电动汽车商电力市场竞价范文

1电动汽车充放电模型

电动汽车商通过对所辖范围内居民区、充电站以及充电桩所接入电动汽车进行充放电调度控制。所有车辆统一安排在最后一次行驶结束后和次日出行前进行充放电。商根据所管辖车辆的行驶需求，通过制定报价策略，决定次日各时刻电动汽车的充放电功率，并满足次日车辆的电量需求。其充放电约束条件如下：1）电动汽车充放电功率约束。电动汽车的充放电功率主要受到车载电池以及充电设备所允许的电压电流限制。2）电动汽车蓄电池充放电等式约束。电动汽车蓄电池t时刻荷电状态与t＋1时刻荷电状态关系式。

2电动汽车商电力市场报价模型

笔者所提模型考虑电动汽车用户侧和市场出清2个不同层面的优化问题，既要使电动汽车充放电用电效益最大、成本最小，同时也要考虑市场出清电价交易机制。下层优化模型以电动汽车用电效益最大化目的，并考虑其各个商管辖内电动汽车的行驶特性，以及各物理特性约束条件。上层优化模型主要为市场出清模型，电动汽车用户根据自身用电情况，向所属商申报次日电量需求。电动汽车商通过把每时段接入系统的电动汽车用户申报电量信息进行统计，并预测每时刻各发电商报价水平，以及各竞争对手报价，从而决定自身的报价策略。市场出清机制根据各方所报价格决定各参与者电量（发电量和用电量）。商根据市场竞价获得的用电量，从而优化所管辖区内电动汽车的充放电功率。该文主要考虑发电侧与电动汽车商竞价，不考虑其他可控负荷参与市场竞价。

3原对偶内点算法

原对偶内点算法是基于对数障碍函数法，由于原对偶内点算法的提出，故对数障碍函数法被重新用来求解线性规划问题。原对偶内点算法在数学上描述。

4数据仿真分析

4．1电动汽车参数笔者采用含电动汽车商参与电力市场竞价来说明该文所提模型的有效性和求解方法的可行性。假设某区域电动汽车商5000辆私人电动汽车参与市场竞价，获得各时段电动汽车充放电电量，其电动汽车型号为RAV4SUV［16］，各项参数如表1所示。根据美国交通部联邦公路管理局对全美国家庭私人开车出行进行调查的结果［17］，从统计数据中获得其私人电动汽车平均最后一次出行结束时间、有效充放电时间段以及平均日行驶里程，其数据如表2所示。

4．2发电商数据参数考虑到电动汽车行驶特性，电动汽车一般在夜间交由商进行充放电控制。因此，笔者将报价策略周期设置为中午12∶00至次日中午12∶00，调度周期以小时（h）为单位。假设在该电力市场中有3个常规机组发电商与1个风电发电商，其发电机组Pmint，k＝0，Pmint，k＝50MW。根据PJM公司公布发电商报价数据，选取3个发电商各时段平均报价数据［18］为预测发电商报价，如图1所示。风电不参与市场竞价，各时段风电出力预测采用文献［19］数据。

4．3电动汽车商报价策略分析在系统中各时段不可控负荷曲线如图2所示。笔者主要设计2种充放电模式，模式I参与电力市场竞价获得市场出清电价以及电动汽车充放电电量；模式II为自由充放电，当电动汽车接入系统时，便以额定功率先进行放电，然后对其充电，直至充满，不进行市场竞价，采取的是不灵活充放电模式。电动汽车各时段报价策略如图3所示，可以看出，电动汽车平均接入系统时间为18∶00，而在18∶00—24∶00期间，系统中不可控负荷用电量最大，为峰荷时段，各发电商报价也最高。因此，商选择在这几个时刻进行放电，报价比其他时刻高，获得放电收益。而在24∶00—07∶00期间，不可控负荷用电量减少，此时为系统谷荷时段，各发电商报价较低，因此，选择在这几个时段进行充电电量的竞价。模式I，II的充放电成本分别为1091．4，1305．3＄，电动汽车商进行竞价所获得的充放电成本比不灵活充放电模式降低213．9＄／MW。充分说明电动汽车参与市场竞价有效地降低了电动汽车充放电成本，验证了所提模型的可行性。由于电动汽车具有放电的功能，若电动汽车只针对充电参与市场竞价，其报价策略如图4所示。电动汽车商将主要集中在24∶00—07∶00时段参与竞价，并获得充电电量。笔者所提充放电报价策略模型和文献［20］所提模型所得充放电成本分别为1091．4，1507．8＄，其充放电成本能有效降低416．4＄／MW。

5结语

随着电动汽车的广泛投入使用，如何有序控制以及整合系统中分散的电动汽车参与市场竞价，将成为未来电力市场发展一个值得研究的问题。基于电力市场竞价框架，笔者提出了电动汽车商参与市场竞价的双层优化模型，上层以社会效益最大化为目标，下层以电动汽车充放电效益最大为目标。通过KKT条件将双层优化模型转化为单层优化模型，为了能快速求解，采用非线性互补函数将非线性不等式约束转化为等式约束，并通过原对偶内点算法求解模型。最后，通过含电动汽车商参与竞价的电力市场竞价机制，对所提模型进行仿真分析，验证了该文所提模型的有效性和可行性，为电动汽车参与市场竞价提供了理论基础。

作者：杨亚雄 杨洪明 张俊 单位：长沙理工大学 智能电网运行与控制湖南省重点实验室