电动汽车与分布式发电的协调控制研究

1、电动汽车(plug-in hybrid electric vehicle，PHEV)的普及已成为一种趋势，将会对电力系统运行产生深刻影响。电动汽车充电控制将成为系统运行控制的重要手段，不仅能够限制充电负荷的不利影响，而且能够实现负荷削峰填谷，促进可再生能源吸纳，发挥负荷调度的作用。而分布式发电受地理位置和气候影响严重，输出功率不太稳定、时间上与负荷波动不一致。所以考虑电动汽车和分布式电源同时接入配电网，进行协调互补来调整电网的运行状态。该论文总结了目前V2G（vehicle to grid）技术下电动汽车充电调度控制的效益，介绍了电动汽车与分布式电源协调控制架构、仿真分析模型、以及涉及到的优化

2、算法，最后对。1. 引言2. 电动汽车充电协调控制的效益3. 电动汽车与分布式电源协调控制架构4. 电动汽车与分布式电源协调控制仿真模型5. 电动汽车与分布式电源协调控制优化算法6. 展望 电动汽车的节能性和低排放等优点，考虑如果将可再生能源与电动汽车联合使用，能够进一步降低碳排放。而自然情况下可再生能源具有不可控性和不确定性，电动汽车接入电网会增大电网负荷峰谷差，增大网络损耗等不利于电网的稳定运行，因此有必要研究电动汽车与可再生能源协调控制问题。 目前关于电动汽车与可再生能源协调控制的研究主要有以下几个方面：1）区域电动汽车与可再生能源的协同调度；2）含有电动汽车和可再生能源的经济调度；3）

3、基于微电网或分布式配电网的电动汽车与可再生能源协调控制。而这些研究均是以建立单目标或多目标模型的基础上，引入相应的约束条件，根据先进的优化算法进行求解，进而实现最优的充放电调度控制。 通过恰当的充电控制特别是V2G控制，不仅能够有效控制充电负荷对系统的负面影响，而且能够丰富系统运行、控制手段，产生巨大效益。 所谓V2G是指电动汽车不仅能够从电网汲取电能，而且能够向电网输送电能。由于单一电动车辆充电负荷小、电池容量有限，因而研究人员提出了电动汽车aggregator的概念aggregator是指一定数量的电动汽车的聚集体，具有一定规模的可调度负荷和储能容量，将成为电动汽车充电控制、参与电力市场的

4、重要形式，下面将对充电调度控制的效益进行说明。 1)削峰填谷，提高负荷率和设备使用率，减少、减缓电力系统规划建设投资。 2)跟踪可再生能源出力，维持电力系统运行平衡。 3)为系统提供辅助服务。一般通过控制、调节发电机出力状态和出力水平，提供调频、调峰及备用等辅助服务。 考虑到未来系统中保有电动汽车的数量可能非常庞大(可达数百万辆)，集中调度模式就会导致在相应优化问题中出现“维数灾”问题。另外，集中调度要求调度机构与每辆电动汽车之间都存在通信信道，以便于采集状态信息和发送调度指令。这对通信网络的可靠性和带宽提出了极高的要求。为避免策问题，提出了分层分区的协调控制架构。 电动汽车和分布式电源一般均

5、通过单相或者三相低压接入配电网，图1 所示为一个含有分布式电源和电动汽车充/换电站的配电网级协同控制模型。图中电动汽车通过10/0.4kV 降压变压器接入配电网，分布式可再生电源通过0.4/10kV 升压变压器接入配电网；电动汽车充电模型包含了居民小区、办公区的分散充电设施，以及集中换电站等。传统的电动汽车分层分区调度模式：传统的电动汽车分层分区调度模式： 核心思想核心思想是将电力系统根据电压等级分成2层或更多层，然后再将表示配电系统的层次按照地域进一步分解为若干区域。对每一个区域，由配电系统调度机构或第三方电动汽车代理负责区域内的电动汽车的协调调度。配电系统调度机构或电动汽车代理将作为一个单

6、一实体参与输电系统调度机构的调度过程，输电系统调度机构不再关心每辆电动汽车的具体充放电策略。这样电动汽车调度问题就分解成为了输电系统调度问题和若干区域调度问题。其中，输电系统调度问题在问题的性质和规模上和传统的电力系统调度问题差别不大，因此可以应用现有方法求解。但其中并未考虑可再生能源的接入。 协调控制仿真模型都是基于不同的控制目标以及约束条件建立的。目前。电动汽车充放电控制的主要目的是通过协调大量电动汽车的充放电行为以实现如减少总充电成本、降低网损、削峰填谷、平抑可再生能源间歇性等系统运行目标。 如：计及电动汽车和风电出力不确定性的随机经济调度以最小化系统发电成本期望值为目标，设定发电容量约

7、束、支路潮流约束、节点注入功率约束、风电机组约束等；多目标、多约束的优化协调模型考虑电网测优化目标（电网等小负荷率最大、节点电压越限最小、电网损耗最小、V2G如网服务成本最低）、车主侧优化目标（车主成本最低），设定等式与不等式约束条件；在考虑分区分层协同控制的有序充电控制模型时将配电系统级控制系统优化模型与战级控制系统优化模型分开考虑，设定不同的控制目标和约束条件等。 针对配电系统内单个区域的调度问题，虽然电动汽车的数量已经大大减少了，但仍可能达到数千乃至数万辆的水平。区域电动汽车调度问题的维数仍然很高，另外还需要考虑如车主的驾驶行为、分布式电源(如风能和太阳能)出力等不确定性因素，因此电动汽

8、车调度问题的优化目标具有维数高、非线性、非凸的特点，这使得广泛应用于传统的优化算法如内点法不具有全局收敛性。 视特定电动汽车调度问题的性质，可以考虑应用2类全局优化算法求解。对于目标函数和约束条件连续可导目标函数和约束条件连续可导的情况，可以应用函数调整优化法如由于可以利用传统数学规划方法的局部优化能力，如GoldPrice算法 求解。其具有很快的计算速度，适用于大规模系统。 若目标函数和约束条件不连续不可导目标函数和约束条件不连续不可导，则可以考虑结合分布式计算技术(如网格计算)和启发式搜索算法如进化规划、遗传算法、粒子群优化、模拟退火和差分进化算法等。 在综述中，对这些算法做一总结，比较其异同，说明有缺点。 分布式电源和电动汽车在电力系统中的逐步渗透和容量的不断增加给电力系统的安全与经济运行带来了严峻的挑战。应用V2G技术，电动汽车既是电力系统的负荷，又可以在必要时成为电源。 大量电动汽车智能充放电管理与间歇性电源(如风电和太阳能)的协调互补作用，实现电动汽车对可再生能源的跟踪以及其充放电的最优调度，能够增强电力系统接纳间歇性电源的能力，提高系统运行的经济性。所以确定