计及差异化服务费定价的电动汽车聚合商两阶段调度策略

电动汽车(electric vehicle, EV)是极具调节潜力的需求侧资源，针对现货市场环境下的电动汽车聚合商(electric vehicle aggregator, EVA)整合和调度EV负荷资源的问题进行研究。首先，考虑EV的车-桩充电负荷差异化建立了EV充电模型。其次，以EVA运营收益最大为目标，兼顾EV车主利益，基于主从博弈关系建立EVA日前优化模型；模型基于场景的随机优化方法考虑市场日前电价的不确定性，解得差异化EV充电服务费价格和EVA日前购电计划。随后，基于能量共享模式对各类EV进行日内滚动优化调度，减小EV接入不确定性给EVA差额交易带来的额外成本。最后，以某市区电动汽车聚合商为案例开展分析，结果表明所提两阶段调度策略能有效应对EV接入不确定性与市场电价不确定性，实现EVA与EV双赢。     

计及电动汽车的风水火电力系统联合优化调度

充分考虑了电动汽车充电的不确定性,以实测数据为基础,通过充电起始时间和持续时间,得到电动汽车充电概率的时间分布。针对风电出力和负荷预测的波动性等特点,将风电出力和负荷预测的不确定性表示为一个具有零均值、呈正态分布的预测误差。由此构建了风水火电力系统联合调度模型,调度模型以系统成本最小为目标函数,包含了火电机组煤耗成本、水电站管理成本以及风电场管理成本和预测误差成本,最后采用布谷鸟搜索算法对其进行求解。仿真结果表明,水电站能够在电力系统中发挥较好的调节作用,弥补风电出力的随机波动和电动汽车的无序充电,减少火电机组出力的频繁变化,降低系统备用容量,增加电力系统的安全性、稳定性和供电可靠性。     

考虑风电的电力系统机组组合两阶段优化方法

电的随机性和波动性给电力系统的安全经济运行带来了严峻的挑战,合理的风电不确定性模型及机组组合优化方法是保证电力系统日前调度安全性和经济性的关键。为此,提出一种考虑风电的电力系统机组组合两阶段随机优化方法。根据风电出力历史数据的非参数经验分布,生成符合风电随机性和波动性的风电动态场景。考虑到场景削减过程中容易忽略的一些极端边界场景会增加系统的弃风或切负荷风险,提出以削减后的场景和极端边界场景为输入的机组组合两阶段优化模型。同时,为求解机组组合这一非线性混合整数优化问题,提出一种混合遗传纵横交叉算法的优化方法。通过实验仿真结果证明了所提模型和方法用于求解考虑风电的电力系统机组组合问题时的合理性和有效性。     

新型城镇下含热电联产机组的配电网两阶段鲁棒优化调度

随着新型城镇化的改革,多种分布式电源与多元化负荷逐步接入配电网,多种不确定性因素给配电网的运行调度带来极大挑战。文中建立含热电联产(CHP)机组和风电机组的新型城镇配电网两阶段随机鲁棒优化模型。首先,采用场景集描述负荷波动的不确定性,采用保守性模型构建风电出力模糊集合。两阶段鲁棒优化调度中,第1阶段决策日前机组启停方案,第2阶段考虑风电出力的不确定性决策各机组实时出力。采用KKT(Karush-Kuhn-Tucker)条件将第2阶段双层模型变为单层线性优化问题,整体两阶段模型采用列与约束生成方法迭代求解,在负荷的场景集内得到考虑风电不确定性的新型城镇化配电网鲁棒优化调度方案。最后,通过改进33节点算例和改进123节点算例验证了模型的鲁棒性和经济性以及调度方案应对负荷波动的适应性。     

计及源-荷多灵活备用资源的随机优化调度

大规模新能源并网给电力系统的调度运行带来了新的挑战。为缓解系统的备用压力,提出一种计及源-荷多灵活备用资源的随机优化调度方法。首先,基于场景生成方法建立可变场景模型,考虑了风电并网容量和光伏并网面积对新能源出力不确定性的影响。其次,建立电力系统中多种灵活资源的备用模型:在源侧,分别建立常规机组和风电/光伏的备用模型,并考虑了风电/光伏备用的不确定性;在负荷侧,引入激励型需求响应,对需求侧备用进行建模。然后,基于两阶段随机优化方法建立备用调度模型。该模型考虑了日前的运行和备用决策以及日内不确定场景下的弃风、弃光以及切负荷风险。最后,基于改进的IEEE RTS-24测试系统验证了所提模型的有效性。     

考虑风电不确定性及柔性负荷的安全约束机组组合问题研究

针对风电出力的不确定性,采用基于拟蒙特卡洛(quasi-Monte Carlo,QMC)模拟的场景分析法生成风电出力初始场景,选取考虑风电预测误差较大的极限场景实现场景缩减。在不同的风电出力场景下,兼顾发电侧与需求侧柔性负荷的双侧协调配合,提出了计及柔性负荷的安全约束机组组合模型,实现了可削减负荷、可平移负荷以及可转移负荷3类柔性负荷的分类调度。通过对不同场景下10机系统的仿真计算,对比分析了需求侧柔性负荷调度对系统的经济成本、负荷峰谷差以及弃风量的影响。在考虑风电不确定性时,需求侧柔性负荷调度对提高系统经济性、缓解负荷高峰期用电压力具有重要作用,并且有利于增加风电的消纳,降低弃风电量。     

考虑多负荷聚集商参与的系统日前-日内分层优化调度策略

需求响应（demand response,DR）技术是系统削峰填谷,提高运行经济性和风电消纳的重要手段。针对风电和需求侧资源的时间特性,考虑到电网调度层和负荷聚集商（load aggregator,LA)之间主从博弈的关系,建立了多负荷聚集商参与的日前-日内分层优化调度模型。针对日前风电和价格型需求响应(price-based demand response, PDR)资源的不确定性,采用基于场景和模糊机会约束相结合的方法建立日前调度模型;针对日内多聚集商参与系统运行,采用目标级联分析(analytical target cascading,ATC)法对日内模型解耦,实现了各部分的并行求解。文章算例中通过对PDR和负荷聚集商的调度分别使系统综合运行成本降低了4.5%和6%,且各负荷聚集商收益均高于最低收益率8%,说明所提出的分层优化调度策略能在减小系统综合经济成本的同时保证各负荷聚集商的收益,且在一定程度上增强了系统的调峰能力。     

计及火电机组深度调峰成本的大规模风电并网鲁棒优化调度

规模风电并网背景下,电力系统加大火电机组的调峰深度,充分挖掘现有下调备用空间,将是应对风电出力不确定性的有效方式之一。文中考虑火电机组工作在深度调峰(DPR)方式下的附加煤耗损失和机组寿命损耗,提出了计及火电机组DPR成本的规模风电并网鲁棒优化调度模型。考虑风电出力不确定性,建立了包括基于风电出力预测场景的调度主问题和基于极端场景的调控子问题的两阶段鲁棒优化模型,并引入不确定度参数控制调度计划的保守性,最终优化出经济性最优的鲁棒日前调度方案。基于算例分析证明所述模型的合理性与有效性。     

考虑需求响应的风电消纳模糊

随着智能电网的快速发展,将需求响应(demand response,DR)融入调度过程以协调风电和火电机组出力是目前的研究热点.首先利用需求响应对负荷曲线的优化作用及其对系统备用容量的等效作用,制定了分时电价和可中断负荷的容量成本;其次针对风电出力的不确定性和随机性,采用可信性测度理论对其进行模糊表示;然后将风电出力不确定性引入到旋转备用模糊约束中,给出了基于模糊机会约束规划(fuzzy chance constrained programming,FCCP)并考虑需求响应的经济调度模型;最后由改进引力搜索算法求解所给模型.算例分析表明所提模型能够有效应对风电出力不确定性,降低系统运行的总成本.     

考虑用户积极性的电动汽车与机组联合调频的两阶段随机优化调度模型

风电、光伏等间歇性电源的大规模接入,给电网的安全稳定运行带来了诸多影响,如电力系统调频压力显著增大。传统的火电机组提供调频辅助服务受到爬坡约束限制,存在调节速率低、加速机组老化等缺点,难以满足调频需求。电动汽车(electricvehicle,EV)可受电网直接控制参与车网互动(vehicle-to-grid,V2G),具有迅速响应系统指令,提供调频辅助服务的能力。为更好地匹配电力系统的调频要求,在考虑电动汽车用户行为特性的基础上,提出考虑用户积极性的电动汽车与机组联合调频的两阶段随机优化调度模型,实现火电机组调频容量大、调频速度慢及电动汽车调频容量小、调频速度快的优势互补。采用动态场景法以广东电网的调频信号数据作为输入生成动态场景集在IEEE39节点系统进行仿真分析,验证了所提调度模型的正确性与有效性。     

规模化电动汽车和风电协同调度的机组组合问题研究

基于电动汽车通过集中控制器与电网交互的模式,考虑集中控制器所辖区域电动汽车负荷每个调度时段的可控特性,提出将集中控制器充电负荷作为机组组合模型的控制变量。通过蒙特卡洛抽样模拟电动汽车并网场景,计算集中控制器的可调度上限值和下限值,建立了规模化电动汽车与风电协同调度的机组组合模型。算例分析结果表明了应用提出的机组组合模型提高风电消纳能力和降低系统运行成本的有效性。     

考虑电动汽车和5G基站的电力-信息-交通耦合网络需求响应策略

电动汽车(EV)是具有移动负荷和通信用户双重属性的主体,为充分挖掘其参与需求响应产生的可调度潜力并降低电网负荷波动,提出了电力-信息-交通网络耦合背景下EV和5G基站需求响应策略。首先,分析了EV和5G基站参与下的多网络耦合关系。其次,建立了EV集群和5G基站集群的灵活性模型。基于此模型,提出了两阶段需求响应优化调度策略：第1阶段以通信成本最小为目标,为EV提供充电导航和路径规划并优化基站用能模式;第2阶段以配电网负荷波动最小为目标,制定EV的充放电策略。最后,通过某城市交通模型的测试,分析了调度策略对基站运行、配电网负荷、潮流和用户的影响,验证了模型和方法的有效性。     

考虑电动汽车换电站与电网互动的机组组合问题研究

大规模电动汽车换电站接入电网后,其充放电行为将给系统优化运行带来新的挑战。将电动汽车换电站引入传统机组组合问题中,提出考虑换电站与电网互动的机组组合(unit commitment,UC)新模型。在深入研究电动汽车电池更换物理过程的基础上,以常规机组的发电成本、启动成本和考虑换电站充放电净负荷的方差为目标函数,考虑了换电站的充放电效率、电量平衡和满足日换电需求的最小储能等约束,形成机组组合问题优化新模型。通过换电站充、放电过程优化,降低机组出力的调整频率,提高电网安全运行的经济性。最后,在10机电力系统模型上进行算例仿真分析,验证所提模型的有效性和正确性。     

考虑电动汽车可调度潜力的充电站两阶段市场投标策略

在电力市场环境下,充电站优化投标策略能降低电力成本,甚至通过售电获取收益.文中考虑了电动汽车成为柔性储荷资源的潜力,提出了日前电力市场和实时电力市场下充电站的投标策略.首先,基于闵可夫斯基加法提出了充电站内电动汽车集群模型的压缩方法,并建立了日前可调度潜力预测模型和实时可调度潜力评估模型.同时,考虑充电站间的非合作博弈,建立了电力零售市场下充电站的策略投标模型,并基于驻点法将其转化为一个广义Nash均衡问题.然后,提出了基于日前报价和实时报量的两阶段市场交易模式,并与合作投标模式、价格接受模式和集中调度模式进行对比.最后,基于一个38节点配电系统进行了仿真.仿真结果表明所提出的可调度潜力计算方法能够将电动汽车集群封装为广义储能设备,从而降低了模型的维度.基于可调度潜力的策略投标模型能够挖掘电动汽车的储荷潜力,实现电动汽车与电网的有序互动.     

基于需求响应的电动汽车经济调度

提出了一种基于需求响应的电动汽车充电策略,根据电网实时电价信息优化电动汽车用户充电电价触发值,降低用户充电成本。同时,研究了含大规模电动汽车的电力系统机组组合问题。在此基础上建立了基于需求响应的电动汽车经济调度模型,通过对电动汽车用户行为特性的预测,以电网公司收益最大化为目标,优化制定电动汽车充电电价,转移电动汽车充电负荷。算例分析结果表明,提出的经济调度模型可以起到降低峰谷差率的作用,且与无序充电情景相比,能够明显降低系统的运行费用,可以实现电动汽车大规模接入电网时的经济调度。     

计及电动汽车不确定性的有序充电调度策略

大量电动汽车的接入,对智能电网调度提出了新要求。采用合理的充电调度策略可以充分发挥电动汽车在智能电网中削峰填谷等作用。在此背景下,首先分析影响电动汽车充电负荷的因素,根据电动汽车充电特性建立电动汽车充电负荷模型。然后,综合分析电动汽车用户的使用需求,在此基础上建立考虑电动汽车充电不确定性的电网调度随机最优潮流模型。最后,以一标准33节点配网测试系统为例,比较自由模式下和有序充电调度模型下电网负荷曲线,证明了所提出电动汽车充电调度模型在平滑电网等效负荷波动方面的有效性和可行性。     

基于出行模拟的电动汽车充电负荷预测模型及V2G评估

提出一种交通路网约束下用户出行模拟的电动汽车充电负荷时空预测模型。首先,建立计及交通道路网络拓扑,道路—阻抗函数关系和区域功能特性的交通道路模型。其次,构建不同复杂程度的出行链模型模拟用户出行特性,运用Dijkstra算法选择耗时最短的行驶路径,进而采用蒙特卡洛方法模拟区域交通路网和出行链双重约束下,家用电动汽车充电负荷工作日1 d内的时空分布特性;然后,基于电动汽车负荷时空分布结果、综合荷电状态、停驻时间和电价3种特征因素,利用模糊算法计算电动汽车入网(V2G)可响应的功率和容量,并分析荷电状态对响应结果的影响。最后,以某区域为例,仿真获取电动汽车充电需求时空分布,进行V2G响应评估,结果验证了所提模型和方法的有效性。     

利用电动汽车可调度容量辅助电网调频研究

电动汽车既可作为可控性负荷,也可作为分布式电源,能够为电网提供可调度容量,参与调频等辅助服务。但该可调度容量受用户出行需求及电池损耗等因素的制约,不能无限制地调度。基于此,对电动汽车采取"分散接入,集中控制"的管理模式,首先基于用户出行需求及电池使用寿命等约束,对电动汽车可调度容量进行评估。进而建立了计及可调度容量的电动汽车集中管理器充放电静态频率特性模型,以单区域系统为例模拟了电动汽车参与负荷调频的作用效果。仿真结果表明,利用电动汽车可调度容量辅助电网调频,不仅可以快速有效地减小系统频率偏差,提高电能质量,还能减小传统调频机组的备用容量,进而提高电网经济性。研究电动汽车参与调频的作用效果时,用户需求及电池损耗是不容忽视的影响。     

考虑城市不同功能区的电动汽车负荷时空分布建模方法

研究电动汽车充电负荷特性是推进电动汽车接入电网的基础,电动汽车充电负荷在时间和空间上具有随机性。文章充分考虑城市不同功能区的特性,提出了一种基于改进重力模型的电动汽车负荷时空分布建模方法。首先,确定电动汽车的类别与出行特性,并进行城市功能区划分;其次,依据改进的重力模型获取城市各时段各区域的出行矩阵,得到电动汽车入网的时空分布;最后,抽取电动汽车的出行里程,结合电动汽车充电方式与充放电的荷电状态模型,建立电动汽车负荷的时空分布模型。算例分析表明,不同类别功能区之间的负荷分布与各区域吸引力相关且存在较大差异,同一类别功能区中位于城市中心地区的负荷较高。算例通过设置不同场景,分析不同因素对充电负荷分布的影响,验证了所提模型的准确性。     

适应清洁能源消纳的配电网集群电动汽车充电负荷模型与仿真研究

研究了配电网中集群电动汽车动态充电负荷直接负荷控制消纳清洁能源的模型和控制方法。假设调度机构可通过统一的由激励机制产生的无线激励信号,在线直接控制电动汽车充电负荷功率用以实时消纳风电出力。首先,采用面向负荷传输的方法,建立基于偏微分方程的集群电动汽车充电负荷模型。而后,通过实际居民出行数据进行模型仿真,采用蒙特卡洛模拟验证模型的有效性,并提出基于滑模控制策略采用实时供需误差,跟踪消纳风电功率输出。最后,通过实际风电输出功率曲线验证控制方法的性能,为能源互联网背景下清洁能源消纳提供一种新的途径。