计及电动汽车和风电出力不确定性的随机经济调度

第34卷　第20期2010年10月25日Vol.34　No.20Oct.25,2010

赵俊华1,文福拴1,薛禹胜2,董朝阳3,辛建波4

(1.浙江大学电气工程学院,浙江省杭州市310027;2.国网电力科学研究院/南京南瑞集团公司,江苏省南京市210003;

3.香港理工大学电机工程学系,香港;4.江西省电力科学研究院,江西省南昌市330006)

摘要:电动汽车和可再生能源发电的快速发展为电力系统的安全和经济运行带来了新的挑战。在

此背景下,构建了能够计及可入网电动汽车(plug-inelectricvehicle,PEV)和风电机组的不确定性的随机经济调度模型。首先采用随机仿真方法研究PEV的充电与放电功率的概率分布。之后,在假设风速服从Rayleigh分布的前提下,导出了风电机组出力概率分布的表达式。通过理论分析得到了风电机组和电动汽车接入网络(vehicletogrid,V2G)的电源出力的数学期望的解析表达式,并在此基础上,构建了电力系统随机经济调度模型。最后,以IEEE118节点系统为例说明了所提出的随机经济调度模型的基本特征。

关键词:风电机组;可入网电动汽车;随机经济调度

0　引言

经济调度(economicdispatch)是在计及一些电力系统安全约束的前提下,通过分配发电机组出力以最小成本满足负荷需求的一个基本问题[1]。传统的经济调度研究主要考虑常规的火电与水电机组。考虑到化石燃料对环境的破坏性影响,以可再生能源如风能为基础的发电技术,正在迅速扩大其市场份额。风力发电的益处是显而易见的,然而其固有的、显著的不确定性却给电力系统的安全和经济运行带来了新的挑战。考虑到风力发电规模的不断增大,在经济调度模型中,就需要适当计及风电机组的影响,尤其是其出力不确定性的影响。

可入网电动汽车的引入为电力系统的安全与经济运行带来了新的挑战。一般而言,电动汽车是完全或部分由电力驱动的。作为减少碳排放和减缓噪声污染的有效途径,电动汽车在全球汽车市场上所占份额日益提高。为了提高电动汽车的普及率,各国正在建造大量的充电设施,使电动汽车能够更方便地接入电力系统,以直接对电池进行充电。考虑到电动汽车充电行为的随机性,大量电动汽车接入会给电力系统的运行与控制带来显著的不确定性。

另一方面,可入网电动汽车也可以被当做储能装置使用。现有的研究工作表明绝大多数电动汽车在1日中的96%的时间里是被闲置的[2]。通过电

[3]

动汽车接入网络(vehicletogrid,V2G)技术,这

收稿日期:2010-08-03;修回日期:2010-09-14。

高等学校博士学科点专项科研基金资助项目(200805610020)。

些闲置的电动汽车可以在用电高峰期将电能放回电

力系统中。电动汽车也可以在风电机组不能发电时作为系统备用,从而减轻风能的间歇性对电力系统运行的影响。但是,为了充分利用可入网电动汽车的储能功能和备用功能,就需要深入研究计及电动汽车和风电机组的电力系统随机经济调度的模型与方法。

从数学上讲,经济调度是一个优化问题。已有大量文献采用各种优化方法来解决这一问题。这些

[4]

方法包括传统的数学规划方法,如线性规划和非

[5]

线性规划,以及各种现代启发式优化方法,如进化

[6][7][8][9]

规划、遗传算法、粒子群优化、模拟退火和差分进化算法[10]等。然而,现有的这方面的研究工作大多假定电力系统是确定性的,无法容纳电动汽车和风电机组内在的随机特性。

新的经济调度模型与方法必须能够合理计及电动汽车与风电机组的不确定性。目前已经提出了一些用于解决电力系统运行不确定性的方法。传统的做法是维持足够高的系统备用水平,以确保系统可

[11]

用发电容量总是超过负荷需求。文献[12]基于MonteCarlo仿真来设计计及风电机组出力不确定性的可行性约束。文献[13]则假设风电遵循Weibull分布,在此基础上通过数值积分计算风电成本。文献[14]以仿真方法和自回归滑动平均(ARMA)模型为基础来模拟风电出力的不确定性,之后构建了经济调度模型以考察风电机组对电力系统运行的影响。

在可入网电动汽车对电力系统安全和经济运行影响的研究方面目前还相当初步。现有的一些文献

·学术研究·　赵俊华,等　计及电动汽车和风电出力不确定性的随机经济调度

主要从经济角度分析电动汽车的成本或者收益[15-17]。文献[18]建立了一个计及有V2G功能的电动汽车的经济调度模型,但有2个方面的不足:①未考虑潮流约束;②假设系统中电动汽车的数量是确定的。

在上述背景下,本文构造了一个能同时计及电动汽车和风电机组出力不确定性的新的随机经济调度模型。首先发展了一种用于研究电动汽车随机充放电行为的仿真方法,然后导出了电动汽车和风电机组出力的概率分布。在此基础上,以整个系统中的总发电成本最小为目标构建了新的经济调度模型,其中针对电动汽车和风电机组引入了相应的约束。最后,采用IEEE118节点系统对所发展的随机经济调度模型进行了测试,说明了其合理性和有效性。

1　电动汽车和风电机组出力的概率分布

1.1　电动汽车充放电行为仿真

电动汽车的充电模式主要包括随车充电、更换电池和两者结合3种模式。这里仅考虑随车充电模式。由于大多数大规模电动汽车充放电设施还在建设之中,尚无法得到电动汽车充放电行为的充分而可靠的历史数据。因此,这里采用仿真方法研究电动汽车充放电行为的统计特征。

以日本丰田汽车公司制造的RAV4电动汽[19]

车为例进行研究。附录A表A1中给出了这种电动汽车的技术参数。假定电动汽车可分为3类,即公用的、私人的和可调度的。公用电动汽车是供公众使用的,这种电动汽车的重要特点是平均每天的行车时间相对较长,且在用电高峰时段也会使用。它们通常在非高峰时段充电,因而一般不作为V2G电源。

与公用电动汽车不同,私人电动汽车的运行方式比较灵活,且通常在1日的大部分时间中被闲置。因此,私人电动汽车较适合作为V2G电源。这里假设部分私人电动汽车会被其车主主动注册为可调度电动汽车。当然,车主会得到相应的经济回报。一旦电动汽车被注册,车主应确保其车辆只在非高峰时段充电,且需要在每天的特定时间将电池连接到电动汽车充放电设施上。在此期间,电力系统调度机构可以将这些可调度电动汽车用做电源,并在需要时对其进行调度。

这里还作了以下假定:1)电动汽车充电和放电功能是通过连接电池和电网的DC/AC变换器实现的。

2)电动汽车充/放电过程既能被车主手动控制,

在其连接到电网上时也能被调度部门远程控制。

3)每一类电动汽车都有其特定的充/放电时段,且只在这些时段内充/放电。

4)在充/放电时段内,具体的充/放电时间服从均匀分布。

5)根据文献[20],电动汽车的最大充/放电功率被设定为3.6kW。以该功率充电,丰田RAV4的电池可以在6h内充满。

基于上述假定,采用MonteCarlo仿真来研究电动汽车的充/放电行为。对于每辆电动汽车,首先根据其类型确定充电和放电时段。然后,在充/放电时段内随机选择它的充电和放电时间。充/放电时间由每天的平均行驶里程确定。这里假定电动汽车充电一旦开始,充电过程会一直持续到它的电池完全充满。类似地,可调度电动汽车向电网的供电时间也是随机确定的。在所有电动车的充/放电行为被随机确定后,可以方便地计算出所有电动汽车在1日的各个时段的总负荷水平和能够提供的总V2G功率。将这一过程重复N(N为充分大的整数)次,以获得总负荷水平和总V2G功率的概率分布。

有关的仿真结果将在后面的算例部分给出。仿真结果清楚地表明:电动汽车总负荷水平和总V2G输出功率都近似服从正态分布。这个结论是下文中理论分析的基础。由于一般负荷也服从正态分布,因此,从概率分析的角度看,电动汽车负荷的随机性和一般负荷的随机性给系统调度带来的影响是类似的。由于2种随机性都可以用正态分布模拟,因此可以方便地将电动汽车负荷和一般负荷的随机性合并考虑。1.2　风电机组出力的概率分布

在1.1节中讨论了电动汽车充放电的概率分布。本节将从风速分布和功率转换曲线出发得到风电的概率分布。已有的研究工作普遍表明风速服从

[13,21]

Rayleigh分布或Weibull分布。这里假定风速服从Rayleigh分布,(PDF)如下:

2(1)fV(V)=exp-2σ

式中:V为风速;σ为分布参数。

风电机组最大输出功率和风速的函数关系可以用附录A图A1所示的功率曲线表示。该曲线可以分为4个部分:当风速低于某一阈值,即切入风速时,风力涡轮机不能被驱动,因此,机组输出功率为0;当风速大于另一个阈值(切出风速)时,输出功率也将为0;当风速在切入风速和额定风速之间时,机组出力可近似地用风速的线性函数表示;当风速在额定风速和切出风速之间时,输出功率将是一个常

2010,34(20)　

数。因此,功率曲线的数学表达式为:

0V<vin,V>vout

W(VaV+bvin≤V≤vr(2)

wrvr<V≤vout

a=(3)

vr-vin

inr

b=-(4)

vr-vin

式中:vin,vr,vout,wr分别为切入风速、额定风速、切出风速和额定功率(额定风速下的输出功率)。

基于式(1)～式(4),可以得到风电机组出力的累积分布函数(CDF)如下: