基于分時電價的可控型家電負荷優化控制策略

針對微網中部分家電可控負荷不合理的用電行為，如空調高頻啟/停行為和電動汽車自主無序充放電行為，文中兼顧用戶的舒適度，利用電動汽車接入電網（V2G）的雙向交互能力，提出分時電價下家電可控負荷用電成本最小化的數學模型。以某區域的夏季室外大氣溫度為例，對比分析了在不同方案下的仿真結果，結果表明：文中提出的溫控模式在滿足用戶舒適度的前提下有效延長了空調壽命，并且引入的新型權重系數避免了電動汽車出現“高充低放”的現象，結果驗證了優化方案的有效性。

【關鍵詞】微網 可控負荷 分時電價 空調 電動汽車

1 引言

微網是將分布式電源發電裝置，以及負荷、儲能裝置等有機結合形成一個單一可控單元并接入到電網的技術。微網中的可控負荷，包括空調、熱水器、冰箱、電動汽車等，約占總負荷的60%，是一類工作方式靈活可控、空間分布廣泛、時域便利的負荷。針對微網中可控負荷的可控性，對典型家電負荷（空調負荷、電動汽車負荷）進行相應的控制調節，可以有效地縮小電網負荷的峰谷差，節約用戶的用電成本。

在夏季時段，空調負荷的急劇增加，導致了電網負荷高峰緊張。此外，在家電可控負荷中電動汽車保有量不斷增加，將電動汽車的存儲能量作為備用電源，對有效地緩解電網負荷緊張有著重要的作用。目前對電動汽車接入電網的研究主要包括有序充電控制和與電網的互動（vehicle to grid，V2G）[7]兩個方面，研究表明電動汽車不僅增加了電網的用電負荷，更重要的是電動汽車的動力電池可作為分布式儲能單元，與電網的能量管理系統進行通信，并受其控制，在電網負荷高峰時段對電網進行方向饋電行為，而在電網負荷低谷時段進行正向充電行為，進而實現電動汽車的動力電池與電網之間的能量轉換。然而沒有相應的電價誘導和政府支持，容易導致用戶自主無序的充放電，從而增加電網負荷負擔，因此利用一些經濟措施（如分時電價）誘導用戶有選擇地控制其負荷曲線，進而達到負荷側管理（demand side management，DSM）、優化負荷波形、消峰平谷等目的，且可以盡可能地維持用戶用電舒適度在一個較高的水平。

本文對比分析不同的空調溫控模式，在確保用戶舒適度的前提下，減少對設備的損耗。此外，引入分時電價經濟策略，誘導用戶在電網購電價峰值期間放電，在充電電價平、低值期間充電，以可控負荷（空調、電動汽車）總用電成本最小化為目標，對可控負荷進行優化控制。

2 空調溫控模式

假設住宅房屋模型及計算得到的房屋窗戶、墻壁等效面積等相關參數如表1所示。

假設整棟房屋在單位時間t內由室外與室內的溫度差而導致從室外搬到室內的熱量為Qout-in，由空調的制冷熱量而導致從室內搬到室外的熱量為Qin-out，因此單位時間內整棟房屋內的溫度變化與實際室外向室內傳遞的熱量相關，具體計算如下：

式（10）中：UtEV為電動汽車在第t時段充放電的總成本；PtEV，c、PtEV，d分別為在第t時段內電動汽車的充電功率和放電功率；sct、sdt分別為在第t時段電動汽車的充放電狀態因子；c1t、c2t分別為在第t時段電動汽車正向充電電價和反向放電電價，如圖2所示。

本文中采用的分時電價模式，將一天中充放電電價分為峰、平、谷三個階段。由圖2可見，充電電價在09：00～12：00和18：00～21：00為峰階段，13：00～17：00和21：00～24：00為平階段，01：00～08：00為谷階段；放電電價在08：00～12：00和16：00～21：00為峰階段，13：00～15：00和22：00～24：00為平階段，01：00～08：00為谷階段。

對電動汽車進行充放電時，電荷狀態很低的電動汽車有可能繼續向電網放電，電荷狀態很高的電動汽車有可能電網繼續向其充電，容易出現“高充低放”的現象。為了減少電池的損耗，本文引入權重系數βct和βdt，將電動汽車的電荷狀態被控制在[Ssocmin，Ssocmax]范圍內，β取值如下所示：

式中：βct、βdt分別為電動汽車在時段t內的充電系數和放電系數；Ssoct為時段t初電動汽車的電荷狀態；Ssocmax為最高電荷狀態；Ssocmin為最低電荷狀態。

本文引入權重系數后充放電功率分別為βctPtEV，c和βdtPtEV，d。由式（12）可知，電動汽車放電期間，當電動汽車的電荷狀態最低，Ssoct=Ssocmin時，βdtPtEV，d=0，停止放電；電動汽車充電期間，當電動汽車的電荷狀態最高，Ssoct=Ssocmax時，βctPtEV，c=0，停止充電。

4 可控負荷調度優化決策模型

4.1 目標函數

本文以空調負荷PAC和電動汽車充放電負荷、PEV，c、PEV，d為優化變量，以這兩種可控負荷用電總成本最小為決策目標：

4.2 約束條件

4.2.1 空調負荷約束條件

空調負荷約束條件包括室內溫度約束和單位時間內空調輸入功率約束兩個方面：

（1）室溫約束條件。

5 算例分析

5.1 不同溫控模式的結果分析

在本文算例中，一棟住宅房屋里有一臺空調和一輛電動汽車，以合肥市8月11日的室外大氣溫度為例，如圖3所示。

在空調恒輸入功率模式下，空調每小時的輸入功率恒為3kW，單位時間（1min）內輸入功率為0.05kW，能效比為3，用戶期望室溫為26℃，允許誤差為±2℃，因此室內舒適溫度范圍為[24℃，28℃]，室內初始溫度設定為26℃，空調的初始狀態處于開啟狀態（σ=1），室溫變化如下：

分別對空調恒輸入功率和變輸入功率兩種溫控模式進行分析，兩種模式下的室溫控制結果和各小時內的總輸入功率如圖4所示。由圖4可知，恒/變輸入功率兩種模式下，控制后一天平均室溫分別為26.37℃和26℃，一天24h總輸入功率分別為20.5kW和21.6kW。結合圖2中的電價數據，計算得到恒/變輸入功率兩種溫控模式下空調負荷產生的成本均分別為12.8884元和13.3350元。結果表明，恒輸入功率模式下，在滿足用戶的舒適度的前提下，空調一天24h的耗電量和分時電價下總用電成本均更少，但一天中空調的啟/停次數達到了145次，平均10min空調就啟/停一次，高頻率的更換空調的停啟狀態會嚴重降低其壽命。變輸入功率模式下，總輸入功率和總成本比恒輸入功率模式分別多出1.1kW和1.024元，一天中空調的啟/停次數為零，且室溫一直維持在26℃，相比于恒輸入功率的高頻啟停模式，變輸入功率的溫控模式更加可行。endprint

5.2 電動汽車負荷優化結果分析

本文假設電動汽車8：00離家，18：00點到家，在離家期間不進行任何充放電行為，電動汽車電池容量為24kWh，其它相關參數如表2所示。

由于電動汽車在離家狀態中具體行程安排未知，因此為了簡化表達，8：00～18：00的電荷狀態表達如下：

文中電動汽車的充放電電價分為峰、平、谷三個階段，如圖2所示，對比圖中的電價數據，本文假設電動汽車在18：00～21：00期間對電網反向放電，在21：00～8：00期間正向充電。分別對電動汽車負荷優化前后結果進行分析，電動汽車各時段的充放電功率和相應的電荷狀態的變化曲線如圖5、6所示。

對比電動汽車負荷優化前后的結果，一方面，圖5顯示優化前電動汽車在放電期間放電并不完全，放電收益減少，這可能會導致總成本增多，而圖6顯示優化后的放電更加完全，并且未超出電池最低電荷狀態的要求。

另一方面，圖5顯示電動汽車在21：00～24：00充電電價峰值期間的充電功率比1：00～08：00谷值期間更高，這會導致負荷峰上加峰，同時用戶充電成本也相應增多，相比之下，圖6中優化后各時段的充電功率更加合理。在空調變輸入功率溫控模式下，一天24h家電可控負荷的各項數據如表3所示。

根據表3中的負荷相關數據可知，優化前、優化后、不參與V2G放電三種情況下，優化后的電動汽車總用電負荷分別比優化前和不參與V2G放電的情況下多了11.9%、48.5%，但優化后的總用電費用卻分別比優化前和不參與V2G放電的情況下減少了8.3%、23.2%。結果表明，電動汽車充電量最少的反而成本最高，在未優化的情況下用戶不考慮分時電價，在用電高峰期間依舊進行充電行為，導致電網負荷峰上加峰，同時也增加了用電成本。由此可見，電動汽車可控負荷優化后有效減少了用戶的總用電成本，同時驗證了分時電價模式的可行性。

6 結語

本文采用空調變輸入功率恒溫控模式，建立了一天24h用戶用電成本最小化的優化目標模型，以某區域的實時室外溫度數據為例，利用改進粒子群優化算法對模型進行求解，結論如下：

（1）采用的空調變輸入功率恒溫控模式可行性較高，延長了空調的使用壽命，并且使室溫一直處于穩定狀態，最大限度地滿足了用戶的舒適度；

（2）文中引入的新型權重系數，有效地避免電動汽車出現“高充低放”現象，使電動汽車的充放電行為更加合理，減少了對電池的損耗；

（3）基于分時電價建立的優化策略，使電動汽車在用電高峰時段響應電網需求，進行V2G反向放電行為，在低谷時段進行充電行為，緩減電網負荷高峰緊張的同時提高了用戶放電收益，降低了充電成本。

參考文獻

[1]陳潔，楊秀，朱蘭等.微網多目標經濟調度優化[J].中國電機工程學報，2013，33（19）：57-66.

[2]苗軼群，江全元，曹一家.考慮電動汽車隨機接入的微網優化調度[J].電力系統自動化，2013，33（12）：1-6.

[3]湯奕，鄧克愚，孫華東等.智能家電參與低頻減載協調配合方案研究[J].電 網 技 術，2013，37（10）：2861-2867.

[4]湯奕，魯針針，寧佳.基于電力需求響應的智能家電管理控制方案[J].電力系統自動化，2014，38（09）：93-99.

[5]高賜威，李倩玉，李揚.基于DLC 的空調負荷雙層優化調度和控制策略[J].中 國 電 機 工 程 學 報，2014，34（0）：1-10.

[6]姚建國，楊勝春，王珂等.平衡風功率波動的需求響應調度框架與策略設計[J].電力系統自動化，2014，38（09）：85-92.

[7]胡澤春，宋永華，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）：1-32.

[8]曹一家，苗軼群，江全元.含電動汽車換電站的微電網孤島運行優化[J].電力自動化設備，2012，35（05）：1-6.

[9]戴詩容，雷霞，程道衛等.電動汽車峰谷分時充放電電價研究[J].電網與清潔能源，2013，29（07）：77-82.

[10]Weather website[Online].Available： http：//www.wunderground.com/ history

作者簡介

李慧媛（1991-），女，江蘇省鹽城市人。碩士學位。現為鹽城工學院教師。主要研究方向為電網負荷側管理、神經網絡的穩定與同步等。

作者單位

鹽城工學院（電氣工程學院） 江蘇省鹽城市 224051endprint