计及电动汽车及多类需求响应的电力用户能量管理鲁棒模型_吕飞春.pdf

电气传动 2023年 第53卷 第3期ELECTRIC DRIVE 2023 Vol.53 No.3摘要：近年来，分布式能源呈规模化并网运行，导致传统电力用户从单纯的电能消费者逐步演变为兼具电能生产与消费能力的产消者，并可在市场电价的引导下有序参与市场交易。然而，受自身容量的限制，产消者难以承受市场电价波动性、光伏出力随机性带来的风险。为此，提出了一种基于鲁棒优化的产消者能量管理模型，首先构建了含电动汽车以及多类需求响应资源的产消者能量管理模型；在此基础上，考虑电价波动性以及光伏出力的随机性，构建了计及电价、光伏不确定性的产消者能量管理鲁棒模型，分析了鲁棒系数对产消者整体效益以及能量管理策略的影响。最后，采用改进灰狼算法实现了模型的高效求解。关键词：产消者；鲁棒优化；能量管理模型；电动汽车；需求响应中图分类号：TM73文献标识码：ADOI：10.19457/j.1001-2095.dqcd24261Robust Model for Energy Management of Electric Power Users Considering ElectricVehicles and Multi Class Demand ResponseL Feichun1，HU Jingtao1，ZHANG Wentao1，HU Dong1，WU Xu2（1.Yugan Country Power Supply Branch，State Grid Jiangxi Electric Power Co.，Ltd.，Shangrao 335100，Jiangxi，China；2.School of Automation and Electrical Engineering，LanzhouJiaotong University，Lanzhou 730070，Gansu，China）Abstract:In recent years，the large-scale grid connected operation of distributed energy has led to the gradualevolution of traditional power users from simple power consumers to prosumers with both power production andconsumption capacity，and can orderly participate in market transactions under the guidance of market electricityprice.However，limited by their own capacity，it is difficult for prosumers to bear the risks brought by thefluctuation of market electricity price and the randomness of photovoltaic output.Therefore，an energy managementmodel ofprosumers based on robust optimization was proposed.Firstly，an energy management model ofprosumers including electric vehicles and various demand response resources was constructed.On this basis，considering the fluctuation of electricity price and the randomness of photovoltaic output，a robust model of energymanagement for prosumers considering the uncertainty of electricity price and photovoltaic was constructed，andthe influence of robustness coefficient on the overall benefits of prosumers and energy management strategy wasanalyzed.Finally，the improved gray wolf algorithm was used to solve the model efficiently.Key words:prosumers；robust optimization；energy management model；electric vehicle；demand response基金项目：国家电网科技项目（5218C12230UC）作者简介：吕飞春（1984），男，本科，工程师，Email：计及电动汽车及多类需求响应的电力用户能量管理鲁棒模型吕飞春1，胡惊涛1，张文涛1，胡东1，武旭2（1.国网江西省电力有限公司 余干县供电分公司，江西 上饶 335100；2.兰州交通大学 自动化与电气工程学院，甘肃 兰州 730070）吕飞春，等在能源结构转型以及电力市场改革的双重背景下，分布式能源开发利用技术的推广成为我国解决能源危机和应对环境问题的主要手段1。在配电网层面，以电动汽车（electric vehicle，EV）、需求响应（demand response，DR）负荷、光伏（photovoltaic，PV）以及电储能系统（energy storage system，ESS）为代表的分布式能源呈规模化并网运行。与此同时，随着物理信息系统的蓬勃发展，在先进的通信技术、自动化技术的加持下，对用户侧的多类分布式资源进行整合，形成集发、用、储为一体的单元，称其为电力产消用户，简称产消者2。凭借其聚合单元的灵活性以及快速响应35吕飞春，等：计及电动汽车及多类需求响应的电力用户能量管理鲁棒模型电气传动 2023年 第53卷 第3期电价的能力，产消者成为负荷侧资源高效管理与调控的有效手段。目前，国内外学者对产消者的定义3、产消者的能量管理策略4-5以及产消者的市场化交易6-7开展了一系列的研究。文献8对产消者的基本概念和基本定义进行了说明，指出产消者的本质是兼具电能生产与消费能力的电力用户。文献9构建了含分布式光伏、储能在内的光储产消者能量管理模型，分析了产消者能量管理行为与市场电价之间的关系。文献10在此基础上，进一步丰富了产消者的资源类型，加入空调、电动汽车负荷并构建了新的能量管理模型。产消者作为新兴独立主体，可以参与电力市场交易。文献11对产消者参与市场交易的时间尺度以及市场类型进行了分析归纳。文献12构建了产消者集中-分散市场交易模型，并采用交替方向乘子法实现产消者P2P交易动态定价，从而实现对用户隐私的保护。尽管上述文献对产消者的能量管理模型以及市场交易模型进行了构建和求解，但是整体看来依然存在以下不足：1）上述文献对产消者的用户属性凸显不足，负荷资源分类不够明确；2）上述文献仅研究确定性交易模型，对不确定因素影响下的产消者能量管理或交易模型研究较少。基于此，本文在上述文献的基础上，进一步构建了计及电动汽车及多类需求响应资源的电力产消用户能量管理鲁棒模型。首先，按源-荷-储的形式对产消者聚合资源进行了分类建模，对于负荷侧资源，按照可转移负荷、可中断负荷对其作了更为细致的划分；其次，构建了以总收益最大为目标的产消者能量管理模型，并考虑产消者各聚合单元运行约束、能量平衡约束以及与上级电网电能交互约束；最后，考虑市场电价以及光伏出力的不确定性，构建了产消者鲁棒能量管理模型，并采用基于Tent映射的改进灰狼算法实现了模型的高效求解。最后，以实际产消者为例，验证了所构模型的有效性。1产消者的结构和聚合资源1.1产消者基本概念在先进的物理信息技术、协调通信技术以及能量管理技术的支撑下，对配电网层级的分布式电源、储能设备、固定负荷以及可控负荷等资源进行有机聚合，形成集电能生产与消耗于一体的电力用户，即为产消者13。在地理位置的分布上，产消者没有明确的定义限制，工业智能园区、商业楼宇综合体以及集群居民负荷均可以称之为产消者，其定义较为宽泛，管理资源类型和数量较为丰富，产消者的一般结构组成和交互模式如图1所示。在能量管理系统的统一协调下，产消者聚合用户侧的EV，DR，PV以及ESS等资源，并可以参与能源交易或者辅助电网运行。图1产消者概念示意图Fig.1Schematic of prosumer concept1.2产消者聚合资源分类建模按照产消者聚合资源的性质不同，可将其分为源-荷-储三大类进行分析，在电源侧，主要聚合资源为分布式光伏面板；在负荷侧，主要资源包括可中断负荷、可转移负荷以及固定负荷；在储能侧，包括固定的储能装置以及以电动汽车为代表的移动储能装置，以下将对此进行逐一建模。1.2.1电源侧建模在电源侧，考虑产消者拥有光伏面板等资源，其t时刻输出功率Ppvt与光伏所在地的太阳能辐射强度成正比例关系，计算如下：Ppvt=ct SCA Gt（1）式中:ct为光伏面板光-电能量转换效率；SCA为光伏面板的实际有效面积；Gt为太阳能辐射强度概率密度函数。1.2.2负荷侧建模负荷侧资源包括可转移负荷以及可中断负荷，可转移负荷需要保持在转移前后调度周期内总的负荷量不变，产消者对中断的负荷需要给予一定的补偿CDRt，具体计算如下：CDRt=m=1Nm(curtmPilm,t)（2）式中:curtm为第m级中断负荷的补贴单价；Pilm,t为第m级t时刻中断负荷的响应电量。可中断负荷运行约束如下：Pilt=mPilm,t（3）0 Pilm,t Pil,maxm,t（4）Pilt+Pilt-1 Pil,maxs（5）式中:Pilt为t时刻总的中断负荷量；Pil,maxm,t为第m级36吕飞春，等：计及电动汽车及多类需求响应的电力用户能量管理鲁棒模型电气传动 2023年 第53卷 第3期中断负荷的最大响应量；Pil,maxs为连续中断负荷的最大响应量。将1天分为T个时段，可转移负荷的运行约束如下：t=1TPshiftt=t=1TPst（6）0 Pdrst Pshiftmax（7）式中:Pshiftt为t时刻转移后的负荷值；Pdrst为实际转移的负荷；Pst为转移前的负荷值；Pshiftmax为t时刻最大可转移负荷量。1.2.3储能资源建模储能资源包括电化学储能资源以及移动储能资源，可通过低储高发的模式获取收益，电化学储能的基本损耗Cesst可以表示为Cesst=(gesct+gesdt)（8）式中：为换算后的单位功率电池损耗费用；gesct，gesdt分别为储能的充、放电功率。移动储能的典型代表为电动汽车负荷，除了满足基本的日常出行外，其余时间电动汽车均可并网进行充、放电活动，其电池损耗成本CEVt表示为CEVt=v=1NvCbvLcvSEVvdDODv(pvdv,tvdv+Evdtrv,t)（9）式中：Nv为EV数量；Cbv为第v辆EV的电池购买成本；Lcv为 EV 电池周期内充放电循环次数；SEVv为EV 电池容量；dDODv为 EV 的电池放电深度；pvdv,t为EV的放电功率；vdv为EV放电效率；Ev为EV单位行驶距离所消耗的功率；dtrv,t为EV行驶距离。2产消者确定性能量管理模型对于产消者用户而言，其目标函数为净利润最大化，因此其优化模型的目标函数可表示为maxt=1T(Smarkt-CEVt-Cesst-CDRt)（10）其中Smarkt=emtPemt（11）式中：Smarkt为产消者与上级电网交互获取的收入；emt为t时刻能量市场电价；Pemt为t时刻产消者与上级电网的交互电量。在上述目标函数下，产消者能量管理模型需要满足联络线传输功率约束以及能量平衡