基于聯盟博弈的智能小區能量共享與需求響應模型

曾洋，王軍，楊燕翔，鐘運來，孫章

(西華大學電氣與電子信息學院，成都610039)

0 引言

面向能源互聯網[1]，含有光伏出力(photovoltaic output，PV)、儲能裝置(energy storage unit，ESS)、電動汽車(electric vehicle，EV)以及用戶負荷的智能樓宇小區迅速發展[2]。配電級智能小區可再生能源接入容量逐漸擴大，能有效降低輸電損耗和用戶的用電費用。然而以風、光為代表的新能源具有天然的間歇波動性，這給電網的安全穩定運行帶來了挑戰[3]。同時，隨著電動汽車的普及，大量EV分散無序的接入配電網[4-5]，導致配電網運行控制難度提升[6]。針對以上問題，充分利用新能源發電規律以及EV能量雙向流動的特點，研究建立有效的能量優化管理方法，以實現EV安全有序充/放電和可再生能源的就地消納，保證配網的安全穩定運行。

針對智能小區能量管理和EV有序充/放電的研究現階段已有很大進展。文獻[7]提出了市場模式下光伏用戶群的電能共享與需求響應模型，建立了一種基于光伏電能供需比的動態內部價格模型；文獻[8]針對一類冷熱電聯產型社區能源互聯網，建立了運營商定價策略及產消者電力交易模式選擇模型；文獻[9]提出了多個具有不同資源家庭之間的基于聯盟博弈的優化方法；文獻[10]基于納什議價模型研究了兩種微電網之間的能源交易與合作問題；文獻[11]針對光伏微電網群，提出一種基于合作博弈論的市場交易模型，通過建立光伏微電網群的合作聯盟，使整個聯盟獲得收益。此類文獻以含有PV的多個家庭或光伏用戶群為目標主體，以能量共享和多目標優化的博弈論等方法進行能量優化管理，但均未在模型中考慮未來將大規模存在的EV，文獻[8-11]沒有設計負荷側對PV的響應行為。

電動汽車作為分散的儲能裝置，可通過電動汽車入網(V2G)技術作為靈活的調度資源，合理地調整其充放電行為，減少對電網的影響和減少充電費用。文獻[12]基于停車生成率思想，提出了EV移動儲能與可再生能源協同參與電網的互動策略，降低了電網負荷波動。文獻[13]引入了靜態合作博弈思想，構建光伏陣列、EV以及居民負荷三方合作博弈模型，對屋頂光伏裝機容量進行優化。文獻[14]融合了光伏和EV的協同調度，實現了減少工業園區日運營費用。文獻[15]提出了EV分布式儲能的控制策略,提高可再生能源可調度性的同時，大幅降低了EV充放電切換次數，延長了EV電池的使用壽命。上述文獻以V2G技術與PV協同調度為研究目標，實現大量EV安全接入電網的同時，促進了PV的就地消納。但上述文獻均未考慮ESS，需進一步考慮ESS對整個系統的影響。文獻[12-14]沒有考慮EV儲能單元的退化和損耗。文獻[14-15]對EV的建?？紤]不夠精細。

綜上所述，目前的研究對智能小區能量優化管理的模型建立還不夠完善，未考慮各種資源的協調優化調度。在新能源迅速發展和EV快速普及的今天，融合新能源發電、V2G技術和ESS等資源，將整個智能小區進行統一優化與調度，更能促進可再生能源就地消納，保證大量EV安全入網，并減少購電費用，實現智能小區安全穩定經濟的運行。針對含PV、ESS、EV以及用戶負荷的居民住宅小區的能量管理優化問題，提出電能共享和需求響應模型，并將EV和ESS加入到共享模型中，實現可再生能源就地消納和最小化智能小區的用電成本。首先，通過建立整個小區的需求響應模型，優化所有小區用戶的用電結構。其次，建立一個聯盟成本優化問題，將整個智能小區視為一個能量共享聯盟，聯盟成員之間通過共享可再生能源和儲能資源來優化智能小區內的能量流動。最后，通過仿真實驗證明了所提方法和模型的有效性和經濟性。

1 智能小區系統框架與功能要求

圖1所示為智能小區的能量信息流模型。考慮一個由N棟樓宇組成的智能小區，每棟樓宇都配備有智能能量管理儀表，可以準確地預測他們的電能需求以及未來有限時間內的可再生能源生產情況。智能樓宇通過中央能量控制單元彼此進行交易和交換電能。能量控制單元配有智能控制板和電能分配系統，可以解決智能小區的成本優化問題和控制小區內的能量流動。外部大電網只與控制單元交換信息和電能以確保用戶的隱私安全[9]。小區內的每棟智能樓宇均配備有ESS、屋頂光伏發電系統和智能停車場。日前調度過程為中央能量控制單元根據天氣預測、電價信息、用戶的電能需求和EV的出行計劃制定園區的日前調度計劃，并安排各ESS和EV的充放電計劃。實現滿足用戶用電需求的同時，最小化智能小區的用電成本。

圖1 智能小區能量信息流模型

2 基本模型建立

2.1 用戶模型

智能小區中，各用戶樓宇各時段所消耗的平均功率如式(1)所示。N為小區內智能樓宇數量，i為小區內某一棟智能樓宇，日前優化調度是在一段有限的時間T內進行的，并將其劃分為等長的時段，t=1,2,…，T。

(1)

(2)

式中：PPV.i和Pave.i分別為小區內樓宇i的光伏發電功率和平均用電功率。

2.2 ESS模型

ESS可實現對電能的存儲和釋放，其數學模型和所需滿足的約束如式(3)—(6)所示[16]。

(3)

(4)

(5)

(6)

2.3 EV模型

EV可利用其接入電網的時段進行充放電操作，EV數學模型如式(7)—(10)所示。

(7)

(8)

(9)

(10)

EV離開時的容量必須滿足用戶的出行計劃。EV離開時的期望容量設為0.9和在停留期間內充電至最大SOC中的最小值，如式(11)所示。

(11)

式中：(td-ta)為EV接入電網的總時段；SOCta和SOCtd分別表示EV在到達和離開時刻的容量。

3 基于聯盟博弈的智能小區能量優化管理方法

3.1 智能小區需求響應模型

本文以分時電價為背景，各時刻買電和賣電電價分別用ρt和τ表示。由于電價的激勵，用戶會根據電價調整自己的用電行為，使得各時段的平均功率偏離原初始值Pave.i。調整后樓宇i各時段的平均用電功率xave.i定義為：

(12)

用戶通過需求響應將可控負荷調整到不同的時間段，但總電量需求不變。調整用電行為會影響用戶的用電舒適度，如式(13)—(14)所示。

(13)

(14)

(15)

3.2 智能小區能量共享模型

將智能小區視為一個能量共享聯盟，聯盟成員之間可以共享存儲單元和可再生能源，當聯盟內某一成員電能不足時，可從其他有能量剩余的成員處獲得電能[9]。在T時段內，聯盟內的樓宇i可以與其余智能樓宇交換一組電能功率，定義為：

(16)

(17)

為描述整個智能小區和智能樓宇i在各時段的功率平衡情況，建立了式(18)—(19)的等式約束。同時，為限制智能小區購電功率峰值，建立了式(20)的購電功率約束。

(18)

(19)

B(t)≤Pmax

(20)

(21)

(22)

(23)

式中：B(t)、Pmax、PPV(t)和P(t)分別為t時段智能小區與電網的交互功率、智能小區的最大限制功率、整個智能小區的光伏發電功率和小區內所有用戶的負荷功率。

3.3 智能小區成本最小化問題

首先通過最小化式(15)的效用成本函數，實現整個智能小區的需求響應，調整用戶的用電結構。然后，整個智能小區進行能量共享，優化調度EV和ESS的充放電計劃，最小化小區的用電成本。智能小區t時段所需支付的用電費用為：

(24)

ESS和EV在多次充/放電循環之后，儲能單元會遭受損耗，在最小化成本函數中加入儲能設備的損耗成本。損耗成本通過式(25)—(26)進行計算[17]。

(25)

(26)

(27)

3.4 基于聯盟博弈的成本分配模型

將智能小區內協作成本優化問題轉化為典型的聯盟博弈。聯盟博弈問題可由一個二元組(ω,v)表示，其中ω為聯盟博弈參與者的集合，v為聯盟博弈的特征函數，v(ω)為聯盟ω在以v為特征函數的博弈中的總收益[9]。整個聯盟的收益定義為聯盟在協作方案中的優化成本相比于聯盟成員單獨執行成本優化情況下，所節省的成本費用?？偸找姹硎緸椋?/p>

(28)

(29)

(30)

4 算例分析

4.1 基礎數據

假設某一智能小區內有4棟智能樓宇，即N=4。各樓宇EV、ESS等用戶基礎數據見表1，EV和ESS的相關參數見表2[16]。仿真總時段為24 h，以Δt=30 min為一個時段間隔進行優化，即T=48。表3劃分了各時段分時電價的具體數據[19]。ESS的初始容量為上一個優化調度時段結束時的存儲容量。EV群的出行計劃，基于美國交通部對全美家庭用車的調查結果，采用蒙特卡洛模擬隨機模型得到[20]。根據[21]中的數據處理方法，可擬合得到EV到達時間、離開時間及行駛距離的概論分布函數，其中，EV到達和離開時間均符合正態分布函數。根據所獲得的到達時間、離開時間及行駛距離進而可計算出EV接入電網時的初始SOCta。在仿真中，將每輛EV從離開家到回家所有時間段的容量都設為初始容量。智能小區從電網購電的最大限制功率Pmax設為1 300 kW。各樓宇夏季某一天內的光功率情況如圖2所示，光伏輸出功率峰值均出現在12：00-15：00時段內。

表1 各樓宇用戶基礎數據

表2 EV和ESS相關參數

圖2 各樓宇光伏功率輸出情況

表3 分時電價數據

4.2 仿真結果及對比分析

在MATLAB2015a平臺下通過YALMIP工具箱調用CPELX軟件對算例進行求解。首先通過轉移用戶的用電負荷，優化用戶的負荷特性曲線，實現整個智能小區的需求響應。優化后各樓宇的用電負荷曲線如圖3所示。從仿真圖形中可以看出，各棟樓宇都將電價峰值時段的部分用電負荷轉移到了光伏發電較充足的時段，緩解了小區用電高峰時段的用電壓力，促進了光伏發電的就時、就地消納。

圖3 優化前后各樓宇的負荷曲線

得到各用戶樓宇優化后的負荷曲線后，整個智能小區構成能量共享模型。根據本文所提出的智能小區能量共享模型進行仿真優化后，智能小區與電網的功率交互如圖4所示，智能小區各時段功率分配情況如圖5所示。從仿真圖中可以看出，小區集中在電價較低時段從電網進行購電，以減少電費；小區內的光伏發電均被就地消納，減少了倒送電能給電網和造成電網運行不穩定的情況；并且整個小區的購電功率均小于最大需求功率限制，從而削減了用電峰值，避免因優化小區用電結構而出現新的用電功率峰值。

圖4 智能小區與電網的能量交互情況

圖5 智能小區各時段功率分配情況

圖6—7分別展示了經過優化后各棟樓宇各時段ESS和EV的充放電功率情況。從仿真圖中可以看出，各ESS通過優化調度后，都集中在低電價(00：00—4：00)和光伏發電充足的時段(12：00—14：30)進行充電，在用電峰值和電價峰值時段(18：00—21：00)進行放電。對于EV，在保證用戶出行需求的前提下，接受電價響應，大部分EV都處于電價低谷時段充電、電價高峰時段放電。通過ESS和EV在小區中能量管理優化中的作用，可以減少小區從電網進行購電的費用，吸收光伏發電充足時多余的電能，在小區內電能短缺的時段放電，以滿足用電負荷消耗，減少了購電費用。

圖6 各ESS充放電功率情況

圖7 各EV群充放電功率情況

圖8為小區內部電能共享情況，圖9為各樓宇各個時段的凈功率。從圖中可以看出，小區內部進行能量共享，集中在具有光伏發電和電價峰值的時段內。由于樓宇1和樓宇3的PV 與儲能設備容量多于其他樓宇的配置，而用戶負荷較少，大部分時段電能都是從樓宇1和樓宇3傳輸到樓宇2和樓宇4。通過能量共享，可以減少電價峰值時的購電量和光伏發電峰值時售電量。

圖8 小區內能量共享情況

圖9 各樓宇每時刻的凈功率情況

通過設計4個不同的對比試驗來驗證所提方法的經濟性。不同策略下整個小區的用電費用和各樓宇需要支付的電費對比情況如表4所示。表中策略一為：整個小區不考慮任何用電策略，僅使用ESS進行用電優化，EV進行有序充電。策略二為：整個小區考慮需求響應和能量共享，但EV群不參與共享模型中，進行有序充電。小區內所有EV進行有序充電的充電功率情況如圖10所示。通過考慮能量共享模型，策略二的用電費用相比于策略一有所減少。策略三為：各樓宇單獨考慮需求響應和單獨進行用電優化，且EV進行有序充放電并參與到優化模型中；圖11為樓宇1在此策略下與電網的能量交互情況，可以看出樓宇1在光伏發電峰值時段有多余的光功率出售給電網，從結果中可以看出，相較于策略一和策略二，降低了用電成本，所以EV考慮進行放電操作在擁有EV的小區或家庭進行能量優化調度是很有價值的。策略四即本文提出的策略，從表中可以看出，此策略降低了各棟樓宇的用電費用，實現了整個小區和各棟樓宇的用電成本最小化，具有較好的經濟性。

表4 不同策略下用電成本比較

圖10 小區內所有EV進行有序充電的充電功率情況

圖11 單獨優化時樓宇1與電網的交互功率

5 結語

針對含PV、ESS、EV的居民住宅小區的能量管理優化問題，提出了一種小區內所有成員共享可再生資源和儲能系統的智能小區電能共享與需求響應模型，并對小區內各類資源進行建模。在此基礎上，將各棟樓宇的EV和ESS加入到了能量共享模型中，在滿足用戶出行計劃的前提下，降低了用電成本，緩解了用電峰值時電網的壓力，提高了儲能電池的使用壽命。整個小區構成聯盟合作博弈，使用shapley值在聯盟成員之間公平分配節省的用電成本。通過算例分析，驗證了日前調度結果的可行性和經濟性，該模型在滿足用戶用電需求，EV出行計劃及用電舒適度的基礎上，降低了小區和各樓宇的用電費用。