基于分层分组的电动汽车负荷二次调频控制策略研究

马晓磊,段鹏飞,李中伟,白子扬,陆浩维

(1.国网新疆电力有限公司,新疆 乌鲁木齐 830000;2.国网新疆电力有限公司检修公司,新疆 乌鲁木齐 830000;3.哈尔滨工业大学电气工程及自动化学院,黑龙江 哈尔滨 150001)

0 引言

电动汽车是电力系统的一种新式负荷,具有储能特性好、灵敏度高和数量庞大等优点。电动汽车不仅是环保的出行用具,而且能够给电力系统带来形式多样的备用容量。目前,电动汽车参与电力系统调频方面有数量众多的文献,研究成果较为丰富。文献[1]考虑电动汽车充电负荷的时间和空间不确定性,提出1种融合电网、天气、车辆、充电设施等多源信息的,考虑用户出行行为和充电需求的电动汽车充电负荷时空分布预测模型。文献[2]提出利用巴特沃斯滤波器对调频信号作一定处理,将所得频率较高部分应用在电动汽车上,由当前电池荷电状态(state of charge,SOC)决定如何对功率作出调整,并通过构建仿真模型对所提方案进行验证。文献[3]提出1种考虑配电网堵塞情况下的集群电动汽车参与二次调频措施。该措施不仅能够让电动汽车利用好自身的储能优势,而且不会给配电网带来不利影响。

现有研究很少顾及电动汽车参与调频时,电池运行状态变化对电池使用年限的影响,在控制电池的充电功率时同样很少顾及电动汽车所属者的充电需求。

针对上述研究的不足,本文在确定电动汽车参与二次调频基本参数基础上,充分考虑电池运行状态变化对电池使用年限的影响以及电动汽车所属者的充电需求,将电动汽车按照K-Means聚类方法进行聚类分组。本文提出基于分层分组的电动汽车二次调频控制策略和基于优先队列的调频容量分配方案。

1 电动汽车参与二次调频控制架构

当电动汽车参与电力系统二次调频时,如采用减少充电功率的方法或者向电网输送缺额电能的方法,则需要数量庞大的电动汽车。管理部门若需要对城市内的每辆电动汽车进行单独调控,则控制工作量大且过程复杂。针对上述问题,本文设计了分层式控制系统。电动汽车参与系统调频分层式控制架构如图1所示。

图1 电动汽车参与系统调频分层式控制架构

电动汽车参与系统调频分层式控制架构具体包括3层。

①第一层为区域电网能量管理系统与电动汽车参与系统调频管理系统。该层对每个发电厂的输出电能与电动汽车的电池运行状态进行调控,使电力系统达到功率平衡状态,并使电能质量达到较高水平。在当今电力系统中存在2种发电机组,分别是自动发电控制(automatic generation control,AGC)机组和非AGC机组[4]。非AGC机组出力受到发电安排制约。AGC机组能够依据当前指令,无需人为参与就可以改变出力[5]。实际应用中,电动汽车负荷群可近似实现AGC机组的功能。

②第二层为停车场与充电站负荷聚合商。聚合商包括停车场电动汽车负荷聚合商和充电站电动汽车负荷聚合商。该层起到承上启下的作用,能对电动汽车负荷的运行状态作出及时调控。这可以减少其与电动汽车之间相互交换的数据,使调控与通信的性能达到较高水平。

③第三层为电动汽车充电桩及其控制系统。该控制系统不仅能响应上层调控命令,而且可以采集调频过程中电动汽车负荷状态的各项指标。这些指标包括电动汽车电池蕴含电能量、车主不使用电动汽车期间所布置的希望电动汽车电池蕴含电能量、不使用的时限等。该控制系统将上述指标汇总上传至上层负荷聚合商。

2 电动汽车参与二次调频控制策略

2.1 电动汽车参与二次调频基本参数分析

电动汽车连接电网时具有不确定性,因此对于电动汽车的连接时刻与所期望的充电水平不能作出准确无误的判断。本文设定15 min为1个区间段,将1 d拆分成96个区间段。在每个区间段的起点与终点收集全部入网的电动汽车参数,如当前电池所含电能、充电功率等,同时对电动汽车进行分组。

在电动汽车负荷参与电力系统二次调频时,要将车主的使用需要放在首位,然后才决定是否参与调频。因此,本文按照电动汽车负荷群的电池电能和充电功率量的大小对电动汽车进行相应分组。如果电动汽车当前SOC高于车主期待值,则该电动汽车能够实现在不影响车主用车需求的情况下参与对电网的调频;如果电动汽车当前SOC没有达到期待值,在空闲的时间内可通过向电动汽车提供电能以使其达到车主的期待值。此电动汽车负荷可视为可控负荷,在满足车主期待值的条件下参与电网调频。如果电动汽车当前电能不足,即使在停车状态下不进行人为干预充电,也无法达到车主设置的期待值,则该电动汽车负荷不可以参与调频过程。电动汽车电能量变化是动态的过程,所以每隔15 min,调控系统会统计1次电动汽车电能含量,从而作出在下个15 min内其应运行在哪种状态的决策,以达到避免电动汽车过充的目的。控制过程依据式(1)作出相关决策。

(1)

式中:evi为电动汽车负荷;Si为电动汽车负荷此刻电池电能的含量;Sqi为电动汽车负荷期待的SOC;tzi为电动汽车负荷停车驻留的时间;Pi为电动汽车负荷此刻充电功率;EV1为电动汽车负荷可向电网输送的电能组;EV2为需要提高电动汽车负荷充电的功率组;EV3为无法改变电动汽车负荷充电的功率组。

美国辅助服务市场对AGC信号作出划分,将其分为高速动态信号与低速动态信号。前者适合各类受控负荷响应,后者适合参与调频的传统机组[6]。常规机组参与二次调频经常依赖于低阶滤波器,以降低区域控制偏差(area control error,ACE)信号中的噪声,并将改善后的ACE信号用于调控发电机组出力。如果分解ACE信号,将所得频率较高部分分配给电动汽车负荷群,不但能让电动汽车在响应AGC信号的过程中不存在过度充电与放电的情况,而且能够尽量降低转动惯量较大的发电机在响应快速信号的情况下,给汽轮机阀门与调速器带来的不利影响[7]。

传统二次调频控制策略利用比例积分控制器对ACE信号作出处理,并由低通滤波器处理得到调频信号。电动汽车负荷群负责对频率较高并且转变较快的部分作出回应。传统机组负责对频率较低的部分作出回应。低通滤波器的传递函数为[8]:

(2)

式中:ω为信号频率;n为滤波器阶数;ωc为截止频率。

电动汽车对实时性要求比较高,能够及时对频率较高部分作出回应,因而使系统频率质量达到较高水平[9]。

2.2 K-Means聚类算法对电动汽车的负荷聚类

在以往电动汽车参与电力系统调频的控制策略研究中,研究重点是调控单辆电动汽车,且容量分配的统计期限较长。此外,电动汽车充电行为具有较大不确定性,没有因人而异制定不同方案,电动汽车参与调频的容量未得到合理分配。为了弥补上述不足,在电动汽车即将参与系统调频时,本文选择K-Means聚类算法对电动汽车作出聚类处理。

聚类算法是1种多维度统计算法,能够根据输入样本的不同特征,对输入样本作分类处理。其中,K-Means聚类算法结构清晰简单,输出结果比较理想,是1种无需人为干预的算法。本文对电动汽车负荷群基于蒙特卡洛法进行仿真,并对其采用基于K-Means的聚类分析方法。

①在电动汽车负荷群之间任意选择1个负荷样本为初始样本中心,逐个测定负荷样本和最近1个聚类中心之间的距离。本文设具有n维参数的电动汽车负荷表达式为[xa1,xa2,…,xan]。其标准化处理如式(3)所示。

(3)

2个参数之间的距离如式(4)所示。

(4)

②在筛选出多个聚类中心之前,不断执行步骤①。

③按照距离最小的聚类中心归类全部的电动汽车负荷,输出对应的聚类分组。

④完成聚类之后,得出每组聚类的平均值,相应聚类的新聚类中心即为计算所得结果。

众多电动汽车负荷参数中,电动汽车负荷此刻SOC、此刻充电功率、预期SOC以及电动汽车负荷停留的时间,对电动汽车负荷的作用较为明显。

2.3 电动汽车负荷调频容量分配

①计算电动汽车负荷可用调频容量。

不同类型汽车能够供给的调频容量存在差异,所以有必要对不同类型汽车进行单独计算。本文假设功率流动的非负方向为电网向电动汽车输送电能。当高频事件出现在系统时,EV1和EV2电动汽车负荷群可以供给的调频容量最大值如式(5)所示。

(5)

式中:Pmax为电动汽车负荷的最大充电功率;Cap1为出现高频事件时EV1可以供给调频容量的上限;Cap2为发生高频事件时EV2可以供给调频容量的上限。

根据相同的分析过程,当低频事件出现在系统时,电动汽车负荷群可以供给调频容量的最大值的计算如式(6)所示。

(6)

式中:Cal1为出现低频事件时EV1可以供给调频容量的上限。

②电动汽车负荷调频容量的分配。

调度中心向电动汽车负荷聚合商下达调控指令。指令任务是需要负荷聚合商在时间段t内向调度中心供给调频容量。此时共有N辆电动汽车能够被负荷聚合商用于调频。本文利用聚类算法,对这些可以被利用的电动汽车作出聚类。其中:隶属EV1的电动汽车负荷聚合组共有N1辆电动汽车;隶属EV2的电动汽车负荷聚合组共有N2辆电动汽车。在t所属的时间划分开始时,需完成对每辆电动汽车相关参数的统计。

当高频事件发生时,聚镝增大EV2所辖电动汽车负荷聚合组的充电功率,并向个别EV1所辖电动汽车负荷聚合组输送电能。当低频事件发生时,聚镝让个别EV1所辖电动汽车负荷聚合组向电网输送电能,并累加全部EV1电动汽车负荷聚合组所能提供的调频备用容量。如果这一累加的结果无法匹配系统调频要求,则迅速减少EV2电动汽车负荷聚合组的充电功率。

一般而言,聚合组参与调频的形式多样,既可以是单一形式,又可以是组合形式。为减小电池的运行状态不断变化对电池使用年限产生的不利影响,本文提出基于负荷聚合组的控制策略。在处理不同的调频事件时,即使电动汽车负荷所在分组相同也无法供给相同的调频容量。在处理高频事件时,电动汽车负荷聚合组若含有较高的容量,则该组在处理低频事件时反而具有相对更少的容量,其调频容量在处理高低频事件上体现了互补特性。根据不同聚合组之间调频容量存在差异这一特性,需使调频容量较为充裕的调频组满容量参与调频,以此减少电动汽车电池运行状态的变化率。

当低频事件发生时,若此刻需要的调频备用容量比被选用的调频组可以供给的调频备用容量低,则配给其分组中的调频备用容量的计算如式(7)所示。

(7)

式中:u1为系统此刻要求的调频备用容量;S1,i为EV1中第i辆电动汽车电池中电能的状态;S1,iq为EV1中第i辆电动汽车负荷希望的SOC;γ1,i为第i辆电动汽车负荷调频信号系数;u1,i为EV1中第i辆电动汽车负荷调频容量;u2,i为EV2中第i辆电动汽车负荷调频容量;P2,i为EV2中第i辆电动汽车负荷此刻充电功率。

γ1,i为针对不同电动汽车负荷电池容量的差异,将基准定为其中电池容量较大的电动汽车负荷。将剩余电动汽车负荷电池容量除以基准容量,并作归一化处理的归一化计算式为:

(8)

式中:E1,i为EV1中第i辆电动汽车负荷电池容量;EB为选择的标准电动汽车负荷电池容量。

当高频事件发生时,若此刻盈余需要的调频备用比被选用的调频小组所能提供的调频备用低,则其分组中的调频备用容量分配如式(9)所示。

(9)

式中:ζ为电动汽车负荷电池中电能含量的最大值。

通过式(9),更大的调频任务将会被安排给可提供较大调频容量的电动汽车负荷。电动汽车负荷有几率因容量分配的问题发生过度充电的情况,从而导致此刻SOC无法达到用户所预设的值。因此,需要按照式(10)对容量分配设置附加约束。

(10)

式中:P1,ikmax为EV1中电动汽车负荷向电网输送电能的最大值;P1,icmax为EV1中电动汽车负荷充电功率的最大值;P1,icmin为EV2中电动汽车负荷充电功率的最小值;P2,icmax为EV2中电动汽车负荷充电功率的最大值;S2,iq为EV2中电动汽车预期SOC。

为使调频效果处于较高水准,由于功率损失存在于电池充放电过程中,本文假定电池承担功率损失。电动汽车电池SOC的计算如式(11)所示[10]。

(11)

式中:S1,i0为EV1中电动汽车的最初SOC;S2,i0为EV2中电动汽车的最初SOC;ηc为充电过程中的效率;ηd为放电过程中的效率。

在某个时间段内的电动汽车负荷参与二次调频控制策略流程如图2所示。

图2 电动汽车负荷参与二次调频控制策略流程图

3 算例分析

本文提出的电动汽车参与二次调频的电力系统机组-负荷模型如图3所示。

图3 电力系统机组-负荷模型

本文依据提出的电动汽车参与二次调频控制策略,对电动汽车作出分组、聚合和控制。负荷扰动模型如图4所示。

图4 负荷扰动模型

机组选择非再热式汽轮机组模型。发电机-负荷模型用一阶惯性环节模拟。本文依据恒定频率控制(flat frequency control,FFC)方式形成ACE信号。系统仿真参数如下。

系统基准容量为500 MW;系统基准频率为50 Hz;发电机惯性常数为20 M/s;负荷阻尼系数为1;调差系数为0.01;调速器时间常数为0.4 Tg/s;汽轮机时间常数为0.6 Tch/s;机组爬坡为0.05 pu/min;比例积分控制器参数为P=1、I=0.3;ACE计算时间常数为2 s;低通滤波器时间常数为90;ACE死区为0.005 pu;电动汽车通信时延为1 Te/s;频率偏差因子为21。

为了兼顾理论研究所需的硬件条件和时间条件,仿真试验所采用电动汽车负荷接入时间和相应的充电需求的随机生成模型是简化后的模型。理论上,只要生成的电动汽车数量足够大,则所生成的随机分布曲线相差不大。为了把仿真时间控制在3 h之内,在仿真时设电动汽车总量为4 000台。当前SOC起始值服从[0.4,0.9]的均匀分布,预期SOC服从正态分布N(0.7,0.05),且最大值为0.85、最小值为0.55。电动汽车电池容量及功率的参数来源于全美家庭电动汽车的相关资料。电动汽车具体参数如下。

电池容量为30 kWh;充电效率为0.9;放电效率为0.9;充电桩最大充放电功率为7 kW。

根据参数,能够计算出误差平方和受K-means聚类算法k值的影响程度。当k=4时,对应聚类分组的参数特性能够被电动汽车负荷聚类中心充分体现。因此在仿真验证中,本文设定k值为4。

为了证明系统频率控制动态特性受到所提控制策略的影响,本文对以下3种控制策略进行对照分析。

策略1:仅常规AGC机组参与系统调频,电动汽车不参与。

策略2:使用所提控制策略让电动汽车参与系统调频。

策略3:有电动汽车参与,但不用聚类分组对电动汽车作出处理,只作平均调配调频容量的处理。其中,频率较低的分量(周期不低于90 s)占79.7%。

3种控制策略对比如图5所示。

图5 3种控制策略对比

经过对比可知,不包含电动汽车的控制策略的调频效果不如包含电动汽车的控制策略的调频效果。由于使用策略2频率波动更低,故使用电动汽车负荷作为电力系统调频的一部分能够很好地改善系统频率特性。

电动汽车提供的调频容量曲线如图6所示。

图6 电动汽车提供的调频容量曲线

由图6可知,电动汽车电池运行状态改变的次数并不是无限制的,当投入较多容量参与一次频率事件调频后,电动汽车负荷无法迅速脱离当前频率事件,即无法及时向另一事件提供调频容量。但是电动汽车负荷参与系统二次调频的出力没有过多的损失。这证明了在参与电力系统调频方面所提控制策略可行。

为证明所提控制策略对电动汽车电池充放电状态改变的有效性,本文给出的采用不同调频控制策略、同一初始SOC的电动汽车负荷SOC变化曲线如图7所示。

图7 电动汽车负荷SOC变化曲线

经过对比可得,在实现相同调频成效的条件下,按照所提控制策略参与电力系统二次调频时,电动汽车负荷的电池运行状态变化率较小。这能延长电动汽车负荷电池的使用年限。

4 结论

本文提出了对电动汽车负荷使用K-Means聚类算法进行聚类分组并对单独分组进行控制的方法;在阐述电动汽车调频容量在不同频率事件下特征的基础上,给出了基于优先队列的调频容量分配方案以及计算电动汽车可用调频容量的方法;提出了基于分层分组的电动汽车负荷二次调频控制策略,降低了电池的运行状态不断变化对电池使用年限的影响。对所提控制策略采用无连接区域电力系统调频模型的仿真验证结果表明,在参与电力系统二次调频时,该控制策略有较大优势。本文的研究成果可以在一定程度上促进电动汽车这一特定负荷在电力系统调频领域的推广与应用。基于本文的下一步工作是研究电动汽车与空调、热水器、电暖器等温控负荷协同参与电力系统调频的控制策略。

电动汽车以其电池这种容性负荷参与电力系统调频,具有总体储能量大、控制相对简单和响应速度快等优点,可以较好地平抑风电、光伏发电的波动性和随机性,并与其他类型负荷形成互补。电动汽车参与电力系统调频在国外已有应用案例。随着我国新型电力系统的发展,其在国内市场具有广阔的发展潜力。根据目前的研究与应用现状,电动汽车在未来一段时间内可先在小型微网建立试点工程,以点带面,从而扩展规模直至推广到全国。