基于充放電模式的風電電動汽車協同利用模型

0電動汽車充電與風電協同調度研究提高對電網的認識能力對減少節能和排放起到了積極作用。但是,與水電、火電等常規電源相比,風能等新能源發電最根本的不同點在于其有功出力的隨機性、間歇性、波動性。風電容量占電網總容量比例比較小的時候,傳統的調度把風電看成負值負荷,但是,隨著風電的迅速發展,這種調度策略不再適應風電發展需要,風電的大規模并網及其隨機性為電力系統的優化調度和運行帶來了一系列問題。因此,電網接納風電能力研究已成為當前研究的熱點。風電大規模并網功率時域波動及其地域相關性造成電網調峰能力不足。電動汽車是一種主動負荷,又是一種分散式儲能設備,隨著儲能電動汽車充換電站的建設和推廣,電動汽車儲能成為一種新的電網可調度資源。電動汽車充電與風電的協同調度能夠減小等效負荷曲線峰谷差,減少負荷低谷時段的“棄風”。美國NYISO的研究證明,風電功率與電網PEV充電功率波動之間存在明顯的相關性,并且提出了風電—PEV協同性的問題。文獻研究了電動汽車充電的負荷特性以及不同充電方式對電網的影響,并初步建立了多時間尺度的“電動汽車—風電”協同調度數學模型。文獻提出了協同調度碳減排效益的測算模型,定量分析了電動汽車充電與風電協同調度在電網和交通領域的碳減排效益。本文建立風電電動汽車協同利用模型,研究含有V2G的風電電動汽車協同利用對電網風電接納能力的影響,并通過與自由充電模式和不含V2G的協同利用充電模式相比較,以山東電網為例,驗證了含有V2G的協同利用模式在提高電網風電接納能力方面的優勢。1負荷平衡約束風力發電無需為其一次能源付費,故目標函數不考慮風電的費用;電動汽車還處于試運行和推廣階段,還未進入商業化階段,故文中暫不考慮電動汽車費用。目標函數為火電發電費用最小,表示為式中:T為考察時間段數,本文總考察周期為1天,由于電池充電時間一般較長,故取時間間隔為1h,則T=24;fi(Pit)表示第i臺機組在t時段出力為Pit時的費用價格,元/h;ni,t表示第i臺機組在t時段是否在線,1表示運行,0表示停運;qi表示第i臺機組的啟動費用。整個系統的發電費用由各機組各時段發電費用和各時段開啟機組的費用兩部分組成,模型旨在滿足系統約束條件的基礎上,選擇發電費用最小的運行調度方式。系統的約束條件。1)發電負荷平衡。式中:Pwt為t時段的風電功率;Plt為t時段的負荷功率;Pet、Pdt分別為t時段電動汽車充電功率和向電網的放電功率;λt、γt是分別對應t時段與電動汽車放電和充電對應的系數,λt=1表示t時段電動汽車電池工作在放電狀態;γt=1表示t時段電動汽車電池工作在充電狀態,且λt+γt≤1,λt、γt分別等于0或1,即電動汽車在某一時刻它可以充電,也可以放電,但不能同時既充電又放電。由于電動汽車作為交通工具耗電時脫離了與電網的聯系,故在發電負荷平衡約束中沒有電池耗電電功率的參與。2)機組出力上下限約束。式中:Pi,max、Pi,min分別為機組i的出力上下限,本文取Pi,min=0.5Pi,max。3)機組運行時間的約束。式中:Ti,on和Ti,off分別表示第i臺機組連續累積的運行時間和停運時間,Ti,mon和Ti,moff分別表示第i臺機組的最小運行時間和最小停運時間。4)機組最大開機容量約束。式中:srt表示t時段所有在線機組所能提供的備用容量,且滿足如下約束。5)系統的備用容量約束。式中:Kl為負荷備用系數;max{Plt}為考察周期內最大負荷;Kf為事故備用系數;Kw為風電場有功出力預測誤差對系統備用的需求百分數;cft為t時段風電容量因數;Pw為風電裝機容量。6)機組的爬坡約束。式中:Pi,down、Pi,up分別為機組i有功功率的下爬速率和爬坡速率。7)風電出力約束。8)電動汽車電池容量約束。式中:Qt和Qt+1分別為電動汽車t時段和t+1時段的電池電量;Δt為時間間隔,取1h;ηe和ηd分別為電動汽車充電和放電效率;Put為根據美國交通運輸部統計的2001年美國家庭駕駛調查數據得出的電動汽車作為交通工具時耗電功率;μt為與電動汽車耗電功率對應的系數,等于0或1,且λt+γt+μt≤1,即在同一時刻同一電動汽車不能做充電、放電和行駛三者中的任意兩種,只能執行任務之一或者什么都不做。Qmax、Qmin分別為電動汽車電池容量上下限。9)電動汽車充電、放電、耗電平衡約束。式(10)表示電動汽車在考察周期內完成1次充、放、耗電循環。10)電動汽車充電功率約束。11)電動汽車放電功率約束。2線路及其峰谷差率和電網調峰能力電動汽車的不同充放電模式直接影響電網等效負荷曲線及其峰谷差率和電網調峰能力。根據決策變量的差異將電動汽車充放電模式分為自由充電、不含V2G的協同利用充電、含有V2G的協同利用充放電三種模式。2.1電動汽車自由充電負荷文獻在調查統計數據基礎上建立了電動汽車自由充電的模型。由于中國與美國在工作時間上相近,均集中在09:00—17:00,本文假定兩國電動汽車自由充電負荷具有相近的規律。圖1為100萬輛電動汽車自由充電時山東電網冬季典型日負荷曲線。從圖中可以看出,電動汽車充電主要集中在09:00—23:00,恰好包含電網負荷峰值時刻,且有較大的充電功率,增大了電網峰谷差,從而對電網調峰帶來一定的壓力。電動汽車自由充電模式下,風電—電動汽車協同利用的模型中電動汽車充電功率Pet不是一個被決策的量,而是一個固定的時間序列,Pet=Ct;也不存在電動汽車向電網放電,即Pdt=0。2.2電動汽車負荷功率曲線不含V2G的風電—電動汽車協同利用充電模式下,協同利用的模型中電動汽車充電功率Pet是一個被決策的量,通過常規負荷功率、風電功率以及其他相關參數和約束決策出一個最有利于電網經濟和風電接入的電動汽車充電功率曲線,在滿足電網約束的條件下,最大限度地利用風電功率;同樣,該模式下電動汽車只作為負荷從電網中充電,而不向電網放電,即Pdt=0。圖2為100萬輛電動汽車與電網風電協同利用時電網冬季典型日負荷功率曲線。從圖中可以看出,電動汽車協同利用充電主要集中在夜間負荷低谷充電,此時正是風電出力較大時刻,有助于電網消納夜間富余風電,減少電網棄風。等效負荷的峰谷差率由34.01%變為32.42%,電動汽車充電不僅沒有增加負荷峰谷差率,反而使得總負荷峰谷差率減小,提高了電網的調峰能力。2.3電動汽車放電時間規律電動汽車電池在負荷谷值時刻從電網中充電,而在電網負荷峰值時向電網放電,這種電動汽車和電網之間雙向的電能流動稱為V2G。V2G技術的應用,對于風電占比較大或者因其波動性并網困難的電網,電動汽車可以在風電出力大而電網低負荷時刻充電,在風電出力小而電網峰值負荷時刻放電,有助于提高電網對風電的接納能力。含有V2G的風電—電動汽車協同利用充電模式下,協同利用的模型中電動汽車充電功率Pet和Pdt均是被決策的量,通過常規負荷功率、風電功率以及其他相關參數和約束決策出最有利于電網經濟和風電接入的電動汽車充電、放電功率曲線,在滿足電網約束的條件下,最大限度的利用風電功率。在山東電網冬季典型日下,含有V2G的風電—電動汽車協同利用充電模式下電動汽車充放電功率曲線如圖3所示。從圖3可以看出電動汽車放電時間規律,電動汽車充放電受負荷變化規律和風電出力因素的影響,電動汽車放電主要集中在負荷較低水平且風電出力較大時段,電動汽車放電集中在負荷較高水平且風電出力略小時段。電動汽車在07∶00—15∶00這段時間內無論是充電功率還是放電功率都比較小,這與消費者出行習慣有關,這段時間內有較多汽車行駛在路上,無法參與和電網之間的互動。通過電動汽車這種充電儲能/放電供能的方式,使得電動汽車成為電網的主動負荷和可調度電源,從而為電網智能調度提供便利,為可再生能源并網提供了一種有效的方式。3模型測試指標以私家車、出租車和公交車3種車型的電動汽車BYD-F3DM、BYD-E6、BYD-K9為例分析含有V2G的協同利用對電網風電接入能力的影響,3種車型的電池參數和充放電特性如表1所示。根據國家統計局2009年三類車型數量的統計數據和Hadley和Tsvetkova所提出的電動汽車充電參數的加權平均方法,得出電動汽車及加權平均的充電功率曲線,如圖4所示。3.1不考慮機組啟停和負荷低壓時段的模型設計以山東電網2011年冬季典型日負荷水平且風電裝機容量為15GW的情況下,分析100萬輛電動汽車在不同充放電模式下電網的風電接納能力。圖5為不同電動汽車充電模式下各機組出力情況。從圖中可以看出電動汽車自由充電模式增加了電網在最大負荷時刻的火電機組出力,從而增加了電網開機容量,在不考慮機組啟停的情況下,火電機組最小出力相應增加,導致負荷低谷時刻電網棄風。不含V2G的風電—電動汽車協同利用充電模式下,電動汽車充電集中在負荷低谷時刻,利用電動汽車充電消納此時出力較大的風電。但是,由于電動汽車不存在于電網的互動,即不能向電網放電,使得電網火電開機容量不變,在調節系數一定的情況下火電最小出力不變,導致負荷低谷時刻仍有一定的棄風。含有V2G的風電—電動汽車協同利用充電模式下,由于電動汽車電池作為一種分散式儲能設備被電網調度,在負荷峰值時刻可以向電網放電,從而減小了火電機組出力和最小出力,增加了風電利用,并且電動汽車在負荷低谷時刻充電,通過這種充電/放電雙向作用,使得風電利用率和風電電量占比達到最大。山東電網2011年冬季典型日負荷水平且風電裝機容量為15GW的情況下,100萬輛電動汽車在含有V2G的風電—電動汽車協同利用充電模式下可以實現電網零棄風。3.2風電利用隨風電機理的變化在風電無須為其一次能源付費的前提下,相同負荷水平和電動汽車數量的電網中增加風電裝機容量,必然使得一部分火電機組被代替而退出運行。以冬季為例分析不同風電裝機容量下的風電接入能力,通過模型計算,風電利用率和風電電量占比隨風電裝機容量的變化趨勢如圖6所示。從圖6可以看出,由于電網調峰能力的有限性,3種充電模式下,風電利用率均隨著風電裝機容量的增大而減小。自由充電模式下,在風電裝機容量為30GW時減小到62.4%,且在風電裝機容量為10GW時電網已經有3.34%的棄風;不含V2G的風電—電動汽車協同利用模式下,電網在風電裝機容量為10GW時能夠完全消納并網風電,在風電裝機容量為15GW時開始棄風,且棄風量為1.26%;含有V2G的風電—電動汽車協同利用模式下,在風電裝機容量為15GW時能夠完全消納并網風電,且在風電裝機容量為30GW時保持88%以上的風電利用率。雖然風電利用率隨著風電裝機容量的增加而減小,但是風電出力是增加的,且風電出力增加的比例大于風電利用率減小的比例,故風電電量占比隨著風電裝機容量的增加呈增長趨勢。在風電裝機容量小于10GW時,電網為零棄風狀態,沒有富余的風電可通過充電模式改變被接入電網,含有V2G的風電—電動汽車協同利用模式與不含V2G的風電—電動汽車協同利用模式下風電利用率和風電電量占比基本相同,說明含有V2G的風電—電動汽車協同利用模式在風電規模化并網時提高風電并網能力的技術上的可行性和有效性。3.3電動汽車對風電模型的影響電動汽車數量改變,相當于改變負荷水平或者儲能裝置容量,即可供電網調度的主動負荷和儲能電源容量的改變。同時,電動汽車數量不同時,電動汽車作為交通工具的用電功率Put和電動汽車電池容量上下限Qmax、Qmin均同比例變化,本節通過模型計算得出不同數量電動汽車下的電網風電接入能力,如表2所示。從表2可以看出,隨著電動汽車數量的增加,電動汽車自由充電模式對電網的不利影響更加突出。電動汽車數量增加,相當于負荷增加,但風電利用率仍然在減小。如果僅僅靠增加電動汽車數量來提高電網風電接入能力是不可行的,不僅不能提高風電利用率,反而增大電網調峰壓力,降低了電網風電接納能力。同時,風電利用率減小和負荷功率增大均降低了電網風電電量占比。不含V2G的協同利用模式下,風電利用率和風電電量占比隨著電動汽車數量的增加而增大,顯示出協同利用在實現電動汽車規模化并網方面的一定的有效性,但仍然不能實現電網零棄風。含有V2G的協同利用模式下,風電利用率和風電電量占比隨著電動汽車數量的增加而增大,由于其不僅能夠在負荷低谷時段充電增加電網最低負荷,也可以在電網峰值負荷時段對電網放電,減小電網等效負荷最大值,從而雙向的減小了電網峰谷差,增加電網調峰能力,提高風電利用率和風電電量占比,且在電動汽車數量為70萬輛時已經能夠實現電網完全接納15GW裝機容量的風電。但是,在風電利用率已經達到100%時,繼續增加電動汽車數量,由于并網風電并網電量不再增加,而負荷總量在增加,故風電電量占比開始減小。增加相同電動汽車數量時,不同的充電模式對應不同的風電接入能力變化趨勢,圖7為電動汽車3種充電模式下增加單位數量(10萬輛)風電利用率和風電電量占比變化趨勢。從圖7可以看出,自由充電模式下,風電利用率和風電電量占比均隨著電動汽車數量增加呈直線下降趨勢。不含V2G的風電—電動汽車協同利用模式下,風電利用率和風電電量占