计及电动汽车的并网运行微电网容量优化配置

吴新华, 赵兴勇, 贾燕冰, 陈浩宇, 赵钰彬(.山西大学 电力工程系，山西 太原　03003； .太原理工大学，山西 太原　03003)

0　引　言

微电网中光伏、风机等新能源具有输出功率不确定的特性，要使得微电网能够安全稳定运行，合理协调配置风光储的容量成了微电网规划阶段主要问题之一。同时，越来越多的电动汽车接入电网，电动汽车既能充电也能放电，可以作为一种移动储能设备考虑，因而在研究微电网的容量配置过程中，考虑电动汽车的接入造成的影响成为一种趋势[1]。

并网型微电网的容量优化配置的研究有了一些成果。文献[2]以风光储并网型为例，从用户的最大效益出发，分析了不同自平衡能力下的优化配置方案，但未考虑联络线功率约束。文献[3]28-32以经济性、可靠性为目标，得出了最优配置模型，但未考虑电动汽车。

针对含电动汽车的微电网，考虑电动汽车不同的管理模式，研究微电源的容量优化配置。首先借鉴电力市场改革，提出了一种微电网运营模式，为了提高微电网的经济可靠性，设计了一种分级式能量管理策略；其次建立了光、风、蓄以及不同管理模式下的电动汽车的模型，在此基础上，以可再生能源的容量、蓄电池运行及微电网友好接入为约束条件，微电网的经济性和可靠性为目标函数，建立了容量优化配置模型，采用NSGA-II进行优化求解；最后利用仿真算例，对方案的有效性进行了验证。

1　微电源模型

1.1　风光出力模型

风机机组输出功率由于风速的不确定性表现出很大的波动性。但是风速符合一定的统计规律，可以通过风速的概率特性来模拟得出风机的输出功率[4]。光伏组件的输出功率与光强度与温度有关，具有很大的随机性[5]。光伏电池输出功率如下：

PPV=NPVAmGηG

(1)

式中：NPV表示光伏电池块数;Am表示光伏电池面积大小;G表示太阳辐射强度。

1.2　电动汽车模型

电动汽车无序充电是指电动汽车只作为充电负荷，并且在何时充电完全取决于用户的充电习惯；有序充放电是指电动汽车既可以充电又可以放电，在微电网负荷低谷时，电动汽车作为充电负荷来储存电能，在用电高峰时将储存的电能释放出来[6]。

在建立电动汽车状态模型时，根据美国交通部对美国家用车辆的调查结果，采用蒙特卡洛仿真，可得： 一天中，当N=300时，无序充电和有序充放电下电动汽车充放电负荷曲线,如图1、图2所示。

图1　无序模式下的日负荷曲线

图2　有序充放电模式下的日负荷曲线

1.3　蓄电池模型

设定蓄电池在整个充放电过程中端电压基本保持不变。充放电模型均可以采用SOC表示[7]。

充电时满足：

(2)

放电时满足：

(3)

2　微电网微源优化配置模型

2.1　目标函数模型

2.1.1微电网的商业运营模式

微电网运营模式会影响到微电网的收益计算方法，因此在进行容量配置之前需确定其运营模式。结合我国当前现状，微电网可能发展出两种盈利模式：微电网形成售电主体和微电网组成虚拟运营商的运营模式[8]。本文采用下面提出的运营模式:即建立微电网为主体的“售电公司”，通过售电以及与电网之间的购售差值获得收益。

2.1.2分级式能量管理策略

提出了一种分级式能量管理策略，遵循以下原则：发电侧优先使用新能源；受电侧首先满足原始负荷；对蓄电池充放电可利用峰谷电价差进行调控(低谷充，高峰放)。具体策略如下：

(1)电动汽车不参与调度：当微电网供大于求，首先满足负荷需求，其次给蓄电池充电，然后再将剩余的电量售给配电网。当微电网供小于求时，在低谷电价时由配电网对负荷供电；在高峰电价时由蓄电池给负荷供电。

(2)电动汽车参与调度：在低谷电价时，电动汽车只作为充电负荷，因此首先考虑新能源是否能够满足负荷需求，如果不能，从配电网中购电来满足；在高峰电价时，电动汽车作为电源考虑，首先由新能源给原始负荷供电，剩余的净负荷再由电动汽车和蓄电池依次供电。

综上所述，本文提出的能量管理策略既能满足微电网中自发自用的原则，也在经济性上表现出很大的优势。

2.1.3目标函数

考虑其经济性和可靠性:经济性由微电网总投资收益来衡量，供电可靠性由失负荷率来衡量。

1)微电网总投资效益

(1)微电源全寿命周期成本现值

各微电源全寿命周期成本包括初始投资、运行维护以及置换成本，其等年值求法为[3]27-28：

C=Cins+Crep+Com

(4)

式中：C为微电源总成本;Cins为初始投资成本;Crep为置换成本;Com为运行维护成本。

(2)微电网运营收益等年值

①售电公司的售电收入：

Ipl=p(t)PL(t)

(5)

式中：Ipl为用电负荷的用电费用;p(t)为电网电价;PL(t)为用电负荷有功功率。

②购售差值收益：

(6)

式中：Pe(t)为微电网与电网的交换功率;α为微电网与电网交换电价，本文设其等于电网购售电价。

微电网运营收益表示为：

I=Ipl+Iexchange

(7)

微电网的总投资收益为：

(8)

式中：Ncompj为第j中微电源的容量;Ccompj为微源全寿命周期成本现值;Rproj为工程寿命;F(i,Rproj)为资金回收系数。

2)失负荷率

并网型微电网中，当风光资源较差，供电能力不够时，会有一个负荷失电功率PLoss(t)[9]。

(9)

式中：PLoss(t) 为第t小时无法满足供电的负荷功率;PL(t) 为第t小时系统总的负荷功率。

2.2　约束条件模型

2.2.1优化变量约束

(10)

式中：Npv-max、Nw-max、Nbat-max为光伏、风机、蓄电池的最大数量;Npv-min、Nw-min、Nbat-min为光伏、风机、蓄电池的最小数量。

2.2.2蓄电池(或电动汽车)约束

CSOC,min≤CSOC,bat(t)≤CSOC,max

(11)

式中:CSOC,min、CSOC,max为蓄电池(电动汽车动力电池)的最小、最大荷电状态。

2.2.3微电网友好接入约束

高渗透率的间歇式能源接入配网当中，会对配网的稳定运行造成影响。因此微电网并网之前，要求微电网运营单位与供电公司达成协议，本文参考文献[3]28提出的确定联络线功率约束的方法，设联络线交换功率最大为50 kW。

3　多目标遗传算法

采用带精英策略的快速非支配排序遗传算法(NSGA-II)[10]进行求解。NSGA-II优势在于采用了快速非支配排序和拥挤机制。前者能够降低计算非支配序的复杂度，使得搜索过程准确收敛到Pareto最优解，后者保证了种群的多样性。具体流程描述如图3所示。

4　算例分析

以某地区的自然资源为基础，对含电动汽车的风光储并网型微电网进行容量配置。风机、光伏电池及蓄电池的型号、容量、投资成本等基本参数如表1所示。设风力发电机的切入风速、额定风速和切出风速分别为2.5 m/s，12 m/s，18 m/s；光伏电池的光电转换效率ηG为12%，Am为0.654 6 m2。结合文献[11]中北方某地区作为本文的算例系统，根据实际数据生成风速、光照强度以及原始负荷的概率模型。

表1　不同DG的基本参数

假设微电网中电动汽车有300辆，并且均可参与调度。充放电价格如表2所示。

表2　电动汽车不同时段充放电价格

4.1　电动汽车无序充电下的配置结果

根据NSGA-II算法，设种群大小取100，最大迭代次数取200，交叉概率取0.9，变异概率取0.1。得到两种配置方案，如表3所示。

表3　无序模式下的配置结果

4.2　电动汽车有序充电下的配置结果

根据NSGA-II算法，同样得到微网负荷率最小和效益最大的两种配置方案，如表4所示。

表4　有序充放电模式下的配置结果

通过对比，可以得出：

(1)计算所得的配置方案，其效益均为负值，这是因为现阶段微电源和储能的成本偏高造成的。

(2)对比两种模式下的方案2，考虑电动汽车有序充放电，蓄电池配置减少了38台，投资收益减少了约30万美元，失负荷率降低了约0.1%。

5　结束语

(1)电动汽车接入微电网后，如果不加以有效管理，任由其无序充电，不仅使得负荷峰上加峰，而且会影响到微电网的供电可靠性。有序充放电后，不仅可以提高微电网的可靠性，而且降低了微电网的总投资效益，提升了用户的利益。

(2)研究微电网优化配置问题时，考虑电动汽车有序充放电这一情况变得越来越有必要，也更能反映未来电网的趋势。本文的研究结果不仅能够为以后电动汽车接入微电网后容量优化配置提供一些理论基础，而且也会给微电网的运营模式一些改革方面的启示。

参考文献：

[ 1 ] 王帅, 赵兴勇, 贺天云,等. 考虑电动汽车的微电网复合储能容量优化配置[J]. 中国电力, 2017, 50(3):161-167.

[ 2 ] 陈健, 赵波, 王成山,等. 不同自平衡能力并网型微电网优化配置分析[J]. 电力系统自动化, 2014, 38(21):1-6.

[ 3 ] 窦晓波, 袁简, 吴在军,等. 并网型风光储微电网容量改进优化配置方法[J]. 电力自动化设备, 2016, 36(3):26-32.

[ 4 ] EVANGELOPOULOS V A, GEORGILAKIS P S. Optimal distributed generation placement under uncertainties based on point estimate method embedded genetic algorithm[J]. Iet Generation Transmission & Distribution, 2014, 8(3):389-400.

[ 5 ] 叶晨晖, 周玲, 张木银,等. 计及可入网电动汽车的微电网电源优化配置[J]. 电力建设, 2016, 37(12):82-88.

[ 6 ] 王龙. 电动汽车充放电对电网的影响及其优化策略研究[D]. 天津:天津大学, 2014.

[ 7 ] 余岳, 粟梅, 孙尧,等. 计及电动汽车的微电网储能单元容量优化[J]. 仪器仪表学报, 2014, 35(6):1261-1268.

[ 8 ] 张弛, 陈晓科, 徐晓刚,等. 基于电力市场改革的微电网经营模式[J]. 电力建设, 2015, 36(11):154-159.

[ 9 ] 王晶, 陈江斌, 束洪春. 基于可靠性的微网容量最优配置[J]. 电力自动化设备, 2014, 34(4):120-127.

[10] 赵小冰. 单目标_多目标遗传算法的研究[D]. 天津:天津理工大学, 2011.

[11] 兰国军, 栗文义, 尹凯,等. 并网运行风/光/储微电网容量配置双目标优化[J]. 电工电能新技术, 2015,33(3):18-23.