計(jì)及電動(dòng)汽車(chē)參與多元需求響應(yīng)的微電網(wǎng)多時(shí)間尺度優(yōu)化調(diào)度模型

劉又榕,林順富,沈運(yùn)帷,周波,李東東,許亮峰

(1. 上海電力大學(xué)電氣工程學(xué)院,上海市 200090;2. 上海市智能電網(wǎng)需求響應(yīng)技術(shù)重點(diǎn)實(shí)驗(yàn)室,上海市 200063)

0 引 言

隨著全球日益嚴(yán)峻的能源短缺與環(huán)境污染等問(wèn)題,加快供能側(cè)綠色低碳轉(zhuǎn)型是我國(guó)電力事業(yè)發(fā)展的重要方向[1-3]。微電網(wǎng)作為集合了來(lái)自源荷儲(chǔ)側(cè)各類(lèi)資源的微型系統(tǒng),為綠色能源開(kāi)發(fā)與利用提供了良好的平臺(tái)基礎(chǔ)[4-6]。為了提高綠色清潔能源的利用效率,保障微電網(wǎng)系統(tǒng)的穩(wěn)定可靠運(yùn)行,發(fā)展多元的需求響應(yīng)技術(shù),以實(shí)現(xiàn)系統(tǒng)的高效優(yōu)化調(diào)度成為近年來(lái)研究的熱點(diǎn)[7-8]。

電動(dòng)汽車(chē)作為能夠?qū)崿F(xiàn)雙向調(diào)節(jié)的需求響應(yīng)資源,對(duì)其充放電行為進(jìn)行有序優(yōu)化,有助于緩解微電網(wǎng)的供電壓力,平滑負(fù)荷曲線[9-12]。目前電動(dòng)汽車(chē)在調(diào)度方面研究人員主要將其與價(jià)格型需求響應(yīng)(price-based demand response,PDR)相結(jié)合[13-18]。文獻(xiàn)[13-14]分別針對(duì)電動(dòng)出租車(chē)與私家電動(dòng)汽車(chē)提出了基于實(shí)時(shí)電價(jià)的車(chē)輛優(yōu)化調(diào)度方法。文獻(xiàn)[15]基于分時(shí)電價(jià)策略在日前階段實(shí)現(xiàn)電動(dòng)汽車(chē)與微電網(wǎng)的分層調(diào)度。文獻(xiàn)[16]采用博弈思想對(duì)基礎(chǔ)分時(shí)電價(jià)策略進(jìn)一步進(jìn)行優(yōu)化。文獻(xiàn)[17]采用多個(gè)視角考慮定價(jià)策略,提出基于分時(shí)電價(jià)的多目標(biāo)優(yōu)化模型。文獻(xiàn)[18]基于用戶(hù)的充電行為偏好,對(duì)電動(dòng)汽車(chē)進(jìn)行了分類(lèi)并參與微電網(wǎng)的經(jīng)濟(jì)調(diào)度。然而,價(jià)格型需求響應(yīng)技術(shù)難以充分挖掘電動(dòng)汽車(chē)的調(diào)度潛力。

激勵(lì)型需求響應(yīng)(incentive-based demand response,IDR)技術(shù)相比價(jià)格型,能夠通過(guò)簽訂協(xié)議實(shí)現(xiàn)對(duì)電動(dòng)汽車(chē)的進(jìn)一步調(diào)用[19-21]。文獻(xiàn)[22]基于電價(jià)與碳配額2種激勵(lì)手段,引導(dǎo)電動(dòng)汽車(chē)進(jìn)行有序充放電,實(shí)現(xiàn)新能源的完全消納。文獻(xiàn)[23]基于系統(tǒng)的削峰需求設(shè)置價(jià)格激勵(lì),以此來(lái)激勵(lì)電動(dòng)汽車(chē)參與削峰填谷。文獻(xiàn)[24]通過(guò)設(shè)置補(bǔ)償激勵(lì),引導(dǎo)電動(dòng)汽車(chē)進(jìn)行多區(qū)域間的有序充電。以上研究都通過(guò)設(shè)置不同的激勵(lì)政策對(duì)電動(dòng)汽車(chē)資源進(jìn)行調(diào)度,但其對(duì)用戶(hù)參與優(yōu)化的響應(yīng)特性要求更高,可能與用戶(hù)自身意愿相沖突,故難以實(shí)現(xiàn)電動(dòng)汽車(chē)資源的廣泛參與。

目前同時(shí)考慮電動(dòng)汽車(chē)參與價(jià)格型與激勵(lì)型需求響應(yīng)的研究還很少。文獻(xiàn)[25-26]均僅在日前階段對(duì)價(jià)格型與激勵(lì)型電動(dòng)汽車(chē)資源進(jìn)行優(yōu)化,且沒(méi)有對(duì)二者的調(diào)度模型進(jìn)行明顯的區(qū)分。一方面,日前階段源荷的預(yù)測(cè)曲線與實(shí)際場(chǎng)景具有一定的誤差,為提高調(diào)度計(jì)劃的可執(zhí)行性,在日內(nèi)階段,基于更接近實(shí)際場(chǎng)景的預(yù)測(cè)曲線,對(duì)日前的調(diào)度計(jì)劃進(jìn)行修正具有十分重要的意義。另一方面,由于價(jià)格型與激勵(lì)型響應(yīng)資源的響應(yīng)特性不同,響應(yīng)時(shí)間較長(zhǎng)的價(jià)格型需求響應(yīng)資源適合在日前階段進(jìn)行調(diào)度,而響應(yīng)時(shí)間較短的激勵(lì)型需求響應(yīng)資源能夠在日內(nèi)階段參與系統(tǒng)的優(yōu)化調(diào)度[27]。

針對(duì)上述研究中存在的不足,本文提出一種計(jì)及電動(dòng)汽車(chē)參與多元需求響應(yīng)的微電網(wǎng)多時(shí)間尺度優(yōu)化調(diào)度模型。以用戶(hù)是否簽訂激勵(lì)協(xié)議對(duì)電動(dòng)汽車(chē)資源進(jìn)行劃分。并基于預(yù)測(cè)曲線得到微電網(wǎng)一日的供需關(guān)系,設(shè)定分時(shí)電價(jià)策略。在日前階段,未簽訂激勵(lì)協(xié)議的電動(dòng)汽車(chē)資源與價(jià)格型需求響應(yīng)技術(shù)相結(jié)合?；陔妰r(jià)策略,以用戶(hù)的綜合滿(mǎn)意度為目標(biāo)進(jìn)行優(yōu)化,并將優(yōu)化結(jié)果傳遞給微網(wǎng)層。微網(wǎng)層基于該調(diào)度安排設(shè)計(jì)各側(cè)可調(diào)資源的出力計(jì)劃,以碳排放與運(yùn)行成本最小、靈活性滿(mǎn)足度最大為目標(biāo)進(jìn)行調(diào)度。在日內(nèi)階段,簽訂激勵(lì)協(xié)議的電動(dòng)汽車(chē)資源與激勵(lì)型需求響應(yīng)技術(shù)相結(jié)合,以微電網(wǎng)管理中心為主體,激勵(lì)型電動(dòng)汽車(chē)群為從體,構(gòu)建基于主從博弈的微電網(wǎng)調(diào)度模型,并進(jìn)行滾動(dòng)優(yōu)化。最后,以含80輛電動(dòng)汽車(chē)的微電網(wǎng)場(chǎng)景進(jìn)行仿真驗(yàn)證,結(jié)果表明本文所提模型能夠有效平滑負(fù)荷曲線,減小峰谷差,實(shí)現(xiàn)風(fēng)電的全部消納。

1 微電網(wǎng)多時(shí)間尺度優(yōu)化調(diào)度框架

本文以含電動(dòng)汽車(chē)的微電網(wǎng)為應(yīng)用場(chǎng)景,該場(chǎng)景包含微電網(wǎng)能量管理中心、電動(dòng)汽車(chē)聚合商與電動(dòng)汽車(chē)用戶(hù)3種主體。其中電動(dòng)汽車(chē)聚合商主要起到輔助電動(dòng)汽車(chē)參與需求響應(yīng)的作用,因此本文重點(diǎn)描述電動(dòng)汽車(chē)參與微電網(wǎng)優(yōu)化調(diào)度的過(guò)程。

電動(dòng)汽車(chē)用戶(hù)基于自身意愿選擇是否與電動(dòng)汽車(chē)聚合商簽訂激勵(lì)協(xié)議。一部分用戶(hù)未簽訂協(xié)議歸為價(jià)格型需求響應(yīng)資源,利用分時(shí)電價(jià)策略引導(dǎo)電動(dòng)汽車(chē)制定有序充放電計(jì)劃。另一部分用戶(hù)完成協(xié)議簽訂歸為激勵(lì)型需求響應(yīng)資源,用戶(hù)會(huì)將電動(dòng)汽車(chē)的調(diào)度權(quán)授權(quán)給電動(dòng)汽車(chē)聚合商,聚合商與管理中心共同決定補(bǔ)貼電價(jià)并完成優(yōu)化調(diào)度。由于價(jià)格型與激勵(lì)型需求響應(yīng)資源的響應(yīng)特性不同,本文設(shè)定響應(yīng)速度較慢的價(jià)格型需求響應(yīng)參與日前優(yōu)化,響應(yīng)速度較快的激勵(lì)型需求響應(yīng)參與日內(nèi)優(yōu)化。具體調(diào)度框架如圖1所示。

圖1 微電網(wǎng)多時(shí)間尺度優(yōu)化調(diào)度框架Fig.1 Multi-time-scale optimization scheduling framework for microgrid

首先,在日前階段,根據(jù)源荷兩側(cè)預(yù)測(cè)曲線的供需關(guān)系制定分時(shí)電價(jià)策略。價(jià)格型電動(dòng)汽車(chē)資源基于該電價(jià)策略,以用戶(hù)滿(mǎn)意度最高為目標(biāo)確定充放電計(jì)劃。其次,基于上述充放電行為,在微網(wǎng)層以微電網(wǎng)經(jīng)濟(jì)低碳成本最小與靈活性滿(mǎn)足度最大為目標(biāo)進(jìn)行優(yōu)化。確定日前階段各類(lèi)靈活性資源在各時(shí)段的調(diào)度安排,以提升系統(tǒng)應(yīng)對(duì)不確定性的能力。最后,在日內(nèi)階段考慮微電網(wǎng)主體與負(fù)荷用戶(hù)不同的利益訴求,分別以自身運(yùn)營(yíng)成本與用能成本最小為目標(biāo),構(gòu)建基于主從博弈的微電網(wǎng)調(diào)度模型并進(jìn)行求解,使得雙方都能獲得均衡解下的最優(yōu)結(jié)果。

2 微電網(wǎng)日前優(yōu)化調(diào)度模型

本文基于第二天的供需平衡關(guān)系設(shè)計(jì)分時(shí)電價(jià)策略。具體設(shè)定方法見(jiàn)附錄A。

2.1 日前電動(dòng)汽車(chē)用戶(hù)優(yōu)化模型

2.1.1 目標(biāo)函數(shù)

考慮電動(dòng)汽車(chē)用戶(hù)的經(jīng)濟(jì)收益與出行滿(mǎn)意度,以所有用戶(hù)的綜合滿(mǎn)意度為目標(biāo)進(jìn)行優(yōu)化。其中收益滿(mǎn)意度包含用戶(hù)的用能花費(fèi)與電池?fù)p耗成本2個(gè)部分。

(1)

式中:UEVA為電動(dòng)汽車(chē)用戶(hù)的綜合滿(mǎn)意度;γi,in、γi,SOC分別為第i輛電動(dòng)汽車(chē)的收益滿(mǎn)意度權(quán)重與出行滿(mǎn)意度權(quán)重;Ui,in、Ui,SOC分別為第i輛電動(dòng)汽車(chē)的收益滿(mǎn)意度與出行滿(mǎn)意度。

1)電動(dòng)汽車(chē)用戶(hù)的收益滿(mǎn)意度Uin。

(2)

ΔCEV=CEV-CEV,min

(3)

(4)

2)電動(dòng)汽車(chē)用戶(hù)的出行滿(mǎn)意度USOC。

(5)

式中:SEV,lea為離開(kāi)時(shí)的電荷狀態(tài);SEV,hope為期望電荷狀態(tài);SEV,road為行駛所需的電荷大小;SEV.min為電動(dòng)汽車(chē)最小電荷狀態(tài)。

2.1.2 約束條件

電動(dòng)汽車(chē)的充放電功率與荷電狀態(tài)約束方程詳見(jiàn)文獻(xiàn)[15]。另外增加電動(dòng)汽車(chē)的充電時(shí)間約束進(jìn)行考慮。

0≤tEV,ch≤tEV,max

(6)

式中:tEV,ch為電動(dòng)汽車(chē)的充電時(shí)長(zhǎng);tEV,max為最大充電時(shí)長(zhǎng)。

2.2 微電網(wǎng)日前多目標(biāo)優(yōu)化模型

本文在日前調(diào)度階段分兩步確定價(jià)格型需求響應(yīng)資源的調(diào)用計(jì)劃。第一步,以電動(dòng)汽車(chē)用戶(hù)的綜合滿(mǎn)意度最優(yōu)為目標(biāo),優(yōu)化價(jià)格型電動(dòng)汽車(chē)資源的充放電行為;第二步,通過(guò)雙目標(biāo)優(yōu)化模型確定其他價(jià)格型資源的調(diào)度安排,并將柴油機(jī)與蓄電池作為靈活性資源,保證系統(tǒng)在調(diào)度時(shí)段的靈活性可調(diào)裕度,以提高其日內(nèi)應(yīng)對(duì)不確定性的能力。

2.2.1 目標(biāo)函數(shù)

1)經(jīng)濟(jì)低碳目標(biāo)。

為緩解目前日益嚴(yán)重的環(huán)境問(wèn)題,構(gòu)建經(jīng)濟(jì)低碳優(yōu)化目標(biāo)對(duì)微電網(wǎng)優(yōu)化調(diào)度具有重要意義。目標(biāo)函數(shù)主要包含運(yùn)行成本與碳排放成本2個(gè)方面,其中前者反映了微電網(wǎng)的經(jīng)濟(jì)性需求,后者是低碳目標(biāo)的體現(xiàn)。其中,碳排放主要產(chǎn)生于大電網(wǎng)與柴油機(jī)所排放的CO2與CO氣體。

minFin=CWT+Cab+CDE+Cbuy+CESS+Cca

(7)

式中:Fin為微電網(wǎng)運(yùn)行成本;CWT為風(fēng)機(jī)發(fā)電成本;Cab為棄風(fēng)成本;CDE為柴油機(jī)出力成本;Cbuy為微電網(wǎng)購(gòu)電成本;CESS為蓄電池調(diào)度成本;Cca為碳排放成本。

各成本具體模型如下所示:

(8)

(9)

(10)

(11)

(12)

(13)

2)靈活性目標(biāo)。

為提升微電網(wǎng)系統(tǒng)應(yīng)對(duì)日內(nèi)源荷不確定性的能力,本文以柴油機(jī)與儲(chǔ)能為靈活性資源,以靈活性滿(mǎn)足度為靈活性目標(biāo),其中sup(t)與sdown(t)為0-1狀態(tài)變量,大小取決于t時(shí)刻的供需不平衡關(guān)系。柴油機(jī)與儲(chǔ)能相關(guān)靈活性公式詳見(jiàn)附錄B。

(14)

式中:Fflex為靈活性滿(mǎn)足度;Pup(t)、Pdown(t)分別為t時(shí)刻向上或向下的靈活性可調(diào)裕度;Pe(t)為t時(shí)刻需求側(cè)與供能側(cè)功率的差值。

2.2.2 約束條件

1)功率平衡約束。

(15)

式中:PPDR(t)為t時(shí)刻PDR資源的用電量;Pload(t)為t時(shí)刻基礎(chǔ)負(fù)荷用電功率。

2)聯(lián)絡(luò)線功率約束。

0≤Pbuy(t)≤Pbuy,max

(16)

式中:Pbuy,max為聯(lián)絡(luò)線最大傳輸功率。

3)PDR資源調(diào)度約束。

(17)

柴油機(jī)與蓄電池出力約束方程詳見(jiàn)文獻(xiàn)[28]。

3 微電網(wǎng)日內(nèi)優(yōu)化調(diào)度模型

為避免激勵(lì)型電動(dòng)汽車(chē)追求收益最大化而產(chǎn)生過(guò)度放電行為,在日內(nèi)階段以1 h為間隔,8 h為周期進(jìn)行滾動(dòng)優(yōu)化。以日前調(diào)度計(jì)劃為參考,基于日內(nèi)預(yù)測(cè)曲線對(duì)之前的調(diào)度安排進(jìn)行修正。其中激勵(lì)型電動(dòng)汽車(chē)群作為特殊的需求響應(yīng)資源具有一定的議價(jià)能力,故可以與微電網(wǎng)主體基于主從博弈模型獲取補(bǔ)貼電價(jià),以提升電動(dòng)汽車(chē)用戶(hù)參與需求響應(yīng)的積極性與經(jīng)濟(jì)收益。

3.1 微電網(wǎng)能量管理中心的效用模型

微電網(wǎng)能量管理中心的效用目標(biāo)FMG2主要包括運(yùn)行成本與售電收益2個(gè)部分,其中需求響應(yīng)調(diào)度成本主要來(lái)自于激勵(lì)型需求響應(yīng)資源的調(diào)度成本,具體調(diào)度成本如下:

minFMG2=CWT+Cab+CDE+Cbuy+CESS+CIDR,all-Isell

(18)

CIDR,all=CIDR+CEV2

(19)

(20)

(21)

(22)

式中:CIDR,all為激勵(lì)型需求響應(yīng)資源的調(diào)度成本;Isell為微電網(wǎng)能量管理中心一日的售電收益;CIDR、CEV2分別為IDR與電動(dòng)汽車(chē)群的調(diào)度成本;KIDR為IDR單位調(diào)度成本;PIDR(t)為t時(shí)刻IDR的調(diào)度功率;KEV2(t)為t時(shí)刻電動(dòng)汽車(chē)群?jiǎn)挝谎a(bǔ)貼電價(jià);PEV2(t)為t時(shí)刻電動(dòng)汽車(chē)群調(diào)度功率;KEV(t)、PEV(t)分別為t時(shí)刻價(jià)格型電動(dòng)汽車(chē)用戶(hù)的單位售電價(jià)格和充放電量大小。

3.2 電動(dòng)汽車(chē)群的效用模型

通過(guò)電動(dòng)汽車(chē)集群能夠?qū)⑽㈦娋W(wǎng)系統(tǒng)內(nèi)分散的可調(diào)度電動(dòng)汽車(chē)單元進(jìn)行聚合,在日內(nèi)滾動(dòng)優(yōu)化過(guò)程中,根據(jù)微電網(wǎng)管理中心所發(fā)布的補(bǔ)貼政策,電動(dòng)汽車(chē)集群整合自身資源進(jìn)行響應(yīng)。集群以自身用能成本最小化為目標(biāo),基于微電網(wǎng)能量管理中心設(shè)置的補(bǔ)貼價(jià)格不同,表現(xiàn)出不同的響應(yīng)情況。

minFEV2=IEV2-CEV2

(23)

(24)

3.3 約束條件

1)功率平衡約束。

(25)

2)IDR資源調(diào)度約束。

(26)

3)電動(dòng)汽車(chē)集群補(bǔ)貼電價(jià)約束。

電價(jià)補(bǔ)貼策略能夠在分時(shí)電價(jià)的基礎(chǔ)上進(jìn)一步激勵(lì)電動(dòng)汽車(chē)參與需求響應(yīng),進(jìn)行削峰填谷,同時(shí)提升微電網(wǎng)與用戶(hù)兩方的經(jīng)濟(jì)效益。根據(jù)價(jià)格約束[29],電價(jià)的設(shè)計(jì)不改變售電收益,即微電網(wǎng)售電收益Isell為恒定值且滿(mǎn)足式(24)。為保障各時(shí)段補(bǔ)貼電價(jià)的科學(xué)性與合理性,本文規(guī)定各時(shí)段補(bǔ)貼電價(jià)需大于等于0,小于等于微電網(wǎng)的購(gòu)電電價(jià)與負(fù)荷側(cè)售電電價(jià)的差值。

KEV,min≤KEV(t)≤KEV,max

(27)

式中:KEV,min與KEV,max分別為電動(dòng)汽車(chē)群的最小和最大補(bǔ)貼價(jià)格。

4)電動(dòng)汽車(chē)群充放電約束。

根據(jù)文獻(xiàn)[30]中的研究?jī)?nèi)容可知,電動(dòng)汽車(chē)群的充放電功率與停駛概率有關(guān),故當(dāng)日內(nèi)參與響應(yīng)的電動(dòng)汽車(chē)數(shù)目為M時(shí),其功率約束如下:

(28)

Mmax(t)=MGpark(t)

(29)

(30)

5)電動(dòng)汽車(chē)群電荷狀態(tài)約束。

SEV2,minSM≤SEV2(t)≤SEV2,maxSM

(31)

(32)

SEV2,dr(t)=M[1-Gpark(t)]vEVEkm

(33)

3.4 主從博弈模型

本文所提的主從博弈模型,是以微電網(wǎng)能量管理中心為領(lǐng)導(dǎo)者,以電動(dòng)汽車(chē)群為跟隨著,分別以各自的效用函數(shù)(式(20)、(25))為目標(biāo)進(jìn)行優(yōu)化做出決策。博弈過(guò)程中由領(lǐng)導(dǎo)者先行制定補(bǔ)貼電價(jià)策略并傳遞給跟隨者,電動(dòng)汽車(chē)群基于該策略做出充放電計(jì)劃,兩者不斷進(jìn)行優(yōu)化迭代直至納什均衡。該主從博弈模型為:

(34)

式中:MG與EV2分別為主從博弈的2個(gè)參與者;XMG與XEV2分別為二者的策略集合。

其中,博弈雙方分別進(jìn)行獨(dú)立優(yōu)化,迭代得到同時(shí)滿(mǎn)足雙方需求的納什均衡解,*表示納什均衡解,且所有策略均滿(mǎn)足上述約束條件。納什均衡解存在證明詳見(jiàn)附錄C[31]。

(35)

主從博弈具體實(shí)現(xiàn)過(guò)程如圖2所示。

圖2 主從博弈結(jié)構(gòu)框圖Fig.2 Structure diagram of Stackelberg game

4 算例分析

為驗(yàn)證所提調(diào)度模型的合理性,本文微電網(wǎng)中含有80輛可以接入車(chē)網(wǎng)的電動(dòng)汽車(chē),其中50輛參與價(jià)格型需求響應(yīng),30輛參與激勵(lì)型需求響應(yīng)。根據(jù)其出行規(guī)律,電動(dòng)汽車(chē)相關(guān)初始信息設(shè)置同文獻(xiàn)[30]。設(shè)非電動(dòng)汽車(chē)的PDR資源與IDR資源變化范圍為總負(fù)荷的5%,其他具體參數(shù)與場(chǎng)景詳見(jiàn)附錄D。

本文采用GAMS與MATLAB軟件相結(jié)合的方式進(jìn)行仿真求解,其中日前階段價(jià)格型電動(dòng)汽車(chē)優(yōu)化模型與日內(nèi)階段主從博弈模型采用GAMS軟件進(jìn)行求解,微電網(wǎng)日前雙目標(biāo)優(yōu)化模型采用MATLAB軟件進(jìn)行求解。

4.1 日前電動(dòng)汽車(chē)優(yōu)化結(jié)果

為驗(yàn)證日前電動(dòng)汽車(chē)層所提調(diào)度模型的先進(jìn)性與有效性,對(duì)以下3個(gè)策略的調(diào)度結(jié)果進(jìn)行對(duì)比:

策略1：各電動(dòng)汽車(chē)無(wú)序充電,按照用戶(hù)的自身意愿進(jìn)行。

策略2：以用戶(hù)收益滿(mǎn)意度最高為目標(biāo)進(jìn)行優(yōu)化,實(shí)現(xiàn)電動(dòng)汽車(chē)的有序充放電。

策略3：以用戶(hù)的綜合滿(mǎn)意度最高為目標(biāo)進(jìn)行優(yōu)化,實(shí)現(xiàn)電動(dòng)汽車(chē)的有序充放電。

圖3為策略1—3調(diào)度后的負(fù)荷曲線。

圖3 3種策略下的負(fù)荷曲線Fig.3 The load curve under three strategies

由圖3可知,策略1中電動(dòng)汽車(chē)的充電時(shí)間主要集中在18:00—24:00時(shí)段,即用戶(hù)下班回家開(kāi)始充電,這段時(shí)間也是需求側(cè)用能的高峰時(shí)段,僅按照車(chē)主意愿進(jìn)行無(wú)序充電會(huì)導(dǎo)致微電網(wǎng)供能壓力的增大。策略2中電動(dòng)汽車(chē)僅以收益滿(mǎn)意度為目標(biāo),故車(chē)主為節(jié)約花費(fèi),在滿(mǎn)足日常行駛的需求后盡量不充電,曲線較為接近原始負(fù)荷。策略3中用戶(hù)同時(shí)有經(jīng)濟(jì)性和舒適性的追求,為達(dá)到期望電量車(chē)主充電需求較高,基于分時(shí)電價(jià)策略,用戶(hù)更愿意在峰時(shí)放電,在谷時(shí)充電,因此負(fù)荷曲線較為平坦。

表1為3種策略調(diào)度后的數(shù)據(jù)對(duì)比結(jié)果。由表1可知,電動(dòng)汽車(chē)的有序充電行為能夠有效地緩解系統(tǒng)在高峰時(shí)的供能壓力。其中策略3最能有效地實(shí)現(xiàn)系統(tǒng)內(nèi)的“削峰填谷”,減小負(fù)荷曲線的峰谷差值,并能在一定程度上減免用戶(hù)花銷(xiāo)。同時(shí)隨著優(yōu)化目標(biāo)考慮的更加全面,策略3相比策略2用戶(hù)滿(mǎn)意度更高。

表1 3種策略下的數(shù)據(jù)對(duì)比Table 1 Comparison of data under three strategies

4.2 微電網(wǎng)日前優(yōu)化結(jié)果

根據(jù)微電網(wǎng)日前預(yù)測(cè)曲線與4.1節(jié)中的優(yōu)化結(jié)果,在日前階段采用灰狼算法對(duì)雙目標(biāo)優(yōu)化模型進(jìn)行求解。設(shè)定狼群最大迭代次數(shù)為300,灰狼頭數(shù)為300。設(shè)置不同的日前優(yōu)化調(diào)度方案進(jìn)行對(duì)比。

策略4：僅考慮經(jīng)濟(jì)低碳目標(biāo)的微電網(wǎng)日前優(yōu)化調(diào)度模型。

策略5：僅考慮靈活性評(píng)價(jià)指標(biāo)的微電網(wǎng)日前優(yōu)化調(diào)度模型。

策略6：采用灰狼算法求解的微電網(wǎng)日前多目標(biāo)優(yōu)化模型。

策略4和策略5中的日前調(diào)度結(jié)果詳見(jiàn)附錄圖E1和E2,圖4為策略6微電網(wǎng)日前調(diào)度結(jié)果。

由圖4可以看出,08:00—12:00時(shí)段是基礎(chǔ)負(fù)荷用能的高峰時(shí)段,柴油機(jī)與儲(chǔ)能裝置發(fā)揮了明顯的供能作用,節(jié)約了微電網(wǎng)的運(yùn)行成本。但系統(tǒng)仍然難以滿(mǎn)足負(fù)荷側(cè)的用能需求,微電網(wǎng)需從主網(wǎng)大量購(gòu)電,以滿(mǎn)足負(fù)荷的用能需求。在19:00—24:00時(shí)段,雖然也處于負(fù)荷用電的高峰時(shí)段,但風(fēng)電出力充足,且經(jīng)過(guò)電動(dòng)汽車(chē)層優(yōu)化后,負(fù)荷側(cè)能夠較好地消納新能源的出力,在該時(shí)段較好地緩解柴油機(jī)與儲(chǔ)能的調(diào)度壓力。

策略4—6中柴油機(jī)的日前調(diào)度安排對(duì)比結(jié)果如圖5所示。

圖5 策略4—6中柴油機(jī)的日前調(diào)度結(jié)果對(duì)比Fig.5 Comparison of day-ahead scheduling results for diesel generators in strategy 4,5 and 6

由圖5可知,策略4與策略6的調(diào)度安排比較相似,策略5與其他策略的調(diào)度安排差異較大。這是因?yàn)閮?yōu)化目標(biāo)所期望的調(diào)度方向具有一定差異。由于柴油機(jī)作為微電網(wǎng)系統(tǒng)碳排放的主要來(lái)源,在經(jīng)濟(jì)低碳優(yōu)化目標(biāo)中所占成本較高,因此策略4與策略6中柴油機(jī)的調(diào)度安排高度相似,僅在16:00時(shí)出力明顯降低。

策略4—6中的儲(chǔ)能裝置的日前調(diào)度安排對(duì)比結(jié)果如圖6所示。

圖6 策略4—6中儲(chǔ)能裝置的日前調(diào)度結(jié)果對(duì)比Fig.6 Comparison of day-ahead scheduling results of energy storage devices in strategy 4,5 and 6

圖6中數(shù)值為正表示儲(chǔ)能充電,數(shù)值為負(fù)則表示儲(chǔ)能放電。由于儲(chǔ)能不僅是重要的靈活性資源,且調(diào)度成本較低,故3種策略下,儲(chǔ)能裝置的調(diào)度安排差異較大。在策略4中,儲(chǔ)能作為可調(diào)資源,在風(fēng)電出力不足時(shí)放電,在風(fēng)電充足時(shí)充電,起到了削峰填谷的作用。策略5中,儲(chǔ)能作為靈活性資源,為追求靈活性指標(biāo)的最大化,其充放電行為不僅受靈活性需求的影響,也受到了凈負(fù)荷大小的影響。策略6與其他策略相比,能夠較好地平衡2種需求,避免儲(chǔ)能在凈負(fù)荷較小的時(shí)段大量充放電的行為。

策略4—6中的數(shù)據(jù)結(jié)果對(duì)比如表2所示。

表2 策略4—6下的數(shù)據(jù)對(duì)比Table 2 Comparison of data in strategy 4,5 and 6

由表2可以看出,策略6與策略4相比總成本有所增加,靈活性指標(biāo)有所提升。由于儲(chǔ)能相比柴油機(jī)單位調(diào)度成本更低,且不會(huì)產(chǎn)生碳排放,因此儲(chǔ)能作為更加經(jīng)濟(jì)的靈活性資源滿(mǎn)足了更多的靈活性需求。策略6與策略5相比總成本、購(gòu)電成本、碳排放成本與棄風(fēng)率大量降低,且靈活性指標(biāo)降低較少。這主要是由于柴油機(jī)與儲(chǔ)能作為靈活性資源,當(dāng)策略限制了其發(fā)揮“削峰填谷”的作用,會(huì)造成運(yùn)行成本的大量增加和風(fēng)力資源的浪費(fèi)。故本文所提的日前調(diào)度方法(策略6),相比其他方法,能夠有效發(fā)揮可調(diào)資源的調(diào)度潛力與靈活性資源的靈活特性,在保障微電網(wǎng)經(jīng)濟(jì)低碳運(yùn)行的基礎(chǔ)上,提升系統(tǒng)內(nèi)的靈活性裕度,具有較高的“性?xún)r(jià)比”。

4.3 微電網(wǎng)日內(nèi)優(yōu)化結(jié)果

根據(jù)微電網(wǎng)日內(nèi)預(yù)測(cè)曲線與4.2節(jié)中的優(yōu)化結(jié)果,本文設(shè)置了3個(gè)策略進(jìn)行對(duì)比:

策略7：微電網(wǎng)整體滾動(dòng)優(yōu)化模型,不計(jì)電動(dòng)汽車(chē)參與日內(nèi)優(yōu)化,電動(dòng)汽車(chē)進(jìn)行無(wú)序充電。

策略8：微電網(wǎng)整體滾動(dòng)優(yōu)化模型,計(jì)及電動(dòng)汽車(chē)參與優(yōu)化,其調(diào)度產(chǎn)生的相關(guān)成本由微電網(wǎng)承擔(dān)。

策略9：微電網(wǎng)日內(nèi)主從博弈模型,即本文所提的日內(nèi)調(diào)度方法。

策略7和策略8中的日內(nèi)調(diào)度結(jié)果詳見(jiàn)附錄E中圖E3和E4。為詳細(xì)說(shuō)明策略9中的博弈過(guò)程,選用16:00的博弈仿真過(guò)程進(jìn)行分析。圖7為策略9中16:00的博弈仿真過(guò)程。

圖7 策略9的博弈仿真過(guò)程Fig.7 Game simulation in strategy 9

從圖7可以看出,微電網(wǎng)運(yùn)營(yíng)成本與用戶(hù)用能成本通過(guò)不斷博弈達(dá)到均衡點(diǎn),博弈過(guò)程中雙方均在對(duì)方所提策略的限制下進(jìn)行優(yōu)化。在博弈開(kāi)始階段為降低調(diào)度成本,微電網(wǎng)補(bǔ)貼電價(jià)設(shè)定較低,電動(dòng)汽車(chē)群為減少自身的用電成本較少做出響應(yīng),使得微電網(wǎng)需從大電網(wǎng)處進(jìn)行購(gòu)電。為減少購(gòu)電成本,微電網(wǎng)對(duì)補(bǔ)貼電價(jià)策略進(jìn)行調(diào)整,電動(dòng)汽車(chē)群根據(jù)新的補(bǔ)貼電價(jià)策略進(jìn)行響應(yīng)。第1～7次迭代過(guò)程中參與者雙方的博弈關(guān)系較為激烈,雙方每次調(diào)整幅度較大。第8～22次迭代過(guò)程中參與者雙方的博弈關(guān)系較為緩和,博弈結(jié)果逐漸達(dá)到最優(yōu)。在22次迭代以后博弈過(guò)程達(dá)到最優(yōu)解,參與者雙方不再調(diào)整自身策略。

圖8為策略9微電網(wǎng)日內(nèi)調(diào)度結(jié)果,圖9為策略8和策略9中電動(dòng)汽車(chē)有序充放電的調(diào)度計(jì)劃對(duì)比。

圖8 策略9的微電網(wǎng)日內(nèi)調(diào)度結(jié)果Fig.8 Intra-day scheduling results of microgrid in strategy 9

圖9 策略8和策略9中電動(dòng)汽車(chē)群的調(diào)度結(jié)果對(duì)比Fig.9 Comparison of scheduling results of electric vehicle clusters in strategy 8 and 9

可以看出,在用能高峰時(shí)段,參與日內(nèi)優(yōu)化的電動(dòng)汽車(chē)大量放電,既緩解了微電網(wǎng)的供能壓力,又節(jié)約了微電網(wǎng)的購(gòu)電支出。與策略8相比,策略9中電動(dòng)汽車(chē)為追求自身用能成本的最小化,基本僅在電價(jià)谷時(shí)進(jìn)行充電,在峰時(shí)進(jìn)行放電。其中放電時(shí)段集中在07:00—12:00之間,主要是由于該時(shí)段售電收益較高;由于20:00—24:00等時(shí)段購(gòu)電成本較低,故充電時(shí)段主要集中在這些時(shí)段。其中,前一個(gè)時(shí)段大量購(gòu)電,既能滿(mǎn)足電動(dòng)汽車(chē)自身的用能需求,又能在電價(jià)高峰時(shí)出售,以增加收益。后一個(gè)時(shí)段大量充電既實(shí)現(xiàn)了盈余風(fēng)電的消納,又為電動(dòng)汽車(chē)用戶(hù)保存了較多電量,以備用戶(hù)的行駛需求。

策略7—9中的數(shù)據(jù)結(jié)果對(duì)比如表3所示。

表3 策略7—9下的數(shù)據(jù)對(duì)比Table 3 Comparison of data in strategy 7, 8 and 9

由表3可以看出,與策略7相比,日內(nèi)階段電動(dòng)汽車(chē)進(jìn)行有序充電能夠有效提高微電網(wǎng)的運(yùn)營(yíng)收入,節(jié)約電動(dòng)汽車(chē)用戶(hù)的用能成本,同時(shí)還能夠降低碳排放,實(shí)現(xiàn)系統(tǒng)綠色低碳運(yùn)行。策略9與策略8相比,雖然犧牲了微電網(wǎng)主體的部分利益,但是節(jié)約了較多的電動(dòng)汽車(chē)用能成本,達(dá)到了雙方的最優(yōu)。

5 結(jié) 論

基于電動(dòng)汽車(chē)參與多元需求響應(yīng)的角度,提出了一種電動(dòng)汽車(chē)結(jié)合價(jià)格型與激勵(lì)型需求響應(yīng)2種調(diào)度方式的微電網(wǎng)多時(shí)間尺度優(yōu)化調(diào)度模型。在日前基于分時(shí)電價(jià)與用戶(hù)綜合滿(mǎn)意度進(jìn)行價(jià)格型電動(dòng)汽車(chē)資源調(diào)度,并考慮微電網(wǎng)經(jīng)濟(jì)性與靈活性的運(yùn)行需求,以應(yīng)對(duì)日內(nèi)不確定性。在日內(nèi)階段基于主從博弈模型對(duì)激勵(lì)型電動(dòng)汽車(chē)群的充放電策略與微電網(wǎng)補(bǔ)貼電價(jià)進(jìn)行求解。通過(guò)算例分析,得到如下結(jié)論:

1)電動(dòng)汽車(chē)優(yōu)化與價(jià)格型需求響應(yīng)技術(shù)結(jié)合,能夠有效提升用戶(hù)的綜合滿(mǎn)意度,減小負(fù)荷曲線的峰谷差。

2)在日前調(diào)度階段,同時(shí)考慮微電網(wǎng)的經(jīng)濟(jì)性與靈活性需求,能夠在保障經(jīng)濟(jì)低碳運(yùn)行的基礎(chǔ)上,增加系統(tǒng)的靈活性裕度,以提升其抗干擾能力。

3)在日內(nèi)調(diào)度階段,電動(dòng)汽車(chē)參與優(yōu)化實(shí)現(xiàn)有序充電,能夠?qū)崿F(xiàn)微電網(wǎng)與電動(dòng)汽車(chē)雙方的“共贏”,既提升了微電網(wǎng)的運(yùn)營(yíng)收益,又能降低用戶(hù)的用能成本。

4)電動(dòng)汽車(chē)優(yōu)化與激勵(lì)型需求響應(yīng)技術(shù)結(jié)合,進(jìn)行微電網(wǎng)與用戶(hù)的科學(xué)博弈,能夠有效提升用戶(hù)的經(jīng)濟(jì)效益,實(shí)現(xiàn)新能源的完全消納。

附錄A

采用微電網(wǎng)當(dāng)天供能與需求側(cè)預(yù)測(cè)曲線的差值,獲得一天各時(shí)段系統(tǒng)內(nèi)的供需關(guān)系,以峰、谷、平3種電價(jià)檔位,基于供需關(guān)系的不平衡程度優(yōu)化設(shè)定一日的分時(shí)電價(jià)政策,具體設(shè)定方法如下所示:

Pe(t)=Pload,pre(t)-PWT(t)

(A1)

(A2)

式中:Pe(t)為t時(shí)刻凈負(fù)荷需求功率;Pload,pre(t)為t時(shí)刻原始負(fù)荷需求;PWT(t)為t時(shí)刻風(fēng)電的出力大小;ρbuy(t)為t時(shí)刻負(fù)荷側(cè)單位購(gòu)電電價(jià);ρ1、ρ2與ρ3分別為峰、平、谷時(shí)電價(jià);Pf、Pg分別為微電網(wǎng)需求過(guò)量限值與微電網(wǎng)供能過(guò)量限值。

在日前階段,為鼓勵(lì)電動(dòng)汽車(chē)積極參與微電網(wǎng)的能量?jī)?yōu)化管理,以微電網(wǎng)的分時(shí)電價(jià)政策為基礎(chǔ),電動(dòng)汽車(chē)放電行為能獲得一定比例的經(jīng)濟(jì)補(bǔ)貼。本文場(chǎng)景下電動(dòng)汽車(chē)的基礎(chǔ)購(gòu)售電價(jià)格如圖A1所示。

圖A1 電動(dòng)汽車(chē)購(gòu)售電價(jià)格Fig.A1 Purchase and sale price of electric vehicles

靈活性調(diào)節(jié)具有一定的方向性,因此各類(lèi)靈活性資源同時(shí)具有上調(diào)和下調(diào)靈活性裕度。柴油機(jī)作為靈活性資源具體公式為:

(B1)

儲(chǔ)能作為靈活性資源具體公式為:

(B2)

附錄C

根據(jù)文獻(xiàn)[31]可知,納什均衡存在且唯一需滿(mǎn)足以下兩點(diǎn):

1)各主體所提策略集合是非空且連續(xù)的凸集;

2)基于領(lǐng)導(dǎo)者所提策略,跟隨者存在唯一的最優(yōu)解。

由前面函數(shù)與約束條件可知微電網(wǎng)與電動(dòng)汽車(chē)的策略集合都為連續(xù)線性常閉集合,所以策略空間均為非空且連續(xù)的凸集;對(duì)于電動(dòng)汽車(chē),目標(biāo)函數(shù)對(duì)于策略集合中的變量為線性函數(shù),所以存在唯一最優(yōu)解。

附錄D

表D1 微電網(wǎng)其他參數(shù)Table D1 Other parameters of microgrid

表D2 電動(dòng)汽車(chē)其他參數(shù)Table D2 Other parameters of EV

表D3 碳排放相關(guān)參數(shù)Table D3 Carbon emission related parameters

附錄E

圖D1 微電網(wǎng)結(jié)構(gòu)Fig.D1 Microgrid structure

圖E3 策略7的微電網(wǎng)日內(nèi)調(diào)度結(jié)果Fig.E3 Intra-day scheduling results of microgrid in strategy 7

圖E1 策略4的微電網(wǎng)日前調(diào)度結(jié)果Fig.E1 Day-ahead scheduling results of microgrid in strategy 4

圖E2 策略5的微電網(wǎng)日前調(diào)度結(jié)果Fig.E2 Day-ahead scheduling results of microgrid in strategy 5