風電電動汽車協同利用對電網風電接納能力的影響

黃海麗，周揚

（濰坊供電公司，山東濰坊261021）

·試驗研究·

風電電動汽車協同利用對電網風電接納能力的影響

黃海麗，周揚

（濰坊供電公司，山東濰坊261021）

建立包含電動汽車充、放、耗電約束的風電電動汽車協同利用模型，根據決策變量的不同將充放電模式分為自由充電、不含V2G（Vehicle to grid）和含有V2G的風電電動汽車協同利用。以風電利用率和風電在電網能源結構中電量占比作為衡量水平，分析不同充電模式、電動汽車數量和風電裝機容量下的風電接納能力。含有V2G的風電電動汽車協同利用能夠最大限度提高電網風電接納能力，且在風電裝機容量較大時更能顯示出含有V2G的協同利用充放電模式的優勢，含有V2G的風電電動汽車協同利用是實現大規模風電并網的有效方式，同時一定負荷和風電裝機水平的電網存在一個最佳匹配的電動汽車數量。

電動汽車；風電；V2G；協同利用

0 引言

風電在電網中所占比例的增加，對節能減排有著積極作用。但是，與水電、火電等常規電源相比，風能等新能源發電最根本的不同點在于其有功出力的隨機性、間歇性、波動性［1］。風電容量占電網總容量比例比較小的時候，傳統的調度把風電看成負值負荷，但是，隨著風電的迅速發展，這種調度策略不再適應風電發展需要，風電的大規模并網及其隨機性為電力系統的優化調度和運行帶來了一系列問題［2-4］。因此，電網接納風電能力研究已成為當前研究的熱點［5］。

風電大規模并網功率時域波動及其地域相關性［5-7］造成電網調峰能力不足。電動汽車是一種主動負荷，又是一種分散式儲能設備，隨著儲能電動汽車充換電站的建設和推廣，電動汽車儲能成為一種新的電網可調度資源。電動汽車充電與風電的協同調度［8-11］能夠減小等效負荷曲線峰谷差，減少負荷低谷時段的“棄風”。

美國NYISO的研究證明，風電功率與電網PEV充電功率波動之間存在明顯的相關性，并且提出了風電—PEV協同性的問題［12］。文獻［13］研究了電動汽車充電的負荷特性以及不同充電方式對電網的影響，并初步建立了多時間尺度的“電動汽車—風電”協同調度數學模型。文獻［14］提出了協同調度碳減排效益的測算模型，定量分析了電動汽車充電與風電協同調度在電網和交通領域的碳減排效益。

本文建立風電電動汽車協同利用模型，研究含有V2G的風電電動汽車協同利用對電網風電接納能力的影響，并通過與自由充電模式和不含V2G的協同利用充電模式相比較，以山東電網為例，驗證了含有V2G的協同利用模式在提高電網風電接納能力方面的優勢。

1 風電—電動汽車協同利用系統建模

風力發電無需為其一次能源付費，故目標函數不考慮風電的費用；電動汽車還處于試運行和推廣階段，還未進入商業化階段，故文中暫不考慮電動汽車費用。目標函數為火電發電費用最小，表示為

式中：T為考察時間段數，本文總考察周期為1天，由于電池充電時間一般較長，故取時間間隔為1 h，則T=24；fi（Pit）表示第i臺機組在t時段出力為Pit時的費用價格，元／h；ni，t表示第i臺機組在t時段是否在線，1表示運行，0表示停運；qi表示第i臺機組的啟動費用。整個系統的發電費用由各機組各時段發電費用和各時段開啟機組的費用兩部分組成，模型旨在滿足系統約束條件的基礎上，選擇發電費用最小的運行調度方式。

系統的約束條件。

1）發電負荷平衡。

式中：Pwt為t時段的風電功率；Plt為t時段的負荷功率；Pet、Pdt分別為t時段電動汽車充電功率和向電網的放電功率；λt、γt是分別對應t時段與電動汽車放電和充電對應的系數，λt=1表示t時段電動汽車電池工作在放電狀態；γt=1表示t時段電動汽車電池工作在充電狀態，且λt+γt≤1，λt、γt分別等于0或1，即電動汽車在某一時刻它可以充電，也可以放電，但不能同時既充電又放電。由于電動汽車作為交通工具耗電時脫離了與電網的聯系，故在發電負荷平衡約束中沒有電池耗電電功率的參與。

2）機組出力上下限約束。

式中：Pi，max、Pi，min分別為機組i的出力上下限，本文取Pi，min=0.5Pi，max。

3）機組運行時間的約束。

式中：Ti，on和Ti，off分別表示第i臺機組連續累積的運行時間和停運時間，Ti，mon和Ti，moff分別表示第i臺機組的最小運行時間和最小停運時間。

4）機組最大開機容量約束。

式中：srt表示t時段所有在線機組所能提供的備用容量，且滿足如下約束。

5）系統的備用容量約束。

式中：Kl為負荷備用系數；max｛Plt｝為考察周期內最大負荷；Kf為事故備用系數；Kw為風電場有功出力預測誤差對系統備用的需求百分數；cft為t時段風電容量因數；Pw為風電裝機容量。

6）機組的爬坡約束。

式中：Pi，down、Pi，up分別為機組i有功功率的下爬速率和爬坡速率。

7）風電出力約束。

8）電動汽車電池容量約束。

式中：Qt和Qt+1分別為電動汽車t時段和t+1時段的電池電量；Δt為時間間隔，取1 h；ηe和ηd分別為電動汽車充電和放電效率；Put為根據美國交通運輸部統計的2001年美國家庭駕駛調查數據［12］得出的電動汽車作為交通工具時耗電功率；μt為與電動汽車耗電功率對應的系數，等于0或1，且λt+γt+μt≤1，即在同一時刻同一電動汽車不能做充電、放電和行駛三者中的任意兩種，只能執行任務之一或者什么都不做。Qmax、Qmin分別為電動汽車電池容量上下限。

9）電動汽車充電、放電、耗電平衡約束。

式（10）表示電動汽車在考察周期內完成1次充、放、耗電循環。

10）電動汽車充電功率約束。

式中：Pemax，t為電動汽車t時段最大充電功率，其表達式如式（12）所示；Qc、Pec分別為單輛電動汽車的電池容量和充電功率；式（12）所表達的意義是：當，即在一個時間間隔內無法完成一個完整充電過程時，，選擇以待充電電動汽車數量所確定的最大充電功率作為上限；在電動汽車電池選擇快充方式且，即在一個時間間隔能夠完成一個完整充電過程時，，選擇以電動汽車電池剩余可充容量所確定的最大充電功率作為上限。

11）電動汽車放電功率約束。

式中：Pdmax，t為電動汽車在t時段的最大放電功率；Pec為單輛電動汽車的放電功率；式（14）的含義為：當時，即電動汽車在一個時間間隔內無法完成一個完整放電過程時，選擇以有電量且不在行駛中的電動汽車數量所確定的最大放電功率作為上限；在電動汽車電池選擇快速放電方式且，即在一個時間間隔能夠完成一個完整放電過程時，選擇以電動汽車電池容量扣除行駛的電動汽車耗電所用電量所確定的最大放電功率作為上限。

2 電動汽車充放電模式

電動汽車的不同充放電模式直接影響電網等效負荷曲線及其峰谷差率和電網調峰能力。根據決策變量的差異將電動汽車充放電模式分為自由充電、不含V2G的協同利用充電、含有V2G的協同利用充放電三種模式。

2.1 自由充電模式

文獻［15］在調查統計數據基礎上建立了電動汽車自由充電的模型。由于中國與美國在工作時間上相近，均集中在09：00—17：00，本文假定兩國電動汽車自由充電負荷具有相近的規律。

圖1為100萬輛電動汽車自由充電時山東電網冬季典型日負荷曲線。從圖中可以看出，電動汽車充電主要集中在09：00—23：00，恰好包含電網負荷峰值時刻，且有較大的充電功率，增大了電網峰谷差，從而對電網調峰帶來一定的壓力。電動汽車自由充電模式下，風電—電動汽車協同利用的模型中電動汽車充電功率Pet不是一個被決策的量，而是一個固定的時間序列，Pet=Ct；也不存在電動汽車向電網放電，即Pdt=0。

圖1 100萬輛電動汽車自由充電時山東電網冬季典型日負荷曲線

2.2 不含V2G的風電—電動汽車協同利用充電模式

不含V2G的風電—電動汽車協同利用充電模式下，協同利用的模型中電動汽車充電功率Pet是一個被決策的量，通過常規負荷功率、風電功率以及其他相關參數和約束決策出一個最有利于電網經濟和風電接入的電動汽車充電功率曲線，在滿足電網約束的條件下，最大限度地利用風電功率；同樣，該模式下電動汽車只作為負荷從電網中充電，而不向電網放電，即Pdt=0。

圖2 100萬輛電動汽車協同利用充電時山東電網冬季典型日負荷曲線

圖2為100萬輛電動汽車與電網風電協同利用時電網冬季典型日負荷功率曲線。從圖中可以看出，電動汽車協同利用充電主要集中在夜間負荷低谷充電，此時正是風電出力較大時刻，有助于電網消納夜間富余風電，減少電網棄風。等效負荷的峰谷差率由34.01%變為32.42%，電動汽車充電不僅沒有增加負荷峰谷差率，反而使得總負荷峰谷差率減小，提高了電網的調峰能力。

2.3 含有V2G的風電—電動汽車協同利用充放電模式

電動汽車電池在負荷谷值時刻從電網中充電，而在電網負荷峰值時向電網放電，這種電動汽車和電網之間雙向的電能流動稱為V2G。

V2G技術的應用，對于風電占比較大或者因其波動性并網困難的電網，電動汽車可以在風電出力大而電網低負荷時刻充電，在風電出力小而電網峰值負荷時刻放電，有助于提高電網對風電的接納能力。

含有V2G的風電—電動汽車協同利用充電模式下，協同利用的模型中電動汽車充電功率Pet和Pdt均是被決策的量，通過常規負荷功率、風電功率以及其他相關參數和約束決策出最有利于電網經濟和風電接入的電動汽車充電、放電功率曲線，在滿足電網約束的條件下，最大限度的利用風電功率。在山東電網冬季典型日下，含有V2G的風電—電動汽車協同利用充電模式下電動汽車充放電功率曲線如圖3所示。

從圖3可以看出電動汽車放電時間規律，電動汽車充放電受負荷變化規律和風電出力因素的影響，電動汽車放電主要集中在負荷較低水平且風電出力較大時段，電動汽車放電集中在負荷較高水平且風電出力略小時段。電動汽車在07∶00—15∶00這段時間內無論是充電功率還是放電功率都比較小，這與消費者出行習慣有關，這段時間內有較多汽車行駛在路上，無法參與和電網之間的互動。通過電動汽車這種充電儲能／放電供能的方式，使得電動汽車成為電網的主動負荷和可調度電源，從而為電網智能調度提供便利，為可再生能源并網提供了一種有效的方式。

圖3 電動汽車充放電功率曲線

3 含有V2G的風電電動汽車協同利用對電網風電接納能力的影響

以私家車、出租車和公交車3種車型的電動汽車BYD-F3DM、BYD-E6、BYD-K9為例分析含有V2G的協同利用對電網風電接入能力的影響，3種車型的電池參數和充放電特性如表1所示。

表1 三種車型的電池參數和充放電特性

圖4 電動汽車及加權平均的充電功率曲線

根據國家統計局2009年三類車型數量的統計數據和Hadley和Tsvetkova［15］所提出的電動汽車充電參數的加權平均方法，得出電動汽車及加權平均的充電功率曲線，如圖4所示。

3.1 不同充放電模式下電網風電接納能力

以山東電網2011年冬季典型日負荷水平且風電裝機容量為15 GW的情況下，分析100萬輛電動汽車在不同充放電模式下電網的風電接納能力。

圖5 不同電動汽車充電模式下各機組出力情況

圖5為不同電動汽車充電模式下各機組出力情況。從圖中可以看出電動汽車自由充電模式增加了電網在最大負荷時刻的火電機組出力，從而增加了電網開機容量，在不考慮機組啟停的情況下，火電機組最小出力相應增加，導致負荷低谷時刻電網棄風。

不含V2G的風電—電動汽車協同利用充電模式下，電動汽車充電集中在負荷低谷時刻，利用電動汽車充電消納此時出力較大的風電。但是，由于電動汽車不存在于電網的互動，即不能向電網放電，使得電網火電開機容量不變，在調節系數一定的情況下火電最小出力不變，導致負荷低谷時刻仍有一定的棄風。

含有V2G的風電—電動汽車協同利用充電模式下，由于電動汽車電池作為一種分散式儲能設備被電網調度，在負荷峰值時刻可以向電網放電，從而減小了火電機組出力和最小出力，增加了風電利用，并且電動汽車在負荷低谷時刻充電，通過這種充電/放電雙向作用，使得風電利用率和風電電量占比達到最大。山東電網2011年冬季典型日負荷水平且風電裝機容量為15 GW的情況下，100萬輛電動汽車在含有V2G的風電—電動汽車協同利用充電模式下可以實現電網零棄風。

3.2 不同風電裝機容量下的電網風電接納能力

在風電無須為其一次能源付費的前提下，相同負荷水平和電動汽車數量的電網中增加風電裝機容量，必然使得一部分火電機組被代替而退出運行。以冬季為例分析不同風電裝機容量下的風電接入能力，通過模型計算，風電利用率和風電電量占比隨風電裝機容量的變化趨勢如圖6所示。

從圖6可以看出，由于電網調峰能力的有限性，3種充電模式下，風電利用率均隨著風電裝機容量的增大而減小。自由充電模式下，在風電裝機容量為30 GW時減小到62.4%，且在風電裝機容量為10 GW時電網已經有3.34%的棄風；不含V2G的風電—電動汽車協同利用模式下，電網在風電裝機容量為10 GW時能夠完全消納并網風電，在風電裝機容量為15 GW時開始棄風，且棄風量為1.26%；含有V2G的風電—電動汽車協同利用模式下，在風電裝機容量為15 GW時能夠完全消納并網風電，且在風電裝機容量為30 GW時保持88%以上的風電利用率。

雖然風電利用率隨著風電裝機容量的增加而減小，但是風電出力是增加的，且風電出力增加的比例大于風電利用率減小的比例，故風電電量占比隨著風電裝機容量的增加呈增長趨勢。

圖6 風電利用率和風電電量占比隨風電裝機容量的變化趨勢

在風電裝機容量小于10 GW時，電網為零棄風狀態，沒有富余的風電可通過充電模式改變被接入電網，含有V2G的風電—電動汽車協同利用模式與不含V2G的風電—電動汽車協同利用模式下風電利用率和風電電量占比基本相同，說明含有V2G的風電—電動汽車協同利用模式在風電規?；⒕W時提高風電并網能力的技術上的可行性和有效性。

3.3 電動汽車數量對電網風電接納能力的影響

電動汽車數量改變，相當于改變負荷水平或者儲能裝置容量，即可供電網調度的主動負荷和儲能電源容量的改變。同時，電動汽車數量不同時，電動汽車作為交通工具的用電功率Put和電動汽車電池容量上下限Qmax、Qmin均同比例變化，本節通過模型計算得出不同數量電動汽車下的電網風電接入能力，如表2所示。

從表2可以看出，隨著電動汽車數量的增加，電動汽車自由充電模式對電網的不利影響更加突出。電動汽車數量增加，相當于負荷增加，但風電利用率仍然在減小。如果僅僅靠增加電動汽車數量來提高電網風電接入能力是不可行的，不僅不能提高風電利用率，反而增大電網調峰壓力，降低了電網風電接納能力。同時，風電利用率減小和負荷功率增大均降低了電網風電電量占比。

表2 不同數量電動汽車充放電時的電網風電接入能力

不含V2G的協同利用模式下，風電利用率和風電電量占比隨著電動汽車數量的增加而增大，顯示出協同利用在實現電動汽車規?；⒕W方面的一定的有效性，但仍然不能實現電網零棄風。

含有V2G的協同利用模式下，風電利用率和風電電量占比隨著電動汽車數量的增加而增大，由于其不僅能夠在負荷低谷時段充電增加電網最低負荷，也可以在電網峰值負荷時段對電網放電，減小電網等效負荷最大值，從而雙向的減小了電網峰谷差，增加電網調峰能力，提高風電利用率和風電電量占比，且在電動汽車數量為70萬輛時已經能夠實現電網完全接納15 GW裝機容量的風電。但是，在風電利用率已經達到100%時，繼續增加電動汽車數量，由于并網風電并網電量不再增加，而負荷總量在增加，故風電電量占比開始減小。

增加相同電動汽車數量時，不同的充電模式對應不同的風電接入能力變化趨勢，圖7為電動汽車3種充電模式下增加單位數量（10萬輛）風電利用率和風電電量占比變化趨勢。

圖7 增加單位電動汽車數量電網風電接納能力變化趨勢

從圖7可以看出，自由充電模式下，風電利用率和風電電量占比均隨著電動汽車數量增加呈直線下降趨勢。不含V2G的風電—電動汽車協同利用模式下，風電利用率和風電電量占比隨著電動汽車數量增加呈線性增大。

含V2G的風電—電動汽車協同利用模式下，風電利用率和風電電量占比隨著電動汽車數量增加而增大，但增長率一直在減小，即增加單位數量的電動汽車對電網風電接納能力的提高量呈減少趨勢。風電利用率在電動汽車數量為70萬輛時出現飽和，此時也出現風電電量占比最大值，風電電量占比在風電利用率出現飽和之后，出現下降趨勢，由于電網已經無棄風，增加單位數量的電動汽車不再增加風電接入量，但此時卻增加了由于電動汽車充電額外的負荷，只能靠增加火電機組出力來滿足發電負荷平衡，故增加電動汽車數量反而減小了風電電量占比。說明在負荷水平和風電出力已知的電網電動汽車有一個最優配置數量，在本文所研究的電網中此數量為70萬輛。

4 結語

本文建立了風電電動汽車協同利用的模型，考慮電動汽車充放電功率約束，并根據不同的充放電功率約束分為三種充電模式：自由充電、不含V2G的協同利用和含有V2G的協同利用。

電網風電接納能力與電動汽車充電模式、電動汽車數量和風電裝機容量均有一定的關系。三種充電模式中，和電網存在雙向互動的含有V2G的協同利用充電模式能最大程度的提高風電并網能力。風電電動汽車協同利用的效果隨著電動汽車數量和風電裝機容量的增加而提高，顯示了協同利用在實現電動汽車和風電規?；⒕W方面的有效性，且電動汽車數量和風電裝機容量之間存在著最優匹配。研究結果為電動汽車充電網絡的規劃設計和智能調度提供了依據。

［1］遲永寧，劉燕華，王偉勝，等．風電接入對電力系統的影響［J］．電網技術，2007，31（3）：81-85．

［2］孫元章，吳俊，李國杰．風力發電對電力系統的影響［J］．電網技術，2007，31（20）：55-62．

［3］劉韜文，李孝杰．考慮風力發電的電力系統經濟調度［J］．繼電器，2007，35（增刊）：273-276.

［4］陳海焱，陳金富，段獻忠．含風電場的電力系統經濟調度的模糊建模及優化算法［J］．電力系統自動化，2006，30（2）：22-26．

［5］Dayang Yu，Jun Liang，Xueshan Han，etal.Profiling the regional wind power fluctuation in China［J］.Energy Policy，2011，39（1）：299-306.

［6］Dayang Yu，Han XS，zhao JG.A method to assess the regional wind power fluctuation based on the meteorological observing system［J］.International Journal of Green Energy，2010，7（5）：516-529.

［7］于大洋，韓學山，梁軍，等.基于NASA地球觀測數據庫的區域風電功率波動特性分析［J］.電力系統自動化，2011，35（5）：77-81.

［8］趙俊華，文福拴，楊愛民，等.電動汽車對電力系統的影響及其調度與控制問題［J］.電力系統自動化，2011，35（14）：2-10.

［9］趙俊華，文福拴，薛禹勝，等.計及電動汽車和風電出力不確定性的隨機經濟調度［J］.電力系統自動化，2010，34（20）：22-29.

［10］于大洋，宋曙光，張波，等.區域電動汽車充電與風電協同調度的分析［J］.電力系統自動化，2011，35（14）：24-28.

［11］茆美琴，孫樹娟，蘇建徽.包含電動汽車的風/光/儲微電網經濟性分析［J］.電力系統自動化，2011，35（14）：30-34.

［12］New York Independent System Operator.Alternate Route：Electrifying the Transportation Sector，Potential Impacts of Plug-In Hybrid Electric Vehicles on New York State’s Electricity System［J］.［S.N］，2009.

［13］于大洋，宋曙光，張波，等.區域電網電動汽車充電與風電協同調度的分析［J］.電力系統自動化，2011，35（14）：1-6.

［14］于大洋，黃海麗，雷鳴，等.電動汽車充電與風電協同調度的碳減排效益分析［J］.電力系統自動化，2012，36（10）：14-18.

［15］Hadley S，Tsvetkova A.Potential Impacts of Plug-in Hybrid Electric Vehicles on Regional Power Generation［R／OL］.Oakridge National Laboratory Report，ORNL/TM-2007/150.http：//www.osti. gov/bridge.，2008.

Impact by Synergistic Dispatching of the PEV and Wind Power on the Wind Power Integration in Power Grid

The synergistic dispatch model including charging，discharging，and power consumption constraints of the PEVs with V2G and wind power is established in this paper.According to different decision variables，charging mode is divided into charging freely，synergistic dispatch without V2G and synergistic dispatch with V2G.Taking the utilization and proportion of wind power as measures to analyze the wind power integration into grid with different charging modes，the number of PEVs，wind power installed capacities.Synergistic dispatch with V2G can improve wind power integration in Power Grid to the maximum limit，which shows outstanding advantage with installed capacity increasing.Synergistic dispatch with V2G is an effective means to realize the integration of large-scale wind power and PEV，and a best match of the number of PEVs exists in power grid with certain power load and wind power installed capacity.

PEV；wind power；V2G；synergistic dispatch

TM73

：A

：1007－9904（2014）03－0001－07

2014-03-24

黃海麗（1985—），女，助理工程師，研究方向為電網運行管理與調度；

周揚（1985—），男，助理工程師，研究方向為新能源并網管理。