考慮電動(dòng)汽車和5G基站的電力-信息-交通耦合網(wǎng)絡(luò)需求響應(yīng)策略

張 巍，祝童童，蘇 瑾

（上海理工大學(xué)機(jī)械工程學(xué)院，上海市 200093）

0 引言

近年來(lái)，化石能源消耗帶來(lái)的環(huán)境問(wèn)題嚴(yán)重，各國(guó)為應(yīng)對(duì)傳統(tǒng)能源枯竭和全球環(huán)境惡化，紛紛推進(jìn)能源轉(zhuǎn)型變革，高比例新能源接入將成為電力系統(tǒng)的基本特征和發(fā)展形態(tài)［1］。然而，可再生能源滲透率的增加對(duì)電力系統(tǒng)靈活運(yùn)行提出了新挑戰(zhàn)［2］。因此，配電網(wǎng)需要充分利用需求側(cè)的靈活性資源，以保證實(shí)時(shí)電力供應(yīng)與需求之間的平衡。

電動(dòng)汽車（EV）作為負(fù)荷側(cè)靈活性資源，其行駛行為和充電習(xí)慣將對(duì)路網(wǎng)的交通流量和電網(wǎng)的運(yùn)行狀態(tài)帶來(lái)一定的影響［3］。同時(shí)，隨著5G 通信技術(shù)的快速發(fā)展，越來(lái)越多的5G 基站被部署［4］，為電力系統(tǒng)提供了更加靈活的調(diào)節(jié)能力。因此，如何充分挖掘這部分靈活性資源參與需求響應(yīng)，為電網(wǎng)提供輔助服務(wù)支撐就顯得尤為重要。目前，已有文獻(xiàn)就其參與電網(wǎng)的需求側(cè)響應(yīng)進(jìn)行了研究。文獻(xiàn)［5-7］考慮了實(shí)時(shí)充電價(jià)格、充電站規(guī)模等，提出基于負(fù)荷的EV 充電優(yōu)化策略；文獻(xiàn)［8］考慮EV 接入電網(wǎng)后的時(shí)延問(wèn)題，分析了用戶響應(yīng)量和響應(yīng)等待時(shí)間對(duì)用戶收益產(chǎn)生的影響。另外，有文獻(xiàn)基于優(yōu)化調(diào)度理論對(duì)電力交通網(wǎng)絡(luò)配流模型展開研究，如在文獻(xiàn)［9-10］提出用動(dòng)態(tài)交通模型來(lái)描述用戶均衡選擇的交通流時(shí)空演化。這些研究為支持EV 的協(xié)調(diào)運(yùn)作奠定了良好的基礎(chǔ)，但未將通信網(wǎng)對(duì)EV 行為的影響納入考慮范疇。

在5G 基站參與需求響應(yīng)方面，文獻(xiàn)［11］提出5G 基站參與需求響應(yīng)所必需的關(guān)鍵技術(shù)；文獻(xiàn)［12-13］綜合考慮5G 基站的能耗管理及內(nèi)部?jī)?chǔ)能電池的靈活調(diào)度能力，提出含5G 基站的配電網(wǎng)多目標(biāo)運(yùn)行優(yōu)化模型；文獻(xiàn)［14-15］通過(guò)對(duì)5G 基站的功率調(diào)整、關(guān)閉空閑基站等降低通信網(wǎng)絡(luò)運(yùn)營(yíng)成本。另外，在EV 與5G 基站協(xié)同參與電網(wǎng)響應(yīng)方面，文獻(xiàn)［16］分別建立了5G 基站備用電池和EV 可調(diào)度容量的實(shí)時(shí)評(píng)估模型，通過(guò)調(diào)節(jié)其充放電功率來(lái)實(shí)現(xiàn)與電網(wǎng)的互動(dòng)。

同時(shí)，電力-信息-交通網(wǎng)絡(luò)交互在汽車駕駛領(lǐng)域方興未艾?！靶畔?交通”交互可實(shí)現(xiàn)EV 充電導(dǎo)航和路徑規(guī)劃［17］；“電力+信息”交互可實(shí)現(xiàn)電網(wǎng)運(yùn)行狀態(tài)監(jiān)測(cè)，結(jié)合價(jià)格型與激勵(lì)型需求響應(yīng)以引導(dǎo)EV 有序充電［18-19］；“電力+交通”交互可實(shí)現(xiàn)EV 充電站的規(guī)劃問(wèn)題［20］；“電力+信息+交通”可以同時(shí)考慮配電網(wǎng)負(fù)荷的時(shí)空分布、交通路況以及用戶需求，從而實(shí)現(xiàn)更多用戶在車載終端、手機(jī)等移動(dòng)設(shè)備上獲取綜合充電服務(wù)［21］。在電力-信息-交通耦合網(wǎng)絡(luò)中，5G 基站和EV 兩種靈活性資源呈現(xiàn)相互影響的態(tài)勢(shì)。

考慮到多方利益分配問(wèn)題，文獻(xiàn)［22-23］提出Nash-Stackelberg-Nash 博弈框架來(lái)模擬電力和交通系統(tǒng)運(yùn)營(yíng)商的非合作互動(dòng)，從不同角度出發(fā)，對(duì)交通網(wǎng)和配電網(wǎng)相互依賴關(guān)系進(jìn)行了建模。區(qū)別于傳統(tǒng)多方博弈，本文提出一種考慮EV 和5G 基站的電力-信息-交通耦合網(wǎng)絡(luò)需求響應(yīng)策略，針對(duì)EV 行駛和?？窟^(guò)程制定一個(gè)兩階段優(yōu)化策略，充分挖掘EV 到站前和到站后蘊(yùn)含的靈活性。首先，以EV 充放電和基站通信的角度對(duì)電力-信息-交通網(wǎng)絡(luò)耦合關(guān)系進(jìn)行分析。其次，針對(duì)EV 集群和5G 基站集群的靈活性分別建模。然后，提出一種兩階段需求響應(yīng)優(yōu)化調(diào)度策略。最后，采用某城市交通模型作為測(cè)試算例，對(duì)本文所提模型和方法的正確性和有效性進(jìn)行驗(yàn)證。

1 電力-信息-交通網(wǎng)絡(luò)建模與耦合分析

電力網(wǎng)、交通網(wǎng)和信息網(wǎng)的耦合關(guān)系如圖1 所示。在這種耦合中，電力、信息和交通系統(tǒng)通過(guò)充電站、5G 基站和EV 之間的耦合實(shí)現(xiàn)協(xié)同作用。

圖1 電力-信息-交通網(wǎng)絡(luò)耦合系統(tǒng)關(guān)系Fig.1 Relationship of power-cyber-transportation network coupling system

充電站作為電力網(wǎng)與交通網(wǎng)之間的耦合點(diǎn)，提供對(duì)EV 的充電服務(wù)。EV 的使用需要充電站來(lái)提供電力供應(yīng)，而充電站的運(yùn)行也依賴于可靠的電力供應(yīng)。因此，電力系統(tǒng)的穩(wěn)定性和可用性對(duì)于充電站和交通系統(tǒng)的正常運(yùn)行至關(guān)重要。同時(shí)，EV 與電網(wǎng)互動(dòng)（以下簡(jiǎn)稱“車網(wǎng)互動(dòng)”）（V2G）技術(shù)使EV具有源、荷雙重屬性，在充電電價(jià)的影響下調(diào)整其充放電行為，可減少對(duì)電網(wǎng)影響并提供功率支撐。

5G 基站作為電力網(wǎng)與信息網(wǎng)之間的耦合點(diǎn)，提供了高速、可靠的通信服務(wù)，它與電力系統(tǒng)的耦合主要通過(guò)供電和通信的互聯(lián)。5G 基站的供電需要可靠的電力系統(tǒng)支持，而電力系統(tǒng)可通過(guò)互聯(lián)網(wǎng)能源管理系統(tǒng)實(shí)現(xiàn)對(duì)基站能耗的監(jiān)測(cè)和控制，以優(yōu)化能源利用效率。同時(shí)，5G 基站提供的高速通信服務(wù)為交通系統(tǒng)和EV 的信息傳輸提供了重要基礎(chǔ)，以V2G 技術(shù)為支撐的智能交通系統(tǒng)（intelligent traffic system，ITS）使得EV 與充電站、電力公司之間可以進(jìn)行實(shí)時(shí)信息的共享。

EV 作為交通網(wǎng)與信息網(wǎng)之間的耦合點(diǎn)，具有雙重角色。一方面，EV 作為移動(dòng)能源儲(chǔ)存單元，可以參與電力系統(tǒng)的能源調(diào)度和能源儲(chǔ)備。同時(shí)，EV的普及和使用對(duì)交通系統(tǒng)產(chǎn)生了影響，例如，減少傳統(tǒng)燃油車輛排放、緩解交通擁堵等。另一方面，EV可作為通信負(fù)荷，通過(guò)調(diào)整其行駛路徑，實(shí)現(xiàn)基站的通信負(fù)荷轉(zhuǎn)移，降低通信側(cè)運(yùn)行成本。

1.1 交通網(wǎng)建模

1.1.1 交通路網(wǎng)拓?fù)?/p>

本文采用文獻(xiàn)［24］給出的動(dòng)態(tài)路網(wǎng)模型進(jìn)行分析，動(dòng)態(tài)路網(wǎng)模型可表示為:

式中:R為交通路網(wǎng)；N為交通網(wǎng)中所有節(jié)點(diǎn)的集合，共I個(gè)節(jié)點(diǎn)；P為R中所有有向弧段的集合；T為時(shí)間序列集合；U為t時(shí)段各道路車流量uij，t的集合；D為道路長(zhǎng)度的集合；dij為道路節(jié)點(diǎn)i、j之間的距離。

對(duì)具有I個(gè)節(jié)點(diǎn)的交通路網(wǎng)量化賦值，道路矩陣L中元素Lij的取值如式（2）所示。

式中:∞表示道路節(jié)點(diǎn)i、j之間不存在道路連接。

1.1.2 交通配流模型

電氣化交通中通常包含兩種車輛:一種是有充電需求的EV，另一種是無(wú)充電需求的EV 與燃油車。因?yàn)槿加蛙嚭蜔o(wú)充電需求的EV 具有相同的路徑選擇準(zhǔn)則，為了方便建模，這里將其統(tǒng)一視為無(wú)充電需求的EV。這一類車輛不受決策中心的調(diào)度控制，而是自行選擇適合的行駛路徑，其交通配流模型［20］可描述如下。

1）道路行駛時(shí)間和成本

在城市交通中，道路流量會(huì)影響車輛行駛時(shí)間，而道路行駛時(shí)間通常采用美國(guó)公路局（BPR）的統(tǒng)計(jì)函數(shù)，BPR 函數(shù)為:

式中:Tr(?r)和T0分別為路段r上實(shí)際行駛時(shí)間和零交通流下的自由通行時(shí)間；?r和Qr分別為路段r的交通流量和道路通行容量；R′為道路網(wǎng)中路段集合。

交通網(wǎng)中存在很多起訖點(diǎn)（origin-destination，OD）對(duì)，OD 對(duì)間車流量表示具有相同起始節(jié)點(diǎn)和目的地節(jié)點(diǎn)的路徑上的總車流量。根據(jù)車輛行駛時(shí)間可以得到每個(gè)出行OD 對(duì)間車輛路徑行駛成本為:

式中:Kw，?為出行OD 對(duì)w間汽車行駛路徑? 的行駛成本；?為時(shí)間成本系數(shù)；xw，?，r為出行OD 對(duì)w間汽車行駛路徑? 與路段r的關(guān)聯(lián)關(guān)系，當(dāng)路徑? 經(jīng)過(guò)路段r時(shí)為1，否則為0；W 為出行OD 對(duì)集合；L 為出行OD 對(duì)w間汽車行駛路徑集合。

2）交通流量守恒約束

為保證交通流量守恒，每個(gè)出行OD 對(duì)間的總交通流應(yīng)等于該OD 對(duì)間所有路徑上的交通流之和。

式中:Fw，?為出行OD 對(duì)w間汽車在路徑? 上的交通流；Qw為出行OD 對(duì)w間汽車的交通需求；Br為汽車在路段r上的交通流。

3）用戶均衡條件

式中:“⊥”表示互補(bǔ)關(guān)系；βw為出行OD 對(duì)w間汽車的最小出行成本。

在這種平衡狀態(tài)下，任何兩個(gè)OD 對(duì)之間的可選路徑的通行時(shí)間都是相等的，即所有車輛在出行時(shí)都會(huì)選擇通行成本最小的路徑?？梢娡ㄟ^(guò)用戶均衡建模，可以更準(zhǔn)確地模擬交通網(wǎng)絡(luò)中車輛的分布情況。

1.2 信息網(wǎng)建模

本文主要考慮V2G 模式下的5G 基站通信場(chǎng)景，為了應(yīng)對(duì)移動(dòng)數(shù)據(jù)和云數(shù)據(jù)流量的增加帶來(lái)時(shí)延增加的問(wèn)題，考慮每條道路部署一個(gè)5G 基站集群，基站之間通過(guò)高速鏈路連接，車輛通過(guò)Uu 接口（蜂窩網(wǎng)通信）與基站完成業(yè)務(wù)通信［25］，根據(jù)香農(nóng)公式，可以計(jì)算出上傳鏈路的傳輸速率vn，t為:

式中:wt為t時(shí)段的帶寬需求；gn，a為EVn與基站a之間的信道增益；為t時(shí)段基站a對(duì)車輛的發(fā)射功率；σ2為無(wú)線信道的傳輸噪聲；ξ為基站間平均干擾功率。

5G 基站的用電功耗對(duì)通信負(fù)載量的變化較為敏感，其中，動(dòng)態(tài)功耗受接入車輛用戶數(shù)量的影響較大，與接入車輛數(shù)量成正比［22］。根據(jù)各道路交通流量得到各5G 基站集群當(dāng)前時(shí)段動(dòng)態(tài)功耗為:

式中:gmax為基站集群的最大交通流量；為t時(shí)段基站集群e對(duì)單個(gè)EV 的發(fā)射功率。

1.3 電力網(wǎng)建模

本文采用IEEE 33 節(jié)點(diǎn)配電網(wǎng)模型，其數(shù)學(xué)模型的一般形式如下:

式中:Ny，k為節(jié)點(diǎn)y類型、功率、電壓參數(shù)；By，b為節(jié)點(diǎn)y的支路連接情況、電阻和傳輸功率等參數(shù)集合；Sy，s為節(jié)點(diǎn)y位置和容量等參數(shù)集合。

進(jìn)一步，充電站作為電力網(wǎng)與交通網(wǎng)的交互媒介（假設(shè)其與交通網(wǎng)節(jié)點(diǎn)i和電網(wǎng)節(jié)點(diǎn)y連接），5G基站作為電力網(wǎng)與通信網(wǎng)的交互媒介（假設(shè)其與電力網(wǎng)節(jié)點(diǎn)y和通信網(wǎng)節(jié)點(diǎn)q連接），則在t時(shí)段電力網(wǎng)節(jié)點(diǎn)y的總負(fù)荷Py，t可表示為:

綜上所述，電力網(wǎng)是交通網(wǎng)、信息網(wǎng)的動(dòng)力來(lái)源；交通網(wǎng)是電力網(wǎng)的重要負(fù)荷，是信息網(wǎng)的重要用戶；信息網(wǎng)是電力網(wǎng)和交通網(wǎng)高效穩(wěn)定運(yùn)行的通信基礎(chǔ)。

2 EV 集群和基站集群靈活性分析

2.1 EV 集群充放電模型

在對(duì)EV 調(diào)度之前，需建立EV 的可調(diào)度容量評(píng)估模型，即需量化EV 在滿足用戶需求的前提下每個(gè)調(diào)度時(shí)段可以參與電網(wǎng)調(diào)度的容量。以鋰電池為對(duì)象，忽略電池自放電過(guò)程并近似認(rèn)為在每個(gè)優(yōu)化時(shí)段內(nèi)保持充放電功率恒定，可得到單輛EV 的充放電模型如式（12）和式（13）所示。

EV 的個(gè)體儲(chǔ)能容量有限，并且當(dāng)大規(guī)模EV 并網(wǎng)時(shí)，會(huì)引入大量的變量，增加計(jì)算壓力。此外，EV個(gè)體的負(fù)荷預(yù)測(cè)存在較大的隨機(jī)性，無(wú)法滿足配電網(wǎng)的靈活調(diào)度需求。因此，構(gòu)建EV 集群模型對(duì)于實(shí)現(xiàn)EV 的靈活調(diào)度具有重要意義。

本文采用文獻(xiàn)［26］所提模型，將所有EV 個(gè)體的多維決策變量映射成單維決策變量，得到EV 集群荷儲(chǔ)可調(diào)度能力，其模型如式（14）所示。

EV 集群荷儲(chǔ)可調(diào)度能力模型具有較強(qiáng)的充放電靈活性，隨著集群內(nèi)EV 數(shù)量的增加，可調(diào)度能力模型呈現(xiàn)更高的準(zhǔn)確性和規(guī)律性。因此，可以利用該模型結(jié)合歷史數(shù)據(jù)來(lái)預(yù)測(cè)EV 集群的可調(diào)度能力。

2.2 5G 基站運(yùn)行特性建模

5G 基站設(shè)備的功耗可分為靜態(tài)功耗和動(dòng)態(tài)功耗兩部分［27］。靜態(tài)功耗與接入用戶數(shù)量無(wú)關(guān)，主要由電源系統(tǒng)、基帶單元（base band unit，BBU）信號(hào)處理和冷卻系統(tǒng)的固定功耗組成。根據(jù)實(shí)驗(yàn)發(fā)現(xiàn)，基站設(shè)備的功耗可以近似用線性模型表示為:

結(jié)合式（9）可以得到基站集群的功耗為:

式（16）表明基站的功耗會(huì)隨著車流量的變化而變化，在價(jià)格型需求響應(yīng)的激勵(lì)下，5G 基站在規(guī)定時(shí)間段內(nèi)通過(guò)調(diào)整電力需求向系統(tǒng)提供向上和向下靈活性。與2.1 節(jié)中EV 靈活性類似，依據(jù)連接不同的配電網(wǎng)節(jié)點(diǎn)將基站劃分的不同集群進(jìn)行統(tǒng)一調(diào)度，表達(dá)式如下:

3 兩階段需求響應(yīng)優(yōu)化調(diào)度模型

針對(duì)電力-信息-交通網(wǎng)絡(luò)耦合下需求響應(yīng)調(diào)度問(wèn)題，提出一種基于靈活性資源兩階段優(yōu)化調(diào)度策略。兩階段優(yōu)化調(diào)度模型結(jié)構(gòu)見附錄A 圖A1。

3.1 基于EV 路徑規(guī)劃的5G 基站集群運(yùn)行優(yōu)化

需求響應(yīng)主要通過(guò)電價(jià)或激勵(lì)信號(hào)改變用戶電力消費(fèi)模式，可實(shí)現(xiàn)用電優(yōu)化，緩解配電網(wǎng)運(yùn)行壓力。V2G 技術(shù)的發(fā)展使得EV 成為5G 基站的重要負(fù)荷，第1 階段模型根據(jù)各基站集群當(dāng)前電價(jià)，對(duì)參與響應(yīng)的EV 進(jìn)行充放電路徑規(guī)劃，在得到調(diào)控后的車流量后，對(duì)各基站集群進(jìn)行功率調(diào)整完成需求響應(yīng)優(yōu)化。

3.1.1 EV 路徑規(guī)劃與充電導(dǎo)航

1）目標(biāo)函數(shù)

EV 用戶從初始節(jié)點(diǎn)出發(fā)，通過(guò)待選路徑到達(dá)目標(biāo)充電站節(jié)點(diǎn)，EV 行駛途中與不同電網(wǎng)節(jié)點(diǎn)的5G 基站連接，產(chǎn)生不同的通信成本，決策中心提供以EV 出行總成本最小為目標(biāo)的路徑選擇和充電導(dǎo)航策略，即

其中，基站的用電電價(jià)為考慮負(fù)荷波動(dòng)的動(dòng)態(tài)分時(shí)電價(jià)，可通過(guò)為不同電網(wǎng)節(jié)點(diǎn)提供動(dòng)態(tài)電價(jià)來(lái)實(shí)現(xiàn)基站的需求響應(yīng)，Ce，t定義如下:

2）約束條件

（1）路徑選擇約束。在EV 行駛路徑選擇中，初始節(jié)點(diǎn)Or必須存在出發(fā)的車輛，目標(biāo)節(jié)點(diǎn)De必須存在到達(dá)的車輛，中間節(jié)點(diǎn)到達(dá)和離開的EV 數(shù)量相同。因此，路徑選擇約束的數(shù)學(xué)表達(dá)式為:

式中:Ψa為被訪問(wèn)的道路節(jié)點(diǎn)集合；Φa為被訪問(wèn)的充電站節(jié)點(diǎn)集合。

（2）到達(dá)時(shí)間約束。為保證所推薦路徑及目標(biāo)充電站滿足EV 用戶到站時(shí)間要求，到達(dá)時(shí)間約束可表示為:

式中:tn為EVn出發(fā)時(shí)間為EVn期望到站時(shí)間；vij為EVn在道路ij上的行駛速度。

（3）電池容量約束。參與響應(yīng)的EV 按照規(guī)劃后的路徑前往所推薦的充電站，電池電量需要滿足:

充電導(dǎo)航模型為EV 用戶提供了何時(shí)、何地以及到達(dá)充電站后的SOC，從而可以得到當(dāng)前調(diào)度時(shí)段EV 集群的可調(diào)度能力。

3.1.2 5G 基站集群運(yùn)行優(yōu)化

1）目標(biāo)函數(shù)

該階段需求響應(yīng)優(yōu)化模型以信息網(wǎng)購(gòu)電成本最小化為目標(biāo)，其優(yōu)化變量為基站集群各時(shí)段功率:

式中:T0為調(diào)度總時(shí)段數(shù)；E0為基站集群總數(shù)。

2）約束條件

（1）能量約束見2.2 節(jié)式（15）。

（2）通信流量約束。假設(shè)在調(diào)度時(shí)段t基站的帶寬資源在連接的EV 之間平均分配。分配給單個(gè)EV 的帶寬用B表示。每個(gè)EV 只能從其所連接的基站接收帶寬資源，基站分配給所有連接EV 的總帶寬不能超過(guò)該基站的總帶寬，如式（25）和式（26）所示:

式中:gt為t時(shí)段連接的EV 數(shù)；為基站可提供的最大帶寬。

結(jié)合式（8），基站對(duì)EV 傳輸?shù)牧髁靠杀硎緸?

3.2 基于EV 集群充放電的配電網(wǎng)運(yùn)行優(yōu)化

第2 階段模型在EV 到站后，用戶將當(dāng)前SOC、期望離網(wǎng)時(shí)間和期望離網(wǎng)電量上傳，決策中心將各基站集群功耗與該時(shí)段基礎(chǔ)負(fù)荷疊加，以最小化負(fù)荷均方差為目標(biāo)，制定EV 集群充放電策略。

1）目標(biāo)函數(shù)

各基站集群將區(qū)域可響應(yīng)量上傳至配電網(wǎng)進(jìn)行優(yōu)化，在每個(gè)時(shí)段調(diào)度開始前，電網(wǎng)更新當(dāng)日基礎(chǔ)負(fù)荷預(yù)測(cè)數(shù)據(jù)和EV 無(wú)序充電數(shù)據(jù)。每個(gè)調(diào)度時(shí)段開始時(shí)刻更新EV 數(shù)據(jù)，包括EV 期望電量與期望離網(wǎng)時(shí)間，對(duì)每個(gè)時(shí)間段可調(diào)度EV 進(jìn)行優(yōu)化，進(jìn)而實(shí)現(xiàn)削峰填谷。其優(yōu)化變量為EV 集群充放電功率，電網(wǎng)側(cè)目標(biāo)函數(shù)為最小化負(fù)荷方差:

式中:Pload，t為t時(shí)段基礎(chǔ)負(fù)荷；為t時(shí)段基站集群e的負(fù)荷數(shù)據(jù)；pm，t為EV 集群m在t時(shí)段的充放電功率；Pav為平均負(fù)荷；NV2G為參與響應(yīng)的EV 集群總數(shù)。

2）約束條件

約束條件見2.1 節(jié)式（12）和式（13）。

3.3 EV 用戶參與調(diào)度效益

為了保證EV 用戶能夠響應(yīng)決策中心的調(diào)度需求，必須考慮用戶參與響應(yīng)的補(bǔ)貼機(jī)制。電價(jià)是引導(dǎo)EV 有序充電的重要手段，同時(shí)決策中心應(yīng)該對(duì)參與路徑規(guī)劃的EV 發(fā)放額外的補(bǔ)貼激勵(lì)。

綜合EV 用戶充電成本，EVn參與有序調(diào)度的總收益Ee，n為:

式中:Ea，n為EVn參與調(diào)度的補(bǔ)貼費(fèi)用；Es，n為EVn放電的收益；Ec，n為EVn的充電成本；Er，n為EVn的行駛成本。

4 算例分析

4.1 仿真數(shù)據(jù)

本文采用附錄A 圖A2 所示某城市簡(jiǎn)化后路網(wǎng)結(jié)合IEEE 33 節(jié)點(diǎn)配電系統(tǒng)對(duì)上述模型進(jìn)行算例分析。該交通網(wǎng)絡(luò)［30］面積約為35 km2，包含37 個(gè)交通節(jié)點(diǎn)、66 條主干道，道路平均長(zhǎng)度為3.61 km，具體數(shù)據(jù)見附錄B 表B1。根據(jù)EV 出行規(guī)律和城市建設(shè)，設(shè)置5 個(gè)充電站，充電站對(duì)應(yīng)配電網(wǎng)節(jié)點(diǎn)見附錄A 圖A3。仿真調(diào)度時(shí)長(zhǎng)為12 h。在09:00—21:00時(shí)段，每15 min 調(diào)度指令下發(fā)一次，共48 個(gè)調(diào)度時(shí)段，調(diào)度時(shí)刻為調(diào)度時(shí)段的起始時(shí)刻。假設(shè)區(qū)域內(nèi)車輛總數(shù)為10 000 輛，根據(jù)電池狀態(tài)分布，確定2 850 輛EV 參與需求響應(yīng)計(jì)劃，占車輛總數(shù)的28.5%。采用蒙特卡洛法模擬得到車輛起始點(diǎn)和終點(diǎn)，當(dāng)EV 用戶參與電網(wǎng)調(diào)度并離開電網(wǎng)時(shí)，期望SOC 最小為0.7；電池容量為64 kW·h，最大充放電功率均為10 kW，充放電效率為0.9。EV 發(fā)動(dòng)機(jī)每100 km 消耗15 kW·h，EV 出發(fā)時(shí)的初始SOC均勻分布在0.3～0.8 之間，參與放電的補(bǔ)貼為0.5 元/（kW·h）。單個(gè)5G 基站靜態(tài)功耗為2.3 kW，能效系數(shù)為2.857 1［31］，其最大動(dòng)態(tài)功耗為1 kW。5G 基站設(shè)備的工作帶寬為100 MHz；噪聲功率為1 nW。此外，對(duì)算例說(shuō)明如下:

1）考慮到城市路網(wǎng)連接的復(fù)雜性，為簡(jiǎn)化計(jì)算難度和減少仿真時(shí)間，算例僅考慮了路網(wǎng)主要干道的拓?fù)浣Y(jié)構(gòu)。

2）交通節(jié)點(diǎn)、基站集群和配電網(wǎng)節(jié)點(diǎn)在地理上耦合，對(duì)應(yīng)關(guān)系見附錄B 表B2。

3）采用MATLAB 和YALMIP 建模工具包及GUROBI 求解器進(jìn)行求解。

4.2 仿真結(jié)果分析

不參與調(diào)度的車輛由交通配流模型仿真得到，交通流量結(jié)果見附錄B 圖B1。各時(shí)段出行的EV 數(shù)量如附錄B 圖B2 所示，其中，充放電需求分布高峰期出現(xiàn)在17:00—19:00 時(shí)段。

4.2.1 EV 充電導(dǎo)航路徑分析

為描述基于需求響應(yīng)的EV 充電導(dǎo)航和路徑規(guī)劃，選取編號(hào)為27、252、585 的EV 進(jìn)行路徑分析，起始點(diǎn)分布為14、9、17，出行時(shí)刻分別為10:45、14:00、19:45。仿真結(jié)果如附錄B 表B3 所示，充電站選擇和路徑選擇如圖2 所示。圖中:綠色線條為不考慮參與需求響應(yīng)時(shí)利用Dijkstra 算法模擬EV用戶選擇最短路徑前往距離最近充電站的路徑行駛；紅色線條為本文調(diào)度方式下為EV 用戶規(guī)劃的行駛路徑。

圖2 EV 在不同模式下的充電站與路徑選擇Fig.2 Charging station and route selection of EV in different modes

從附錄B 表B3 和圖2 可以看出，在考慮最近的充電站時(shí)，EV27 會(huì)選擇行駛距離為8.6 km 的路徑，而本文推薦的行駛路徑的行駛距離為11.2 km。同樣地，EV252 在考慮最近距離時(shí)，選擇行駛距離為10.3 km 的充電站35，但在考慮了充電站規(guī)模設(shè)施、綜合距離下的路徑以及通信產(chǎn)生的成本等因素后，選擇24 號(hào)充電站，行駛距離為12.3 km?？紤]最短行駛距離時(shí)，EV585 會(huì)選擇行駛距離為1 km 的充電站19，而在本文推薦的方案下，選擇充電站16，行駛距離為2.3 km。

附錄B 圖B3 所示為出行駛路徑發(fā)生改變的945 輛EV 在前往最近充電站的最短路徑和本文推薦的最優(yōu)路徑下的行駛時(shí)間分布。附錄B 表B4 所示為2 850 輛EV 在最短路徑和推薦路徑下的總行駛距離和總行駛時(shí)間。值得注意的是，本文推薦的路徑相對(duì)于最短路徑可能會(huì)增加EV 的行駛距離，但考慮到在5G 基站實(shí)時(shí)電價(jià)的影響下，通過(guò)EV 行駛路徑的轉(zhuǎn)移可以降低通信總成本。

4.2.2 基站集群運(yùn)行優(yōu)化

充電導(dǎo)航包含目標(biāo)充電站選擇和路徑選擇兩部分，結(jié)合本文所提的調(diào)控策略對(duì)EV 的目標(biāo)充電站以及行駛路徑進(jìn)行引導(dǎo)，為了驗(yàn)證本文所提策略的有效性，將本文充電導(dǎo)航與兩種不同行駛模式進(jìn)行對(duì)比。

模式1:EV 用戶通過(guò)最短路徑無(wú)序（隨機(jī)選擇目標(biāo)充電站）前往充電站。

模式2:EV 用戶通過(guò)最短路徑前往距離最近的充電站。

模式3:EV 用戶在本文路徑導(dǎo)航下前往充電站。

3 種模式下道路車流量結(jié)果見附錄B 圖B4。圖3 所示為3 種場(chǎng)景下各基站每個(gè)時(shí)段功率變化情況。結(jié)合附錄B 圖B4 和圖3 可以看出，隨著道路車流量的升高，基站的功耗也隨之增加。

圖3 基站集群功率變化情況Fig.3 Power changes of base station cluster

基站總成本、總耗電量、動(dòng)態(tài)功耗對(duì)應(yīng)成本及耗電量如附錄B 表B5 所示。EV 無(wú)序充電模式下基站購(gòu)電成本為5 097.27 元，調(diào)控優(yōu)化后購(gòu)電成本減少至4 685.21 元，基站動(dòng)態(tài)功耗從3 213.54 kW·h 減少到1 851.32 kW·h。圖3 直觀地呈現(xiàn)了不同模式下各基站負(fù)荷變化情況，與模式1 下基站負(fù)荷（圖3（a））相比，基站31、55、56、60～65 等的通信負(fù)荷在調(diào)控時(shí)段有所降低，對(duì)應(yīng)的區(qū)域顏色由深變淺。圖3（c）與圖3（b）相比，總體功耗變化不大，其中部分基站功率發(fā)生變化，例如，基站33 在時(shí)段17～19 功率有所下降，基站43 在時(shí)段17～19 功率有所上升。

為了更好地分析基站負(fù)荷的變化情況，附錄B圖B5 所示為基站1、9、15、25、35、44、55、65 在調(diào)度時(shí)段內(nèi)的通信負(fù)荷變化情況，圖B6 所示為所選基站對(duì)應(yīng)位置與通信范圍。結(jié)果表明，在本文所提調(diào)度模式下，各基站由于節(jié)點(diǎn)分時(shí)電價(jià)的影響，從而使各道路車流量發(fā)生變化，基站功耗在某些時(shí)段也隨之發(fā)生改變。其中，基站1 由于在城市區(qū)域邊界同時(shí)道路距離長(zhǎng)，在調(diào)度前無(wú)車輛走過(guò)，但在調(diào)度后，道路節(jié)點(diǎn)1、12 的車輛會(huì)產(chǎn)生分流，使基站1 功耗增加；基站25、35、44、55 在調(diào)度前均有超過(guò)一半的時(shí)間處于功率滿發(fā)狀態(tài)，而調(diào)度可為處于這些節(jié)點(diǎn)的EV 提供其他路徑，從而降低基站功耗和通信成本。

與無(wú)序充電策略相比，采用本文提出的調(diào)度策略可以大幅度降低基站功耗；與模式2 相比，本文方法可以調(diào)整道路交通流量，降低基站購(gòu)電成本，通過(guò)對(duì)EV 到站前的路徑調(diào)整，可以實(shí)現(xiàn)基站運(yùn)營(yíng)商和電網(wǎng)的雙贏，驗(yàn)證了所提機(jī)制的有效性和優(yōu)越性。

4.2.3 配電網(wǎng)負(fù)荷優(yōu)化

調(diào)度前后電網(wǎng)負(fù)荷變化情況如圖4 所示。本節(jié)采用最大峰谷差百分比Dpv來(lái)衡量負(fù)荷曲線的峰谷差水平，如表1 所示，具體計(jì)算公式如下:

表1 最大峰谷差百分比Table 1 Maximum peak-to-valley difference percentage

圖4 調(diào)度模型優(yōu)化效果Fig.4 Optimization effect of scheduling model

式中:ymax表示負(fù)荷曲線最大值；ymin表示負(fù)荷曲線最小值。

結(jié)合圖4 和表1 可以看出，疊加基站負(fù)荷后負(fù)荷峰谷差從50.7%降低到49.4%，聚合商對(duì)EV 用戶進(jìn)行充放電調(diào)度后，負(fù)荷峰值從30 574 kW 減少到27 833 kW，峰谷差也從50.7%降低到38.4%。本文調(diào)度方法很好地改善了系統(tǒng)的運(yùn)行狀況，使負(fù)荷峰谷差減小了12.3%，實(shí)現(xiàn)了削峰填谷的效果。

4.2.4 配電網(wǎng)潮流分析

EV 和5G 基站負(fù)荷的時(shí)空分布特性可用于評(píng)估不同策略對(duì)配電系統(tǒng)運(yùn)行的影響。本節(jié)以配電網(wǎng)節(jié)點(diǎn)功率為例，評(píng)估所提優(yōu)化調(diào)度策略下負(fù)荷時(shí)空分布特性對(duì)配電系統(tǒng)的影響，圖5 展示了在考慮基礎(chǔ)負(fù)荷（圖5（a））和計(jì)及基站、EV 無(wú)序充電和基礎(chǔ)負(fù)荷（圖5（b））以及計(jì)及基站、EV 有序充放電和基礎(chǔ)負(fù)荷（圖5（c））3 個(gè)場(chǎng)景下的配電網(wǎng)功率潮流分布。

圖5 配電網(wǎng)功率潮流分布Fig.5 Power flow distribution in distribution network

由圖5 可以看出，配電網(wǎng)初始負(fù)荷集中在節(jié)點(diǎn)8和25，在EV 無(wú)序充電情況下，充電站所在配電網(wǎng)節(jié)點(diǎn)負(fù)荷增加，節(jié)點(diǎn)19 的充電站負(fù)荷增加情況最為嚴(yán)重，在負(fù)荷晚高峰時(shí)段（19:00—20:00）達(dá)到峰值。圖5（c）直觀地反映了充電站調(diào)度后的負(fù)荷升高或降低情況，充電站24 所在節(jié)點(diǎn)19 處負(fù)荷通過(guò)EV 的充電導(dǎo)航和有序充放電實(shí)現(xiàn)了負(fù)荷轉(zhuǎn)移和均衡。各充電站所在節(jié)點(diǎn)在充電負(fù)荷高峰期均得到降低，在10:00—11:00 時(shí)段，負(fù)荷有所提高，與圖4 所示電網(wǎng)負(fù)荷調(diào)度結(jié)果吻合。

經(jīng)過(guò)有序調(diào)控后，配電網(wǎng)潮流分布在高峰處被分流，低谷處被填充，與無(wú)序充電下的負(fù)荷結(jié)果相比，有序調(diào)控后配電網(wǎng)功率潮流分布曲線相對(duì)平緩，對(duì)配電網(wǎng)的安全穩(wěn)定運(yùn)行起到一定的保障作用。

4.2.5 充電導(dǎo)航對(duì)EV 用戶收益的影響

為了分析參與響應(yīng)的EV 用戶在不同決策下成本和收益情況，將本文提出的全局優(yōu)化模式與兩種不同的EV 用戶行駛方式進(jìn)行對(duì)比。

場(chǎng)景1:EV 用戶選擇最短路徑前往充電站。

場(chǎng)景2:EV 用戶選擇出行成本最小路徑前往充電站。

場(chǎng)景3:EV 用戶選擇本文所提路徑優(yōu)化方式前往充電站。

取時(shí)間成本系數(shù)λ=15 元/h［25］，參與調(diào)度的補(bǔ)貼費(fèi)用Ea，n=10 元，分析不同場(chǎng)景下參與響應(yīng)的EV用戶出行成本及收益影響，結(jié)果見附錄B 表B6。

由附錄B 表B6 可知，用戶在選擇最短路徑前往充電站時(shí)，有限的充電站容量使得充電排隊(duì)等候時(shí)間最長(zhǎng)，同時(shí)也使得用戶出行成本最大。當(dāng)EV 用戶優(yōu)先考慮最小化出行成本時(shí)，會(huì)開始考慮排隊(duì)等候時(shí)間的影響，以此最小化整體出行成本。場(chǎng)景1、2 中用戶補(bǔ)償收益為0，這是因?yàn)橛脩艟凑兆约阂庠盖巴潆?，決策中心無(wú)須對(duì)用戶進(jìn)行補(bǔ)償。當(dāng)EV 用戶選擇本文所提路徑優(yōu)化方式前往充電站時(shí)，在全局考慮的影響下，充電排隊(duì)等候時(shí)間相較最短路徑方式有所減少，而路徑行駛時(shí)間正如4.2.1 節(jié)所述一致，會(huì)增加EV 的行駛距離及行駛時(shí)間，但在補(bǔ)償機(jī)制下，用戶收益遠(yuǎn)比行駛成本大。因此，EV用戶會(huì)更傾向于選擇本文優(yōu)化的充電導(dǎo)航路徑。

5 結(jié)語(yǔ)

為充分挖掘EV 前往充電站充放電時(shí)產(chǎn)生的可調(diào)度潛力，本文提出了考慮EV 和5G 基站的電力-信息-交通耦合網(wǎng)絡(luò)需求響應(yīng)策略。該調(diào)度策略對(duì)通信成本與電網(wǎng)負(fù)荷波動(dòng)進(jìn)行兩階段優(yōu)化。結(jié)合IEEE 33 節(jié)點(diǎn)配電系統(tǒng)和某城市道路交通系統(tǒng)，對(duì)該模型進(jìn)行驗(yàn)證，結(jié)果表明:

1）5G 基站可通過(guò)配電網(wǎng)節(jié)點(diǎn)的實(shí)時(shí)電價(jià)參與電網(wǎng)協(xié)同互動(dòng)，可在調(diào)節(jié)負(fù)荷波動(dòng)的同時(shí)，降低運(yùn)行成本。本文所提策略在調(diào)度周期（12 h）內(nèi)可減少購(gòu)電成本，實(shí)現(xiàn)電網(wǎng)與通信運(yùn)營(yíng)商的互利共贏。

2）本文所提調(diào)度策略能夠有效減小電網(wǎng)負(fù)荷曲線峰谷差，并實(shí)現(xiàn)配電網(wǎng)負(fù)荷轉(zhuǎn)移。

3）本文所提調(diào)度策略可降低EV 用戶充電成本，增加額外收益。

需要指出的是，本文在進(jìn)行靈活性資源調(diào)控時(shí)主要從配電網(wǎng)和通信運(yùn)營(yíng)商的角度出發(fā)，如何綜合考慮用戶、EV 聚合商與電網(wǎng)間的多方博弈將是下一步的研究重點(diǎn)。此外，后續(xù)研究還將針對(duì)不同類型EV 的充電行為和行駛特性，制定更精細(xì)的分析模型和導(dǎo)航方法，完善調(diào)度策略的通用性。

附錄見本刊網(wǎng)絡(luò)版（http：//www.aeps-info.com/aeps/ch/index.aspx），掃英文摘要后二維碼可以閱讀網(wǎng)絡(luò)全文。