風電與電動汽車協同并網調度環境模型

邸超+牛沁

摘 要：隨著空氣質量降低，節能減排成為電力發展的必然。新能源入網起到重要作用，本文建立了風電與電動汽車協同并網環境優化調度模型。調度風電與電動汽車協同入網，通過蒙特卡洛模擬法模擬出電動汽車不同V2G模式下充放電負荷。結果表明，有序充電模式車主響應系統調度滿足與風電出力互補性，有效減少棄風、減小負荷曲線的波動。以火電機組的SO2和CO2排放量最小化為目標，應用改進粒子群多目標優化算法求解模型。

關鍵詞：風電；電動汽車；蒙特卡羅模擬

DOI：10.16640/j.cnki.37-1222/t.2017.03.131

0 引 言

近年來，隨著空氣質量的降低，溫室效應的加劇，減少CO2、SO2的排放是對該問題的重要舉措。電力作為能源重要組成部分，在節能減排中將發揮重要作用。電力發展的重要方向是節能減排，風電和電動汽車在環境上的巨大優勢受到學者們的廣泛關注[1]。

風電出力的不穩定性、反調峰性，并網會對系統的穩定運行產生影響[2-3]。我國電動汽車累計銷售量將在2020超過500萬輛，受車主出行習慣影響負荷高峰時段充電，將增大峰谷差和系統調峰壓力[4-5]。通過調度風電與電動汽車協同入網，能有效地解決棄風問題和系統的穩定性，提高系統的環境效益[6]。

本文通過蒙特卡羅模擬法模擬出定量電動汽車不同入網模式充電功率。分別以火電發SO2、CO2排放量最小為目標構建環境優化調度模型。據相應約束條件分析了風電接入及電動汽車不同入網模式對機組運行CO2和SO2排放的影響。采用改進粒子群優化算法對模型優化求解。最后，在MATLAB環境下對模型及優化算法仿真。

3 算例分析

通過某風電場和十臺火電機組來驗證本模型的有效性。風電詳細參數值見文獻[8]，火電機組參數以及1 d內各個時刻負荷預測值見文獻[9]。1 d內風電場各個時刻輸出功率曲線（見圖1）。

通過蒙特卡洛模擬法模擬出單量電動汽車的有序、無序充放電功率[10]。設定可入網參與調度的電動汽車數量為50000輛，得出電動汽車入網各個時刻接入系統負荷（見圖2）。

結果分析：

為了驗證本模型的有效性，以下兩種不同運行方式作比較，運行方式1為風電并網，電動汽車無序V2G模式入網參與調度；運行方式2為風電并網，電動汽車有序V2G模式入網參與調度。由不同運行方式下的負荷曲線（見圖3）可知，原始負荷在沒有電動汽車參與調度情況下，負荷波動較大。采用運行方式1時，電動汽車無序V2G模式與風電協調入網，因為車主的出行習慣，大量電動汽車在負荷高峰期充電，進一步增加峰谷差。因為無序V2G模式還有一定的波動性與隨機性，同時增加了負荷曲線的波動。采用運行方式2時，電動汽車有序V2G模式與風電協調入網，車主響應峰谷效應，在負荷低谷時刻充電，高峰時刻放電，削峰填谷作用明顯，負荷曲線波動程度最小。

表1為采用MATLAB環境對兩種不同運行方式下優化目標的仿真結果對比。運行方式1：無序V2G模式下電動汽車和風電協調入網，由于車主的出行習慣進一步拉大了峰谷差，增加了負荷波動性，增加了機組的SO2和CO2排放量。運行方式2：有序V2G模式下電動汽車和風電協調入網，在負荷高峰期，電動汽車代替發電機組向電網放電，在負荷低谷期，電動汽車調度入網充電，從而有效的減小了火電機組SO2和CO2排放量。

4 結論

本文建立了風電與電動汽車協同并網調度環境優化模型，并用MATLAB仿真驗證了其可行性和有效性。結果表明，采用有序V2G模式，通過優化電動汽車充放電時間來滿足風電和負荷的波動，可以實現良好的削峰填谷作用，最大程度的消納風電，減少火電機組SO2和CO2排放。使電動汽車和風電聯合出力更加穩定的同時，也能作為調峰電源來平緩負荷曲線的波動。

參考文獻：

[1]李娜，黃梅.不同類型電動汽車充電機接入后電力系統的諧波分析[J].電網技術，2011，35（01）：170-174.

[2]陳光，戴攀，周浩等.計及入網電動汽車和分布式電源的配電系統重構[J].電網技術，2013，37（01）：82-88.

[3]張謙，李玻，高松.風電對調峰的影響及其合理利用模式研究[J].南方電網技術，2010，4（06）：18-22.

[4]胡澤春，宋水華，徐智威等.電動汽車接入電網的影響與利用[J].中國電機工程學報，2012，32（04）：1-10.

[5]孟安波，盧海明，郭壯志.考慮大規模電動汽車入網的協同優化調度[J].電測與儀表，2016，52（16）：80-84.

[6]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）：24-29.

[7]張曉輝，董興華.含風電場多目標低碳電力系統動態經濟調度研究[J].電網技術，2013，37（01）：24-31.

[8]陳海焱，陳金富，段獻忠.含風電場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（02）：22-26.

[9]Ting T O，Rao M V C，Loo C K.A novel approach for unit commitment problem via an effective hybrid particle swarm optimization[J].IEEE Transactions on Power Systems，2006，21（01）：411-418.

[10]施泉生，平宗飛，陳敏駿.計及電動汽車入網的電價聯動模型[J].電力自動化設各，2014，34（11）：34-40.