基于虚拟SSB蓄电池模型的集群电动车可行区域定量方法及其在电氢耦合微电网线路平滑功率波动中的应用

2026-07-28 20:38:06

随着高渗透性挥发性电力（如光伏）大规模整合进电网，微电网与主电网互联线路的电力波动幅度急剧扩大，给传统能源系统维持安全稳定运行带来了巨大压力。为解决微电网自律资源有限导致调节能力薄弱的问题，提出了一种“资源聚合”-“资源调控”架构，适用于大型电动汽车的电氢耦合微电网。首先，为了减少对异质时间变化资源（如差异化电动车）可调性表征的复杂性，基于虚拟电池（VB）模型统一量化多时间尺度的可行功率区域。随后，采用宽松的闵可夫斯基求和方法高效聚合集群电动车的可行功率区域，提高模型求解效率，同时保护用户隐私。严格推导和证明是数学方法提供的。其次，针对光伏输出波动的不确定性，通过动态时间扭曲（DTW）探讨历史时间序列曲线的形状相似性，并利用K均值聚类算法构建了情景缩减模型。基于此，建立了考虑电动车和电氢耦合单元调节灵活性的微电网电力平滑随机优化模型，充分挖掘多能互补设备的调节潜力。模拟结果显示，所提模型通过协同优化电动汽车集群和电氢机组的灵活调节能力，显著抑制联网线路的电力波动，提升能源微电网运行的安全性和稳定性。此外，虚拟电池模型具有良好的泛化能力，可以扩展到其他灵活资源。
集成能源微电网（IEM）在提升电网灵活性方面发挥着重要作用[1,2]。通过利用可调节的负载侧资源和多种能量耦合单元，入耳式显示器能够满足不同的法规要求，实现多种能源形式的互补利用。
氢作为清洁的次级能源，具有多种转换形式，能源使用效率高，近年来其在能源系统中的地位逐渐提升[3]。通过将电能转化为氢气，再将氢转化为可用的热能或电能，氢气可以与其他形式的能量相互作用，形成电氢耦合的能量利用系统。由于直接氢气的高效利用，优先将其应用于需要高质量能源的场景，如具有高灵活性要求的分布式能源微电网，可以大大提升整个能源系统的效率和灵活性。目前，电氢能微电网架构已初步应用于低碳经济调度[4,5]和新能源适应[6,7]等领域，但尚无关于平滑能源微电网中波动性电源输出的研究报告。
电动汽车（EV）具备移动储能特性，能够实现与能源微电网（车电网，V2G）的双向能源交互，使其成为负载端重要的灵活资源[8]。电动车分布在系统结构的较低层级，且相对隔离于系统的控制信号，使其难以直接参与调度。因此，要充分利用负载侧资源的灵活调节能力，有必要整合电动汽车[9]。当前的研究通常涉及对电动汽车的调节特性进行建模，然后直接分配电力。该方法在处理少量EV时高效且准确，但会导致大规模EV集群的计算复杂度急剧增加，被称为“维度诅咒”[10]。基于[11]中提出的控制优先级的聚类方法有助于电动车的能源管理，但实际上并未简化解过程中的维度问题，因为每个子集仍需优化。[12,13]中的数据驱动方法预测电动汽车集群参与系统监管的能力，有助于理解电动汽车的运行模式及其对电网的影响。然而，这些方法忽视了灵活资源的实际可调容量，即电动汽车的灵活性不是静态的功率曲线，而是一个涉及多变量复杂关系的决策空间，定义了在不同条件下的可行运行续航，并受多种因素（如电池状态和充电需求）影响。这些问题使得对电动汽车集群进行精确的定量分析和协调控制变得极为复杂。有必要有效汇总EV簇的功率可行域，并构建标准化的外部特征描述[14,15]。这一标准化描述不仅清晰反映了电动车集群的整体控制能力，还为电力调度机构提供了一个直观且易操作的界面，使其能够灵活调度和管理大型电动车资源，适应不同的运营场景。
描述集群资源可行领域的方法可分为自上而下和自下而上两种方法。自下而上的方法描述单个设备的灵活性可行性领域，并将其汇总以表征电动汽车、热泵和空调等异构资源的灵活性，更为有利[16]。聚合资源灵活性可行域的核心在于欧几里得空间中的加法运算，即闵可夫斯基和。此前的研究提出使用凸多胞体的半平面表示来描述资源灵活性，这相比传统顶点表示提高了计算效率，但仍无法满足大规模资源聚合的需求[17]。高维可行域空间的精确聚合仍然具有计算上的挑战。现有文献采用外近似方法修改多面体[18,19]，或基于带边形[20]和超椭球体[21]对资源可行域进行内近似。然而，资源灵活性的量化和建模难以统一。考虑到可行域修改的复杂性，资源灵活性的描述往往过于理想化，难以直接应用于具有复杂调控特性的资源，如电动汽车。
为解决上述问题，提出了一种考虑集群电动汽车（EV）和氢电耦合单元灵活性的能源微电网并线平滑模型。
本文的贡献可总结如下：

• 1)
  为了减少对电动汽车资源可调容量的复杂性，采用虚拟电池（VB）模型来统一量化电动汽车的可分化功率可行域。该方法可扩展至其他灵活资源，如恒温控制负载和工业负载，具有高度适应性;
• 2)
  采用宽松的闵可夫斯基和方法来聚合集群电动车的功率可行域。通过积分决策变量，聚合器层面优化求解的维度显著降低，从而显著缩短计算时间;
• 3)
  考虑到光伏输出波动不确定性情景下时间序列曲线形状的相似性，建立了基于DTW-K均值情景简化的微电网电力平滑随机优化模型。