電動汽車有序充電可行性分析

盧倚平

（浙江大學(xué) 310000)

1 電動汽車的發(fā)展概述

1.1 研究背景

現(xiàn)階段，能源與環(huán)境問題成為了世界范圍內(nèi)的主要問題。在工業(yè)時代下，汽車產(chǎn)業(yè)得到了飛快的發(fā)展，汽車數(shù)量的劇增，在給生活帶來便利的同時，也使得地球能源和環(huán)境面臨著巨大的危機。汽車消耗的石油占到了全球石油消耗量的75%左右[1]，逐漸增大的石油消耗量使得全球能源問題更加突出。另一方面，汽車產(chǎn)生的尾氣對地球環(huán)境造成了嚴(yán)重污染，是目前造成大氣污染的首要原因。

為減輕全球面臨的能源和環(huán)境問題，世界各國己經(jīng)認(rèn)識到發(fā)展使用清潔能源的汽車才是未來汽車產(chǎn)業(yè)的正確方向。電動汽車是一種以電力作為動力源的汽車，與消耗燃油的傳統(tǒng)汽車相比，具有低污染或無污染、能效高等優(yōu)點，而且電能可通過太陽能、風(fēng)能或水力發(fā)電等清潔能源獲取。普及大眾使用電動汽車對于解決全球能源和環(huán)境問題具有重要意義。因此，大力發(fā)展電動汽車，成為全球各國汽車產(chǎn)業(yè)的主要發(fā)展方向。

1.2 電動汽車的國內(nèi)外發(fā)展現(xiàn)狀

過去的5年里，全球電動汽車市場正以很快的速度增長，電動汽車產(chǎn)銷量均明顯提升。2017年全球電動汽車銷量達(dá)到122.3萬輛，較2012年的12.2萬輛實現(xiàn)了巨大提升。其中中國、美國、挪威、德國與法國成為了全球銷量前5名的大國（圖1）。

圖1 全球新能源乘用車2017年與2016年銷量對比

從國外電動汽車發(fā)展歷程來看，各國政府采取的技術(shù)路線并不同[2]。在產(chǎn)業(yè)化方面除經(jīng)濟扶持、政策優(yōu)惠和法規(guī)強制外，還通過示范運營、加強基礎(chǔ)設(shè)施建設(shè)、優(yōu)惠租賃、政府采購和節(jié)能環(huán)保宣傳等手段，保證生產(chǎn)、研發(fā)及銷售等各環(huán)節(jié)協(xié)調(diào)發(fā)展。同時，各國扶持電動汽車產(chǎn)業(yè)的政策都根據(jù)不同經(jīng)濟階段的實際需求而進行動態(tài)調(diào)整，使產(chǎn)業(yè)發(fā)展順利由政府推動過渡到市場推動，為我國電動汽車發(fā)展提供了寶貴經(jīng)驗。

我國作為全球第二大電動汽車市場，近年來在政府的強力推動下，電動汽車的產(chǎn)量和銷量均實現(xiàn)了巨大的飛躍，但我國電動汽車目前也存在很大的發(fā)展瓶頸。首先，電動汽車的研發(fā)和產(chǎn)業(yè)化等各環(huán)節(jié)涉及多個管理部門，而目前的政策缺乏統(tǒng)籌協(xié)調(diào)和延續(xù)性。其次，當(dāng)前我國在汽車車載能源系統(tǒng)、驅(qū)動系統(tǒng)及整車控制系統(tǒng)等技術(shù)上，與國外比仍存在較大差距，汽車產(chǎn)品成熟度不高，可供市場選擇的車型較少，缺乏競爭優(yōu)勢。最后，充電基礎(chǔ)設(shè)施建設(shè)還不是很完備，消費者對電動汽車的認(rèn)同度也不是太高。

2 電動汽車?yán)m(xù)航里程預(yù)測

電動汽車?yán)m(xù)駛里程預(yù)測，可用于在制定電動汽車有序充電策略過程中，確定用戶的出行需求，根據(jù)用戶到達(dá)充電站時的SOC判斷當(dāng)前電量是否滿足用戶下次出行需求，確定本次是否為電動汽車進行充電。根據(jù)文獻[3]介紹，可以通過采用模糊聚類算法來對行駛工況片段進行模糊聚類分析，進而得到電動汽車行駛工況識別，然后就可以對電動汽車的續(xù)航里程進行預(yù)測（圖2）。

圖2 電動汽車?yán)m(xù)駛里程預(yù)測流程

電動汽車?yán)m(xù)駛里程預(yù)測過程中，對電動汽車行駛片段的歷史數(shù)據(jù)，利用己知的各工況聚類中心進行識別，計算電動汽車各工況的比例，讀取當(dāng)前電動汽車SOC及各工況的平均耗電量，從而計算電動汽車的續(xù)駛里程。計算方式如公式1所示。

其中,Ss為電動汽車當(dāng)前SOC，Q為電動汽車的電池容量，Xi為各工況的片段數(shù)，Wi為各工況的耗電量,其中i=1,2,...,12。詳細(xì)計算，當(dāng)SOC=0.2時，續(xù)航里程為17 km。該數(shù)據(jù)將用于以下有序充電的程序編寫過程。

3 電動汽車有序充電策略

本文提出的電動汽車有序充電策略采用雙層模型[4]，分為用戶側(cè)模型及電網(wǎng)側(cè)模型。其中，用戶側(cè)模型根據(jù)之前的電動汽車?yán)m(xù)駛里程預(yù)測方法計算電動汽車的充電量。電網(wǎng)側(cè)模型基于局域配電網(wǎng)的負(fù)荷狀況，考慮用戶充電的便利性，以電動汽車下次出行的里程長短優(yōu)先級，電動汽車用戶所用的錢最少以及局域配電網(wǎng)負(fù)荷峰谷差最小為調(diào)度目標(biāo)函數(shù)，對電動汽車充電進行規(guī)劃和調(diào)度。調(diào)度優(yōu)先級別為，局域配電網(wǎng)負(fù)荷峰谷差最小優(yōu)先于下次出行里程長短，優(yōu)先于電動汽車用戶所消費的電價。

3.1 用戶側(cè)模型

設(shè)用戶響應(yīng)充電時間調(diào)控的概率為p。用戶側(cè)模型的主要目的為，在滿足用戶下次充電前出行需求的基礎(chǔ)上，以電動汽車動力電池容量衰退最小為目標(biāo)，確定電動汽車的充電量。在用戶到達(dá)充電站開始充電前,由用戶輸入當(dāng)前時間T_in，電動汽車當(dāng)前的SOC記為Ss，預(yù)計駛離充電站的時間T_out，及其預(yù)計行駛里程L。

根據(jù)電動汽車當(dāng)前SOC，利用公式(1)計算當(dāng)前SOC下電動汽車?yán)m(xù)駛里程預(yù)測值L1。SOC為20%時電動汽車的續(xù)駛里程L2=17 km。若L1＞L+L2，表明當(dāng)前電量充足（模型中預(yù)留了20%的電量）。若在電動汽車電量充足情況下，由電動汽車用戶來決定是否還要充電（設(shè)定用戶決定充電的概率為p0），若決定充電，則該次充電為電動汽車充滿電。在充電時間充足的情況下，則該次充電過程的充電量如公式(2)所示。若決定不充，則該次不對電動汽車充電。

若L1＜L+L2，表明當(dāng)前電量不充足。由用戶決定是否接受調(diào)控的充電量，若不接受，則與上述流程類似，為用戶的電動汽車充滿電。若接受，則該次充電量如公式(3)所示。其中，P汽車等于25.6 kWh。

接著，由用戶決定是否愿意接受充電時間的調(diào)控（概率為p），若不接受時間調(diào)控，則立即開始為電動汽車充電，若接受，則將充電數(shù)據(jù)輸入電網(wǎng)側(cè)模型,對用戶充電時間進行調(diào)控。總的有序充電用戶側(cè)的模型如圖3所示。

圖3 電動汽車有序充電電網(wǎng)側(cè)模型

3.2 電網(wǎng)側(cè)模型

該層模型的優(yōu)化目標(biāo)是在滿足用戶出行規(guī)律的基礎(chǔ)上，按照調(diào)度的優(yōu)先級，對電動汽車的充電時間進行調(diào)控。只要用戶接受對于電動汽車充電時間的調(diào)控，上層用戶側(cè)模型即把充電量數(shù)據(jù)和行駛里程L輸入電網(wǎng)側(cè)模型；若用戶不接受充電時間的調(diào)控，則電網(wǎng)側(cè)模型不對用戶充電時間進行優(yōu)化，僅更新局域配電網(wǎng)的負(fù)荷數(shù)據(jù)。

局域配電網(wǎng)當(dāng)日負(fù)荷曲線一般根據(jù)該局域配電網(wǎng)的歷史負(fù)荷數(shù)據(jù)預(yù)測得到。將一天分為96個時段，則每個負(fù)荷點的時間間隔為15 min。局域配電網(wǎng)的原始負(fù)荷大小為P_load，另外，設(shè)電動汽車的充電過程為恒功率充電，充電功率為△P=3 kWh。電動汽車有序充電電網(wǎng)側(cè)模型如圖4所示。

圖4 電動汽車有序充電電網(wǎng)側(cè)模型

3.3 優(yōu)化函數(shù)三個目標(biāo)的說明

局域配電網(wǎng)負(fù)荷峰谷差最小，設(shè)第k個時段內(nèi)正在充電的電動汽車總負(fù)荷為Pk，共有n輛電動汽車在同時進行充電，則如公式(4)所示。

因此，在第k個時段內(nèi)，局域配電網(wǎng)的總負(fù)荷Psumk是局域配電網(wǎng)原始負(fù)荷Pk與該時段內(nèi)電動汽車充電負(fù)荷Pk的疊加。

在用戶停車時間段(T_in至T_out)，以配電網(wǎng)負(fù)荷峰谷差最小為目標(biāo)1。

用戶需求（對充電時間的渴望程度），如公式7所示，L1-L2為考慮預(yù)留20%電量時電動汽車的續(xù)航里程，L為下一個時間段電動汽車需要行駛的路程。當(dāng)L1-L2較低，或者下一個時間段需要行駛的路程L較大時，Wn就會越小，這表明此時該電動汽車用戶的充電需要比較急切，因此要優(yōu)先滿足該用戶的充電需求。

如公式(8)所示，為用戶所用電費最小的計算方法。

4 有序充電仿真算例

4.1 算例設(shè)計

以配電網(wǎng)某220 V節(jié)點下的負(fù)荷為例進行分析，該節(jié)點一天的電價變化如表1所示[5]。

表1 局域配電網(wǎng)負(fù)荷數(shù)據(jù)

4.2 算例結(jié)果

設(shè)定無序充電的情境為一旦用戶有充電需求，則立刻為該電動汽車連入配電網(wǎng)進行充電。為了與電動汽車有序充電的結(jié)果進行對比，本文同時對電動汽車無序充電的情況進行了仿真模擬[6]，采用多目標(biāo)粒子群算法進行多目標(biāo)優(yōu)化的結(jié)果（圖5）。

圖5 電動汽車充電負(fù)荷曲線對比

如表2所示，列出了100臺電動汽車投入到電網(wǎng)后，分別用無序充電和有序充電2種充電模式，所花費的充電成本和電網(wǎng)負(fù)荷的峰谷差與日負(fù)荷的方差值。

表2 100臺電動汽車無序充電和有序充電結(jié)果比較

如圖6所示，給出了用戶響應(yīng)率為0.3、0.5和0.7時的配電網(wǎng)負(fù)荷曲線。

圖6 不同用戶響應(yīng)率下局域配電網(wǎng)負(fù)荷曲線

從圖中可以看出，隨著用戶響應(yīng)率的增加，充電負(fù)荷被轉(zhuǎn)移到一天中負(fù)荷較低點越多。同時，充電負(fù)荷在進一步的下降。當(dāng)用戶響應(yīng)度高的時候，有序充電對于緩解局域配電網(wǎng)峰谷差的效果會更加明顯。

通過實現(xiàn)對電動汽車?yán)m(xù)航能力的預(yù)測，以及考慮用戶的出行規(guī)律和滿足配電網(wǎng)的負(fù)荷狀況，制定了兼顧電動汽車用戶和配電網(wǎng)的電動汽車有序充電模型。該模型主要包括有序充電優(yōu)化目標(biāo)、充電約束條件及配電控制流程，然后利用多目標(biāo)優(yōu)化算法對提出的充電優(yōu)化目標(biāo)進行求解。最后，利用一個實際算例對電動汽車有序充電策略進行模擬。仿真結(jié)果表明，對于用戶，很大程度可以滿足用戶的充電急迫需求，并減少充電花費。對于配電網(wǎng)，可以有效削峰填谷，使配電網(wǎng)更加穩(wěn)定。當(dāng)用戶響應(yīng)度越高且連入配電網(wǎng)的電動汽車越多時，其對配電網(wǎng)負(fù)荷曲線的改善能力越有效。

5 結(jié)論及展望

5.1 總結(jié)

隨著電動汽車的規(guī)模化應(yīng)用，電動汽車無序充電會給配電網(wǎng)的安全和經(jīng)濟運行帶來新的困難和挑戰(zhàn)，因此，研究電動汽車有序充電策略具有很重要的現(xiàn)實意義。有序充電是指當(dāng)電動汽車接上電源后，在滿足電網(wǎng)約束條件以及用戶使用客觀需求的條件下，由調(diào)度中心控制開始充電的時間以及電動汽車充電功率的大小，車主不能主觀改變?nèi)我鈺r刻的充電曲線。

目前我國的電動汽車發(fā)展仍不成熟，車載能源系統(tǒng)、驅(qū)動系統(tǒng)及整車控制系統(tǒng)等技術(shù)上與國外比仍存在較大差距，汽車產(chǎn)品成熟度不高，需要在各種方面借鑒國外先進經(jīng)驗。通過進行實際分析，得到了電動汽車?yán)m(xù)航里程的預(yù)測方法，并將其運用到電動汽車有序充電策略的計算中。

并在此基礎(chǔ)上提出了用戶側(cè)和配電網(wǎng)側(cè)的電動汽車有序充電雙層模型。用戶側(cè)模型根據(jù)電動汽車?yán)m(xù)駛里程預(yù)測方法計算電動汽車的充電量。電網(wǎng)側(cè)模型基于局域配電網(wǎng)的負(fù)荷狀況，對電動汽車充電進行規(guī)劃和調(diào)度。學(xué)習(xí)了改進的多目標(biāo)優(yōu)化粒子群算法[7]，采用了更優(yōu)全局向?qū)У膶ふ也呗訹8-9]。并在實例模擬中仿真來驗證有序充電的可行性。

5.2 展望

本文對于解決電動汽車規(guī)模化應(yīng)用后的配電網(wǎng)負(fù)荷問題有一定幫助。但由于在實例模擬仿真中，電動汽車的數(shù)據(jù)量比較少，因此本文對于電動汽車有序充電策略的研究仍是不完整的，還有很多可以完善和提高的地方。例如，本文中的電動汽車?yán)m(xù)航里程預(yù)測方法中，在參考的文獻中只是考慮了比亞迪車型的一些工況參數(shù)以及少數(shù)用戶的駕駛行為，而不同型號的汽車以及不同用戶的駕駛行為是存在差異的，因此需要建立一個比較完備的，適用于大部分情況的電動汽車?yán)m(xù)航里程預(yù)測模型。

本文提出的電動汽車有序充電策略主要體現(xiàn)在時間尺度上的調(diào)度，而沒有考慮對電動汽車充電進行空間尺度上的調(diào)度。隨著電動汽車的普及，某個區(qū)域中充電樁的數(shù)目往往不夠，因此單純從時間尺度上去進行調(diào)度是不夠合理的。只有實現(xiàn)了電動汽車在時間尺度和空間尺度的聯(lián)合調(diào)度，才能使有序充電策略在實際中得到更好的開展和應(yīng)用。

[1]何盼盼,曹以龍.電動汽車充電機充電策略設(shè)計[J].上海電力學(xué)院學(xué)報,2015,31(01):11-14.

[2]劉卓然,陳健,林凱,趙英杰,許海平.國內(nèi)外電動汽車發(fā)展現(xiàn)狀與趨勢[J].電力建設(shè),2015,36(07):25-32.

[3]莫智文,舒蘭,許彪.模糊數(shù)學(xué)理論及其應(yīng)用評述[J].四川師范大學(xué)學(xué)報(自然科學(xué)版),1998(03):82-87.

[4]蘇粟,劉紫琦,王世丹,楊恬恬,胡勇,張仁尊,李玉璟.基于用戶駕駛行為特性的電動汽車有序充電策略[J].電力自動化設(shè)備,2018,38(03):63-71.

[5]蔣小維.基于改進遺傳算法的電動汽車有序充電控制策略研究[D].湖北工業(yè)大學(xué),2016.

[6]黃潤,周鑫,嚴(yán)正,顧潔.計及電動汽車不確定性的有序充電調(diào)度策略[J].現(xiàn)代電力,2012,29(03):57-63.

[7]倪慶劍,邢漢承,張志政,王蓁蓁,文巨峰.粒子群優(yōu)化算法研究進展[J].模式識別與人工智能,2007,20(03):349-357.

[8]陽春華,莫志勛,李勇剛.基于改進粒子群優(yōu)化算法的約束多目標(biāo)優(yōu)化[J].計算機工程,2010,36(20):203-205+213.

[9]薛洪波,倫淑嫻.粒子群算法在多目標(biāo)優(yōu)化中的應(yīng)用綜述[J].渤海大學(xué)學(xué)報(自然科學(xué)版),2009,30(03):265-269.