用戶側(cè)電動(dòng)汽車放電策略及其經(jīng)濟(jì)效益評(píng)估

戴 欣，袁 越，傅質(zhì)馨，許慶強(qiáng)

（1．河海大學(xué)能源與電氣學(xué)院，南京 210098；2．河海大學(xué)可再生能源發(fā)電技術(shù)教育部工程研究中心，南京 210098；3．江蘇省電力公司，南京 210024）

用戶側(cè)電動(dòng)汽車放電策略及其經(jīng)濟(jì)效益評(píng)估

戴 欣1，2，袁 越1，2，傅質(zhì)馨1，2，許慶強(qiáng)3

（1．河海大學(xué)能源與電氣學(xué)院，南京 210098；2．河海大學(xué)可再生能源發(fā)電技術(shù)教育部工程研究中心，南京 210098；3．江蘇省電力公司，南京 210024）

電動(dòng)汽車是一種分散式的儲(chǔ)能裝置，基于電動(dòng)汽車-電網(wǎng)互動(dòng)技術(shù)V2G（vehicle to grid），合理的調(diào)度策略可以激發(fā)其較多的潛在價(jià)值。首先具體分析每一項(xiàng)潛在價(jià)值，建立用戶側(cè)電動(dòng)汽車經(jīng)濟(jì)效益評(píng)估模型；然后應(yīng)用粒子群算法，以經(jīng)濟(jì)效益最大為目標(biāo)函數(shù)，在不增加電池充放電循環(huán)次數(shù)的前提下，利用電動(dòng)汽車支持用戶高峰用電并提高供電的可靠性，得到電動(dòng)汽車各時(shí)段的放電功率。算例結(jié)果證明了該模型和控制策略的有效性。

電動(dòng)汽車；用戶側(cè)；經(jīng)濟(jì)效益；放電策略；粒子群算法

隨著人類社會(huì)的日益發(fā)展，能源問(wèn)題越來(lái)越突出，因此爆發(fā)的種種社會(huì)問(wèn)題和世界危機(jī)層出不窮。在全球變暖的今天，石油產(chǎn)品的大量消耗引起碳排放量激增，而其中大約50%的原油又被燃油汽車消耗。電動(dòng)汽車技術(shù)的發(fā)展，給世界能源結(jié)構(gòu)的升級(jí)帶來(lái)巨大的機(jī)遇，可以幫助人類社會(huì)更好更快地實(shí)現(xiàn)抑制全球變暖的目標(biāo)[1]。

盡管發(fā)展電動(dòng)汽車技術(shù)具有良好的前景和重要的意義，但是目前電動(dòng)汽車的推廣度并不高。其中最突出的問(wèn)題就是其昂貴的價(jià)格——相比普通的燃油汽車，電動(dòng)汽車的價(jià)格高出50%以上。事實(shí)上，電動(dòng)汽車的電池作為一種移動(dòng)分散式的儲(chǔ)能裝置，不僅可以從電網(wǎng)中吸收電能，還可以向電網(wǎng)反饋電能。通過(guò)這種V2G技術(shù)，電動(dòng)汽車可以參與電力系統(tǒng)的運(yùn)行與控制。對(duì)于整個(gè)系統(tǒng)，電動(dòng)汽車的電池可以用來(lái)移峰填谷，減少備用發(fā)電容量；可以參與系統(tǒng)調(diào)頻，減少電網(wǎng)頻率波動(dòng)。對(duì)于用戶側(cè)，合理安排電動(dòng)汽車充放電可以減少用戶支付電網(wǎng)的電費(fèi)；延緩配電裝置的升級(jí)改造；降低變壓器運(yùn)行損耗；除此之外，電動(dòng)汽車還可以為用戶提供可靠的備用電源，減少停電帶來(lái)的損失[2～4]。總的來(lái)說(shuō)，電動(dòng)汽車具有較多的潛在經(jīng)濟(jì)價(jià)值，可以帶來(lái)可觀的收益，從而提高電動(dòng)汽車的經(jīng)濟(jì)性，推動(dòng)電動(dòng)汽車的發(fā)展。因此，對(duì)電動(dòng)汽車充放電策略及其經(jīng)濟(jì)效益進(jìn)行研究是很有必要的。

國(guó)內(nèi)外學(xué)者在有關(guān)方面做了較多的研究。文獻(xiàn)［5～8］計(jì)算了V2G模式下，電動(dòng)汽車的多種潛在經(jīng)濟(jì)收益，指出電動(dòng)汽車可以作為移動(dòng)分散式儲(chǔ)能裝置，為電網(wǎng)提供容量支持，解決電能無(wú)法大量?jī)?chǔ)存的困境，實(shí)現(xiàn)削峰填谷、節(jié)能減碳、穩(wěn)定可再生間歇式能源電能質(zhì)量。文獻(xiàn)［9～13］分析了系統(tǒng)側(cè)和用戶側(cè)電池儲(chǔ)能裝置的各種潛在收益，提出了計(jì)算其最佳充放電控制策略和最佳安裝容量的方法，通過(guò)算例的計(jì)算驗(yàn)證了方法的正確性。文獻(xiàn)［14～15］綜合考慮電動(dòng)汽車充放電功率及可用容量等約束條件，建立了移動(dòng)儲(chǔ)能系統(tǒng)模型，應(yīng)用粒子群優(yōu)化算法對(duì)模型進(jìn)行了求解。文獻(xiàn)［16］闡述了電動(dòng)汽車充放電控制策略總體思路以及實(shí)現(xiàn)V2G的24 h發(fā)電計(jì)劃原理。文獻(xiàn)［17～19］介紹了粒子群算法的基本思想，對(duì)粒子群算法進(jìn)行了改進(jìn)，提高了運(yùn)行速度和尋優(yōu)精度。然而，現(xiàn)有研究中只有文獻(xiàn)［10］，［13］具體研究了用戶側(cè)儲(chǔ)能裝置的經(jīng)濟(jì)效益，并且其研究對(duì)象是大型電池儲(chǔ)能裝置，沒(méi)有針對(duì)電動(dòng)汽車充放電的隨機(jī)性和分散性。同時(shí)，文獻(xiàn)［14～15］的充放電控制策略以電池的壽命損耗為代價(jià)，不利于提高電動(dòng)汽車參與電網(wǎng)調(diào)度的積極性。

據(jù)統(tǒng)計(jì)，電動(dòng)汽車一次性最大續(xù)航里程一般為100～300 km，而電動(dòng)汽車一天的平均行駛里程只有30～50 km[20]，這說(shuō)明電動(dòng)汽車電池的容量遠(yuǎn)大于正常的日消耗能量；因此對(duì)于絕大部分電動(dòng)汽車，利用休息時(shí)間將其充滿電，即可滿足一天的使用需求，同時(shí)還可以盡量避免在其他時(shí)間充電，從而減少電池充放電循環(huán)次數(shù)，延長(zhǎng)使用壽命。以此為前提，基于用戶側(cè)電動(dòng)汽車閑置和集中的優(yōu)勢(shì)，考慮大中型用戶高峰負(fù)荷大、持續(xù)時(shí)間短的特點(diǎn)，電動(dòng)汽車可以帶來(lái)較多的潛在價(jià)值。這些潛在價(jià)值主要包括降低購(gòu)電費(fèi)用、減少基本電費(fèi)、減少配電設(shè)備建設(shè)容量、降低變壓器運(yùn)行損耗和減少停電損失等。本文對(duì)這些潛在價(jià)值進(jìn)行了具體的分析，建立了相應(yīng)的經(jīng)濟(jì)效益評(píng)估模型；提出一種電動(dòng)汽車放電控制策略，其特點(diǎn)是不增加電池的充放電循環(huán)次數(shù)。同時(shí)，針對(duì)某三班制企業(yè)，以一個(gè)工作日為單位，利用粒子群優(yōu)化算法對(duì)電動(dòng)汽車的放電做出了規(guī)劃，分析了可調(diào)度容量和最大放電功率兩個(gè)因素對(duì)經(jīng)濟(jì)收益的影響，驗(yàn)證了模型和控制策略的有效性。

1 用戶側(cè)電動(dòng)汽車放電收益分析

1）減少購(gòu)電費(fèi)用

購(gòu)電費(fèi)用是指用戶按照用電量的多少，向電網(wǎng)支付的一筆費(fèi)用。由于大中型用戶用電量大、電價(jià)高，購(gòu)電費(fèi)用是一筆較大的開(kāi)銷。電動(dòng)汽車的電池容量遠(yuǎn)大于日消耗能量，如果電動(dòng)汽車和用戶簽訂協(xié)議，將處于“空閑狀態(tài)”的電動(dòng)汽車一部分電能用于放電調(diào)度，可以取得較大的經(jīng)濟(jì)收益。將一天的時(shí)間分成24個(gè)時(shí)段，相應(yīng)的年收益R1可以表示為

式中：N為一年工作的天數(shù)；n為電動(dòng)汽車的數(shù)量；Pij為第i輛電動(dòng)汽車在第j個(gè)時(shí)段的放電功率，MW；cj為第j個(gè)時(shí)段的大工業(yè)用電電價(jià)。

2）降低基本電費(fèi)

基本電費(fèi)是根據(jù)大中型用戶的最大用電功率來(lái)收取的一筆費(fèi)用，受尖峰用電的影響比較大。尖峰用電具有功率大、持續(xù)時(shí)間短的特點(diǎn)，利用電動(dòng)汽車響應(yīng)速度快的優(yōu)勢(shì)合理放電，可以減少用戶的尖峰用電，降低最大用電功率，從而降低基本電費(fèi)。每年的收益R2可以表示為

式中：Pmax為用戶的最大用電功率；Pmax′為電動(dòng)汽車參與放電后用戶從電網(wǎng)中吸收的最大功率；cd為基本電費(fèi)價(jià)格。

3）減少配電設(shè)備容量建設(shè)費(fèi)用

大部分情況下，配電設(shè)備不會(huì)滿載運(yùn)行，變壓器的最大容量主要是由于用電高峰的限制。利用電動(dòng)汽車合理放電，可以減少用戶的尖峰用電，從而降低配電設(shè)備的建設(shè)容量，節(jié)約配電設(shè)備的建設(shè)費(fèi)用，獲取一定的收益[10]。每年的收益R3可以表示為

式中：fd為資產(chǎn)的折舊率；cb為配電設(shè)備的單位造價(jià)。

4）降低變壓器運(yùn)行損耗費(fèi)用

用戶的變壓器運(yùn)行損耗占用電損耗的主要部分，其中受負(fù)荷大小影響的是銅耗，它與負(fù)載率的平方成反比。電動(dòng)汽車的電池容量較大，一定數(shù)量的電動(dòng)汽車合理放電，可以明顯降低變壓器的負(fù)載率，從而降低其運(yùn)行損耗。相應(yīng)的年收益R4可以表示[13]為

式中：Pi為用戶在第i個(gè)時(shí)段的用電功率，MW；Lk為變壓器的短路損耗；SN為變壓器的額定容量；cos β為變壓器負(fù)荷側(cè)功率因數(shù)。

5）減少停電損失費(fèi)用

重要的用戶對(duì)用電的可靠性要求很高，某些企業(yè)一旦斷電，整條生產(chǎn)線上的產(chǎn)品就會(huì)報(bào)廢，損失嚴(yán)重?？偟膩?lái)說(shuō)，停電損失可以分成兩個(gè)方面：停電期間缺電造成的經(jīng)營(yíng)收益損失和停電造成的產(chǎn)品報(bào)廢損失。電動(dòng)汽車作為后備電源，可以短時(shí)間超過(guò)最大功率放電，在毫秒級(jí)時(shí)間內(nèi)實(shí)現(xiàn)供電，防止停電造成的產(chǎn)品報(bào)廢，并且繼續(xù)供電，減少經(jīng)營(yíng)收益損失。相應(yīng)的年收益R5可以表示[13，21]為

式中：RIEA為用戶缺電損失評(píng)價(jià)率；EENS為電網(wǎng)每次停電造成的用戶電量不足期望值；λs為電動(dòng)汽車接入電網(wǎng)時(shí)的故障停電率；λs′為電動(dòng)汽車接入后配電系統(tǒng)的故障停電率；Wi為第i個(gè)時(shí)段電動(dòng)汽車總的剩余能量；Eλ為每次停電給用戶造成產(chǎn)品報(bào)廢的經(jīng)濟(jì)損失期望值；Ts為用戶每年的生產(chǎn)小時(shí)數(shù)；As為電網(wǎng)供電可靠性；P0為用戶維持基本生產(chǎn)的最小供電功率；λb為電動(dòng)汽車供電的故障停電率；rs和rb分別為電網(wǎng)和電動(dòng)汽車正常供電的修復(fù)時(shí)間；hWE為Wi＜EENS的小時(shí)數(shù)；P（Wi＜EENS）為電動(dòng)汽車接入后，一天中電動(dòng)汽車總的剩余能量小于EENS的概率。

2 電動(dòng)汽車放電控制策略及其經(jīng)濟(jì)效益評(píng)估模型

2.1 放電控制策略

目前國(guó)內(nèi)外對(duì)電動(dòng)汽車參與電網(wǎng)調(diào)度的研究，大部分是基于合理充放電來(lái)實(shí)現(xiàn)的，主要代價(jià)是電池充放電循環(huán)次數(shù)的消耗。電動(dòng)汽車的可用性和經(jīng)濟(jì)性很大程度上決定于電池的充放電循環(huán)次數(shù)，在當(dāng)前電池技術(shù)沒(méi)有明顯突破的情況下，這些調(diào)度策略會(huì)影響電池的使用壽命，降低電動(dòng)汽車參與電網(wǎng)調(diào)度的積極性。本文提出的放電控制策略，正是基于這方面的考慮，只利用電動(dòng)汽車中一部分“空閑”的電能進(jìn)行放電調(diào)度，不增加充放電循環(huán)次數(shù)，如圖1所示。

圖1 電動(dòng)汽車一個(gè)工作日的充放電過(guò)程Fig.1 Charge and discharge process of electric vehicle in workday

前提條件為：用戶側(cè)電動(dòng)汽車初始電量較高。在到達(dá)用戶側(cè)之前，利用休息時(shí)間，通過(guò)居民用電將電池基本充滿。

控制策略如下。

（1）電動(dòng)汽車在用戶側(cè)不進(jìn)行充電。這主要是基于電動(dòng)汽車電池的容量遠(yuǎn)大于正常的日消耗能量。

（2）電動(dòng)汽車只參與放電調(diào)度，不增加充放電循環(huán)次數(shù)。這是基于電池的使用壽命考慮的。

（3）只利用電動(dòng)汽車中較少的電能參與放電調(diào)度（電池容量的10%～40%）。這是為了保證電動(dòng)汽車的正常使用需求。

2.2 放電成本及目標(biāo)函數(shù)

由于電動(dòng)汽車只參與放電調(diào)度，不增加電池的充放電循環(huán)次數(shù)，因此放電的成本僅僅是電動(dòng)汽車上繳電網(wǎng)的與放電容量相對(duì)應(yīng)的電費(fèi)C，可以表示為

式中：cr為居民用電電價(jià)；η為汽車電池放電效率。

綜上所述，主要目標(biāo)函數(shù)f1為電動(dòng)汽車的放電收益，可以表示為

這里需要指出的是，式（10）的實(shí)質(zhì)是進(jìn)行多目標(biāo)優(yōu)化，但與現(xiàn)有文獻(xiàn)不同，本文中這些目標(biāo)的量綱都是經(jīng)濟(jì)收益?；谙嗤牧烤V，在本文考慮經(jīng)濟(jì)效益最大化的前提下，對(duì)這些不同的目標(biāo)之間沒(méi)有考慮權(quán)重。事實(shí)上，權(quán)重的考慮與否對(duì)優(yōu)化結(jié)果是有一定影響的。在不考慮權(quán)重的情況下，放電策略優(yōu)先選擇降低高峰負(fù)荷；如果增加R3、R4和R5的權(quán)重，放電策略則會(huì)兼顧考慮用戶的可靠性和負(fù)荷率。

次要目標(biāo)函數(shù)f2為負(fù)荷曲線的均方差，可以表示為

基于主要目標(biāo)函數(shù)A得到最優(yōu)解集后，考慮負(fù)荷的波動(dòng)最小化，根據(jù)次要目標(biāo)函數(shù)B得出最優(yōu)解。

2.3 約束條件

1）考慮電動(dòng)汽車的放電功率約束

式中，Pimax為第i輛電動(dòng)汽車的最大放電功率，一般由電動(dòng)汽車的類型決定。

2）考慮電動(dòng)汽車放電容量約束

式中，Pimax為第i輛電動(dòng)汽車的最大放電容量，可由電動(dòng)汽車所有者根據(jù)需求自主設(shè)定。

最后需要指出的是，目標(biāo)A是以年為單位，而目標(biāo)B及約束條件是以天為單位。但是本文的放電控制策略是以一天24 h為單位，因此將它們放在同一個(gè)模型中進(jìn)行優(yōu)化，并不存在時(shí)間上的協(xié)調(diào)問(wèn)題。

3 基于粒子群算法的電動(dòng)汽車放電控制流程

電動(dòng)汽車的數(shù)量眾多，其放電控制策略的求解是一個(gè)高維數(shù)的優(yōu)化問(wèn)題。在眾多算法中，典型規(guī)劃算法被廣泛應(yīng)用于此類問(wèn)題，其方法簡(jiǎn)單、結(jié)果可靠，但也存在著計(jì)算時(shí)間長(zhǎng)、收斂精度不高等問(wèn)題。文獻(xiàn)［17］將改進(jìn)的粒子群算法與典型規(guī)劃算法比較，結(jié)果證明前者的計(jì)算時(shí)間更短，收斂精度更高。因此本文選用粒子群優(yōu)化算法。

3.1 粒子群算法的改進(jìn)

粒子群算法來(lái)源于對(duì)鳥(niǎo)類捕食行為的研究。粒子的特征用位置、速度和適應(yīng)度值來(lái)表示。粒子的位置代表問(wèn)題的潛在解，粒子的速度決定了粒子移動(dòng)的方向和距離，適應(yīng)度值由適應(yīng)度函數(shù)決定，其值的好壞表示粒子的優(yōu)劣。

粒子群算法經(jīng)過(guò)多年的發(fā)展，出現(xiàn)了眾多的改進(jìn)方法。本文采用文獻(xiàn)［17］的方法，其粒子的更新公式為

式中：ω為慣性權(quán)重；k為當(dāng)前迭代次數(shù)；vid為粒子的速度；Yid為粒子的位置；Pid為個(gè)體適應(yīng)度值最優(yōu)位置；Pgd為群體適應(yīng)度值最優(yōu)位置；Igd為每次迭代過(guò)程中群體適應(yīng)度值最優(yōu)位置；a1、a2、a3為加速因子；b1、b2、b3為[0，1]區(qū)間的隨機(jī)數(shù)。

3.2 算法流程

將粒子群算法應(yīng)用到電動(dòng)汽車放電控制策略及其經(jīng)濟(jì)效益評(píng)估中，通過(guò)優(yōu)化電動(dòng)汽車在各個(gè)時(shí)段的放電功率，使目標(biāo)函數(shù)最優(yōu)。本文問(wèn)題中粒子的維度為24n，其中n是電動(dòng)汽車的數(shù)量。粒子的位置可以表示為

粒子群算法的具體流程如下。

（1）確定基本參數(shù)，初始化粒子的位置和速度。

（2）根據(jù)電動(dòng)汽車放電約束條件修改粒子的位置和速度。

（3）根據(jù)目標(biāo)函數(shù)A計(jì)算粒子適應(yīng)度值，記錄個(gè)體極值和群體極值。

（4）更新粒子的位置和速度。

（5）根據(jù)放電約束條件修改粒子的位置和速度。

（6）計(jì)算粒子適應(yīng)度值，記錄最優(yōu)粒子位置，個(gè)體極值和群體極值。

（7）判斷是否達(dá)到最大迭代次數(shù)，是則停止；否則轉(zhuǎn)到（4）。

（8）在最優(yōu)粒子集中，根據(jù)目標(biāo)函數(shù)B計(jì)算適應(yīng)度值，記錄最優(yōu)解。

4 算例分析

4.1 算例結(jié)果

以某地區(qū)三班制企業(yè)為例（晚班為0∶00—8∶00，早班為8∶00—16∶00，中班為16∶00—24∶00），其日負(fù)荷曲線如圖2所示。大工業(yè)用電電價(jià)依據(jù)時(shí)段分為3個(gè)價(jià)格區(qū)間，高峰電價(jià)為0.098萬(wàn)元/（MW·h）（8∶00—12∶00，17∶00—21∶00），平段電價(jià)為0.058 8萬(wàn)元/（MW·h）（12∶00—17∶00，21∶00—24∶00），低谷電價(jià)為0.027 6萬(wàn)元/（MW·h）（0 ∶00—8∶00）。

圖2 某企業(yè)典型工作日負(fù)荷曲線Fig.2 Typical workday load curve of an enterprise

考慮到用戶側(cè)的電動(dòng)汽車具有隨機(jī)性?。üぷ鲿r(shí)段電動(dòng)汽車基本處于“空閑”狀態(tài)）和車輛類型比較固定的特點(diǎn)（主要是中小型轎車和商務(wù)車），因此可以對(duì)求解問(wèn)題進(jìn)行簡(jiǎn)化。

（1）參與調(diào)度的電動(dòng)汽車與企業(yè)簽訂合同，賦予企業(yè)放電調(diào)度的權(quán)力。在工作時(shí)段內(nèi)，參與調(diào)度的電動(dòng)汽車不離開(kāi)企業(yè)。

（2）參與調(diào)度的電動(dòng)汽車初始電量滿足正態(tài)分布，平均初始電量較高。

（3）3個(gè)班次之間沒(méi)有調(diào)度聯(lián)系，企業(yè)分別利用3個(gè)班次的可調(diào)度電動(dòng)汽車進(jìn)行放電調(diào)度。

（4）每個(gè)班次參與調(diào)度的電動(dòng)汽車分成A、B、 C 3類。每一類電動(dòng)汽車的數(shù)量，最大放電功率及電池容量如表1所示。

（5）電動(dòng)汽車最大可調(diào)度容量為電池容量的40%。

表1 3種類型電動(dòng)汽車的基本參數(shù)Tab.1 Parameters of three types of electric vehicles

經(jīng)濟(jì)效益模型中的相關(guān)數(shù)據(jù)見(jiàn)表2。算法中設(shè)粒子數(shù)目為120；最大迭代次數(shù)Tmax=200；粒子速度vmax=0.02，vmin=-0.02；加速因子a1=1.24，a2=1.24，a3=0.124；慣性權(quán)重系數(shù)ω計(jì)算式為

表2算例數(shù)據(jù)Tab.2 Example date

式中：ωmax=0.9，ωmin=0.4；t為當(dāng)前迭代次數(shù)。

粒子群算法的迭代收斂過(guò)程如圖3所示。

圖3 粒子群算法的優(yōu)化過(guò)程Fig.3 Optimization procedure of particle swarm optimization algorithm

求解得到電動(dòng)汽車各時(shí)刻總放電功率如圖4所示（其中，1∶00—8∶00為晚班電動(dòng)汽車放電功率，9∶00—16∶00為早班放電功率，17∶00—24∶00為中班放電功率）。

圖4 電動(dòng)汽車各時(shí)刻總放電功率Fig.4 Total discharge power of electric vehicles each time

該企業(yè)電動(dòng)汽車放電的年收益為95.94萬(wàn)元，其中R1=72.27萬(wàn)元，R2=28.7萬(wàn)元，R3=1.89萬(wàn)元，R4=0.65萬(wàn)元，R5=28.17萬(wàn)元，C=35.74萬(wàn)元。

對(duì)圖4進(jìn)一步分析，可以發(fā)現(xiàn)：

（1）晚班時(shí)段內(nèi)，由于企業(yè)用電電價(jià)低于居民用電電價(jià)，電動(dòng)汽車進(jìn)行放電調(diào)度的經(jīng)濟(jì)性不高，只適合作為企業(yè)的可靠備用電源來(lái)獲取一定的經(jīng)濟(jì)收益。

（2）早班和中班時(shí)段內(nèi)，企業(yè)用電電價(jià)較高，電動(dòng)汽車放電參與度很高，經(jīng)濟(jì)收益較大。

企業(yè)與電動(dòng)汽車所有者平分經(jīng)濟(jì)收益，則企業(yè)每年可獲利47.97萬(wàn)元，每輛電動(dòng)汽車每年可獲利0.16萬(wàn)元。顯然，電動(dòng)汽車通過(guò)參與用戶側(cè)放電調(diào)度提高了自身的經(jīng)濟(jì)性，這對(duì)進(jìn)一步提高電動(dòng)汽車的推廣度有較大的幫助。

4.2 靈敏度分析

圖5所示為經(jīng)濟(jì)收益隨電動(dòng)汽車可調(diào)度容量增大的變化趨勢(shì)。

圖5 經(jīng)濟(jì)收益隨電動(dòng)汽車可調(diào)度容量增大的變化趨勢(shì)Fig.5 Trend of economic benefits with scheduling capacity increases

由圖5可知，隨著可調(diào)度容量的增加，總收益和減少購(gòu)電費(fèi)用收益近似線性增加；減少配電設(shè)備容量建設(shè)費(fèi)用收益和降低基本電費(fèi)收益增加到一定程度后維持不變；而減少停電損失費(fèi)用收益則一直保持不變。分析原因，可以概括為3點(diǎn)。

（1）相比于該企業(yè)用電容量，電動(dòng)汽車的放電容量不大且主要集中在高峰電價(jià)時(shí)段內(nèi)放電。

（2）電動(dòng)汽車最大放電功率的限制和平段電價(jià)時(shí)段內(nèi)最高負(fù)荷的存在，導(dǎo)致繼續(xù)降低用戶最大負(fù)荷的經(jīng)濟(jì)性不大。

（3）電動(dòng)汽車的剩余電量較大，一直高于企業(yè)所需的備用容量。

圖6以算例中設(shè)定的最大放電功率為基準(zhǔn)值，描述了可調(diào)度容量為40%的前提下，該企業(yè)電動(dòng)汽車的經(jīng)濟(jì)收益隨其最大放電功率增大的變化趨勢(shì)。

圖6 經(jīng)濟(jì)收益隨電動(dòng)汽車最大放電功率增大的變化趨勢(shì)（以算例中設(shè)定的最大放電功率為基準(zhǔn)值）Fig.6 Trend of economic benefits with maximum discharge power increases（the maximum discharge power in the example was set as the reference value）

由圖6可知，隨著最大放電功率的增長(zhǎng)，經(jīng)濟(jì)收益逐漸增加，當(dāng)最大放電功率達(dá)到1.00后，經(jīng)濟(jì)收益不再跟隨最大放電功率增長(zhǎng)。研究發(fā)現(xiàn)，由于可調(diào)度容量和平段電價(jià)時(shí)段內(nèi)最高負(fù)荷的限制，過(guò)大的放電功率不能帶來(lái)更多的經(jīng)濟(jì)收益，同時(shí)還可能會(huì)降低電池的使用壽命，故應(yīng)該給用戶側(cè)的電動(dòng)汽車設(shè)置一個(gè)合理的最大放電功率。顯然，本算例中設(shè)定的最大放電功率就是一個(gè)較優(yōu)的值。

5 結(jié)語(yǔ)

本文比較全面地考慮了用戶側(cè)電動(dòng)汽車多方面的經(jīng)濟(jì)效益，建立了評(píng)估模型。基于電動(dòng)汽車電池容量遠(yuǎn)大于日消耗能量的特點(diǎn)，提出一種放電控制策略，其優(yōu)點(diǎn)是不增加電池的充放電循環(huán)次數(shù)。通過(guò)算例計(jì)算，分析了電動(dòng)汽車可調(diào)度容量和最大放電功率兩個(gè)因素對(duì)經(jīng)濟(jì)收益的影響，驗(yàn)證了模型和控制策略的有效性。從系統(tǒng)側(cè)看，電動(dòng)汽車在用電高峰時(shí)刻放電還可以節(jié)省電源和電網(wǎng)的容量建設(shè)成本和運(yùn)行成本，帶來(lái)相應(yīng)的社會(huì)效益，但是目前電動(dòng)汽車的價(jià)格仍然較高，經(jīng)濟(jì)性欠佳，消費(fèi)者購(gòu)買(mǎi)的積極性不高。這還需要相應(yīng)的政策支持，以推動(dòng)其應(yīng)用和成本的進(jìn)一步降低。

[1]Boulanger A G，Chu A C，Maxx S，et al.Vehicle electrification：status and issues[J].Proceedings of the IEEE，2011，99（6）：1116-1138.

[2]高賜威，張亮（Gao Ciwei，Zhang Liang）.電動(dòng)汽車充電對(duì)電網(wǎng)影響的綜述（A survey of influence of electrics vehicle charging on power grid）[J].電網(wǎng)技術(shù)（Power System Technology），2011，35（2）：127-131.

[3]Dickermanan L，Harrison J.A new car，a new grid[J].IEEE Power and Energy Magazine，2010，8（2）：55-61.

[4]Tu Yiyun，Li Can，Cheng Lin，et al.Research on vehicleto-grid technology[C]//International Conference on Computer Distributed Control and Intelligent Environmental Monitoring.Changsha，China：2011.

[5]錢(qián)科軍，周承科，袁越（Qian Kejun，Zhou Chengke，Yuan Yue）.純電動(dòng)汽車與電網(wǎng)相互關(guān)系的研究現(xiàn)狀（A review of research on the interaction between fully electric vehicles and power systems）[J].電網(wǎng)與清潔能源（Power System and Clean Energy），2010，26（11）：1-7.

[6]孫波，廖強(qiáng)強(qiáng)，謝品杰，等（Sun Bo，Liao Qiangqiang，Xie Pinjie，et al）.車電互聯(lián)削峰填谷的經(jīng)濟(jì)成本效益分析（A cost-benefit analysis model of vehicle-to-grid for peak shaving）[J].電網(wǎng)技術(shù)（Power System Technology），2012，36（10）：30-34.

[7]楊黎暉，許昭，?STERGAARD J，等（Yang Lihui，Xu Zhao，?STERGAARD J，et al）.電動(dòng)汽車在含大規(guī)模風(fēng)電的丹麥電力系統(tǒng)中的應(yīng)用（Electric vehicles in Danish power system with large penetration of wind power）[J].電力系統(tǒng)自動(dòng)化（Automation of Electric Power Systems），2011，35（14）：43-47.

[8]于大洋，黃海麗，雷鳴，等（Yu Dayang，Huang Haili，Lei Ming，et al）.電動(dòng)汽車充電與風(fēng)電協(xié)同調(diào)度的碳減排效益分析（CO2reduction benefit by coordinated dispatch of electric vehicle charging and wind power）[J].電力系統(tǒng)自動(dòng)化（Automation of Electric Power Systems），2012，36 （10）：14-18.

[9]Chacra F A，Bastard P，F(xiàn)leury G，et al.Impact of energy storage costs on economical performance in a distribution substation[J].IEEE Trans on Power Systems，2005，20 （2）：684-691.

[10]Lee Tsung-Ying，Chen Nanming.Determination of optimal contract capacities and optimal sizes of battery energy storage systems for time-of-use rates industrial customers[J]．IEEE Trans on Energy Conversion，1995，10（3）：562-568．

[11]Lo C H，Anderson M D．Economic dispatch and optimal sizing of battery energy storage systems in utility load-leveling operations[J].IEEE Trans on Energy Conversion，1999，14（3）：824-829．

[12]Hu Weihao，Chen Zhe，Bak-Jensen B．Optimal operation strategy of battery energy storage system to real-time electricity price in Denmark[C]//IEEE Power and Energy Society General Meeting.Minneapolis，USA：2010．

[13]顏志敏，王承民，連鴻波，等（Yan Zhimin，Wang Chengmin，Lian Hongbo，et al）．計(jì)及缺電成本的用戶側(cè)蓄電池儲(chǔ)能系統(tǒng)容量規(guī)劃（Capacity plan of battery energy storage system in user side considering power outage cost）[J]．電力系統(tǒng)自動(dòng)化（Automation of Electric Power Systems），2012，36（11）：50-54．

[14]韓海英，和敬涵，王小君，等（Han Haiying，He Jinghan，Wang Xiaojun，et al）．基于改進(jìn)粒子群算法的電動(dòng)車參與負(fù)荷平抑策略（An improved particle swarm optimization-based load response strategy with participation of vehicle to grid）[J]．電網(wǎng)技術(shù)（Power System Technology），2011，35（10）：165-169．

[15]鮑諺，姜久春，張維戈，等（Bao Yan，Jiang Jiuchun，Zhang Weige，et al）．電動(dòng)汽車移動(dòng)儲(chǔ)能系統(tǒng)模型及控制策略（Model and control strategy of the electric vehicle mobile energy storage system）[J]．電力系統(tǒng)自動(dòng)化（Automation of Electric Power Systems），2012，36（22）：36-43．

[16]張麗，王媚，杜成鋼，等（Zhang Li，Wang Mei，Du Chenggang，et al）．一種V2G充放電控制策略算法應(yīng)用（Application of an algorithm of control strategy for charging& discharging system based on V2G）[J]．華東電力（East China Electric Power），2010，38（11）：1675-1677．

[17]Lee Tsung-Ying．Operating schedule of battery energy storage system in a time-of-use rate industrial user with wind turbine generators：a multipass iteration particle swarm optimization approach[J]．IEEE Trans on Energy Conversion，2007，22（3）：774-782．

[18]Gaing Zwe-Lee．Particle swarm optimization to solving the economic dispatch considering the generator constraints [J]．IEEE Trans on Power Systems，2003，18（3）：1187-1195．

[19]蒙文川，邱家駒（Meng Wenchuan，Qiu Jiaju）．電力系統(tǒng)經(jīng)濟(jì)負(fù)荷分配的混沌粒子群優(yōu)化算法（Chaotic particle swarm optimization algorithm for economic load dispatch of power system）[J]．電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)（Proceedings of the CSU-EPSA），2007，19（2）：114-119．

[20]廖強(qiáng)強(qiáng)，周國(guó)定，葛紅花，等（Liao Qiangqiang，Zhou Guoding，Ge Honghua，et al）．車網(wǎng)互聯(lián)（V2G）支持高峰電力的技術(shù)經(jīng)濟(jì)分析（Technical and economic analysis on V2G peak power support mode）[J]．中國(guó)電力（Electric Power），2012，45（4）：92-95．

[21]張焰（Zhang Yan）．電網(wǎng)規(guī)劃中的可靠性成本-效益分析研究（Research on cost-benefit analysis of electric power network reliability planning）[J]．電力系統(tǒng)自動(dòng)化（Automation of Electric Power Systems），1999，23（15）：33-36．

[22]王鋼，丁茂生，李曉華，等（Wang Gang，Ding Maosheng，Li Xiaohua，et al）．UPS供電系統(tǒng)可靠性與經(jīng)濟(jì)性綜合研究（Comprehensive study of uninterrupted power supply system’s reliability and economy）[J]．中國(guó)電機(jī)工程學(xué)報(bào)（Proceedings of the CSEE），2005，25（12）：73-77．

Discharge Strategy and Economic Benefits Evaluation of Electric Vehicles in User Side

DAI Xin1，2，YUAN Yue1，2，F(xiàn)U Zhi-xin1，2，XU Qing-qiang3
（1.College of Energy and Electrical Engineering，Hohai University，Nanjing 210098，China；2.Research Center for Renewable Energy Generation Engineering of Ministry of Education，Hohai University，Nanjing 210098，China；3.Jiangsu Electric Power Company，Nanjing 210024，China）

Electric vehicles were distributed energy storage devices，some potential value can stimulated through reasonable scheduling strategy based on the electric vehicle-grid interactive technologies（vehicle to grid，V2G）．Firstly，potential values were specifically analyzed，economic benefit assessment model of electric vehicles in user side was established．Then，discharge power of electric vehicles was calculated by particle swarm optimization algorithm which was used to support peak demand and improve power reliability without increasing the number of charge and discharge cycle．The validity of the model and control strategy was proved by the results of calculation example.

electric vehicle；user side；economic benefits；discharge strategy；particle swarm optimization algorithm

TM910.6；TP273+.5；F416.471；U469.72

A

1003-8930（2013）06-0055-07

戴 欣（1990—），男，碩士研究生，研究方向?yàn)殡妱?dòng)汽車充放電策略及其經(jīng)濟(jì)效益研究。Email：hhdaixin@yahoo.com.cn

袁 越（1966—），男，博士，教授，研究方向?yàn)榭稍偕茉窗l(fā)電技術(shù)、分布式發(fā)電與供電技術(shù)、微型電網(wǎng)、智能電網(wǎng)等。

Email：yyuan@hhu.edu.cn

傅質(zhì)馨（1983—），女，博士，講師，研究方向?yàn)榭稍偕茉窗l(fā)電技術(shù)。Email：zhixinfu@yahoo.com.cn

2013-05-02；

2013-06-07

國(guó)家電網(wǎng)公司科技項(xiàng)目：電動(dòng)乘用車充換電技術(shù)研究與示范