考虑新能源消纳的电动汽车有序充电研究

粟世玮 杨 玄 曹 申 熊 炜 张赟宁

(三峡大学 电气与新能源学院,湖北 宜昌 443002)

随着电动汽车保有量持续增长,大量的电动汽车随机充电会增加电网负担,影响电网的稳定运行.同时我国积极响应发展可再生能源号召,但可再生能源总发电量大,出力具有间歇性,并网消纳难,严重影响了我国可再生能源产业的长足发展[1-3].在此挑战下,联合新能源消纳研究电动汽车的有序充电,以期在有效平抑电网负荷波动的同时,适应新能源的大规模发展.国内外已有一些学者对电动汽车的有序充电展开了研究.文献[4]以配电网区域的综合运行成本最低和电网负荷曲线方差最小为控制目标建立优化调度模型,协调电网负荷与电动汽车的充电需求.文献[5]提出在时间和空间维度上的电动汽车充电协调调度模型,在考虑用户出行情况、电价信息和区域配电网容量的基础上,实现充电负荷在时空上的转移.文献[6]提出一种电动汽车有序充电的控制模型,通过集中控制中心直接控制每辆电动汽车的充电行为,实现电网负荷方差最小的控制目标.文献[7]采用分时段的方法,根据电网负荷裕度情况将一天分为红黄蓝3个时段分别限制和鼓励电动汽车用户充电.文献[8]采用峰谷电价,根据一天中电网负荷情况制定峰-谷-平3个时段的充电价格,以最小化用户充电成本和电网负荷波动为控制目标,建立电动汽车的有序充放电模型.文献[9]提出了一种以用户和电网两者利益最大化为目标的协调响应策略,以充放电价格差为激励,建立用户的自响应决策模型,提高用户充放电收益,改善电网负荷波动.

上述文献只研究了电动汽车有序充电用于平抑配电网负荷波动,没有考虑利用电动汽车的有序充电促进消纳新能源.鉴于此,本文联合新能源消纳研究电动汽车有序充电.通过有序充电优化模型,采用根据新能源出力制定的分时电价策略引导用户充电,优化电动汽车充电负荷的时间分布,同时利用电动汽车的储能功能,促进新能源直接消纳,也可以达到降低电网负荷波动和提高用户充电经济性的效果.

1 电动汽车充电行为分析

针对私人家用电动汽车,采用美国交通部对全美车辆出行调查结果进行数据拟合,得到电动汽车的开始充电时间和日行驶距离概率密度函数[10-11].在该分布下采用蒙特卡洛法模拟规模化电动汽车的出行数据,计算电动汽车的充电负荷.

1.1 出行行为分析

分析无序随机充电的用户充电行为时,使用统计数据中燃油汽车的最后一次出行结束时间代替电动汽车的开始充电时间[12-13].将数据归一化,拟合开始充电时间和日行驶距离的概率分布.拟合结果分别如图1～2所示.

图1 开始充电时间概率分布

图2 日行驶距离概率分布

由图1、2可知,用户多在10：00～24：00之间为车辆进行充电,且大多数人使用电动汽车均为中短途.

开始充电时间满足正态分布,概率密度函数：

式 中 ：μs=17.6;σs=3.4.

日行驶距离满足对数正态分布,概率密度函数为：

式 中 ：σD=3.2;μD=0.88.

1.2 充电负荷模型

根据电动汽车动力电池的充电特性,为简化计算,可将电动汽车充电过程视为恒功率充电：

电动汽车荷电状态为：

式中,d为电动汽车日行驶距离;dm为电动汽车的最大行驶距离;SOC'为第一次出行前的荷电状态.

单辆电动汽车的充电时长为：

式中,tc为充电时长;C为电动汽车电池容量.

通过累加区域内各电动汽车的充电负荷得到电动汽车集群负荷：

式中,Pev(t)为t时段电动汽车充电负荷;N为电动汽车数量;Pev,i(t)为电动汽车i在t时段的充电功率.

1.3 用户响应度模型

根据消费者心理学原理,用户参与分时电价调节的响应度受价格变化的影响[14].当价格变化过低时,不能刺激用户改变自身的充电习惯,用户对价格的响应存在死区.只有当价格的变化值超过一个差别阈值时,电动汽车用户才愿意参与充电调节,这时用户的响应程度与价格的变化相关.同时也存在一个饱和值,当价格差值超过它时,达到用户响应极限,不再增加.该影响过程可以抽象为一个分段函数,如图3所示.

图3 用户响应曲线

其中Δs表示高低电价差,λ为用户响应度.m和n分别为响应启动阈值和饱和阈值,k为用户响应比例常数,λmax为最大响应度.λ可以表示为：

2 电动汽车有序充电控制策略

直接充电负荷控制和充电价格激励控制是目前电动汽车有序充电的两类主要控制方法[15].直接充电负荷控制是通过充电调度中心下达命令,根据电网负荷情况直接控制入网充电车辆的充电行为,包括开始充电时间和充电功率等.直接充电控制方式简单易操控,但只适应小范围的电动汽车集中充电,当电动汽车达到一定数量时,直接控制方式不再适用.电价引导的控制方式是利用各个时间段的充电价格差来激励用户自主参与有序充电,在用户寻求充电费用最低的同时实现了充电负荷在时间上的转移.

本文使用电价激励的控制方式,提出了一种根据新能源出力大小制定的分时电价策略,促进消纳新能源.根据一天中各时段新能源出力预测值计算该时段充电价格,将一天按等时间间隔Δt划分为T个时间段,根据各时段新能源出力预测值的大小将这T个时段的充电价格分别划分为高-低-平3个阶段.新能源出力超过T时段平均值的125%为高出力时段,低电价;低于T时段平均值的75%为低出力时段,高电价;在两者之间为平负荷时段电价.高、低电价分别在平时段电价的基础上浮动60%.

充电价格与新能源发电预测功率的关系为：

式中,s(t)表示一天中第t时段的充电价格;s0为无序充电的固定电价时段新能源发电预测功率为一天中新能源发电预测功率平均值;T为一天的调度周期时段数.

电动汽车充电负荷具有高度可转移性,利用各时段价格差将充电负荷转移到新能源出力大的时段,实现最大化新能源利用.具体流程如图4所示.

图4 分时电价控制流程图

优先利用新能源给电动汽车充电.电动汽车的充电价格随着新能源发电量变化,在新能源出力大的阶段充电价格s(t)较低;反之,在新能源出力小的阶段充电价格s(t)较高.在不影响用户正常出行的前提下,电动汽车用户为降低充电费用会尽量选择在电价低谷段充电.此策略可将充电负荷聚集到新能源出力大的时段.

3 考虑新能源消纳的电动汽车有序充电优化模型

3.1 目标函数

电动汽车无序充电会带来大量的随机负荷,使电网负荷“峰上加峰”.为了减小电网负荷波动、促进消纳新能源,本文采用动态分时电价策略,以电网负荷曲线峰谷差最小和用户充电总费用最低为目标函数建立有序充电多目标优化模型.

1)以负荷峰谷差最小为目标

以维持电网的安全稳定为优化目标,为降低电动汽车入网充电对电网的冲击、减小电网负荷波动,建立电网总负荷曲线峰谷差最小的目标函数：

式中,P(t)为t时段含电动汽车接入的配电网负荷;Pb(t)为t时段配电网基础负荷.

2)以充电总费用最低为目标

为提高用户充电经济性,促进消纳新能源,结合所制定的动态分时电价,建立用户充电总费用最低的目标函数：

式中,Pev,i(t)为电动汽车i在第t时段的充电功率.

按最优配方制作香菇酱共10批，按照1.4.5项下方法对样品进行测定，实验结果及限量标准见表6。结果显示各项指标均符合标准要求。

3.2 约束条件

1)功率平衡约束

式中,Pn(t)为t时段新能源发电功率;Pgrid(t)为t时段向电网购电量;Ploss(t)为t时段线路网络损耗.

2)充电时间约束

式中,Tendi为车辆i的充电结束时间;T i为车辆i的用户期望充电完成时间.

3)充电需求约束

式中,SOCendi为电动汽车i充电完成时的荷电状态;SOC i为电动汽车i用户期望的荷电状态.

4)新能源出力约束

5)充电功率约束

式中,Pmini、Pmaxi分别为电动汽车i允许充电功率的上下限.

3.3 模型求解

采用遗传算法对模型求解,求解流程如图5所示.使用加权和法将多目标函数整合为单目标函数,由于各目标函数量纲不同,先分别对目标函数做归一化后取加权和,如式(18)所示.

图5 遗传算法求解流程图

根据目标函数可知,优化模型的控制变量为各电动汽车在各时段的充电功率Pev,i(t).

式中,f1max为电网原始负荷曲线峰谷差;f2max为传统用车习惯下的充电费用;w1和w2为目标函数的权重系数.

4 算例分析

4.1 参数设置

以风力发电为例,选取某区域充电站的实测数据进行电动汽车充电仿真.该充电站配备风力发电机组容量为700 k W,服务的电动汽车规模为100辆.电动汽车的起始充电时间和日行驶里程服从正态分布N(17.6,3.42)和对数正态分布log-N(3.2,0.882).充电功率为7 k W,电池容量为48 k W·h,初始荷电状态服从正态分布N(0.2,0.052),预期荷电状态服从正态分布N(0.9,0.042).算例设定电价更新时间间隔Δt为1 h,时段数T为24.无序充电采用固定电价,全天24时段均采用水平电价s0为0.8元/(kW·h),用户响应启动阈值为0.14元,饱和阈值为1.2元,用户响应比例常数k为0.9.设定遗传算法的种群终止进化代数为800,种群大小为20.交叉率和变异率分别为0.8和0.2.权重系数w1和w2均取0.5.

4.2 仿真结果分析

一天内的新能源出力大小如图6所示,新能源发电功率超过高出力临界值的时段为低电价时段,低于低出力临界值的时段为高电价时段,介于两者之前的为平电价时段.根据新能源出力大小划分的高-低-平分时电价结果见表1.根据用户响应度模型,电价差Δs为0.96元,用户需求响应度λ为74%.

图6 新能源出力曲线

表1 高-低-平分时电价

在固定电价无序充电和分时电价有序充电两种情况下,加入电动汽车充电负荷后区域配电网的负荷曲线对比如图7所示.在固定电价无序充电情况下,用户不会对电价做出响应,电动汽车随机充电,充电负荷分布主要受车主的行为习惯影响.电动汽车充电高峰期与居民用电高峰期重合,两者叠加会使电网负荷“峰上加峰”,影响电网稳定.采用分时电价有序充电合理调节电动汽车充电负荷,能将随机充电负荷从傍晚的居民用电高峰期转移到夜间居民用电低谷期和风电出力高峰期,有效平缓电网负荷曲线.

图7 无序和有序充电电网负荷曲线

在固定电价无序充电和分时电价有序充电两种情况下,充电站一天内的风电利用曲线如图8所示.采用根据新能源出力大小制定的分时电价策略,将充电负荷转移到风电出力大的时段,增加了风电利用量.

图8 无序和有序充电风电利用曲线

在分时电价和固定电价两种控制模式下的负荷峰谷差、用户充电总费用和风电利用量的对比仿真结果见表2.与固定电价相比,在分时电价的有序充电控制下,电网负荷峰谷差减小了1 238.4 k W,用户充电总费用降低了1 984.6元,风电消纳量增加了457 k W·h.所提的控制策略和所建立的优化模型,在促进新能源消纳的同时降低了电网负荷峰谷差,提高了用户充电经济性,实现了电网和用户双赢,优化效果明显.

表2 分时电价与固定电价对比仿真结果

随着政府的各项利好政策的推广,电动汽车的大规模发展是未来的必然趋势.为了分析该有序充电方法在不同规模电动汽车充电情况下的新能源消纳能力,分别对电动汽车数量为100,200,300和400辆时进行有序充电的风电利用仿真,不同电动汽车规模下的风电利用曲线如图9所示.

图9 不同规模电动汽车充电的风电利用曲线

表3分别给出了在无序和有序充电下,不同规模电动汽车充电的风电利用量.在电动汽车规模分别为100,200,300,400辆时,有序充电的风电利用量比无序充电分别增加了457,534,629,745 k W·h.

表3 不同规模电动汽车充电的风电利用仿真结果

在无序充电和有序充电两种情况下,风电利用量都随着电动汽车入网充电规模的加大而增加.但相较于无序充电,有序充电控制的风电利用量增加幅度更大,消纳新能源的优势更明显.电动汽车充电负荷具有可调节性,适当增加电汽车入网充电量,可以提高电网的灵活性.

算例仿真结果表明,本文所提出的动态分时电价策略,在满足用户充电需求的前提下,能在时间上转移充电负荷消纳新能源.在综合考虑系统功率平衡、风电机组出力等多方面约束条件下建立的多目标优化模型,能成功达到对负荷曲线的“削峰填谷”和消纳风电的效果.

5 结 论

本文通过根据新能源出力大小计算的分时电价策略来改变电动汽车充电负荷的时间分布,促进消纳新能源.以电网负荷峰谷差最小和用户充电费用最低两个目标函数进行多目标优化,找出综合两者最优的充电方案.通过对电动汽车充电仿真分析,得到如下结论：

1)采用所提的分时电价策略引导用户有序充电,在满足用户基本用车需求的前提下,能有效提高新能源利用量.

2)所建立的优化模型能同时满足对电网负荷的削峰填谷和用户充电经济化两个目标,实现了电网和用户的双赢.

3)所提的控制策略随着电动汽车入网充电数量的增加,有序充电促进新能源消纳的优势越明显,能适应未来电动汽车的大规模发展.

本文所提的分时电价策略只考虑了新能源出力大小,未考虑电网负荷情况,有待进一步完善.