計及電動汽車的綜合能源系統優化調度

邵文鋒，聶祥論，闞 超

（貴州大學 電氣工程學院，貴陽 550000）

人類社會的發展離不開能源，然而傳統化石能源不僅面臨著枯竭的風險也對環境造成了惡劣的影響。在這樣的背景下，我國提出“力爭在2030 年前達到碳排放峰值，在2060 年前實現碳中和”的雙碳目標，并積極開發風力和光伏等可再生能源。然而可再生能源具有較強的隨機性和波動性，IES 由于能夠通過加強能源間的耦合作用來促進消納可再生能源，成為當前極具前景的發展方向。文獻[1]考慮綜合需求響應，建立多能源IES 日前經濟調度模型。文獻[2]引入碳捕集裝置，提出積極需求響應和碳交易機制的IES 規劃模型。文獻[3]計及能量互濟，提出一種區域IES 優化調度策略。

此外，最近幾年EV 數量增長速度較快，制定合理的調度策略成為EV 研究的重要問題之一。文獻[4]以減小負荷波動率和提高運營商效益為目標，提出有序充電控制策略。文獻[5]采用不間斷充電方式，為降低配電網負荷曲線峰谷差和EV 用戶充電成本，提出一種有序充電策略。文獻[6]以促進消納可再生能源和降低EV 充電成本為目標，建立一種制定EV 動態充電電價的模型。但上述文獻未考慮EV 通過V2G（vehicle-to-grid）技術進行有序放電的場景，這種模式下EV 能夠響應系統需求進行充放電，從而削峰填谷[7]、緩解系統峰時段供能壓力[8]、降低系統調度成本[9]。

鑒于此，本文以計及EV 有序充放電的IES 為研究對象，基于分時電價綜合考慮供需雙方利益，構建日前優化調度模型。最后，通過算例仿真對比驗證模型的有效性。

1 綜合能源系統

1.1 綜合能源系統結構

本文構建的IES 包括供電、供熱和供冷系統，能夠滿足各類負荷需求，其模型和能量流動情況如圖1 所示。

圖1 綜合能源系統結構圖Fig.1 Structure of integrated energy system

1.2 EV 出行特性

為方便計算，將一天離散化為24 個時段，每個時段長為1 h。根據研究，在建模時認為居民區用戶回家時將EV 接入電網、次日出行時離開。根據美國交通部對全美家庭用車的調查結果，通過數據擬合可近似認為居民區內EV 返程和起程時間分別符合式（1）和式（2）：

式中：μe＝9.24；σe＝3.16。

同時，日行駛里程服從對數正態分布，其概率密度函數如下所示：

2 綜合能源系統優化調度模型

2.1 目標函數

日前調度階段，以系統日運行總成本最小為目標函數，如下所示：

式中：Fgas、Fom、Fgrid和FEV分別為系統購氣成本、運維成本、電網交互收益/成本和EV 交互收益/成本。

系統購氣成本為

式中：fgas，t為t 時段天然氣單價；VGT，t、VGB，t分別為t時段燃氣輪機和燃氣鍋爐消耗的天然氣體積。

系統運維成本為

式中：Fn為設備的單位維修成本；為t 時段設備n 的輸出功率。

電網交互收益/成本為

EV 交互收益/成本為

2.2 約束條件

2.2.1 功率平衡約束

電功率、熱功率、冷功率平衡約束為

式中：Pwt，t、Ppv，t和PGT，t分別表示風機、光伏和燃氣輪機 輸出電功率；QWHB，t、QGB，t分別表示余熱鍋爐和燃氣鍋爐輸出熱功率；PAC，t、PEC，t分 別表示吸收式制冷機和電制冷機輸出冷功率；Pbat、PHST，t分別表示 蓄電池和蓄熱槽各自輸出的電功率和熱功率，為負則代表充能；EEC，t、QAC，t分別表示電制冷機和吸收式制冷機輸入電功率和熱功率；Le，t、Lh，t、Lc，t分別表示電、熱、冷負荷功率。

2.2.2 設備運行約束

（1）能量轉化設備約束

（2）儲能設備運行約束

（3）EV 運行及出行約束

每輛EV 均需滿足如下約束，EV 整體始末時刻滿足能量守恒約束：

此外，EV 作為交通工具還需滿足出行需求和出行時間約束：

（4）外網約束

3 算例分析

為驗證本文所提考慮EV 有序充放電的經濟調度策略的效果，本文利用圖1 結構來設置算例。本算例中含100 輛EV，電池容量均為35 kWh，充放電功率上限均為7 kW，其入網初始荷電狀態（state of charge，SOC）服從正態分布，假設其入網后，智能充電裝置收集用戶次日出行時間和出行所需電量，并將信息上傳。系統控制中心可以根據可再生能源及負荷的預測數據，和所有EV 的出行信息制定日前調度計劃。IES 相關設備參數見文獻[10]。仿真時間為24 h，仿真步長為1 h。

3.1 算例參數

IES 與大電網交互的分時電價如表1 所示，其中的購電、售電電價也分別是EV 充電、放電電價。分時氣價如表2 所示。電、熱、冷負荷曲線如圖2 所示。

表1 分時電價Tab.1 Time of use price

表2 分時氣價Tab.2 Time-sharing gas price

圖2 電、熱、冷負荷曲線Fig.2 Electric，heat and cooling load curves

為分析引入EV 對系統經濟性的影響，本文設置3 種對比方案進行算例仿真。

方案一：考慮EV 無序充電負荷的IES 優化調度。EV 從返程到家就接入電網全速充電，滿足充電電量為下次行駛所需后即停止。

方案二：計及EV 有序充電的IES 優化調度。EV 盡可能在谷時段進行有序充電，在谷時段無法充到所需電量時再考慮平、峰時段。

方案三：計及EV 有序充放電的IES 優化調度。在方案二的基礎上，EV 響應IES 調度，在平、峰時段可進行有序放電。

3.2 優化結果分析

通過算例運行，可得不同方案EV 調度結果如圖3 所示。不同方案系統運行成本對比、EV 用電成本對比分別如表3、表4 所示。

表3 各方案系統運行成本對比Tab.3 Comparison of system operation costs by option

表4 各方案電動汽車用電成本對比Tab.4 Comparison of EV power consumption costs by option

圖3 電動汽車功率曲線Fig.3 EV power curves

由圖3 可知，方案一中EV 充電負荷在16∶00～20∶00 時處于高峰時段，即此時是用戶返程高峰期，而該時段電負荷曲線也處于晚高峰時期，因此無序充電方案直接導致“峰上加峰”現象。隨著EV 的普及，這種現象還會加劇，將會給系統功率平衡帶來新的困難。

方案二與方案一相比，從經濟性上看，IES 調度總成本提升18 元，EV 用戶充電成本降低248 元，即IES 和EV 用戶總成本降低230 元；從負荷曲線上看，方案二EV 的充電負荷主要轉移到3∶00～4∶00，此時基礎電負荷處于低谷，即方案二可以平緩負荷曲線，促進消納可再生能源。因此方案二IES 提升少量成本，但是大幅降低EV 用戶充電成本，同時降低系統峰谷差，可以有效促進負荷低谷期間對可再生能源的消納能力，即隨著系統可再生能源裝機量的提升，方案二的成本將會低于方案一。

方案三與方案二相比，EV 大幅提升谷時段的充電量，共計充電1007 元，并集中在8∶00～11∶00 和17∶00～20∶00 大量放電，這2 個時段系統電負荷均處于高峰。即方案三不僅降低IES 調度成本，平滑負荷曲線，降低峰谷差，而且降低EV 用戶充電成本。

隨機抽取3 輛EV，編號為1、2、3，將相關電量均轉化為對應荷電狀態，其信息如表5 所示。

表5 電動汽車出行信息Tab.5 EVs travel information

3 輛EV 返程入網即按照出行所需SOC 更新其荷電狀態，其整日的荷電狀態變化情況如圖4 所示。

圖4 電動汽車荷電狀態Fig.4 SOC of EVs

由圖4 可知，每輛EV 在離開電網時的SOC 均大于其出行所需SOC，且整個調度過程功率和能量都滿足實際約束，即本文策略能夠在降低EV 用戶用電成本的同時，兼顧其出行需求和EV 蓄電池壽命，從而有效激勵EV 用戶響應有序充放電策略。

方案3 與方案1 相比，在保障EV 用戶出行需求的基礎上，降低IES 調度成本763 元，降幅為2.48%，降低EV 用電成本990 元，降幅達227.59%，同時電負荷峰谷差從70.98%下降為62.41%，降幅為12.08%。綜上所述，本文所提的方案3 兼顧供需雙方利益，取得了預期的效果，具有可行性。

4 結語

隨著EV 普及，電力系統會遭遇新的挑戰，同時也會迎來新的機遇。為滿足EV 不斷增長的充電需求，同時充分利用EV 作為儲能單元靈活充放電、消納可再生能源的潛力，本文基于分時電價提出一種計及EV 有序充放電的IES 優化調度策略。經算例驗證，該策略既能夠削峰填谷、降低系統調度成本，還可以在兼顧EV 用戶出行需求和EV 蓄電池壽命的前提下為EV 用戶提供大量收益。