安科瑞電氣股份有限公司 上海嘉定 201801

 

摘要：分析電動(dòng)汽車(chē)充電對電網(wǎng)產(chǎn)生的影響,主要研究電動(dòng)汽車(chē)對電網(wǎng)負荷平衡的影響。對電動(dòng)汽車(chē)充電負荷建模，分析其用戶(hù)出行等的時(shí)間概率分布，通過(guò)蒙特卡羅模擬法對電動(dòng)汽車(chē)充電負荷需求進(jìn)行計算，研究3 000輛電動(dòng)汽車(chē)全天的充電需求時(shí)間分布。建立含光伏發(fā)電系統的區域供電系統優(yōu)化模型，同時(shí)以動(dòng)態(tài)電價(jià)為激勵引導電動(dòng)汽車(chē)進(jìn)行有序充電，以參與電網(wǎng)輔助服務(wù)。以聯(lián)絡(luò )線(xiàn)交換功率波動(dòng)乘積較小和充電成本較低為目標，并以其加權后的函數作為目標函數，結合4個(gè)約束條件，通過(guò)遺傳算法求解模型，得到符合目標函數的較優(yōu)充電方案。較終通過(guò)算例驗證該模型能夠實(shí)現平移負荷、削峰填谷的作用。

關(guān)鍵詞：負荷平衡；蒙特卡羅模擬法；動(dòng)態(tài)電價(jià)；有序充電；削峰填谷；

0引言

 

      由于二氧化碳排放增加和環(huán)境污染等問(wèn)題，以及原油價(jià)格和其他燃料資源的不穩定性，電動(dòng)汽車(chē)自21世紀以來(lái)已經(jīng)逐漸進(jìn)入人們的生活，電動(dòng)汽車(chē)的普及也對電力系統產(chǎn)生了巨大的沖擊。文獻［1］—文獻［2］分析了我國電動(dòng)汽車(chē)的發(fā)展現狀及未來(lái)趨勢，根據實(shí)際情況，指明該過(guò)程中面臨的問(wèn)題。文獻［3］提出基于隨機森林的充電行為聚類(lèi)技術(shù)，分析電動(dòng)汽車(chē)充電行為特性，結果表明該方法較歐氏距離法更準確。文獻［4］提出基于主動(dòng)配電網(wǎng)的源網(wǎng)荷優(yōu)化調度方法，可減少電動(dòng)汽車(chē)接入電網(wǎng)產(chǎn)生的波動(dòng)，具有重要的指導意義。文獻［5］通過(guò)采集居民電動(dòng)汽車(chē)接入電網(wǎng)的充電數據，研究其充電特性，結果表明充電負荷的聚集會(huì )使總負荷曲線(xiàn)惡化。文獻［6］為確定電氣設備的空間分布及選型，基于對電動(dòng)汽車(chē)充電負荷和分布式能源出力特性的分析，建立對應的空間負荷預測模型，并通過(guò)算例分析證明其可行性。文獻［7］結合全球定位系統，建立了電動(dòng)汽車(chē)快速預約充電模型，通過(guò)Dijkstra算法求解模型，通過(guò)算例證明該模型的有效性。文獻［8］提出一種混合儲能虛擬電廠(chǎng)參與電力市場(chǎng)的優(yōu)化調度策略，包含了電動(dòng)汽車(chē)充電的不確定性參數，通過(guò)算例證明該策略的可行性，為虛擬電廠(chǎng)參與電力市場(chǎng)調度奠定了基礎?；谏鲜霰尘?，本文以區域內私人電動(dòng)汽車(chē)為主體，通過(guò)對電動(dòng)汽車(chē)用戶(hù)出行規律進(jìn)行歸納總結，對出行、返回、日行駛里程及電池剩余荷電量（state of charge，SOC）概率分布特征進(jìn)行擬合，對比工作日、休息日私人電動(dòng)汽車(chē)的充電行為，并以工作日的充電行為作為輸入，基于蒙特卡羅模擬法對私人電動(dòng)汽車(chē)的充電負荷進(jìn)行仿真預測。進(jìn)而考慮配電網(wǎng)和電動(dòng)汽車(chē)用戶(hù)的利益以及光伏消納情況，建立計及光伏發(fā)電系統的區域供電系統優(yōu)化模型，根據全天日照強度較大化吸收光伏輸出，改善綜合負荷曲線(xiàn)，同時(shí)以動(dòng)態(tài)電價(jià)為激勵引導電動(dòng)汽車(chē)進(jìn)行有序充電。以聯(lián)絡(luò )線(xiàn)交換功率波動(dòng)乘積較小和充電成本較低為目標函數，結合4個(gè)約束條件，通過(guò)遺傳算法求解模型，得到符合目標函數的較優(yōu)充電方案。通過(guò)算例驗證該模型能夠實(shí)現平移負荷、削峰填谷。

       我國電動(dòng)汽車(chē)的普及給電力系統帶來(lái)了不穩定性和不確定性，電動(dòng)汽車(chē)聚集性地接入電網(wǎng)充電，將對電力系統產(chǎn)生巨大的沖擊，增加其運行控制難度。其主要影響包括：

      （1）電能質(zhì)量電動(dòng)汽車(chē)接入充電樁進(jìn)行充電時(shí)相當于大功率、非線(xiàn)性負荷，在其充電過(guò)程中電網(wǎng)需要提供穩定可靠的大電流進(jìn)行供電，同時(shí)對電力電子設備產(chǎn)生很高的諧波電流和沖擊電壓，若不采取相應的措施，可能會(huì )帶來(lái)諧波污染、功率因數降低以及系統電壓波動(dòng)方面的影響。

      （2）電網(wǎng)運行控制難度

聚集性地充電會(huì )給電網(wǎng)帶來(lái)巨大的沖擊，而且電動(dòng)汽車(chē)用戶(hù)出行方式、充電特性、充電時(shí)長(cháng)都具有隨機性，會(huì )給充電負荷帶來(lái)不確定性，影響電網(wǎng)運行控制。大多用戶(hù)出行的較終目的地都是高度隨機的，所以其行駛里程也是隨機的。每一輛電動(dòng)汽車(chē)的充電模式不一定相同，加入外界影響因素，其充電曲線(xiàn)是不同的，所以其充電特性具有隨機性。充電時(shí)間取決于駕駛習慣，用戶(hù)在充電時(shí)往往表現出隨機行為，應由在這些實(shí)體內優(yōu)化和安排充電時(shí)間的

集中代理進(jìn)一步控制。

      （3）負荷不平衡2020—2030年，在無(wú)序充電情形下，國家電網(wǎng)公司經(jīng)營(yíng)區域峰值負荷預計增加1 361萬(wàn)kW和1.53億kW，相當于當年區域峰值負荷的1.6%和13.1%，導致區域負荷的不平衡。電動(dòng)汽車(chē)集中在某些時(shí)段進(jìn)行充電，或電動(dòng)汽車(chē)充電行為在平時(shí)段的疊加，將進(jìn)一步變大電網(wǎng)負荷峰谷差，加重電網(wǎng)側的負擔。如果將多輛電動(dòng)汽車(chē)接入一個(gè)接近其極限的充電網(wǎng)絡(luò )，附近變壓器上的額外負載可能會(huì )導致其故障。從不同類(lèi)型充電基礎設施的用電特性來(lái)看，公共充電設施的用電行為較為分散，沒(méi)有明顯的峰谷差別，而專(zhuān)用設施的用電行為相對集中，峰谷差別更為明顯。綜合來(lái)看，在無(wú)序充電前提下，充電基礎設施負荷較大的時(shí)刻應為傍晚大量私家車(chē)主回到居住地，開(kāi)始使用私人充電樁為私家車(chē)充電的時(shí)刻。本文對電動(dòng)汽車(chē)接入電網(wǎng)時(shí)的負荷平衡進(jìn)行研究，通過(guò)電價(jià)激勵引導電動(dòng)汽車(chē)用戶(hù)進(jìn)行有序充電，以達到平移負荷、削峰填谷的效果。

       本文基于對NHTS數據庫2019年基礎數據的分析，篩選出10萬(wàn)輛私人電動(dòng)汽車(chē)接入充電樁時(shí)的充電數據及充電行為等因素，為構建電動(dòng)汽車(chē)有序充電行為提供數據基礎。

2.1 時(shí)間變量概率分布擬合

       私人電動(dòng)汽車(chē)用戶(hù)出行概率主要受日常生活習慣和生活規律影響，首先需要得到初始出發(fā)時(shí)間的分布。出發(fā)時(shí)間分布可用正態(tài)分布的形式進(jìn)行擬合，其時(shí)間概率分布如圖1所示。用戶(hù)日出行概率密度函數為：

  ( 1 )式中：x1 為電動(dòng)汽車(chē)用戶(hù)較后出行時(shí)間；μ1 為期望值，取7.42；σ1 為標準差，取3.54。

 

 

 

用戶(hù)返回時(shí)刻概率密度函數為：

 

( 2 )式中：x2 為電動(dòng)汽車(chē)用戶(hù)返回時(shí)刻；μ2 為期望值，取16.92；σ2 為標準差，取3.43。其時(shí)間概率分布如圖2所示。

根據出行習慣及規律分析，大部分用戶(hù)駕駛的較終目的地都是高度隨機的，但在任何一天的平均行駛里程都約為38 km/d。電動(dòng)汽車(chē)用戶(hù)日行駛里程服從對數正態(tài)分布，其概率分布如圖3所示，概率密度函數為:

( 3 )式中：x3 為電動(dòng)汽車(chē)平均日行駛里程；μ3 為期望值，取2.92；σ3 為標準差，取0.93。

      對電動(dòng)汽車(chē)電池 SOC 、日均行駛距離以及充電規律、充電時(shí)間等因素進(jìn)行統計［9］電動(dòng)汽車(chē)返回時(shí)剩余 SOC 也可用正態(tài)分布的形式進(jìn)行擬合，其電動(dòng)汽車(chē)剩余 SOC 的概率分布如圖4所示，概率密度函數為態(tài)分布，其概率分布如圖3所示，概率密度函數為:

 

( 4 )式中：x4 為電動(dòng)汽車(chē)返回時(shí)的剩余 SOC ；μ4 為期望值，取51.3；σ4 為標準差，取14.7。

     私人電動(dòng)汽車(chē)工作日主要用于上下班，到達公司后基本屬于閑置狀態(tài)，也可進(jìn)行充電，而休息日私人電動(dòng)汽車(chē)大多外出娛樂(lè )，時(shí)間分布與工作日有所區別，圖5為工作日與休息日私人電動(dòng)車(chē)充電時(shí)間分布。

       由圖5可知私人電動(dòng)汽車(chē)在工作日上午到達公司后即可進(jìn)行充電，晚上下班后為充電高峰期，且晚上充電的頻率高于上午；在14:00—16:00，休息日充電頻率高于工作日，但晚高峰時(shí)，其充電頻率低于工作日。后續將重點(diǎn)研究工作日私人電動(dòng)汽車(chē)的充電行為。

2.2基于蒙特卡羅模擬法的充電負荷計算

2.2.1 充電負荷模型建立

       由蒙特卡羅模擬法設置基礎參數，如模擬次數、電動(dòng)汽車(chē)數量、快充慢充比例等。由式（4）生成初始 SOC 。由于汽車(chē)充電行為具有隨機性，所以按圖5生成電動(dòng)汽車(chē)開(kāi)始充電時(shí)刻。使用蒙特卡羅模擬法對電動(dòng)汽車(chē)充電負荷曲線(xiàn)進(jìn)行模擬，由上述得到的電動(dòng)汽車(chē)充電起始時(shí)間及初始SOC ，對單輛電動(dòng)汽車(chē)充電負荷進(jìn)行模擬，隨后將所有電動(dòng)汽車(chē)的充電負荷累加，可以得到完整的區域電動(dòng)汽車(chē)總充電負荷曲線(xiàn)。區域內電動(dòng)汽車(chē)總充電功率為:

      

      ( 5 )式中：M 為全天總時(shí)長(cháng)，取為1 440 min；N 為電動(dòng)汽車(chē)總數，設為3 000輛，作為初始數據輸入蒙特卡羅模擬法進(jìn)行仿真；Pi, j 為第 j 輛電動(dòng)汽車(chē)在i時(shí)刻的充電功率。

2.2.2 地區基本負荷保持一定

      有序充電是一種調度手段，通過(guò)這種手段可以使電動(dòng)汽車(chē)避免在高峰期給電網(wǎng)帶來(lái)的峰上加峰現象，同時(shí)也避免大部分用戶(hù)避開(kāi)高峰期進(jìn)行充電而出現的第二高峰期，但應保持原負荷不變，即不影響用戶(hù)生活及正常行動(dòng)之外進(jìn)行合理“減負"。

2.2.3電動(dòng)汽車(chē)充電負荷計算

       假設電動(dòng)汽車(chē)充電過(guò)程不被干預且直至 SOC充滿(mǎn)，即充電時(shí)長(cháng)不受限制，抽取初始電動(dòng)汽車(chē)SOC 、日行駛里程以及開(kāi)始充電時(shí)刻，在滿(mǎn)足充滿(mǎn)電所需時(shí)長(cháng)的約束下，計算一天中各個(gè)時(shí)段電動(dòng)汽車(chē)的充電功率。在這個(gè)過(guò)程中，將電動(dòng)汽車(chē)分為快速充電和常規慢充，分別計算每個(gè)時(shí)刻的負荷，較后進(jìn)行累加，其流程圖如圖6所示。

    

      使用蒙特卡羅模擬法計算一天 24 h 內每個(gè)時(shí)間點(diǎn)電動(dòng)汽車(chē)負荷的充電需求概率，并在 1 500 次操作后重復平均值，以獲得區域總電動(dòng)汽車(chē)負荷需求的預期曲線(xiàn)。曲線(xiàn)如圖7所示。設置電動(dòng)汽車(chē)數量為3 000輛，且采用一天一充模式，充電過(guò)程為快速充電模式的功率為24 kW，常規慢充模式的功率為12 kW，各占50%。其結果如圖7所示。

       由圖7可知，電動(dòng)汽車(chē)充電存在兩個(gè)峰值時(shí)刻，大規模電動(dòng)汽車(chē)接入電網(wǎng)會(huì )帶來(lái)電網(wǎng)頻率波動(dòng)以及電能質(zhì)量不穩定等問(wèn)題，后續通過(guò)電價(jià)激勵政策與光伏發(fā)電系統的接入緩解電網(wǎng)側的壓力。

3.1區域供電系統優(yōu)化模型

      變電站供電區域包含光伏發(fā)電系統，同時(shí)也包含一定量的電動(dòng)汽車(chē)充電負荷，變電站供電區域的負荷情況如圖8所示，供電區域包括光伏發(fā)電系統，區域常規負荷和電動(dòng)汽車(chē)快速充電負荷，當電動(dòng)汽車(chē)快速充電時(shí)，通過(guò)充電樁連接到電網(wǎng)，等效連接到變電站的交流母線(xiàn)。本文將光伏發(fā)電系統納入變電站供電區域時(shí)，采用相應的電價(jià)激勵策略對電動(dòng)汽車(chē)用戶(hù)進(jìn)行引導，使得電動(dòng)汽車(chē)參與有序充電以消納光伏發(fā)電系統的輸出功率，同時(shí)縮小區域負荷峰

谷差。區域負載能量控制框架如圖9所示。

 

       通過(guò)對控制框圖的分析，將區域負荷分為調節負荷和非調節負荷兩大類(lèi)，光伏發(fā)電系統和區域常規負荷均為非調節負荷。光伏發(fā)電系統的不可調節性指其輸出功率受溫度、光強等因素的影響，控制系統無(wú)法調節其輸出功率。區域常規負荷主要指除變電站供電區域的電動(dòng)汽車(chē)負荷外的居民負荷，相當于交流母線(xiàn)，根據其生活規律以及需求進(jìn)行用電。

       快速充電的電動(dòng)汽車(chē)是一種可調負荷，充電站根據全天不同時(shí)刻配電網(wǎng)節點(diǎn)的電價(jià)調整來(lái)影響電動(dòng)汽車(chē)用戶(hù)的充電選擇；電動(dòng)汽車(chē)的充電功率與光伏發(fā)電系統和區域常規負荷相匹配，以吸收分布式光伏發(fā)電系統輸出的功率。分布式光伏和電動(dòng)汽車(chē)的接入在一定程度上改變了配電網(wǎng)的負荷特性曲線(xiàn)。分布式電源的輸出受自然環(huán)境的影響，存在很大的不確定性。因此，本文構建了一種電動(dòng)汽車(chē)與配電網(wǎng)交互優(yōu)化模型，即配電網(wǎng)利用電動(dòng)汽車(chē)充電負荷的可轉移特性就地吸收光伏輸出，改善綜合負荷曲線(xiàn)；同時(shí)，電動(dòng)汽車(chē)用戶(hù)根據調整后的電價(jià)選擇較優(yōu)充電時(shí)間，降低自身充電成本。利用電動(dòng)汽車(chē)“用電時(shí)間有彈性、用電行為可引導、用電規律可預測的特點(diǎn)，將其納入電網(wǎng)優(yōu)化控制，可有效增加資源條件，推動(dòng)電動(dòng)汽車(chē)參與電網(wǎng)削峰填谷輔助服務(wù)，實(shí)現配電網(wǎng)與電動(dòng)汽車(chē)的雙贏(yíng)。

3.2 目標函數

      配電網(wǎng)作為主體，設置動(dòng)態(tài)節點(diǎn)價(jià)格，充電站將節點(diǎn)價(jià)格作為充電價(jià)格傳遞給用戶(hù)。根據光伏發(fā)電系統和區域常規負荷的時(shí)間分布特點(diǎn)，制定了較優(yōu)的電動(dòng)汽車(chē)充電負荷時(shí)間轉移策略，以達到吸收光伏輸出的目的。節點(diǎn)價(jià)格作為一種調節手段，用以減少變電站交流母線(xiàn)的總波動(dòng)。為了改善區域負荷曲線(xiàn)，以變電站交流母線(xiàn)功率波動(dòng)乘積 ΔP 較小為目標函數進(jìn)行優(yōu)化，目標函數可表示為:

       

(6)(7)(8)(9)式中：PG 為區域變電站交流母線(xiàn)功率；fG(t) 為區域變電站后一段時(shí)間 t + 1 與當前時(shí)段 t 的交流母線(xiàn)功率之差；GPV(t) 為變電站所在區域在時(shí)段 t 之前的功率峰谷差；k 為一天的時(shí)間段數，k =24；Pch(t)為充電站 t 時(shí)段的快速充電負荷；Pload(t)為充電站在所屬變電站供電區域 t 時(shí)段的常規負荷；PPV(t)為充電站在所屬變電站供電區域 t時(shí)段的分布式光伏輸出。光伏板在時(shí)間 t 發(fā)出的功率 PPV(t) 與當前溫度和光強有關(guān)。電流輸出功率系數 FT 可以通過(guò)溫度和相應的輸出功率系數圖 FT -T 以及電流溫度 T 獲得。功率計算公式為:

   （10）式中：當光照強度為1 kW/m2時(shí)，Pmpp 為光伏陣列在一定溫度下的輸出功率參考值；FT 為輸出功率系數；Irr 為當前時(shí)刻的光照強度。光伏發(fā)電系統通過(guò)逆變器將直流電轉換為交流電，并連接至負荷。當光伏板發(fā)出的功率 PPV 小于截止功率時(shí)，逆變器停止工作；當光伏板發(fā)出的功率 PPV 大于啟動(dòng)功率時(shí)，逆變器工作?？紤]到逆變器損耗，設置效率系數，光伏板發(fā)出的功率 PPV 乘以其相應的效率系數 EFF ，以獲得整個(gè)光伏系統的有功功率 PPV(t) ，可表示為:

PPV(t)= PPV·EFF 

（11）式中,光伏板輸出功率對應的效率系數可從 PPV - EFF曲線(xiàn)中獲得。

(12)式中：b 為光伏出力不平衡系數；PG 為區域變電站交流母線(xiàn)功率；Pch 為充電站的快速充電負荷；Pload為充電站在所屬變電站供電區域的常規負荷。

規定充電站配電網(wǎng)節點(diǎn)的電價(jià)為充電電價(jià)，區域內有充電需求的車(chē)輛數為n ，充電站可接受的車(chē)輛數為N,為使電動(dòng)汽車(chē)充電負荷盡可能跟隨光伏輸出，動(dòng)態(tài)電價(jià)更新策略為:

(13)式中：λt + 1 為充電站在 t + 1時(shí)間段的電價(jià)；a 為電價(jià)系數；λt 為充電站在 t 時(shí)間段的電價(jià)?？梢钥闯?，充電電價(jià)主要隨著(zhù)有充電需求的電動(dòng)汽車(chē)數量 n 和光伏出力不平衡系數 b 的大小而改變，而 b 主要與光伏出力 PPV 、充電負荷 Pch 的大小有關(guān)。

以充電成本較低為目標，目標函數為:

(14)式中：C 為電動(dòng)汽車(chē)充電成本；SOC2 為電動(dòng)汽車(chē)充電結束時(shí)的荷電量；SOC1為電動(dòng)汽車(chē)開(kāi)始充電時(shí)的荷電量；Ba 為動(dòng)力電池總容量；η 為充電效率，設為0.9。

3.2.2 有序充電目標函數

      將上述 F1 和 F2 通過(guò)加權后得到一個(gè)有序充電的目標函數:

(15)式中：w1 和 w2 分別為兩個(gè)目標函數的權重，據實(shí)際情況而定，且 w1 + w2 = 1。

3.3 約束條件

（1）電動(dòng)汽車(chē) SOC 約束：電動(dòng)汽車(chē)在 t 時(shí)間段的SOC滿(mǎn)足:

(16)式中：SOCi(t) 為第 i 輛電動(dòng)汽車(chē)在 t 時(shí)刻的電池剩余容量；SOCmin,i 、SOCmax,i 分別為第 i 輛電動(dòng)汽車(chē)在 t時(shí)刻的電池剩余容量上下限。

（2）電價(jià)約束：合理的電價(jià)調整有利于調動(dòng)電動(dòng)汽車(chē)車(chē)主響應需求的積極性。根據相關(guān)政策規定，電價(jià)約束為本文提出一種動(dòng)態(tài)分時(shí)電價(jià)策略，光伏一天的出力大小有波動(dòng)，通過(guò)光伏出力不平衡系數 b 來(lái)引導電價(jià)，即當某時(shí)刻光伏出力大于或小于充電負荷和常規負荷之和時(shí)，適當降低或提高電動(dòng)汽車(chē)充電電價(jià)以引導電動(dòng)汽車(chē)用戶(hù)的充電行為，從而達到削峰填谷的目的。光伏出力不平衡系數為:λt ≤ λt,max

(17)式中：λt,max 為充電站在 t 時(shí)間段內的較高電價(jià)。

（3）充電站容量限制：充電站可提供的較大充電功率不得充電樁的較大輸出功率之和，即:

式中：Nui 為充電站內充電樁的數量；Pch,max 為充電站內每個(gè)充電樁的較大輸出功率。

（4）光伏消納約束：在 t 時(shí)刻，充電站常規負荷和充電負荷與光伏輸出的比值應高于規定的較小光伏消耗限制 θPV(t) ，即:

 

(19)式中：θPV(t) 為 t 時(shí)刻較低光伏消納率。

3.4 求解模型

      本文采用遺傳算法求解電動(dòng)汽車(chē)與配電網(wǎng)交互優(yōu)化模型。遺傳算法是一種自適應全局優(yōu)化搜索算法，通過(guò)自適應、交叉、變異等方法，實(shí)現適應度的提高，將其應用于求解模型，從而得到較優(yōu)解。其流程圖如圖10所示。

       步驟 1：采集負荷功率曲線(xiàn)數據和光伏輸出曲線(xiàn)數據，獲取每一時(shí)刻電動(dòng)汽車(chē)充電需求數據，包括其相應的 SOC 及未來(lái)出行安排。步驟2：光伏發(fā)電系統出力時(shí)將充電站的充電功率較大化，并計算充電站可接受的較佳電動(dòng)汽車(chē)數量。步驟3：根據動(dòng)態(tài)電價(jià)模型計算更新后的電價(jià)，計算充電成本，判斷 F2 是否較低。步驟 4：獲取滿(mǎn)足約束條件的使得充電站交流母線(xiàn)功率波動(dòng)乘積 ΔP 較小的充電方案，同時(shí)得到充電成本較低的電動(dòng)汽車(chē)充電方案。步驟5：確定電動(dòng)汽車(chē)用戶(hù)是否選取該方案，如果選取，則輸出決策結果；如果不選取，則判斷是否達到較大迭代次數，重復步驟4。

      某區域分布式光伏發(fā)電系統采用較大輸出策略，光伏容量為7 MW，實(shí)際輸出較大功率為5.6 MW。光強數據如表1所示，假設全天中7:00—18:00有陽(yáng)光，其余時(shí)刻光照強度為0，全天光照強度分布如圖11所示。電動(dòng)汽車(chē)充電初始SOC為0.51，初始種群規模為3 000輛電動(dòng)汽車(chē)，電動(dòng)汽車(chē)充電樁快充的輸出功率為24 kW，常規慢充輸出功率為12 kW，充電效率為90%，區域常規負荷的時(shí)間序列曲線(xiàn)如圖12所示，電動(dòng)汽車(chē)全天負荷的時(shí)間序列曲線(xiàn)如圖7所示。

 

 

同時(shí)在保證不影響出行的前提下使車(chē)主在充電費用上的支出有所減少，達到一個(gè)整體較優(yōu)的狀態(tài)。優(yōu)化后有序充電場(chǎng)景下，電網(wǎng)閑時(shí)充電擬采用分時(shí)電價(jià)措施，其較優(yōu)充電價(jià)格如圖13所示。

 

      當電動(dòng)汽車(chē)無(wú)序充電時(shí)，用戶(hù)上午出行至公司后大多數電動(dòng)汽車(chē)用戶(hù)有充電行為。傍晚開(kāi)始充電的電動(dòng)汽車(chē)在下半夜充滿(mǎn)，此時(shí)電網(wǎng)基本處于閑置狀態(tài)。大量用戶(hù)會(huì )聚集在傍晚時(shí)對電動(dòng)汽車(chē)進(jìn)行充電，集聚充電的現象對電網(wǎng)以及變壓器產(chǎn)生影響，圖14為區域常規負荷與電動(dòng)汽車(chē)充電負荷的總負荷曲線(xiàn)，優(yōu)化前的負荷峰谷差明顯。在電動(dòng)汽車(chē)并網(wǎng)前，充電站的功率曲線(xiàn)會(huì )因接入光伏輸出而產(chǎn)生較大的峰谷差，不利于電網(wǎng)的可靠運行。在電動(dòng)汽車(chē)有序充電策略的控制下，通過(guò)優(yōu)化過(guò)程獲得電動(dòng)汽車(chē)的接入較優(yōu)數量后，光伏系統輸出能夠被較有效地吸收，交流母線(xiàn)功率曲線(xiàn)平滑，實(shí)現了負荷的削峰填谷功能。

5.1概述

       AcrelCloud-9000安科瑞充電柱收費運營(yíng)云平臺系統通過(guò)物聯(lián)網(wǎng)技術(shù)對接入系統的電動(dòng)電動(dòng)自行車(chē)充電站以及各個(gè)充電整法行不間斷地數據采集和監控，實(shí)時(shí)監控充電樁運行狀態(tài)，進(jìn)行充電服務(wù)、支付管理，交易結算，資要管理、電能管理，明細查詢(xún)等。同時(shí)對充電機過(guò)溫保護、漏電、充電機輸入/輸出過(guò)壓，欠壓，絕緣低各類(lèi)故障進(jìn)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(hù)通過(guò)微信、支付寶，云閃付掃碼充電。

5.2應用場(chǎng)所

       適用于民用建筑、一般工業(yè)建筑、居住小區、實(shí)業(yè)單位、商業(yè)綜合體、學(xué)校、園區等充電樁模式的充電基礎設施設計。

 

5.3系統結構

 

5.3.1系統分為四層：

1）即數據采集層、網(wǎng)絡(luò )傳輸層、數據中心層和客戶(hù)端層。

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

3）網(wǎng)絡(luò )傳輸層：通過(guò)4G網(wǎng)絡(luò )將數據上傳至搭建好的數據庫服務(wù)器。

4）數據中心層：包含應用服務(wù)器和數據服務(wù)器，應用服務(wù)器部署數據采集服務(wù)、WEB網(wǎng)站，數據服務(wù)器部署實(shí)時(shí)數據庫、歷史數據庫、基礎數據庫。

5）應客戶(hù)端層：系統管理員可在瀏覽器中訪(fǎng)問(wèn)電瓶車(chē)充電樁收費平臺。終端充電用戶(hù)通過(guò)刷卡掃碼的方式啟動(dòng)充電。

小區充電平臺功能主要涵蓋充電設施智能化大屏、實(shí)時(shí)監控、交易管理、故障管理、統計分析、基礎數據管理等功能，同時(shí)為運維人員提供運維APP，充電用戶(hù)提供充電小程序。 

 

5.4安科瑞充電樁云平臺系統功能

5.4.1智能化大屏 

       智能化大屏展示站點(diǎn)分布情況，對設備狀態(tài)、設備使用率、充電次數、充電時(shí)長(cháng)、充電金額、充電度數、充電樁故障等進(jìn)行統計顯示，同時(shí)可查看每個(gè)站點(diǎn)的站點(diǎn)信息、充電樁列表、充電記錄、收益、能耗、故障記錄等。統一管理小區充電樁，查看設備使用率，合理分配資源。

 

 

 

5.4.2實(shí)時(shí)監控 

       實(shí)時(shí)監視充電設施運行狀況，主要包括充電樁運行狀態(tài)、回路狀態(tài)、充電過(guò)程中的充電電量、充電電壓/電流，充電樁告警信息等。 

5.4.3交易管理 

      平臺管理人員可管理充電用戶(hù)賬戶(hù)，對其進(jìn)行賬戶(hù)進(jìn)行充值、退款、凍結、注銷(xiāo)等操作，可查看小區用戶(hù)每日的充電交易詳細信息。 

 

 

 

5.4.4故障管理

        設備自動(dòng)上報故障信息，平臺管理人員可通過(guò)平臺查看故障信息并進(jìn)行派發(fā)處理，同時(shí)運維人員可通過(guò)運維APP收取故障推送，運維人員在運維工作完成后將結果上報。充電用戶(hù)也可通過(guò)充電小程序反饋現場(chǎng)問(wèn)題。

5.4.5統計分析 

       通過(guò)系統平臺，從充電站點(diǎn)、充電設施、、充電時(shí)間、充電方式等不同角度，查詢(xún)充電交易統計信息、能耗統計信息等。

 

 

5.4.6基礎數據管理 

       在系統平臺建立運營(yíng)商戶(hù)，運營(yíng)商可建立和管理其運營(yíng)所需站點(diǎn)和充電設施，維護充電設施信息、價(jià)格策略、折扣、優(yōu)惠活動(dòng)，同時(shí)可管理在線(xiàn)卡用戶(hù)充值、 凍結和解綁。

5.4.7運維APP

       面向運維人員使用，可以對站點(diǎn)和充電樁進(jìn)行管理、能夠進(jìn)行故障閉環(huán)處理、查詢(xún)流量卡使用情況、查詢(xún)充電\充值情況，進(jìn)行遠程參數設置，同時(shí)可接收故障推送

 

5.4.8充電小程序

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

 

5.5系統硬件配置

 

 

      電動(dòng)汽車(chē)負荷對于電網(wǎng)是優(yōu)質(zhì)可調負荷，以可控負荷的形式參與電網(wǎng)調控，可發(fā)揮其削峰填谷的作用，改善電網(wǎng)性能。本文利用價(jià)格響應機制，將電動(dòng)汽車(chē)組建成需求響應架構下的大型分布式儲能系統，同時(shí)結合光伏發(fā)電系統較大化吸收光伏輸出，就地消納光伏，降低用戶(hù)充電成本，緩解電網(wǎng)壓力，實(shí)現輔助電網(wǎng)峰谷調節功能。未來(lái)對電動(dòng)汽車(chē)如何實(shí)現參與電網(wǎng)調頻，作為儲能系統向電網(wǎng)優(yōu)化放電等問(wèn)題，將展開(kāi)進(jìn)一步研究。

參考文獻

［1］  倪凱旋. 基于分布式博弈的電動(dòng)汽車(chē)充電站較優(yōu)調度方法［J］.供用電

［2］  尹紅. 我國新能源汽車(chē)產(chǎn)業(yè)發(fā)展的現狀、問(wèn)題和趨勢［J］.中國價(jià)格監管與反壟斷.

［3］  劉亞麗，李國棟，劉云，等. 基于隨機森林的電動(dòng)汽車(chē)充電行為聚類(lèi)技術(shù)研究［J］. ［4］  諸曉駿，陳曦，李妍，等. 考慮電動(dòng)汽車(chē)接入的主動(dòng)配電網(wǎng)優(yōu)化調度［J］. 電力工程技術(shù)，2021，40（3）.

［5］  張明霞，莊童. 小區電動(dòng)汽車(chē)充電負荷實(shí)測分析［J］.電力需求側管理.

［6］  蒯圣宇，田佳，臺德群，等. 計及分布式能源與電動(dòng)汽車(chē)接入的空間負荷預測［J］

［7］  戴依諾，戴忠. 電動(dòng)汽車(chē)預約充電策略研究［J］. 電力需求側管理，2016，18（1）：［8］  王金明，張衛國，朱慶，等. 含風(fēng)電及電動(dòng)汽車(chē)虛擬電廠(chǎng)參與電力市場(chǎng)的優(yōu)化調度策略［J］. 電力需求側管理，2020.

［9］   劉晉源，呂林，高紅均，等. 計及分布式電源和電動(dòng)汽車(chē)特性的主動(dòng)配電網(wǎng)規劃［J］.

［10］ 秦建華，潘崇超，張璇，等. 基于充電行為分析的電動(dòng)汽車(chē)充電負荷預測［J/OL］. 電測與儀表［2021-10-20］ 

［11］ 陳黎軍，宋遠軍，王 坤，汪映輝.考慮參與電網(wǎng)輔助服務(wù)的電動(dòng)汽車(chē)有序充電研究

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

作者簡(jiǎn)介

韓歡慶，女，安科瑞電氣股份有限公司，從事電氣相關(guān)物聯(lián)網(wǎng)系統研發(fā)工作