電力系統(tǒng)的安全經(jīng)濟(jì)運(yùn)行是以可靠的電源供應(yīng)和較為精確的負(fù)荷預(yù)測為基礎(chǔ)的,大規(guī)模風(fēng)電并網(wǎng)造成的強(qiáng)不確定性給電網(wǎng)調(diào)度運(yùn)行帶來了嚴(yán)峻挑戰(zhàn)。而隨著風(fēng)電并網(wǎng)規(guī)模的不斷增大,化石能源發(fā)電(主動電源)的主導(dǎo)地位不斷被削弱,僅依靠主動電源被動應(yīng)對風(fēng)電強(qiáng)不確定性的傳統(tǒng)思路已難以使調(diào)度擺脫強(qiáng)不確定性的困境,亟需挖掘新的調(diào)控手段,并從風(fēng)電側(cè)入手,力求在其并網(wǎng)前就全部或部分消除其不確定性,降低對電網(wǎng)帶來的沖擊。在風(fēng)電大規(guī)模并網(wǎng)和電動汽車迅速發(fā)展的背景下,本文將風(fēng)電與電動汽車換電站的協(xié)同優(yōu)化作為核心問題展開研究,挖掘二者的協(xié)同效應(yīng),建立以換電站直接消除風(fēng)電強(qiáng)不確定性為目的的合作機(jī)制,以合作的方式化解風(fēng)電的不確定性,對于促進(jìn)風(fēng)電的開發(fā)利用,推動電動汽車產(chǎn)業(yè)的發(fā)展,緩解能源危機(jī)和環(huán)境污染的雙重壓力,具有重要的理論和現(xiàn)實(shí)意義。與被動應(yīng)對風(fēng)電并網(wǎng)的傳統(tǒng)思路不同,本文利用換電站可同時兼作儲能電站與主動負(fù)荷的多元效益,通過對換電站和風(fēng)電的協(xié)同優(yōu)化,主動應(yīng)對風(fēng)電的不確定性。首先,基于集中充電統(tǒng)一配送的換電模式,建立了集中型充電站與風(fēng)電場的聯(lián)合運(yùn)營框架,提出將集中型充電站依托風(fēng)電匯集站建設(shè)并與風(fēng)電場構(gòu)成聯(lián)合系統(tǒng),以獨(dú)立的企業(yè)經(jīng)營者身份參與電網(wǎng)運(yùn)行。然后結(jié)合風(fēng)電場和集中型充電站的實(shí)際運(yùn)行特點(diǎn),建立了聯(lián)合系統(tǒng)的多維度運(yùn)營指標(biāo)評價體系。在聯(lián)合系統(tǒng)的運(yùn)營框架下,分別對其容量優(yōu)化配置問題、發(fā)電計(jì)劃決策問題和協(xié)同優(yōu)化調(diào)度問題進(jìn)行了系列研究。為了權(quán)衡聯(lián)合系統(tǒng)的初始投資和運(yùn)營收益,需要合理配置集中型充電站的容量。本文在風(fēng)電場容量確定的情況下提出了集中型充電站的多目標(biāo)容量優(yōu)化配置模型和算法。模型以聯(lián)合系統(tǒng)的未滿足換電量指標(biāo)、棄風(fēng)電量指標(biāo)以及年化收益指標(biāo)實(shí)現(xiàn)的概率最大化為目標(biāo),通過考慮風(fēng)電功率和換電需求等不確定性因素對規(guī)劃結(jié)果的影響,提高了規(guī)劃結(jié)果在實(shí)際運(yùn)行中的可行性。利用蒙特卡洛模擬與遺傳算法相結(jié)合的方式對模型進(jìn)行了求解,仿真結(jié)果驗(yàn)證了模型和算法的有效性:模型能夠綜合考慮初始投資、風(fēng)電上網(wǎng)電價和電池壽命等多個因素,權(quán)衡集中型充電站“低充高放”的盈利空間,從而確定集中型充電站的容量優(yōu)化配置。在滿足換電需求和風(fēng)電利用率要求的基礎(chǔ)上,提高聯(lián)合系統(tǒng)的盈利能力。作為特殊的發(fā)電廠,聯(lián)合系統(tǒng)的發(fā)電計(jì)劃不但影響自身的運(yùn)營收益而且影響電網(wǎng)的安全運(yùn)行。本文結(jié)合相關(guān)機(jī)會目標(biāo)規(guī)劃思想,提出了聯(lián)合系統(tǒng)的多目標(biāo)發(fā)電計(jì)劃決策方法。首先,基于聯(lián)合系統(tǒng)的運(yùn)營框架,提出了其運(yùn)行控制策略。然后,在已知風(fēng)電功率和換電需求預(yù)測誤差概率分布的基礎(chǔ)上,結(jié)合風(fēng)電上網(wǎng)電價,構(gòu)建了聯(lián)合系統(tǒng)的日前發(fā)電計(jì)劃優(yōu)化決策模型。最后,通過對三種場景的對比分析,表明模型能夠依據(jù)決策者對不同指標(biāo)的重視程度和風(fēng)險承受水平制定出盡可能滿足其預(yù)期的發(fā)電計(jì)劃,通過發(fā)揮風(fēng)電場和集中型充電站間的協(xié)同效益,促進(jìn)風(fēng)電、電動汽車、電網(wǎng)多贏局面的達(dá)成。為提高聯(lián)合系統(tǒng)應(yīng)對風(fēng)電出力和換電需求隨機(jī)性的能力,提出了日前和日內(nèi)相協(xié)調(diào)的兩階段協(xié)同調(diào)度模型和算法。日前調(diào)度模型以多個指標(biāo)實(shí)現(xiàn)的概率最大化為目標(biāo)函數(shù),以剩余電量代替充放電功率作為決策變量,為日內(nèi)優(yōu)化決策模型提供有效的指導(dǎo)信息,實(shí)現(xiàn)了對集中型充電站調(diào)節(jié)能力的全局優(yōu)化配置。在日內(nèi)運(yùn)行階段,基于集中型充電站的備用容量,建立日內(nèi)優(yōu)化決策模型,滾動優(yōu)化其充放電功率,以應(yīng)對風(fēng)電出力和換電需求的隨機(jī)波動。仿真結(jié)果表明,與單一時間尺度的調(diào)度模型相比,本模型更有利于挖掘集中型充電站的多元效益,避免調(diào)節(jié)能力被過早用盡的情況出現(xiàn),提高了聯(lián)合系統(tǒng)的發(fā)電計(jì)劃跟蹤能力。針對風(fēng)電和換電站分屬不同投資主體且無意愿聚合成聯(lián)合系統(tǒng)的場景,本文基于充換電模式,進(jìn)一步提出了分散式風(fēng)電與充換電站的合作框架�；诓┺恼撍枷�,將二者各自追求自身利益最大化過程建模為風(fēng)電運(yùn)營商為領(lǐng)導(dǎo)者、充換電站為跟隨者的Stackelberg博弈模型,并根據(jù)模型的強(qiáng)Stackelberg均衡和弱Stackelberg均衡的特點(diǎn)分別提出相應(yīng)的求解方法。仿真結(jié)果表明,所提模型能夠在風(fēng)電運(yùn)營商和充換電站追求各自利益最大化的同時自動實(shí)現(xiàn)資源的優(yōu)化配置,達(dá)成共贏的局面。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2018
【中圖分類】：U469.72;TM614
【部分圖文】：

圖 2-2 集中充電統(tǒng)一配送模式的業(yè)務(wù)流程圖Fig. 2-2 Diagram of the centralized charging and unified distributing pattern配送站僅提供電池更換服務(wù)，由于不需要對電池進(jìn)行充電，因而不存在問題，而且占地面積小，主要建在離電動汽車用戶更近的市中心區(qū)域。用戶在配送站更換下來的空電池將通過物流系統(tǒng)配送至集中型充電站統(tǒng)

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 袁鐵江;蔣平;孫誼Z

本文編號：2815593