電動汽車可調度能力的風車協同參與機組組合方法

王吉 胡珊珊 黃建鐘

摘? ?要：為了提高用戶評估電動汽車的利用效率，節省用戶成本，提出了風車協同參與機組組合方法。通過構建出電動汽車可調度充電數據模型以及電動汽車可調度充電和放電數據模型，從整體上把握電動汽車運行過程中的容量范圍，并且還能夠及時、有效地評價電動汽車的風電功率、放電功率以及充電功率等。從而設計出不同汽車類型、不同容量的發電機組的啟停機規劃，實現用戶的最大化利益。通過算例分析，在PEV電網應用環境下進行仿真試驗，考慮了不同類型的電動汽車的出行特征，分析出各種不同類型的電動汽車出行數據，并測量、計算出不同時段的汽車輸出功率，最終分析出汽車運行的最小成本，通過多次運算，整體誤差較小。

關鍵詞：電動汽車;風車協同;參與機組組合;容量范圍

中圖分類號：TM619? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A

Windmill Cooperative Participation Unit Combination Method

for Dispatchable Capability of Electric Vehicle

WANG Ji1?，HU Shan-shan1，HUANG Jian-zhong2

（1. China Southern Power Grid Research Institute Co.，Ltd.，Guangzhou，Guangdong 510000，China;

2. Shenzhen Xinglong Technology Co.，Ltd.，Shenzhen，Guangdong 518052，China）

Abstract：In order to improve the user's evaluation of the utilization efficiency of electric vehicles and save the cost of users，a windmill cooperative participation unit combination method was proposed. By constructing an electric vehicle schedulable charging data model and an electric vehicle schedulable charging and discharging data model，the overall capacity range of the electric vehicle during operation can be grasped，and the wind power，Discharge power and charging power，etc.，and then design the start and stop planning of generator sets of different car types and different capacities，so as to achieve the maximum benefits for users. Through the analysis of examples，the simulation test is performed in the PEV grid application environment，considering the travel characteristics of different types of electric vehicles，analyzing the travel data of various types of electric vehicles，and measuring and calculating the output power of the vehicle at different periods. Finally，the minimum cost of automobile operation is analyzed. Through multiple calculations，the overall error is small.

Key words：electric vehicle;windmill synergy;participation in unit portfolio;capacity range

在電網技術中，機組組合（Unit Commitment，UC）問題是需要調度的重要內容[1-2]。在常規技術中，應用到電網中的機組組合通過這種方式實現的：在電網控制端的遠程調度中心室內，管理人員或者用戶依據電網中的負荷情況來勾畫出預測曲線圖。然后根據機組運行狀況、運行成本等情況按照用戶期望的狀態為目標，最終以最高的效果制定出機組的開機計劃[3-4]。當風電的出力表現為不確定性時，用戶則需要根據調度中心表現出的負荷預測曲線以及風電預測曲線，對電機組的運行狀態、開機計劃等重新制定。這種方式給用戶造成了較大的工作量，評估電動汽車能力困難[5-6]。

為了便于用戶更好地掌握風車協同參與機組合方法，獲取精度較高的電動汽車可調度能力，研究了新型的風車協同參與機組合分析模型，該模型能夠根據電動汽車負荷情況，將可調度能力分門別類[7-8]，諸如根據汽車的負荷情況分為無序充電負荷、有序充電負荷、可調充電負荷等，根據負荷情況的不同，再基于車輛行駛過程的各種不同行為特性，進而對電動汽車出行狀態、情況或者規律進行模擬、仿真，從而構建出電動汽車行駛情況的狀態矩陣以及電動汽車行駛過程中的沖、放電電池容量模型[9-10]。從而全面地、高精度衡量電動車風車協同參與機組組合能力。

上述不同類型的汽車中，每日的機組運行成本如表1所示。表 2 為以上 3 種電動汽車接入模式下進行機組組合計算得到的機組總運行成本、燃料成本和啟停成本。

在模式1、模式 2 和模式 3 下，在調度電動汽車負荷的不同充電時段內，通過充電負荷與風電出力的方式情況進行調度，進而達到消納風電的目的。在模式 3的情況下，風電出力的曲線跟隨特性比較好，因而棄風量顯得較少。

在進行機組最佳組合方案比較時，首先測量、計算出不同時段的汽車輸出功率，以四輛不同的電動汽車的輸出功率進行舉例說明，如表2所示。

在計算各個不同時段的最小成本時間，該時段中，最終的最小成本可以為：

min f1 = 200 234;min f2 = 200 214;

min f3 = 210 124;min f4 = 221 100;

min f5 = 202 110;min f6 = 201 410;

min f7 = 211 010。

再計算重新啟動次數時，則有公式λj（j = 1，2， 3，4） = aij（j = 1，2， 3，4）。

-實際啟動的次數

在計算成本時，有：

min最小成本 = min f1 + min f2 + min f3 + min f4 +

min f5 + min f6 + min f7 - λjmj

因此，可以按照上述方式計算出最小成本，配置出最合適的參與機組組合方式，大大減少了汽車運行中的工作消耗。

通過上述試驗，通過多次反復的測試，得出如表3所示的誤差數據。在表3中，通過計算不同汽車的誤差，然后再計算出不同汽車之間的平均誤差。

通過上述計算，通過本設計的方案，風車協同參與機機組組合的誤差精度在1.3%以下，具有較好的精度。

4? ?結? ?論

為了解決機組組合問題，將電動汽車的充放電負荷、負載等參數作為機組組合中的變量參數進行分析，并且通過構建電動汽車可調度充電數據模型，進而分析出可調度電動汽車與風車協同參與的機組組合模型。通過算例分析，從數據分析誤差角度、經濟效益角度分別分析各種汽車在不同模式下、在充放電或充電時采用分時電價模式，通過將多個電動汽車進行對比分析，本研究的算法通過合理調度電動汽車充放電可以提高風電消納能力，模型應用計算的誤差較小，大大提高了風車協同參與機組組合的能力。

參考文獻

[1]? ? 榮經國，艾欣，吳界辰，等.? 考慮高比例電動汽車及風電協同參與的機組組合策略[J]. 智慧電力，2019，47（5）：25-31.

[2]? ? 規模化電動汽車和風電協同調度的機組組合問題研究[J]. 電力系統保護與控制，2015（11）：1-60.

[3]? ? 基于禁忌動態規劃的含電動汽車機組組合研究[J]. 電力工程技術，2018，37（2）：25-31.

[4]? ? 黃思杰. 基于大數據的智能ERP系統設計[J]. 現代電子技術，2018，41（24）：104-107.

[5]? ? 劉久彪. 空間數據庫反向最近鄰聚類方法[J]. 吉林大學學報（理學版），2019，57（02）：387-392.

[6]? ? 于繁華，姚亦飛，逯啟榮. 教育大數據下基于離群檢測的教學預警模型[J]. 吉林大學學報（信息科學版），2018，36（04）：459-464.

[7]? ? 孟杰，李庚銀. 含風光電站的電力系統動態經濟調度[J]. 電網與清潔能源，2013，（11）：70-75.

[8]? ? 華文，徐政. 包含風電場的發電系統可靠性研究[J]. 高壓電器，2010，（12）：36-40.

[9]? ? 王錫凡，邵成成，王秀麗，等. 電動汽車充電負荷與調度控制策略綜述[J]. 中國電機工程學報，2013，（1）：1-10.

[10]? 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，（14）：24-29.

[11]? 李志雄. 基于改進布谷鳥搜索算法的橋式起重機主梁輕量化方法研究[D]. 太原：中北大學，2018，41-50.

[12]? 戴欣，袁越，傅質馨，等.? 用戶側電動汽車放電策略及其經濟效益評估[J]. 電力系統及其自動化學報，2013（6）：55-61.

[13]? 趙文猛，劉明波. 求解含風電場隨機機組組合問題的動態削減多切割方法[J]. 電力系統自動化，2014（9） ：26-33.

[14]? 馬瑞，康仁，姜飛，等.? 考慮風電隨機模糊不確定性的電力系統多目標優化調度計劃研究[J]. 電力系統保護與控制，2013（1） ：150-156.

[15]? 劉吉臻，王海東，李明揚. 含風電的電力系統機組組合問題研究綜述[J]. 電力建設，2014（12）：38-45.

[16]? 徐秋實，鄧長虹，趙維興，等.? 含風電電力系統的多場景魯棒調度方法[J]. 電網技術，2014（3）：653-661.

[17]? 趙俊華，文福拴，薛禹勝，等.? 計及電動汽車和風電出力不確定性的隨機經濟調度[J]. 電力系統自動化，2010（20）：22-29.

[18]? 陸凌蓉，文福拴，薛禹勝，等.? 計及可入網電動汽車的電力系統機組最優組合[J]. 電力系統自動化，2011（21）：16-20.

[19]? 楊明，程鳳璐，韓學山. 電力系統實時調度的有效靜態安全域法[J]. 中國電機工程學報，2015（6）：1353-1362.

[20]? 李牧青，宋依群，嚴正，等.? 電動汽車代理商的博弈競爭模型和算法研究[J]. 電網技術，2014（6）：1512-1517.

[21]? 黃海麗，周揚. 風電電動汽車協同利用對電網風電接納能力的影響[J]. 山東電力技術，2014（3）：1-7.

[22]? 劉超. 計及電動汽車最優時空分布的分級調度模型研究[D]. 重慶：重慶大學，2014：1-62.

[23]? 于大洋，黃海麗，雷鳴，等.? 電動汽車充電與風電協同調度的碳減排效益分析[J]. 電力系統自動化，2012（10）：14-18.

[24]? 沈冬梅. 基于改進引力搜索算法的電力系統機組組合問題的研究[J]. 控制科學與工程，2016（08）：1-75.