摘 要 为实现电动汽车充电站对风电的充分利用,降低充电负荷对配网系统运行带来的负面影响,本工作提出一种考虑风电消纳的电动汽车充电优化策略。首先采用蒙特卡罗仿真法对不同数量电动汽车的充电负荷进行预测;然后,在综合考虑风电出力和电动汽车充电需求的基础上,根据风电功率的波动,动态调整分时电价,以包含充电负荷在内的配电网负荷峰谷差最小和用户充电花费最低为控制目标,建立电动汽车有序充电模型,采用改进的粒子群优化算法对模型求解,此外,通过与电动汽车直接接入配网充电的无序情形对比,结果表明,所提策略有效降低充电行为对配电网冲击的同时,能够直接促进风电消纳,提高用户充电的经济性。关键词 电动汽车;风电消纳;蒙特卡罗法;有序充电
随着全球能源危机和环境问题日益严峻,电动汽车在全球范围内得到大力地发展。作为我国能源互联网的重要构成部分,未来电动汽车的保有量会持续增加,但无序充电将给配网带来大量的负荷增长,造成配网负荷峰谷差加大、线路过载等危害,电网为稳定运行需配置更多的调峰、调频电源和备用容量,降低系统的经济性。随着电动汽车保有量的持续增多,如何让电动汽车与配电网实现安全可靠经济的良性互动已是目前亟需解决的问题。首先,现有许多文献对充电负荷给电网运行造成的不利影响进行大量研究,并提出不同的有序充电方法。如文献以降低电网有功网损和负荷波动为目标,按照充电计划对接入的电动汽车进行控制。文献采用分时电价,用户为减少电费支出而调整充电需求,实现充电负荷的转移。文献研究表明,在静态分时电价下,虽可实现充电负荷转移到夜间用电谷时段,但容易导致夜间负荷出现另一个高峰。文献提出一种协调用户和电网利益的供需响应策略,实现用户充放电收益,降低电网负荷的峰谷差。这些文献均以有序的充电策略实现平抑电网负荷波动的目标,但并未考虑对可再生能源的利用。我国可再生能源发电量大,但并网消纳难,建立电动汽车充电站与可再生能源发电系统的关联,将成为可再生能源消纳最直接的方式。文献通过微网系统直接对可再生能源就地消纳。文献基于实测电网数据,仿真分析了采用电动汽车的可控充电负荷平衡过剩风电的可行性。文献研究了响应式电动汽车充电策略在缓解风力发电波动对频率稳定性方面的显著作用。文献提出了一种利用连接到相邻风电网络的电动汽车的需求响应的功率平滑服务,算例验证了该策略在限制功率波动和及时为车辆充电方面的成功。文献提出了一种新颖的电动汽车与风电场集成框架,利用车辆到电网(vehicle-to-grid,V2G)技术可以实现电网的削峰,但目前反向入网技术还未能大规模应用。在以上研究的基础上,考虑电动汽车充电与风电之间的潜在契合性,本文利用电动汽车充电负荷的可调性和快速响应的特点,对风电就地消纳,以充电花费最低为用户经济指标,以负荷峰谷差最小为电网优化指标,通过风电出力制定分时电价引导用户根据风电功率的大小有序充电,从而实现降低充电负荷对电网冲击和最大化风电的利用。
1 风电充电站系统设计
电动汽车风电充电站系统结构如图1所示,风电充电站按照功能可划分为:风电系统、配电网系统、中央控制器、DC/AC变换器及充电桩。
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/ff4549343b592526abdebc7544edf41f.png)
图1 电动汽车风电充电站系统结构图在充电站内,风电作为电网供电的补充,直接向电动汽车充电,减少充电负荷对电网供电的需求。电动汽车作为一种可转移性很强的充电负荷,充电价格按照这一时段风电功率划分,用户为了降低充电花费,会选择在风电价格较低,即风电功率较高的时段充电。此策略在不影响用户充电需求下,将充电负荷集中到风电的高出力时段,实现对风电的直接消纳与充分利用。
2 电动汽车充电需求计算
电动汽车充电负荷的准确预测是研究其参与电网运行调度的基础。其中,电动汽车充电负荷受电动汽车数量、充电功率、动力电池容量、初始荷电状态(state of charge,SOC)等因素的影响。目前,电动汽车的推广还处于初级阶段,针对电动汽车充电需求的计算,本文以不改变私人车主出行习惯为前提,根据用户的出行规律,得到电动汽车的日行驶距离、起始充电时间的概率分布,采用蒙特卡罗(Monte Carlo)法对不同数量的电动汽车进行负荷预测。
2.1 电动汽车出行特性
考虑私人乘用车的首要使用价值是满足用户上下班、商城购物、休闲娱乐等,所以电动汽车与传统汽车的这种行驶规律相同,根据美国交通部对全美私家车调查(National Household Travel Survey,NHTS)的统计数据,利用MATLAB软件分析,得到电动汽车的日行驶距离的概率分布,如图2所示。日行驶距离近似满足对数正态分布,其概率密度函数可表示为
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/d14d8844e329f960877470f44bf1409b.jpeg) | (1) |
式中,
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/a4f6ed0639223058fd7e3ff46a4d49e1.jpeg)
=3.2;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/9520ad2439622a34cf8b3accab377208.jpeg)
=0.88。
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/dab2dafb69a68697df3e70f4250ea0c4.png)
图2 日行驶距离的概率分布随机无序充电时,电动汽车初始充电时间可看作是传统汽车当天行程的结束时刻,根据NHTS的调查数据,得到初始充电时间的概率分布,如图3所示,近似满足正态分布。
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/c46b0f4b3bcbe084d6670e3844eb7af6.png)
图3 初始充电时间的概率分布其概率密度函数可表示为
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/9aa0bb5a12c9766e4944388b7a7260ce.jpeg) | (2) |
式中,
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/a620a373eb536821a3ba81cb2317dea6.jpeg)
=3.4;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/6ca8c75af723360174b1979b3158a91c.jpeg)
=17.6。
2.2 充电负荷建模
根据动力电池的充放电特性,电动汽车常规充电方式下充电过程主要处在恒功率阶段,其充电开始和结束阶段暂时忽略,假定电动汽车为恒功率充电
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/0f14eaa57c89ab4647c01016c570062d.jpeg) | (3) |
单辆电动汽车的充电时长为
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/8aa8658db492130a0e1a8f8770cf2b17.jpeg) | (4) |
式中,
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/74e3ffd5d9ea3eebfd61cec9271a978a.jpeg)
为电动汽车百千米耗电量;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/97b12e8c0fa7fc0f281e324e57324764.jpeg)
为电动汽车日行驶里程。计算出一辆电动汽车的充电负荷,然后根据叠加原理求得第
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/f72bd483ca2b9aebb3d607d4ff00fd65.jpeg)
时间段区域内电动汽车总充电负荷
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/f35338b27a974f50725112cd59a2b9f9.jpeg) | (5) |
式中,
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/68b992bcccb42295b3541145a8e4077f.jpeg)
为电动汽车
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/256852c2b5fb4aab2bd48ef9fe64179b.jpeg)
在第
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/6ebdb5bbb2b0fdf7dbd2770dabec16bf.jpeg)
时段充电功率,鉴于目前动力电池的充放电成本,本文只考虑充电情形,故其恒为正值;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/b208872e5a9bb88d4301b904cbf7eb5d.jpeg)
为电动汽车总数量。
2.3 基于Monte Carlo模拟的电动汽车充电负荷计算
假设在无控制状态下,即无序的充电情形,每辆电动汽车的充电模式、充电功率、充电时间等不受外界约束且相互独立。根据输入的EV数量、充电模式等信息,根据Monte Carlo法随机抽样,求得单辆电动汽车的充电负荷曲线,通过叠加求得该时间段区域内电动汽车总充电负荷。具体计算流程如图4所示。
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/99c9e0b909cdc476b8d4f8c9e96b9590.png)
图4 动汽车充电负荷计算流程图基于Monte Carlo仿真方法,可以得到不同数量的EVs(=100、200、300、400、500)序充电的负荷需求如图5所示,无序状态下不同数量EVs充电负荷对电网的影响如图6所示。可以看出,如果越来越多的电动汽车直接接入配网充电而不加控制,电网负荷曲线将进一步恶化。因此,合理的优化充电方案解决电动汽车充电问题具有重要意义。
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/bad3c7988588bfdbd04f4ba855c4901b.png)
图5 不同数量EVs无序状态的充电负荷
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/f07abd98912f3444252ebe70da59da8f.png)
图6 不同数量EVs无序充电对电网影响
3 用户动态电价时段的制定方法
目前电动汽车有序充电策略中两类常见模式分别为分时电价引导和直接负荷控制。直接负荷控制是调度中心根据原电网用电量,决定联网电动汽车的可接入时段,该策略的缺点:①频繁的控制充电桩的通断和充电功率,影响电池寿命,降低用户服务水平;②在线求解复杂,它不适用于大量电动汽车充电。分时电价是电网公司通过电价差来影响一部分电力用户,实现充电负荷的转移,以达到电力资源的合理配置,根据用电负荷将一天划分为这三个时段:高峰时段(8:00—11:00,18:00—23:00);低谷时段(23:00—7:00);平时段(7:00—8:00,11:00—18:00),每个时段制定一个新电价,根据电价,用户可以避开高峰时段。但是,当具有不确定性特点的风电加入运行时,采用原有时段下划分的分时电价,可能进一步恶化配网负荷曲线。综上分析,本文提出一种基于风电功率大小划分充电电价的控制方案,通过用户对电价差的响应,从而调整和改变充电负荷时段分布,以此实现配电网的移峰填谷和对可再生风电的消纳。该方案以相同的时间区间
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/3a4e26648e77bff06463a67adc6b0d50.jpeg)
把一天时长分隔
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/4ccf62b35fd8326f2ce4be7656d5c77b.jpeg)
时间段,根据时段内对应的风电功率,充电电价可分成高-低-平三类。以下是具体划分方法:根据每个时段内的风电出力计算出一天风电功率的平均值,当某一时段风电功率高于平均功率125%为高出力时段,此时的充电电价为低电价;当风电出力低于平均功率75%时制定为高电价;其余时段的充电电价设定为平电价,其值参照无序充电时充电站统一的充电电价。在统一电价的基础上,高低电价上下波动为60%。动态分时电价时段制定的具体流程见图7。
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/35883450fc95281a9b319d13d429d094.png)
图7 态分时电价时段制定流程图电动汽车充电电价与各时段风电功率的关系可表示为
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/335c1b1d915aeca3444778cbca3b4909.jpeg) | (6) |
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/e9a3ae9e7210a6f679bffbb339b7c90b.jpeg) | (7) |
式中,
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/1a26c2f3fdf61f928f9b13e196781783.jpeg)
为无序充电时的统一充电电价;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/4361563f67ac700cd3399542e05f599e.jpeg)
为第
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/256852c2b5fb4aab2bd48ef9fe64179b.jpeg)
时段的风电出力大小;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/70305d3d65d0110d0551abe0c78da4ac.jpeg)
为一天划分的时间段数;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/391ba21de7b239986baef382cb3ea026.jpeg)
为一天风电出力的平均功率。
4 电动汽车充电优化模型及求解
根据上述分析,为提高风电的利用量,避免充电负荷造成电网“峰上加峰”。本文以一天为周期,在考虑风电出力和充电负荷约束的基础上,建立原配网峰谷差最小和用户的充电费用最低的目标函数,实现充电站内电动汽车的有序充电。
4.1 目标函数
4.1.1 负荷峰谷差最小峰谷差通常作为电网调峰节电措施的重要依据,以其最小化作为优化目标,可降低电动汽车充电对配网的冲击,提高系统运行的经济性,目标函数表示为
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/3783a9ae68ba84e24024ac3b6c698e99.jpeg) | (8) |
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/9f6f9984dcf2637756caeaa00db6831d.jpeg) | (9) |
式中,
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/6150defc67221fb72f33a4b2f84e9556.jpeg)
为第
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/f72bd483ca2b9aebb3d607d4ff00fd65.jpeg)
时段电网基础负荷;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/465e29a255fef4c80db39456c3103966.jpeg)
为第
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/256852c2b5fb4aab2bd48ef9fe64179b.jpeg)
时段含充电负荷的电网负荷。4.1.2 用户充电费用最低本文结合风电出力以充电价格引导电动汽车有序充电,不仅要考虑电网的利益,还要考虑用户充电的经济性,以用户充电成本最低为优化目标,可促进风电消纳,目标函数为
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/d6b84d86fe641c17bd9b51e58b63d51a.jpeg) | (10) |
式中,
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/25568af2f01cfec4350f11af7cad1617.jpeg)
为第
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/256852c2b5fb4aab2bd48ef9fe64179b.jpeg)
时间段电动汽车
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/6cc68b4e2058a0612cd80785583ae249.jpeg)
的充电功率。
4.2 约束条件
4.2.1 功率平衡约束
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/6ebdb5bbb2b0fdf7dbd2770dabec16bf.jpeg) | (11) |
式中,
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/42078515f1e77f48003d60166d5f8eca.jpeg)
为第
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/256852c2b5fb4aab2bd48ef9fe64179b.jpeg)
时段电网购电功率;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/c50087742aaf2859bbaa6fef422796f1.jpeg)
为第
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/256852c2b5fb4aab2bd48ef9fe64179b.jpeg)
时段电动汽车充电增加的线路损耗;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/4361563f67ac700cd3399542e05f599e.jpeg)
为第
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/256852c2b5fb4aab2bd48ef9fe64179b.jpeg)
时段的风电的发电功率。4.2.2 充电功率约束
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/0760281bfa23d3de2543bb129f774490.jpeg) | (12) |
式中,
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/a494eb2ab39d655bd324b011e1ac9c0c.jpeg)
、
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/012215bd3d6d3eab29ad35fd5f3e0c0c.jpeg)
分别为电动汽车
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/6ebdb5bbb2b0fdf7dbd2770dabec16bf.jpeg)
允许充电功率的下限和上限。4.2.3 风电出力约束
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/26feec4f3fe19bad75dd81f90c9704af.jpeg) | (13) |
式中,
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/a35bc7c6017438794cb8df65750f5a23.jpeg)
、
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/a3830157e09d96eacc34f8b97ea8621a.jpeg)
分别为第
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/53403a0e5dfa57b3d4e0fd624ce5bc68.jpeg)
时段风电出力的功率下限和上限。4.2.4 动力电池SOC约束
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/256852c2b5fb4aab2bd48ef9fe64179b.jpeg) | (14) |
式中,
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/1b6218696123c5068052a2ef52ee53ac.jpeg)
为电动汽车
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/dfeb430b4b7c454c101ec223593f42ad.jpeg)
充电结束时的荷电状态;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/6ebdb5bbb2b0fdf7dbd2770dabec16bf.jpeg)
为电动汽车
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/d3d1a1c06ea3c1daefb7d47ad9373448.jpeg)
用户期望的荷电状态;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/f94a7112387fb7e2c011ce87730d3cbe.jpeg)
为动力电池设定的充电上限。
4.3 模型求解
基本的粒子群算法(Particle Swarm Optimizer,PSO)存在过早收敛,容易陷入局部最优的问题,为解决这种现象,本文采用自适应度变异的PSO算法求解目标函数,对满足一定条件的
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/a3ddb44494ce7423cec53a0145422185.jpeg)
按
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/4c49f86fc0c4aa7e29b5ef412864a733.jpeg)
概率变异,通过这些变化改变粒子原先运动的方向,更好地全局寻优。定义粒子群的适应度方差
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/c21ce6b12e09f870d47b4ed4741fdd1b.jpeg)
如下
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/faf740de9cd27000e34a8ad7efb20d12.jpeg) | (15) |
式中,
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/d4a20079fc1690b8dc306facdae3ddd7.jpeg)
是粒子数目;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/c8bec0ef6567e07ff557d1d1a2b90dbc.jpeg)
是第
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/6ebdb5bbb2b0fdf7dbd2770dabec16bf.jpeg)
个粒子的适应度;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/f3539c20b835d8dfa22fa5896bbc71cb.jpeg)
是当前的平均适应度;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/f4386e2f8f9a524152de9774b541db6d.jpeg)
为归一化因子,用来限定粒子适应度方差的值。
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/24e9a89e7a1dcbf78f1c06ebc37c3ad2.jpeg)
的取值如下
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/91b5cd2b0031ce1e2e7228e4b842e2ca.jpeg) | (16) |
则
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/4f67e298f3615606347baff90a82794d.jpeg)
的计算公式如下
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/637eb9398c87b2a6ba9751b27a0c53ed.jpeg) | (17) |
式中,
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/2b2f6a61b9329a458c392f9f53fe329f.jpeg)
为任意值,且
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/a2a43d27325c27e47a9fb2afccca117a.jpeg)
;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/349e708d218d942df091b9a06e96d0b0.jpeg)
为给定的适应度方差;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/ec64e70af42bd0e4021e1b73a69073c1.jpeg)
为所粒子当前最优值;
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/d9cbf0400b126aa732688c05ca0213dc.jpeg)
为理论最优值。通过增加扰动对
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/d9cbf0400b126aa732688c05ca0213dc.jpeg)
进行变异操作,则
| ![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/2beca0386b381ed156578c49e127b905.jpeg) | (18) |
式中,
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/22c1ae494ab42727144454da9c0578dd.jpeg)
为
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/d9cbf0400b126aa732688c05ca0213dc.jpeg)
的
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/8c81f1f3434d64ee5f66b0408b57fe52.jpeg)
维取值;随机变量
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/2b2f6a61b9329a458c392f9f53fe329f.jpeg)
服从Gauss(0,1)分布。算法流程如图8所示。
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/f129ef15e35cbf3a2d6a26fc977bf649.png)
图8 算法流程图
5 算例分析
5.1 参数设置
以风电为例,采用所提策略对充电站内电动汽车充电仿真,其中基础负荷为某地夏季典型日负荷曲线,风电机组装机容量为1.6 MW,服务的电动汽车规模为500辆。电动汽车的动力电池容量和充电功率因车而异,本文所选车型为比亚迪e6,电池容量为82 kW·h,续航里程为400 km,常规充电模式下充电功率为7 kW,假设每天早上8点电动汽车离开小区,日行驶里程服从均值为0.88,标准差为3.2的对数正态分布,用户离开时的期望荷电状态为1,下班回家开始充电时间服从均值为17.6,标准差为3.4的正态分布。因频繁的电价更新会失去用户对电价的响应,本文算例设定电价更新的时间间隔
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/3a4e26648e77bff06463a67adc6b0d50.jpeg)
为1 h,时间段数
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/4082b2ce632a57d9fbb7b52cb9d991bf.jpeg)
为24,
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/4ccf62b35fd8326f2ce4be7656d5c77b.jpeg)
为0.8元/(kW·h)。
5.2 仿真结果
随机选取区域内一天的风电功率输出曲线如图9所示,在夜间风力充足,风电发电量大,大部分时间充电电价低于平时段电价;白天时段风电较小,充电价格等于或高于平时段电价,基于风电输出功率划分的动态分时电价结果如表1所示。
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/0c25d6d93eaca79ae801bf988f4c9175.png)
图9 风电功率输出曲线
表1 动态分时电价划分结果
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/dfab4a4c8e859489f12312bacb44e023.png)
为了验证所提策略的控制效果,还计算了电动汽车不加控制的无序充电情形,这里的充电价格全天采用平时段电价,对两种情形的计算结果进行对比分析。如图10所示为无序充电和有序充电情形下叠加了充电负荷的电网负荷曲线,图11所示为无序和有序充电情形下风电利用量。
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/8b21a50486e3f2153270ae59c8ab6dd6.jpeg)
图10 无序和有序充电情形的电网负荷曲线图11 无序和有序充电情形的风电利用量由图10~图11可见:无序充电的情形下,电动汽车的随机充电行为带来的负荷增长主要集中在傍晚居民用电的高峰时段,二者叠加后使配网峰谷差进一步加大;在16:00—19:00时刻风电的中等出力阶段,风电恰好提供一部分用户的充电需求,但用户的充电行为不会对电价做出响应,以至于在夜间风电高出力(低充电电价)阶段,充电负荷不会跟随风电功率的变化较完全地吸收风能,造成车辆因电量充满而出现“弃风”现象。在有序的充电情形下,充电负荷转移的总体趋势是从电网负荷高峰期向风力充足和用电量低谷的时段,它能有效吸收风电的波动,实现对电网负荷曲线的削峰填谷。表2给出了分别在两种情形下充电时,电网的负荷峰谷差、风电利用量和电动汽车充电费用的仿真结果。与无序时的情形相比,由于电动汽车负荷集中到了风力充足时段,配网峰谷差减少2364 kW,充电站的风电利用量增加251.2 kW·h;对于电动汽车用户来说,总充电成本降低了6158.9元。在目前电动汽车购入费用高昂、充电设施不完善的背景下,所提策略可直接促进风电的消纳,减小电动汽车负荷和风电接入的不确定性对原配网的冲击,并且用户方有较低的充电成本,适应于未来电动汽车广泛的推行,实现电网和用户双赢。
表2 无序和有序充电情形的仿真结果对比
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/b353b80fcdc736c20a249bb331ada720.jpeg)
6 结论
针对大量电动汽车充电负荷对电网运行带来的不利影响,以风电作为电动汽车充电负荷的补充,提出考虑风电消纳的电动汽车有序充电的优化策略,该策略通过风电功率的大小制定动态分时电价实现风电最大程度地消纳。通过仿真表明,在满足充电需求的情况下,所提策略提升可再生能源利用的同时,可有效降低充电负荷增长对电网的冲击,并且节约用户的充电成本,适合未来电动汽车大量地推行与普及。图11 无序和有序充电情形的风电利用量由图10~图11可见:无序充电的情形下,电动汽车的随机充电行为带来的负荷增长主要集中在傍晚居民用电的高峰时段,二者叠加后使配网峰谷差进一步加大;在16:00—19:00时刻风电的中等出力阶段,风电恰好提供一部分用户的充电需求,但用户的充电行为不会对电价做出响应,以至于在夜间风电高出力(低充电电价)阶段,充电负荷不会跟随风电功率的变化较完全地吸收风能,造成车辆因电量充满而出现“弃风”现象。在有序的充电情形下,充电负荷转移的总体趋势是从电网负荷高峰期向风力充足和用电量低谷的时段,它能有效吸收风电的波动,实现对电网负荷曲线的削峰填谷。表2给出了分别在两种情形下充电时,电网的负荷峰谷差、风电利用量和电动汽车充电费用的仿真结果。与无序时的情形相比,由于电动汽车负荷集中到了风力充足时段,配网峰谷差减少2364 kW,充电站的风电利用量增加251.2 kW·h;对于电动汽车用户来说,总充电成本降低了6158.9元。在目前电动汽车购入费用高昂、充电设施不完善的背景下,所提策略可直接促进风电的消纳,减小电动汽车负荷和风电接入的不确定性对原配网的冲击,并且用户方有较低的充电成本,适应于未来电动汽车广泛的推行,实现电网和用户双赢。
表2 无序和有序充电情形的仿真结果对比
![图片](http://www.icode9.com/i/li/?n=4&i=images/blog/202104/25/b353b80fcdc736c20a249bb331ada720.jpeg)
6 结论
针对大量电动汽车充电负荷对电网运行带来的不利影响,以风电作为电动汽车充电负荷的补充,提出考虑风电消纳的电动汽车有序充电的优化策略,该策略通过风电功率的大小制定动态分时电价实现风电最大程度地消纳。通过仿真表明,在满足充电需求的情况下,所提策略提升可再生能源利用的同时,可有效降低充电负荷增长对电网的冲击,并且节约用户的充电成本,适合未来电动汽车大量地推行与普及。
引用本文: 段俊东,李高尚,李一石等.考虑风电消纳的电动汽车充电站有序充电控制[J].储能科学与技术,2021,10(02):630-637.
DUAN Jundong,LI Gaoshang,LI Yishi,et al.Coordinated charging control for EV charging stations considering wind power accommodation[J].Energy Storage Science and Technology,2021,10(02):630-637.
作者简介:段俊东(1969—),男,副教授,主要从事电力系统稳定、煤矿供电系统的研究,E-mail: jundongd@hpu.edu.cn。
标签:负荷,消纳,电动汽车,电网,充电站,充电,风电,电价
来源: https://blog.51cto.com/u_15127589/2731048