考虑配电网影响的phev充电负荷模型及优化策略

考虑配电网影响的phev充电负荷模型及优化策略

0影响配电网的因素近年来，随着石油资源的紧张和环境问题的突出，高效、低能耗、低噪声电动汽车（phev）的大规模使用已成为发展趋势。一辆PHEV充满电后可行驶32km至97km,而驾驶者每天的平均行驶距离为53km,因此PHEV足以满足一般使用者的需求。使用者可以在1周中4~5d用全电动模式驾车上班,周末用内燃机为主的混合动力模式作长途旅游。此外,PHEV具有接受外部公用电网对车载电池组充电的能力,车主在家里就可以对电池组充电。目前,世界各大汽车厂商都宣布推出了PEHV的计划,PHEV的应用规模将越来越大。然而,PHEV的大规模使用将会使用电负荷和用电量急剧增长,这必将对配电网产生重要影响。而且,考虑到PHEV充电行为的随机性,大量PHEV接入会给电力系统的运行与控制带来显著的不确定性。因此,研究各种电动汽车大规模接入对未来配电网的影响,包括对负荷曲线、潮流模式(网络损耗、阻塞水平和电压曲线)和电能质量的影响成为当前的研究热点。文献建立了一个用于分析PHEV对配电网影响分析的模型,该模型假设所有的PHEV在同一时间,以同样速率充电,没有考虑PHEV充电时间,充电方式的复杂性。文献对电动汽车充电负荷特性作了初步分析,充电方式只涉及到未经优化的即插即充方式和固定在24:00充电的方式。文献考虑了充电开始时刻和日行驶里程2个影响电动汽车充电的随机因素,建立了电动汽车充电功率需求的概率模型,但没有考虑电池充电曲线的变化。文献根据充电功率的统计规律建立了用于多台电动汽车充电机谐波评估的数学模型。文献采用与文献类似方法,得出了电动汽车充电负荷模型。文献在研究电动汽车的充电功率时都计及了充电开始时刻和电池初始荷电状态这2个随机因素,并且充电功率是按照充电曲线变化的,但是只考虑了充电开始时刻数值上小于当前时刻的情况,而没有考虑由于充电时间长,充电开始时刻会在数值上大于当前时刻的情况,比如在24:00开始充电,在01:00仍然可能有充电功率需求。文献以配电网线路功率损耗最小为目标,确定PHEV最优充电功率。仿真结果显示,采用本文提出的充电策略后,配电网的节点电压偏移和线路损耗降低了,但是文中没有考虑电池初始荷电状态的随机性,而简单地假设为0。文献提出了以用户成本最小化为目标的优化充电方法,没有考虑对节点电压偏移和线损的影响。本文研究影响PHEV充电的2个关键随机因素充电开始时刻和充电前已耗电能的概率分布,提出一个计及以上因素,且充电功率按照充电曲线变化的PHEV充电负荷模型,研究PHEV采用自由充电方式和负荷低谷充电方式时对配电网有不同程度的影响。为改善这些影响,提出以负荷方差最小化为目标的优化充电策略。以IEEE40节点辐射型配电网系统为例,分析采用自由充电、负荷低谷充电和优化充电方式时,不同数量的PHEV充电对配电网负荷曲线、网络线损及节点电压偏移的影响。1影响ph值的重要随机因素1.1日行驶距离概率密度函数所有的PHEV在充电前电池的电能不可能全部耗完,因此把充电前PHEV已消耗的电能作为一个随机变量。同样,所有的PHEV不可能同时接入配电网充电。在任意时刻,不同的充电器所需功率可以是充电曲线上任一点的值。由于很难确定每个PHEV何时开始充电,所以把充电开始时刻也作为一个随机变量。PHEV充电前已消耗的电能和充电前行驶的距离有关。设E为充电前消耗电能,D为日行驶距离,则E=mD,其中m是PHEV每km消耗的电能。由统计数据得到日行驶距离的对数概率密度函数曲线,如图1所示。日行驶距离的概率密度表达式为式中:μD=3.2,σD=0.88。由E(28)mD得充电前已消耗电能的概率密度函数,即1.23负荷低成本充电PHEV所采取的充电方式不同,充电开始时刻不一样。本文将对自由充电、负荷低谷充电和优化充电3种充电方式进行分析。1)自由充电。这种充电方式是指车主一回到家就充电,因此充电开始时刻就是车主到家的时刻。根据统计数据,1d内车主到家时刻的概率密度如图2所示。从图2看出,充电开始时刻服从正态分布,概率密度函数为式中:μS=17.6;σS=3.4。2)负荷低谷充电。由图2可知,自由充电方式下,电池充电大多发生在晚上18:00左右,而此时正是用电负荷高峰期,这样就会引起更大的负荷峰值,加大峰谷差。为了避免这一情况出现,可对用户采取分时电价的鼓励政策,大多数PHEV就会在负荷低谷时段充电。本文假设22:00到06:00的电价低于其他时段。完全放电的电池充满电需要4h,为了保证其充满,充电开始时刻应在22:00到02:00之间。认为充电开始时刻在22:00到02:00的范围内服从均匀分布。3)优化充电。负荷低谷充电方式避免了在原有负荷峰值上增加负荷,但由于大多数车主选择在低电价的负荷低谷时段集中充电,当充电的PHEV数量较大时,会使低谷时段出现比原有负荷峰值更大的新峰值,无法减小峰谷差。配电线路的线损和负荷方差特性密切相关,在相同平均负荷和相同时间内,负荷方差较大的负荷曲线的线损大于负荷方差相对较小的负荷曲线的线损。因此为了有效减小峰谷差,同时又能降低网络线损,本文提出以系统总负荷曲线方差最小化为目标的优化充电策略,计算各时刻开始充电的PHEV数目,对充电行为加以引导和控制,达到使负荷曲线趋于平坦,降低峰谷差,同时又降低网络线损和电压偏移的目的。2菲涅耳充电负荷的概率模型2.1电池充放电效率电动汽车电池充电功率曲线与多个因素有关,如电池类型、充电器类型以及电网容量等。本文假设电池满容量为11kW·h,为了延长电池寿命,电池在使用时只使用满容量的80%,即8.8kW·h。假设充电器转换效率为88%,则电池充满电需耗电能为10kW·h。本文研究充电在家中进行的情况,所以充电器接入的配电网电压等级为220V,最大输出功率为4kW;PHEV每km能耗为0.15kW·h。同时还假定PHEV一旦开始充电,充电过程会一直持续到电池充满。充电时常用恒流恒压2阶段充电法,即先以恒定电流充电,电池电压逐渐升高,功率也逐渐变大。当电池电压达到一定值时,维持电压不变,而充电电流变小,功率也相应减小。在电池完全放电的情况下,充电功率曲线如图3所示。由图3可知,若电池完全放电,充满电需要4h。图3曲线下面积为电池获得的电能,若电池不是完全放电,则充电曲线沿横轴向左移动相应的距离。2.21充电功率的概率模型为了便于数值计算,将图3所示的充电功率以△t为间隔离散化,离散化后的充电功率为理论上△t越小,离散值越接近实际值,为便于计算,令△t=0.5h,则N=8。PHEV充电功率为Pi时,所需的电能iE为所需的电能就等于已消耗的电能,所以Ei也表示PHEV在充电功率为Pi时已消耗的电能。采用按面积拟合的连续分布离散化方法将充电前已消耗电能E的连续概率分布在Ei处离散化。由于无法得到解析解,利用牛顿求根法求得E为各个Ei的概率。下文推导出PHEV在1d内充电功率的概率模型。设在t(1≤t≤24)时刻充电功率为Pi的概率为Ф(Pi,t),若开始充电时刻k≤t,Ф(Pi,t)就是在k时刻充电功率为的概率,即在k时刻PHEV已消耗电能的概率。若t＜k≤24,Ф(Pi,t)就是k时刻已消耗的电能为的概率。假设充电开始时刻和充电前已消耗电能是相互独立的随机变量,那么在k时刻开始充电,在t时刻充电功率为Pi的概率为式中P(s=k)为开始充电时刻的离散化概率。由式(6)可求出,1d内任一时刻t,充电功率P的均值为多辆PHEV的充电负荷可以根据中心极限定理得到。2.3u3000酸、碱分别进入配电网充电的phev数目1)自由充电方式下,充电开始时刻以1h为间隔离散化,利用按面积拟合离散化方法得到充电开始时刻为k(1uf0a3kuf0a324)的概率,然后结合式(6)(7)计算出每个时刻的充电功率均值。2)负荷低谷充电方式下,开始充电时刻为k的概率为将式(8)与式(6)(7)联合,得到1d内所有时刻的充电功率均值。3)优化充电方式下,假定车主在07:00—18:00之间不在家,则这段期间不会有PHEV开始充电,同时为保证每个PHEV充满电,从03:00以后就不会有PHEV开始充电,因此只有10个时刻是PHEV开始充电时刻,设xt代表t时刻开始充电的PHEV数目,1≤t≤10,即t=4表示的是18:00,x4表示18:00开始充电的EV数目,以此类推,x10表示24:00开始充电的EV数目。优化目标是使系统总负荷曲线的方差最小,不仅要使总负荷方差均值最小,还要使每个时刻的方差最小,因此该优化是一个多目标规划问题,目标函数为式中:μ为1d内系统的平均负荷;Lt为系统某时刻的总负荷,则Lt与xt的关系为式中:当t≤j时,t-j=t-j+10;L0t为t时刻的原有负荷;EO为t时刻开始充电时所需功率的均值,其表达式为Ej为t时刻开始充电,t+j时刻充电功率的均值,即约束条件为式中n为1d内接入配电网充电的PHEV总数。式(13)保证所有PHEV都会充电。由于该最优问题要确定的变量是每个时刻开始充电的PHEV数量,所以属于多目标整数规划问题,采用目标达到法结合分支定界法进行求解。3phev对负荷的影响本文以IEEE40节点辐射型配电网作为例,分析不同数量PHEV接入后对该配电网负荷曲线,网络线损及节点电压的影响。将IEEE40节点系统的电源点电压设置为220V,使系统成为住宅用户配电网,线路阻抗作适当修改,以承受电压偏移和线损。每个节点的原有负荷为1个住宅负荷,每个节点可接入1辆PHEV。随机地选择某些节点接入PHEV,假设每个节点的负荷曲线相同,为某地区冬季住宅日负荷曲线。根据PHEV接入系统的规模,利用Matlab仿真分析4种情况下PHEV充电对配电网的影响。用接入PHEV的节点数与总节点数的比值代表PHEV接入规模:第1种情况是无PHEV接入,即0%,作为基础负荷便于和其他情况比较;其它3种情况分别是10%、30%和50%。每种情况都随机地把PHEV分配到各个节点,然后进行潮流计算得到各节点电压偏移值和各支路线损,潮流计算方法为前推回代法。为了提高计算结果的精确性,共分配1000次然后取均值。表1给出了优化充电所确定的每个时刻开始充电的PHEV数目与总数的比值。表中显示,在原有负荷高峰时刻,开始充电的PHEV数量为0。为了分析PHEV对负荷曲线的影响,在图4—6中分别给出了3种充电方式下,不同规模PHEV接入配电网后的系统日负荷曲线。从图4可以看到,自由充电方式在3种情况下都使原有的负荷峰值更高,峰谷差加大。而在负荷低谷充电方式下,当PHEV数量增多时,在原有低谷时段出现了更大的峰值,也无法降低峰谷差。优化充电在PHEV数量为10%和30%时都没有使系统负荷峰值增加,当PHEV为50%时,负荷峰值增加,但其值远低于其他2种充电方式,而且3种情况下都降低了峰谷差。表2给出了3种充电方式下不同数量的PHEV接入时配电网线损与总负荷的比值,总负荷包括住宅日负荷和PHEV的充电负荷。从表2看出,随着PHEV数量的增加,线损增加。在所有的PHEV接入水平下,自由充电方式下的线损最大,优化充电方式下的线损最小。表3给出了最大节点电压偏移值。表3显示,随着PHEV数量的增加,3种充电方式下电压偏移都在增加,优化充电方式所造成的节点电压偏移最小。在PHEV数量为10%和30%时,优化充电的节点电压偏移和没有PHEV接入时一样,这是因为在这2种情况下没有任何PHEV在原有负荷峰值时段充电,从而不会造成更大的负荷峰值。4phev充电对配电网的影响随着插电式混合电动汽车保有量的增加,其作为用电负荷对配电网的影响将日益增大。本文在考虑影响PHEV充电的2个关键随机因素的基础上,提出了PHEV充电负荷概率模型。该模型为研究PHEV对配电网的影响提供了基础。为了改善PHEV充电对配电网的影