基于插入式電動(dòng)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(dòng)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(fēng)能和太陽(yáng)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(jī)組發(fā)電）。同樣地，被學(xué)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(dòng)力汽車以及其具有的并網(wǎng)能力。GV可以被用作負(fù)載和能源（小型輕便的發(fā)機(jī)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(chǔ)備能源。在分布式的能源和負(fù)載環(huán)境中考慮到智能充放電對(duì)于要同時(shí)實(shí)現(xiàn)成本和排放降低的智能電網(wǎng)操作是一項(xiàng)非常復(fù)雜的工作。如果大量的GVs隨機(jī)的并入電網(wǎng)，高峰負(fù)荷將會(huì)很大。為支持交通電氣化，傳統(tǒng)火電機(jī)組的使用將

2、很不經(jīng)濟(jì)并對(duì)環(huán)境造成危害。將GV作為負(fù)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(shí)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(shí)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(dòng)汽車GV;負(fù)荷水平;最優(yōu)化;插入式電動(dòng)汽車（PHEVs）;可再生能源;智能電網(wǎng);太陽(yáng)能發(fā)機(jī)組;風(fēng)電場(chǎng) 引言 全球能源儲(chǔ)備快速地下降對(duì)經(jīng)濟(jì)，環(huán)境，工業(yè)和社會(huì)水平方面的影響是全社會(huì)都關(guān)注的問題。電力和能源行業(yè)是全球排放的一個(gè)主要方面，占

3、到全球CO2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(rèn)知為是一種對(duì)人類社會(huì)有著嚴(yán)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(jì)劃當(dāng)中。新能源的使用可能變得具有吸引力，特別是當(dāng)如果消費(fèi)者不僅不用支付機(jī)組發(fā)電的成本費(fèi)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(fèi)用時(shí)。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(huì)造成氣候變化或者產(chǎn)生對(duì)環(huán)境不好影響。 對(duì)于能源儲(chǔ)備減少以及排放增加的部分解決方案如下：1)分布式可再生能源（REs）的整合 2）正在部署的被學(xué)者稱為GV的新一代插入式汽車，包含了插入式混合動(dòng)力汽車（PHEVs）和以及其具有的

4、并網(wǎng)能力。V2G技術(shù)在文獻(xiàn)【6】有介紹。V2G是一種能量?jī)?chǔ)存技術(shù)，它可以實(shí)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(gè)人收益以及電網(wǎng)需求可以上下波動(dòng)。 不同形式的能源整合與研發(fā)政策在文獻(xiàn)【7】有介紹。一份來自國(guó)家可再生能源實(shí)驗(yàn)室（NREL）的技術(shù)報(bào)告表明PHEVs對(duì)于純CO2排放量的降低有著重大作用。擔(dān)心石油安全與儲(chǔ)備所造成的油價(jià)波動(dòng)和尾氣排放所帶來的空氣質(zhì)量問題共同推動(dòng)著人們對(duì)PHEV的興趣。促使車主將電能作為能源的經(jīng)濟(jì)誘因是相對(duì)比較低得電價(jià)。基于PHEVs成本優(yōu)勢(shì)，美國(guó)電力研究院的一項(xiàng)研究發(fā)現(xiàn)PHEVs

5、有著巨大的潛在市場(chǎng)。但是PHEVs的使用將會(huì)增加電網(wǎng)的負(fù)荷。如果峰值負(fù)荷激增，就必須建設(shè)更多的發(fā)機(jī)組來供應(yīng)峰值負(fù)荷需求，這樣成本花費(fèi)是巨大的。交通行業(yè)電氣化不僅僅需要對(duì)現(xiàn)有加油氣站的重組，還需要對(duì)現(xiàn)有電力基礎(chǔ)設(shè)施的改進(jìn)。 PHEVs與EV的研究者主要關(guān)注于車載存儲(chǔ)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(jì)效益來推動(dòng)其產(chǎn)品市場(chǎng)。PHEVs與EVS是不能單獨(dú)地完全解決排放問題的，因?yàn)殡妱?dòng)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(shí)現(xiàn)成本控制與減排目的的具有V2G功能的PHEVs和EVs的實(shí)際應(yīng)用的成功，很大程度依賴于RESs的最大利用。 在一個(gè)復(fù)

6、雜的智能電網(wǎng)中，需要一種動(dòng)態(tài)優(yōu)化方法來優(yōu)化時(shí)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(huì)很好地融合。 本文的主要貢獻(xiàn)有：1）智能和靈活地將GVs作為負(fù)荷，能源或者儲(chǔ)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(shí)現(xiàn)成本和排放的降低。 本文組織如下。建立電力與交通聯(lián)系的問題的數(shù)學(xué)證明在第節(jié)。為了最大利用資源和實(shí)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(xué)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(fēng)能和太陽(yáng)能）用于

7、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(fù)載，儲(chǔ)備能源和小型可攜帶式電站（S3Ps）；4）大型停車場(chǎng)被作為虛擬機(jī)組（VPPs）；5）車載GV電腦系統(tǒng)與有關(guān)部門通信以獲取實(shí)時(shí)電價(jià)并且上傳車主的電池SoC以及車主的偏好?；谏鲜鱿到y(tǒng)的功能和特點(diǎn)，采用優(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(shí)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(yáng)能光電板的功率輸出由式（1）給出，它與光電板的面積，光照強(qiáng)度以及光電板的效率有關(guān) （1） 風(fēng)力機(jī)組的出力模型因其機(jī)械特性而變得比較復(fù)雜。通常來說，風(fēng)力機(jī)組的出

8、力與風(fēng)的動(dòng)能和空氣密度成比例，公式由(2)給出，是Albert Betz常數(shù)， 為空氣密度， 為渦輪轉(zhuǎn)子掃描的區(qū)域， 為風(fēng)速。其他的風(fēng)力機(jī)組的參數(shù)包括切入風(fēng)速，切出風(fēng)速，額定風(fēng)速，典型的數(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 （2）風(fēng)能與太陽(yáng)能也許滿足不了所有的負(fù)荷需求，所以需要傳統(tǒng)的單元來供應(yīng)得不到滿足的負(fù)荷需求。風(fēng)能與太陽(yáng)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(yùn)作水平后，以高碳含量為燃料的發(fā)機(jī)組或者汽車將會(huì)產(chǎn)生更多二氧化碳。其他種類的氣體排放（SO2，NOx等）同樣也會(huì)在電力

9、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(cè)與削減。 本文中，用線性近似模型來計(jì)算交通領(lǐng)域里電動(dòng)汽車的排放： （3）為排放函數(shù)，為第輛汽車所行駛的路程，為第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(gè)多項(xiàng)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： （4），為單元的排放系數(shù)。 火機(jī)組的燃料成本一般表示為次發(fā)機(jī)組發(fā)電量的二次函數(shù) （5），為發(fā)機(jī)組的精確燃料成本系數(shù)。 啟動(dòng)火電機(jī)組的啟動(dòng)成本由以下模型表述，它關(guān)聯(lián)與鍋爐的溫度。 （6）和分別為機(jī)組熱啟動(dòng)與冷啟動(dòng)的成本，且。在將GVs作為負(fù)載或者S3Ps的系統(tǒng)

10、里，由分布式發(fā)電供應(yīng)的電量必須滿足負(fù)載需求以及系統(tǒng)損耗，其定義如下： （7）(8)為機(jī)組在時(shí)段的輸出功率，為當(dāng)前/離開時(shí)的，為電動(dòng)汽車 的功率，為系統(tǒng)效率，為小時(shí)內(nèi)接入電網(wǎng)的GVs的數(shù)量，為機(jī)組數(shù)量。 僅僅經(jīng)過注冊(cè)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(cè)的車輛（數(shù)量為）在一個(gè)預(yù)定的調(diào)控時(shí)段H內(nèi)參與到智能調(diào)控： （9）為了維持系統(tǒng)可靠性，需要適當(dāng)?shù)男D(zhuǎn)備用 其中 與分別為機(jī)組在時(shí)段考慮機(jī)組的爬坡速率以及系統(tǒng)的旋轉(zhuǎn)備用時(shí)的最大出力約束。 每一機(jī)組都有發(fā)電范圍，表示如下： （12） 確保電池儲(chǔ)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

11、證電池的使用壽命 （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(biāo)函數(shù)，負(fù)荷平衡（7）和（8），注冊(cè)電動(dòng)汽車的數(shù)量（9），可靠的存儲(chǔ)備用（10）和（11），發(fā)電容量約束（12），SoC,系統(tǒng)效率，停車場(chǎng)場(chǎng)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(biāo)函數(shù)如下： (14)服從（7）-（13）約束條件。 與分別為機(jī)組開/關(guān)的決策變量和t時(shí)段里連入電網(wǎng)的GVs的數(shù)量。為機(jī)組i的排放懲罰因子。權(quán)重因子與用于增加系統(tǒng)的靈活性。 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(shí)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

12、群優(yōu)化算法（PSO）來實(shí)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(jìn)化的算法。每個(gè)可能解稱為一個(gè)粒子，在一個(gè)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(yàn)動(dòng)態(tài)調(diào)整速度。本文中優(yōu)化問題采用二進(jìn)制和整數(shù)PSOs以減少搜索空間的規(guī)模。發(fā)電機(jī)組與GVs分別用二進(jìn)制與整數(shù)表示。二進(jìn)制PSO用于決定傳統(tǒng)發(fā)電機(jī)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(biāo)的最優(yōu)解決方案。 PSO是一種迭代算法，每個(gè)粒子的速度與位置計(jì)算如下： （15） 發(fā)電機(jī)組的二進(jìn)制PSO

13、表示： （16） GVs的整數(shù)PSO表示： （17） 與分別為（）和維矩陣。而為維整數(shù)向量以減小問題維數(shù)，并設(shè)置為矩陣的最后一行。PSO中的標(biāo)準(zhǔn)術(shù)語(yǔ)有粒子的最好位置，全局最好位置，速度，位置，加速因子與，粒子，問題維數(shù)，迭代次數(shù)。 ，及分別為當(dāng)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(dāng)前速度，第二部分顯示了粒子的認(rèn)知，粒子根據(jù)自身的考量和記憶改變其速度，第三部分為種群部分，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(yùn)用GVs與RESs實(shí)現(xiàn)成本與排放的最小化的流程圖表 機(jī)組排放參數(shù) 結(jié)果探討 本文采用具有50000注冊(cè)GVs的 10

14、節(jié)點(diǎn)獨(dú)立系統(tǒng)進(jìn)行模擬。負(fù)荷需求與10節(jié)點(diǎn)系統(tǒng)的機(jī)組特性收錄在文獻(xiàn)【25】。估計(jì)排放系數(shù)，機(jī)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(fù)載水平模型）：GVs通過傳統(tǒng)發(fā)電機(jī)組充電。2） 模型2（智能電網(wǎng)）：GVs作為負(fù)載通過RESs充電，作為能源給電網(wǎng)輸送電能。表 10節(jié)點(diǎn)系統(tǒng)中電站容量與最大容量（1662MIW）圖2.GVs的負(fù)載水平本文所用的參數(shù)值如下：平均車在電池容量，=15kWh;城市總的注冊(cè)電動(dòng)汽車數(shù)量=50000（估計(jì)）；充放電頻率=1次每天；調(diào)度時(shí)段=24h;=50%;系統(tǒng)效率=85%；PSO中種群規(guī)模=30，迭代次數(shù)=1000，加速因

15、子=1.5，=2.5，=0.4 。 實(shí)際運(yùn)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(jì)得到。其具體的計(jì)算如下： 例如，本文中基準(zhǔn)10節(jié)點(diǎn)系統(tǒng)所取最小負(fù)荷為700MIW【25】。每戶每月平均電量消費(fèi)（）為1500kWh【26】。居民客戶每小時(shí)平均用電量（）為2.0833kw。假設(shè)電網(wǎng)中居民負(fù)荷的百分比為=30%，域內(nèi)用戶總量（）為100801.6，為簡(jiǎn)單起見，可以大約取100000.可以預(yù)見，將來的=1,即平均每戶電力用戶都將有一個(gè)GV，其中50%將會(huì)注冊(cè)參與到調(diào)度過程中來=50%。由（18）可得約為50000，在標(biāo)準(zhǔn)10節(jié)點(diǎn)系統(tǒng)中，這個(gè)數(shù)量是比較合理的。 如果50000個(gè)GVs隨機(jī)地

16、并入電網(wǎng)，最壞的情況下，將需要額外電量（如果考慮50%的離場(chǎng)SoC則至少需要375 的電量）。充放電過程都是隨機(jī)的，沒有經(jīng)過最優(yōu)化。在這樣一個(gè)系統(tǒng)中，最壞情況下，高峰負(fù)荷將會(huì)達(dá)到將近50%；所以這個(gè)模型在實(shí)際運(yùn)用中不太可行。表 十節(jié)點(diǎn)系統(tǒng)的排放（不包括GVs和可再生能源） 模型 1 （負(fù)荷平整模型）：由于隨機(jī)系統(tǒng)不可行，下一個(gè)可能方案就是負(fù)荷平整模型。電動(dòng)汽車平均一年行駛的路程估計(jì)有12000 mi/year；也就是32.88mi/day；假設(shè)EV可以運(yùn)行在4mi/kWh。所以，一輛EV需要大約8.22kWh/day。目前還沒有進(jìn)行包含GVs的負(fù)荷預(yù)測(cè)研究。因此這里給出近似線性模型。小系統(tǒng)里每

17、天供應(yīng)50000輛電動(dòng)汽車的額外電量為411MIWh。如果GVs隨機(jī)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(fù)荷時(shí)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(fù)荷。此外，負(fù)載以約每年10%的速度增長(zhǎng)。在此模型中，需要裝設(shè)新的發(fā)電機(jī)組來滿足來自GVs的新負(fù)荷，這將是成本巨大并且花費(fèi)大量時(shí)間。然而，一種GVs的智能調(diào)度可以通過智能地平整負(fù)荷需求來化解這一問題。GVs可以被運(yùn)用作為在電力系統(tǒng)中的負(fù)荷平整裝置。 標(biāo)準(zhǔn)10節(jié)點(diǎn)系統(tǒng)的負(fù)荷曲線具有峰谷（見圖2）。根據(jù)負(fù)荷曲線，負(fù)荷需求在1至9和22至24時(shí)段里相對(duì)比較低（總共12小時(shí)）。GVs可以在這非峰時(shí)段里從電網(wǎng)中充

18、電以平整負(fù)荷需求。GVs的負(fù)荷自動(dòng)地由車載智能代理以及根據(jù)智能計(jì)量得到的實(shí)時(shí)電價(jià)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(shí)段以平整負(fù)荷需求，避免了高峰負(fù)荷的增長(zhǎng)。（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(yùn)用式（3）可得一輛車估計(jì)每年排放14400lb。50000輛車的總排放量因此為720000000lb(326678.766噸)。表 考慮負(fù)載整定情況下含5000輛GVs的十節(jié)點(diǎn)系統(tǒng)的排放 首先，排放由10節(jié)點(diǎn)系統(tǒng)機(jī)組的標(biāo)準(zhǔn)輸入數(shù)據(jù)，排放因子，考慮GVs及PESs的負(fù)荷需求等計(jì)算得到。PSO用于計(jì)算計(jì)劃表，符合調(diào)度，以及相應(yīng)的成本與排放。結(jié)果在表中中給出。成本與排放是在考慮了500000GVs的負(fù)荷需求以及額外負(fù)載的平整上計(jì)算的。結(jié)果有表給出。從表和，24小時(shí)內(nèi)，機(jī)組為了供應(yīng)50000GVs的負(fù)荷需求多排放了781.989噸（26860.5