胡俊杰:调峰市场环境下规模化电动汽车优化调控技术

2023年12月19日-21日,由中国电动汽车充电基础设施促进联盟、中国汽车工业协会充换电分会、杭州市富阳区人民政府联合主办的“2023中国汽车充换电生态大会”在杭州举办。本届大会以“迎接新挑战,全面推动充换电基础设施高质量发展”为主题,设置了“1+1+6+N”场会议和发布,即1场闭门会议+1场大会论坛+6个主题论坛+N场重磅发布,会议围绕“充换电基础设施建设”、“充电桩下乡”、“高品质充电服务”、“换电模式”、“海外出口”、“车网互动”等方面进行深入交流,研讨构建产业高质量发展格局的对策、方法与路径。
其中,在12月21日上午进行的“主题论坛六:车网互动模式研讨”环节,华北电力大学教授胡俊杰发表了精彩演讲。
胡俊杰:调峰市场环境下规模化电动汽车优化调控技术
以下内容为现场演讲实录:
 
尊敬的各位专家、各位老师、各位企业家朋友们,大家上午好!我汇报的题目是《调峰市场环境下规模化电动汽车优化调控技术》。虽然讲的是调峰市场环境,但是报告内容的方法也基本可以适用到其他电动汽车规模化调控的场景。这研究也是我们课题组和国网智慧车联网公司合作的项目,首先简要地说一下背景与意义。
在电力系统建设背景下,新能源的占比会非常高。新能源的装机比例正在逐步提升,同时在双碳目标提出之后,电气化比例逐步提高,出现了源荷出力波动性和随机性的问题,导致新能源电力系统电力电量平衡面临严峻挑战。
相关统计显示,2030年出力最大波动达到5亿kW,负荷最大峰谷差达到4.4亿kW,波动功率很大。仅靠传统调节资源难以应对日益增长的电力电量不平衡挑战,燃气发电冬季以热电联产为主,调节能力有限,水电调节能力受地理位置、丰枯期影响大,核电尚不具备跟踪能力,根据预测,2030年电动汽车保有量8000万车辆,充电桩达7000万根,假设充电桩每根可调节10kW,电动汽车的容量是60千瓦时,20%电动汽车参与互动,乐观计算,这些资源将拥有近1.4千瓦的调节能力,可以满足5亿kW波动中的28%的调节需求,调节潜力大。
以京津唐电网为例,在京津唐电网10月份某天的出力曲线中,白天风电和光伏都处于高发状态。然而在晚高峰时段,风力发电突然减少,给电力系统带来较大保供压力。面对目前的现状,如何在未来火电发电比例降低的情况下保证电力系统的平衡?电动汽车作为一种调节资源,具有较好的调峰潜力,能够有效缓解京津唐调峰电网的压力。
电动汽车的成本优势明显,且安全风险低。基于这些优势,多个省市开展有序充放电,需求响应、调峰辅助服务等实践,南方电网也进行了相应的研究和实践。
然而,车网互动面临着一系列挑战。主要是因为其位置分散、单体容量小,目前常见的是千瓦级别,即使发展快充仍然是千瓦级别,跟电网的兆瓦级别相差太多。并且随机性强,所以我们需要通过聚合商,也就是第三方平台把分散的电动汽车聚合在一起。聚合商通过资源聚合、市场申报、实时控制三个环节,把电动汽车变成为电网侧稳定可控的调节资源。精准实时控制是关键,比如说在申报后,如何让执行功率满足计划。所以接下来将重点汇报在调峰市场的环境下,聚合商实时控制的研究工作。
我们现在简要回顾一下华北调峰市场的规则,第三方独立主体可以参与调峰市场,包括电动汽车等等。其中有些名词,我们一起来看下,基线功率一般基于历史数据获得,日前功率是调度机构下发给聚合商的功率,日前功率和基线功率的差值就是在日前申报过程中聚合商参与电网调峰的量。
在市场中,每15分钟都会进行结算,但是市场规则也明确提出,如果这个15分钟之内误差比较大,比如实际功率和计划差值超过30%,无法得到调峰收益。所以实时控制还是很重要的工作。30%的参数适用于市场的初级阶段,因为调峰市场由第三方主体参与是新兴的事物,允许误差大。市场进一步完善之后,允许误差肯定不会这么高的,所以我们的目标是让我们的实时功率能够尽量小。
通过实际数据发现,确实有必要做实时控制,这里数据展示了去年某省的调控结果,控制的相对误差在5%-31%之间,但是我们发现在45%、24%的时刻误差超过20%,刚才提到的30%以内误差都基本满足,但是20%的误差很多时段还没满足。
经分析,原因主要是:有些桩比较老,导致在后续的平台和桩的控制过程中,执行效果比较差,并且平台控制过程比较简单。当前的控制方法主要是采用每2分钟进行一次滚动控制,同时按比例下调,一旦出现误差,将功率指令按照比例分给不同的桩。
我们提出了一个控制体系,包含四个步骤。第一是考虑对桩进行精细化的建模。第二是对桩实时功率进行预测。第三是对可调边界进行量化。第四是进行滚动优化。
我们采用的控制体系是双层的,功率指令从平台层面到集群层面(运营商/充电站),再传递给充电桩;又考虑未来功率需求提出了多时刻的滚动优化控制策略,第一层控制需要15分钟,第二层需要3分钟。
第一步是先提取充电桩功率特性,基于实际数据,如实时功率、接受功率、执行功率,进行对应建模。基于这些数据,对充电桩进行功率拟合和聚类。电动汽车的相关数据也进行实时更新,每15分钟更新入网数据,剔除离网电动汽车信息。
第二步是功率预测。从实时控制角度看,需要先预测未来的功率走向。这样我们就可以大致评估一下实时的功率曲线和计划的曲线是否有比较大的偏差,如果偏差比较大的话就要做调整。偏差小的话就按预测功率来执行下发。首先把车分为弹性和刚性,弹性车辆功率可以调整,以调峰收益最大化为目标,或以分时电价来制定模型,就可以求解出预测功率。刚性车辆表示车入网后按照最大功率充,充完就走。这样可以得到总的预测功率。
第三步是评估集群的可调节能力,在可能发生偏差比较大的情况下,或者电网公司下达指令时,需要评估可调节能力。预测功率到满足车辆功率和电量需求的最大功率之差称为可上调功率。相应地可以通过这个定义来给出V2G的可上调边界。首先用线性规划模型来刻画,但其计算时间长且决策变量有冗余,通过单纯形法推导可以直接给出确定性计算公式,得出可上调的能力量化方法。通过类似方法可以给出可下调能力边界。
第四步是优化调控,当目标功率和预测功率偏差较大时,需要对部分车在可调边界内进行功率调整。在控制框架第一层,即从聚合商到运营商或者充电站层面,构建了精度指标和成本指标,考虑了精度和调控成本,把功率进行分解。因为目标函数里变量不是一个数量级,因此引入归一化方法。在控制框架第二层,需要去分解运营商到桩的功率,主要是考虑调控优先级,根据离网时间和SOC的情况进行分析,把功率分解到桩。由于总体控制目标是在15分钟考核的时间尺度内,总功率偏差越小,因此可以每3分钟进行功率调整,在模型构建时可以做变量的简化,提高计算速度。
以下是一些算例,把3000辆车分成16个集群,每个集群的数量不一样,功率特性有差异。基于这些数据,经过仿真分析,可以发现我们总的执行功率精度还是比较高的,在97%以上。全时段能满足市场的考核要求,所有电动汽车都能满足SOC的需求,单时段计算时间小于5s,时间非常短。也展示了不同类别电动汽车承担的调峰电量的情况和每个时间段的预测功率等等。同时发现,在第二层也就是从运营商层面到桩层面,进行3分钟的控制非常有必要,可以避免充电桩执行误差对调控过程带来的影响。
根据上述模型,课题组也开发了在调峰场景下聚合调控的软件,展示实时功率和可调能力的曲线。这里是一些相关的成果,包括文章和专利等等情况。基于我们的成果,我们和国网智慧车联网、和华商三优新能源科技有限公司等合作的项目《规模化电动汽车负荷高效聚合与关联性技术及应用》有幸获得了2023年度中国电工技术协会科学进步二等奖。
最后总结一下我今天的汇报内容。
第一,新型电力系统的构建需要电动汽车等需求侧资源调节能力的支撑,而且电动汽车可以有效缓解各级电网调峰压力。
第二,我们根据充电桩功率限制,建立了满足工程要求的混合整数线性模型,提出了功率调整鲁棒边界计算方法,能够保证可调节能力量化的有效性。
第三,在实时控制层面提出了集群—电动汽车的双层控制架构,细化控制时间尺度,可以快速修正功率偏差,提高控制精准,提出调控优先级指标,能够使电动汽车功率控制更合理。
我的汇报到此,谢谢各位专家,尽情批评指正,谢谢!

主页 > 新闻资讯 >


读者留言

看不清?点击更换