電動汽車ev調峰能力提升方案

電動汽車ev調峰能力提升方案

1ev充電系統(tǒng)運行特性為了實現節(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。隨著并網風電容量的增加,系統(tǒng)調峰能力不足成為限制風電出力的主要因素。目前,提高風電并網能力的策略多集中于電源側,如將風電與火電、水電等常規(guī)能源捆綁上網,以平穩(wěn)發(fā)電出力,但未涉及負荷側的控制。相比風電的隨機性,EV充電負荷的可控性為風電消納提供了契機。在EV大規(guī)模應用時,系統(tǒng)中將出現EV用戶和EV運營商2類新主體。目前針對EV充電的優(yōu)化研究多集中于電網、EV運營商和EV用戶三方面:在電網側,文獻分別通過集中、分散的控制方式,對EV充電、家庭用電進行直接控制,實現系統(tǒng)負荷特性的優(yōu)化和峰谷差的減小;文獻在某地區(qū)對多個充電點進行日前負荷預分配,并通過多個站點之間實時負荷分配控制,實現系統(tǒng)整體運行費用的優(yōu)化;文獻確立了負荷轉移、頻率控制與EV充電負荷關系的模型,通過運營商集中控制EV的充電過程,實現負荷轉移與頻率控制。針對EV運營商,文獻中由EV運營商完成用戶的電能補給,實現運營費用最小或利益最大。上述文獻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,將在智能電網負荷側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濟性:文獻中結合分時電價、電池荷電狀態(tài)與充電功率的關系,優(yōu)化充電過程,在降低用戶充電費用的同時實現了負荷轉移;文獻以火電和新能源的差異電價為基礎,以用戶充電費用最小為目標、用戶充電行為調整為手段,在實現充電費用優(yōu)化的基礎上分析了EV充電對電網消納新能源的影響。結合目前EV的發(fā)展趨勢,EV的電能補給主要由電網提供。因此,分析EV充電對系統(tǒng)運行的影響應主要考慮EV用戶和電網兩方面的協調。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充電與風力/火電發(fā)電系統(tǒng)協調運行機制:第一階段,在負荷側,以優(yōu)化用戶充電費用為目標,結合分時電價和充電協議,通過充電過程的優(yōu)化,獲得智能充電方式下的EV充電負荷;第二階段,在電網側,建立了以低發(fā)電成本、低污染和低棄風量為目標的多目標動態(tài)清潔調度模型,采用了基于MODE的改進微分進化算法(EnhancedMulti-ObjectiveDifferentialEvolution,EMODE)對模型進行求解,以確定規(guī)?；疎V充電與風力/火電發(fā)電系統(tǒng)協調運行機制,并分析了EV規(guī)模和備用對系統(tǒng)運行的影響。2影響ev充電負荷的因素EV充電負荷是用戶充電需求的電能反映,體現于充電設施處,如圖2所示。因此,影響EV充電負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。控制用戶充電行為時,須滿足用戶設定的停止充電時間toff。2.1ev充電需求參數針對用戶的行為特性,文獻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,文獻中依據EV的用途對用戶進行歸類處理,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、商務和私人3種,具體參數假設見附表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,記為充電天系數;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階段方式進行充電,充電過程中充電機直流側功率近似恒定?！峨妱悠噦鲗浇涌凇芬?guī)定不同充電地點的充電設施具有差異的額定充電功率,本文根據上述協議確定用戶在不同充電設施處的額定充電功率pcmax。根據控制類型的差異,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。依據北京地區(qū)的負荷峰谷劃分,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決定的接入電網和離開電網的時刻。充電方式與EV的用途和充電設施直接相關。因公務車和商務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,提高設備利用率等優(yōu)點;所以,本文中公務車和商務車僅進行填谷充電。私人用戶在規(guī)模較大時,對充電負荷必然產生顯著影響。因私人用戶在商場充電時間有限,控制難度大,因此不對其進行控制;只針對私人用戶在家庭充電和辦公地點的充電進行優(yōu)化。為便于分析,構建了4種情景,見表1。2.3ev總量、uf065it用戶特性概述為獲得EV的充電負荷,需獲知時刻t接入電網充電的EV數量及隨時間變化的充電功率,結合用戶的充電狀態(tài)和充電天系數,可確定電網中的充電負荷Pct為式中,N為EV總量;uf065it為EVi在t時刻接入電網狀態(tài)表述,即在給定的充電方式下,結合用戶的行為特性,根據式(1)~式(4),即可獲得由于EV充電產生的充電負荷。由于EV數量巨大,為便于控制,需對不同類型EV用戶按照行為特性進行歸類處理。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,采用k-均值法對其進行歸類,獲得每類EV的聚類中心及其包含EV數量,結合表1中的各類型EV的充電方式,從而獲得最終充電負荷。3系統(tǒng)清潔負荷預測模型根據場景分析,得到第一階段優(yōu)化后的EV充電負荷。在給定EV充電負荷和地區(qū)負荷時,考慮調峰裕度,優(yōu)先滿足風電并網。因風電的消納能力由系統(tǒng)的負調峰能力決定,與火電機組的出力直接相關;且火電機組出力的變動將引起機組發(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)定的基礎上,可通過優(yōu)化火電機組的出力,以降低系統(tǒng)的發(fā)電成本、污染物排放量和棄風量。目標函數1:系統(tǒng)發(fā)電成本最小式中,F為發(fā)電成本;T為調度時段數,本文取為24h;NG為系統(tǒng)內火電機組數量;Nw為系統(tǒng)內風電場數;Pit為火電機組i時段t的有功出力;Fit(Pit)為火電機組i的耗量特性,考慮閥點效應的火電機組耗量特性為式中,ai、bi、ci、ei、fi為燃料費用系數;Pmin,i為火電機組i的有功出力下限;Pwt,i為系統(tǒng)在時段t第i個風電場的計劃發(fā)電量;Wit為風電場的運行費用,與Pwt,i的關系可由線性函數表示為式中,ωi為風電場i的運行費用系數。目標函數2:最小污染物排放火電機組是電力系統(tǒng)中污染物的排放大戶,在制定調度方案時,應優(yōu)化機組出力以降低污染物排放量:式中,αi,βi,γi,λi,δi為火電機組的污染物排放系數,文中以NOx為例。目標函數3:最小棄風量風電在發(fā)電過程中,不產生污染物,為清潔能源,應優(yōu)先上網。在不考慮火電機組啟停時,風電并網上限為火電機組的極限負調峰能力,即在考慮負荷預測精度和EV充電負荷的不確定性時,上式擴展為式中,ΔPtmax、PLt、Ptloss、PtLr、Ptmin,i、βlr和βcr分別為t時刻火電機組的極限負調峰、系統(tǒng)負荷、網損、系統(tǒng)備用容量、火電機組i的最小出力、地區(qū)負荷Ptlocal和EV充電負荷Pct的備用需求系數。因此,可獲得在t時刻風電場i計劃發(fā)電量為式中,Pwt,i和Pwr,i分別為風電場i在t時刻的實際可發(fā)電量和額定容量。由上可知,在調度時段內棄風電量最小可表述為約束條件:(1)平衡能量限制(2)機組的生產限制式中,Pmin,i、Pmax,i分別為第i臺火電機組有功出力下限、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臺火電機組在相鄰時段出力容許的最大上升值和下降值?？色@得機組i時刻t有功出力的上、下限為式中,Ptmin,i和Ptmax,i為第i臺火電機組在時刻t的最小和最大出力。(4)系統(tǒng)負荷正勻性式中,Stus為時刻t系統(tǒng)的總正備用;Stu,i為火電機組i時刻t提供的正備用;L%為系統(tǒng)負荷的正備用系數;wu%為風電出力減小對正旋轉備用的需求系數。4改進的多目標微分微分算法(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)向可行域進化求解含約束的優(yōu)化問題時,多采用罰函數法,通過將違反約束的程度并入目標函數中考慮,實現算法向可行域進化。但懲罰因子難以選取,因此本文采用了文獻中的個體修正策略,實現個體的可行化。5計算與分析5.1電動汽車充電負荷模型本文采用的10臺火電機組參數及排污特性見文獻,日負荷水平、地區(qū)電價,見附表2;不計網損。系統(tǒng)總裝機容量為2969MW:其中火電機組為2368MW;風電為600MW,占總裝機容量的20.21%。結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《中國汽車產業(yè)報告(2008)》的預測表明,在2030年中國的私家車與公共車輛的數量分別為17638和1800萬輛,比例近似為10∶1。因此,本文假設此地區(qū)含有私人車輛為10萬輛,商務和公務車共1萬輛,詳見附表1。依據文獻中的假設,私人用戶在家庭、工作地點和商場充電的比例分別為0.7∶0.2∶0.1。其他的參數假設見附表1。由于采用隨機抽樣的方法獲得的風電機組出力不能反映出風電在時序上的聯系,且無法體現風電的反調峰特性;因此本文采用國內某裝機容量為100MW風電廠的實際出力,將其典型日出力按比例擴展至裝機容量為600MW,見附表2。在負荷側,結合電動汽車充電負荷模型,各情景下系統(tǒng)中的充電負荷曲線如圖3所示。其余參數設置為:風電運行費用ωi為20$/MW;風電正備用系數wu%為20%;βlr和βcr初始選為5%和20%。種群規(guī)模為60;正交數組中分層數為9,正交指數值為2;最大迭代次數為1000。5.2風、電、氣互聯運營分析5.2.1夜間充電行為對系統(tǒng)棄風力的影響四種情景下獲得的Pareto前沿如圖4所示。選取最優(yōu)折中解后,各情景下的最優(yōu)折中解對比見表2。對上述最優(yōu)折中解的分析中除考慮各目標函數外,還應考慮棄風時段、棄風時段中的最大棄風量及棄風量占此時段風電出力的最大比例。通過圖4和表2的分析發(fā)現,充電方式對系統(tǒng)運行產生了直接影響:隨著充電方式的變化,風電的棄風量、系統(tǒng)的發(fā)電成本和排污水平發(fā)生了顯著變化。通過情景2與情景1的對比可知,發(fā)電成本、污染物排放和棄風量分別降低:1.32%、0.32%和30.74%,說明僅將私人用戶晚間充電行為與負荷高峰錯開,即可優(yōu)化系統(tǒng)運行,顯著降低系統(tǒng)的棄風量。情景3與情景2相比,將私人用戶在晚間的充電行為推遲至峰谷時刻,使系統(tǒng)的負荷曲線更平穩(wěn),各目標函數分別降低了0.44%、6.95%和30.76%。情景4與情景3相比,在晚間的充電負荷近似相同,說明通過分時電價引導用戶充電可獲得與填谷充電一致的效果,獲得了近似的棄風量:370.74MW和347.34MW;但日間的充電行為調整,進一步降低了系統(tǒng)的負荷波動,使系統(tǒng)的發(fā)電成本和污染物排放分別降低了0.02%和0.59%。綜上所述,規(guī)?；疎V下,對系統(tǒng)運行最好的充電控制方式為:私人用戶采用智能充電方式充電,公務、商務車采用填谷充電。5.2.2ev規(guī)模對風力/用電發(fā)電系統(tǒng)運行的影響由式(4)可知,EV充電負荷與EV規(guī)模有直接關系,因此需分析EV規(guī)模對風電接納能力的影響。假設各類EV比例恒定,以原定狀態(tài)下為常態(tài),以EV規(guī)?！?0%波動為非常態(tài),在情景4下分析EV規(guī)模對風力/火電發(fā)電系統(tǒng)運行的影響。獲得的Pareto前沿如圖5所示,最優(yōu)折中解對比見表3。通過圖5和表3可知,隨著EV規(guī)模的增加,負荷增加,棄風量顯著減小,限風時段和最大限風比例也顯著減低,使得系統(tǒng)的污染物排放水平降低;但由于隨著負荷的增長,火電機組出力上升,使得系統(tǒng)的發(fā)電成本顯著增長,由1799151.67$上升至1801800.28$。5.2.3cr對pareto性能的影響在式(13)中,因EV負荷的隨機性,系統(tǒng)中需留有一定的負備用。若提高EV充電負荷的預測精度,會對風電的接納能力產生正面的影響。為確定EV充電負荷備用系數對風電接納能力的影響,文中分別取βcr為20%、15%、10%和5%,在情景4下,各備用系數下的Pareto前沿如圖6所示,最優(yōu)折中解見表4。各備用系數下的最優(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;但隨著火電機組出力的逐漸減小,其運行偏離經濟性的最優(yōu)點,使系統(tǒng)的發(fā)電成本先降低后升高。6ev充電對風力/火力發(fā)電系統(tǒng)運行影響的仿真研究(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充電負荷對系統(tǒng)負荷的影響;隨后,在考慮火電機組負調峰和備用需求的前提下,建立了以系統(tǒng)發(fā)電低成本、低污染和風電棄風量小為目標的動態(tài)清潔調度模型,明確了規(guī)?；疎V充電對風力/火電發(fā)電系統(tǒng)運行產生影響的機理。(2)采用改進微分進化算法求解動態(tài)清潔調度模型,確定了充電方式、EV規(guī)模和EV備用對風電/火力發(fā)電系統(tǒng)運行的影響:基于分時電價的智能充電方式對系統(tǒng)運行最好;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量遞減;隨著EV備用的減小,系統(tǒng)的污染物排放和棄風量遞減,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)化設計用戶結束行駛后即進行充電,充電過程持續(xù)至滿電。用戶在負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度,行為具有預見性,在規(guī)定的時段內服從相應的分布;為避免因EV大量瞬時接入而形成沖擊負荷,EV充電起始時間在0:00~3:00內服從均勻