本文摘要:摘要:車網(wǎng)互動過程的影響因素眾多,關(guān)聯(lián)關(guān)系復(fù)雜。為分析車網(wǎng)互動過程中各因素之間的相互影響及相互作用關(guān)系,文章建立了車網(wǎng)互動過程的系統(tǒng)動力學(xué)分析模型,分析了車網(wǎng)互動過程的因果回路圖,細化了電動汽車與電網(wǎng)子模塊內(nèi)部因素間的流量關(guān)系,探討電價及
摘要:車網(wǎng)互動過程的影響因素眾多,關(guān)聯(lián)關(guān)系復(fù)雜。為分析車網(wǎng)互動過程中各因素之間的相互影響及相互作用關(guān)系,文章建立了車網(wǎng)互動過程的系統(tǒng)動力學(xué)分析模型,分析了車網(wǎng)互動過程的因果回路圖,細化了電動汽車與電網(wǎng)子模塊內(nèi)部因素間的流量關(guān)系,探討電價及出行計劃對電動汽車充放電響應(yīng)的影響規(guī)律,得出電網(wǎng)功率需求與電網(wǎng)電價調(diào)整之間的關(guān)系。算例仿真表明,車網(wǎng)互動過程的系統(tǒng)動力學(xué)模型可反映車網(wǎng)內(nèi)部各變量之間的反饋結(jié)構(gòu)關(guān)系,模擬車網(wǎng)互動的動態(tài)演變過程,分析車網(wǎng)互動決策的影響因素,繼而為實際車網(wǎng)互動的實施提供了一種有效的分析方法。
關(guān)鍵詞:車網(wǎng)互動;系統(tǒng)動力學(xué);因果回路;演進分析
0引言
在國家政策的大力扶持下,電動汽車(ElectricVehicle,EV)產(chǎn)業(yè)迅猛發(fā)展,規(guī)模化的電動汽車車載電池成為智能電網(wǎng)中重要的儲能元件。由于電動汽車充電具有時間和空間上的不確定性,若不對其進行合理調(diào)控,電動汽車的充放電行為有可能會使電網(wǎng)負荷出現(xiàn)峰峰疊加,使峰谷差進一步擴大,惡化電網(wǎng)的運行狀態(tài),從而影響電網(wǎng)運行的可靠性[1];如能對電動汽車的充放電行為進行有效調(diào)控,使電動汽車在用電低谷時段充電,在用電高峰時放電,從而可有效利用電動汽車電池的儲能能力,為電網(wǎng)的運行提供功率支撐,達到削峰填谷的作用,電動汽車也可從能量互動中獲取收益,從而為車網(wǎng)雙方都帶來好處[2]。
要實現(xiàn)車網(wǎng)雙方之間的良性互動,需要制定有針對性的激勵措施,從而引導(dǎo)車網(wǎng)雙方朝著合作互動的方向發(fā)展。但在車網(wǎng)互動的過程中,電動汽車用戶與電網(wǎng)的互動決策受到自身眾多因素的影響,而且車網(wǎng)雙方的決策相互之間也會產(chǎn)生影響,兩者之間存在著比較復(fù)雜的耦合關(guān)系,分析車網(wǎng)互動決策的影響因素,明確影響因素相互之間的關(guān)聯(lián)關(guān)系及影響規(guī)律,是制訂出合理有效激勵措施的前提。
當(dāng)前對車網(wǎng)雙方互動收益的分配研究較多,為吸引電動汽車用戶參與充放電優(yōu)化,通過充放電策略協(xié)調(diào)車網(wǎng)雙方的利益是一種常見的辦法[3]。文獻[4-6]將EV作為受控對象,在不同的優(yōu)化目標下(電網(wǎng)收益最大、電網(wǎng)負荷波動最小、EV用戶花費最小),通過優(yōu)化算法對EV的充放電策略進行求解。文獻[7-9]利用博弈論思想,充分考慮雙方在互動過程中的選擇權(quán),將車網(wǎng)互動過程轉(zhuǎn)化成雙方的博弈過程,利用博弈方法確定了車網(wǎng)雙方各自的互動策略。文獻[10]則進一步深化,通過代理商將EV群體聚合成一個或多個整體,由代理商調(diào)度安排EV的充放電計劃,并通過代理商與電網(wǎng)進行博弈互動,達到削峰填谷、調(diào)頻、備用等目的。
文獻[11]提出以需求側(cè)為決策主體、供需兩側(cè)協(xié)同優(yōu)化的EV充放電需求響應(yīng)方法,在保證用戶經(jīng)濟性的同時實現(xiàn)平抑系統(tǒng)負荷波動。文獻[12-15]從電網(wǎng)和充(換)電站利益最大化、用戶利益最大化和供需雙方共贏等宏觀角度解析了電動汽車有序充放電定價模型的實現(xiàn)機理以及各模型存在的優(yōu)缺點,并在此基礎(chǔ)上闡述了其優(yōu)化方向。上述研究從宏觀角度對電動汽車和電網(wǎng)可以采取的互動策略進行了分析,利用優(yōu)化方法得到了互動各方可以采取的互動策略,但對車網(wǎng)內(nèi)部影響這些互動策略選擇的因素及影響規(guī)律沒有進行具體分析。
車網(wǎng)內(nèi)部都存在著眾多因素會對車網(wǎng)雙方的互動決策產(chǎn)生影響,如電動汽車用戶的出行需求對充放電電價波動的敏感性、電動汽車參與互動的成本損耗,電網(wǎng)的出力波動、負荷波動、電網(wǎng)結(jié)構(gòu)的變化等,各個因素變化都會導(dǎo)致雙方互動決策的波動并最終趨于一個穩(wěn)定的最優(yōu)策略。因此,車網(wǎng)雙方的影響因素眾多,關(guān)聯(lián)關(guān)系復(fù)雜,研究清楚雙方的影響因素及影響規(guī)律是制訂合理激勵、促進車網(wǎng)互動的關(guān)鍵。系統(tǒng)動力學(xué)(systemdynamics,SD)是研究復(fù)雜系統(tǒng)工程的一種重要方法[16-18],他通過分析系統(tǒng)內(nèi)部各變量之間的反饋結(jié)構(gòu)關(guān)系來研究系統(tǒng)的整體行為,實現(xiàn)對系統(tǒng)整體運作本質(zhì)的分析。
可為車網(wǎng)互動這個復(fù)雜性及動態(tài)性兼具的系統(tǒng)問題提供了一個有力的分析工具。通過分析車網(wǎng)互動過程中的相互作用關(guān)系,采用定性分析與定量描述相結(jié)合的方法,分析了互動過程中電動汽車與電網(wǎng)子模塊的系統(tǒng)動力學(xué)模型,利用Vensim軟件模擬分析了車網(wǎng)互動過程中互動決策的動態(tài)演化過程,分析了不同因素變化對互動效果的影響,為智能電網(wǎng)中車網(wǎng)互動的演化分析提供了一種有效的方法,對認識清楚車網(wǎng)互動過程的動力機制,從而有針對性地提出切實有效的激勵措施提供了依據(jù)。
1車網(wǎng)互動過程的因果回路分析
車網(wǎng)互動的本質(zhì)是能量流和效益流的相互轉(zhuǎn)移,互動的過程實際上是車網(wǎng)雙方相互作用的過程:電網(wǎng)的定價策略影響電動汽車的充放電決策,而電動汽車的充放電決策會影響電網(wǎng)的狀態(tài)進而促使電網(wǎng)改變自己的定價策略。 車網(wǎng)互動過程的系統(tǒng)因果回路圖包括3個部分:電動汽車子模塊、電網(wǎng)子模塊以及兩者之間的聚合子模塊。電動汽車子模塊通過提供自身的儲能能力為電網(wǎng)子模塊提供功率支撐,電網(wǎng)子模塊通過充放電電價引導(dǎo)并利用電動汽車的儲能能力以維護電網(wǎng)自身的功率平衡,雙方通過充放電電價和充放電電量聚合在一起實現(xiàn)互動,在互動的過程中完成能量流和效益流的轉(zhuǎn)移。
電動汽車子模塊所能提供的儲能能力主要由電池的荷電狀態(tài)和用戶的出行需求決定,兩者共同決定了電動汽車所能提供的儲能服務(wù)能力的大。弘姵睾呻姸、用戶出行需求功率少,電動汽車可用來放電的富余電量就多;電池荷電少、用戶出行需求多,電動汽車可用來充電的可充電容量就多,電動汽車可用來交易的儲能服務(wù)能力就大。不同于一般的儲能裝置,電動汽車需要優(yōu)先滿足用戶的出行需求,用戶的出行距離、出行時間會對電動汽車的充放電電量和充放電時間產(chǎn)生影響,進而影響電動汽車的充放電決策。
電網(wǎng)子模塊調(diào)控的核心任務(wù)是實現(xiàn)電網(wǎng)的功率平衡,由于電廠出力的變化以及電網(wǎng)負荷的波動,可能會導(dǎo)致電網(wǎng)功率的不平衡,此時,規(guī)模化的電動汽車電池就成為一個理想的調(diào)控源:在電網(wǎng)負荷高峰、存在功率缺額時,電動汽車可停止從電網(wǎng)充電,并將自己的富余電量向電網(wǎng)放電,以補充電網(wǎng)的功率缺額;當(dāng)電網(wǎng)負荷低、存在著功率盈余時,此時,電動汽車可從電網(wǎng)充電,以增加電網(wǎng)的負荷、減小電網(wǎng)的功率損失。
因此,充電電價和放電電價是電網(wǎng)調(diào)節(jié)電動汽車充放電行為的調(diào)節(jié)手段,而充電電量和放電電量則是電動汽車對電網(wǎng)調(diào)節(jié)行為的響應(yīng)手段。但由于電動汽車數(shù)量龐大、用戶需求各異,電網(wǎng)內(nèi)部的環(huán)節(jié)眾多,電價和電量對車網(wǎng)內(nèi)部決策產(chǎn)生影響的規(guī)律比較復(fù)雜,還需進行深入分析。
2車網(wǎng)互動子模塊的系統(tǒng)動力學(xué)分析
車網(wǎng)互動的因果回路圖將車網(wǎng)內(nèi)部要素的相關(guān)性及相互之間的反饋關(guān)系定性表示了出來,為更加直觀的表達系統(tǒng)內(nèi)部的反饋形式和控制規(guī)律,以流量圖的形式細化互動中各子模塊的內(nèi)部結(jié)構(gòu),并分析變量之間的因果動態(tài)關(guān)系。
2.1EV子模塊
電動汽車的有序充放電一方面可以減小EV負荷對電網(wǎng)的沖擊,另一方面還可為電網(wǎng)提供有益的功率支撐,而電動汽車用戶自身也能從互動中獲取經(jīng)濟收益。在互動中,電動汽車在電池當(dāng)前荷電狀態(tài)的基礎(chǔ)上,在滿足用戶出行需求的前提下,對電網(wǎng)的電價做出響應(yīng)。
與一般儲能裝置不同,電動汽車用戶的出行需求不同、對價格變動的敏感程度也不相同,因而電動汽車群體內(nèi)部因素的關(guān)聯(lián)關(guān)系及影響規(guī)律比較復(fù)雜。保證用戶出行需求是電動汽車決策時的首要目標,因此,用戶的出行需求是電動汽車模塊中的重要變量。出行需求一方面決定了在規(guī)定的出行時刻到來前電動汽車電池所要達到的最小荷電狀態(tài),另一方面決定了電動汽車距出行的剩余時間,即電動汽車參與互動的可用時間,而這個可用時間的長短會對電動汽車參與互動的參與率產(chǎn)生影響。
3算例分析
3.1算例基本參數(shù)
以某市EV與電網(wǎng)為例,設(shè)該市EV保有量為5萬輛,單臺EV電池容量為22kW·h,單位電池損耗為0.3元/(kW·h);EV充電樁價格為14900元,輸出最大功率為8.9kW,使用壽命10年;電網(wǎng)運行過程中的最大功率缺額為252MW;初始EV用戶參與度設(shè)為35%,初始電價設(shè)為0.57元/(kW·h)。根據(jù)前述的因果反饋關(guān)系,在Vensim軟件中用箭頭記號連接各變量,畫出車網(wǎng)互動過程完整的流量圖,輸入變量之間的關(guān)系方程,即可得到車網(wǎng)互動過程的系統(tǒng)動力學(xué)模型。模型中,電動汽車電池的荷電狀態(tài)、電網(wǎng)的充放電電量及電網(wǎng)的削峰填谷收益等起到累積作用的量視為狀態(tài)變量,電動汽車的充放電功率、電網(wǎng)的充放電功率等視為速率變量。
3.2車網(wǎng)互動決策的演進分析在給定初始電價下,電動汽車子系統(tǒng)會根據(jù)自身情況給出一個響應(yīng)的充放電電量,電網(wǎng)結(jié)合自身需求對該電量所帶來的互動效用進行衡量,并根據(jù)效果對電價進行調(diào)整,電動汽車子系統(tǒng)根據(jù)電網(wǎng)更新后的電價再對響應(yīng)電量做出調(diào)整,以此循環(huán)直至得到穩(wěn)定的互動策略。
電力論文投稿刊物:電工技術(shù)學(xué)報是核心期刊,在1986年正式創(chuàng)刊,目前已經(jīng)成為電工技術(shù)類博士學(xué)位評定、國家重點實驗室評估的重要雜志,注重理論聯(lián)系實際,在教育界、工程界享有比較高的聲譽。為提升中國電氣工業(yè)的技術(shù)水平起到重要作用。
4結(jié)論與展望
1)車網(wǎng)互動是一個動態(tài)演化過程,系統(tǒng)動力學(xué)模型可以描述車網(wǎng)互動過程中不同變量之間的反饋結(jié)構(gòu)關(guān)系,為分析車網(wǎng)互動決策的動態(tài)演進過程、研究不同因素變化對車網(wǎng)互動決策及效果的影響提供了一種有效的方法。2)車網(wǎng)互動的影響因素眾多、關(guān)聯(lián)關(guān)系復(fù)雜,車網(wǎng)互動過程的因果分析回路可將車網(wǎng)內(nèi)部復(fù)雜的要素及其相關(guān)性定性的表示出來,為分析各因素對互動決策的影響提供基礎(chǔ)。
3)車網(wǎng)互動子模塊的流量圖細化了電動汽車和電網(wǎng)子模塊的內(nèi)部結(jié)構(gòu),為定量分析車網(wǎng)子模塊內(nèi)部變量之間的因果動態(tài)關(guān)系提供了方法。4)基于Vensim的車網(wǎng)互動過程系統(tǒng)動力學(xué)算例分析表明,車網(wǎng)互動的最終決策是動態(tài)演進的結(jié)果,車網(wǎng)模塊內(nèi)部不同因素的變化會對互動決策產(chǎn)生不同的影響,可為車網(wǎng)互動激勵措施的制定提供參考。
參考文獻
[1]郭建龍,文福拴.電動汽車充電對電力系統(tǒng)的影響及其對策[J].電力自動化設(shè)備,2015,35(06):1-9+30.GuoJianlong,WenFuzhen.TheInfluenceofElectricVehicleChargingonPowerSystemandItsCountermeasures[J].ElectricPowerAutomationEquipment,2015,35(06):1-9+30.
[2]潘樟惠,高賜威,劉順桂.基于需求側(cè)放電競價的電動汽車充放電調(diào)度研究[J].電網(wǎng)技術(shù),2016,40(04):1140-1146.PanZhanghui,GaoCiwei,LiuShungui.ResearchonChargingandDischargingDispatchofElectricVehiclesBasedonDemandSideDischargeBidding[J].PowerSystemTechnology,2016,40(04):1140-1146.
[3]楊曉東,張有兵,翁國慶,等.基于虛擬電價的電動汽車充放電優(yōu)化調(diào)度及其實現(xiàn)機制研究[J].電工技術(shù)學(xué)報,2016,31(17):52-62.YangXiaodong,ZhangYoubing,WengGuoqing,etal.VirtualTime-of-UseTariffsBasedOptimalSchedulingandImplementationMechanismofElectricVehiclesChargingandDischarging[J].TransactionsofChinaElectrotechnicalSociety,2016,31(17):52-62.
[4]胡澄,劉瑜俊,徐青山,等.面向含風(fēng)電樓宇的電動汽車優(yōu)化調(diào)度策略[J].電網(wǎng)技術(shù),2020,44(02):564-572.HUCheng,LIUYujun,XUQingshan,etal.OptimalSchedulingStrategyforElectricVehiclesinBuildingsWithWindPower[J].PowerSystemTechnology,2020,44(02):564-572.
作者:程宏波1,商子軒1,郭源曦1,康琛2,曾偉2
轉(zhuǎn)載請注明來自發(fā)表學(xué)術(shù)論文網(wǎng):http:///dzlw/25890.html