论文部分内容阅读
汽车行业的高速发展,改变了近现代工业生产和人民生活的面貌,汽车也顺理成章地成为了现代人类生活的必需品之一。但是随着环境污染和资源短缺的不断加重,减少燃油汽车的使用逐渐被世界各国政要以及企业提上日程,汽车行业也随之不得不寻找新的出路。在这样的背景下,大力发展电动汽车(Electric Vehicle,EV)由此成为了当今社会发展的必然要求。
在世界各国相关政策的积极引导下,近年来EV的数量得到了显著提升。再加上现如今需求侧响应(Demand Response,DR)技术在电力系统中的逐渐应用,EV因其自身具有很高的可调度潜力,越发成为一种不可忽视的需求侧响应资源。为了更加有效地利用EV的响应潜力,国内外普遍引入了电动汽车聚合商(Electric Vehicle Aggregator,EVA)作为EV集群与调度机构之间的中间商。随着相关研究的不断深入,EVA在电力系统中发挥的作用受到了国内外学者的广泛关注。
在电力市场环境下,EVA作为一种新型的商业性公司,往往需要以提升自身经济效益作为运营目标。为此,EVA在参与能量市场的同时可以通过提供一种辅助服务来增加可获取的利润。众所周知,电力市场辅助服务包括了调频、调峰、无功调节、备用和黑启动等几种不同的类型。这样一来,适合EVA提供的具体辅助服务类型的选定以及在辅助服务市场中运营形式的设计等都成为了亟待解决的问题。此外还应该注意的是,EVA对下辖EV的调控必须首先满足用户的使用需求。为了提高EV用户的响应意愿,EVA也必须制定适当的激励措施,同时还需要考虑用户响应不确定性的影响等诸多细节。由此可见,关于EVA的研究不能一概而论,必须有针对性地进行详细的分析与探讨。
本文选取旋转备用服务作为EVA参与电力市场时所提供的主要辅助服务类型,围绕EVA提供备用服务的市场结构与调度策略进行了深入的研究,主要的工作内容与研究成果如下:
1.结合常见的EVA调度框架,从消费者需求的角度出发,提出了面向用户的双重激励机制(Dual-Incentive Mechanism , DIM )和半托管式响应方式(Semi-managed response mode,SMRM),从而设计了电力市场环境下EVA提供备用服务的商业运营模式。该模式给出了功率流、资金流和信息流在电力市场中的具体交互过程。
2.基于上述市场架构,采用消费者心理学模型分析了用户响应的不确定性问题,并推导出了双重激励机制下的用户响应不确定性模型。结合实际生活中EV集群可能的运行情况,建立了EV备用服务能力的计算模型。
3.针对不同的实时备用调用情况,基于随机规划方法构建了EVA对下层EV集群充放电行为的优化调度策略。通过算例仿真验证了文中所提模型和方法的有效性,并得到了3个EVA可以自主控制的变量(充电激励、放电激励和EVA调度时间尺度)对EVA提供备用服务情况的影响。
在世界各国相关政策的积极引导下,近年来EV的数量得到了显著提升。再加上现如今需求侧响应(Demand Response,DR)技术在电力系统中的逐渐应用,EV因其自身具有很高的可调度潜力,越发成为一种不可忽视的需求侧响应资源。为了更加有效地利用EV的响应潜力,国内外普遍引入了电动汽车聚合商(Electric Vehicle Aggregator,EVA)作为EV集群与调度机构之间的中间商。随着相关研究的不断深入,EVA在电力系统中发挥的作用受到了国内外学者的广泛关注。
在电力市场环境下,EVA作为一种新型的商业性公司,往往需要以提升自身经济效益作为运营目标。为此,EVA在参与能量市场的同时可以通过提供一种辅助服务来增加可获取的利润。众所周知,电力市场辅助服务包括了调频、调峰、无功调节、备用和黑启动等几种不同的类型。这样一来,适合EVA提供的具体辅助服务类型的选定以及在辅助服务市场中运营形式的设计等都成为了亟待解决的问题。此外还应该注意的是,EVA对下辖EV的调控必须首先满足用户的使用需求。为了提高EV用户的响应意愿,EVA也必须制定适当的激励措施,同时还需要考虑用户响应不确定性的影响等诸多细节。由此可见,关于EVA的研究不能一概而论,必须有针对性地进行详细的分析与探讨。
本文选取旋转备用服务作为EVA参与电力市场时所提供的主要辅助服务类型,围绕EVA提供备用服务的市场结构与调度策略进行了深入的研究,主要的工作内容与研究成果如下:
1.结合常见的EVA调度框架,从消费者需求的角度出发,提出了面向用户的双重激励机制(Dual-Incentive Mechanism , DIM )和半托管式响应方式(Semi-managed response mode,SMRM),从而设计了电力市场环境下EVA提供备用服务的商业运营模式。该模式给出了功率流、资金流和信息流在电力市场中的具体交互过程。
2.基于上述市场架构,采用消费者心理学模型分析了用户响应的不确定性问题,并推导出了双重激励机制下的用户响应不确定性模型。结合实际生活中EV集群可能的运行情况,建立了EV备用服务能力的计算模型。
3.针对不同的实时备用调用情况,基于随机规划方法构建了EVA对下层EV集群充放电行为的优化调度策略。通过算例仿真验证了文中所提模型和方法的有效性,并得到了3个EVA可以自主控制的变量(充电激励、放电激励和EVA调度时间尺度)对EVA提供备用服务情况的影响。