CN106940828A - 一种基于多微网系统下的电动车规模调度方法及调度系统 - Google Patents

Abstract

一种基于多微网系统下的电动车规模调度方法及调度系统，调度方法包括：估算出各微网系统中的车辆总数；在微网系统中建立电动车规模的等式约束方程；建立发电侧和需求侧的供需不等式约束方程；建立以微网系统排放及操作费用最小为目标的优化模型，求解各微网系统中传统车辆与电动车的最优规模和调度方案；将当前时段的调度结果发布到各个微网系统内；重复以上步骤，直至各个微网系统中的电动车规模都达到能够承受的上限或者到达调度周期结束。调度系统包括与主电网相连的电力传输线路以及与中央处理器相连的信息传输线路，电力传输线路和信息传输线路通过各自的代理商连接不同的微网系统。本发明能够维护用电系统的稳定性以及可靠性。

Description

一种基于多微网系统下的电动车规模调度方法及调度系统

技术领域

本发明属于电力系统运行和控制领域，具体涉及一种基于多微网系统下的电动车规模调度方法及调度系统，减少电动车接入对电网的影响，保证系统的平稳运行。

背景技术

随着智能电网技术的不断成熟，多微网系统不仅能够控制与主网之间的耦合联系，避免来自主网的电压波动以及上游扰动等影响，同时各微网系统之间能够进行电量传输，从而充分利用各微网系统内的分布式能源，减少储能设备的操作成本，降低对主网的依赖程度，提高区域电网运行的稳定性。另一方面，电动车作为一种最具有前途的负载，由于其充放电的巨大弹性，正吸引着越来越多研究者的关注，相比于传统的汽车，电动车在能源利用率以及环境效益等问题上都有着巨大的优势。电动车作为一种新型负荷，如果集中于某些电价较低的时段集中充电，就可能会形成新的用电高峰，影响电网的稳定性。此外有文献特别提到，如果电动车所需电量完全由本地机组发电提供，其CO₂排放量将大于由燃料驱动的传统汽车，因此有必要合理的利用可再生能源发电，优化电动车的充电规模，从而避免上述的不利影响。

目前已有的文献中主要以减少CO₂排放为目标对微网系统中的燃料汽车和电动车的规模进行了研究，大多考虑将所有燃料汽车替换成电动车，但没有考虑由此带来的负荷增加问题，并未对电动车的规模做出合理的指导。图1所示的多微网系统调度系统，包含有用于各微网系统发电的传统燃料发电机组以及各种可再生能源发电装置，传统发电机组主要为柴油机组，其发电容量在加上可再生能源发电量之后，应该满足各微网系统内的负荷最大需求量，保证微网系统的平稳运行而不至于出现各种可能的断电事故。可再生能源发电装置则包括了光伏电池板和风力涡轮机组。微网系统负荷则主要分为两种类型，电动车和非电动车负荷。其中非电动车负荷不可调度，是居民日常正常生活所需的电量。而电动车由于其灵活的可调度性，既可以作为一种负荷，又能够作为微网系统中的一种储能设备来使用。在系统中可再生能源发电量充足的时段，系统通过部署大量电动车充电来存储溢出的可再生能源发电量，而在负荷使用较集中的时段，则在保证不影响电动车正常行驶的情况下，控制部分电动车向系统放电，从而缓解系统能源供给的压力，大大提升整个系统运行的稳定性，可靠性。

此外，整个多微网系统中存在一个中央管理器，而每个微电网内又各自存在一个代理商。首先中央管理器根据各微网系统内的负荷曲线，结合居民用户的历史消费数据，来制定相应的实时电价。其次中央管理器能对各微网系统内实时的用电量进行管理。一旦系统内某一时段某个微网系统内出现能源供应不足，则其会首先通过代理商由信号传输线路向中央管理器发出“求救”信号，中央管理器在接收到信号后，便在整个系统中查看其它微网系统内的能源供给情况。如果某个微网系统内存在多余的可再生能源发电量，则将这部分盈余的能源进行调度，通过电力传输线路传输给“求助者”。如果当下不存在任何电量盈余，则控制微电网内的电动车放电或者传统燃料发电机组进行发电。最终整个系统在追求整体排放以及操作花费最小的目标下，对电动车各个时段的充放电规模进行优化调度，保证整个系统的平稳运行。

发明内容

本发明的目的在于针对上述现有技术中的问题，提供一种基于多微网系统下的电动车规模调度方法及调度系统，能够有效利用多微网系统中的可再生能源以及各个微网系统之间的盈余能源进行相互传输，提高能源的利用率，对电动车的规模进行合理的安排，并且通过价格补偿机制鼓励用户参与调度机制，具备现实的运用价值，同时本发明还能够保证在微网系统中不会形成新的用电尖峰，进而维护用电系统的稳定性以及可靠性。

为了实现上述目的，本发明基于多微网系统下的电动车规模调度方法，包括以下步骤：

步骤一、通过多级管理系统MAS获取各微网系统中每天总的能源消耗D_total以及每户居民每天的平均能源消耗D_average，通过公式估算出各微网系统中的车辆总数，式中的R_V2G为居民参与电动车电能入网V2G计划的比率，Q_REC为每户居民的汽车拥有率；

步骤二、在微网系统中建立电动车规模的等式约束方程：

在上式中，为微网系统i中各时段电动车的充电数量，N_EV,i和N_CV,i分别表示微网系统i中总的电动车和燃料汽车的数量，N_V,i表示的是两种类型车辆的总量；

步骤三、根据各个时段的可再生能源以及本地机组发电量至少满足用户日常负荷需求及电动车充电量的条件，建立发电侧和需求侧的供需不等式约束方程：

其中，P_load,i,t表示微网i的负荷，Q_i,l,t表示微网i向微网j传输的电量，表示电动车的充电量，P_i,j,t表示微网i内发电机的发电量，P_Pv,i,t，P_Wind,i,t分别表示的是太阳能及风能的发电量，Q_loss,l,i,t表示微网j向微网i输电过程中的线损，表示电动车的放电量；

步骤四、建立以微网系统排放及操作费用最小为目标的优化模型，求解各微网系统中传统车辆与电动车的最优规模和调度方案，目标函数如下：

上式中，E(P_i,t,l)和E_CV(N_CV,i)为传统发电机组和燃料汽车所产生CO₂的排放费用，Cost(P_i,t,l)为发电机组的发电成本，SU_i,j和SD_i,j为机组的开关机成本，P_loss为电池的损耗成本，μ为补偿系数，w，1-w分别为排放费用和操作费用的权重因子，表示的是电动车的充放电功率，η^cha,η^dis表示的是锂电池的充放电效率，I_i,t,U_i,t表示的是电动车充放电状态，λ₁,λ₂表示的是锂电池和电动车的损耗因子；

步骤五、求解各个时段内微网系统之间相互传输的电量Q_l,i,k以及不同微网系统内的电动车数量n_i,t，然后通过多级管理系统MAS将当前时段的调度结果发布到各个微网系统内；

步骤六、重复以上步骤，直至各个微网系统中的电动车规模都达到能够承受的上限或者到达调度周期结束，则整个调度过程结束。

所述的步骤二中还包括以下本地机组的操作约束：

本地机组的功率限制：

机组的启停功率限制：

机组不同状态之间的关系：y_i,j,t+z_i,j,t≤1,y_i,j,t-z_i,j,t＝x_i,j,t-x_i,j,t-1；

电动车的充放电约束：

电动车电池中的电量不小于最低要求电量的约束：

保证各时段充放电相互独立的约束：I_i,t+U_i,t＝1；

式中，P_i,j,t表示本地机组j的发电量，Ru_i,j,Rd_i,j表示本地机组j的功率升降限制，表示本地机组j的最小及最大发电功率，x_i,j,t表示本地机组j的运行状态，y_i,j,t,z_i,j,t表示本地机组j的启停状态，φ_min表示电动车用于正常行驶所需的最低存储电量占比。

所述的步骤六中采取电价补偿措施来弥补由于各个时段峰值负荷的限制，给用户造成的电动车充电时间段从低电价向高电价推迟所带来的损失；然后根据当前各微网系统内的车辆规模更新电动车总体规模的约束随着时段的推移重复，某微网系统满足表明系统内电动车数量已经饱和，通过改变微网系统间能量传输的约束，使 若满足条件 或各个时段都已经调度完成，则整个调度过程结束；其中，n_i,k表示的是第i个微网的第k个时段内可安排电动车数量，N_V,i表示的是微网i内的最大车辆规模，Q_l,i,k+1表示的是微网i向微网j传输的电量。

步骤三中所述的可再生能源包括风能以及太阳能。步骤五中对可再生能源进行超短期滚动预测，周期为30分钟，根据预测结果按时段计算目标函数。

本发明基于多微网系统下的电动车规模调度系统采用的技术方案为：

包括与主电网相连的电力传输线路以及与中央处理器相连的信息传输线路，不同的微网系统通过各自的代理商均连接至电力传输线路以及信息传输线路；所述的微网系统中包括电动车充电模块，所述的中央处理器集成有用于实时发布调度结果的多级管理系统MAS。

所述的电力传输线路上设有能够接受外部命令信号来控制接通或者断开主电网的开关。

所述的微网系统中包括用于进行发电的化石燃料机组、光伏电板、风力涡轮机组。

与现有技术相比，本发明具有如下的有益效果：建立综合考量了环境效益和经济效益的权重模型，通过求解目标模型，找出各微网系统中传统车辆以及电动车的最优规模和调度方案。此外，所建立的模型中还涉及到可再生能源分布式发电的接入，衡量了能源预测的不确定性对于电动车规模的影响，并给出相应的实时调度方案。该方案从排放和操作费用两方面出发，合理的利用可再生能源发电对微网系统内电动车规模进行合理的安排，允许各微网系统之间进行电能传递，提高了能源的利用率，避免了由于过多的电动车所造成的间接污染以及集中充电给电网带来的稳定性问题，有效提升了电网系统的运行可靠性。

与现有技术相比，本发明调度系统结构简单，能够配合调度方法的实施，能量流向清楚，故障容易排查，通过采取相应的电价补偿措施弥补用户由于电动车充电的推迟所造成的经济损失，通过这种激励办法鼓励用户参与到调度机制中来，提升了电网系统的运行可靠性，有效避免了由于过多的电动车所造成的间接污染以及集中充电给电网带来的稳定性问题。

附图说明

图1本发明调度系统的结构框图；

图2本发明调度方法的操作流程图；

具体实施方式

下面结合附图对本发明做进一步的详细说明。

本发明提出的多微网系统下电动车规模优化调度方法，能够在维持现有发电容量的情况下，最大限度利用多微网系统的可再生能源发电，合理的安排电动车的最优规模，在保证系统环境和经济效益的前提下，减少了电动车接入对电网的影响，保证了系统的平稳运行。

参见图1，本发明基于多微网系统下的电动车规模调度系统，包含有用于各微网系统发电的传统燃料发电机组以及各种可再生能源发电装置，传统发电机组主要为柴油机组，其发电容量再加上可再生能源发电量之后应该满足各微网系统内的负荷最大需求量，从而保证微网系统的平稳运行而不至于出现各种可能的断电事故。而可再生能源发电装置则包括了光伏电池板和风力涡轮机组。微网系统负荷则主要分为两种类型，电动车和非电动车负荷。其中非电动车负荷不可调度，是居民日常正常生活所需的电量。而电动车由于其灵活的可调度性，既能够作为一种负荷，又能作为微网系统中的一种储能设备来使用。在系统中可再生能源发电量充足的时段，系统通过部署大量电动车充电来存储溢出的可再生能源发电量，而在负荷使用较集中的时段，则在保证不影响电动车正常行驶的情况下，控制部分电动车向系统放电，从而缓解系统能源供给的压力，大大提升整个系统运行的稳定性，可靠性。

参见图2，本发明基于多微网系统下的电动车规模调度方法，包括以下步骤：

1)估计车辆的总体规模：通过多级管理系统(MAS)获取各个微网系统中的每天总的能源消耗D_total，以及每户居民每天的平均的能源消耗D_average，并根据公式：估计各个微网系统中的车辆的总数。其中R_V2G是居民参与V2G(电动车电能入网)计划的比率，Q_REC表示的是每户居民的汽车拥有率。

2)模型约束：在假设每辆电动车每天只充放电一次的前提下，微网系统中各时段的电动车充电数量以及电动车，燃料汽车数量应该满足等式约束：

同时，本地机组的操作约束有：

其中，第一个约束表示的是本地机组的功率限制，第二和第三个约束表示的是机组的启停功率限制，第四个约束表示的是机组不同状态之间的关系。

电动车的充放电约束也在考虑之中：

第一个和第二个约束表示的是充放电约束，其中φ_min是电动汽车用于正常行驶所需的最低电量百分比。第三个约束可以保证电动车电池中的电量大于等于最低要求电量，而第四个约束则用来保证各时段充放电相互独立。此外，各个时段的可再生能源(包括风能和太阳能)以及本地机组发电量必须至少满足用户的日常负荷需求以及电动车所需的充电电量等，因而可以建立发电侧和需求侧的供需不等式约束：

3)建立目标模型：综合以上所述，建立了一个以微网系统排放及操作费用最小为目标的优化模型，来寻求各微网系统中传统车辆以及电动车的最优规模和调度方案，目标函数如下：

其中，第一部分表示的是由传统发电机组和燃料汽车所产生的CO₂排放费用E(P_i,t,l)和E_CV(N_CV,i)，第二部分为各种操作费用之和，包括发电机组发电成本Cost(P_i,t,l)，机组开关机成本SU_i,j和SD_i,j，各微网系统之间传输损耗成本，电池损耗成本P_loss，第三部分为电价补偿，μ为补偿系数，w₁,w₂分别为排放费用和操作费用的权重因子，则表示的是电动车的充放电功率。其中第一部分构成环境效益，模型的其余部分构成经济效益，通过权重因子w₁,w₂，我们能够有效调节当前系统的侧重点，制定不同的电动车调度计划。

实时调度：对可再生能源进行超短期滚动预测，周期为30分钟。这样能大大提升可再生能源实时预测的精度。根据当前时段预测的可再生能源发电量求解模型，计算当前时段内电动车的最优规模，以及各微网系统之间的能量传输。MAS系统根据计算结果，合理的分配不同微网系统内的盈余电能，最大化的利用盈余的能源，并安排各微网系统内电动车进行充电。此时，由于调度的结果从电网稳定性出发，充分考虑了不同微网系统内各时段的峰值负荷限制，因而会有一部分用户原本要求在当前时段充电的电动车不得不推迟到其他时段(电价更高)进行充电，从而避免负荷尖峰的形成。但是这也会给用户造成了额外的经济损失。为了鼓励用户积极的参与需求响应的调度机制中来，MAS系统会对这一部分的用户采取电价补偿的措施，弥补他们的损失。然后根据当前累积的车辆规模更新电动车总体规模的约束随着时段的推移重复上述过程，一旦某个时刻，系统中个别微网系统内满足则说明当前微网系统内电动车数量已经饱和，因而将不再安排车辆进行充电，这也意味着该微网系统内将不再接受其它微网系统的能源传输。所以此时应该改变微网系统间能量传输的约束，使得Q_l,i,k+1＝0,同时在每个调度周期中都必须判断整个调度的终止条件，一旦满足条件 或者是各个时段都已调度完成，则整个调度过程结束。

Claims (8)

1.一种基于多微网系统下的电动车规模调度方法，其特征在于，包括以下步骤：

步骤一、通过多级管理系统MAS获取各微网系统中每天总的能源消耗D_total以及每户居民每天的平均能源消耗D_average，通过公式估算出各微网系统中的车辆总数，式中的R_V2G为居民参与电动车电能入网V2G计划的比率，Q_REC为每户居民的汽车拥有率；

步骤二、在微网系统中建立电动车规模的等式约束方程：

$N_{EV,i}=\underset{t=1}{\overset{NT}{\Σ}}{n}_{i,t}^{cha},N_{V,i}=N_{R,i}=N_{EV,i}+N_{CV,i},\∀i;$

在上式中，为微网系统i中各时段电动车的充电数量，N_EV,i和N_CV,i分别表示微网系统i中总的电动车和燃料汽车的数量，N_V,i表示的是两种类型车辆的总量；

步骤三、根据各个时段的可再生能源以及本地机组发电量至少满足用户日常负荷需求及电动车充电量的条件，建立发电侧和需求侧的供需不等式约束方程：

$P_{load,i,t}+\underset{l\≠i}{\Σ}{Q}_{l,i,t}+\underset{k=1}{\overset{n_{i,t}}{\Σ}}{P}_{EV,i,t,k}^{cha}{I}_{i,t}\≤\underset{j=1}{\overset{NG}{\Σ}}{P}_{i,j,t}+P_{Pv,i,t}+P_{Wind,i,t}+\underset{l\≠i}{\Σ}{Q}_{l,i,t}-\underset{l\≠i}{\Σ}{Q}_{loss,l,i,t}+\underset{k=1}{\overset{n_{i,t}}{\Σ}}{P}_{EV,i,t,k}^{dis}{I}_{i,t},\∀i,t;$

其中，P_load,i,t表示微网i的负荷，Q_i,l,t表示微网i向微网j传输的电量，表示电动车的充电量，P_i,j,t表示微网i内发电机的发电量，P_Pv,i,t，P_Wind,i,t分别表示的是太阳能及风能的发电量，Q_loss,l,i,t表示微网j向微网i输电过程中的线损，表示电动车的放电量；

步骤四、建立以微网系统排放及操作费用最小为目标的优化模型，求解各微网系统中传统车辆与电动车的最优规模和调度方案，目标函数如下：

$\begin{array}{c}\begin{array}{cc}Min& \underset{i=1}{\overset{NM}{\Σ}}\underset{t=1}{\overset{NT}{\Σ}}\end{array}\{w\[\underset{j=1}{\overset{NG}{\Σ}}E\left(P_{i,j,t}\right)+E_{CV}\left(N_{CV,i}\right)\]\}\\ +(1-w)\[\underset{j=1}{\overset{NG}{\Σ}}({\mathrm{SU}}_{i,j}+{\mathrm{SD}}_{i,j})+\underset{j=1}{\overset{NG}{\Σ}}Cost\left(P_{i,j,t}\right)\\ +{\mathrm{\λ}}_1({\mathrm{\η}}^{cha}\underset{k=1}{\overset{n_{i,t}^{cha}}{\Σ}}{P}_{EV,i,t,k}^{cha}{I}_{i,t}+\frac{\underset{k=1}{\overset{n_{i,t}^{cha}}{\Σ}}{P}_{EV,i,t,k}^{dis}{U}_{i,t}}{{\mathrm{\η}}^{dis}})\\ +{\mathrm{\λ}}_2{P}_{loss}+\mathrm{\μ}\underset{k=1}{\overset{n_{i,t}}{\Σ}}{P}_{EV,i,t,k}^{cha}(r_t-r_{\min })\]\}\end{array};$

上式中，E(P_i,t,l)和E_CV(N_CV,i)为传统发电机组和燃料汽车所产生CO₂的排放费用，Cost(P_i,t,l)为发电机组的发电成本，SU_i,j和SD_i,j为机组的开关机成本，P_loss为电池的损耗成本，μ为补偿系数，w，1-w分别为排放费用和操作费用的权重因子，表示的是电动车的充放电功率，η^cha,η^dis表示的是锂电池的充放电效率，I_i,t,U_i,t表示的是电动车充放电状态，λ₁,λ₂表示的是锂电池和电动车的损耗因子；

步骤五、求解各个时段内微网系统之间相互传输的电量Q_l,i,k以及不同微网系统内的电动车数量n_i,t，然后通过多级管理系统MAS将当前时段的调度结果发布到各个微网系统内；

步骤六、重复以上步骤，直至各个微网系统中的电动车规模都达到能够承受的上限或者到达调度周期结束，则整个调度过程结束。

2.根据权利要求1所述基于多微网系统下的电动车规模调度方法，其特征在于，所述的步骤二中还包括以下本地机组的操作约束：

本地机组的功率限制：

机组的启停功率限制：

$P_{i,j,t-1}-P_{i,j,t}\≤{\mathrm{Rd}}_{i,j}(1-z_{i,j,t})+P_{i,j}^{\min }{z}_{i,j,t};$

机组不同状态之间的关系：y_i,j,t+z_i,j,t≤1,y_i,j,t-z_i,j,t＝x_i,j,t-x_i,j,t-1；

电动车的充放电约束：

电动车电池中的电量不小于最低要求电量的约束：

${\mathrm{\φ}}_{min}{P}_{EV}^{Max}\≤\underset{t=1}{\overset{NT}{\Σ}}({\mathrm{\η}}^{cha}{P}_{EV,i,t,k}^{cha}{I}_{i,t}-\frac{P_{EV,i,t,k}^{dis}{U}_{i,t}}{{\mathrm{\η}}^{dis}})\≤P_{EV}^{Max};$

保证各时段充放电相互独立的约束：I_i,t+U_i,t＝1；

式中，P_i,j,t表示本地机组j的发电量，Ru_i,j,Rd_i,j表示本地机组j的功率升降限制，表示本地机组j的最小及最大发电功率，x_i,j,t表示本地机组j的运行状态，y_i,j,t,z_i,j,t表示本地机组j的启停状态，φ_min表示电动车用于正常行驶所需的最低存储电量占比。

3.根据权利要求2所述基于多微网系统下的电动车规模调度方法，其特征在于：所述的步骤六中采取电价补偿措施来弥补由于各个时段峰值负荷的限制，给用户造成的电动车充电时间段从低电价向高电价推迟所带来的损失；然后根据当前各微网系统内的车辆规模更新电动车总体规模的约束随着时段的推移重复，某微网系统满足表明系统内电动车数量已经饱和，通过改变微网系统间能量传输的约束，使若满足条件或各个时段都已经调度完成，则整个调度过程结束；其中，n_i,k表示的是第i个微网的第k个时段内可安排电动车数量，N_V,i表示的是微网i内的最大车辆规模，Q_l,i,k+1表示的是微网i向微网j传输的电量。

4.根据权利要求1所述基于多微网系统下的电动车规模调度方法，其特征在于：步骤三中所述的可再生能源包括风能以及太阳能。

5.根据权利要求1所述基于多微网系统下的电动车规模调度方法，其特征在于：步骤五中对可再生能源进行超短期滚动预测，周期为30分钟，根据预测结果按时段计算目标函数。

6.一种实现权利要求1所述基于多微网系统下的电动车规模调度方法的调度系统，其特征在于，包括与主电网相连的电力传输线路以及与中央处理器相连的信息传输线路，不同的微网系统通过各自的代理商均连接至电力传输线路以及信息传输线路；所述的微网系统中包括电动车充电模块，所述的中央处理器集成有用于实时发布调度结果的多级管理系统MAS。

7.根据权利要求6所述的调度系统，其特征在于：所述的电力传输线路上设有能够接受外部命令信号来控制接通或者断开主电网的开关。

8.根据权利要求6所述的调度系统，其特征在于：所述的微网系统中包括用于进行发电的化石燃料机组、光伏电板、风力涡轮机组。