CN106655232B - 一种计及三相负荷平衡的电动汽车分布式充放电策略 - Google Patents

Abstract

本发明是一种计及三相负荷平衡的电动汽车分布式充放电调度策略，其特点是，用以解决电动汽车无序充电带来的不利影响，还可有效改善集中式管理具有的计算量大、通讯带宽要求严格的问题。建立电动汽车充放电优化模型，实现夜间填谷以及在负荷高峰时提供V2G服务，进而平滑系统负荷。并在此基础上考虑三相负荷平衡约束，确保系统安全稳定的运行。最后，通过IEEE33节点配电网测试系统对文中提出的控制策略进行验证，结果表明分布式管理能够达到集中式控制的效果，实现削峰填谷，减小三相负荷不平衡。

Description

一种计及三相负荷平衡的电动汽车分布式充放电策略

技术领域

本发明涉及电力系统电力需求响应技术领域，是一种计及三相负荷平衡的电动汽车分布式充放电策略研究。

背景技术

近年来，传统燃油私家汽车数量不断增长，不仅加剧了化石燃料消耗的速度，而且大量汽车尾气的排放造成了严重的环境污染。在面临能源危机和环境恶化的双重压力下，世界各国政府相继出台有关政策推动新能源汽车的发展。在中国，为发展新能源汽车提供重要政策保障，国务院办公厅提出大力推进电动汽车充电基础设施建设，从而有效解决电动汽车充电难题。在美国，能源部通过EV Project计划，为电动汽车用户免费安装充电桩，意在推广电动汽车的使用。

电动汽车的普及已成为一种趋势，未来大规模电动汽车接入电网，无序充电行为会对负荷平衡、电源容量、电能质量、环境等方面产生不利影响。电动汽车充电负荷的时空随机特性给配电系统运行带来更多的不确定性，主要涉及电压偏移、网络损耗、三相负荷不平衡等问题。

目前，国内外学者针对电动汽车充放电控制策略问题开展了广泛大量的研究，其控制策略主要是集中式管理的方式，由中央控制系统根据电动汽车电池模型、行驶模型、配电系统约束条件、电价等信息对接入配电系统的电动汽车进行充电优化，得出每台汽车每一时段充电功率。集中控制需要建立完备的通讯设施，并且处理的数据量大。在电动汽车数量增多时，优化变量和约束条件的增加，将导致优化问题变得更加复杂，甚至不能得到全局最优解。而分布式控制方法则不需要大量的通讯信息和复杂的优化计算，更加适合大规模电动汽车充放电优化。

发明内容

本发明的目的是，提出一种计及三相负荷平衡的电动汽车分布式充放电策略，从而解决电动汽车集中式管理的缺陷和不足。

本发明的目的是由以下技术方案来实现的：

(1)建立电动汽车分布式充放电优化模型：

以负荷填谷为目标的优化模型为：

式中：U(.)是凸函数；P_ch(i,t)是电动汽车i第t时段的充电功率；P_dch(i,t)是电动汽车i第t时段的放电功率；D(t)是配电系统第t时段的常规负荷；

分布式调度与管理将配电系统分成若干个子区域，通过对子区域电动汽车的分散控制完成整个配电系统中电动汽车充放电功率优化。每个子区域配置一个中间运营商，中间运营商的作用是制定虚拟价格信号，将电动汽车的充电时段引导至配电系统用电低谷时段。中间运营商以负荷填谷为目标制定的虚拟价格信号数学模型如下：

式中，▽U(.)是凸函数U(.)的导数；系数γ的范围是β是利普希茨常数，从而确保分布式充放电优化过程收敛。虚拟价格信号随常规负荷与电动汽车充放电功率情况发生变化，负荷需求大时，虚拟价格信号较高。

中间运营商根据常规负荷以及电动汽车充放电功率情况制定虚拟价格信号后，将该虚拟价格信号发送至其所管辖的电动汽车用户。基于此，用户根据该虚拟价格信号来优化自身充放电功率，一方面使充电成本最小，另一方面要兼顾三相负荷不平衡问题，对充放电功率进行修正，并将充放电功率信息反馈至中间运营商，由中间运营商再次制定虚拟价格信号，从而得出最优的充放电计划。用户充放电优化模型如下：

式中：是电动汽车i第k次迭代的充电费用；p^k(t)是第t时段第k次迭代的充放电虚拟价格信号；是电动汽车i第t时段第k次迭代的充电功率；是电动汽车i第t时段第k次迭代的放电功率；σ^k(i,t)是电动汽车i第t时段第k次迭代计及的三相负荷不平衡修正量。该式第一部分是充电成本，第二部分是对前后两次优化充放电功率以及三相负荷不平衡的惩罚项，从而使优化更加易于收敛。设置惩罚项的目的在于使同一时段前后两次优化的充放电功率相等。在三相负荷平衡的情况下，三相负荷不平衡修正量σ^k(i,t)为零，否则根据三相负荷不平衡修正量对前一次充放电功率进行修正，进而改变当前次充放电功率。当σ^k(i,t)＝0且同一时段前后两次充放电功率相等，则惩罚项不再产生作用。

(2)约束条件

1)充放电功率约束。

式中：P_max是电动汽车充放电功率最大值。

2)电量需求约束。

式中：η是充放电效率；P_trip(i)是电动汽车i一天中行驶电量需求。该式能够确保接入配电系统的每辆电动汽车在最后时段充满电。

3)充放电逻辑约束。

该式保证电动汽车在某一时段不可同时进行充放电。

4)提供V2G服务约束。

式中：ρ是用户选择提供放电服务电量占电池的百分数；c_bat是电池容量。

5)充电SOC约束。

式中：SOC^k(i,t)是电动汽车i第t时段第k次迭代的电池荷电状态；

6)放电SOC约束。

式中：λ是电池最低荷电状态，用以保证电池寿命；

7)配电系统三相负荷平衡约束。

配电系统中三相负荷平衡常用负序电压与正序电压的比值表述，但为了使约束条件线性化，采用每相负荷与三相负荷平均值定义三相负荷不平衡度。

式中：P_φ(t)＝D_φ(t)+P_chφ(t)-P_dchφ(t)，φ∈{A,B,C}；其中D_φ(t)是某一相第t时段的常规负荷，P_chφ(t)是某一相第t时段电动汽车充电负荷，P_dchφ(t)是某一相第t时段电动汽车放电负荷，是三相负荷最大不平衡度。

分布式控制过程中，对于用户和网络的约束同样满足式(4)-(10)。但需要对三相负荷平衡约束做进一步简化处理，其中各相上任意一台电动汽车需要承担由于充放电导致的三相负荷不平衡修正量近似表达式如下：

式中：是各相上电动汽车i第t时段第k次迭代计及的三相负荷不平衡修正量；是某一相第t时段第k-1次迭代时的负荷；是其余相第t时段第k-1次迭代时的负荷；N_φ是接入各相上电动汽车的数量；其中φ∈s＝{A,B,C}，δ＝C_sφ。

(3)分布式充放电优化模型求解

分布式充放电调度策略关键在于用户根据中间运营商制定的虚拟价格信号，对自身充电功率进行优化关键在于用户根据中间运营商制定的虚拟价格信号，对自身充电功率进行优化，实现成本最小。此优化方法是循环迭代、反复调整各时段充放电功率的交互式控制过程，也是响应配电系统用电多少、平滑网络负荷的过程。具体步骤如下：

1)假定电动汽车各时段充放电功率均为零；

2)中间运营商根据常规负荷与各时段充放电功率总和制定虚拟价格信号，并传送至各用户；

3)用户根据该虚拟价格信号进行充放电优化，并将各时段充放电功率反馈至中间运营商；

4)重复执行步骤2)；

本发明的计及三相负荷平衡的电动汽车充放电调度策略研究，相对于电动汽车无序充放电和集中式充放电而言，具有以下优点：

1)分布式管理策略能够达到集中式优化的效果，并有效规避集中式管理产生的优化时间长，通讯复杂的缺点。

2)计及三相负荷平衡约束，可有效减小因电动汽车充放电产生的配电系统三相负荷不平衡，同时降低电压偏差，提高电能质量。

3)该策略将电动汽车充电时段引导至夜间用电低谷时期，并且在负荷高峰期间可向配电系统提供V2G服务，实现削峰填谷的作用，从而平滑配电系统负荷，确保配电系统安全稳定经济运行。

附图说明

图1是分布式充放电优化结构示意图；

图2是计算流程图；

图3是IEEE33节点配电网测试系统图。

图4是集中式优化结果；

图5是分布式充放电优化结果示意图。

具体实施方式

下面利用附图和实际算例对本发明作进一步说明。

(1)建立电动汽车分布式充放电优化模型：

以负荷填谷为目标的优化模型为：

式中：U(.)是凸函数；P_ch(i,t)是电动汽车i第t时段的充电功率；P_dch(i,t)是电动汽车i第t时段的放电功率；D(t)是配电系统第t时段的常规负荷。

参照图1，提出分布式充放电优化策略。分布式充放电控制与集中式管理不同，在优化过程中，用户根据某个控制信号对自身的充放电过程进行优化，从而得到最优的充放电功率曲线。

分布式调度与管理将配电系统分成若干个子区域，通过对子区域电动汽车的分散控制完成整个配电系统中电动汽车充放电功率优化。每个子区域配置一个中间运营商，中间运营商的作用是制定虚拟价格信号，将电动汽车的充电时段引导至配电系统用电低谷时段。中间运营商以负荷填谷为目标制定的虚拟价格信号数学模型如下：

式中，▽U(.)是凸函数U(.)的导数；系数γ的范围是β是利普希茨常数，从而确保分布式充放电优化过程收敛。虚拟价格信号随常规负荷与电动汽车充放电功率情况发生变化，负荷需求大时，虚拟价格信号较高。

中间运营商根据常规负荷以及电动汽车充放电功率情况制定虚拟价格信号后，将该虚拟价格信号发送至其所管辖的电动汽车用户。基于此，用户根据该虚拟价格信号来优化自身充放电功率，一方面使充电成本最小，另一方面要兼顾三相负荷不平衡问题，对充放电功率进行修正，并将充放电功率信息反馈至中间运营商，由中间运营商再次制定虚拟价格信号，从而得出最优的充放电计划。用户充放电优化模型如下：

式中：是电动汽车i第k次迭代的充电费用；p^k(t)是第t时段第k次迭代的充放电虚拟价格信号；是电动汽车i第t时段第k次迭代的充电功率；是电动汽车i第t时段第k次迭代的放电功率；σ^k(i,t)是电动汽车i第t时段第k次迭代计及的三相负荷不平衡修正量。该式第一部分是充电成本，第二部分是对前后两次优化充放电功率以及三相负荷不平衡的惩罚项，从而使优化更加易于收敛。设置惩罚项的目的在于使同一时段前后两次优化的充放电功率相等。在三相负荷平衡的情况下，三相负荷不平衡修正量σ^k(i,t)为零，否则根据三相负荷不平衡修正量对前一次充放电功率进行修正，进而改变当前次充放电功率。当σ^k(i,t)＝0且同一时段前后两次充放电功率相等，则惩罚项不再产生作用。

(2)约束条件

1)充放电功率约束。

式中：P_max是电动汽车充放电功率最大值。

2)电量需求约束。

式中：η是充放电效率；P_trip(i)是电动汽车i一天中行驶电量需求。该式能够确保接入配电系统的每辆电动汽车在最后时段充满电。

3)充放电逻辑约束。

该式保证电动汽车在某一时段不可同时进行充放电。

4)提供V2G服务约束。

式中：ρ是用户选择提供放电服务电量占电池的百分数；c_bat是电池容量。

5)充电SOC约束。

式中：SOC^k(i,t)是电动汽车i第t时段第k次迭代的电池荷电状态；

6)放电SOC约束。

式中：λ是电池最低荷电状态，用以保证电池寿命；

7)配电系统三相负荷平衡约束。

配电系统中三相负荷平衡常用负序电压与正序电压的比值表述，但为了使约束条件线性化，采用每相负荷与三相负荷平均值定义三相负荷不平衡度。

式中：P_φ(t)＝D_φ(t)+P_chφ(t)-P_dchφ(t)，φ∈{A,B,C}；其中D_φ(t)是某一相第t时段的常规负荷，P_chφ(t)是某一相第t时段电动汽车充电负荷，P_dchφ(t)是某一相第t时段电动汽车放电负荷，是三相负荷最大不平衡度。

分布式控制过程中，对于用户和网络的约束同样满足式(4)-(10)。但需要对三相负荷平衡约束做进一步简化处理，其中各相上任意一台电动汽车需要承担由于充放电导致的三相负荷不平衡修正量近似表达式如下：

式中：是各相上电动汽车i第t时段第k次迭代计及的三相负荷不平衡修正量；是某一相第t时段第k-1次迭代时的负荷；是其余相第t时段第k-1次迭代时的负荷；N_φ是接入各相上电动汽车的数量；其中φ∈s＝{A,B,C}，δ＝C_sφ。

(3)分布式充放电优化模型求解

参照图2，制定分布式充放电优化模型求解方法。分布式充放电调度策略关键在于用户根据中间运营商制定的虚拟价格信号，对自身充电功率进行优化关键在于用户根据中间运营商制定的虚拟价格信号，对自身充电功率进行优化，实现成本最小。此优化方法是循环迭代、反复调整各时段充放电功率的交互式控制过程，也是响应配电系统用电多少、平滑网络负荷的过程。具体步骤如下：

1)假定电动汽车各时段充放电功率均为零；

2)中间运营商根据常规负荷与各时段充放电功率总和制定虚拟价格信号，并传送至各用户；

3)用户根据该虚拟价格信号进行充放电优化，并将各时段充放电功率反馈至中间运营商；

4)重复执行步骤2)；

参照图3，本发明以IEEE33节点配电网测试系统为例，对文中提出的调度策略进行验证。该算例共包含37条支路，5个环。功率基值取10MVA，电压基值设为12.66KV，其中节点0与主网相连，设为参考节点。

假设配电系统内共有350辆电动汽车，并按照每个节点常规负荷占网络总负荷的比例分配至不同节点进行充放电。电动汽车的电池容量设为21kW·h，充放电效率设为0.85，荷电状态下限设为0.2，可提供V2G服务的电量设为10％·cbat，初始荷电状态设为0.2-0.6间的连续随机数，行驶电量需求根据用户需要设定。

图4所示，为考虑三相负荷平衡约束的电动汽车在集中控制下的充放电优化结果，根据充放电曲线可知，以配电系统负荷方差最小为目标对电动汽车各时段充电功率进行控制，电动汽车大多在夜间进行充电，能够平抑配电系统负荷波动；另外，由于模型中考虑了电动汽车放电的情况，使得在配电系统负荷高峰时期，可利用电动汽车V2G服务为配电系统提供电力，从而减小负荷峰值。在考虑三相负荷平衡约束下，可根据配电系统三相不平衡度要求，进一步控制电动汽车充放电功率，实现配电系统安全稳定经济运行。

图5所示，为考虑三相负荷平衡约束的分布式充放电优化结果，与图5比较可知，此种情况下能够得到与集中控制相近的优化结果。

文中涉及的电动汽车充放电策略可概括为四种形式：A—无序充电；B—无负荷平衡约束的分布式充放电优化；C—有负荷平衡约束的分布式充放电优化；D—有负荷平衡约束的集中式充放电优化。

综合以上分析，通过对电动汽车实施分布式充放电优化控制，使其在低谷负荷时期进行合理的充放电，网络运行性能得到明显提升，改善程度见表1所示。

表1不同控制策略下配电系统性能比较

表中峰谷差率指峰谷差值与峰荷的比值。

根据表1中所列仿真结果可得出，本发明中所采用的分布式充放电优化方法较集中式优化，峰谷差率降低35％，三相负荷不平衡度降低1.16％，电压偏差最大值降低3.95％；较无负荷平衡约束的分布式充放电优化，峰谷差率降低2.3％，三相负荷不平衡度降低2.73％，电压偏差最大值降低0.31％；较有负荷平衡约束的集中式充放电优化，峰谷差率提高1％，三相负荷不平衡度相同，电压偏差最大最升高0.14％。可见分布式充放电优化与集中式优化的结果已非常接近，并且由于分布式充放电优化计算量小，更易于应用实际。

Claims (1)

1.一种计及三相负荷平衡的电动汽车分布式充放电调度策略，具体包括以下步骤：

(1)建立电动汽车分布式充放电优化模型：

以负荷填谷为目标的优化模型为：

式中：U(.)是凸函数；P_ch(i,t)是电动汽车i第t时段的充电功率；P_dch(i,t)是电动汽车i第t时段的放电功率；D(t)是配电系统第t时段的常规负荷；

分布式调度与管理将配电系统分成若干个子区域，通过对子区域电动汽车的分散控制完成整个配电系统中电动汽车充放电功率优化；每个子区域配置一个中间运营商，中间运营商的作用是制定虚拟价格信号，将电动汽车的充电时段引导至配电系统用电低谷时段；中间运营商以负荷填谷为目标制定的虚拟价格信号数学模型如下：

式中，是凸函数U(.)的导数；系数γ的范围是β是利普希茨常数，从而确保分布式充放电优化过程收敛，虚拟价格信号随常规负荷与电动汽车充放电功率情况发生变化，负荷需求大时，虚拟价格信号较高；

中间运营商根据常规负荷以及电动汽车充放电功率情况制定虚拟价格信号后，将该虚拟价格信号发送至其所管辖的电动汽车用户，基于此，用户根据该虚拟价格信号来优化自身充放电功率，一方面使充电成本最小，另一方面要兼顾三相负荷不平衡问题，对充放电功率进行修正，并将充放电功率信息反馈至中间运营商，由中间运营商再次制定虚拟价格信号，从而得出最优的充放电计划，用户充放电优化模型如下：

式中：是电动汽车i第k次迭代的充电费用；p^k(t)是第t时段第k次迭代的充放电虚拟价格信号；是电动汽车i第t时段第k次迭代的充电功率；是电动汽车i第t时段第k次迭代的放电功率；σ^k(i,t)是电动汽车i第t时段第k次迭代计及的三相负荷不平衡修正量；该式第一部分是充电成本，第二部分是对前后两次优化充放电功率以及三相负荷不平衡的惩罚项，从而使优化更加易于收敛；设置惩罚项的目的在于使同一时段前后两次优化的充放电功率相等，在三相负荷平衡的情况下，三相负荷不平衡修正量σ^k(i,t)为零，否则根据三相负荷不平衡修正量对前一次充放电功率进行修正，进而改变当前次充放电功率；当σ^k(i,t)＝0且同一时段前后两次充放电功率相等，则惩罚项不再产生作用；

(2)约束条件

1)充放电功率约束：

式中：P_max是电动汽车充放电功率最大值；

2)电量需求约束：

式中：η是充放电效率；P_trip(i)是电动汽车i一天中行驶电量需求；该式能够确保接入配电系统的每辆电动汽车在最后时段充满电；

3)充放电逻辑约束：

该式保证电动汽车在某一时段不可同时进行充放电；

4)提供V2G服务约束：

式中：ρ是用户选择提供放电服务电量占电池的百分数；c_bat是电池容量；

5)充电SOC约束：

式中：SOC^k(i,t)是电动汽车i第t时段第k次迭代的电池荷电状态；

6)放电SOC约束：

式中：λ是电池最低荷电状态，用以保证电池寿命；

7)配电系统三相负荷平衡约束：

配电系统中三相负荷平衡常用负序电压与正序电压的比值表述，但为了使约束条件线性化，采用每相负荷与三相负荷平均值定义三相负荷不平衡度；

式中：P_φ(t)＝D_φ(t)+P_chφ(t)-P_dchφ(t)，φ∈{A,B,C}；其中D_φ(t)是某一相第t时段的常规负荷，P_chφ(t)是某一相第t时段电动汽车充电负荷，P_dchφ(t)是某一相第t时段电动汽车放电负荷，是三相负荷最大不平衡度；

分布式控制过程中，对于用户和网络的约束同样满足式(4)-(10)；但需要对三相负荷平衡约束做进一步简化处理，其中各相上任意一台电动汽车需要承担由于充放电导致的三相负荷不平衡修正量近似表达式如下：

式中：是各相上电动汽车i第t时段第k次迭代计及的三相负荷不平衡修正量；是某一相第t时段第k-1次迭代时的负荷；是其余相第t时段第k-1次迭代时的负荷；N_φ是接入各相上电动汽车的数量；其中φ∈s＝{A,B,C}，δ＝C_sφ；

(3)分布式充放电优化模型求解

分布式充放电调度策略关键在于用户根据中间运营商制定的虚拟价格信号，对自身充电功率进行优化，实现成本最小；此优化方法是循环迭代、反复调整各时段充放电功率的交互式控制过程，也是响应配电系统用电多少、平滑网络负荷的过程，具体步骤如下：

1)假定电动汽车各时段充放电功率均为零；

2)中间运营商根据常规负荷与各时段充放电功率总和制定虚拟价格信号，并传送至各用户；

3)用户根据该虚拟价格信号进行充放电优化，并将各时段充放电功率反馈至中间运营商；

4)重复执行步骤2)。