計及電動汽車入網(wǎng)的冷熱電微網(wǎng)系統(tǒng)優(yōu)化配置研究

劉星月，唐 琳，雷 霖，廖先莉

(成都大學 電子信息與電氣與工程學院，四川 成都 610106)

0 引 言

微網(wǎng)和冷熱電聯(lián)產(chǎn)(Combined cooling heating and power,CCHP)技術相結合，可提高能源利用靈活性和效率，冷熱電微網(wǎng)系統(tǒng)是促進能源可持續(xù)利用和發(fā)展低碳經(jīng)濟的重要手段[1].

冷熱電微網(wǎng)系統(tǒng)優(yōu)化配置研究的重要意義之一，是為了減小機組配置成本和提高能源效率。文獻[2]以多場景下微網(wǎng)系統(tǒng)年化總投資成本、維護成本與運行成本綜合最低為目標，建立了多微網(wǎng)系統(tǒng)規(guī)劃與運行相結合的雙層多場景協(xié)同優(yōu)化配置模型，驗證了所提配置方法在經(jīng)濟性上的優(yōu)越性.文獻[3]利用蒙特卡洛法模擬風光負荷的不確定性，采用萬有引力搜索算法得到風光儲最優(yōu)配置方案；此外，隨著電動汽車(Electric vehicle，EV)的普及，對EV加以有序充電控制勢在必行。文獻[4]通過建立EV有序充電模型，考慮了主動配電網(wǎng)的多類管理手段，制定計及電動汽車和需求響應的配電網(wǎng)經(jīng)濟調度模型并驗證了所提計及EV有序充電的經(jīng)濟調度模型的有效性.

目前的研究多見于優(yōu)化電動汽車充電對電網(wǎng)調度的影響[5]，而涉及大規(guī)模EV充電對冷熱電微網(wǎng)系統(tǒng)優(yōu)化配置的影響較少.本研究通過構建EV 2種電價響應模式的有序充電模型，即移峰模式和削峰模式，來改善系統(tǒng)的負荷曲線，并建立了冷熱電微網(wǎng)系統(tǒng)的結構及2種運行方式，構建了計及EV入網(wǎng)的冷熱電微網(wǎng)系統(tǒng)優(yōu)化配置模型，采用粒子群算法對模型進行計算，分析了系統(tǒng)運行方式、EV無序、有序充電模型對系統(tǒng)優(yōu)化配置的影響.通過算例驗證了本研究所建模型的有效性和正確性.

1 EV充電數(shù)學模型

歸一化處理中國EV用戶的調查統(tǒng)計數(shù)據(jù)，可將用戶最后一次返程時刻t0近似為服從正態(tài)分布，EV日行駛里程S近似為服從對數(shù)正態(tài)分布[6].

1.1 無序充電

在此模式下，用戶均在自己方便的時間充電，假設EV最后一次返程時間t0為入網(wǎng)充電時間ts，即

ts=t0

(1)

據(jù)日行程里程S可得需要充電的時長TC為,

TC=(SW)/(PCηEV)

(2)

式中，W為每千米耗電量，KWh/km;ηEV為EV的充電效率;PC為EV恒充電功率,/kW.

由ts、PC、TC可得第i輛EV各個充電時段的充電功率PEVi[t]，即，

(3)

采用蒙特卡洛模擬法分別模擬每輛EV每時段充電負荷，累計得到N-EVshuliang輛EV每時段充電負荷，

(4)

式中，PEV losd[t]為第t時刻的EV充電總功率，/kW；N-EVshuliang為入網(wǎng)EV的總數(shù)量.

1.2 有序充電

本研究所建立的有序充電模式是基于電價引導策略，假定k倍(參與有序充電調配率k,0≤k≤1)EV用戶是理性的，將EV充電時刻延遲到電價低谷，以節(jié)省充電費用.則k倍EV用戶選擇充電時間ts為，

(5)

式中，tstart為低谷電價開始時刻，ΔT為低谷電價時段長，tend為低谷電價結束時間，rand(0,1)為0到1的隨機數(shù).

而1-k倍EV用戶的ts仍滿足式(1).根據(jù)各輛EV的ts、PC、TC可得單輛EV各個充電時段的充電功率，如式(3)，進而累計疊加得N-EVshuliang輛EV充電日負荷.

根據(jù)低谷電價時段(tstart,tend)的選擇機制，可將有序充電模式分為移峰模式和削峰模式.

1.2.1 移峰模式

在移峰模式下，(tstart,tend)采用當?shù)胤骞入妰r時段規(guī)定，即低谷時段(當日23：00～次日07：00).

1.2.2 削峰模式

在削峰模式下，(tstart,tend)的選擇是以考慮了入網(wǎng)EV的系統(tǒng)總電負荷峰谷差最小為目標函數(shù)，采用粒子群算法尋優(yōu)所得，尋優(yōu)模型為，

(6)

式中，σload為考慮了EV削峰充電的系統(tǒng)總電負荷標準差，σload為(tstart,tend)的函數(shù).其中低谷電價時長小于12 h.本研究采用粒子群算法對式(5)進行尋優(yōu).

2 系統(tǒng)能量流圖及運行方式介紹

本研究的冷熱電微網(wǎng)系統(tǒng)結構及能量流圖如圖1所示，虛線表示電能流，點虛線表示冷能流，實線表示熱能流.PV表示光伏、PW表示風機、ES表示儲能裝置、GT表示燃氣輪機、GRID表示電網(wǎng)提供電荷需求，GRID和ES可反向吸收多余電能，EV吸收系統(tǒng)的電能進行充電.GT發(fā)出電能的同時產(chǎn)生熱能，一部分通過WHB余熱鍋爐向系統(tǒng)供熱負荷需求，另一部分通過AR吸收式制冷機向系統(tǒng)提供冷負荷需求.GB表示燃氣鍋爐消耗天燃氣產(chǎn)生的熱能，一部分直接提供給系統(tǒng)的熱負荷，另一部分通過AR向系統(tǒng)提供冷負荷，HS表示儲熱裝置.

本定義系統(tǒng)的廣義熱負荷需求QH-M為，

QH-M=QH+QC/ηAR

(7)

式中，QH為熱負荷需求；QC為冷負荷需求；ηAR為AR的工作效率.

據(jù)GT的工作形式及熱電負荷滿足的機制，可將系統(tǒng)的運行方式分為以熱定電(Ordering power by heating,OPH)和以電定熱(Ordering heating by power,OHP)方式.

2.1 OPH方式

系統(tǒng)的QH-M由GT提供，其中熱負荷由GT通過WHB滿足，冷負荷由GT通過AR滿足，此時GB出力為0，GT、PV、PW同時產(chǎn)生的電能共同供給總電負荷，若有剩余由ES儲能，若超過了ES的容量，向GRID售電獲利；若產(chǎn)生的電能不夠，由ES放電，若超過了ES的容量，由GRID補充.

2.2 OHP方式

系統(tǒng)總電負荷由GT、PV、PW、ES滿足，GT同時產(chǎn)生的熱能供給QH-M，若有剩余，由HS儲存多余熱能；如產(chǎn)生的熱能不夠，由GB補充，若超過了GB的容量，由HS補充.

3 優(yōu)化配置模型

3.1 目標函數(shù)

本研究將機組折舊CDC、運行維護成本COM、污染氣體處理成本CPO、外網(wǎng)交互成本CGRID統(tǒng)一折算為經(jīng)濟成本，作為目標函數(shù).

minf=CDC+CPO+COM+CGRID

(8)

3.2 約束條件

1)系統(tǒng)電功率平衡

(9)

式中，Pj為機組所發(fā)功率，/kW；M為系統(tǒng)中機組的總數(shù)量；Pload為原始電負荷需求，/kW；PEVload為EV總充電負荷,/kW.

2)熱功率平衡

QGT/ηWHB+QGB+QHS=QH-M

(10)

式中，QGT為GT提供的熱功率，/kW；ηWHB為WHB的余熱利用效率；QGB為GB提供的熱功率,/kW；QHS為HS提供的熱功率,/kW.

3)可控微源功率出力約束

(11)

式中下標min、max分別代表各機組最小最大出力.

4 仿真算例

選取成都市某居民小區(qū)為例進行研究，該小區(qū)的微網(wǎng)結構如圖2所示，小區(qū)內(nèi)目前有500輛EV，且小區(qū)內(nèi)充電樁足夠多，在EV有序充電模式下，假設k=0.8.該小區(qū)冷熱電微網(wǎng)系統(tǒng)需要優(yōu)化配置的機組容量包括PV、PW、GT、GB、AR、ES、HS，本研究仍采用粒子群算法求解上述構建的優(yōu)化配置模型.

4.1 優(yōu)化配置結果

為了分析EV充電模式及微網(wǎng)系統(tǒng)的運行方式對優(yōu)化配置的影響，本研究設置了6種優(yōu)化配置場景：場景1為OPH下EV采用無序充電模式，場景2為OPH下EV采用移峰充電模式，場景3為OPH下EV采用削峰充電模式，場景4為OHP下EV采用無序充電模式，場景5為OHP下EV采用移峰充電模式，場景6為OHP下EV采用削峰充電模式.求解以上6個場景下的優(yōu)化配置結果如表1所示.其中機組配置容量單位為kW,配置成本單位為萬元.

表1 優(yōu)化配置結果

比較場景1、4時，場景2、5，場景3、6的結果，可知,當EV采用同一種充電模式時(無序、移峰、削峰)，OPH的運行方式在經(jīng)濟成本上優(yōu)于OHP運行方式.

比較場景1、2、3，比較場景4、5、6，可知,當采用本研究設置的EV有序充電模式，可有效減小系統(tǒng)的機組配置成本，優(yōu)化可控微源的容量，其中削峰模式的優(yōu)化效果，優(yōu)于移峰模式.

進一步研究3種充電方式對優(yōu)化配置的影響，模擬案例中500輛EV分別采用無序、移峰、削峰(移峰和削峰模式下，k=0.8)3種充電模式時的EV充電日負荷，疊加在系統(tǒng)原始電負荷曲線上，得到3種充電模式下總負荷曲線.削峰模式下，根據(jù)圖1的求解步驟可得最優(yōu)低谷電價時段為02：30～10：15.

從圖2可以看出，當EV采用無序充電模式時，其總負荷的峰谷差最大，其次為移峰模式，最小為削峰模式.結合表1可知，在無序充電模式下，夜晚的尖峰負荷最大，其PW配置容量最大，其次為移峰模式，最小為削峰模式.同理也可分析，無序充電模式下系統(tǒng)的峰谷差最大，為了迎合高峰時期的負荷需求，可控微源配置容量及配置成本最大，而移峰和削峰模式可改善系統(tǒng)負荷曲線，有效減少可控微源配置容量及配置成本，且削峰模式優(yōu)于移峰模式.

4.2 EV有序充電模型有效性

為了驗證本研究提出的電動汽車有序充電模型(移峰模式和削峰模式)的有效性，將本充電模型應用在文獻[6]的算例系統(tǒng)中，并和文獻[6]中3種EV充電模型(無序、正序、有序)做出對比假設此時系統(tǒng)中共有500輛電動汽車充電，具體如圖3所示.

由圖3可知，對比文獻[6]的3種充電模式，本研究提出的移峰模式將充電負荷平移到了電價低谷時段(02:00～05：00)，有效地減小了傳統(tǒng)負荷高峰(17：00-22：00)的用電壓力，同時引起了新的一輪負荷高峰，而削峰模式可以彌補這個弱點，通過對低電價時段的尋優(yōu)(所求最優(yōu)時段05：00-13：00)，引導電動汽車用戶將充電行為平滑過渡到最利于削峰填谷的時段，故其最利于平滑充電負荷.

進一步，當移峰和削峰充電模型與文獻[6]所提3種充電模型應用在不同EV規(guī)模時，各種充電模式下系統(tǒng)總負荷的峰谷差率如表2所示.

表2 不同充電模式下總負荷峰谷差率

以上可知，當EV充電規(guī)模不同時，本研究提出的EV削峰充電模式在削峰填谷，平滑負荷方面，效果最優(yōu).

4.3 參與有序充電調控率及EV入網(wǎng)數(shù)目對優(yōu)化配置成本的影響

進一步研究當 N-EVnumber和k變化時，對微網(wǎng)系統(tǒng)的優(yōu)化配置的影響，如圖4所示.

圖4中x軸指k的變化值(0.2到1)，y軸(200到1 000)指N-EVnumber，z軸指配置成本(萬元).當y值不變時，隨著k的增加，配置成本減小，說明愿意參與有序充電調配的用戶比例越大，對冷熱電微網(wǎng)系統(tǒng)配置成本的優(yōu)化越明顯.而當x值不變時，優(yōu)化配置成本隨著y的增大而增大，因為隨著EV數(shù)量的增加，系統(tǒng)的總電負荷需求增加，所需要的機組容量及成本都會增加，其增加的幅度隨著EV的數(shù)量增加而減小，原因是EV用戶中有一部分愿意參與削峰調配，故由于EV數(shù)量增加而導致的配置成本增加趨勢得以減緩.

5 結 論

本研究建立了EV無序和有序充電的模型以及冷熱電微網(wǎng)系統(tǒng)的結構，并設置了兩種運行方式，最后建立了考慮EV入網(wǎng)的冷熱電微網(wǎng)系統(tǒng)優(yōu)化配置模型，采用粒子群算法進行求解，可知本研究所提有序充電模型可減小系統(tǒng)負荷峰谷差，因此可減少冷熱電微網(wǎng)系統(tǒng)的配置成本，優(yōu)化可控微源機組配置容量，其中削峰模式優(yōu)于移峰模式。而在削峰模式下，EV用戶參與有序充電意愿和EV入網(wǎng)數(shù)量也是影響系統(tǒng)優(yōu)化配置的因素，在EV入網(wǎng)數(shù)量一定的前提下，用戶參與意愿越強，對系統(tǒng)的配置成本優(yōu)化效果越佳。本研究所建模型和結論可為結合了電動汽車和冷熱電微網(wǎng)系統(tǒng)的研究提供參考。