滿足電動汽車快慢同步充電需求的有序充電策略

吳育勝，薛斐，石進永，汪映輝

(1.海南電網有限責任公司，海南 ?？?570100；2. 國電南瑞科技股份有限公司，江蘇 南京 211106)

作為新興清潔能源交通工具，電動汽車(electric vehicle，EV)應用前景廣闊，逐步呈現替代傳統能源車輛的趨勢。但是由于續(xù)航里程限制，使得“充電焦慮”和“里程焦慮”成為約束EV行業(yè)大力發(fā)展的一大難題[1-3]。

快速充電站(fast charge station，FCS)的使用能解決“里程焦慮”問題，國內外已有許多專家對FCS進行了研究。文獻[4]基于私家電動車歷史出行數據，結合充電過程數據，分析了影響充電行為的因素；文獻[5]分析了車輛行駛和停留等狀態(tài)下充電需求時空分布特點，提出了一種基于出行時空狀態(tài)鏈的EV充電需求模型；文獻[6]對節(jié)假日、工作日2個不同場景的交通特性以及用戶出行特點進行分析，改進加權Voronoi圖，以用戶排隊忍耐極限、電網潮流等因素為約束條件，提出了多場景EV充電網絡規(guī)劃模型，用于合理規(guī)劃EV充電網絡；文獻[7]通過分析FCS不同應用場景下的停車和引導需求以及繳費結算等業(yè)務需求，設計了FCS運營監(jiān)控系統；文獻[8]提出了一種基于虛擬同步機的EV快速充電控制技術，在兼顧快速充電的同時，通過模擬同步機的慣量和阻尼特性，平抑傳輸功率的波動，改善并網點電能質量；文獻[9]通過分析EV快充負荷曲線，提出采用公用電感并考慮利用濾波電容對負荷無功功率進行補償的設計方法；文獻[10]利用層次分析法和熵權法分別確定準則層和指標層權重，結合層次遞推的模糊綜合評價方法，量化快充網對各主體的影響并進行綜合評估?？焖俪潆娔芸s短充電時間，合理制訂智能停車充電計劃，降低充電成本，靈活響應電力市場需求[11]。FCS從電網運營商和用戶不同角度出發(fā)，解決充電問題，提高停車場(parking lot，PL)電力調度經濟性[12-13]。FCS對充電設備要求高，需要考慮運營成本、客戶服務性和優(yōu)化選址，以及充電端口、等待空間和快充的電力可用性[14]。

針對上述問題，本文提出一種基于傳統PL改造的新型FCS結構及EV快慢同步有序充電策略，適用于EV不同充電等級。首先分析電力市場結構和配置，建立PL-FCS模型；然后基于日前調度、周期性實時調度和周期內實時調度，制訂快慢同步有序充電策略；基于電力市場相互作用的隨機調度任務，通過最松弛優(yōu)先資源分配方案實現快速充電任務；最后，通過算例驗證該快慢同步有序充電策略的有效性。

1 新型PL-FCS結構

1.1 FCS配置

構建能為EV提供快慢同步充電服務的智能PL時，需要考慮慢充和快充高峰負荷疊加。本文提出的PL-FCS在傳統PL配置上加以改進，具備快慢同時充電能力，如圖1所示。圖1中包含交流慢充EV、直流快充車輛(fast charge vehicle，FCV)和儲能系統(energy storage system，ESS)，通過ESS充放電功能輔助大電網完成EV快慢充業(yè)務。

圖1 PL-FCS結構Fig.1 PL-FCS structure

在城市地區(qū)和高速公路的PL設置FCS，可以滿足由于長途旅行、夜間駕駛或駕駛員忘記在家充電而產生的快充需求。在所有EV中，僅有部分車輛需要快速充電，其余的EV可在PL使用慢速充電模式。交流慢速充電主要通過智能充電計劃在午夜進行，而快速充電負荷主要集中分布在清晨和深夜時段。本文提出改進的智能PL，通過合理的能源分配規(guī)劃滿足2個充電等級的能源需求。

1.2 電力交易模式

電力市場中的支付模式分為單結算和多結算[15-16]。多結算模式更普遍，該模式中前一天的請求作為第1次結算，即

(1)

在第2次結算中，實時設備費用按實時價格支付，即

(2)

(3)

式中γ為懲罰因子。

2 有序充電規(guī)劃策略

圖2 在慢充EV和ESS能源組件中的FCV充電需求分布Fig.2 FCV charging distribution in EV and ESS energy modules

2.1 日前規(guī)劃策略

針對日前調度，EV集群τ的能量動態(tài)表示為

(4)

EV數量動態(tài)表示為

mτ,t=mτ,t-1+Δmτ,t,?τ={t,…,T}.

(5)

式中：mτ,t為時段t集群τ的未充電EV數量；Δmτ,t為集群τ中在時段t新到達的未充電EV數量。

為了確保EV的最小或最大電池負荷狀態(tài)(state of charge，SOC)不受FCV負荷波動影響，這里介紹2種極端情況。

?t∈{1,…,T-1},?τ≥t.

(6)

第2種極端情況是由于到達的FCV比預期的要少，所以從慢充EV集群τ到FCV的總能量在時段t時未被使用。在這種情況下，EV應該有足夠未充電量來吸收FCV未使用的多余能量，即

?t∈{1,…,T-1},?τ≥t.

(7)

考慮以上2種極端情況，可以保證慢充EV平抑FCV負荷波動需求，并且每個集群中的慢充EV在出發(fā)時也應該達到期望的SOC水平，即

?τ∈{1,…,T}.

(8)

(9)

最后，EV充放電限制可以根據每個集群內的最小和最大充放電功率來表示，即：

(10)

(11)

ESS的動態(tài)表示可以用類似FCV的方式表達：

(12)

(13)

(14)

yt=T=yini；

(15)

(16)

(17)

(18)

綜上所述，提供給FCV的電量由FCS內慢充EV和ESS提供，且總和Wsum,t應該等于每個時段內預測的FCV負荷，即

(19)

式中：等式右邊求和項表示EV對FCV充電貢獻，后2項表示ESS的貢獻；ηfcv為FCV的充電效率；ηev2fcv表示慢充EV到FCV的放電效率；ηess2fcv表示ESS到FCV的放電效率。

日前計劃的目標函數是通過隨機規(guī)劃方法得到的，隨機規(guī)劃方法由2個主要層次構成，即

(20)

(21)

(22)

2.2 周期性實時規(guī)劃策略

實時規(guī)劃階段的目標是根據目前已實現的場景和剩余時段可能出現的場景，將電網計劃電量采購與慢充EV、ESS、FCV的實際電量需求和剛性負荷之間的不匹配最小化。為此，可以使用前一天目標函數中的觀望決策，對剩余的時間范圍執(zhí)行新的規(guī)劃，周期性實時規(guī)劃采用隨機模型預測控制(stochastic model predictive control，SMPC)方法完成。利用SMPC方法[17]，令Tp為算法規(guī)劃周期，對式(4)—(18)中的EV在規(guī)劃時段k到K=k+Tp-1之間的值進行實時條件化：

(23)

t′∈{k+1,…,K},τ≥t；

(24)

(25)

?τ∈{k,…,Tp}；

(26)

u′xτ,t≤Uxτ,t；

(27)

(28)

(29)

式(12)—(18)中ESS動態(tài)實時方程可表示為：

(30)

(31)

?t∈{k,…,k+Tp-1}；

(32)

yt=T=yini；

(33)

u′y,t≤Uy,t；

(34)

(35)

(36)

(37)

2.3 周期內實時規(guī)劃策略

如圖3所示，在周期內規(guī)劃階段，將每個時段t劃分為N個相同的子區(qū)間。在每個子區(qū)間內FCV負荷由預先確定的資源提供，包括從電網向慢充EV和ESS提供的與FCV相關的u′x和u′y，從慢充EV和ESS發(fā)出的功率分別為dFCV和DFCV。構建一個可用資源的堆棧，在每個子區(qū)間內更新這些資源。每個資源在堆棧中的位置是基于其FCV相關費用的優(yōu)先級被交付到FCV負荷。

圖3 FCV充電的周期內規(guī)劃算法Fig.3 Cycle planning algorithm for FCV charging

在慢充EV存儲的FCV資源堆棧中，使用最松弛優(yōu)先(most laxity first，MLF)概念[18-19]。EV集群τ的松弛度

φτ,t=(τ-t)-Gτ,t；

(38)

(39)

時段t內任意子區(qū)間n0開始時的總可用電量由聚合器計算，即

(40)

式中：“used”表示從前一個子區(qū)間的可用資源中扣除并注入FCV的能量；n表示第n個子區(qū)間。第1大項表示時段t注入FCV的預定總能量，第2大項表示在1≤n≤n0時時段t注入FCV的部分能量。由于充放電限制以及式(40)中元素僅在整個周期間隔內實現，FCV調度的所有能量在每個子區(qū)間都可用。因此，任意子間隔向FCV注入的電量

(41)

式中δ=1/N為子區(qū)間持續(xù)時間。式(41)右邊的項已根據它們在優(yōu)先級堆棧中的位置進行了排序，以便快速分配資源。

在每個子區(qū)間n的FCV向未充電FCV的能級動態(tài)

(42)

3 仿真結果

為了評價所提模型的有效性，假設存在1個擁有500戶家庭、以及幾乎相同數量EV的城市社區(qū)PL-FCS，并且具備全天24 h服務的基礎設施。

3.1 場景生成和假設

在有序充電規(guī)劃中，主要的不確定性來源包括日前和實時價格、剛性負荷以及慢充EV和FCV的到來和離開。假設普通EV電池容量16 kWh和24 kWh，FCV電池取32 kWh，并預定了PL接受最小停留時間。

考慮到價格的不確定性，使用7月的日前價格和實時價格。如圖4所示，采用二維自組織映射(self-organizing maps，SOM)方法對日前和實時價格進行聚類[20]?；跉v史數據中出現的頻率得到各自的概率值，圖例中的百分數為歷史數據中出現的頻率。

圖4 日前價格以及實時價格與日前價格的比值Fig.4 Day-ahead price and ratio of real-time price and day-ahead price

對于500輛的EV車隊，對應大約120輛FCV，代表了EV車隊中快充請求與總充電請求的實際比例?？紤]充電需求的不確定性，采用低、中、高快充需求的3種場景，表1給出了負荷分布場景。

表1 PL-FCS的FCV負荷場景Tab.1 FCV load scenarios in PL-FCS

假設EV交流最大充放電功率為4 kW，快充功率最高為200 kW，其他參數見表2。

表2 慢充EV、FCV和ESS參數Tab.2 EV, FCV and ESS parameters

將混合整數線性規(guī)劃問題轉化為一般線性規(guī)劃問題，并使用MATLAB中的Linprog算法進行求解。

3.2 慢充EV-FCV計劃

算例中含有慢充EV、FCV和剛性負荷。日前規(guī)劃周期為24 h，實時SMPC周期為15 min，控制周期內子區(qū)間時間δ=3 min(每段5個子區(qū)間)，假設懲罰因子為0.5，FCV充電的收入按固定費率1.1元/kWh計算。由于更高的SOC水平可能需要更長的等待時間，充電至SOC為0.9即可。

算例考慮了使用、不使用ESS這2種模式，與預期一致，大部分常規(guī)慢充EV充電任務都是在夜間完成的。如圖5所示，在高峰時段，電網供電的大部分被饋送到FCV，其余部分被EV吸收。在16：00—18：00，凈EV排放聚合器基于激勵的需求響應效果對應了算例中能源價格最高的時間段。

圖5 慢充EV充放電、FCV充電時間Fig.5 EV charging and discharging time and FCV charging time

實際慢充EV充放電用來吸收高峰時段快充負荷波動，如圖6所示。在高峰時期，慢充EV幫助吸收快充需求負荷波動，加速FCV的充電過程，減少了充電時間，緩解了電網負荷壓力。

圖6 實際慢充EV充放電Fig.6 Actual EV charging and discharging

表3列出了上述算例中聚合器計劃的一些重要指標的期望值。由表3可知，算例中的充電計劃能有效節(jié)約成本，因為聚合器會在高峰時期減少從電網購買的電力，轉向EV放電，EV收益增加，電池退化成本相對減少。

表3 算例中重要指標的期望值Tab.3 Important expected values in the examples

如果沒有ESS參與，僅通過慢充EV在高峰時間放電，將導致FCV在一天中其他時間會有一些阻塞；但是，伴隨著更高的阻塞率，FCV將獲得更高的充電功率，充電速度更快。相反，在ESS參與的情況下，FCV充電功率略有降低，充電時間也有所增加，這是因為FCV的阻塞率較低，進入的次數較多。

2種情況下FCV的功率分布如圖7所示。其中，日平均功率是一天中非零充電功率的平均值。在快充需求高峰期即15：00—21：00，所有FCV的充電功率都達到了相當一致的水平；09：00—14：00的充電功率相對較低，這是由于PL的FCV數量相對較少，充電速度快。

圖7 FCV的功率分布Fig.7 Power distribution of FCV

圖8說明了FCV到達、服務和阻塞趨勢。從表3和圖8中可以看出，在所有情況下，阻塞率相對較小，這表明所提出的方法在傳統智能PL中容納大量快充請求車輛的效率很高。同時再次驗證了ESS的參與能有效降低FCV阻塞率。

圖8 到達、服務和阻塞的FCV數量Fig.8 Reach numbers of FCV, services, and blocking

4 結束語

針對傳統PL中加入快充車輛規(guī)劃，本文介紹了一種適應適量快充比例的智能PL。該設施的運行通過3個階段的隨機規(guī)劃框架實現，仿真算例結果證明該規(guī)劃框架有效，且易于實施。所研究的聚合器可滿足現有PL容量20%的快充需求，通過技術升級可以將現有的PL設施改造成PL-FCS綜合體，大幅降低成本。該規(guī)劃框架能及時且經濟有效地處理各類負荷，包括慢充EV、FCV以及剛性負荷。通過提供快速的充電調節(jié)，降低了聚合器的成本和電動汽車的慢充電成本，同時減少了電網的部分快充負荷壓力。