基于插入式電動(dòng)汽車與可再生能源的成本控制和節(jié)能減排(中文翻譯)

1、基于插入式電動(dòng)汽車與可再生能源的成本控制與減排摘要 :電力和交通工業(yè)是全球溫室氣體排放的主要來源。風(fēng)能和太陽能等主要的可再生能源 可以減少電力行業(yè)的溫室氣體排放(主要來自機(jī)組發(fā)電。同樣地,被學(xué)者稱為 GV 的下一 代可插入式汽車也能減少交通行業(yè)的排放, GV 包含了可插入式混合動(dòng)力汽車以及其具有的 并網(wǎng)能力。 GV 可以被用作負(fù)載和能源(小型輕便的發(fā)機(jī)組,在包含了可再生能源(RESs 的智能電網(wǎng)中也可被看做是儲(chǔ)備能源。 在分布式的能源和負(fù)載環(huán)境中考慮到智能充放電對(duì)于 要同時(shí)實(shí)現(xiàn)成本和排放降低的智能電網(wǎng)操作是一項(xiàng)非常復(fù)雜的工作。 如果大量的 GVs 隨機(jī)的 并入電網(wǎng), 高峰負(fù)荷將會(huì)很大。 為支持

2、交通電氣化, 傳統(tǒng)火電機(jī)組的使用將很不經(jīng)濟(jì)并對(duì)環(huán) 境造成危害。 將 GV 作為負(fù)載和 /或能源的智能調(diào)度和控制在發(fā)展可持續(xù)整合的電力和交通基 礎(chǔ)設(shè)施方面有很大的潛力。本文通過智能電網(wǎng)中 GV 和 REs 的最大利用來實(shí)現(xiàn)成本控制與減 少排放。文中介紹了 GV 應(yīng)用的可能模型,包括智能電網(wǎng)模型,并且給出了結(jié)果。智能電網(wǎng) 模型在 REs 最大利用以實(shí)現(xiàn)電力行業(yè)成本控制與減少排放方面顯示出了最大潛力。關(guān)鍵詞:約束 ; 成本 ; 排放 ; 可并網(wǎng)電動(dòng)汽車 GV; 負(fù)荷水平 ; 最優(yōu)化 ; 插入式電動(dòng)汽車 (PHEVs ; 可再生能源 ; 智能電網(wǎng) ; 太陽能發(fā)機(jī)組 ; 風(fēng)電場 引言全球能源儲(chǔ)備快速地下

3、降對(duì)經(jīng)濟(jì), 環(huán)境, 工業(yè)和社會(huì)水平方面的影響是全社會(huì)都關(guān)注的 問題。電力和能源行業(yè)是全球排放的一個(gè)主要方面,占到全球 CO 2排放的 40%,其次是交 通行業(yè)(24%。由溫室氣體排放所造成的氣候變化如今被廣泛地認(rèn)知為是一種對(duì)人類社會(huì) 有著嚴(yán)重影響的因素, 這些行業(yè)需要將上述因素加入到戰(zhàn)略計(jì)劃當(dāng)中。 新能源的使用可能變 得具有吸引力, 特別是當(dāng)如果消費(fèi)者不僅不用支付機(jī)組發(fā)電的成本費(fèi)用, 也不用支付由傳輸, 配電以及由環(huán)境清理和健康影響所產(chǎn)生的間接費(fèi)用時(shí)。 研究者們正在研究如何能有效率地發(fā) 出更多的電而又不會(huì)造成氣候變化或者產(chǎn)生對(duì)環(huán)境不好影響。對(duì)于能源儲(chǔ)備減少以及排放增加的部分解決方案如下:1 分

4、布式可再生能源 (REs 的 整合 2正在部署的被學(xué)者稱為 GV 的新一代插入式汽車,包含了插入式混合動(dòng)力汽車 (PHEVs 和以及其具有的并網(wǎng)能力。 V2G 技術(shù)在文獻(xiàn)【 6】有介紹。 V2G 是一種能量儲(chǔ)存 技術(shù), 它可以實(shí)現(xiàn)能量在車載電池與電網(wǎng)的雙向傳輸。 這增加了電網(wǎng)的靈活性, 使其更好地 利用具有間歇式特性的可再生能源。車載電池的充電水平(SoC 依據(jù)個(gè)人收益以及電網(wǎng)需 求可以上下波動(dòng)。不同形式的能源整合與研發(fā)政策在文獻(xiàn)【 7】有介紹。一份來自國家可再生能源實(shí)驗(yàn)室 (NREL 的技術(shù)報(bào)告表明 PHEVs 對(duì)于純 CO 2排放量的降低有著重大作用。擔(dān)心石油安全 與儲(chǔ)備所造成的油價(jià)波動(dòng)和

5、尾氣排放所帶來的空氣質(zhì)量問題共同推動(dòng)著人們對(duì) PHEV 的興 趣。促使車主將電能作為能源的經(jīng)濟(jì)誘因是相對(duì)比較低得電價(jià)?；?PHEVs 成本優(yōu)勢,美 國電力研究院的一項(xiàng)研究發(fā)現(xiàn) PHEVs 有著巨大的潛在市場。 但是 PHEVs 的使用將會(huì)增加電 網(wǎng)的負(fù)荷。 如果峰值負(fù)荷激增, 就必須建設(shè)更多的發(fā)機(jī)組來供應(yīng)峰值負(fù)荷需求, 這樣成本花 費(fèi)是巨大的。 交通行業(yè)電氣化不僅僅需要對(duì)現(xiàn)有加油氣站的重組, 還需要對(duì)現(xiàn)有電力基礎(chǔ)設(shè) 施的改進(jìn)。PHEVs 與 EV 的研究者主要關(guān)注于車載存儲(chǔ)能源與電網(wǎng)的互聯(lián)【 10】 -【 21】。他們的 目的是探究 PHEVs 與 EVs 的環(huán)境與經(jīng)濟(jì)效益來推動(dòng)其產(chǎn)品市場。

6、 PHEVs 與 EVS 是不能單獨(dú)地完全解決排放問題的, 因?yàn)殡妱?dòng)汽車需要電能, 而發(fā)電是廢氣排放的主要來源之一。 因 此,為實(shí)現(xiàn)成本控制與減排目的的具有 V2G 功能的 PHEVs 和 EVs 的實(shí)際應(yīng)用的成功,很 大程度依賴于 RESs 的最大利用。在一個(gè)復(fù)雜的智能電網(wǎng)中,需要一種動(dòng)態(tài)優(yōu)化方法來優(yōu)化時(shí)變的能源(比如 RESs 和 GVs 。之后,電力與交通基礎(chǔ)設(shè)施之間才會(huì)很好地融合。本文的主要貢獻(xiàn)有:1智能和靈活地將 GVs 作為負(fù)荷,能源或者儲(chǔ)備能源; 2證明 了在含有 RESs 的智能電網(wǎng)中 GVs 的高效; 3在智能電網(wǎng)中 RESs 的最大利用(通過 GVs 利用來實(shí)現(xiàn)成本和排放的

7、降低。 本文組織如下。 建立電力與交通聯(lián)系的問題的數(shù)學(xué)證明在第節(jié)。 為了最大利用資源和 實(shí)現(xiàn)成本與排放最小化, 在第節(jié)提出了一種智能算法。 仿真數(shù)據(jù)與結(jié)果在第節(jié)介紹和討 論。最后,第節(jié)做出總結(jié)。 數(shù)學(xué)建模在提出的模型中,可以觀察到如下方面:1從電力行業(yè)出發(fā), RESs (主要包過風(fēng)能和 太陽能用于減少排放; 2從交通行業(yè)出發(fā), GVs 用于減少排放; 3 GVs 被巧妙地作為 負(fù)載,儲(chǔ)備能源和小型可攜帶式電站(S3Ps ; 4大型停車場被作為虛擬機(jī)組(VPPs ; 5 車載 GV 電腦系統(tǒng)與有關(guān)部門通信以獲取實(shí)時(shí)電價(jià)并且上傳車主的電池 SoC 以及車主的 偏好。 基于上述系統(tǒng)的功能和特點(diǎn), 采

8、用優(yōu)化方法生成一種智能調(diào)度方案, 這種方案具有合 適的決策, 控制以及智能操作以使 GVs 最大化利用 RESs , 從而實(shí)現(xiàn)在電力與交通行業(yè)中電 力成本和廢氣排放的降低 。一塊太陽能光電板的功率輸出由式(1給出,它與光電板的面積 A ,光照強(qiáng)度 (t 以 及光電板的效率 有關(guān)(. t A t P PV = (1 風(fēng)力機(jī)組的出力模型因其機(jī)械特性而變得比較復(fù)雜。 通常來說, 風(fēng)力機(jī)組的出力與風(fēng)的 動(dòng)能和空氣密度成比例,公式由 (2給出, 是 Albert Betz常數(shù), (t 為空氣密度, A 為 渦輪轉(zhuǎn)子掃描的區(qū)域, (t 為風(fēng)速。其他的風(fēng)力機(jī)組的參數(shù)包括切入風(fēng)速,切出風(fēng)速,額 定風(fēng)速,典型的

9、數(shù)值分別為 3.5,25,14mi/s。精確數(shù)據(jù)可以從相關(guān)單元的制造商的數(shù)據(jù)表中獲 得(. t A t . t P wind 350= (2風(fēng)能與太陽能也許滿足不了所有的負(fù)荷需求, 所以需要傳統(tǒng)的單元來供應(yīng)得不到滿足的負(fù)荷 需求。 風(fēng)能與太陽能都是零排放的。 但是, 在電力與交通行業(yè), 排放的二氧化碳量與燃料中 的碳含量以及燃料的燃燒效率成比例。 所以, 在提高運(yùn)作水平后, 以高碳含量為燃料的發(fā)機(jī) 組或者汽車將會(huì)產(chǎn)生更多二氧化碳。其他種類的氣體排放(SO 2, NO x 等同樣也會(huì)在電力 和交通行業(yè)被產(chǎn)生。為了環(huán)境友好型地發(fā)電,廢氣排放應(yīng)該被有效地監(jiān)測與削減。 本文中,用線性近似模型來計(jì)算交通

10、領(lǐng)域里電動(dòng)汽車的排放:(i i i i i e L e , L c = (3(c 為排放函數(shù), i L 為第 i 輛汽車所行駛的路程, i e 為第 i 輛汽車每英里的排放量。非線性精確(復(fù)雜模型可以適用于電力系統(tǒng)。一般地,排放量可以表示為一個(gè)多項(xiàng) 式函數(shù),其次數(shù)依賴于所需的精度。本文中,用二次函數(shù)來描述排放曲線:(t P t P t P c i i i i i i i 2+= (4i , i , i 為 i 單元的排放系數(shù)。火機(jī)組的燃料成本一般表示為次發(fā)機(jī)組發(fā)電量的二次函數(shù)(t P c t P b a t P FC i i i i i i i 2+= (5i a , i b , i c 為發(fā)

11、機(jī)組 i 的精確燃料成本系數(shù)。啟動(dòng)火電機(jī)組的啟動(dòng)成本由以下模型表述,它關(guān)聯(lián)與鍋爐的溫度。 (-=界值當(dāng)鍋爐溫度低于某一臨界值 當(dāng)鍋爐溫度高于某一臨, t cos c , t cos h t SC i i i (6i t cos h -和 i t cos c -分別為機(jī)組 i 熱啟動(dòng)與冷啟動(dòng)的成本,且 i i t cos h t cos c -。在將 GVs 作為負(fù)載或者 S3Ps 的系統(tǒng)里,由分布式發(fā)電供應(yīng)的電量必須滿足負(fù)載需求 (t D 以及系統(tǒng)損耗,其定義如下:(SS windN i t N j depprevjPViP S GV ,Losses t D t P P t P t P GV3

12、112為 假如 +=+-+= (7(為負(fù)載假如 S t N j predepvjwindNi PViGV ,P Losses t D t Pt P t P GV=-+=+211(8(t P i 為機(jī)組 i 在 t 時(shí)段的輸出功率,deppre/為當(dāng)前 /離開時(shí)的 SoC , j v P 為電動(dòng)汽車 j 的功率, 為系統(tǒng)效率, (t N G V 2為 t 小時(shí)內(nèi)接入電網(wǎng)的 GVs 的數(shù)量, N 為機(jī)組數(shù)量。 僅僅經(jīng)過注冊的 GVs 參與到智能控制。這些 GVs 的車主選擇將其車輛的電池參與到 V2G 的交互中。所有經(jīng)過注冊的車輛(數(shù)量為 (t N G V 2在一個(gè)預(yù)定的調(diào)控時(shí)段 H 內(nèi)參與 到智

13、能調(diào)控:(. N t Nm a xG V Ht GV 212= (9為了維持系統(tǒng)可靠性,需要適當(dāng)?shù)男D(zhuǎn)備用 其中 (t P maxi與 (t R 分別為 i 機(jī)組在 t 時(shí)段考慮機(jī)組的爬坡速率以及系統(tǒng)的旋轉(zhuǎn)備用時(shí)的最大出力約束。每一機(jī)組都有發(fā)電范圍,表示如下:(. P t P P m a x i i m i n i (12 確保電池儲(chǔ)能消耗水平高于某一最低水品并且低于某一最高充電水平可以保證電池的 使用壽命(. P t P P vj maxvj vj min (13在所介紹的模型中,排放(4和發(fā)電成本(5以及(6為智能控制的目標(biāo)函數(shù),負(fù) 荷平衡(7和(8,注冊電動(dòng)汽車的數(shù)量(9,可靠的存儲(chǔ)備用

14、(10和(11,發(fā)電 容量約束(12, SoC, 系統(tǒng)效率,停車場場地限制等等都是約束。因此,智能電網(wǎng)環(huán)境中典型的成本 -排放優(yōu)化目標(biāo)函數(shù)如下:(=+-+=+-+=Ni i Ht i i ieiiiice c N , t I t I t P C W t I SC t P FC W Emission W Up Start Fuel W TCmint G Vi 11112(14服從(7 -(13約束條件。(t I i 與 (t N G V 2分別為機(jī)組開 /關(guān)的決策變量和 t 時(shí)段里連入電網(wǎng)的 GVs 的數(shù)量。i 為 機(jī)組 i 的排放懲罰因子。權(quán)重因子 c W 與 e W 用于增加系統(tǒng)的靈活性。

15、成本與排放優(yōu)化優(yōu)化算法需要操作大量的加入智能電網(wǎng)的 GVs 以實(shí)現(xiàn)最大化利用 RESs , 從而將成本與排放降低到較優(yōu)的水平。本文利用粒子群優(yōu)化算法(PSO 來實(shí)現(xiàn)成本與排放的最小化。 PSO 是 一種基于鳥群和魚群行為的仿生啟發(fā)式算法, 類似于其他的基于群體進(jìn)化的算法。 每個(gè)可能 解稱為一個(gè)粒子, 在一個(gè)多維搜索空間中以一定的速度飛行, 并根據(jù)自身與其他粒子的飛行 經(jīng)驗(yàn)動(dòng)態(tài)調(diào)整速度。本文中優(yōu)化問題采用二進(jìn)制和整數(shù) PSOs 以減少搜索空間的規(guī)模。發(fā)電 機(jī)組與 GVs 分別用二進(jìn)制與整數(shù)表示。 二進(jìn)制 PSO 用于決定傳統(tǒng)發(fā)電機(jī)組的最優(yōu)開 /關(guān)狀態(tài)。 整數(shù) PSO 決定帶約束系統(tǒng)中 GVs 的

16、最優(yōu)數(shù)量。 此算法在局部和全局搜索能力之間做了很好 的平衡,并生成成本與排放降低目標(biāo)的最優(yōu)解決方案。PSO 是一種迭代算法,每個(gè)粒子的速度與位置計(jì)算如下:(.Ite MaxIte Range k x k gbest randck x k pbest randc k v k v ijjijijij ij -+-+-+=+1112211 (15發(fā)電機(jī)組的二進(jìn)制 PSO 表示:(+-+<=+=+otherwise, k v exp U if,k x k I ij ij ij 01111111 (16GVs 的整數(shù) PSO 表示:(1112+=+=+k v k x r o u n d k x N

17、 ij ij ij k G V j (17 ij I 與 ij x 分別為(N H 和 (1+N H 維矩陣。而 j G V N 2為 (1H 維整數(shù)向量以減小問題維數(shù),并設(shè)置為 ij x 矩陣的最后一行。 PSO 中的標(biāo)準(zhǔn)術(shù)語有粒子的最好位置 pbest , 全局最好位置 gbest ,速度 v ,位置 x ,加速因子 1c 與 2c ,粒子 i ,問題維數(shù) j ,迭代次數(shù)k 。 Ite , MaxIte 及 (1U 分別為當(dāng)前迭代數(shù),最大迭代數(shù), 0與 1之間的同一數(shù)。在上述的速度等式中, 第一部分表示粒子的當(dāng)前速度, 第二部分顯示了粒子的認(rèn)知, 粒子根據(jù)自身 的考量和記憶改變其速度, 第

18、三部分為種群部分, 粒子根據(jù)與種群中其他粒子的比較來改變 自身的速度。 圖 1 智能電網(wǎng)中運(yùn)用 GVs 與 RESs 實(shí)現(xiàn)成本與排放的最小化的流程圖表 機(jī)組排放參數(shù) 結(jié)果探討 本文采用具有 50000 注冊 GVs 的 10 節(jié)點(diǎn)獨(dú)立系統(tǒng)進(jìn)行模擬。負(fù)荷需求與 10 節(jié)點(diǎn)系統(tǒng) 的機(jī)組特性收錄在文獻(xiàn)【25】。估計(jì)排放系數(shù)，機(jī)組數(shù)據(jù)分別在表和給出。一下兩種模 型經(jīng)研究顯示了 GVs 在電力與交通工業(yè)的作用。 1） 模型 1（負(fù)載水平模型）：GVs 通過傳統(tǒng)發(fā)電機(jī)組充電。 2） 模型 2（智能電網(wǎng)）：GVs 作為負(fù)載通過 RESs 充電，作為能源給電網(wǎng)輸送電能。 表 10 節(jié)點(diǎn)系統(tǒng)中電站容量與最大容量

19、（1662MIW） 圖 2.GVs 的負(fù)載水平 本文所用的參數(shù)值如下： 平均車在電池容量， Ev =15kWh;城市總的注冊電動(dòng)汽車數(shù)量=50000（估計(jì)）；充放電頻率 =1 次每天；調(diào)度時(shí)段=24h; dep =50%;系統(tǒng)效率 =85%；PSO 中種群規(guī)模=30，迭代次數(shù) =1000，加速因子 c1 =1.5， c2 =2.5， Range =0.4 。 實(shí)際運(yùn)用中，電網(wǎng)中 GVs 的數(shù)量可以根據(jù)電力用戶的數(shù)量分析估計(jì)得到。其具體的計(jì) 算如下： 例如，本文中基準(zhǔn) 10 節(jié)點(diǎn)系統(tǒng)所取最小負(fù)荷 Dmin 為 700MIW【25】。每戶每月平均電量消 費(fèi)（ AVMEC ）為 1500kWh【26

20、】。居民客戶每小時(shí)平均用電量（ AVHLD ）為 2.0833kw。假 設(shè)電網(wǎng)中居民負(fù)荷的百分比為 X RL =30%，域內(nèi)用戶總量（ N REC ）為 100801.6，為簡單起 見，可以大約取 100000.可以預(yù)見，將來的 VREC =1,即平均每戶電力用戶都將有一個(gè) GV，其 中 50%將會(huì)注冊參與到調(diào)度過程中來 QGV =50%。由（18）可得 N GV 約為 50000，在標(biāo)準(zhǔn) 10 節(jié)點(diǎn)系統(tǒng)中，這個(gè)數(shù)量是比較合理的。 如果 50000 個(gè) GVs 隨機(jī)地并入電網(wǎng)，最壞的情況下，將需要額外 (50000×15kWh =750MWh 電量 （如果考慮 50%的離場 SoC

21、則至少需要 375 MWh 的電量） 。 充放電過程都是隨機(jī)的，沒有經(jīng)過最優(yōu)化。在這樣一個(gè)系統(tǒng)中，最壞情況下，高峰負(fù)荷將會(huì) 達(dá)到將近 50%；所以這個(gè)模型在實(shí)際運(yùn)用中不太可行。 表 十節(jié)點(diǎn)系統(tǒng)的排放（不包括 GVs 和可再生能源） 模型 1 （負(fù)荷平整模型） 由于隨機(jī)系統(tǒng)不可行， ： 下一個(gè)可能方案就是負(fù)荷平整模型。 電動(dòng)汽車平均一年行駛的路程估計(jì)有 12000 mi/year；也就是 32.88mi/day；假設(shè) EV 可以運(yùn) 行在 4mi/kWh。所以，一輛 EV 需要大約 8.22kWh/day。目前還沒有進(jìn)行包含 GVs 的負(fù)荷預(yù) 測研究。因此這里給出近似線性模型。小系統(tǒng)里每天供應(yīng) 5

22、0000 輛電動(dòng)汽車的額外電量為 411MIWh。如果 GVs 隨機(jī)的從現(xiàn)有的電力系統(tǒng)中充電，最壞的情況下（假如所有的汽車都 在高峰負(fù)荷時(shí)間內(nèi)充電） 很自然， 。 系統(tǒng)可能沒有足夠的容量來滿足額外的高峰負(fù)荷。 此外， 負(fù)載以約每年 10%的速度增長。在此模型中，需要裝設(shè)新的發(fā)電機(jī)組來滿足來自 GVs 的新 負(fù)荷，這將是成本巨大并且花費(fèi)大量時(shí)間。然而，一種 GVs 的智能調(diào)度可以通過智能地平 整負(fù)荷需求來化解這一問題。GVs 可以被運(yùn)用作為在電力系統(tǒng)中的負(fù)荷平整裝置。 標(biāo)準(zhǔn) 10 節(jié)點(diǎn)系統(tǒng)的負(fù)荷曲線具有峰谷（見圖 2）。根據(jù)負(fù)荷曲線，負(fù)荷需求在 1 至 9 和 22 至 24 時(shí)段里相對(duì)比較低（

23、總共 12 小時(shí)）。GVs 可以在這非峰時(shí)段里從電網(wǎng)中充電以 平整負(fù)荷需求。GVs 的負(fù)荷自動(dòng)地由車載智能代理以及根據(jù)智能計(jì)量得到的實(shí)時(shí)電價(jià)與其 他公共部門的交互。供應(yīng) 50000GVs 的額外的 411MIWh/day 的電量被等量地 （411MIWh/12=34.25MIWh/h）分散于非峰時(shí)段以平整負(fù)荷需求，避免了高峰負(fù)荷的增長。 （見圖 2）。 根據(jù)每輛車每年平均行駛里程為 12000mii， 以及每輛車平均排放為 1.2lb/mi,運(yùn)用式 （3） 可得一輛車估計(jì)每年排放 14400lb。50000 輛車的總排放量因此為 720000000lb(326678.766 噸。 表 考慮負(fù)載整定情況下含 5000 輛 GVs 的十節(jié)點(diǎn)系統(tǒng)的排放 首先，排放由 10 節(jié)點(diǎn)系統(tǒng)機(jī)組的標(biāo)準(zhǔn)輸入數(shù)據(jù)，排放因子，考慮 GVs 及 PESs 的負(fù)荷 需求等計(jì)算得到。PSO 用于計(jì)算計(jì)劃表，符合調(diào)度，以及相應(yīng)的成本與排放。