微網(wǎng)下V2G技術(shù)經(jīng)濟(jì)性的分析與研究

郭曉麗，肖欣，張新松，顧菊平

（南通大學(xué)電氣工程學(xué)院，江蘇南通 226019）

微網(wǎng)下V2G技術(shù)經(jīng)濟(jì)性的分析與研究

郭曉麗，肖欣，張新松，顧菊平

（南通大學(xué)電氣工程學(xué)院，江蘇南通 226019）

隨著微網(wǎng)系統(tǒng)的不斷完善與發(fā)展，電動汽車作為可控負(fù)荷，逐步參與到了微網(wǎng)的聯(lián)合調(diào)度中。利用蒙特卡羅模擬法對電動汽車無序接入微網(wǎng)的充電負(fù)荷進(jìn)行計算，得到電動汽車無序接入后的負(fù)荷分布，驗(yàn)證電動汽車無序充電會對微網(wǎng)運(yùn)行造成很大的壓力，且成本較高?；诖?，以一個辦公場所內(nèi)的微網(wǎng)系統(tǒng)為研究對象，提出了一個對電動汽車進(jìn)行3層控制的充放電策略，建立了基于V2G模式的充放電模型。對所建模型采用一種變慣性權(quán)值的粒子群算法進(jìn)行優(yōu)化求解，使算法全局和局部搜索能力更強(qiáng)。通過得到各機(jī)組的組合出力情況，對整個辦公場所的用電成本進(jìn)行對比分析。結(jié)果表明，將電動汽車以V2G模式接入微網(wǎng)更具經(jīng)濟(jì)性。

蒙特卡羅模擬；V2G；粒子群

隨著分布式能源的不斷發(fā)展，微網(wǎng)作為一種新型的發(fā)電系統(tǒng)，將分布式能源與負(fù)荷、儲能裝置緊密地聯(lián)系在一起。同時，電動汽車作為一種新能源汽車，可在很大程度上降低交通系統(tǒng)對環(huán)境的污染，因此越來越受到國家和政府的支持[1]。然而，大規(guī)模電動汽車無序接入電網(wǎng)，將給電網(wǎng)的可靠運(yùn)行帶來了毀滅性的影響[2]。隨著電動汽車入網(wǎng)（vehicleto-grid，V2G）技術(shù)的提出，將大大緩解這一難題。所謂V2G[3]，即電動汽車動力電池作為分布式儲能裝置，不僅可從電網(wǎng)補(bǔ)充電能，還可在用電高峰期時將電動汽車動力電池中的能量注入電網(wǎng)，實(shí)現(xiàn)能量的雙向流動，從而在很大程度上減少備用需求，提升電網(wǎng)運(yùn)行的經(jīng)濟(jì)性[4-5]。

因此，將可入網(wǎng)電動汽車引入微網(wǎng)，參與微網(wǎng)系統(tǒng)的聯(lián)合調(diào)度將是未來的一個發(fā)展趨勢。電動汽車無序充電的負(fù)荷將給電網(wǎng)帶來很大的沖擊，應(yīng)該采取有效措施對電動汽車充放電進(jìn)行合理的調(diào)度，將影響降到最低。合理有效的控制與調(diào)度方法是目前研究的關(guān)鍵[6]，文獻(xiàn)[7-8]建立了計及電動汽車和可再生能源協(xié)同調(diào)度的數(shù)學(xué)模型，驗(yàn)證了電動汽車參與調(diào)度可以有效平抑電網(wǎng)等效負(fù)荷波動。文獻(xiàn)[9]綜合考慮了運(yùn)行成本和污染物排放這2個目標(biāo)函數(shù)，結(jié)合IEEE標(biāo)準(zhǔn)測試系統(tǒng)采用NSGA-II算法進(jìn)行計算，但是微網(wǎng)與IEEE標(biāo)準(zhǔn)測試系統(tǒng)還存在著很大的差異，且再加入電動汽車，就使得差異更加顯著。

本文首先基于蒙特卡羅模擬法對電動汽車的充電負(fù)荷進(jìn)行計算，通過計算，得到電動汽車的充電負(fù)荷分布圖，驗(yàn)證電動汽車的無序加入會引起一些時段負(fù)荷的明顯上升，尤其在用電高峰時段。為了滿足負(fù)荷需求，如果增加發(fā)電容量，會導(dǎo)致整個電力系統(tǒng)的投資和運(yùn)行成本增加，為了解決這一問題，引入了更加經(jīng)濟(jì)環(huán)保的微網(wǎng)系統(tǒng)，以一個辦公場所內(nèi)的微網(wǎng)系統(tǒng)為研究對象，且通過V2G技術(shù)將電動汽車接入微網(wǎng)，在此基礎(chǔ)上建立了基于V2G模式的充放電模型，對所建模型采用一種新型的變慣性權(quán)值的粒子群算法進(jìn)行優(yōu)化求解，使算法的全局和局部搜索能力更強(qiáng)。通過得到各機(jī)組的組合出力情況，對整個辦公場所的用電成本進(jìn)行了比對分析。

1 V2G概述

電動汽車其本身所含有的電池，在電網(wǎng)中可以被看作儲能元件。電動汽車的電池在充電時，其電池將從電網(wǎng)中獲取電能；如果電動汽車暫無使用，其可以接入電網(wǎng)中，車主可以將電池中儲存的電能賣給電網(wǎng)[10-11]。V2G的概念也就由此而產(chǎn)生。但是當(dāng)前運(yùn)行或投建中的的充電站中，多數(shù)并不具備電動汽車反向傳輸電能的功能。電動車向電網(wǎng)輸出電能的技術(shù)已是當(dāng)前許多國家研究的熱點(diǎn)。V2G狀態(tài)下，電動車電池中存儲的電能在控制器的作用下，能夠與電網(wǎng)進(jìn)行互動。

V2G系統(tǒng)主由各分布式電源、儲能裝置、雙向的充放電控制裝置、電動汽車的電池管理系統(tǒng)（BMS）、智能電表、負(fù)荷等組成，其中雙向的充放電控制是V2G技術(shù)中的關(guān)鍵。當(dāng)前使用雙向智能充放電機(jī)來控制電網(wǎng)與電動車之間的能量流動。這種充放電設(shè)備有2種工作方式：充電模式和V2G模式。運(yùn)行在充電模式下時，電動車只進(jìn)行充電而不涉及其他操作；對應(yīng)的運(yùn)行在V2G模式時，電動車在充放電機(jī)的控制下與微電網(wǎng)進(jìn)行電能的雙向流動。

當(dāng)充放電站的規(guī)模到達(dá)一定程度時，就可以實(shí)現(xiàn)對電動汽車電池輸出功率大小和方向的控制，這是目前“智能電網(wǎng)技術(shù)”的重要組成部分，利用V2G技術(shù)，根據(jù)既定的充放電策略，在滿足電動汽車車主行駛需求和車主自主自愿的前提下，將剩余電能雙向可控的回饋到電網(wǎng)。由此可知，V2G具有如下幾個主要的功能：

1）可以減小本區(qū)域負(fù)荷的峰谷差。

2）響應(yīng)系統(tǒng)調(diào)頻。

3）可以作為該區(qū)域的應(yīng)急電源EPS。

4）可以改善因大規(guī)模接入分布式電源對電網(wǎng)所產(chǎn)生的擾動。

資料顯示，每輛電動車每天絕大多數(shù)時間都可以參與到V2G的調(diào)度中，即使在上下班的車輛運(yùn)行高峰期也有80%以上的電動車處于閑置狀態(tài)[12]。

2 微網(wǎng)系統(tǒng)結(jié)構(gòu)

當(dāng)前，對于微網(wǎng)的定義還沒有達(dá)成共識。其中美國CERTS對于微網(wǎng)定義最具權(quán)威性，其定義為：微網(wǎng)是由一些分布式電源和負(fù)荷所構(gòu)成的系統(tǒng)，可以實(shí)現(xiàn)電熱聯(lián)供；由電力電子器件實(shí)現(xiàn)能量之間的轉(zhuǎn)換。相比于大電網(wǎng)，微網(wǎng)僅僅是一個可以控制的負(fù)荷單元，同時又可以保障用戶用電的可靠性與用電電能質(zhì)量。

微網(wǎng)有好多種組成結(jié)構(gòu)，可依據(jù)實(shí)際需求靈活選配，在一些典型的微網(wǎng)組成結(jié)構(gòu)中主要包含了各種分布式電源、負(fù)載、電力電子元器件等相關(guān)設(shè)施。微網(wǎng)中的供電模塊主要由分布式電源提供。傳統(tǒng)的微網(wǎng)結(jié)構(gòu)中的負(fù)荷就是所供電對象即用戶側(cè)的使用負(fù)荷。在此，將微網(wǎng)系統(tǒng)和電動汽車這一可變負(fù)荷結(jié)合起來，增大了對微網(wǎng)的研究難度。

本文建立了一個小型的辦公場所內(nèi)的微網(wǎng)系統(tǒng)，其中包含有光伏電池、風(fēng)力發(fā)電機(jī)、微型燃?xì)廨啓C(jī)、燃料電池、蓄電池、電動汽車及基本負(fù)荷等的微網(wǎng)系統(tǒng)。其結(jié)構(gòu)圖如圖1所示。

3 模型建立及相關(guān)參數(shù)設(shè)置

3.1 優(yōu)化調(diào)度模型的建立

3.1.1 目標(biāo)函數(shù)

本文著重研究微網(wǎng)運(yùn)行過程中各分布式電源的經(jīng)濟(jì)調(diào)度，因此不考慮各分布式電源的初期投資建設(shè)成本，只考慮分布式電源的燃料成本和運(yùn)行維護(hù)成本；由于電動汽車為車主私人所有，故電動汽車的購買和維護(hù)由車主承擔(dān)，這部分費(fèi)用不計入微網(wǎng)運(yùn)行成本中[13-14]。因此，并網(wǎng)時微網(wǎng)運(yùn)行成本目標(biāo)函數(shù)包括分布式電源的燃料成本、運(yùn)行維護(hù)成本、微網(wǎng)向電動汽車購電成本、微網(wǎng)向大電網(wǎng)購電成本以及向大電網(wǎng)售電所得收益。因此表示為

式中：CM為微網(wǎng)總運(yùn)行成本；T為調(diào)度時間；Cfuel為分布式電源的燃料成本；COM為分布式電源的操作維護(hù)成本；Ptguid為微網(wǎng)與大電網(wǎng)之間的交換功率；C1為大電網(wǎng)電價；PtEV電動汽車輸出功率；C2為電動汽車與微網(wǎng)的電量交易價格；KiOM為各分布式電源的運(yùn)行維護(hù)系數(shù)；Pit為分布式電源在t時間內(nèi)的輸出功率。

圖1 微網(wǎng)系統(tǒng)結(jié)構(gòu)圖Fig.1 Structure of micro-grid system

由于風(fēng)力發(fā)電機(jī)和光伏電池不需要消耗燃料，故它們的燃料成本為0，因此燃料成本只有微型燃?xì)廨啓C(jī)和燃料電池。但是維護(hù)成本包括光伏電池、風(fēng)力發(fā)電機(jī)、燃料電池和微型燃?xì)廨啓C(jī)。

3.1.2 約束條件

1）功率平衡約束

式中：Ptd為微網(wǎng)內(nèi)負(fù)荷功率需求；PtMT，PtFC，PtWT，PtPV分別為微型燃?xì)廨啓C(jī)、燃料電池、風(fēng)機(jī)、光伏電池的輸出功率；PtEV為電動汽車放電功率；Ptgrid為微網(wǎng)與大電網(wǎng)交換的功率。

2）分布式電源輸出功率約束

3）電動汽車輸出功率

式中：PE（Vt）為電動汽車t時刻的輸出功率；分別為電動汽車的最小和最大輸出功率；SOCEV（t）為電動汽車在t時刻的SOC值；分別為電動汽車SOC的最小值和最大值。

3.2 電動汽車相關(guān)參數(shù)設(shè)置

以一個辦公場所內(nèi)的微網(wǎng)系統(tǒng)為研究對象，工作日，電動私家車主要作上、下班交通工具使用，使用高峰時間分別為7：00—9：00與17：00—19：00。對車主來說，可以選擇工作時間段在公司的停車場進(jìn)行常規(guī)充電，或者晚上回到家之后在住宅區(qū)進(jìn)行常規(guī)充電。但是，目前的研究下可以有2種接入模式，一種就是現(xiàn)階段的隨機(jī)充電，即電動車車主一到公司，就將電動汽車接入微電網(wǎng)進(jìn)行充電，直到充滿電為止；另一種則是將電動汽車以V2G的模式接入微電網(wǎng)，在用電高峰時段，充當(dāng)蓄電池，對整個辦公場所的用電量進(jìn)行一個適當(dāng)?shù)难a(bǔ)充，如果還不能滿足需求，則從大電網(wǎng)購電。

3.3 其他相關(guān)參數(shù)設(shè)置

假設(shè)電動汽車的容量為60 kW·h，除去其行駛所需電能，可向微網(wǎng)提供的容量為40 kW·h。蓄電池的容量為50 kW·h[15-18]。微網(wǎng)中各分布式電源的參數(shù)如表1所示。

表1 各分布式電源的參數(shù)Tab.1 Parameters of distributed power

本文所研究的微網(wǎng)系統(tǒng)發(fā)電主要是用來滿足整個公司的用電負(fù)荷需求的。在某典型的微網(wǎng)系統(tǒng)日負(fù)荷數(shù)據(jù)的情況下，通過matlab軟件擬合的曲線如圖2所示。由圖2可知，一天24 h內(nèi)用電高峰時段出現(xiàn)在13：00—15：00，峰值在140 kW左右，該研究就是建立在這樣的用電負(fù)荷基礎(chǔ)上。依據(jù)3.1節(jié)所述的微網(wǎng)所含電源特性可知，風(fēng)力發(fā)電機(jī)、光伏電池受到天氣條件的影響較大，對于電網(wǎng)的供電情況有著一定的波動性。所以，在微網(wǎng)優(yōu)化調(diào)度方面，一般認(rèn)為風(fēng)力發(fā)電機(jī)和光伏電池為不可調(diào)動機(jī)組，在這樣的前提下將其視為負(fù)的負(fù)荷處理，本研究的調(diào)度策略為優(yōu)先考慮分布式電源的出力，如果還是不能滿足負(fù)荷需求，則由電動汽車一起參與發(fā)電。

圖2 某公司微網(wǎng)日負(fù)荷曲線Fig.2 Daily loading curve of a company

4 算法研究及分析

4.1 算法研究

由于傳統(tǒng)的粒子群算法具有“早熟”等缺陷，為了增加其全局尋優(yōu)能力和對不同優(yōu)化問題的適應(yīng)度，本文針對微網(wǎng)優(yōu)化調(diào)度模型采用了變慣性權(quán)值的粒子群算法，在基本粒子群算法上，采用隨迭代次數(shù)線性減小的慣性權(quán)值如：

式中：Wmax、Wmin分別為W在迭代過程中的最大值、最小值，也是W在優(yōu)化開始時和優(yōu)化結(jié)束時的取值，文獻(xiàn)[20]等經(jīng)過大量實(shí)驗(yàn)計算發(fā)現(xiàn)，取值Wmax=0.9，Wmin=0.4時，粒子群算法的性能會大大提高，相比較基本粒子群算法，其收斂速度和求解精度都將更高，k是當(dāng)前的迭代次數(shù)；K為最大迭代次數(shù)。該算法有利于在尋優(yōu)前期擴(kuò)大搜索范圍，在后期加強(qiáng)對局部區(qū)域的收斂能力。改進(jìn)粒子群算法的算法流程圖如圖3所示：

圖3 優(yōu)化算法流程圖Fig.3 Flow chart of optimization algorithm

4.2 電動汽車無序充電負(fù)荷計算

一般情況下，電動汽車車主一到單位隨即進(jìn)行充電，且充電行為不受控，那么對其充電負(fù)荷計算的結(jié)果如圖4所示。由圖4可知，原始的對大電網(wǎng)內(nèi)不受控的電動汽車進(jìn)行充電，會在早上上班高峰時段8：00—9：00出現(xiàn)一個充電負(fù)荷最大值，充電時間為8：00—11：00，最大負(fù)荷大約為90 kW，參照圖2可知，電動汽車的這一充電負(fù)荷相當(dāng)于整個辦公樓所有負(fù)荷的一半以上，這對整個辦公場所來說，并不是一個小的負(fù)荷，這個突然增加的負(fù)荷會對大電網(wǎng)的供電可靠性產(chǎn)生很大的威脅，因此需要對其充電行為進(jìn)行一定的限制，對其進(jìn)行有效的調(diào)度將顯得尤為重要。結(jié)合圖2和圖4可知，辦公場所內(nèi)一天內(nèi)的用電量非常多，如果全部從大電網(wǎng)購入，將是一筆不小的開支，而且突然增加這么多的負(fù)荷，為了保障電力系統(tǒng)的可靠運(yùn)行，就必須增加其裝機(jī)容量，這對于企業(yè)來說，又是一筆不小的開支。因此，本文提出了更加環(huán)保、經(jīng)濟(jì)的微網(wǎng)系統(tǒng)。

圖4 不受控的電動汽車充電功率圖Fig.4 Uncontrolled charging power of the electric vehicle

4.3 含電動汽車的微網(wǎng)優(yōu)化結(jié)果本文

采用變慣性權(quán)值的粒子群算法對本文提出的微網(wǎng)優(yōu)化調(diào)度模型進(jìn)行求解，得出優(yōu)化后的各機(jī)組的出力情況如圖5所示。

圖5 各機(jī)組出力圖Fig.5 Output diagram of each unit

由圖5可知，在其他任意機(jī)組均不供電的情況下，且負(fù)荷較低時，均是由燃料電池供電，而且在一天24 h內(nèi)，燃料電池幾乎都是以最大功率在輸出功率，由此可見燃料電池的成本最低，系統(tǒng)優(yōu)先安排其出力。當(dāng)負(fù)荷需求逐漸增大時，燃料電池的出力滿足不了負(fù)荷需求時，安排微型燃?xì)廨啓C(jī)出力，這樣就說明微型燃?xì)廨啓C(jī)的運(yùn)行成本僅次于燃料電池，但是相比較而言，又比其他分布式電源高。當(dāng)?shù)搅松习鄷r間，用電負(fù)荷逐步增多，且員工大多數(shù)都已經(jīng)到了公司，電動汽車也已經(jīng)接入電網(wǎng)，聽候調(diào)度，大約從9：00開始，燃料電池和微型燃?xì)廨啓C(jī)都是以最大的功率在進(jìn)行輸出，這時電動汽車逐步參與進(jìn)來，在大約10：00就已經(jīng)以最大功率進(jìn)行出力，這就說明優(yōu)先安排電動汽車對電能進(jìn)行補(bǔ)充，可以一定程度上節(jié)約成本，其成本僅次于燃料電池和微型燃?xì)廨啓C(jī)。但是，隨著負(fù)荷的不斷增加，還不能滿足負(fù)荷需求，并且出于對電動汽車電池的保護(hù)，電動汽車的放電將被截止，轉(zhuǎn)由柴油發(fā)電機(jī)進(jìn)行供能，但是在12：00—16：00之間，由于負(fù)荷水平已經(jīng)超出了分布式電源和電動汽車的供電水平，剩余的電能將從大電網(wǎng)吸收。由此可見，向大電網(wǎng)購電成本是最高的，因此優(yōu)先對其他的供電設(shè)備進(jìn)行調(diào)度。而電動汽車車主將選擇回家后，利用用電低谷的電價對電動汽車進(jìn)行滿電充電，以滿足第二天的能耗需求。通過圖5各機(jī)組的出力，對其發(fā)電成本進(jìn)行了一個大體計算，其計算結(jié)果如圖6所示。

圖6 電動汽車參與微網(wǎng)調(diào)度的成本圖Fig.6 Cost of electric vehicle in micro-grid scheduling

由圖6不難計算出一天24 h內(nèi)該企業(yè)的用電成本，現(xiàn)將進(jìn)行3種不同的分析：

1）企業(yè)不采用微網(wǎng)系統(tǒng)，所用電能全部由大電網(wǎng)提供。

2）企業(yè)采用微網(wǎng)系統(tǒng)，所有的電動汽車均不參與調(diào)度。

3）企業(yè)在采用微網(wǎng)系統(tǒng)的基礎(chǔ)上，將員工的電動汽車采用V2G模式接入電網(wǎng)，參與整體的調(diào)度。

通過計算可知，如果該企業(yè)全部向大電網(wǎng)購電，其成本相比后兩者而言要高出好幾倍，因此發(fā)展微網(wǎng)很有必要，不僅可以提供供電可靠性，還可以降低成本。而在V2G模式下的電動汽車接入電網(wǎng)，也會一定程度上節(jié)省開支，雖然節(jié)省的數(shù)值不是很多，但是因?yàn)樵撗芯窟x取的對象為一個辦公樓，對象較少，放眼社會，可以大大降低企業(yè)或者個人的購電成本，因此對其深入的研究就顯得特別重要。

5 結(jié)語

以V2G模式將電動汽車接入微網(wǎng)，可有效節(jié)省開支。本文通過一個簡單的辦公場所內(nèi)的微網(wǎng)系統(tǒng)，根據(jù)其日負(fù)荷曲線，來優(yōu)化各機(jī)組的出力，以成本最低為原則，最終得到3組數(shù)據(jù)的對比，結(jié)果顯示對含電動汽車的微網(wǎng)進(jìn)行調(diào)度，將會大大降低企業(yè)的用電成本。

[1]陳良亮，張浩，倪峰，等.電動汽車能源供給設(shè)施建設(shè)現(xiàn)狀與發(fā)展探討[J].電力系統(tǒng)自動化，2011，35（14）：11-17.CHEN Liangliang，ZHANG Hao，NI Feng，et al.Present situation and development trend for construction of electric vehicle energy supply infrastructure[J].Automation of Electric Power Systems，2011，35（14）：11-17（in Chinese）.

[2]高賜威，張亮.電動汽車充電對電網(wǎng)影響的綜述[J].電網(wǎng)技術(shù)，2011，35（2）：127-131.GAO Ciwei，ZHANG Liang.A survey of influence of electrics vehicle charging on power grid[J].Power System Technology，2011，35（2）：127-131（in Chinese）.

[3]KEMPTON W，TOMI? J.Vehicle-to-grid power fundamentals：calculating capacity and net revenue[J].Journal of power sources，2005，144（1）：268-279.

[4]劉曉飛，張千帆，崔淑梅.電動汽車V2G技術(shù)綜述[J].電工技術(shù)學(xué)報，2012，27（2）：121-127.LIU Xiaofei，ZHANG Qianfan，CUI Shumei Review of electric vehicle V2G technology[J].Transactions of China Electrotechnical Society，2012，27（2）：121-127（in Chinese）.

[5]MARA F，SACCHETTI D，TRAEHOLT C，et al.Electric vehicle requirements for operation in smart grids[C]//2011 2nd IEEE PES International Conference and Exhibition on Innovative Smart Grid Technologies，UK：IEEE Press，2011：1-7.

[6]趙俊華，文福拴，楊愛民，等.電動汽車對電力系統(tǒng)的影響及其調(diào)度與控制問題 [J].電力系統(tǒng)自動化，2011，35（14）：2-10.ZHAO Junhua，WEN Fushuan，YANG Aimin，et al.Impacts of electric vehicles on power systems as well as the associated dispatching and control problem[J].Automation of Electric Power Systems，2011，35（14）：2-10（in Chinese）.

[7]楊永標(biāo)，黃莉，徐石明.電動汽車換電商業(yè)模式探討[J].江蘇電機(jī)工程，2015（3）：19-24 YANG Yongbiao，HUANG Li，XU Shiming.A discussion on battery-swapping commercial mode of electric vehicles [J].Jiangsu Electrical Engine ering，2015（3）：1 9-24（in Chinese）

[8]于大洋，宋曙光，張波，等.區(qū)域電網(wǎng)電動汽車充電與風(fēng)電協(xié)同調(diào)度的分析[J].電力系統(tǒng)自動化，2011，35（14）：24-29.YU Dayang，SONG Shuguang，ZHANG Bo et al.Synergistic dispatch of PEVs charging and wind power in chinese regionalpower grids[J].Automation of Electric Power Systems，2011，35（14）：24-29（in Chinese）.

[9]RAJKUMAR M，MAHADEVAN K，KANNAN S，et al.NSGA-II technique for multi-objective generation dispatch of thermal generators with nonsmooth fuel cost functions [J].Journal of Electrical Engineering& Technology，2014，9（2）：423-432.

[10]LLYANAGE K M.Impacts of communication delay on the performance of a control scheme to minimize power fluctuations introduced by renewable generation under varying V2G vehicle pool size[C]//1st IEEE International Conference on Smart Grid Communications.Natl Inst Sci& Technol，Gaithersburg，MD IEEE，2010：85-90.

[11]GALUS M D，LA FAUCI R，ANDERSSON G.Investigating pHEV wind balancing capabilities using heuristics and model predictive control[C]//Power and Energy Society General Meeting，2010：1-8.

[12]HUTSON C，VENAYAGAMOORTHY G K，CORZINE K A.Intelligent scheduling of hybrid and electric vehicle storage capacity in a parking lot for profit maximization in grid power transactions[C]//Energy 2030 Conference，2008：1-8.

[13]趙爭鳴，劉建政，孫曉英，等.太陽能光伏發(fā)電及應(yīng)用.北京：科學(xué)出版社，2005，27-29.

[14]SAHA，A K，CHOWDHURY S，CHOWDHURY S P，et al.Modelling and simulation of microturbine in islanded and grid-connected mode as distributed energy resource[C]//Proceedingsofpowerand Energy Society General Meeting.Pittsburgh，PA：IEEE PES，2008：4091-4097.

[15]楊瀟，王楠，胡文平，等.含風(fēng)、光、儲、熱的微網(wǎng)實(shí)驗(yàn)系統(tǒng)建設(shè) [J].電力信息與通信技術(shù)，2016，14（6）：89-93.YANG Xiao，WANG Nan，HU Wenping，et al.Development of microgrid experiment system for wind and photovoltaic generation，energy storage devices and ground source heat pump[J].Electric Power Information Technology，2016，14（6）：89-93（in Chinese）.

[16]胡文平，何立夫，陳杰軍.考慮大規(guī)模電動汽車接入電網(wǎng)的雙層優(yōu)化調(diào)度策略[J].電力系統(tǒng)保護(hù)與控制，2016，44（21）：22-28.HU Wenping，HE Lifu，CHEN Jiejun.A bi-layer optimization based schedule considering large-scale electric vehicles[J].Power System Protection and Control，2016，44（21）：22-28（in Chinese）.

[17]張樂平.基于動態(tài)規(guī)劃的電動汽車用戶側(cè)充電優(yōu)化方法[J].電網(wǎng)與清潔能源，2013，29（8）：117-121.ZHANG Leping.Customer-side optimization method of EV charging based on dynamic programming[J].Power System and Clean Energy，2013，29（8）：117-121（in Chinese）.

[18]許健，劉念，于雷，等.計及重要負(fù)荷的工業(yè)光伏微電網(wǎng)儲能優(yōu)化配置[J].電力系統(tǒng)保護(hù)與控制，2016，44（9）：29-37.XU Jian，LlU Nian，YU Lei，et a1.Optimal allocation of energy storage system of PV microgrid for industries considering important load[J].Power System Protection and Control，2016，44（9）：29-37（in Chinese）.

[19]劉耀輝，張宇，王育飛.基于超級電池電動汽車功率需求的V2G最優(yōu)時段與電價研究[J].電力與能源，2016，37（2）：218-222.LIU Yaohui，ZHANG Yu，WANG Yufei.V2G optimal time and electricity price based on superbattery electric vehicle power demand[J].Power and energy，2016，37（2）：218-222（in Chinese）.

（編輯 董小兵）

Analysis and Research on Economy of V2G Technology under the Micro-Grid

GUO Xiaoli，XIAO Xin，ZHANG Xinsong，GU Juping
（College of Electrical Engineering，Nantong University，Nantong 226019，Jiangsu，China）

With the development of the micro-grid system，the electric vehicle is gradually involved in the joint operation in micro-grid as a variable load.In this paper，the method of Monte Carlo simulation is used to calculate the charging load of the electric vehicle,and the loading distribution of the electric vehicle is obtained.And the calculation results show that the disordered charging of electric vehicles causes great pressure on the operation of the power grid and increases the cost.In order to solve this problem,a charging and discharging strategy is proposed for the three-layer control of electric vehicles，on the basis of the strategy，a charging and discharging model has been built based on V2G mode,and the particle swarm optimization algorithm is used to solve the model.The results show that the access of electric vehicles to micro-grid in V2G mode is more economical.

Monte Carlo simulation；V2G；PSO

2016-06-02。

郭曉麗（1971—）女，碩士，副教授，長期從事電力系統(tǒng)分析、電力工程、電能質(zhì)量的分析與檢測、自動化控制等方面的教學(xué)及科學(xué)研究工作；

肖 欣（1990—）女，碩士研究生，主要研究方向?yàn)殡妱悠嚰拔⒕W(wǎng)調(diào)度；

張新松（1980—）男，博士，副教授，主要從事電力系統(tǒng)運(yùn)行控制、可再生能源發(fā)電技術(shù)等領(lǐng)域的研究工作.

國家自然科學(xué)基金（61673226，51407097）；江蘇省高校自然科學(xué)研究項目（16KJB470014）。

Project Supported by the National Natural Science Foundation of China（61673226，51407097）；the Natural Science Foundation of Jiangsu Province（16KJB470014）.

1674-3814（2017）03-0043-06

TM73

A