安科瑞 陳聰

摘要：針對電動汽車充電負荷與運營經(jīng)濟收益的矛盾問題，以用戶側(cè)為研究對象，用戶行為習慣為約束條件，建立粒子群控制策略模型。在保證電動汽車正常使用的情況下，利用粒子群算法計算出的充放電功率分布，使參與V2G的用戶則可以在分時電價基礎(chǔ)上選擇出合適的時間段向電網(wǎng)饋電，進而獲取經(jīng)濟收益。對基于用戶行為的實時電價下電動汽車與電網(wǎng)交換功率進行仿真分析，驗證其算法的可行性和有效性。

關(guān)鍵詞：電動汽車；有序充放電；控制策略；V2G

電動汽車配套設(shè)施的充電網(wǎng)絡(luò)系統(tǒng)提出了要求。一套智能充電系統(tǒng)及充電策略不僅可以使充電網(wǎng)絡(luò)的負荷波動小，減少充電系統(tǒng)電網(wǎng)壓力，也可以將用戶經(jīng)濟成本降低，達到用戶側(cè)和電網(wǎng)側(cè)雙贏的結(jié)果。提出了：基于V2G技術(shù)的PHEV有序充放電策略和電壓電流雙閉環(huán)的電壓空間矢量控制策略?？紤]納入車主行為的條件并滿足電網(wǎng)功率進行有序充放電策略。采用混合式充電方式解決大規(guī)模車輛充電的影響和根據(jù)不同時間段制定充放電的電價，并提出目標函數(shù)有序充電策略。當前大多數(shù)的管理策略未能考慮分析，多數(shù)學者通常從電池的容量及剩余電量出發(fā)考慮，研究比較片面，僅側(cè)重頻率調(diào)節(jié)或負荷平衡，V2G技術(shù)的優(yōu)勢未能充分發(fā)揮。本文以用戶側(cè)為研究對象，車主行為習慣為約束條件，建立粒子群控制模型。1　1基于用戶行為的V2G控制策略描述

文中所有采用V2G的車輛均是在特定時間內(nèi)完成充電或放電，充放電時間段不同，經(jīng)濟收益也不同，這種方式并未改變電池的充放電次數(shù)，只進行時間上的調(diào)整，減少對電動車儲能電池的傷害和沖擊，不會折損其壽命。綜合考慮電網(wǎng)企業(yè)目前實行的分時電價計價原則，將用戶參與V2G獲得的經(jīng)濟收益設(shè)定為目標函數(shù)，在一定的約束條件下，采用粒子群優(yōu)化算法，尋求目標函數(shù)解。在實時電價的背景下，用戶調(diào)整自身充電時間，在高峰期可以向電網(wǎng)饋電，輔助電網(wǎng)調(diào)頻，削峰填谷，進而獲取經(jīng)濟效益；在低峰期時，用戶開始充電，降低經(jīng)濟費用。考慮到用戶存在有些時間段不參與V2G技術(shù)，因此可實現(xiàn)在一天的部分時間段內(nèi)設(shè)置與電網(wǎng)的交換功率為0。

2電動汽車充電負荷預測研究

電動汽車具有高能效、低污染、環(huán)境友好等優(yōu)勢，成為緩解能源危機與環(huán)境污染的重要手段。然而大量的電動汽車充電需求將引發(fā)新一輪的用電負荷增長，造成配電線路的“阻塞”，因此，電力企業(yè)除了從供給側(cè)對電力系統(tǒng)進行規(guī)劃與調(diào)度外，也著力于從需求側(cè)提高電動汽車充電負荷的預測水平。

目前電動汽車的充電負荷建模主要分為時序建模和時空建模。綜合考慮多重因素利用Bass回歸分析模型預測EV保有量，根據(jù)用戶充電行為的概率密度函數(shù)得到三種電動汽車的充電負荷預測結(jié)果。

時序建模是利用元日期窗口與大數(shù)定理，建立多日一充的模式，考慮EV用戶充電習慣的不確定性，利用二項分布建立電動汽車充電負荷的計算模型。時序性建模方法大多根據(jù)車主出行結(jié)束到家時刻和日行駛里程進行建模，但是不同類型的電動汽車在不同時段停駛于不同目的地，將產(chǎn)生不同的充電需求，因而未能涉及到電動汽車的空間位移特性。

行鏈理論的時空建模方法考慮用戶在不同功能分區(qū)的出行規(guī)律，采用出行鏈理論模擬充電負荷的時空分布?；诔鲂墟溊碚撾S機生成一天的出行序列，結(jié)合居民出行調(diào)研數(shù)據(jù)建立EV充電負荷預測模型。綜合考慮電動汽車類型和區(qū)域特性，通過改進重力模型進行充電負荷計算。于出行鏈理論，考慮分時電價、載客量以及溫度的影響，分別建立了私家車、出租車以及公交車的充電負荷模型。上述大多基于出行鏈理論獲得電動汽車充電負荷在不同功能分區(qū)的時空分布，但未能考慮實際道路交通與電網(wǎng)的耦合關(guān)系，也未能計及實際交通路網(wǎng)以及動態(tài)交通信息對充電負荷的影響，使得充電負荷預測精度不高。

時空預測方法通過建立全軌跡空間模型表征電動汽車的時空屬性，考慮用戶的充電意愿以及出行需求，疊加日充電功率獲得充電負荷的時空分布?？紤]動態(tài)交通路況建立車輛時空轉(zhuǎn)移模型，通過建立出行時間和出行目的地的聯(lián)合概率密度分布確定下一行駛特征，提出精度較

高的時空預測方法。

3有源配電網(wǎng)優(yōu)化運行研究

傳統(tǒng)調(diào)壓方式包括有載調(diào)壓變壓器調(diào)節(jié)分接頭擋位，投切電容器組、靜止無功補償器等無功裝置就地補償，但是隨著大量電動汽車和高比例可再生能源并入電網(wǎng)，電動汽車充電的隨機性以及分布式電源出力的不確定性對有源配電網(wǎng)的安全穩(wěn)定運行提出了更高要求。傳統(tǒng)調(diào)壓方式難以應對大規(guī)模電動汽車充電以及分布式電源消納帶來的電壓波動問題，而電動汽車與電網(wǎng)互動技術(shù)和DG逆變器技術(shù)的發(fā)展為電網(wǎng)、電源、負荷三者之間的協(xié)調(diào)優(yōu)化提供了技術(shù)支撐，通過源源互補，網(wǎng)源協(xié)調(diào)以及源荷互動實現(xiàn)系統(tǒng)電壓的優(yōu)化控制，成為當前研究的熱點。

針對電動汽車接入與分布式電源共存的配電網(wǎng)，建立了風電、光伏發(fā)電以及EV充電負荷的概率模型，并與無功補償裝置相結(jié)合建立概率調(diào)壓模型，獲得較好的電壓穩(wěn)定效果。對電動汽車充電進行有序調(diào)度，同時將傳統(tǒng)調(diào)壓方式與DG無功出力相結(jié)合，建立不同時段的無功電壓協(xié)調(diào)優(yōu)化模型，有效地改善了系統(tǒng)的運行電壓。通過建立節(jié)點EV充電負荷模型提出了有源配電網(wǎng)的日前和日內(nèi)優(yōu)化運行模型，分兩階段優(yōu)化電動汽車的有序充電，有效地降低了購電成本。上述僅將電動汽車作為充電負荷，適用于電動汽車規(guī)模較小的情況，且網(wǎng)、源、荷三者協(xié)調(diào)優(yōu)化的效果不高，有源配電網(wǎng)接納分布式電源的能力有限，也無法適應大規(guī)模電動汽車的充電需求。隨著V2G技術(shù)的應用和分時電價的普及，電動汽車除了作為負

荷充電外，也可以作為移動儲能元件進行放電參與電網(wǎng)的多源互補協(xié)調(diào)優(yōu)化。協(xié)調(diào)電動汽車V2G模式與風電、光伏發(fā)電的有功出力，建立了多目標協(xié)同調(diào)度模型，能夠使得電動汽車用戶收益，避免了可再生能源間歇出力的影響?；贒G逆變器的有功、無功解耦控制，提出可跨地區(qū)消納DG的多目標優(yōu)化調(diào)度模型，能夠挖掘分布式電源的無功潛力，促進DG的消納以及提高其利用率。將有源配電網(wǎng)的優(yōu)化控制劃分為長周期有功、無功資源優(yōu)化控制和短周期多源協(xié)調(diào)校正控制，前者進行優(yōu)化實現(xiàn)潮流控制，后者對有源配電網(wǎng)進行分區(qū)劃定，實現(xiàn)多源協(xié)同優(yōu)化運行?？紤]電動汽車的充電跳躍性，建立周期內(nèi)多時段優(yōu)化運行模型，實現(xiàn)了電動汽車V2G調(diào)節(jié)與其他調(diào)壓方式的運行優(yōu)化?；赩2G模式考慮需求側(cè)具有儲能特性和非儲能特性的雙向可控負荷，協(xié)同其他電壓調(diào)節(jié)方式建立電壓無功多目標優(yōu)化模型，在提高需求響應的同時改善了有源配電網(wǎng)的潮流分布。

從無序充電到有序充放電策略，大多對電動汽車進行個體調(diào)度，實際可操作性不強，因此，當前的研究也有諸多采用集群控制策略。通過提取電動汽車集群控制模型的隨機特征參數(shù)，跟蹤電動汽車充電特性，獲取充放電策略?？紤]到EV充放電的靈活性，通過對電動汽車集群控制，并跟蹤光伏發(fā)電出力曲線，建立了基于MPC的實時凸優(yōu)化調(diào)度模型，有效避免過充或過放的同時降低了光伏發(fā)電出力的波動。集群調(diào)度需要提取電動汽車的隨機特征，優(yōu)化時間較長，也容易忽略單個電動汽車的特性參數(shù)。針對集群控制和個體調(diào)度存在的問題，提出一種分布式電動汽車調(diào)度策略，通過協(xié)調(diào)電動汽車集控和停車場協(xié)控獲取充放電功率，減小了算法維度，提高了電動汽車的響應速度，但不包含其他無功補償裝置協(xié)調(diào)控制。通過對電動汽車分群，從充放電系統(tǒng)和網(wǎng)絡(luò)拓撲兩個層面搭建內(nèi)外嵌套模型優(yōu)化調(diào)度電動汽車的充放電功率，能夠保證車主利益的同時優(yōu)化配電網(wǎng)的運行工況，但將24小時根據(jù)充電時間和充電行為特性進行分群，忽略了各個時段以及不同功能分區(qū)充電負荷的隨機性。針對高層住宅小區(qū)，對電動汽車充放電提出分層優(yōu)化控制策略，三層優(yōu)化控制模型相互補充，將分布控制與集中控制相結(jié)合，具有較好的經(jīng)濟效益與應用價值，但未能與上層配電網(wǎng)相結(jié)合，也未涉及分布式電源，適用范圍較窄。

綜上所述，針對電動汽車以V2G模式參與有源配電網(wǎng)的運行進行了諸多研究，但是隨著電動汽車規(guī)模擴大，一方面要考慮電動汽車入網(wǎng)的控制策略，也要考慮電動汽車規(guī)模的調(diào)度方式，另一方面，不同區(qū)域內(nèi)電動汽車類型以及充電負荷的時空分布對有源配電網(wǎng)的影響不同，需要根據(jù)各區(qū)域的負荷、電動汽車和分布式電源的分布特性，使之相互協(xié)調(diào)有針對性地制定相應區(qū)域的充放電調(diào)度。與此同時，將電動汽車與各調(diào)壓方式相結(jié)合優(yōu)化有源配電網(wǎng)的運行時，電動汽車調(diào)度往往以宏觀的角度平抑負荷波動，而各調(diào)壓方式則以各時段優(yōu)化為主，因此，需要考慮兩者不同的時間維度進行協(xié)調(diào)優(yōu)化，充分調(diào)度電動汽車充放電以減少其他調(diào)壓方式的成本，充分利用DG逆變器的復用技術(shù)發(fā)出無功以消納過剩的出力，并平衡系統(tǒng)的運行電壓，從而實現(xiàn)有源配電網(wǎng)的經(jīng)濟和安全運行。

4安科瑞充電樁收費運營云平臺系統(tǒng)選型方案

4.1概述

AcrelCloud-9000安科瑞充電柱收費運營云平臺系統(tǒng)通過物聯(lián)網(wǎng)技術(shù)對接入系統(tǒng)的電動電動自行車充電站以及各個充電整法行不間斷地數(shù)據(jù)采集和監(jiān)控，實時監(jiān)控充電樁運行狀態(tài)，進行充電服務(wù)、支付管理，交易結(jié)算，資要管理、電能管理，明細查詢等。同時對充電機過溫保護、漏電、充電機輸入/輸出過壓，欠壓，絕緣低各類故障進行預警；充電樁支持以太網(wǎng)、4G或WIFI等方式接入互聯(lián)網(wǎng)，用戶通過微信、支付寶，云閃付掃碼充電。

4.2應用場所

適用于民用建筑、一般工業(yè)建筑、居住小區(qū)、實業(yè)單位、商業(yè)綜合體、學校、園區(qū)等充電樁模式的充電基礎(chǔ)設(shè)施設(shè)計。

4.3系統(tǒng)結(jié)構(gòu)

系統(tǒng)分為四層：

1）即數(shù)據(jù)采集層、網(wǎng)絡(luò)傳輸層、數(shù)據(jù)層和客戶端層。

2）數(shù)據(jù)采集層：包括電瓶車智能充電樁通訊協(xié)議為標準modbus-rtu。電瓶車智能充電樁用于采集充電回路的電力參數(shù)，并進行電能計量和保護。

3）網(wǎng)絡(luò)傳輸層：通過4G網(wǎng)絡(luò)將數(shù)據(jù)上傳至搭建好的數(shù)據(jù)庫服務(wù)器。

4）數(shù)據(jù)層：包含應用服務(wù)器和數(shù)據(jù)服務(wù)器，應用服務(wù)器部署數(shù)據(jù)采集服務(wù)、WEB網(wǎng)站，數(shù)據(jù)服務(wù)器部署實時數(shù)據(jù)庫、歷史數(shù)據(jù)庫、基礎(chǔ)數(shù)據(jù)庫。

5）應客戶端層：系統(tǒng)管理員可在瀏覽器中訪問電瓶車充電樁收費平臺。終端充電用戶通過刷卡掃碼的方式啟動充電。

小區(qū)充電平臺功能主要涵蓋充電設(shè)施智能化大屏、實時監(jiān)控、交易管理、故障管理、統(tǒng)計分析、基礎(chǔ)數(shù)據(jù)管理等功能，同時為運維人員提供運維APP，充電用戶提供充電小程序。

4.4安科瑞充電樁云平臺系統(tǒng)功能

4.4.1智能化大屏

智能化大屏展示站點分布情況，對設(shè)備狀態(tài)、設(shè)備使用率、充電次數(shù)、充電時長、充電金額、充電度數(shù)、充電樁故障等進行統(tǒng)計顯示，同時可查看每個站點的站點信息、充電樁列表、充電記錄、收益、能耗、故障記錄等。統(tǒng)一管理小區(qū)充電樁，查看設(shè)備使用率，合理分配資源。

4.4.2實時監(jiān)控

實時監(jiān)視充電設(shè)施運行狀況，主要包括充電樁運行狀態(tài)、回路狀態(tài)、充電過程中的充電電量、充電電壓電流，充電樁告警信息等。

4.4.3交易管理

平臺管理人員可管理充電用戶賬戶，對其進行賬戶進行充值、退款、凍結(jié)、注銷等操作，可查看小區(qū)用戶每日的充電交易詳細信息。

4.4.4故障管理

設(shè)備自動上報故障信息，平臺管理人員可通過平臺查看故障信息并進行派發(fā)處理，同時運維人員可通過運維APP收取故障推送，運維人員在運維工作完成后將結(jié)果上報。充電用戶也可通過充電小程序反饋現(xiàn)場問題。

4.4.5統(tǒng)計分析

通過系統(tǒng)平臺，從充電站點、充電設(shè)施、、充電時間、充電方式等不同角度，查詢充電交易統(tǒng)計信息、能耗統(tǒng)計信息等。

4.4.6基礎(chǔ)數(shù)據(jù)管理

在系統(tǒng)平臺建立運營商戶，運營商可建立和管理其運營所需站點和充電設(shè)施，維護充電設(shè)施信息、價格策略、折扣、優(yōu)惠活動，同時可管理在線卡用戶充值、凍結(jié)和解綁。

4.4.7運維APP

面向運維人員使用，可以對站點和充電樁進行管理、能夠進行故障閉環(huán)處理、查詢流量卡使用情況、查詢充電\充值情況，進行遠程參數(shù)設(shè)置，同時可接收故障推送

4.4.8充電小程序

面向充電用戶使用，可查看附近空閑設(shè)備，主要包含掃碼充電、賬戶充值，充電卡綁定、交易查詢、故障申訴等功能。

4.4.9系統(tǒng)硬件配置

5 總結(jié)

針對集中式充放電實現(xiàn)方式，以用戶側(cè)為研究對象，用戶側(cè)經(jīng)濟費用低、對電網(wǎng)擾動小為研究目標。結(jié)合當前電網(wǎng)企業(yè)實行的峰谷電價政策，給出電動汽車與電網(wǎng)每一時刻的交換功率，使整體達到雙贏的結(jié)果。

本文盡管在分布式電源的時序建模、電動汽車充電負荷的時空預測以及有源配電網(wǎng)的優(yōu)化運行方面取得了一定成果，但仍存在一些不足，有待進一步研究和完善：

(1)分布式電源出力的時序建模中主要基于狀態(tài)數(shù)決策模型確定狀態(tài)數(shù)，后續(xù)可研究歷史功率序列的聚類分析確定狀態(tài)數(shù)；滑動平均濾波法的時間窗設(shè)置依賴于經(jīng)驗，后續(xù)可制定相應的控制策略確定時間窗大小，也可綜合考慮其他濾波方法進行對比分析。

(2)對于電動汽車充電負荷的時空預測，僅考慮了出租車和私家車，后續(xù)可研究其他類型電動汽車的時空分布情況，且電動汽車的出行規(guī)律基于全美家庭交通出行調(diào)查數(shù)據(jù)，隨著電動汽車的廣泛應用，未來可參考國內(nèi)電動汽車用戶的出行規(guī)律；路阻函數(shù)模型僅考慮道路交叉路口延遲和路段延遲，后續(xù)研究可基于交通道路規(guī)劃情況，考慮電動汽車具體行駛車道，建立包含左轉(zhuǎn)、右轉(zhuǎn)和直行的路阻函數(shù)模型。

(3)有源配電網(wǎng)的雙層優(yōu)化運行模型以24小時為調(diào)度周期，對于上層優(yōu)化模型來說，時間跨度相對較大，對算法尋優(yōu)的性能要求較高，后續(xù)可分時段進行充放電的優(yōu)化調(diào)度；分布式電源的短期功率預測誤差雖滿足預測標準，但需進一步優(yōu)化神經(jīng)網(wǎng)絡(luò)以獲得更高的精度；配電網(wǎng)優(yōu)化運行研究僅開展了日前優(yōu)化運行，開展實時滾動和反饋優(yōu)化運行研究。

參考文獻

1. 薛靜云,張銀環(huán).基于用戶行為的V2G模式下電動汽車等有序充放電控制策略研究

2. 彭晶,黃虹,劉福潮,基于V2G技術(shù)的電動汽車有序充放電策略研究

[3] 安科瑞企業(yè)微電網(wǎng)設(shè)計與應用手冊.2022.05版