CN107482675A - 一种基于离网型微网的电动汽车消纳可再生能源的计算方法 - Google Patents

Abstract

本发明公开了一种基于离网型微网的电动汽车消纳可再生能源的计算方法，将电动汽车作为主动负荷，提出了一个包含光伏电池、风力发电机、微型燃气轮机、燃料电池、蓄电池、电动汽车以及常规负荷的微网模型，利用该模型求解出微网最佳运行策略和机组组合，以实现运行成本最小化。通过本发明专利提出的微网调度策略，能够使得电动汽车的接入以及可再生能源的使用不但可以节约微电网的投产资金与运行维护费用、减少环境污染，还能够充分发挥电动汽车作为主动负荷起到削峰填谷的作用，提高了微网的经济性。

Description

一种基于离网型微网的电动汽车消纳可再生能源的计算方法

技术领域

本发明涉及电力系统微网领域，尤其是一种基于离网型微网的电动汽车消纳可再生能源的计算方法。

背景技术

目前，我国智能电网的建设已进入正轨，智能电网技术为各类分布式能源的接入和需求响应的实施创造了良好条件。微网技术，能有效地整合新能源和可再生能源发电。新能源和可再生能源，可以通过微网技术与传统发电方式有机结合，互为补充互为支持地为用户供电。智能电网技术的发展也带动了需求响应实现双向互动高效用电。随着双向智能用电技术的迅速发展，电力负荷日益多元化的快速发展，自动化控制电气设备的不断改进，新的能源管理系统不断被开发，用户侧出现有功负荷。主动负载资源广泛分布在电网中，运行灵活可调，相对于常规机组成本具有明显的优势。作为一类能够主动配合电力运营商所制定的需求响应计划的主动负荷，可以有效地消纳分布式可再生能源(DRE)，显著增加分布式可再生能源发电的经济效益。如电动汽车作为一种移动式储能装置接入到微电网中,能够在负荷处于高峰时时向微网供电，负荷处于低谷时向微电网放电。

近年来，各国政府不仅努力推进可再生能源发电的发展，还大力推进使用新能源汽车来代替传统的内燃机汽车，来缓解能源和环境问题的压力。因此，电动汽车成为各大汽车生产商家和用户关注的焦点。电动汽车既可以作为储能设备，还可以作为充电负荷，作为一种类似于蓄电池的装置接入到微电网中，能够在负荷高峰时期向微网提供电能，负荷处于低谷时向微电网放出电能，并且还具有减轻对化石燃料的依赖，提高能源利用效率，解决污染问题的优点。然而，大量的电动汽车的无序充电将会导致用电负荷讯速增长，其充电地点时间不确定的波动特性将给电网造成很大影响，对电网经济、稳定、安全、高效运行将造成冲击，对电网的建设是一个新的挑战。因此，电动汽车的充放电调度策略，将是一个亟待研究的方向。

发明内容

本发明所要解决的技术问题在于，提供一种基于离网型微网的电动汽车消纳可再生能源的计算方法，能够求解出微网最佳运行策略和机组组合，以实现运行成本最小化。

为解决上述技术问题，本发明提供一种基于离网型微网的电动汽车消纳可再生能源的计算方法，包括如下步骤：

(1)初始化系统，输入相应负荷参数以及可再生能源出力数据；

(2)建立分布式电源出力模型；

(3)建立电动汽车充电模型：

(4)计算成本；目标函数主要考虑计算微网中分布式电源的运行燃料成本、运维成本与产生污染气体的治理成本；

(5)确定目标函数以及约束函数；

(6)在Matlab中采用遗传算法进行建模求解利用判断是否满足收敛条件，若未满足则返回重新计算，若满足则输出最优解。

优选的，步骤(1)中，可再生能源发电包括光伏发电与风力发电。

优选的，步骤(2)中，微网分布式电源包括光伏电池PV、风力发电机WT、微型燃气轮机MT、燃料电池FC和蓄电池BAT，根据各分布式电源出力特性建立起出力模型。

优选的，步骤(3)中，提出两种电动汽车充电模型：其一是随机充电模式下的电动汽车调度模型，其二是错峰充电模式下的电动汽车调度模型。

优选的，步骤(5)中，建立离网型微网经济运行优化的目标函数：

式中，P(t)代表分布式电源输出功率；F_i[P(t)]为分布式电源的燃料成本；OM_i[P(t)]为微电源i的运行维护函数；为排放类型k(如二氧化碳，氮氧化物等)的外部成本；α_K为分布式电源排放不同类型污染气体时的排放因子；

约束函数包括：功率平衡约束，分布式电源机组输出功率之和应当满足用户总的负荷需求；发电容量约束，每个分布式电源都有其输出功率的上下限约束。

本发明的有益效果为：本发明提出了一种基于离网型微网的电动汽车消纳可再生能源策略，该方法在传统微网消纳可再生能源基础上，将电动汽车作为主动负荷，提出了一个包含光伏电池(PV)、风力发电机(WT)、微型燃气轮机(MT)、燃料电池(FC)、蓄电池(BAT)、电动汽车以及常规负荷的微网，利用该模型求解出微网最佳运行策略和机组组合，以实现运行成本最小化；大量电动汽车的充电行为可以起到很好的移峰填谷的作用，即错峰充电模式，这种模式一方面可以满足电动汽车行驶的负荷需求的同时消纳可再生能源，另一方面可以充分利用电动汽车闲置的电量来移峰填谷增强电网运行的稳定性和高效性；本方法易于与原有的遗传算法结合，适合电动汽车接入的微网消纳可再生能源策略，不但可以节约微电网的投产资金与，运行维护费用、减少环境污染，还能够充分发挥电动汽车作为主动负荷起到削峰填谷的作用，提高了微网的经济性。

附图说明

图1为本发明的方法流程示意图。

图2为本发明的电动汽车初始充电时间示意图。

图3为本发明的电动汽车日行驶距离分布示意图。

图4为本发明的随机充电模式下电动汽车总功率需求示意图。

图5为本发明的错峰充电模式下电动汽车总功率需求示意图。

图6为本发明的微网系统模型示意图。

具体实施方式

如图1所示，一种基于离网型微网的电动汽车消纳可再生能源的计算方法，它包括如下步骤：

(1)初始化系统，输入负荷参数以及可再生能源出力数据，可再生能源包括光伏与风力发电；

(2)建立分布式电源出力模型：本发明中的微网分布式电源包括光伏电池(PV)、风力发电机(WT)、微型燃气轮机(MT)、燃料电池(FC)、蓄电池(BAT)，根据各分布式电源出力特性建立起出力模型。

a、光伏电池出力模型

在光伏发电系统中，其输出功率的表达式为：

P_V＝ηSI(1-0.05(t₀+25))

其中：η为光伏电池阵列的转换效率，S为阵列面积，I为太阳辐射，t₀为空气温度。

当使用简化模型时，对同一类固定光伏电池阵列，可以认为其转换效率不变，忽略电池板的倾斜角及日照的入射角。因此输出功率P_V就是大气温度t₀和太阳辐射I这两个变量的函数。

b、风力发电机出力模型：

风力机组出力的大小以及是否处于发电状态都取决于风速的大小，本文采用来描述风机的功率特性曲线，风速的概率按照Weibull分布。

其中，P_R为风机额定输出功率，kW，v为风机实时风速，m/s，v_cl为切入风速，当风速高于此设定值时，自动装置动作把风机并入电网，v_co为切出风速，当风速高于此值时，风机停止发电，从电力系统中解列出来，v_R为额定风速，当风速大于或等于此值而小于切出风速时，风机出力为额定值。

c、微型燃气轮出力模型：

微型燃气轮机的成本主要是：燃料成本，运行维护成本，排放污染气体治污成本。

微型燃气轮机的燃料成本函数如下:

其中,F_MTG为时间间隔J内的微燃机运行燃料成本；C表示燃气轮机的燃料气体的单价，本文取2元/m³，LHV为天然气热值，本文取9.7Kwh/m³，P_MTG表示微型燃气轮机的输出功率，η_MTG表示燃气轮机的效率，其大小与微型燃气轮机的功率有关，其具体表达式如下：

微燃机的运行维护成本函数,如下:

其中,OM_MTJ为时间间隔J内微燃机的运行维护成本,K_OMMT为微燃机的运行维护成本比例常数。

微燃机和燃料电池在发电时燃烧化石燃料,会产生氮氧化物(NO_X)、二氧化硫(SO₂)、二氧化碳(CO₂)和固体烟尘颗粒等大气污染物。排放气体的处理费用，等于排放系数乘以外部折扣成本再乘以微电源发电量。

微燃机的气体排放治理费用函数，如下：

其中，α_K为排放类型k的外部折扣成本；λ_K为微燃机在排放类型为k时的排放因子,M为排放类型(NO_X、SO₂或CO₂)。

d、燃料电池出力模型：

燃料电池的燃料成本和工作效率有关。表达式如式所示

其中,F_FC为燃料电池运行燃料成本(时间间隔J内)；C表示燃料电池的燃料气体的单价，本文取2元/m³，LHV为天然气热值，本文取9.7Kwh/m³，P_FC表示燃料电池的输出功率，η_FC表示燃料电池的效率，其大小和燃料电池的功率有关，具体表达式如下

燃料电池的运行维护成本函数，如下：

其中，OM_FC为燃料电池的运行维护成本(时间间隔J内)，K_OMFC为燃料电池的运行维护成本比例常数，这里取0.08249元/kwh。

燃料电池在发电时燃烧化石燃料，会产生二氧化硫(SO₂)、氮氧化物(NO_X)、二氧化碳(CO₂)和固体烟尘颗粒等大气污染物。排放气体的处理费用，等于排放系数乘以外部折扣成本再乘以微电源发电量。

燃料电池的气体排放治理费用函数，如下：

其中，_k为排放类型k的外部折扣成本；_k为燃料电池在排放类型为k时的排放因子,M为排放类型(NO_X、SO₂或CO₂)。

e、蓄电池出力模型：

蓄电池参与微网调度时要考虑蓄电池的电池容量、荷电状态、放电深度以及充电深度，蓄电池的运行维护成本函数如下：

其中，OM_bat为时间间隔J内蓄电池的运行维护成本，K_ombat为蓄电池的运行维护成本比例常数。

(3)建立电动汽车充电模型：

a、电动汽车负荷模型

电动车充电负荷的影响因素有很多，主要因素包括汽车类型、能量供给类型、充电参数、汽车数量规模、电动汽车不同充电模式等，本发明专利只针对电动私家车的行为进行分析。

①日行驶距离及初始SOC

电动汽车的行驶距离直接影响电动汽车电池的初始SOC，电动汽车动力电池的SOC与汽车已行驶的距离成反相关，计算电动汽车起始充电时刻的SOC情况通过如下式：

式中：d为上一次充电后电动汽车已行驶的里程；d_m为电池充满电时最大续航里程。

根据美国交通部对全美家用车辆的出行进行统计得出的结果，假设公交车每日行驶里程服从正态分布，概率密度如公式：

式中：x为某地区公交日行驶里程数；μ_s、σ_s分别为期望和方差。

②充电功率及充电时长

电动汽车电池充电负荷的功率大小及其充电功率曲线形状是由电池的充电特性所决定，和车用电池的种类型号以及充电方法有关。目前电动汽车行业中主要的是锂离子电池，锂电池的充电功率可认为是恒功率。

如果已知汽车的日行驶距离，则可以通过下式算出充电持续时间。

式中：T为充电时间(h)；S为日行驶距离(km)；W₁₀₀为每百公里耗电量(kWh/km)；P_c为充电功率(kW)。

③充电负荷计算方法

一个地区所有电动汽车的充电负荷曲线可以通过累加所有电动汽车的充电行为得到。设置时间间隔为1min，考察1天的负荷曲线。第i分钟的充电总功率可以通过下式表示：

式中：L_i表示第i分钟总充电功率(i＝1，2，3……1440)，N为电动汽车总量，P_n,i为第n辆车在第i分钟的充电功率。

b、电动汽车调度模型

①随机充电模式下的电动汽车调度模型

随机充电模式中，电动汽车的充电行为较为随机，不受微电网运营商任何计划的控制，仅仅依据用户平时的充电习惯。随机性主要体现在：初始充电时间、电动汽车的日行驶距离。日行驶距离代表了电池容量的消耗，同时也决定了前一天需要充电的时间，根据美国交通部对全美家用车辆的出行进行统计得出的结果显示其服从正态分布，主要分布在90km以内。除此以外电动汽车用户最后一次出行结束时刻，即开始充电时刻，也近似服从正态分布，主要集中在16:00到20:00。本发明将考虑：日初始充电时间、日行驶距离这个两因素，建立随机充电模式下的电动汽车调度模型。图2为初始充电时间概率分布图，图3为日行驶距离概率分布图。

开始充电时间概率密度函数如下式所示。

式中：μ_s＝17.7；σ_s＝3.5。

日行驶距离概率密度函数如式所示。

式中：μ_D为期望值，μ_D＝3.30；o_D为标准差，o_D＝0.80。

假设有20辆电动私家车，得到总功率需求如图4所示。

②错峰充电模式下的电动汽车调度模型

如果大量电动车的充电行为都是无序的，那么其整体行为将造成网损增加、电网安全性降低，因此需要对电动汽车的充放电行为进行管理。随着电动汽车技术的发展，电动汽车的购买量越来越大，其充电功率将极大地影响系统的日常负荷，以至于出现新的高峰负荷，如果能够管理大量电动汽车的充电行为就可以起到很好的移峰填谷的作用，即错峰充电模式。目前较为流行的方式是使现在不在使用状态的电动汽车在电池组容量允许的条件下(如保留必须的荷电量)，在负荷处于高峰时把电动汽车储存的电量返回给电网，以此来提高移峰填谷的能力，获得经济效益。对于本文的微电网电动汽车错峰充电策略为：8：00至24：00为放电时间，24：00到次日8：00时为充电时间。因此，电动汽车总功率需求如图5所示。

(4)计算成本

目标函数主要考虑计算微网中分布式电源的运行燃料成本、运维成本与产生污染气体的治理成本。

(5)确定目标函数以及约束函数

a、建立离网型微网经济运行优化的目标函数：

式中，P(t)代表分布式电源输出功率；F_i[P(t)]为分布式电源的燃料成本；OM_i[P(t)]为微电源i的运行维护函数；为排放类型k(如二氧化碳，氮氧化物等)的外部成本；α_K为分布式电源排放不同类型污染气体时的排放因子；

b、约束函数包括：

①功率平衡约束：分布式电源机组输出功率之和应当满足用户总的负荷需求(常规负荷动汽车负荷之和)

②发电容量约束：每个分布式电源都有其输出功率的上下限约束。

(6)在Matlab中采用遗传算法进行建模求解利用判断是否满足收敛条件，若未满足则返回重新计算，若满足则输出最优解。

本发明专利算例所建立离网型微网系统模型如图6所示。分布式电源由光伏电池PV(额定功率10kw)、风力发电机WT(额定功率10kw)、燃料电池FC(额定功率40kw)、微型燃气轮机MT(额定功率65kw)、蓄电池储能装置(额定功率20kw)组成。

输入参数概括如下：负荷的功率需求，kW；微网所在地资源数据：太阳光强(W/m²)，环境温度(C⁰)，风速(m/s)，微型燃气轮机和燃料电池使用的天然气价格(元/L)。定义日平均光照强度大于60W/m²为晴天，小于60W/m²为阴天。分布式电源的参数：额定功率(kW)，运维成本，微型燃气轮机和燃料电池的燃料耗量特性，蓄电池充放电功率限制。

为了更好的模拟出微网中用户的常规负荷，收集了南宁10000户居民全年的用电情况并对其进行负荷分析并将其作为负荷参数输入到调度模型中。

设置优化场景：场景1中，电动汽车充电方式为无序充电；场景2中，电动汽车充电方式为有序充电。根据本专利提出的优化模型，在matlab中采用遗传算法进行建模求解，得到各分布式电源出力仿真，由于风电和太阳能属于可再生能源，所以具有满发的优先权；当风力发电机组和光伏电池所发电量仍无法满足电负荷需求，使用微型燃气轮机和燃料电池出力，同时利用蓄电池充放电的特性来实现电网的灵活调度，吸收多余的电量。

表1两种充电模式峰谷差对比

表2两种充电模式成本对比

从仿真结果与成本分析表1中可以看出，和无序充电模式相比较，错峰填谷接入模式一方面可以满足电动汽车行驶的负荷需求；另一方面可以充分利用电动汽车闲置的电量，充分发挥电动汽车储能的功能，实现负荷的移峰填谷，降低了峰谷差率(约为24.5％)，并且提高了微网的经济性，节约了发电成本(约为10％)。

从表2的结果可以看出，不同的天气状况会导致可再生能源发电的出力，由于晴天、阴天的光照强度依次变小，因此可再生能源的出力也相应减小。从仿真结果可以得到结论，可再生能源发电出力越多，微网运行的总成本就会降低，即利用可再生能源发电可以提高微网的运行经济性，节约微网的运行成本。主动负荷可以很好的消纳可再生能源，降低峰谷差率的同时节约发电成本，并且可再生能源出力越多，微网运行经济效益越好。

尽管本发明就优选实施方式进行了示意和描述，但本领域的技术人员应当理解，只要不超出本发明的权利要求所限定的范围，可以对本发明进行各种变化和修改。

Claims (5)

1.一种基于离网型微网的电动汽车消纳可再生能源的计算方法，其特征在于，包括如下步骤：

(1)初始化系统，输入相应负荷参数以及可再生能源出力数据；

(2)建立分布式电源出力模型；

(3)建立电动汽车充电模型：

(4)计算成本；目标函数主要考虑计算微网中分布式电源的运行燃料成本、运维成本与产生污染气体的治理成本；

(5)确定目标函数以及约束函数；

(6)在Matlab中采用遗传算法进行建模求解利用判断是否满足收敛条件，若未满足则返回重新计算，若满足则输出最优解。

2.如权利要求1所述的基于离网型微网的电动汽车消纳可再生能源的计算方法，其特征在于，步骤(1)中，可再生能源发电包括光伏发电与风力发电。

3.如权利要求1所述的基于离网型微网的电动汽车消纳可再生能源的计算方法，其特征在于，步骤(2)中，微网分布式电源包括光伏电池PV、风力发电机WT、微型燃气轮机MT、燃料电池FC和蓄电池BAT，根据各分布式电源出力特性建立起出力模型。

4.如权利要求1所述的基于离网型微网的电动汽车消纳可再生能源的计算方法，其特征在于，步骤(3)中，提出两种电动汽车充电模型：其一是随机充电模式下的电动汽车调度模型，其二是错峰充电模式下的电动汽车调度模型。

5.如权利要求1所述的基于离网型微网的电动汽车消纳可再生能源的计算方法，其特征在于，步骤(5)中，建立离网型微网经济运行优化的目标函数：

<mrow> <mi>C</mi> <mrow> <mo>(</mo> <mi>P</mi> <mo>)</mo> </mrow> <mo>=</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>T</mi> </msubsup> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </msubsup> <mo>{</mo> <msub> <mi>F</mi> <mi>i</mi> </msub> <mo>&amp;lsqb;</mo> <mi>P</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>+</mo> <msub> <mi>OM</mi> <mi>i</mi> </msub> <mo>&amp;lsqb;</mo> <mi>P</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>+</mo> <msubsup> <mi>&amp;Sigma;</mi> <mrow> <mi>k</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </msubsup> <msub> <mi>&amp;alpha;</mi> <mi>K</mi> </msub> <mo>&amp;times;</mo> <msubsup> <mi>E</mi> <mi>K</mi> <mi>i</mi> </msubsup> <mo>&amp;lsqb;</mo> <mi>P</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>&amp;rsqb;</mo> <mo>}</mo> </mrow>

式中，P(t)代表分布式电源输出功率；F_i[P(t)]为分布式电源的燃料成本；OM_i[P(t)]为微电源i的运行维护函数；为排放类型k(如二氧化碳，氮氧化物等)的外部成本；α_H为分布式电源排放不同类型污染气体时的排放因子；

约束函数包括：功率平衡约束，分布式电源机组输出功率之和应当满足用户总的负荷需求；发电容量约束，每个分布式电源都有其输出功率的上下限约束。