電動(dòng)汽車入網(wǎng)負(fù)荷預(yù)測(cè)及其與電網(wǎng)互動(dòng)研究進(jìn)展綜述

蔡 黎，葛棚丹，代妮娜，徐青山，王 坤，張 一，賀 超

（1.重慶三峽學(xué)院電氣工程系，重慶 404000；2.東南大學(xué)電氣工程學(xué)院，江蘇南京 210096；3.國(guó)網(wǎng)電力科學(xué)研究院有限公司，江蘇南京 210037；4.國(guó)網(wǎng)重慶市電力公司，重慶 400000）

0 引言

我國(guó)的石油、天然氣儲(chǔ)量缺乏，目前占總消耗量60%～70%的石油仍依賴進(jìn)口，燃油車對(duì)石油的消耗超過(guò)了石油總消耗量的1/3。燃油車產(chǎn)生的CO、CO2、氮氧化物、顆粒物等污染物加劇了溫室效應(yīng)和酸雨等環(huán)境問(wèn)題[1]。2020 年，習(xí)近平宣布碳中和目標(biāo)：中國(guó)的CO2排放力爭(zhēng)于2030 年前達(dá)到峰值，努力爭(zhēng)取在2060 年前實(shí)現(xiàn)碳中和。在資源短缺和環(huán)境保護(hù)的雙重推動(dòng)下，電動(dòng)汽車（Electric Vehicle，EV）因高效能、零污染、低排放等優(yōu)點(diǎn)逐漸受到各國(guó)政府的重視[2]。2020 年11 月，中華人民共和國(guó)國(guó)務(wù)院頒布的《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃（2021—2035）年》中強(qiáng)調(diào)了“開展智能有序充電、新能源汽車與可再生能源融合發(fā)展、加強(qiáng)新能源汽車與電網(wǎng)能量互動(dòng)”等內(nèi)容。由此可見，電動(dòng)汽車入網(wǎng)研究已經(jīng)上升為國(guó)家戰(zhàn)略[3]。

當(dāng)海量EV 同時(shí)接入電網(wǎng)充電，將形成配電網(wǎng)不能接受的負(fù)荷高峰，對(duì)配電網(wǎng)的正常運(yùn)行造成干擾[4]，進(jìn)一步引發(fā)線路過(guò)載、電壓不穩(wěn)定、諧波污染、網(wǎng)絡(luò)損耗等電能質(zhì)量問(wèn)題[5-6]。因此，針對(duì)EV 的充電負(fù)荷進(jìn)行預(yù)測(cè)、分析無(wú)序充電對(duì)電網(wǎng)的影響、制定EV 與電網(wǎng)互動(dòng)策略、幫助電網(wǎng)調(diào)峰調(diào)頻實(shí)現(xiàn)穩(wěn)定運(yùn)行等工作更加具有長(zhǎng)遠(yuǎn)意義。

目前，由于研究側(cè)重點(diǎn)不同，對(duì)EV 負(fù)荷預(yù)測(cè)及EV 與電網(wǎng)互動(dòng)策略的研究尚未形成廣泛認(rèn)可的研究方案。本文旨在對(duì)近幾年國(guó)內(nèi)外EV 負(fù)荷預(yù)測(cè)與入網(wǎng)策略的理論研究成果和應(yīng)用實(shí)例進(jìn)行總結(jié)、歸納、分析，為EV 與電網(wǎng)互動(dòng)策略的深入研究提供有益參考。

1 負(fù)荷預(yù)測(cè)

1.1 傳統(tǒng)負(fù)荷預(yù)測(cè)方法

傳統(tǒng)的EV 充電負(fù)荷預(yù)測(cè)方法有回歸分析法、小波分析法、相似日法、人工神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)法（Support Vector Machine，SVM）、蒙特卡洛模擬法等[7-9]。負(fù)荷預(yù)測(cè)需考慮充電行為和電池狀態(tài)2個(gè)方面的因素：溫度、天氣狀況、節(jié)假日、特殊日期、生活習(xí)慣、交通狀況等通過(guò)影響車主的充電行為進(jìn)而影響充電負(fù)荷；充電時(shí)間、電池特性、充電功率、起始電量、等通過(guò)電池狀態(tài)影響充電負(fù)荷。

有關(guān)傳統(tǒng)負(fù)荷預(yù)測(cè)方法的研究主要集中在以下方面：DHAVAL B 等[10]用回歸分析法預(yù)測(cè)短期充電負(fù)荷，回歸分析法是一種較為基礎(chǔ)和簡(jiǎn)單的負(fù)荷預(yù)測(cè)法，根據(jù)影響因素（自變量）與充電負(fù)荷（因變量）之間的關(guān)系，依據(jù)回歸方程推斷預(yù)期的充電負(fù)荷，但回歸分析法預(yù)測(cè)精度較低且對(duì)歷史數(shù)據(jù)的依賴性較大，目前很少用其預(yù)測(cè)EV 充電負(fù)荷。GHANAVATI A K 等[11]用小波分析法預(yù)測(cè)EV 充電負(fù)荷，通過(guò)對(duì)充電負(fù)荷歷史數(shù)據(jù)進(jìn)行小波變換體現(xiàn)負(fù)荷序列的周期性，得到一系列分解出的子序列，再對(duì)各子序列分別進(jìn)行預(yù)測(cè)，最后將全部預(yù)測(cè)值進(jìn)行合并重構(gòu)得到最終的預(yù)測(cè)結(jié)果，該方法預(yù)測(cè)精度較高但對(duì)歷史數(shù)據(jù)及小波基的選取依賴性較大。陳弘川等[12]用相似日法進(jìn)行短期負(fù)荷預(yù)測(cè)，相似日法旨在降低人為選取樣本帶來(lái)的誤差，結(jié)合相似度評(píng)價(jià)函數(shù)對(duì)相似度進(jìn)行量化，篩選出相似度值達(dá)標(biāo)的樣本數(shù)據(jù)，該方法需要大量的充電站歷史數(shù)據(jù)做支撐。各候選日與預(yù)測(cè)日間的相似度θi表達(dá)式為：

式中：ki為第i個(gè)影響因素影響權(quán)重系數(shù)；ti為第i個(gè)日期距離待預(yù)測(cè)日的時(shí)間；n為影響因素的總個(gè)數(shù)。

EV 負(fù)荷預(yù)測(cè)中采用相似日法時(shí)一般與其他方法結(jié)合使用，且只用于前期樣本數(shù)據(jù)的選取工作，如相似日法與神經(jīng)網(wǎng)絡(luò)法相結(jié)合[13]。JHA N 等[14]采用人工神經(jīng)網(wǎng)絡(luò)法進(jìn)行日前負(fù)荷預(yù)測(cè)和日內(nèi)負(fù)荷預(yù)測(cè)，同樣需要大量的充電設(shè)施歷史數(shù)據(jù)作為樣本輸入網(wǎng)絡(luò)進(jìn)行訓(xùn)練。使用人工神經(jīng)網(wǎng)絡(luò)法，關(guān)鍵在于隱含層節(jié)點(diǎn)數(shù)的確定（即隱含層神經(jīng)元數(shù)的確定），太少會(huì)降低預(yù)測(cè)精度，太多會(huì)使網(wǎng)絡(luò)復(fù)雜化，出現(xiàn)過(guò)擬合現(xiàn)象，采用人工神經(jīng)網(wǎng)絡(luò)法預(yù)測(cè)EV 充電負(fù)荷目前只停留在理論研究階段，實(shí)際應(yīng)用中較難實(shí)現(xiàn)。劉敦楠等[15]采用SVM 法預(yù)測(cè)EV 充電負(fù)荷，SVM 是一種基于統(tǒng)計(jì)學(xué)的新型機(jī)器學(xué)習(xí)方法，具有速度快、精度高、使用方便等優(yōu)點(diǎn)，在預(yù)測(cè)EV充電負(fù)荷時(shí)比神經(jīng)網(wǎng)絡(luò)法更加實(shí)用，但其預(yù)測(cè)精度對(duì)歷史數(shù)據(jù)樣本的選取依賴性很大，需要篩選大量歷史充電數(shù)據(jù)才能得到合適的樣本。

綜上所述，回歸分析法、小波分析法、相似日法、人工神經(jīng)網(wǎng)絡(luò)法、SVM 法等都是基于充電設(shè)施歷史數(shù)據(jù)的負(fù)荷預(yù)測(cè)法。目前我國(guó)EV 普及程度有限，大部分地區(qū)充電樁的歷史數(shù)據(jù)均不能滿足實(shí)際預(yù)測(cè)需要，充電站歷史數(shù)據(jù)的缺乏促使了蒙特卡洛方法的發(fā)展。XU L 等[16]采用蒙特卡洛模擬法預(yù)測(cè)EV 充電負(fù)荷，蒙特卡洛模擬法是一種基于用戶出行規(guī)律的預(yù)測(cè)方法，其主要推斷為：當(dāng)隨機(jī)事件大量不斷重復(fù)出現(xiàn)時(shí)必然呈現(xiàn)出規(guī)律性。蒙特卡洛模擬法是我國(guó)近年來(lái)應(yīng)用較多的一種方法，主要通過(guò)對(duì)用戶出行數(shù)據(jù)進(jìn)行大量重復(fù)隨機(jī)抽樣，模擬用戶的日常出行習(xí)慣，得出概率模型進(jìn)行預(yù)測(cè)。蒙特卡洛估計(jì)量FN的表達(dá)式為：

式中：f(Xi)為隨機(jī)變量Xi的概率分布函數(shù)；p(Xi)為隨機(jī)變量Xi的概率密度函數(shù)；N為模擬次數(shù)。

1.2 現(xiàn)代負(fù)荷預(yù)測(cè)方法

在傳統(tǒng)負(fù)荷預(yù)測(cè)的基礎(chǔ)上，各種現(xiàn)代新型的方法不斷被提出，傳統(tǒng)方法與現(xiàn)代方法的結(jié)合進(jìn)一步提高了負(fù)荷預(yù)測(cè)的精度。袁小溪等[17]提出一種基于網(wǎng)格劃分的貝葉斯正則化反向傳播（Backpropagation，BP）神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法，將待預(yù)測(cè)區(qū)劃分為大小相同的網(wǎng)格以減少神經(jīng)元數(shù)量，結(jié)合粒子群優(yōu)化算法解決神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)解的缺點(diǎn)，結(jié)果表明真實(shí)值和預(yù)測(cè)值間的平均絕對(duì)百分比誤差為3.2%，可用于指導(dǎo)充電設(shè)施的建址和定容，其缺點(diǎn)在于交通流量數(shù)據(jù)統(tǒng)計(jì)時(shí)選用3 類日期數(shù)據(jù)的加權(quán)平均值進(jìn)行計(jì)算，準(zhǔn)確性相對(duì)不足，未來(lái)若引入實(shí)時(shí)交通流量數(shù)據(jù)進(jìn)行計(jì)算則預(yù)測(cè)精度將進(jìn)一步提高。張永[18]在商用區(qū)充電負(fù)荷預(yù)測(cè)中采用反向預(yù)測(cè)法，結(jié)合圖論和最短路徑算法并考慮全局的最佳路線得到待充電車輛數(shù)，再用待充電車輛數(shù)乘以充電功率得到充電負(fù)荷，該方法以實(shí)時(shí)路況為基礎(chǔ)，并充分考慮交通堵塞情況，可以引導(dǎo)需要緊急充電的車輛去最佳充電點(diǎn)進(jìn)行充電，但研究假設(shè)和計(jì)算過(guò)于簡(jiǎn)單，導(dǎo)致誤差過(guò)大，需加以改善進(jìn)一步提高超短期負(fù)荷預(yù)測(cè)精度。BUZNA L 等[19]提出一種基于分層預(yù)測(cè)的EV 充電負(fù)荷預(yù)測(cè)法，采用梯度增強(qiáng)回歸樹、分位樹回歸林、分位數(shù)回歸神經(jīng)網(wǎng)絡(luò)3種標(biāo)準(zhǔn)概率模型預(yù)測(cè)低負(fù)荷區(qū)域的子問(wèn)題，通過(guò)分位數(shù)回歸法得出分層透視圖，預(yù)測(cè)出高負(fù)荷地區(qū)的總負(fù)荷，該方法在荷蘭某地區(qū)驗(yàn)證顯示在高負(fù)荷地區(qū)的日前預(yù)測(cè)和小時(shí)前預(yù)測(cè)均表現(xiàn)良好，但僅適合用于充電設(shè)施普及程度較高的地區(qū)。ZHU J 等[20]提出一種基于長(zhǎng)短時(shí)記憶法（Long Short-Term Memory，LSTM）的超短期EV 充電負(fù)荷預(yù)測(cè)法，收集深圳某大型充電站2017 年6 月初至2018 年7 月初的充電數(shù)據(jù)，分別采用人工神經(jīng)網(wǎng)絡(luò)法、循環(huán)神經(jīng)網(wǎng)絡(luò)法、長(zhǎng)短時(shí)記憶法等多種深度學(xué)習(xí)方法進(jìn)行預(yù)測(cè)，結(jié)果表明長(zhǎng)短時(shí)記憶法表現(xiàn)最好，預(yù)測(cè)誤差比傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)法降低30%以上。龍雪梅等[21]提出一種基于后悔理論和考慮“路網(wǎng)—電網(wǎng)”信息交互的充電負(fù)荷預(yù)測(cè)方法，對(duì)電動(dòng)私家車和電動(dòng)出租車進(jìn)行預(yù)測(cè)，用蒙特卡洛法模擬用戶的充電行為，對(duì)北京三環(huán)某交通路網(wǎng)模型進(jìn)行仿真，對(duì)比結(jié)果顯示負(fù)荷預(yù)測(cè)必須考慮路網(wǎng)和電網(wǎng)的影響。黃漢遠(yuǎn)等[22]提出一種遠(yuǎn)期EV 和太陽(yáng)能發(fā)電裝置同時(shí)接入電網(wǎng)的負(fù)荷預(yù)測(cè)模型，鑒于EV 電池具有良好的儲(chǔ)能性質(zhì)，可以接納過(guò)剩的新能源，預(yù)計(jì)可為新能源的發(fā)展帶來(lái)巨大的潛力。

1.3 負(fù)荷預(yù)測(cè)分析

傳統(tǒng)負(fù)荷預(yù)測(cè)方法過(guò)于依賴歷史數(shù)據(jù)或規(guī)律，當(dāng)模型失配后會(huì)導(dǎo)致預(yù)測(cè)精度降低。為提高負(fù)荷預(yù)測(cè)的精確性，在考慮常見影響因素和傳統(tǒng)方法的基礎(chǔ)上，引入新型建模及分類方法：如網(wǎng)格化方法、分區(qū)分類預(yù)測(cè)法、LSTM 法、考慮用戶心理因素的方法、考慮新能源接入的方法等，通過(guò)與傳統(tǒng)方法相結(jié)合使得預(yù)測(cè)精度不斷提高。傳統(tǒng)與現(xiàn)代EV 充電負(fù)荷預(yù)測(cè)方法對(duì)比如圖1 所示。

圖1 傳統(tǒng)與現(xiàn)代EV充電負(fù)荷預(yù)測(cè)方法對(duì)比Fig.1 Comparison of traditional and modern EV charging load forecasting methods

歐美國(guó)家的EV 保有量較大、標(biāo)準(zhǔn)較統(tǒng)一、充電站歷史負(fù)荷數(shù)據(jù)較完善，大多采用基于充電站歷史數(shù)據(jù)的負(fù)荷預(yù)測(cè)法，在實(shí)際應(yīng)用中取得了良好的預(yù)測(cè)精度。我國(guó)EV 數(shù)量大、標(biāo)準(zhǔn)不統(tǒng)一，目前EV 充電站還處于建立發(fā)展階段，在實(shí)際工程中采用基于歷史數(shù)據(jù)的負(fù)荷預(yù)測(cè)法難度較大，因此多采用基于用戶行為的蒙特卡洛模擬法。目前國(guó)內(nèi)外研究大多針對(duì)單一車型（私家車）、或單一類型充電區(qū)域（居民充電區(qū)）。由于不同車型充電行為特征不同，不同類型充電區(qū)域負(fù)荷特征不同，對(duì)不同車型、不同類型充電區(qū)域根據(jù)其特征分別采用不同的方法進(jìn)行預(yù)測(cè)，可提高預(yù)測(cè)精度。此外，應(yīng)充分考慮車主意愿、車主心理以及城市交通對(duì)車主充電行為造成的影響。由于EV 電池具有良好的儲(chǔ)能性和接納過(guò)剩新能源的潛力，未來(lái)基于新能源、EV 與電網(wǎng)的大數(shù)據(jù)交互預(yù)測(cè)方法將是負(fù)荷預(yù)測(cè)的重要方向。

2 EV與電網(wǎng)互動(dòng)

2.1 有序充電

有序充電是電網(wǎng)能量向EV 的單向流通，指在EV、EV 用戶、EV 充電站和電網(wǎng)間建立信息互動(dòng)平臺(tái)，感知負(fù)荷變化趨勢(shì)、預(yù)測(cè)負(fù)荷信息。通過(guò)分時(shí)劃價(jià)、分區(qū)劃價(jià)或其他策略動(dòng)態(tài)引導(dǎo)、控制用戶的充電行為。采用負(fù)荷高峰時(shí)提高電價(jià)、低谷時(shí)降低電價(jià)，達(dá)到優(yōu)化電網(wǎng)負(fù)荷運(yùn)行曲線、保障電網(wǎng)穩(wěn)定運(yùn)行、提高充電設(shè)施利用率的目標(biāo)，為用戶提供更加便捷、高效、優(yōu)惠的充電服務(wù)。

馬英姿等[23]提出一種基于博弈論、粒子群優(yōu)化算法的有序充電策略，充分考慮電網(wǎng)側(cè)收益和運(yùn)行穩(wěn)定性，仿真證明博弈均衡法比普通分時(shí)電價(jià)法的負(fù)荷方差降低約10%、電網(wǎng)額外增益提高約5.8 倍，驗(yàn)證了博弈均衡法的優(yōu)勢(shì)，但未考慮用戶側(cè)需求和收益。XU X 等[24]提出一種考慮用戶充電意愿的有序充電策略，該策略充分考慮用戶駕駛習(xí)慣、意愿指數(shù)及充電需求，將用戶有序參與充電的意愿量化為意愿指數(shù)，結(jié)果表明：該策略可在傳統(tǒng)有序充電的基礎(chǔ)上進(jìn)一步降低用戶充電費(fèi)用，使電網(wǎng)峰谷差降低，但未考慮電網(wǎng)公司的盈利情況。宋曉通等[25]提出一種考慮綜合能源系統(tǒng)和EV 交互影響的動(dòng)態(tài)分時(shí)電價(jià)充電策略，以短期負(fù)荷水平為依據(jù)，以1 h為周期滾動(dòng)更新充電費(fèi)用，結(jié)果顯示：動(dòng)態(tài)分時(shí)電價(jià)引導(dǎo)下用戶充電費(fèi)用降低約20%、綜合能源系統(tǒng)運(yùn)行成本降低約10%，對(duì)電網(wǎng)負(fù)荷穩(wěn)定性的優(yōu)化效果顯著。WANG W 等[26]在確保電網(wǎng)最大效益的同時(shí)重點(diǎn)提高EV 車主滿意度，構(gòu)造廣義主從博弈模型并證明了廣義主從平衡點(diǎn)存在的唯一性，通過(guò)求解平衡點(diǎn)生成最優(yōu)充電策略。張良等[27]提出一種基于粒子群優(yōu)化算法的兩階段有序充電優(yōu)化策略，彌補(bǔ)了傳統(tǒng)實(shí)時(shí)電價(jià)法和分時(shí)電價(jià)法在負(fù)荷低谷時(shí)產(chǎn)生新負(fù)荷高峰的缺陷。WANG L 等[28]提出一種基于遺傳算法的EV 多目標(biāo)有序充電交互網(wǎng)絡(luò)模型，考慮變壓器約束和用戶需求約束，以用戶花費(fèi)最低、電網(wǎng)負(fù)荷方差最小、電網(wǎng)成本最低來(lái)制定收費(fèi)標(biāo)準(zhǔn)，通過(guò)仿真驗(yàn)證了該策略的有效性。QIAN B 等[29]基于電力市場(chǎng)運(yùn)營(yíng)模式，充分考慮在電力市場(chǎng)激勵(lì)條件下參與需求響應(yīng)的車輛數(shù)，對(duì)價(jià)格補(bǔ)償?shù)某杀炯靶б孢M(jìn)行分析，提出價(jià)格補(bǔ)償機(jī)制和兩層優(yōu)化充電模型，并通過(guò)實(shí)例仿真驗(yàn)證了該優(yōu)化方法的有效性。

目前，參與我國(guó)充電樁建設(shè)的企業(yè)主要是國(guó)家電網(wǎng)有限公司和EV 生產(chǎn)廠家。在有序充電相關(guān)研究中，國(guó)網(wǎng)公司重點(diǎn)考慮電網(wǎng)側(cè)的利益，以電網(wǎng)公司收益和電網(wǎng)穩(wěn)定運(yùn)行為主要目標(biāo)建立有序充電策略。EV 生產(chǎn)廠家為了提高EV 銷量會(huì)重點(diǎn)考慮用戶端利益，以用戶享受更優(yōu)惠的充電費(fèi)用和便捷的充電服務(wù)為主要目標(biāo)建立相關(guān)策略?？沙掷m(xù)發(fā)展的、穩(wěn)定的有序充電策略應(yīng)使電網(wǎng)、用戶、發(fā)電廠3 方共同受益[30-31]。

2.2 V2G

車輛到電網(wǎng)（Vehicle-to-Grid，V2G）是有序充電基礎(chǔ)上的進(jìn)一步擴(kuò)展，車主不使用EV 時(shí)，可將EV中儲(chǔ)存的電能售賣給電網(wǎng)公司，V2G 旨在實(shí)現(xiàn)電網(wǎng)與EV 間電能的相互流通，在有序充電作用的基礎(chǔ)上還可幫助電網(wǎng)“削峰填谷”，幫助消納新能源發(fā)電產(chǎn)生的過(guò)剩電能。

李怡然等[32]提出一種綜合考慮用戶和電網(wǎng)供需兩側(cè)利益及用戶響應(yīng)度的V2G 策略，通過(guò)兩個(gè)階段對(duì)調(diào)度策略進(jìn)行優(yōu)化：第一階段考慮電池充放電動(dòng)態(tài)損耗成本和用戶最低充電費(fèi)用，制定出放電次數(shù)和深度優(yōu)化的策略；第二階段在第一階段的基礎(chǔ)上，考慮電網(wǎng)端削峰填谷的需求，并確保電網(wǎng)端平穩(wěn)運(yùn)行。仿真結(jié)果顯示：與只考慮用戶端最低充電費(fèi)用的有序充電策略對(duì)比，平均放電功率下降約30%，用戶充電成本較低且電池?fù)p耗得到改善，隨著用戶響應(yīng)度的提升，電網(wǎng)負(fù)荷峰谷差明顯得到改善。該策略考慮用戶響應(yīng)度、電池?fù)p耗、電網(wǎng)穩(wěn)定運(yùn)行、用戶收益等，相較其他V2G 策略較為全面，若加上對(duì)電網(wǎng)側(cè)收益的考慮將更加完善。LI X 等[33]分析了比亞迪、特斯拉、尼桑、榮威4 大汽車品牌的EV 車主、電網(wǎng)、發(fā)電廠3 方參與V2G 調(diào)峰的成本和收益，在車主的收益分析中充分考慮汽車成本和電池循環(huán)使用壽命，對(duì)比結(jié)果顯示：發(fā)電廠的凈利潤(rùn)總是最大的；當(dāng)電網(wǎng)峰值電價(jià)是谷值電價(jià)3 倍以上時(shí)車主可獲得收益，且電池成本越低車主參與V2G調(diào)峰獲得的收益越高；當(dāng)負(fù)荷峰谷電價(jià)相差過(guò)大時(shí)，電網(wǎng)公司盈利為負(fù)；V2G 策略長(zhǎng)久穩(wěn)定的發(fā)展，必須制定公平合理的利潤(rùn)分配機(jī)制。LI S 等[34]提出一種增加電池使用壽命的雙向V2G 調(diào)度方法，采用雨流循環(huán)技術(shù)對(duì)電池老化指數(shù)進(jìn)行量化，建立使電池老化指數(shù)最小和電網(wǎng)負(fù)荷波動(dòng)最小的V2G 充放電策略，仿真結(jié)果顯示：該模型有效抑制了電池老化現(xiàn)象，但車主充電信息、電池狀態(tài)的預(yù)測(cè)誤差過(guò)大會(huì)影響模型的有效性，提高基礎(chǔ)預(yù)測(cè)工作的準(zhǔn)確性才能得到有效的電池抗老化V2G 策略。

V2G 的實(shí)施過(guò)程中需要電池反復(fù)向電網(wǎng)充放電，對(duì)電池壽命造成很大影響[35]，導(dǎo)致用戶放電所得收益不及電池老化帶來(lái)的損失[36]。不僅如此，電網(wǎng)公司需花費(fèi)大量資金建立智能化基礎(chǔ)設(shè)施，加大了建設(shè)成本。目前各種延緩電池老化的V2G 策略以及對(duì)V2G 電池老化帶來(lái)的損失和收益的綜合評(píng)估研究不斷提出，一致得出結(jié)論：在適當(dāng)?shù)恼{(diào)控策略下，參與V2G 帶來(lái)的收益大于反復(fù)充放電造成電池老化帶來(lái)的損失[37-38]。但V2G 實(shí)施中的電池老化、投資成本過(guò)大、各方收益機(jī)制公平與否仍是目前重點(diǎn)需要解決的問(wèn)題。未來(lái)，電池技術(shù)的進(jìn)步和電池成本的降低可減緩電池老化帶來(lái)的損失，可進(jìn)一步提升參與V2G 用戶的收益，促進(jìn)V2G 的推廣和普及。

2.3 有序充電與V2G對(duì)比

有序充電為能量單向流通，在滿足EV 充電需求的同時(shí)，利用峰谷電價(jià)差、分時(shí)電價(jià)等措施引導(dǎo)EV 車主調(diào)整充電時(shí)間，幫助電網(wǎng)削峰填谷。V2G為能量雙向流通，當(dāng)電網(wǎng)負(fù)荷過(guò)低時(shí)通過(guò)向車主支付電費(fèi)引導(dǎo)車主把EV 中儲(chǔ)存的電能反向傳輸給電網(wǎng)，當(dāng)電網(wǎng)負(fù)荷過(guò)高時(shí)通過(guò)降低電價(jià)引導(dǎo)用戶充電，最終幫助電網(wǎng)實(shí)現(xiàn)調(diào)峰、調(diào)頻、促進(jìn)新能源消納的目的。

長(zhǎng)期來(lái)看，V2G 相比有序充電具有更大的電量調(diào)節(jié)規(guī)模，可加入更加多元的電力市場(chǎng)商業(yè)模式中，車主和充電樁運(yùn)營(yíng)商的盈利也要更大。但由于電池成本高、充放電對(duì)電池?fù)p耗大等因素，目前V2G 大規(guī)模推廣的可行性不如有序充電。

3 應(yīng)用實(shí)例

近年來(lái)國(guó)內(nèi)外有關(guān)EV 與電網(wǎng)互動(dòng)的項(xiàng)目開展較多，本文挑選具有代表意義的幾個(gè)應(yīng)用實(shí)例予以介紹。

3.1 V2G和換電站試點(diǎn)項(xiàng)目

2017 年以來(lái)，我國(guó)開始陸續(xù)進(jìn)行V2G 的試點(diǎn)應(yīng)用。2019 年，上海市進(jìn)行了3 次V2G 試點(diǎn)項(xiàng)目，各項(xiàng)指標(biāo)均按國(guó)家標(biāo)準(zhǔn)實(shí)施[39]。國(guó)網(wǎng)上海市電力公司、國(guó)網(wǎng)電動(dòng)汽車服務(wù)有限公司、星星充電、蔚來(lái)集團(tuán)等多家企業(yè)均參與其中。項(xiàng)目設(shè)立了參與“削峰填谷”響應(yīng)的補(bǔ)償激勵(lì)措施，試點(diǎn)結(jié)果顯示：私人充電樁、專用充電樁以及換電站3 類的響應(yīng)效果存在較大差異：（1）私人充電樁在價(jià)格激勵(lì)下日負(fù)荷明顯升高，響應(yīng)率為5.3%，價(jià)格激勵(lì)制度效果明顯，假設(shè)每年參與響應(yīng)頻次為3～10 次，則單樁年收益為42～140 元之間。假設(shè)每年5 次響應(yīng)全部用于新能源消納且每次3 h，則單樁每年消納新能源達(dá)1.05×106kWh；（2）專用充電樁響應(yīng)補(bǔ)償和響應(yīng)率較高，響應(yīng)率為75%，假設(shè)每年參與響應(yīng)頻次為3～10 次，則年補(bǔ)償收益為70～235 元之間，據(jù)上海目前專用充電樁數(shù)量和響應(yīng)率預(yù)測(cè)，1 年專用樁總削峰容量達(dá)2.1×105kW；（3）換電站響應(yīng)率為81.2%，是3 者中最高的，且電價(jià)補(bǔ)償遠(yuǎn)高于前2 種，假設(shè)每年參與響應(yīng)頻次為3～10 次，單站年均收益為2 300～5 000 元之間[40]。3 類充電設(shè)施參與V2G 響應(yīng)效益對(duì)比如表1 所示。

由表1 可知，在V2G 策略調(diào)控下，3 類充電設(shè)施均有收益，能夠滿足日內(nèi)調(diào)峰需求，實(shí)現(xiàn)“削峰填谷”保證電網(wǎng)的穩(wěn)定運(yùn)行。私人充電樁數(shù)量多、響應(yīng)潛力大，缺點(diǎn)是本次響應(yīng)率最低，需推動(dòng)個(gè)人用戶積極參與響應(yīng)；專用樁響應(yīng)率較高，具有綜合集中協(xié)調(diào)的優(yōu)勢(shì)，缺點(diǎn)是響應(yīng)潛力有限；換電站響應(yīng)率最高，缺點(diǎn)是電池?cái)?shù)量有限、響應(yīng)潛力小，需提高協(xié)調(diào)能力可提升其響應(yīng)能力。

表1 3類充電設(shè)施參與V2G響應(yīng)效益對(duì)比Table 1 Benefit comparison of three types of charging facilities participating in V2G response

上海的試點(diǎn)項(xiàng)目規(guī)模較小，更偏向于關(guān)注充電樁運(yùn)營(yíng)商本身的效益。但是該項(xiàng)目中沒(méi)有規(guī)定EV和充電設(shè)施的參與條件及響應(yīng)時(shí)長(zhǎng)，不論其響應(yīng)時(shí)間長(zhǎng)短，只要有響應(yīng)量就歸入?yún)⑴c響應(yīng)類，所統(tǒng)計(jì)的響應(yīng)率精度有待商榷。后續(xù)可通過(guò)設(shè)定響應(yīng)時(shí)長(zhǎng)門檻（如接入充放電時(shí)長(zhǎng)達(dá)半小時(shí)以上才算參與響應(yīng)）進(jìn)一步提高響應(yīng)率精度。不同電價(jià)補(bǔ)償機(jī)制對(duì)用戶的參與積極性影響不同，該項(xiàng)目中的電價(jià)補(bǔ)償只取了對(duì)應(yīng)補(bǔ)償機(jī)制的最大值，并沒(méi)有體現(xiàn)出不同電價(jià)補(bǔ)償對(duì)V2G 的影響。

3.2 分時(shí)租賃項(xiàng)目

由于EV 續(xù)航公里不足和充電樁較少的問(wèn)題尚未解決，導(dǎo)致消費(fèi)者對(duì)購(gòu)買EV 積極性較低。在EV推廣前期，公交車、出租車等公共交通和基于分時(shí)租賃的共享汽車將成為EV 消納和推廣的重要方式[41]。重慶是典型的山地城市，近年來(lái)汽車以及共享汽車產(chǎn)業(yè)較發(fā)達(dá)。目前共享汽車均使用EV，共享汽車的有序充電通過(guò)分時(shí)租賃實(shí)現(xiàn)，根據(jù)不同用戶租車時(shí)間段的不同，提前有序分配EV 進(jìn)行充電。分時(shí)租賃模式本質(zhì)是有序充在商業(yè)模式上的表達(dá)，旨在達(dá)到用戶使用便捷、電網(wǎng)負(fù)荷平穩(wěn)、出租時(shí)間最大化、充電樁利用率最大化、充電樁建設(shè)投資最小化、租賃公司利潤(rùn)最大化的目的。

2015 年12 月，重慶市啟動(dòng)“山地城市電動(dòng)汽車分時(shí)租賃模式及支撐技術(shù)研究與示范應(yīng)用”項(xiàng)目。2016 年10 月，基于該項(xiàng)目的“E+租車”手機(jī)APP 開始上線運(yùn)營(yíng)，該平臺(tái)綜合各EV 租賃公司的車輛數(shù)、位置、充電情況等信息，實(shí)現(xiàn)實(shí)時(shí)路況顯示、附近車輛位置顯示、實(shí)時(shí)導(dǎo)航、租車、還車、扣款等服務(wù)。驗(yàn)收結(jié)果顯示：截止2018 年7 月，該項(xiàng)目在重慶市建成49 個(gè)充電站、5 478 個(gè)充電樁、1 260 個(gè)分租點(diǎn)、接入4 939 輛EV[42]。

在該項(xiàng)目中，國(guó)網(wǎng)重慶市電力公司、盼達(dá)出行、長(zhǎng)安出行等18 家企業(yè)共同成立了EV 分時(shí)租賃聯(lián)盟，旨在解決單個(gè)公司充電樁和覆蓋范圍有限等問(wèn)題。該項(xiàng)目中，電網(wǎng)公司不僅是充電設(shè)施建設(shè)者，還是分時(shí)租賃平臺(tái)的運(yùn)營(yíng)者，在充電樁有限的情況下，通過(guò)合理分配充電實(shí)現(xiàn)充電樁利用的最大化，為充電樁運(yùn)營(yíng)商節(jié)約了投資成本，為用戶提供便捷的一站式租車服務(wù)。項(xiàng)目運(yùn)營(yíng)至今尚存在惡意損傷租賃汽車、充電用戶身份認(rèn)證困難、盜取車內(nèi)設(shè)施或證件、亂停車、車輛檢修不及時(shí)等問(wèn)題，未來(lái)將在后續(xù)運(yùn)營(yíng)中著手解決。

3.3 促進(jìn)過(guò)剩風(fēng)能消納項(xiàng)目

2017 年，NISSAN 汽車生產(chǎn)公司與Tennet 電力系統(tǒng)運(yùn)營(yíng)商、The Mobility House 公司聯(lián)合在德國(guó)的奧芬巴赫工廠進(jìn)行了大規(guī)模的EV 與電網(wǎng)互動(dòng)試點(diǎn)項(xiàng)目，旨在利用EV 電池的存儲(chǔ)能力最大程度上消納可再生能源風(fēng)能[43]。

德國(guó)北部的新能源發(fā)電主要為可再生能源風(fēng)力發(fā)電，2019 年風(fēng)力發(fā)電約占總發(fā)電量的46%，南部主要采用常規(guī)化石燃料發(fā)電。由于電網(wǎng)間能源存在運(yùn)輸障礙，當(dāng)可再生能源發(fā)電分散地接入電網(wǎng)，就會(huì)存在能源過(guò)剩的情況。該項(xiàng)目將北部風(fēng)力發(fā)電供給EV 充電、南部充滿電的EV 能源回收至電網(wǎng)，通過(guò)取代部分南部發(fā)電量使得風(fēng)力發(fā)電能源利用率提高。項(xiàng)目中充電樁采用最新的雙向充電技術(shù)，單樁可承受高達(dá)150 kW 的能量，可同時(shí)為4輛EV 提供充電服務(wù)。數(shù)據(jù)顯示，2017—2018 年間共減少C02碳排放約8×106t，每年幫助消納過(guò)剩風(fēng)能大于5 Th[44]，此項(xiàng)目對(duì)節(jié)能減排和促進(jìn)德國(guó)能源由不可再生向可再生轉(zhuǎn)型具有重大意義。

目前德國(guó)由于天然氣、石油等化石能源的短缺，導(dǎo)致節(jié)能減排壓力巨大，對(duì)新能源的發(fā)展和利用需求迫切。EV 和V2G 作為促進(jìn)可再生能源發(fā)展、實(shí)現(xiàn)節(jié)能減排的重要舉措，發(fā)展迅速且取得了可觀的成果，市場(chǎng)體系目前已較為完善。為了推動(dòng)包含“能效優(yōu)先、可再生能源開發(fā)利用、跨領(lǐng)域耦合”3 大要素的能源結(jié)構(gòu)轉(zhuǎn)型，涵蓋EV 充放電體系、新能源發(fā)電系統(tǒng)及其它分布式電源的“能源互聯(lián)網(wǎng)”將成為德國(guó)下一步發(fā)展的著力點(diǎn)。

4 總結(jié)與展望

近年來(lái)我國(guó)開展有序充電應(yīng)用的實(shí)例較多，而V2G 剛起步，具備放電功能的EV 以及支持V2G 的充電樁數(shù)量較少，試點(diǎn)項(xiàng)目有限且大多依賴政府開展，尚未形成明確的商業(yè)模式。目前，國(guó)內(nèi)實(shí)施有序充電的可行性高于V2G，隨著電池技術(shù)的突破和電池成本的降低，V2G 策略的優(yōu)勢(shì)將逐步顯現(xiàn)。未來(lái)重點(diǎn)需要解決的問(wèn)題和研究方向主要有以下幾個(gè)方面：

1）未來(lái)有序充電策略方面應(yīng)考慮在電網(wǎng)、車主、充電站運(yùn)營(yíng)商3 者之間建立合理的利益分配機(jī)制，并解決用戶隱私保護(hù)問(wèn)題，如匿名身份識(shí)別、支付保護(hù)、位置隱私保護(hù)等。

2）解決V2G 電池老化、電池成本高、智能充電樁建設(shè)成本高等問(wèn)題。調(diào)動(dòng)消費(fèi)者參與V2G 的積極性，為V2G 的推行培育良好的發(fā)展環(huán)境。

3）在碳達(dá)峰、碳中和的背景下，EV 普及程度會(huì)越來(lái)越高，EV 入網(wǎng)策略的研究和應(yīng)用意義重大。EV 與電網(wǎng)間高度智能化、自動(dòng)化的綜合能源管理系統(tǒng)的加入將是EV 入網(wǎng)策略未來(lái)發(fā)展的方向。

4）目前我國(guó)充電樁保有量還相對(duì)不足，一些新型的輔助充電模式應(yīng)運(yùn)而生，如“移動(dòng)補(bǔ)電車”模式、“自動(dòng)充電機(jī)器人”模式等。以上新型充電模式暫未實(shí)現(xiàn)規(guī)?；瘧?yīng)用，但隨著EV 發(fā)展規(guī)模壯大，類似輔助充電模式將不斷進(jìn)入市場(chǎng)，為用戶提供更加全面、智能的充電服務(wù)。

5）EV 發(fā)展革命和新能源的利用都需要電網(wǎng)的參與。未來(lái)“微電網(wǎng)儲(chǔ)能系統(tǒng)電動(dòng)汽車充放電站”可將新能源發(fā)電技術(shù)與EV 充電結(jié)合起來(lái)，如以光伏系統(tǒng)為主的“光儲(chǔ)充放一體化微電網(wǎng)系統(tǒng)”，可實(shí)現(xiàn)EV 與新能源發(fā)電的互助協(xié)調(diào)發(fā)展，促進(jìn)能源結(jié)構(gòu)的轉(zhuǎn)型，未來(lái)有很大的發(fā)展空間。