考慮電動汽車接入的臺區(qū)負(fù)載分析和預(yù)測*

鐘小強(qiáng)，麥鴻坤

(1.國網(wǎng)福建省電力有限公司營銷部，福州 350003； 2.中國科學(xué)技術(shù)大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院，合肥 230026)

0 引 言

負(fù)載是衡量臺區(qū)用電水平的一個重要指標(biāo)，它對配電設(shè)計以及電網(wǎng)維護(hù)具有重要意義。目前，配電設(shè)計者以居民區(qū)的人口、面積的為參考，憑經(jīng)驗值進(jìn)行配電設(shè)計；而設(shè)計完畢后直至投入運(yùn)行，幾乎無法獲得反饋信息。因為臺區(qū)數(shù)量多，又有自身的發(fā)展特性，所以，各省電力公司很難對各臺區(qū)的負(fù)載情況，做到完全掌握。

而近年來，隨著居民區(qū)電動汽車的數(shù)量不斷增加，為電網(wǎng)運(yùn)行帶來了新的問題和變化[1]。在此基礎(chǔ)上，對臺區(qū)的負(fù)載進(jìn)行分析和預(yù)測，就更加重要。

臺區(qū)的負(fù)載要考慮兩方面因素：電動汽車的充電功率和居民用電功率。目前，已有較多文獻(xiàn)對電動汽車的充電行為進(jìn)行了研究。文獻(xiàn)[2]對電動汽車開始充電時間、日行駛里程的概率密度函數(shù)，但是文中做出的“電動汽車在最后一次出行返回后開始充電”的假設(shè)，與人們的充電習(xí)慣并不完全相符。文獻(xiàn)[3]給出了電動汽車充電功率需求的統(tǒng)計學(xué)建模方法，但是其仍然建立在“電動汽車在最后一次出行返回后開始充電”假設(shè)的基礎(chǔ)上。

本文首先介紹了與電動汽車充電行為相關(guān)的背景知識。接下來，通過計算，能夠得到電動汽車的充電特性，并計算了不同充電閾值下的充電功率需求。最后，結(jié)合臺區(qū)自身的負(fù)荷特性，通過疊加計算，分析預(yù)測出了臺區(qū)的負(fù)載情況，指出與負(fù)載率相關(guān)的參數(shù)關(guān)系以及整體負(fù)載率低的現(xiàn)狀。

1 背景知識

1.1 鋰電池充電模型

目前，電動汽車電池主要為鉛酸電池、鎳氫電池和鋰電池[4]。其中，市場上的電池中，鋰電池性能最好，國內(nèi)外越來越多的汽車廠家選擇鋰電池作為電動汽車的動力電池。恒流恒壓充電方法[5]是鋰電池常用的充電方法，三種電池采用恒流恒壓充電，功率曲線如圖1所示。

圖1 電池充電功率曲線比較

恒流恒壓充電過程可以近似為恒功率充電，同時對于常規(guī)慢速充電，充電起始和結(jié)束階段相對于整個充電過程較短，可以忽略，因此可以認(rèn)為充電開始到結(jié)束都為恒功率，本文取恒定值3.5 kW。

1.2 電動汽車滲透率

居民區(qū)配電網(wǎng)中，電動汽車滲透率能直觀和準(zhǔn)確地反映配電網(wǎng)內(nèi)電動汽車的發(fā)展水平。電動汽車滲透率[2]為：

(1)

式中α為居民區(qū)電動汽車滲透率；NR為居民區(qū)住戶數(shù)量(戶)；NPEV為居民區(qū)電動汽車數(shù)量(輛)。

1.3 日行駛里程以及充電時長概率密度函數(shù)

我們可以通過電動汽車行駛里程的概率分布計算出電動汽車的日耗電量的概率分布。傳統(tǒng)燃油車和電動汽車不會對人們的出行習(xí)慣造成影響，因此二者的行駛里程服從相同的分布。

一般以傳統(tǒng)燃油車入手分析電動汽車的駕駛特性。目前，國內(nèi)外汽車出行調(diào)查統(tǒng)計數(shù)據(jù)經(jīng)過多年的調(diào)查與積累已經(jīng)較為完善，其中最具代表性的數(shù)據(jù)來自美國家庭旅行調(diào)查HNTS[6]。日行駛里程d滿足如下對數(shù)正態(tài)分布，其概率密度函數(shù)如公式(2)所示[2,7-8]，概率分布圖如圖2所示。

(2)

式中μD=3.20 ，σD=0.88。

圖2 私家汽車日行駛距離概率分布圖

本文假設(shè)電動汽車采用功率3.5 kW的恒功率進(jìn)行充電，電動汽車的電池容量為30 kW·h，電動汽車電池狀態(tài)SOC與行駛距離有如式(3)的線性關(guān)系[2,9]：

(3)

充電時長概率密度如圖3所示。

圖3 私家汽車日充電時長概率分布圖

1.4 充電開始時間

居民區(qū)以私家車為主，私家車用戶一般在17:30～18:30回到居民區(qū)，在7:00～9:00離開居民區(qū)。電動汽車在居民區(qū)的停放時間多為夜間，且超過10小時，具有適合慢充的特點。2001 年美國交通部對全美家用車輛最后一次出行時間調(diào)查結(jié)果如圖4所示[2]。

圖4 居民區(qū)私家車最后一次出行結(jié)束時間

2 負(fù)載分析和預(yù)測

臺區(qū)變壓器需要同時滿足居民用電需求和電動汽車充電需求，預(yù)測流程圖如圖5所示。

圖5 負(fù)載預(yù)測流程圖

2.1 居民負(fù)荷的預(yù)測

由于電力負(fù)荷作為時間序列呈現(xiàn)明顯的周期性，自回歸求和移動平均(autoregressive integrated moving average，ARIMA)模型也經(jīng)常作為電力負(fù)荷的有效預(yù)測手段，其建模流程圖如圖6所示[10]。

2.2 電動汽車功率需求期望

根據(jù)1.3和1.4中所述，采用蒙特卡羅仿真方法求出一天內(nèi)24個時刻1 000臺電動汽車充電功率需求的期望P(k),(k=0～23)。仿真100天，1 000輛充電汽車分別在無序充電(返回家中即充電)、需要充電滿1小時(注：上文已假設(shè)行駛距離與耗電量是線性關(guān)系，充電滿1小時是指電動汽車耗電后，需要超過1個小時才能把電池充滿，后文同理)、滿2小時、滿3小時、滿4小時條件下充電，其結(jié)果如圖5所示。

如公式(4)中所示，計算居民區(qū)電動車數(shù)量如下所示：

NPEV=α×NR

(4)

其中，α為滲透率，NR為居民區(qū)人數(shù)，則各時刻汽車充電功率期望為：

PPEV(k)=p(k)×NPEV/1000,(k=0～23)

(5)

圖6 ARIMA模型建模流程

圖7 一天內(nèi)各時刻1 000臺車輛功率需求期望

3 仿真與分析

3.1 數(shù)據(jù)格式及說明

針對居民區(qū)特征，可以做如表1所示的劃分。

表1 居民區(qū)特征劃分表

按照以上劃分，共有26=64種居民區(qū)類型，在廈門市范圍內(nèi)每種類型抽取1個，共計抽取64個居民區(qū)。

3.2負(fù)荷疊加

以<滲透率，充電閾值>為一組變量進(jìn)行居民區(qū)與充電汽車的負(fù)荷疊加，其中滲透率的取值為10%，20%，…，100%，充電閾值為0～4(分別代表無序充電(返回家中即充電)、需要充電滿1小時、滿2小時、滿3小時、滿4小時條件下充電)，某典型日下，居民用電負(fù)荷與電動汽車充電負(fù)荷疊加結(jié)果示例如圖8、圖9所示。

圖8 滲透率為10%時負(fù)荷疊加情況

圖9 滲透率為10%時負(fù)荷疊加情況

從圖8和圖9可以看出，一方面，當(dāng)滲透率較低時，曲線幾乎重疊，對臺區(qū)的疊加負(fù)荷影響不大，當(dāng)滲透率較高時，電動汽車充電成為臺區(qū)疊加負(fù)荷的主要部分；另一方面，充電閾值的提高能起到一定錯峰的作用。

該臺區(qū)是由兩個容量為630 kW的變壓器所組成，可以看出隨著滲透率從10%～100%，變壓器的最高負(fù)載率也由23.8%上升到28.6%。此外，1時至7時負(fù)載較低，可以通過控制策略將開始充電時間延后，使得臺區(qū)負(fù)載更加均衡，圖10為<滲透率，充電閾值>=<100%，1>延遲充電7小時前后的負(fù)荷對比圖。

圖10 延時7小時負(fù)荷對比圖

從圖10中可以看出，延時后的充電負(fù)荷曲線最高點低于延時前的最高點，與未充電時的臺區(qū)的原始功率曲線的最高點重合。將充電負(fù)荷延時到1時～7時，填補(bǔ)了原波谷的負(fù)荷。延時曲線較0功率曲線，起到了削峰填谷的作用，使得變壓器負(fù)載更加均衡。針對64個樣本臺區(qū)，負(fù)載率情況如表2所示。

表2 抽樣臺區(qū)負(fù)載率情況表

從表2可以看出，目前臺區(qū)的整體負(fù)載率較低，即使考慮電動汽車接入居民區(qū)，負(fù)載率會提高，但是由于在進(jìn)行臺區(qū)電力設(shè)計時留有足夠的余量，在100%負(fù)載率時，仍能滿足供電需求。

4 結(jié)束語

本文從電動汽車的電池特性、行駛習(xí)慣以及充電行為出發(fā)，計算并分析了電動汽車的充電特性。通過對特征的抽取，選取了具有代表性的64個臺區(qū)，并以滲透率和充電閾值作為參數(shù)，仿真計算了各臺區(qū)的負(fù)載變化情況。

從仿真結(jié)果來看，可以得出以下結(jié)論：

(1)滲透率與負(fù)載正相關(guān)，隨著滲透率的升高，負(fù)載率也會隨著升高；

(2)充電閾值與負(fù)載負(fù)相關(guān)，隨著充電閾值升高，負(fù)載率會隨之降低；

(3)由于目前臺區(qū)的負(fù)載處于較低水平，充電汽車的接入，不會對臺區(qū)的變壓器造成太大影響。

然而，由于抽樣未考慮臺區(qū)的分布特性，抽樣結(jié)果與實際情況會存在一定的偏差。接下來將會對臺區(qū)進(jìn)行分類計算，盡量逼近真實的臺區(qū)分布情況，在此基礎(chǔ)上的負(fù)載分析和預(yù)測工作，更具有客觀性和科學(xué)性。