黃景光,鄭欽杰,林湘寧,黃靜梅,李江峽,張宇鵬

（1.三峽大學(xué) 電氣與新能源學(xué)院，湖北 宜昌443002；2.華中科技大學(xué) 電氣與電子工程學(xué)院，湖北 武漢430074）

0 引言

電動汽車（EV）接入電網(wǎng)將產(chǎn)生負(fù)荷增長[1]，若充電時缺乏有效的協(xié)調(diào)和管理會極大影響電網(wǎng)安全運行[2]。風(fēng)電出力的波動性與反調(diào)峰特性，容易使電網(wǎng)負(fù)荷在低谷時段產(chǎn)生嚴(yán)重的棄風(fēng)現(xiàn)象，不利于風(fēng)電的消納[3]。將電動汽車與風(fēng)電協(xié)同優(yōu)化調(diào)度，充分發(fā)揮電動汽車作為分布式儲能設(shè)備靈活可調(diào)的特點，可以有效降低兩者入網(wǎng)時對電網(wǎng)產(chǎn)生的負(fù)面影響[4]。

國內(nèi)外對電動汽車和風(fēng)電協(xié)同并網(wǎng)已有相關(guān)研究。文獻(xiàn)[5]建立了電動汽車與風(fēng)電協(xié)同并網(wǎng)的多目標(biāo)優(yōu)化模型，通過對電動汽車的優(yōu)化調(diào)度，適應(yīng)負(fù)荷與風(fēng)電的波動，最大程度地實現(xiàn)風(fēng)電消納，同時減小系統(tǒng)凈負(fù)荷峰谷差，促進(jìn)火電機(jī)組的經(jīng)濟(jì)運行。文獻(xiàn)[6]利用運營商調(diào)度電動汽車為風(fēng)電場提供備用服務(wù)，以風(fēng)電場運行經(jīng)濟(jì)效益最大為目標(biāo)，建立了電動汽車-風(fēng)儲混合系統(tǒng)聯(lián)合運行的日內(nèi)優(yōu)化模型。文獻(xiàn)[7]建立了以可再生能源利用率最大、微電網(wǎng)負(fù)荷波動最小以及電動汽車用戶收益最大的多目標(biāo)優(yōu)化模型，并利用加權(quán)系數(shù)轉(zhuǎn)換為單目標(biāo)進(jìn)行求解。文獻(xiàn)[8]針對分布式風(fēng)電出力的不確定性，對配電網(wǎng)中的風(fēng)電和電動汽車充電樁進(jìn)行聯(lián)合優(yōu)化配置，提出考慮購電成本、網(wǎng)損成本、投資成本以及棄風(fēng)成本的魯棒規(guī)劃模型。文獻(xiàn)[9]建立了計及需求側(cè)響應(yīng)的電動汽車與風(fēng)電協(xié)同優(yōu)化調(diào)度的多目標(biāo)優(yōu)化模型，以價格機(jī)制引導(dǎo)電動汽車用戶的有序充電，并結(jié)合發(fā)電側(cè)資源，促進(jìn)風(fēng)電的消納。

以上文獻(xiàn)對于風(fēng)電出力日前預(yù)測誤差與電動汽車的不確定性考慮不夠全面。本文提出了一種充電站電動汽車與風(fēng)電協(xié)同入網(wǎng)的雙層優(yōu)化策略。首先，在上層日前優(yōu)化調(diào)度中，配電網(wǎng)調(diào)度中心綜合考慮電網(wǎng)、充電站運營商、風(fēng)電場三者的利益需求，以總負(fù)荷方差和電動汽車充電成本最低為目標(biāo)，在Matlab環(huán)境下調(diào)用Yalmip進(jìn)行求解，得到負(fù)荷指導(dǎo)曲線；然后，在下層日內(nèi)滾動優(yōu)化過程中，考慮到日前預(yù)測誤差以及電動汽車接入充電樁的實時數(shù)據(jù)，以負(fù)荷跟隨的方式，實現(xiàn)電動汽車和風(fēng)電實際等效負(fù)荷與負(fù)荷指導(dǎo)曲線偏差最?。蛔詈?，通過仿真算例驗證文章所提策略的有效性。

1 優(yōu)化調(diào)度模型框架

如圖1所示，優(yōu)化調(diào)度模型結(jié)構(gòu)主要由調(diào)度中心、充電站運營商、電動汽車用戶和風(fēng)電場4個部分組成，通過完善的數(shù)據(jù)交流平臺和能量傳輸通道，實現(xiàn)信息交互和電量傳輸。

圖1 優(yōu)化調(diào)度模型框架Fig.1 Framework of optimal scheduling model

配電網(wǎng)調(diào)度中心為信息的收集者和計劃的決策者。上層模型中，調(diào)度中心以今、明兩日12：00為一個調(diào)度周期，30 min為時間間隔，對風(fēng)電出力進(jìn)行日前預(yù)測，并收集電網(wǎng)的典型日負(fù)荷數(shù)據(jù)和運營商上傳的EV歷史數(shù)據(jù)，制定EV日前充放電計劃，并下發(fā)至運營商處。下層模型中，調(diào)度中心在每個時段（30 min）末對下一個時段的風(fēng)電出力進(jìn)行短期預(yù)測，將日前預(yù)測誤差傳輸?shù)竭\營商處，為運營商實現(xiàn)負(fù)荷實時跟隨提供數(shù)據(jù)。

充電站運營商為計劃的執(zhí)行者，根據(jù)調(diào)度中心下發(fā)的EV日前充放電計劃和風(fēng)電預(yù)測誤差計算得到各時段充放電車輛數(shù)。同時更新已接入的EV信息，計算EV參數(shù)，進(jìn)行隊列劃分和充放電優(yōu)先級排序，以負(fù)荷實時跟隨的方式，篩選出各時段的充放電車輛，并以充放電指令控制站內(nèi)智能充電樁的電能傳輸。

2 調(diào)度中心制定EV和風(fēng)電聯(lián)合負(fù)荷指導(dǎo)曲線

負(fù)荷波動會影響電網(wǎng)的安全穩(wěn)定和經(jīng)濟(jì)效益?？s小負(fù)荷峰谷差可以促進(jìn)均衡用電，提高電網(wǎng)負(fù)荷率，最大限度地達(dá)到電力供需平衡，實現(xiàn)電網(wǎng)經(jīng)濟(jì)運行[10]。運營商以經(jīng)濟(jì)效益為目的參與執(zhí)行充放電計劃，為提高充電站運營商參與EV充放電計劃的積極性，調(diào)度中心選擇部分EV組成放電樣本，對該部分車輛進(jìn)行充放電調(diào)度，而剩余車輛則只進(jìn)行充電調(diào)度，以此減小運營商的購電成本。因此，風(fēng)電與EV聯(lián)合入網(wǎng)時，調(diào)度中心將電網(wǎng)負(fù)荷波動和充電站運營商的購電成本最小為目標(biāo)函數(shù)。

式中：PLt為各時段基礎(chǔ)負(fù)荷；Pwt為風(fēng)電日前預(yù)測功率；T為總時段數(shù)；N為EV數(shù)量；uct，i為充電決策變量，當(dāng)EV處于充電狀態(tài)時取1，否則取0；udt，i為放電決策變量，當(dāng)EV處于放電狀態(tài)時取1，否則取0；PEV為電池的充放電功率；PLaν為EV與風(fēng)電入網(wǎng)后的日平均負(fù)荷。

（2）充電站運營商的購電成本最小

設(shè)第i輛EV t時刻電池電量為Qi，t，則電量連續(xù)性約束為

若電池容量為B，則EV斷開充電樁時，電池電量應(yīng)滿足用戶期望，即：

3 充電站運營商實時負(fù)荷跟隨

考慮到風(fēng)電預(yù)測誤差造成的風(fēng)電出力波動以及EV用戶返程、出行時間和電池剩余電量的不確定性，本文以日內(nèi)負(fù)荷實時跟隨的方式，實現(xiàn)EV與風(fēng)電聯(lián)合實際等效負(fù)荷曲線與指導(dǎo)負(fù)荷曲線偏差最小，以此求得實際各時段的充放電計劃，其表達(dá)式為

3.1 日前充放電計劃參數(shù)和日內(nèi)EV參數(shù)

運營商根據(jù)調(diào)度中心下發(fā)的EV日前充放電計劃功率曲線和風(fēng)電出力日前預(yù)測誤差，便可獲得計劃參數(shù)，即：

式中：Tin，Tout分別為EV接入和斷開充電樁的時間；Number為EV接入充電樁的編號；λ為EV綜合評價系數(shù)。

λ的影響因素包括返程時間Tin、歷史放電時段數(shù)Tdall和反向供電違約次數(shù)K。

由于3種影響因素的量綱不同，無法直接計算，因此，對各因素指標(biāo)進(jìn)行無量綱處理[11]，其表達(dá)式為

以上4個參數(shù)為靜態(tài)參數(shù)，在一個控制周期內(nèi)不發(fā)生改變。Td，SOC，Te和δ為動態(tài)參數(shù)，隨著EV參與充放電計劃而發(fā)生改變，參數(shù)含義與更新公式如下。

①荷電狀態(tài)（State of Charge，SOC）為電池剩余電量與電池容量的比值，隨著EV參與充放電計劃而改變，其表達(dá)式為

式中：SOCe，i為EV出行時用戶期望的電池荷電狀態(tài)；Tc，i為滿足用戶期望的最小充電時段數(shù)。

④δ為放電影響因子。若EV參與放電，則會導(dǎo)致期望充電時刻的前移，若EV的期望充電時刻小于充電調(diào)控的初始時刻，則可能造成充電計劃的偏差。因此，通過δ來判斷EV放電造成充電計劃偏差的大小，即：

3.2 有序充放電控制流程

充電站內(nèi)EV根據(jù)剩余電量、返程和出行時間可以分為3類：①當(dāng)EV接入充電樁的時間無法滿足用戶期望電量要求時，則立即安排EV進(jìn)行充電；②考慮到用戶因突發(fā)事件需要出行的可能，則EV電量應(yīng)高于臨界電量，以滿足用戶的臨時出行需求。故當(dāng)EV返程時剩余電量低于臨界電量時，則優(yōu)先將車輛充電至臨界電量，然后再進(jìn)行剩余需求電量的充電優(yōu)化；③當(dāng)用戶返程時剩余電量滿足臨界電量要求，且接入充電樁的時間在滿足自身充電需求時仍有剩余，則該車輛為充放電可調(diào)控車輛。因此，根據(jù)已接入的EV參數(shù)ΩEV可以劃分為緊急充電隊列、充放電可調(diào)控隊列以及充電完成隊列。若EV接入充電樁的時間無法滿足用戶期望電量，或者EV剩余電量小于臨界電量，則將車輛劃分到緊急充電隊列，在下一時段開始時刻立即充電。若EV電量已滿足用戶期望，且當(dāng)前時段位于充電計劃調(diào)控時段，則將車輛劃分至充電完成隊列。若EV未滿足以上兩個篩選條件，則將該EV歸入充放電可調(diào)控隊列。在實際充放電車輛篩選過程中，放電車輛優(yōu)先選擇Tdi＞0，且δi＞0中λ較大者；只有δi＞0車輛未滿足放電需求時，才從δi≤0的車輛中選擇λ較大者滿足放電需求；而充電車輛則優(yōu)先選擇Tei較小者，若Tei相等，則優(yōu)先選擇λ較大者滿足充電需求。運營商對EV的有序充放電控制流程如圖2所示。

圖2 有序充放電控制流程圖Fig.2 Orderly charging and discharging control flowchart

4 仿真及結(jié)果分析

4.1 參數(shù)設(shè)置

以某一居民區(qū)為例，若小區(qū)充電站內(nèi)有250輛EV，EV鋰電池的電池容量為32 kW·h，額定充放電功率為7 kW，充放電效率η為0.9。默認(rèn)用戶離開時的期望SOCe為95%，放電臨界SOCmin為20%。

根據(jù)2009年美國交通部對全美家庭用車出行規(guī)律的調(diào)查結(jié)果[12]，用戶最后一次返程接入到充電樁的時刻、用戶離家時刻均滿足正態(tài)分布，接入時刻的期望為17.47，標(biāo)準(zhǔn)差為3.41，離家時刻的期望為8.92，標(biāo)準(zhǔn)差為3.24，EV的日行駛里程對數(shù)的期望為2.98，標(biāo)準(zhǔn)差為1.14。由于用戶綜合評價系數(shù)中歷史充電時段數(shù)與違約次數(shù)缺乏實際數(shù)據(jù)，本文以用戶為首次參與充放電管理為例。在實際運用中，即可通過真實的歷史數(shù)據(jù)計算用戶的綜合評價系數(shù)中各項指標(biāo)得分，并以合適時間為期限清空歷史指標(biāo)，保證新、老用戶參與充放電管理的積極性。

充電站運營商向電網(wǎng)購電和售電電價與EV用戶在充電站內(nèi)的充放電電價如表1所示。

表1 分時電價Table 1 Time-of-use electricity price

日內(nèi)實際風(fēng)電功率通過對日前預(yù)測值設(shè)定10%以內(nèi)的隨機(jī)偏差模擬得到。為簡化計算，假設(shè)日內(nèi)短期預(yù)測的風(fēng)電出力與實際出力的誤差可以忽略不計。風(fēng)電出力日前預(yù)測曲線與實際曲線如圖3所示。

圖3 風(fēng)電實際功率與日前預(yù)測功率Fig.3 Wind power actual power and day ahead forecast power

4.2 仿真結(jié)果

為驗證所提EV有序充放電策略的有效性，采用蒙特卡洛模擬住宅區(qū)內(nèi)250輛EV的充電行為獲得2組EV數(shù)據(jù)，其中，第1組作為EV歷史數(shù)據(jù)，第2組作為EV的實際數(shù)據(jù)，設(shè)定放電樣本容量為50輛。通過仿真計算，比較一個調(diào)度周期內(nèi)EV無序充電和有序充放電情況下與風(fēng)電協(xié)同入網(wǎng)時，電網(wǎng)總體負(fù)荷峰谷差以及運營商經(jīng)濟(jì)效益等。

（1）EV無序充電情況下與風(fēng)電協(xié)同入網(wǎng)

無序充電情況下，當(dāng)EV最后一次返程接入充電樁后立即開始充電，直至滿足用戶的期望電量為止，如圖4所示。EV無序充電負(fù)荷將導(dǎo)致負(fù)荷峰值進(jìn)一步增大，而風(fēng)電出力的波動性與反調(diào)峰特性，則會導(dǎo)致負(fù)荷谷值減小，當(dāng)兩者協(xié)同入網(wǎng)時，使電網(wǎng)負(fù)荷峰谷差進(jìn)一步增大，對電網(wǎng)運行的安全性與經(jīng)濟(jì)性造成嚴(yán)重影響。

圖4 EV無序和風(fēng)電單獨入網(wǎng)與協(xié)同入網(wǎng)總負(fù)荷Fig.4 Total load of EV disorder and wind power entering the network separately and cooperatively

（2）EV有序充放電情況下與風(fēng)電協(xié)同入網(wǎng)

EV有序充放電情況下與風(fēng)電協(xié)同入網(wǎng)如圖5所示。為適應(yīng)風(fēng)電因預(yù)測誤差造成的實際出力波動，EV通過調(diào)整實際的充放電功率進(jìn)行補償。調(diào)度中心根據(jù)典型日負(fù)荷曲線、EV的歷史數(shù)據(jù)以及風(fēng)電出力日前預(yù)測曲線，以負(fù)荷方差最小為優(yōu)化目標(biāo)，得到EV和風(fēng)電的聯(lián)合負(fù)荷指導(dǎo)曲線，如圖6所示。

圖5 EV計劃負(fù)荷與實際負(fù)荷Fig.5 Planned load and actual load of electric vehicle

圖6 負(fù)荷跟隨示意圖Fig.6 Load following diagram

由圖5，6可以看出，EV和風(fēng)電實際等效負(fù)荷與負(fù)荷指導(dǎo)曲線基本吻合，但由于EV充電需求的滿足導(dǎo)致末尾時段出現(xiàn)較小的偏差，基本實現(xiàn)了負(fù)荷的實時跟隨，減小了風(fēng)電日前預(yù)測誤差造成實際出力波動的影響。

EV有序放電情況下與風(fēng)電協(xié)同入網(wǎng)時總負(fù)荷如圖7所示。相較于EV無序情況下與風(fēng)電協(xié)同入網(wǎng)，極大的縮小了負(fù)荷峰谷差，使負(fù)荷曲線更加平滑，提高了電網(wǎng)運行的經(jīng)濟(jì)性與安全性。

圖7 EV有序和無序放電情況下和風(fēng)電協(xié)同入網(wǎng)總負(fù)荷Fig.7 Total load of electric vehicle and wind power coordinated access under orderly and disordered conditions

（3）峰谷差和經(jīng)濟(jì)效益分析

表2分別列出了上述兩種場景下電網(wǎng)總負(fù)荷峰谷差和運營商的經(jīng)濟(jì)效益。

表2 仿真數(shù)據(jù)Table 2 Simulation data

由表2可知，EV和風(fēng)電有序協(xié)同入網(wǎng)時電網(wǎng)總負(fù)荷峰谷差僅為無序協(xié)同入網(wǎng)時的44.4%，有效減輕了電網(wǎng)用電高峰期的負(fù)荷壓力，提高電網(wǎng)的日負(fù)荷率，促進(jìn)均衡用電。運營商在有序充電情況下的收益為無序充電時的兩倍多，EV用戶的總充電成本也減小了400元左右，實現(xiàn)了充電站運營商與EV用戶之間的互利共贏。

5 結(jié)論

本文提出了EV與風(fēng)電協(xié)同入網(wǎng)的雙層優(yōu)化模型。其中：上層調(diào)度模型兼顧電網(wǎng)與充電站運營商的利益，以負(fù)荷方差和運營商購電成本最低為目標(biāo)，得到EV與風(fēng)電聯(lián)合負(fù)荷指導(dǎo)曲線；下層模型以EV與風(fēng)電實際等效負(fù)荷與負(fù)荷指導(dǎo)曲線偏差最小為目標(biāo)，進(jìn)行實時負(fù)荷跟隨。通過仿真分析，得出以下結(jié)論。

①風(fēng)電與EV協(xié)同入網(wǎng)可以有效減小電網(wǎng)的負(fù)荷波動，實現(xiàn)削峰填谷的目標(biāo)，促進(jìn)電網(wǎng)安全、穩(wěn)定、經(jīng)濟(jì)地運行。②將充電站內(nèi)EV與風(fēng)電協(xié)同調(diào)度以等效負(fù)荷形式接入電網(wǎng)，可以充分發(fā)揮EV作為分布式儲能設(shè)備靈活可調(diào)的特點，減小風(fēng)電出力預(yù)測誤差的影響，促進(jìn)風(fēng)電消納。因此，風(fēng)電場可以給予充電站運營商一定的經(jīng)濟(jì)補償，提高運營商參與協(xié)同調(diào)度的積極性。③調(diào)度中心給予一定的放電容量，能夠大大減小運營商的購電成本，而運營商可以通過制定合理的電價吸引用戶參與充放電管理，實現(xiàn)運營商與EV用戶之間的互利共贏。

本文提出的充放電優(yōu)化策略充分考慮電網(wǎng)、運營商和風(fēng)電場三者的利益需求，通過EV與風(fēng)電的協(xié)同入網(wǎng)，滿足用戶充電需求的同時促進(jìn)風(fēng)電的消納。但運營商安排EV進(jìn)行實時負(fù)荷跟隨的準(zhǔn)確性與參與充放電管理的EV負(fù)荷總體水平有關(guān)，當(dāng)EV實際負(fù)荷水平與歷史水平相差較大時，容易造成末尾時段的負(fù)荷偏差。因此，在后續(xù)研究中，將考慮如何減輕EV負(fù)荷總體水平偏差較大時的影響。