電動汽車充電機充電蓄電池充放電優化基于實時電價的策略和經濟調度模型
《電工技術學報》2016年增刊1上撰文指出,實時電價為優化電動汽車(EV)充電機充電蓄電池充放電負荷提供了手段,從而實現經濟調度。首先建立用戶最優充電機充電蓄電池充放電策略模型:以計及EV充電機充電蓄電池退化成本的用戶成本最小為目標,以滿足EV行駛荷電狀態和充電機充電蓄電池充放電荷電狀態等為約束。
在此基礎上建立電動汽車用戶實時電價響應模型,通過實時電價計算用戶充電機蓄電池充電成本,使電動汽車充電機充電蓄電池充放電負荷與電價聯動調整,并將該模型嵌入電動汽車充電機充電蓄電池充放電策略優化目標函數。求解過程中,用“停泊時長”確定單車一日可多次充電機充電蓄電池充放電的時段和行駛時段,從而在EV可充電機充電蓄電池充放電時長范圍內優化每時段充電機充電蓄電池充放電負荷。
最后建立經濟調度模型:目標中計及機組閥點效應、約束中考慮EV充電機充電蓄電池充放電負荷以及機組爬坡速率等限制的多目標經濟調度模型,提出一種改進模式搜索算法求解該時間耦合、非線性、非凸模型。以IEEE 39節點為例,驗證了所建立模型和求解算法的有效性。
大量電動汽車(Electric Vehicle,EV)無序充電機蓄電池充電會影響電網安全經濟運行[1]。引導電動汽車有序充電機充電蓄電池充放電,可以為電網、用戶及社會帶來效益[2]。通過實時電價引導電動汽車充電機充電蓄電池充放電,既能優化充電機充電蓄電池充放電負荷,又能優化機組出力,使用戶側和電網側的技術經濟性最佳。
電價對于電動汽車負荷的時空分布有著重要影響[3,4]。文獻[5]針對電動汽車調度機構建立了V2G(vehicle to grid)模式和分時電價制度與負荷波動的多目標優化模型,但是沒有考慮電動汽車可調用時間等。文獻[6]設計了電動汽車充電機充電蓄電池充放電峰谷時段與峰谷電價優化模型,但是沒有考慮用戶側經濟效益。文獻[7]利用回歸模型研究了實時電價與負荷、風機出力、水電出力、燃氣和燃煤價格之間的關系,但是對電動汽車行駛模式考慮不夠充分。
文獻[8]指出,充電機充電蓄電池退化成本和實時電價帶來的不確定性在V2G車主經濟性中有很大影響,并利用Bertsimas的魯棒模型對電價變動影響進行建模,但是本文的模型建立在線性優化基礎上。另外在分時電價下會出現大量用戶同時對電價模型作出響應可能會引發新的負荷高峰,即“雪崩效應[9]”。目前關于分時電價研究較多,但是電動汽車以實時電價充電機充電蓄電池充放電的研究較少,在這個過程中對充電機充電蓄電池循環充電機充電蓄電池充放電退化成本的考慮更少。
將電動汽車充電機充電蓄電池充放電納入電網調度能帶來效益[10],國內外學者已經在含電動汽車的經濟調度優化方面做出了一些研究,包括考慮火電、風電、V2G儲能負荷的安全約束發電調度[11,12]、基于燃料成本優化的電動汽車智能機組優化[13]、智能電網環境下電動汽車動態經濟調度[14]等。已有的研究針對電動汽車的約束都做了簡化處理,在考慮經濟效益時很少計及電動汽車行駛模式、基本行駛需求、充電機充電蓄電池退化成本等。
本文提出一種EV充電機充電蓄電池充放電負荷與實時電價聯動優化模型,以用戶成本最小優化EV充電機充電蓄電池充放電負荷,電網基于此負荷進行經濟調度。由于電動汽車V2G循環充電機充電蓄電池充放電對充電機充電蓄電池壽命帶來影響,計及充電機充電蓄電池退化成本。EV充電機充電蓄電池充放電策略優化時采用了依據“停泊時長”確定充電機充電蓄電池充放電時長限制的優化求解策略;對于含閥點效應、機組爬坡出力的時間耦合、非線性、非凸多目標優化問題,提出以模式搜索(pattern search)算法為核心、并用遺傳算法確定初值及拉格朗日罰函數確定約束條件的混合求解算法。
以IEEE 39節點為例,對大規模電動汽車入網負荷、電價、機組出力等進行了仿真,分析了EV負荷對電網電壓、潮流的影響等,驗證了模型的有效性。
圖1 納米磷酸鐵鋰充電機充電蓄電池循環次數-壽命曲線關系
結論
1)分別建立了EV最優充電機充電蓄電池充放電策略模型、實時電價模型和經濟調度模型并進行求解。結論表明,實時電價在電網側能夠優化含電動汽車的負荷曲線,減少系統峰谷差,在電壓、有功功率方面保證系統安全穩定,配合經濟調度優化機組出力,減少系統總成本;實時電價可以使用戶合理安排EV充電機充電蓄電池充放電計劃,取得良好的經濟性。
2)本文根據一階泰勒公式對電價曲線線性化處理,使負荷曲線峰谷差減小,但是還沒有完全平抑負荷波動,這與電價模型選取有關。下一步研究可以選取二階模型或者指數模型以及更加細致的電價參數以及具體的電價制定理論來呈現更加符合實際的關系。
- 上一篇:充電機充電蓄電池NCA材料產業化及生產技術發展現狀 2017/8/16
- 下一篇:【標準聚焦】充電機充電鋰電池標準化解析 2017/8/15
