phev充放電管理的研究

0phev動態規劃的研究進展與純粹電動汽車相比，配備內燃汽油的插電混合汽車（phv）具有長期保持的特點，因此它適合遠程駕駛，已成為消費者的競爭產品。2017年全國銷售新能源乘用車556393輛，同比增長69%。PHEV全年累計銷量107573輛，占新能源乘用車總量的19%，累計同比增速34%國內外針對PHEV最優充電的規劃方法做了大量的研究。文獻本文考慮在市場環境中對PHEV的充放電進行短期管理，研究的主要內容是：在市場環境下對單臺PHEV或是大規模PHEV進行管理的有效算法；假設PHEV按照給定算法進行管理，如何為電力系統提供靈活性的貢獻。結合國內某城市的充電電價和PHEV駕駛模式的調查數據進行實例分析，說明了動態規劃問題的結果。分析表明，PHEV充放電的靈活性很大程度上取決于充電電價的變動。但是這種靈活性在單日周期表現明顯，在長時間周期上表現則十分有限。1車輛運營商對車輛充電和放電的靈活性在目前的市場機制下，PHEV基于市場充電電價機制進行充電和放電操作。從參與電力現貨市場的車輛運營商的角度來看，如何最佳地對PHEV進行充放電管理，同時考慮到車主的駕駛需求和充電電價的變化，是其所要解決的問題。個人車主的單臺PHEV可以直接進入市場進行充放電交易，這種是最小規模的交易，交易成本小。而車輛運營商的加入，可以促進市場參與本文對PHEV充電和放電的靈活性做出如下假設：車主是消費者，允許車輛運營商影響市場價格；由于工作時間固定，車主在用車方面缺乏靈活性，可假設用車需求是固定的；PHEV停放時總是處于充電狀態，因此在這種狀態下充電和放電操作均可進行。同時，車輛運營商也無法控制PHEV的行駛習慣，但能夠完全控制PHEV在停車時的充電和放電操作。本文首先制定單個車主的PHEV充放電最優方案，然后再將該方案擴展到大規模PHEV最有充放電方案上。1.1稱重傳感器性能的關系為了描述電力價格如何受到PHEV總負荷的影響，假設價格是負荷的線性增加函數并將其定義為：式中，p1.2不確定性駕駛模式考慮例如一天、一周或一個月時間范圍[0,T]，并將其離散化為1h或者0.5h的時間間隔[t,t+1],t=0，…，T-1。基于實際數據情況，本文取離散化的時間間隔為1h。決策變量l考慮到損耗，參數η表示充電效率，參數ρ表示發動機效率，其中0<η<1,0<ρ<1。在實際生活中，車主的工作時間、用車時間和駕駛路線相對固定，因此車主的短期駕駛行為在很大程度上是可以預測的，因此本文采用確定性的駕駛模式。用d對于每個時間間隔[t,t+1]，車輛運營商必須做出以下決定：PHEV停車時，是否要對其充電并以多大速度進行充電；PHEV在使用時，是否使用內燃發動機并消耗多少燃油。因此，最佳的決策方案取決于如何合理的控制充電、放電和使用內燃發動機的成本，用c(u最優充電的數學規劃模型為：式中，t=0，…，T-1,l2狀態空間離散化最優充電問題只包含每周連續幾個小時的一個環節，即通過對電池狀態的平衡約束，使其易于動態規劃。為了解決這個問題，將充電的電池狀態和充電電價作為狀態變量，將充電、放電和使用發動機的速率作為控制變量。則動態變成遞歸式式中，ζ為了簡化計算，對狀態空間離散化處理。將電池狀態[l此方案總是在離散狀態之間生成轉換，因此不需要在這些狀態之間進行插值。如果方案滿足充放電和發動機供應容量的上下限約束，令：則階段t問題可以重新表述為：這需要（I+1)3大規模phev的動態規劃將式（3）擴展到大規模PHEV充放電的動態規劃中。用k=1，…，K表示車的數量，用決策變量l作類似推廣，超額運行成本由向量c(u因此，大規模PHEV的動態規劃公式為：式中終端條件為ζ4行駛里程模型構建具有代表性的PHEV行駛里程模型對于充放電的規劃至關重要，假設PHEV的駕駛習慣和傳統燃油汽車相似。在動態規劃問題中，對狀態空間進行離散化處理，這是用于單臺PHEV的規劃問題，但是應用于大規模PHEV規劃問題中會產生維數過高，難以計算的問題。從構建日常行駛里程模型開始，以小時為單位，對每輛車的在一周7天內和一天24h內的行程進行記錄，并以小時為單位計算行駛里程。假設車輛按照該算法所建議的方式運行，單臺PHEV和大規模PHEV動態規劃算法的結果如下。4.1典型周充電模式研究為了結果的準確性，首先分析單臺PHEV模型的結果。選擇一輛PHEV和兩個具有代表性的周，其中一個周內價格高（平均479元/MWh），另一個周內價格正常（平均184元/MWh）。在高價周內20%的充電用于放電，表明了PHEV在高價周的儲能潛力。在價格正常周，PHEV的儲能潛力非常有限。這兩周不同的放電速率可以用相對較高的電池磨損成本來解釋，除非以高價將存儲的電能售出，否則當前的充電操作是無利可圖的。本文僅研究典型周的充電模式。單臺PHEV的模型分析如圖1所示，在典型周工作日內的收費占到總收費的83%。只靠電池供電無法滿足車主工作日1～2h加上周末平均3h的用車需求，夜間充電占總充電量的92%。4.2大規模phev模型分析為了簡化計算，僅研究典型周的充電模式。為了顯示大規模PHEV充放電對充電電價的影響，選取的樣本包括三類PHEV共72500輛，數量分別為15500輛、25500輛和31500輛，結果可知大規模PHEV對于充電電價產生了明顯影響，最大變化為29元/MWh。大規模PHEV的模型分析如圖2所示，存在價格效應時，工作日收費的數量幾乎不受影響，表明其可以提供有限的日常靈活性；如果沒有價格效應，可以盡可能在充電電價較低時對PHEV進行充電。5動態規劃算法本文提出了一種在市場環境中對PHEV的最優充放電進行動態規劃的算法，并研究了PHEV為電力系統提供的靈活性。充電電價實際上反映了用電量的變化，也影響著可再生能源例如風能的出力，當用電量低或風力發電量高時，適合對PHEV進行充電。然而，盡管某一時段，汽車充電的總需求較低，但風力出力在這段時間可能并不高，因此PHEV幫助整合波動的可再生能源生產的能力可能有限。動態規劃算法可以從多個方面進行改進和擴展，在算法的每次迭代中，本文通過完整的枚舉來解決問題，但同樣可以從線