考虑车网互动的风-光-车-储微网容量配置方法*刘舒真1，崔昊杨1*，刘昊1，张明达2，孙益辉2，史晨豪3
（1.上海电力大学电子与信息工程学院，上海200090；2.国网浙江宁波市奉化区供电有限公司，浙江宁波315500；
3.上海电力大学电气工程学院，上海200090）
随着化石能源的日益匮乏和环境的不断恶化，以风能和太阳能为代表的新能源具有绿、清洁、可再生等优点而受到关注。然而，高渗透率下的新能源出力的不确定性，也给电网运行带来新的挑战。另一方面，“新基建”的建设给电动汽车（electric vehicle，EV）带来新的热潮，电动汽车规模化入网成为必然趋势。特别地，以车网互动（vehicle to grid，V2G）模式接入电网后，电动汽车作为一种能量密集型移动储能单元，在平滑区域能量波动的同时提高可再生能源的接纳能力和利用效率。因此，以风-光-车-储为能量单元的微电网系统的优化配置与管理，逐渐成为研究热点。
在风-光-车-储微电网的优化配置领域，文献[8]结合电动汽车与分布式电源的时空、时序特性，协同规划分布式电源与电动汽车充电站；文献[9-10]建立路径选择模型、耦合交通网与电力网，优化微电网容量配置方案。以上文献均考虑分布式电源与电动汽车的协同规划，但忽略了对电动汽车充放电引导，所形成的规划方案存在容量浪费，投资额度大，回报周期长等问题。另外一方面，已有研究或集中于
对给定的微电网，研究电动汽车的充电引导策略。文献[11-12]基于价格激励政策探究电动汽车
摘要：以车网互动模式接入微电网后，电动汽车可与分布式电源在微电网内有机集成，促进二者的应用，有助于提高整体的运行能效。因此，针对风-光-车-储微电网系统的电动汽车充电引导及微源容量优化问题，文章提出了一种考虑车网互动的风-光-车-储微电网容量配置方法。首先建立了基于电价激励的电动汽车有序排队充放电模型，引导电动汽车充放电行为有序化；接着兼顾经济效益和联络线功率波动值，建立风-光-车-储微电网系统容量多目标优化模型；然后利用NSGA-II算法优化微源容量配置；最后通过不同场景下规划结果的对比，分析不同电动汽车调度策略对规划方案效益和联络线功率波动的影响。算例结果表明，文章所提方法可实现资源的合理配置，在保证微电网经济性的同时，减少了联络线功率的频繁波动。
关键词：风-光-车-储；车网互动；电动汽车；微源规划；多能互补
中图分类号:TM74文献标志码:A文章编号:2095-2945(2021)14-0123-06
Abstract:After being connected to the microgrid in the interactive mode of vehicle network,electric vehicles(EV)can be organically integrated with distributed power supply in the microgrid,thus promoting the application of the two,and helping to improve the overall energy efficiency of operation.Therefore,in order to solve the problem of EV charging guidance and micro source capacit
y optimization in wind-solar-vehicle-storage microgrid system,this paper proposes a capacity allocation method of wind-solar-vehicle-storage microgrid which considers vehicle network interaction.Firstly,a charging and discharging model based on electricity price incentive was established to guide the charging and discharging behavior of electric vehicles to be orderly. Secondly,taking into consideration the economic benefit and the power fluctuation of the tie line,a multi-objective optimization model of the capacity of the wind-solar-vehicle-storage microgrid system was established.Then,NSGA-II algorithm is used to optimize the configuration of microsource capacity.Finally,through the comparison of the planning results under different scenar⁃ios,the influence of different EV scheduling strategies on the benefits of the planning scheme and the power fluctuation of the tie-line is analyzed.The results of the calculation examples show that the proposed method can achieve reasonable allocation of resources,and reduce the frequent fluctuation of the power of the connection line while ensuring the economy of the microgrid.
Keywords:wind-solar-vehicle-storage;vehicles-microgrid interaction;electric vehicle(EV);micro-source planning;multi-energy supplemen
*基金项目：国家自然科学基金资助项目(编号:61872230)
作者简介：刘舒真（1996-），女，硕士研究生，研究方向：新能源与充电桩并网规划及优化控制；刘昊（1995-），男，硕士研究生，研究方向：云计算、电力大数据；张明达（1968-），男，本科，高级工程师，研究方向：电力信息通信技术；孙益辉（1984-），男，硕士，高级工程师，研究方向：输变电运检；史晨豪（1996-），男，硕士研究生，研究方向：新能源并网优化控制。
*通信作者：崔昊杨（1978-），男，博士，教授，研究方向：电力设备状态检测、红外探测与检测。
123--
的需求响应，平滑其引起的负荷峰谷差，文献[3]将分类电动汽车，执行价格激励与延时充电，实现大规模电动汽车有序充放电消纳弃风功率。
整体来看，在电动汽车规模化接入的大背景下，针对风-光-车-储微电网系统的充电引导策略及其容量优化与配置问题，相关文献、成果还较少，研究亟待深入。对此，本文以车网互动为核心，提出一种考虑车网互动的风-光-车-储微电网容量配置方法，为研究电动汽车接入微电网系统下的容量配置策略提出新思路。1基于电价激励的电动汽车有序排队充放电模型
本文构建的风-光-车-储微电网（如图1）中，电动汽
车作为柔性负荷，在谷时段优先消纳可再生能源，在峰时段优先放电。当微电网内部发电量无法消纳
或供电不足时，通过联络线与大电网进行能量交换。
图1风-光-车-储微电网运行架构
（1）电动汽车采用结合电价激励政策和排队理论的电动汽车充电引导策略，在传统分时电价的基础上，针对联络线功率波动，引导电动汽车充放电行为有序化。风、光发电机组根据各自配置容量在随机工况下发电，得到等效负荷曲线，此时微电网的能量平衡可以表达为：P cw.t =P lp.t -P wp.t -P pv.t -P evn.t ，
（1）
式中，P cw.t 、P lp.t 、P wp.t 、P pv.t 和P evn.t 分别是t 时刻联络线功率、
负荷功率、风光发电功率和未参与V2G 的电动汽车充电功率。
从而得到联络线功率波动值β：β=P cw.t -P ave ，
（2）式中，P ave 是联络线功率均值。
（2）在|β|≤δ（δ为较小正数）时段实施平段电价，通过
排队理论筛选少量EV 参与优化调度或通过储能系统进行少量调节使得功率平衡。
在β≥δ时段实施峰段电价，引导EV 放电缓解峰时
储能系统放电压力和主网供电压力。
在β≤-δ时段实施谷段电价，引导EV 充电缓解储能充电压力，减少弃风弃光现象。
（3）电动汽车充电站模块发挥其调峰能力平滑联络线功率时，电动汽车依照充/放电优先度依次选择充电方式。充电站计算电动汽车预计充电完成时间与离开时间，为电动汽车排序充电。表达式如下：
（3）（4）
式中，S in
ev 和S out ev 分别是电动汽车充/放电顺序，从小到大排序该计算结果，确定电动汽车充/放电序列，令电动汽车尽早完成充电，以发挥其分布式电源特性调节功率波动；t lev 、t now 是期望离开时间和当前时间；αi 是优先参数，表征参与V2G 用户的充电优先度；P in
ev.t 和P out
ev.t 分别是t 时刻电动汽车充/放电功率；N car 表征充电汽车数量。
（4）储能装置在满足荷电状态和充/放电功率约束下，进一步平滑联络线功率，得到最终平滑后联络线功率P ″cw .t ：P ″cw .t =P ′cw .t -P es.t ，
（5）
式中，P es.t 是t 时刻储能装置充放电功率。
2风-光-车-储微电网多目标容量优化模型
2.1目标函数
本文以经济效益最佳，联络线功率波动最低为目标，
建立风-光-车-储微电网规划数学模型。
风-光-车-储微电网的经济效益C 包括日综合平均成本C cap 与日综合平均收益C ern ，表达式如下：
C =min （C cap +C ern ）。
（6）
日综合平均成本包括日等值设备投资成本C eq 和日
平均运行维护成本C ope 。其中前者主要计及微源寿命周期与折现率；后者与总装机容量呈线性关系。表达式如下：
（7）式中，
c eq.i 和E 分别是风机、光伏阵列、蓄电池初始投资成本单价和装机容量，c eq.ev 是电动汽车充电桩单位造价，
N ev 是电动汽车充电桩数量；c es 是蓄电池单位充/放电功率价格，P es 是蓄电池组额定充/放电功率；f i 是各微源的折现系数，取0.11；c ope.i 和c ope.ev 分别是风机、
光伏阵列、蓄电池和电动汽车充电桩年运行维护成本；c ev 是电
动汽车car car
in
out
cw.cw.ev.ev.1
1
N N t t t t i i P P P P ，
cap eq ope 3
eq eq.eq.ev ev es es 13
ope ope ope.ev ev ev ev 1
()/365(+c )/365+c .i i i i i i i C C C C f c E c N c P C c E N E （8）（9）
，
，
，
，，
124--
充电桩单位充电量维护成本，E ev 是当前调度周期内电动
汽车总充电量。
日综合平均收益综合考虑了风光车储微电网运行过
程中市场竞价C prfi 及电量不足C non 或过剩C wst ，以及为弥补缺额供电量造成的环境污染C grn 带来的经济损失。表达式如下：
（10）（11）式中，P non.t 、P wst.t 分别是第t 小时弃风弃光功率和供电缺额
功率，P cw.max 、P cw.min 分别是联络线功率的上下限。
式中，P b.t 、P s.t 分别表示向第t 小时微电网向主网购电功率与售电功率；c b 、c s 是微电网向主网分时单位购售电价，c ′b 、
c ′s 是电动汽车分时电价。
（13）式中，κ、ξ分别是弃风弃光的系数和切负荷损失系数，取0.5；K i 是单位电量对应第i 种污染物的排放系数，c gr.i 、c pu .i
是第i 种污染物的环境价值和排放价格。
联络线功率波动与微电网内能源间互补性呈负相关，本文定义计及峰谷差的联络线波动率λ表征联络线功率较均值波动情况。其表达式如下：
（16）式中，P ″cw.max 、P ″cw.min 分别是微电网运行过程中联络线的峰谷值。2.2约束条件
（1）可再生能源发电容量约束
为保证系统供电需求，有盈余的电能对电动汽车供
电，微源发电总量需大于负荷用电量，与此同时，为避免降低弃风弃光，分布式发电总量应满足如下约束：1⩽λwp +λpv ⩽λmax ，
遇到碰瓷（17）式中，λwp 、λpv 分别是风力发电、光伏发电功率与负荷峰值
功率之比。λmax 一般控制在1.0-1.3左右。
（2）蓄电池、电动汽车荷电状态约束本文中储能装置选用铅酸蓄电池，其与电动汽车电池需要满足其荷电状态（SOC ）的上下限约束，以延长电
马自达3星骋论坛池的使用寿命。
SOC min ⩽SOC ⩽SOC max ，（18）SOC car.min ⩽SOC car ⩽1，（19）p ⩽SOC car.v2g ，
（20）
式中，SOC 表征储能电池的荷电状态，SOC max 、SOC min
分别是其上下限；SOC car 表征电动汽车电池的荷电状态，SOC car.min 是其下限。SOC car.v2g 表征参与V2G 行为的电动汽
车的荷电状态，电动汽车充电达到100%后方可参与V2G 行为，并且放电过程中不得低于用户离开期望荷电
状态p ，本文取该值为0.8。
（3）蓄电池、电动汽车充放电功率约束
蓄电池和电动汽车的充放电功率均不能超过其限制。0⩽P es.t ⩽P es ，（21）0⩽P ev.t ⩽P ev ，
（22）
式中，P ev 是电动汽车充电功率额定值。
（4）联络线功率约束
在微电网与大电网进行能量交换行为时，联络线功率不得超出限制。
（23）
3算例分析
本文研究的风-光-车-储微网最大负荷为2400kW ，
联络线最大功率限制为1600kW ，反送电功率限制为
500kW 。以24h 作为一个调度周期，选取典型日进行仿真。考虑到该地区的电动汽车规模，设置电动汽车为500台。风光储组件的主要参数见表1和表2，采用改进NSGA-II
算法求解，设置种大小为50，迭代次数300，pareto 最优解个数为50。
3.1规划层结果分析设置如下场景对比分析：场景1为无序充放电下的微
电网规划；场景2为电价激励政策引导EV 自主充放电下
的微电网规划；场景3为电价激励政策结合排队理论控制EV 充放电下的微电网规划。
选取联络线波动率在100-110间不同场景下的规划结果进行对比，各场景的规划结果如表3所示。
通过表3结果对比可知，尽管场景2采用电价激励政策引导电动汽车充放电，但由于夜间光伏发电存在缺额，若增发风电则造成日间发电量冗余，因此仍有相应容量的储能需求，场景3对电动汽车充放电行为排序引导
合理分配电动汽车充电顺序及充电功率，计及电动汽车
离开时间排序，使峰时段有一定量电动汽车放电缓解供电压力，因此对比场景2储能需求降低25%，对比场景1储能需求降低33%，达到降低微电网经济成本的效果。各方案经济成本对比及电网互动效益对比如表4所示。
由表4可以看出，方案1的总费用为186027.11元，
ern prfi wst non grn non.cw.cw.max cw.cw.max wst.cw.cw.min cw.cw.min ()()t t t t t t C C C C C P P P P P P P P P P
，，，out in
prfi b.b ev.b s.s ev.s 0()T
t t t t t C P c P c P c P c （12）
（14）（15
）
T l wst wst.0non non.0grn b.gr.pu.10
()T
t t T
北汽勇士t t n
T
t i i i i t C P C P C P K c c k x ，
，
，
，cw.min cw.
cw.max t P P P 。，
125--
参数数值
风机
单机容量/(kW) 10 初始成本/(元·kW-1) 6350 年运维成本/(元·年-1) 30 切入风速/(m·s-1) 5 额定风速/(m·s-1) 11
使用年限/(年) 20
光伏阵列
单机容量/(kW) 10 初始成本/(元·kW-1) 5850 年运维成本/(元·年-1) 20 使用年限/(年) 20
蓄电池
单组容量/(kW·h) 200 初始成本/[元·(kW·h)-1] 1379 单位功率造价/(元·kW) 1750
年运维成本/(元·年) 63 使用年限/(年) 15
SOC限制0.2-0.8
电动汽车
充电桩单个容量/(辆) 8
初始成本/(元·个-1) 10500 运维成本/(元·kW-1) 1.5 使用年限/(年) 20
用户V2G参与度0.8 电池容量/[辆·(kW·h)-1] 40 离开期望SOC 0.8
表1微电网系统装置的各项成本及参数
污染物
排放系数/
[g·(kW·h)-1]
环境价值/
(元·kg-1)
/
(元·kg-1)
NO2 3.093 6.4795 16199
CO286 0.0186 0.0081
SO2 3.945 4.8596 0.8099
表2传统燃煤发电各污染物排放成本
方案2的总费用为140408.19元，比方案1减少了24%。该结果验证了计及车网互动的微电网规划可以显著降低储能配置成本。由于电价激励政策引导，电动汽车倾向于谷时段充电，峰时段放电，因此在方案2电动汽车交互费用较方案1增加9%。方案3的总费用为121437.54元，较方案2减少了13%。主要是由于方案3对电动汽车充放电进行排序，使电动汽车可调度容量更为灵活，但并未改变电动汽车整体充放电时间，因此较方案2仅增加2%。
3.2调度层结果分析
上海 汽车销售为了更好地分析上文所述基于电价激励政策的调度策略的调峰效果，接下来对比电动汽车的充电负荷功率（如图2）与实时可调度容量（如图3）情况。
由图2、图3可以看出，谷时段10：00-15：00风光联合发电达到峰值，发电量过剩，此时方案2、3使电动汽车充电负荷功率在激励政策引导下有所提高，在平滑联络线功率波动的同时提高风光消纳水平；峰时段18：00-
22：00用电负荷达到峰值，发电量不足，此时方案2、3使电动汽车充电负荷功率在激励政策引导下显著降低，方案3计及电动汽车离开时间进行排序，进一步对其放电量进行分配，因此峰时段电动汽车的实时可调度容量也有所提高。
方案2、方案3的联络线功率波动如图4所示，可以看出，方案3在方案2的基础上结合排队理论，一方面合理分配电动汽车充电顺序及充电功率，谷时段令电动汽充分车消纳过剩的光伏发电，另一方面计及电动汽车离开时间排序，也使得峰时段能有足够的电动汽车放电缓解供电压力，因此方案3从充电负荷和放电容量两方面缓解供电压力，平滑联络线功率波动。
4结束语
电动汽车与可再生能源发电系统在微电网内有机集成，现有规划简化电动汽车模型，忽略电动汽车充
放电引导策略，具有很强的局限性。为此，本文综合考虑多能互补特性与微电网经济性，提出考虑车网互动的微源容量优化策略，通过设置不同电动汽车引导策略对规划方案进行对比，探究车网互动对微电网规划的影响。结果表明考虑车网互动的微电网规划方案可以有效降低微电网投资成本与联络线波动率，其在峰时段拥有更为灵活的可调度容量，调节电动汽车有序充放电与可再生能源发电特性一致，可以有效实现源-荷协同，降低微电网对储能配置的依赖，减少微电网成本，提高可再生能源的消纳水平。
参考文献院
[1]丛晶，宋坤，鲁海威，等.新能源电力系统中的储能技术研究综述[J].电工电能新技术，2014，33（3）：53-59.
[2]茆美琴，陈强，丁勇，等.基于模块化多电平换流器的电动汽车集与智能电网集成系统参数优化设计[J].电工技术学报，2018，33（16）：3802-3810.
[3]刘都利，周任军，孙洪.考虑电动汽车分类的V2G消纳风电优化策略[J].电测与仪表，2018，55（9）：69-76.
[4]侯慧，薛梦雅，陈国炎，等.计及电动汽车充放电的微电网多目标分级经济调度[J].电力系统自动化，2019，43（17）：55-67.
[5]朱永胜，杨俊林，刘洲峰，等.基于博弈论的风-光-车容量配置研究[J].太阳能学报，2020，41（9）：95-103.
[6]刘波，何珉，谭丹.考虑电动汽车的主动配电网储能优化配置[J].电测与仪表，2018，55（6）：47-51.
[7]孔顺飞，胡志坚，谢仕炜，等.计及风光储与充电站的主动配电网双层协同规划[J].电测与仪表，2019，56（17）：60-68.
[8]Nikoobakht A，J Aghaei，T Niknam，et al.Electric vehicle mobility
方案风机/kW 光伏/kW 蓄电池/kW·h 方案1 2250 1100 900
方案2 2240 1150 800
方案3 2170 1240 600
表33种方案规划结果对比
126--
表43种方案规划投资费用对比
厦门公安交警网方案 总体经济效益/（元）
微源折算投资成本/（元）
电动汽车交互费用/（元）
方案1 186027.11 65346.57 3537.26 方案2 140408.19 64259.45 3873.78 方案3 121437.54上海汽车保养
62769.58
3966.37
图2充电负荷曲线
图3实时可调度容量曲
线
图4
联络线功率
and optimal grid reconfiguration as flexibility tools in wind integrated power systems[J].International Journal of Electrical Power and Energy Systems ，2019，110：83-94.
[9]何晨可，韦钢，朱兰，等.电动汽车充换放储一体化电站选址定容[J].中国电机工程学报，2019，39（2）：479-489+645.
[10]吴宇，张彼德，袁国森，等.计及电动汽车和风光资源不确定性的微电网优化配置[J].电测与仪表，2016，53（16）：39-44.
[11]李咸善，陈敏睿，
程杉，等.基于双重激励协同博弈的含电动汽车微电网优化调度策略[J].高电压技术，2020，46（7）：2286-2296.[12]周凌锋，
王杰.考虑用户响应程度的电动汽车分时电价策略[J].电测与仪表，2018，55（22）：67-72.
[13]钱科军，谢鹰，
张新松，等.考虑充电负荷随机特性的电动汽车充电网络模糊多目标规划[J].电网技术，2020，44（11）：4404-4414.[14]郭创新，刘洞宇，朱承治，等.电动汽车居民区充电负荷建模分析[J].电力自动化设备，2020，40（1）：1-9.
[15]李建林，郭斌琪，
牛萌，等.风光储系统储能容量优化配置策略[J].电工技术学报，2018，33（6）：1189-1196.
[16]夏永洪，吴虹剑，辛建波，等.考虑风/光/水/储多源互补特性的微网经济运行评价方法[J].电力自动化设备，2017，37（7）：63-69.
[17]Arevalo ，J C ，F Santos ，S Rivera.Uncertainty cost functions for
solar photovoltaic generation ，wind energy generation ，and plug -in electric vehicles ：mathematical expected value and verification by
(下转13园页)
127--
发布评论