計及電動汽車入網的新能源混合供電系統最優決策分析

李 泉,潘原離

(國網河北省電力公司邢臺供電分公司,河北 邢臺 054001)

計及電動汽車入網的新能源混合供電系統最優決策分析

李 泉,潘原離

(國網河北省電力公司邢臺供電分公司,河北 邢臺 054001)

介紹風能、太陽能等新能源發電的間歇性、波動性等特點,針對電動汽車接入電網后需要將三者進行協調配合,以保證電網優質、經濟、可靠運行的需求。提出基于機會約束理論構建的3種新能源混合供電系統最優決策模型,分析將隨機優化問題轉化成可計算的確定性非線性優化問題進行求解的過程,通過算例證明采用機會約束描述新能源出力的隨機性是合理的,為新能源的合理利用提供了新途徑。

新能源;混合供電系統;機會約束;最優決策

0 引言

隨著能源形勢日益緊張,太陽能、風能等新型清潔能源發電具有投資省、損耗低、系統可靠性高、選址容易、能源種類多等優點,已成為未來能源工業發展的主力軍之一。據分析,2010年中國新增的新能源電源總容量占新增電源總容量的20%以上[1],截止2015年9月底,中國新能源累計并網裝機14億k W。

電動汽車在節能減排、遏制氣候變暖以及保障石油供應安全等方面,有著傳統汽車無法比擬的優勢,受到了各國政府、汽車生產商以及能源企業的廣泛關注。日益提升的電池設備、充電技術以及充電設施也促進電動汽車不斷普及。研究表明,在中等發展速度下,預計至2020、2030和2050年,電動汽車占美國汽車總量的比例將分別達到35%、51%和62%[2]。我國也制定了適合國情的發展規劃,推進電動汽車產業化進程,提高車網(電網)融合程度[3]。

風能、太陽能等新能源發電具有間歇性、波動性等特點,接入電網后需要進行協調配合,才能保證電網安全穩定運行[4]。而規模化的電動汽車可被視為分布式的儲能裝置,可以通過協調控制其充放電過程,對新能源混合供電系統起到削峰填谷的作用,從而提高系統運行的經濟性。為此,以下構建了計及電動汽車入網的新能源混合供電系統模型,并基于機會約束理論提出混合供電系統的隨機最優決策方法,為新能源發電控制提供新

的有效途徑。

1 計及電動汽車入網的新能源出力的隨機特性分析

計及電動汽車入網的新能源混合供電系統主要由風力發電場、太陽能光伏電場、電動汽車等多種新能源發電裝置組成,如圖1所示。在風能、太陽能滿足負載用電時,風力發電機和太陽能電池一起給電動汽車蓄電池充電。在風能、太陽能不能滿足負載用電時,啟動電網供電和電動汽車蓄電池放電,同時向負載供電。通過電動汽車蓄能裝置完成可控新能源的最優控制,可實現風能和太陽能資源的互補。

圖1 計及電動汽車入網的新能源混合供電系統組成

1.1 光伏出力

光伏發電機組的最大可控出力與光照強度之間的函數關系可表示為[5]:

由于光照強度存在不確定性,致使光伏出力具有隨機性。一般采用正態分布描述日平均光照強度的隨機性[4],即:

1.2 風電出力

風電機組的最大可控出力與風速之間的函數關系可表示為[6]:

式中:v為風速;vin、vrate、vout分別為風電機組的切入風速、額定風速及切出風速;PmaxW為風電機組額定功率;a、b為功率特性曲線參數,且v(PW)= [(PW-b)/a]l/k。

由于風速具有不確定性,致使風電機組的最大可控出力是隨機的。其中,風速的不確定性常采用兩參數的Weibull分布來描述,其概率密度函數為[5]:

式中:k和c分別為Weibull分布的形狀參數和尺度參數。

1.3 電動汽車出力

人類社會活動具有隨機性,因此,電動汽車的出力也具有隨機性。文獻[7]指出可將電動汽車出力作為隨機變量,用正態分布近似反映負荷的不確定性。設電動汽車出力的分布函數為:

2 混合供電系統的隨機最優決策模型

由于各新能源出力均具有隨機特性,在制定供電決策方案時,為保證供電可靠性致使供電成本增加。因此,新能源混合供電系統隨機最優決策模型以供電成本最小為目標,采用概率形式的機會約束描述隨機新能源出力的不確定性,即在某一置信水平下滿足供電可靠性相關約束[8]。隨機最優決策模型的目標函數為:

根據供電系統安全穩定運行的實際要求,決策模型中應考慮以下約束條件。

2.1 功率平衡約束

2.2 機組運行約束

式中:Pr{·}為不等式約束成立的概率;PW為風電機組的最大出力;PPV為光伏發電機組的最大出力;PEV為電動汽車的最大充放電功率;α,β,γ為事先給定的置信水平。

2.3 蓄能約束

式中:SOC為決策前電動汽車的蓄能狀態,SOC∈(0.2～0.9);Vev為電動汽車的蓄能容量。

3 最優決策模型的求解

機會約束的概率計算在數學上需要多維積分,使得其計算難以實現。為此,采用抽樣平均近似法處理機會約束,將隨機優化問題轉化成可計算的確定性非線性優化問題[9]。該方法利用蒙特卡洛抽樣法抽取隨機變量的樣本數據,計算機會約束的概率,將機會約束轉化成確定性約束條件。

采用最大函數,將一組約束等價成一個約束條件,即:

通過蒙特卡洛法抽取M組樣本數據(rj,νj, PEVj)(j=1,…,M),機會約束的概率等于M組樣本數據滿足約束條件J1(rj)≤0次數的平均值,即:

式中:Flag(t)為指示函數,即t≤0時為1,t＞0時為0。于是,機會約束條件(8)轉化為:

同理,機會約束條件(9)和(10)可分別轉化為如下確定性條件:

用式(14)至式(16)分別代替式(8)至式(10),則將混合供電系統隨機決策模型(6)至式(11)轉換成確定性優化問題,然后采用遺傳算法進行求解。

4 算例分析

某新能源混合供電系統中,風電場有3臺相同的風電機組,每臺機組的切入風速、額定風速、切出風速、額定功率均相同,分別為4m/s、15m/s、25m/s、2MW;光伏電場有2臺相同的光伏發電機組,每臺光伏電機光伏列陣面積、光伏電機效率、額定功率分別為50.34m2、14.5%、2MW;相同電動汽車有50臺,每臺電動汽車的容量為4.8kWh,電動汽車的充電和放電價格分別為C1=0.45元/kWh,C2=0.55元/kWh;電網的購電價格Cg=0.45元/kWh。

設電動汽車的初始蓄能狀態,隨機變量的概率分布參數如表1所示。

表1 隨機變量的分布參數

下面設計2種試驗方案來驗證混合供電系統的隨機最優決策的可行性與有效性。

a.決策方式對決策的影響

基于以上提出的隨機新能源的最優決策方式(置信水平為0.95,抽樣次數為1000)和傳統的決策方式,計算得到系統的最優供電方案以及供電成本,如表2所示。

從表2中可以看出,隨機優化決策方式求得的供電成本為15.362元,比確定性優化決策方式

求得的供電成本減少了17.0%。顯然,隨機優化決策方式的經濟性優于確定性優化決策方式,為系統調度員做出合理的決策方案提供了一個便利工具。

表2 不同決策方式下的決策方案

b.置信水平和抽樣次數對決策的影響

針對以上提出的隨機優化決策方式(抽樣次數均為500),設置不同的置信水平,對應供電成本如圖2所示。

圖2 供電成本隨置信水平的變化

針對以上提出的隨機優化決策方式(置信水平為0.95),設置不同的抽樣次數,對應的供電成本如圖3所示。

圖3 供電成本隨抽樣次數的變化

從圖2可以看出,隨著置信水平的提高,新能源出力不斷減少,使得系統的供電成本隨之增加,表明采用條件風險約束描述梯級水庫安全約束的合理性。從圖3中可知,隨著抽樣次數的不斷增加,系統供電成本略有降低。當抽樣次數大于1 000后,系統供電成本基本保持不變。

5 結論

該文基于機會約束理論,構建了3種新能源混合供電系統最優決策模型,并將隨機優化問題轉化成可計算的確定性非線性優化問題進行求解。算例分析表明新能源混合系統通過合理利用電動汽車的蓄能裝置,能夠充分利用新能源發電,減輕能源緊缺問題。采用機會約束描述新能源出力的隨機性是合理的,為新能源的利用提供了新途徑。

[1] Song Hui,Wei XP.Market characteristics of new energy supply in China[J].Earth and Planetary Science.2009,1 (1):1712-1716.

[2] Duvall M,Knipping E,Alexander M,et al.Environmental assessment of plug-in hybrid electric vehicles.Volume 1:Nationwide greenhouse gas emissions[R].Palo Alto,CA:Electric Power Research Institute,2007,1015325.

[3] 中華人民共和國科技部.電動汽車科技發展“十二五“專項規劃[EBOL].[2012-08-07].http://www.gov.cn/zwgk/ 2012-04/20/content-2118595.

[4] Yoshihisa S,Naotsugu Y,Yukinori T,Hideki F,Norio O. Study on the characteristics of a new power generation system with the application of the shape memory alloy engine [J].IEEE Trans on Power and Energy,2006,126(11): 1157-1163.

[5] Akinobu M,Hiroshi Y,Kenji O.A method of estimating the output fluctuation of many photovoltaic power generation systems dispersed in a wide area[J].Electrical Engineering in Japan,2009,166(4):9-19.

[6] Yehand TH,Wang L.A study on generator capacity for wind turbines under various tower heights and rated wind speeds using weibull distribution[J].IEEE Trans.on Energy Conversion,2008,23(2):592-602.

[7] Henrik L,Willett K.Integration of renewable energy into the transport and electricity sectors through V2G[J].Energy Policy,2008,36(9):3578-3587.

[8] Ozturk UA,Mazumdar M,Norman BA.A Solution to the stochastic unit commitment problem using Chance Constrained Programming[J].IEEE Trans.on Power Systems, 2004,19(3):1589-1598.

[9] Pagnoncelli BK,Ahmed S,Shapiro A.Sample average approximation method for chance constrained programming: theory and applications[J].J Optim.Theory Appl.,2009, 142:399-416.

本文責任編輯:王洪娟

Optimal Decision Analysis of New Energy Hybrid Power Supply System Considering Plug in Electric Vehicles

Li Quan,Pan Yuanli
(State Grid Hebei Power Company Xingtai Supply Branch,Xingtai 054001,China)

Wind,solar and other new energy sources generation has the characteristics of intermittent,volatility and so on.In order to ensure the grid quality,economical and reliable operation,the new energy sources generation needs to be coordinated after the electric vehicles connected to the grid.In this paper,constructed the optimal decision model of the three new energy hybrid power supply system based on the theory of opportunity constrained,and converted the stochastic optimization problems into computable deterministic nonlinear optimization problem.Numerical examples proved that it is reasonable using opportunity constrained theory describes the randomness of new energy output,a new way for the rational use of new energy sources is provided.

new energy;hybrid power supply system;opportunity constrained;optimal decision

TM743

A

1001-98989(2016)04-0011-04

2016-01-27

李 泉(1986-),男,工程師,主要從事電力系統調度運行、清潔能源研究工作。