基于用戶(hù)滿(mǎn)意度的電動(dòng)汽車(chē)無(wú)序充電影響研究

謝遠(yuǎn)德，鄧沙麗

基于用戶(hù)滿(mǎn)意度的電動(dòng)汽車(chē)無(wú)序充電影響研究

謝遠(yuǎn)德，鄧沙麗

（萍鄉(xiāng)學(xué)院 工程與管理學(xué)院，江西 萍鄉(xiāng) 337000）

為了研究電動(dòng)汽車(chē)大規(guī)模無(wú)序充電對(duì)電網(wǎng)的影響，首先，對(duì)用戶(hù)出行時(shí)刻、出行距離進(jìn)行分析；其次，根據(jù)用戶(hù)充電量引入超時(shí)懲罰費(fèi)用概念，計(jì)算所有用戶(hù)充電費(fèi)用；最后，以用戶(hù)充電滿(mǎn)意度最大為目標(biāo)，充電時(shí)間、充電功率、用戶(hù)需求等為約束條件，建立單目標(biāo)非線性規(guī)劃模型，并對(duì)某小區(qū)仿真。結(jié)果表明，無(wú)序充電下，電網(wǎng)最大負(fù)荷達(dá)到了2051.5KVA，出現(xiàn)了過(guò)載、超負(fù)荷運(yùn)行、峰上加峰等不良情況，不利于電網(wǎng)運(yùn)行安全穩(wěn)定性；峰谷差高達(dá)1228.35KVA，峰谷差率比基礎(chǔ)負(fù)荷峰谷差率增加了5.38%，達(dá)到59.88%。

電動(dòng)汽車(chē)；無(wú)序充電；用戶(hù)滿(mǎn)意度；非線性規(guī)劃

傳統(tǒng)汽車(chē)的動(dòng)力能源主要來(lái)源于汽油燃燒，這不僅會(huì)加劇我國(guó)化石能源短缺的窘迫現(xiàn)狀，還會(huì)產(chǎn)生污染尾氣，背離了我國(guó)“綠色環(huán)?！卑l(fā)展理念[1–2]。而電動(dòng)汽車(chē)作為一種新興產(chǎn)業(yè)，以電產(chǎn)能，具有“無(wú)污染、低噪聲、節(jié)能環(huán)?！钡奶攸c(diǎn)，它的出現(xiàn)，有效地緩解了環(huán)境能源問(wèn)題[3–4]。隨著電動(dòng)汽車(chē)數(shù)量持續(xù)增長(zhǎng)，充電需求也在不斷增加，這無(wú)疑會(huì)給電網(wǎng)帶來(lái)巨大的沖擊[5]，不少學(xué)者對(duì)該問(wèn)題展開(kāi)了研究[6–10]。

郝越[11]為分析不同功率的電動(dòng)汽車(chē)無(wú)序充電過(guò)程，采用多項(xiàng)式擬合論證了充電量與時(shí)間的關(guān)系，并基于拉格朗日乘數(shù)法建立優(yōu)化模型；鄭晶晶[12]等對(duì)用戶(hù)行為特性進(jìn)行分析，建立了電動(dòng)汽車(chē)無(wú)序充電數(shù)學(xué)模型，并運(yùn)用蒙特卡洛法模擬仿真，但該模型考慮的因素過(guò)于單一，存在一定局限性；楊昕然等[13]基于復(fù)雜網(wǎng)絡(luò)理論，以城市交通網(wǎng)為約束，評(píng)估了電動(dòng)汽車(chē)在惡劣充電場(chǎng)景下無(wú)序充電對(duì)電網(wǎng)的影響；羅慶[14]在IEEE33節(jié)點(diǎn)算例系統(tǒng)的基礎(chǔ)上，考慮充電需求的增加，研究了電動(dòng)汽車(chē)隨機(jī)充電對(duì)電網(wǎng)的影響，但該方法只考慮了電動(dòng)汽車(chē)滲透率；徐佳夫[15]等在 Simulink平臺(tái)搭建住宅區(qū)充電站模型，根據(jù)無(wú)序充電下的負(fù)荷分布和車(chē)載機(jī)模型，研究了不同時(shí)刻電網(wǎng)的諧波電流；何若太等[16]為分析無(wú)序充電時(shí)空特性，建立了基于出行鏈下電動(dòng)汽車(chē)出行的時(shí)空模型，提出蒙特卡羅法模擬負(fù)荷曲線；王利利等[17]充分考慮電動(dòng)汽車(chē)接入電網(wǎng)時(shí)的影響和效益，針對(duì)不同的充電策略，提出了各樣的評(píng)估方法并建立了相應(yīng)的數(shù)學(xué)模型，進(jìn)行了實(shí)驗(yàn)仿真；付坤[18]總結(jié)電動(dòng)汽車(chē)的日均用電需求，并分析用戶(hù)充電行為的時(shí)空特性，得到了電動(dòng)汽車(chē)充電負(fù)荷的時(shí)空分布曲線，但未將時(shí)間細(xì)分，導(dǎo)致誤差較大；周思宇[19]對(duì)電動(dòng)汽車(chē)無(wú)序充電負(fù)荷影響因素進(jìn)行研究，并采用蒙特卡洛對(duì)規(guī)劃區(qū)域進(jìn)行負(fù)荷預(yù)測(cè)，從不同角度驗(yàn)證了無(wú)序充電對(duì)配電網(wǎng)的不良影響；劉阿理[20]基于現(xiàn)有統(tǒng)計(jì)數(shù)據(jù)，分析了電動(dòng)汽車(chē)耗電量的影響因素，建立了充電負(fù)荷模型，但容易出現(xiàn)過(guò)擬合現(xiàn)象。

基于電動(dòng)汽車(chē)用戶(hù)到達(dá)充電站進(jìn)行充電是相互獨(dú)立的，具有較大的隨機(jī)性、靈活性和不確定性的特點(diǎn)，將一天時(shí)間平均劃分；從電動(dòng)汽車(chē)用戶(hù)行為的角度，根據(jù)用戶(hù)充電量引入了超時(shí)懲罰費(fèi)用概念，同時(shí)以用戶(hù)充電滿(mǎn)意度最大為優(yōu)化目標(biāo)，以充電功率、充電時(shí)長(zhǎng)等為約束條件，建立單目標(biāo)非線性規(guī)劃模型，對(duì)電動(dòng)汽車(chē)無(wú)序充電對(duì)電網(wǎng)負(fù)荷的影響進(jìn)行研究。

1 用戶(hù)行為分析

電動(dòng)汽車(chē)用戶(hù)日出行特征對(duì)充電需求有著較大的影響。圖1為電動(dòng)汽車(chē)用戶(hù)出行時(shí)刻分布規(guī)律圖，該圖反映了用戶(hù)每天開(kāi)始出行時(shí)刻的分布規(guī)律以及出行比例。

圖1 用戶(hù)出行開(kāi)始時(shí)刻分布規(guī)律

用戶(hù)日出行距離的分布規(guī)律如圖2所示，該圖準(zhǔn)確地反映了私家電動(dòng)汽車(chē)用戶(hù)出行不同日行駛里程分布。

圖2 電動(dòng)汽車(chē)日出行距離分布規(guī)律

2 電動(dòng)汽車(chē)無(wú)序充電研究

由于電動(dòng)汽車(chē)在一天時(shí)間內(nèi)任何時(shí)刻都有可能接入電網(wǎng)，為了準(zhǔn)確地得到電動(dòng)汽車(chē)的初始荷電狀態(tài)和接入電網(wǎng)時(shí)間，考慮將一天時(shí)間平均分成96個(gè)時(shí)段，每個(gè)時(shí)段均為15min，所有時(shí)段組成了一個(gè)集合，在每個(gè)時(shí)段的開(kāi)始時(shí)刻更新電動(dòng)汽車(chē)的接入信息，其中主要包括電動(dòng)汽車(chē)數(shù)量、每輛電動(dòng)汽車(chē)的初始荷電狀態(tài)、用戶(hù)電動(dòng)汽車(chē)荷電狀態(tài)期望值以及電池容量等信息。具體如圖3所示：

圖3 時(shí)段更新示意圖

電動(dòng)汽車(chē)用戶(hù)選擇是否充電與電動(dòng)汽車(chē)的初始荷電狀態(tài)（State of Charge，SOC）有關(guān)，當(dāng)電動(dòng)汽車(chē)電池的初始荷電狀態(tài)不滿(mǎn)足出行需求或者由出行剩余里程引起心理焦慮時(shí)，用戶(hù)會(huì)選擇充電，反之則不充電。假設(shè)每個(gè)電動(dòng)汽車(chē)用戶(hù)都有一個(gè)初始荷電狀態(tài)以及充電結(jié)束的荷電狀態(tài)期望值，初始荷電狀態(tài)就是用戶(hù)的荷電狀態(tài)期望值與用戶(hù)下一次出行所需電能的差值，即：

由于用戶(hù)在達(dá)到閾值時(shí)間內(nèi)只需要支付期望充電量的費(fèi)用，令4表示充電電價(jià)，因此得到此費(fèi)用為：

懲罰系數(shù)主要與超過(guò)閾值充電量的充電時(shí)長(zhǎng)有關(guān)，當(dāng)該時(shí)間為0時(shí)，表示用戶(hù)充電未超時(shí)，此時(shí)懲罰系數(shù)也為0；隨著此時(shí)間不斷變長(zhǎng)，懲罰系數(shù)也會(huì)隨之不斷增大，因此，不妨定義懲罰系數(shù)與超時(shí)長(zhǎng)成正比的關(guān)系，即：

綜上所述，第電動(dòng)汽車(chē)用戶(hù)選擇充電產(chǎn)生的費(fèi)用為：

為了得到無(wú)序集中充電下一天內(nèi)所有用戶(hù)充電的總費(fèi)用0，將一天內(nèi)各電動(dòng)汽車(chē)用戶(hù)的充電費(fèi)用累加起來(lái)，則有：

3 用戶(hù)充電滿(mǎn)意度

居民用戶(hù)一般都有固定的生活作息規(guī)律，他們更愿意按照自己的意愿選擇充電時(shí)間。因此，在無(wú)序充電模式下，只考慮EV用戶(hù)充電滿(mǎn)意度，即以平均每個(gè)用戶(hù)滿(mǎn)意度最大為優(yōu)化目標(biāo)建立數(shù)學(xué)模型。

3.1 約束條件

選擇充電的電動(dòng)汽車(chē)用戶(hù)在結(jié)束充電時(shí)的真實(shí)電量應(yīng)該不小于用戶(hù)的荷電狀態(tài)期望值。顯然，充電量不可能大于電池容量，即：

無(wú)論是何時(shí)何地何種情況，任意時(shí)段正在充電的電動(dòng)汽車(chē)數(shù)量都不得大于電動(dòng)汽車(chē)總數(shù)量，既滿(mǎn)足：

由式（12）∽（21），得到電動(dòng)汽車(chē)無(wú)序充電下的數(shù)學(xué)優(yōu)化模型為：

3.2 算法實(shí)現(xiàn)

4 實(shí)例仿真

某小區(qū)住戶(hù)數(shù)量為350戶(hù)，占地面積約為25000m2，由一臺(tái)2000KVA的配電變壓器供電，車(chē)位配比為1:1.5，該小區(qū)最大負(fù)載率為80%（負(fù)載率是指該變壓器實(shí)際承擔(dān)的負(fù)荷與電網(wǎng)容量之比，用于反映變壓器的承受能力，其中變壓器經(jīng)濟(jì)運(yùn)行最佳上限為75%∽80%）。一般情況下，住宅小區(qū)內(nèi)的居民都有一定的作息規(guī)律。為了方便清楚地驗(yàn)證電動(dòng)汽車(chē)接入電網(wǎng)充電時(shí)的影響，只考慮小區(qū)居民正常生活的基本用電狀況和電動(dòng)汽車(chē)充電所需的電量，其他形式的用電暫不考慮。

根據(jù)上述內(nèi)容設(shè)定的仿真環(huán)境，對(duì)該居民小區(qū)的典型日用電狀況進(jìn)行分析，仿真結(jié)果如圖4所示：

圖4 電網(wǎng)基礎(chǔ)負(fù)荷曲線圖

從圖4可知，若配電變壓器只需提供滿(mǎn)足居民日常生活用電量，在任意時(shí)刻都不會(huì)出現(xiàn)過(guò)載、超負(fù)荷的情況。從整體來(lái)看，電網(wǎng)負(fù)荷曲線出現(xiàn)了一次低谷時(shí)段和兩次高峰時(shí)段。其中，在夜間11:00到早上7:00左右，居民處于睡眠狀態(tài)，用電少，電網(wǎng)負(fù)荷處于低谷，而到了中午11:30到13:00左右和晚上19:00到22:00左右，居民用電量增加，電網(wǎng)負(fù)荷出現(xiàn)了高峰。尤其是晚上，除了一些家用電器的使用，居民需使用電燈、熱水器等電器，再加上公共用電基礎(chǔ)設(shè)施，導(dǎo)致電網(wǎng)負(fù)荷迅速上升，接近小區(qū)電網(wǎng)最大負(fù)載率。

在一日一充或多充的充電模式下，為了滿(mǎn)足居民用戶(hù)的充電需求，在每個(gè)停車(chē)位都配置充電樁。在用戶(hù)其他用電負(fù)荷無(wú)干預(yù)的情況下，仿真小區(qū)居民無(wú)序充電結(jié)果如圖5所示：

圖5 無(wú)序充電下電網(wǎng)負(fù)荷

從圖5中可知，若用戶(hù)完全按照自己的生活作息規(guī)律選擇充電，會(huì)導(dǎo)致峰上加峰的現(xiàn)象，甚至出現(xiàn)了過(guò)載、超負(fù)荷，影響了用電質(zhì)量及電網(wǎng)安全運(yùn)行。從整體看，電網(wǎng)負(fù)荷曲線在相同的時(shí)間出現(xiàn)了一次低谷時(shí)段和兩次高峰時(shí)段。在低谷時(shí)段，極少用戶(hù)選擇充電，導(dǎo)致用電少，電網(wǎng)負(fù)荷曲線增加不明顯；而在中午和晚上，電網(wǎng)負(fù)荷曲線明顯增加，說(shuō)明選擇充電的用戶(hù)多，尤其是晚上19:00—22:00，電網(wǎng)實(shí)際負(fù)荷已經(jīng)在短時(shí)間內(nèi)超過(guò)了電網(wǎng)最大負(fù)荷，這是因?yàn)榻?jīng)過(guò)一天的使用后，電動(dòng)汽車(chē)剩余電量不足以滿(mǎn)足用戶(hù)下一次的出行需求，因此，大部分用戶(hù)都會(huì)選擇充電。

表1 無(wú)序充電下峰谷差率及費(fèi)用

從表1可知，小區(qū)基礎(chǔ)用電最小負(fù)荷僅為710.3KVA，而最大負(fù)荷達(dá)到1561.1KVA，臨近該小區(qū)的最大負(fù)載率，但未超過(guò)配電變壓器的范圍，能夠滿(mǎn)足居民日常生活用電；小區(qū)電網(wǎng)基礎(chǔ)負(fù)荷峰谷差為850.8KVA，峰谷差率為54.5%；接入電動(dòng)汽車(chē)充電后，由于EV用戶(hù)按照自己的生活作息習(xí)慣選擇充電時(shí)間，只有少部分充電時(shí)間長(zhǎng)的用戶(hù)才會(huì)選擇夜間充電，導(dǎo)致電網(wǎng)最小負(fù)荷偏低，只有823.15KVA，而最大負(fù)荷達(dá)到了2051.5KVA，出現(xiàn)了超負(fù)荷、峰上加峰等負(fù)面情況，不利于電網(wǎng)運(yùn)行安全穩(wěn)定性；峰谷差高達(dá)1228.35KVA，峰谷差率也有所上升，達(dá)到59.88%，比基礎(chǔ)負(fù)荷峰谷差率增加了5.38%，電動(dòng)汽車(chē)無(wú)序充電費(fèi)用為2118元。

5 結(jié)論

為研究電動(dòng)汽車(chē)無(wú)序充電對(duì)電網(wǎng)系統(tǒng)的影響，首先從用戶(hù)出發(fā)時(shí)刻以及出行距離等特征進(jìn)行分析，其次，通過(guò)用戶(hù)荷電狀態(tài)期望值與電動(dòng)汽車(chē)的初始荷電狀態(tài)，計(jì)算得到用戶(hù)充電量，根據(jù)用戶(hù)充電量引入了超時(shí)懲罰費(fèi)用概念，計(jì)算得到電動(dòng)汽車(chē)無(wú)序充電下的總費(fèi)用，以電動(dòng)汽車(chē)用戶(hù)的人均滿(mǎn)意度最大為目標(biāo)，充電時(shí)長(zhǎng)、充電功率、用戶(hù)需求等為約束條件，建立了約束條件下的單目標(biāo)數(shù)學(xué)優(yōu)化模型，并通過(guò)實(shí)例仿真分析驗(yàn)證了模型的準(zhǔn)確性。結(jié)果表明，在無(wú)序充電模式下，電動(dòng)汽車(chē)接入電網(wǎng)會(huì)導(dǎo)致峰上加峰、峰谷差率變大的現(xiàn)象，甚至出現(xiàn)了過(guò)載、超負(fù)荷等不良情況，無(wú)法保障用電質(zhì)量，對(duì)電網(wǎng)運(yùn)行造成了負(fù)面影響。后續(xù)工作可以充分考慮用戶(hù)側(cè)和電網(wǎng)側(cè)，提出實(shí)現(xiàn)用戶(hù)-電網(wǎng)雙贏局面的有序充電策略。

[1] 黃小晴. 基于需求的電動(dòng)汽車(chē)充電站網(wǎng)絡(luò)優(yōu)化布局[D]. 南昌: 南昌航空大學(xué), 2019: 50.

[2] 虞小輝. 計(jì)及多能互補(bǔ)的電動(dòng)汽車(chē)充電站優(yōu)化配置及規(guī)劃研究[D]. 南京: 南京郵電大學(xué), 2020: 84.

[3] 梁夢(mèng)夢(mèng). 基于用戶(hù)滿(mǎn)意度的電動(dòng)汽車(chē)充電站規(guī)劃研究[D].成都: 西南交通大學(xué), 2020: 80.

[4] 葉露. 基于雙層規(guī)劃的電動(dòng)汽車(chē)充電站選址模型[D]. 成都: 西南交通大學(xué), 2020: 83.

[5] 王睿. 電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)方法及有序充電策略研究[D]. 北京: 北京郵電大學(xué), 2020: 63.

[6] Zhang S, Zhu J, Wang B, et al. Multi-objective optimization charging strategy for plug-in electric vehicles based on dynamic Time-of-use price[J]. Power system protection & control, 2017, 2（1）: 28-34.

[7] Sun X, Wang W, Su S, et al. Coordinated charging strategy for electric vehicles based on time-of-use price[J]. Automation of electric power systems, 2013, 37(1): 191–195.

[8] Sun Qiang, Xu Fangyuan, Tang Jia et al. Study on modeling of aggregated charging load of electric vehicles and control strategy by adjusting capacity boundaries based on demand response[J]. Power system technology, 2016, 40（9）: 2638–2645.

[9] 周步祥, 何飛宇, 魏金蕭, 等. 基于實(shí)時(shí)最優(yōu)恒定功率的電動(dòng)汽車(chē)有序充電策略[J]. 電測(cè)與儀表, 2021, 58（12）: 18–23.

[10]汪天允, 張浩. 基于人工魚(yú)群算法的電動(dòng)汽車(chē)優(yōu)化充電策略[J/OL]. 電測(cè)與儀表, 2021（1）: 1–6[2022-03-02].http://kns.cnki.net/kcms/detail/23.1202.th.20210118.0959.002.html.

[11] 郝越. 電動(dòng)汽車(chē)無(wú)序充電的影響分析[J]. 通信電源技術(shù), 2019, 36(11): 94–96+100.

[12] 鄭晶晶, 閆志杰, 李偉, 等. 基于蒙特卡洛法的電動(dòng)汽車(chē)無(wú)序充電對(duì)電網(wǎng)的影響分析[J]. 電氣傳動(dòng)自動(dòng)化, 2019, 41（5）: 1–5.

[13] 楊昕然, 呂林, 向月, 等. “車(chē)-路-網(wǎng)”耦合下電動(dòng)汽車(chē)惡劣充電場(chǎng)景及其對(duì)城市配電網(wǎng)電壓穩(wěn)定性影響[J]. 電力自動(dòng)化設(shè)備, 2019, 39（10）: 102–108+122.

[14] 羅慶. 電動(dòng)汽車(chē)充電對(duì)電網(wǎng)的影響及有序充電研究[D].杭州: 浙江大學(xué), 2016: 74.

[15] 徐佳夫, 王旭紅, 李浩, 等. 無(wú)序充電模式下電動(dòng)汽車(chē)對(duì)住宅區(qū)配電網(wǎng)諧波影響研究[J]. 電力科學(xué)與技術(shù)學(xué)報(bào), 2019, 34（2）: 61–67.

[16] 何若太, 劉澄, 王穎, 等. 基于出行鏈的電動(dòng)汽車(chē)無(wú)序充電對(duì)配電網(wǎng)影響的時(shí)空特性分析[J]. 電氣應(yīng)用, 2018, 37（21）: 29–35.

[17] 王利利, 李猛, 全少理, 等.電動(dòng)汽車(chē)的主動(dòng)管理及其對(duì)配網(wǎng)的影響建模[J]. 電測(cè)與儀表, 2017, 54（3）:60–66.

[18] 付坤. 電動(dòng)汽車(chē)的行為模擬及充放電調(diào)度策略研究[D].濟(jì)南: 山東大學(xué), 2021: 95.

[19] 周思宇. 電動(dòng)汽車(chē)充電負(fù)荷對(duì)配電網(wǎng)的影響及有序充放電策略[D]. 徐州: 中國(guó)礦業(yè)大學(xué), 2020: 87.

[20] 劉阿理. 居民區(qū)電動(dòng)汽車(chē)有序充電策略及其對(duì)配電網(wǎng)的影響研究[D]. 成都: 西南交通大學(xué), 2020: 75

Research on the Impact of Disorderly Charging of Electric Vehicles Based on User Satisfaction

XIE Yuan-de, DENG Sha-li

(School of Engineering and Management, Pingxiang University, Pingxiang, Jiangxi 337000, China)

The purpose is to study the impact of large-scale disorderly charging of electric vehicles on the power grid. First, the user’s travel time and travel distance is analyzed; Secondly, the concept of overtime penalty fee is introduced based on the user’s charging amount to calculate all user charging fees; Finally, a single-objective nonlinear programming model is established and simulated with the maximum user charging satisfaction as the goal and charging time, charging power and user demand as the constraints. The results show that under disorderly charging, the maximum load of the grid reaches 2051.5 KVA, and there are undesirable situations such as overcharge, overload operation, and peak on peak, which are not conducive to the safety and stability of grid operation; the peak-to-valley difference is as high as 1228.35 KVA, and the peak-to-valley difference rate increases by 5.38% to 59.88% compared with the base load peak-to-valley difference rate.

electric vehicles; disorderly charging; user satisfaction; nonlinear planning

U491.8

A

2095-9249（2021）06-0018-06

2021-12-07

國(guó)家自然科學(xué)基金項(xiàng)目（52062038）；江西省教育廳科學(xué)技術(shù)研究項(xiàng)目（GJJ212717）；江西省研究生創(chuàng)新專(zhuān)項(xiàng)資金項(xiàng)目（YC2019-S344）

謝遠(yuǎn)德（1994—），男，江西贛州人，助教，碩士，研究方向：優(yōu)化與建模、電動(dòng)汽車(chē)。

〔責(zé)任編校：陳楠楠〕