微网环境下的电动汽车换电站运营策略

杨爱民，张晨曦，文福拴，王 健

(1.华南理工大学 电力学院，广东 广州510640;2.浙江大学 电气工程学院，浙江 杭州310027;3.福建省电力有限公司 电力科学研究院，福建 福州350007)

0 引 言

在过去的几十年间，电力系统规模不断增大，逐步发展成集中发电和远距离输电的超大规模网络系统，电力系统承受的安全和稳定风险增多，而且这种系统模式难于满足趋于多样化的供电需求;另一方面，一次能源逐渐枯竭、环境污染日益严重。在此背景下，环保、高效和灵活的分布式发电越来越受到重视。

分布式发电(distributed generation，DG)通常指某些靠近用户侧安装的中小型发电装置，容量一般在10 MW 以下［1］。DG 既可独立于公共电力系统，直接为少量用户提供电能，也可接入配电网络，与传统电源一起为用户提供电能。DG 具有位置灵活、分散的特点，适应分散电力需求和资源分布，可以延缓输配电系统升级换代所需巨额投资;分布式可再生能源发电如风电机组、光伏阵列等还具有污染少、能源利用效率高的优势。然而，分布式电源并网将改变传统潮流方向，可能引起电压偏移、电压波动和越限等问题，给电力系统的安全运行带来威胁。

微网是DG 接入电力系统的一种有效解决方案［2］，是智能电网的重要组成部分［3］。美国学者于21 世纪初首先提出微网的概念［4，5］。微网是将可再生能源发电装置、负荷、储能装置及控制装置等有机结合而形成的小型、局部网络。在微网内部，通过维持功率平衡和优化调度，可以减小分布式电源的出力波动对电力系统的影响，降低输电线路的负荷，减小网损。另外，微网可以在电力系统故障时保持独立运行，维持向重要负荷供电，提高供电的可靠性。随着微网技术的发展和完善，它将成为可再生能源综合利用的有效方式。在微网中，风电和光伏等分布式电源的输出具有间歇性和不确定性，这给微网的稳定运行带来了挑战［6］。储能系统可以抑制微网的瞬时功率波动，改善微网电能质量，同时起到削峰填谷作用，对维持微网的稳定运行发挥重要作用。

随着电动汽车产业的不断发展，电动汽车的能源补给方式成为多方关注的焦点之一。2011年，国家电网公司提出了“换电为主，插充为辅，集中充电，统一配送”的电动汽车基本商业运营模式，由换电站提供电池，从而可实现电池的循环利用。与充电模式相比较，换电模式有多方面的优势，如能源补给效率由整车充电所需的2 ～6 h缩短至3 ～5 min［7］;换电站集中充电代替了分散的充电桩充电，便于降低大量电动汽车入网所产生的负面影响。此外，在这种模式下，电动汽车换电站可以被视为一个储能系统参与微网运行，提高微网接纳可再生能源发电的能力，降低微网投资和运营成本。

在上述背景下，本文着重研究微网环境下电动汽车换电站为可再生能源发电提供储能从而平抑其输出功率波动的运营模式。

1 微网配置方案及调度目标

本文所研究微网由风力发电、光伏发电、电动汽车换电站(视作储能系统)和传统负荷4 个单元组成。下面依次介绍风电、光伏发电出力模型及微网调度目标。

1.1 风电模型

风力发电机的输出功率随风速变化而变化，一般认为风速分布服从正偏态分布［8］，其中威布尔分布(Weibull)形式简单且与实际风速分布能较好的拟合而得到广泛应用，其概率密度函数如式(1):

式中:v 为风速;k 和c 分别为形状参数和尺度参数。

风力发电机输出有功功率与风速之间遵从以下函数关系:

式中:Pr为风力发电机的额定功率;vci和vco分别为切入和切出风速;vr和v 分别为额定风速和实际风速。

1.2 光伏发电模型

光伏发电的输出功率是随太阳光照射强度、温度等不确定因素变化而变化的。据统计，在一定时间段内太阳光照强度可以近似看成Beta 分布［9］，其概率密度函数如式(3):

式中:r 和rmax分布为时段t 的实际光强和某一时间段内的最大光强;α 和β 分别为Beta 分布的形状参数。

太阳能电池阵列输出的是直流功率，其可用式(4)计算:

式中:PPV(t)为光伏阵列在光照强度为r(t)时的输出功率;rSTC，TSTC和PSTC为标准测试环境(1 kW/m2，25 ℃)下的光照强度、光伏阵列温度和最大输出功率;k 为温度系数;T(t)为时段t 光伏阵列的表面温度。

1.3 微网调度目标

假定通常情况下微网利用内部风力、光伏发电机组满足其内部负荷需求，在可再生能源出力不足时微网从电力系统吸收功率，可再生能源发电功率有剩余时向电力系统输送功率。在不考虑电动汽车换电站时微网向电力系统输送的总功率PnEV可表示为

式中:Pwind(t)，PPV(t)和Pload(t)分别表示在时段t 微网内风电机组、光伏机组发出的有功功率和常规负荷吸收的有功功率。

加入电动汽车换电站后微网向电力系统输送的总功率PEV可以表示为

式中:Pre(t)表示在时段t 换电站消耗的有功功率;Pre(t)＞0 和Pre(t)＜0 分别表示换电站充电和放电状态。

假定微网以与电力系统的交换功率最小为目标调度换电站的充放电，则微网调度的目标可表示为

2 换电站运营模式

假定所研究的换电站服务对象为家用轿车，且所有轿车使用统一标准电池，即换电站内只有单一型号电池。所提出的换电站运营模式的基本架构可描述如下:

(1)设定所有电池都使用恒功率充放电，并且充电和放电功率在数值上相等。可根据电池的荷电状态(State of Charge，SOC)将换电站内的电池分为N 组，其中第i 组电池的SOC 范围为(Si，l，Si，u］，每个电池组在时段t 所包含的电池数目为ni(t)，则相邻两组电池的荷电范围满足如下约束:

式中:pc和pd分别表示电池的充电和放电功率;Δt表示每个调度时段的时长;Cl和Cu分别表示电池带电量的上下限。如此设定的目的在于每个调度时段结束后，上一个时段位于第i 组的电池只可有三种状态:充电进入第i+1 组;放电进入第i－1 组;未被调度仍然留在第i 组。这样，可便于计算且不需要在每次调度结束后重新检测每块电池的荷电状态并重新分组。

(2)微网控制中心向换电站发送调度信号，换电站按组充放电。处于同一组别的电池的充放电状态有4 种:所有电池同时充电、所有电池同时放电、部分充电部分不调度、部分放电部分不调度。充电时优先调度低荷电量组别的电池充电;放电时优先调度高荷电量组别的电池放电。这样做有两个好处:a.深度充放电对电池寿命影响较大、成本高且电池充放电效率较低，因此低荷电量的电池不适宜继续放电、高荷电量的电池不适宜过度充电;b.将低荷电量电池尽快充电至较高水平符合换电站的换电需求。

(3)属于第N 组即荷电量在(Cu－ pc·Δt，Cu］范围内的电池即为可向用户更换的电池。为保证换电站在任意时段内都能向用户提供足够的可供更换的电池，在时段t 各组电池的数目需满足如下约束条件:

式中:nde(t)表示在时段t 需要更换的电池数目;ny为常数，用以保证在对用户换电需求估计不足或者有突发情况时换电站仍有多余的电池可提供给用户。式(9)所描述的约束可以保证在时段t满电量电池即第N 组电池数目能够满足用户在此时段的换电需求，在t+1 时段换电站有能力满足第t+1 时段用户的换电需求，以此类推。如在t时段满足:则为满足时段t+1 的换电需求，只需调度第N －1 组中全部或者部分电池在时段t 充电即可。其余以此类推。

(4)用户在时段t 新换下的电池在经过站内SOC 检测后归入相应电池组，从时段t+1 开始参与电池调度。

3 电池调度流程

根据第2 节所提架构可以模拟换电站调度电池充放电的流程。

首先随机生成满足式(9)所表示的约束条件的换电站电池初始荷电量并按照式(8)的方法分组。此时所有电池的调度状态分为5 类:不能调度、必须充电、不能放电、不能充电和充放电均可。

(1)必须充电情况。为了使下一时段各组电池数目满足要求，若则第N-j 组中必须充电的电池数目为否则第N-j 组中必须充电的电池数目如对于第N－1 电池组，若则为满足时段t +1 中用户的换电需求，第N －1组电池必须在时段t 充电的数目

(2)处于不能放电状态的电池有2 类;一类为第1 组电池，其荷电量范围为(Cl，S1，u］，即荷电量已达到最低状态因而不能放电，此类电池的数目为其中为时段t第1 组电池中必须充电的电池数目;另一类也是由式(9)所表示的约束条件决定的，若则为了满足下一时段的约束式(9)，第N-j +1 组中除了必须充电的电池外，其余电池都不能放电，该数目为

(3)为满足本时段换电需求，在时段t 第N组电池中将有数目(t)的电池不能被调度，其中为第N 个电池组中不能放电的电池数目。

(5)其余电池则既可调度充电也可调度放电，这部分电池的数目为其中为换电站中的电池总数。

换电站中调度电池充放电的流程图如图1 所示。其中，Pd＜0 表示电池的放电功率，T 表示调度总时段数，Pre(t)表示根据控制中心发来的调度信号换电站实际可响应的出力。

图1 换电站中电池充放电调度流程图Fig.1 The flowchart for battery charging/discharging dispatch in the battery swapping station

4 算例及结果

4.1 仿真条件设定

以一个居民区形成的微网为例对所提模型进行验证。该居民区有2 000 户居民，配备一个电动汽车换电站，居民区内有一台风电机组和一台光伏发电机组。现给定如下假设:

(1)平均每2 户家庭拥有一辆电动汽车，即该小区拥有1 000 辆电动汽车。每辆电动汽车每天换电一次，80 %车主选择晚间回家后换电，20%的车主选择次日离家前换电。同时假设车辆离开住所时刻的概率密度函数D(t)服从正态分布N(7.5，0.82)，其中7.5 表示上午7:30;车辆返回住所时刻的概率密度函数A(t)服从正态分布N(18.5，1.252)，其中18.5 表示下午6:30。

(2)平均每家用户的常规用电负荷峰值为5 kW，则该小区2 000 户居民的用电峰值为10 MW，传统日负荷曲线如图2 所示;微网内风速和光照强度数据如图3 和图4 所示;采用第2节中分布式发电模型生成的分布式发电有功出力数据如图5 所示，其中设定切入速度3 m/s、额定风速14 m/s、切出速度25 m/s。

图2 典型日负荷曲线Fig.2 A typical load curve

图3 风速曲线Fig.3 The wind speed curve

图4 光照强度曲线Fig.4 The light intensity curve

图5 分布式发电功率Fig.5 Output power of distributed generators

(3)以15 min 为一个调度时段，则全天有96个调度时段;电池充放电功率均假设为7.2 kW，电池容量54 为kW·h，电池容量下限为54 ×20 % =10.8 kW·h。每个电池组的荷电量区间为7.2 ×15/60 =1.8 kW·h，则换电站电池总共可以根据荷电量分为54 ×80 % /1.8 =24 组。

4.2 仿真结果及分析

(1)换电站调度结果

换电站调度结果如图6 所示。其中，Pdis(t)为控制中心向换电站发出的调度信号;Pre(t)为换电站实际可响应的调度出力。从图6 中可发现，在前50 个时段换电站基本能满足控制中心的调度需求，曲线Pdis(t)－ Pre(t)基本与横轴持平。原因有2:a.在前50 个时段中换电站的换电需求很小，绝大部分电池可以参与到微网调度中;b.在前50 个时段中控制中心给出的调度信号在横轴附近波动，则换电站频繁充放电，故而不易达到电池SOC 的上下限。在第50 ～60 个调度时段，光伏发电出力显著增加，因此需要换电站吸收分布式电源的剩余电能，此时换电站满出力，但仍无法完全吸收微网剩余功率，因此曲线Pdis在这一时期出现了最大正值。在第60 ～90 时段内，控制中心调度换电站以较大功率放电，而换电站远远不能满足调度需求，因此曲线Pdis在这个时期出现了最大负值，且其绝对值远大于第50 ～60 个调度时段内出现的正值数值。这是因为:a.在该调度时段，用户常规负荷处于高峰时段且光伏机组出力明显下降;b.换电站也迎来换电高峰，换电站内许多电池不仅不能参加调度，还需要在此时充电以满足未来时段用户的换电需求，因此Pre(t)在此时段内较小，尤其是在第70 个时段，Pre(t)= －18 kW，即仅有10 块电池可以放电。

总之，电动汽车换电站可以降低微网内可再生能源出力的波动。

(2)增加换电站电池数目对结果的影响

换电站中电池数目越大，则其储能能力越强，对调节微网总功率可发挥的作用也就越大。下面分析在其它条件不变的情况下，增加换电站电池数目，微网总功率即Pdis(t)－ Pre(t)的变化情况，结果如图7 所示。可以发现，换电站平抑可再生能源发电出力波动性的能力随所辖电池数目的增加而增强。

图6 换电站调度结果Fig.6 The dispatching result of the battery swapping station

图7 微网总功率随电池数目的变化情况Fig.7 The variations of microgrid total power along with the battery number

5 结 论

微网为分布式电源接入电力系统提供了一种有效的解决方案。风电和光伏等分布式可再生能源发电的输出功率具有间歇性和随机性，这给微网的安全稳定运行带来了挑战。电动汽车换电站除了可为电动汽车用户提供换电池服务外，还可作为储能系统参与微网运行，在可再生能源发电出力较高时吸纳多余电力，在其出力不足时可以放电为负荷提供电力，这样就提高了微网接纳可再生能源发电的能力，另一方面也可以降低微网投资和运营成本。本文以最大程度上响应微网控制中心的调度功率为目标，考虑了电池的荷电量约束、用户换电需求和电池充放电成本等因素，发展了换电站电池最优调度模型，并用算例进行了验证。仿真结果表明，换电站可以发挥储能系统的作用，缓解可再生能源发电机组出力波动所引起的负面作用，且随着换电站所辖电池数目增加这方面的作用趋于显著。

［1］别朝红，李更丰，王锡凡.含微网的新型配电系统可靠性评估综述［J］.电力自动化设备，2011，31(1):1 －6.

［2］黄伟，孙昶辉，吴子平，等.含分布式发电系统的微网技术研究综述［J］.电网技术，2009，33 (9):14－18.

［3］李振杰，袁 越.智能微网:未来智能配电网新的组织形式［J］.电力系统自动化，2009，33 (17):42－48.

［4］Lasseter R，Althil A，Marnay C，et al.Integration of distributed energy resources-the CERTS microgrid concept［EB/OL］.［2013 －01 －12］.http://www.pserc.org/ecow/get/researchdo/certsdocum0/certspubli/certsmicrogridwhitepaper.pdf.

［5］Lasseter R，Paigi P.Microgrid:a conceptual solution［C］ //IEEE Power Electronics Specialists Conference，Madison，USA，2004:4285 －4290.

［6］丁明，张颖媛，茆美琴.微网研究中的关键技术［J］.电网技术，2009，33 (11):6 －11.

［7］苏浩.换电商业模式是纯电动汽车在石油短缺和低碳经济下快速发展的解决方案［J］.经济视角，2011，(4):49 －50.

［8］Abouzahr I，Ramakumar R.An approach to assess the performance of utility-interactive wind electric conversion systems.IEEE Trans on Energy Conversion，1991，6 (4):627 －638.

［9］Karaki S H，Chedid R B，Ramadan R.Probabilistic performance assessment of autonomous solar-wind energy conversion systems.IEEE Trans on Energy Conversion，1999，14 (3):766 －772.