基于分時電價的可控型家電負(fù)荷優(yōu)化控制策略

針對微網(wǎng)中部分家電可控負(fù)荷不合理的用電行為，如空調(diào)高頻啟/停行為和電動汽車自主無序充放電行為，文中兼顧用戶的舒適度，利用電動汽車接入電網(wǎng)（V2G）的雙向交互能力，提出分時電價下家電可控負(fù)荷用電成本最小化的數(shù)學(xué)模型。以某區(qū)域的夏季室外大氣溫度為例，對比分析了在不同方案下的仿真結(jié)果，結(jié)果表明：文中提出的溫控模式在滿足用戶舒適度的前提下有效延長了空調(diào)壽命，并且引入的新型權(quán)重系數(shù)避免了電動汽車出現(xiàn)“高充低放”的現(xiàn)象，結(jié)果驗證了優(yōu)化方案的有效性。

【關(guān)鍵詞】微網(wǎng) 可控負(fù)荷 分時電價 空調(diào) 電動汽車

1 引言

微網(wǎng)是將分布式電源發(fā)電裝置，以及負(fù)荷、儲能裝置等有機結(jié)合形成一個單一可控單元并接入到電網(wǎng)的技術(shù)。微網(wǎng)中的可控負(fù)荷，包括空調(diào)、熱水器、冰箱、電動汽車等，約占總負(fù)荷的60%，是一類工作方式靈活可控、空間分布廣泛、時域便利的負(fù)荷。針對微網(wǎng)中可控負(fù)荷的可控性，對典型家電負(fù)荷（空調(diào)負(fù)荷、電動汽車負(fù)荷）進行相應(yīng)的控制調(diào)節(jié)，可以有效地縮小電網(wǎng)負(fù)荷的峰谷差，節(jié)約用戶的用電成本。

在夏季時段，空調(diào)負(fù)荷的急劇增加，導(dǎo)致了電網(wǎng)負(fù)荷高峰緊張。此外，在家電可控負(fù)荷中電動汽車保有量不斷增加，將電動汽車的存儲能量作為備用電源，對有效地緩解電網(wǎng)負(fù)荷緊張有著重要的作用。目前對電動汽車接入電網(wǎng)的研究主要包括有序充電控制和與電網(wǎng)的互動（vehicle to grid，V2G）[7]兩個方面，研究表明電動汽車不僅增加了電網(wǎng)的用電負(fù)荷，更重要的是電動汽車的動力電池可作為分布式儲能單元，與電網(wǎng)的能量管理系統(tǒng)進行通信，并受其控制，在電網(wǎng)負(fù)荷高峰時段對電網(wǎng)進行方向饋電行為，而在電網(wǎng)負(fù)荷低谷時段進行正向充電行為，進而實現(xiàn)電動汽車的動力電池與電網(wǎng)之間的能量轉(zhuǎn)換。然而沒有相應(yīng)的電價誘導(dǎo)和政府支持，容易導(dǎo)致用戶自主無序的充放電，從而增加電網(wǎng)負(fù)荷負(fù)擔(dān)，因此利用一些經(jīng)濟措施（如分時電價）誘導(dǎo)用戶有選擇地控制其負(fù)荷曲線，進而達到負(fù)荷側(cè)管理（demand side management，DSM）、優(yōu)化負(fù)荷波形、消峰平谷等目的，且可以盡可能地維持用戶用電舒適度在一個較高的水平。

本文對比分析不同的空調(diào)溫控模式，在確保用戶舒適度的前提下，減少對設(shè)備的損耗。此外，引入分時電價經(jīng)濟策略，誘導(dǎo)用戶在電網(wǎng)購電價峰值期間放電，在充電電價平、低值期間充電，以可控負(fù)荷（空調(diào)、電動汽車）總用電成本最小化為目標(biāo)，對可控負(fù)荷進行優(yōu)化控制。

2 空調(diào)溫控模式

假設(shè)住宅房屋模型及計算得到的房屋窗戶、墻壁等效面積等相關(guān)參數(shù)如表1所示。

假設(shè)整棟房屋在單位時間t內(nèi)由室外與室內(nèi)的溫度差而導(dǎo)致從室外搬到室內(nèi)的熱量為Qout-in，由空調(diào)的制冷熱量而導(dǎo)致從室內(nèi)搬到室外的熱量為Qin-out，因此單位時間內(nèi)整棟房屋內(nèi)的溫度變化與實際室外向室內(nèi)傳遞的熱量相關(guān)，具體計算如下：

式（10）中：UtEV為電動汽車在第t時段充放電的總成本；PtEV，c、PtEV，d分別為在第t時段內(nèi)電動汽車的充電功率和放電功率；sct、sdt分別為在第t時段電動汽車的充放電狀態(tài)因子；c1t、c2t分別為在第t時段電動汽車正向充電電價和反向放電電價，如圖2所示。

本文中采用的分時電價模式，將一天中充放電電價分為峰、平、谷三個階段。由圖2可見，充電電價在09：00～12：00和18：00～21：00為峰階段，13：00～17：00和21：00～24：00為平階段，01：00～08：00為谷階段；放電電價在08：00～12：00和16：00～21：00為峰階段，13：00～15：00和22：00～24：00為平階段，01：00～08：00為谷階段。

對電動汽車進行充放電時，電荷狀態(tài)很低的電動汽車有可能繼續(xù)向電網(wǎng)放電，電荷狀態(tài)很高的電動汽車有可能電網(wǎng)繼續(xù)向其充電，容易出現(xiàn)“高充低放”的現(xiàn)象。為了減少電池的損耗，本文引入權(quán)重系數(shù)βct和βdt，將電動汽車的電荷狀態(tài)被控制在[Ssocmin，Ssocmax]范圍內(nèi)，β取值如下所示：

式中：βct、βdt分別為電動汽車在時段t內(nèi)的充電系數(shù)和放電系數(shù)；Ssoct為時段t初電動汽車的電荷狀態(tài)；Ssocmax為最高電荷狀態(tài)；Ssocmin為最低電荷狀態(tài)。

本文引入權(quán)重系數(shù)后充放電功率分別為βctPtEV，c和βdtPtEV，d。由式（12）可知，電動汽車放電期間，當(dāng)電動汽車的電荷狀態(tài)最低，Ssoct=Ssocmin時，βdtPtEV，d=0，停止放電；電動汽車充電期間，當(dāng)電動汽車的電荷狀態(tài)最高，Ssoct=Ssocmax時，βctPtEV，c=0，停止充電。

4 可控負(fù)荷調(diào)度優(yōu)化決策模型

4.1 目標(biāo)函數(shù)

本文以空調(diào)負(fù)荷PAC和電動汽車充放電負(fù)荷、PEV，c、PEV，d為優(yōu)化變量，以這兩種可控負(fù)荷用電總成本最小為決策目標(biāo)：

4.2 約束條件

4.2.1 空調(diào)負(fù)荷約束條件

空調(diào)負(fù)荷約束條件包括室內(nèi)溫度約束和單位時間內(nèi)空調(diào)輸入功率約束兩個方面：

（1）室溫約束條件。

5 算例分析

5.1 不同溫控模式的結(jié)果分析

在本文算例中，一棟住宅房屋里有一臺空調(diào)和一輛電動汽車，以合肥市8月11日的室外大氣溫度為例，如圖3所示。

在空調(diào)恒輸入功率模式下，空調(diào)每小時的輸入功率恒為3kW，單位時間（1min）內(nèi)輸入功率為0.05kW，能效比為3，用戶期望室溫為26℃，允許誤差為±2℃，因此室內(nèi)舒適溫度范圍為[24℃，28℃]，室內(nèi)初始溫度設(shè)定為26℃，空調(diào)的初始狀態(tài)處于開啟狀態(tài)（σ=1），室溫變化如下：

分別對空調(diào)恒輸入功率和變輸入功率兩種溫控模式進行分析，兩種模式下的室溫控制結(jié)果和各小時內(nèi)的總輸入功率如圖4所示。由圖4可知，恒/變輸入功率兩種模式下，控制后一天平均室溫分別為26.37℃和26℃，一天24h總輸入功率分別為20.5kW和21.6kW。結(jié)合圖2中的電價數(shù)據(jù)，計算得到恒/變輸入功率兩種溫控模式下空調(diào)負(fù)荷產(chǎn)生的成本均分別為12.8884元和13.3350元。結(jié)果表明，恒輸入功率模式下，在滿足用戶的舒適度的前提下，空調(diào)一天24h的耗電量和分時電價下總用電成本均更少，但一天中空調(diào)的啟/停次數(shù)達到了145次，平均10min空調(diào)就啟/停一次，高頻率的更換空調(diào)的停啟狀態(tài)會嚴(yán)重降低其壽命。變輸入功率模式下，總輸入功率和總成本比恒輸入功率模式分別多出1.1kW和1.024元，一天中空調(diào)的啟/停次數(shù)為零，且室溫一直維持在26℃，相比于恒輸入功率的高頻啟停模式，變輸入功率的溫控模式更加可行。endprint

5.2 電動汽車負(fù)荷優(yōu)化結(jié)果分析

本文假設(shè)電動汽車8：00離家，18：00點到家，在離家期間不進行任何充放電行為，電動汽車電池容量為24kWh，其它相關(guān)參數(shù)如表2所示。

由于電動汽車在離家狀態(tài)中具體行程安排未知，因此為了簡化表達，8：00～18：00的電荷狀態(tài)表達如下：

文中電動汽車的充放電電價分為峰、平、谷三個階段，如圖2所示，對比圖中的電價數(shù)據(jù)，本文假設(shè)電動汽車在18：00～21：00期間對電網(wǎng)反向放電，在21：00～8：00期間正向充電。分別對電動汽車負(fù)荷優(yōu)化前后結(jié)果進行分析，電動汽車各時段的充放電功率和相應(yīng)的電荷狀態(tài)的變化曲線如圖5、6所示。

對比電動汽車負(fù)荷優(yōu)化前后的結(jié)果，一方面，圖5顯示優(yōu)化前電動汽車在放電期間放電并不完全，放電收益減少，這可能會導(dǎo)致總成本增多，而圖6顯示優(yōu)化后的放電更加完全，并且未超出電池最低電荷狀態(tài)的要求。

另一方面，圖5顯示電動汽車在21：00～24：00充電電價峰值期間的充電功率比1：00～08：00谷值期間更高，這會導(dǎo)致負(fù)荷峰上加峰，同時用戶充電成本也相應(yīng)增多，相比之下，圖6中優(yōu)化后各時段的充電功率更加合理。在空調(diào)變輸入功率溫控模式下，一天24h家電可控負(fù)荷的各項數(shù)據(jù)如表3所示。

根據(jù)表3中的負(fù)荷相關(guān)數(shù)據(jù)可知，優(yōu)化前、優(yōu)化后、不參與V2G放電三種情況下，優(yōu)化后的電動汽車總用電負(fù)荷分別比優(yōu)化前和不參與V2G放電的情況下多了11.9%、48.5%，但優(yōu)化后的總用電費用卻分別比優(yōu)化前和不參與V2G放電的情況下減少了8.3%、23.2%。結(jié)果表明，電動汽車充電量最少的反而成本最高，在未優(yōu)化的情況下用戶不考慮分時電價，在用電高峰期間依舊進行充電行為，導(dǎo)致電網(wǎng)負(fù)荷峰上加峰，同時也增加了用電成本。由此可見，電動汽車可控負(fù)荷優(yōu)化后有效減少了用戶的總用電成本，同時驗證了分時電價模式的可行性。

6 結(jié)語

本文采用空調(diào)變輸入功率恒溫控模式，建立了一天24h用戶用電成本最小化的優(yōu)化目標(biāo)模型，以某區(qū)域的實時室外溫度數(shù)據(jù)為例，利用改進粒子群優(yōu)化算法對模型進行求解，結(jié)論如下：

（1）采用的空調(diào)變輸入功率恒溫控模式可行性較高，延長了空調(diào)的使用壽命，并且使室溫一直處于穩(wěn)定狀態(tài)，最大限度地滿足了用戶的舒適度；

（2）文中引入的新型權(quán)重系數(shù)，有效地避免電動汽車出現(xiàn)“高充低放”現(xiàn)象，使電動汽車的充放電行為更加合理，減少了對電池的損耗；

（3）基于分時電價建立的優(yōu)化策略，使電動汽車在用電高峰時段響應(yīng)電網(wǎng)需求，進行V2G反向放電行為，在低谷時段進行充電行為，緩減電網(wǎng)負(fù)荷高峰緊張的同時提高了用戶放電收益，降低了充電成本。

參考文獻

[1]陳潔，楊秀，朱蘭等.微網(wǎng)多目標(biāo)經(jīng)濟調(diào)度優(yōu)化[J].中國電機工程學(xué)報，2013，33（19）：57-66.

[2]苗軼群，江全元，曹一家.考慮電動汽車隨機接入的微網(wǎng)優(yōu)化調(diào)度[J].電力系統(tǒng)自動化，2013，33（12）：1-6.

[3]湯奕，鄧克愚，孫華東等.智能家電參與低頻減載協(xié)調(diào)配合方案研究[J].電 網(wǎng) 技 術(shù)，2013，37（10）：2861-2867.

[4]湯奕，魯針針，寧佳.基于電力需求響應(yīng)的智能家電管理控制方案[J].電力系統(tǒng)自動化，2014，38（09）：93-99.

[5]高賜威，李倩玉，李揚.基于DLC 的空調(diào)負(fù)荷雙層優(yōu)化調(diào)度和控制策略[J].中 國 電 機 工 程 學(xué) 報，2014，34（0）：1-10.

[6]姚建國，楊勝春，王珂等.平衡風(fēng)功率波動的需求響應(yīng)調(diào)度框架與策略設(shè)計[J].電力系統(tǒng)自動化，2014，38（09）：85-92.

[7]胡澤春，宋永華，徐智威等.電動汽車接入電網(wǎng)的影響與利用[J].中國電機工程學(xué)報，2012，32（04）：1-32.

[8]曹一家，苗軼群，江全元.含電動汽車換電站的微電網(wǎng)孤島運行優(yōu)化[J].電力自動化設(shè)備，2012，35（05）：1-6.

[9]戴詩容，雷霞，程道衛(wèi)等.電動汽車峰谷分時充放電電價研究[J].電網(wǎng)與清潔能源，2013，29（07）：77-82.

[10]Weather website[Online].Available： http：//www.wunderground.com/ history

作者簡介

李慧媛（1991-），女，江蘇省鹽城市人。碩士學(xué)位?，F(xiàn)為鹽城工學(xué)院教師。主要研究方向為電網(wǎng)負(fù)荷側(cè)管理、神經(jīng)網(wǎng)絡(luò)的穩(wěn)定與同步等。

作者單位

鹽城工學(xué)院（電氣工程學(xué)院） 江蘇省鹽城市 224051endprint