風電電動汽車協同調度對電網的影響

劉 建 ，李曉博 ，于大洋

（1.德州供電公司，山東 德州 253008；2.山東大學電氣工程學院，山東 濟南 250061）

0 引言

我國2009年風電裝機容量1 200萬kW，到2020年將達到1.5億kW，年均增長率超過20%。風電大規模并網能夠減少電網大于50%的碳排放［1］。但是，風電并網能力受到機組的最低出力等約束的限制。

比亞迪為家用轎車、出租車和公交車三種車型分別研制了電動汽車替代產品BYD-F3DM、BYD-E6、BYD-K9。 目前，F3DM已經上市銷售，首批50輛E6已作為出租車在深圳使用，K9則是比亞迪打造的一款城市公共交通工具。電動汽車迅速發展并接入電網［2］，作為電網負荷的一部分對電網產生影響。文獻［3］基于場景分析研究了加州電力市場在高、低電動汽車增長方案下將使得電力負荷分別增長8%和2%，本文以高增長方案進行考慮。 Hadley和Tsvetkova［4］分析了美國電動汽車對13個區域電網的影響，指出電動汽車接入電網將對某些區域產生負面作用。

人為的CO2排放主要來自于化石燃料的燃燒，世界能源的使用一直是關于氣候變化問題討論的熱點。世界與能源相關的CO2排放將由2007年的29.7億噸增長到2020年的33.8億噸，到2035年為42.4億噸（IEO 2010）。中國的人均CO2排放增長比例最大，從2007年的人均4.7噸到2035年的9.2噸，年均增長2.4%（EIA 2010）。國外已經將低碳作為一個單獨的因素、變量或約束引入電力系統之中，并分析其所帶來的影響，并對電力系統中實施的各種低碳技術進行效益分析［5-6］。國內的相關研究還處于起步階段，但也已經開始從具體的低碳技術層面和電力行業本身出發對低碳問題進行研究［7-11］。

1 機組組合數學模型

機組組合是要確定在調度周期內，機組在各個時段中的啟停狀態和發電功率，其目標是在滿足系統約束和發電機自身約束的前提下，使運行費用最小。包含風電功率和電動汽車充電功率的機組組合問題的數學模型可表示如下：

目標：

基本約束條件：

1）發電與負荷平衡約束

2）系統備用需求約束

式中：t=1，2，…，T；pw為風電裝機容量；cft為時段t的風電容量因數；Rt為時段t的備用需求。

機組自身的技術約束：

1）機組有功功率技術限制

式中：i=1，2，Ng；t=1，2，…，T。

2）機組最小運行、最小停運時間限制

3）機組輸出功率速率

式中：i=1，2，…，Ng；t=1，2，…，T-1。

2 電動汽車充電的負荷模型

充電方案一：自由充電，根據人們的出行習慣，傍晚 5：30下班后回到家中，6：00開始為電動汽車充電；充電方案二：低谷充電，晚上10：00開始為電動汽車充電。充電方案三：智能充電［12］，以考察時段內每個時間窗口內等效負荷方差和最小為目標函數，對電動汽車的充電加以引導，使得電動汽車充電起到平滑負荷曲線的作用。

3 純火電單位電量的CO2排放水平

中國計算電量邊際排放因子（OM）采用的是簡單OM方法。具體步驟為：以 2005-2007年山東電網中火電廠/機組一級的年發電量、廠用電率、燃料消耗量、燃料類型等數據為基礎，計算服務于山東電網的所有火力發電源按供電量加權平均的單位供電量CO2排放（t/MWh）。

式中：Fi，j，y電網每個發電廠/機組 j分別在 y 年，即2005年、2006年和2007年消耗的燃料i的數量（按質量或體積單位）；COEFi，j是燃料 i的 CO2排放系數（tCO2/燃料質量或體積單位），考慮了2005-2007年山東電網每個發電廠/機組j所使用燃料（原煤、燃油和燃氣）的含碳量和燃料氧化率；GENj，y為由每個發電廠/機組 j向電網提供的電力（MWh）。

式中：NCVi為燃料i單位質量或體積的凈熱值（能源含量），為國家特定值；OXIDi為燃料的氧化率，為國家特定值；COEFi，j為燃料i每單位能量的 CO2潛在排放因子，為國家特定值。

另外，山東電網在2005-2007年不存在電量交換，不必考慮電量進口量。

以山東電網為例。 根據公式（7）、（8）及各燃料的低位發熱值、山東電網火力發電量、氧化率、潛在排放系數及廠用電率計算得到山東電網2005-2007年3年加權平均的CO2排放因子為0.9 871 t/MWh。

4 算例分析

以26機系統［13］為例，分析電動汽車不同充電模式對電網經濟性、風電接入能力和碳排放的影響。26機系統24 h的負荷曲線和風電場的容量因數曲線如圖1所示。

圖1 26機系統的負荷和風電容量因數曲線

電動汽車充電功率數據以比亞迪電動汽車BYD-F3DM、BYD-E6、BYD-K9為例。

電動汽車自由充電、低谷充電和智能充電時的負荷曲線如圖2所示。 可以看出自由充電（車主晚上下班后18：00開始充電）時，使得負荷在18：00時有一個較大的增長；低谷充電時負荷增長出現在22：00；智能充電則使得負荷較為平滑。

圖2 三種充電模式下的負荷曲線

4.1 電網經濟性

通過機組組合計算結果得到常規機組的發電費用和啟停費用，分別如表1和圖3所示，自由充電時機組啟停計劃如表2所示。可以看出電動汽車自由充電模式下常規機組的發電費用最大，為595103美元；智能充電時發電費用最小，為570 425美元，與自由充電相比減少了4.15%。主要由于自由充電時負荷波動較大，尤其是在18：00時，導致機組啟停費用較大，并且啟動了21、22、23號較昂貴的機組，來滿足發電負荷平衡。 且自由充電時參與啟停的機組數為18臺（除17-20，24-26外），低谷充電時參與啟停機組數為17臺，智能充電時為16臺。

表1 常規機組的發電費用

圖3 常規機組的啟停費用

4.2 風電接入能力

通過機組組合計算結果得到三種充電模式下的風電利用功率如圖4所示，風電利用率如表3所示。可以看出自由充電模式下，18：00時開始為電動汽車充電，在充電時間為9 h的情況下，2：00已經完成充電，2：00-5：00負荷較小，但此時卻是風電出力較大的時刻，導致2：00-5：00的電網棄風。而智能充電模式下風電利用功率曲線和風電功率曲線基本重合，風電利用率達到99.25%。

圖4 不同充電模式下的風電利用功率

表3 不同充電模式下的風電利用率

表2 電動汽車地由充電時機組啟停計劃

表4 不同充電模式下單位電量的CO2排放水平

4.3 碳減排效益

不同充電模式下單位電量的CO2排放水平如表4所示。

從表4可以看出不同充電模式下單位電量的CO2排放水平相差很小，以所研究的26機系統為例可以得到全年的CO2碳排放水平。智能充電與自由充電和低谷充電相比分別可減排CO213.33萬 t和 1.27 萬 t。

對于交通領域的碳減排，根據工業和信息化部發布的2011年第5批“輕型汽車燃料消耗量通告”中比亞迪乘用車（M1類）中汽車油耗數據，通過取平均值可以得到比亞迪乘用車（燃油汽車）的平均百公里油耗為7.73 L，CO2排放量為17.49 kg。

根據比亞迪電動汽車 BYD-F3DM、BYD-E6、BYD-K9百公里耗電量和三種電動汽車的數量比例，通過加權平均可以得到比亞迪電動汽車百公里耗電量為18.78 kWh。如果用火電為電動汽車充電百公里CO2排放量18.53 kg，與傳統燃油汽車相比并不能減少碳排放。當電動汽車與風電協同調度時，電動汽車在智能充電模式下百公里CO2的排放量為13.94 kg，與傳統燃油汽車相比碳減排為20.32%。

5 結語

建立了包含風電功率和電動汽車充電功率在內的機組組合模型，分析了電動汽車自由充電、延遲充電和智能充電三中充電模式下的電網經濟性、電網風電接納能力，并利用清潔發展機制（CDM）中計算電量邊際排放因子的簡單OM方法計算不同充電策略下的碳減排效益。

1）電動汽車自由充電模式下常規機組的發電費用最大，智能充電時發電費用最小。主要由于自由充電方案下負荷波動較大，導致機組啟停費用較大，并且啟動了較昂貴的機組，來滿足發電負荷平衡。自由充電時參與啟停的機組數大于低谷充電方案，且低谷充電方案下參與啟停機組數大于智能充電方案。

2）自由充電模式下，會加重夜間負荷水平低風電出力大的矛盾，導致電網棄風較多。 而智能充電模式下風電利用功率曲線和風電發電功率曲線基本重合，可以保證電網99%以上的風電接納能力。

3）不同充電模式下單位電量的CO2排放水平相差很小。對于交通領域的碳排放，以比亞迪電動汽車 BYD-F3DM、BYD-E6、BYD-K9為例進行分析。如果用火電為電動汽車充電百公里CO2排放量與傳統燃油汽車相比并不能減少碳排放。當電動汽車與風電協同調度時，電動汽車在智能充電模式下百公里CO2的排放量與傳統燃油汽車相比碳減排為20%以上。