力提升方案

電動汽車ev調(diào)峰能力提升方案

1ev充電系統(tǒng)運(yùn)行特性為了實現(xiàn)節(jié)能、減少排放和清潔能源的使用，國家采取了兩個重要措施。一是顯著提高能源效率，如能源能源和太陽能。另一方面，我們大力發(fā)展電動汽車，減少對石化燃料的需求。隨著并網(wǎng)風(fēng)電容量的增加,系統(tǒng)調(diào)峰能力不足成為限制風(fēng)電出力的主要因素。目前,提高風(fēng)電并網(wǎng)能力的策略多集中于電源側(cè),如將風(fēng)電與火電、水電等常規(guī)能源捆綁上網(wǎng),以平穩(wěn)發(fā)電出力,但未涉及負(fù)荷側(cè)的控制。相比風(fēng)電的隨機(jī)性,EV充電負(fù)荷的可控性為風(fēng)電消納提供了契機(jī)。在EV大規(guī)模應(yīng)用時,系統(tǒng)中將出現(xiàn)EV用戶和EV運(yùn)營商2類新主體。目前針對EV充電的優(yōu)化研究多集中于電網(wǎng)、EV運(yùn)營商和EV用戶三方面:在電網(wǎng)側(cè),文獻(xiàn)分別通過集中、分散的控制方式,對EV充電、家庭用電進(jìn)行直接控制,實現(xiàn)系統(tǒng)負(fù)荷特性的優(yōu)化和峰谷差的減小;文獻(xiàn)在某地區(qū)對多個充電點(diǎn)進(jìn)行日前負(fù)荷預(yù)分配,并通過多個站點(diǎn)之間實時負(fù)荷分配控制,實現(xiàn)系統(tǒng)整體運(yùn)行費(fèi)用的優(yōu)化;文獻(xiàn)確立了負(fù)荷轉(zhuǎn)移、頻率控制與EV充電負(fù)荷關(guān)系的模型,通過運(yùn)營商集中控制EV的充電過程,實現(xiàn)負(fù)荷轉(zhuǎn)移與頻率控制。針對EV運(yùn)營商,文獻(xiàn)中由EV運(yùn)營商完成用戶的電能補(bǔ)給,實現(xiàn)運(yùn)營費(fèi)用最小或利益最大。上述文獻(xiàn)中涉及的電價政策均為實時電價;相比實時電價,分時電價在我國更具有適用性,將在智能電網(wǎng)負(fù)荷側(cè)管理中扮演重要角色。以上研究中的控制策略都以滿足EV用戶的充電需求為前提,但都未涉及用戶的經(jīng)濟(jì)性:文獻(xiàn)中結(jié)合分時電價、電池荷電狀態(tài)與充電功率的關(guān)系,優(yōu)化充電過程,在降低用戶充電費(fèi)用的同時實現(xiàn)了負(fù)荷轉(zhuǎn)移;文獻(xiàn)以火電和新能源的差異電價為基礎(chǔ),以用戶充電費(fèi)用最小為目標(biāo)、用戶充電行為調(diào)整為手段,在實現(xiàn)充電費(fèi)用優(yōu)化的基礎(chǔ)上分析了EV充電對電網(wǎng)消納新能源的影響。結(jié)合目前EV的發(fā)展趨勢,EV的電能補(bǔ)給主要由電網(wǎng)提供。因此,分析EV充電對系統(tǒng)運(yùn)行的影響應(yīng)主要考慮EV用戶和電網(wǎng)兩方面的協(xié)調(diào)。綜合以上研究,本文建立了兩階段的優(yōu)化策略,如圖1所示,以確定規(guī)?；疎V充電與風(fēng)力/火電發(fā)電系統(tǒng)協(xié)調(diào)運(yùn)行機(jī)制:第一階段,在負(fù)荷側(cè),以優(yōu)化用戶充電費(fèi)用為目標(biāo),結(jié)合分時電價和充電協(xié)議,通過充電過程的優(yōu)化,獲得智能充電方式下的EV充電負(fù)荷;第二階段,在電網(wǎng)側(cè),建立了以低發(fā)電成本、低污染和低棄風(fēng)量為目標(biāo)的多目標(biāo)動態(tài)清潔調(diào)度模型,采用了基于MODE的改進(jìn)微分進(jìn)化算法(EnhancedMulti-ObjectiveDifferentialEvolution,EMODE)對模型進(jìn)行求解,以確定規(guī)?；疎V充電與風(fēng)力/火電發(fā)電系統(tǒng)協(xié)調(diào)運(yùn)行機(jī)制,并分析了EV規(guī)模和備用對系統(tǒng)運(yùn)行的影響。2影響ev充電負(fù)荷的因素EV充電負(fù)荷是用戶充電需求的電能反映,體現(xiàn)于充電設(shè)施處,如圖2所示。因此,影響EV充電負(fù)荷的因素包含用戶的行為特性和EV的充電特性。用戶的行為特性包含:日行駛里程dis、充電起始時間ton;EV的充電特性包含EV的充放電特性、充電功率pc?？刂朴脩舫潆娦袨闀r,須滿足用戶設(shè)定的停止充電時間toff。2.1ev充電需求參數(shù)針對用戶的行為特性,文獻(xiàn)中將燃油車用戶的行為特性映射至EV用戶;同時,因不同用途EV的行駛規(guī)律差異較大,文獻(xiàn)中依據(jù)EV的用途對用戶進(jìn)行歸類處理,并研究各類用戶的行為特性。為便于分析,本文將EV分為公務(wù)、商務(wù)和私人3種,具體參數(shù)假設(shè)見附表1。用戶的充電電量需求與用戶上次充電后的行駛里程有直接關(guān)系,即式中,Prequire,i為EVi的充電電量需求;αi為上次充電至此次充電的天數(shù),記為充電天系數(shù);dis,i為用戶i的日行駛里程;pd,i為EVi的單位里程耗電量;η為充電效率。2.2不同充電功率差異的充電方式目前,動力電池多采用恒流-恒壓的2階段方式進(jìn)行充電,充電過程中充電機(jī)直流側(cè)功率近似恒定?！峨妱悠噦鲗?dǎo)式接口》規(guī)定不同充電地點(diǎn)的充電設(shè)施具有差異的額定充電功率,本文根據(jù)上述協(xié)議確定用戶在不同充電設(shè)施處的額定充電功率pcmax。根據(jù)控制類型的差異,充電方式可分為非控制充電、延遲充電、填谷充電和智能充電。依據(jù)北京地區(qū)的負(fù)荷峰谷劃分,各充電控制方式可具體描述為(1)非控制充電(2)延遲充電(3)填谷充電器(4)填谷充電控制式中,Δt為時間間隔,本文中取1h;ptc,i為用戶i在時段t的充電功率;pricet為時段t的電價水平;ton,i、toff,i為用戶i決定的接入電網(wǎng)和離開電網(wǎng)的時刻。充電方式與EV的用途和充電設(shè)施直接相關(guān)。因公務(wù)車和商務(wù)車具有相對固定的行為特性,較易控制,且填谷充電可有效減小系統(tǒng)峰谷差,提高設(shè)備利用率等優(yōu)點(diǎn);所以,本文中公務(wù)車和商務(wù)車僅進(jìn)行填谷充電。私人用戶在規(guī)模較大時,對充電負(fù)荷必然產(chǎn)生顯著影響。因私人用戶在商場充電時間有限,控制難度大,因此不對其進(jìn)行控制;只針對私人用戶在家庭充電和辦公地點(diǎn)的充電進(jìn)行優(yōu)化。為便于分析,構(gòu)建了4種情景,見表1。2.3ev總量、uf065it用戶特性概述為獲得EV的充電負(fù)荷,需獲知時刻t接入電網(wǎng)充電的EV數(shù)量及隨時間變化的充電功率,結(jié)合用戶的充電狀態(tài)和充電天系數(shù),可確定電網(wǎng)中的充電負(fù)荷Pct為式中,N為EV總量;uf065it為EVi在t時刻接入電網(wǎng)狀態(tài)表述,即在給定的充電方式下,結(jié)合用戶的行為特性,根據(jù)式(1)~式(4),即可獲得由于EV充電產(chǎn)生的充電負(fù)荷。由于EV數(shù)量巨大,為便于控制,需對不同類型EV用戶按照行為特性進(jìn)行歸類處理。本文采用蒙特卡洛抽樣生成用戶行為特性和充電需求后,以ton、toff和Prequire為分類指標(biāo),采用k-均值法對其進(jìn)行歸類,獲得每類EV的聚類中心及其包含EV數(shù)量,結(jié)合表1中的各類型EV的充電方式,從而獲得最終充電負(fù)荷。3系統(tǒng)清潔負(fù)荷預(yù)測模型根據(jù)場景分析,得到第一階段優(yōu)化后的EV充電負(fù)荷。在給定EV充電負(fù)荷和地區(qū)負(fù)荷時,考慮調(diào)峰裕度,優(yōu)先滿足風(fēng)電并網(wǎng)。因風(fēng)電的消納能力由系統(tǒng)的負(fù)調(diào)峰能力決定,與火電機(jī)組的出力直接相關(guān);且火電機(jī)組出力的變動將引起機(jī)組發(fā)電成本和污染物排放的變化;因此,在滿足系統(tǒng)安全穩(wěn)定的基礎(chǔ)上,可通過優(yōu)化火電機(jī)組的出力,以降低系統(tǒng)的發(fā)電成本、污染物排放量和棄風(fēng)量。目標(biāo)函數(shù)1:系統(tǒng)發(fā)電成本最小式中,F為發(fā)電成本;T為調(diào)度時段數(shù),本文取為24h;NG為系統(tǒng)內(nèi)火電機(jī)組數(shù)量;Nw為系統(tǒng)內(nèi)風(fēng)電場數(shù);Pit為火電機(jī)組i時段t的有功出力;Fit(Pit)為火電機(jī)組i的耗量特性,考慮閥點(diǎn)效應(yīng)的火電機(jī)組耗量特性為式中,ai、bi、ci、ei、fi為燃料費(fèi)用系數(shù);Pmin,i為火電機(jī)組i的有功出力下限;Pwt,i為系統(tǒng)在時段t第i個風(fēng)電場的計劃發(fā)電量;Wit為風(fēng)電場的運(yùn)行費(fèi)用,與Pwt,i的關(guān)系可由線性函數(shù)表示為式中,ωi為風(fēng)電場i的運(yùn)行費(fèi)用系數(shù)。目標(biāo)函數(shù)2:最小污染物排放火電機(jī)組是電力系統(tǒng)中污染物的排放大戶,在制定調(diào)度方案時,應(yīng)優(yōu)化機(jī)組出力以降低污染物排放量:式中,αi,βi,γi,λi,δi為火電機(jī)組的污染物排放系數(shù),文中以NOx為例。目標(biāo)函數(shù)3:最小棄風(fēng)量風(fēng)電在發(fā)電過程中,不產(chǎn)生污染物,為清潔能源,應(yīng)優(yōu)先上網(wǎng)。在不考慮火電機(jī)組啟停時,風(fēng)電并網(wǎng)上限為火電機(jī)組的極限負(fù)調(diào)峰能力,即在考慮負(fù)荷預(yù)測精度和EV充電負(fù)荷的不確定性時,上式擴(kuò)展為式中,ΔPtmax、PLt、Ptloss、PtLr、Ptmin,i、βlr和βcr分別為t時刻火電機(jī)組的極限負(fù)調(diào)峰、系統(tǒng)負(fù)荷、網(wǎng)損、系統(tǒng)備用容量、火電機(jī)組i的最小出力、地區(qū)負(fù)荷Ptlocal和EV充電負(fù)荷Pct的備用需求系數(shù)。因此,可獲得在t時刻風(fēng)電場i計劃發(fā)電量為式中,Pwt,i和Pwr,i分別為風(fēng)電場i在t時刻的實際可發(fā)電量和額定容量。由上可知,在調(diào)度時段內(nèi)棄風(fēng)電量最小可表述為約束條件:(1)平衡能量限制(2)機(jī)組的生產(chǎn)限制式中,Pmin,i、Pmax,i分別為第i臺火電機(jī)組有功出力下限、上限。(3)出力容許的最大上可穩(wěn)定分布式中,UG,i、DG,i分別為第i臺火電機(jī)組在相鄰時段出力容許的最大上升值和下降值?？色@得機(jī)組i時刻t有功出力的上、下限為式中,Ptmin,i和Ptmax,i為第i臺火電機(jī)組在時刻t的最小和最大出力。(4)系統(tǒng)負(fù)荷正勻性式中,Stus為時刻t系統(tǒng)的總正備用;Stu,i為火電機(jī)組i時刻t提供的正備用;L%為系統(tǒng)負(fù)荷的正備用系數(shù);wu%為風(fēng)電出力減小對正旋轉(zhuǎn)備用的需求系數(shù)。4改進(jìn)的多目標(biāo)微分微分算法(1)這個群體始于歷史(2)快速組織(3)操作不同的方法(4)選擇操作(5)向可行域進(jìn)化求解含約束的優(yōu)化問題時,多采用罰函數(shù)法,通過將違反約束的程度并入目標(biāo)函數(shù)中考慮,實現(xiàn)算法向可行域進(jìn)化。但懲罰因子難以選取,因此本文采用了文獻(xiàn)中的個體修正策略,實現(xiàn)個體的可行化。5計算與分析5.1電動汽車充電負(fù)荷模型本文采用的10臺火電機(jī)組參數(shù)及排污特性見文獻(xiàn),日負(fù)荷水平、地區(qū)電價,見附表2;不計網(wǎng)損。系統(tǒng)總裝機(jī)容量為2969MW:其中火電機(jī)組為2368MW;風(fēng)電為600MW,占總裝機(jī)容量的20.21%。結(jié)合我國電動汽車的發(fā)展規(guī)劃,在2021~2030年私人電動汽車將獲得廣泛的發(fā)展。根據(jù)《中國汽車產(chǎn)業(yè)報告(2008)》的預(yù)測表明,在2030年中國的私家車與公共車輛的數(shù)量分別為17638和1800萬輛,比例近似為10∶1。因此,本文假設(shè)此地區(qū)含有私人車輛為10萬輛,商務(wù)和公務(wù)車共1萬輛,詳見附表1。依據(jù)文獻(xiàn)中的假設(shè),私人用戶在家庭、工作地點(diǎn)和商場充電的比例分別為0.7∶0.2∶0.1。其他的參數(shù)假設(shè)見附表1。由于采用隨機(jī)抽樣的方法獲得的風(fēng)電機(jī)組出力不能反映出風(fēng)電在時序上的聯(lián)系,且無法體現(xiàn)風(fēng)電的反調(diào)峰特性;因此本文采用國內(nèi)某裝機(jī)容量為100MW風(fēng)電廠的實際出力,將其典型日出力按比例擴(kuò)展至裝機(jī)容量為600MW,見附表2。在負(fù)荷側(cè),結(jié)合電動汽車充電負(fù)荷模型,各情景下系統(tǒng)中的充電負(fù)荷曲線如圖3所示。其余參數(shù)設(shè)置為:風(fēng)電運(yùn)行費(fèi)用ωi為20$/MW;風(fēng)電正備用系數(shù)wu%為20%;βlr和βcr初始選為5%和20%。種群規(guī)模為60;正交數(shù)組中分層數(shù)為9,正交指數(shù)值為2;最大迭代次數(shù)為1000。5.2風(fēng)、電、氣互聯(lián)運(yùn)營分析5.2.1夜間充電行為對系統(tǒng)棄風(fēng)力的影響四種情景下獲得的Pareto前沿如圖4所示。選取最優(yōu)折中解后,各情景下的最優(yōu)折中解對比見表2。對上述最優(yōu)折中解的分析中除考慮各目標(biāo)函數(shù)外,還應(yīng)考慮棄風(fēng)時段、棄風(fēng)時段中的最大棄風(fēng)量及棄風(fēng)量占此時段風(fēng)電出力的最大比例。通過圖4和表2的分析發(fā)現(xiàn),充電方式對系統(tǒng)運(yùn)行產(chǎn)生了直接影響:隨著充電方式的變化,風(fēng)電的棄風(fēng)量、系統(tǒng)的發(fā)電成本和排污水平發(fā)生了顯著變化。通過情景2與情景1的對比可知,發(fā)電成本、污染物排放和棄風(fēng)量分別降低:1.32%、0.32%和30.74%,說明僅將私人用戶晚間充電行為與負(fù)荷高峰錯開,即可優(yōu)化系統(tǒng)運(yùn)行,顯著降低系統(tǒng)的棄風(fēng)量。情景3與情景2相比,將私人用戶在晚間的充電行為推遲至峰谷時刻,使系統(tǒng)的負(fù)荷曲線更平穩(wěn),各目標(biāo)函數(shù)分別降低了0.44%、6.95%和30.76%。情景4與情景3相比,在晚間的充電負(fù)荷近似相同,說明通過分時電價引導(dǎo)用戶充電可獲得與填谷充電一致的效果,獲得了近似的棄風(fēng)量:370.74MW和347.34MW;但日間的充電行為調(diào)整,進(jìn)一步降低了系統(tǒng)的負(fù)荷波動,使系統(tǒng)的發(fā)電成本和污染物排放分別降低了0.02%和0.59%。綜上所述,規(guī)?；疎V下,對系統(tǒng)運(yùn)行最好的充電控制方式為:私人用戶采用智能充電方式充電,公務(wù)、商務(wù)車采用填谷充電。5.2.2ev規(guī)模對風(fēng)力/用電發(fā)電系統(tǒng)運(yùn)行的影響由式(4)可知,EV充電負(fù)荷與EV規(guī)模有直接關(guān)系,因此需分析EV規(guī)模對風(fēng)電接納能力的影響。假設(shè)各類EV比例恒定,以原定狀態(tài)下為常態(tài),以EV規(guī)?！?0%波動為非常態(tài),在情景4下分析EV規(guī)模對風(fēng)力/火電發(fā)電系統(tǒng)運(yùn)行的影響。獲得的Pareto前沿如圖5所示,最優(yōu)折中解對比見表3。通過圖5和表3可知,隨著EV規(guī)模的增加,負(fù)荷增加,棄風(fēng)量顯著減小,限風(fēng)時段和最大限風(fēng)比例也顯著減低,使得系統(tǒng)的污染物排放水平降低;但由于隨著負(fù)荷的增長,火電機(jī)組出力上升,使得系統(tǒng)的發(fā)電成本顯著增長,由1799151.67$上升至1801800.28$。5.2.3cr對pareto性能的影響在式(13)中,因EV負(fù)荷的隨機(jī)性,系統(tǒng)中需留有一定的負(fù)備用。若提高EV充電負(fù)荷的預(yù)測精度,會對風(fēng)電的接納能力產(chǎn)生正面的影響。為確定EV充電負(fù)荷備用系數(shù)對風(fēng)電接納能力的影響,文中分別取βcr為20%、15%、10%和5%,在情景4下,各備用系數(shù)下的Pareto前沿如圖6所示,最優(yōu)折中解見表4。各備用系數(shù)下的最優(yōu)折中解見表4。通過表4中最優(yōu)折中解的分析可知,隨著βcr的降低:系統(tǒng)的棄風(fēng)量由347.34MW下降至284.84MW,系統(tǒng)的排污量由126540.51lb下降至120747.81lb;但隨著火電機(jī)組出力的逐漸減小,其運(yùn)行偏離經(jīng)濟(jì)性的最優(yōu)點(diǎn),使系統(tǒng)的發(fā)電成本先降低后升高。6ev充電對風(fēng)力/火力發(fā)電系統(tǒng)運(yùn)行影響的仿真研究(1)本文首先建立了針對不同用戶的差異充電策略,以優(yōu)化EV用戶充電,并形成不同的充電情景,明確了EV充電負(fù)荷對系統(tǒng)負(fù)荷的影響;隨后,在考慮火電機(jī)組負(fù)調(diào)峰和備用需求的前提下,建立了以系統(tǒng)發(fā)電低成本、低污染和風(fēng)電棄風(fēng)量小為目標(biāo)的動態(tài)清潔調(diào)度模型,明確了規(guī)模化EV充電對風(fēng)力/火電發(fā)電系統(tǒng)運(yùn)行產(chǎn)生影響的機(jī)理。(2)采用改進(jìn)微分進(jìn)化算法求解動態(tài)清潔調(diào)度模型,確定了充電方式、EV規(guī)模和EV備用對風(fēng)電/火力發(fā)電系統(tǒng)運(yùn)行的影響:基于分時電價的智能充電方式對系統(tǒng)運(yùn)行最好;隨著EV規(guī)模的增加,系統(tǒng)的發(fā)電成本上升,而污染物排放和棄風(fēng)量遞減;隨著EV備用的減小,系統(tǒng)的污染物排放和棄風(fēng)量遞減,但系統(tǒng)的發(fā)電成本先下降后上升?；谧顑?yōu)條件的正交優(yōu)化設(shè)計用戶結(jié)束行駛后即進(jìn)行充電,充電過程持續(xù)至滿電。用戶在負(fù)荷高峰期后開始充電,持續(xù)至滿電;此種充電行為更符合用戶的行為特性文中假設(shè)延遲充電的起始時間為23:00。峰谷時刻,EV的起始充電時間可被調(diào)度,行為具有預(yù)見性,在規(guī)定的時段內(nèi)服從相應(yīng)的分布;為避免因EV大量瞬時接入而形成沖擊負(fù)荷,EV充電起始時間在0:00~3:00內(nèi)服從均勻