风电与电动汽车协同并网调度环境模型

摘 要：随着空气质量降低，节能减排成为电力发展的必然。新能源入网起到重要作用，本文建立了风电与电动汽车协同并网环境优化调度模型。调度风电与电动汽车协同入网，通过蒙特卡洛模拟法模拟出电动汽车不同V2G模式下充放电负荷。结果表明，有序充电模式车主响应系统调度满足与风电出力互补性，有效减少弃风、减小负荷曲线的波动。以火电机组的SO2和CO2排放量最小化为目标，应用改进粒子群多目标优化算法求解模型。

关键词：风电；电动汽车；蒙特卡罗模拟

DOI：10.16640/ki.37-1222/t.2017.03.131

0 引 言

近年来，随着空气质量的降低，温室效应的加剧，减少CO2、SO2的排放是对该问题的重要举措。电力作为能源重要组成部分，在节能减排中将发挥重要作用。电力发展的重要方向是节能减排，风电和电动汽车在环境上的巨大优势受到学者们的广泛关注[1]。

风电出力的不稳定性、反调峰性，并网会对系统的稳定运行产生影响[2-3]。我国电动汽车累计销售量将在2020超过500万辆，受车主出行习惯影响负荷高峰时段充电，将增大峰谷差和系统调峰压力[4-5]。通过调度风电与电动汽车协同入网，能有效地解决弃风问题和系统的稳定性，提高系统的环境效益[6]。

本文通过蒙特卡罗模拟法模拟出定量电动汽车不同入网模式充电功率。分别以火电发SO2、CO2排放量最小为目标构建环境优化调度模型。据相应约束条件分析了风电接入及电动汽车不同入网模式对机组运行CO2和SO2排放的影响。采用改进粒子群优化算法对模型优化求解。最后，在MATLAB环境下对模型及优化算法仿真。

3 算例分析

通过某风电场和十台火电机组来证本模型的有效性。风电详细参数值见文献[8]，火电机组参数以及1 d内各个时刻负荷预测值见文献[9]。1 d内风电场各个时刻输出功率曲线（见图1）。

通过蒙特卡洛模拟法模拟出单量电动汽车的有序、无序充放电功率[10]。设定可入网参与调度的电动汽车数量为50000辆，得出电动汽车入网各个时刻接入系统负荷（见图2）。

结果分析：

为了验证本模型的有效性，以下两种不同运行方式作比较，运行方式1为风电并网，电动汽车无序V2G模式入网参与调度；运行方式2为风电并网，电动汽车有序V2G模式入网参与调度。由不同运行方式下的负荷曲线（见图3）可知，原始负荷在没有电动汽车参与调度情况下，负荷波动较大。采用运行方式1时，电动汽车无序V2G模式与风电协调入网，因为车主的出行习惯，大量电动汽车在负荷高峰期充电，进一步增加峰谷差。因为无序V2G模式还有一定的波动性与随机性，同时增加了负荷曲线的波动。采用运行方式2时，电动汽车有序V2G模式与风电协调入网，车主响应峰谷效应，在负荷低谷时刻充电，高峰时刻放电，削峰填谷作用明显，负荷曲线波动程度最小。

表1为采用MATLAB环境对两种不同运行方式下优化目标的仿真结果对比。运行方式1：无序V2G模式下电动汽车和风电协调入网，由于车主的出行习惯进一步拉大了峰谷差，增加了负荷波动性，增加了机组的SO2和CO2排放量。运行方式2：有序V2G模式下电动汽车和风电协调入网，在负荷高峰期，电动汽车代替发电机组向电网放电，在负荷低谷期，电动汽车调度入网充电，从而有效的减小了火电机组SO2和CO2排放量。

4 结论

本文建立了风电与电动汽车协同并网调度环境优化模型，并用MATLAB仿真验证了其可行性和有效性。结果表明，采用有序V2G模式，通过优化电动汽车充放电时间来满足风电和负荷的波动，可以实现良好的削峰填谷作用，最大程度的消纳风电，减少火电机组SO2和CO2排放。使电动汽车和风电联合出力更加稳定的同时，也能作为调峰电源来平缓负荷曲线的波动。

参考文献：

[1]李娜，黄梅.不同类型电动汽车充电机接入后电力系统的谐波分析[J].电网技术，2011，35（01）：170-174.

[2]陈光，戴攀，周浩等.计及入网电动汽车和分布式电源的配电系统重构[J].电网技术，2013，37（01）：82-88.

[3]张谦，李玻，高松.风电对调峰的影响及其合理利用模式研究[J].南方电网技术，2010，4（06）：18-22.

[4]胡泽春，宋水华，徐智威等.电动汽车接入电网的影响与利用[J].中国电机工程学报，2012，32（04）：1-10.

[5]孟安波，卢海明，郭壮志.考虑大规模电动汽车入网的协同优化调度[J].电测与仪表，2016，52（16）：80-84.

[6]于大洋，宋曙光，张波等.区域电网电动汽车充电与风电协同调度的分析[J].电力系统自动化，2011，35（14）：24-29.

[7]张晓辉，董兴华.含风电场多目标低碳电力系统动态经济调度研究[J].电网技术，2013，37（01）：24-31.

[8]陈海焱，陈金富，段献忠.含风电场电力系统经济调度的模糊建模及优化算法[J].电力系统自动化，2006（02）：22-26.

[9]Ting T O，Rao M V C，Loo C K.A novel approach for unit commitment problem via an effective hybrid particle swarm optimization[J].IEEE Transactions on Power Systems，2006，21（01）：411-418.

[10]施泉生，平宗飞，陈敏骏.计及电动汽车入网的电价联动模型[J].电力自动化设各，2014，34（11）：34-40.