考虑多负荷种类需求响应的DG容量与电动汽车协同规划*

罗大厅，吕林，刘迪

(四川大学 电气信息学院， 成都 610065)

0 引 言

风电，光伏等分布式能源(Distributed Generation，DG)具有明显的随机性和时序性，其并网后将增大电网的调度压力，并产生弃风弃电等能源浪费问题。另一方面，电动汽车(Electric Vehicle，EV)是具有明显节能减排潜力的特殊负荷类型，大规模电动汽车并网充放电势必会给电网带来巨大的负荷峰谷压力。近些年来广泛关注的电动汽车并网技术(Vehicle to Grid，V2G)使电动汽车以需求响应(Demand Response，DR)的形式参与电网，以提高新能源资源的利用率，减少负荷峰谷波动，实现电网的经济稳定运行。但由于电动汽车用户的人为社会性，如何协调电网电源容量与电动汽车合理参与仍是研究的重点和难点。

分时电价(Time of Use，TOU)是一种基本的价格型需求响应(Demand Respond，DR)策略，通过制定合适的TOU电价，引导用户主动参与电网调度，主动贴合电网电源时序特性，提高新能源资源利用率，平抑电网负荷波动[11-12]。近些年来，针对主动配电网容量规划DR研究大多仅在运行层面上使用固定的DR策略，而针对TOP策略的研究又没有考虑需求侧的影响。如今，电力市场环境下，电动汽车作为特殊的负荷类型，将其参与DR策略，在规划层面，同时考虑供需两侧，与电源容量和负荷响应协同规划，可在一定程度上最大化提高新能源资源利用率，并有效调节电网负荷波动，实现电网系统的安全经济运行。

文献[2]通过TOP电价引导车主有序充电，实现DG消纳，与负荷调节，但未考虑发电侧与电动汽车放电影响；文献[4]将考虑车主利益电网发电侧与电动汽车进行协同规划，但仅考虑单一的需求响应类型，也并未规划合适的分时电价，与实际情况有所差异；文献[5]将DR与DG容量进行协同规划，考虑了储能，且未考虑电动汽车的V2G并网。

基于上述研究，提出一种主动配电网DG容量与电动汽车的协同规划方案，该方案考虑工、民、商三种负荷类型需求响应，以DG容量，1 h电动汽车入网功率，TOU电价为决策变量，以电网总成本，负荷波动方差为目标函数构建多目标协同线性规划模型，通过MATLAB中的YALMIP工具进行仿真，运用CPLEX进行，通过与传统方案对比，验证了所提方案的优越性。

1 分布式电源时序模型

所研究的主动配电网分布式能源主要考虑风机(Wind Turbine，WT)、光伏列阵(Photo Voltaic，PV)，并以微型燃气轮机(Micro-turbine Generator，MT)为辅助发电元件，并通过公共连接点与主网相接。

1.1 光伏发电时序模型

光伏出力主要由光照强度决定，光照强度不仅受季节影响，同时受天气影响，因此光伏出力时序模型更为复杂，根据某地气象资料分析得出的光照日曲线，建立光伏出力时序模型，如图1所示。分析图1可知：该地夏季晴天光照强度最大，冬季雨天最小，几乎不出力，光伏出力均在正午时刻达到最大，说明光伏出力还受一定的温度影响。

图1 PV出力时序曲线

1.2 风机机组时序模型

风机出力主要由该地区的风力强度决定，而风力强度在不同季节具有明显差异，因此，风机时序模型可分为四个季节描述。根据某地气象资料分析得出的春夏秋冬风速日曲线，进而建立风机出力时序特性模型，如图2所示。分析图2可知：该地春冬两季风力较大，夏秋两季风力较小，风机出力在黄昏时刻出力最大，其中冬季黄昏时刻出力显著增强。

图2 WT出力时序曲线

2 不同种类负荷需求其响应模型

2.1 不同种类负荷时序模型

研究负荷主要包括居民负荷、商业负荷、工业负荷，其中居民负荷主要由空调负荷和电动汽车负荷构成，其居民出行时间和季节影响较大，夏季往往最高，春秋两季较小，商业负荷全年基本满载运行，时序差异较小，工业负荷由于各季节生产需求不同，有一定的时序波动，但较居民负荷不为明显。文章将根据不同负荷类型分别建立电价需求响应模型，实现电网电力资源的合理分配利用，避免成本过高。由某地数据库整理分析得出的各类型负荷日曲线如图3～图5所示。

图3 工业负荷时序曲线

图4 居民负荷时序曲线

图5 商业时序曲线

通过图1～图5的DG与负荷时序日曲线对比分析可知，当地负荷与DG出力具有一定的契合度，但是峰谷时段差异较大，其中工商负荷全年季节波动较小，居民负荷因夏冬两季的冷暖系统影响而有明显的季节波动，电动汽车作为特殊的居民负荷，在一定程度上能通过其充放电来削减峰谷负荷波动，因此在规划阶段引入需求响应，通过分时电价(Time of Use，TOU)引导电动汽车入网，同时规划电源容量(WT、PV、MT)与电动汽车充放电，能减少峰谷负荷差异，提高风电光伏资源的利用率，实现电网的经济稳定运行。

2.2 不同种类负荷响应模型

电动汽车负荷为特殊的居民负荷，可通过并网充放电对电网负荷进行一定程度的调节，通过制定合理TOU电价引导电动汽车车主并网充放电，可以促进风电消纳，减少负荷波动。

目前研究主要是构建弹性矩阵来分析并搭建TOU电价模型，但是多数仅考虑单一的负荷，由于工、商、民的时序特性存在差异，仅考虑单一的负荷必然与实际电网有所差异。

分析工、商、电动汽车等居民用户的时序特性，并以文献[9]中的响应模型为基本建立需求响应模型如下：

(1)

(2)

(3)

不同类型负荷需满足一定的阈值约束，若不断调整电价，负荷却不发生变动，则徒增电网调度运行压力，阈值约束如下：

(4)

3 协同规划模型

3.1 目标函数

主要针对DG容量及电动汽车进行协同规划，以减少负荷高峰低谷差，实现电网的经济稳定运行。因此，决策变量为单位容量光伏、风机、储能的个数及峰平谷三时段电动汽车引导电价，以电动汽车负荷为中间变量，为使电动汽车车主最大程度的配合电动汽车充放电同时需要考虑电动汽车车主利益，即车主满意度，因此，目标函数为主动配电网总成本最优、负荷方差以及车主满意度最高。

(1)电网总成本由投资总成本、运行成本、购电成本三部分组成。具体目标函数如下：

minF1=fo+fin+fbuy

(5)

式中fo、fin、fbuy分别为投资总成本、运行成本、购电成本。

(a)投资总成本

由于系统不同DG的使用年限与规划年限存在差异。因此，首先将各DG的初始投资成本进行等值转化：

(6)

(b)年运行成本

年运行成本主要由WT、PV、MT的年运行(发电)成本，新能源补助成本，减污补助成本构成，由下式表示：

(7)

(c)购电成本

由于DG出力与配网负荷存在差异，配网将向主网购置一定电量：

(8)

(2)电网负荷波动方差最小：

(9)

(3)为保证电动汽车能有序充放电，最大程度的引导车主并网，需要考虑电动汽车车主的利益，以电动汽车车主支付成本最低来保证车主满意度最大，即：

(10)

3.2 约束条件

(1)DG容量与出力约束：

(11)

(2)弃光弃风约束：

(12)

(3)DG渗透率约束：

(13)

(4)微型燃气轮机MT与主网约束：

(14)

(5)电动汽车充放电功率约束：

(15)

式中Ni,park为t时刻电动汽车停放总数量；pd,s,t、pc,s,t为电动汽车的充放电功率；α、β为电动汽车蓄电池容量极值参数；Qi为蓄电池容量；η为电池充放电效率；Δt为单位时间；Qi,drive为电动汽车行驶电量；μi为t时刻的汽车停用概率；Qkm为电动汽车运行每km所需电量；vs,t为平均速度。

(6)功率平衡约束及倒送约束：

(16)

(7)电价约束：

(17)

式中pf、pp、pg分别为峰、平、谷时段分时电价。

4.作风建设。央企党建主要通过加强党风建设和反腐倡廉建设，转变企业的工作作风和思想作风。首先，中央企业普遍建立了由党委统一领导、党政共同管理、纪委部门监督协调的反腐倡廉体系；其次，通过完善现代企业制度和公司的法人治理结构，从源头预防和治理中央企业的腐败问题；最后，建立和完善企业经营管理者的激励约束机制，实行责、权、利的有效统一，预防国有资产流失和企业腐败。

4 模型求解

MATLAB工具箱中的YALMIP接口进行仿真可计算多目标函数的整数规划模型，但其约束条件要求必须是线性的，由于文中模型存在部分非线性约束，因此需要通过引入0-1变量，将该模型中非线性约束全部转化为线性约束，部分约束转化如下：

响应阈值约束：

(18)

5 算例分析

5.1 算例数据

设定运行年限为20年，电价在年限内保持一致，以某地区电网为实际模型，其倒送功率限制为25 MW。前面图1～图2以给出该地区PV、WT的时序出力曲线，图3～图5为该地区工、商、民三种负荷的时序特性曲线。根据该地区气象局历年数据，该地区的天气情况如表1所示。规划的配网电源含PV、WT、MT，表2为PV、WT、MT的基本参数，三种电源的单位个数容量分别为0.3 MW、 1.8 MW、 3 MW。传统节能减排、环境收益等参数参见文献[18]。

表1 各场景典型日天数

表2 分布式电源基本参数

在调度运行方面，该电网购电的分时电价以及峰、平、谷时段如表3所示。

表3 购电分时电价时段划分及价格

选取该地区电网网峰谷时段为规划时段，通过历史数据分析，得出三种不同负荷的响应矩阵如下：

文中模型的电动汽车参数如表4所示，电动汽车行驶概率如图6所示，该地区常住家庭为20 000户，因此设定4 000台电动汽车参与规划，初始时刻电动汽车容量余额为总电池的50%，调度周期为24 h。

表4 电动汽车参数

图6 电动汽车的停放概率

5.2 不同规划方式对比分析

考虑多种负荷响应，将电网中的分布式电源容量与电动汽车协同规划，提出的协同规划是将主动配电网中分布式电源(PV、WT、MT)个数及考虑电动汽车的分时电价共同规划，为了体现所提出的协同规划的优越性，考虑增加以下规划方案进行对比分析：

方案2：考虑分时电价TOU，不考虑电动汽车入网，先规划PV、WT、MT，再规划TOU电价；

方案3：考虑TOU，并考虑电动汽车入网，先规划PV、WT、电动汽车引导电价，再规划MT；

方案4：考虑TOU，并考虑电动汽车入网，先规划PV、WT、MT，再规划电动汽车引导电价；

方案5：基于此方案，协同规划PV、WT、MT以及电动汽车引导电价。

仿真规划结果如表5所示，分析可知：

(1)方案1与其他方案相比，总成本最大(总收益最低)，且负荷方差最大，这是因为电网负荷曲线与DG出力存在时序上的差异，导致负荷峰谷时段差异较大，且前期投资和运维成本较高，但减排补贴收益较低；

(2)方案2在方案1的基础上考虑了分时电价TOU，一定程度上使得电网负荷达到削峰填谷的效果，改变了“净负荷曲线”，使得电网负荷方差大幅减少，同时由于考虑TOU的影响，电网电源初期投资成本减少，因此可以看出考虑需求响应能提高电网的经济性和稳定性；

(3)方案3与方案4在方案2的基础上考虑了电动汽车入网，负荷方差在一定程度上得到进一步的改善，同时总成本有所降低，这是因为由于电动汽车用户入网充放电，能在一定程度上改善电网负荷曲线，而方案3相较方案4采用了更多的WT，由于WT的运行年限仅4年，使得投资成本过高；

(4)方案5为所提方案，在投资成本上均高于其他方案，这是由于DG投入较多，但投入DG所获得的补贴收益十分可观，在电动汽车入网平滑了负荷曲线，满足弃风弃光约束、倒送功率约束的条件下，更倾向于增加电网PV发电量。

通过以上多种方案比较分析可以看出，考虑电动汽车引导电价可以促进风光消纳，且将电网电源容量与电动汽车引导电价协同规划方案的总成本最低，且电动汽车车主主动上网的意愿较高，电网的负荷方差明显低于其他几种情景。因此，所提方案在实现电网经济稳定运行方面具有一定的优越性。

表5 多种方案规划结果

图7为电动汽车并网前后的电网负荷曲线，通过制定合理的分时电价引导电动汽车入网充放电有效改善了电网的负荷曲线，实现了一定程度的削峰填谷效果，同时由于电动汽车车主低价充电，高价放电，为自己带来了一定的收益，必然将提高车主的满意度，使其主动配合参与电网调度。

图7 电动汽车入网前后负荷曲线

图8为电动汽车充电放电功率分布，在0～8点时谷时电价最低，车主将选择低价充电，在8点～12点和14点～21点峰时电价高时，车主将主动选择放电获得部分盈利，在午时12点～14点平时段，电价虽然比谷时段高，但由于峰平时段的电价差值仍然可观，仍有部分车主将选择在该时段充电。

图8 电动汽车充放电功率

图9为某典型日DG出力及负荷具体情况，由图9分析可知，规划之后，DG渗透率较高，基本在50%以上，可控DG微型汽轮机的出力比较稳定，而由于WT、PV的时序特性影响，该电网在用电平时段和峰时段仍将向主网购买一定数目的电量。

图9 典型日功率曲线

5.3 敏感度分析

取负荷波动方差为纵轴，以电动汽车渗透率为横轴，绘制趋势图，如图10所示。

图10 负荷方差与电动汽车规模的变化关系

分析可以看出：

(1)接入电动汽车可以改善电网峰谷差异，平抑负荷波动，这是由于通过制定合理的分时电价，车主将主动高价放电，低价充电，达到电网双向共赢；

(2)曲线为一凹型曲线， 说明存在电动汽车最优规模问题，其主要原因在于电动汽车规模较低时，用户响应分时电价，将峰时电荷移至谷时，但随着规模增大，易导致在某时刻出现新的高峰。该地区电网在电动汽车规模达到26%台时，负荷方差达到最低。

6 结束语

针对风光燃气轮机主动配电网，以分时电价引导电动汽车充放电上网，提出了一种考虑工、商、民时序特性以及风光时序特性的电源容量与电动汽车的协同规划模型，该模型以总成本，负荷方差为目标，考虑电网DG约束、电动汽车充放电约束等多种约束得出规划方案，通过多方案分析比较验证其优越性，最后分析了对电动汽车规模对规划结果的影响，主要结论如下：

(1)考虑用户侧需求响应，能在一定程度上实现DG与负荷的时序贴合，减少弃风弃电，降低电网成本，增加可再生能源利用率；

(2)通过引入电动汽车，将电源侧和需求侧同时考虑，制定出合适的分时电价能有效引导电动汽车车主主动上网，实现一定程度的削峰填谷的效果，在针对电动汽车电价的规划中，考虑多种负荷的需求响应能更加贴合电网规划实际，提高准确性；

(3)协同规划是在电动汽车规模不大的情况下进行，通过协同规划得出最优分时电价引导电动汽车上网，以将峰时负荷转移至谷时，实现风光消纳，减少电网负荷波动，但通过灵敏度分析可知，随着电动汽车规模增大，电网可能在某些时刻出现新的负荷波峰，因此，如何将电动汽车规模最优问题考虑进规划模型中是下一步研究的方向。