電動汽車的有序充電管理及其對配電網(wǎng)的影響分析

于瀛涵，陳嘉德，韓子?jì)桑?，苑 舜，3，馬 卓

(1．沈陽工業(yè)大學(xué)電氣工程學(xué)院，遼寧 沈陽 110870；2．國網(wǎng)遼寧省電力有限公司，遼寧 沈陽 110006；3．國家能源局東北監(jiān)管局，遼寧 沈陽 110006)

伴隨我國能源結(jié)構(gòu)的調(diào)整，制定以綠色新能源為主體的新型電力系統(tǒng)可為推進(jìn)國家“雙碳”目標(biāo)的早日實(shí)現(xiàn)發(fā)揮積極作用，電動汽車的推廣和應(yīng)用在節(jié)能減排方面有著無可比擬的優(yōu)勢，推進(jìn)電動汽車發(fā)展是推動我國能源轉(zhuǎn)型發(fā)展的重要環(huán)節(jié)[1-4]。雖然電動汽車的存在為人們出行帶來了巨大的便利，但由于其充電行為具有不確定性，大量無序、隨機(jī)的負(fù)荷直接并網(wǎng)會對配電網(wǎng)造成許多不可預(yù)知的負(fù)面影響。因此應(yīng)大力推廣對電動汽車的有序充電管理，以兼顧電網(wǎng)安全、經(jīng)濟(jì)效益和用戶利益[5-6]．

在解決電動汽車并網(wǎng)時(shí)如何管控的問題上，已有學(xué)者進(jìn)行研究。文獻(xiàn)[7]考慮到配電網(wǎng)用電峰谷差較大導(dǎo)致變壓器過載和產(chǎn)生大量網(wǎng)內(nèi)損耗，提出了一種對電動汽車充電功率進(jìn)行實(shí)時(shí)優(yōu)化的策略，算例結(jié)果表明該策略可以有效降低網(wǎng)損。文獻(xiàn)[8]針對大規(guī)模電動汽車入網(wǎng)現(xiàn)象，根據(jù)網(wǎng)內(nèi)用電負(fù)荷狀態(tài)及電動汽車充電需求等實(shí)時(shí)數(shù)據(jù)，利用模糊控制算法對電動汽車的充電行為做有序優(yōu)化，有效避免了大規(guī)模車群入網(wǎng)引起的負(fù)荷尖峰問題。文獻(xiàn)[9]將電動汽車電池的可放最大容量為選定優(yōu)化目標(biāo)，通過競價(jià)的方法，引導(dǎo)用戶在用電高峰時(shí)間段利用電動汽車的V2G技術(shù)饋電給電網(wǎng)，以達(dá)到“削峰填谷”的效果。文獻(xiàn)[10]基于虛擬電價(jià)，考慮以系統(tǒng)負(fù)荷峰谷差最小、用戶經(jīng)濟(jì)性指標(biāo)最大和電池的折舊費(fèi)用最小為目標(biāo)對電動汽車建模，通過仿真算例證明了該策略提出的有效性。文獻(xiàn)[11]提出了一種基于峰谷分時(shí)電價(jià)為背景的，考慮電動汽車充放電隨機(jī)性的有序充放電策略，使得電動汽車在負(fù)荷高峰期向網(wǎng)饋電，負(fù)荷低谷期充電，平滑了網(wǎng)內(nèi)用電曲線。文獻(xiàn)[12]以分時(shí)電價(jià)為背景，構(gòu)建同時(shí)考慮用戶用電繳費(fèi)情況和負(fù)荷穩(wěn)定性的多目標(biāo)優(yōu)化調(diào)度模型，使電動汽車參與有序充電管理規(guī)劃。通過算例分析驗(yàn)證了該方法不但可以減小負(fù)荷的峰谷差，還能提高用戶用電的經(jīng)濟(jì)效益。

上述文獻(xiàn)中，學(xué)者從電網(wǎng)側(cè)角度通過對電動汽車的充電特性直接調(diào)度或是從用戶側(cè)角度利用價(jià)格引導(dǎo)電動汽車優(yōu)化充電行為來滿足電網(wǎng)功率的調(diào)節(jié)。前者的直接調(diào)度僅考慮了對電網(wǎng)的影響，沒有調(diào)動用戶用電的主觀意愿，實(shí)施推廣具有難度；后者雖然利用價(jià)格因素很好調(diào)動了用戶參與性，但現(xiàn)有的分時(shí)電價(jià)分區(qū)少，限制了調(diào)度的最優(yōu)可能性。因此本文以私家車并入配電網(wǎng)為研究對象，根據(jù)短期負(fù)荷預(yù)測為基礎(chǔ)提出一種新型的多時(shí)段動態(tài)電價(jià)策略，引導(dǎo)電動汽車有序充電。對用戶用電繳費(fèi)、配電網(wǎng)的電壓偏移及網(wǎng)損情況加以分析后，驗(yàn)證了所提出的價(jià)格機(jī)制可以引導(dǎo)電動汽車有序充電，并兼顧配電網(wǎng)系統(tǒng)的穩(wěn)定運(yùn)行和用戶利益。

1 私家車無序模式充電模型

本文從以下4個方面構(gòu)建電動汽車的充電模型。

a.電動汽車電池特性

本文選用鋰電池為研究對象。與普通汽車相同，不同類型私家車電池容量有差異。

(1)

式中：fQ為私家車鋰電池容量的概率密度；x表示該時(shí)刻的電池容量大小，一般取值為20～30 kWh。

鋰電池充電變化過程如圖1所示。由于充電起始過程和結(jié)束過程的時(shí)間非常短暫，可以近似地認(rèn)為鋰電池充電是恒功率充電。

圖1 鋰電池簡化充電過程

b.車主日行駛里程

本文引用美國交通部汽車日出行數(shù)據(jù)進(jìn)行分析計(jì)算[13]，可知電動汽車車主每日用車行駛里程數(shù)的概率密度函數(shù)為

(2)

式中：fD為車主日行駛里程的概率密度函數(shù)；μD為期望值；σD為標(biāo)準(zhǔn)差。

c.車主最后歸程時(shí)刻

假設(shè)車主每日結(jié)束行程時(shí)刻即為電動汽車每日開始充電時(shí)刻，最后歸程概率密度函數(shù)為

(3)

式中：fs為車主最后規(guī)程的概率密度函數(shù)；w為回家時(shí)刻；μs為期望值；σs為標(biāo)準(zhǔn)差。

d.車主離家時(shí)間

假設(shè)車主每日用車期間只可放電不可充電，出行開始時(shí)刻的概率密度函數(shù)為

(4)

式中：fe為車主啟程離家的概率密度函數(shù)；v為離家時(shí)刻。

結(jié)合用戶出行數(shù)據(jù)及電動汽車充電模型利用蒙特卡洛算法，得到500輛電動汽車的24 h無序充電負(fù)荷曲線，如圖2所示。

圖2 電動汽車無序充電負(fù)荷曲線

2 多時(shí)段動態(tài)電價(jià)下電動汽車有序充電模型

2.1 多時(shí)段動態(tài)電價(jià)區(qū)間劃分

傳統(tǒng)的分時(shí)電價(jià)一旦制定后其區(qū)間不再變化，但居民的用電行為會隨著季節(jié)變化、地域不同和個人舒適度而改變，與原分時(shí)電價(jià)的價(jià)格區(qū)間范圍有偏差，產(chǎn)生負(fù)荷和電價(jià)的峰谷不匹配的現(xiàn)象。而電動汽車的充電行為在時(shí)間上有很大隨機(jī)性，導(dǎo)致實(shí)時(shí)電價(jià)的制定考慮因素十分復(fù)雜。因此本文根據(jù)短期負(fù)荷預(yù)測為基礎(chǔ)提出一種新型的多時(shí)段動態(tài)電價(jià)策略。

目前為止，隸屬度函數(shù)是對傳統(tǒng)用電價(jià)格進(jìn)行劃分的最成熟且通用性最廣的方法。以表1某地區(qū)分時(shí)電價(jià)為例，首先基于模糊數(shù)學(xué)的理論，可將每個時(shí)間段認(rèn)為是一個獨(dú)立的模糊集合，然后利用隸屬度函數(shù)構(gòu)建時(shí)段內(nèi)每時(shí)刻對應(yīng)的隸屬度，并根據(jù)隸屬度值將其劃分到對應(yīng)的時(shí)間段[14]。再將短期預(yù)測的基礎(chǔ)負(fù)荷劃分成多時(shí)段，根據(jù)每時(shí)段對應(yīng)的負(fù)荷值計(jì)算相對應(yīng)的電價(jià)。

表1 某地區(qū)的分時(shí)電價(jià)

電價(jià)的劃分跨度ΔL為

(5)

式中：Lmax和Lmin分別為配電網(wǎng)內(nèi)對短期基礎(chǔ)負(fù)荷所預(yù)測到最大值和最小值；M為時(shí)間分段數(shù)目。

(6)

式中：Cmax和Cmin分別為分時(shí)電價(jià)的峰值與谷值；C*為每時(shí)段負(fù)荷在價(jià)格區(qū)間上的映射。

(7)

Ci=α·ΔL+Cmin

(8)

式中：Ci為第i個時(shí)段的充電電價(jià)。

通過以上公式對電價(jià)的劃分，最后取定結(jié)果見圖3?？梢钥闯龆鄷r(shí)段動態(tài)電價(jià)的制定可隨著基礎(chǔ)負(fù)荷值的高低自動調(diào)節(jié)，使得價(jià)格制定更人性化，價(jià)格區(qū)間劃分更細(xì)致，對車主充電行為的引導(dǎo)更精準(zhǔn)。

圖3 電價(jià)取定結(jié)果

2.2 電動汽車有序充電策略

電動汽車聚合商是專門針對電動汽車充電進(jìn)行資源整合的參與者，其部署的智能充電樁可提供常規(guī)充電模式和充電優(yōu)化模式。常規(guī)充電模式可將電動汽車的電池充至期望電量值，而優(yōu)化模式則需要根據(jù)車主個人用電需求輸入結(jié)束充電時(shí)刻及結(jié)束時(shí)刻的充電期望值。車輛接入后，充電樁將獲取該車信息，將輸入值及車電池的剩余電量反饋到系統(tǒng)調(diào)度中心，對收集的數(shù)據(jù)進(jìn)行在線智能計(jì)算，形成電動汽車的充電計(jì)劃。

2.3 目標(biāo)函數(shù)

本文以網(wǎng)內(nèi)負(fù)荷波動最小為目標(biāo)函數(shù)。

(9)

Pi=Pi,EV+Pi,load

(10)

2.4 約束條件

a.充電樁充電功率Pch約束

Pch,min≤Pch≤Pch,max

(11)

式中：Pch,min和Pch,max分別為充電樁充電功率的最小值和最大值。

b.充電時(shí)段T約束

Ts≤T≤Te

(12)

式中：Ts為車主每日充電開始時(shí)刻；Te為當(dāng)天充電結(jié)束時(shí)刻。

c.總電量S約束

本文優(yōu)化中不計(jì)電池?fù)p耗，假設(shè)電池容量為恒定值。

(13)

2.5 算法求解

傳統(tǒng)的遺傳算法是一種起源于生物進(jìn)化規(guī)律演變的尋優(yōu)算法。從任意初始種群開始，通過選擇、交叉、變異等環(huán)節(jié)，產(chǎn)生一些對環(huán)境適應(yīng)度高的個體并進(jìn)入搜索空間中更好的區(qū)域，不斷繁衍進(jìn)化，最終得到最大適應(yīng)度的個體作為最優(yōu)解輸出。但由于進(jìn)化過程中交叉概率參數(shù)及變異概率參數(shù)為定值，忽略了進(jìn)化過程中種群的自適應(yīng)特性，存在過早收斂的缺陷。且算法沒有保留精英機(jī)制，適應(yīng)度高的個體可能在進(jìn)化中丟失優(yōu)秀的基因。為了解決以上問題，本文采用自適應(yīng)交叉概率Kc和自適應(yīng)變異概率Km以及精英保留機(jī)制進(jìn)行優(yōu)化求解[15]。

自適應(yīng)交叉概率Kc和自適應(yīng)變異概率Km公式如下：

(14)

式中：K1為基礎(chǔ)交叉概率；fmax為個體最大適應(yīng)度；fav為個體適應(yīng)度值的平均值；fl為每相鄰交叉?zhèn)€體中較大的適應(yīng)度。

(15)

式中：K2為基礎(chǔ)變異概率；fi為第i個要變異的個體的適應(yīng)度。

添加自適應(yīng)調(diào)節(jié)后，為保證種群的多樣性，一般需要參數(shù)Kc以及提高參數(shù)Km，通過此方法可讓種群的進(jìn)化保證收斂，提高了算法的求解速度。

精英保留機(jī)制把第I-1代進(jìn)化中適應(yīng)度值最小的個體作為第I代進(jìn)化的閾值，公式如下：

(16)

圖4 自適應(yīng)遺傳算法流程

3 算例仿真與分析

3.1 仿真場景設(shè)定

本文仿真過程選擇在IEEE33節(jié)點(diǎn)配電網(wǎng)中進(jìn)行，其拓?fù)淙鐖D5所示。假設(shè)節(jié)點(diǎn)1為平衡節(jié)點(diǎn)，即電源接入節(jié)點(diǎn)，余下32個節(jié)點(diǎn)全部為PQ節(jié)點(diǎn)。假設(shè)整個配電網(wǎng)系統(tǒng)中含基礎(chǔ)負(fù)荷以及1500輛電動汽車，車群被均勻分配到節(jié)點(diǎn)19、23和26中。以私家車比亞迪E1車型作為研究對象，規(guī)定每輛電動汽車的動力電池規(guī)格相同，參數(shù)為：220 V，16 A慢充模式，限制容量為35 kWh，3.52 kW恒功率充電，充電效率為0.82，轉(zhuǎn)換效率為0.90。

圖5 IEEE33節(jié)點(diǎn)拓?fù)?/p>

3.2 對用電負(fù)荷的分析

電動汽車以不同方式充電的負(fù)荷曲線及配電網(wǎng)總負(fù)荷曲線如圖6、圖7所示。

圖6 電動汽車有序/無序充電負(fù)荷曲線

圖7 配電網(wǎng)總負(fù)荷曲線

由圖6和圖7可知，通過動態(tài)價(jià)格的引導(dǎo)，電動汽車充電行為趨于有序化，車主對充電時(shí)間段的選擇逐漸向夜間轉(zhuǎn)移，負(fù)荷峰值水平大幅度下降，說明新型電價(jià)的提出可以使車主的用電行為不再大面積集中，系統(tǒng)總用電負(fù)荷曲線相對變得平緩，有削峰填谷的效果。

由表2可知，無序充電車主日繳納電費(fèi)為21 880.08元，基于多時(shí)段動態(tài)電價(jià)的有序充電日繳費(fèi)為17 248.80元，比無序充電費(fèi)用降低了21.17%。因此新電價(jià)機(jī)制的提出可有效降低車主充電成本。

表2 車主充電繳費(fèi)情況 單位：元

3.3 對配電網(wǎng)影響分析

將IEEE33節(jié)點(diǎn)配電網(wǎng)模型的節(jié)點(diǎn)負(fù)荷參數(shù)和優(yōu)化后的有序充電負(fù)荷數(shù)據(jù)導(dǎo)入MATLAB軟件語言編程，對比以下3種場景下的配電網(wǎng)電壓偏移及網(wǎng)損。

場景1：配電網(wǎng)內(nèi)未接入電動汽車負(fù)荷。

場景2：配電網(wǎng)內(nèi)接入無序充電負(fù)荷。

場景3：配電網(wǎng)內(nèi)接入有序充電負(fù)荷。

圖8表示部分時(shí)段下3種用電方式的網(wǎng)損率。可見18：00—24：00由于無序充電負(fù)荷的接入使得網(wǎng)內(nèi)網(wǎng)損明顯升高。原因是車主歸程后的無序充電行為與用戶基礎(chǔ)用電行為的一致性導(dǎo)致網(wǎng)內(nèi)用電功率激增。09：00—21：00時(shí)，對比接入無序充電負(fù)荷和有序充電負(fù)荷，后者可有效降低配電網(wǎng)網(wǎng)損，尤其在電價(jià)高峰時(shí)段21：00網(wǎng)損率下降了2.77%，效果最顯著。說明多時(shí)段分時(shí)電價(jià)的提出引導(dǎo)車主有序充電對調(diào)節(jié)配電網(wǎng)網(wǎng)損具有一定效果。

圖8 部分時(shí)段的網(wǎng)損率

由圖9可知，場景1配電網(wǎng)未接入充電負(fù)荷時(shí)的電壓偏移都抑制在±7%以內(nèi)，縱橫對比沒有發(fā)現(xiàn)嚴(yán)重的電壓偏移現(xiàn)象，但是節(jié)點(diǎn)18和19在20：00—21：00時(shí)間段上有局部節(jié)點(diǎn)處在越限邊界。由圖10可知，場景2中配電網(wǎng)內(nèi)接入無序充電負(fù)荷時(shí)，節(jié)點(diǎn)13-19和28-33在晚間出現(xiàn)電壓越限情況，原因是無序充電負(fù)荷的高峰期恰巧與網(wǎng)內(nèi)基礎(chǔ)負(fù)荷用電的高峰期時(shí)段相疊。

圖9 未接入充電負(fù)荷時(shí)各節(jié)點(diǎn)電壓仿真圖

圖10 接入無序充電負(fù)荷時(shí)各節(jié)點(diǎn)電壓仿真圖

圖11表示場景3下配電網(wǎng)內(nèi)接入有序充電負(fù)荷時(shí)各個節(jié)點(diǎn)電壓的偏移情況。與圖9和圖10對比可知，有序充電負(fù)荷的接入使局部節(jié)點(diǎn)越限現(xiàn)象得到緩解，偏移的電壓回歸到正常標(biāo)準(zhǔn)范圍內(nèi)。說明所提出的新型動態(tài)分時(shí)電價(jià)可以通過對電動汽車進(jìn)行充電有序化管理來改善配電網(wǎng)電壓偏移現(xiàn)象。

圖11 接入有序充電負(fù)荷時(shí)各節(jié)點(diǎn)電壓仿真圖

由于大量負(fù)荷突然接入使各節(jié)點(diǎn)電壓發(fā)生偏移現(xiàn)象，因此對最大負(fù)載量時(shí)刻(21：00)各節(jié)點(diǎn)電壓偏移情況進(jìn)行對比更有意義，結(jié)果如圖12所示。

圖12 21：00不同場景下各節(jié)點(diǎn)電壓水平曲線

由圖12可知，未接入無序負(fù)荷時(shí)網(wǎng)內(nèi)各節(jié)點(diǎn)的電壓偏移都抑制在±7%范圍以內(nèi)，電壓無越限行為。當(dāng)無序充電負(fù)荷并網(wǎng)后，一部分節(jié)點(diǎn)電壓發(fā)生顯著偏移，且偏移量均超過規(guī)定標(biāo)準(zhǔn)范圍。而經(jīng)過多時(shí)段動態(tài)電價(jià)策略調(diào)控的有序充電行為接入配電網(wǎng)后，網(wǎng)內(nèi)各節(jié)點(diǎn)電壓值還原到標(biāo)準(zhǔn)范圍以內(nèi)，其中變化最顯著的18號節(jié)點(diǎn)電壓標(biāo)幺值由0.9467調(diào)整到0.9828，電壓偏移率修正了3.61%。

4 結(jié)語

本文基于分時(shí)電價(jià)與短期負(fù)荷預(yù)測提出了一種新型多時(shí)段動態(tài)充電價(jià)格機(jī)制，引導(dǎo)車主規(guī)劃用車安排，使充電行為由無序變?yōu)橛行?。建立以配電網(wǎng)內(nèi)負(fù)荷波動最小為目標(biāo)函數(shù)，利用MATLAB軟件進(jìn)行算法編程，結(jié)果表明所提出的多時(shí)段動態(tài)電價(jià)策略可減小網(wǎng)內(nèi)的負(fù)荷波動，有明顯的削峰填谷作用，為車主減少21.17%的充電成本。此外還有效降低了21：00用電高峰期2.77%的網(wǎng)損率并修正18號節(jié)點(diǎn)3.61%的電壓偏移率，實(shí)現(xiàn)了保證車主充電利益與提高配電網(wǎng)運(yùn)行安全的并存。