多方互利共贏的電動(dòng)汽車智能充電服務(wù)策略

侯 慧, 樊 浩, 蘇 舒, 李正天, 柯賢斌, 羅俊陽

(1. 武漢理工大學(xué)自動(dòng)化學(xué)院, 湖北省武漢市 430070; 2. 國網(wǎng)山西省電力公司太原供電公司， 山西省太原市 030012；3. 強(qiáng)電磁工程與新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室(華中科技大學(xué)), 湖北省武漢市 430074)

多方互利共贏的電動(dòng)汽車智能充電服務(wù)策略

侯 慧1, 樊 浩2, 蘇 舒3, 李正天3, 柯賢斌1, 羅俊陽1

(1. 武漢理工大學(xué)自動(dòng)化學(xué)院, 湖北省武漢市 430070; 2. 國網(wǎng)山西省電力公司太原供電公司， 山西省太原市 030012；3. 強(qiáng)電磁工程與新技術(shù)國家重點(diǎn)實(shí)驗(yàn)室(華中科技大學(xué)), 湖北省武漢市 430074)

從電動(dòng)汽車用戶、電力公司、充電站運(yùn)營商、道路交通部門四個(gè)方面展開電動(dòng)汽車最優(yōu)充電導(dǎo)航策略的研究,提出“車—網(wǎng)—路—站”多目標(biāo)優(yōu)化有序充電導(dǎo)航系統(tǒng)。在此基礎(chǔ)上,采用模糊決策法建立綜合最優(yōu)目標(biāo)模型,實(shí)現(xiàn)了在大規(guī)模電動(dòng)汽車快速充電需求下,電動(dòng)汽車用戶利益最優(yōu)、電力公司網(wǎng)絡(luò)損耗與電壓偏移最小、負(fù)荷平衡指數(shù)最高、充電站運(yùn)營商利潤最高及交通網(wǎng)側(cè)道路擁堵率最低等多維目標(biāo)。通過某市交通路網(wǎng)中呈均勻分布的9個(gè)充電站及IEEE 14節(jié)點(diǎn)系統(tǒng)算例,驗(yàn)證了該智能充電服務(wù)策略的合理性及有效性。

電動(dòng)汽車; 最優(yōu)充電導(dǎo)航策略; 模糊決策法; 綜合最優(yōu)模型; 多維目標(biāo)

0 引言

在當(dāng)今能源緊張、環(huán)境問題凸顯的情況下,電動(dòng)汽車因其節(jié)能減排、綠色環(huán)保的特點(diǎn),正在蓬勃發(fā)展。而電動(dòng)汽車大規(guī)模應(yīng)用后,如果不對(duì)電動(dòng)汽車用戶的行為進(jìn)行合理引導(dǎo),將會(huì)對(duì)電網(wǎng)的安全穩(wěn)定運(yùn)行、交通網(wǎng)的流暢度以及用戶的體驗(yàn)度產(chǎn)生影響。因此,合理高效的電動(dòng)汽車有序充電導(dǎo)航策略研究就十分必要。

目前國內(nèi)外對(duì)電動(dòng)汽車有序充電調(diào)度的研究,一方面集中于充電負(fù)荷的建模與時(shí)空預(yù)測[1-3]。文獻(xiàn)[1]通過對(duì)電動(dòng)汽車與動(dòng)力電池進(jìn)行資產(chǎn)、時(shí)間和地點(diǎn)上的解耦,提出一種B2G(batteries to grid)充放電模式,實(shí)現(xiàn)了電動(dòng)汽車與電網(wǎng)的集中電能交換,避免了V2G(vehicle to grid)模式下用戶充電行為的不確定性風(fēng)險(xiǎn),但在B2G模式下,大規(guī)模電動(dòng)汽車集中充放電后,會(huì)對(duì)電網(wǎng)潮流產(chǎn)生巨大沖擊。文獻(xiàn)[2]利用模糊理論用的決策法,建立電動(dòng)汽車充電負(fù)荷空間預(yù)測模型,以電網(wǎng)負(fù)荷率與網(wǎng)絡(luò)損耗最小為目標(biāo),構(gòu)建電動(dòng)汽車強(qiáng)制性有序充電模型,但是其模型沒有考慮到用戶側(cè)的響應(yīng)。文獻(xiàn)[3]對(duì)電動(dòng)汽車的充換電模式和集中充電統(tǒng)一配送模式進(jìn)行分析,結(jié)果表明,換電模式下的有序充電模型能夠有效減少充電電費(fèi)和日負(fù)荷波動(dòng)。

另一方面研究集中于單一目標(biāo)最優(yōu)的充電策略,有的側(cè)重于電網(wǎng)安全穩(wěn)定運(yùn)行[4-5],有的側(cè)重于用戶利益最大化[6-7],也有的側(cè)重于充電站運(yùn)營商成本最優(yōu)[8]等。文獻(xiàn)[4]采用電網(wǎng)公司給予充電站側(cè)的獎(jiǎng)勵(lì)因子,建立以縮小峰谷差的優(yōu)化模型。文獻(xiàn)[5]利用電動(dòng)汽車充電負(fù)荷的時(shí)空可調(diào)性,通過改變電動(dòng)汽車充電開始時(shí)刻,達(dá)到平抑負(fù)荷波動(dòng)的目的,但是受電動(dòng)汽車充電功率特性的限制,此方式對(duì)負(fù)荷的調(diào)節(jié)能力有限。文獻(xiàn)[6]構(gòu)建了電動(dòng)汽車充電導(dǎo)航人機(jī)交互界面,使用戶的出行方式有了很大的改變,但其僅從工業(yè)的角度對(duì)現(xiàn)有導(dǎo)航進(jìn)行改良設(shè)計(jì),并沒有從技術(shù)層面上對(duì)大規(guī)模電動(dòng)汽車用戶充電行為對(duì)交通與配電網(wǎng)造成的影響進(jìn)行分析。文獻(xiàn)[7]利用實(shí)時(shí)電價(jià)作為引導(dǎo)機(jī)制,以配電網(wǎng)側(cè)節(jié)點(diǎn)電壓不超過閾值為約束條件,設(shè)計(jì)出時(shí)間最優(yōu)、成本最優(yōu)及綜合最優(yōu)三種充電導(dǎo)航策略,但設(shè)計(jì)中沒有考慮到用戶在充電站側(cè)的排隊(duì)時(shí)長等問題。文獻(xiàn)[8]基于分時(shí)電價(jià)和電動(dòng)汽車充電負(fù)荷的預(yù)測,建立以電動(dòng)汽車中間商成本最小的優(yōu)化模型,通過調(diào)度動(dòng)態(tài)負(fù)荷,實(shí)現(xiàn)了電動(dòng)汽車的有序充電,但其研究均沒有考慮到用戶體驗(yàn)的效益。

也有少數(shù)學(xué)者研究了用戶體驗(yàn)與電網(wǎng)效益的最優(yōu)策略[9]、交通通暢度與電網(wǎng)效益的最優(yōu)策略[10]等。文獻(xiàn)[9]提出了用戶、車隊(duì)操作員和配電網(wǎng)調(diào)度員三方協(xié)調(diào)配合的有序充電方案,在盡可能低成本滿足用戶充電需求的同時(shí),保證配電網(wǎng)負(fù)荷容量適度,避免了充電堵塞。文獻(xiàn)[10]采用路段權(quán)值思想和Dijkstra最短路徑算法,提出一種大規(guī)模電動(dòng)汽車最優(yōu)充電策略,一定程度上解決了交通擁堵與電網(wǎng)節(jié)點(diǎn)壓降過大的問題,但以上研究均沒有考慮到充電站運(yùn)營商的利益,以及用戶在充電過程中所需要的成本。綜上所述,目前的研究多局限于單目標(biāo)最優(yōu),綜合電動(dòng)汽車用戶體驗(yàn)、電網(wǎng)安全、充電站運(yùn)營商利益以及道路交通安全等多目標(biāo)優(yōu)化的研究十分少見,為此本文從這四方面建立9個(gè)目標(biāo)變量,利用模糊規(guī)劃法對(duì)多目標(biāo)權(quán)值進(jìn)行優(yōu)化。根據(jù)不同的電動(dòng)汽車和充電站的時(shí)空分布情況以及實(shí)時(shí)電量狀態(tài),并考慮到交通路網(wǎng)車流與電網(wǎng)側(cè)電能質(zhì)量,為電動(dòng)汽車用戶推薦適合充電的充電站與充電路徑。

1 “車—網(wǎng)—路—站”模型的建立

1.1 四維充電模型概述

電動(dòng)汽車導(dǎo)航系統(tǒng)中,不僅包括電動(dòng)汽車用戶、電力公司、充電站運(yùn)營商、道路交通部門等管理部門,還包括衛(wèi)星定位、數(shù)據(jù)運(yùn)算中心、后臺(tái)服務(wù)等智能運(yùn)算平臺(tái)。其各部分之間的關(guān)系如圖1所示。

圖1 電動(dòng)汽車導(dǎo)航系統(tǒng)結(jié)構(gòu)圖Fig.1 Structure diagram of electric vehicle navigation system

在電動(dòng)汽車自身約束條件下,依據(jù)智能運(yùn)算平臺(tái)提供的實(shí)時(shí)信息,后臺(tái)服務(wù)中心結(jié)合電力公司、交通部門以及充電站運(yùn)營商等多方利益提供相應(yīng)的多方互利共贏的充電策略給電動(dòng)汽車用戶。具體“車—網(wǎng)—路—站”有序充電導(dǎo)航結(jié)構(gòu)如圖2所示。

圖2 “車-網(wǎng)-路-站”有序充電結(jié)構(gòu)圖Fig.2 Structure diagram of “vehicle-grid-road-station” orderly charging

1.2 面向電動(dòng)汽車用戶的充電需求分析

1.2.1 以用戶行駛距離最短為目標(biāo)

電動(dòng)汽車用戶主要考慮行駛里程,總充電時(shí)間以及總充電費(fèi)用三個(gè)目標(biāo),用戶行駛里程包括初始點(diǎn)到充電站的距離、充電站到目的地的距離兩部分:

(1)

以用戶行駛距離最短為目標(biāo)時(shí)的目標(biāo)函數(shù):

(2)

式中:xij為0-1決策變量,取1時(shí)表示電動(dòng)汽車i到充電站j充電。

1.2.2 以用戶所用時(shí)間最少為目標(biāo)

t時(shí)段內(nèi),各充電樁可以提供的電量為:

(3)

t時(shí)刻充電樁的狀態(tài)為:

(4)

t時(shí)段內(nèi),各充電樁中完成充電過程的電動(dòng)汽車數(shù)目為:

(5)

式中:fix(·)為向上取整函數(shù)。

t時(shí)段內(nèi),離開充電站的電動(dòng)汽車數(shù)目為:

(6)

依據(jù)大量的統(tǒng)計(jì)分析,抵達(dá)充電站的車輛數(shù)服從參數(shù)為λj的泊松分布[12],則在t時(shí)段內(nèi),到達(dá)充電站的車輛數(shù)為:

(7)

綜上所述,t時(shí)刻各充電站內(nèi)電動(dòng)汽車數(shù)為:

(8)

t時(shí)刻,各個(gè)充電站中最后一輛電動(dòng)汽車需要等待的時(shí)間分為兩部分,即初始時(shí)刻正在充電的電動(dòng)汽車充滿電所需要的時(shí)間t1與第一輛電動(dòng)汽車以后的汽車完成充電所需要的時(shí)間t2。初始時(shí)刻正在充電的電動(dòng)汽車充滿電所需要的時(shí)間為:

(9)

第一輛電動(dòng)汽車以后的汽車完成充電所需要的時(shí)間為:

(10)

式中:Cj為充電站j的容量。

wj=0

(11)

wj=t1+t2

(12)

用戶完成充電過程抵達(dá)目的地所需時(shí)間為:

(13)

以用戶所用時(shí)間最小為目標(biāo)時(shí)的目標(biāo)函數(shù)為:

(14)

1.2.3 以所支付的費(fèi)用最小為目標(biāo)

(15)

(16)

(17)

在tij時(shí)間內(nèi),電動(dòng)汽車所需的總費(fèi)用為:

(18)

式中：Pij為單位充電功率。以用戶所支付費(fèi)用最小為目標(biāo)時(shí)的目標(biāo)函數(shù)為:

(19)

面向電動(dòng)汽車用戶模型的約束條件如下。

1)剩余電量約束:電動(dòng)汽車i到充電站j的剩余電量eij需要大于0。

eijxij≥0

(20)

2)時(shí)間約束:電動(dòng)汽車i到充電站j所需時(shí)間應(yīng)該小于電動(dòng)汽車i的最大允許時(shí)間。

tijxij≤Ti

(21)

3)充電站容量約束:充電站電動(dòng)汽車數(shù)量應(yīng)小于充電站容量。

(22)

4)等式約束:決策變量需滿足以下等式。

(23)

xij(xij-1)=0

(24)

1.3 面向電力公司的充電需求分析

電動(dòng)汽車充電樁產(chǎn)生的無功功率會(huì)對(duì)電能質(zhì)量以及充電設(shè)備產(chǎn)生巨大影響。根據(jù)文獻(xiàn)[13]規(guī)定:“充電站輸出為 0.4 kV,50 Hz,宜采用三相四線制。主變壓器規(guī)格為 10 kV/0.4 kV。充電站的主變壓器可直接與 10 kV級(jí)配電網(wǎng)相連?！北疚牟捎肐EEE 14節(jié)點(diǎn)系統(tǒng)進(jìn)行分析,假設(shè)系統(tǒng)容量為800 MVA,線路單位電阻和電抗均為0.1 Ω/km。以D=[Np,P,Q,B,G]描述配電網(wǎng),其中,Np為配電網(wǎng)節(jié)點(diǎn)集合,P為配電網(wǎng)有功功率,Q為配電網(wǎng)的無功功率,B為配電網(wǎng)支路集合,G為主變電站所在的節(jié)點(diǎn)位置與視在功率集合。每個(gè)充電站視為10 kV配電網(wǎng)的一個(gè)集中負(fù)荷,參考某市充電設(shè)施規(guī)劃,建立9個(gè)充電站并均勻分布在道路交通網(wǎng)中。為使電力公司的利益達(dá)到最大化,建立下列三個(gè)目標(biāo)模型。

電動(dòng)汽車充電站j的節(jié)點(diǎn)電壓偏移為:

(25)

式中:Vij為電動(dòng)汽車i到充電站j充電時(shí)的系統(tǒng)電壓;V0為標(biāo)準(zhǔn)系統(tǒng)電壓;Ns為系統(tǒng)節(jié)點(diǎn)數(shù)。以電力公司電壓偏移最小為目標(biāo)時(shí)的目標(biāo)函數(shù)為:

(26)

(27)

(28)

式中:var(·)為求方差函數(shù)。以電力公司網(wǎng)絡(luò)損耗Lij最小為目標(biāo)時(shí)的目標(biāo)函數(shù)為:

(29)

以電力公司負(fù)荷平衡指數(shù)Sij最高為目標(biāo)時(shí)的目標(biāo)函數(shù)為:

(30)

面向電力公司充電需求模型的約束條件除了需要滿足式(20)至式(24),還需要滿足以下條件。

電動(dòng)汽車充電站j的節(jié)點(diǎn)負(fù)荷應(yīng)小于允許的最大負(fù)荷為:

Ldj≤maxLj

(31)

依據(jù)文獻(xiàn)[14]要求,供電電壓偏差的限值為“20 kV及以下三相供電電壓偏差應(yīng)在標(biāo)稱電壓的±7%”,所以應(yīng)保證電網(wǎng)的電壓偏移在合理的范圍內(nèi):

|Vsij|≤7%

(32)

1.4 面向充電站運(yùn)營商的充電需求分析

在用戶支付的費(fèi)用中,電費(fèi)為電力部門的收入,停車費(fèi)一般為小區(qū)管理處或停車場收取,只有服務(wù)費(fèi)為電動(dòng)汽車充電站的運(yùn)營收入,對(duì)于電動(dòng)汽車i,充電站j的經(jīng)濟(jì)收入Rij如下:

(33)

由于受地理位置與充電價(jià)格的影響,可能會(huì)造成一部分充電站擁擠過度,而另一部分充電站長期處于空閑的狀態(tài),因此需將充電分布均衡作為充電服務(wù)的考慮目標(biāo),充電站的擁擠程度表示如下:

(34)

式中:Cjmax為第j個(gè)充電站的最大容量。

用方差來表示所有充電站的擁擠程度:

(35)

以電動(dòng)汽車運(yùn)營商的利潤最高為目標(biāo)時(shí)的目標(biāo)函數(shù)為:

(36)

以充電站的擁擠度最小為目標(biāo)時(shí)的目標(biāo)函數(shù)為:

(37)

1.5 面向交通部門的充電需求分析

本文將交通路網(wǎng)抽象為一個(gè)有向網(wǎng)絡(luò),用于描述路網(wǎng)特性的屬性數(shù)據(jù)都存儲(chǔ)在對(duì)應(yīng)的數(shù)據(jù)結(jié)構(gòu)中。建立交通網(wǎng)絡(luò)模型如下:

T=[NvcSWqvmct]

(38)

式中:N為路網(wǎng)系統(tǒng)中道路交叉節(jié)點(diǎn)集合;vc為路段通行速度;S為道路集合;W為道路等級(jí);vm為路段最大通行速度;c為通行能力;q為車流量。

在本文中路網(wǎng)模型中共有nm個(gè)節(jié)點(diǎn),并用數(shù)字1～nm對(duì)路網(wǎng)系統(tǒng)中的每個(gè)節(jié)點(diǎn)進(jìn)行編號(hào):

N={i|i=1,2,…,nm}

(39)

對(duì)于道路交通網(wǎng)中的一條可通行路段(x,y)∈S,t時(shí)刻的通行速度由上一時(shí)刻末的車流量qt-1(x,y)、道路等級(jí)W、路段最大通行速度vm和通行能力c決定:

(40)

S用來描述各路段的長度、節(jié)點(diǎn)間的連接關(guān)系以及路段單雙特性:

(41)

式中:lxy表示道路節(jié)點(diǎn)x至道路節(jié)點(diǎn)y的長度。

道路節(jié)點(diǎn)x和y不直接相連時(shí)，S(x,y)為inf。當(dāng)兩個(gè)道路節(jié)點(diǎn)之間可以直接相連時(shí),S中對(duì)應(yīng)的元素為該路段長度,否則為∞。若道路為雙行通道,則有:

S(x,y)=S(y,x)=lxy

(42)

城市交通網(wǎng)中,每個(gè)路段都有自己的定位,本文將道路網(wǎng)分為Ⅰ，Ⅱ，Ⅲ，Ⅳ四個(gè)等級(jí)[15]，分別對(duì)應(yīng)快速路、主干路、次干路、支路。

從Ⅰ至Ⅳ級(jí)道路的交通運(yùn)輸能力逐漸減弱?？焖俾饭┢噷Ｓ?主要用于聯(lián)系市區(qū)各主要地區(qū)、市區(qū)和主要的近郊區(qū),有較高車速和大的通行能力;主干路是城市路網(wǎng)的骨架,承擔(dān)主要的交通任務(wù);次干道則為普通交通干路,配合主干路組成城市的干道網(wǎng);支路是次干路與街坊路的連接線,為解決局部地區(qū)交通而設(shè)置。道路交通的擁擠程度可以用道路節(jié)點(diǎn)(十字路口)排隊(duì)的車輛數(shù)來反映,道路交通的擁擠程度ρ的計(jì)算公式如下:

(43)

(44)

式中:ρij為電動(dòng)汽車i到充電站j充電時(shí),道路交通擁擠程度。

2 多方互利共贏的充電模式

合理的電動(dòng)汽車充電路徑應(yīng)考慮到電動(dòng)汽車用戶(行駛距離最小、充電時(shí)間最小、支付費(fèi)用最少)、電力部門(電壓偏移最小、系統(tǒng)網(wǎng)絡(luò)損耗最小、系統(tǒng)負(fù)荷平衡指數(shù)最高)、電動(dòng)汽車運(yùn)營商(利潤最高和擁擠度最小)以及道路交通部門(道路擁堵率最小)等方面的利益。而對(duì)于多目標(biāo)問題,采用模糊決策法是一種常見的方法,即利用一組確定的偏好關(guān)系來確定各個(gè)目標(biāo)的權(quán)重。使用關(guān)系集合與構(gòu)造等價(jià)類集合近似相等的特性,從每個(gè)等價(jià)類中選擇一個(gè)元素構(gòu)成集合[16]。

本模型中一共有9個(gè)目標(biāo):路程、時(shí)間、費(fèi)用、電壓偏移、網(wǎng)絡(luò)損耗、負(fù)荷平衡指數(shù)、運(yùn)營商利潤、充電站與道路交通擁擠程度。它們構(gòu)成一個(gè)集合Ct={c1,c2,c3,c4,c5,c6,c7,c8,c9}。其中,電動(dòng)汽車用戶側(cè)集合C1={c1,c2,c3},電力部門側(cè)集合C2={c4,c5,c6},電動(dòng)汽車運(yùn)營商側(cè)集合C3={c7,c9},道路交通部門側(cè)集合C4={c9}。根據(jù)經(jīng)驗(yàn)和調(diào)研,行駛距離c1、充電時(shí)間c2、用戶支付費(fèi)用c3對(duì)駕駛員的重要程度關(guān)系為c2>c3>c1。電壓偏移c4、網(wǎng)絡(luò)損耗c5、負(fù)荷平衡指數(shù)c6對(duì)電力部門的重要程度關(guān)系為c4>c5>c6。充電站利潤c7與充電站擁堵c8對(duì)電動(dòng)汽車運(yùn)營商的重要程度為c7>c8。綜上所述,最終集合Ct中元素的重要程度關(guān)系為:c2>c3>c1=c4>c5>c6=c9=c7>c8。

使用評(píng)價(jià)函數(shù)v來定義關(guān)系值:

(45)

式中:Vi和Wi(i=1,2,3,4,5)為(0,1)內(nèi)的任意實(shí)數(shù),且V5W4>W3>W2>W1>0.5,V1+W1=V2+W2=V3+W3=V4+W4=V5+W5=1。

根據(jù)關(guān)系值,構(gòu)造一個(gè)9階的方陣Ra，其元素為:

(46)

根據(jù)定義,得到Ra值如下:

(47)

根據(jù)方陣Ra,構(gòu)造偏好關(guān)系矩陣R，其元素如式(48)所示。根據(jù)9個(gè)目標(biāo)函數(shù)對(duì)決策的影響程度和專家打分,取V1=0.41,W1=0.59,V2=0.32,W2=0.68,V3=0.23,W3=0.77,V4=0.14,W4=0.86,V5=0.05,W5=0.95得到R的值如式(49)所示。

(48)

R=

(49)

對(duì)于ci∈Ct,得到相應(yīng)的權(quán)重計(jì)算公式為:

(50)

(51)

式中：A為除第a行外的其他行。

最終得到各個(gè)等價(jià)類權(quán)重為:λ1=0.128 6,λ2=0.173 6,λ3=0.151 1,λ4=0.128 6,λ5=0.106 1,λ6=0.083 6,λ7=0.083 6,λ8=0.061 1,λ9=0.083 6。

綜合最優(yōu)目標(biāo)模型為:

(52)

式中:p為距離指數(shù),p∈(0,+∞),當(dāng)p=1時(shí),目標(biāo)函數(shù)為Manhattan距離,即所有單目標(biāo)距離之和,當(dāng)1

3 仿真計(jì)算

IEEE 14節(jié)點(diǎn)配電網(wǎng)系統(tǒng)(接線圖見附錄A圖A1)與在36路網(wǎng)節(jié)點(diǎn)配電系數(shù)(拓?fù)鋱D見附錄A圖A2)中進(jìn)行仿真,隨機(jī)選取20個(gè)路網(wǎng)節(jié)點(diǎn)作為電動(dòng)汽車初始時(shí)刻所在節(jié)點(diǎn),電動(dòng)汽車基本情況見附錄A表A1，模擬20 000輛電動(dòng)汽車,在滲透率為10%的情況下,分別計(jì)算p=1,p=2,p=5三種情況下綜合最優(yōu)模型各項(xiàng)指標(biāo)數(shù)據(jù),將綜合最優(yōu)模型與用戶行駛里程最短(A)、用戶花費(fèi)時(shí)間最短(B)、用戶繳納費(fèi)用最少(C)、電壓偏移率最低(D)、系統(tǒng)網(wǎng)絡(luò)損耗最小(E)、負(fù)荷平衡指數(shù)(F)、電動(dòng)汽車運(yùn)營商利潤最高(G)、充電站擁擠度最小(H)、道路交通擁堵率最小(I)模型進(jìn)行比較,得到結(jié)果如表1至表3所示。

表1 p=1時(shí)綜合最優(yōu)模型與單目標(biāo)模型指標(biāo)比較Table 1 Index comparison of integrated optimal model and single objective model when p=1

表2 p=2時(shí)綜合最優(yōu)模型與單目標(biāo)型指標(biāo)比較Table 2 Index comparison of integrated optimal model and single objective model when p=2

表3 p=5時(shí)綜合最優(yōu)模型與單目標(biāo)模型指標(biāo)比較Table 3 Index comparison of integrated optimal model and single objective model when p=5

各單目標(biāo)模型和綜合最優(yōu)模型的道路交通擁堵分布情況見附錄A圖A3，用戶行駛里程分布見附錄A圖A4，用戶所需時(shí)間分布見附錄A圖A5，用戶所需費(fèi)用分布見附錄A圖A6，充電站運(yùn)營商利潤分布見附錄A圖A7，充電路徑分布見附錄A表A2。

從9個(gè)指標(biāo)整體來看,將這9個(gè)指標(biāo)的變化幅度按照其權(quán)重進(jìn)行加權(quán)求和,結(jié)果顯示,綜合最優(yōu)模型與9個(gè)單目標(biāo)模型相比整體的充電代價(jià)均有所下降。從表中可以看出,p=1,p=2,p=5三種情況下:綜合最優(yōu)模型與用戶側(cè)三個(gè)單目標(biāo)模型相比充電代價(jià)降低幅度之和分別為-34.7%,-34%,-30.9%,即用戶側(cè)分別可以節(jié)約34.7%,34%,30.9%的費(fèi)用;綜合最優(yōu)模型與電網(wǎng)側(cè)三個(gè)單目標(biāo)模型相比充電代價(jià)降低幅度之和分別為-227.8%,-224.6%,-221.7%,即電力公司分別可以節(jié)約227.8%,224.6%,221.7%的維護(hù)費(fèi)用;綜合最優(yōu)模型與電動(dòng)汽車運(yùn)營商側(cè)兩個(gè)單目標(biāo)模型相比充電代價(jià)降低幅度之和分別為-119.5%,-117.5%,-116.9%,即電動(dòng)汽車運(yùn)營商分別可以多獲得119.5%,117.5%,116.9%的利潤;綜合最優(yōu)模型與交通路網(wǎng)單目標(biāo)模型相比充電代價(jià)降低幅值值分別為-1.4%,-1.3%,-0.7%,即采用綜合最優(yōu)模型道路交通部門分別可以多獲得1.4%,1.3%,0.7%的利潤。

4 結(jié)語

為保證規(guī)模化電動(dòng)汽車接入電網(wǎng)的安全經(jīng)濟(jì)運(yùn)行,未來的電網(wǎng)格局與運(yùn)行模式也將發(fā)生深刻變革,發(fā)展既能保障電網(wǎng)可靠運(yùn)行又使用戶易于接受的充電指引及疏導(dǎo)策略已成為業(yè)界共識(shí)。

本文基于“車—網(wǎng)—路—站” 有序充電導(dǎo)航理念,提出電動(dòng)汽車快速充電導(dǎo)航最優(yōu)綜合策略。仿真結(jié)果分析表明,利用綜合最優(yōu)充電策略,可以實(shí)現(xiàn)電動(dòng)汽車用戶利益最優(yōu)、電力公司網(wǎng)絡(luò)損耗與電壓偏移最小、負(fù)荷平衡指數(shù)最高、充電站運(yùn)營商利潤最高以及交通網(wǎng)側(cè)道路擁堵率最低等目標(biāo)。

通過本文研究,有望形成具有完全自主知識(shí)產(chǎn)權(quán)的電動(dòng)汽車智能充電導(dǎo)航系統(tǒng)的理論基礎(chǔ)與關(guān)鍵技術(shù),將實(shí)時(shí)電力數(shù)據(jù)、交通數(shù)據(jù)、快速響應(yīng)、用戶交互與優(yōu)化智能決策集成,給電網(wǎng)公司和電動(dòng)汽車充電用戶提供體驗(yàn)好、參與度高、控制精細(xì)有力的充電引導(dǎo)與輔助決策。但是本文研究是在交通網(wǎng)絡(luò)和配電網(wǎng)拓?fù)浣Y(jié)構(gòu)以及充電站分布情況已知下的電動(dòng)汽車充電規(guī)劃問題,對(duì)于電動(dòng)汽車充電如何反作用于充電站的規(guī)模設(shè)計(jì)與選址問題沒有做出討論,這些將是下一步研究的目標(biāo)。

附錄見本刊網(wǎng)絡(luò)版(http://www.aeps-info.com/aeps/ch/index.aspx)。

[1] 薛飛,雷憲章,張野飚,等.電動(dòng)汽車與智能電網(wǎng)從V2G到B2G的全新結(jié)合模式[J].電網(wǎng)技術(shù),2012,36(2):29-34.

XUE Fei, LEI Xianzhang, ZHANG Yebiao, et al. A brand-new approach of connecting electrical vehicles with smart grid from vehicle-to-grid mode to battery-to-grid mode[J]. Power System Technology, 2012, 36(2): 29-34.

[2] 王曉寅,劉俊勇,唐現(xiàn)剛,等.基于空間負(fù)荷預(yù)測的電動(dòng)汽車有序充電方法研究[J].浙江電力,2014,36(2):7-21.

WANG Xiaoyin, LIU Junyong, TANG Xiangang, et al. Study on coordinated charging of electric vehicle based on spatial load forecasting[J]. Zhejiang Electric Power, 2014, 36(2): 7-21.

[3] 羅卓偉,胡澤春,宋永華,等.換電模式下電動(dòng)汽車電池充電負(fù)荷建模與有序充電研究[J].中國電機(jī)工程學(xué)報(bào),2012,32(31):1-10.

LUO Zhouwei, HU Zechun, SONG Yonghua, et al. Study on charging load modeling and coordinated charging of electric vehicles under battery swapping modes[J]. Proceedings of the CSEE, 2012, 32(31): 1-10.

[4] 徐智威,胡澤春,宋永華,等.充電站內(nèi)電動(dòng)汽車有序充電策略 [J].電力系統(tǒng)自動(dòng)化,2012,36(6):38-43.

XU Zhiwei, HU Zechun, SONG Yonghua, et al. Coordinated charging of plug-in electric vehicles in charging stations[J]. Automation of Electric Power Systems, 2012, 36(6): 38-43.

[5] 李秋碩,肖湘寧,郭靜,等.電動(dòng)汽車有序充電方法研究[J].電網(wǎng)技術(shù),2012,36(12):32-38.

LI Qiushuo, XIAO Xiangning, GUO Jing, et al. Research on scheme for ordered charging of electric vehicles[J]. Power System Technology, 2012, 36(12): 32-38.

[6] 王鄭杰.電動(dòng)汽車智能導(dǎo)航服務(wù)系統(tǒng)的設(shè)計(jì)研究[D].上海:東華大學(xué),2015.

[7] 蘇舒,孫近文,林湘寧,等.電動(dòng)汽車智能充電導(dǎo)航[J].中國電機(jī)工程學(xué)報(bào),2013,33(12):59-67.

SU Shu, SUN Jinwen, LIN Xiangning, et al. Electric vehicle smart charging navigation[J]. Proceedings of the CSEE, 2013, 33(12): 59-67.

[8] WU D, ALIPRANTIS D C, YING L. Load scheduling and dispatch for aggregators of plug-in electric vehicles[J]. IEEE Trans on Smart Grid, 2012, 3(3): 368-376.

[9] HU J, YOU S, LIND M, et al. Coordinated charging of electric vehicles for congestion prevention in the distribution grid[J]. IEEE Trans on Smart Grid, 2014, 5(2): 703-711.

[10] 嚴(yán)弈遙,羅禹貢,朱陶,等.融合電網(wǎng)和交通網(wǎng)信息的電動(dòng)車輛最優(yōu)充電路徑推薦策略[J].中國電機(jī)工程學(xué)報(bào),2015,35(2):310-318.

YAN Yiyao, LUO Yugong, ZHU Tao, et al. Optimal charging route recommendation method based on transportation and distribution information[J]. Proceedings of the CSEE, 2015, 35(2): 310-318.

[11] 葛少云,連恒輝,劉洪,等.電動(dòng)汽車時(shí)序響應(yīng)能力模型與控制策略[J].電力系統(tǒng)自動(dòng)化,2016,40(3):33-38.DOI:10.7500/AEPS20150331033.

GE Shaoyun, LIAN Henghui, LIU Hong, et al. Timing response capability model and control method of electric vehicle[J]. Automation of Electric Power Systems, 2016, 40(3): 33-38. DOI: 10.7500/AEPS20150331033.

[12] 姚偉鋒,趙俊華,文福拴,等.配電系統(tǒng)與電動(dòng)汽車充電網(wǎng)絡(luò)的協(xié)調(diào)規(guī)劃[J].電力系統(tǒng)自動(dòng)化,2015,39(9):10-18.DOI:10.7500/AEPS20141021007.

YAO Weifeng, ZHAO Junhua, WEN Fushuan, et al. Coordinated planning for power distribution system and electric vehicle charging infrastructures[J]. Automation of Electric Power Systems, 2015, 39(9): 10-18. DOI: 10.7500/AEPS20141021007.

[13] 中國電力企業(yè)聯(lián)合會(huì).電動(dòng)汽車通用要求:GB/T 29781—2013[S].2013.

[14] 電能質(zhì)量與供電電壓偏差:GB/T 12325—2008[S].2008.

[15] 劉曉勝,張芮,朱宏林,等.充換電服務(wù)網(wǎng)絡(luò)動(dòng)力電池配送最優(yōu)路徑建模方法[J].電力自動(dòng)化設(shè)備,2015,35(6):10-16.

LIU Xiaosheng, ZHANG Rui, ZHU Honglin, et al. Modeling method for battery distribution path optimization of EV charging and swapping service network[J]. Electric Power Automation Equipment, 2015, 35(6): 10-16.

[16] 徐玖平,李軍.不確定理論與優(yōu)化叢書:多目標(biāo)決策的理論與方法[M]. 北京:清華大學(xué)出版社,2006:229-233.

Multilateral Win-win Strategy for Smart Charging Service of Electric Vehicle

HOUHui1,FANHao2,SUShu3,LIZhengtian3,KEXianbin1,LUOJunyang1

(1. School of Automation, Wuhan University of Technology, Wuhan 430070, China; 2. Taiyuan Power Supply Company of State Grid Shanxi Electric Power Company, Taiyuan 030012, China; 3. State Key Laboratory of Advanced Electromagnetic Engineering and Technology (Huazhong University of Science and Technology), Wuhan 430074, China)

This paper researches the optimal electric vehicle charging and navigation strategy from the following four aspects: electric vehicle user, electric power company, charging station operators and traffic management department. It puts forward “vehicle-grid-road-station” multi-objective optimization and orderly charging navigation system. Based on the system, this paper establishes integrated optimal model by fuzzy decision method, which achieves the highest user’s income, the lowest voltage deviation and network loss, the highest load balancing index, the highest profit for charging station operators, and the lowest traffic congestion. With nine charging stations that evenly distributed in the traffic network and IEEE 14-bus system as the test cases, optimization results indicate that the smart charging service strategy is reasonable and effective.

This work is supported by National Natural Science Foundation of China (No. 51577077).

electric vehicle; optimal charging and navigation strategy; fuzzy decision method; integrated optimal model; multidimensional goal

2016-12-19;

2017-04-25。

上網(wǎng)日期: 2017-07-04。

國家自然科學(xué)基金資助項(xiàng)目(51577077)。

侯 慧(1981—),女,博士,副教授,碩士生導(dǎo)師,主要研究方向:能源互聯(lián)網(wǎng)、電力系統(tǒng)分析、智能電網(wǎng)。E-mail： houhui@whut.edu.cn

樊 浩(1991—),男,通信作者，碩士,主要研究方向:電動(dòng)汽車智能充電導(dǎo)航。E-mail: hd.fh91@163.com

蘇 舒(1986—),男,博士研究生,主要研究方向:電動(dòng)汽車對(duì)電力系統(tǒng)的影響及有序充電策略。

(編輯 萬志超)