5 仿真及算例分析

 

5.1 模型參數

 

本文針對擁有電動汽車的智能家庭進行能源優化調度,假設售電公司為1000戶家庭提供靈活的電力需求,其中規劃周期為24 h,再根據參與優化的家庭設備的具體運行特性,將用戶側規劃周期時段細分為96個,即Δz=15minΔz=15min。

 

由于各個家庭日常用電需求有所差異,因此本文根據家庭設備日常使用概率,模擬了多種用電情景,表1是各設備相關參數。其中：NxhNhx表示不同情景下各設備的負荷任務周期循環次數;zsti,hzi,hst表示不同情景下各設備的理想啟動時間范圍。由于本文加入了電動汽車結合儲能系統在空閑時間為整個家庭提供部分電量的情況,因此放電時間控制在少有出行需求的夜間時段。為了使最終家庭優化方案在用戶群體中得到廣泛接受,避免延遲啟動過久影響用戶生活,本文充分考慮了用戶舒適度約束,將延遲范圍控制在理想啟動時間zsti,hzi,hst的3 h內。為滿足日常需求,單個負荷周期數設為qi,h=1qi,h=1。

 

 

 

現今中國電力市場仍在改革試運行階段,市場尚不成熟,數據參考性不佳。因此本文采用某工作日美國PJM市場的實時情況[20],得到日前市場電價,現貨市場電價,日前負荷預測等數據,結合所提出的雙層優化模型對用售兩側進行算例仿真。相關電價參數見表2,以現貨市場價格作為調節價格,日前與現貨市場電價信息如圖4所示。

 

 

 

針對售電公司面對的1000戶家庭用電需求,并考慮到在DR響應程度為55%,圖5表示日前購電量與日前市場電價關系的投標曲線,結合歷史數據得到的日前負荷預測,可以得到日前市場電價與日前購電量的關系為：

 

 

 

5.2 算例結果及分析

 

經一個規劃周期的優化計算后,響應群家庭柔性負荷啟動安排如圖6所示。

 

 

圖6 響應群家庭柔性負荷啟動安排Fig. 6 Start arrangement of domestic flexible load in response group

 

在響應程度d=55%,即響應群家庭為550戶時,總用電費用為3371.53元,此時未響應群450戶,總費用為4447.69元。售電公司收益為8067.32元。響應群平均每戶家庭比為響應群減少3.75元,費用節省37.99%。對每戶家庭而言,在保證日常用電的基本需求后,通過本文提出的家庭柔性負荷優化和電動汽車的充放電規劃,能夠有效降低用戶用電費用。圖7是優化前后1000戶家庭總日負荷對比以及此時的動態電價。從圖中可知,經過基于動態電價的需求響應后,負荷峰值明顯趨于平緩。大部分用電任務轉移到了傍晚和凌晨這2個電價相對較低的時段。由于3 h延遲限制和用戶偏好時間約束,即便凌晨時段電價最低,用電負荷較優化前只是輕微增加。并且由于考慮了電動汽車的儲能特性,能夠在夜間放電供能,使4:00—6:00的用電負荷得到削減。整體而言,本文提供家庭能源優化策略對負荷曲線起到了一定程度上的削峰效果。

 

基于上述得到的響應程度為d=55%時的結果,下面進一步分析參數變化對計算結果的影響。

 

1）響應程度dd變化時對用售雙方的影響。

 

表3為4組不同響應程度影響下家庭費用及售電公司收益的數值,可以得到,隨著響應程度增加,響應群組平均每戶家庭日用電費用降低;圖8是各響應程度下優化前后總日負荷對比,可以看出對于該居民用戶群體而言,隨響應程度增加,總負荷削峰情況也隨之增強,在凌晨時段,負荷的延遲啟動效果也隨著響應程度的增加變得更加顯著。