计及电动汽车和风电出力不确定性的随机经济调度(3)

·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

图1　接入与不接入电动汽车的负荷曲线对比(节点59)Fig.1　LoadcurveswithandwithoutPEVs(Bus59)

图2～图4给出了在00:00—01:00,11:00—12:00和19:00—20:00这3个时段的最优调度方案。在这些图中,W24和P59分别表示接入节点24的风电机组和节点59的V2G电源;其余依此类推

。

　　从图2～图4可以清楚地看到,在这3个时段

风电机组的输出都非常接近其容量。这主要是因为和传统发电机与V2G电源相比,风机的直接成本是非常低的。另一方面,由于V2G电源具有相对较高的直接成本,其实际输出功率远小于其容量。在图2中,由于假设所有可调度电动汽车只会在用电低谷时段被调度,因此各节点的V2G容量都为0。

而如图5所示,如果将V2G电源的直接成本和低估惩罚成本系数分别改为30美元/(MW·h)和50美元/(MW·h),其输出功率会显著提高,并接近其最大输出功率。因此,可以通过改变V2G电源的直接成本(即支付给电动汽车车主的成本)和低估惩罚成本来控制V2G电源的输出功率。利用V2G电源有一个矛盾之处:一方面,为了吸引更多的可调度电动汽车并增加系统的V2G电源容量,需要一个较高的直接成本;而另一方面,从调度的角度看,较高的直接成本会降低V2G电源的实际输出,造成资源浪费

。

图2　各机组在00:00—01:00时段的最优

有功输出功率

Fig.2　Optimalactivepoweroutputsin00:00—01:

图5　各机组在11:00—12:00时段的最优有功输出功率

(Ce,i=30美元/(MW·h),Ce,u,i=50美元/(MW·h))Fig.5　Optimalactivepoweroutputsin11:00—12:00(Ce,i=30＄/(MW·h),Ce,u,i=50＄/(MW·h))

图3　各机组在11:00—12:00时段的最优

有功输出功率

Fig.3　Optimalactivepoweroutputsin11:00—12:

为了分析所发展的随机经济调度模型的统计特

性,下面考察概率分布参数σ和对最优调度方案的影响。从图6可以看出,当σ增大时,风机的最优有功输出功率也随之增加。由于σ正比于预测风速,因此可以得出风机的最优有功输出功率也正比于预测风速的结论

。

图4　各机组在19:00—20:00时段的最优

有功输出功率

Fig.4　Optimalactivepoweroutputsin19:00—20:00

图6　风力机组的最优有功输出功率与

分布参数σ的关系

Fig.6　Windpoweroutputsfordifferentscale

parameterσ's

2010,34(20)　

　　图7给出了最优V2G有功输出功率与V2G电源容量的标准差之间的函数关系。一般而言,V2G的最优输出会随着的增加而减少。仿真结果清晰地表明V2G电源容量的不确定性对V2G电源的调度有负面影响。这是因为一旦V2G电源实际不能发电而需要调度系统备用容量发电时,就需要承担较高的高估惩罚成本。因此,为了充分利用电动汽车的储能功能,必须要有一个合适的市场机制来保证V2G电源的总容量是稳定且可预测的

。

力系统的负荷,又可以在必要时成为电源。然而,到目前为止,在V2G电源对电力系统安全和经济运行的影响方面的研究还相当初步。在此背景下,本文建立了一个新的随机经济调度模型以计及电动汽车与风电机组出力的不确定性。首先导出了电动汽车和风电机组的出力水平的概率分布,之后得出了电动汽车和风电机组的生产成本均值的解析表达式,在此基础上建立了随机经济调度模型。IEEE118节点系统的仿真结果表明了所发展的模型是可行和有效的。为本文所构造的优化模型发展更加有效的求解算法将是下一步需要研究的问题。

附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。

参考文献

[1]EL-HAWARYME,CHRISTENSENGS.Optimaleconomic

operationofelectricpowersystem.NewYork,NY,USA:

图7　V2G电源的最优有功输出功率与

分布参数的关系

Fig.7　V2Gpoweroutputsfordifferentstandard

deviation 's

AcademicPress,1979.[2]KEMPTONW,

LETENDRES.Electricvehiclesasanew

powersourceforelectricutilities.TransportationResearch:PartD,1997,2(3):157-175.[3]KEMPTON

TOMIC

J.Vehicle-to-grid

power2005,

implementation:fromstabilizingthegridtosupportinglarge-scalerenewableenergy.JournalofPowerSources,144(1):280-294.

[4]GRANVILLES.Optimalreactivedispatchthroughinterior

pointmethods.IEEETransonPowerSystems,1994,9(1):136-146.

[5]CHENCL,WANGSC.Branch-and-boundschedulingfor

thermalgeneratingunits.IEEETransonEnergyConversion,1993,8(2):184-189.[6]YANGHT,

YANGPC,

HUANGCL.Evolutionary

programmingbasedeconomicdispatchforunitswithnonsmoothfuelcostfunctions.IEEETransonPowerSystems,1996,

为分析支路潮流约束对于调度结果的影响,在

图8中给出了计及与不计及支路潮流约束情况下最优调度方案的对比结果

。

图8　支路潮流约束对最优调度结果的影响Fig.8　Impactsofbranchpowerflowlimitsonthe

optimaldispatchresults

11(1):112-118.[7]BAKIRTZISA,

PETRIDIS

KAZARLIS

S.Genetic

algorithmsolutiontotheeconomicdispatchproblem.IEEProceedings:Generation,TransmissionandDistribution,1994,141(4):377-382.

[8]SELVAKUMARAI,THANUSHKODIK.Anewparticle

swarmoptimizationsolutiontononconvexeconomicdispatchproblems.IEEETransonPowerSystems,2007,22(1):42-51.

[9]CHENCL.Simulatedannealing-basedoptimalwind-thermal

coordinationscheduling.IETGeneration,TransmissionandDistribution,2007,1(3):447-455.[10]COELHOLS,

MARIANIVC.Combiningofchaotic

differentialevolutionandquadraticprogrammingforeconomicdispatchoptimizationwithvalve-pointeffect.IEEETransonPowerSystems,2006,21(2):989-996.

[11]SODERL.Reservemarginplanninginawind-hydro-thermal

可以看出,就该算例系统而言,支路潮流约束对

于最优调度方案有一定的影响,但并不明显。计及支路潮流约束后,多数风电机组和V2G电源的输出功率有所减少。需要指出,不同的电力系统由于负荷轻重有别,支路潮流约束对于调度结果的影响程度也就不同。

4　结语

风力发电和电动汽车在电力系统中的逐步渗透和容量的不断增加给电力系统的安全与经济运行带来了严峻的挑战。应用V2G技术,电动汽车既是电

·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

powersystem.IEEETransonPowerSystems,1993,8(2):1345-1354.

[12]WANGJ,SHAHIDEHPOURM,LIZ.Security-constrained

unitcommitmentwithvolatilewindpowergeneration.IEEETransonPowerSystems,2008,23(3):1319-1327.

[13]HERTZERJ,YUDC,BHATTARAIK.Aneconomic

dispatchmodelincorporatingwindpower.IEEETransonEnergyConversion,2008,23(2):603-611.

[14]UMMELSBC,GIBESCUM,PELGRUME,etal.Impacts

ofwindpoweronthermalgenerationunitcommitmentanddispatch.IEEETransonEnergyConversion,2007,22(1):44-51.[15]KEMPTON

TOMIC

J.Vehicle-to-grid

power

fundamentals:calculatingcapacityandnetrevenue.JournalofPowerSources,2005,144(1):268-279.

[16]PETERSONSB,WHITACREJF,APTJ.Theeconomicsof

usingplug-inhybridelectricvehiclebatterypacksforgridstorage.JournalofPowerSources,2010,195(8):2377-2384.[17]ANDERSSONSL,ELOFSSONAK,GALUSMD,etal.

Plug-inhybridelectricvehiclesasregulatingpowerproviders:casestudiesofSwedenandGermany.EnergyPolicy,2010,38(6):2751-2762.

[18]SABERAY,VENAYAGAMOORTHYGK.Intelligentunit

commitmentwithvehicle-to-grid:acost-emissionoptimization.JournalofPowerSources,2010,195(3):898-911.

[19]KADUREKP,IOAKIMIDISC,FERRAOP.Electricvehicles

andtheirimpacttotheelectricgridinisolatedsystems//ProceedingsofInternationalConferenceonPowerEngineering,EnergyandElectricalDrives(POWERENG),March18-20,2009,Lisbon,Portugal:49-54.

[20]FLUHRJ,AHLERTKH,WEINHARDTC.Astochastic

modelforsimulatingtheavailabilityofelectricvehiclesforservicestothepowergrid//Proceedingsofthe43rdHawaiiInternationalConferenceonSystemSciences,January5-8,2010,Hawaii,USA:1-10.

[21]CELIKAN.Astatisticalanalysisofwindpowerdensitybased

ontheWeibullandRayleighmodelsatthesouthernregionofTurkey.RenewableEnergy,2003,29(4):593-604.[22]MOGHADDAS-TAFRESHI

three-phaseunbalanceddistribution

systems

M,flow

MASHHOURsolution

for

E.radial

Distributedgenerationmodelingforpowerflowstudiesanda

powerconsidering

distributed

generation.

ElectricPowerSystemsResearch,2009,79(4):680-686.[23]JABRRA,PALBC.Intermittentwindgenerationinoptimal

powerflowdispatching.IETGeneration,TransmissionandDistribution,2009,3(1):66-74.

赵俊华(1980—),男,现在博士后流动站从事研究工作,主要研究方向:电力系统分析与计算、智能电网、随机方法在

电力系统中的应用、电力经济与电力市场。E-mail:fuxiharp@gmail.com

文福拴(1965—),男,通信作者,特聘教授,博士生导师,主要研究方向:电力系统故障诊断、系统恢复和电力市场。E-mail:fushuan.wen@gmail.com薛禹胜(1941—),男,中国工程院院士,国网电力科学研究院名誉院长,博士生导师,主要研究方向:电力系统自动化。E-mail:xueyusheng@sgepri.sgcc.com.cn

PowerSystemStochasticEconomicDispatchConsideringUncertainOutputsfrom