PDF《考虑大量 EV 接入的电 — 气—热多能耦合系统协同优化调度》

1 3 ] 在规定 E V 充放 电模式的情况下建立了微网调度模型;

文献[

1 4] 建 立经济调度模型时以 E V 数量作为充放电功率约束 条件, 该方法没有考虑到 E V 的实际消纳能力, 实际 运行结果与调度结果可能产生偏差;

文献[

1 5] 以单 台EV为单位建立了日前调度模型, 该方法在提高 优化精度的同时也增加了计算难度, 可能产生维数 灾难的问题.文献[

1 6 G

1 7] 提出了一种依照 E V 自 身特性进行分群, 以EV群体的方式参与优化的调 度策略, 该方法兼具群体和单一模型的优势, 具有较 好的可行性. 随着能源互联网的发展和 E V 的普及, 如何实 现多能源系统和 E V 的协同调度是能源互联网下 源―网―荷 协同优化中必须面对的问 题.基于以 上考虑, 本文根据车主出行统计规律, 提出了 E V 集401第4 2卷第4期2018年2月2 5日Vol.42N o . 4F e b .

2 5,

2 0

1 8 D O I :

1 0.

7 5

0 0 / A E P S

2 0

1 7

0 5

2 7

0 0

7 h t t p : / / ww w. a e p s G i n f o . c o m 群日前调度模型, 建立了考虑风电波动及 E V 充电 需求不确定性的大规模 E V 参与多能源系统协同调 度优化模型, 利用模糊理论及可信性理论将模型转 换为确定性模型, 以1 1节点多能源系统为算例, 验 证模型的有效性.

1 能源中心简介 能源中心可视为各个能源网络之间的耦合部 分.典型的多能源系统及能源中心结构见图1. 图1 多能源系统架构 F i g .

1 S t r u c t u r eo fm u l t i G e n e r g ys y s t e m 一个能源中心包含着多种不同能源的输入、 转 换和输出形式.能源中心在运行时, 电能通过变压 器和电力网络传输给电力负荷、 天然气通过天然气 网传输给天然气负荷的过程称为直接传输, 此过程 不包含能源类型的转换.一方面, 燃气锅炉可将天 然气转换为热能, 燃气轮机通过使用天然气发电向 电网提供电能, 实现电网和气网耦合的同时也产生 热能供给热负荷, 热能的提供还可以通过热泵及燃 气锅炉实现.另一方面, 电转气设备又可以将电能 转换为天然气[ 7] , 这些使能源类型相互转化的设备 称为转换器.建模时可将具有ω 个输入、 φ 个输出 的能源中心抽象成以下数学方程: L= η υ P (

1 ) 式中: L 为φ 维负荷向量;

η 为能源中心各转换设备 效率的效率矩阵, 为φ*ω 阶矩阵;

υ 为各形式能源 通过 不同转换设备比例的调度系数矩阵, 为ω* ω 阶矩阵;

P 为ω 维功率向量. 在能源中心优化运行过程中, 忽略由工况变化 引起的效率变化, 因此将效率 矩阵视为常数矩阵. 通过改变调度系数和能源输入, 决定各设备的运行 状态, 确定能源中心内部能源流向和出力, 从而起到 调节各能源网络运行状况的目的, 在满足多种负荷 需求的基础上实现优化运行的目标.

2 计及不确定性的 E V集群日前调度模型 随着 E V 的普及, 因其具有移动储能特性和可 转移负荷的特性, 可以预见, 未来 E V 将在电力系统 运行中扮演着重要的负荷角色.建立合理的 E V 日 前调度模型, 合理制定充放电计划, 利用其作为一种 主动负荷参与多能源系统的优化, 可以进一步改善 系统的运行特性.由于 E V 参与调度将会导致系统 信息流量的大幅提高, 因此信息不可能全部传送到 调度中心进行集中决策.依照文献[

1 8 ] 提出的能量 管理系统家族的概念, 可以在各能源中心设立一个 区域电动汽车能量管理中心(EVGdistributedenergym a n a g e m e n ts y s t e m, E V G D EM S) 实现对该 能源中心覆盖区域内 E V 信息的统一收集并上报至 系统调度中心, 调度中心根据各 E V G D EM S上报的 信息和多能源系统运行的预测信息进行日前调度策 略的制定. 与传统储能设备不同, E V 作为一种 移动 的 负荷, 其充电行为对于电网而言, 不确定性体现在接 入电网、 离开电网时间的不确定性, 充电需求的不确 定性及电池特性的不确定性.E V 日前需求预测可 以采用蒙特卡洛法对大规模 E V 的充电行为进行建 模, 也可以采用日前申报机制[