基于“車-路-網(wǎng)”協(xié)同的電動汽車充電引導(dǎo)策略

張 聰，彭 克，肖傳亮，張新慧，刑 琳

（山東理工大學(xué) 電氣與電子工程學(xué)院，山東 淄博 255000）

0 引言

電動汽車EV（Electric Vehicle）在全球變暖、能源緊張、環(huán)保需求、科技快速發(fā)展等背景下，得到各國政府和企業(yè)的積極推廣［1-2］?！秶鴦?wù)院辦公廳關(guān)于加快電動汽車充電基礎(chǔ)設(shè)施建設(shè)的指導(dǎo)意見》［3］要求新建住宅必須標(biāo)配或預(yù)留充電樁條件，EV 電能補給設(shè)施的持續(xù)建設(shè)和不斷普及，使其充電便捷性得到極大提升，EV 將會越來越廣泛地被人們所接受和使用。隨著EV 保有量的增加，未來將會有大規(guī)模EV 接入電網(wǎng)，其充、放電行為將對電網(wǎng)產(chǎn)生不可忽視的影響［4］。目前快速充電站還較少且空間分布不合理，由于EV充電的時間、位置和功率需求存在不確定性，EV充電的隨機過程可能會削弱電力系統(tǒng)可靠性［5-6］。

為解決上述問題：文獻［7］基于傳統(tǒng)的配電網(wǎng)安全域的概念，提出計及EV接入的配電網(wǎng)改進安全域模型，并由此給出EV 出行潛力指標(biāo)的定義，從而分析規(guī)?；疎V 接入對配電網(wǎng)的影響；文獻［8］針對EV接入配電網(wǎng)造成的安全、經(jīng)濟等運行風(fēng)險問題，提出一種考慮多種風(fēng)險因素的配電網(wǎng)運行綜合風(fēng)險評估方法，運用主成分分析方法對風(fēng)險評估矩陣進行降維以及計算客觀權(quán)重系數(shù)，對某區(qū)域內(nèi)的EV容納數(shù)量進行合理評估；文獻［9］通過速度-流量模型模擬城市區(qū)域路網(wǎng)EV的交通行駛特性，采用蒙特卡羅方法對EV 的充電負(fù)荷進行時空預(yù)測，進而提出一種“車-路-網(wǎng)”模式下充電負(fù)荷時空預(yù)測模型，并基于序列化潮流算法對大規(guī)模EV接入配電網(wǎng)進行評估；文獻［10］提出一種考慮目標(biāo)充電站選擇沖突的EV充電引導(dǎo)策略，該策略考慮EV 與充電站各自的偏好，建立雙邊匹配模型，以實現(xiàn)EV 充電沖突處理模型的快速求解，但忽略了EV充電對電網(wǎng)產(chǎn)生的影響。

上述研究在一定程度上緩解了EV 帶來問題的嚴(yán)重程度，減少了EV 對路網(wǎng)和電網(wǎng)的負(fù)面影響，但較少綜合考慮充電站、路網(wǎng)和電網(wǎng)的充電引導(dǎo)方面。文獻［11］通過對EV 快充網(wǎng)-用戶-交通網(wǎng)-配電網(wǎng)之間耦合關(guān)系的分析，基于快充網(wǎng)運行水平、用戶體驗、交通網(wǎng)運行影響度和配電網(wǎng)運行影響度，利用層次分析法和熵權(quán)法對路網(wǎng)的日運行指數(shù)變化量、日擁堵時間變化量、最大擁堵程度變化量、配電網(wǎng)的線路重載比例增量、變壓器負(fù)載率變化度、節(jié)點電壓偏移變化量、節(jié)點電壓越限數(shù)量進行評估。文獻［12］建立無量綱的指標(biāo)函數(shù)，從道路的通行速度、充電負(fù)荷大小以及充電站內(nèi)EV數(shù)量的角度，分別從解決路網(wǎng)擁堵問題、配電網(wǎng)充電負(fù)荷過大問題和充電等待時間問題上優(yōu)化路網(wǎng)、電網(wǎng)和用戶，但該文獻綜合考慮9 個配電網(wǎng)的充電負(fù)荷，忽略了充電負(fù)荷對單個配電網(wǎng)的影響。在上述研究中，路網(wǎng)和電網(wǎng)之間是相對割裂的，沒有建立統(tǒng)一的引導(dǎo)策略模型。

在前景理論應(yīng)用方面：傳統(tǒng)的儲能配置方法沒有考慮故障和災(zāi)難場景下的協(xié)調(diào)運行，文獻［13］提出一種基于前景理論的儲能配置方法，以綜合前景值最大化為目標(biāo)，能夠綜合考慮各場景，實現(xiàn)儲能的優(yōu)化配置；文獻［14］將前景理論應(yīng)用于用戶目的地的決策，但在參考點選擇方面是固定的，無法體現(xiàn)EV的時空特性。

針對上述問題，本文基于動態(tài)參考點和配電網(wǎng)節(jié)點邊際電價DLMP（Distribution Locational Marginal Price），提出一種實時耦合系統(tǒng)前景描述模型，并提出一種基于第三代前景理論的EV 充電引導(dǎo)策略，實現(xiàn)了對充電站、電網(wǎng)和路網(wǎng)三者的協(xié)調(diào)優(yōu)化。通過與其他3 種不同充電策略的對比表明，本文策略能夠有效地緩解大量EV充電引起的交通擁堵、電壓越限等問題的嚴(yán)重程度，同時能夠有效平衡各配電網(wǎng)的充電負(fù)荷分配。

1 系統(tǒng)狀態(tài)描述

1.1 路網(wǎng)系統(tǒng)狀態(tài)描述模型

對于EV用戶而言，其對于路網(wǎng)狀態(tài)的感知一般可分為距離和時間2 類，距離在時空上是不變的，但對于通行時間則是動態(tài)變化的，因此對于路網(wǎng)系統(tǒng)的狀態(tài)描述可分為靜態(tài)路網(wǎng)狀態(tài)描述矩陣和動態(tài)路網(wǎng)狀態(tài)描述矩陣。

1）靜態(tài)路網(wǎng)狀態(tài)描述矩陣［15］。

路網(wǎng)結(jié)構(gòu)主要由節(jié)點和支路組成，本文采用的靜態(tài)路網(wǎng)狀態(tài)描述矩陣為：

式中：INF 表示無窮。lij描述了2 個關(guān)聯(lián)的路網(wǎng)節(jié)點間的距離關(guān)系：當(dāng)i=j時，lij表示節(jié)點i自身的距離，因此其值為0；當(dāng)i≠j時，若節(jié)點i與節(jié)點j直接連接，則此時lij表示道路長度；當(dāng)i≠j時，若節(jié)點i與節(jié)點j不直接相連，則由于節(jié)點i無法直接到達節(jié)點j，因此lij取值為INF，即2個節(jié)點間不直接連通。

在用戶確定充電站后，按照迪杰斯特拉算法選定最短路線，則用戶與充電站之間的距離為：

LO-S=∑lij i≠j且節(jié)點i與節(jié)點j直接相連 （3）

式中：LO-S為用戶與充電站之間的距離。

2）動態(tài)路網(wǎng)狀態(tài)描述矩陣［15］。

本文采用的動態(tài)路網(wǎng)狀態(tài)描述矩陣為：

式中：Aroad_D為動態(tài)路網(wǎng)狀態(tài)描述矩陣；tij(i，j=1，2，…，n)為以節(jié)點i為起點和節(jié)點j為終點的道路當(dāng)前通行時間，如式（5）所示。

tij描述了2 個關(guān)聯(lián)的路網(wǎng)節(jié)點間的到達時間關(guān)系：當(dāng)i=j時，tij表示節(jié)點i自身的時間，因此其值為0；當(dāng)i≠j時，若節(jié)點i與節(jié)點j直接相連，則此時tij為節(jié)點i到達節(jié)點j所需的行駛時間；當(dāng)i≠j時，若節(jié)點i與節(jié)點j不直接相連，則由于節(jié)點i無法直接到達節(jié)點j，tij取值為INF，即2個節(jié)點間不直接連通。

在用戶確定充電站后，按照迪杰斯特拉算法選定最短到達時間，則用戶到達充電站的時間為：

TO-S=∑tij i≠j且節(jié)點i與節(jié)點j直接相連 （6）

式中：TO-S為用戶到達充電站的時間。

1.2 充電站狀態(tài)描述模型

本文假設(shè)所有充電站充電功率均相同，從3 個方面對快速充電站系統(tǒng)的模型進行描述。1）虛擬充電隊列，即：

1.3 配電網(wǎng)狀態(tài)描述模型

本文采用DLMP 的方式來描述配電網(wǎng)的運行狀態(tài)，同時充電電價是在對應(yīng)的DLMP 的基礎(chǔ)上制定的，如式（13）所示。

式中：Fcharge為充電電價；Fbase為分時電價；Fservice為服務(wù)費用。

分時電價大多是在日前預(yù)測的基礎(chǔ)上進行計算的，由于日前預(yù)測無法準(zhǔn)確地對日內(nèi)的運行狀態(tài)進行預(yù)測，單純采用分時電價并不能準(zhǔn)確描述節(jié)點的負(fù)荷分布情況，因此采用基于DLMP 的充電電價，其制定方法為：

式中：FDLMP為充電站節(jié)點的節(jié)點邊際電價。

1.4 EV狀態(tài)描述模型

正常運行的EV應(yīng)該滿足：

式中：μ為充電效率；Pcharge為充電功率；Scap為EV 電池的容量；Δt為充電時間；SEV，max和SEV，min分別為EV電池的SOC上限和下限。

2 基于第三代前景理論的充電引導(dǎo)策略

2.1 第三代前景理論

前景理論與累計前景理論共同的局限性在于，均假設(shè)參考點是確定的［18-19］。第三代前景理論的提出是為了更好地解釋偏好逆轉(zhuǎn)現(xiàn)象［18-19］，該理論保留了前景理論和累計前景理論的預(yù)測功能，并且對前2 代前景理論進行了擴展，即允許不確定參考點。第三代前景理論有參考依賴、決策權(quán)重和不確定參考點3 個主要特征。參考依賴和決策權(quán)重是前景理論共有的特征，而不確定參考點則是第三代前景理論特有的特征。

在第三代前景理論中，假設(shè)每種價值函數(shù)值按照遞增的順序排列，即若i＞j，則v(xi)＞v(xj（)雖然xi為向量形式，但是存在xi→v(xi)的過程）。價值函數(shù)值可以為正值（所有結(jié)果均為收益值）、負(fù)值（所有結(jié)果均為損失值）、混合值（結(jié)果為收益值和損失值的結(jié)合）。假設(shè)結(jié)果按照從最大損失到最大收益排列，收益指數(shù)排列為(1，2，…，k+)，損失指數(shù)排列為(-k-，…，-2，-1)，其中k+為價值函數(shù)為非負(fù)值的數(shù)量，k-為價值函數(shù)為負(fù)值的數(shù)量。因此前景值為：

假設(shè)參考點為x0，則指數(shù)函數(shù)形式的價值函數(shù)為：

式中：v～(x)為指數(shù)函數(shù)形式的價值函數(shù)，x為充電站的選擇情況；α為收益域指數(shù)；λ為損失厭惡程度；β為損失域指數(shù)。一般規(guī)定0＜α＜1、0＜β＜1，二者越大，說明決策越傾向于風(fēng)險尋求，反之則傾向于風(fēng)險規(guī)避。當(dāng)損失規(guī)避系數(shù)λ＞1 時，決策對損失更加敏感。

2.2 參考點模型的構(gòu)建及價值函數(shù)的構(gòu)造

充電站中存在多個充電樁，且各充電樁的充電完成時間不同，因此，本文采用一種多參考點的第三代累計前景理論來引導(dǎo)EV用戶進行充電站的選擇。每個充電站的參考點數(shù)與其充電樁數(shù)相同，因此在對每個充電站計算出一個對應(yīng)的前景值后，取其中的最大前景值作為引導(dǎo)最終決策方案。由于EV 產(chǎn)生充電需求的時間是動態(tài)變化且不確定的，而參考點的選擇與充電站中充電樁的充電完成時間以及EV 用戶的出發(fā)時間相關(guān)，因此本文的參考點是動態(tài)多參考點。在本文中，將參考點定義為價值函數(shù)值最大的時間節(jié)點，對于每輛EV 而言，存在多個不同的參考點。在計算前景值時，通過累計前景值獲得整個充電站的前景值。在參考點的時間節(jié)點選取方面，考慮充電樁的當(dāng)前充電完成時間以及用戶到達充電站的時間，取兩者中能夠使用戶到達充電站即可實現(xiàn)充電的時間作為參考點的時間節(jié)點。因此，采用動態(tài)多參考點選擇方法能夠充分利用最新的路網(wǎng)、電網(wǎng)和充電站信息，從而實現(xiàn)對三者的協(xié)同優(yōu)化。

以某一充電站為例，設(shè)其充電樁數(shù)為npile，第i輛EV 的參考點設(shè)為Ri，t(i=1，2，…，npile；t∈[1，96])，參考點選定為：

式中：ta為EV 預(yù)計到達充電站的時間；tf為充電樁預(yù)計充電完成時間，其值為0 時表示充電樁處于閑置狀態(tài)。根據(jù)簡化價值函數(shù)［18］的定義，將價值函數(shù)定義為一個分段的線性函數(shù)，如圖1 所示。圖中：Vvalue為價值函數(shù)；te為EV 提前到達充電站的時間閾值；to為EV 滯后到達充電站的時間閾值。價值函數(shù)的最大價值點位于參考點處，價值函數(shù)收益值區(qū)間為[Ri，t-te，Ri，t+to]。取EV用戶的時間價值作為斜率的參考值，在已知與橫軸交點的情況下求出圖1 中價值函數(shù)的表達式為：

圖1 簡化價值函數(shù)Fig.1 Simplified value function

式中：Vtime為EV用戶的時間價值。

根據(jù)簡化價值函數(shù)，可以通過分段實現(xiàn)價值函數(shù)的簡化計算，即：

式中：fcharge為充電費用；ftov為時間價值。式（34）表示線性化形式的價值函數(shù)與式（31）中的對應(yīng)部分是一致的。

由于EV 進入充電站后選擇充電樁的概率只能為非負(fù)值，因此，每個充電樁對應(yīng)的概率為：

根據(jù)式（24）—（35）可獲得充電站的前景值。本文中收益域指數(shù)、損失域指數(shù)、損失厭惡程度、風(fēng)險態(tài)度系數(shù)和損失態(tài)度風(fēng)險系數(shù)的設(shè)定如附錄A 表A1所示。

2.3 參考點模型的構(gòu)建及價值函數(shù)的構(gòu)造

由于選取了通行時間、等待時間和電價來描述整個系統(tǒng)的狀態(tài)，因此所有充電站的前景值可在用戶發(fā)出充電需求時同時計算，從而選取最大前景值作為引導(dǎo)策略的引導(dǎo)路線方案。數(shù)學(xué)描述如下：

2.4 引導(dǎo)策略仿真計算流程分析

動態(tài)交通流分配可以反映路網(wǎng)交通流的擁擠性和交通需求的時變性，是下一代先進交通管理和規(guī)劃的核心技術(shù)之一。通過準(zhǔn)確地預(yù)測網(wǎng)絡(luò)交通規(guī)律，大規(guī)模交通仿真系統(tǒng)可以運用有效手段通知和疏導(dǎo)駕駛者，從而緩解達成中常規(guī)和突發(fā)的交通擁堵。DTALite 通過構(gòu)建一個多接口系統(tǒng)攻克了多粒度動態(tài)交通分析的三大難點，即基礎(chǔ)數(shù)據(jù)導(dǎo)入的快速準(zhǔn)確性、動態(tài)分配過程的合理性和輸出結(jié)果的真實性［20］。為了提高運行效率，本文利用DTALite 將動態(tài)交通分配模型與模擬仿真框架進行一體化整合，通過反復(fù)迭代搜索穩(wěn)態(tài)均衡條件，采用DTALite對實時的交通狀態(tài)進行模擬，并將實時路況進行反饋，為充電策略的制定提供參考。

本文所提策略的架構(gòu)包含價格制定階段和充電引導(dǎo)階段，如圖2 所示。在價格制定階段，每小時進行1 次計算，主要是根據(jù)配電網(wǎng)的運行狀態(tài)對配電網(wǎng)中各節(jié)點的電價進行調(diào)整，同時對充電電價進行調(diào)整。充電引導(dǎo)階段為實時充電引導(dǎo)階段，為了能夠與電網(wǎng)的實時階段時間尺度統(tǒng)一，該階段每15 min 進行1 次電網(wǎng)和路網(wǎng)的仿真，在每個時段內(nèi)，充電引導(dǎo)策略會根據(jù)上一時段的計算結(jié)果進行引導(dǎo)充電，同時對用戶的出行路徑進行變更，在完成15 min 的充電引導(dǎo)后，會進行1 次電網(wǎng)、路網(wǎng)和充電站信息的更新，保證下一時段能夠利用更加準(zhǔn)確的實時信息。本文仿真流程如圖3所示，圖中OD 表示源點-終點。

圖2 策略架構(gòu)圖Fig.2 Strategy architecture diagram

圖3 仿真流程圖Fig.3 Flowchart of simulation

3 算例驗證

3.1 算例與仿真計算環(huán)境

選取IEEE 33 節(jié)點系統(tǒng)為電網(wǎng)算例，其結(jié)構(gòu)如附錄B 圖B1 所示。路網(wǎng)算例根據(jù)文獻［21］改進得到，本文選取約10 km×10 km 的路網(wǎng)規(guī)模，其中道路均為雙向通路，共計110 條可通行道路，道路的數(shù)據(jù)設(shè)定情況如附錄B圖B2所示。路網(wǎng)中設(shè)有5座快速充電站，分別位于3 個不同的配電網(wǎng)中，配電網(wǎng)均采用IEEE 33 節(jié)點系統(tǒng)，對應(yīng)的耦合數(shù)據(jù)如附錄B 表B1 所示。算例拓?fù)浣Y(jié)構(gòu)如附錄B 圖B2 所示。路網(wǎng)出行車輛數(shù)量共計20 000 輛，并且全部為EV，EV 電池容量設(shè)定為30 kW·h，其剩余電量服從正態(tài)分布，SOC 狀態(tài)分布區(qū)間為15%～95%，單位能耗參數(shù)為0.15 kW·h／km［15］，出行數(shù)據(jù)信息是在2009年全國家庭出行調(diào)查數(shù)據(jù)NHTS（National Household Travel Survey）［22］的基礎(chǔ)上采用蒙特卡羅概率模擬的方式獲得一天的出行OD 數(shù)據(jù)，具體生成過程本文不再贅述。路網(wǎng)拓?fù)涞脑O(shè)定情況詳見附錄B 圖B2。本文的硬件計算環(huán)境為Core i5-8265u CPU @1.60 GHz和8 GB RAM；軟件計算環(huán)境為MATLAB 2020a 和DTALite，電網(wǎng)潮流采用Matpower 7.0進行計算。

3.2 充電站仿真結(jié)果對比分析

本文將一天分成96 個時段，本文所提策略下充電站中各充電樁的充電等待時間如附錄C 圖C1 所示，本文與其他3 種用戶引導(dǎo)策略的仿真對比結(jié)果如表1和附錄C圖C2—C4所示。

表1 各策略下的充電等待時間峰值Table 1 Peaking value of charging waiting time under each strategy

由圖C1 可知：在一天的開始階段，由于充電EV較少，充電樁未被全部利用，隨著充電EV的增多，充電樁逐漸被充分利用；當(dāng)時間分段處于夜間時，隨著充電EV的減少，充電等待時間也隨之縮短。由于最短路徑策略和最短到達時間策略僅從EV 用戶的到達距離和到達時間方面進行考慮，而忽略了配電網(wǎng)的狀態(tài)和充電站內(nèi)部的狀態(tài)，因此造成充電站未得到充分利用，充電站中各充電樁的充電等待時間要遠(yuǎn)長于本文所提策略下的仿真結(jié)果。在最低充電電價策略下，根據(jù)本文的配電網(wǎng)運行狀態(tài)模型可知，充電站的充電價格與電壓、充電負(fù)荷和網(wǎng)損有關(guān)，因此當(dāng)充電站的負(fù)荷增大或者充電站的節(jié)點電壓越限時，用戶會被引導(dǎo)至電價相對較低的充電站完成充電，而一般該目標(biāo)充電站的充電負(fù)荷和電壓情況相對較為良好。

由表1 可知：在本文所提策略下，各充電站的充電等待時間峰值分布相對均勻，這說明采用本文所提策略能夠?qū)崿F(xiàn)充電EV 在各充電站之間的合理分配；在最短路徑策略和最短到達時間策略下，EV 充電的選擇很大程度上受到出行OD 的影響，EV 出行概率分布如表2所示，該結(jié)果是通過NHTS［22］統(tǒng)計數(shù)據(jù)獲得的，雖然在這2種策略下充電站5的充電等待時間峰值要短于本文所提策略，但是其余4 座充電站的充電等待時間峰值要遠(yuǎn)長于本文所提策略，這與充電站的空間位置和用戶的出行分布密切相關(guān)；在最低充電電價策略下，充電站位于不同配電網(wǎng)的不同節(jié)點上，造成充電站3 的充電電價最低，這也導(dǎo)致大量用戶在充電站3 等待充電，從而造成該充電站的充電等待時間峰值遠(yuǎn)長于其他3種策略。

表2 EV出行概率分布Table 2 Trip probability distribution of EVs

3.3 路網(wǎng)仿真結(jié)果

以1 min為一個采樣周期，本文所提策略下的路網(wǎng)道路通行時間分布情況如圖4所示，其他3種用戶引導(dǎo)策略的相應(yīng)仿真結(jié)果如附錄D圖D1—D3所示。本文設(shè)定各時段的出行EV數(shù)量分布，如圖5所示。

圖4 本文所提策略下的道路通行時間Fig.4 Road travel time under proposed strategy

圖5 各時段出行EV數(shù)量Fig.5 Numbers of trip EVs under each period

在最短路徑策略下，用戶會被引導(dǎo)至距離最近的充電站進行充電；在最短到達時間策略下，到達時間與道路通行時間呈線性累加的關(guān)系，因此用戶會被引導(dǎo)選擇通行時間最短的路徑；在最短路徑策略和最短到達時間策略下，用戶能夠在最短距離和最短時間的條件下到達充電站，EV 在快速離開路網(wǎng)后將不會再對路網(wǎng)的均衡造成影響，因此采用這2 種策略對路網(wǎng)的負(fù)面影響相對較小。

在本文所提策略下，由于該策略考慮了用戶的到達時間和用戶與充電站間的距離，用戶可能不會被引導(dǎo)至距離最近或者到達時間最短的充電站進行充電，因此EV 在路過該路段時不會進站，會對道路通行時間產(chǎn)生影響。由圖4 可知，在某些瞬間出現(xiàn)了部分道路通行時間突增的情況，由于在進行路網(wǎng)仿真的過程中是以1 min為時間尺度的，道路并未出現(xiàn)連續(xù)擁堵的現(xiàn)象，根據(jù)實際經(jīng)驗，這并沒有對交通產(chǎn)生負(fù)面的影響，正常情況下采用本文所提策略與最短路徑策略和最短到達時間策略的路況基本一致。

當(dāng)采用最低充電電價策略下的道路通行情況時，由于節(jié)點電價是采用成本電價和電壓約束的方式進行計算的，因此電價的高低與充電站所在的節(jié)點位置也有一定關(guān)系。同時，本文采用的是IEEE 33 節(jié)點系統(tǒng)標(biāo)準(zhǔn)算例的負(fù)荷數(shù)據(jù)，按照一定的負(fù)荷曲線進行匹配，3 個配電網(wǎng)遵循相同的匹配原則，具體負(fù)荷曲線分布情況如圖6 所示（負(fù)載率為標(biāo)幺值），將充電站接入的基礎(chǔ)負(fù)荷規(guī)定為0，因此某節(jié)點電價較低會引導(dǎo)大量EV 前往，充電等待時間會隨之增長，同時集中引導(dǎo)引起的道路擁擠導(dǎo)致用戶到達時間存在延后特性。

圖6 配電網(wǎng)基礎(chǔ)負(fù)荷時間分布情況Fig.6 Time distribution condition of basic load of distribution network

3.4 電網(wǎng)仿真結(jié)果分析

根據(jù)IEEE 33 節(jié)點系統(tǒng)標(biāo)準(zhǔn)算例數(shù)據(jù)，本文將電壓的正常運行范圍設(shè)定為0.9～1.1 p.u.。圖7 為本文所提策略下各充電站節(jié)點在不同時段的電壓分布情況（電壓為標(biāo)幺值）。其他3 種用戶引導(dǎo)策略的相應(yīng)仿真結(jié)果如附錄E 圖E1—E3 所示。在最低充電電價策略下，由于電價的制定方面存在電壓越限懲罰部分，采用該策略引導(dǎo)用戶能夠?qū)崿F(xiàn)配電網(wǎng)電壓的調(diào)整，保證了配電網(wǎng)電壓不會越限；在最短路徑策略和最短到達時間策略下，由于忽略了充電電價，而充電電價與DLMP 呈線性關(guān)系，因此在這2 種策略下出現(xiàn)了不同程度的電壓越下限情況，尤其是充電站2（位于2 號配電網(wǎng)）節(jié)點出現(xiàn)了較長時間的電壓越下限情況；在最短到達時間策略下，充電站5（位于3 號配電網(wǎng)）也出現(xiàn)了電壓越下限的情況；在本文所提策略下，充電站節(jié)點不存在電壓越下限的情況。

圖7 本文所提策略下的電壓分布情況Fig.7 Voltage distribution condition under proposed strategy

各策略下充電站節(jié)點電壓最小值（標(biāo)幺值）如表3所示。在最低充電電價策略下，由于在DLMP制定過程中考慮了電壓越下限的問題，因此該策略下的節(jié)點電壓狀態(tài)最好；在采用最短路徑策略和最短到達時間策略下，由于用戶僅考慮路網(wǎng)的時空因素，而忽略了電網(wǎng)的運行狀態(tài)，在不同程度上出現(xiàn)了電壓越下限的情況；在本文所提策略下，由于前景值的計算充分考慮了路網(wǎng)、電網(wǎng)和充電站的運行狀態(tài)，因此節(jié)點電壓始終維持在正常范圍內(nèi)，保證了電網(wǎng)的安全穩(wěn)定運行。

表3 各策略下充電站節(jié)點電壓最小值Table 3 Minimum node voltage of charging stations under each strategy

4 結(jié)論

本文基于第三代前景理論提出一種考慮路網(wǎng)運行狀態(tài)、充電站運行狀態(tài)和配電網(wǎng)運行狀態(tài)的實時用戶充電引導(dǎo)策略。動態(tài)多參考點的應(yīng)用克服了單參考點和固定參考點的缺點，能夠更好地適應(yīng)系統(tǒng)實時動態(tài)變化特性；基于第三代前景理論建立的全狀態(tài)前景描述模型，實現(xiàn)了不同系統(tǒng)之間運行狀態(tài)的統(tǒng)一表達方式。通過采用本文所提策略，路網(wǎng)、充電站和配電網(wǎng)的運行效率都得到了有效提升，為減少EV 數(shù)量增加對電網(wǎng)和路網(wǎng)產(chǎn)生的負(fù)面影響提供了一種有效的解決思路。

附錄見本刊網(wǎng)絡(luò)版（http：//www.epae.cn）。