需求響應下基于電動汽車負荷聚合商的充放電電價與時段研究

趙梓潼,顧 兵

(1.華北電力大學國際教育學院(保定),保定 河北 071003;2.東北電力大學經濟管理學院,吉林 吉林 132012)

0 引 言

可再生能源發電如風力發電,其特點是不可控的,間歇性的,所以當可再生能源發電接入電網的比例逐漸增大時,對電網運行的安全穩定性的影響也越來越大。風電的迅猛發展也帶來了因電網的規劃建設與風電的大量裝機之間失衡所導致的棄風限電問題的出現[1]。為了確保電力系統運行的安全穩定,就需要在可再生能源并網的比例逐漸提高的情況下,引入更多的靈活性資源來維持電力系統運行的穩定與平衡,以降低可再生能源發電對電網帶來的影響[2]。目前所引入的靈活性資源主要是水電機組、調峰機組、互聯電網、抽水蓄能電站與需求側響應等[3-4]。需求響應(Demand Response,DR)在市場中的作用在目前大數據日趨成熟的背景之下變得越來越重要。

需求響應是指電力系統根據供需平衡和電網穩定性的需要,通過改變用戶用電行為來調整負荷需求。柔性負荷作為新型電力系統的重要組成部分,其具備需求側響應能力,因此作為調配資源在有序用電中可以發揮重要作用[5]?？焖?、準確的挖掘需求響應潛力來保證電網安全有效運行緩解供電壓力,是地市公司開展供電服務的重要工作目標[6-7]。

近年電動汽車大力發展對電力系統產生了巨大的影響,特別是在需求響應方面。電動汽車所使用的用動力電池具有可控性,并且能夠向電網反向饋電,可作為分布式儲能單元來使用,通過電動汽車的充電和放電行為,可以調節負荷需求,從而實現需求響應。這一特性使電動汽車以靈活性資源服務于電網系統有著巨大的潛力。據統計,2022年截止,新能源汽車在我國的市場保有量達到1 310萬輛,其中純電動汽車占比為79.77%,市場保有量為1 045萬輛。假設以每輛電動汽車的電池容量為50 kWh計算,那么將有超過6.55億kWh的動力電池電容量。我國在2030年預計將有近1億輛的電動汽車[8],那么將有超過49億kWh的動力電池電容量。電動汽車負荷靈活并且可以快速響應[9-11],能夠對新能源大規模的接入電網后產生的功率波動具有抵消作用,使電網可以安全穩定的運行[12-13]。

1 電動汽車參與需求響應支持電網運行

1.1 社會效益

由于電能無法進行大規模儲存,因此應使發電與用電量之間平衡。電網發電量小于負荷需求,會導致電網頻率下降,反之,電網頻率會上升[14]。為保證電網運行安全,應對電網采取調頻工作,其通常是采用調節機組的出力的方式進行調頻,但其經濟性差,響應速度慢。而采用電池儲能進行調頻則可以降低成本,而且對需求的響應速度比傳統調頻方式更加迅速與靈活?；陔姵貎δ艿倪@一特性,電動汽車可以參與到系統調頻這一過程。對電動汽車成規?？刂苼眄憫娋W或以負荷聚合商的形式來參與調度,則能夠改善電能質量,可以削峰填谷、提供移動儲能等服務,能帶來一定的社會效益。

1.2 新能源消納

協調電動汽車與新能源發電之間的互補關系,是一種能夠使二者達到雙贏的策略,同時又能對新能源發電具有波動性這一天特點具有平抑作用,相較于對儲能設備進行單獨配置的成本,此成本要更為低廉。新能源發電如風電以及光伏,其在與負荷需求的匹配性上較差,主要是因為新能源發電出力隨機性強,波動性大[15],而利用儲能技術則可以提高電網接納新能源發電的能力,可以有效解決新能源發電并網這一問題[16-17],從而保證新能源發電接入網后電網運行安全。因此擁有儲能特性的電動汽車使得在抑制風能的波動性方面擁有了很大的可實現性。電動汽車可以在總體負荷小而新能源出力大的時間段進行充電,相反,在總體負荷大而新能源出力小的時間段進行放電,以此來對新能源發電進行間接調節,又可以使得電動汽車所需要的電能大部分來源于新能源發電。

1.3 削峰填谷

電動汽車市場保有量大,可以將每輛電動汽車都看作是一個分布式儲能裝置,在對其充放電過程進行協調控制,使其在新能源出力大系統負荷低谷時進行充電,新能源出力小系統負荷高峰時進行放電,以此來實現系統的削峰填谷。電動汽車的無序充電會使電網出現峰上加峰或者產生新的負荷高峰的現象,給電網的安全經濟運行帶來一系列問題,如造成諧波污染、加劇電能損耗以及運營成本上升等[18]。通過引導電動汽車的充放電行為使得電動汽車進行有序充電,可以調整電網峰谷差負荷。對電動汽車的充放電進行有序的調度可以減小電網的峰谷差,同時電網的負荷曲線也能更加平滑,最終降低電網的電能損耗[19]。

2 電動汽車參與需求響應的途徑

2.1 用戶直接參與需求響應

電動汽車用戶個體直接參與需求響應是電動汽車參與車網互動的基本形式,這一基本形式為電網將所需的調頻容量公布或發送給電動汽車用戶,電動汽車用戶根基自己的行程規劃選擇是否接受調頻響應,同時用戶還應直接與電網簽訂合同,以進行調頻交易的結算。但是電動汽車以個體形式直接參與調度會帶來一定的調度壓力,電網或運營商很難將指令下發給每一個電動汽車用戶,且用戶接受指令后是否響應未知,同時,基于分時電價的引導下,當大規模電動汽車入網時又可能會在原本的低谷時段產生新的高峰。

2.2 通過負荷聚合商參與需求響應

電動汽車負荷聚合商(Electric Vehicle Aggregator,EVA)是通過平臺將分散的電動汽車的充放電行為進行統一管理,并對用戶的充放電需求進行分類、匯總、整理,然后以負荷聚合商平臺的形式與供電公司進行交易,使得電動汽車用戶間接的參與到需求響應中,將用戶需求響應資源進行整合并與市場的購買者進行交易的獨立運行組織。

電動汽車負荷聚合商的盈利模式為與供電公司簽署合同,合同內容包括參與需求需求響應的充放電時間、電量、電價等,并以電量售賣過程中的電價差值實現獲利。在電動汽車負荷聚合商與電動汽車用戶之間也可以通過簽訂合同的方式使電動汽車用戶根據聚合商平臺發出的信息來調整自己的充放電策略,使自己的用車成本降低。

3 電動汽車聚合商參與需求響應設計

3.1 電動汽車聚合商有序放電策略

在對電動汽車不加引導的無序充電方式下,多數電動汽車用戶的充電行為多是根據自身的用車規律或出行歷程進行充電,很少會根據電網負荷的峰谷階段進行充電行為。以我國多數公司的工作時間階段與汽車用戶的出行階段為參考,假設17:00～18:00是處于晚高峰的時間段,平均1～2h到家,此時也正處于居民側的用電上升階段,并在將在未來3～4h達到用電高峰,同時多數電動汽車用戶在下班回到家中時會選擇立刻充電,這就造成了大量電動汽車負荷與電網負荷重疊,電網系統的運行負擔進一步加重,另一方面,在新能源發電方面,如風電,在電網負荷低谷的夜間往往其出力更多,而電動汽車的荷電量在這時多數已經處于飽和狀態,因其不會再消納更多的電能使得消納風電的難度大大增加。

某地根據前文電動汽車用戶充電時間的假設,則與系統負荷的關系如圖1所示。

圖1 電動汽車充電概率密度與電網負荷

由圖1可知,在20:00時,電動汽車的充電概率達到做大,其概率密度約為0.16,而此時電網的負荷也達到最高值,約為3 200 MW,同樣,在2:00～7:00的這一時間段,電動汽車的充電概率與電網的負荷也來到了最低。在對電動汽車不加以引導的無序充電的情景之下,電動汽車的充電概率與電網的原始負荷發生了重疊,電網的峰谷差被進一步加劇。

激勵型與價格型是需求響應的兩種實現方法,二者均可以引導用戶參與需求響應可以有效的對電動汽車實施有序的充放電。分時電價是實現價格型需求側響應的方法之一,通過引導用戶通過電價在不同時間段的差異來對自己的充電時間進行相應的改變,從而實現對電動汽車充放電的有序控制。

峰谷電價的問題之一是現有的分時電價時間段與每天實時變化的實際負荷之間不能很好的對應[20],以及基于引導下的多數電動汽車在時間設計較短的的谷時段大量充電,造成了原本谷時段又產生了新的負荷高峰這一問題[21]。所以在大量電動汽車接入電網的情況下,寄希望于通過分時電價來滿足電網的調峰需求是難以實現的。而基于實時電價引導用戶進行有序充放電又過于依賴電價的變化時間,實時電價策略很可能會因為電價變化時間間隔過長而產生新的負荷高峰[22]。因此需求響應價格型下的分時電價與實時電價,都是通過制定不同時間階段的電價繼而引導電動汽車用戶進行有序的用電行為,兩種需求響應本質上是一樣的。分時電價可能會使得用戶過度響應,使符合峰谷差進一步加大,實時電價可能會引起用戶響應疲憊,造成出現新的負荷尖峰的情況。為克服分時電價和實時電價的缺點,考慮到電動汽車負荷特性和用戶響應的意愿參與意愿,在分時電價與實時電價的基礎之上,重新制定頂級策略與充放電策略。

基于分時電價與實時電價下易造成電動汽車用戶的過度響應與響應疲態這一弊端,對充放電策略進行優化,本文采用電動汽車聚合商的方式對電動汽車進行統一的充放電規劃,同時電網可根據對每天的發電量以及負荷進行估計,得出每天不同時段下的分時電價,而電動汽車聚合商平臺將信息發送給電動汽車用戶,用戶根據自己的出行狀態以及對自己在參與需求響應后的電量期望值,反饋給聚合商平臺,由聚合商平臺在不同的時間段對電動汽車進行統一的充放電,這樣可以大大減弱過度響應與響應疲態這一弊端。

3.2 電動汽車負荷聚合商參與需求響應設計思路

圖2為電力市場框架下的電動汽車負荷聚合商參與需求響應下各方之間能量流與信、息流的關系。

圖2 電動汽車負荷聚合商參與需求響應各方之間能量流與信息流的關系

從圖2可以看出,電網將調頻指令發送給電動汽車負荷聚合商,電動汽車負荷聚合商通過電網發布的調頻指令向充電樁運營商發送功率調節指令,而充電樁運營商則對負荷聚合商發送用戶的響應反饋,以及車輛狀態信息。電動汽車負荷聚合商向交易中心發送通過計算得到可調容量、基準負荷報量報價以及響應結果反饋,之后交易中心向負荷聚合商發送中標調頻容量和里程、中標價格、調頻指令、結算信息。同時交易中心會向電網發送安全校核之前的出清結果,最后電網向交易中心發送校核之后的出清結果。

3.3 電動汽車負荷聚合商參與需求響應市場機制

本電動汽車負荷聚合商參與需求響應市場機制流程如下:

1)再輔助服務市場中,電網與電動汽車負荷聚合商提交輔助服務相關的報價報量。

2)電網下達調頻容量需求,中標的市場主體在運行時段接收到上調(下調)指令后,電動汽車負荷聚合商通過價格引導控制充電樁減少充電(增加充電),提供下調(上調)容量。

那么市場流程中的關鍵環節就是市場出清機制。本文在電動汽車負荷聚合商參與需求響應的市場機制中之開展日前交易與日內交易,本文將以每15 min劃分為一個節點的方式將24個小時分為96個節點,以通過不同時間段的供求關系保證電價在不同時間的差別。同時將日內交易則分為小時前與5 min前的出清。

預計的調頻需求由電網在運行日的前一天進行公布,同時公布根據調頻需求所計算得到的各時間段的充電電價與放電電價,各聚合商平臺將信息發送給電動汽車用戶,電動汽車用戶根據自己的用車需求以及期望的用車時間選擇充電與放電時間段,上傳至聚合上平臺,聚合上平臺將用戶上報的數據反饋給電網運營商,進行日前的出清。

在日內市場進行5 min前調頻需求預測,并開展小時前和5 min前的出清,電動汽車負荷聚合商分別以日前中標量、小時前中標量和5 min前中標量參加需求響應。其中調頻容量應滿足條件為

(1)

(2)

(3)

4 峰谷分時充放電電價制定

4.1 電動汽車充電電價制定

4.1.1 充電電價下限

本文選擇的電動汽車充電電價的下限為電力部門規定的峰谷電價中的谷時電價,僅考慮純電動私家車的基礎上,得到充電電價模型為

(4)

公式中:Pv為谷時電價;Pp為峰時電價;Pn為平時電價;[tv1,tv2]為谷時電價時間段;[tp1,tp2]為峰時電價時間段。

4.1.2 充電電價上限

在一定的的條件下,電動汽車的用車費用要低于傳統燃油車的用車費用時,消費者才更有意愿選擇電動汽車來取代燃油汽車。

設C1為傳統燃油汽車的用車費用,則有:

C1=Cv1+Co+Cm

(5)

公式中:Cv1為購買燃油汽車的裸車價格;Co為燃油汽車使用生命周期中的總燃油費用;Cm為燃油汽車使用生命周期中的總保養維修費用。Co的計算可以由公式(6)得到。

(6)

設C2為電動汽車的用車費用,則有:

C2=Cv2+Ce+Be-Bb

(7)

公式中:Cv2為購買電動汽車的裸車價格;Ce為電動汽車使用生命周期的充電費用總額;Be為電動汽車電池更換的費用總額;Bb為電動汽車電池被回收時得到的收入總額。Ce、Bb分別為

(8)

Bb=Eas×Bbr

(9)

公式中:Tat為平均每天電動汽車的出行次數;Sat為電動汽車每次的平均行駛距離;S1kWh為每度電電動汽車行駛的里程;Dy為一年中電動汽車參與需求響應天數;Eas為電動汽車電池的平均荷電量;Bbr為回收電動汽車電池的價格。

因此,燃油汽車的用車費用C1與電動汽車的用車費用C2之間的差值便是電動汽車充電電價的上限Pcmax為

Pcmax=C1-C2

(10)

4.2 電動汽車放電電價的制定

4.2.1 電動汽車放電電價下限

電動汽車每天平均的充電費用為

(11)

在負荷高峰時段峰時段,電動汽車向電網反向充電,電動汽車用戶每天的可得到的收益為

I=Po(Wmax-We)-PcminWmax-Lb

(12)

公式中:Po為電動汽車放電電價;Wmax為每輛電動汽車單次充電用電量的均值;We為每輛電動汽車放電后的剩余電量的均值;Lb電池充放電造成的電池損耗。Lb計算為

(13)

公式中:ηc、ηd分別為電動汽車電池充、放電效率。

所以,電動汽車用戶會將電動汽車并網并對電網進行反向饋電的條件為:電動汽車反向入網放電所能得到的收益大于充電的支出費用,即:

(14)

求解得:

(15)

4.2.2 電動汽車放電電價上限

電網需要電動汽車進行放電行為是只會出現在電網負荷的高峰階段,其他時段不會要求電動汽車進行反向饋電,此時電網峰時電價是一定的也即最高上限,因此放電電價上限以電力部門制定的分時電價中的峰時電價為準。

5 數值模擬分析

5.1 參數設置

5.1.1 仿真參數

本文假設該地區的電動汽車的市場保有量為30萬輛,以比亞迪e6作為數值模擬的車型,比亞迪e6的相關數據如表1所示,以圖1中夏季典型日負荷數據作為仿真的電網負荷數據。

表1 電動汽車參數

5.1.2 放電電價計算結果

假設電動汽車平均每次出行的距離為20 Km,電動汽車的充放電效率分別為90%、85%,那么平均充電一次的最大用電量可以計算得Wmax為5.85kW·h,以峰時電價作為放電電價上限為Pdmax為2.0元/(kW·h)。參與需求響應的電動汽車放電電價下限可以有由公式(11)～公式(15)計算得Pdmin為1.84元/(kW·h)。

5.1.3 充電電價計算結果

分時電價參數設置為電動汽車負荷聚合商采取國內用電分時電價價格從電網購電,而負荷聚合商對電動汽車的充電電價以峰時電價、平時電價、谷時電價的5∶3∶1的比例形式進行收取,如表2所示。

表2 電價參數

其中峰時、平時、谷時電價分別為:Pp=2.0元/(kW·h),Pn=1.2元/(kW·h),Pv=0.4元/(kW·h),充電電價下限以谷時電價為準為Pcmin為0.4元。

作為與電動汽車的對比,同時其汽車售價應與選擇的電動汽車售價基本相等,購買比亞迪e6裸車價格30.98萬元,因為周末以及節假日與工作日的電網與電動汽車負荷不同,因此采用非周末節假日的電網負荷數據,將一年的參與需求響應天數計為260天,比亞迪e6平均每度電的行駛里程為S1 kwh為4.762 km/(kW·h),以每天行駛里程32 km作為這兩種車的出行距離,以原價的10%作為電動汽車電池的回收價格,以12年作為平均使用年限,電池更換價格Bb為78 000元,電動汽車使用費用由公式(7)～公式(9)計算得到C2為388 386.4元。本文以寶馬3系作為燃油車數值摸你的車型,購買寶馬三系的裸車價格為32.59萬,油價Wo為6.5元/L,寶馬3系的每百公里油耗為6.2元(L/100 km),同樣以12年作為平均使用年限,燃油車使用費用可由公式(5)和公式(6)計算得到C1為388 390.2元。因此根據公式(10)可得電動汽車充電電價上限Pcmax為3.8元/(kW·h)。

5.2 數值模擬結果分析

以30萬輛電動汽車作為假設模擬數值,結果分別如表3、圖3所示。

表3 峰谷電價下需求響應最優時段

圖3 優化前后峰谷電價時段的負荷

由表3、圖3可知,電動汽車在缺乏引導的無序充放電行為下,系統負荷出現了新高峰,相較于原始負荷,峰谷差率增加4.78%,系統負荷的峰谷差明顯增加,已經對電力系統的安全穩定運行產生了影響,同時負荷的變化在連續時間段內不夠穩定,加劇了電網控制的難度。相反,在通過電價對電動汽車進行引導的有序充放電行為下,電動汽車的充電時間段轉移到了電網負荷的谷時段,這大大降低了電網峰時段的負荷,但電網系統的負荷又出現了新的高峰,這是由于不合理的設置了谷時電價的時長,同樣影響了電網的安全穩定運行。這與前文的分析表現出了一致性。而系統負荷的峰谷差率在采用最優的充放電策略后,由41.73%減小到32.28%,一方面避免了電動汽車在某一特定時間段集中充電的現象,另一方面較好的起到了“削峰填谷”作用。

電網負荷的峰谷差率在最優充放電策略下隨電動汽車并網數量的不同的便變化趨勢如表4、圖4所示。

表4 不同數量電動汽車接入后峰谷差率

圖4 不同數量電動汽車接入后電網負荷

由圖4和表4可知,系統的峰谷差率隨著電動汽車接入電網的數量增加而逐漸減小,相比于無電動汽車接入,系統的峰谷差率在接入電網的電動汽車達到30萬輛時減小了10.64%。

表5為執行最優有序充放電策略前后電動汽車每天的沖放電時段與充放電電量。由表5可知,與缺乏引導的無序充電情況相比,最優充放電策略每臺電動汽車的充電電量由峰時段大量轉移到了谷時段,而放電電量則集中到峰時段,平、谷時段電動汽車不會進行放電行為,電量降至0。

表5 優化前后各時段充放電電量

執行最優有序充放電策略前后電動汽車用戶每天參與需求響應的收益情況,如表6所示。

表6 優化前后用戶收益情況

由表6可知,在最優充放電策略下,用戶平均每天收益增加了5.51元。

6 結 論

本文分析了電動汽車參與需求響應并入電網后對電網產生的積極影響,同時闡述了電動汽車參與需求響應的不同途徑,并認為電動汽車應該以負荷聚合商的形式參與需求響應,這樣更利于信息的傳遞以及對電動汽車的有序充放電行為更為有效的控制,同時解決了電動汽車用戶以個體形式參與需求響應的弊端。針對電動汽車參與需求響應,本文提出了最優充放電策略,構建了電動汽車以負荷聚合商形式參與需求響應的思路,并且設計了交易市場的機制。為引導電動汽車進行有序充放電行為,通過規劃充放電時段與制定充放電電價,以價格型需求側響應為引導,以“削峰填谷”和電動汽車用戶用車費用最少為目標,制定了電動汽車充放電電價。由模擬仿真結果表明,采用了最優有序充放電策略后,電動汽車充電充電時間段轉移到了系統負荷的低谷時間段,電動汽車的放電行為全部集中在了電網系統的高峰時間段,同時系統的峰谷差隨著電動汽車的接入數量增多而逐漸減小。在用戶收益方面,用戶平均每天收益由1.44元增長到了6.95元。