雙電源供電充電站的需求響應(yīng)優(yōu)化模型

林楷東，楊景旭，張勇軍，姚藍(lán)霓，李其霖，唐 淵

雙電源供電充電站的需求響應(yīng)優(yōu)化模型

林楷東，楊景旭，張勇軍，姚藍(lán)霓，李其霖，唐 淵

(智慧能源工程技術(shù)研究中心，華南理工大學(xué)電力學(xué)院，廣東 廣州 510640)

雙電源供電的充電站如何從空間和時間兩個維度進(jìn)行需求響應(yīng)，關(guān)系到系統(tǒng)運行的安全性和經(jīng)濟(jì)性。為此提出了一種面向需求響應(yīng)和可靠性提升的站內(nèi)充電樁負(fù)荷智能切換的調(diào)控方法和需求響應(yīng)優(yōu)化控制模型。首先，分析了充電站樁的雙電源供電模式和充電樁負(fù)荷智能切換的原理。其次，為改善雙電源回路負(fù)載均衡度，建立了充電站的負(fù)載優(yōu)化目標(biāo)函數(shù)。然后，建立了考慮饋線轉(zhuǎn)供潛力和充電站充電樁切換能力的充電站削峰潛力評估模型及其削峰任務(wù)的計算方法。提出計及各削峰時段任務(wù)完成情況的削峰補貼計算方法，以此作為充電站參與需求響應(yīng)的優(yōu)化目標(biāo)，從而建立充電負(fù)荷智能切換策略的需求響應(yīng)應(yīng)用模型。最后，仿真算例證明所提方法能有效增強充電站的負(fù)荷調(diào)控能力，實現(xiàn)饋線削峰，為充電站參與需求響應(yīng)獲得更高利潤提供了新的思路。

負(fù)載優(yōu)化；充電站；充電樁；需求響應(yīng)；智能切換

0 引言

近年來，在碳減排和環(huán)境保護(hù)需求的驅(qū)動下，電動汽車(Electric Vehicle, EV)迅猛發(fā)展，中大型充電站接入單饋線造成的過載問題頻現(xiàn)[1-4]。如何銜接充電設(shè)施規(guī)劃建設(shè)和運行管理，以提高充電負(fù)荷的調(diào)控潛力和改善含充電負(fù)荷配電網(wǎng)的安全性，成為當(dāng)前亟待解決的難題[5-8]。

目前，在負(fù)荷控制方面，充電站主要采用電價引導(dǎo)的有序充電[9-11]、激勵補償?shù)男枨箜憫?yīng)[12-15]等措施，本質(zhì)是改變EV用戶充電行為和充電樁功率，對EV用戶側(cè)的充電和出行需求影響較大[16-18]；電網(wǎng)通過饋線之間的聯(lián)絡(luò)開關(guān)的倒閘操作實現(xiàn)某支路整體負(fù)荷轉(zhuǎn)供[19]，不涉及用戶側(cè)，但對備用饋線的負(fù)荷接納能力要求較高，轉(zhuǎn)供條件不容易滿足。改變充電負(fù)荷時序特性往往需要EV用戶調(diào)整充電時間或功率[20-21]，而通過負(fù)荷轉(zhuǎn)供則一般不需要改變用戶充電行為，實施需求響應(yīng)的成本低[22-23]。因此，充電負(fù)荷轉(zhuǎn)供可作為負(fù)荷調(diào)控和實施需求響應(yīng)的選擇。

但目前充電站內(nèi)的充電樁都是固定接入某條饋線，在充電樁層級不具備負(fù)荷轉(zhuǎn)供條件。根據(jù)負(fù)荷定位，充電負(fù)荷在特殊場景下可視為二級負(fù)荷，采取雙電源供電[24-25]，部分中大型充電站采用雙饋線供電。在雙電源供電方式下，充電站通過兩臺及兩臺以上專變接入兩條10 kV饋線，但各充電樁分別固定接在其中一臺專變的低壓母線上，對應(yīng)于其中一條饋線，無法根據(jù)饋線負(fù)荷的實時變化來調(diào)整充電樁接入的饋線。若通過增設(shè)切換開關(guān)將各臺充電樁分別接入不同饋線的專變下，則能實現(xiàn)充電樁負(fù)荷在不同饋線之間的切換，在充電樁層級即可完成充電負(fù)荷轉(zhuǎn)供。

實際上，低壓雙電源切換開關(guān)(Dual Power Switching Switch, DPSS)可以滿足在充電樁層級進(jìn)行充電負(fù)荷切換的需求。一方面，DPSS可以將負(fù)荷電路從一個(常用)電源切換至另一個(備用)電源，具有負(fù)荷切換的能力[26]，同時該類開關(guān)切換方便，電流承受能力強，適用范圍廣，能夠滿足各類快充樁的實時智能切換需求。另一方面，以60 kW直流快充樁為例，計及充電樁的價格[27]、相應(yīng)配套設(shè)施投資和征地費用[28]，建設(shè)一個快充樁的成本一般在10萬元以上，而配置一臺低壓DPSS成本大約為3000元，因此相對于充電樁建設(shè)成本，DPSS的建設(shè)成本較低。而配置雙電源切換開關(guān)后，充電站具備較強的充電負(fù)荷調(diào)控能力，可參與需求響應(yīng)來實現(xiàn)電網(wǎng)負(fù)載優(yōu)化和負(fù)荷削峰，改善電網(wǎng)運行的安全性[29-30]，同時可獲得相應(yīng)的補貼，縮短充電站投資回收期和增大利潤。因此，將雙電源切換開關(guān)應(yīng)用于各類快充樁的負(fù)荷切換在技術(shù)和經(jīng)濟(jì)層面具有可行性和推廣價值。在這過程中，如何在充電樁配置DPSS場景下，建立完善的需求響應(yīng)機制，充分調(diào)動充電站的充電樁調(diào)控資源，顯得至關(guān)重要。

為此，本文進(jìn)行了充電樁配置DPSS的可行性研究，闡述了充電樁的雙電源切換供電方式和充電負(fù)荷智能切換原理；從改善饋線負(fù)載均衡度的角度，建立了充電負(fù)荷智能切換策略的優(yōu)化目標(biāo)；建立了考慮饋線轉(zhuǎn)供潛力和充電站充電樁切換能力的充電站削峰潛力評估模型，以及充電負(fù)荷智能切換策略的需求響應(yīng)應(yīng)用模型。最后，通過仿真分析驗證了本文方法和模型的有效性。

1 基于雙電源的充電負(fù)荷智能切換原理

在雙電源供電方式下，充電站通過兩臺及以上專變接入兩條10 kV饋線，各充電樁通過低壓DPSS分別引接在不同饋線的專變下，則能實現(xiàn)充電樁負(fù)荷在兩條饋線之間的切換。如圖1所示，設(shè)專變1和專變2為分別接入兩條10 kV饋線的兩臺10 kV/ 400 V專變，充電樁通過低壓DPSS同時引接在兩臺專變的低壓母線上。正常運行方式下，充電樁接入兩臺專變的兩個開關(guān)(開關(guān)1和開關(guān)2)一個閉合、一個斷開，充電樁由其中一臺專變供電。如此，在正常運行情況下，充電樁由某饋線主要供電，稱為該充電樁的常用饋線，緊急調(diào)度情況下可通過DPSS將充電樁轉(zhuǎn)移到另一條饋線上，稱該饋線為該充電樁的備用饋線。充電樁負(fù)荷接入到哪條饋線由該充電樁的DPSS的狀態(tài)決定。通過改變各充電樁的DPSS的狀態(tài)，即可將充電樁負(fù)荷轉(zhuǎn)移到另一條饋線上，以實現(xiàn)充電負(fù)荷在饋線之間的切換。

圖 1充電負(fù)荷智能切換

當(dāng)一條饋線的負(fù)載出現(xiàn)重/過載而另一條饋線負(fù)載較輕時，將接入前者的部分充電樁切換到后者，可以減輕前者的負(fù)載壓力，改善電網(wǎng)安全性。配網(wǎng)調(diào)度中心根據(jù)監(jiān)測的負(fù)荷數(shù)據(jù)計算兩條饋線的實時負(fù)載率，給充電站下發(fā)建議接入不同饋線下在充充電樁數(shù)的調(diào)度指令，充電站根據(jù)調(diào)度指令通過向DPSS的控制器傳輸控制信號來控制DPSS的微動開關(guān)，改變DPSS的開關(guān)狀態(tài)，從而調(diào)整各充電樁接入的饋線。每次調(diào)整時充電站不需要調(diào)整所有充電樁的DPSS，只需保證調(diào)整后接入不同饋線在充充電樁數(shù)滿足要求即可。因此，為了降低對開關(guān)設(shè)備使用壽命的損害，一般遵循需調(diào)整的DPSS越少越好的原則。

2 充電智能切換策略的負(fù)載均衡優(yōu)化模型

提高雙饋線負(fù)荷的均衡程度，有利于降低損耗，避免饋線過載，從而保證配電網(wǎng)的經(jīng)濟(jì)和安全運行。為研究充電負(fù)荷智能切換策略的有效性以及該策略在充電負(fù)荷調(diào)控方面的潛力，本文以改善雙饋線負(fù)載均衡度為目標(biāo)來進(jìn)行充電負(fù)荷智能切換優(yōu)化。

2.1 饋線負(fù)載優(yōu)化目標(biāo)及約束

本文以饋線負(fù)載率標(biāo)準(zhǔn)差來評估雙饋線負(fù)載的均衡程度，負(fù)載率標(biāo)準(zhǔn)差越小，負(fù)載均衡程度越高。時段兩條饋線的負(fù)載率標(biāo)準(zhǔn)差w()為

式中：0為饋線數(shù)，數(shù)值為2；w(,)為時段饋線的負(fù)載率。

則饋線負(fù)載率標(biāo)準(zhǔn)差均值w0為

式中，s為一天的時段數(shù)。

則充電負(fù)荷智能切換優(yōu)化目標(biāo)為

當(dāng)通過DPSS將充電樁負(fù)荷切換到其他專變下時，需要保證所有專變都不超過安全區(qū)上限，即

2.2 饋線負(fù)載優(yōu)化效果評估指標(biāo)

2.3 充電負(fù)荷智能切換策略的求解方法

為避免頻繁切換DPSS帶來的功率損耗和對開關(guān)設(shè)備的損害，以15 min為一個時段，將一天24個小時平均劃分為96個時段，每隔一個時段調(diào)整一次DPSS的狀態(tài)。

3 充電負(fù)荷優(yōu)化的需求響應(yīng)應(yīng)用模型

通過增設(shè)DPSS來進(jìn)行充電負(fù)荷智能切換，能夠極大地增強充電站的充電負(fù)荷調(diào)控能力，利用該資源參與需求響應(yīng)是充電站賺取更高利潤的手段。另外，電網(wǎng)調(diào)度充電站的調(diào)控資源需要完善的需求響應(yīng)機制?；诖?，本文建立了充電站通過充電負(fù)荷智能切換參與削峰需求響應(yīng)的應(yīng)用模型，為該方法的應(yīng)用推廣提供參考。

3.1 電網(wǎng)削峰需求量的計算方法

當(dāng)接入充電站的饋線出現(xiàn)重載時，電網(wǎng)可通過激勵手段引導(dǎo)充電站通過充電負(fù)荷智能切換來參與削峰。將需要削峰的饋線記為需轉(zhuǎn)供饋線，另一條饋線記為可轉(zhuǎn)供饋線。當(dāng)某時段出現(xiàn)重載時，配電調(diào)度中心給充電站發(fā)布削峰任務(wù)，充電站根據(jù)削峰任務(wù)調(diào)整該時段接入兩條饋線的充電樁數(shù)量。配電網(wǎng)削峰需求量根據(jù)配電網(wǎng)負(fù)載情況確定，可按削峰后饋線最大負(fù)載率處于安全區(qū)上限來確定，即

3.2 充電站削峰潛力的評估模型

基于此，充電站時段的削峰潛力Δcx()為

3.3 充電站削峰任務(wù)的計算方法

配調(diào)中心根據(jù)充電站削峰潛力和電網(wǎng)削峰需求量的大小關(guān)系確定充電站的削峰量任務(wù)，即

3.4 充電站參與削峰需求響應(yīng)的激勵機制

電網(wǎng)公司根據(jù)充電站削峰任務(wù)完成度對補貼電價進(jìn)行調(diào)整，第個削峰時段的補貼電價f()為

式中，f0為基準(zhǔn)削峰補貼電價。

3.5 充電站參與電網(wǎng)削峰的優(yōu)化目標(biāo)及約束

因此，充電站充電負(fù)荷智能切換的優(yōu)化目標(biāo)是最大化充電站的補貼額，即

充電站通過充電負(fù)荷智能切換來實現(xiàn)某饋線削峰，除了滿足式(4)專變負(fù)載約束外，還須保證充電樁切換后可轉(zhuǎn)供饋線的負(fù)載不超過安全區(qū)上限，即

通過粒子群算法求解該問題時，以充電站的補貼額最大為目標(biāo)，對各削峰時段接入兩條饋線的在充充電樁數(shù)方案進(jìn)行優(yōu)化。

3.6 饋線削峰效果評估指標(biāo)

對于饋線的削峰情況，本文定義優(yōu)化前后饋線最大負(fù)載率的降低程度為削峰率，則有

4 仿真算例

4.1 參數(shù)設(shè)置

本文以兩條10 kV饋線(分別記為饋線1和饋線2)作為仿真網(wǎng)架，進(jìn)行充電樁負(fù)荷在饋線間的轉(zhuǎn)供優(yōu)化，不考慮充電負(fù)荷在時序上的轉(zhuǎn)移。饋線1和饋線2的容量分別為6765 kVA和6929 kVA，兩者的常規(guī)負(fù)荷如圖2所示；充電站內(nèi)含70臺60 kW的直流樁，一天服務(wù)800輛EV，EV參數(shù)和充電行為概率分布參考文獻(xiàn)[32]。假設(shè)所有充電樁都通過DPSS接入兩條饋線。DPSS配置數(shù)量與充電樁數(shù)量相同，可選取ABB產(chǎn)品OTM160E3WCM24D型號，其在400 V電壓下額定電流為200 A，足以承受充電樁的充電電流，功率損耗僅2.4 W。假設(shè)不加以控制時，充電樁平均接入兩條饋線，且EV均衡接入兩條饋線下的充電樁。zb0為3200 kVA；w0取0.8；zb0取0.8；f0設(shè)為4元/kWh；yd取1.05；s取96；Δ取15 min，即0.25 h；為0.95。

圖2 饋線1和饋線2的常規(guī)負(fù)荷

4.2 基于負(fù)載優(yōu)化的充電負(fù)荷智能切換效果分析

根據(jù)本文所提切換策略的負(fù)載均衡優(yōu)化模型，以饋線負(fù)載率標(biāo)準(zhǔn)差均值最小化為目標(biāo)，采用粒子群算法對各時段接入兩臺專變的在充充電樁數(shù)進(jìn)行優(yōu)化。優(yōu)化后接入兩條饋線的在充充電樁數(shù)和充電負(fù)荷如圖3和圖4所示，各饋線負(fù)載率及其標(biāo)準(zhǔn)差如圖5和圖6所示，負(fù)載改善指標(biāo)如表1所示。

由圖3可知，由于饋線1的常規(guī)負(fù)荷負(fù)載率比饋線2的要大，為了實現(xiàn)饋線負(fù)載均衡，充電樁更偏向于接入饋線2下的專變，特別是在白天饋線1的負(fù)荷高峰時段，大部分的在充充電樁都通過DPSS切換接入饋線2下的專變。由圖4和圖5可知，優(yōu)化后在白天饋線2的負(fù)載率與饋線1的負(fù)載率差距極大地減小了，兩者的負(fù)載率曲線甚至基本重疊在一起，饋線之間的負(fù)載更加均衡。此時，饋線1的最大負(fù)載率由0.95下降到0.82，負(fù)載合格率由75%提高到96%，由嚴(yán)重重載狀態(tài)轉(zhuǎn)化為輕微重載狀態(tài)。同時，由圖6和表1可知，兩條饋線負(fù)載率的標(biāo)準(zhǔn)差大大減小，由0.063下降到0.007，降低了89%?？梢?，本文所提智能切換策略能夠?qū)崿F(xiàn)饋線之間負(fù)載的均衡分配，減輕了單條饋線的供電壓力，其有效性得到了驗證。

圖3 接入各饋線的在充充電樁數(shù)

圖4 接入各饋線的充電負(fù)荷

圖5 饋線負(fù)載率

圖6 饋線負(fù)載率標(biāo)準(zhǔn)差

表1 優(yōu)化前后的指標(biāo)分析

可見，通過充電負(fù)荷智能切換，可以實時控制接入每條饋線的充電樁數(shù)，饋線負(fù)載均衡度優(yōu)化效果非常好。同時，該策略不涉及EV用戶側(cè)，不需要用戶參與即可實現(xiàn)充電負(fù)荷調(diào)控。

4.3 充電負(fù)荷智能切換策略的需求響應(yīng)應(yīng)用分析

由圖7和圖8可知，饋線在10：00—16：00需要進(jìn)行削峰。為了獲得更高的補貼電價，充電站通過DPSS調(diào)節(jié)接入兩條饋線的在充充電樁數(shù)，使得實際削峰量接近于削峰量任務(wù)，削峰任務(wù)完成度為1，充電站能夠百分百地完成削峰任務(wù)。

由圖9可知，在充電站削峰能力充足的時段，饋線1的負(fù)載率都削減到安全區(qū)上限0.8以下；而在充電站削峰能力不夠充足的時段，如在12：30—13：30，削峰后饋線2的負(fù)載率已經(jīng)接近安全區(qū)上限，但饋線1的負(fù)載率還大于0.8，處于輕微重載狀態(tài)。因此本文的需求響應(yīng)方法能夠在保證可轉(zhuǎn)供饋線負(fù)載安全的基礎(chǔ)上充分挖掘其負(fù)荷接納能力，為需轉(zhuǎn)供饋線提供削峰服務(wù)?？傮w上看，削峰后饋線1的最大負(fù)載率由0.95降低到0.83，削峰率為12.6%，饋線1由長時嚴(yán)重重載狀態(tài)轉(zhuǎn)化為短時輕微重載狀態(tài)，饋線安全性得到了極大改善。

圖7 削峰量任務(wù)和實際削峰量

圖8 在充充電樁數(shù)對比

圖9 響應(yīng)前后饋線負(fù)載率

通過充電負(fù)荷智能切換來參與配電網(wǎng)削峰，充電站可以獲得1.26萬元的補貼，經(jīng)濟(jì)效益良好，有助于充電站縮短投資成本回收期和增大盈利。這說明充電站通過增設(shè)DPSS進(jìn)行充電負(fù)荷智能切換來增強充電負(fù)荷調(diào)控能力，進(jìn)而利用該資源參與需求響應(yīng)具有較大的經(jīng)濟(jì)價值。

5 結(jié)論

1) 本文提出一種采用DPSS進(jìn)行充電負(fù)荷智能切換的充電負(fù)荷調(diào)控方法，從充電樁層面充分挖掘充電負(fù)荷的調(diào)控潛力，實時控制接入各饋線的充電樁，能改善饋線之間的負(fù)載均衡度，為解決充電站接入單饋線造成的過載問題提供新的方法。

2) 本文建立充電負(fù)荷智能切換策略的需求響應(yīng)應(yīng)用模型。充電站通過充電負(fù)荷智能切換來參與配電網(wǎng)削峰，可獲得較高的補貼，經(jīng)濟(jì)效益良好，有助于縮短投資成本回收期和增大盈利。

3) 建議具備條件的中大型充電站采用多臺變壓器接入兩條10 kV饋線，并增設(shè)DPSS來實現(xiàn)充電負(fù)荷智能切換，以增大充電負(fù)荷調(diào)控的潛力。

[1] 楊景旭, 羿應(yīng)棋, 張勇軍, 等. 基于加權(quán)分布熵的配電網(wǎng)電動汽車并網(wǎng)運行風(fēng)險分析[J]. 電力系統(tǒng)自動化, 2020, 44(5): 171-179.

YANG Jingxu, YI Yingqi, ZHANG Yongjun, et al. Operation risk analysis of electric vehicle integrated to grid in distribution network based on weighted distribution entropy[J]. Automation of Electric Power Systems, 2020, 44(5): 171-179.

[2] 姚穎蓓, 陸建忠, 傅業(yè)盛, 等. 華東地區(qū)電動汽車發(fā)展趨勢及用電需求預(yù)測[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(4): 141-145.

YAO Yingbei, LU Jianzhong, FU Yesheng, et al. Electric vehicle development trends and electricity demand forecast in East China[J]. Power System Protection and Control, 2021, 49(4): 141-145.

[3] AHMADIAN A, MOHAMMADI-IVATLOO B, ELKAMEL A. Review on plug-in electric vehicles: introduction, current status, and load modeling techniques[J]. Journal of Modern Power Systems and Clean Energy, 2020, 8(3): 412-425.

[4] 李振坤, 錢晉, 宋治儒. 考慮電動汽車停泊概率的配電網(wǎng)接納電動汽車能力評估方法[J]. 智慧電力, 2021, 49(11): 31-37.

LI Zhenkun, QIAN Jin, SONG Zhiru. Evaluation method of electric vehicle hosting capacity in distribution network considering electric vehicle parking probability[J]. Smart Power, 2021, 49(11): 31-37.

[5] 曲大鵬, 范晉衡, 劉琦穎, 等. 考慮配電網(wǎng)綜合運行風(fēng)險的充電樁接納能力評估與優(yōu)化[J]. 電力系統(tǒng)保護(hù)與控制, 2022, 50(3): 131-139.

QU Dapeng, FAN Jinheng, LIU Qiying, et al. Assessment and optimization of charging pile acceptance capacity considering the comprehensive operational risk of a distribution network[J]. Power System Protection and Control, 2022, 50(3): 131-139.

[6] 袁小溪, 潘鳴宇, 段大鵬, 等. 基于網(wǎng)格劃分的電動汽車充電負(fù)荷預(yù)測方法[J]. 電力科學(xué)與技術(shù)學(xué)報, 2021, 36(3): 19-26.

YUAN Xiaoxi, PAN Mingyu, DUAN Dapeng, et al. Prediction method of electric vehicle charging load based on grid division[J]. Journal of Electric Power Science and Technology, 2021, 36(3): 19-26.

[7] 冷祥彪, 孫成龍, 袁太平, 等. 電動汽車有序充放電的控制與關(guān)鍵問題綜述[J]. 廣東電力, 2020, 33(11): 34-43.

LENG Xiangbiao, SUN Chenglong, YUAN Taiping, et al. Review on control strategies and key problems of coordinated charging and discharging of electric vehicles[J]. Guangdong Electric Power, 2020, 33(11): 34-43.

[8] 吳釘捷, 李曉露. 基于實時出行需求和交通路況的電動汽車充電負(fù)荷預(yù)測[J]. 電力建設(shè), 2020, 41(8): 57-67.

WU Dingjie, LI Xiaolu. Charging load prediction of electric vehicle according to real-time travel demand and traffic conditions[J]. Electric Power Construction, 2020, 41(8): 57-67.

[9] 程杉, 楊堃, 魏昭彬, 等. 計及電價優(yōu)化和放電節(jié)制的電動汽車充電站有序充放電調(diào)度[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(11): 1-8.

CHENG Shan, YANG Kun, WEI Zhaobin, et al. Orderly charging and discharging scheduling of an electric vehicle charging station considering price optimization and discharge behavior control[J]. Power System Protection and Control, 2021, 49(11): 1-8.

[10]廖鑫, 李婧, 徐佳, 等. 基于MDP及激勵需求響應(yīng)的電動汽車有序充電控制[J]. 電力科學(xué)與技術(shù)學(xué)報, 2021, 36(5): 79-86.

LIAO Xin, LI Jing, XU Jia, et al. Research on coordinated charging control for electric vehicles based on MDP and incentive demand response[J]. Journal of Electric Power Science and Technology, 2021, 36(5): 79-86.

[11] 周步祥, 何飛宇, 魏金蕭, 等. 基于實時最優(yōu)恒定功率的電動汽車有序充電策略[J]. 電測與儀表, 2021, 58(12): 18-23.

ZHOU Buxiang, HE Feiyu, WEI Jinxiao, et al. Orderly charging strategy of electric vehicles based on real-time optimal constant power[J]. Electrical Measurement & Instrumentation, 2021, 58(12): 18-23.

[12]楊曉東, 張有兵, 趙波, 等. 供需兩側(cè)協(xié)同優(yōu)化的電動汽車充放電自動需求響應(yīng)方法[J]. 中國電機工程學(xué)報, 2017, 37(1): 120-130.

YANG Xiaodong, ZHANG Youbing, ZHAO Bo, et al. Automated demand response method for electric vehicles charging and discharging to achieve supply-demand coordinated optimization[J]. Proceedings of the CSEE, 2017, 37(1): 120-130.

[13] 南斌, 徐成司, 董樹鋒, 等. 考慮多充電模式的充電樁優(yōu)化控制策略[J]. 電力工程技術(shù), 2021, 40(5): 2-9.

NAN Bin, XU Chengsi, DONG Shufeng, et al. Optimized control strategy of charging piles considering multiple charging modes[J]. Electric Power Engineering Technology, 2021, 40(5): 2-9.

[14] 薛溟楓, 毛曉波, 潘湧濤, 等. 基于LSTM神經(jīng)網(wǎng)絡(luò)的電動汽車充電站需求響應(yīng)特性封裝及配電網(wǎng)優(yōu)化運行[J]. 電力建設(shè), 2021, 42(6): 76-85.

XUE Mingfeng, MAO Xiaobo, PAN Yongtao, et al. Demand response package model of electric vehicle charging station based on LSTM neural network and optimal operation of distribution network[J]. Electric Power Construction, 2021, 42(6): 76-85.

[15] 何方波, 趙明, 王楷, 等. 考慮需求響應(yīng)的源荷協(xié)調(diào)多目標(biāo)優(yōu)化方法[J]. 電網(wǎng)與清潔能源, 2021, 37(10): 51-58.

HE Fangbo, ZHAO Ming, WANG Kai, et al. A multi objective optimization method of source load coordination considering demand response[J]. Power System and Clean Energy, 2021, 37(10): 51-58.

[16] MEDIWATHTHE C P, SMITH D B. Game-theoretic electric vehicle charging management resilient to non-ideal user behavior[J]. IEEE Transactions on Intelligent Transportation Systems, 2018, 19(11): 3486-3495.

[17] CAI H, CHEN Q, GUAN Z, et al. Day-ahead optimal charging/discharging scheduling for electric vehicles in microgrids[J]. Protection and Control of Modern Power Systems, 2018, 3(1): 93-107.

[18] 丁堅勇, 王伊寧, 胡志堅, 等. 基于智能代理分布式管理系統(tǒng)的電動汽車充放電策略[J]. 智慧電力, 2021, 49(7): 1-8.

DING Jianyong, WANG Yining, HU Zhijian, et al. Electric vehicles charging and discharging strategy based on intelligent-agent distributed management system[J]. Smart Power, 2021, 49(7): 1-8.

[19] 周念成, 谷飛強, 雷超, 等. 考慮合環(huán)電流約束的主動配電網(wǎng)轉(zhuǎn)供優(yōu)化模型[J]. 電工技術(shù)學(xué)報, 2020, 35(15): 3281-3291.

ZHOU Niancheng, GU Feiqiang, LEI Chao, et al. A power transfer optimization model of active distribution networks in consideration of loop closing current constraints[J]. Transactions of China Electrotechnical society, 2020, 35(15): 3281-3291.

[20] 沈國輝, 陳光, 趙宇, 等. 基于雙目標(biāo)分層優(yōu)化和TOPSIS排序的電動汽車有序充電策略[J]. 電力系統(tǒng)保護(hù)與控制, 2021, 49(11): 115-123.

SHEN Guohui, CHEN Guang, ZHAO Yu, et al. Orderly charging optimization strategy of an electric vehicle based on double objective hierarchical optimization and TOPSIS ranking[J]. Power System Protection and Control, 2021, 49(11): 115-123.

[21] 李景麗, 楊旭晨, 張琳娟, 等. 規(guī)?；妱悠囉行虺潆姺謱涌刂撇呗匝芯縖J]. 電測與儀表, 2021, 58(5): 168-175.

LI Jingli, YANG Xuchen, ZHANG Linjuan, et al. Research on hierarchical control strategy of orderly charging of large-scale electric vehicles[J]. Electrical Measurement & Instrumentation, 2021, 58(5): 168-175.

[22] MARTIRANO L, PARISE G, GRECO G, et al. Aggregation of users in a residential/commercial building managed by a building energy management system (BEMS)[J]. IEEE Transactions on Industry Applications, 2019, 55(1): 26-34.

[23] WU J, XUE Y, XIE D, et al. Multi-agent modeling and analysis of EV users' travel willingness based on an integrated causal/statistical/behavioral model[J]. Journal of Modern Power Systems and Clean Energy, 2020, 6(6): 1255-1263.

[24] 陳恩澤, 張潔瓊, 劉剛. 城市居民小區(qū)負(fù)荷預(yù)測方法與接入系統(tǒng)標(biāo)準(zhǔn)[J]. 電力系統(tǒng)及其自動化學(xué)報, 2016, 28(增刊1): 25-30.

CHEN Enze, ZHANG Jieqiong, LIU Gang. Load forecasting method and access standard for urban communities[J]. Proceedings of the CSU-EPSA, 2016, 28(S1): 25-30.

[25] 陳永健. 電動汽車充電站主接線設(shè)計和保護(hù)配置的研究[D]. 北京: 華北電力大學(xué), 2013.

CHEN Yongjian. Research on electric vehicle charging station main wiring design and protection configuration[D]. Beijing: North China Electric Power University, 2013.

[26] 劉順炮, 鄭建勇, 顧東亮, 等. 基于IGBT的混合式自動轉(zhuǎn)換開關(guān)研究[J]. 電力自動化設(shè)備, 2006, 26(11): 32-35.

LIU Shunpao, ZHENG Jianyong, GU Dongliang, et al. Research on hybrid automatic transfer switching based on IGBT[J]. Electric Power Automation Equipment, 2006, 26(11): 32-35.

[27] 胡龍, 王志會, 譚杰仁. 電動汽車充電設(shè)施盈利模式及經(jīng)濟(jì)效益分析[J]. 電氣技術(shù)與經(jīng)濟(jì), 2020(5): 55-59.

HU Long, WANG Zhihui, TAN Jieren. Profit mode and economic benefit analysis of EV charging facilities[J]. Electric Techniques and Economy, 2020(5): 55-59.

[28] 楊景旭, 張勇軍. 考慮需求差異化和配電網(wǎng)運行風(fēng)險的充電站規(guī)劃[J]. 電網(wǎng)與清潔能源, 2020, 36(8): 9-20.

YANG Jingxu, ZHANG Yongjun. Planning of charging stations considering differentiation of demand and operation risk of distribution network[J]. Power System and Clean Energy, 2020, 36(8): 9-20.

[29] SADEGHIAN O, NAZARI-HERIS M, ABAPOUR M, et al. Improving reliability of distribution networks using plug-in electric vehicles and demand response[J]. Journal of Modern Power Systems and Clean Energy, 2019, 7(5): 1189-1199.

[30] 黃麗平, 王逸飛, 郭俊韜, 等. 考慮電網(wǎng)載荷均衡度及N-1安全約束的防災(zāi)經(jīng)濟(jì)調(diào)度[J]. 電力系統(tǒng)自動化, 2020, 44(13): 56-63.

HUANG Liping, WANG Yifei, GUO Juntao, et al. Economic dispatch for disaster prevention considering load rate homogeneity of power grid and N-1 security constraints[J]. Automation of Electric Power Systems, 2020, 44(13): 56-63.

[31] FENG Y, ZHANG W, HAN G, et al. A newborn particle swarm optimization algorithm for charging-scheduling algorithm in industrial rechargeable sensor networks[J]. IEEE Sensors Journal, 2020, 20(18): 11014-11027.

[32] 楊景旭, 李欽豪, 張勇軍, 等. 考慮電網(wǎng)需求匹配度的多EV聚合商需求響應(yīng)削峰優(yōu)化建模[J]. 電力自動化設(shè)備, 2021, 41(8): 125-134.

YANG Jingxu, LI Qinhao, ZHANG Yongjun, et al. Peak shaving optimization modeling for demand response of multiple EV aggregators considering matching degree of power grid demand[J]. Electric Power Automation Equipment, 2021, 41(8): 125-134.

A demand response optimization model for charging stations with dual power supply

LIN Kaidong, YANG Jingxu, ZHANG Yongjun, YAO Lanni, LI Qilin, TANG Yuan

(Research Center of Smart Energy Technology, School of Electric Power Engineering, South China University of Technology, Guangzhou 510640, China)

How to perform demand response from space and time aspects for charging stations with dual power supply is related to the safety and economy of power system operation. To this end, a regulation method and demand response optimization control model for intelligent switching of charging pile loads in stations are proposed. These are oriented to demand response and reliability improvement. First, the dual power supply mode of charging piles of a charging station and the principle of intelligent switching of charging pile loads are analyzed. Secondly, in order to improve the load balance of the dual power circuit, the optimization objective function of the charging station load is established. Then, a model for evaluating the peak-shaving potential of a charging station and a calculation method for its peak-shaving tasks are established. These take into account the feeder transfer potential and the charging pile switching capability of the charging station. The calculation method of peak-shaving subsidy considering the completion of the task in each peak-shaving period is put forward. This is used as the optimization goal for charging stations to participate in demand response, so as to establish the demand response application model of the intelligent switching strategy of the charging load. Finally, a simulation example proves that the method in this paper can effectively enhance the load regulation ability of charging stations and achieve peak load shaving for feeders, providing a new way for charging stations to participate in demand response for higher profits.

load optimization; charging station; charging pile; demand response; intelligent switching

10.19783/j.cnki.pspc.211441

國家自然科學(xué)基金項目資助(52177085)；中國博士后科學(xué)基金項目資助(2020M682704)

This work is supported by the National Natural Science Foundation of China (No. 52177085).

2021-10-27；

2022-03-02

林楷東(1995—)，男，博士研究生，研究方向為能源互聯(lián)網(wǎng)優(yōu)化運行、負(fù)荷預(yù)測；E-mail: 596875439@qq.com

楊景旭(1996—)，男，通信作者，碩士研究生，研究方向為電動汽車有序控制、智能配網(wǎng)運行與分析；E-mail: 3108043591@qq.com

張勇軍(1973—)，男，教授，研究方向為電力系統(tǒng)無功規(guī)劃與電壓控制、能源互聯(lián)網(wǎng)的優(yōu)化運行等。E-mail: zhangjun@scut.edu.cn

(編輯 周金梅)