考慮削峰填谷激勵的電動汽車集中充放電策略

王 豪，劉俊勇，劉友波

(四川大學電氣信息學院，四川 成都 610065;2.智能電網四川省重點實驗室，四川 成都 610065)

0 引言

汽車是現代社會的重要交通工具，然而傳統燃油汽車在使用過程中產生了大量的廢氣，且燃油的使用對不可再生資源有很強的依賴性。隨著科學技術的持續進步和環保意識的不斷提高，插電式電動汽車(plug－in electric vehicle，PEV)已經成為了汽車發展的主要方向之一。在日本、北美以及歐洲地區可入網電動汽車已經初具規模。與傳統燃油汽車相比，電動汽車具有環保、節約一次能源消耗的優勢，同時電動汽車的使用可以大幅降低CO2的排放，有利于緩解溫室效應。插電式混合動力電動汽車(plug－in hybrid electric vehicle，PHEV)作為PEV的主要類型之一，是一種結合內燃機和電動機2種類型驅動的新型汽車，下述研究主要以PHEV 為對象進行。

可入網混合電動汽車可以被當做儲能裝置使用。國內外的研究工作表明大部分的電動汽車在1天中的96%的時間里是被閑置的［1］。通過電動汽車接入網絡技術(vehicle to grid，V2G［2］)，這些閑置的電動汽車在用電高峰期可以將電能放到電網中，緩解高峰期的供電壓力。

文獻［3］介紹了電動汽車電力系統的影響，并評述了現有文獻中提到的電動汽車調度和控制方法。文獻［4］指出PHEV 接入電網后，會對電網負荷曲線產生巨大的影響。文獻［5－7］介紹了V2G技術概念及PHEV 對環境改善等方面帶來的影響預測。文獻［8］建立了計及V2G 功能的電動汽車的經濟調度模型。文獻［9］提出了在電力市場環境下的電動汽車調度方法，通過選擇電價較低的時段充電和向系統提供調頻備用以最小化調度汽車的充電成本。文獻［10］建立了一個以丹麥電力市場為背景的電動汽車最優調度方法，最小化大量電動汽車的運行成本。文獻［11］提出了基于實時電價的智能用電系統框架。文獻［12］提出了基于需求側響應思想的插電式混合動力電動汽車集中充電機制，并分析了此機制下的經濟收益，文獻［13］以降低網損為目標，提出了電動汽車充電策略。

在實時電價市場框架下，以最小化負荷峰谷差為目標，創新地考慮了PHEV 集中放電的情況，充電策略與文獻［12］類似，在此基礎上提出實時電價下的PHEV 用戶集中充放電策略，通過實際算例分析說明了所建模型的正確性與有效性。

1 可入網混合電動汽車集中充放電機制

PHEV 實現了車輛到電網的連接，可以利用夜間低價電力來充電。研究表明，大多數PHEV 用戶的充電時間在沒有外界激勵的情況下，會選擇在下班到家后的2 小時內立即充電，這叫做PHEV 自主充電模式。如果PHEV 負荷過于集中，導致峰值過大，嚴重時還會導致負荷畸變，使電網運行存在安全隱患。對于PHEV 放電模式，如果不加引導，也不能達到緩解高峰期供電壓力的效果。

因此，提出了由供電側和PHEV 用戶側共同參與的集中充放電機制。通過集中調度PHEV 用戶充放電，來達到緩解電網壓力、平滑負荷曲線的目的。

為了實現所設計的集中充放電機制，作出以下假設。

1)參與集中充放電協議的PHEV 用戶，在結束每天的出行之后即刻接入電網，一天只充電放電各一次。

每個人從小接觸的環境，是從家庭到學校，從學校到社會，都沒有刻意營造一個有關財商知識的教育或培訓。因此，很多人只能通過碎片化的、快餐式的學習過程，去填補財富領域的知識匱乏。然而這么做的結果卻是：渴望財富，卻很少去仔細研究如何才能擁有財富；渴望財務自由，卻不知道通過什么途徑去實現。

2)對于加入協議的PHEV 用戶，供電公司保證在規定時間內完成充電，不影響用戶白天的使用。

3)對于參與到集中充放電協議的用戶，必須保證有剩余電量供集中放電使用，定義剩余50%電量，充電結束后保證有90%以上的電量。即初始，充電結束后保證有90%以上的電量。即初始SOC1≥50%，充電結束后SOC2≥90%。

4)為了不影響電池的壽命，供電公司保證連續充電以及連續放電。

2 數學模型

2.1 目標函數

集中充放電機制的主要目標是降低負荷的峰谷差以及最大限度地降低由于部分電動汽車的自主充電導致的峰值增加，因此可以將目標函數定義為峰谷差。定義時間段TA～TB內，對PHEV 進行集中充放電，目標函數如下。

進一步可寫為

式中，i∈［TA，TB］;Lmax和Lmin表示日最大和最小負荷值;Li為i 時段的負荷預測值;Pj1為第j 輛PHEV的充電功率;Pj2表示第j 輛PHEV 的放電功率;n 為i 時段參與協議下的待充電PHEV 集合;m 為i 時段參與協議下的放電PHEV 集合;Xij和Yij是0－1 決策變量，分別表示第j 輛PHEV 在時段i 是否充電或者放電，0 表示未充電或者放電，1 表示在充電或者放電;Tj1表示第j 輛PHEV 充電時長;Tj2表示第j 輛PHEV 放電時長。

2.2 約束條件

Ti1表示充電開始時間;Ts1表示充電結束時間;Ti2表示放電開始時間;Ts2表示放電結束時間。式(6)和式(7)表示PHEV 充電和放電都是連續的，式(8)表示PHEV 的初始調度時間不超過研究時段的上限，式(9)表示PHEV 的充電放電結束時間不超過研究時段的下限。

3 算法步驟

步驟1:確定安排集中充放電的研究時段i(i∈［TA，TB］)，讀取該時段的負荷信息Li。

步驟2:讀取在i 時段能夠調度放電的PHEV 集合m，將第j(j∈m)輛PHEV 安排在研究時段內負荷預測曲線峰值時段放電，并根據電池類型，初始SOC確定放電時長，形成新的負荷曲線，如果第j 輛PHEV 在負荷曲線峰值時段以后，則Yij為0。

圖1 算法流程

步驟3:讀取在i 時段需要充電的PHEV 集合n，將第k(k∈n)輛PHEV 安排在研究時段內負荷預測曲線谷值時段充電，并根據電池類型，初始SOC確定充電時長，形成新的負荷曲線，如果第k 輛PHEV 在負荷預測曲線谷值時段以后，則Xij為0。

步驟4:重復步驟2 和3 直到該時段下的PHEV全部調度完畢。

在完成時段的調度后，進行下一個時段的調度，最終可以得到優化負荷曲線。

4 算例及結果分析

4.1 算例數據

(1)由于夜晚大多數汽車處于未使用狀態，所以取研究時段為18:00 到次日06:00，TA=18，TB=6。

(2)該地區中PHEV 用戶共376 450 輛，60%加入集中充放電協議共225 870 輛。

(3)由于PHEV 用戶電池類型不一樣，將其分為3 個類型，8 kW·h，6 kW·h，4 kW·h，根據統計，各類型的PHEV 分別為25%，50%，25%，放電功率為和充電功率都2 kW。

(4)據美國交通部的調查統計顯示一天中有86%的家用車輛被使用［14］，且被使用車輛最后一次出行結束時間分布如圖2 所示。

圖2 最后一次出行結束時間

由于各時段加入集中充電的PHEV 用戶數量不同，按照圖2 中所示比例，各時段的加入集中充電的PHEV 數量如表1。

表1 各個時段加入集中充放電PHEV 數量

(5)以美國紐約長島地區2010年1月1 日的實時數據為例，研究時段為18:00～06:00，各時段價格為(62.2，68.1，70.5，71.5，71.1，63.4，58.8，62.7，39.8，44.7，53.1，65.3，57.8)，單位美元/MW，則cmin=3.8，cmax=71.5。

4.2 算例結果分析

根據調查結果［14］，有65%的電動汽車在18:00～22:00 接入電網開始充電，若采用自主充電模式，電動汽車充電對負荷曲線的影響如圖3 所示。從圖中可以看出，在峰值時段，采用自主充電模式會拉高負荷曲線峰值，給系統造成安全隱患，在谷值時段，負荷改變不大，達不到削峰填谷的效果。

采用所提出的PHEV 集中充放電策略后，結果如圖4 所示，PHEV 集中充放電模式下，在峰谷階段，PHEV 集中放電會降低負荷峰值，在低谷階段，PHEV 集中充電會提高負荷谷值值，達到了削峰填谷的預期效果。

圖3 自主充電模式下的負荷曲線

圖4 集中充放電模式下的負荷曲線

5 結語

分析了大量PHEV 自主充電可能給負荷曲線帶來的負面影響，以實時電價為背景建立PHEV 集中充放電的數學模型，仿真結果表示該策略能降低峰谷差。

［1］Kempton W，Letendre S.Electric Vehicles as A New Power Source for Electric Utilities［J］.Transportation Research，1977，2(3):157－175.

［2］Kempton W，Tomic J.Vehicle－to－grid Power Implementation:fromStabilizing the Grid to Supporting Large Scale Renewable Energy［J］.Power Sources，2005，144(1):280－294.

［3］趙俊華，文福拴，楊愛民，等.電動汽車對電力系統的影響及其調度與控制問題［J］.電力系統自動化，2011，35(14):2－11.

［4］Schneider K，Gerkensmeyer C，Kinter M，et al.ImpactAssessment of Plug－ in hybrid Vehicles on Pacific Northwest Distribution System［C］.Proceedings of 2008 IEEE Power and Energy Society General Meeting:Conversion and Delivery of Electrical Energy in the 21stCentury，USA，2008.

［5］Kempton W，Tomic J.Vehicle－to－grid Power Fundamentals:calculating Capacity and Net Revenue［J］.Power Sources，2005，144(1):268－279.

［6］Hal T，Filipe M .Vehicle－to－grid Systems for SustainableDevelopment:An Integrated Energy Analysis［J］.Technological Forecasting and Social Change，2008，75(8):1091－1108.

［7］Benjamin K，Richard H.Beyond Batteries:An Examination of the Benefits and Barriers to Plug－in Hybrid Electric Vehicles(PHEV)and a Vehicle－to－grid(V2G)Transition［J］.Energy Policy，2009，37(3):1095－1103.

［8］Saber Y，Venayagamoorthy G.Intelligent Unit Commitment with Vehicle－to－grid:A Cost Emission Optimization［J］.Power Sources，2010，195(3):898－911.

［9］Caramanis M，Foster J.Management of Electric Vehicle Charging to Mitigate Renewable Generation Intermittency and Distribution Network Congestion［C］.Proceedings of 48th IEEE conference on Decision and Control，China 2009.

［10］Capion K.Optimized Charging of Electric Drive Vehicles in a Market Environment［D］.Technical University of Denmark:National Laboratory for Sustainable Energy，2009.

［11］殷樹剛，張宇，拜克明.基于實時電價的智能用電系統［J］.電網技術，2009，33(19):22－28.

［12］鄒文，吳福保，劉志宏.實時電價下插電式混合動力汽車智能集中充電策略［J］.電力系統自動化，2011，33(19):62－67.

［13］陳加盛，張建華，林建業，等.以降低電網損耗為目標的電動汽車充電策略［J］.電力系統及其自動化學報，2012，3(24):139－144.

［14］Taylor J，Maitra A，Alexander M，et al.Evaluation of the Impact of Plug－in Electric Vehicle Loading on Distribution System Operations［C］.IEEE Power and Energy Society General Meeting，Canada，2009.