一种电动汽车参与风电消纳的调度方法

技术领域

本发明涉及新能源发电储能调度技术领域，尤其涉及一种电动汽车参与风电消纳的调度 方法。

背景技术

近年来，为解决生态环境恶化及化石能源快速消耗等问题，全球可再生能源发电规模快 速扩大，以风电为代表的新能源发展迅速。然而，风电天然具有波动性和不确定性，大规模 风电并网会对电网安全稳定运行带来挑战。储能系统是平抑风电波动的有效方式之一，电动 汽车逐渐被考虑作为储能元件参与储能调度，大力发展电动汽车储能不仅增加新能源的利用 率，还有助于发展低碳经济、节能减排。

电力系统接纳波动能源的容量有限，为使风功率输出满足《风电场接入电力系统技术规 定》提出的有功功率变化的限值要求，可以采用小波包分解法确定目标并网功率，通过对分 解结果的不同层进行分析从而对储能容量进行配置。

随着我国大力发展电动汽车，电动汽车的储能能力呈现上升趋势，储能潜力巨大，现已 有大量研究表明传统储能方式能够对新能源发电波动进行有效平抑，电动汽车相较于传统储 能元件有着移动性和随机性的特点，这一特点使得电动汽车难于进行控制调度，现阶段对电 动汽车的调度常用策略还是依靠传统的排队策略，无法在达到预期值的前提下保证电动汽车 的状态最优。

发明内容

本发明的目的是提出一种电动汽车参与风电消纳的调度方法，其特征在于，包括以下步 骤：

步骤1：确定电动汽车储能和超级电容储能的数学模型；

步骤2：利用小波包分解法对风电输出功率进行分解；当小波包分解层数为n时，得到 2

步骤3：对步骤2中小波包分解的2

步骤4：设计具体优化调度模型；在电动汽车集群能完全消纳风电时刻，将对储能设备 的调度问题转化为背包问题，利用背包问题的动态规划获取电动汽车最佳调度集群；采用超 级电容作为备用储能设备，在电动汽车无法满足调度需求时及时补给，从而最大化消纳风电 功率；

步骤5：验证经过储能调度的并网功率是否满足并网波动要求。

所述步骤1中的电动汽车储能的数学模型为：

电动汽车SOC计算如下：

式中S

电动汽车参与平抑新能源发电波动的储能优化调度约束如下：

S

t

S

式中S

根据储能优化调度约束条件，得到单体电动汽车t时刻的最大可调度潜力如下：

E

E

式中对于电动汽车i，E

超级电容储能的数学模型为：

超级电容SOC计算如下：

式中S

超级电容的运行约束：

S

0≤P

P

0≤N

式中S

所述步骤2中风电输出有功功率变化在1分钟和10分钟的限值约束为：

式中ΔP

所述步骤3中的小波包分解的分支带宽为：

式中，f

利用帕塞瓦尔定律计算其中一个分支[f

式中f

求取[f

所述步骤4具体包括以下子步骤：

步骤41：根据目标平滑偏差ΔP选择充放电策略；

当ΔP(t)>0，调度动作为充电，确定电动汽车的数量需求N

当ΔP(t)<0，调度动作为放电，同理获得N

步骤42：根据供需平衡确定参与调度的电动汽车集群；

当N

当N

步骤43：计算电动汽车集群的实时功率输出；

当电动汽车集群无法平抑目标偏差功率时，则利用超级电容进行额外补给；

当电动汽车集群和超级电容都达到饱和状态，无法吸纳风电功率时，则考虑弃风；

步骤44：进行下一时刻控制动作，直到控制时长结束。

所述背包问题的动态规划包括以下步骤：

步骤S1：定义电动汽车的价值；将在t时刻单体电动汽车i的价值定义为：

c

式中，c

步骤S2：确定最优值目标函数；最优值目标函数表示如下：

式中，y为电动汽车集群的总价值，P

步骤S3：分割问题；第i次将第i辆电动汽车装入背包；

步骤S4：确定状态变量

步骤S5：确定决策变量D

步骤S6：确立状态转移方程

式中，

步骤S7：根据步骤S2的最优值目标函数确定最优策略，从而求得电动汽车最佳调度集 群。

本发明的有益效果在于：

基于背包问题的动态规划调度得到最终的并网功率在极大程度上相似于用小波包分解得 到目标并网功率，达到了平抑风功率波动的要求，解决了风力发电波动性过大的问题，且实 现了对电动汽车的有序调度。

附图说明

图1为电动汽车参与风电消纳的调度方法流程图；

图2为风电场原始输出功率和目标并网功率；

图3为实际并网功率和目标并网功率的对比图；

图4为部分电动汽车单体的剩余电量变化情况。

具体实施方式

本发明提出一种电动汽车参与风电消纳的调度方法，下面结合附图和具体实施例对本发 明做进一步说明。

图1为电动汽车参与风电消纳的调度方法流程图。此调度方法包括用小波包分解确定初 步并网功率和用解决背包问题的动态规划算法优化调度两部分，其具体实施步骤为：

1)确定电动汽车和超级电容的离散化数学模型。

电动汽车SOC(State of charge)计算如下：

电动汽车参与平抑新能源发电波动的储能优化调度约束如下：

S

t

S

式中对于电动汽车i，S为电动汽车的SOC，P

超级电容SOC计算如下：

根据可调度约束条件，可以得到单体电动汽车t时刻的最大可调度潜力如下：

E

E

式中对于电动汽车i，E

超级电容的运行约束：

S

0≤P

P

0≤N

式中S

2)利用小波包分解法对风电输出功率进行分解，当分解层数为n时，其中第一个分支 P

式中ΔP

3)基于2)中小波包分解结果的其他分支(P

小波包分解的分支带宽为

式中，f

利用帕塞瓦尔定律求任意带宽[f

式中f

根据工程实际应用，则求取频带[f

4)设计具体优化调度模型，采用超级电容作为备用储能设备，在电动汽车无法满足调度 需求时及时补给，从而最大化消纳风电功率。在电动汽车集群能完全消纳风电时刻，将对储 能设备的调度问题转化为背包问题，利用动态规划算法获取电动汽车最佳调度集群。

步骤1：根据目标平滑偏差ΔP选择充放电策略。

(1)当ΔP(t)>0，调度动作为充电，确定电动汽车的数量需求N

(2)当ΔP(t)<0，调度动作为放电，同理可获得N

步骤2：根据供需平衡确定参与调度的电动汽车集群。

(1)当N

(2)当N

步骤3：计算电动汽车集群的实时功率输出。若电动汽车集群无法平抑目标偏差功率则 利用超级电容器进行额外补给，当两者都达到饱和状态，无法吸纳风电功率时，则考虑适当 地弃风。

步骤4：进行下一时刻控制动作，直到控制时长结束。

5)验证经过储能调度的并网功率是否满足并网波动要求。

以某50MW风电场为例，风电场原始输出功率见图2虚线，采样周期为10s，采样点8640。 小波包分解为5层，选取P

利用帕塞瓦尔定律计算每个分支的功率能量，选取P

图3实线是利用解决背包问题的动态规划算法进行调度后的实际并网功率，经验证其满 足在正常运行情况下，风电输出有功功率变化在1分钟和10分钟的限值约束，且其与目标并 网功率的相关系数为0.998，另外，部分电动汽车单体的电量变化情况见图4。

综上所述，用基于背包问题的动态规划算法调度得到最终的并网功率可以极大程度上相 似于用小波包分解得到目标并网功率，达到了平抑风功率波动的要求。

此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟 悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖 在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。