ＤＯＩ：１０．７５００／ＡＥＰＳ２０１４０１２９００２碳市场环境下计及碳捕集电厂和换电站的电力系统优化调度高亚静，李瑞环，梁海峰，张建成（新能源电力系统国家重点实验室，华北电力大学，河北省保定市０７１００３）摘要：在低碳及智能电网的背景下，提出了一种考虑碳交易并计及碳捕集电厂和换电站的电力系统优化调度模型。首先定义了电动汽车换电站虚拟电厂，并介绍了其运行特点，其次对不同电源的碳排放特性进行了分析，从总投资成本的折旧费用、燃料成本、运行维护成本及碳交易成本四个方面对电源成本进行了分析和建模。在此基础上，兼顾碳排放量和电源成本，引入功率平衡、机组及碳捕集系统爬坡、碳捕集效率等约束，建立了碳市场环境下计及碳捕集电厂和换电站的电力系统优化调度模型，并采用基于动态交换和密度距离的混合混沌粒子群优化算法对模型进行了求解，算例结果证明了所提模型及算法的有效性和正确性。关键词：低碳；碳捕集电厂；换电站；虚拟电厂；粒子群优化算法收稿日期：２０１４－０１－２９；修回日期：２０１３－０３－１３。国家自然科学基金资助项目（５１１７７０４７）；中央高校基本科研业务费专项资金资助项目（１２ＭＳ１０７）。０引言全球气候变暖已经成为当今世界所面临的最严峻挑战之一，ＣＯ２排放问题也成为关注的焦点［１］。电力行业作为国民经济中最大的ＣＯ２排放部门［２］，面临巨大的减排压力。因此，以风电为代表的清洁能源逐步得到重视，电动汽车也受到了广泛关注。近年来，国内外学者也对低碳环境下风电和电动汽车的应用进行了研究。文献［３］在提出的含风电系统的低碳调度模型中考虑了风电运行成本；文献［４］引入电动汽车集群调度模型，建立了电动汽车、风电、碳捕集与常规火电相结合的输电网“风—车协调”调度模型；文献［５］综合考虑了电动汽车的生产成本、需求及充电站方便程度等因素，提出了最优控制策略以减少ＣＯ２的排放。电力调度是指在负荷预测的基础上，对各类发电机等电气元件的运行方式、状态的决策和调用，并在对应时序上形成一定的调度计划［６］。在低碳环境下，除了需要考虑传统电力调度的经济性等因素外，还需要考虑ＣＯ２排放问题。同时，碳市场的引入也必然会对电力调度的经济性产生影响。文献［７］综合考虑了低碳电力技术、碳成本及碳约束等因素，建立了低碳电力调度的初步模型；文献［８］提出的低碳电力调度模型将碳排放作为一种新的决策变量，同时考虑了碳排放成本；文献［９］提出的调度模型中考虑了碳排放超额惩罚和碳交易等相关因素。本文从系统的低碳性和经济性两方面出发，综合考虑了功率平衡、机组及碳捕集系统爬坡、碳捕集效率等相关约束，提出了兼顾碳排放量和电源成本的电力系统优化调度模型，并采用基于动态交换和密度距离的混合混沌粒子群优化（ＰＳＯ）算法对模型进行求解。１电动汽车换电站虚拟电厂相比于传统火电厂，电动汽车换电站容量较小，很难达到入市门槛。而虚拟电厂技术能够实现分布式电源、可控负荷、储能系统及电动汽车等分布式能源的聚合，将其以一座特殊电厂的形式进行调度，有助于数量小但规模大的分布式能源的接入和调度［１０－１２］，已被应用于风—车［１３］、风—光［１４］、电动汽车［１５］等多个方面。因此，本文将所有换电站等效成一座换电站虚拟电厂（ＢＳＳＶＰＰ），从而进行统一调度。ＢＳＳＶＰＰ通过电池更换装置，将站内电池与电动汽车使用后的电池进行交换。假设电动汽车换下电池的剩余电量服从Ｎ（μ０，σ２０）的正态分布，概率密度函数ｆ（μ）为：ｆ（μ）＝１２槡πσ０ｅ－（μ－μ０）２２σ２０（１）式中：μ，μ０，σ０分别为电动汽车换下电池的剩余电量及其期望值和标准差。为了防止电池过充和过放，设定电池允许剩余电量最大为９５％，最小为２０％［１１］，并假设更换给电动汽车电池的剩余电量为９５％，则ｔ时段ＢＳＳＶＰＰ中储存电量Ｅｔ、最大储存电量Ｅｍａｘ，ｔ及最小储存电—０５１—第３８卷第１７期２０１４年９月１０日Ｖｏｌ．３８Ｎｏ．１７Ｓｅｐｔ．１０，２０１４量Ｅｍｉｎ，ｔ分别为：Ｅｔ＝Ｅｔ－１＋Ｐｂｓｓ...
