基于電價響應的電動汽車充放電策略研究

(廣西電網有限責任公司柳州供電局，廣西 柳州 545000)

0 引 言

據統計，一輛電動汽車平均每天停車長達23 h，且全年停駛時間占96%左右[1]。對于電動汽車用戶，在滿足基本行車需求的前提下，V2G模式可以創造額外收入，也會加快車輛投資成本的攤銷[2]。但是，由于實時電價和電池充放電損耗等因素，電動汽車用戶在參與電網互動過程中，還會存在入不敷出的情況。比如當充電電價大于放電電價時，或者在電池放電成本過高，而峰谷電價差過低，以至于放電成本始終高于充電成本；而且不同型號的電池成本也不一樣，電池損耗成本過高也會影響用戶的收益。另一方面，對配電網而言，大量電動汽車進行無序充電將加重配電網的負荷負擔[3]，此外電動汽車充放電行為分散、單輛電動汽車的電池容量小，電網不可能直接對單輛電動汽車進行調控[4]。但是電動汽車參與電網互動的實質是參與電網削峰填谷，而電網的削峰填谷策略能實時響應電網負荷。因此，探索合理的調度策略和控制措施，充分考慮用戶側和電網側需求，是解決大規模電動汽車參與配電網互動的關鍵[5]。

在電動汽車調度策略研究方面，文獻[6-7]建立以電網損耗最小為目標的電動汽車充電優化模型，研究結果表明，合理控制電動汽車充電有利于降低電網損耗，提高電網綜合經濟效益。文獻[8]以包含充電成本、電網損耗成本等因素的充電總成本最小為目標，構建了電動汽車的優化控制模型。文獻[9]基于分時電價和用戶充電需求，以電動汽車充電總費用最低為目標制定調度計劃。

電動汽車用戶都希望在電價低的時段對電動汽車充電，而在電價高的時段向電網放電以獲得電價差額利益，電動汽車用戶的這一期望與電網削峰填谷策略一致[10]。通過采用相應的調度策略和控制措施，使電動汽車在電網負荷低谷時段進行充電，在負荷高峰時段進行放電，實現電網削峰填谷的作用，合理利用電動汽車作為儲能單元的優勢，給用戶和電網帶來收益[11]。鑒于此，從用戶側和電網側需求出發，提出了基于價格響應的調度策略，并構建了相應的控制模型。

1 用戶側和配電網側需求分析

電動汽車與配電網互動的過程就是雙方博弈的過程。互動所產生的紅利主要包括兩方面：1)降低電網運營成本和投資成本，這主要是通過容量效益、調峰調頻、豐富電網調節和控制手段、提供輔助服務等；2)在實時電價機制下，產生峰谷電價差額利潤。

1.1 用戶側需求

用戶側需求主要包括以下幾方面：1)電動汽車作為行駛工具，首先應該滿足用戶的基本行車需求；2)用戶對電動汽車參與電網互動和退出互動具有優先權；3)在空閑時間段以儲能單元參與電網互動，以期獲得相應的額外收益；4)在參與電網互動的過程中避免電池的不經濟放電(電池頻繁充放電)；5)其他便民服務，如充電向導、電價服務等。

1.2 配電網側需求

配電網側需求主要包括以下幾方面：1)削峰填谷，轉移電網高峰負荷，消納電網低谷負荷；2)容量儲備，容量越大越好；3)應急調度，應付緊急情況的調度需求；4)提高電網對清潔能源的消納能力。

2 電動汽車參與電網互動的經濟效益分析

2.1 電動汽車成本模型

電動汽車參與電網互動的總成本由電池損耗成本和購電成本組成。

C=Cb+Cc

(1)

式中：C為電動汽車參與電網互動的總成本；Cb為電池損耗成本；Cc為購電成本。

1)電池損耗成本

電池損耗與其充放電次數、放電深度、電池材料、溫度等有關[12]，其折算方法根據文獻[13]用電池的吞吐量來計算電池損耗。

電池單位電能吞吐損耗成本cb為

(2)

式中：Lc,max為電池最大充放電循環次數；Een為電池的額定容量；pb為電池單位容量價格成本，元/kWh；DOD為電池的最大放電深度。

電池放電損耗成本為

(3)

式中，Pd(t)為電池放電功率，kW/h。

2)購電成本

考慮電動汽車充電池放電過程中的能量損耗，購電成本為

(4)

式中：pc(t)為充電電價，元/kWh；ηc為電池充電效率；Pc，CD為充放電電能。

則電池的放電總成本價pdz(t)為

(5)

2.2 電動汽車收益模型

電動汽車參與電網互動的收益分為兩部分：1)電動汽車向電網側售電收益；2)向電網側購電費用。

M=Rd-C

(6)

式中：M為電動汽車參與電網互動的收益；Rd為電動汽車售電收益；C為電動汽車購電費用。

1)電動汽車向電網側售電收益

(7)

式中：pen(t)為實時電價；ηd為電池放電效率。

2)向電網側放電成本包括電池損耗、充放電功率損耗以及購電費用。

(8)

將1天分為48個時間段，則電動汽車用戶1天收益的計算模型為

(9)

3 基于價格響應的調度策略

3.1 目標函數

電動汽車價格響應調度策略就是在負荷高峰時，設定較高的交易電價，來引導電動汽車放電和減少電動車充電行為；在負荷低谷時，設定較低的交易電價，來引導電動汽車充電和減少電動車放電行為。電動汽車是否提供V2G服務將取決于市場電價。通過控制充放電功率，使電池在一個產生周期內(完成一次充放電循環)，收益大于相應的可變成本。

以經濟收益最大為目標函數

maxM=Rd-C

(10)

3.2 約束條件

基于價格響應的調度策略以電價市場引導用戶自主參與電網互動，電動汽車的充放電約束條件包括用戶側約束條件、實時電價市場、電池充放電能量和充放狀態約束條件。

1)用戶側約束條件

電動汽車用戶自主選擇是否參與電網互動，設定當SL=1表示參與電網互動，SL=0則不參與；電動汽車用戶根據自身需求設定最小荷電量SOCmin。

(11)

式中,SOC(t)為電池的實時荷電量。

2)電池能量約束條件

包括：①電池每次的充/放電能不能高于電池的可充/放電能量；②電池的實時荷電量不小于最小荷電量；③電池放電功率小于額定放電功率。

(12)

3)收益約束條件

用戶的收益約束條件就是實時電價必須大于放電成本價。

s.t.pen(t)≥pdz(t)

(13)

4)電池的狀態約束條件

電池狀態的約束條件包括：①電池的溫度、電壓不能越限；②電池的充放電循環次數不能超過最大循環次數。

(14)

式中,vmax、vmin、wmax、wmin分別為電池電壓上下限和溫度上下限。

3.3 電池充放電策略

1)電池放電策略

當市場電價大于放電成本時，放電功率為Pd,en；市場電價小于放電成本時，放電功率為0。

(15)

2)電池充電策略

電動汽車的充放電的決定因素包括：①用戶的選擇；②實時電價；③電池運行狀態。

電動汽車充放電控制模型流程如圖1所示。

圖1 EVs充放電流程

4 算例分析

將1天分48個時段電價，即電價的調整是建立在以30 min為時間分辨率的序列，如圖2所示。

以比亞迪e6[14]、榮威E50[15]、日產Leaf[16]、力帆620[17]4種電動汽車為例。取電池最大容量降低到額定容量的70%時為電池壽命終止，則電池最大循環次數為10 000次。表1為4種品牌電動汽車的電池參數。

取電池的充電效率和放電效率都為0.92[7]，電池的電能容量服務價格pcap參照《并網發電廠輔助服務管理暫行辦法》，取0.012元/(kWh·h)。由式(2)計算各品牌電動汽車電池的吞吐量成本。表2為4種品牌電動汽車電池的吞吐量成本。

表1 4種品牌EVs的電池參數

圖2 實時電價

表2 4種品牌電動汽車電池的吞吐量成本

提供的實時電價，以電池吞吐量成本最低的比亞迪e6和最高的日產Leaf為例，分析兩種電動汽車在實時電價下的盈利情況。取電池的充電效率和放電效率都為0.92，最小續航值取20 km。

通過Matlab編程計算，得到比亞迪e6和日產Leaf在一天內各個時間段的放電電價和放電成本價，仿真結果如圖3所示。

由圖3可得比亞迪e6和日產Leaf的可盈利充電和放電時間段，如表3所示。

表3 比亞迪e6和日產Leaf的可盈利充電和放電時間段

由表3可以看出比亞迪e6的可盈利充電時間段和放電時間段出現了重疊部分，即在22:00至23:30時間段比亞迪e6既可以充電也可以放電。但事實上，比亞迪e6并不能在該時段進行先充電再放電。如果在該時段充電，那么只能到第2天才有可盈利的放電空間。因此，比亞迪e6一天只能進行一次充放電調度。

由圖3和表3可以得出以下幾個結論：

1)由于日產Leaf的電池額定容量比比亞迪e6小，所以日產Leaf的可盈利空間小，且在相同條件下的盈利少；

2)比亞迪e6和日產Leaf獲得最大利潤的情景相同，即在02:30至03:30進行充電，在08:00至08:30進行放電，相應的最大電價差分別為0.323 1(元/kWh)、0.169 5(元/kWh)；

3)比亞迪e6和日產Leaf在該實時電價下，一天只能進行一次可盈利的充放電調度。

此外，當用戶選擇的最小續航值變大時，或者充電效率變低時，電動汽車的盈利空間將進一步降低，甚至出現無法盈利的情況。

兩輛電動汽車可盈利的充電時間段屬于電網負荷低谷期，此時段電價低，且電網側有增加負荷量的需求；放電的3個時間段都是用電高峰期，此時段電價高，且電網側有轉移高峰負荷的需求。因此，該充放電選擇與電網削峰填谷的策略相符，與電網側需求一致。

[1] Saber A Y, Venayagamoorthy G K. Resource Scheduling under Uncertainty in a Smart Grid With Renewables and Plug-in Vehicles[J]. IEEE Systems Journal, 2012, 6(1):103-109.

[2] 孫波，廖強強，謝品杰，等．車電互聯削峰填谷的經濟成本效益分析[J]．電網技術，2012，36(10)：30-34．

[3] 胡澤春，宋永華，徐智威，等．電動汽車接入電網的影響與利用[J].中國電機工程學報，2012，32(4):1-10．

[4] 姚偉鋒，趙俊華，文福拴，等．基于雙層優化的電動汽車充放電調度策略[J].電力系統自動化，2012，36(11):30-37．

[5] Dominik Pelzer, David Ciechanowicz, H Aydt, et al. A Price-responsive Dispatching Strategy for Vehicle-to-Grid: An Economic Evaluation Applied to the Case of Singapore[J]. Journal of Power Sources,2014,256(3):345-353.

[6] 占愷嶠，宋永華，胡澤春，等. 以降損為目標的電動汽車有序充電優化[J]. 中國電機工程學報, 2012, 32(31):11-18.

[7] 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, 24(3):139-144.

[8] Sortomme E, Hindi M M, Macpherson S D J, et al. Coordinated Charging of Plug-in Hybrid Electric Vehicles to Minimize Distribution System Losses[J]. IEEE Transactions on Smart Grid, 2011, 2(1):198-205.

[9] He Y, Venkatesh B, Guan L. Optimal Scheduling for Charging and Discharging of Electric Vehicles[J]. IEEE Transactions on Smart Grid, 2012, 3(3):1095-1105.

[10] Sekyung H, Soohee H, Sezaki K. Development of an Optimal Vehicle-to-Grid Aggregator for Frequency Regulation [J]. IEEE Transactions on Smart Grid, 2010, 1(1): 65-72．

[11] 陸凌蓉，文福拴，薛禹勝，等．電動汽車提供輔助服務的經濟性分析[J]．電力系統自動化，2013，37(14)：43-49．

[12] Corey D. White, K. Max Zhang. Using Vehicle-to-Grid Technology for Frequency Regulation and Peak-load Reduction[J]. Journal of Power Sources, 2010, 196 (8): 3972-3980．

[13] Sarre G, Blanchard P, Broussely M. Aging of Lithium-ion Batteries[J]. Journal of Power Sources, 2004, 127(127):65-71.

[14] 比亞迪汽車官網．比亞迪e6價格與配置[R/OL]．2011-10-26．http://www.bydauto.com.cn/car-param-e6.html.

[15] 榮威汽車官網．榮威E50價格與配置[R/OL]．2012-11-05．http://www.roewe.com.cn/roewee50/.

[16] 百度百科．日產LEAF參數配置[R/OL]．2013-09-07．http://baike.baidu.com/view/2706376.htm.

[17] 上海中科電動汽車有限公司官網．力帆620純電動車[R/OL]．2013-06-24．http://www.zklf-ev.com/ShowProducts.asp.