基于V2G技术的电力系统随机优化调度

近年来，随着新能源技术的不断进步和国家节能减排政策的贯彻执行，风力发电和电动汽车在电力系统中的应用日益受到重视，随着智能电网的迅猛发展，尤其电动汽车充放电基础设施的配套建设，实现风电与电动汽车协同优化调度问题引起广泛的关注。但是风电场出力与电动汽车充放电的随机性对电力系统的影响日益突出。为此，研究考虑风电出力和电动汽车充放电功率不确定性的电力系统随机优化调度问题具有非常重要的理论价值和现实意义。 本文采用Weibull分布来描述风电场风速的随机性，结合风电机组的风速-出力之间的关系，分析了风电场出力的不确定性。之后本文假定电动汽车的充放电开始时间、日行驶里程分别服从均匀分布和正态分布，分在夜晚集中充电，白天集中放电，由此建立了电动汽车的充放电功率统计模型。 本文将常规机组燃料成本、电动汽车充放电成本加入到优化调度模型中，以成本最优为目标，采用概率形式的机会约束描述风电出力与电动汽车充放电功率的不确定性，提出基于V2G技术的含风电场的电力系统随机优化调度模型。之后，采用蒙特卡洛抽样平均近似处理机会约束中的随机因素，将风电出力和电动汽车充放电功率的不确定性约束转换成确定性约束，并通过改进粒子群算法进行求解。最后，通过IEEE-14节点系统的算例分析表明，本文所提出的随机优化调度模型所求的调度方案较确定性优化方式的经济性更高，从而论证了本文所提模型的合理性和有效性。 基于本文提出的考虑V2G技术的电力系统随机优化调度模型，增加常规机组排放惩罚成本函数，以成本最优为目标，采用概率形式的机会约束描述风电出力与电动汽车充放电功率的不确定性，建立起考虑排放惩罚成本的电力系统随机优化调度模型。采用蒙特卡洛抽样平均近似处理机会约束中的随机因素，并通过改进的粒子群算法进行求解。最后，通过IEEE14节点系统算例分析表明，考虑污染气体排放惩罚成本后，虽然发电成本略有增加，但能明显提高风电与电动汽车充放电功率的利用率，减少了污染气体的排放，论证了本文所提模型的合理性和有效性。