安科瑞 陳聰

摘要:環(huán)境污染和能源危機問題越發(fā)嚴(yán)重,電動汽車因其低排放、低噪音等優(yōu)勢受到廣泛關(guān)注。但大量接入電網(wǎng)充電的電動汽車將會對電力系統(tǒng)產(chǎn)生巨大影響。特別是生活區(qū)域,電動汽車用戶普遍習(xí)慣下班后進(jìn)入小區(qū)立即給電動汽車充電,而這一時期正值居民生活用電高峰時期,大規(guī)模不受控的充電行為將對供電系統(tǒng)產(chǎn)生安全風(fēng)險,影響電網(wǎng)的正常運行。針對這一現(xiàn)象,以“削峰填谷”為主要目標(biāo)建立住宅區(qū)內(nèi)電動汽車充電電費定價的雙層規(guī)劃模型,下層是個人用戶充電電費最小化模型,得到充電負(fù)荷,上層是電網(wǎng)負(fù)荷時間分布均衡模型,求得快、慢兩種充電方式的分時電價,通過分時電價改變居民的充電行為,引導(dǎo)居民錯峰充電，最后通過算例表明電網(wǎng)供電穩(wěn)定性提高了57.66%。

關(guān)鍵詞:電動汽車:分時電價:雙層規(guī)劃模型:削峰填谷

一、引言

傳統(tǒng)能源逐漸枯竭,環(huán)境問題日益嚴(yán)重,作為新能源產(chǎn)業(yè)的電動汽車因其低污染、高轉(zhuǎn)換率的優(yōu)點受到政府大力支持。隨著汽油成本上升和電動汽車電池技術(shù)的不斷進(jìn)步,電動汽車逐漸成為傳統(tǒng)燃油汽車的替代品,廣受群眾歡迎。在可預(yù)計的未來:電動汽車市場將不斷擴大,電動汽車數(shù)量也將持續(xù)增多。但是,大規(guī)模電動汽車接入電網(wǎng)無序充電時其負(fù)荷峰值可能超過電網(wǎng)的傳輸極限，打破電力系統(tǒng)的供需平衡,進(jìn)而影響電網(wǎng)的電壓穩(wěn)定,針對這些問題,可以從有序智能充電、充電定價策略等不同方面進(jìn)行研究。本文就從價格方面考慮，從電網(wǎng)和用戶的角度，通過價格引導(dǎo)用戶的充電行為,保證電網(wǎng)平穩(wěn)運行。

二、問題背景

2.1問題描述

對于大部分電動汽車用戶,尤其是每天固定時間上下班的通勤人員,普遍會選擇在自家住宅區(qū)充電,而許多用戶下班回家后在用電需求已經(jīng)達(dá)到高峰的時期立即給汽車充電,這些隨機的充電行為會導(dǎo)致充電負(fù)荷和居民生活用電負(fù)荷在高峰期高度重疊。

本文從微觀角度,以居民住宅區(qū)內(nèi)的電動汽車為研究對象,同時考慮電網(wǎng)負(fù)荷的波動和小區(qū)電動汽車用戶的利益,通過建立雙層規(guī)劃模型制定不同時段快、慢兩種充電方式的電動汽車充電電價。通過價格的杠桿作用,針對每一輛電動汽車,改變用戶每個時段的充電行為,使準(zhǔn)備使用小區(qū)充電樁充電的用戶錯峰充電,達(dá)到電網(wǎng)負(fù)荷曲線“削峰填谷的目的,保證居民生活用電正常,維護(hù)電網(wǎng)的安全穩(wěn)定。

2.2問題假設(shè)

本文所研究的問題有如下幾點假設(shè)。

1)居民住宅區(qū)的充電樁實行一車一樁,每個用戶根據(jù)電價自主選擇充電時間段和充電方式,互不影響；

2)用戶的需求電量不超過停車時間內(nèi)充電可提供的最大電量；

3)對于分時電價未實施的情況,電動汽車用戶的充電行為是歸家后就立即以慢充方式充電；

4)每輛電動汽車固定充電方式下的電池電量與時間呈線性關(guān)系。

三、模型建立

電網(wǎng)總負(fù)荷由所有電動汽車的充電負(fù)荷以及小區(qū)基礎(chǔ)負(fù)荷組成,而所有電動汽車的充電負(fù)荷可通過每輛電動汽車的充電方案得到，同時每輛電動汽車的充電方案受電網(wǎng)中的充電電價影響而改變;因此充電電價可根據(jù)電網(wǎng)總負(fù)荷制定。

3.1下層模型

將一天分為 24 h,每1h為1個時間段,用t表示,下層模型的研究對象是使用電動汽車出行并最終會返回小區(qū)充電的用戶，電動汽車總量為N,電動汽車n∈N=,可充電的時間段在用戶返回小區(qū)時間i_n之后至離開小區(qū)時間j_n之前,開始時間段以歸家時刻的小時段 t=sh_n 表示，結(jié)束時間段以離家時刻的小時段 t=eh_n,表示，根據(jù)用戶的歸家和離家時間以及用戶的需求充電電量Q,制定電動汽車在小區(qū)停車期間每個時間段的充電方案。下層模型的目標(biāo)雨數(shù)是電動汽車n的充電費用最小化,由各時段不同充電方式充電量和單位電價之積的總和求得,以此輸出每個電動汽車的充電方案。

3.2上層模型

上層模型的研究對象是小區(qū)的整個電網(wǎng),考慮居民生活基礎(chǔ)負(fù)荷加入電動汽車的充電負(fù)荷后對電網(wǎng)波動的影響,以及居民的電費變化程度,盡量使電費變化程度降低,從某種程度上也保證了電力供應(yīng)商的利益。

目標(biāo)函數(shù)是一天 24 h各個時間段的總負(fù)荷標(biāo)準(zhǔn)差以及電價改變前后用戶充電總費用變化最小化,以此求得每個時間段內(nèi)的快、慢充電價。

四、 應(yīng)用方案

圖1 有序充電管理系統(tǒng)示意圖

圖2平臺結(jié)構(gòu)圖

充電運營管理平臺是基于物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的充電設(shè)施管理系統(tǒng)，可以實現(xiàn)對充電樁的監(jiān)控、調(diào)度和管理，提高充電樁的利用率和充電效率，提升用戶的充電體驗和服務(wù)質(zhì)量。用戶可以通過APP或小程序提前預(yù)約充電，避免在充電站排隊等待的情況，同時也能為充電站提供更準(zhǔn)確的充電需求數(shù)據(jù)，方便后續(xù)的調(diào)度和管理。通過平臺可對充電樁的功率、電壓、電流等參數(shù)進(jìn)行實時監(jiān)控，及時發(fā)現(xiàn)和處理充電樁故障和異常情況對充電樁的功率進(jìn)行控制和管理，確保充電樁在合理的功率范圍內(nèi)充電，避免對電網(wǎng)造成過大的負(fù)荷。

五、安科瑞充電樁云平臺具體的功能

平臺除了對充電樁的監(jiān)控外，還對充電站的光伏發(fā)電系統(tǒng)、儲能系統(tǒng)以及供電系統(tǒng)進(jìn)行集中監(jiān)控和統(tǒng)一協(xié)調(diào)管理，提高充電站的運行可靠性，降低運營成本，平臺系統(tǒng)架構(gòu)如圖3所示。

圖3 充電樁運營管理平臺系統(tǒng)架構(gòu)

大屏顯示：展示充電站設(shè)備統(tǒng)計、使用率排行、運營統(tǒng)計圖表、節(jié)碳量統(tǒng)計等數(shù)據(jù)。

圖4 大屏展示界面

站點監(jiān)控：顯示設(shè)備實時狀態(tài)、設(shè)備列表、設(shè)備日志、設(shè)備狀態(tài)統(tǒng)計等功能。

圖5 站點監(jiān)控界面

設(shè)備監(jiān)控：顯示設(shè)備實時信息、配套設(shè)備狀態(tài)、設(shè)備實時曲線、關(guān)聯(lián)訂單信息、充電功率曲線等。

圖6 設(shè)備監(jiān)控界面

運營趨勢統(tǒng)計：顯示運營信息查詢、站點對比曲線、日月年報表、站點對比列表等功能。

圖7 運營趨勢界面

收益查詢：提供收益匯總、實際收益報表、收益變化曲線、支付方式占比等功能。

圖8 收益查詢界面

故障分析：提供故障匯總、故障狀態(tài)餅圖、故障趨勢分析、故障類型餅圖等功能。

圖9 故障分析界面

訂單記錄：提供實時/歷史訂單查詢、訂單終止、訂單詳情、訂單導(dǎo)出、運營商應(yīng)收信息、充電明細(xì)、交易流水查詢、充值余額明細(xì)等功能。

圖10 訂單查詢界面

六、產(chǎn)品選型

安科瑞為廣大用戶提供慢充和快充兩種充電方式，便攜式、壁掛式、落地式等多種類型的充電樁，包含智能7kw/21kw交流充電樁，30kw直流充電樁，60kw/80kw/120kw/180kw直流一體式充電樁來滿足新能源汽車行業(yè)快速、經(jīng)濟(jì)、智能運營管理的市場需求。實現(xiàn)對動力電池快速、高效、安全、合理的電量補給，同時為提高公共充電樁的效率和實用性，具有有智能監(jiān)測：充電樁智能控制器對充電樁具備測量、控制與保護(hù)的功能；智能計量：輸出配置智能電能表，進(jìn)行充電計量，具備完善的通信功能；云平臺：具備連接云平臺的功能，可以實現(xiàn)實時監(jiān)控，財務(wù)報表分析等等；遠(yuǎn)程升級：具備完善的通訊功能，可遠(yuǎn)程對設(shè)備軟件進(jìn)行升級；保護(hù)功能：具備防雷保護(hù)、過載保護(hù)、短路保護(hù)，漏電保護(hù)和接地保護(hù)等功能；適配車型：滿足國標(biāo)充電接口，適配所有符合國標(biāo)的電動汽車，適應(yīng)不同車型的不同功率。下面是具體產(chǎn)品的型號和技術(shù)參數(shù)。

七、現(xiàn)場圖片

八、結(jié)論

針對住宅區(qū)內(nèi)大規(guī)模電動汽車無序接人電網(wǎng)的現(xiàn)象建立雙層規(guī)劃模型，為一天24個時段分別制定不同的電價,下層模型利用上層得到的分時電價,引導(dǎo)每名電動汽車用戶錯峰充電,保證所有用戶充電費用最小化,將下層模型得到的充電負(fù)荷輸人上層優(yōu)化分時電價,逐漸平抑電網(wǎng)波動，“削峰填谷”保證電網(wǎng)安全。

1)優(yōu)化模型不但大大減小了電網(wǎng)負(fù)荷波動,供電穩(wěn)定性提高 57.66%,也一定程度降低了用戶的充電費用,電動汽車的充電時長平均減少 29.17%。

2)該模型在優(yōu)化適用時間上沒有限制,也可適用于周末節(jié)假日時期。

3)電動汽車用戶的歸家、離家時間具有很強的隨機性,以后還應(yīng)考慮這一因素,加強模型的魯棒性;另外小區(qū)電動汽車充電樁數(shù)量有限,本文考慮的是所有電動汽車“一車一樁”的情況,未來還可以進(jìn)一步分析共享充電樁下的電動汽車充電定價策略。

參 考 文 獻(xiàn)：

[1]CLEMENTNYNS K,HAESEN E,DRIESEN J. The impact of charging plugin hybrid electric vehicles on a residential distribution grid[J]. IEEE Transactions on Power Systems2010,25(1):371-380.

[2]MITRA P,VENAYAGAMOORTHY G K. Wide area control for improving stability of a power system with plug in electric vehicles[J]. IET Generat Transmiss Distrib ,2010, 10(4):1151-1163.

[3] MAKASA KJ,VENAYAGAMOOTRHY G K. Estimation of voltage stability index in a power system with Plug -in Electric Vehicles[C]//2010 IREP Symposium Bulk Power System Dynamics and Control-VII (IREP). IEEE ,2010 :1-7.

[4] SORTOMME E,HINDI M,MACPHERSON S,et al. Coordinated charging of plugin hybrid electric vehicles to minimize distribution system losses[J], EEE Transactions on Smart Grid,2011,2(1):198-205.

[5]DEILAMI S,MASOUM A S,MOSES P S,et al. Real-time coordination of plug-in electric vehicle charging in smart grids to minimize power losses and improve voltage profile[J].IEEE Transactions on Smart Grid,2011,2(3):456-467.

[6]WU X,HU X,YIN X,et al. Stochastic optimal energy management of smart home with PEV energy storage[J]. EEE Transactions on Smart Grid,2016,9(3):2065-2075.

[7]李秋碩,肖湘寧,郭靜,等.電動汽車有序充電方法研究[J].電網(wǎng)技術(shù), 2012.36(12):32-38.

LI Q S,XIA0 X N,GUO J,et al. Research on orderly charging method of electric vehicle[J]. Power Grid Technology,2012,36(12):32-38.

[8]楊秀菊,白曉清,李佩杰,等.電動汽車規(guī)模化接入配電網(wǎng)的充電優(yōu)化[J].電力自動化設(shè)備,2015,35(6):31-36.

YANG X J,BAI X O,L P J,et al. Charging optimization of electric vehicles scaled to the distribution network[J]. Power Automation Equipment,2015,35(6):31-36.

[9]CAO Y,TANG S,LI C,et al. An optimized EV charging model considering TOU price and SOC curve[J]. EEE Transactions on Smart Grid,2011,3(1):388-393.

[10] MOGHADDAM Z,AHMAD I,HABIBI D,et al. A coordinated dynamic pricing model for electric vehicle charging stations[J],IEEE Transactions on Transportation Electrification,2019,5(1):226-238.

[11] RUI T,HU C,LI G,et al. A distributed charging strategy based on day ahead price model for PV-powered electric vehicle charging station[J]. Applied Soft Computing,2019,76:638-648.

[12]常方宇,黃梅,張維戈.分時充電價格下電動汽車有序充電引導(dǎo)策略[J].電網(wǎng)技術(shù),2016,40(9):2609-2615.

CHANG F Y,HUANG M,ZHANG W G. Orderly charging guidance strategy for electric vehicles under time-sharing charging price[J]. Power Grid Technology , 2016, 40(9):2609-2615.

[13]項頂,宋永華,胡澤春,等.電動汽車參與 V2G的*優(yōu)峰谷電價研究[J].中國電機工程學(xué)報,2013,33(31):15-25.

XIANG D,SONG Y H,HU Z C,et al. Research on the optimal peak-to-valley tariff for electric vehicle participation in V2G[J]. Chinese Journal of Electrical Engineering,2013,2013,33(31):15-25.