基于需求響應(yīng)的電動汽車充放電策略對比與分析

甘季偉，姚志壘

（1.江蘇大學(xué) 電氣信息工程學(xué)院，江蘇 鎮(zhèn)江212013；2.鹽城工學(xué)院 汽車學(xué)院，江蘇 鹽城224051）

0 引言

隨著環(huán)境污染和能源危機(jī)的日益加劇，電動汽車（electric vehicle，EV）作為環(huán)保、節(jié)能的交通工具，在能源結(jié)構(gòu)調(diào)整方面潛力巨大，具有良好的發(fā)展前景。電動汽車通過充放電參與智能電網(wǎng)的調(diào)控，既可以作為電網(wǎng)中的可控負(fù)載，接受電網(wǎng)提供的供電服務(wù)（grid to vehicle，G2V），又可以作為儲能單元提供汽車入網(wǎng)服務(wù)（vehicle to grid，V2G），實(shí)現(xiàn)車輛與電網(wǎng)之間能量和信息的雙向傳遞，從而提高電網(wǎng)的能源利用效率［1］。然而，電動汽車的充放電行為具有隨機(jī)性和間歇性，大規(guī)模電動汽車入網(wǎng)后，將會對電網(wǎng)負(fù)載平衡、電力質(zhì)量和經(jīng)濟(jì)性產(chǎn)生巨大影響［2］。電動汽車作為一種靈活的需求側(cè)響應(yīng)資源，其充放電可通過需求響應(yīng)（demand response，DR）策略進(jìn)行合理有序控制，從而完善電動汽車與智能電網(wǎng)的雙向互動，保證電網(wǎng)的安全穩(wěn)定運(yùn)行。

為了解決電動汽車入網(wǎng)所帶來的一系列負(fù)面問題，同時(shí)推動電動汽車與智能電網(wǎng)的互聯(lián)，本文對比總結(jié)國內(nèi)外近年來針對電動汽車充放電調(diào)度提出的需求響應(yīng)策略，分析其發(fā)展形勢和可能面臨的問題，為后續(xù)的相關(guān)研究提供參考。

1 電動汽車充放電的需求響應(yīng)策略分類

1.1 基于價(jià)格的需求響應(yīng)

價(jià)格型需求響應(yīng)是利用消費(fèi)者對價(jià)格的敏感，通過制定隨時(shí)間變動的價(jià)格政策，引導(dǎo)EV用戶自愿選擇在電價(jià)較低時(shí)段進(jìn)行充電，從而改變其能源使用模式，達(dá)到削峰填谷的目的?；趦r(jià)格的需求響應(yīng)（price-based demand response，PDR）適用于大規(guī)模電動汽車的充放電調(diào)度，包括分時(shí)電價(jià)（time of use，TOU），實(shí)時(shí)電價(jià)（real-time price，RTP）和尖峰電價(jià)（critical peak pricing，CPP）。

1.1.1 基于TOU的電動汽車充放電策略

TOU是在不同時(shí)間段有不同單位價(jià)格的費(fèi)率機(jī)制。EV用戶主觀上愿意選擇電價(jià)較低的時(shí)段充電以降低充電成本，但這可能會引發(fā)新的峰值，甚至出現(xiàn)峰荷倒置，對電網(wǎng)的安全穩(wěn)定運(yùn)行造成負(fù)面影響［3］。而且不同的TOU浮動比例對EV用戶的充放電選擇影響也各不相同。

峰谷電價(jià)是較為典型的TOU，文獻(xiàn)［4］構(gòu)建了以電網(wǎng)峰谷差率最小為目標(biāo)的峰谷電價(jià)時(shí)段優(yōu)化模型，但只考慮了電網(wǎng)側(cè)的利益，忽略了對用戶側(cè)的影響。因此需要考慮多目標(biāo)優(yōu)化來兼顧電網(wǎng)與用戶雙方的利益。如文獻(xiàn)［5］考慮了峰谷差率改善度和用戶用電方式滿意度2個(gè)指標(biāo)。文獻(xiàn)［6］考慮了提高用戶和電力公司經(jīng)濟(jì)性和減小負(fù)荷波形3個(gè)優(yōu)化目標(biāo)。文獻(xiàn)［7］考慮了用戶成本最低和風(fēng)光發(fā)電消納最大2個(gè)指標(biāo)。雖然這些定價(jià)模型同時(shí)考慮了用戶側(cè)和電網(wǎng)側(cè)的某些指標(biāo)，但就實(shí)際應(yīng)用來看還遠(yuǎn)遠(yuǎn)不夠。

此外，在未來電力市場改革和售電側(cè)開放的大背景下，還可以引入負(fù)荷聚合商（load aggregator，LA）的概念，對電動汽車的充放電進(jìn)行分層分區(qū)調(diào)度。LA可以看作是電力公司和EV用戶之間的中介，在不同的DR策略下發(fā)揮不同的作用，其控制結(jié)構(gòu)如圖1所示。

圖1 LA控制框架Fig.1 Control framework of LA

當(dāng)前，TOU仍是引導(dǎo)EV用戶有序充放電的有力措施，也比較適合我國國情。其動態(tài)性和經(jīng)濟(jì)性可以通過LA和動態(tài)TOU來優(yōu)化。而在建立基于TOU的電動汽車充放電模型時(shí)，需要綜合考慮電網(wǎng)峰谷差、風(fēng)光發(fā)電消納、用戶經(jīng)濟(jì)性、滿意度等優(yōu)化目標(biāo)的權(quán)重，建立一個(gè)全面的多目標(biāo)優(yōu)化模型。

1.1.2 基于RTP的電動汽車充放電策略

RTP是在給定的極短時(shí)間（如1 h）內(nèi)向用戶提供電能邊際成本的費(fèi)率機(jī)制，能讓電動汽車充放電與電價(jià)聯(lián)動調(diào)整，更精確地反映發(fā)電成本變化。RTP不僅可以使電動汽車有序充放電，降低用戶的充電成本，還能大大降低電網(wǎng)設(shè)備的建設(shè)成本，提高用戶側(cè)和電網(wǎng)側(cè)的經(jīng)濟(jì)性。

研究RTP下電動汽車的充放電優(yōu)化策略，首先要能預(yù)測不同電價(jià)下用戶的充電行為，即充電概率模型。為此，文獻(xiàn)［8］研究了電動汽車充電負(fù)荷彈性跟蹤算法。文獻(xiàn)［9］提出了區(qū)域電動汽車集群響應(yīng)的最優(yōu)充電概率分布模型，在得到EV充電概率模型的基礎(chǔ)上，利用兩階段優(yōu)化模型來研究EV的最優(yōu)充電狀態(tài)。針對RTP下EV對可再生能源的消納問題，文獻(xiàn)［10］對光伏發(fā)電和風(fēng)力發(fā)電的價(jià)格不確定性和預(yù)測不確定性進(jìn)行建模，集成到RTP下的家庭能源管理系統(tǒng)中，從而最大限度地降低用戶成本。上述優(yōu)化方案對EV電池的退化成本考慮較少，不僅影響用戶總成本，也影響充電方式，特別是RTP下EV的充電周期較多，對電池壽命影響較大。因此文獻(xiàn)［11］在考慮EV電池退化成本的基礎(chǔ)上，建立了RTP模型以實(shí)現(xiàn)用戶成本最小化。

RTP能充分發(fā)揮電動汽車充電時(shí)間彈性大、響應(yīng)迅速的優(yōu)勢，具有良好的經(jīng)濟(jì)性，但確定電動汽車用戶在不同電價(jià)下的充放電概率模型是該策略的難點(diǎn)。另外，RTP動態(tài)性太強(qiáng)，容易導(dǎo)致用戶無法對價(jià)格信號做出及時(shí)響應(yīng)，進(jìn)而讓用戶的接受度變低。只有完善好電網(wǎng)與電動汽車間的實(shí)時(shí)雙向通信系統(tǒng)和能源管理系統(tǒng)等基礎(chǔ)設(shè)施，才能使電動汽車在RTP下的充放電調(diào)度成為可能。

1.1.3 基于CPP的電動汽車充放電策略

CPP是在TOU的基礎(chǔ)上疊加尖峰費(fèi)率而形成的動態(tài)定價(jià)機(jī)制，雖然CPP的經(jīng)濟(jì)性比不上RTP，但其實(shí)現(xiàn)難度大幅降低，而且CPP激勵(lì)用戶在用電峰值減少負(fù)荷或轉(zhuǎn)移負(fù)荷，經(jīng)濟(jì)性高于TOU，因此，CPP是TOU和RTP的折中方案。尖峰日的尖峰費(fèi)率和非尖峰日的電價(jià)折扣共同組成了CPP方案。考慮電動汽車充電的CPP實(shí)施過程如圖2所示。隨著電動汽車數(shù)量的不斷增長，CPP在降低電網(wǎng)峰值負(fù)荷方面也有顯著效果［12］。

圖2 考慮電動汽車充電的尖峰電價(jià)實(shí)施過程Fig.2 CPP implementation process considering EVs charging

在實(shí)行RTP時(shí)，其調(diào)度優(yōu)化方案偏向于供給側(cè)，雖然總體的經(jīng)濟(jì)性最優(yōu)，但如果不顧及用戶滿意度和電池退化成本，反而會在得出最優(yōu)調(diào)度方案后危及用戶利益。CPP是TOU和RTP的折中方案，能夠同時(shí)兼顧需求側(cè)和供給側(cè)的利益，我國也在借鑒國外經(jīng)驗(yàn)的基礎(chǔ)上進(jìn)行試點(diǎn)。

1.2 基于激勵(lì)的需求響應(yīng)

激勵(lì)型需求響應(yīng)（incentive-based demand re-sponse，IDR）是基于電力公司與用戶所簽訂的合同，通過經(jīng)濟(jì)補(bǔ)償或者電價(jià)優(yōu)惠政策來激勵(lì)用戶參與電力系統(tǒng)所需要的各種負(fù)荷削減項(xiàng)目，從而轉(zhuǎn)移用電負(fù)荷［13］。激勵(lì)費(fèi)率一般獨(dú)立或者疊加在PDR之上，包括電費(fèi)折扣或中斷補(bǔ)償2種形式。IDR適用于小規(guī)模電動汽車的充放電調(diào)度，包括直接負(fù)荷控制（di-rect load control，DLC），可中斷負(fù)荷（interruptible load，IL）和需求側(cè)競價(jià)（demand side bidding，DSB）。

1.2.1 基于DLC的電動汽車充放電策略

DLC是在電網(wǎng)負(fù)荷高峰時(shí)，電力公司通過支付給用戶一定的電費(fèi)折扣或中斷補(bǔ)償來遠(yuǎn)程關(guān)閉或調(diào)整用戶用電設(shè)備的項(xiàng)目。參與DLC的可控負(fù)荷通常為短時(shí)間停電對其供電服務(wù)質(zhì)量影響不大且具有儲能的負(fù)荷。電動汽車是典型的可控負(fù)荷，電力公司通過控制中心來控制充電樁的開關(guān)和充電功率，從而優(yōu)化電動汽車充放電時(shí)段和充電速率。隨著電力公司的市場化改革，DLC也可以由LA進(jìn)行控制，從而提高經(jīng)濟(jì)效益和用戶滿意度。

DLC策略往往從供電側(cè)的角度出發(fā)，無法充分考慮用戶需求，難以得到用戶的支持和實(shí)際應(yīng)用。因此，文獻(xiàn)［14］提出將用戶滿意度引入DLC，在滿足電動汽車充放電需求的同時(shí)，充分尊重用戶的消費(fèi)意愿和隱私。

1.2.2 基于IL的電動汽車充放電策略

IL是指電網(wǎng)在高峰時(shí)段或緊急情況下可以中斷的負(fù)荷，作為一種簡單易行的需求響應(yīng)策略，能夠幫助電力公司規(guī)避風(fēng)險(xiǎn)、提高收益，實(shí)現(xiàn)其與用戶的雙贏。補(bǔ)償費(fèi)用會直接影響到供需雙方參與IL的積極性。補(bǔ)償價(jià)格過高，電力公司的積極性降低；補(bǔ)償價(jià)格過低，用戶參與意愿降低。因此，合理的補(bǔ)償價(jià)格是實(shí)施IL的關(guān)鍵。文獻(xiàn)［15］提出了一種以發(fā)電成本、儲能成本、負(fù)荷損失等總成本最小為目標(biāo)的優(yōu)化模型，并得到最終成本與IL容量及補(bǔ)償價(jià)格的關(guān)系曲線。當(dāng)補(bǔ)償價(jià)格大于實(shí)際儲能成本時(shí)，IL容量增加，反之則減小。

利用電動汽車提供IL服務(wù)，增加了電力系統(tǒng)的調(diào)控方式，拓寬了電力公司的盈利渠道，也降低EV用戶的成本。但目前對于電動汽車提供IL服務(wù)的業(yè)務(wù)模式和技術(shù)架構(gòu)仍處于探索階段，有待進(jìn)一步研究。

1.2.3 基于DSB的電動汽車充放電策略

DSB是指在需求高峰或系統(tǒng)意外情況下，用戶以特定的投標(biāo)價(jià)格限制部分用電量。DSB主要面向大用戶（1 MW以上），針對EV用戶則需要通過LA整合EV資源，代表其對用電量和電價(jià)進(jìn)行投標(biāo)，從而參與需求側(cè)競價(jià)。電動汽車的充電電價(jià)仍然依據(jù)電力公司發(fā)布的電價(jià)，其電費(fèi)由電力公司收取，LA不參與電力的買賣，其作用只是整合閑置的電動汽車儲能資源，為電力公司提供需求響應(yīng)資源，獲得相應(yīng)報(bào)酬，并給予EV用戶部分補(bǔ)償。

競價(jià)策略是一個(gè)雙層問題。上層問題是LA充電成本的最小化，也就是EV用戶充電成本的最小化，下層問題是市場結(jié)算。文獻(xiàn)［16］將其用混合整數(shù)線性規(guī)劃表現(xiàn)出來，并引入虛擬電池來估計(jì)電動汽車的使用需求，適用于不確定性日前電力市場。文獻(xiàn)［17］基于市場價(jià)格和投標(biāo)價(jià)格之間的聯(lián)系，以LA成本最小化為目標(biāo)，提出了最優(yōu)投標(biāo)模型。在條件風(fēng)險(xiǎn)值的約束下，將模型構(gòu)造為一個(gè)凸規(guī)劃問題，顯示了投標(biāo)價(jià)格，預(yù)期采購成本與中標(biāo)概率之間的關(guān)系。

未來對于DSB的研究將集中在EV行為特性的預(yù)測模型和LA的投標(biāo)決策模型，從而更方便地指導(dǎo)LA參與需求側(cè)競價(jià)。

2 不同電動汽車充放電的需求響應(yīng)策略對比

利用DR策略調(diào)度電動汽車的充放電主要是為了削峰填谷，保證電網(wǎng)的穩(wěn)定性以及降低用戶和電力公司的成本。表1對不同DR策略進(jìn)行了對比。

表1 不同需求響應(yīng)策略對比Table 1 Comparison of different DR strategies

由于電價(jià)主要由電力公司進(jìn)行調(diào)控，能深刻地影響電動汽車用戶的充放電行為，因此，PDR適用于大規(guī)模電動汽車的充放電調(diào)度，IDR適用于小規(guī)模電動汽車的充放電調(diào)度，可與PDR形成互補(bǔ)。在3種PDR策略中，TOU的經(jīng)濟(jì)性和動態(tài)性弱，但是用戶接受度較高；PTP的經(jīng)濟(jì)性和動態(tài)性都是理論上最優(yōu)的，但對通信和能源管理系統(tǒng)的要求較高；CPP則是折中選擇。DLC和IL都能應(yīng)用于負(fù)荷高峰，其中，IL還可用于系統(tǒng)緊急情況下中斷負(fù)荷以維護(hù)電網(wǎng)穩(wěn)定。在實(shí)行DR策略時(shí)，需要同時(shí)考慮電力公司與用戶的利益。在PDR中，電力公司的收益主要來源于削峰填谷所節(jié)約的成本，而用戶的充電成本也大幅降低，其中CPP會對非尖峰日給予電費(fèi)折扣。在IDR中，電力公司除了削峰和穩(wěn)定電網(wǎng)運(yùn)行所帶來的收益外，DSB還能整合閑置的EV資源來降低成本，提高經(jīng)濟(jì)性。在IDR的實(shí)施過程中用戶都有電費(fèi)折扣，而實(shí)施DLC和IL時(shí)用戶會額外收到中斷補(bǔ)償。

通過制定合理的需求響應(yīng)策略，能引導(dǎo)電動汽車用戶參與入網(wǎng)調(diào)度，消納更多可再生能源發(fā)電。TOU對可再生能源的消納能力取決于其峰谷電價(jià)的浮動幅度，RTP能夠最大限度地促使電動汽車用戶消納可再生能源，CPP次之。IDR的3項(xiàng)策略在這方面較弱。

除此之外，在IDR中，DLC、IL策略多關(guān)注于電網(wǎng)和LA的收益，用戶參與的積極性不高。而DSB以及3種PDR策略都充分考慮到了用戶的利益，能促使用戶主動參與到DR調(diào)度中。

3 結(jié)束語

本文介紹了將DR應(yīng)用于電動汽車充放電調(diào)度的研究現(xiàn)狀，針對PDR和IDR的相關(guān)技術(shù)及應(yīng)用都分別進(jìn)行了分析，對不同DR策略進(jìn)行了對比。由于我國PDR所需要的各項(xiàng)歷史數(shù)據(jù)來源較少，因此，可采用試點(diǎn)地區(qū)或者試點(diǎn)項(xiàng)目的形式，在小范圍內(nèi)試驗(yàn)各項(xiàng)PDR策略并收集用戶信息，為將來推廣至智能電網(wǎng)做準(zhǔn)備。同時(shí)也需要從政策方面給LA公司一定的支持，從而加快DR在我國的推進(jìn)速度。

當(dāng)前對于電動汽車參與DR的研究，一般考慮了降低用戶成本、增加電力公司收益、減小負(fù)荷峰谷差、提高系統(tǒng)穩(wěn)定性、保證電池壽命、提高用戶滿意度、提高可再生能源消納率這幾方面，但通常只考慮其中某一兩個(gè)方面，缺少對各個(gè)因素的優(yōu)先級定位和系統(tǒng)的統(tǒng)一建模。為了兼顧用戶側(cè)與電網(wǎng)側(cè)的利益，應(yīng)將電網(wǎng)峰谷差率改善度和用戶滿意度列于第一優(yōu)先級，其他目標(biāo)次之。隨著電動汽車的普及、智能電網(wǎng)的發(fā)展以及考慮到PDR和IDR各自的局限性，建立以需求側(cè)為主體，供需兩側(cè)協(xié)調(diào)優(yōu)化，綜合利用PDR和IDR的電動汽車充放電策略將是未來的發(fā)展趨勢。