考慮多負荷種類需求響應的DG容量與電動汽車協同規劃*

羅大廳，呂林，劉迪

(四川大學 電氣信息學院， 成都 610065)

0 引 言

風電，光伏等分布式能源(Distributed Generation，DG)具有明顯的隨機性和時序性，其并網后將增大電網的調度壓力，并產生棄風棄電等能源浪費問題。另一方面，電動汽車(Electric Vehicle，EV)是具有明顯節能減排潛力的特殊負荷類型，大規模電動汽車并網充放電勢必會給電網帶來巨大的負荷峰谷壓力。近些年來廣泛關注的電動汽車并網技術(Vehicle to Grid，V2G)使電動汽車以需求響應(Demand Response，DR)的形式參與電網，以提高新能源資源的利用率，減少負荷峰谷波動，實現電網的經濟穩定運行。但由于電動汽車用戶的人為社會性，如何協調電網電源容量與電動汽車合理參與仍是研究的重點和難點。

分時電價(Time of Use，TOU)是一種基本的價格型需求響應(Demand Respond，DR)策略，通過制定合適的TOU電價，引導用戶主動參與電網調度，主動貼合電網電源時序特性，提高新能源資源利用率，平抑電網負荷波動[11-12]。近些年來，針對主動配電網容量規劃DR研究大多僅在運行層面上使用固定的DR策略，而針對TOP策略的研究又沒有考慮需求側的影響。如今，電力市場環境下，電動汽車作為特殊的負荷類型，將其參與DR策略，在規劃層面，同時考慮供需兩側，與電源容量和負荷響應協同規劃，可在一定程度上最大化提高新能源資源利用率，并有效調節電網負荷波動，實現電網系統的安全經濟運行。

文獻[2]通過TOP電價引導車主有序充電，實現DG消納，與負荷調節，但未考慮發電側與電動汽車放電影響；文獻[4]將考慮車主利益電網發電側與電動汽車進行協同規劃，但僅考慮單一的需求響應類型，也并未規劃合適的分時電價，與實際情況有所差異；文獻[5]將DR與DG容量進行協同規劃，考慮了儲能，且未考慮電動汽車的V2G并網。

基于上述研究，提出一種主動配電網DG容量與電動汽車的協同規劃方案，該方案考慮工、民、商三種負荷類型需求響應，以DG容量，1 h電動汽車入網功率，TOU電價為決策變量，以電網總成本，負荷波動方差為目標函數構建多目標協同線性規劃模型，通過MATLAB中的YALMIP工具進行仿真，運用CPLEX進行，通過與傳統方案對比，驗證了所提方案的優越性。

1 分布式電源時序模型

所研究的主動配電網分布式能源主要考慮風機(Wind Turbine，WT)、光伏列陣(Photo Voltaic，PV)，并以微型燃氣輪機(Micro-turbine Generator，MT)為輔助發電元件，并通過公共連接點與主網相接。

1.1 光伏發電時序模型

光伏出力主要由光照強度決定，光照強度不僅受季節影響，同時受天氣影響，因此光伏出力時序模型更為復雜，根據某地氣象資料分析得出的光照日曲線，建立光伏出力時序模型，如圖1所示。分析圖1可知：該地夏季晴天光照強度最大，冬季雨天最小，幾乎不出力，光伏出力均在正午時刻達到最大，說明光伏出力還受一定的溫度影響。

圖1 PV出力時序曲線

1.2 風機機組時序模型

風機出力主要由該地區的風力強度決定，而風力強度在不同季節具有明顯差異，因此，風機時序模型可分為四個季節描述。根據某地氣象資料分析得出的春夏秋冬風速日曲線，進而建立風機出力時序特性模型，如圖2所示。分析圖2可知：該地春冬兩季風力較大，夏秋兩季風力較小，風機出力在黃昏時刻出力最大，其中冬季黃昏時刻出力顯著增強。

圖2 WT出力時序曲線

2 不同種類負荷需求其響應模型

2.1 不同種類負荷時序模型

研究負荷主要包括居民負荷、商業負荷、工業負荷，其中居民負荷主要由空調負荷和電動汽車負荷構成，其居民出行時間和季節影響較大，夏季往往最高，春秋兩季較小，商業負荷全年基本滿載運行，時序差異較小，工業負荷由于各季節生產需求不同，有一定的時序波動，但較居民負荷不為明顯。文章將根據不同負荷類型分別建立電價需求響應模型，實現電網電力資源的合理分配利用，避免成本過高。由某地數據庫整理分析得出的各類型負荷日曲線如圖3～圖5所示。

圖3 工業負荷時序曲線

圖4 居民負荷時序曲線

圖5 商業時序曲線

通過圖1～圖5的DG與負荷時序日曲線對比分析可知，當地負荷與DG出力具有一定的契合度，但是峰谷時段差異較大，其中工商負荷全年季節波動較小，居民負荷因夏冬兩季的冷暖系統影響而有明顯的季節波動，電動汽車作為特殊的居民負荷，在一定程度上能通過其充放電來削減峰谷負荷波動，因此在規劃階段引入需求響應，通過分時電價(Time of Use，TOU)引導電動汽車入網，同時規劃電源容量(WT、PV、MT)與電動汽車充放電，能減少峰谷負荷差異，提高風電光伏資源的利用率，實現電網的經濟穩定運行。

2.2 不同種類負荷響應模型

電動汽車負荷為特殊的居民負荷，可通過并網充放電對電網負荷進行一定程度的調節，通過制定合理TOU電價引導電動汽車車主并網充放電，可以促進風電消納，減少負荷波動。

目前研究主要是構建彈性矩陣來分析并搭建TOU電價模型，但是多數僅考慮單一的負荷，由于工、商、民的時序特性存在差異，僅考慮單一的負荷必然與實際電網有所差異。

分析工、商、電動汽車等居民用戶的時序特性，并以文獻[9]中的響應模型為基本建立需求響應模型如下：

(1)

(2)

(3)

不同類型負荷需滿足一定的閾值約束，若不斷調整電價，負荷卻不發生變動，則徒增電網調度運行壓力，閾值約束如下：

(4)

3 協同規劃模型

3.1 目標函數

主要針對DG容量及電動汽車進行協同規劃，以減少負荷高峰低谷差，實現電網的經濟穩定運行。因此，決策變量為單位容量光伏、風機、儲能的個數及峰平谷三時段電動汽車引導電價，以電動汽車負荷為中間變量，為使電動汽車車主最大程度的配合電動汽車充放電同時需要考慮電動汽車車主利益，即車主滿意度，因此，目標函數為主動配電網總成本最優、負荷方差以及車主滿意度最高。

(1)電網總成本由投資總成本、運行成本、購電成本三部分組成。具體目標函數如下：

minF1=fo+fin+fbuy

(5)

式中fo、fin、fbuy分別為投資總成本、運行成本、購電成本。

(a)投資總成本

由于系統不同DG的使用年限與規劃年限存在差異。因此，首先將各DG的初始投資成本進行等值轉化：

(6)

(b)年運行成本

年運行成本主要由WT、PV、MT的年運行(發電)成本，新能源補助成本，減污補助成本構成，由下式表示：

(7)

(c)購電成本

由于DG出力與配網負荷存在差異，配網將向主網購置一定電量：

(8)

(2)電網負荷波動方差最小：

(9)

(3)為保證電動汽車能有序充放電，最大程度的引導車主并網，需要考慮電動汽車車主的利益，以電動汽車車主支付成本最低來保證車主滿意度最大，即：

(10)

3.2 約束條件

(1)DG容量與出力約束：

(11)

(2)棄光棄風約束：

(12)

(3)DG滲透率約束：

(13)

(4)微型燃氣輪機MT與主網約束：

(14)

(5)電動汽車充放電功率約束：

(15)

式中Ni,park為t時刻電動汽車停放總數量；pd,s,t、pc,s,t為電動汽車的充放電功率；α、β為電動汽車蓄電池容量極值參數；Qi為蓄電池容量；η為電池充放電效率；Δt為單位時間；Qi,drive為電動汽車行駛電量；μi為t時刻的汽車停用概率；Qkm為電動汽車運行每km所需電量；vs,t為平均速度。

(6)功率平衡約束及倒送約束：

(16)

(7)電價約束：

(17)

式中pf、pp、pg分別為峰、平、谷時段分時電價。

4.作風建設。央企黨建主要通過加強黨風建設和反腐倡廉建設，轉變企業的工作作風和思想作風。首先，中央企業普遍建立了由黨委統一領導、黨政共同管理、紀委部門監督協調的反腐倡廉體系；其次，通過完善現代企業制度和公司的法人治理結構，從源頭預防和治理中央企業的腐敗問題；最后，建立和完善企業經營管理者的激勵約束機制，實行責、權、利的有效統一，預防國有資產流失和企業腐敗。

4 模型求解

MATLAB工具箱中的YALMIP接口進行仿真可計算多目標函數的整數規劃模型，但其約束條件要求必須是線性的，由于文中模型存在部分非線性約束，因此需要通過引入0-1變量，將該模型中非線性約束全部轉化為線性約束，部分約束轉化如下：

響應閾值約束：

(18)

5 算例分析

5.1 算例數據

設定運行年限為20年，電價在年限內保持一致，以某地區電網為實際模型，其倒送功率限制為25 MW。前面圖1～圖2以給出該地區PV、WT的時序出力曲線，圖3～圖5為該地區工、商、民三種負荷的時序特性曲線。根據該地區氣象局歷年數據，該地區的天氣情況如表1所示。規劃的配網電源含PV、WT、MT，表2為PV、WT、MT的基本參數，三種電源的單位個數容量分別為0.3 MW、 1.8 MW、 3 MW。傳統節能減排、環境收益等參數參見文獻[18]。

表1 各場景典型日天數

表2 分布式電源基本參數

在調度運行方面，該電網購電的分時電價以及峰、平、谷時段如表3所示。

表3 購電分時電價時段劃分及價格

選取該地區電網網峰谷時段為規劃時段，通過歷史數據分析，得出三種不同負荷的響應矩陣如下：

文中模型的電動汽車參數如表4所示，電動汽車行駛概率如圖6所示，該地區常住家庭為20 000戶，因此設定4 000臺電動汽車參與規劃，初始時刻電動汽車容量余額為總電池的50%，調度周期為24 h。

表4 電動汽車參數

圖6 電動汽車的停放概率

5.2 不同規劃方式對比分析

考慮多種負荷響應，將電網中的分布式電源容量與電動汽車協同規劃，提出的協同規劃是將主動配電網中分布式電源(PV、WT、MT)個數及考慮電動汽車的分時電價共同規劃，為了體現所提出的協同規劃的優越性，考慮增加以下規劃方案進行對比分析：

方案2：考慮分時電價TOU，不考慮電動汽車入網，先規劃PV、WT、MT，再規劃TOU電價；

方案3：考慮TOU，并考慮電動汽車入網，先規劃PV、WT、電動汽車引導電價，再規劃MT；

方案4：考慮TOU，并考慮電動汽車入網，先規劃PV、WT、MT，再規劃電動汽車引導電價；

方案5：基于此方案，協同規劃PV、WT、MT以及電動汽車引導電價。

仿真規劃結果如表5所示，分析可知：

(1)方案1與其他方案相比，總成本最大(總收益最低)，且負荷方差最大，這是因為電網負荷曲線與DG出力存在時序上的差異，導致負荷峰谷時段差異較大，且前期投資和運維成本較高，但減排補貼收益較低；

(2)方案2在方案1的基礎上考慮了分時電價TOU，一定程度上使得電網負荷達到削峰填谷的效果，改變了“凈負荷曲線”，使得電網負荷方差大幅減少，同時由于考慮TOU的影響，電網電源初期投資成本減少，因此可以看出考慮需求響應能提高電網的經濟性和穩定性；

(3)方案3與方案4在方案2的基礎上考慮了電動汽車入網，負荷方差在一定程度上得到進一步的改善，同時總成本有所降低，這是因為由于電動汽車用戶入網充放電，能在一定程度上改善電網負荷曲線，而方案3相較方案4采用了更多的WT，由于WT的運行年限僅4年，使得投資成本過高；

(4)方案5為所提方案，在投資成本上均高于其他方案，這是由于DG投入較多，但投入DG所獲得的補貼收益十分可觀，在電動汽車入網平滑了負荷曲線，滿足棄風棄光約束、倒送功率約束的條件下，更傾向于增加電網PV發電量。

通過以上多種方案比較分析可以看出，考慮電動汽車引導電價可以促進風光消納，且將電網電源容量與電動汽車引導電價協同規劃方案的總成本最低，且電動汽車車主主動上網的意愿較高，電網的負荷方差明顯低于其他幾種情景。因此，所提方案在實現電網經濟穩定運行方面具有一定的優越性。

表5 多種方案規劃結果

圖7為電動汽車并網前后的電網負荷曲線，通過制定合理的分時電價引導電動汽車入網充放電有效改善了電網的負荷曲線，實現了一定程度的削峰填谷效果，同時由于電動汽車車主低價充電，高價放電，為自己帶來了一定的收益，必然將提高車主的滿意度，使其主動配合參與電網調度。

圖7 電動汽車入網前后負荷曲線

圖8為電動汽車充電放電功率分布，在0～8點時谷時電價最低，車主將選擇低價充電，在8點～12點和14點～21點峰時電價高時，車主將主動選擇放電獲得部分盈利，在午時12點～14點平時段，電價雖然比谷時段高，但由于峰平時段的電價差值仍然可觀，仍有部分車主將選擇在該時段充電。

圖8 電動汽車充放電功率

圖9為某典型日DG出力及負荷具體情況，由圖9分析可知，規劃之后，DG滲透率較高，基本在50%以上，可控DG微型汽輪機的出力比較穩定，而由于WT、PV的時序特性影響，該電網在用電平時段和峰時段仍將向主網購買一定數目的電量。

圖9 典型日功率曲線

5.3 敏感度分析

取負荷波動方差為縱軸，以電動汽車滲透率為橫軸，繪制趨勢圖，如圖10所示。

圖10 負荷方差與電動汽車規模的變化關系

分析可以看出：

(1)接入電動汽車可以改善電網峰谷差異，平抑負荷波動，這是由于通過制定合理的分時電價，車主將主動高價放電，低價充電，達到電網雙向共贏；

(2)曲線為一凹型曲線， 說明存在電動汽車最優規模問題，其主要原因在于電動汽車規模較低時，用戶響應分時電價，將峰時電荷移至谷時，但隨著規模增大，易導致在某時刻出現新的高峰。該地區電網在電動汽車規模達到26%臺時，負荷方差達到最低。

6 結束語

針對風光燃氣輪機主動配電網，以分時電價引導電動汽車充放電上網，提出了一種考慮工、商、民時序特性以及風光時序特性的電源容量與電動汽車的協同規劃模型，該模型以總成本，負荷方差為目標，考慮電網DG約束、電動汽車充放電約束等多種約束得出規劃方案，通過多方案分析比較驗證其優越性，最后分析了對電動汽車規模對規劃結果的影響，主要結論如下：

(1)考慮用戶側需求響應，能在一定程度上實現DG與負荷的時序貼合，減少棄風棄電，降低電網成本，增加可再生能源利用率；

(2)通過引入電動汽車，將電源側和需求側同時考慮，制定出合適的分時電價能有效引導電動汽車車主主動上網，實現一定程度的削峰填谷的效果，在針對電動汽車電價的規劃中，考慮多種負荷的需求響應能更加貼合電網規劃實際，提高準確性；

(3)協同規劃是在電動汽車規模不大的情況下進行，通過協同規劃得出最優分時電價引導電動汽車上網，以將峰時負荷轉移至谷時，實現風光消納，減少電網負荷波動，但通過靈敏度分析可知，隨著電動汽車規模增大，電網可能在某些時刻出現新的負荷波峰，因此，如何將電動汽車規模最優問題考慮進規劃模型中是下一步研究的方向。