[论文解读] Joint Planning of PEV Fast-Charging Network and Distributed PV Generation Using the Accelerated Generalized Benders Decomposition

Hongcai Zhang, Scott Moura+3 more|arXiv (Cornell University)|Feb 23, 2017

Electric Vehicles and Infrastructure被引用 4

一句话总结

本文提出一种两阶段随机混合整数二阶锥规划（MISOCP）模型，用于在耦合的交通与电力网络中联合优化插电式电动汽车（PEV）快速充电站与分布式光伏（PV）电站的选址与容量配置。通过采用加速广义Benders分解算法，该方法能高效求解大规模不确定性问题，结果表明联合规划可将总系统成本降低最多5.35%，并通过光伏接入与无功功率控制缓解阻塞，推迟昂贵的电网升级。

ABSTRACT

Integration of plug-in electric vehicles (PEVs) with distributed renewable resources will decrease PEVs' well-to-wheels greenhouse gas emissions, promote renewable power adoption and defer power system investments. This paper proposes a multidisciplinary approach to jointly planning PEV fast-charging stations and distributed photovoltaic (PV) power plants on coupled transportation and power networks. First, we develop models of 1) PEV fast-charging stations; 2) highway transportation networks under PEV driving range constraints; 3) PV power plants with reactive power control. Then, we formulate a two-stage stochastic mixed integer second order cone program (MISOCP) to determine the sites and sizes of 1) PEV fast-charging stations; 2) PV power plants. To address the uncertainty of future scenarios, a significant number of future typical load, traffic flow and PV generation curves are adopted. This makes the problem large scale. We design a Generalized Benders Decomposition Algorithm to efficiently solve it. To the authors' knowledge, this work is the first that jointly plans both PEV fast-charging stations and PV plants with consideration for PEV driving range limits and reactive PV power control. We conduct numerical experiments to illustrate the effectiveness of the proposed method, and validate the benefits of the joint planning and adopting advanced PV reactive power control.

研究动机与目标

• 为应对将插电式电动汽车（PEVs）与分布式可再生能源整合以减少温室气体排放并推迟电力系统投资的挑战。
• 在耦合的交通与电力网络中，联合优化PEV快速充电站与分布式PV电站的选址与容量。
• 在规划过程中显式建模PEV行驶里程约束以及PV逆变器的无功功率控制能力。
• 通过利用分布式PV发电满足本地PEV充电需求，降低系统成本与阻塞。
• 评估PV系统无功功率控制在提升电压质量与运行灵活性方面的效益。

提出的方法

• 构建一个两阶段随机MISOCP模型，以在负荷、交通与PV发电量等未来不确定性的条件下，确定最优的PEV快速充电站与分布式PV电站的选址与容量。
• 基于改进的容量受限型加油补给选址模型，结合行驶里程约束，对高速公路网络中的PEV交通流与充电需求进行建模。
• 通过并网逆变器在PV电站中引入无功功率控制，以支持电压调节并改善电能质量。
• 采用加速广义Benders分解（AGBD）算法对大规模问题进行分解，将主问题（混合整数线性规划）与子问题（凸二阶锥规划）分离。
• 通过迭代生成Benders割线来收紧主问题，并高效收敛至最优解。
• 采用大量典型场景来表征随机规划中的不确定性，涵盖负荷、交通与PV发电量。

实验结果

研究问题

• RQ1 如何构建联合规划模型，以在满足PEV行驶里程与电力系统约束的前提下，最小化总系统成本？
• RQ2 分布式PV发电的集成对缓解阻塞与推迟配电网投资有何影响？
• RQ3 PV逆变器的无功功率控制在高PEV渗透率场景下如何影响电压质量与系统运行灵活性？
• RQ4 与独立部署PEV充电站相比，联合规划在多大程度上可降低总系统成本？
• RQ5 PEV群体规模如何影响联合规划与PV集成的效益？

主要发现

• 在案例2中，与案例1相比，联合规划使总系统成本降低3.19%；在案例5中，与案例4相比，降低幅度达5.35%，主要得益于本地PV发电带来的运营成本下降。
• 在所有含PV的案例中，分布式PV电站的安装消除了线路阻塞；而在无PV的案例中，由于热过载，最多有1.87%的PEV充电需求无法满足。
• PV逆变器的无功功率控制显著降低了电压偏差，尤其有效缓解了反向潮流引起的电压升高问题，即使直接成本节省不足1%，也能显著改善电能质量。
• 加速广义Benders分解算法在约18小时内求解大规模问题，且在PEV群体规模较大时，由于约束更紧，求解时间有所延长。
• 在高负载场景下，联合规划通过利用本地PV供电，使所需充电站数量更少、成本更低，避免了昂贵的电网升级与阻塞高发区域。
• 该方法通过减少热阻塞，实现了输配电基础设施投资的推迟，在PV集成案例中，无任一线路热负荷超过100%。