基于插入式電動汽車與可再生能源的成本控制和節(jié)能減排(中文翻譯)

1、基于插入式電動汽車與可再生能源的成本控制與減排摘要 :電力和交通工業(yè)是全球溫室氣體排放的主要來源。風能和太陽能等主要的可再生能源 可以減少電力行業(yè)的溫室氣體排放(主要來自機組發(fā)電。同樣地,被學者稱為 GV 的下一 代可插入式汽車也能減少交通行業(yè)的排放, GV 包含了可插入式混合動力汽車以及其具有的 并網(wǎng)能力。 GV 可以被用作負載和能源(小型輕便的發(fā)機組,在包含了可再生能源(RESs 的智能電網(wǎng)中也可被看做是儲備能源。 在分布式的能源和負載環(huán)境中考慮到智能充放電對于 要同時實現(xiàn)成本和排放降低的智能電網(wǎng)操作是一項非常復(fù)雜的工作。 如果大量的 GVs 隨機的 并入電網(wǎng), 高峰負荷將會很大。 為支持

2、交通電氣化, 傳統(tǒng)火電機組的使用將很不經(jīng)濟并對環(huán) 境造成危害。 將 GV 作為負載和 /或能源的智能調(diào)度和控制在發(fā)展可持續(xù)整合的電力和交通基 礎(chǔ)設(shè)施方面有很大的潛力。本文通過智能電網(wǎng)中 GV 和 REs 的最大利用來實現(xiàn)成本控制與減 少排放。文中介紹了 GV 應(yīng)用的可能模型,包括智能電網(wǎng)模型,并且給出了結(jié)果。智能電網(wǎng) 模型在 REs 最大利用以實現(xiàn)電力行業(yè)成本控制與減少排放方面顯示出了最大潛力。關(guān)鍵詞:約束 ; 成本 ; 排放 ; 可并網(wǎng)電動汽車 GV; 負荷水平 ; 最優(yōu)化 ; 插入式電動汽車 (PHEVs ; 可再生能源 ; 智能電網(wǎng) ; 太陽能發(fā)機組 ; 風電場 引言全球能源儲備快速地下

3、降對經(jīng)濟, 環(huán)境, 工業(yè)和社會水平方面的影響是全社會都關(guān)注的 問題。電力和能源行業(yè)是全球排放的一個主要方面,占到全球 CO 2排放的 40%,其次是交 通行業(yè)(24%。由溫室氣體排放所造成的氣候變化如今被廣泛地認知為是一種對人類社會 有著嚴重影響的因素, 這些行業(yè)需要將上述因素加入到戰(zhàn)略計劃當中。 新能源的使用可能變 得具有吸引力, 特別是當如果消費者不僅不用支付機組發(fā)電的成本費用, 也不用支付由傳輸, 配電以及由環(huán)境清理和健康影響所產(chǎn)生的間接費用時。 研究者們正在研究如何能有效率地發(fā) 出更多的電而又不會造成氣候變化或者產(chǎn)生對環(huán)境不好影響。對于能源儲備減少以及排放增加的部分解決方案如下:1 分

4、布式可再生能源 (REs 的 整合 2正在部署的被學者稱為 GV 的新一代插入式汽車,包含了插入式混合動力汽車 (PHEVs 和以及其具有的并網(wǎng)能力。 V2G 技術(shù)在文獻【 6】有介紹。 V2G 是一種能量儲存 技術(shù), 它可以實現(xiàn)能量在車載電池與電網(wǎng)的雙向傳輸。 這增加了電網(wǎng)的靈活性, 使其更好地 利用具有間歇式特性的可再生能源。車載電池的充電水平(SoC 依據(jù)個人收益以及電網(wǎng)需 求可以上下波動。不同形式的能源整合與研發(fā)政策在文獻【 7】有介紹。一份來自國家可再生能源實驗室 (NREL 的技術(shù)報告表明 PHEVs 對于純 CO 2排放量的降低有著重大作用。擔心石油安全 與儲備所造成的油價波動和

5、尾氣排放所帶來的空氣質(zhì)量問題共同推動著人們對 PHEV 的興 趣。促使車主將電能作為能源的經(jīng)濟誘因是相對比較低得電價?；?PHEVs 成本優(yōu)勢,美 國電力研究院的一項研究發(fā)現(xiàn) PHEVs 有著巨大的潛在市場。 但是 PHEVs 的使用將會增加電 網(wǎng)的負荷。 如果峰值負荷激增, 就必須建設(shè)更多的發(fā)機組來供應(yīng)峰值負荷需求, 這樣成本花 費是巨大的。 交通行業(yè)電氣化不僅僅需要對現(xiàn)有加油氣站的重組, 還需要對現(xiàn)有電力基礎(chǔ)設(shè) 施的改進。PHEVs 與 EV 的研究者主要關(guān)注于車載存儲能源與電網(wǎng)的互聯(lián)【 10】 -【 21】。他們的 目的是探究 PHEVs 與 EVs 的環(huán)境與經(jīng)濟效益來推動其產(chǎn)品市場。

6、 PHEVs 與 EVS 是不能單獨地完全解決排放問題的, 因為電動汽車需要電能, 而發(fā)電是廢氣排放的主要來源之一。 因 此,為實現(xiàn)成本控制與減排目的的具有 V2G 功能的 PHEVs 和 EVs 的實際應(yīng)用的成功,很 大程度依賴于 RESs 的最大利用。在一個復(fù)雜的智能電網(wǎng)中,需要一種動態(tài)優(yōu)化方法來優(yōu)化時變的能源(比如 RESs 和 GVs 。之后,電力與交通基礎(chǔ)設(shè)施之間才會很好地融合。本文的主要貢獻有:1智能和靈活地將 GVs 作為負荷,能源或者儲備能源; 2證明 了在含有 RESs 的智能電網(wǎng)中 GVs 的高效; 3在智能電網(wǎng)中 RESs 的最大利用(通過 GVs 利用來實現(xiàn)成本和排放的

7、降低。 本文組織如下。 建立電力與交通聯(lián)系的問題的數(shù)學證明在第節(jié)。 為了最大利用資源和 實現(xiàn)成本與排放最小化, 在第節(jié)提出了一種智能算法。 仿真數(shù)據(jù)與結(jié)果在第節(jié)介紹和討 論。最后,第節(jié)做出總結(jié)。 數(shù)學建模在提出的模型中,可以觀察到如下方面:1從電力行業(yè)出發(fā), RESs (主要包過風能和 太陽能用于減少排放; 2從交通行業(yè)出發(fā), GVs 用于減少排放; 3 GVs 被巧妙地作為 負載,儲備能源和小型可攜帶式電站(S3Ps ; 4大型停車場被作為虛擬機組(VPPs ; 5 車載 GV 電腦系統(tǒng)與有關(guān)部門通信以獲取實時電價并且上傳車主的電池 SoC 以及車主的 偏好。 基于上述系統(tǒng)的功能和特點, 采

8、用優(yōu)化方法生成一種智能調(diào)度方案, 這種方案具有合 適的決策, 控制以及智能操作以使 GVs 最大化利用 RESs , 從而實現(xiàn)在電力與交通行業(yè)中電 力成本和廢氣排放的降低 。一塊太陽能光電板的功率輸出由式(1給出,它與光電板的面積 A ,光照強度 (t 以 及光電板的效率 有關(guān)(. t A t P PV = (1 風力機組的出力模型因其機械特性而變得比較復(fù)雜。 通常來說, 風力機組的出力與風的 動能和空氣密度成比例,公式由 (2給出, 是 Albert Betz常數(shù), (t 為空氣密度, A 為 渦輪轉(zhuǎn)子掃描的區(qū)域, (t 為風速。其他的風力機組的參數(shù)包括切入風速,切出風速,額 定風速,典型的

9、數(shù)值分別為 3.5,25,14mi/s。精確數(shù)據(jù)可以從相關(guān)單元的制造商的數(shù)據(jù)表中獲 得(. t A t . t P wind 350= (2風能與太陽能也許滿足不了所有的負荷需求, 所以需要傳統(tǒng)的單元來供應(yīng)得不到滿足的負荷 需求。 風能與太陽能都是零排放的。 但是, 在電力與交通行業(yè), 排放的二氧化碳量與燃料中 的碳含量以及燃料的燃燒效率成比例。 所以, 在提高運作水平后, 以高碳含量為燃料的發(fā)機 組或者汽車將會產(chǎn)生更多二氧化碳。其他種類的氣體排放(SO 2, NO x 等同樣也會在電力 和交通行業(yè)被產(chǎn)生。為了環(huán)境友好型地發(fā)電,廢氣排放應(yīng)該被有效地監(jiān)測與削減。 本文中,用線性近似模型來計算交通

10、領(lǐng)域里電動汽車的排放:(i i i i i e L e , L c = (3(c 為排放函數(shù), i L 為第 i 輛汽車所行駛的路程, i e 為第 i 輛汽車每英里的排放量。非線性精確(復(fù)雜模型可以適用于電力系統(tǒng)。一般地,排放量可以表示為一個多項 式函數(shù),其次數(shù)依賴于所需的精度。本文中,用二次函數(shù)來描述排放曲線:(t P t P t P c i i i i i i i 2+= (4i , i , i 為 i 單元的排放系數(shù)?；饳C組的燃料成本一般表示為次發(fā)機組發(fā)電量的二次函數(shù)(t P c t P b a t P FC i i i i i i i 2+= (5i a , i b , i c 為發(fā)

11、機組 i 的精確燃料成本系數(shù)。啟動火電機組的啟動成本由以下模型表述,它關(guān)聯(lián)與鍋爐的溫度。 (-=界值當鍋爐溫度低于某一臨界值 當鍋爐溫度高于某一臨, t cos c , t cos h t SC i i i (6i t cos h -和 i t cos c -分別為機組 i 熱啟動與冷啟動的成本,且 i i t cos h t cos c -。在將 GVs 作為負載或者 S3Ps 的系統(tǒng)里,由分布式發(fā)電供應(yīng)的電量必須滿足負載需求 (t D 以及系統(tǒng)損耗,其定義如下:(SS windN i t N j depprevjPViP S GV ,Losses t D t P P t P t P GV3

12、112為 假如 +=+-+= (7(為負載假如 S t N j predepvjwindNi PViGV ,P Losses t D t Pt P t P GV=-+=+211(8(t P i 為機組 i 在 t 時段的輸出功率,deppre/為當前 /離開時的 SoC , j v P 為電動汽車 j 的功率, 為系統(tǒng)效率, (t N G V 2為 t 小時內(nèi)接入電網(wǎng)的 GVs 的數(shù)量, N 為機組數(shù)量。 僅僅經(jīng)過注冊的 GVs 參與到智能控制。這些 GVs 的車主選擇將其車輛的電池參與到 V2G 的交互中。所有經(jīng)過注冊的車輛(數(shù)量為 (t N G V 2在一個預(yù)定的調(diào)控時段 H 內(nèi)參與 到智

13、能調(diào)控:(. N t Nm a xG V Ht GV 212= (9為了維持系統(tǒng)可靠性,需要適當?shù)男D(zhuǎn)備用 其中 (t P maxi與 (t R 分別為 i 機組在 t 時段考慮機組的爬坡速率以及系統(tǒng)的旋轉(zhuǎn)備用時的最大出力約束。每一機組都有發(fā)電范圍,表示如下:(. P t P P m a x i i m i n i (12 確保電池儲能消耗水平高于某一最低水品并且低于某一最高充電水平可以保證電池的 使用壽命(. P t P P vj maxvj vj min (13在所介紹的模型中,排放(4和發(fā)電成本(5以及(6為智能控制的目標函數(shù),負 荷平衡(7和(8,注冊電動汽車的數(shù)量(9,可靠的存儲備用

14、(10和(11,發(fā)電 容量約束(12, SoC, 系統(tǒng)效率,停車場場地限制等等都是約束。因此,智能電網(wǎng)環(huán)境中典型的成本 -排放優(yōu)化目標函數(shù)如下:(=+-+=+-+=Ni i Ht i i ieiiiice c N , t I t I t P C W t I SC t P FC W Emission W Up Start Fuel W TCmint G Vi 11112(14服從(7 -(13約束條件。(t I i 與 (t N G V 2分別為機組開 /關(guān)的決策變量和 t 時段里連入電網(wǎng)的 GVs 的數(shù)量。i 為 機組 i 的排放懲罰因子。權(quán)重因子 c W 與 e W 用于增加系統(tǒng)的靈活性。

15、成本與排放優(yōu)化優(yōu)化算法需要操作大量的加入智能電網(wǎng)的 GVs 以實現(xiàn)最大化利用 RESs , 從而將成本與排放降低到較優(yōu)的水平。本文利用粒子群優(yōu)化算法(PSO 來實現(xiàn)成本與排放的最小化。 PSO 是 一種基于鳥群和魚群行為的仿生啟發(fā)式算法, 類似于其他的基于群體進化的算法。 每個可能 解稱為一個粒子, 在一個多維搜索空間中以一定的速度飛行, 并根據(jù)自身與其他粒子的飛行 經(jīng)驗動態(tài)調(diào)整速度。本文中優(yōu)化問題采用二進制和整數(shù) PSOs 以減少搜索空間的規(guī)模。發(fā)電 機組與 GVs 分別用二進制與整數(shù)表示。 二進制 PSO 用于決定傳統(tǒng)發(fā)電機組的最優(yōu)開 /關(guān)狀態(tài)。 整數(shù) PSO 決定帶約束系統(tǒng)中 GVs 的

16、最優(yōu)數(shù)量。 此算法在局部和全局搜索能力之間做了很好 的平衡,并生成成本與排放降低目標的最優(yōu)解決方案。PSO 是一種迭代算法,每個粒子的速度與位置計算如下:(.Ite MaxIte Range k x k gbest randck x k pbest randc k v k v ijjijijij ij -+-+-+=+1112211 (15發(fā)電機組的二進制 PSO 表示:(+-+<=+=+otherwise, k v exp U if,k x k I ij ij ij 01111111 (16GVs 的整數(shù) PSO 表示:(1112+=+=+k v k x r o u n d k x N

17、 ij ij ij k G V j (17 ij I 與 ij x 分別為(N H 和 (1+N H 維矩陣。而 j G V N 2為 (1H 維整數(shù)向量以減小問題維數(shù),并設(shè)置為 ij x 矩陣的最后一行。 PSO 中的標準術(shù)語有粒子的最好位置 pbest , 全局最好位置 gbest ,速度 v ,位置 x ,加速因子 1c 與 2c ,粒子 i ,問題維數(shù) j ,迭代次數(shù)k 。 Ite , MaxIte 及 (1U 分別為當前迭代數(shù),最大迭代數(shù), 0與 1之間的同一數(shù)。在上述的速度等式中, 第一部分表示粒子的當前速度, 第二部分顯示了粒子的認知, 粒子根據(jù)自身 的考量和記憶改變其速度, 第

18、三部分為種群部分, 粒子根據(jù)與種群中其他粒子的比較來改變 自身的速度。 圖 1 智能電網(wǎng)中運用 GVs 與 RESs 實現(xiàn)成本與排放的最小化的流程圖表 機組排放參數(shù) 結(jié)果探討 本文采用具有 50000 注冊 GVs 的 10 節(jié)點獨立系統(tǒng)進行模擬。負荷需求與 10 節(jié)點系統(tǒng) 的機組特性收錄在文獻【25】。估計排放系數(shù)，機組數(shù)據(jù)分別在表和給出。一下兩種模 型經(jīng)研究顯示了 GVs 在電力與交通工業(yè)的作用。 1） 模型 1（負載水平模型）：GVs 通過傳統(tǒng)發(fā)電機組充電。 2） 模型 2（智能電網(wǎng)）：GVs 作為負載通過 RESs 充電，作為能源給電網(wǎng)輸送電能。 表 10 節(jié)點系統(tǒng)中電站容量與最大容量

19、（1662MIW） 圖 2.GVs 的負載水平 本文所用的參數(shù)值如下： 平均車在電池容量， Ev =15kWh;城市總的注冊電動汽車數(shù)量=50000（估計）；充放電頻率 =1 次每天；調(diào)度時段=24h; dep =50%;系統(tǒng)效率 =85%；PSO 中種群規(guī)模=30，迭代次數(shù) =1000，加速因子 c1 =1.5， c2 =2.5， Range =0.4 。 實際運用中，電網(wǎng)中 GVs 的數(shù)量可以根據(jù)電力用戶的數(shù)量分析估計得到。其具體的計 算如下： 例如，本文中基準 10 節(jié)點系統(tǒng)所取最小負荷 Dmin 為 700MIW【25】。每戶每月平均電量消 費（ AVMEC ）為 1500kWh【26

20、】。居民客戶每小時平均用電量（ AVHLD ）為 2.0833kw。假 設(shè)電網(wǎng)中居民負荷的百分比為 X RL =30%，域內(nèi)用戶總量（ N REC ）為 100801.6，為簡單起 見，可以大約取 100000.可以預(yù)見，將來的 VREC =1,即平均每戶電力用戶都將有一個 GV，其 中 50%將會注冊參與到調(diào)度過程中來 QGV =50%。由（18）可得 N GV 約為 50000，在標準 10 節(jié)點系統(tǒng)中，這個數(shù)量是比較合理的。 如果 50000 個 GVs 隨機地并入電網(wǎng)，最壞的情況下，將需要額外 (50000×15kWh =750MWh 電量 （如果考慮 50%的離場 SoC

21、則至少需要 375 MWh 的電量） 。 充放電過程都是隨機的，沒有經(jīng)過最優(yōu)化。在這樣一個系統(tǒng)中，最壞情況下，高峰負荷將會 達到將近 50%；所以這個模型在實際運用中不太可行。 表 十節(jié)點系統(tǒng)的排放（不包括 GVs 和可再生能源） 模型 1 （負荷平整模型） 由于隨機系統(tǒng)不可行， ： 下一個可能方案就是負荷平整模型。 電動汽車平均一年行駛的路程估計有 12000 mi/year；也就是 32.88mi/day；假設(shè) EV 可以運 行在 4mi/kWh。所以，一輛 EV 需要大約 8.22kWh/day。目前還沒有進行包含 GVs 的負荷預(yù) 測研究。因此這里給出近似線性模型。小系統(tǒng)里每天供應(yīng) 5

22、0000 輛電動汽車的額外電量為 411MIWh。如果 GVs 隨機的從現(xiàn)有的電力系統(tǒng)中充電，最壞的情況下（假如所有的汽車都 在高峰負荷時間內(nèi)充電） 很自然， 。 系統(tǒng)可能沒有足夠的容量來滿足額外的高峰負荷。 此外， 負載以約每年 10%的速度增長。在此模型中，需要裝設(shè)新的發(fā)電機組來滿足來自 GVs 的新 負荷，這將是成本巨大并且花費大量時間。然而，一種 GVs 的智能調(diào)度可以通過智能地平 整負荷需求來化解這一問題。GVs 可以被運用作為在電力系統(tǒng)中的負荷平整裝置。 標準 10 節(jié)點系統(tǒng)的負荷曲線具有峰谷（見圖 2）。根據(jù)負荷曲線，負荷需求在 1 至 9 和 22 至 24 時段里相對比較低（

23、總共 12 小時）。GVs 可以在這非峰時段里從電網(wǎng)中充電以 平整負荷需求。GVs 的負荷自動地由車載智能代理以及根據(jù)智能計量得到的實時電價與其 他公共部門的交互。供應(yīng) 50000GVs 的額外的 411MIWh/day 的電量被等量地 （411MIWh/12=34.25MIWh/h）分散于非峰時段以平整負荷需求，避免了高峰負荷的增長。 （見圖 2）。 根據(jù)每輛車每年平均行駛里程為 12000mii， 以及每輛車平均排放為 1.2lb/mi,運用式 （3） 可得一輛車估計每年排放 14400lb。50000 輛車的總排放量因此為 720000000lb(326678.766 噸。 表 考慮負載整定情況下含 5000 輛 GVs 的十節(jié)點系統(tǒng)的排放 首先，排放由 10 節(jié)點系統(tǒng)機組的標準輸入數(shù)據(jù)，排放因子，考慮 GVs 及 PESs 的負荷 需求等計算得到。PSO 用于計算計劃表，符合調(diào)度，以及相應(yīng)的成本與排放。