发电电动机控制（精选7篇）
发电电动机控制 第1篇
我国的天然气沼气资源十分丰富, 相对于我国丰富的燃气储量, 燃气在我国一次能源消费中所占比例显得太小, 未来具有大幅提高的潜力, 现在每年燃气发电机组的需求量是上千万台, 发电机组中发动机为最关键的部件, 因此对发电机组中发动机的控制研究十分必要。其结构方案如图1所示。
1 燃气发动机的设计
1.1 燃气供给系统
无论是天然气还是沼气, 其中最主要的燃烧成分是甲烷, 只是天然气的甲烷含量比沼气要高 (通常天然气中甲烷为90%左右, 沼气中为40%-60%) , 沼气在实验室的条件下通常不容易获得, 当天然气的压力温度和沼气一样的情况下, 以天然气替代沼气做实验完全可以满足控制过程和实验要求, 当燃料换成沼气时只需要改变沼气的进气量即可。通常沼气池里面沼气的压力为4-10kpa左右, 将20Mpa的CNG变成5kpa气体压力需要经过3级降压和稳压, 一级降压:20Mpa->8Mpa, 二级降压8Mpa->1Mpa, 三级降压1Mpa->5k Pa, 再经过稳压阀稳压。
燃气发动机的燃气系统为单点系统, 单点的燃气系统采用比例式混合器同时为每个缸供混合燃气。天然气和空气通过混合器进行混合, 比例式混合器以相对固定的比例将空气和燃气混合, 并且在燃气的进气管道通过步进电机进行控制其通过量, 比例式混合器一定要放在增压器前, 如果放在增压器后, 在增压比较小时, 发动机运转正常, 一旦增压比有所增大, λ值就迅速变大, 混合气就变稀, 实际的发动机功率也较小, 甚至熄火。
1.2 燃烧室和压缩比
在燃烧系统中, 由压燃式改为点燃式, 需要去掉原机的柴油喷射系统, 以点火系统代之, 因此, 对气缸盖和燃烧室进行了改进。火花塞布置在原柴油机喷油器的位置, 压缩比从原机的16.0降低到12.0, 这样可使原气缸盖结构基本不变, 有利于气缸盖的安装与布置, 同时缩短了燃烧室的火焰传播距离, 降低了对燃料辛烷值的要求, 有利于防止爆震的发生和提高发动机热效率。
1.3 燃烧方式
目前燃气发动机主要有两种燃烧方式:理论空燃比方式和过量空气系数λ>1的稀薄燃烧方式。在理论空燃比下燃烧发动机受到大负荷爆震燃烧的限制, 导致发动机的平均有效压力降低, 而且还会造成发动机缸内温度以及排温都很高, 降低发动机的寿命。增压CNG发动机不能采用理论空燃比燃烧, 因为发动机增压后进气温度较高, 容易产生爆震并且直接由柴油机改成的燃气发动机所能承受的热负荷不可以太高, 太高会降低发动机的使用寿命。稀薄燃烧采用较大的过量空气系数, 通过过量的空气降低燃烧温度来降低热负荷及排温, 同时提高燃料的经济性。发动机不同节点工况的过量空气系数是不同的, 需要根据发动机的负荷、燃料经济性、排温、爆震等因素综合确定。通常发动机在高速大负荷情况下过量空气系数较大, λ=1.4~1.6;在低速小负荷时, 值稍小。
1.4 控制系统
发动机的控制系统主要包含:控制模块、点火线圈、火花塞、电子节气门、比例式混合器、减压阀 (同时也起稳压作用) 、废气旁通控制阀。
控制系统的主要控制部分:
1.4.1 点火系统
燃气发动机采用了火花塞点火方式, 将原柴油机从压燃式改为点燃式。而对于稀燃增压发动机而言, 要求在高空燃比和高的进气密度下点火, 因而对点火电压和点火能量要求更高。燃气发动机的点火系统采用高能直接点火系统:每缸单独使用一个点火线圈和有利于减少能量损失的短高压阻尼线, 配合针状铂金电极火花塞, 产生尖端放电效应, 系统的点火能量高且稳定可靠, 完全满足稀薄燃烧发动机的要求。
1.4.2 旁通控制阀开度
在增压器涡轮处安装的废气旁通阀上装有膜片一推杆机构, 外界压缩空气作为动力源作用于膜片上, 压缩空气压力越大, 废气旁通阀开度越大。压缩空气压力由旁通控制阀控制, ECU发出PWM信号控制其开度大小。启动和怠速时, 节气门的开度很小, 故增压压力目标值较小, 旁通控制阀会全关, 使得废气旁通阀一直保持全开, 旁通大部分废气;当发动机需要高的增压压力时, 旁通控制阀会全开, 使得所有废气都驱动涡轮旋转。
1.4.3 宽裕氧传感器控制
采用BOSH宽域氧传感器实现闭环电控。普通氧传感器 (开关型) 只能测出排气中氧是多或少, 仅用在λ=1的场合。宽域氧传感器能精确测量排气中氧的含量, 从而实现在不同过量空气系数下的闭环控制。
1.4.4 电子节气门和步进电机
闭环控制电子节气门用于控制进入发动机的可燃混合气量, 可燃混合气量决定了发动机的最终功率和转速, 开环控制步进电机用于控制发动机可燃混合气的浓度。
2 燃气发动机的标定
2.1 怠速标定
怠速转速稳定, 发动机的转速主要通过控制电子节气门的开度控制结合点火提前角进行辅助控制, 再通过发动机的水温进行修正。
2.2 燃气发动机全工况空燃比的标定
发动机的充气效率受不同发动机的差异以及发动机本身不同部件精度的影响, 运动件磨损例如气门密封带、动力传动系统等, 会影响充气效率, 此外如果发动机的进气、排气系统或缸盖发生了变化, 也会影响充气效率的。空燃比对发动机的燃烧和排放物的生成有非常重要的影响, 可以说, 空燃比的控制精度决定了排放水平, 其标定结果如图2所示。
2.3 发动机点火的标定
发动机ECU根据发动机的转速和负荷精确控制点火时刻, 有效控制排放;同时根据蓄电池电压等信号, 精确控制点火线圈一次侧线圈的通电时间, 以保证有效的点火能量。点火提前角的标定根据最大扭矩对应最小提前角的原则, 从小提前角开始, 逐步增大提前角, 找到最大扭矩, 最大扭矩对应的最小点火提前角即是所需要的。从小提前角开始, 逐步增大提前角, 找到最大扭矩, 最大扭矩对应的最小点火提前角即是所需要的。发动机在选定的点火提前角下工作时, 都不应发生爆震。点火提前角是转速和进气压力的函数, 标定出的map图如图3所示。实际应用时将点火提前角设置成比map图中点火提前角小的值, 目的是发动机加载实验时可以通过点火提前角的补偿, 让发动机快速回归目标转速。
2.4 燃气发动机加载标定
燃气发动机发电时需要稳定的转速是1500RPM, 通过控制电子节气门、点火提前角及步进电机让发动机的转速尽快恢复到目标转速。当燃气发动机加载时, 电子节气门通过前馈加PID控制, 迅速开大节气门开度, 加大发动机的可燃混合气的进气量;提高点火提前角, 点火提前角的提高对提升发动机的输出扭矩效果十分明显;步进电机的控制是让燃气以最大的节流面积流入发动机, 增加混合气中燃气的浓度。根据国标GB2820.5发动机加载后的反应速度可以达到G2标准, 当发动机减载时, 可以跟上面进行相反的控制达到目标值。
结束语
对原柴油机进行重新改装, 将进气系统和燃烧系统等进行重新设计, 采用了稀薄燃烧、增压中冷、空燃比闭环控制的单点电控连续喷射和高能直接点火多项技术。对设计好的燃气发动机进行各个传感器执行器进行重新标定, 然后进行加载试验。结果表明动力性和经济性均满足要求。
摘要：文章对某型号柴油机进行了改造, 使其适用于燃气发电机组系统的要求, 主要包括燃烧系统、高能点火系统、燃料供应系统以及发电机组的控制系统等。同时对稀薄燃烧、怠速标定、1500RPM加减载标定, 对电控系统进行全工况内点火提前角的标定。最后对标定的发动机进行性能试验。试验结果表明:可以满足国标GB2820.5发动机加载后的反应速度G2标准。
关键词：燃气发动机,标定,控制
参考文献
[1]王国华, 李静波.符合循环经济的稀薄燃烧6112LPG发动机的开发[C].重庆:重庆汽车研究所论文集, 2005, 11.[1]王国华, 李静波.符合循环经济的稀薄燃烧6112LPG发动机的开发[C].重庆:重庆汽车研究所论文集, 2005, 11.
[2]成有, 杨伟.EMS发动机管理系统中智能标定系统的研究[EB/OL].[2]成有, 杨伟.EMS发动机管理系统中智能标定系统的研究[EB/OL].
发电电动机控制 第2篇
电动汽车在环境保护和保障能源供应安全等方面有着传统汽车无法比拟的优势, 受到了广泛关注[1,2]。电动汽车的大规模使用产生的充电负荷将对电力系统运行产生深刻影响。20世纪80年代的研究已表明当时的电网难以满足不加控制的电动汽车充电需求[3]。近年来, 美国等地的多项案例研究也对此做了进一步证实[4,5]。充放电控制是抑制充电负荷对电网不利影响和保障系统供电的有力措施。同时, 电动汽车具有一定储能能力, 为电力系统提供了丰富的可控资源, 开展充放电控制能够实现负荷调度, 促进可再生能源电力吸纳, 产生多种效益[6,7]。
为发挥充放电控制效益, 研究人员从不同层面对充电控制策略进行了讨论[8,9,10,11,12]。在输配电网层面, 尽管诸多文献[11,12,13,14]利用集中控制模型对充放电控制平滑负荷曲线、降低发电成本的效益进行了分析和测算, 但由于电动汽车数量众多、约束条件复杂, 集中控制模型难以给出完全满足电动汽车约束和用户使用需求的控制方案。相比而言, 分布式框架下, 用户可以根据出行计划借助充放电管理设备对充电过程优化。分布式控制能够利用用户对自身出行计划的了解, 在相对确定的条件下实现优化, 充分满足电动汽车使用约束。同时, 它仅要求用户上报充放电功率曲线而无需上报电动汽车物理参数和出行计划, 在保护用户隐私方面也极具优势。采用分布式方法还可以避免对容量差别很大的发电机组和电动车辆同时优化, 避免病态问题的出现。
如何协调大规模电动汽车的充放电过程、优化系统运行、降低发电成本是该类分布式控制的核心问题。文献[15]提出了充电站层面的分布式控制方法, 使购电费用最小。基于博弈论分析, 文献[16]提出了一种能用于充电控制使负荷波动最小的分布式方法。文献[17]则构造了一种基于凸分析的分布式控制的迭代过程, 可扩展至充放电控制、追踪风电变化等问题;但该方法中, 单一车辆的控制问题与电动汽车数量有关, 当电动汽车数量较大时, 单一车辆问题病态化, 会影响方法的可用性。归结地讲, 这些研究具有以下几点局限:不能处理有耦合约束的问题, 仅考虑电动汽车间的相互协调, 忽略了电动汽车与发电机组间的协调;仅能解决负荷波动平抑等凸问题, 不能直接优化具有非凸性的发电成本;对大规模电动汽车的适应性不强, 或功能有限、使用条件局限, 或可处理的电动汽车数量有限。
针对此, 本文提出了一种基于拉格朗日松弛LR (Lagrangian Relaxation) 的分布式充放电控制机制, 协调电动汽车与发电机的运行, 降低系统发电成本。考虑到拉格朗日乘子数目对收敛性的影响, 本文尚未计及线路传输容量约束。
1 分布式充放电控制方法
与集中式控制中调度机构直接下达充电指令不同, 分布式控制中, 调度机构根据系统运行状况发出调度信号, 用户接收调度信号优化充放电过程、确定充放电曲线, 并上报调度中心。当电动汽车数量较多时, 充放电策略会对电力系统运行状态产生显著影响, 因而需要进行多步迭代产生恰当的调度信号。图1给出了分布式充放电控制的一般流程。需要指出的是, 当系统规模较大、电动汽车数目较多时, 可设置电动汽车聚集体层, 构成树状的调度系统, 减轻调度中心的通信和数据汇总压力。
电价 (发电、辅助服务的边际成本) 信号能反映电能供需状况, 用户通常也以用电费用最省为充放电控制目标, 因而电价信号是一种理想的分布式充放电控制信号。当电价信号与采用集中式最优充电控制的电价接近时, 表明2种控制下电力系统运行方式接近, 分布式控制的效果与集中式控制效果接近。
直接采用上一次迭代产生的电价作为本次迭代中的调度信号会导致用户充放电曲线振荡、迭代过程不收敛, 此现象在文献[16]的研究中已得到证实, 不再赘述。从流程上看, 促进迭代过程收敛可采用以下2种方法:在迭代过程中采用恰当的电价信号修正方法;调整用户的优化目标。文献[16]、[17]从后一种思路出发, 分别在用户优化目标中加入表示本次迭代充放电功率偏离上一次迭代所有用户平均或自身充放电功率的项, 保证问题收敛。本文从前一种思路出发, 基于LR、采用次梯度法对电价信号进行修正。
2 充放电控制模型
发电成本是衡量电力系统生产经济性的重要指标, 此处以日发电成本最小为优化目标:
其中, fi、si分别为发电机组燃料成本函数和机组启停成本;pi, t、ui, t分别为t时刻机组i的发电功率和启停状态。
电动汽车充电控制过程中需满足以下约束。
a.系统约束。
系统约束包括功率平衡约束和备用约束, 如下所示:
其中, PL, t为t时刻不计充电负荷时的系统负荷;puri, t、pdri, t分别为机组i可提供的向上、向下备用容量;prpchj, t为t时刻电动汽车j的并网功率;Rut、Rdt分别为t时刻系统向上、向下备用容量的需求, 取决于负荷波动和机组停运等因素。
b.机组约束。
发电机组约束包括机组最大/最小出力、爬坡速率、连续开停机时间以及开机后第一小时和停机前最后一小时出力水平等, 与机组组合UC (Unit Commitment) 问题类似, 不再赘述。
c.电动汽车约束。
受出行需求限制, 仅能在电动汽车未出行的并网时段内进行充电控制。设电动汽车j在tarr时刻结束上一行程、并入电网, 此时电动汽车的荷电状态为SOCj, arr;电动汽车在tdept时刻出发, 出行过程中所需能量为ejcons。用户出发时所需的荷电状态SOCj, dept为:
其中, Ej, max为电动汽车的储能容量。
在ttplug=[tarr, tdept]的时段范围内进行充放电控制 (以下各式的t均在此范围内) 。仅考虑充电过程时, 电动汽车需满足充电电量约束和充电功率约束, 如下所示:
其中, pchj, t为t时刻电动汽车j的充电功率;ηc为充电效率;Δt为时段长度, 可取为1 h。引入式 (7) 的目的是保证充电控制和充放电控制下系统功率平衡约束具有相同形式。允许电动汽车向电网放电时, 还需对电池的储能水平加以限制, 以满足用户出行以及电池使用的基本要求, 即:
其中, Ej, t和pdisj, t分别为t时刻末电动汽车j的储能水平和t时刻的放电功率;Ej, arr和Ej, dept分别为到达和出发时刻电动汽车j的储存能量;ηdc和Ej, min分别为放电效率和最低储能水平;pdisj, max为最大放电功率, 可由pchj, max以及充放电效率折算得到。
当以供电成本或充放电费用为优化目标时, 考虑充放电效率, 电动汽车不能同时充放电的约束可以自然满足, 模型中未将其列出。式 (5) — (15) 给出了单一电动车辆在一个并网时段中的充放电控制约束。用户多次出行会将研究周期分割为多个并网时段。它们可以通过出发时刻荷电状态SOCj, dept、行驶过程中耗能ejcons以及到达时刻荷电状态SOCj, arr相互关联。根据出发时间、出行距离, 可以形成用户全天的充放电功率约束。
以上模型具有如下特点:机组、电动汽车受到单机约束的同时, 通过系统约束相互耦合;耦合约束数目相对较少;单机约束数量与电动汽车数量密切相关。
上述模型用于系统日运行计划和用户日前充放电计划的制定, 因而采用了确定性的用户出行计划数据。尽管对于系统调度人员而言, 大量电动汽车的整体出行行为具有一定的随机性和不确定性, 但对单一用户而言, 自身的出行计划却是可知的、相对确定的, 如用户上下班出行时间就相对确定。从出行约束处理和出行需求满足的角度看, 相比集中式 (调度) 控制, 分布式 (用户) 控制充分利用了用户自身所掌握的信息, 所需处理的约束更为确定, 因而更具优势。
基于确定运行计划的日前充电安排, 实现了充电负荷和发电机组在计划上的协调配合。用户临时的、紧急的充电需求可通过系统运行的实时调整和实时充电控制实现。
3 基于LR的分布式充放电控制方法
LR是一种大规模优化问题的分解算法, 其基本思想是利用对偶因子将耦合约束松弛, 将原问题转化为一个分层迭代求解的鞍点问题。下层求解一系列规模较小的子问题;上层通过对偶因子的更新实现子问题间的协调。LR在电力系统优化特别是UC中得到广泛应用[18,19,20], 本文方法正是以LR求解UC为蓝本的。LR可将原问题分解为单一机组优化运行和单一车辆充放电优化问题, 同时, 对偶因子对应于发电、备用边际价格 (成本) 的概念, 非常适用于分布式充放电控制。
3.1 问题分解
引入对偶因子λt、μtu和μtd将耦合约束 (2) — (4) 松弛, 加入目标函数, 形成原问题的对偶问题:
与UC类似, 该对偶问题具有良好的变量分离特性, 可以拆解为单机优化问题和单一车辆优化问题。下层的单机优化问题与UC中类似, 而单一车辆优化问题具有如下形式:
或
式 (17) 、 (18) 分别描述了充电和充放电控制问题。λt由上层计算给定, 此时它们为线性规划问题, 可采用单纯形法、动态规划法等方法求解。
3.2 可行解构造
非凸问题的对偶最优解一般对应于原问题的非可行解。利用LR求解UC问题时, 会将对偶解的整数部分 (即发电机启停状态) 代入原问题。原问题退化为发电经济调度问题, 求解该问题得到发电机出力水平。当该组整数值不是原问题可行解时, 需采用启发式方法构造原问题可行解。
电动汽车数量庞大, 无法在原问题中对电动汽车充放电功率优化, 因此将子问题中求得的充放电功率汇总后直接代入原问题, 并采用罚函数处理功率平衡和备用约束不满足的情形。选取罚因子时, 应保证罚因子大于发电或备用的边际成本。罚函数的引入可以避免迭代过程中每一步修正整数变量取值、构造原问题可行解的繁琐, 只需在对偶间隙达到收敛门限、求解过程收敛后, 采用已有方法进行一步可行解构造。
3.3 基于LR的分布式充放电控制流程
参照LR求解UC问题的过程, 提出了基于LR的分布式充放电控制流程, 如下所示:
a.选取一组初始的对偶因子 (即发电和备用的边际价格) 作为调度信号;
b.在给定的信号下, 求解单机优化问题和单一车辆优化问题, 并将结果上报调度中心;
c.调度中心根据上报信息, 计算对偶问题目标函数值L和原问题目标函数值J;
d.调度中心计算相对对偶间隙dual= (J-L) /L, 根据对偶间隙取值判断问题是否收敛, 若收敛转向步骤e, 若不收敛则更新对偶因子, 转向步骤b;
e.各车辆的充放电功率即为最优功率, 并可以根据对偶问题解构造可行的发电调度计划。
本文选用次梯度法进行对偶因子更新。LR对偶因子在更新过程中反映了机组启停的影响和发电成本变化情况, 采用LR对偶因子作为调度信号更有利于发电成本的优化。
3.4 计算耗时分析
文中方法耗时主要发生在子问题求解、发电经济调度问题求解和信息交换环节。分布式结构下, 单一车辆子问题和单机子问题并行求解, 而前者 (线性规划) 复杂度远低于后者 (混合整数规划) , 决定子问题求解环节耗时的单机子问题。
因而, 文中方法仅比LR求解UC多出了信息交换时耗。LR求解一般UC问题的计算效率已被丰富的研究实践[18,19,20]证实。从计算效率和耗时角度而言, 随着低延时通信设施的建设和智能电网的完善, 文中方法将能够用于实际。
4 算例分析
以IEEE-RTS1979系统[21]为例分析, 剔除了其中300 MW的水电装机, 并对负荷进行等比例折算, 折算后最大负荷为2 550 MW。假定该系统中含有50 000辆电动汽车 (以全国8 000万辆私人汽车、最大用电负荷500 GW进行等比例折算, 电动汽车比例约为12.5%) 。电动汽车划分为50个聚集体电动汽车, 每个聚集体下辖1000辆电动汽车。电动汽车出行时间和出行距离的分布情况参见文献[22], 车辆类型分布如表1中数据假设。
4.1 与已有方法对比
集中式方法可处理的问题规模有限, 无法计及每辆电动汽车的充放电约束。为进行算法对比, 人为构造一个电动汽车群, 要求各聚集体下辖的电动汽车参数完全一致, 根据相关分布抽样产生。对以下几种调度方法进行对比。
a.方法1, 即集中充电调度。将第2节中电动汽车的充电约束以1∶1000放大, 构成聚集体约束。得到聚集体的充放电功率后, 将其均分给下辖的电动汽车。对这种下辖电动汽车参数一致的聚集体而言, 聚集体满足约束意味着电动汽车也能满足相应约束。因而, 集中调度是可行的, 其结果可以作为最优结果衡量分布式方法的有效性。
b.方法2, 即平抑负荷波动的分布式方法[15]。通过该方法可以得到电动汽车充放电功率;将充放电功率与系统常规负荷叠加, 代入UC模型可获得发电计划和系统生产成本。为避免病态问题的引入, 采用本方法时也“放大”了电动汽车及其约束。
c.方法3, 即本文提出的分布式方法。此时, 单一车辆优化问题与电动汽车数量无关, 对大规模电动汽车适应性较强, 无需进行“放大”处理。
如表2所示, 方法1对统一调度系统可控资源, 生产成本最低;方法2、方法3成本略高于方法1。可见, 分布式方法可得到近似最优的控制效果, 但能处理的问题规模却远大于集中式方法。同时, 与方法2类似, 方法3对充电控制和充放电控制都有较好的适用性。
与方法2相比, 方法3不仅考虑了电动汽车间的协调, 而且考虑了电动汽车与发电机组的协调, 因而方法3对发电成本的优化效果更为显著。火电机组的运行受连续开停机时间、爬坡速率等跨时段约束的限制;当负荷曲线不能被完全拉平时, 发电成本不仅与当前负荷水平、发电调度计划相关, 而且与相邻相近的时段负荷水平和调度计划有关。方法2有利于每个时刻发电成本的优化, 但不能保证一定时段内的优化。忽略跨时段的机组约束和启停成本后, 方法2和方法3得到的控制方案和发电成本均十分接近。其中, 方法2得到的发电成本为$677 937.8, 方法3为$677938.1。当可控负荷规模足够大、负荷曲线能够被拉平时, 各时段运行方式差别不大, 方法2和方法3优化发电成本的效果将十分接近。
4.2 仿真分析
根据相关分布, 由随机抽样、模拟得到50000辆电动汽车的技术和出行参数;同一聚集体下辖的电动汽车的参数也不完全相同。电动汽车充电需求为945.62 MW·h, 约占总负荷电量的1.6%。
表3为快速充电 (CaseⅠ) 、充电控制 (CaseⅡ) 和充放电控制 (CaseⅢ) 3种情形下系统的生产成本, 其中CaseⅡ和CaseⅢ采用本文提出的方法。相比于快速充电而言, 充电和充放电控制下发电成本有所降低。对一般性的大规模电动汽车群而言, 本文所提出的方法依然有效。
充电控制通过平抑负荷波动、减少机组启停, 降低了系统发电成本。充放电控制下, 尽管启停成本有所上升, 但通过控制电动汽车充放电过程, 可使其与发电机组协调运行, 提高火电机组运行效率, 降低单位火电成本, 从而降低总的生产成本。
图2给出了CaseⅡ和CaseⅢ中算法的收敛过程, 可见算法经过10~20次迭代即可收敛, 计算效率较高。与充电控制相比, 充放电控制收敛速度更快。定性地说, 电动汽车放电为系统提供了更为充裕的可调度资源;系统可以调度更多资源“填补”对偶间隙。利用LR算法求解UC问题时, 随着可启停的机组数目的增多, 对偶间隙减小。两点有共通之处。需要指出的是, 无论是充电控制还是充放电控制, 收敛过程中均有的一定的振荡, 这有待进一步研究、改进。
5 结论
电动汽车数量众多、约束复杂, 这决定其充放电控制必须通过分布式机制实现;本文对分布式控制机制进行了总结。针对已有方法的局限性, 本文提出了一种基于LR的分布式机制, 降低系统发电成本。该方法具有以下优势:实现电动汽车间协调运行的同时, 实现了电动汽车与发电机组的协调运行;降低了发电成本, 提升了系统运行的经济性;可以处理约束耦合、目标函数非凸的其他类型的充放电控制问题, 适用范围更广;对大规模电动汽车群适用性较强。
本文所提出的方法适用于其他类型或可控负荷, 可为负荷调度的实现提供思路。但本文尚未涉及电动汽车与可再生能源电力的协调运行, 也未考虑电力系统网架约束, 这些问题有待进一步研究、完善。
摘要：分布式充放电控制在降低问题求解难度、保护用户隐私方面具有集中式控制无法比拟的优势。给出了分布式充放电控制一般流程。针对现有方法仅能平抑负荷波动的局限性, 提出了一种基于拉格朗日松弛法的分布式充放电控制方法, 实现电动汽车与发电机组的协调运行, 降低发电成本。该方法以对偶因子作为调度信号, 通过对偶因子的更新逐渐逼近集中控制最优解。IEEE-RTS1979算例分析证实, 该方法降低发电成本的效益更为显著, 对大规模电动汽车群适应性更强;能够解决目标函数非凸、约束耦合的发电成本最小化问题, 适用范围更广。
发电厂大型电动机检修及故障处理 第3篇
在发电厂各类大型电动机中, 引风机、送风机、排烟风机、磨煤机和给煤机由于运行时间较长且做功量巨大, 所以在运行中发生故障的几率相对于其他大型电动机设备来说要大很多。而这些设备又是发电厂运行所需的最基本的设备, 所以对这些设备的故障的预知以及处理显得尤为重要。定期对这些大型电动机进行运行维护可以及时发现设备运行中的故障, 及时做出处理和维护工作, 大大减少设备运行中故障甚至事故的几率。本文主要从大型电动机运行过程常见故障出发, 陈述电动机检修的重点和方向, 提出检修的方案和处理故障的方法[1,2]。
1 大型电动机运行常见故障
对发电厂大型电动机运行过程中常见的故障进行分析和总结, 并且寻找预防治理这些故障的方法对电厂设备的安全运行尤为重要。发电厂大型电动机运行中常见的故障主要有:
1) 火电厂电动机定子线圈的运行故障, 总体上来说大型电动机定子线圈运行故障可分为两类:首先是槽内及槽口部分运行问题;其次是端部线圈及过线, 端部连线部位的故障。端部线圈故障主要是振动磨损, 如线圈之间的绝缘垫片松动磨损造成短路, 线圈背部压环松动, 磨损线圈而造成接地短路。
2) 火电厂大型电动机引线、接头等故障, 这类故障发生的主要原因常常是:a.街头部分接触面积小, 接触面不干净或者接触不实等;b.由于目前发电厂大型电动机接线采用铜鼻子, 一些较为早的电缆线则采用铝, 根据原电池原理在二者的接触面上常常会发生腐蚀;c.电动机引线断股及引线绝缘裂纹;d.接线盒空间狭窄而使引线与外壳部分之间有挤压、摩擦e.接头部位包的绝缘层不合格。
3) 轴承部分的故障, 轴承是大型电动机运转必须使用的部件, 轴承的安全运行是运转设备正常运行和工作的前提。对于轴承来说, 该部分的故障大多发生于轴承的震动, 轴承震动过大会使轴承运行过程中受力不均匀甚至局部受力过大, 从而造成轴承设备的损坏。
4) 人为因素引起故障, 主要包括轴承清洗的不干净, 使用的润滑油不符合清洁要求, 轴承或其安装不符合标准, 安装过程中使用的润滑油过少及组装不到位等。
5) 电动机转子鼠笼部分的故障, 主要发生在鼠笼转子上, 双鼠笼转子最经常发生的故障是外笼条断裂、开焊, 甩出的笼条划坏定子端部线圈等[2]。
2 故障处理方案
发电厂大型电动机的故障处理有时候比发现电动机运行中的故障更重要, 因为有时候即使发现了电动机的故障也很难及时的发现电动机故障原因并对之做出合理的处置。大型电动机故障处理方法是在对电动机故障了解的基础上总结出来的, 对处理方法和方案的了解可以是故障处理有条理的进行, 尽快解决运行故障。电动机的故障包括电动机本身、被拖动机械、控制电路、保护装置、电源及线路等几部分内容。出现故障时必须按程序进行判断和处理, 以免事故进一步扩大而产生其他影响。这里主要讨论发电厂大型电动机故障处理的程序和要点, 其主要内容如下:
1) 首先检查电源电压是否正常。检查盘柜上的电压表或用万用表检查电源总开关、断路器或熔断器式刀开关上闸口和母线上的电压。三相电源电压应平衡, 三相的电源指示灯点亮且亮度相同, 否则说明电源或线路有故障。
2) 检查保护装置是否已动作。保护装置动作后, 不得立即重新起动电动机, 必须做如下检查:a用人力拖动被拖动机械, 检查有无堵塞、卡死现象。盘车不动, 应将联轴器或传动带卸下;机械被卡死, 应通知设备人员进行进一步的检查;电动机盘不动, 应将前后轴承的轴承盖打开, 检查轴承及润滑油是否正常;轴承基本正常则应解体电动机, 检查定子与转子是否被卡死。b检查电动机接线盒的接线端子对地是否有短路现象。一般情况下, 刚停下的电动机不用摇表进行测量。c空试电动机的控制电路是否正常动作。空试指只有控制电路有电, 主电路开关元件和电动机不得电、检验各元件动作的状态。一般情况下应将控制电路的电源接在总开关的上闸口, 在总开关断开的情况下进行空试。同时检查控制电路的断路器或熔断器是否正常。必要时应将电动机负荷线从柜内临时拆开, 然后将电源开关合上, 带电空试控制电路, 并用万用表测量拆开处是否有电, 进一步判断开关是否结束不良或有空合现象。d手摸或用点温计测量电动机外壳, 若温度过高烫手, 必须拆开电动机与机械的连接, 进一步检查电动机。
3) 电动机无故障。若机械、电路也无故障、则可重新将断路器合闸或将热继电器复位 (按复位按钮) 或更换同规格熔丝, 空载起动电动机, 测试空载电流及电压, 若正常则可负载运行。否则, 应修理电动机、修理机械、修理电路, 正常后才能重新起动[3]。
3 大型电动机检修
在发电厂厂用电动机中数量最大的就是交流异步电机, 占总动力负载的80%以上这里就以鼠笼异步电动机为例说明状态检修的具体实施方法。其主要内容如下:
1) 设备的日常维护, 日常维护可以保证设备运行于较好的状态, 延长设备的运行寿命, 运行维护主要考虑以下几个方面: (1) 注意电动机周围环境防止飞灰、煤粉、水汽、油滴和油雾等进人电机内部, 造成绝缘受损。 (2) 注意电动机所带机械负荷的状态; (3) 轴承润滑加油。另外, 对电厂大型电动机的操作, 应严格遵守“厂用电动机的操作规程”。
2) 确定检修过程的监测点。状态检修的实施, 关键是要确定相应的状态监测点及采用相应技术实现监测。监测点要能全面反映设备的实际运行状况, 以便判断是否需要立即停机维修。对于电厂厂用电动机, 主要的监测点选取如下: (1) 定子放电监测, 电机定子的许多电气故障都呈放电现象。 (2) 定子电流的监测, 电动机的运行状况, 往往可以通过电机运行过程的电流反映出来。 (3) 温度监测, 电机温升也是反映电机运行状况的很重要的监测量。 (4) 振动监测, 如上所述电动机属于旋转设备, 旋转设备的震动往往是电动机故障的反映, 例如电动机轴承损坏、轴的故障、润滑油质变差等。 (5) 油质监测, 旋转设备的正常运行和其使用寿命有很大一部分是与其润滑分不开的, 油质变差会使润滑等环境变差, 从而使电动机故障, 影响电动机正常运行, 所以应该是检修过程的重点。
4 结论
发电厂大型电动机的安全正常运行是电厂各主要设备运行的基础, 关系到引风机、送风机、磨煤机等设备的正常顺畅运行, 所以进行电动机定期检修, 深入分析和及时处理电动机故障, 保证电动机的安全运行是电力生产正常运行的重要环节。本文从大型电动机常见故障、电动机故障处理方法以及大型电动机检修方案和步骤三方面阐述了大型电动机运行故障检修的主要内容, 简单总结了大型电动机常见故障, 提出了电动机故障处理的一般步骤和方法, 并且分析了大型电动机运行检修的主要内容。本文的结果可以为大型电动机的检修提供参考。
摘要：发电厂大型电动机的安全正常运行是电力生产正常运行的重要环节, 从大型电动机常见故障、电动机故障处理方法以及大型电动机检修方案和步骤三方面阐述了大型电动机运行故障检修的主要内容, 简单总结了大型电动机常见故障, 提出了电动机故障处理的一般步骤和方法, 分析了大型电动机运行检修的主要内容, 分析结果可以为大型电动机的检修提供参考。
关键词：发电厂,大型电动机,检修,故障处理
参考文献
[1]尚振文.高压电动机故障原因分析及预防对策[J].邢台职业技术学院学报, 2011, 28 (1) :67-69.
[2]胡怡妍, 方巍.发电厂厂用电动机的状态检修浅谈[J].浙江电力, 1998 (3) :29-31.
电动汽车用人力发电装置 第4篇
以处理和回收。一类是城市家庭、餐饮业等大量排出的餐厨垃圾, 其水分含量80%, 容易发酵、变质, 产生毒素和恶臭气体, 污染大气和水体;另一类是质量小、体积大的塑料制品, 它们被填埋后不易腐烂, 含氯塑料焚烧时会产生较高的热量, 还会产生有害气体, 因而产生了“白色污染”。同时, 以石油为原料的合成高分子材料使用后难以回收, 导致了环境污染, 并且有限的石油资源被大量消耗, 带来了严重的资源短缺问题。
电动汽车不能批量进入市场, 其主要原因是成本问题和充电配套设施问题。纯电动汽车的造价成本太高, 主要是锂电池装备数量大和容量低, 以及使用寿命较短的问题, 充电配套设施只有在大批量电动汽车上市才可能逐步完善, 所以制约纯电动汽车发展上市的重要环节就是电池的可持续功能。
“电动汽车用人力发电装置”技术解决了这一技术难题。匹配人力发电装置, 在汽车上持续补充电能。
发动机温差发电仿真系统研究 第5篇
关键词：发动机,排气,温差发电器,数值仿真
0 引言
车用温差发电系统的研究设计中,需要根据发动机的工作状态,分析温差发电器的转换性能,数字仿真是重要的计算工具。Ryosuke[1]建立了热流-电源的一维计算模型,采用SPICE软件进行电路的仿真;Lazard[2]在设计中,采用建模和优化的方法;国内外学者在关于温差发电研究中,采用了数值计算的方法[3,4,5,6,7]、对汽车的热系统采用CFD软件进行研究[8,9,10,11,12];文献[13,14]对一种内置式温差发电系统进行了建模和数值分析。在此基础上,可以构建对整个热-电系统的仿真,通过对发动机排气参数的计算,以及温差发电器内部的流动、换热和温差的计算,进而得到转换电流的数值。
1 发动机排气余热的温差发电系统
发动机温差发电系统结构如图1所示,其中1为发动机(或包括蜗轮增压器),2为排气管,3为三元催化器,4为温差发电器,5为冷却器,6为消声器。发动机的排气具有高温、高压、高速、脉动的特征,是温差发电系统的热源,冷却器是温差发电系统的冷源。
因此,完整系统的建模包括建立发动机、排气管、三元催化器、温差发电系统、消声器的计算模型,以及定解条件。这是一个关于流速场、温度场、压力场、转换电场的耦合的仿真系统,在研究中也可以根据仿真的目的进行合理的简化。
2 数字仿真系统
为了分析内置式温差发电器热通道中,转换元件的温度场特性,上述仿真系统可以简化由框图2表示。
其中,软件Boost是AVL公司开发的一款发动机仿真软件,该软件包括交互式预处理程序、主程序和后处理程序三部分,具有方便的操作界面、直观的模型显示和完善的后处理程序,被广泛地应用到发动机研发和测试优化中,减少了大量昂贵的试验台架费用。Star-CD是全球第一个采用完全非结构化网格生成技术和有限体积方法来研究工业领域中复杂流动的流体分析商用软件包。该软件与通用CAE软件具有良好的结合性、能生成高质量的四面体网格,尤其具有流-固耦合计算功能。
3 实例研究
3.1 发动机工况仿真
某型号四冲程汽油发动机(无废气蜗轮增压)的主要数据如表1所示,运用AVL-Boost软件建立的该发动机模型如图3所示。
图3中元件SB1、SB2表示系统边界,定义系统边界的相关参数;CL1为发动机进气空气滤清器;PL1、PL2为稳压腔,分别模拟进气谐振腔与排气消声器;C1、C2、C3、C4为气缸,模拟发动机气缸运行情况;J1、J2、J3为三通管,将各管道进行连接;MP1-MP7为测量点,其中MP4为排气门出口之后排气歧管中的一个测点,它的数据是瞬态时排气的参数;数字1-15为连接管,用以模拟各管道。
仿真前,首先对图3中各元件和相关参数进行初始化,将初步计算得出的额定功率和最大扭矩与实际发动机的数据进行验证,并对该模型的参数进行标定,当计算数据与实际数据的误差在5%以内时,可以认为模型精度达到了仿真的要求。该发动机参数标定的结果如表2所示。
在此标定下,可以得到一组排气的温度、压力和流速值。图4所示为测量点MP4处,气体的温度随曲轴转角的变化规律,平均温度为1 089 K;图5所示为测量点MP4的流速随曲轴转角的关系,平均流速为61 m/s。
由于温差发电器与发动机之间的排气管较短,在分析温差发电器转换元件的温度场时,可以近似地以发动机排气管的气体参数,作为温差发电器计算的初始条件。
3.2 温差发电器模型的建立与网格划分
内置式温差发电器的几何模型如图6所示,其中:Th、Ph、Ch分别是高温流体的温度、压力和流速;Tc、Pc、Cc分别是低温流体的温度、压力和流速;加热器1是热流的通道,也是热电偶回路的热源;通道内的截面4为十字型,它也是热电转换器件,外表是换热面积,内部设置热电偶阵,并连通到冷却器(冷源)2中采取水冷却,形成完整的热电回路;3是绝热层,避免热流体与冷流体通过壁面进行传热;而热流体和冷流体分别与热电偶结点之间进行热量传递的形式是对流换热。
仿真模型由Pre/E建立,并导入ICEM CFD软件进行四面体网格的划分。为了减少几何失真,在进行网格划分前需要对几何模型进行检查和修复。为了提高计算的速度和准确度,温差发电器的全局因子和最大尺寸分别选用0.5和8,关闭点线面的尺寸设置后在用默认的体网格划分方法,划分完成后对网格进行检查和修复,确保网格质量在0.3以上,得到最终的网格数量为87万。
3.3 STAR-CD仿真
将完成的网格输入STAR-CD,计算通道内流体与转换元件的热交换。经雷诺数Re计算,加热器通道内的高温、高速气流属于充分发展的湍流状态;冷却器采用强迫水冷方式,也属于充分发展的湍流状态。
三维湍流对流换热不可压缩流体的时均微分方程为
连续方程
动量方程
能量方程
式中 t——时间;
u、v、w——分别是速度在x、y、z方向的分量,m/s;
p——压力,Pa;
ρ——密度,kg/m3。
整体温差发电器模型仿真时,加热器通道与冷却器通道同时进行计算。加热器通道以测量点MP4的参数平均值,作为初始温度和初始流速;冷却器通道冷却水的初始温度取320 K,初始流速取6 m/s,发电器外壁面与大气的对流换热系数取15 W/m2·K;二通道之间有热电转换器件传导的热量,导热系数t2 W/m·K,热传导方程为
STAR-CD求解器的类型设置为定常分析,采用高Reyonld数的K-eplise模型和SIMPLE算法,收敛残差设置为0.001,Solver项采用CG,差分格式选择UD,计算到400步的时候达到了收敛的要求。
数值计算可以得到加热器通道与冷却器通道内,流体的温度、压力和速度的变化,以及对流换热系数的变化情况,特别是固体壁面的整体温度状态。图7所示为温差发电器中热电转换器件稳态时的温度分布。由此,可以根据热端和冷端之间的温差值,进一步通过电路的计算,得到输出电流的参数。
4 结论
车用温差发电系统的设计需要与发动机性能相配合,发动机―温差电源仿真系统是重要的研究设计工具,在研究温差发电器的温度场时,可以通过合理地简化仿真系统和分别建模,对发动机的工况进行仿真,并以仿真结果作为初始条件,计算该工况条件下,温差发电器内部的流动、换热和温度分布。使定解条件的获取和计算分析更具科学性。
系统的仿真需要使用不同的软件,充分地发挥各相关软件的优势,是提高仿真的可靠性和精确度的关键。
垃圾环保发电推进电动汽车发展 第6篇
地球石油资源的日益枯竭是众所周知的, 无论是汽油或者天然气都是非常有限的, 电动汽车新能源的解决将具有重要的意义和必要性。因此, 大力发展以电动汽车为代表的新能源汽车是地球能源利用与环境安全的必然要求, 对环境保护以及中国汽车工业实现跨越式、可持续发展, 提升我国汽车产业国际地位, 特别是提升国际竞争力的重要举措。
1.1节能与环保的挑战
公众普遍认为只要是电动汽车就是节能环保, 因为表面上看来电动汽车使用的是电网电力, 属于清洁能源, 其实不然, 在中国, 有近70%以上的电力是由煤炭转换而来的。众所周知煤炭燃烧后产生的二氧化碳对大气具有较强的破坏作用, 同时煤在使用过程中对地球环境也存在严重的污染;电力在传输过程中会产生损耗, 进而降低了煤炭的利用效率, 这样更进一步增加了煤的损耗量;电动汽车充电需要消耗大量的电力资源, 迫使其大幅提高发电总量;所以不烧汽油改烧煤的状况不仅不是环保节能甚至是恶化环境浪费资源, 现状无疑是对我国能源和环境保护的巨大冲击和严重挑战。
事实上, 在厂商以及推动电动汽车技术应用的职能部门看来, 电动汽车技术以零排放、低噪声等优势远远优于汽油汽车, 但其实不然, 按照电动汽车技术未来发展的趋势预测, 电动汽车将会在短时间内迅速普及, 届时电力需求剧增是无法承受的, 并且如果电力来源还是依靠烧煤产生, 这对我们并非是好事。
结论是:电动汽车的现状并不环保, 也不节能, 甚至可以说是高耗能高污染产业, 电动汽车的高速发展将有赖于能源结构的优化。
1.2普及和推广的挑战
电动汽车要上路, 首先要解决的是能源保障和充电系统的合理建设。虽然国家电网已经开始规划充电站网络建设, 但目前新能源汽车配套基础设施的建设仍处于初级概念阶段, 并未形成成熟的商业模式, 这就需要耗费巨额资金给电网扩容并建设庞大的的电动汽车充电网络, 高污染高耗能将迅速产生, 同时所有投资将转嫁到运行成本上, 形成恶性循环, 严重阻滞了电动汽车的发展。电动汽车充电及运行费用问题是电动汽车无法普及和推广的主要原因。
1.3能源供给的挑战
综上所述, 电动汽车似乎又走入“死胡同”, 在环保低碳的外衣下依然面临许多本质未变的问题。如果说电动汽车的出现缓解了燃油的消耗, 而在其他不可再生能源的消耗上又有所增加, 本质上资源与能源利用并没有得到优化。电动汽车如果摆脱了对燃油燃煤的依赖, 改为依靠风力发电、太阳能发电、水利等清洁的可再生能源进行发电, 才能真正实现节能环保。但是利用水利或者太阳能、风能作为电动汽车的动力能源必然受到地理环境和区域划分的限制也是十分有限的;生物质能虽可以利用, 但是原料的供应将得不到保障, 同样存在着严重的间歇性问题。
电力来源和电力短缺形成了电动汽车产业发展的瓶刭, 成为急需解决的大问题, 要进入电动汽车的健康发展关键的问题在于寻找独立的可持续的新能源。
2电动汽车发展对电网的影响
电动汽车作为用电大负荷产品对电网和供电系统的影响随着电动汽车保有量的增加日益加剧, 其对电能的需求将严重影响现有输配电网络, 电动汽车的普及程度、类型、充电时间、充电方法、充电特性以及储能特性的不同会使电动汽车对电网的影响和冲击发生变化。电动汽车充电对电网的影响是多方面的, 主要体现在:
2.1在峰荷时间进行充电将加重电网负担, 在非峰荷时间进行充电虽然对电网的冲击减小, 但总体上看都将对电网造成很大的冲击和巨大能耗;
2.2电动汽车充电设备中整流装置在工作时会产生大量的谐波, 这会给电网带来谐波污染;
2.3需要增加无功补偿装置、滤波装置, 从而大大增加电网建设的投资成本和运行费用;
2.4电动汽车在负荷高峰时刻进行充电时, 充电设备产生的电网电流需求会使电力系统过载, 使剩余电量储备增加, 使电网效率降低。聚集性充电可能会导致局部地区的负荷紧张;电动汽车充电时间的叠加或负荷高峰时段的充电行为将会加重配电网负担, 直接影响民用和工业用电。
2.5电动汽车发展和电网的需求是成正比的, 电能负荷集聚扩张将给我国电力能源工业形成巨大的压力因此为电动汽车充电提供独立的能源体系是唯一的出路。
3城市高速发展与城市生活垃圾处理矛盾日益突出
当前, 每年产生数量巨大的城市生活垃圾对环境管理以及污染控制形成了严重挑战, 据有关资料显示, 目前世界垃圾量正以快于经济平均增长速度的2.5-3倍的速度增加, 年平均增长速度为8.24%。我国城市垃圾年产量已达1.4亿t以上, 占全世界年产垃圾的四分之一以上, 且仍以每年8%-10%的速度增长, 而实施简易处理的城市垃圾仅占总量的2.3%, 目前我国历年垃圾堆存量已高达60亿吨, 占用耕地5亿平方米, 直接经济损失达80亿元人民币。全国城市现已发展到660个, 其中已有200个城市陷入垃圾包围之中。以城镇人口2.6亿, 每人每年产生440公斤垃圾计算, 产生垃圾量为1.14亿吨, 可以使100万人口的城市覆盖1米。且每年还在以8～10%的速度在递增。中国已成为世界上垃圾包袱最重的国家, 城市垃圾的无害化、减量化和资源化处理已迫在眉睫。
随着国民经济及城市建设的发展, 城市生活垃圾的排放量逐渐增大, 传统的以填埋方式和简单堆放后再采用土地还原法处理垃圾的处置管理模式将发生变革。目前, 现代化大城市土地价格昂贵、生活水平高, 垃圾成份趋于复杂且潜在经济价值较高, 从资源化和保护自然环境与生态平衡的角度来看, 在保证垃圾处理无害化前提下, 最大限度地实现垃圾处理的资源化已是发展方向。近十年来生活垃圾焚烧处理在我国发展很快, 特别是在城市化进程快、经济较为发达、人口密集、人均可利用土地资源少的大城市以及南方, 沿海地区都呈现出较大需求。焚烧技术成为近年来许多城市解决垃圾出路的新趋势及新热点。
4解决电动汽车能源的途径
电力缺乏成为急需解决的大问题, 要进入电动汽车的健康发展关键的问题在于寻找独立的可持续的新能源。解决电动汽车充电的能源途径可以是多方面的, 目前的捷径是依赖电网电力。在我国电网电力来源无外乎是水力发电和火力发电以及极少的核电, 水力电力是清洁环保能源, 但在我国水力电力只占有极小的一部分, 绝大部分的电力还是来自煤炭资源, 不环保也不节能。所以电网电力资源不能作为电动汽车行业发展的可持性能源保障。
太阳能电源和生物质发电能源投资巨大成本极高, 且受地域和气候的影响太大, 不适合推广和应用。
城市生活垃圾却是不间断的取向, 城市生活垃圾取之不尽用之不绝, 利用来焚烧发电的同时处理城市生活垃圾, 一举数得, 环保、节能, 因此建立城市生活垃圾焚烧发电电动汽车充电系统是解决电动汽车发展能源保障的最优选择。
5建立GPC系统的必要性和重大意义
GPC系统是将处理城市生活垃圾和电动汽车充电有机结合形成新的垃圾焚烧发电电动汽车充电系统产业链, 不仅解决了城市生活垃圾的无害化、减量化、资源化处理, 同时利用垃圾焚烧发电建立独立的电动汽车能源体系, 完全摆脱了依赖市政电网作为电动汽车能源的传统方法;建立电动汽车换电站取代耗巨资在市区建立众多电动汽车充电桩的行之有效的方法, 保障电动汽车能源的补充网点得到迅速普及。随着电动汽车行业的高速发展, 在城市中建立电动汽车充电站是必然的趋势。GPC系统建立独立的电动汽车充电能源体系, 解决了电动汽车能源的补充, 有效缓解了电网压力, 对电动汽车的高速稳健发展起到助推器的作用;同时有效解决了城市生活垃圾的资源化, 实现GPC衍生产物的综合利用, 提升了城市环保的效果。城市生活垃圾发电电动汽车充电系统的建成, 对我国的能源结构调整, 具有深远的极其重要的社会、经济和战略意义。
5.1解决城市生活垃圾环保处理最佳途径, 是新能源发展的一个契机;
5.2建立独立的电动汽车充电系统, 摆脱了电动汽车发展依赖电网的模式, 突破了电动汽车发展的瓶颈, 为电动汽车行业健康发展奠定基础;
5.3推动城市垃圾处理和新能源建设新高潮, 创造全新的GPC产业链, 实现产业结构的升级。
6 GPC系统运行体系
6.1运行模式
将城市生活可燃垃圾进行焚烧发电, 建立电动汽车充电站和蓄电池充电站、蓄电池换电站, 完成对城市电动汽车的能源补充, 不需要市政电网的接入, 也就不需要电力变压器、高低压变电保护等设备就可以有足够的电能使用。
垃圾发电生产的电能供给蓄电池充电站、电动汽车充电站、经过直供电网直接使用, 富余的电能通过高压装置可以并入市政电网。在提供充电站足够电能的同时实现了垃圾的无害化、减量化、资源化的环保处理, 实现再生能源的充分利用, 从而扩展再生能源的应用领域;避免了依赖市政电网供电, 不需要投入大型变电及其他辅助设备, 大大降低了投资和运行成本, 同时避免了电力传输损耗和对电网的冲击;垃圾发电充电站不仅没有消耗电力资源, 剩余的电能可以实现其他应用价值或者并入市电网络。
6.2GPC运行机构和程序说明
6.2.1GPC系统运行原理:
城市生活垃圾收集后通过垃圾封闭运输方式运送到GPC系统工作站, 对垃圾进行储存。垃圾压缩和淋漓后送入垃圾分选区, 期间渗滤液经过环保综合处理和利用。
垃圾分选系统将金属、塑料、玻璃以及电子产品等回收利用, 食物餐厨垃圾送入养猪基地或做其他回收处理, 沉降固体和液体作为有机肥料送入田间, 可燃垃圾进入烘干处理程序。
焚烧处理要求垃圾的热值大于3.35MJ/kg, 在技术上采用前期热风烘干的手段就可以达到, 不需要添加助燃剂, 从而降低运行成本。GPC系统可燃垃圾利用焚烧炉燃烧处理后的烟气进行烘干干燥, 热值提高后的垃圾送入焚烧炉焚烧。 (参照本人专利ZL201120211636.2和ZL201220190093.5)
垃圾焚烧产生的灰渣进行处理后可以制作和生产建筑材料, 如建筑用砖等。
焚烧尾气进入环保处理设备三级处理后符合国家环保标准排放。
余热锅炉产生的蒸气供给汽轮发电机组发电, 剩余的热能作为采暖热源供给学校、宾馆、工厂、娱乐以及农业使用。
汽轮发电机组生产的电能直接提供给电动汽车充电桩、蓄电池充电房, 富余的电能可以并入市政电网或者为高耗能用户提供能源。
汽轮发电机组发电使用后的蒸气综合利用到相关行业, 如木材蒸气烘干、纺织化工电镀、食品加工、饮食酿造消毒以及洗浴桑拿保健行业。
6.2.2GPC供电系统示意图
GPC系统设置配电中心、蓄电池充电房、公交车充电站、专用车辆充电站、私家车充电站。蓄电池充电房建立蓄电池配送系统, 将充满电能的蓄电池由派送单位送到市区蓄电池换电站以及需要更换蓄电池的电动车辆上进行更换。更换下来的蓄电池送回蓄电池充电房充电。富余的电能经过高压设备升压后并入市政电网。
7系统方案实施和具体要求
7.1垃圾焚烧发电厂选址和建设原则
垃圾焚烧发电厂场地选择原则:城市周边地区, 远离城市中心, 有利于废水废气的环保处理, 离城市中心20KM的辐射距离为理想地点, 经济发达地区可以在城市周边地区多点建厂, 以降低运输成本;尤其可以在道路两侧的乡镇街道广泛建立GPC系统。
7.2城市垃圾收集和储运以及前期处理
采取封闭运输垃圾的方式, 避免垃圾储运过程中的二次污染。运输车辆采用专用的自卸车。
垃圾分选系统通过垃圾均匀给料、大件垃圾自动分选系统、大件垃圾破碎系统、袋装垃圾自动
破袋、大块有机物自动破碎系统、全封闭机械化风选系统、塑料水选系统、有机物高温高压水解水热氧化“热选”系统等工艺处理后, 可将城市生活垃圾分选为:无机物类, 沙土类, 有机物类, 不可回收可燃物类 (塑料、橡胶) , 薄膜塑料类, 铁磁物类, 为下道工序垃圾处理“资源化、产业化”打下基础。
要提高焚烧炉的运行质量, 加大热能利用率, 减少尾气治理成本, 首先应在垃圾进炉前进行更有效的预处理, 为焚烧创造有利条件是至关重要的。
7.3蓄电池充电厂
建立蓄电池充电厂, 对备用蓄电池、电动汽车更换下来的蓄电池实施标准充电。电动汽车可以
自行行驶到蓄电池充电厂来更换蓄电池。
7.4电动汽车充电站
在GPC系统内设立符合要求的电动汽车充电桩, 对私家电动车、公务电动车、公交车辆等车辆集中充电, 公共车辆实行白天运营夜间集中充电。
7.5蓄电池换电站
在市区利用现有的石油制品加油站建立电动车辆蓄电池更换点, 快速完成电动汽车能源补充, 更换下来的蓄电池通过专用车辆送至GPC系统换电站。在道路两侧可以广泛建立蓄电池更换点。
7.6监控调度中心
垃圾焚烧监控, 蒸气发电监控, 蓄电池充电厂监控, 电动汽车充电桩监控, 电力使用和并网监控。
8经济效益分析
以城市社区30万人口的小型城市, 满足40台公交车、180台小型车辆、2000辆电动自行车和1000组蓄电池的充电需求, 需要电功率4500KW。
8.1使用电网电力
8.1.1电费:4500KW电功率, 每天4500*24=10.8万度电, 电费按1元计算, 费用为10.8万元/天, 每年电费高达3942万元。
8.1.2充电桩造价3万元, 30个充电站300个充电桩需要投资900万元
8.1.3使用土地30*500=15000㎡占城市中心土地23亩, 约值4600万元
结论:投资总额达5500万元, 每年消耗电费4000万元
8.2使用GPC系统, 配置3台4500KW/0.4KV发电总量的城市生活垃圾焚烧直燃发电充电站, 采用3台10t/h的垃圾焚烧炉和3台1500KW凝汽式汽轮发电机组, 每天处理生活垃圾180t, 可以解决约30万人口的生活垃圾环保处理;同时满足充电站40台公交车、180台小型车辆、2000辆电动自行车和1000组蓄电池的充电需求, 剩余电量并入市政电网。
8.2.1GPC系统基地使用郊区土地30亩, 约值600万元;
30个换电站3000㎡约值900万元;合计1500万元。
8.2.2 GPC系统总造价2000万元;
8.2.3垃圾收费18000元/天, 657万/年
8.2.4可回收利用垃圾100元/T, 657万/年
8.2.5余热利用价值5000元/天, 185万/年
8.2.6发电充电收入3000万元
结论:每年的收入总计约为4500万元, 扣除所有投资3500元, 当年赢利1000万元。今后每年都产生利润4500万元。
8.3综合经济运行评估:按全国1000座城镇计算, 将产生至少450亿元人民币的经济效益。
结语
运用GPC系统在环保处理城市生活垃圾的同时建立了独立的电动汽车能源体系, 蓄电池的充电和更换使电动汽车的能源补充及时、便捷和网络化, 大大降低了投资和运行成本, 对推进电动汽车的高速健康发展起到积极的作用。在我国乃至世界普遍建立GPC系统, 有着积极的、重要的历史和现实意义。
将GPC系统作为基本的国家环境保护要求, 制定国家或者国际GPC标准, 建立政府层面的相关研究机构。将规划中的城市垃圾处理费用、电动汽车充电桩的建设费用投资于建立GPC系统, 城市垃圾处理、垃圾发电、电动汽车充电系统的有效结合, 真正做到有效处理城市垃圾的同时解决城市充电站的布点建设, 实现真正意义上的新能源和环保建设, 推进电动汽车的发展。
摘要：本文阐述了建立城市生活垃圾焚烧发电电动汽车充电系统 (City garbage burning waste heat power generation electric vehicle charging system 以下简称GPC系统) ;运用GPC系统将处理城市生活垃圾和电动汽车充电有机结合形成垃圾焚烧发电电动汽车充电系统产业链, 叙述了建立电动汽车换电站取代耗巨资在市区建立众多电动汽车充电桩的行之有效的办法, 保障电动汽车的能源补充及时便捷和网络化。建立相关的研发机构, 在我国乃至全球普遍建立GPC系统, 为全球电动汽车事业起到助推器的作用, 对环境保护和能源建设有着积极的、重要的历史和现实意义。
关键词：垃圾,环保,电动汽车,发电
参考文献
[1]辛建波, 温宇宾.电动汽车规模应用对江西电网的影响分析[J].江西电力, 2010.
[2]郝艳红, 王灵梅, 邱丽霞.生活垃圾焚烧发电工程的能值分析[J].电站系统工程.
[3]许迎春, 何志武, 我国垃圾焚烧发电的政策文本解读[J].重庆科技学院学报, 2010 (1) .
[4]张翔, 论中国电动汽车产业的发展[J].汽车工业研究, 2006 (2) .
[5]雷建国, 周斌, 陈君.城市生活垃圾焚烧处理方式的改变所产生的垃圾再生能源化综合效益的探讨.
发电电动机控制 第7篇
近些年来,随着电网中分布式发电资源DER(Distributed Energy Resources)的不断增多,国内外学者针对DER的研究也越来越深入。其中,针对风力发电的研究与应用尤为突出。在欧洲,风力发电的发电量已在总发电量中占据了很高的比例。其中,西班牙风力发电占总发电量的11%,丹麦风力发电所占比例更是达到了20%[1]。虽然风力发电以其环保、成本相对其他可再生能源较低的优势得到了较好的应用与发展,但风力发电有着很明显的短板,限制了其更加广泛的普及与应用[2,3]。风力发电的不确定性与预测误差大的特点,给电网运营商造成了很大的困扰。风力发电一般在夜晚出力达到最大,而此时的电力需求较低,且电价也较低[4,5]。因此,从经济学角度而言,相对于其他成熟的发电形式,风力发电在电力市场中则缺少了一定的竞争优势。
针对以上问题,许多国家都给予风电高于市场价格的上网补贴。但是随着风电的发展规模越来越大,对风力发电给予上网补贴显然不是一个长久之计。基于此,需要研究一个更适用于风力发电发展的策略,使其可以更加合理地参与到电力市场的运营中。
近年来国内外研究学者提出了虚拟发电厂VPP(Virtual Power Plant)技术[6]。VPP可认为是通过先进的通信技术与软件管理系统将配电网中的DER聚合与优化,作为一个特别的电厂参与到电网运行中,进而协调电网与DER的矛盾[7,8]。储能作为平衡风力发电的一种有效手段得到了广泛共识,但是储能因其高成本的缺点,不能得到广泛的推广使用。但电动汽车作为电力系统中的一种储能应用形式有着很大的潜力,其在配电网中可与分布式风力发电单元配合,进而平衡分布式风力发电的不确定性。为此,本文利用电动汽车储能解决风力发电的不足,联合配电网中的分布式风力发电单元与电动汽车形成VPP,参与到日前电力市场中。
针对储能与其他发电资源联合发电的形式,文献[9]分析了储能与风电联合发电的经济效益,并利用动态规划的方法分析了该组合形式在电力市场环境下的运行形式。但该文献中的储能与风力发电属于同一所有者,而本文所提出的利用电动汽车作为储能形式的方法,电动汽车与风力发电的所有者不属于同一个所有者。文献[10]研究了微型燃气轮机与风力发电的协调运行机制,使之形成一个VPP,进而研究VPP的在线协调控制机制。文献[11]基于多代理方法研究了以聚合形式出现的电动汽车向电网输送电能的机制与方法,但主要是以监管者的角度进行分析研究,而非供电方角度。文献[12]考虑风电电源与电动汽车充放电负荷的双随机性,以最大化动态条件风险备用为目标,建立了电力系统短期充裕性多阶段决策模型,实现了在购电成本约束下,电力公司购买不同类型电源的配比决策和电动汽车调度方案优化。文献[13]计及电动汽车数量与风电机组出力的不确定性,同时在一系列假设的基础上研究了含电动汽车和风电机组的VPP协同竞价问题。
本文通过对VPP市场化建模,利用滚动时域分析方法,分析对比相对于无电动汽车参与的由配电网中分布式风力发电单元所构成的VPP,电动汽车与分布式风力发电单元联合所构成的VPP在效益方面的表现。针对电动汽车储能电池参与VPP后会造成损耗的问题,对其补偿机制进行了分析研究。
1 市场环境下VPP模型建立
本文所提及的市场环境下VPP的参与方为配电网内分布式风力发电单元与电动汽车。因参与VPP运行后,电动汽车受VPP的统一控制,因此,本文不考虑电动汽车充放电的随机性问题。同时,由于风电的预测准确性较差,本文所指VPP参与的市场为日前电力市场。
在日前电力市场中的第k-1日,VPP上报分时段的第k日电量供应策略。其中风力发电的出力基于第k日的天气预报,同时考虑到愿意参与到第k日VPP中的电动汽车的数量,风力发电运营商计算出在日前电力市场中,第k日最有利的供应策略所需的电动汽车的数量。在第k日的实际运行中,基于VPP的实际运行情况,同时依据前一日所制定的合同,为了保证VPP运营效益最大化,虚拟发电厂运行控制中心VPPCC(Virtual Power Plant Control Center)进行持续优化。
如前所述,VPP于第k-1日上报分时段的第k日的供电策略,设z(n)为第n个时段VPP预测可以产生的电量,电量z(n)可以直接输送至电网,也可向电动汽车充电,或二者同时进行。此外,在相同时间段内,VPP也可利用之前存储在电动汽车中的电量,与z(n)一起向电网传输。具体在第n个时段采取什么样的方式,取决于当时的市场价格以及利用电动汽车储能所产生的费用。
1.1 电动汽车补偿机制
一般情况下,配电网中的分布式风力发电单元与电动汽车的所有者不同,分布式风力发电单元一般属于风电运营商,而电动汽车则属于具体的电动汽车拥有者。同时,由于电动汽车参与到VPP中势必会使充放电的频率增多,这就会使电动汽车的电池寿命缩短。所以,建立一套电动汽车补偿机制,使得电动汽车车主愿意参与到VPP运营中就显得尤为重要。
在本文中,电动汽车的补偿机制并不是通过直接向电动汽车车主发放补贴的方式体现。在电力市场电价机制中有零售电价与批发电价,零售电价通常要高于批发电价,通过利用这2种电价之间的差异则可建立电动汽车补偿机制。需要指出,在建立补偿机制时并不需要考虑输配电费用,因为该费用已作为前期电动汽车充电设备安装费用的一部分向电动汽车车主收取。
对于VPP而言,其向电网输电时是按批发电价计算获得收益的。而对于电动汽车车主而言,当电动汽车充电时,电网是按零售电价计算收取费用的。如果电动汽车参与到VPP运行中,那么VPP为其充电将不再收取费用。作为回报,电动汽车需要参与到VPP的整体运行中,成为VPP的一部分。例如,设批发电价为0.2元/(k W·h),零售电价为0.4元/(k W·h)。VPP每向电动汽车输送1 k W·h的电量,将会减少其向电网供电所获得的0.2元的收益,但电动汽车车主则免去了向电网缴纳0.4元的费用。虽然VPP减少了向电网的售电量,但VPP可通过利用这种补偿机制所争取到的电动汽车储能,形成一个范围更大、更加稳定的VPP,进而更好地参与到电力市场中以获取更高的收益。
1.2 电动汽车收益模型
为了体现参与VPP运行后对电动汽车电池使用寿命的影响,本文利用文献[14]中所提的方法进行建模。
设LET为在某一特定放电深度DOD(DepthOf-Discharge)下,电池在其使用寿命内的放电总量,cb为电池的成本,则电动汽车参与到VPP中的损耗CEV为:
其中,Es(DOD)为VPP在储能电池特定的放电深度下,利用电动汽车储能电池的容量。电池寿命一般通过可充电次数来表达,即通过特定的放电深度描述,即:
其中,L(DOD)为某一放电深度下电动汽车电池的使用寿命。
因此,电动汽车参与到VPP中的损耗CEV为:
本文利用文献[15]中所提的电动汽车储能电池放电深度与可利用次数间的关系,具体如表1所示。
作为电动汽车参与VPP的补偿,电动汽车会从VPP得到一定免费的电能。设Ef(DOD)为电动汽车从VPP获得的电量,假设零售电价为0.4元/(k W·h)。因此,电动汽车的利益函数为:
提供给VPP的放电深度是按电动汽车车主的意愿所决定的,较小的放电深度可延长电池的使用寿命,但同时收益将会减少。相反,较大的放电深度会缩短电池的寿命,但收益将增多。
1.3 VPP日前市场策略模型
为确定下一日的策略,含电动汽车储能的VPP需要确定以下5个方面:(1)直接向电网输送的电量,表示为x;(2)向电动汽车输送的电量,表示为b;(3)电动汽车向电网输送的电量,表示为d;(4)VPP所需利用的电动汽车储能的容量(以确定含电动汽车储能的VPP中所需电动汽车的数量),表示为y;(5)作为回报向电动汽车输送的电量,表示为g。
设VPP可利用电动汽车储能容量的最大值为s(即y的最大值),s=[s(0),s(1),…,s(N-1)]T,,其中v∈V,V为一组电动汽车集合。
设VPP向电网输送电量(直接输送或从所利用的电动汽车储能输送)时的电价为pe(n)。同时,设作为补偿输送给电动汽车的电量与所需利用的电动汽车储能容量之比为σ,σ∈[0,1](σ≤g(n)/y(n))。因通过电网向电动汽车充电时会产生损耗,同时电动汽车储能参与到VPP运行中后,向电网送电也会产生损耗。故设η∈(0,1)为电池的整体转换损失。同时,为了反映每个电动汽车单元真实的输电电量,在数学表达式上需将原先一个单位的输电电量变为(1+η)个单位的输电电量。
综上,以最大化VPP效益建立模型,VPP日前市场策略模型如下。
目标函数可表示为:
约束条件为:
其中,n=0,1,…,N-1;N为总的时段数;p(x,d)为基于预测产生的电量z,VPP向电网输送电能所获得的收益;Δ(n)为时段n开始时电动汽车中所储存的电量,可表示为式(7)。
式(6)中,第1个约束条件为时段n直接送向电网的电量x(n)、转化储存在电动汽车储能中的电量b(n)、作为参与补偿输送给电动汽车的电量g(n)三者之和等于VPP预测产生的电量z(n);第2个约束条件保证了有足够的电动汽车满足需要存储的电量;第3个约束条件保证了电动汽车中存储的电量满足输出的要求;第4个约束条件保证电动汽车所获得的补偿电量至少达到VPP所需利用储能容量的规定比例(即σ)。
2 滚动时域优化方法
为解决大规模优化决策中计算难处理的问题与反映复杂动态环境的优化决策过程,控制领域在20世纪70年代提出了滚动时域控制和预测控制概念。预测控制与传统的最优控制有着很大的不同,预测控制因其基本原理对于复杂工业环境有着很强的适应性,使其在工业过程中得到了广泛的应用。这些原理主要包含模型预测、滚动优化、反馈矫正。滚动时域优化方法是借鉴预测控制的思想,通过预测模型计算该时段内的最优控制,并将得到的最优策略应用到该时段内。到下一个时间段的起点时,系统状态再次更新,滚动时域控制再次计算该时段的最优控制,依此类推。预测控制中的滚动时域方法实质上是利用随时间反复进行的一系列小规模优化问题求解的过程取代一个静态的大规模优化问题求解的结果,从而达到在优化前提下降低计算量并适应不确定性的目的[16]。
从时间维度而言,滚动时域优化方法在有限时域内采用滚动式的优化策略,也就意味着该优化策略不是一次完成的,而是随着时间的推移反复进行,即优化策略只是在基于当前采样时间之后的未来有限时间段内进行,并在基于当前采样时间的滚动窗口内执行决策结果。在下一个采样时间点,优化时段会向后移动。所以滚动时域优化方法不是以一个对整体相同的优化指标,而是在每个采样时间都有一个相对于该时段的局部优化指标。这2种优化指标在形式上是相同的,但其包含的时间段不同[17]。
从问题维度而言,滚动时域优化方法将一个整体的问题分拆成若干个子问题。根据在采样时间之前所获得的反馈信息和当前预测窗口的预测信息,在每个采样时间做出决策,进而解决当前时段的子问题[17]。
3 基于滚动时域优化方法的VPP日前市场策略模型
在电能输送的第k日当天,越接近每个时间段,越能更加准确地预测该时间段所产生的电量。在第k日的任意时间段内,因第k-1日预测会出现误差,1.3节中的模型需要进行一定的调整,以适应这一误差。
为此,针对上述问题,本文利用滚动时域优化方法进行处理。设z′t=[z′t(t),z′t(t+1),…,z′t(N-1)]T为一天内剩余N-t个时间段在时段t已知的新预测VPP产生的出力,z′t(t)、z′t(t+1)、…、z′t(N-1)分别为时段t对时段t、t+1、…、N-1的预测出力。同理,s′t=[s′t(t),s′t(t+1),…,s′t(N-1)]T为一天内剩余N-t个时间段在时段t VPP可以利用的储能容量新的最大值。设pup为实际的送电量小于日前市场所签订的合同值时的惩罚费用量。但是,如果送电量高于合同值,多送出的电量的价格不高于合同所签订的价格pe,这2个价格的差异(合同价格减去实际的盈余价格)用pdown表示。即:pdown(n)=pe(n)-psurplus(n),其中psurplus(n)为时段n多送出电量的价格。由此可得到pdown≥0。
在每个时间段t,根据日前市场签订的合同,即VPP需要提供w(w=x+d)的电量,含电动汽车储能的VPP现需要计算出针对1.3节中所提到的5个量对于一天中剩余的N-t个时间段的更新量x′t、b′t、d′t、g′t、y′t。因此新的供应电量为w′t=x′t+d′t,需要在每个时段t都计算一遍,其中t∈{0,1,…,N-1}。同时,utup为在时段t少送出的电量值,utup=[max(0,w(t)-w′t(t)),max(0,w(t+1)-w′t(t+1)),…,max(0,w(N-1)-w′t(N-1))]T,同理utdown为在时段t多送出的电量值,utdown=[max(0,w′t(t)-w(t)),max(0,w′t(t+1)-w(t+1)),…,max(0,w′t(N-1)-w(N-1))]T。
因此,综上所述,考虑了不平衡惩罚量的VPP利益函数为:
3.1 目标函数
尽管式(8)为凹函数,但由于其含有max函数,故不是处处可微,因此将式(8)修改成式(9)。
为此,基于滚动时域优化方法的VPP日前市场策略模型的目标函数为:
其中,α(n)、β(n)为去除式(8)中不可微量的变量。
3.2 约束条件
(1)能量平衡约束。
该约束条件为每个时段t直接送向电网的电量x′t(n)、转化储存在电池中的电量b′t(n)、作为补偿输送给电动汽车的电量g′t(n)三者之和等于VPP每个时段t产生的电量z′t(n)。其中,n∈(t,t+1,…,N-1)。
(2)所需储能约束。
该约束条件保证了在每个时段t有足够的电动汽车满足所需存储的电量。其中,Bt为每个时段t电动汽车的电量;y′t(n)为每个时段t需要利用电动汽车储能的容量;Δ′t(n)为每个时段t电动汽车储存的电量,可表示为:
(3)输出约束。
该约束条件保证了在每个时段t内电动汽车中所储存的电量满足输出的要求。其中,d′t(n)为每个时段t电动汽车向电网输送的电量。
(4)消耗补偿约束。
该约束条件保证了在每个时段t内电动汽车所获得的补偿电量至少达到VPP所需利用储能容量的规定比例(即σ)。其中,g′t(n)为每个时段t作为回报向电动汽车输送的电量。
(5)VPP需求约束。
该约束条件保证了在每个时段t内作为回报向电动汽车输送的电量与VPP所需利用的储能容量之和不能大于VPP所能利用储能的最大值。其中,s′t(n)为每个时段t VPP所能利用储能容量的最大值(即y′t(n)的最大值)。
(6)其他约束。
每天系统运行中,式(9)在每个时段t都需要求解一遍,并且在时间段t所用的值为:x′t(n)、b′t(n)、d′t(n)、g′t(n)。
4 算例分析
4.1 算例描述
为了验证所提模型的有效性,本文选取由10个分布式风力发电单元所组成的VPP为例进行分析,其中每个分布式风力发电单元的标称功率为1.3 MW。因需要向下一日市场提交发电策略,风电运营商需要根据下一日01:00—24:00的风力预测值,估计计划出力z。同时,为了体现风电的预测误差,本文收集了某地连续2个月01:00—24:00的风力预测值以及实际值,然后对时段t风力预测误差进行计算,对于每个时段t的预测误差,计算其平均值与方差值,最终通过平均值与方差值确定出预测误差的正态分布。为了仿真电力市场价格变动,本文利用某地的历史电价信息[18]。每个电动汽车电池容量取值为30 k W·h,总的电池转换参数取为0.27[14]。
4.2 算例结果分析
本文通过对比相同地点,相对于无电动汽车储能参与的分布式风力发电单元所构成的VPP,电动汽车储能与分布式风力发电单元联合所构成的VPP在效益方面的优异性。利用MATLAB仿真软件实现滚动时域优化方法的求解。设p(x,d)为电动汽车储能与分布式风力发电单元相联合所构成的VPP参与到日前电力市场所获得的实际效益(即去除作为补贴向电动汽车输送的电量与实际运行中支付市场的不平衡惩罚量后所获得的效益),p(x,d|s=0)为仅由分布式风力发电单元构成的VPP获得的实际效益(即实际运行中支付市场的不平衡惩罚量后所获得的效益)。
本文所提方法多获得的收益以式(17)形式表示:
图1给出了不同σ取值下每个月含电动汽车储能的VPP所多获得的收益,σ的取值分别为0.05、0.1、0.15。由图1可看出,在风力较大的冬季和春季含电动汽车储能的VPP所多获取的收益更多;相对于不含电动汽车储能的VPP,含电动汽车储能的VPP所获得的收益多出了25%以上(例如3月与12月,而在1月更是多出将近45%);当σ为0.05时,由于利用电动汽车储能相对比较便宜,则VPP就会尽可能多地利用储能;但随着σ值增大,由于利用储能的代价越来越大,当σ取值为0.1、0.15时含电动汽车储能的VPP所多获取的收益将减少。
图2给出了含电动汽车储能的VPP获取最优收益时,利用电动汽车储能发出的电能所占的百分比。由图2可看出,随着利用储能代价的增大(即σ值的增加),利用储能所占的百分比随之减少。
假设1月是VPP需要利用储能最多的月份,则当σ=0.05时,VPP需要的可利用储能容量为60 MW·h,当σ=0.15时,VPP需要的可利用储能容量为20 MW·h。由此就产生了一个问题,到底需要多少电动汽车满足最佳储存容量需求。这一问题需要通过分析电动汽车放电深度来解决。假设每辆电动汽车通过提供对其最有益的放电深度向VPP提供储能服务,即放电深度为40%时(如图3所示),则每辆电动汽车可提供0.4×30=12(k W·h)的容量,VPP就需要1 667~5 000辆电动汽车以满足VPP对储能20~60 MW·h的需求。
基于1.2节所述的电动汽车收益模型可得不同σ与放电深度值下的电动汽车年收益,如图3所示。
由图3可看出,当σ=0.05时,储能的利用代价较低,较多的电动汽车储能被利用,对于电动汽车车主而言,虽然每次获得的收益较低(免费获得的电力较少),但是从长期的角度而言,因为参与VPP运行的次数较多,反而获得了更好的收益。但随着σ值的增大,VPP利用储能的代价增大,故电动汽车储能利用的频率也随之降低,因此电动汽车车主所获得收益也随之减少。由此可看出,σ值越小,电动汽车储能利用的次数增多,电动汽车车主的收益就会越多,足以满足电动汽车储能电池参与VPP后充放电次数增多所造成的损失。当电动汽车储能电池最佳放电利用深度DOD=40%,σ=0.05,可充电次数12000次,电池容量30 k W·h,零售电价0.4元/(k W·h),电动汽车车主在其储能电池寿命内可由VPP获得57 600元的电能,参考文献[15]所提供的电动汽车储能电池的成本相当于50 400元,因此电动汽车参与VPP所造成的损失足以得到补偿。
5 结论
本文主要研究了VPP内部分布式发电资源优化运行方式。为了使风电这类具有间歇性、可预测性差、受自然环境影响较大的新能源能参与到电力市场中,本文利用电动汽车作为储能解决风力发电的不足,联合配电网中的分布式风力发电单元与电动汽车形成VPP,进而参与到日前电力市场中。
本文建立了日前电力市场环境下的VPP模型,该模型以VPP效益最大化为目标,对由电动汽车储能与分布式风力发电单元联合构成的VPP进行了分析。利用某地风电的实际数据,采用滚动时域分析方法,对本文所提出的模型与机制进行了仿真分析。通过仿真验证了含电动汽车储能的VPP在效益方面可获得较大的提升。
同时,由于电动汽车与分布式风力发电单元的所有者不同,本文阐述了电动汽车参与VPP运行后的补偿机制,算例表明该补偿机制具有良好的可行性。
【发电电动机控制】相关文章：
电动机保护控制器06-23
机床电气控制教案05电动机的直接启动控制05-11
水泵电动机驱动设备的控制方法分析11-16
风能发电控制系统07-10
发电企业成本控制研究05-24
发电企业成本控制管理06-02
发电企业成本控制论文05-04
风力发电控制系统论文05-16
电动操作控制09-14
风力发电控制系统论文提纲09-18