考慮車網互動的風-光-車-儲微網容量配置方法*

劉舒真，崔昊楊*，劉 昊，張明達，孫益輝，史晨豪

（1.上海電力大學 電子與信息工程學院，上海200090；2.國網浙江寧波市奉化區供電有限公司，浙江 寧波315500；3.上海電力大學 電氣工程學院，上海200090）

隨著化石能源的日益匱乏和環境的不斷惡化，以風能和太陽能為代表的新能源具有綠色、清潔、可再生等優點而受到關注。然而，高滲透率下的新能源出力的不確定性，也給電網運行帶來新的挑戰。另一方面，“新基建”的建設給電動汽車（electric vehicle，EV）帶來新的熱潮，電動汽車規模化入網成為必然趨勢。特別地，以車網互動（vehicle to grid，V2G）模式接入電網后，電動汽車作為一種能量密集型移動儲能單元，在平滑區域能量波動的同時提高可再生能源的接納能力和利用效率。因此，以風-光-車-儲為能量單元的微電網系統的優化配置與管理，逐漸成為研究熱點。

在風-光-車-儲微電網的優化配置領域，文獻[8]結合電動汽車與分布式電源的時空、時序特性，協同規劃分布式電源與電動汽車充電站；文獻[9-10]建立路徑選擇模型、耦合交通網與電力網，優化微電網容量配置方案。以上文獻均考慮分布式電源與電動汽車的協同規劃，但忽略了對電動汽車充放電引導，所形成的規劃方案存在容量浪費，投資額度大，回報周期長等問題。另外一方面，已有研究或集中于對給定的微電網，研究電動汽車的充電引導策略。文獻[11-12]基于價格激勵政策探究電動汽車的需求響應，平滑其引起的負荷峰谷差，文獻[3]將分類電動汽車，執行價格激勵與延時充電，實現大規模電動汽車有序充放電消納棄風功率。

整體來看，在電動汽車規模化接入的大背景下，針對風-光-車-儲微電網系統的充電引導策略及其容量優化與配置問題，相關文獻、成果還較少，研究亟待深入。對此，本文以車網互動為核心，提出一種考慮車網互動的風-光-車-儲微電網容量配置方法，為研究電動汽車接入微電網系統下的容量配置策略提出新思路。

1 基于電價激勵的電動汽車有序排隊充放電模型

本文構建的風-光-車-儲微電網（如圖1）中，電動汽車作為柔性負荷，在谷時段優先消納可再生能源，在峰時段優先放電。當微電網內部發電量無法消納或供電不足時，通過聯絡線與大電網進行能量交換。

圖1 風-光-車-儲微電網運行架構

（1）電動汽車采用結合電價激勵政策和排隊理論的電動汽車充電引導策略，在傳統分時電價的基礎上，針對聯絡線功率波動，引導電動汽車充放電行為有序化。風、光發電機組根據各自配置容量在隨機工況下發電，得到等效負荷曲線，此時微電網的能量平衡可以表達為：

式中，Pcw.t、Plp.t、Pwp.t、Ppv.t和Pevn.t分別是t時刻聯絡線功率、負荷功率、風光發電功率和未參與V2G的電動汽車充電功率。

從而得到聯絡線功率波動值β：

式中，Pave是聯絡線功率均值。

（2）在|β|≤δ（δ為較小正數）時段實施平段電價，通過排隊理論篩選少量EV參與優化調度或通過儲能系統進行少量調節使得功率平衡。

在β≥δ時段實施峰段電價，引導EV放電緩解峰時儲能系統放電壓力和主網供電壓力。

在β≤-δ時段實施谷段電價，引導EV充電緩解儲能充電壓力，減少棄風棄光現象。

（3）電動汽車充電站模塊發揮其調峰能力平滑聯絡線功率時，電動汽車依照充/放電優先度依次選擇充電方式。充電站計算電動汽車預計充電完成時間與離開時間，為電動汽車排序充電。表達式如下：

（4）儲能裝置在滿足荷電狀態和充/放電功率約束下，進一步平滑聯絡線功率，得到最終平滑后聯絡線功率P″cw.t：

式中，Pes.t是t時刻儲能裝置充放電功率。

2 風-光-車-儲微電網多目標容量優化模型

2.1 目標函數

本文以經濟效益最佳，聯絡線功率波動最低為目標，建立風-光-車-儲微電網規劃數學模型。

風-光-車-儲微電網的經濟效益C包括日綜合平均成本Ccap與日綜合平均收益Cern，表達式如下：

日綜合平均成本包括日等值設備投資成本Ceq和日平均運行維護成本Cope。其中前者主要計及微源壽命周期與折現率；后者與總裝機容量呈線性關系。表達式如下：

式中，ceq.i和E i分別是風機、光伏陣列、蓄電池初始投資成本單價和裝機容量，ceq.ev是電動汽車充電樁單位造價，Nev是電動汽車充電樁數量；ces是蓄電池單位充/放電功率價格，Pes是蓄電池組額定充/放電功率；fi是各微源的折現系數，取0.11；cope.i和cope.ev分別是風機、光伏陣列、蓄電池和電動汽車充電樁年運行維護成本；cev是電動汽車充電樁單位充電量維護成本，Eev是當前調度周期內電動汽車總充電量。

日綜合平均收益綜合考慮了風光車儲微電網運行過程中市場競價Cprfi及電量不足Cnon或過剩Cwst，以及為彌補缺額供電量造成的環境污染Cgrn帶來的經濟損失。表達式如下：

式中，Pnon.t、Pwst.t分別是第t小時棄風棄光功率和供電缺額功率，Pcw.max、Pcw.min分別是聯絡線功率的上下限。

式中，Pb.t、Ps.t分別表示向第t小時微電網向主網購電功率與售電功率；cb、cs是微電網向主網分時單位購售電價，c′b、c′s是電動汽車分時電價。

式中，κ、ξ分別是棄風棄光的罰款系數和切負荷損失系數，取0.5；Ki是單位電量對應第i種污染物的排放系數，cgr.i、cpu.i是第i種污染物的環境價值和排放罰款價格。

聯絡線功率波動與微電網內能源間互補性呈負相關，本文定義計及峰谷差的聯絡線波動率λ表征聯絡線功率較均值波動情況。其表達式如下：

式中，P″cw.max、P″cw.min分別是微電網運行過程中聯絡線的峰谷值。

2.2 約束條件

（1）可再生能源發電容量約束

為保證系統供電需求，有盈余的電能對電動汽車供電，微源發電總量需大于負荷用電量，與此同時，為避免降低棄風棄光，分布式發電總量應滿足如下約束：

式中，λwp、λpv分別是風力發電、光伏發電功率與負荷峰值功率之比。λmax一般控制在1.0-1.3左右。

（2）蓄電池、電動汽車荷電狀態約束

本文中儲能裝置選用鉛酸蓄電池，其與電動汽車電池需要滿足其荷電狀態（SOC）的上下限約束，以延長電池的使用壽命。

式中，SOC表征儲能電池的荷電狀態，SOCmax、SOCmin分別是其上下限；SOCcar表征電動汽車電池的荷電狀態，SOCcar.min是其下限。SOCcar.v2g表征參與V2G行為的電動汽車的荷電狀態，電動汽車充電達到100%后方可參與V2G行為，并且放電過程中不得低于用戶離開期望荷電狀態SOCcar.exp，本文取該值為0.8。

（3）蓄電池、電動汽車充放電功率約束

蓄電池和電動汽車的充放電功率均不能超過其限制。

式中，Pev是電動汽車充電功率額定值。

（4）聯絡線功率約束

在微電網與大電網進行能量交換行為時，聯絡線功率不得超出限制。

3 算例分析

本文研究的風-光-車-儲微網最大負荷為2400kW，聯絡線最大功率限制為1600kW，反送電功率限制為500kW。以24h作為一個調度周期，選取典型日進行仿真。考慮到該地區的電動汽車規模，設置電動汽車為500臺。風光儲組件的主要參數見表1和表2，采用改進NSGA-II算法求解，設置種群大小為50，迭代次數300，pareto最優解個數為50。

3.1 規劃層結果分析

設置如下場景對比分析：場景1為無序充放電下的微電網規劃；場景2為電價激勵政策引導EV自主充放電下的微電網規劃；場景3為電價激勵政策結合排隊理論控制EV充放電下的微電網規劃。

選取聯絡線波動率在100-110間不同場景下的規劃結果進行對比，各場景的規劃結果如表3所示。

通過表3結果對比可知，盡管場景2采用電價激勵政策引導電動汽車充放電，但由于夜間光伏發電存在缺額，若增發風電則造成日間發電量冗余，因此仍有相應容量的儲能需求，場景3對電動汽車充放電行為排序引導合理分配電動汽車充電順序及充電功率，計及電動汽車離開時間排序，使峰時段有一定量電動汽車放電緩解供電壓力，因此對比場景2儲能需求降低25%，對比場景1儲能需求降低33%，達到降低微電網經濟成本的效果。各方案經濟成本對比及電網互動效益對比如表4所示。

由表4可以看出，方案1的總費用為186027.11元，方案2的總費用為140408.19元，比方案1減少了24%。該結果驗證了計及車網互動的微電網規劃可以顯著降低儲能配置成本。由于電價激勵政策引導，電動汽車傾向于谷時段充電，峰時段放電，因此在方案2電動汽車交互費用較方案1增加9%。方案3的總費用為121437.54元，較方案2減少了13%。主要是由于方案3對電動汽車充放電進行排序，使電動汽車可調度容量更為靈活，但并未改變電動汽車整體充放電時間，因此較方案2僅增加2%。

表1 微電網系統裝置的各項成本及參數

表2 傳統燃煤發電各污染物排放成本

表3 3種方案規劃結果對比

3.2 調度層結果分析

為了更好地分析上文所述基于電價激勵政策的調度策略的調峰效果，接下來對比電動汽車的充電負荷功率（如圖2）與實時可調度容量（如圖3）情況。

由圖2、圖3可以看出，谷時段10：00-15：00風光聯合發電達到峰值，發電量過剩，此時方案2、3使電動汽車充電負荷功率在激勵政策引導下有所提高，在平滑聯絡線功率波動的同時提高風光消納水平；峰時段18：00-22：00用電負荷達到峰值，發電量不足，此時方案2、3使電動汽車充電負荷功率在激勵政策引導下顯著降低，方案3計及電動汽車離開時間進行排序，進一步對其放電量進行分配，因此峰時段電動汽車的實時可調度容量也有所提高。

表4 3種方案規劃投資費用對比

圖2 充電負荷曲線

圖3 實時可調度容量曲線

方案2、方案3的聯絡線功率波動如圖4所示，可以看出，方案3在方案2的基礎上結合排隊理論，一方面合理分配電動汽車充電順序及充電功率，谷時段令電動汽充分車消納過剩的光伏發電，另一方面計及電動汽車離開時間排序，也使得峰時段能有足夠的電動汽車放電緩解供電壓力，因此方案3從充電負荷和放電容量兩方面緩解供電壓力，平滑聯絡線功率波動。

圖4 聯絡線功率

4 結束語

電動汽車與可再生能源發電系統在微電網內有機集成，現有規劃簡化電動汽車模型，忽略電動汽車充放電引導策略，具有很強的局限性。為此，本文綜合考慮多能互補特性與微電網經濟性，提出考慮車網互動的微源容量優化策略，通過設置不同電動汽車引導策略對規劃方案進行對比，探究車網互動對微電網規劃的影響。結果表明考慮車網互動的微電網規劃方案可以有效降低微電網投資成本與聯絡線波動率，其在峰時段擁有更為靈活的可調度容量，調節電動汽車有序充放電與可再生能源發電特性一致，可以有效實現源-荷協同，降低微電網對儲能配置的依賴，減少微電網成本，提高可再生能源的消納水平。