基于激勵(lì)機(jī)制的家庭能量系統(tǒng)優(yōu)化策略研究

劉 偉, 王 俊, 龔成生, 王 飛

(1. 東北石油大學(xué) 電氣信息工程學(xué)院, 黑龍江 大慶 163318； 2. 國(guó)網(wǎng)山東省電力公司 曹縣供電公司, 山東 曹縣 274400)

0 引 言

如今光伏發(fā)電興起和電動(dòng)汽車(chē)的出現(xiàn), 對(duì)智能電網(wǎng)需求側(cè)管理問(wèn)題的實(shí)現(xiàn)越來(lái)越急迫, 因此家庭能量的優(yōu)化控制問(wèn)題也需要不斷向這個(gè)方向進(jìn)行轉(zhuǎn)變[1-2]。而家庭能量管理技術(shù)是體現(xiàn)在用戶(hù)側(cè), 可以規(guī)劃出家用負(fù)荷的分類(lèi)以及分布式電源的優(yōu)化控制, 為可再生能源接入需求側(cè)提供支持[3-4]。目前, 國(guó)內(nèi)外開(kāi)展了很多關(guān)于家庭負(fù)荷調(diào)度問(wèn)題的研究[5-7]。李中偉等[8]著眼于用電經(jīng)濟(jì)性以及用戶(hù)舒適度的研究, 但對(duì)電網(wǎng)用電功率峰谷差的問(wèn)題考慮不足。張延宇等[9]在智能電網(wǎng)環(huán)境下考慮了電動(dòng)汽車(chē)在高電價(jià)時(shí)段的充放電特性對(duì)家庭能源管理系統(tǒng)的負(fù)載進(jìn)行優(yōu)化調(diào)度。佟晶晶等[10]和姚剛等[11]考慮電動(dòng)汽車(chē)參與下對(duì)用電成本的影響, 但未考慮電動(dòng)汽車(chē)入網(wǎng)對(duì)用電功率峰谷差調(diào)節(jié)的影響。李菁等[12]設(shè)計(jì)分時(shí)電價(jià)、 戶(hù)用分布式光伏電源和儲(chǔ)能裝置, 建立基于經(jīng)濟(jì)性和舒適度的多目標(biāo)優(yōu)化模型。張軍等[13]僅從電源側(cè)考慮家庭用電功率的波動(dòng), 未考慮用戶(hù)側(cè)用電需求對(duì)電網(wǎng)功率波動(dòng)的影響。綜合以上分析, 筆者首先將家用電器進(jìn)行分類(lèi)建模以及充分考慮電動(dòng)汽車(chē)充放電類(lèi)建模, 電動(dòng)汽車(chē)充放電標(biāo)函數(shù)采用小生境的混沌粒子群優(yōu)化算法進(jìn)行仿真分析, 驗(yàn)證該調(diào)峰激勵(lì)機(jī)制的有效性。

1 基本框架及其模型

1.1 家庭負(fù)荷

家庭居民用電分類(lèi)負(fù)荷主要分為柔性負(fù)荷與剛性負(fù)荷[14]。其中柔性負(fù)荷的運(yùn)行時(shí)間可以調(diào)控, 而剛性負(fù)荷的運(yùn)行時(shí)間不可調(diào)控。其中柔性負(fù)荷可以分為兩種： 1) 不可中斷負(fù)荷； 2) 可中斷負(fù)荷。其中不可中斷負(fù)荷在運(yùn)行期間不能改變其運(yùn)行狀態(tài), 而可中斷負(fù)荷在在運(yùn)行期間可改變其運(yùn)行狀態(tài)。

不可中斷負(fù)荷模型為

(1)

可中斷負(fù)荷模型為

(2)

1.2 儲(chǔ)能設(shè)備

蓄電池在家庭能量管理系統(tǒng)中起著至關(guān)重要的作用, 并于光伏發(fā)電系統(tǒng)配合參與用戶(hù)側(cè)電能的調(diào)控。其模型如下

(3)

其中SSOC為儲(chǔ)能設(shè)備的荷電狀態(tài)；Cbat為儲(chǔ)能設(shè)備的額定容量；Pch、Pdisch為儲(chǔ)能設(shè)備的充電功率與放電功率；ηch為其充電效率；Pdisch為蓄電池的放電功率,ηdisch為蓄電池放電效率；SSOCmin、SSOCmax為蓄電池最小、 最大荷電狀態(tài)；Pch,max和Pdisch,max分別為蓄電池最大充電、 最大放電功率。

電動(dòng)汽車(chē)與儲(chǔ)能設(shè)備模型大體相同, 但存在如下3點(diǎn)區(qū)別[11]： 1) 電動(dòng)汽車(chē)首先應(yīng)滿(mǎn)足出行要求, 故應(yīng)考慮其接入時(shí)間的約束； 2) 由于蓄電池充放電會(huì)影響其壽命, 應(yīng)考慮盡可能減少其充放電次數(shù)； 3) 為保證電動(dòng)汽車(chē)的出行需求, 應(yīng)保證其在離開(kāi)時(shí)刻蓄電池荷電量滿(mǎn)足最低出行標(biāo)準(zhǔn)。因此在蓄電池模型的基礎(chǔ)上, 電動(dòng)汽車(chē)需增加3個(gè)約束條件如下

(4)

其中αE、βE分別為EV運(yùn)行區(qū)間的起止時(shí)刻；SSOCE為電動(dòng)汽車(chē)荷電狀態(tài)；PE為電動(dòng)汽車(chē)充電功率；SSOCH為EV離開(kāi)時(shí)刻最小SSOC限值。

1.3 溫控負(fù)荷

溫控負(fù)荷(如空調(diào))是根據(jù)溫度的改變確定其運(yùn)行時(shí)刻以及運(yùn)行功率的負(fù)荷。不同于柔性負(fù)荷其舒適度指標(biāo)為負(fù)荷的運(yùn)行時(shí)區(qū), 而空調(diào)舒適度指標(biāo)為室內(nèi)溫度, 其模型如下

(5)

其中Ti為室內(nèi)設(shè)定溫度；TL、TM分別為室內(nèi)允許最低溫度和最高溫度；Tin為室內(nèi)溫度；Tout為室外溫度；P為空調(diào)功率；α為室外溫度對(duì)室內(nèi)溫度的影響系數(shù)；β為空調(diào)的運(yùn)行系數(shù),β<0為空調(diào)工作在制冷狀態(tài),β>0為空調(diào)工作在制熱狀態(tài)。

2 用戶(hù)調(diào)峰貢獻(xiàn)度的調(diào)峰激勵(lì)機(jī)制及多目標(biāo)能量調(diào)度優(yōu)化模型

2.1 用戶(hù)調(diào)峰貢獻(xiàn)度的調(diào)峰激勵(lì)機(jī)制

僅在固定分時(shí)電價(jià)策略的基礎(chǔ)上進(jìn)行用電優(yōu)化很有可能造成大量的用電負(fù)荷集中到谷時(shí)電價(jià)區(qū)間運(yùn)行, 構(gòu)成新的用電高峰, 且可能不在系統(tǒng)負(fù)荷的供電谷時(shí)段, 這種錯(cuò)位新高峰會(huì)造成電力系統(tǒng)發(fā)電設(shè)備過(guò)負(fù)荷運(yùn)行, 降低線(xiàn)路傳輸效率, 故僅依靠固定分時(shí)電價(jià)并不能達(dá)到預(yù)期效果。因此筆者從負(fù)荷側(cè)參與電網(wǎng)調(diào)峰影響出發(fā), 提出了對(duì)電網(wǎng)峰谷差有貢獻(xiàn)度的激勵(lì)機(jī)制, 達(dá)到削峰填谷的效果。

(6)

Cr=αmot(1-h(t))

(7)

其中h(t)為用戶(hù)的調(diào)峰效果系數(shù), 值越小說(shuō)明用戶(hù)用電負(fù)荷變動(dòng)越不明顯, 則調(diào)峰效果越顯著；Pe(t)為第t個(gè)時(shí)刻用戶(hù)的凈負(fù)荷；αmot為電網(wǎng)公司的激勵(lì)費(fèi)率；Cr為激勵(lì)成本, 用戶(hù)參與電網(wǎng)調(diào)峰極極性越高, 用電負(fù)荷波動(dòng)越小, 其激勵(lì)收入越高。

2.2 目標(biāo)函數(shù)

1) 經(jīng)濟(jì)性目標(biāo)。以家庭用電成本最優(yōu)為經(jīng)濟(jì)性目標(biāo), 其值越小, 說(shuō)明經(jīng)濟(jì)性?xún)?yōu)化目標(biāo)越好。

minF=Ct-Cr

(8)

(9)

其中F為總用電成本；Ct為買(mǎi)電成本；pl為電網(wǎng)購(gòu)電功率；ml為向電網(wǎng)購(gòu)電價(jià)格；pg為賣(mài)給電網(wǎng)功率；mg為賣(mài)電價(jià)格。

2) 舒適性目標(biāo)。以居民對(duì)負(fù)荷的用電行為習(xí)慣以及室內(nèi)溫度最佳為舒適度目標(biāo), 其值越大, 說(shuō)明用戶(hù)用電舒適度越好。

(10)

其中tsi為電器實(shí)際啟動(dòng)時(shí)間；Tsi為希望啟動(dòng)時(shí)間； ΔTi為允許工作時(shí)區(qū)長(zhǎng)度,X為電器的總數(shù)。

3 算例分析

3.1 參數(shù)設(shè)置

算例系統(tǒng)中, 蓄電池和電動(dòng)汽車(chē)額定容量均為5 kWh, 充放電效率均為0.8, 最大充放電功率分別為2 kW、1.8 kW, 蓄電池最小和最大荷電狀態(tài)分別為0.2和0.9, 電動(dòng)汽車(chē)最大和最小荷電狀態(tài)為0.9和0.4, 蓄電池開(kāi)始荷電狀態(tài)為0.5, 由于出行需要, 電動(dòng)汽車(chē)入網(wǎng)時(shí)間為0:00～7:00、 19:00～24:00。賣(mài)電價(jià)格0.42元/kWh, Δt=0.5,αmot=0.05。室內(nèi)最低及最高允許溫度分別為23 ℃和26 ℃。預(yù)測(cè)得到的光伏在每時(shí)段出力如圖1所示, 不可調(diào)度負(fù)荷每時(shí)段出力如圖2所示, 每時(shí)段電價(jià)信息如表1所示, 可調(diào)度負(fù)荷參數(shù)如表2所示。

圖1 分布式電源功率 圖2 不可調(diào)度負(fù)荷功率 Fig.1 Distributed power Fig.2 Undispatchable loads

表1 分時(shí)電價(jià)數(shù)據(jù)

表2 可調(diào)度負(fù)荷參數(shù)

3.2 結(jié)果分析

根據(jù)以上約束條件以及優(yōu)化目標(biāo)函數(shù), 采用改進(jìn)粒子群算法進(jìn)行仿真分析, 結(jié)果如圖3所示。

圖3 負(fù)荷功率仿真圖Fig.3 Load power simulation diagram

由圖3分析可知, 在用電谷低谷且電價(jià)處于平時(shí)或谷時(shí)段, 加入激勵(lì)機(jī)制對(duì)負(fù)荷峰谷差的影響不明顯, 但在負(fù)荷處于峰值且電價(jià)處于峰時(shí)電價(jià)時(shí)段時(shí), 提出的對(duì)電網(wǎng)調(diào)峰貢獻(xiàn)度的調(diào)峰激勵(lì)機(jī)制可以起到很好的削峰填谷作用, 在6:00～7:00、11:00～12:00和18:00～22:00家庭用電負(fù)荷功率處于高峰期, 激勵(lì)機(jī)制有效地降低了負(fù)荷峰谷差, 加入激勵(lì)機(jī)制后峰谷差降低12.5%, 從而降低了電網(wǎng)供電壓力, 有利于電力系統(tǒng)的穩(wěn)定。為驗(yàn)證所提出激勵(lì)機(jī)制在減少負(fù)荷峰谷差以及用電成本的有效性, 表3列出了不同場(chǎng)景下的仿真結(jié)果。

表3 4種場(chǎng)景下特性對(duì)比

圖4 適應(yīng)度函數(shù)變化曲線(xiàn)Fig.4 Fitness function change curve

場(chǎng)景1為電動(dòng)汽車(chē)只充電且未加入激勵(lì)機(jī)制的情況, 此時(shí)電動(dòng)汽車(chē)不參與負(fù)荷側(cè)調(diào)峰, 負(fù)荷側(cè)用電峰谷差以及用電成本較大。場(chǎng)景2為電動(dòng)汽車(chē)充放電但未加入激勵(lì)機(jī)制的情況, 對(duì)比傳統(tǒng)電動(dòng)汽車(chē)充電行為, 電動(dòng)汽車(chē)充放電加入到負(fù)荷調(diào)峰后, 其優(yōu)先充放電可以在用戶(hù)用電高峰期充當(dāng)蓄電池的作用, 很大程度上減少用電成本, 并對(duì)用戶(hù)用電負(fù)荷峰谷差也有很大改善, 與場(chǎng)景1相比, 電動(dòng)汽車(chē)考慮充放電特性后家庭用電成本降低2.2%, 負(fù)荷峰谷差降低1.7%。場(chǎng)景3為考慮電動(dòng)汽車(chē)充放電特性并加入激勵(lì)機(jī)制傳統(tǒng)粒子群優(yōu)化的情況, 可得到加入激勵(lì)機(jī)制能有效減小負(fù)荷用電峰谷差和用電成本, 與場(chǎng)景2相比, 峰谷差降低12.1%, 用電成本減少7.2%。場(chǎng)景4為考慮電動(dòng)汽車(chē)充放電特性并加入激勵(lì)機(jī)制的基于小生境的混沌粒子群算法優(yōu)化情形, 結(jié)果表明該改進(jìn)算法比傳統(tǒng)粒子群在降低負(fù)荷峰谷差以及家庭用電成本方面更有優(yōu)勢(shì), 與場(chǎng)景3相比, 峰谷差降低3.7%, 用電成本減少2.9%。

表4 不同控制策略下的數(shù)據(jù)對(duì)比

從圖4中可以看出, 基于小生境的混沌粒子群算法與傳統(tǒng)粒子群相比, 收斂精度優(yōu)于傳統(tǒng)粒子群, 并克服了傳統(tǒng)粒子群容易陷入早熟的缺陷。

由表4可知, 從用戶(hù)舒適度的角度比較, 筆者的策略不及文獻(xiàn)[14]中的策略理想, 但從成本下降率比較, 筆者所提的策略比文獻(xiàn)[14]中的策略成本降低幅度更大, 因此筆者提出的激勵(lì)機(jī)制能有效降低用戶(hù)的用電成本。

4 結(jié) 語(yǔ)

筆者從用戶(hù)負(fù)荷參與電網(wǎng)調(diào)峰的角度出發(fā), 在建立家庭負(fù)荷用電模型的基礎(chǔ)上, 提出了用戶(hù)側(cè)調(diào)峰激勵(lì)機(jī)制, 并采用基于小生境的混沌粒子群算法進(jìn)行優(yōu)化。仿真分析表明, 提出的調(diào)峰激勵(lì)機(jī)制能兼顧電網(wǎng)和用戶(hù)側(cè)的利益, 減少用戶(hù)用電成本以及降低系統(tǒng)峰谷差, 在不影響用戶(hù)需求的基礎(chǔ)上, 節(jié)約了電力系統(tǒng)供電設(shè)備的使用容量以及降低線(xiàn)路和變壓器的線(xiàn)路損耗, 很大程度上減輕了電網(wǎng)壓力, 從而提高系統(tǒng)運(yùn)行穩(wěn)定性。