电动汽车参与运行备用的能力评估及其仿真分析

吴巨爱, 薛禹胜, 谢东亮, 岳　东, 文福拴, 赵俊华

(1. 南京理工大学自动化学院, 江苏省南京市 210094; 2. 南瑞集团(国网电力科学研究院)有限公司, 江苏省南京市 211106;3. 南京邮电大学先进技术研究院, 江苏省南京市 210023; 4. 浙江大学电气工程学院, 浙江省杭州市 310027;5. 香港中文大学(深圳)理工学院, 广东省深圳市 518100)

0　引言

现有电力系统主要利用发电侧的备用措施(reserve measure,RM)资源实现功率的实时平衡:在需要向上调节时,一般通过调度传统发电机组,如煤电、气电、水电等来实现[1];在需要向下调节时,可调资源可进一步扩大到风、光等新能源电源。尤以中国这样以煤电为主的电源结构,煤电机组启动慢、存在最小技术出力约束,依赖煤电调节风电、光伏等新能源发电波动存在较大的局限性:要么因煤电开机量过多产生弃风弃光问题,引起清洁能源资源的极大浪费;要么因煤电来不及开机或调节速率不足,导致调节跟不上可再生能源的快速波动,引起停电风险[2]。因此,常规的RM资源及调度手段越来越不能适应新形势的发展,有必要充分发现、挖掘其他快速功率调节资源,例如发挥需求侧RM资源的作用,寻找技术上可靠、经济上可行的智能电网解决方案。

从技术层面来看,电动汽车(electric vehicle,EV)是潜在的、优质的需求侧RM资源,兼具可调控负荷和储能的特性,其在调峰、调频、备用方面的应用前景逐渐受到人们的重视[3-4]。EV集群一般位于负荷中心,可迅速切换充、放电状态提供瞬时响应[5]。但是EV集群在时间与空间分布上天然的分散性,以及电池状态的不一致性也给集中调控带来了困难[6]。

从经济层面来看,将来绝大多数EV由私人用户所有,电网公司无需分摊其购置费用。但电网公司为了获取EV的调度权,仍需依赖有效运转的发电及辅助服务市场,引入合理的激励机制,付出相应的控制成本。辅助服务市场机制设计的复杂性决定了它是现阶段中国电力改革面临的主要难题之一[7]。EV的分布式特性令其无法直接接入较为集中的批发性电力市场,而便于管理和分析的EV集群在分类特征识别上又极为复杂[8]。文献[9]提出了区域电力市场环境下EV参与RM能力市场交易的机制设计,但并未给出EV参与RM调度的可用容量评估。当前的研究缺乏对EV参与运行备用的能力进行实时评估的方法。

EV的备用能力按调节方向可分为上备用(向电网反向放电或降低充电功率以应对频率降低)能力和下备用(降低放电功率或增加充电功率以应对频率升高)能力2类,按照稳定提供一定容量备用的服务时间还可进一步细分为短时(1 h到几 h)、长期(1日到几日)等。EV参与运行备用的能力与当前充/放电功率、当前荷电量状态(state of charge,SOC)、电池组容量、最大充/放电功率，以及用车开始和结束时间等因素有关;由于其中的一些因素为时变因素,因此充电过程中EV提供备用的能力也呈现出时变特征。更重要的是,作为一种可调控负荷,EV的备用能力决定于需求弹性,而EV的需求弹性又由充电合约决定,充电合约最终由用户参与意愿决定。然而,现有研究却在问题形式化时忽视了与用户参与意愿有关的参量[10-11]。既然用户参与意愿在确定EV备用能力方面具有决定性作用,就有必要在EV参与备用研究中计及用户行为的研究。文献[12-13]提出基于问卷调查的实验经济学方法,构建了反映EV潜在用户群体行为的多代理模型,以模拟用户的购置意愿和采用EV出行的意愿。

本文首先从同时满足用户各类出行需求及备用能力评估需求的角度出发,设计了EV用户参与RM能力市场的合约机制,分析了影响个体EV备用能力的要素及其影响机理,提出EV短时上备用能力和下备用能力的评估方法。基于大能源系统动态仿真平台[14-16],给出不同策略下单个EV备用能力在1个调度周期内的分布;并通过EV集群备用能力的实例仿真,揭示了EV集群的综合备用潜能,以及RM能力市场的时间尺度、RM容量价格对EV集群备用能力的影响。

1　支持EV参与备用的充电合约设计

1.1　EV的充电方式

用户在下次出行时,只关心EV的电量是否已达期望值,而并不关注具体的充电策略及过程,这给参与需求侧响应带来了机会。图1给出了达到同一期望电量的3种典型EV充/放电过程的“时间—电量”路径。图中:p1表示“尽快充”策略,即EV入网后立刻以最大功率充电;p2表示“延时充”策略,在满足下次出行需求前提下适当推迟充电开始时间;p3表示1种“充/放电”策略,允许按照一定控制目标调度EV向电网或临近负荷反向放电;tstart和texp分别为合约中EV的入网与离网时间;Estart,Eexp,Emax分别为EV入网时的起始电量、离网时用户的期望电量和电池容量。

图1　EV典型充/放电过程的“时间-电量”路径Fig.1　“Time-energy” paths of the typical EV charging/discharging process

1.2　充电合约机制设计

1.2.1合约内容

只有接受电网的调度,EV才能参与包括备用在内的电网服务。EV的调度所有权为用户,调度机构通过与用户签订双边充电合约,购入有条件的调度控制权。

充电合约需要满足用户的各类出行需求,包括不确定性需求。因此EV的电量需始终大于与用户约定的某一数值(称为保底电量Ems),以保障用户不定时用车需求。根据EV刚接入电网时起始电量的不同,充(放)电策略可按以下2步考虑。

1)Estart

2)Estart≥Ems时,进一步应用给定的充(放)电策略。考虑到在计划的充电结束时间内需达到或超过期望电量(图2中状态④),本步充(放)电策略输出在“时间—电量”平面上留下的路径只能处于图2阴影区域所示的“充/放电可行域”内。显然,可行域内有任意多条路径可选,可行域的相关约束条件将在第2节详细说明。

图2　EV充/放电可行域Fig.2　Charging/discharging feasible zone of EVs

因此,支持EV参与电网备用服务的充电合约至少包括以下参数:入网时间、离网时间、起始电量、保底电量、期望电量、充电价格等。

1.2.2激励机制

为了达到吸引用户参与有序充(放)电的目的,首先需促使用户在客观评估自身出行需求基础上,理性确定合约内容,这就要求建立合理的、有偿的激励机制。

对于签订受控合约的用户,通过评估各种合约方案的潜在价值,并根据需求响应能力的不同给予差异性充电折扣费率,进一步影响用户对保底电量、期望电量、离网时间等关键合约参数的选择,就能够提升EV的需求响应能力,并建立用户出行需求与电网经济运行需求的最佳平衡。

由此可见,合理充电合约机制下的EV备用能力评估是实现EV有序充(放)电,达成EV与电网友好互动目标的关键一环。

2　EV备用能力的评估方法

2.1　反映备用能力的参量

EV的备用能力与其调度弹性密切相关,如图2所示,充/放电可行域越宽,从起始状态点运行至目标状态点的可行调度路径的功率、电量差异就会越大,体现为调度弹性增大。

观察图2,影响该区域内EV充/放电的路径的主要参量为最大充/放电功率、电池容量、保底电量、期望电量、用户出行时间、当前充/放电功率、当前SOC,以及计及电池寿命的放电深度和放电次数。对上述参数加以整理后,可形成决定EV备用能力的2个关键边界约束,即功率边界和电量边界。

2.1.1功率边界

功率边界用最大充/放电功率表示,当不受电量边界影响时,功率边界为固定值;反之,功率边界也将呈现时变特征。图3所示为典型充/放电过程中最大充/放电功率对备用能力的影响,图中p为当前运行工况(图中粗实线)。

图3　典型充/放电过程中最大充/放电功率的影响Fig.3　Influence of maximum charging/discharging power on typical charging/discharging process

此工况下EV的充/放电功率为：

(1)

式中：PL(t)和PG(t)分别为实时充电功率和放电功率;ηL和ηG分别为充电效率和放电效率;Sc(t)为充电状态0-1整数变量,Sc(t)=1表示EV处于充电状态,Sc(t)=0表示EV处于非充电状态;Sd(t)为放电状态0-1整数变量,Sd(t)=1表示EV处于放电状态,Sd(t)=0表示EV处于非放电状态;Sc(t)+Sd(t)≤1。

受最大充/放电功率约束,需满足式(2)至式(4)。

Pcu(t)≤P(t)+PG,max

(2)

Pcd(t)≤PL,max-P(t)

(3)

-PG,max≤P(t)≤PL,max

(4)

式中:Pcu(t)为上备用容量;Pcd(t)为下备用容量;PL,max和PG,max分别为最大充电功率和最大放电功率。

如果EV的充/放电状态发生变化,如图3中黑色虚线p′,则备用能力的约束也会发生相应变化。

2.1.2电量边界

电量边界用最大/最小电量表示,该边界在各个时刻处于动态变化中,前面调度过程的变化也会引起后续电量边界的变化。正是电量边界的存在,才保证了对EV的调度不发生违约;但由此引起的功率边界变化,令EV的可调控能力相对传统机组来说更为有限,主要体现在不能长时间持续提供调峰或备用容量。

图4所示为在图3的充/放电功率运行下,所对应的电池电量的变化情况。

图4　典型充/放电过程中电池电量约束的影响Fig.4　Influence of battery SOC constraint on typical charging/discharging process

在电量低于保底电量前,EV暂时失去可调控性;当到达保底电量后,电量边界对EV备用能力影响形式化为式(5)至式(7)的约束。

(5)

E(texp)≥Eexp

(6)

(7)

式中:E(t)为电池实时电量。

由于电池受最大充电功率约束,为了确保在计划时间内满足用户的期望电量要求,在EV开始接受调控到离网的时段内(tms～texp),电池电量都应有一个最低电量要求,如图2红色粗实线(②-③,③-④)所示。容易推导出各时刻最低电量的计算公式,如式(8)所示,因此式(5)可进一步写成式(9)。一旦电池电量落入图2中③-④线段上,充电弹性将立即消失,必须立刻按照最大充电功率进行充电,才能在用户离网时达到期望电量。

(8)

(9)

2.1.3放电深度和次数约束

除功率和电量边界外,考虑到对电池寿命的保护[17],合约中也包括放电深度D和放电次数nc等对放电过程加以限制的条件,这在本质上也会缩小可行域内EV的充/放电路径。

对这两项约束的形式化,利用式(10)取代式(8)中的Ems,可将放电深度约束形式化;若考虑放电次数约束为单个调度周期内最多放电1次,其形式如式(11)所示。

Ems=max(Ems,(1-D)Emax)

(10)

nc≤1

(11)

2.2　EV备用能力的计算方法

从充/放电可行域中计算EV备用能力的方法如下:不妨对时间轴离散化,将一个调度周期T分割为n个长度为Δt的时段。冻结Δt内功率的时变性,则式(7)可改写为式(12)。

(12)

式中：v(k)表示第k个时间段EV是否在线的状态,v(k)=1表示在线,v(k)=0表示离线。

由式(2)至式(12),易知EV单体的上、下备用能力可按式(13)、式(14)计算。

(13)

(14)

式中:P(k)为当前运行功率;PG,max+P(k)为功率边界的影响;E(k)-Emin(k+1)为第k个时段内的最大可放电量,(E(k)-Emin(k+1))/Δt+P(k)则为考虑当前工况下EV的可放电量潜力,反映出电量边界的影响。

上述表达式旨在通过比较功率边界与电量边界,计算出各时段EV的上、下备用容量。

对于EV集群的上、下备用能力还需考虑输配电容量约束,形如式(15)和式(16)所示。

(15)

(16)

式中:N为EV的总数;Pcu(i,k)和Pcd(i,k)分别为第i辆EV在第k个时段的上、下备用容量;Ctc为输配电容量;P(i,k)为第i辆EV在第k个时段的功率。

3　充电策略

由2.2节可知,除车辆本身的状态、下次出行的需求以外,EV的备用能力与充电策略的选择也密切相关。本文中,选取表1所列的4种典型充(放)电策略,进而考察不同策略对EV备用能力的影响。其中“延时3 h充电”为考虑夜间用电高峰时间分布特征的一种延时充电策略。

表1　充(放)电策略Table 1　Charging/discharging strategies

其中策略4采用的优化目标如式(17)所示,旨在以运营商效益最大化为目标,运营商效益主要包括充电费收入、备用服务收入2部分,同时扣除购电成本。优化需计及的约束参见式(1)至式(11)。

maxM=αuserMe.ori+Mr.opt-Me.opt=

Pcu(k)πcu(k)+Pcd(k)πcd(k)-

Popt(k)πe(k))

(17)

式中:αuser为用户期望的打折系数;πe,πcu,πcd分别为充电电价、上备用容量价格、下备用容量价格;Pori和Popt分别表示初始充电策略(不考虑备用收益时充电费用最小的充电策略)和优化后的充电策略(考虑备用收益),备用收益为上、下备用容量收益;Me.ori为初始充电策略时用户支出的充电电费;Mr.opt为充电策略优化后的备用收益;Me.opt为充电策略优化后的充电费用。采用YALMIP工具包实现了上述优化策略。

4　仿真分析

本节从不同策略下EV单体的备用能力、EV集群的备用能力、影响EV备用能力的参数灵敏度分析等几个角度,应用第2、第3节的计算方法和策略参与实例分析,验证方法的正确性;同时给出典型情况下一定规模EV集群的备用容量;最后对影响EV备用能力的因素进行实证分析。

4.1　仿真参数设置

EV单体的技术参数及仿真中RM能力市场的时间尺度如附录A表A1所示。其中RM能力市场时间尺度是指当EV的备用能力被调度时,需要在该时段内能够提供恒定容量的等效电量。

4.2　不同策略下EV单体的备用能力

图5所示为起始SOC=50%时，表1各策略下单个EV的1 h备用能力(指EV具备在1 h内持续提供一定容量备用的能力)的仿真结果。不同策略下EV充电功率、电池电量变化的仿真结果详见附录B图B1。

图5　起始SOC=50%时不同策略下EV单体的1 h备用能力Fig.5　1 h reserve capability of an individual EV under different strategies (starting SOC=50%)

策略1中当充电功率大于0时，EV具有提供上备用的能力,上备用容量等于实时充电功率,此时EV相当于可中断负荷。相比策略1,策略2中EV提供上备用的能力发生时移,同时延时充电给EV预留出提供下备用的空间,下备用容量等于最大充电功率。相比策略2,策略3中EV的放电潜能得以释放,提供上备用的能力大幅提升;可放电的EV是一类需求侧分布式发电资源,而不仅被视为可中断负荷。策略4中设置πe=0.5元/(kW·h),πcu=πcd=0.05元/(kW·h);相比未经优化的其他策略,此策略下EV上、下备用能力均有明显提高,反映出EV向电网提供有偿备用服务符合充电商效益最大化的目标。

4.3　EV集群的备用能力

4.3.1集群参数设置

仿真中设置EV的数量为1 000;在文献[12]的问卷调查中提取EV的续驶里程分布,假设EV百公里耗电量为15 kW·h,则EV集群的电池容量分布可参见附录A表A2。用户每天最后一次出行结束时间的概率密度分布满足正态分布,见附录A图A1,将用户的最后一次出行结束时间作为充电的开始时间[18];充电时长设为12 h。充电起始SOC服从[20%,80%]的均匀分布。

用户参与受控充电合约的意愿可通过问卷调查建立起较准确的模型[12-13]。为考察EV备用能力评估在整个激励过程的作用及效果,这里不妨先假设集群中有参与受控充电意愿的用户占80%(其中不允许放电和允许放电的用户各占40%),剩余20%用户不接受调控。有参与受控充电意愿用户中不允许放电和允许放电的用户期望的打折系数分别服从[0.1,1]与[0.08,0.8]的均匀分布。

4.3.2EV集群备用能力的仿真分析

充电电价依据现阶段居民峰谷电价见附录A表A3;取上、下备用容量价格为0.05元/(kW·h)。设定调度机构与EV用户的签约原则为(maxM)>0。仿真得出签约用户占所有用户的比例为32.2%,签约用户理论上可向电网申报的上、下备用能力如图6所示。图6同时给出了用户响应受控合约前后,EV集群的充电功率变化情况。

图6　有序充/放电策略下EV集群理论可申报的1 h备用能力Fig.6　Theoretically declarable 1 h reserve capability of an EV cluster under sorted charging/discharging strategy

4.4　灵敏度分析

4.4.1不同起始SOC的影响

图7所示为在表1策略2下不同起始SOC的EV单体备用能力的仿真结果。在起始SOC=30%时,虽然采取了延时充电,由于起始SOC低于保底电量,按合约规定应立即以最大功率充电至保底电量,所以并不能在入网时立即具有提供备用的能力(例如19:00—20:00时段虽然充电功率大于0,但EV无法提供上备用)。详细的充电功率、电池电量变化的仿真结果见附录B图B2。

图7　策略2下不同起始SOC的EV单体的1 h备用能力Fig.7　1 h reserve capability of an individual EV with different starting SOCs under strategy 2

4.4.2RM市场设计的影响

市场设计的时间尺度决定了合约的生效时长,对持续服务能力非常有限的EV来说,该参数对EV的备用能力有显著影响。在时间尺度限定下，EV只能申报该时段内可提供的持久性备用能力,这通常对应取时段内最低的RM容量,以确保服务的可用性。

以上备用为例,图8分别展示了在24,6,1 h尺度市场中，EV集群可申报的上备用容量的仿真结果。结果表明,时间尺度越小EV集群可申报的RM容量越大,越小时间尺度的RM能力市场越能发挥EV的潜在价值。

图8　EV集群在不同时间尺度上的最大上备用容量Fig.8　Maximum up reserve capacity of an EV cluster in different time-scales

4.4.3RM容量价格的影响

图9所示为当RM容量价格分别为0.03,0.05,0.07元/(kW·h)时,EV集群可申报备用能力的仿真结果,上述价格下签约用户的比例分别为20.5%,32.2%和43.0%。RM能力市场中以更高的容量价格激励用户,可提高用户的签约意愿。

图9　不同容量价格时EV集群理论可申报的1 h备用能力Fig.9　Theoretically declarable 1 h reserve capability of an EV cluster with different capacity prices

5　结语

本文在平衡用户出行和向电网提供备用服务的矛盾需求的前提下,设计了合理的EV受控充电的合约机制;通过对上述机制下EV充(放)电过程的分析,提出EV单体上、下备用能力的定量评估方法,给出不同充电策略下EV单体备用能力的典型时间分布。基于给定的用户响应意愿,对典型EV集群在典型电价机制下的备用能力进行了实例分析;进一步通过灵敏度分析,考察了对EV备用能力存在较大影响的市场时间尺度设计、RM容量价格等参量对EV备用能力的影响。分析表明,为了充分发挥EV的备用潜能,RM能力市场应进一步区分为多时间尺度,同时应建立反映系统实际备用需求的RM容量电价机制,在充电合约中针对不同需求响应能力给出不同费率,才能调动EV真正发挥其备用能力。下一步的研究包括用户响应意愿分析和激励机制设计方法等。

附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。