核心概念
該文提出了一種電動汽車聚合商在聯合能源和頻率調節市場中的實時競標和調度策略,重點關注電動汽車靈活性的量化、定價和利用,以最大限度地提高聚合商的利潤,同時兼顧電動汽車用户的充電需求和偏好。
摘要
文獻綜述
研究動機
- 全球減碳目標推動可再生能源和電動汽車的增長。
- 電動汽車充電負載的整合以及可再生能源的不確定性和波動性,可能加劇電力波動和電壓偏差,威脅電力系統的可靠性。
- 電動汽車的彈性和車聯網技術的進步,為通過協調電動汽車充電來減輕這些負面影響提供了有希望的解決方案。
研究問題
- 如何有效協調日益增長的電動汽車數量,以提高電力系統的可靠性。
- 如何量化電動汽車用户的靈活性貢獻並給予適當補償。
- 如何在電動汽車聚合商的聯合能源-調節市場競標中整合靈活性採購。
- 如何響應調節信號來調度電動汽車。
現有研究的不足
- 現有的靈活性量化方法通常忽略了電動汽車聚合商可以從電動汽車中獲得的實際靈活性,並且市場收入不是基於電動汽車的實際靈活性貢獻來分配的。
- 現有的電動汽車聚合商競標策略通常忽略了電動汽車用户的利益,這可能導致他們抵制參與市場。
- 現有的電動汽車調度方法要麼忽略了電動汽車聚合商的利潤最大化,要麼忽略了電動汽車用户的偏好和公平性。
- 現有的電動汽車調度方法計算量大,不切實際。
研究貢獻
- 提出了一種考慮調節規定的電動汽車靈活性量化方法。通過將電動汽車靈活性視為一種商品,電動汽車聚合商可以根據電動汽車的競標靈活性供應曲線設定靈活性價格並採購靈活性。
- 提出了一種包含靈活性採購的電動汽車聚合商在聯合能源-調節市場中的競標模型,旨在最大限度地降低電動汽車聚合商的總成本,同時尊重電動汽車的充電需求。然後,使用隨機模型預測控制技術重新構建競標問題,從而實現實時競標。
- 提出了一種優化的功率調度協議,該協議可確保電動汽車聚合商的盈利能力,同時尊重電動汽車的靈活性偏好和承諾數量。可以使用參數線性規劃在運行時間之前推導出調度問題的仿射映射控制策略,允許在每次發出調節信號時在線索引最優解。
研究方法
電動汽車靈活性量化和定價
- 基於電動汽車用户的充電需求數據確定電動汽車的功率和能量邊界。
- 將電動汽車的靈活性定義為在預定義的功率和能量邊界內各種充電軌跡的允許範圍。
- 提出了一種基於電動汽車用户提供靈活性的意願的靈活性定價方法。
電動汽車聚合商競標模型
- 提出了一種包含靈活性採購的電動汽車聚合商多週期聯合優化競標模型。
- 採用隨機模型預測控制技術將調節信號的概率描述整合到競標模型中,使電動汽車聚合商能夠通過以時間遞減的方式解決開環約束最優控制問題來動態調整其競標策略,從而確保在每個運行小時之前及時做出決策。
電動汽車聚合商功率調度模型
- 提出了一種基於電動汽車靈活性競標的成本最小化功率分配協議。
- 採用參數線性規劃將調度問題轉換為一個只需在整個時間段內求解一次的問題,從而大大降低了計算複雜度。
案例研究
- 使用包含 100 輛電動汽車的電動汽車聚合商進行模擬。
- 模擬結果表明,與其他兩種競標策略相比,所提出的競標策略在平衡電動汽車聚合商的盈利能力和電動汽車用户的利益方面表現最佳。
總結
該文提出了一種電動汽車聚合商在聯合能源和頻率調節市場中的實時競標和調度策略,重點關注電動汽車靈活性的量化、定價和利用,以最大限度地提高聚合商的利潤,同時兼顧電動汽車用户的充電需求和偏好。
統計資料
PJM 調節信號每 2 秒發送一次 (∆d = 2s),總共 1800 次 (D = 1800)。
模擬中使用的電動汽車電池容量為 50 kWh。
電動汽車充電效率 ηc 為 90%,放電效率 ηd 為 93%。
模擬中,根據電動汽車用户的靈活性偏好將電動汽車分為四種類型:保守型、謹慎型、積極型和冒險型,對應的 αn 值分別為 0.2、0.6、1 和 1.4。
模擬時間跨度為 24 小時。
能源和調節市場價格來自 PJM 2023 年 4 月的歷史數據。
頻率調節場景的發生概率基於 PJM 2020 年 4 月的 RegD 數據。