考虑车网互动的风-光-车-储微网容量配置方法*

刘舒真，崔昊杨*，刘 昊，张明达，孙益辉，史晨豪

（1.上海电力大学 电子与信息工程学院，上海200090；2.国网浙江宁波市奉化区供电有限公司，浙江 宁波315500；3.上海电力大学 电气工程学院，上海200090）

随着化石能源的日益匮乏和环境的不断恶化，以风能和太阳能为代表的新能源具有绿色、清洁、可再生等优点而受到关注。然而，高渗透率下的新能源出力的不确定性，也给电网运行带来新的挑战。另一方面，“新基建”的建设给电动汽车（electric vehicle，EV）带来新的热潮，电动汽车规模化入网成为必然趋势。特别地，以车网互动（vehicle to grid，V2G）模式接入电网后，电动汽车作为一种能量密集型移动储能单元，在平滑区域能量波动的同时提高可再生能源的接纳能力和利用效率。因此，以风-光-车-储为能量单元的微电网系统的优化配置与管理，逐渐成为研究热点。

在风-光-车-储微电网的优化配置领域，文献[8]结合电动汽车与分布式电源的时空、时序特性，协同规划分布式电源与电动汽车充电站；文献[9-10]建立路径选择模型、耦合交通网与电力网，优化微电网容量配置方案。以上文献均考虑分布式电源与电动汽车的协同规划，但忽略了对电动汽车充放电引导，所形成的规划方案存在容量浪费，投资额度大，回报周期长等问题。另外一方面，已有研究或集中于对给定的微电网，研究电动汽车的充电引导策略。文献[11-12]基于价格激励政策探究电动汽车的需求响应，平滑其引起的负荷峰谷差，文献[3]将分类电动汽车，执行价格激励与延时充电，实现大规模电动汽车有序充放电消纳弃风功率。

整体来看，在电动汽车规模化接入的大背景下，针对风-光-车-储微电网系统的充电引导策略及其容量优化与配置问题，相关文献、成果还较少，研究亟待深入。对此，本文以车网互动为核心，提出一种考虑车网互动的风-光-车-储微电网容量配置方法，为研究电动汽车接入微电网系统下的容量配置策略提出新思路。

1 基于电价激励的电动汽车有序排队充放电模型

本文构建的风-光-车-储微电网（如图1）中，电动汽车作为柔性负荷，在谷时段优先消纳可再生能源，在峰时段优先放电。当微电网内部发电量无法消纳或供电不足时，通过联络线与大电网进行能量交换。

图1 风-光-车-储微电网运行架构

（1）电动汽车采用结合电价激励政策和排队理论的电动汽车充电引导策略，在传统分时电价的基础上，针对联络线功率波动，引导电动汽车充放电行为有序化。风、光发电机组根据各自配置容量在随机工况下发电，得到等效负荷曲线，此时微电网的能量平衡可以表达为：

式中，Pcw.t、Plp.t、Pwp.t、Ppv.t和Pevn.t分别是t时刻联络线功率、负荷功率、风光发电功率和未参与V2G的电动汽车充电功率。

从而得到联络线功率波动值β：

式中，Pave是联络线功率均值。

（2）在|β|≤δ（δ为较小正数）时段实施平段电价，通过排队理论筛选少量EV参与优化调度或通过储能系统进行少量调节使得功率平衡。

在β≥δ时段实施峰段电价，引导EV放电缓解峰时储能系统放电压力和主网供电压力。

在β≤-δ时段实施谷段电价，引导EV充电缓解储能充电压力，减少弃风弃光现象。

（3）电动汽车充电站模块发挥其调峰能力平滑联络线功率时，电动汽车依照充/放电优先度依次选择充电方式。充电站计算电动汽车预计充电完成时间与离开时间，为电动汽车排序充电。表达式如下：

（4）储能装置在满足荷电状态和充/放电功率约束下，进一步平滑联络线功率，得到最终平滑后联络线功率P″cw.t：

式中，Pes.t是t时刻储能装置充放电功率。

2 风-光-车-储微电网多目标容量优化模型

2.1 目标函数

本文以经济效益最佳，联络线功率波动最低为目标，建立风-光-车-储微电网规划数学模型。

风-光-车-储微电网的经济效益C包括日综合平均成本Ccap与日综合平均收益Cern，表达式如下：

日综合平均成本包括日等值设备投资成本Ceq和日平均运行维护成本Cope。其中前者主要计及微源寿命周期与折现率；后者与总装机容量呈线性关系。表达式如下：

式中，ceq.i和E i分别是风机、光伏阵列、蓄电池初始投资成本单价和装机容量，ceq.ev是电动汽车充电桩单位造价，Nev是电动汽车充电桩数量；ces是蓄电池单位充/放电功率价格，Pes是蓄电池组额定充/放电功率；fi是各微源的折现系数，取0.11；cope.i和cope.ev分别是风机、光伏阵列、蓄电池和电动汽车充电桩年运行维护成本；cev是电动汽车充电桩单位充电量维护成本，Eev是当前调度周期内电动汽车总充电量。

日综合平均收益综合考虑了风光车储微电网运行过程中市场竞价Cprfi及电量不足Cnon或过剩Cwst，以及为弥补缺额供电量造成的环境污染Cgrn带来的经济损失。表达式如下：

式中，Pnon.t、Pwst.t分别是第t小时弃风弃光功率和供电缺额功率，Pcw.max、Pcw.min分别是联络线功率的上下限。

式中，Pb.t、Ps.t分别表示向第t小时微电网向主网购电功率与售电功率；cb、cs是微电网向主网分时单位购售电价，c′b、c′s是电动汽车分时电价。

式中，κ、ξ分别是弃风弃光的罚款系数和切负荷损失系数，取0.5；Ki是单位电量对应第i种污染物的排放系数，cgr.i、cpu.i是第i种污染物的环境价值和排放罚款价格。

联络线功率波动与微电网内能源间互补性呈负相关，本文定义计及峰谷差的联络线波动率λ表征联络线功率较均值波动情况。其表达式如下：

式中，P″cw.max、P″cw.min分别是微电网运行过程中联络线的峰谷值。

2.2 约束条件

（1）可再生能源发电容量约束

为保证系统供电需求，有盈余的电能对电动汽车供电，微源发电总量需大于负荷用电量，与此同时，为避免降低弃风弃光，分布式发电总量应满足如下约束：

式中，λwp、λpv分别是风力发电、光伏发电功率与负荷峰值功率之比。λmax一般控制在1.0-1.3左右。

（2）蓄电池、电动汽车荷电状态约束

本文中储能装置选用铅酸蓄电池，其与电动汽车电池需要满足其荷电状态（SOC）的上下限约束，以延长电池的使用寿命。

式中，SOC表征储能电池的荷电状态，SOCmax、SOCmin分别是其上下限；SOCcar表征电动汽车电池的荷电状态，SOCcar.min是其下限。SOCcar.v2g表征参与V2G行为的电动汽车的荷电状态，电动汽车充电达到100%后方可参与V2G行为，并且放电过程中不得低于用户离开期望荷电状态SOCcar.exp，本文取该值为0.8。

（3）蓄电池、电动汽车充放电功率约束

蓄电池和电动汽车的充放电功率均不能超过其限制。

式中，Pev是电动汽车充电功率额定值。

（4）联络线功率约束

在微电网与大电网进行能量交换行为时，联络线功率不得超出限制。

3 算例分析

本文研究的风-光-车-储微网最大负荷为2400kW，联络线最大功率限制为1600kW，反送电功率限制为500kW。以24h作为一个调度周期，选取典型日进行仿真。考虑到该地区的电动汽车规模，设置电动汽车为500台。风光储组件的主要参数见表1和表2，采用改进NSGA-II算法求解，设置种群大小为50，迭代次数300，pareto最优解个数为50。

3.1 规划层结果分析

设置如下场景对比分析：场景1为无序充放电下的微电网规划；场景2为电价激励政策引导EV自主充放电下的微电网规划；场景3为电价激励政策结合排队理论控制EV充放电下的微电网规划。

选取联络线波动率在100-110间不同场景下的规划结果进行对比，各场景的规划结果如表3所示。

通过表3结果对比可知，尽管场景2采用电价激励政策引导电动汽车充放电，但由于夜间光伏发电存在缺额，若增发风电则造成日间发电量冗余，因此仍有相应容量的储能需求，场景3对电动汽车充放电行为排序引导合理分配电动汽车充电顺序及充电功率，计及电动汽车离开时间排序，使峰时段有一定量电动汽车放电缓解供电压力，因此对比场景2储能需求降低25%，对比场景1储能需求降低33%，达到降低微电网经济成本的效果。各方案经济成本对比及电网互动效益对比如表4所示。

由表4可以看出，方案1的总费用为186027.11元，方案2的总费用为140408.19元，比方案1减少了24%。该结果验证了计及车网互动的微电网规划可以显著降低储能配置成本。由于电价激励政策引导，电动汽车倾向于谷时段充电，峰时段放电，因此在方案2电动汽车交互费用较方案1增加9%。方案3的总费用为121437.54元，较方案2减少了13%。主要是由于方案3对电动汽车充放电进行排序，使电动汽车可调度容量更为灵活，但并未改变电动汽车整体充放电时间，因此较方案2仅增加2%。

表1 微电网系统装置的各项成本及参数

表2 传统燃煤发电各污染物排放成本

表3 3种方案规划结果对比

3.2 调度层结果分析

为了更好地分析上文所述基于电价激励政策的调度策略的调峰效果，接下来对比电动汽车的充电负荷功率（如图2）与实时可调度容量（如图3）情况。

由图2、图3可以看出，谷时段10：00-15：00风光联合发电达到峰值，发电量过剩，此时方案2、3使电动汽车充电负荷功率在激励政策引导下有所提高，在平滑联络线功率波动的同时提高风光消纳水平；峰时段18：00-22：00用电负荷达到峰值，发电量不足，此时方案2、3使电动汽车充电负荷功率在激励政策引导下显著降低，方案3计及电动汽车离开时间进行排序，进一步对其放电量进行分配，因此峰时段电动汽车的实时可调度容量也有所提高。

表4 3种方案规划投资费用对比

图2 充电负荷曲线

图3 实时可调度容量曲线

方案2、方案3的联络线功率波动如图4所示，可以看出，方案3在方案2的基础上结合排队理论，一方面合理分配电动汽车充电顺序及充电功率，谷时段令电动汽充分车消纳过剩的光伏发电，另一方面计及电动汽车离开时间排序，也使得峰时段能有足够的电动汽车放电缓解供电压力，因此方案3从充电负荷和放电容量两方面缓解供电压力，平滑联络线功率波动。

图4 联络线功率

4 结束语

电动汽车与可再生能源发电系统在微电网内有机集成，现有规划简化电动汽车模型，忽略电动汽车充放电引导策略，具有很强的局限性。为此，本文综合考虑多能互补特性与微电网经济性，提出考虑车网互动的微源容量优化策略，通过设置不同电动汽车引导策略对规划方案进行对比，探究车网互动对微电网规划的影响。结果表明考虑车网互动的微电网规划方案可以有效降低微电网投资成本与联络线波动率，其在峰时段拥有更为灵活的可调度容量，调节电动汽车有序充放电与可再生能源发电特性一致，可以有效实现源-荷协同，降低微电网对储能配置的依赖，减少微电网成本，提高可再生能源的消纳水平。