基于区域充电网络调度的虚拟储能系统及优化控制方法

汤 晓 栋

(上海交通大学, 上海 200240)

0 引 言

作为典型的超大城市电网,上海电网最高负荷日负荷曲线呈现典型的“两峰一谷形态。上海电网在白天和夜间的用电负荷峰谷差较大的特点,是影响其安全稳定运行主要难点[1]。近年来,上海夏季电力高峰不断刷新,电力峰谷差不断加大,加之外来清洁水电比例不断加大,电网的柔性负荷调节不足对电网安全运行带来了很大挑战[2-3]。截止到2021年11月,上海电动汽车的保有量已突破60万辆。由于日益电气化的交通负荷受个体行为影响较大,且呈现强烈的时空分布特性[4],目前城市配网容量与管理模式将逐渐无法适应电动汽车、分布式可再生能源和居民用电需求的快速增长[5-7]。随着新型电力系统的推进,城市能源网将呈现“双高”与“双随机”特点[8],即高比例可再生能源接入、高比例电力电子设备应用及供给侧随机性、需求侧随机性的特征,面临着用能需求大、负荷峰值高、增容成本高等突出问题。

虚拟储能系统是一种利用其他装置或者调度策略来平衡电力系统能量的理论[9],通过对各类电源发出的电能进行转移或者变换能量形式等方法调节系统能量,达到提高系统运行可靠性和供电质量以及改善经济效益的目的[10]。虚拟储能系统通过对能源需求的管理和引导干预来抵消能量储存的不足,实现降低储能容量,减少储能成本的功效[11]。在不新增储能设施的情况下,可利用区域内电动汽车的分布式储能特性,基于区域充电调度,减少峰时段的用电负荷,并提升谷时段的用电负荷,结合对可调负荷的控制以及与电价的实时互动,利用虚拟储能技术实现不同时段的能量优化,降低系统对负备用的容量要求,可在提升电网安全性的同时提升终端能源利用率,降低充电成本[12]。基于一定的优化充电策略,电动汽车的普及不仅不会对电网运行带来明显冲击,反而可以成为高质量的系统调节资源。

1 区域充电网络调度的系统架构

为了基于区域充电网络调度实现虚拟储能系统,并实现虚拟储能系统的定容问题及其能源管理优化,基于区域充电网络调度的虚拟储能系统架构如图1所示。

图1 基于区域充电网络调度的虚拟储能系统架构

虚拟储能系统架构具体包括如下:

(1) 数据采集层。采集充电负荷信息及区域内其他负荷信息,可作为虚拟储能系统的优化提供初始化输入参数。

(2) 优化控制层。虚拟储能系统的能量管理与优化,本文为该层提供了一种优化定容及能量优化控制的方法。

(3) 调度交易层。虚拟储能系统根据自身能力,与电力交易中心签订合同,并根据合同执行充电负荷的调整计划。

2 虚拟储能系统的优化控制模型

为实现基于区域充电调度的虚拟储能系统的能力优化控制,本文提出一种优化控制模型。该模型包括了外层优化与内层优化方法。虚拟储能系统的内外层优化模型如图2所示。内层为区域充电调度的充电负荷优化方法,外层为基于区域充电调度所形成的的虚拟储能系统的优化定容方法。

图2 虚拟储能系统的内外层优化模型

具体包含5个步骤:

(1) 计算出或直接获得区域分布的初始充电负荷。

(2) 计算可减少的充电负荷,作为初始值输入系统,初始化虚拟储能系统的额定功率与容量。

(3) 以充电负荷的时空不均衡性最小化为目标函数开始内层优化。

(4) 以虚拟储能系统的收益最大化为目标函数开始外层优化。

(5) 循环步骤(3)、步骤(4),更新虚拟储能系统的容量与功率优化值,直至满足终止条件,并输出最优解。

该方法中外层优化模型目标函数为虚拟储能系统的收益最大化:

(1)

式中:Cresv——虚拟储能系统因提供备用容量而获得的备用容量费;

Csub——虚拟储能系统参与需求响应的填谷活动而获得的激励或补贴;

Cpun——虚拟储能系统未能按照合同要求执行负荷提升而产生的罚金;

Cele——虚拟储能系统中为电动汽车充电所支付的电费;

A——电网为备用容量提供的备用容量费单价;

a(i)——用户在电力市场中签订的第i时刻每小时提升单位负荷而获得的激励补贴单价;

b(i)——第i时刻未提升的单位负荷需要支付的罚金单价;

lIC——虚拟储能系统的定容值,是系统的最大备用容量;

l0(i)、l(i)——响应前后的充电负荷;

lIC(i)——填谷合同要求的第i时刻的负荷提升量。

式(1)的边界条件为某时刻i虚拟储能系统所能提供的备用容量应小于系统能够提供的最大备用容量。

该方法中内层优化模型目标函数为充电负荷的时空不均衡性最小化:

(2)

式中:Ftime_uti——区域内充电站点的时间利用率;

Fspa_uti——区域内充电站点的空间利用率;

M——区域内需要充电的车辆总数;

N——区域内的充电站点数量;

Cn——第n个站点的充电桩的数量;

Pm——第m辆车的充电功率;

xmni——三维决策矩阵,表示i时刻第m辆车在第n个站点的充电决策变量,xmni∈{0,1}。

3 算例分析

为简化计算,设参与的电动汽车为上汽荣威Ei5,电池容量为52.5 kWh,最大充电功率Pm=60 kW;车辆数稳定在100辆,即M=100;区域内有8个充电站参与调度,即N=8,站内充电桩配置如表1所示。

表1 站内充电桩配置

容量市场合同数据如表2所示。

表2 容量市场合同数据

区域基础负荷数据l0(i)及电力市场实时电价数据ρi参考性地采用了PJM电力市场中某区域的大工业用户2019年5月1日至2019年5月31日中的数据日均值。

本文所提出的虚拟储能系统定容及能量优化方法属于非线性、混合整数问题。在求解外层模型时可采用遗传算法,基于外层目标对虚拟储能的额定容量、额定充电功率进行寻优;在求解内层模型时,可采用DQN强化学习算法进行优化求解。虚拟储能系统优化配置结果如表3所示。

表3 虚拟储能系统优化配置结果

由表3可知,基于区域充电调度的虚拟储能系统及能量优化方法可在提升谷时段负荷的同时获得一定的系统收益。随着电动汽车进一步普及及电力现货市场建设的逐渐完善,基于区域充电网络调度实现的虚拟储能系统及优化控制方法将具有广阔的应用前景。

4 结 语

针对上海能源结构中西南水电占比较多、而负荷峰谷差长期较大,导致存在的谷电消纳问题,且随着电动汽车渗透率及充电站覆盖率的不断提升,充电负荷对配电网的影响逐渐变得不可忽视。本文提出了一种以电动汽车及充电设施网络为主体的虚拟储能系统及其能源优化与管理调度的方法,通过外层优化提升系统的整体经济性,通过内层优化降低充电负荷的时空不均衡度,在构建负备用容量、提升电网稳定性的同时,将有效降低充电成本、提高终端能源利用效率,具有较大的应用价值。