考慮用戶充電時間的電動汽車一次調頻策略

邵梓軒,李 哲,孟呈祥,徐 雷,李厚俊

(南京郵電大學自動化學院、人工智能學院,江蘇 南京 210023)

0 引言

由于世界范圍內能源緊缺,環境惡化,全球傳統燃油車企業向電能、氫能等新能源汽車轉型,而電能因為其多種模式產出而成為新能源車型中的發展重點。V2G(Vehicle to Grid,V2G)也隨之成為了智能電網技術的關鍵部分,其可以實現電動汽車的有序充/放電,可以有效提升電網的安全性[1]。V2G技術可以用于電網的調峰、調頻、調壓,通過減少電網公司備用調節容量,實現電動汽車用戶和電網公司利益共享[2]。但是V2G的意義僅僅體現在車輛和電力市場相匹配的情況下[3],比如,V2G不適合對基本的負荷電力進行全天候的電力供應,其主要因為傳統機組可以以更低的價格提供基本負荷電力。相反,V2G最大的特點是快速響應和其高價值的電力服務。購買這些快速響應的電力服務可以平衡負載的不斷波動并適應意外的設備故障,其占電力成本的5%~10%,在美國每年為120億美元。開發V2G的社會價值包括為更清潔的車輛提供額外的收入來源,提高電網的穩定性,降低電力系統調頻成本,并為可再生電力提供高性價比的存儲和備份。

另外,電動汽車電池具有快速充放電的特點,使其本身能以高反應速度直接參與電網頻率的調整,從而間接控制整個電網頻率的大幅波動,而且現階段還有大量新的理論研究文獻闡明了電動汽車V2G技術廣泛使用的種種可能性。比如,文獻[4]同時考慮到實時動態電價水平對電動汽車參與一次電網頻率動態調節行為的動態影響,提出了基于實時電價水平的電動汽車一次頻率動態調節模型控制的策略。這些電壓控制優化策略能及時有效地抑制電網頻率出現波動,但用戶計劃充電容量主要受限于電動汽車的實際充電時長,由于不同用戶的習慣不同,若不能充分把控充電時間,則必然會導致過慢充和過放等現象持續發生,最終無法滿足用戶的計劃充電需求。

基于上述分析,本文首先指出了電動汽車參與一次調頻的優勢和基本流程框架,其次考慮到用戶的充電時間,構建了考慮用戶行為特性動態的下垂系數,進而實現了電動汽車的動態下垂控制,然后設計了考慮充電功率需求的功率補償策略,最后通過MATLAB/Simulink軟件仿真實驗驗證了所提出策略的可行性。

1 電動汽車一次調頻問題

在現有研究中,為改善頻率調節特性,一般使用恒定下垂控制系統,并綜合考慮電動汽車數量的聚合模型來評價每一次調頻的動態響應和自適應下垂調節方式,通過依據頻率偏差和電動汽車的剩余功率改變下垂系數,可實時調節電動汽車的輸出,以保證電動汽車參與調頻特性。

電動汽車不僅自身具有電力電子特性,而且還可以作為一個可控功率負載,實現向電網進行調節頻率發電服務的總體功能。并且電動汽車也能夠成為分布式后備供電電源,在電網需要時通過逆變器向電網釋放電能來補足電網的電能功率缺額。電動汽車與電網協同調頻示意如圖1所示。與我國常規控制系統的中小型火電汽輪機、小型水電鍋爐以及我國電網調頻發電機組控制器相比較,在V2G系統下配套的電動汽車直接參與電網頻率調整的控制系統,有著以下優點[5]:

(1)閑置數量大。作為交通工具,電動汽車的行駛時間往往只占每天的一小部分[6]。而當電動汽車在閑置時間通過充電設備與電網連接時,大規模的可調容量使其可以參與到電網調頻中。

(2)響應速度快。由于電動汽車區別于傳統發電機組,沒有機械部分參與,完全是基于電力電子設備實現功率的傳輸,所以在參與調頻過程中,其爬坡速率遠超于傳統機組,進一步增強電網穩定性。

(3)經濟效益客觀。一方面由于電動汽車的電力電子控制特性,其可以以極快的響應速度支撐電網頻率響應,減少了電網頻率波動的時間,從而降低了由于頻率問題帶來的電網側、用戶側經濟損失;另一方面,通過電動汽車承擔一部分旋轉備用電廠份額,極大降低旋轉備用成本。同時用戶主動參與電網輔助功能,可獲得電網的經濟激勵,從而實現雙贏。

圖1 電動汽車與電網協同調頻示意

2 電動汽車一次調頻控制策略研究

2.1 電動汽車一次調頻的基本框架流程

計及電動汽車參與電網一次調頻的系統框架如圖2所示。

圖2 V2G一次頻率調節的控制框架

通過電動汽車充電樁控制中心與電網進行信息交互,其可通過頻率測量值為V2G控制提供控制目標。同時電動汽車的自身信息也與V2G控制環節實現交互[7-9]。當電網頻率在系統死區之內,V2G控制環節與信息交互停止。當頻率超出死區范圍,系統進行上述信息交互與控制?？刂骗h節中,控制中心基于本文所述策略通過頻率偏差信息實現有功指令計算,并執行。同時電動汽車自身充電過程持續進行,一次調頻量在充電基礎上實施,若無一次調頻需求,則充電樁僅執行電池充電任務。如圖3所示。

圖3 計劃充電調頻控制原理

2.2 基于充電時間的下垂系數設計

電動汽車向城市電網中提供的一次調頻可以分為向上調節頻率和向下調節頻率。充電時間是用戶充電行為的重要構成因素。用戶參與充電的前提為現有容量低于用戶的需求容量。因此,用戶在開始充電時放電能力弱且為實現電量需求充電需求較大,所以為防止過放,下垂系數應小于Kmax。并且隨著時間變化,充電需求逐漸減小,放電能力提升。故本文基于充電時間設計動態下垂系數,其相應數學模型為

式中:Kchar、Kdis分別為充/放電下垂;Kmax是最大的V2G下垂;tin和tleave分別為開始充電時刻和結束充電時刻。

其中

式中:ts表示從開始充電到結束充電這一時間段。

圖4為式(1)的函數曲線,由其曲線特性可知,隨著時間增大Kdis增加,Kchar減小,符合用戶行為特性。

圖4 基于充電時間特性的充/放電下垂曲線

2.3 用戶計劃充電控制

在對電網進行一次頻率調節的同時還要滿足電池計劃的充電功率需求,需要實時計算出在將來一定的時間段內的電池的實時計劃充電功率大小,即

根據式(1)-式(3),可以由頻率偏差及電動汽車充/放電下垂特性計算V2G功率補償:

3 系統仿真

3.1 系統模型

本文基于MATLAB/Simulink仿真平臺創建負荷頻率控制模型,電動汽車和光伏的區域電網調頻動態模型如圖5所示。其包含1臺傳統發電機組和1個光伏發電機組,N臺電動汽車,P'i(i=1,2,...,I)指的是第i臺傳統機組的一次調頻出力;(K=1,2,…,K)表示是第k輛電動汽車的一次調頻出力;PLd指的是系統凈負荷波動;R指的是一次調頻的調差系數;M指的是區域電網的慣性時間常數;D指的是負荷阻尼系數;ΔPtie指的是互聯電網聯絡線交換功率;Δf指系統的頻率偏差值。

圖5 區域電網調頻動態模型

V2G對電網的一次調頻參數如下:電動汽電池容量為70 k Wh;最大V2G功率為7 k W;最大V2G增益為50 k W/Hz;最大和最小SOC分別是0.9 p.u.和0.1 p.u.。調頻區域電網系統參數見表1。

表1 區域電網系統參數

3.2 仿真結果分析

在MATLAB的Simulink仿真環境下,分析了V2G對充/放電電池時間長短所對應的電池容量、對電網頻率調節的影響以及對應的功率大小,并對比了傳統一次調頻所采用的“定K法”和無電動汽車參與調頻的策略。為方便表述,本文V2G調頻策略稱為CS2(Control Strategy 2),“定K法”為CS1,對比的無電動汽車參與調頻控制策略為CS3。 由表2可知,在沒有電動汽車參與調頻的時候,其頻率偏差的最大值、最小值和均方差分別為0.166 9 Hz、-0.153 9 Hz、0.024 7 Hz。而在有電動汽車參與的時候,其頻率偏差的最大值、最小值和均方差分別為0.141 7 Hz、-0.139 9 Hz、0.013 1 Hz,由此可知,與無電動汽車參與電網頻率調節相比,電動汽車參與調頻能有效抑制電網頻率偏移。

表2 3種策略對頻率偏差影響比較

同時結合圖6,3種控制策略電網頻率波動曲線(為3種方案下平率偏差最大的時刻)可得,CS2在偏差幅值與均方差均小于CS1和CS3,可以看出CS2在調頻效果方面明顯優于另外2個方案。

圖6 3種控制策略電網頻率波動曲線

圖7、8可知,在剛充電時,CS2方案下電動汽車的放電功率小于CS1;而即將結束充電時,CS1方案的充電量小于CS2,更利于滿足電動汽車用戶需求。

圖7 CS1電動汽車的V2G功率

圖8 CS2電動汽車的V2G功率

圖9反應的是CS1和CS2方案的實時SOC。通過對SOC值進行對比,可以看出CS2策略下電動汽車充電效率高于CS1。

圖9 CS1和CS2實時SOC對比

4 結論

考慮傳統下垂控制對電網一次調頻效果不足,且未能兼顧用戶充電需求這一問題,本文構建了一種基于充電時間特性的動態下垂系數,通過下垂控制實現電動汽車高效參與電網一次調頻。在該動態下垂控制策略下電動汽車能夠基于用戶充放電需求調節一次調頻參與量。仿真結果表明,與傳統一次調頻方法相比,本方案提升了電動汽車一次調頻精準性,且充電容量上升速度相較于傳統方法較快,有益于滿足用戶需求,可實際應用于電動汽車參與一次調頻。