變更

电动汽车的充放电行为受到间接的成本约束和直接的集中调度控制。本项目建立了计及 电动汽车 <ref>[https://roll.sohu.com/a/668764717_121687424 纯电动汽车排行榜前十名：新能源电动汽车价格表]，搜狐，2018-03-29</ref> 充放电行为的机组组合模型，从机组组合的角度分析了受调度电动汽车的充放电行为。在 GAMS 的 MINLP 优化求解的基础上，以 10 台机组系统 24 时段的机组最优组合为例，分别讨论了有无惩罚函数的情况、全时段充放电和定时充放电的情况。由此得出结论，惩罚函数的添加，能够有效地改善系统“削峰填谷”效果。针对本项目算例，考虑机组成本和电动汽车充放电成本， 所允许的电动汽车放电的临界成本系数大约为 45$/MW。

本项目首先给出了具体的算例说明，然后将目标 函数 <ref>[https://www.sohu.com/a/537479768_693397 20个常用函数——用Excel做数据分析] ，搜狐，2022-04-13</ref> 中是否考虑电动汽车放电成本，分成两种情景，在 GAMS 的 MINLP 优化器求解的基础上，对结果 进行具体的讨论分析。在电网经济调度中，合理引入 V2G，与仅考虑 电动汽车充电行为时的结果相比，得到的负荷曲线更加缓和，“削峰填谷”的效果非常显著，机组总运行成本也得以大幅度地降低。机组组合优化结果与 电动汽车的放电成本系数有关，本算例求得的临界成本约为 45$/MW。惩罚函数的添加可以明显改善负荷“削峰填谷”效果。在全时段充放电模式下的“削峰填谷”效果也明显要比定时充放电的情况好，相较于定时充放电，全时段充放电即是最优充放电模式。