电动公交车充电站代理商的月度交易模型与日运行优化策略

doi:10.3969/j.issn.1000-7229.2019.01.004

摘要/Abstract

摘要： 以电力大用户参与电力市场交易为背景，研究电动公交车光储充电站通过代理商参与月度电力交易的优化问题。基于实际电动公交车充电站的充电历史数据，提出了电动公交车代理商参与月度市场双边交易的优化模型，该模型考虑了充电站内光伏发电和充电负荷的随机性；提出了最小化偏差电量惩罚的充电站日运行优化策略与实施方法，通过控制充电站内储能系统充放电策略减小月度合同的偏差损失。算例结果表明，所提出的模型和策略可给出代理商月度交易的优化方案，并可显著减少合同偏差电量、降低惩罚费用。

关键词: 电动公交车, 充电站, 电池储能, 随机优化, 电力市场

Abstract: This paper works on the problem of monthly electricity transaction optimization for the electric bus charging stations with solar power and energy storage through an agent， with regard to large electricity consumer participating the monthly electricity market. On the basis of the historical charging records of some actual electric bus charging stations， an optimization model for the agent of electric bus charging stations to participate in the monthly market bilateral transaction is proposed. The randomness of PV generation and the charging demands are taken into account in the model. An optimal dispatch model and implementation method are proposed to minimize the deviation penalty of the monthly contract via the charging and discharging schedule of energy storage system within electric bus charging station. Simulation results show that the proposed models and strategies can effectively provide the monthly optimal transaction decision of the agent and significantly mitigate the deviation penalty between contract and actual electricity consumption.

Key words: electric bus, charging station, battery storage system, stochastic optimization, electric power market

中图分类号:

TM 734

李睿雪，胡泽春，段小宇. 电动公交车充电站代理商的月度交易模型与日运行优化策略[J]. 电力建设, 2019, 40(1): 27-34.

LI Ruixue， HU Zechun， DUAN Xiaoyu. Monthly Bilateral Electricity Transaction Model and Daily Optimal Operation Strategy for the Agent of Electric Bus Charging Stations[J]. Electric Power Construction, 2019, 40(1): 27-34.

参考文献

［1］李言，王秀丽，张文韬，等. 大用户直购电对系统风电消纳的影响［J］. 电工技术学报， 2017， 32（23）：149-157.
LI Yan， WANG Xiuli， ZHANG Wentao， et al. Impact of large-consumers direct-purchasing on consumption of wind-power of power systems［J］. Transactions of China electronical Society， 2017， 32（23）： 149-157.
［2］钟宇峰，黄民翔，文福拴，等. 计及绿色证书交易机制的大用户直购电市场均衡分析［J］. 电力自动化设备， 2014， 34（2）：144-150.
ZHONG Yufeng，HUNAG Minxiang，WEN Fushuan， et al. Equilibrium analysis of direct electricity purchase with green certificate mechanism ［J］. Electric Power Automation Equipment， 2014， 34（2）：144-150.
［3］刘文彬. 考虑日前市场价格和风电不确定性的月度合约市场购电模型［J］. 陕西电力， 2017， 45（4）：60-65.
LIU Wenbin. Monthly electricity energy purchasing model considering day-ahead market price and wind power uncertainty ［J］. Shaanxi Electric Power， 2017， 45（4）：60-65.
［4］王鹏，吴素华，戴俊良，等. 基于激励相容原理的大用户直购电模型与机制研究［J］. 中国电机工程学报， 2009，29（10）：91-96.
WANG Peng， WU Suhua， DAI Junliang， et al. Research on model and mechanism of large consumers direct-purchasing based on incentive compatibility principle［J］. Proceedings of the CSEE， 2009，29（10）：91-96.
［5］荆朝霞，朱继松. 月度电量集中竞价市场规则的仿真实验分析［J］. 电力系统自动化， 2017， 41（24）：42-48.
JING Zhaoxia， ZHU Jisong. Simulation on experiment analysis on market rules for monthly centralized bidding ［J］. Automation of electric power systems， 2017， 41（24）：42-48.
［6］王漪，于继来. 基于让利和索利价格排序的大用户直购电集中撮合交易方法［J］. 电网技术， 2009，33（16）：81-86.
WANG Yi， YU Jilai. Multilateral matchmaking transaction method for direct power purchase of large consumers based on ranking of undercut prices to selling offers and buying offers［J］. Power System Technology， 2009，33（16）：81-86.
［7］鲁皓，郭兴磊. 基于远期合约与日前市场的大用户购电模型［J］. 现代电力， 2014， 31（6）：76-80.
LU Hao， GUO Xinlei. Electricity purchasing model for large consumers based on the forward contracts and day-ahead market［J］. Modern Electric Power， 2014， 31（6）：76-80.
［8］MING C， RAN X. Research on strategy of purchasing electricity for large electricity consumers based on CVaR ［C］// International Conference on Artificial Intelligence， Management Science and Electronic Commerce. IEEE， 2011：5760-5764.
［9］郭鸿业，陈启鑫，钟海旺. 基于标准化金融交割曲线的现货市场建设路径设计［J］. 电力系统自动化， 2017， 41（17）：1-8.
GUO Hongye， CHEN Qixin， ZHONG Haiwang. Spot market mechanism design and based on standard curve for financial delivery［J］. Automation of Electric Power Systems， 2017， 41（17）：1-8.
［10］TANSEN B， BINDING C， SUNDSTROM O， et al. Architecture and communication of an electric vehicle virtual power plant［C］//2010 First IEEE International Conference on Smart Grid Communications. Gaithersburg， MD： IEEE， 2010：149-154.
［11］MICROGRIDS A P. Virtual power plants and our distributed energy future［J］. Electricity Journal， 2010， 23（10）：72-82.
［12］RAAB A F， FERDOWSI M， KARFOPOULOS E， et al. Virtual power plant control concepts with electric vehicles［C］//2011 16th International Conference Intelligent Systems Applications to Power Systems. IEEE， 2011：1-6.
［13］WERNER T G， REMBERG R. Technical， economical and regulatory aspects of virtual power plants［C］//2008 Third International Conference on Electric Utility Deregulation and Restructuring and Power Technologies. Nanjing： IEEE， 2008：2427-2433.
［14］VANDOORN T L， ZWAENEPOEL B， DE KOONING JD M， et al. Smart microgrids and virtual power plants in a hierarchical control structure［C］//2011 Second IEEE PES International Conference and Exhibition on Innovative Smart Grid Technologies. Manchester： IEEE， 2011：1-7.
［15］NGUYEN D T， LE L B. Optimal bidding strategy for microgrids considering renewable energy and building thermal dynamics［J］. IEEE Transactions on Smart Grid， 2014， 5（4）：1608-1620.
［16］KARNAMA A， RESENDE F O， LOPES J A P. Optimal management of battery charging of electric vehicles： A new microgrid feature［C］//2011 IEEE Trondheim PowerTech. IEEE， 2011：1-8.
［17］XU Z， HU Z， SONG Y， et al. Risk-averse optimal bidding strategy for demand-side resource aggregators in day-ahead electricity markets under uncertainty［J］. IEEE Transactions on Smart Grid， 2017， 8（1）：96-105.
［18］ZHAO J， WAN C， XU Z， et al. Risk-based day-ahead scheduling of electric vehicle aggregator using information gap decision theory［J］. IEEE Transactions on Smart Grid， 2017， 8（4）：1609-1618.
［19］YANG H， ZHANG S， QIU J， et al. CVaR-constrained optimal bidding of electric vehicle aggregators in day-ahead and real-time markets［J］. IEEE Transactions on Industrial Informatics， 2017， 13（5）： 2555-2565.
［20］SORTOMME E， EL-SHARKAWI M A. Optimal combined bidding of vehicle-to-grid ancillary services［J］. IEEE Transactions on Smart Grid， 2012， 3（1）： 70-79.
［21］BESSA R J， MATOS M A， SOARES F J， et al. Optimized bidding of a EV aggregation agent in the electricity market［J］. IEEE Transactions on Smart Grid， 2012， 3（1）： 443-452.
［22］BESSA R J， MATOS M A. Optimization models for EV aggregator participation in a manual reserve market［J］. IEEE Transactions on Power Systems， 2013， 28（3）： 3085-3095.
［23］杨甲甲，赵俊华，文福拴，等. 含电动汽车和风电机组的虚拟发电厂竞价策略［J］. 电力系统自动化， 2014， 38（13）：92-102.
YANG Jiajia， ZHAO Junhua， WEN Fushuan， et al. Development of bidding strategies for virtual power plants considering uncertain outputs from plug-in electric vehicles and wind generators［J］. Automation of Electric Power Systems， 2014， 38（13）：92-102.
［24］TOMI J， KEMPTON W. Using fleets of electric-drive vehicles for grid support［J］. Journal of Power Sources， 2007， 168（2）： 459-468.
［25］BROOKS A N.Vehicle-to-grid demonstration project：Grid regulation ancillary service with a battery electric vehicle ［M］.California Environmental Protection Agency， Air Resources Board，Research Division，2002.
［26］李睿雪，胡泽春. 电动公交车光储充电站日运行随机优化策略［J］. 电网技术， 2017，41（12）：3772-3779.
LI Ruixue， HU Zechun. Stochastic optimization strategy for daily operation of electric bus charging station with PV and energy storage［J］. Power System Technology， 2017，41（12）： 3772-3779.
［27］国家能源局山东监管办公室.关于修订山东省电力中长期交易规则有关条款的通知［EB/OL］. （2017-12-05）［2018-05-23］. http：//sdb.nea.gov.cn/new/2017-12/2017128120211.htm.
［28］国家能源局.光伏发电站预测功率系统技术要求规定：NB/T 32011—2013［S］. 北京：中国电力出版社，2014：4.
［29］王震坡，孙逢春. 电动汽车能耗分配及影响因素分析［J］. 北京理工大学学报，2014， 24（4）： 306-311.
WANG Zhenpo， SUN Fengchun. Analysis of energy consumption distribution and factors of influence in electric vehicles［J］. Transaction of Beijing Institute of Technology，2014， 24（4）： 306-311.
［30］黄大为，张伟，韩学山. 基于自适应风电功率场景选取的有功调度模型［J］. 电力系统自动化， 2013， 37（19）： 68-73.
HUANG Dawei， ZHANG Wei， HAN Xueshan. Active power dispatch based on self-adaptive wind power scenario selection［J］. Automation of Electric Power Systems， 2013， 37（19）： 68-73.
［31］禹威威，刘世林，陈其工，等.考虑电动汽车充电和需求侧响应的光伏微电网多目标优化调度［J］. 电力系统及其自动化学报，2018，30（1）： 88-97.
YU Weiwei，LIU Shilin，CHEN Qigong，et al. Multi-objective optimization scheduling for PV microgrid considering electric vehicle charging and demand response ［J］. Proceedings of the CSU-EPSA， 2018，30（1）：88-97.

[1]	安麒，王剑晓，李庚银，王宣元，刘蓁. 基于均衡理论的虚拟电厂市场参与模式及方法[J]. 电力建设, 2020, 41(6): 1-8.
[2]	赵晨，何宇俊，罗钢，龚超，赵越，张轩，陈启鑫. 基于泛在互联的虚拟电厂参与实时市场模型[J]. 电力建设, 2020, 41(6): 36-43.
[3]	贾学翠，李相俊，万君，李文启，霍方强. 平抑电网大功率扰动的规模化电池储能系统控制方法[J]. 电力建设, 2020, 41(6): 69-76.
[4]	刘自发，王新月，于寒霄，高建宇，吴刚. 微电网与配电网的成本效益关系及交互电量定价方法[J]. 电力建设, 2020, 41(3): 39-46.
[5]	史景坚，周文涛，张宁，陈桥，刘金涛，曹振博，陈懿，宋航，刘友波. 含储能系统的配电网电压调节深度强化学习算法[J]. 电力建设, 2020, 41(3): 71-78.
[6]	钱科军，秦萌，宋远军，周振凯，刘乙，谢鹰，陈丽娟. 基于模糊隶属度的充电站多目标优化调度[J]. 电力建设, 2020, 41(2): 118-124.
[7]	贾利虎，高毅，葛磊蛟，田庄，赵高帅，张来，张海宁. 计及光热电站不确定性的CHP系统两阶段优化调度方法[J]. 电力建设, 2020, 41(1): 64-70.
[8]	刘拥军，曹晓峻，胡朝阳，王珂，徐立中，高赐威. 数据网络参与多调峰辅助服务市场组合优化调度策略[J]. 电力建设, 2019, 40(9): 82-90.
[9]	王星华，刘升伟，陈豪君，彭显刚，周亚武. 考虑用户差异性的售电公司需求响应电价模型[J]. 电力建设, 2019, 40(9): 116-123.
[10]	朱誉，仪忠凯，陆秋瑜，杨银国，李博，许银亮. 基于典型场景集的虚拟电厂与配电网协同定价策略[J]. 电力建设, 2019, 40(6): 74-85.
[11]	齐世雄，王秀丽，张炜，吴雄，王高琴，史新红. 基于博弈论和改进PageRank的电力市场出清方式评价方法[J]. 电力建设, 2019, 40(5): 107-117.
[12]	高乾恒，黄帅飞，李二超，董治强，李潇逸. 市场环境下含氢储能的售电公司优化调度[J]. 电力建设, 2019, 40(4): 42-48.
[13]	王成龙，王育飞，薛花. 基于负载电流补偿与转速反馈的飞轮储能系统控制策略[J]. 电力建设, 2019, 40(3): 51-58.
[14]	单俊嘉，李阳，胡俊杰. 基于交互能源机制的产消者能量管理方法[J]. 电力建设, 2019, 40(11): 31-38.
[15]	邢海军，洪绍云，范宏，赵晓莉. 面向“源-网-荷-储”的主动配电网优化重构及协调调度研究[J]. 电力建设, 2018, 39(8): 18-23.