電動(dòng)汽車的主動(dòng)管理及其對配網(wǎng)的影響建模

王利利，李猛，全少理，李鵬，李科

（國網(wǎng)河南省電力公司經(jīng)濟(jì)技術(shù)研究院，鄭州450052）

0 引 言

由于數(shù)字經(jīng)濟(jì)社會(huì)的發(fā)展需要，對安全、可靠、經(jīng)濟(jì)的電力網(wǎng)需求正不斷增加，使得智能電網(wǎng)成為電力系統(tǒng)相關(guān)從業(yè)者關(guān)注的焦點(diǎn)［1-2］。在低碳經(jīng)濟(jì)的推進(jìn)背景下，一種節(jié)能減排的解決方法是使配電網(wǎng)主動(dòng)化，這將導(dǎo)致電網(wǎng)結(jié)構(gòu)的深刻變革和控制管理方法的改變。在安全，可靠，經(jīng)濟(jì)的基礎(chǔ)條件下，若分布式能源（Distributed Generation，DG）的數(shù)量和容量在電網(wǎng)中增大，就要求在規(guī)劃設(shè)計(jì)、運(yùn)行控制、市場管理等方面提高對不同電源的容差和經(jīng)濟(jì)利用率。然而，我國目前的配電網(wǎng)結(jié)構(gòu)相對薄弱，設(shè)備老化，配電自動(dòng)化的覆蓋率低于9%［3］。

主動(dòng)配電網(wǎng)（Active Distribution Network，ADN）的提出是為使傳統(tǒng)被動(dòng)配電網(wǎng)基礎(chǔ)設(shè)施更適應(yīng)配電網(wǎng)中出現(xiàn)的大規(guī)模新的分布式參與者（發(fā)電單元與功率消費(fèi)者）。2008年國際大電網(wǎng)會(huì)議提出了主動(dòng)配電網(wǎng)的概念，認(rèn)為ADN可通過使用靈活的網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)來管理潮流，以便對局部的DG進(jìn)行主動(dòng)控制和主動(dòng)管理［4］。未來主動(dòng)配電網(wǎng)的結(jié)構(gòu)如圖1所示。其特點(diǎn)包括以下方面：消費(fèi)與生產(chǎn)的快速改變，電能服務(wù)由分布式參與者提供，雙向的能量流，更強(qiáng)的信息互動(dòng)，智能電氣設(shè)備的應(yīng)用等?？傊?，需要可控和可擴(kuò)展的網(wǎng)絡(luò)結(jié)構(gòu)。

在接入配電網(wǎng)的分布式能源中，電動(dòng)汽車（Elec-tric Vehicle，EV）作為節(jié)能減排的新能源汽車代表，其規(guī)模正在不斷增大。電動(dòng)汽車在技術(shù)方面獨(dú)具電動(dòng)汽車-電網(wǎng)互動(dòng)（Vehicle to Grid，V2G）優(yōu)勢［5］，具有能量雙向流動(dòng)的特性。隨著電動(dòng)汽車接入電網(wǎng)的數(shù)量不斷增大，若不對電動(dòng)汽車進(jìn)行有效管理，其無序充電將對電網(wǎng)造成功率損耗和電壓降落等影響［6-7］。AND強(qiáng)調(diào)配電網(wǎng)具有主動(dòng)控制和管理的能力，電動(dòng)汽車屬于可控負(fù)荷，因而對電動(dòng)汽車進(jìn)行有序規(guī)劃和管理可對AND起到有效的幫助。

圖1 未來的主動(dòng)配電網(wǎng)Fig.1 AND in the future

本文介紹了大規(guī)模電動(dòng)汽車接入后應(yīng)采取的電網(wǎng)運(yùn)行管理和控制策略，闡述了電動(dòng)汽車及其主動(dòng)管理對電網(wǎng)穩(wěn)態(tài)運(yùn)行的影響，并提出了相應(yīng)的數(shù)學(xué)模型和算法流程，最后通過仿真驗(yàn)證所建模型的可行性和有效性。

1 電動(dòng)汽車的充電策略與控制結(jié)構(gòu)

1.1 充電策略

EV電池是具有特殊性質(zhì)的負(fù)荷，這些特性既可以被忽略，將EV僅視為常規(guī)負(fù)荷，也可以制定特殊充電策略來利用這種獨(dú)特優(yōu)勢。

根據(jù)美國汽車工程師協(xié)會(huì)（SAE）標(biāo)準(zhǔn)J1772，充電功率等級(jí)可分為三級(jí)，如表1所示。

表1 電動(dòng)汽車充電功率等級(jí)Tab.1 Charging power level of EV

通常，慢速充電指1級(jí)，快速充電包括2級(jí)和3級(jí)。

在采用快速充電的解決方案中，不到1 h就可能實(shí)現(xiàn)完全充電。由于此類用戶具有急切的需求，所以具有不可控的特性。另一方面，根據(jù)EV的荷電狀態(tài)（SOC）和容量，采用1級(jí)充電的完全充電時(shí)長達(dá)12 h。在1級(jí)充電方案選擇中，假定EV車主有四個(gè)充電選項(xiàng)可選擇，包括兩個(gè)非可控的和兩個(gè)可控的，如圖2所示。

圖2 1級(jí)充電模式Fig.2 Charging mode of level one

1.1.1 無序充電

這是通過無計(jì)劃的“即插即用”將EV連接到電網(wǎng)，故EV可以和其他設(shè)備一樣被視為正常負(fù)荷。

在EV大量使用并且很多采用無序充電的情況下，EV負(fù)荷很可能會(huì)導(dǎo)致電網(wǎng)出現(xiàn)幾個(gè)技術(shù)問題，如使電壓大幅下降和支路超負(fù)荷等。

1.1.2 分時(shí)電價(jià)

分時(shí)電價(jià)是管理電能需求的標(biāo)準(zhǔn)市場方式。在某個(gè)特定的時(shí)段實(shí)施廉價(jià)的電價(jià)以轉(zhuǎn)移負(fù)荷高峰時(shí)的負(fù)荷，從而實(shí)現(xiàn)削峰。

然而這不是主動(dòng)管理策略，該方法能否成功取決于EV用戶是否愿意利用這種政策優(yōu)勢。并且當(dāng)大量EV在電價(jià)較低時(shí)段的開始時(shí)刻同時(shí)連接電網(wǎng)，可能使電網(wǎng)達(dá)到承受極限。

1.1.3 智能充電

智能充電策略設(shè)想了一個(gè)主動(dòng)管理系統(tǒng)，其中存在以EV整合實(shí)體為中心的分層控制結(jié)構(gòu)，它用于控制EV充電速率。

智能充電管理有可能最有效的利用每一時(shí)刻的可用能源，因?yàn)镋V整合商將自然地選擇在谷時(shí)段購電，從而以更低成本為其用戶提供能源。

1.1.4 車輛到電網(wǎng)

這可看作是智能充電的一個(gè)擴(kuò)展。在V2G模式下，EV負(fù)荷可控性和存儲(chǔ)功率都將被充分利用，電動(dòng)汽車與電網(wǎng)之間存在雙向的功率流動(dòng)。

然而由于電池老化問題會(huì)產(chǎn)生的損失，V2G模式下提供給EV用戶的經(jīng)濟(jì)利益必須高于智能充電方式。

1.2 正常系統(tǒng)運(yùn)行下的控制結(jié)構(gòu)

1.2.1 整合商的提出

EV大規(guī)模接入時(shí)，電力系統(tǒng)的技術(shù)管理需要把集中分層管理/控制結(jié)構(gòu)與車網(wǎng)接口處的本地控制結(jié)合起來，以實(shí)現(xiàn)充電控制。

簡單地使用智能設(shè)備將EV接入電網(wǎng)不能夠解決所有由EV接入配電網(wǎng)所產(chǎn)生的問題，如控制支路阻塞程度或者使EV能夠參與電力市場。在這些情況下，需要進(jìn)行協(xié)調(diào)控制，因而包括EV管理在內(nèi)的整個(gè)電網(wǎng)運(yùn)行的分層管理和控制體系是非常必要的。因此，需要在分層體系中建立一個(gè)能夠處理EV和中央控制實(shí)體之間信息交換的適當(dāng)?shù)耐ㄐ旁O(shè)施。

在電網(wǎng)正常運(yùn)行的狀態(tài)下，EV由一個(gè)全新的集中實(shí)體——整合商，來控制和管理。整合商的主要功能是將EV組合起來，根據(jù)用戶需求去利用電力市場中的商機(jī)［8-9］。如果EV單獨(dú)進(jìn)入這一市場，他們的影響力將非常小，同時(shí)由于隨機(jī)特性使得其可靠性很低。可如果有了整合商，并將EV組合起來參與市場協(xié)商，那么所提供服務(wù)的規(guī)模將更大，其可用性也令人更加放心。

1.2.2 分層控制結(jié)構(gòu)

在文獻(xiàn)［10］中，通過運(yùn)用含變量的有限狀態(tài)機(jī)方法與制定相應(yīng)的監(jiān)管控制措施來管理電動(dòng)汽車，文中指出未來含電動(dòng)汽車的配電網(wǎng)研究應(yīng)擴(kuò)展發(fā)展到雙層控制框架：底層的安全控制和頂層的監(jiān)控自主控制。

同樣的，配電網(wǎng)的管理控制系統(tǒng)將采取一種分層結(jié)構(gòu)，分為高壓控制層、中壓控制層和低壓控制層，且每層都有一個(gè)中央控制單元。

為了管理大量?？吭趶V泛地理區(qū)域內(nèi)（已分布有中壓和低壓電網(wǎng)）的EV，有必要建立整合商作為EV和電力市場的接口。這些整合商將有能力實(shí)現(xiàn)EV組合，使得它們所代表的負(fù)荷/存儲(chǔ)移動(dòng)設(shè)備具有足夠大的規(guī)模來參與電力市場［8］。此外，整合商通常要考慮駕駛?cè)说男枨?，這些需求包括通過智能電表提供的有關(guān)電力需求和連接時(shí)段的信息。本文建立的分層管理體系如圖3所示。

由于整合商是在較大地理區(qū)域發(fā)展業(yè)務(wù)的，因此，它將由兩種不同的實(shí)體組成：區(qū)域整合單元（Regional Aggregation Unit，RAU）和微網(wǎng)整合單元（MGAU）。

圖3 整合商分層管理結(jié)構(gòu)Fig.3 Integrator hierarchical management structure

RAU位于高壓/中壓變電站等級(jí)，與下游的位于中壓/低壓變電站等級(jí)的MGAU進(jìn)行通信。RAU和MGAU建立的目的是減少實(shí)時(shí)應(yīng)用所需的通信和計(jì)算負(fù)荷，這將為整合商提供有關(guān)中低壓網(wǎng)絡(luò)中EV集群的預(yù)處理信息。每輛EV必須具有特殊接口單元—車輛控制器（Vehicle Controller，VC），以實(shí)現(xiàn)EV和上游整合商間的雙向通信。VC可以位于EV將連接的智能電表之中，同時(shí)必須使用智能表計(jì)通信設(shè)施來為這種體系結(jié)構(gòu)提供支持。除了VC，還有一種控制大型停車場充電的新元件—車輛集群控制器（Cluster of Vehicles Controller，CVC），它直接與中壓網(wǎng)絡(luò)相連。CVC下的單個(gè)EV控制器不需要和高層次控制器主動(dòng)通信。在正常運(yùn)行時(shí)，EV控制器將與MGAU互動(dòng)，而CVC直接與RAU進(jìn)行互動(dòng)。

2 電動(dòng)汽車接入配電網(wǎng)影響的模型研究

2.1 方法描述

預(yù)計(jì)EV的大量接入將會(huì)大大影響配電網(wǎng)的管理和運(yùn)營方式，因而有必要了解EV接入后會(huì)給配電網(wǎng)帶來的影響。文獻(xiàn)［11］提出分散式和集中式兩種互動(dòng)充電策略對大規(guī)模EV接入電網(wǎng)進(jìn)行充放電控制。文獻(xiàn)［12］給出了一個(gè)確定性策略用于評(píng)估EV接入對電網(wǎng)的影響，可以定位EV在電網(wǎng)母線的位置，并最終確定一天的EV負(fù)荷。

EV建模在本文中主要研究低壓和中壓的網(wǎng)絡(luò)建模。在低壓網(wǎng)絡(luò)中，因?yàn)镋V大多情況下處于1級(jí)充電功率水平，很可能使單相與低壓電網(wǎng)連接。因此，在建模中將EV表示為一個(gè)單相負(fù)荷。對于中壓電網(wǎng)，由于EV電池是在2級(jí)或者3級(jí)充電功率的情況下直接連入中壓電網(wǎng)產(chǎn)生的負(fù)荷，在建模時(shí)應(yīng)視為三相平衡負(fù)荷。

為了評(píng)估EV接入對低壓和中壓配網(wǎng)的穩(wěn)態(tài)影響，本文提出的方法如下：將按照確定方法將EV分布在網(wǎng)絡(luò)各母線，并確定EV的日負(fù)荷。采用三種充電策略評(píng)估EV對電網(wǎng)的影響，分別是無序充電、分時(shí)電價(jià)充電和智能充電。由于V2G模式可能會(huì)對EV電池的壽命產(chǎn)生影響，所以短期和中期內(nèi)V2G模式都不可能實(shí)現(xiàn)，暫不考慮。

該方法假定EV固有充電負(fù)荷會(huì)出現(xiàn)在電網(wǎng)各個(gè)節(jié)點(diǎn)，且與各節(jié)點(diǎn)的居民用電安裝容量成正比。當(dāng)實(shí)施不同的充電策略時(shí)，這種方法可以估計(jì)給定配電網(wǎng)能安全承載的最大EV數(shù)目。

無序充電和分時(shí)電價(jià)的充電方法是基于一些簡單的規(guī)則，而智能充電方法涉及一個(gè)目標(biāo)優(yōu)化問題，即通過EV負(fù)荷管理來削減電網(wǎng)峰值負(fù)荷。

文中假定所研究的各種充電策略中EV電池始終以3 kW恒功率充電，且EV每天充電時(shí)間4 h，即每輛EV每天從電網(wǎng)吸收12 kW·h的電能。假設(shè)每公里消耗的電能為0.2 kW·h，則每天吸收的電能可以使EV一次行駛60km。

2.2 數(shù)學(xué)模型

建立的數(shù)學(xué)模型主要用于確定EV接入電網(wǎng)的地點(diǎn)和時(shí)間。

第一步是確定每個(gè)EV接入電網(wǎng)的時(shí)間。假設(shè)EV每天只行駛兩次，每次充電時(shí)間都介于前一天最后一次行駛結(jié)束和第二天開始第一次行駛之間。圖4所示的出行時(shí)間概率分布，是運(yùn)用統(tǒng)計(jì)學(xué)方法對某地區(qū)普通交通行為的特征研究得到的，圖4中所示的電動(dòng)汽車每日出行時(shí)間概率分布是EV每天兩次行駛時(shí)間的概率分布。

第二步是定義EV從電網(wǎng)有效吸收能量的時(shí)間。

采用無序充電時(shí)，車主隨時(shí)會(huì)將EV接入充電。因此車主回家后，EV接入后自動(dòng)啟動(dòng)充電，并將持續(xù)4 h。

采用分時(shí)電價(jià)時(shí)，假定在電價(jià)引導(dǎo)下EV車主在電價(jià)低時(shí)充電。只有在低電價(jià)時(shí)段接入不足4 h時(shí)，EV才會(huì)在這個(gè)時(shí)間之外充電。

圖4 電動(dòng)汽車每日出行時(shí)間概率分布Fig.4 Probability distribution of EV daily trip time

至于智能充電，假設(shè)存在一個(gè)EV充電管理系統(tǒng)，可以控制EV充電，從而盡可能避免EV充電使網(wǎng)絡(luò)峰值功率增加。根據(jù)這個(gè)假設(shè)，智能充電被歸結(jié)為一個(gè)優(yōu)化問題，其主要優(yōu)化目標(biāo)是使電網(wǎng)的峰值負(fù)荷最小，公式如下：

約束條件為：

式（1）中括號(hào)內(nèi)的式子代表了電網(wǎng)的峰值功率，單位為kW，即為電動(dòng)汽車負(fù)荷和電網(wǎng)常規(guī)負(fù)荷總和在24 h內(nèi)的最大值。是第t時(shí)間段母線j的常規(guī)負(fù)荷，單位為kW。是第t時(shí)間段第i輛EV的充電狀態(tài)；如果，則EV充電；若則EV不充電。n×24階的二元變量就是優(yōu)化問題的決策變量。t是時(shí)間步長標(biāo)號(hào)，i是EV標(biāo)號(hào)，n是假設(shè)的電網(wǎng)地理地區(qū)內(nèi)電動(dòng)汽車總數(shù)，j是母線標(biāo)號(hào)，m是電網(wǎng)中母線的個(gè)數(shù)。表示了第t時(shí)間段第i輛EV停放并且接入了電網(wǎng)的狀態(tài)。若，表示第i輛EV在第t時(shí)間段接入了電網(wǎng)；若則為第i輛EV沒有接入電網(wǎng)也不能充電的狀態(tài)。n×24階二元變量是優(yōu)化問題的參數(shù)矩陣。

式（2）的等式約束假設(shè)所有EV的每天充電時(shí)間正好4 h，然而式（3）的條件假設(shè)只有當(dāng)EV接入電網(wǎng)時(shí)才開始充電。式（1）中的數(shù)字3表示為所有EV假設(shè)的充電功率，單位是kW。

智能充電策略模型是一個(gè)純粹的整數(shù)規(guī)劃問題，因?yàn)樗械臎Q策變量被限制為整數(shù)。

確定EV充電時(shí)間后，對于所研究的上述充電策略，考慮EV負(fù)荷與各母線常規(guī)負(fù)荷安裝容量成正比，式（4）給出了個(gè)電網(wǎng)母線接入EV數(shù)目的計(jì)算方法：

式中Nr.EVj為與母線j相連的EV數(shù)目；為安裝在母線j的居民負(fù)荷（kW）是在網(wǎng)絡(luò)中總的居民用電負(fù)荷（kW）。

式（4）的結(jié)果將使得居民負(fù)荷高的母線將會(huì)分配更多的EV。根據(jù)式（4）的結(jié)論，所有EV都將有對應(yīng)的母線號(hào)，即表示它們所連接充電的母線。此流程可以計(jì)算每個(gè)時(shí)間步長內(nèi)系統(tǒng)各節(jié)點(diǎn)的EV負(fù)荷。

最后，三種充電策略下的電網(wǎng)總負(fù)荷可通過在常規(guī)負(fù)荷中加入各自的EV負(fù)荷計(jì)算得出，計(jì)算公式如下：

2.3 算法實(shí)現(xiàn)

為確定一定市場滲透率的EV對配電網(wǎng)的影響，或者使計(jì)算沒有違背其技術(shù)限制下在給定電網(wǎng)中的EV最大接入數(shù)目，制定算法步驟如下：

（1）定義進(jìn)行研究的類型（評(píng)估一定市場滲透率的EV產(chǎn)生的影響或者計(jì)算在給定電網(wǎng)中可以安全承載的EV最大數(shù)量）；

（2）評(píng)估不含EV的電網(wǎng)初始運(yùn)行情況；

（3）確定電網(wǎng)覆蓋區(qū)域內(nèi)假定的EV數(shù)量；

（4）確定每輛EV接入電網(wǎng)的時(shí)間段；

（5）根據(jù)所研究充電策略特性，確定EV從電網(wǎng)有效吸收功率的時(shí)間段；

（6）確定各電網(wǎng)節(jié)點(diǎn)處的EV分布；

（7）計(jì)算電網(wǎng)總負(fù)荷，對各節(jié)點(diǎn)、每個(gè)時(shí)間步長內(nèi)，將EV負(fù)荷與常規(guī)負(fù)荷相加；

（8）分析電網(wǎng)新的運(yùn)行情況；

（9）增加EV數(shù)量并重復(fù)步驟4～9（只有在步驟1的研究類型是“電網(wǎng)可安全承載的最大EV數(shù)量”時(shí)，這一步才執(zhí)行）；

（10）儲(chǔ)存所有相關(guān)數(shù)據(jù)。

算法流程圖如圖5所示。

圖5 算法流程圖Fig.5 Algorithm flow chart

算法中所有潮流計(jì)算均由PSS/E軟件完成。

3 仿真分析

本文采用上述算法評(píng)估了EV充電對作為實(shí)驗(yàn)案例的某個(gè)市郊中壓電網(wǎng)的影響。假定將EV充電負(fù)荷接入各個(gè)電網(wǎng)節(jié)點(diǎn)，并且與節(jié)點(diǎn)已安裝的居民負(fù)荷成正比。仿真中的分析對象包括電壓分布，負(fù)荷曲線的變化等。

以圖6所示的典型15 kV市郊中壓配電網(wǎng)作為本次研究實(shí)驗(yàn)案例，圖中數(shù)字1～5指出了容易發(fā)生電壓問題的母線，常開支路用虛線表示，其中有兩個(gè)供電點(diǎn)，圖中用圓圈表示。在供電點(diǎn)，給定電壓值是1.05 p.u.，并假定常規(guī)負(fù)荷的功率因素是0.96。

圖6 中壓配電網(wǎng)Fig.6 Medium voltage distribution network

為進(jìn)行為期24h的仿真，使用了一個(gè)市郊中壓配電網(wǎng)的典型日負(fù)荷曲線，如圖7所示。

圖7 典型日負(fù)荷曲線Fig.7 Typical daily load curve

所選典型日的峰值負(fù)荷功率是16.6MW，而電能消耗大約是277 MW·h。假設(shè)每個(gè)家庭平均擁有1.5輛EV，那么可以確定在該電網(wǎng)的地理范圍內(nèi)EV的總數(shù)量大約為12 700輛。

（1）EV的最大允許接入消納量

該中壓電網(wǎng)中EV的最大允許接入比例分別是，無序充電策略17%，分時(shí)電價(jià)策略20%，智能充電策略63%。這樣比例的EV數(shù)量是根據(jù)在電網(wǎng)地理范圍內(nèi)常規(guī)汽車的總數(shù)量而得到的。因此，對于無序充電策略、分時(shí)電價(jià)充電策略（22時(shí)至8時(shí)）和智能充電策略，電網(wǎng)能夠安全接入的 EV數(shù)量分別是2 159、2 540和8 001輛。

（2）負(fù)荷曲線的變化

圖8所示的負(fù)荷曲線是不同充電策略下的負(fù)荷曲線，其中假定EV的接入比例為63%，這是不加強(qiáng)電網(wǎng)時(shí)智能充電策略下EV最大可能接入比例。在沒有EV負(fù)荷的情況下，電網(wǎng)峰值負(fù)荷是16.6 MW。運(yùn)用無序充電策略時(shí)峰值負(fù)荷增加到34.4 MW，分時(shí)電價(jià)充電策略時(shí)增加到36.6 MW，智能充電策略時(shí)增加到20.8 MW。后者是一個(gè)值得注意的成就，因?yàn)樵贓V接入比例為63%，對應(yīng)接入大約8 000輛EV的情況，峰值負(fù)荷只增加了4.2 MW。

圖8 EV接入比例為63%時(shí)的負(fù)荷曲線Fig.8 Load curve when the EV access rate is 63%

（3）電壓分布

如表2所示，根據(jù)其中數(shù)據(jù)可以評(píng)估EV接入對某些在電氣距離上遠(yuǎn)離供電點(diǎn)的母線的電壓分布的影響，表中數(shù)據(jù)采用標(biāo)幺值。

表2 母線1～5上的電壓（p.u.）Tab.2 Voltage on the bus 1～5（p.u.）

對于無序充電策略，5條最關(guān)鍵母線的平均電壓降是11.8%，離供電母線最遠(yuǎn)的母線1具有最大的電壓降。當(dāng)運(yùn)用分時(shí)電價(jià)充電策略時(shí)，這5條母線的平均電壓降是13.2%。智能充電策略可以獲得更好的電壓分布，當(dāng)運(yùn)用這種充電策略時(shí)，盡管這些母線的電壓平均下降6.1%，但是不低于電壓的下限值：0.90 p.u.。

采用智能充電策略時(shí)接近電壓下限值，基于此原因，63%的EV接入比例代表了這種充電策略下最大可能的極限值，因?yàn)閷τ诟呓尤胨?，電壓將低?.90 p.u.。同樣，對于無序充電策略和分時(shí)電價(jià)充電策略，當(dāng)達(dá)到電壓下限值時(shí)，EV接入消納比例分別是17%和20%。

上述結(jié)果表明，電壓是限制EV更高接入量的因素。對于相同接入消納比例，與支路最大負(fù)荷限制相比，電壓下限將率先達(dá)到。運(yùn)用智能充電策略總能獲得更好的效果。

總之，仿真表明確定性方法可以用來進(jìn)行影響評(píng)估的研究，在EV充電管理的實(shí)時(shí)應(yīng)用中，可以執(zhí)行電網(wǎng)監(jiān)視及其運(yùn)行狀況評(píng)估，以及其他可能的方面。

4 結(jié)束語

未來電力系統(tǒng)正面臨大規(guī)模分布式發(fā)電接入所帶來的新的技術(shù)、商業(yè)和監(jiān)管的挑戰(zhàn)，電動(dòng)汽車的接入可能會(huì)影響配電網(wǎng)的管理和運(yùn)營。為更好的管理和控制電動(dòng)汽車，本文為以電動(dòng)汽車為中心整合制定了分層控制框架，提出了確定性方法用以確定電動(dòng)汽車在電網(wǎng)母線中的分配和完整日中的負(fù)荷，所建模型用來評(píng)估給定市場滲透率下電動(dòng)汽車對電網(wǎng)的影響，同時(shí)也能估計(jì)三種充電策略下給定電網(wǎng)所能承受的電動(dòng)汽車最大數(shù)目。