电动公交车充电站运行优化研究.docxVIP

电动公交车充电站运行优化研究 0 国内外研究现状 随着电动汽车技术的成熟和成本降低，一些中国城市提出了全球公交车营销战略，这在减少石油消费和城市排放方面发挥了重要作用。电动公交车日行驶里程长、充电量大且具有一定的可调控性。公交车充电站可作为电力大用户参与电力市场交易, 以降低用电成本、促进可再生能源消纳。对于城市内多个电动公交车充电站, 可通过代理商 (售电商) 与发电商签订直购电合同。 目前, 针对大用户参与直购电交易的研究可主要分为3类:考虑中长期双边交易的电量优化模型、考虑月度竞价电量和电价的优化策略以及中长期与现货市场联动的电量和电价优化研究。在第1类研究中, 文献 针对分布式电源与电动汽车配合参与市场交易的研究, 国内外已有较多研究, 主要包含3种参与模式: (1) 电动汽车、分布式能源以及储能系统构成类似虚拟电厂的主体 综上, 国内外针对考虑电动汽车和新能源发电配合参与日前能量市场或作为大用户参与双边市场的交易模式已有一些研究。但已发表文献没有对电动公交车充电站通过代理商参与双边电力市场的竞争模式和充电站优化运行策略开展系统性研究。本文基于我国现有的电力市场交易机制, 首先建立电动公交车光储充电站代理商的月度交易模型, 该模型考虑了充电站内光伏出力的不确定性以及储能系统的充放电优化。其次, 针对充电站实际用电量与合同电量的偏差问题, 提出通过储能系统充放电调度调节偏差电量的日优化策略与模型。最后, 通过算例仿真对所提优化模型和策略进行分析和验证。 1 电动公交车充电站模型 月度双边协商需要买卖双方决策合同电量和合同电价, 本文在月度交易模型中的主要决策变量为合约电量。在月度交易前, 充电站代理商根据气象数据获得天气类型、温度等信息, 并预测未来一个月内的光伏发电量, 并根据历史数据和电动公交车运营特性得到每日的电量需求 月度购电优化模型以最小化电动公交车充电站的月度期望购电费用为目标, 目标函数中第1项为计及实际用电量与合同电量之间的偏差电量费用, 第2项为储能系统月度损耗偏差惩罚项。 式中:π (1) 合同电量费用: 式中:P (2) 偏差电量费用: 式中:Q (3) 正偏差考核费用约束: 式中: (4) 负偏差考核费用约束: 式中: (5) 充电电量约束: 式中: (6) 充电站内储能系统的充放电约束: 式中:δ 该月度交易优化模型为一个线性混合整数规划问题, 可采用成熟的算法进行求解。 2 基于电动汽车代理的日偏移操作优化模型 2.1 月之后,发生偏差 在日内运行阶段, 通过站内储能系统的充放电控制, 可以调节中长期合同电量的偏差, 消除或减小由于偏差导致的偏差电量惩罚。此外, 通过对储能系统的充放电控制, 还可以调整光伏发电出力的上网电量, 从而达到优化代理商收益的目标。为了有效执行签署的月度合约电量, 在日内运行时应尽可能使已运行天数内的实际用电量与剩余天数的预测用电量之和与月度合约电量之间的偏差最小。因前d天内的实际电量Q 2.2 日实际运行优化算法 (1) 目标函数。 以最小化每日储能系统无法调节的偏差惩罚费用为主要目标, 并考虑储能系统在次日始末时段的剩余电量偏差。用C 式中:ΔE 式 (26) 表示第d+1日的偏差惩罚费用, 式 (27) 计算得到第d+1日与合同电量的偏差值;式 (28) 为前d天充电站实际用电量计算公式;式 (29) 表示充电站第d+1天光伏出力场景w下实际用电量等于该日各个时段电量之和;式 (30) 表示预测用电量等于剩余D-d天预测电量之和;式 (31) 表示储能系统第d+1天在场景w下所需调节的偏差电量, 等于偏差调节比例因子乘以该日预测用电量;式 (32) 为计算偏差调节比例因子的公式;式 (33) 表示储能系统实际调节的偏差电量取该日需调节电量ΔQ (2) 约束条件。 日运行优化的约束条件包括各个充电站功率平衡约束、储能系统充放电功率与能量约束。 式中: 式 (39) 表示储能系统的电量平衡约束;式 (40) 表示每个充电站储能实际偏差调节电量, 是由储能各时段充电功率减放电功率累积求和得到;式 (41) 表示该日储能初始电量与末时段剩余电量的偏差。 3 计算与分析 3.1 光伏出力场景设置 假定代理商与装机容量为20 MW的风电场进行月度交易。对于偏差惩罚, 设超出合同电量惩罚的比例因子为0.06, 少于合同电量惩罚的比例因子为0.02;正偏差合同结算电价比例因子为0.05, 负偏差合同结算电价比例因子为0.15 月度分析考虑4种典型天气类型:晴天、雨天、雪天和阴天, 并以2月份为例进行分析。根据北京市气象局的典型天气类型分布的历史数据, 得到月度光伏出力场景共22个, 光伏典型日出力曲线和出力场景如图2、3所示。设光伏总装机容量为1.8