中國儲能網(wǎng)訊：
摘 要 針對電力系統(tǒng)采用分時(shí)電價(jià)單一激勵(lì)下電動汽車有序充電難以應(yīng)對風(fēng)力發(fā)電與日內(nèi)負(fù)荷的供需變化，從而形成峰谷差的問題，提出一種基于電動汽車靈活儲能的分時(shí)電價(jià)與動態(tài)碳配額雙重激勵(lì)調(diào)度策略。首先，根據(jù)蒙特卡洛對電動汽車充電負(fù)荷進(jìn)行預(yù)測，并建立其電池?fù)p耗模型。在此基礎(chǔ)上，根據(jù)日前預(yù)測中各個(gè)時(shí)段不同供電設(shè)備的出力以及碳排放與碳配額的占比，在考慮微電網(wǎng)發(fā)電成本以及用戶期望荷電狀態(tài)的前提下以微電網(wǎng)并網(wǎng)功率均方差最小和用戶收益最大為優(yōu)化目標(biāo)。通過動態(tài)調(diào)整分時(shí)電價(jià)和階梯碳價(jià)，并運(yùn)用優(yōu)化的灰狼算法對模型進(jìn)行求解，制定出合理的充放電計(jì)劃以充分發(fā)揮電動汽車作為柔性負(fù)荷的特點(diǎn)，從而實(shí)現(xiàn)平抑微電網(wǎng)負(fù)荷曲線波動的目的。最后，將所提策略與無激勵(lì)和單一激勵(lì)策略進(jìn)行仿真分析對比，結(jié)果顯示負(fù)荷峰谷差分別降低了30.1%和18.6%，驗(yàn)證了其有效性和優(yōu)越性。同時(shí)車主用戶收益的提高和碳排放量的降低，驗(yàn)證了電動汽車的環(huán)保特性需要與清潔能源協(xié)同發(fā)展。
關(guān)鍵詞 電動汽車；雙重激勵(lì)；微電網(wǎng)；碳配額；階梯碳價(jià)
近年來，能源短缺和氣候變暖等問題日益嚴(yán)重，電動汽車(electric-vehicle，EV)因其經(jīng)濟(jì)、綠色、智能等優(yōu)點(diǎn)發(fā)展迅速，而隨著電動汽車-電網(wǎng)(vehicle to grid，V2G)技術(shù)的逐漸成熟，EV接入微電網(wǎng)得到普及。因?yàn)榍鍧嵞茉匆约癊V的充電具有隨機(jī)性和不確定性，這些特性會給系統(tǒng)造成線路過載、峰上加峰等危害，因此采用何種調(diào)度策略促使EV與微電網(wǎng)實(shí)現(xiàn)良性互動，降低其造成的負(fù)面影響是目前亟需解決的問題。
目前針對EV大規(guī)模、無序接入配電網(wǎng)影響供電可靠性的問題已經(jīng)有較多研究。分時(shí)電價(jià)因?qū)嵱眯约罢{(diào)度引導(dǎo)能力強(qiáng)等優(yōu)點(diǎn)成為主要的控制手段，文獻(xiàn)[5-7]以負(fù)荷波動以及用戶收益為目標(biāo)建立經(jīng)濟(jì)調(diào)度模型，通過不同時(shí)段的電價(jià)引導(dǎo)用戶進(jìn)行充電從而解決負(fù)荷尖峰問題。文獻(xiàn)[8]提出一種利用EV靈活特性，建立其與風(fēng)電和電網(wǎng)負(fù)荷的風(fēng)電協(xié)同利用模型，以負(fù)荷均方差最小為目標(biāo)函數(shù)，通過對在不同風(fēng)電滲透率下的正反調(diào)峰情況比較，驗(yàn)證所提策略的有效性。文獻(xiàn)[9]將電動汽車歸屬為不同代理商，建立了控制中心與代理商雙層控制模型，提出了一種基于動態(tài)分時(shí)電價(jià)時(shí)段制定方法的負(fù)荷優(yōu)化配置策略，實(shí)現(xiàn)了對風(fēng)電的消納，削弱了EV并網(wǎng)對電網(wǎng)的沖擊。文獻(xiàn)[10-12]通過對峰谷時(shí)段的合理劃分，改進(jìn)了分時(shí)電價(jià)模型，并對不同的充電策略進(jìn)行仿真分析從而實(shí)現(xiàn)削峰填谷。
上述文獻(xiàn)大多研究了由分時(shí)電價(jià)引導(dǎo)進(jìn)行負(fù)荷轉(zhuǎn)移的優(yōu)化調(diào)度策略，然而單一的激勵(lì)措施及不妥的電價(jià)設(shè)置難以應(yīng)對負(fù)荷及風(fēng)電的隨機(jī)波動，大量EV在谷時(shí)充電容易造成新的用電高峰。故綜合考慮到EV的靈活儲能特性，以及其與綠色能源發(fā)展的潛在契合特性，本工作在分時(shí)電價(jià)基礎(chǔ)上，將EV引入到碳交易系統(tǒng)中，提出了一種雙重激勵(lì)策略。首先，采用蒙特卡洛對EV充電負(fù)荷進(jìn)行預(yù)測，并建立其電池?fù)p耗模型。其次，基于日前預(yù)測數(shù)據(jù)以用戶收益最大為經(jīng)濟(jì)指標(biāo)，以并網(wǎng)功率方差最小為優(yōu)化指標(biāo)，兼顧微電網(wǎng)運(yùn)行成本，制定出當(dāng)日的分時(shí)電價(jià)與階梯碳價(jià)，便于用戶的集群響應(yīng)。在此基礎(chǔ)上，運(yùn)用優(yōu)化的灰狼算法對模型進(jìn)行求解，制定出合理的充放電計(jì)劃。最后，算例結(jié)果表明，由日前預(yù)測的風(fēng)電冗余功率制定的電價(jià)以及由微電網(wǎng)的碳排放量制定的階梯碳價(jià)能夠促進(jìn)微電網(wǎng)的穩(wěn)態(tài)運(yùn)行，增加用戶的收益有效提升用戶參與調(diào)度的積極性。
1 微電網(wǎng)的系統(tǒng)結(jié)構(gòu)分析
含EV的微電網(wǎng)系統(tǒng)如圖1所示，系統(tǒng)內(nèi)包含風(fēng)力發(fā)電機(jī)組、微燃機(jī)、儲能裝置，負(fù)荷分為常規(guī)負(fù)荷和EV負(fù)荷。
圖1 微電網(wǎng)系統(tǒng)結(jié)構(gòu)
在微電網(wǎng)系統(tǒng)中，風(fēng)電經(jīng)過調(diào)度中心調(diào)配向居民及EV供電，在需求較大時(shí)向電網(wǎng)購電，從而減小對電網(wǎng)用電的需求。
2 EV的充電模型搭建
2.1 EV負(fù)荷建模
EV充電負(fù)荷的預(yù)測是微電網(wǎng)日前調(diào)度的基礎(chǔ)，本工作考慮的為家用轎車，因此應(yīng)在優(yōu)先滿足用戶期望荷電狀態(tài)(SOC)的前提下，根據(jù)微電網(wǎng)的情況進(jìn)行靈活的優(yōu)化調(diào)度。
家用車作為日常的代步工具，其主要需求是“朝九晚五”的上下班，休閑娛樂等。因此本工作根據(jù)美國交通部對私家車輛出行調(diào)查結(jié)果的統(tǒng)計(jì)，建立基于蒙特卡洛(Monte Carlo)法對不同數(shù)量EV的負(fù)荷預(yù)測。由統(tǒng)計(jì)數(shù)據(jù)可得家用EV的日行駛距離近似服從正態(tài)分布fm(L)，其當(dāng)天結(jié)束使用的時(shí)刻可近似看作為EV的入網(wǎng)時(shí)刻，服從正態(tài)分布fs(T)，如式(1)和式(2)所示。
式中，σm=3.2，μm=0.88，σs=3.4，μs=17.6。
當(dāng)無序充電時(shí)，每輛EV的充電時(shí)間，充電功率等均不受外界影響，由式(1)可得單輛EV當(dāng)日的充電時(shí)長，如式(3)所示：
式中，d為EV的日行駛距離；E100為EV每百公里的耗電量；Pc為EV的充電功率。
在求得每輛車的充電時(shí)長后，根據(jù)EV的入網(wǎng)時(shí)刻及其充電功率，由疊加定理可求得各時(shí)段EV的充電功率，如式(4)所示：
式中，Pev(t)為t時(shí)段EV總的充電功率；Pev, n(t)為第n輛EV在t時(shí)段充電功率。
2.2 EV電池?fù)p耗成本
EV因其使用性質(zhì)可以當(dāng)作一種特殊的儲能裝置，但不合理的充放電會加速動力電池的老化，縮短其使用壽命。當(dāng)前EV的動力電池多為鋰電池，其壽命受到多種因素的影響，如放電深度、充放電時(shí)電池及環(huán)境的溫度、充電方式等。因放電深度對電池壽命的影響較大且為可控因素，因此本工作考慮其對電池壽命的影響，圖2為放電深度和電池壽命的關(guān)系。
圖2 鋰電池放電深度與循環(huán)壽命的關(guān)系
式中，D(t)、Ss(t)、Sf(t)分別為t時(shí)刻電池的放電深度、開始充電時(shí)的荷電狀態(tài)、結(jié)束充電時(shí)的荷電狀態(tài)；LD是圖2關(guān)于鋰電池放電深度與循環(huán)壽命的擬合函數(shù)。
由式(5)可得t時(shí)刻電池總放電量LET(t)，進(jìn)而求得t時(shí)刻相應(yīng)的電池?fù)p耗成本Cd(t)：
式中，S
為電池的最大電量。
2.3 EV負(fù)荷計(jì)算
在MATLAB中，根據(jù)Monte Carlo隨機(jī)抽樣法由日行駛距離概率分布抽取單量EV的行駛里程，結(jié)合式(3)求得充電時(shí)長后，再隨機(jī)抽取入網(wǎng)時(shí)間，結(jié)合式(4)通過疊加定理可求得不同數(shù)量的EV充電負(fù)荷，如圖3所示。
圖3 不同數(shù)量EV無序充電總功率
從圖中可以看出，隨著EV數(shù)量的增加，充電需求有較明顯的提升，易引起“峰上加峰”，從而對系統(tǒng)造成沖擊。因此制定合理有效的引導(dǎo)策略對微電網(wǎng)的穩(wěn)態(tài)運(yùn)行有現(xiàn)實(shí)意義。
3 雙重激勵(lì)優(yōu)化調(diào)度模型
目前所實(shí)施的有序充電策略主要分為分時(shí)電價(jià)的引導(dǎo)和充電負(fù)荷的直接控制。在滿足EV充電需求前提下，本工作提出了一種基于風(fēng)電冗余功率制定的分時(shí)電價(jià)機(jī)制和碳配額階梯碳價(jià)獎勵(lì)機(jī)制的雙重激勵(lì)策略，為用戶提供更多充放電選擇的同時(shí)，充分挖掘EV的“源-荷”作用，降低微電網(wǎng)的峰谷差。
3.1 動態(tài)分時(shí)電價(jià)模型
分時(shí)電價(jià)是國家電網(wǎng)為應(yīng)對居民集中用電對電網(wǎng)造成危害，以電價(jià)為信號來引起部分用戶的響應(yīng)，從而實(shí)現(xiàn)需求側(cè)用電負(fù)荷轉(zhuǎn)移的措施。通常分為峰、平、谷三個(gè)時(shí)段，根據(jù)每個(gè)時(shí)段的電價(jià)，用戶可以根據(jù)自己的需求避開高峰時(shí)段，但若以固定時(shí)段劃分峰平谷時(shí)，無法應(yīng)對變化的場景，甚至可能會惡化負(fù)荷曲線，造成新的波峰波谷。
本工作定義風(fēng)電冗余功率為風(fēng)電功率與負(fù)荷需求的差值，更能體現(xiàn)微電網(wǎng)此刻電能的供需關(guān)系，若以此劃分分時(shí)時(shí)段，能有效削峰填谷，從而減少對微電網(wǎng)的沖擊，增加對風(fēng)力能源的消納。
3.2 碳交易成本模型
碳交易是為了實(shí)現(xiàn)綠色發(fā)展而把碳排放量作為合法交易商品的一種交易機(jī)制，在碳交易機(jī)制中，預(yù)先給參與交易的主體發(fā)放碳排放配額，其運(yùn)行流程如圖4所示。
圖4 碳交易流程
風(fēng)機(jī)在t時(shí)刻獲得的碳配額如下：
式中，Mc(t)為t時(shí)刻微燃機(jī)和外部購電需購買的總碳配額；Eth為單位發(fā)電量的碳排放因子；Pc(t)為t時(shí)刻微燃機(jī)發(fā)電和外部購電的總和；PMT,i(t)為t時(shí)刻微燃機(jī)i的發(fā)電量；PGrid(t)為t時(shí)刻的外部購電量。
為了鼓勵(lì)EV積極參與微電網(wǎng)的負(fù)荷側(cè)響應(yīng)，將EV引入碳交易體系中，用微燃機(jī)發(fā)電與外部購電之和的占比，定義EV的碳排放量，同時(shí)為更好應(yīng)對日內(nèi)新能源發(fā)電的隨機(jī)性制定了階梯碳價(jià)，其EV的碳配額收益為：
式中，Mev1(t)為傳統(tǒng)燃油車與EV行駛相同的里程數(shù)所產(chǎn)生的碳排放量；Pev(t)為EV在t時(shí)刻的充放電功率；Lev為單位電量EV可行駛的里程數(shù)；Egas為傳統(tǒng)燃油車單位行駛里程產(chǎn)生的碳排放量；Mev2(t)為充電時(shí)EV產(chǎn)生的碳排放；Cev(t)為t時(shí)刻碳交易的收益；qev(t)為t時(shí)刻碳配額的售價(jià)。
因此基于碳配額獎勵(lì)機(jī)制的主要思想為：
（1）當(dāng)微電網(wǎng)的碳配額大于碳排放量時(shí)，說明此時(shí)微電網(wǎng)風(fēng)電充裕，風(fēng)力發(fā)電占比較大，此時(shí)給予較低的碳配額價(jià)格，并獎勵(lì)進(jìn)行充電的用戶，鼓勵(lì)用戶在此時(shí)充電，促進(jìn)多余風(fēng)電的消納。
（2）當(dāng)微電網(wǎng)的碳配額小于碳排放量時(shí)，說明風(fēng)力發(fā)電占比減小，考慮到現(xiàn)實(shí)中用戶的放電積極性不高，為鼓勵(lì)用戶放電，微電網(wǎng)給予EV的碳配額獎勵(lì)價(jià)格會隨著碳排放量的增加而逐層增加，此時(shí)獎勵(lì)進(jìn)行放電的用戶，若用戶選擇在此時(shí)放電，會有較為可觀的收益。
在t時(shí)刻的碳價(jià)格如下式：
式中，qev(t)為t時(shí)刻的碳配額價(jià)格；q圖片(t)為碳配額基礎(chǔ)價(jià)格；L為碳配額區(qū)間長度；α為碳配額區(qū)間增長幅度。
3.3 雙重激勵(lì)政策
在不考慮引入碳交易政策時(shí)，EV僅在分時(shí)電價(jià)的引導(dǎo)下充放電，因?yàn)轱L(fēng)電的隨機(jī)性以及激勵(lì)政策單一性，易造成新的峰谷差，進(jìn)而惡化負(fù)荷曲線。為了發(fā)揮電動汽車作為柔性負(fù)荷的特點(diǎn)，提升用戶的積極性，同時(shí)響應(yīng)國家碳減排政策，本工作實(shí)施分時(shí)電價(jià)與動態(tài)碳配額的雙重激勵(lì)政策。在保證EV離網(wǎng)時(shí)期望SOC的前提下，充分利用分時(shí)電價(jià)與動態(tài)碳配額的引導(dǎo)作用，避免新的波峰波谷形成，增大激勵(lì)力度，提高用戶有序充放電的參與度。
4 EV充放電模型求解
為避免EV的充電給微電網(wǎng)造成的不利影響，設(shè)定以并網(wǎng)功率波動方差最小和用戶收益最大為目標(biāo)函數(shù)，同時(shí)加入微電網(wǎng)運(yùn)行成本懲罰系數(shù)，減少微電網(wǎng)的運(yùn)行成本。
4.1 目標(biāo)函數(shù)
4.1.1 負(fù)荷均方差最小
本工作以微電網(wǎng)的并網(wǎng)功率方差最小為系統(tǒng)運(yùn)行穩(wěn)定性指標(biāo)，并加入微電網(wǎng)運(yùn)行懲罰成本，目標(biāo)函數(shù)為：
式中，PBA(t)為t時(shí)刻蓄電池的充放電功率；Pavg為t時(shí)刻并網(wǎng)功率平均值；?為微電網(wǎng)運(yùn)行成本懲罰系數(shù)，CG為微電網(wǎng)運(yùn)行成本。
目標(biāo)函數(shù)中的相關(guān)函數(shù)如下：
式中，CG為微電網(wǎng)的運(yùn)行成本，Cgen、圖片為微電網(wǎng)的發(fā)電成本和碳排放成本；Closs(t)為EV充放電時(shí)功率損耗成本；η為功率損耗比；CW、CMT、Cgrid為風(fēng)力發(fā)電成本、微燃機(jī)發(fā)電成本和向電網(wǎng)的購電成本；PMT(t)為t時(shí)刻微燃機(jī)發(fā)電的總功率。
4.1.2 用戶充放電收益最大
以用戶的收益最大，即用戶的充放電成本最小為經(jīng)濟(jì)指標(biāo)設(shè)定目標(biāo)函數(shù)，目標(biāo)函數(shù)F2為：
式中，c(t)為EV在t時(shí)刻充放電的電價(jià)。
4.2 約束條件
5 算例分析
5.1 基礎(chǔ)參數(shù)設(shè)置
以風(fēng)電作為清潔能源，其中風(fēng)機(jī)的裝機(jī)容量為2 MW，微電網(wǎng)的電壓等級為10 kV，假設(shè)以某小區(qū)300輛EV，且其電池容量為60 kWh進(jìn)行分析，常規(guī)模式下EV的充放電功率均為5.4 kW，單位電量的行駛里程為5 km，微燃機(jī)最大發(fā)電功率為300 kW，微電網(wǎng)的接線參考圖1，各單元通過調(diào)度中心統(tǒng)一協(xié)調(diào)，大電網(wǎng)與微電網(wǎng)通過交流母線進(jìn)行電能傳輸，部分參數(shù)參考文獻(xiàn)[22]，碳配額的相關(guān)參數(shù)詳見表1，時(shí)間間隔設(shè)置為1 h，微電網(wǎng)運(yùn)行成本懲罰系數(shù)設(shè)為0.7，基于日前預(yù)測的分時(shí)電價(jià)見表2。
表1 碳配額相關(guān)參數(shù)
表2 配電網(wǎng)動態(tài)分時(shí)電價(jià)
5.2 仿真結(jié)果分析
5.2.1 EV在不同場景下的調(diào)度結(jié)果
（1）等效負(fù)荷曲線對比
圖5為EV無序充電前后微電網(wǎng)的等效負(fù)荷，由圖可知，在18∶00—21∶00時(shí)，風(fēng)力發(fā)電較小，而居民處在用電高峰期，EV無序充電會造成本就處于用電高峰的基礎(chǔ)負(fù)荷峰上加峰，從而會對微電網(wǎng)的穩(wěn)態(tài)運(yùn)行形成沖擊。
圖5 EV入網(wǎng)前后等效負(fù)荷對比
加入適當(dāng)?shù)募?lì)措施引導(dǎo)EV有序充放電，會促進(jìn)微電網(wǎng)的穩(wěn)定運(yùn)行，因此結(jié)合不同時(shí)段的碳配額和碳排放量，制定了相對應(yīng)的碳配額獎勵(lì)機(jī)制及階梯碳價(jià)，見表3。為證明所提策略的有效性，本工作選取不同場景進(jìn)行對比，場景設(shè)置見表4，場景3下設(shè)備出力及EV的平均SOC如圖6所示。
表3 配電網(wǎng)的碳價(jià)格
表4 不同場景的設(shè)置方案
圖6 場景3下設(shè)備出力及EV的SOC
圖7為不同場景下等效負(fù)荷曲線對比，12∶00—13∶00為高電價(jià)時(shí)段，在場景2情況下結(jié)合圖5并分析可得，此時(shí)段風(fēng)機(jī)出力不斷變小，居民負(fù)荷小幅增大，從而導(dǎo)致功率缺額不斷上升。但因?yàn)殡妰r(jià)激勵(lì)措施的單一影響，部分EV在高電價(jià)時(shí)選擇集中放電，此時(shí)進(jìn)行放電易形成新的波谷。表5為不同場景下負(fù)荷峰谷差、用戶收益及微電網(wǎng)運(yùn)行費(fèi)用對比。通過表5與圖7可以看出，在加入碳配額獎勵(lì)后，微電網(wǎng)的等效負(fù)荷曲線得到了更為有效平抑，且場景3相較于場景1的等效負(fù)荷峰谷差降低了30.1%，與場景2相比降低了18.6%。
圖7 不同場景下的等效負(fù)荷對比
表5 不同場景下的峰谷差比值
（2）收益對比
由表5可知，用戶在滿足離網(wǎng)預(yù)期SOC的前提下，相對于分時(shí)電價(jià)的單一激勵(lì)，通過碳配額的轉(zhuǎn)化可增加1倍以上的用戶收益，因EV充放電時(shí)的線路損耗成本及電池?fù)p耗成本，單一激勵(lì)相較于無序充電微電網(wǎng)的運(yùn)行成本小幅增加。
5.2.2 動靜態(tài)碳配額價(jià)格的調(diào)度結(jié)果對比
從圖8可以看出，在靜態(tài)碳配額價(jià)格加入后，雖然增加了新的激勵(lì)措施，但由于固定的碳配額價(jià)格，并不會對用戶有較強(qiáng)的引導(dǎo)作用，因此中午時(shí)段還是會形成新的波谷；而動態(tài)碳配額價(jià)格的加入，會給一些停駛的車輛或不急于充電的車輛提供更多更優(yōu)選項(xiàng)，更能適配微電網(wǎng)日內(nèi)所面對的隨機(jī)性。
圖8 動靜態(tài)碳配額價(jià)格等效負(fù)荷對比
5.2.3 不同數(shù)量EV的調(diào)度結(jié)果對比
本工作分別選取了200、250、300輛EV在場景3下進(jìn)行對比，其等效負(fù)荷的峰谷差和日負(fù)荷方差見表6，該地區(qū)典型日負(fù)荷曲線如圖9所示。結(jié)合表6和圖9可知，EV的數(shù)量為300輛時(shí)相較于200輛時(shí)的峰谷差降低了14.9%，相較于250輛時(shí)降低了7.1%。因此在一定數(shù)量范圍內(nèi)時(shí)，隨著EV的增多，其削峰填谷的作用會更加明顯，微電網(wǎng)的穩(wěn)定性亦會增加。
表6 不同數(shù)量EV的對比
圖9 不同數(shù)量EV的典型日負(fù)荷曲線
6 結(jié)論
本工作提出的雙重激勵(lì)調(diào)度策略解決了因EV充電及新能源發(fā)電的隨機(jī)性形成峰谷差的問題：
（1）將EV引入碳交易系統(tǒng)后實(shí)施的雙重激勵(lì)策略與原始負(fù)荷曲線相比峰谷差降低了30.1%，相較于分時(shí)電價(jià)單一策略降低了18.6%且用戶的收益提升1倍，削峰填谷能力得到有效提升的同時(shí)提高了用戶參與微電網(wǎng)調(diào)度的積極性。
（2）相較于靜態(tài)的碳配額價(jià)格，動態(tài)價(jià)格及不同情況下的獎懲機(jī)制更能適應(yīng)風(fēng)電的隨機(jī)性，負(fù)荷曲線得到了有效平抑。且在合理的范圍內(nèi)，EV數(shù)量增多50輛使其峰谷差下降約7%，有利于微電網(wǎng)的優(yōu)化調(diào)度。
（3）在今后工作中，應(yīng)綜合考慮更多典型日的不同情況，使其更具有普適性。
