基于智能電網(wǎng)的電動(dòng)汽車充放電分時(shí)電價(jià)及引導(dǎo)策略

蔣俊峰，譚倫農(nóng)，紀(jì)棋彬

（江蘇大學(xué) 電氣信息工程學(xué)院，鎮(zhèn)江 212013）

隨著全球經(jīng)濟(jì)持續(xù)發(fā)展，為緩解能源危機(jī)和環(huán)境污染問題，世界能源加快轉(zhuǎn)型。目前，發(fā)電環(huán)節(jié)是能源消耗與碳排放最大的來源之一。因此，各國(guó)政府和企業(yè)通過采取轉(zhuǎn)變發(fā)電方式等措施來降低碳排放。其中新能源發(fā)電前景廣闊，以風(fēng)能、光能為代表的清潔能源逐漸成為可持續(xù)發(fā)展的重要標(biāo)志之一。根據(jù)相關(guān)權(quán)威機(jī)構(gòu)預(yù)測(cè)，到2050年，世界范圍內(nèi)清潔能源占總能源的比例將過半。在將來的電力系統(tǒng)中，常規(guī)能源逐步被淘汰，高比例可再生能源成為時(shí)代的主流。高比例可再生能源發(fā)電接入電網(wǎng)將導(dǎo)致供求曲線的不穩(wěn)定。與傳統(tǒng)的汽油車和柴油車相比，具有綠色、環(huán)保、高效等優(yōu)點(diǎn)的電動(dòng)汽車逐漸成為市場(chǎng)上的寵兒，大有代替常規(guī)汽車的趨勢(shì)。大規(guī)模電動(dòng)汽車無序接入電網(wǎng)也將導(dǎo)致供求曲線不穩(wěn)定。

然而，電動(dòng)汽車的優(yōu)勢(shì)是可作為移動(dòng)的儲(chǔ)能裝置經(jīng)有序充放電能完美地消納風(fēng)能、太陽能等可再生能源，實(shí)現(xiàn)供求曲線的穩(wěn)定。為引導(dǎo)電動(dòng)汽車有序充放電來消納新能源，實(shí)現(xiàn)供求曲線平衡，采用分時(shí)電價(jià)機(jī)制引導(dǎo)電動(dòng)汽車用戶有序充電。消費(fèi)者在政府優(yōu)惠政策和電力營(yíng)銷策略刺激下轉(zhuǎn)向消費(fèi)電動(dòng)汽車。電動(dòng)汽車充電站設(shè)置分時(shí)電價(jià)進(jìn)一步引導(dǎo)消費(fèi)者消費(fèi)，并使消費(fèi)者形成良好的充放電習(xí)慣。云存儲(chǔ)技術(shù)和智能電網(wǎng)相輔相成。云存儲(chǔ)技術(shù)包含分布式存儲(chǔ)和計(jì)算功能，能實(shí)時(shí)收集信息、傳輸信息，響應(yīng)用戶的需求。

國(guó)內(nèi)對(duì)于電動(dòng)汽車充放電價(jià)格的研究雖有不少，但大都還處在理論階段，尤其是結(jié)合可再生能源的相關(guān)研究更為匱乏。國(guó)外對(duì)電動(dòng)汽車充放電價(jià)格的研究更為多樣化，且已將相關(guān)理論運(yùn)用于實(shí)踐，并取得了不錯(cuò)的效果。國(guó)內(nèi)學(xué)者可結(jié)合國(guó)情以此為鑒，充分吸收并探索出更有意義的成果。文獻(xiàn)[4]中雖然考慮了需求響應(yīng)，并以此為依據(jù)制定了動(dòng)態(tài)價(jià)格，但是未進(jìn)一步考慮可再生能源的應(yīng)用，研究供給側(cè)的變化。文獻(xiàn)[5]中為了滿足電動(dòng)汽車充電站的需求，考慮了價(jià)格信息和用戶的充電習(xí)慣，擬定了充電價(jià)格策略，但并未考慮到放電價(jià)格的制定及引導(dǎo)策略，沒有充分發(fā)揮電動(dòng)汽車充放電的潛能。文獻(xiàn)[6]在文獻(xiàn)[5]的基礎(chǔ)上進(jìn)一步加入了V2G（vehicle?to?grid）模式，并考慮了配電側(cè)風(fēng)光互動(dòng)，協(xié)調(diào)控制其運(yùn)行，但在價(jià)格引導(dǎo)方面還尚有欠缺。在文獻(xiàn)[7–11]中利用多種價(jià)格機(jī)制來控制一天中電動(dòng)汽車在日常居住地的充電模式。然而，在商業(yè)或者工作地帶，用戶并不能對(duì)電動(dòng)汽車的充電進(jìn)行實(shí)時(shí)控制，需要設(shè)定一定的充電量和充電期限。文獻(xiàn)[12–13]中提出了基于需求側(cè)響應(yīng)的價(jià)格優(yōu)化算法，然而在實(shí)際情況下，需實(shí)時(shí)響應(yīng)用戶的充放電請(qǐng)求。文獻(xiàn)[14]中提出了一種在線VCG（Virkrey?Clarke?Groves）模式，然而用戶需支付的費(fèi)用是在充電后才能確定，所以用戶在充電前并不知道充電價(jià)格，因此該模式并不能起到很好的價(jià)格引導(dǎo)作用。文獻(xiàn)[15–18]中提出了多種電動(dòng)汽車在線有序充電算法。這些文獻(xiàn)主要致力于有序引導(dǎo)策略的研究，并未考慮到為充電站和用戶提供價(jià)格優(yōu)化。

本文應(yīng)用云存儲(chǔ)技術(shù)，實(shí)時(shí)響應(yīng)用戶的充放電請(qǐng)求，提高客戶的滿意度。在目前已有的研究基礎(chǔ)上，考慮到高比例可再生能源和電動(dòng)汽車接入電網(wǎng)帶來的問題，充分發(fā)揮電動(dòng)汽車的存儲(chǔ)功能，并有效利用充電站設(shè)施，提出新型價(jià)格模型。通過對(duì)電動(dòng)汽車進(jìn)行有序引導(dǎo)，縮小供求曲線的差距，保持供求曲線的穩(wěn)定。對(duì)所提出的模型進(jìn)行優(yōu)化和數(shù)據(jù)分析，以期驗(yàn)證該模型的有效性。

1 電動(dòng)汽車充放電對(duì)供求曲線的影響

1.1 電動(dòng)汽車能量

借助云存儲(chǔ)技術(shù)和智能電網(wǎng)，可實(shí)現(xiàn)智能電網(wǎng)和電動(dòng)汽車用戶之間的信息互動(dòng)。在此考慮高比例可再生能源和大規(guī)模電動(dòng)汽車接入電網(wǎng)對(duì)源?荷端的影響。

假設(shè)在一個(gè)地區(qū)范圍內(nèi)有n輛電動(dòng)汽車，m個(gè)電動(dòng)汽車充電站，充電站內(nèi)有p個(gè)充電樁。為便于仿真模擬，假設(shè)電池種類、特性相同，且電動(dòng)汽車充電站中每個(gè)充電樁均具有雙向傳輸電能的功能。

在此研究一天中電動(dòng)汽車充放電價(jià)格。將一天24 h平均分成24個(gè)時(shí)間段，每個(gè)時(shí)間段Δt=1h 。 Δt可以按需求設(shè)置為更小的值。充放電電動(dòng)汽車集合為

式中，v表示第i輛電動(dòng)汽車。

電動(dòng)汽車集合V包含兩個(gè)部分：在t時(shí)刻只參與充電的電動(dòng)汽車集合V，其數(shù)量為 n；只參與放電的電動(dòng)汽車集合V， 其數(shù)量為n。因此有

本文中考慮的是某個(gè)地區(qū)范圍內(nèi)的電動(dòng)汽車充放電行為。這個(gè)地區(qū)所有的電能消耗由一個(gè)智能微電網(wǎng)（smart microgrid，SMG）提供。SMG基本能夠滿足所有電動(dòng)汽車及生產(chǎn)、生活所需的電能。

在周期T中，電動(dòng)汽車v充 放電量為 Q,有

式中， Q為電動(dòng)汽車 v在t時(shí)刻的交互電量。

電動(dòng)汽車v在 t時(shí)刻的充電量表示為Q，其取決于t時(shí)刻的電池狀態(tài)S和 充電目標(biāo)量E。放電量表示為 Q，其取決于t時(shí)刻的電池狀態(tài)S和 放電目標(biāo)量 E，從而可以得到

1.2 供求曲線

智能微電網(wǎng)采取常規(guī)能源和高比例可再生能源兩種能源發(fā)電方式。微電網(wǎng)在t時(shí)刻供給量為 Q，需求量為 Q。為了表征供求曲線之間的差異，分別計(jì)算兩者之間的差值 Q和比值Q，即

Q包括常規(guī)能源 Q、可再生能源Q和電動(dòng)汽車放電量 Q的總和。另一方面，Q包括正常生產(chǎn)生活所需能量 Q和電動(dòng)汽車充電量 Q的總和。因此有

從式（6）～（9）中可得：可再生能源發(fā)電與電動(dòng)汽車充放電直接影響供求曲線的穩(wěn)定性，兩者對(duì)供求曲線的穩(wěn)定性可產(chǎn)生積極或消極影響。

2 分時(shí)充放電價(jià)格的制定

2.1 價(jià)格模型

云平臺(tái)作為電動(dòng)汽車和充電站之間溝通的橋梁，能夠?qū)崟r(shí)獲得充電站的空閑情況并響應(yīng)電動(dòng)汽車的充放電請(qǐng)求。每輛電動(dòng)汽車的相關(guān)信息V均存儲(chǔ)在云端。

V包含用戶姓名、用戶密碼、汽車序列號(hào)、電池類型、電池效率、電池狀態(tài)和充電速度。根據(jù)充放電效率、充電速度和電池的電量狀態(tài)等信息，可計(jì)算得到電動(dòng)汽車的充放電時(shí)間。電動(dòng)汽車在t時(shí)刻向云端發(fā)出充放電請(qǐng)求，包括充放電的時(shí)間范圍和充放電的目標(biāo)范圍。然后經(jīng)過云計(jì)算，將最合適的時(shí)間、價(jià)格發(fā)送給電動(dòng)汽車，引導(dǎo)其充放電。

本文中考慮了兩種價(jià)格優(yōu)化模型：充電價(jià)格C和放電價(jià)格 C。基于預(yù)測(cè)的供求曲線，可以得到

式中：C為 從電網(wǎng)購(gòu)電的成本；β為預(yù)先給定的常數(shù)。

從式（6）~（9）中可以進(jìn)一步得到

Q、 Q分別由式（6）、（7）給出。和式（10）類似，可以得到放電價(jià)格，即

式中，C為向電網(wǎng)放電的基本費(fèi)用。

從式（11）中可以得到：當(dāng)需求量 Q不變或下降時(shí)，充電價(jià)格C隨 著供給量 Q的增加而下降。相反，當(dāng)供給量 Q不變或下降時(shí)，充電價(jià)格C隨 著需求量 Q的增加而增加。

式（10）、（11）、（12）較精準(zhǔn)地描述了電價(jià)特性，即電動(dòng)汽車的充放電價(jià)格隨著供求曲線的改變而實(shí)時(shí)變化。

2.2 優(yōu)化價(jià)格模型

考慮到電動(dòng)汽車充放電的影響，為了控制和維持供求曲線的穩(wěn)定，需積極引導(dǎo)電動(dòng)汽車有序充放電，減小 Q和 Q之間的供求差距。充電價(jià)格下降時(shí)引導(dǎo)更多的電動(dòng)汽車充電，放電價(jià)格上升時(shí)引導(dǎo)更多的電動(dòng)汽車放電。為了進(jìn)一步通過價(jià)格引導(dǎo)來緩解充電站的空閑或忙碌問題，本文中在制定電動(dòng)汽車充放電價(jià)格時(shí)考慮了充電站的空閑率。加入充電站的空閑率后的價(jià)格可表示為

當(dāng)供求曲線穩(wěn)定( Q

式中：j表示第j個(gè)充電樁；n、 n分別為充電站內(nèi)用于充電、放電的充電樁個(gè)數(shù)； C、C分別為第j個(gè)充電樁的充電價(jià)格、放電價(jià)格。

目標(biāo)函數(shù)為

約束條件為

式中：Q、 Q分別為電動(dòng)汽車充電能量的最小值和最大值；Q、 Q分別為電動(dòng)汽車放電能量的最小值和最大值；E、 E分別為充電目標(biāo)量的最小值和最大值；分別為放電目標(biāo)量的最小值和最大值；C、 C分別為充電價(jià)格的最小值和最大值；S為電池的荷電狀態(tài)。

為了使模型求解簡(jiǎn)便，假設(shè)電動(dòng)汽車在快充情形下充放電，充放電功率在各個(gè)時(shí)刻保持不變?？紤]到可再生能源發(fā)電的隨機(jī)性和短時(shí)間內(nèi)可調(diào)度的電動(dòng)汽車充放電容量的有限性，假設(shè)發(fā)電量和需求量之間的差異不會(huì)特別顯著，使得可調(diào)度電動(dòng)汽車的充放電容量滿足供求穩(wěn)定。

當(dāng)供求曲線不穩(wěn)定( Q>Q)時(shí)，有

目標(biāo)函數(shù)為

約束條件為

2.3 模型求解

無論是以上哪種情形，都需要解決雙目標(biāo)問題，變量為電動(dòng)汽車的充放電量。因此，采用線性加權(quán)法將雙目標(biāo)函數(shù)轉(zhuǎn)化為單目標(biāo)函數(shù)。

式中： s、 s均 為權(quán)重系數(shù)，且 s+s=1； f、f分別為 f、 f的最小值。

為了使用戶的利益和充電站的效益公平化、均衡化，在此取 s=s=0.5。在某些情況下，如果想提高某一方的利益，可適當(dāng)提高其權(quán)重系數(shù)。對(duì)于線性優(yōu)化模型求解，本文采用粒子群優(yōu)化算法。

3 算例分析

3.1 參數(shù)設(shè)置

在此考慮兩種場(chǎng)景，以便進(jìn)行分析、比較，以驗(yàn)證所提出的模型是否能達(dá)到預(yù)期設(shè)想。第一種是常規(guī)模式，即只采用以上的定價(jià)方式，并不對(duì)其進(jìn)行線性優(yōu)化。第二種是采用所提出的優(yōu)化價(jià)格模型。為了優(yōu)化充放電價(jià)格并使供求曲線保持穩(wěn)定，電動(dòng)汽車用戶、充電站、智能電網(wǎng)需實(shí)時(shí)保持通信來響應(yīng)電動(dòng)汽車的充放電請(qǐng)求。表1、2分別為算例中采用的相關(guān)仿真參數(shù)和電動(dòng)汽車參數(shù)。

表1 仿真參數(shù)
Tab.1 Simulation parameters

電動(dòng)汽車/輛充電站數(shù)量/個(gè)充電站中充電樁數(shù)量/個(gè)充電汽車數(shù)量與充電樁數(shù)量比值/%放電汽車數(shù)量與放電樁數(shù)量比值/%充電目標(biāo)量/(kW·h)放電目標(biāo)量/(kW·h)2 000 20 2 000 70 30 30~60 10~30

表2 電動(dòng)汽車參數(shù)
Tab.2 Parameters of the electric vehicles (EVS)

電池儲(chǔ)能容量/(kW·h)額定充放電功率P/kW充放電效率/%60 9.6 90.85

3.2 仿真分析

圖1為電動(dòng)汽車一天中各個(gè)時(shí)刻充放電量。從圖中可以看到，一天中有兩個(gè)高峰時(shí)期：早高峰（6:00～8:00）和晚高峰（17:00～20:00）。在高峰時(shí)期，電動(dòng)汽車的數(shù)量取最大值2 000。圖2為每輛電動(dòng)汽車電池初始電量。為了使仿真結(jié)果更加真實(shí)、有效，在兩種場(chǎng)景中均假設(shè)充電汽車數(shù)量大于放電汽車數(shù)量。

圖1 電動(dòng)汽車一天中各個(gè)時(shí)刻充放電量Fig.1 Charging and discharging energy of EVS in one day

圖2 電動(dòng)汽車電池初始電量Fig.2 Initial energy of EVS battery

假設(shè)供求曲線不穩(wěn)定，例如供小于求，且電動(dòng)汽車充放電隨機(jī)接入。圖3為常規(guī)模式下一天中充放電量差值。從圖中可以看到，在負(fù)荷高峰時(shí)期，能量供求差值顯著增加。在常規(guī)模式下某充電樁的電動(dòng)汽車動(dòng)態(tài)充放電價(jià)格如圖4所示。由圖中可以看出，供求曲線不穩(wěn)定時(shí)，充電價(jià)格較高，尤其是在高峰時(shí)期。

圖3 一天中電動(dòng)汽車充放電量差值Fig.3 Energy difference between charging and discharging of EVS in one day

圖4 常規(guī)模式下電動(dòng)汽車動(dòng)態(tài)充放電價(jià)格Fig.4 Electricity price of EVS charging and discharging in the normal mode

能量比值 Q與充電價(jià)格的關(guān)系如圖5所示。當(dāng)供等于求時(shí)，能量比值為1，此時(shí)電價(jià)固定。隨著能量比值的增大，電價(jià)增長(zhǎng)。由圖5中可以看出，可用價(jià)格信息來代替供求信息。

圖5 能量比值與充電價(jià)格的關(guān)系Fig.5 Relationship between the energy ratio and charging price

常規(guī)模式下和采用優(yōu)化價(jià)格模型優(yōu)化后電動(dòng)汽車放電價(jià)格的對(duì)比如圖6所示。從圖中可以看到：早高峰時(shí)期，放電價(jià)格從1.24～1.78元上升到1.80～1.90元；晚高峰時(shí)期，放電價(jià)格從0.76～0.84元上升到1.90～2.12元。充電價(jià)格的下降在供小于求的情形下具有重要意義，表明供求曲線趨于穩(wěn)定。

圖6 常規(guī)模式下和優(yōu)化后的放電價(jià)格對(duì)比Fig.6 Comparison of discharging price between the normal mode and the optimization one

在常規(guī)模式下電動(dòng)汽車無序充放電，導(dǎo)致供求曲線差異更大。經(jīng)價(jià)格優(yōu)化后充電價(jià)格下降，有序充電使供求曲線相對(duì)穩(wěn)定。常規(guī)模式下和優(yōu)化后的能量比值和能量差值如圖7所示。從圖7（a）中可以看到，在18:00，常規(guī)模式下能量比值達(dá)到最大值7.00，優(yōu)化后下降到2.32。與常規(guī)模式下相比，圖7（b）中優(yōu)化后供求能量差值的初始值為負(fù)值，此時(shí)供求關(guān)系變得穩(wěn)定。從圖7中可以得出，本文所提出的優(yōu)化價(jià)格模型能夠有效地穩(wěn)定供求曲線。

圖7 常規(guī)模式下和優(yōu)化后的供求能量比值、能量差值Fig.7 Energy ratio and energy difference based on supply and demand curve in the normal mode and after the optimization

兩種場(chǎng)景下電動(dòng)汽車在各個(gè)時(shí)刻充電量對(duì)比如圖8所示。從圖中可以得到：與常規(guī)模式相比，優(yōu)化后電動(dòng)汽車的充電量有所下降，尤其是在高峰時(shí)期，8:00時(shí)充電量從14 500 kW·h下降到7 000 kW·h，18:00時(shí)充電量從15 000 kW·h下降到8 000 kW·h。對(duì)于風(fēng)電功率的消納效果雖不是很明顯，但與常規(guī)模式下相比，優(yōu)化后電動(dòng)汽車充電站從電網(wǎng)購(gòu)電量大大減少，減少了電動(dòng)汽車充電站的運(yùn)營(yíng)成本。

圖8 常規(guī)模式下和優(yōu)化后的充電量對(duì)比Fig.8 Comparison of charging energy between the normal mode and the optimization one

常規(guī)模式下和優(yōu)化后晚高峰時(shí)期供求變化如圖9所示。從圖中可以得到，與常規(guī)模式下相比，優(yōu)化后供求曲線相對(duì)穩(wěn)定。由此可以看出，實(shí)施優(yōu)化價(jià)格模型后，供求曲線得到了較大的改善，從而驗(yàn)證了該模型的有效性和合理性。

圖9 常規(guī)模式下和優(yōu)化后晚高峰時(shí)期供求變化Fig.9 Supply-demand changes in the evening rush hour between the normal mode and the optimization one

4 結(jié) 論

本文提出了電動(dòng)汽車的充放電價(jià)格模型，以期引導(dǎo)電動(dòng)汽車在智能電網(wǎng)中有序充放電。根據(jù)供求曲線實(shí)時(shí)響應(yīng)電動(dòng)汽車用戶充放電請(qǐng)求。將電動(dòng)汽車充放電價(jià)格模型歸結(jié)為多目標(biāo)線性規(guī)劃問題，利用粒子群算法求解，達(dá)到維持供求曲線穩(wěn)定的效果，并在高峰時(shí)期有序安排電動(dòng)汽車充放電以平衡供求兩者之間的關(guān)系。當(dāng)充放電價(jià)格滿足智能電網(wǎng)和電動(dòng)汽車用戶的成本要求時(shí)，利用分時(shí)電價(jià)響應(yīng)用戶充放電請(qǐng)求。仿真結(jié)果表明，基于智能電網(wǎng)技術(shù)可實(shí)現(xiàn)實(shí)時(shí)響應(yīng)充放電需求，能有效減少供求曲線的差值，保持供求曲線的穩(wěn)定性。