考虑电动汽车入网辅助服务的配电网日前调度策略
发布时间：2021-08-11 06:48
为避免大量电动汽车（EV）无序充电对电网安全、经济运行的影响,提出了基于电动汽车入网（V2G）辅助服务的配电网日前调度方法。首先,基于智能电网和物联网的历史及实时信息建立EV充放电模型,并进行EV辅助服务参与者的筛选和分类。其次,建立了考虑V2G辅助服务的2层配电网最优经济调度模型。上层模型以网损成本、EV用户成本和系统总负荷均方差最小为目标,优化充电站的充放电功率和电压调节设备的工作状态;下层模型以EV的充放电状态转换次数最少和充电站功率与上层优化结果偏差最小为目标,计算每辆参与辅助服务EV的充放电功率。最后,算例系统仿真验证了所提方法的有效性。
【文章来源】：电力系统自动化. 2020,44(14)北大核心EICSCD
【文章页数】：9 页
【部分图文】：
基于IoT的V2G辅助服务架构
采用某配电系统和该系统所覆盖的送电区域内的道路作为算例测试系统，如图2所示。该配电网共56条支路和58个节点，其中有36个负荷节点。节点4,16分别接有光伏电源G1和G2，装机容量均为0.3 MW，节点33接有风电机组G3，装机容量为1 MW。算例中的电压调节设备主要为有载调压变压器（额定电压为（35±3×2.5%)kV,1～7挡可调，其中4挡时电压为35 kV）和节点42,51处所接的电容器组C1和C2（每组电容器均为10×0.1 Mvar）；共有9个节点接有充电站（用S1至S9表示）。充电站内单台变压器的容量为1 600 kVA，功率因数为0.85，效率为0.95，则单台变压器的最大负载能力为1 292 kW，设单台变压器可接入EV的数量最多为300辆（充电站的充电插座充裕）。充电站从电网购电电价采用分时电价的机制，电价参数见附录A表A1，设EV充电电价（放电电价）为充电站从电网购电电价的1.5倍。配电网各节点信息和充电站接入信息见附录A表A2和表A3，各类负荷日负荷变化系数如附录A图A2所示，所有负荷正常运行的电压区间设为0.95～1.05（标幺值）。算例以行程较为随机的电动出租车和私家车作为可能参与经济调度的EV对象，其中电动私家车和电动出租车的参数分别参考尼桑leaf和比亚迪e6，且假设各自的充放电功率相同，相关参数见附录A表A4。EV电池荷电状态下限为0.1，上限为0.9，设每辆EV初始荷电状态服从N(0.5,0.1）的正态分布。EV用户行驶规律的概率密度分布函数参数参见文献[21]，设EV按最短路径确定行程。配电系统供电范围内的道路交通网共33个道路节点和53条道路，道路节点地理坐标见附录A表A5，定义路段等级见附录A表A6，算例中各路段情况见附录A表A7。区域可同时满足最多5 700辆EV接入，其中电动私家车和出租车数量比例取为17∶3。24 h为1个调度区间，均分为96个计算时段，设各时段内功率恒定。权重因子体现了目标函数各目标所占比重，其值将直接影响优化结果。已有研究指出[22]，通常情况下各目标取相同权重因子便可达到综合最优，故本文取w1=w2=w3=1/3,w4=w5=0.5。
算例考虑日内区域的EV样本数为4 000辆，定义参与V2G辅助服务意愿的EV占样本总数的比值为用户V2G辅助服务参与度（后文简称参与度），分别取为0,25%,50%,75%和100%，其中参与度为0表示所有用户均为无序充电。经本文算法优化后，用户不同参与度下的负荷曲线见图3。图4为不同参与度下系统网损和负荷均方差，附录A表A8为网损成本、用户成本和负荷均方差。可以看出：EV无序充电将会使配电网在16:00—22:00（时段64至88）内形成一个充电高峰，增大了峰谷差；不同参与度下EV的V2G辅助服务都可以起到优化EV充放电行为、平移负荷的作用，从而降低负荷峰谷差和系统网损。图4 不同用户参与度下的系统网损和负荷均方差
【参考文献】：
期刊论文
[1]基于出行概率矩阵的电动汽车充电站规划[J]. 姜欣,冯永涛,熊虎,王金凤,曾庆山. 电工技术学报. 2019(S1)
[2]融合多源信息的电动汽车充电负荷预测及其对配电网的影响[J]. 陈丽丹,张尧,Antonio Figueiredo. 电力自动化设备. 2018(12)
[3]区域电动汽车协调优化的充放电策略[J]. 侯慧,柯贤彬,王成智,樊浩,罗俊阳. 高电压技术. 2018(02)
[4]微电网下考虑分布式电源消纳的电动汽车互动响应控制策略[J]. 杨晓东,张有兵,蒋杨昌,谢路耀,赵波. 电工技术学报. 2018(02)
[5]大规模电动汽车集群分层实时优化调度[J]. 潘振宁,张孝顺,余涛,王德志. 电力系统自动化. 2017(16)
[6]基于集群响应的规模化电动汽车充电优化调度[J]. 陈静鹏,艾芊,肖斐. 电力系统自动化. 2016(22)
[7]基于出行链随机模拟的电动汽车充电需求分析[J]. 温剑锋,陶顺,肖湘宁,骆晨,廖坤玉. 电网技术. 2015(06)
[8]电动汽车规模化接入配电网的充电优化[J]. 杨秀菊,白晓清,李佩杰,韦化. 电力自动化设备. 2015(06)
[9]计及电动汽车和光伏—储能的微网能量优化管理[J]. 苏粟,蒋小超,王玮,姜久春,V.G.AGELIDIS,耿婧. 电力系统自动化. 2015(09)
[10]电动汽车充电负荷与调度控制策略综述[J]. 王锡凡,邵成成,王秀丽,杜超. 中国电机工程学报. 2013(01)
本文编号：3335679
【文章来源】：电力系统自动化. 2020,44(14)北大核心EICSCD
【文章页数】：9 页
【部分图文】：
基于IoT的V2G辅助服务架构
采用某配电系统和该系统所覆盖的送电区域内的道路作为算例测试系统，如图2所示。该配电网共56条支路和58个节点，其中有36个负荷节点。节点4,16分别接有光伏电源G1和G2，装机容量均为0.3 MW，节点33接有风电机组G3，装机容量为1 MW。算例中的电压调节设备主要为有载调压变压器（额定电压为（35±3×2.5%)kV,1～7挡可调，其中4挡时电压为35 kV）和节点42,51处所接的电容器组C1和C2（每组电容器均为10×0.1 Mvar）；共有9个节点接有充电站（用S1至S9表示）。充电站内单台变压器的容量为1 600 kVA，功率因数为0.85，效率为0.95，则单台变压器的最大负载能力为1 292 kW，设单台变压器可接入EV的数量最多为300辆（充电站的充电插座充裕）。充电站从电网购电电价采用分时电价的机制，电价参数见附录A表A1，设EV充电电价（放电电价）为充电站从电网购电电价的1.5倍。配电网各节点信息和充电站接入信息见附录A表A2和表A3，各类负荷日负荷变化系数如附录A图A2所示，所有负荷正常运行的电压区间设为0.95～1.05（标幺值）。算例以行程较为随机的电动出租车和私家车作为可能参与经济调度的EV对象，其中电动私家车和电动出租车的参数分别参考尼桑leaf和比亚迪e6，且假设各自的充放电功率相同，相关参数见附录A表A4。EV电池荷电状态下限为0.1，上限为0.9，设每辆EV初始荷电状态服从N(0.5,0.1）的正态分布。EV用户行驶规律的概率密度分布函数参数参见文献[21]，设EV按最短路径确定行程。配电系统供电范围内的道路交通网共33个道路节点和53条道路，道路节点地理坐标见附录A表A5，定义路段等级见附录A表A6，算例中各路段情况见附录A表A7。区域可同时满足最多5 700辆EV接入，其中电动私家车和出租车数量比例取为17∶3。24 h为1个调度区间，均分为96个计算时段，设各时段内功率恒定。权重因子体现了目标函数各目标所占比重，其值将直接影响优化结果。已有研究指出[22]，通常情况下各目标取相同权重因子便可达到综合最优，故本文取w1=w2=w3=1/3,w4=w5=0.5。
算例考虑日内区域的EV样本数为4 000辆，定义参与V2G辅助服务意愿的EV占样本总数的比值为用户V2G辅助服务参与度（后文简称参与度），分别取为0,25%,50%,75%和100%，其中参与度为0表示所有用户均为无序充电。经本文算法优化后，用户不同参与度下的负荷曲线见图3。图4为不同参与度下系统网损和负荷均方差，附录A表A8为网损成本、用户成本和负荷均方差。可以看出：EV无序充电将会使配电网在16:00—22:00（时段64至88）内形成一个充电高峰，增大了峰谷差；不同参与度下EV的V2G辅助服务都可以起到优化EV充放电行为、平移负荷的作用，从而降低负荷峰谷差和系统网损。图4 不同用户参与度下的系统网损和负荷均方差
【参考文献】：
期刊论文
[1]基于出行概率矩阵的电动汽车充电站规划[J]. 姜欣,冯永涛,熊虎,王金凤,曾庆山. 电工技术学报. 2019(S1)
[2]融合多源信息的电动汽车充电负荷预测及其对配电网的影响[J]. 陈丽丹,张尧,Antonio Figueiredo. 电力自动化设备. 2018(12)
[3]区域电动汽车协调优化的充放电策略[J]. 侯慧,柯贤彬,王成智,樊浩,罗俊阳. 高电压技术. 2018(02)
[4]微电网下考虑分布式电源消纳的电动汽车互动响应控制策略[J]. 杨晓东,张有兵,蒋杨昌,谢路耀,赵波. 电工技术学报. 2018(02)
[5]大规模电动汽车集群分层实时优化调度[J]. 潘振宁,张孝顺,余涛,王德志. 电力系统自动化. 2017(16)
[6]基于集群响应的规模化电动汽车充电优化调度[J]. 陈静鹏,艾芊,肖斐. 电力系统自动化. 2016(22)
[7]基于出行链随机模拟的电动汽车充电需求分析[J]. 温剑锋,陶顺,肖湘宁,骆晨,廖坤玉. 电网技术. 2015(06)
[8]电动汽车规模化接入配电网的充电优化[J]. 杨秀菊,白晓清,李佩杰,韦化. 电力自动化设备. 2015(06)
[9]计及电动汽车和光伏—储能的微网能量优化管理[J]. 苏粟,蒋小超,王玮,姜久春,V.G.AGELIDIS,耿婧. 电力系统自动化. 2015(09)
[10]电动汽车充电负荷与调度控制策略综述[J]. 王锡凡,邵成成,王秀丽,杜超. 中国电机工程学报. 2013(01)
本文编号：3335679
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3335679.html
