基于用戶響應度的峰谷電價時段優(yōu)化模型

基于用戶響應度的峰谷電價時段優(yōu)化模型

0電動汽車充放電優(yōu)化策略隨著環(huán)境和能源問題的加劇，電動汽車在節(jié)能減排方面的顯著優(yōu)勢越來越受到重視。2021—2030年是我國電動私家汽車大規(guī)模發(fā)展的階段。如果大規(guī)模電動汽車在電網(wǎng)負荷高峰時段充電,將導致負荷“峰上加峰”,給電網(wǎng)運行帶來較大負擔,影響電網(wǎng)的穩(wěn)定運行。因此,大規(guī)模電動汽車對電網(wǎng)的影響及其充放電優(yōu)化控制策略已成為當前的研究熱點。文獻提出插電式混合動力汽車(plug-inhybridelectricvehicle,PHEV)充電對配網(wǎng)日負荷曲線和線損等指標影響的優(yōu)化策略,但未考慮電動汽車數(shù)量實時變化的概率特點。文獻建立了基于低谷填入思想的PHEV集中充電模型,但未考慮電動汽車放電工作的數(shù)學模型及其削峰作用。文獻提出基于負荷預測的有序充電算法,但未考慮大規(guī)模電動汽車的放電工作對區(qū)域電網(wǎng)的影響。文獻建立了基于谷電價的電動汽車有序充電算法,但未考慮峰電價時段優(yōu)化及有序放電問題。文獻提出了V2G充放電控制算法,但未考慮V2G充放電時刻的概率分布特點。文獻建立了基于改進粒子群算法(particleswarmoptimization,PSO)的電動車充放電策略,但未考慮私家車主的出行習慣以及大規(guī)模電動汽車充放電功率的概率特性。文獻提出區(qū)域電動汽車充放電控制策略,但未考慮車載電池的容量約束和私家車主的出行習慣。文獻分析了V2G參與電網(wǎng)調(diào)峰的可行性及實現(xiàn)的基本思路,但未研究其優(yōu)化運行策略。本文以私家電動汽車常規(guī)充放電為研究對象,根據(jù)私家車主的出行習慣,構建無序模式的放電概率模型和用戶響應峰谷電價差的有序充放電時刻選擇算法。使用蒙特卡洛模擬法,計算得到計及峰谷電價響應度的電動汽車充放電功率曲線。建立以電網(wǎng)負荷峰谷差率最小為目標的峰谷電價時段優(yōu)化模型,使用遺傳算法對峰谷電價時段進行尋優(yōu),并通過算例驗證了模型的正確性。1私家車主要的移動習慣1.1日行駛距離概率分布密度曲線根據(jù)美國交通部對全美家用車輛的調(diào)查結果(NHTS),得到私人電動汽車日行駛距離的概率分布密度曲線,如公式(1)所示。式中:μD=3.20,σD=0.88;x為行駛里程,0<x≤200。1.2電動汽車充放電運行特性為定量分析電動汽車充放電工作對電網(wǎng)負荷曲線的影響,對私家車主的出行習慣做如下簡化。1)參與V2G的私家車主均可得到補貼和電池充放電折舊費,而且響應峰谷電價差的私家車主還可得到額外的充放電差價收入。2)電動汽車的車載電池容量Cbattery=20~40kW×h,平均能耗W=0.15kW×h/km,電動汽車的平均速度Vspeed=20~30km/h。3)電動汽車的充放電功率Pcd在3~5kW內(nèi)平均分布。4)考慮充放電深度、電池壽命和充放電損耗等因素,車載電池的可用荷電狀態(tài)(stateofcharge,SOC)為10%uf07e90%。5)以1d為周期,私家車主早上09:00均會到達單位,下午17:00開始離開單位。6)無序模式下,電動汽車停放在單位期間每個時刻的放電概率均相同。2電動汽車放電概率電動汽車與電網(wǎng)之間能量的雙向互動即為V2G,有充電和放電2種工作狀態(tài)。無序V2G模式指私家車主的充放電行為由其出行習慣決定,不受峰谷電價差的影響。1)充電模型。無序模式下充電時刻服從正態(tài)分布,其概率密度函數(shù)為式中:μs=17.6,σs=3.4;t為充電時刻。基于1.2節(jié)出行習慣2,可推得充電持續(xù)時長:式中Tchg為充電時長,h。2)放電模型。根據(jù)1.2節(jié)出行習慣6,可得一天24h私家電動車的放電概率為式(4)表明在09:00—17:00時段,電動汽車放電概率為1/8,其余時段放電概率為0。根據(jù)路程、速度及時間之間的關系,可得放電持續(xù)時長為式中:Tdischg為放電持續(xù)時長,h;LD為電動汽車的日行駛距離。式(5)表明放電持續(xù)時長與車載電池容量、每公里平均能耗、放電功率,以及每天行駛距離等因素有關。由式(1)(5)可得放電持續(xù)時長的概率密度函數(shù)為式中:μD=3.20,σD=0.88,0≤t<4.8。3有序模式下的峰谷價格調(diào)整3.1峰谷電價響應度電力部門通過制定一天24h的峰谷電價,對車主充放電時刻的選擇進行引導。峰谷電價數(shù)學模型如公式(7)所示。式中:pv谷電價,pp為峰電價,pn為平電價,且pv<pn<pp;[tc1,tc2]為谷電價時段;[td1,td2]為峰電價時段。一天內(nèi)有且只有1個峰電價時段和1個谷電價時段,其余時段均為平電價時段。定義1:峰谷電價差δ為峰谷電價差值與谷電價的比值,其計算如公式(8)所示。峰谷電價差δ定量描述了峰電價相對于谷電價的增幅。定義2:峰谷電價響應度η即在峰谷電價差的引導下,選擇谷電價時段充電、峰電價時段放電的私家車主比例。其計算如公式(9)所示。式中:n是響應峰谷電價差的電動汽車數(shù)量;N是區(qū)域電網(wǎng)內(nèi)的電動汽車總數(shù)量,0≤η≤1。3.2tdi充電持續(xù)時長1)有序模式的充電時刻選擇。響應峰谷電價差的車主,選擇谷電價時段充電,其開始充電時刻tsc的選擇由式(10)決定。式中:tc1、tc2為谷電價時段的起止時刻;tc是充電持續(xù)時長;k1為區(qū)間的隨機數(shù)。2)有序模式的放電時刻選擇。響應峰谷電價差的車主,選擇峰電價時段放電,其開始放電時刻tsd的選擇由公式(11)決定。式中:td1、td2為峰電價時段的起止時刻;td為放電持續(xù)時長;k2為區(qū)間的隨機數(shù)。公式(10)(11)表明:當用戶充(放)電時長超過谷(峰)電價時段的長度,用戶選擇谷(峰)電價起始時刻開始充(放)電;當充(放)電時長小于谷(峰)電價時段的長度,其可選擇在谷(峰)電價時段內(nèi)充滿電的任意時刻開始充(放)電。3.3負荷特性優(yōu)化假設私家車主都是理性的,其希望在谷電價時段內(nèi)將所需電量全部充滿,在峰電價時段放電工作,以期獲得較高的經(jīng)濟效益。因此峰谷電價時段將對私家車主充放電時刻選擇產(chǎn)生明顯影響。同時,峰谷電價響應度η的不同,也將對電動汽車充放電功率的日負荷曲線有較大影響。因此峰谷電價時段和η是峰谷電價政策制定需要考慮的關鍵因素。在峰谷電價差的引導下,仍有1-η的車主不響應峰谷電價差,則該部分車主的充放電功率仍按無序模式的模型進行計算。設區(qū)域電網(wǎng)的負荷曲線為L0,使用蒙特卡洛模擬法計算一天24h內(nèi)各時刻N臺電動汽車的充放電負荷,得到電動汽車充放電負荷的典型日負荷曲線L1,其包括η×N輛電動汽車選擇谷(峰)電價時段充(放)電的有序負荷和(1-η)×N輛電動汽車的無序負荷,則該區(qū)域電網(wǎng)的實際負荷曲線L(i)=L0(i)+L1(i),1≤i≤24。當N和L0一定時,L與峰谷電價時段[tc1,tc2]、[td1,td2]和峰谷電價響應度η有關。通過制定不同的峰谷電價時段和峰谷電價響應度,即可改變該地區(qū)的負荷特性。例如,圖1中,區(qū)域負荷為國內(nèi)A市夏季典型日負荷,模擬電動汽車總數(shù)N為20萬輛,假設電動汽車參與有序充放電的響應度η為1.0,在同一響應度下,當峰谷電價時段分別為[21:00,03:00]、[10:00,14:00]和[02:00,06:00]、[14:00,17:00]時的電網(wǎng)負荷曲線如圖1所示。圖2中,區(qū)域負荷為國內(nèi)A市夏季典型日負荷,模擬電動汽車總數(shù)N為20萬輛,假設峰谷電價時段為[21:00,03:00]、[10:00,14:00],當電動汽車參與有序充放電的響應度η分別為1.0和0.5時的電網(wǎng)負荷曲線如圖2所示。分析圖1和圖2可知,峰谷電價響應度η相同時,不同峰谷電價時段將使區(qū)域電網(wǎng)的負荷峰谷差率或增大或減小;峰谷電價時段相同時,不同的峰谷電價響應度亦將使區(qū)域電網(wǎng)的負荷峰谷差率或增大或減小。針對不同城市的電網(wǎng)負荷情況,制定相應的最優(yōu)峰谷電價時段,可改善其負荷曲線,減小峰谷差。因峰谷電價響應度具有區(qū)域特性,與區(qū)域內(nèi)私家車主的用電習慣、消費水平、收入水平以及峰谷電價差等因素有關,本文暫不分析這些因素,進行算例分析時η分別考慮高響應度和低響應度兩種情況,其中高響應度η取1.0,低響應度η取0.5。設l(tc1,tc2,td1,td2)為考慮V2G的區(qū)域負荷曲線峰谷差率隨機函數(shù),為得到電動汽車削峰填谷的最優(yōu)結果,建立如下最優(yōu)化模型。式中:LE(tc1,tc2,td1,td2)是通過蒙特卡洛仿真得到的l(tc1,tc2,td1,td2)的期望;[tc1,tc2]為谷電價時段;[td1,td2]為峰電價時段;Z為負荷曲線的峰谷差率。程序以種群(tc1,tc2,td1,td2)i作為輸入?yún)?shù),使用遺傳算法進行尋優(yōu),得到最優(yōu)峰谷電價時段、最小峰谷差率以及優(yōu)化前后的電網(wǎng)負荷曲線,算法流程如圖3所示。優(yōu)化算法求解的主要過程如下:1)初始化種群。在取值范圍內(nèi)隨機生成200個初始個體(tc1,tc2,td1,td2)i。每個變量均使用20位二進制數(shù)表示,則每個變量的精度均達到10-5。2)判斷生成的峰谷電價時段種群是否滿足優(yōu)化模型的邊界條件,如果不滿足,則丟棄此種群。3)計算無序充放電功率Lfree(i),基于滿足優(yōu)化模型邊界條件的峰谷電價時段,計算響應峰谷電價差的有序充放電功率Lop(i)和考慮電動汽車充放電功率的實際電網(wǎng)負荷L(i)。4)計算負荷峰谷差率Z(i),并記錄產(chǎn)生最小峰谷差率的時段(tc1,tc2,td1,td2)k。5)以峰谷差率Z(i)作為適應度函數(shù)F(i),并采用隨機遍歷抽樣法選擇父本,保證削峰填谷效果較好的基因被保留下來進行遺傳。6)對選擇的父本個體進行單點交叉與變異,其中交叉概率Pc=0.7,變異概率Pm=0.01。7)反復迭代尋優(yōu),直到達到最大遺傳代數(shù)。4負荷峰谷分析為驗證本文優(yōu)化模型,以國內(nèi)A市(人口近千萬,預測以人口總數(shù)的2%作為電動汽車保有量,即電動汽車數(shù)量為20萬輛)夏季和冬季典型日負荷曲線為例(表1),使用本文模型對電動汽車在峰谷電價時段優(yōu)化前后的典型日功率需求進行計算,分析計及電動汽車有序充放電的峰谷電價時段優(yōu)化。其中,A市夏季典型日的負荷曲線較陡,冬季典型日的負荷曲線較平滑,即夏季典型日的負荷需求較集中,冬季典型日的負荷需求較分散?；贏市夏季典型日的負荷曲線,可得其峰谷電價時段的優(yōu)化結果如表2和圖4所示。表2結果顯示,在夏季典型日,無序充放電的電動汽車接入電網(wǎng),沒起到削峰填谷作用,反而增加了電網(wǎng)負荷峰谷差率;使用峰谷電價時段優(yōu)化后,電網(wǎng)負荷峰谷差率明顯減小,且峰谷電價響應度η越高,優(yōu)化后電網(wǎng)的負荷峰谷差率越小。圖4表明,無序充放電的電動汽車接入電網(wǎng),將拉高用電負荷峰值,產(chǎn)生峰上加峰的結果,增加電網(wǎng)運行的不穩(wěn)定性。通過峰谷電價時段對電動汽車充放電行為進行優(yōu)化后,在谷電價時段,電動汽車充電負荷發(fā)揮了填谷效果;在峰電價時段,電動汽車實現(xiàn)了削峰目標?；贏市冬季典型日的負荷曲線,可得其峰谷電價時段的優(yōu)化結果如表3和圖5所示。表3結果顯示,在冬季典型日,無序充放電的電動汽車接入電網(wǎng),增加了電網(wǎng)負荷的峰谷差率;使用峰谷電價時段優(yōu)化后,電網(wǎng)負荷的峰谷差率減小約13%,且峰谷電價響應度η越高,優(yōu)化后電網(wǎng)的負荷峰谷差率越小。分析圖5可得,無序充放電的電動汽車接入電網(wǎng),拉高用電負荷峰值,增加了電網(wǎng)負荷的峰谷差率。通過峰谷電價時段對電動汽車充放電進行優(yōu)化后,電動汽車充放電負荷平滑了電網(wǎng)負荷曲線,且響應度越高,優(yōu)化后的負荷曲線越平滑。5峰谷電價響應度計算方法本文構建了電動汽車有序模式和無序模式的放電模型,建立了峰谷電價時段