计算机技术与应用
金商鹤丨，张宇1袁2，王育飞丨，时珊珊2，王皓靖2
(1.上海电力大学电气工程学院，上海200090；2.国网上海市电力公司电力科学研究院，上海200437)
摘要：为了解决风、光出力波动性和电动汽车接入电网无序充电问题，根据电动汽车用户对激励因素的敏感程度不同，建立电动汽车分类接入微网两阶段优化调度模型，并开展算例分析。研究结果表明，与无序充电相比，电动汽车两阶段调度微网在负荷峰、谷时段的琢值都明显减小，储能单元基本能满足微网运行需求，风光利用率高达95.43%，联络线交换功率仅为24.2kW，显著减小微网风光出力波动对大电网的影响。随着III类电动汽车占比逐渐增加，风光利用率明显上升。算例分析证明所提出的两阶段优化调度模型能有效降低微网外购电量，提高风光利用率，改善微网功率波动对大电网的影响。
关键词：接入微网；电动汽车；调度模型；风光利用率；算例分析
中图分类号：TP33 文献标识码：A DOI:10.16157/j.issn.0258-7998.200179
中文引用格式：金商鹤，张宇，王育飞袁等.电动汽车接入微网优化调度模型建立及其算例[J].电子技术应用，2021,47 (1)：82-85,107.
英文弓I用格式：Jin Shanghe,Zhang Yu,Wang Yufei,et al.Establishment of optimal scheduling model for electric vehicles connected to microgrid and calculation examples[J].Application of Electronic Technique,2021,47(1)：82-85,107.
Establishment of optimal scheduling model for electric vehicles connected
to microgrid and calculation examples
Jin Shanghe1,Zhang Yu1,2,Wang Yufei1,Shi Shanshan2,Wang Haojing2
(1.Shanghai University of Electric Power,Shanghai200090,China；
2.State Grid Shanghai Electric Power Research Institute,Shanghai200437,China)
Abstract:In order to solve the problem of fluctuation of wind-power output and disordered charging of electric vehicles connected to the power grid,a two-stage optimal dispatching model of electric vehicles connected to the micro grid by classification was established according to the sensitivity of
electric vehicle users to the i ncentive factors,and a case study was carried out.The research results show that compared with disordered charging,the two-stage dispatching micro grid of electric vehicles significantly reduces the value in load peak and valley periods,the energy storage unit can basically meet the operation demand of the micro grid,the wind-energy utilization rate is up to95.43%,and the connection line exchange power is only24.2kW,which significantly reduces the impact of wind-energy fluctuations of the micro grid on the large power grid.With the increase of the proportion of class III electric vehicles,the utilization rate of wind-power increased obviously.An example shows that the proposed two-stage optimal dispatching model can effectively reduce the power purchased from the micro grid,which improves the utilization rate of wind and wind,and improves the influence of micro grid power fluctuations on the large power grid.
Key words:access micro network；electric cars；scheduling model；wind utilization rate；the example analysis
0引言
近年来微网和电动汽车发展突飞猛进，风、光出力波动性和电动汽车接入电网无序充电问题亟待解决［1］°为此国内外学者构想将电动汽车与微网协调运行，以缓解两者单独接入电网的不利影响，促进
两者的应用和发展［2-5］°在微电网中连接电动汽车进行储能时可以有效避免发生间歇性新能源出力的情况，现阶段已有许多学
*基金项目：国家电网公司总部科技项目(520940170017)者研究了将电动汽车与微网进行连接时的优化调度技术°例如文献［6］-［8］设计了一种对含有电动汽车的微网系统进行多目标调度的分析模型，结果发现采取有序充放电的方式可以获得比无序充电入网方式更高的经济性；文献［8］报道了由电动汽车构成的光、风、储能微电网调度模型通过引入更加协调的运行模式能够有效减小系统的运行成本并降低电动汽车运行费用；文献［9］同时分析了微网发电成本及其对环境造成的影响对分布式电源的出力状况进行了动态分析，因此能够实现在
计算机技术与应用
低发电成本的条件下获得更优的环境效益；文献［10］根 据微网内存在的不确定因素设计得到了具有良好鲁棒 性的经济调度模型，并达到了较低的电动车损耗，同时 满足鲁棒性与经济性要求。现有文献多通过直接负荷控
制的方式满足实施方需求，其对电动汽车特殊性的考虑 不够充分，较少关注单辆电动汽车参与激励型需求响应 项目后的实际响应效果E -14」。文献［15］-［16］以负荷峰值
削减为目标，制定有序的电动汽车充电策略，该类方法 通常缺少对电动汽车参与响应的效果评估，忽略用户侧 需求［17］遥上述文献较少考虑电动汽车车主响应意愿，单 方面认为入网的电动汽车皆可参与充放电调度；其次, 优化调度通常直接针对单辆电动汽车 电动汽车数量较
多时容易引发“维数灾”问题。
本文从电动汽车用户响应意愿角度出发，建立两阶
段优化调度模型，两阶段优化方法的决策变量数显著减 少，有利于大量电动汽车充放电优化问题的快速求解。1两阶段优化调度模型建立
1.1日前集调度模型1.1.1目标函数
日前集调度以风光利用率最大为目标：
y
P wv , t
max 心=max -------------------- (1)
^移(卩 w , t + P pv , t )
t
Pw , t = min(p ” , t +P pv , t , p load , t +P ev ,t + P b , t ) (2)式中，P ” , t 、P pv , t 、P w , t 分别为微网在t 时段的风电、光伏出
力预测值以及风光利用功率 g , t 为t 时段微网基本负
荷,P ev , t 为t 时段电动汽车总的充放电功率,P b , t 为t 时 段微网中储能电池的充放电功率。1.1.2约束条件
(1) 功率平衡约束
微网为维持功率平衡，在t 时段的购电量g t 为：
q t = P EV ,t +P B , t + P l oad , t - P w , t
(3)
(2) 电动汽车集充放电功率约束
N t
-
移
Pdmax ,l
臆 P EV , t 臆 移 Pcmax , l
(4)
l 沂 N t 3
l= 1
式中,Pcmx ,l 、Pd 皿,l 为电动汽车的充、放电功率上限。
(3) 储能电池约束
储能电池的安全运行需考虑荷电状态S b 约束，且其
充放电功率PB , t 受其最大充放电功率约束，故有：
(5)(6)(7)
S b , t
S B , min
臆 S B 臆 S B , max
~P B , dmax
臆 P B , t 臆 P b , c max
S b , t -1+ PB ，浊袁 4 , pB 袁 t 逸0C B
S b , t -1+ "B "驻f
, P b , t <0
浊B , d C B
式中，S b , max 、S b , min 分别为储能电池荷电状态上、下限,“B 袁沁、 PB,dmax 分别为储能电池充、放电功率最大值，浊B,c 、浊B , d 分
别为储能电池的充、放电效率,C b 为储能电池容量。
从安全性和可持续性角度出发 储能电池在整个调 度周期的充放电电量需维持平衡。
0.25 移P B, t =0
(8)
t
1.2日内实时调度模型1.
2.1目标函数
计及风电、光伏出力预测误差 结合电动汽车分类 日
内实时调度以与日前集调度结果偏差最小为目标：
min F cfev =min 移［移Pl. t -(P Ev , t +Ap t )］2
(9)
t
l 沂 N t
A
P = P w, t +P pv, t -P " , t -P pv , t
(10)
式中,Pl , t 为电动汽车l 在t 时段的充放电功率，p w , t 、
Ppv, t
分别为微网中风电和光伏的实际出力值，Ap t 表示t
时段的风光出力预测误差。1.2.2 约束条件
(1) 功率约束Pl , t = P cmax ,l ,
雪弗兰开拓者l 沂 N t 1
"__P cmax ,l 臆Pl , t 臆 0 ,
l
沂 N t 2
(11)
-Pd max , l
臆 P l , t 臆 Pc max , l , l 沂 N 3
式中，N 1、N t 2和分别为恒功率充电、响应充电和响应 充放电的电动汽车数量。
(2) 荷电状态约束
S l , min
臆 S l ,t 臆 S l ,max
( 12)
S l , t =S l , t -1+ Pl ，，J At (13)
tVl , c , Pl , t 逸0
浊
(P l ,t )=| 1 “
(14)
I ------, Pl , t <0I 浊l , d
式中，浊l , c 、浊l , d 分别为电动汽车l 的充、放电效率。
(3) 出行需求约束
电动汽车l 接入微网的持续时间为：T n ,l = T^i ,l - T i… ,l ,
T caa ,l 包含的时间段集合为T ：，则电动汽车在离开时要
进口马自达3三厢满足期望电量要求：
S o , l + 移 Pl 丿浊C l J At 逸S e ,l
(15)
t 沂 T ”
C l
式中,S o , l 为电动汽车l 接入微电网的初始荷电状态。1.3两阶段优化调度流程图
电动汽车分类接入微网两阶段优化调度流程如图 1 所示。
本文在 MATLAB 环境下应用 Yalmip 工具箱调用 Gurobi
求解器方法，先后对两阶段优化调度模型进行求解。2算例分析
2.1基本参数
将一天分为96个时段，调度间隔15 min 遥有100辆
电动汽车接入微网充电，电动汽车容量统一为25kW ・h ,
计算机技术与应用
充、放电功率上限为3.6kW，充、放电效率分别为0.95、0.9，荷电状态上、下限分别为1、0.2，由电动汽车功率需求模型随机生成电动汽车充电需求信息，假设I类、II 类和III类电动汽车分别占比20%、30%和50%°假设风光出力预测误差服从正态分布预测误差方差为0.2°日前微网源荷信息如图2所示，包括微网中的基本负荷、日前风电和光伏出力预测，以及电动汽车各时段的无序充电需求°
400-------------------------------------------.―*—微网基本负荷
3691215182124
时间/h
图2日前微网源荷信息
2.2结果分析
2.2.1电动汽车日前集调度与日内实时调度
电动汽车日前集调度和日内实时调度计划如图3所示。由图3可知，日前集调度和日内实时调度当日电动汽车充放电计划不完全重合，但两条曲线整体趋势近似一致，在风电过剩的0时~7时，电动汽车选择充电响应；在风、光出力不足的17时~23时，电动汽车选择放电响应。2.2.23类单辆电动汽车充放电计划
随机抽取I、II、III类电动汽车各一辆，其充放电计
这是因为该段时间内风光出力不足,III类电动汽车为满足微网基本负荷和部分电动汽车充电负荷的电量需求向微网反向供电,24时后风光出力先后逐渐盈余，电动汽车按实时调度计划充满电量。
汽车时代36912151821 24
时间/h
一^—1类电动汽车
.*ni^—ii类电动汽车
jy/v\\—in类电动汽车
__________加.1.1.1.1.1.
r
图43类单辆电动汽车充放电计划
2.2.3电动汽车无序充电与两阶段调度对比
用微网内负荷与风光出力的差值琢衡量微网源荷供需平衡情况。琢=0表示微网内风光出力与各类负荷供需平衡；琢＜0表示风光出力过剩；琢＞0表示微网供电不足。电动汽车无序充电与两阶段调度方式下琢值变化如图5所示。可以看出，与无序充电相比，对电动汽车进行两阶段调度的微网，在负荷峰、谷时段的琢值都有明显减小，且基本维持在120kW以内，即此时的储能单元基本能满足微网运行需求°
电动汽车无序充电与两阶段优化调度结果对比如表1所示。由表可得，对电动汽车实施两阶段优化调度的微网风光利用率高达95.43%，与无序充电方式对比,
计算机技术与应用
纟s
o
o
o
o
o
O
o
o
o
o
O
3
2
1
1
2
3691215182124
吋间/h
图5两种方式下琢值变化对比
01020304050607080
III类电动汽车占比/%
图6响应充放电调度比例灵敏度表1电动汽车无序充电与两阶段
优化调度结果对比
调度方式
风光
利用率/%
微网
购电量/(kW-h)
汽车改装车灯微网琢
最大值/kW
无序充电80.211224.7273.9
两阶段优化95.4395.9144.2
风光利用率提高了15.22%；无序充电时微网从大电网的购电量是两阶段调度的近13倍，两阶段优化调度策略的购电量仅为95.9kW-h，说明对风光出力的高效利用基本能满足微网基本负荷和电动汽车的电量需求，使得微网购电成本显著降低。电动汽车无序充电时，微网琢最大值为273.9kW，而储能单元
的放电功率上限为120kW，两阶段优化调度方式下联络线交换功率仅为24.2kW，则显著减小了微网风光出力波动对大电网的影响。
综上，电动汽车分类接入微网的两阶段优化调度策略可以显著提高风光利用率，降低微网购电量，改善微网功率波动对大电网的影响。
2.2.4响应充放电调度比例灵敏度分析
由图1可知，微网给予电动汽车用户的激励程度不同时，II类和III类的电动汽车占比会相应变化，电动汽车分类接入微网两阶段优化调度后的风光利用率也会有所区别，故此对响应充放电调度比例灵敏度分析如图6所示。
由图6可以看出，随着III类电动汽车占比的逐渐增加，微网的风光利用率呈明显的上升趋势，且III类电动汽车占比在0~50%的风光利用率上升曲线陡峭，占比50%后的上升趋势明显减缓。这是因为I类电动汽车对激励不敏感该部分调度容量不能高效利用III类电动汽车占比在50%之后，其对风光利用率的调节能力逐渐逼近上限。但通过增大III类电动汽车占比来提高风光利用率也会相应增加微网运行的激励支出故此微网运营商应根据实际的电动汽车的入网规模，合理优化设置相应的激励形式和激励水平。3结论
本文根据电动汽车用户对激励因素的敏感程度不同，建立电动汽车分类接入微网两阶段优化调度模型，算例分析得到：
(1)在风电过剩的0时耀7时，电动汽车选择充电响应；在风、光出力不足的17时~23时，电动汽车选择放电响应。
(2)当日行程结束接入微网后,I类电动汽车直接以最大功率充电，II类电动汽车选择在风光出力充足时段充电,III类电动汽车在当日行程结束入网的一段时间内优先放电响应。
(3)与无序充电相比对电动汽车进行两阶段调度的微网，在负荷峰、谷时段的琢值都有明显减小，储能单元基本能满足微网运行需求。对电动汽车实施两阶段优化调度的微网风光利用率高达95.43%，两阶段优化调度方式下联络线交换功率仅为24.2kW，则显著减小了微网风光出力波动对大电网的影响。
(4)随着III类电动汽车占比的逐渐增加，微网的风光利用率呈明显的上升趋势，且III类电动汽车占比在0耀50%的风光利用率上升曲线陡峭，占比50%后的上升趋势明显减缓。
参考文献
[1]刘利兵，刘天琪，张涛，等.计及电池动态损耗的电动汽
车有序充放电策略优化[J].电力系统自动化，2016,40(5)：83-90.
[2]PAPADIMITRIOU C N,KLEFTAKIS V A,HATZIARGY-
RIOU N D.Control strategy for seamless transition from
islanded to interconnected operation mode of microgrids[J].
Journal of Modern Power Systems and Clean Energy,2017, 5(2)：169-176.
[3]苏粟，蒋小超，王玮，等.计及电动汽车和光伏一储能的
微网能量优化管理[J].电力系统自动化，2015,39(9)：
164-171.
(下转第107页)
光电子与激光
by the use of phase stepping[J]. Applied Optics,1996,35
(1)：51-60.
[15]SCHWIDER J,BUROW R,ELSSNER K E,et al.Digital
wave-front measuring interferometry:some systematic error sources[J].Applied Optics,1983,22(21)：3421-3432. [16]LARKIN K G,OREB B F.Design and assessment of
symmetrical phase-shifting algorithms[J].Journal of the
Optical Society of America A,1992,9(10):1740-1748.
[17]MALACARA-DOBLADO D,DORRIO B V,MALACARA-
HERNANDEZ D.Graphic tool to produce tailored
symmetrical phase-shifting algorithms[J].Optics Letters,
2000,25(1)：64-66.
[18]HIBINO K,OREB B F,FARRANT D I,et al.Phase-shifting
for nonsinusoidal waveforms with phaseshift errors[J].
Journal of the Optical Society of America A,1995,12(4):
761-768.
[19]HIBINO K,OREB B F,FARRANT D I,et al.Phase
shifting algorithms for nonlinear and spatially nonuniform
phase shifts[J].Journal of the Optical Society of America
A199714(4)：918-930.
[20]SCHMIT J,CREATH K.Extended averaging technique for
derivation of error-compensating algorithms in phase-
shifting interferometry[J].Applical Optics,1995,34(19):
3610-3619.永源飞碟a380
[21]PHILLION D W.General methods for generating phase
shifting interferometry algorithms[J].Applical Optics,1997,
36(31)：8098-8115.
[22]李泾渭，辛青，侯昌伦.通过傅里叶变换测量多表面面
形[J].光学精密工程,2019(6):1277-1285.
(收稿日期：2020-07-15)作者简介：
李泾渭(1994-)，男，研究生，主要研究方向：通过激光干涉技术检测多表面面形的技术遥
辛青(1981-)，女，博士，副教授，主要研究方向：纳米材料与器件的制备与研究遥
侯昌伦(1976-)，通信作者，男，博士，副教授，主要研究方向：光学检测、光学成像和微光学传感器，E-mail: hou_cl@hdu. edu。
(上接第85页)
[4]MENDES P R D C,NORMEY-RICO J E,ALBA C B.
Economic energy management of a microgrid including
electric vehicles[C].Innovative Smart Grid Technologies Latin America,2016.
[5]刘新天，秦稳稳，郑昕昕.电动汽车无线充电系统拓扑与
控制策略研究[J].电子技术应用，2017,43(5)：155-158.
[6]谢檬，赵录怀，王娟.分布式发电微网控制系统的设计[J].
电子技术应用,2017,43(6):151-154,158.
[7]庄怀东，吴红斌，刘海涛，等.含电动汽车的微网系统多
目标经济调度[J].电工技术学报，2014(S1)：374-382. [8]茆美琴，孙树娟，苏建徽.包含电动汽车的风/光/储微电
网经济性分析[J].电力系统自动化，2011,35(14):30-35.
[9]王璟，王利利，郭勇，等.计及电动汽车的微电网经济调
度方法[J].电力系统保护与控制，2016,44(17):111-117.
[10]吴红斌，侯小凡，赵波，等.计及可入网电动汽车的微网
系统经济调度[J].电力系统自动化，2014,38(9):77-84.
喷漆技术[11]梁子鹏，陈皓勇，王勇超，等.含电动汽车的微网鲁棒经
济调度[J].电网技术，2017(8):256-267.
[12]阮文骏，王蓓蓓，李扬，等.峰谷分时电价下的用户响应
行为研究[J].电网技术，2012,36(7):86-93.[13]朱兰，刘伸，唐陇军，等.充放电不确定性响应建模与电
动汽车代理商日前调度策略[J].电网技术,2018,42(10)：
3305-3314.
[14]王蓓蓓，孙宇军，李扬.不确定性需求响应建模在电力积
分激励决策中的应用[J].电力系统自化，2015,39(10)：
93-99.
[15]杨晓东，任帅杰，张有兵，等.电动汽车可调度能力模型
与日内优先调度策略[J].电力系统自动化，2017,41(2)：
84-93.
[16]张莉，张松.电动汽车充电站的充放电控制策略研究[J].
电子技术应用，2018,44(11)：150-153,157.
[17]李睿雪，胡泽春.电动公交车光储充电站日运行随机优
化策略[J].电网技术，2017(12):41-49.
(收稿日期：2020-03-10)作者简介:
金商鹤(1995-)，男，硕士研究生，主要研究方向：电力设计。
张宇(1970-)，通信作者，男，本科，高级工程师，主要研究方向：电力设计，E-mail:************************。
王育飞(1982-)，男，硕士，高级工程师，主要研究方向：电力设计。
发布评论