計及動態分時電價的電動汽車參與電網調度研究

譚維玉， 雷 雨， 李 軍， 車 權， 梁 偉， 張 謙

（1.重慶大學 輸配電裝備及系統安全與新技術國家重點實驗室， 重慶 400044； 2. 國網重慶市電力公司，重慶 400015）

0 引言

大規模電動汽車（Electric Vehicles，EV）隨機充電將對電力系統造成深遠影響，若加以有效調度和控制，電動汽車集群有序充電行為不僅可以實現削峰填谷，還能解決可再生能源利用率低以及電量供需不平衡等問題[1]～[3]。 因此，制定合理的充電電價對EV 充電行為進行有效引導并激勵用戶參與電網調度是一個重要的研究課題。

電價機制作為用戶選擇是否參與調度的重要依據，對電網負荷調整結果具有顯著影響。 文獻[4]建立分時電價下的電動汽車最優充電模型，有效地將電動汽車充電負荷轉移至低電價時段，實現電網削峰填谷目標。 文獻[5]分析了電動汽車用戶對電價變化的需求響應模型，提出能夠影響電動汽車充放電行為的最優峰谷電價定價方案。文獻[6]～[8]考慮了EV 用戶的價格期望，根據預測的電網調度目標提出相應的定價策略，用戶可以按照自身需求以及出行習慣選擇充電時段。 文獻[9]設計了一種EV 充放電負荷與實時電價聯動優化模型，以用戶成本最小為目標實現電網經濟調度。 文獻[10]提出基于動態分時電價的電動汽車有序充電控制方法，用戶通過響應動態電價可顯著降低充電站的運營成本和電動汽車用戶的用電成本。 文獻[11]基于聚類算法提出了動態價格矢量模型， 仿真結果表明該電價方案能夠有效降低EV 充電費用并減輕電網峰荷壓力。 但此類研究大多假設電動汽車嚴格遵守電網的調度命令，而忽略了電動汽車用戶的偏好與個人選擇對調度結果的影響， 由此得出的充電電價在電動汽車優化控制中難以實現有效調度， 其應用仍有較大的局限性。

以上研究方法重點考慮電動汽車集群的整體隨機性， 而缺乏對單輛電動汽車行駛特性的深入探究。 本文針對峰谷電價將引導電動汽車充電負荷集中于夜間低谷電價時期， 從而導致微電網在面臨負荷波動時缺乏有效的調節手段等問題，提出了一種計及用戶滿意度的電動汽車動態分時充電電價制定策略， 并在此基礎上對電動汽車參與電力系統調度進行研究。 本文通過仿真獲得該策略下的動態分時充電電價， 并基于該電價探討電動汽車參與電力系統調度效果， 分析了該策略為微電網和電動汽車用戶帶來的經濟利益， 驗證了所提策略的合理性和有效性。

1 計及用戶出行規律的EV 并網場景建立及可控容量預測

電動汽車日行駛里程由電動汽車用戶的工作性質和行車習慣決定。本文基于2009 年美國對私家車日行駛里程調查結果， 得出日行駛里程的正態分布為[12]～[15]

式中：COSn，i為第i 輛電動汽車在完成電網n 次調度后的荷電狀態；Pch，i為第i 輛電動汽車的充電功率； ηch為充電效率；Ci為電動汽車的電池容量；n=1，2，3，…，Tall，Tall為總時段數。

2 EV 用戶綜合滿意度建模

結合不同EV 用戶用車習慣及充電經濟性、便利性等方面偏好，選取用戶經濟性滿意度和用電便利滿意度作為綜合滿意度的兩個指標：

該函數即EV 用戶偏好系數， 考慮用戶的自主選擇性，不同偏好的用戶各指標權重系數不同。

2.1 用戶經濟性滿意度

本文定義用戶經濟性滿意度函數為式中：α 為電價影響因子；c 為當前時段電網充電電價；cex，i為第i 位EV 用戶預期的充電電價。

2.2 用戶用電便利滿意度

用戶的用電便利滿意度是衡量用戶改變用電方式程度的指標。 用電便利滿意度函數為

式中：Lsch，i，t為在實行動態充電電價之后第i 輛電動汽車在第t 時段的充電負荷；Li，t為在原始峰谷電價下第i 輛電動汽車在第t 時段的充電負荷；T為一天內所有時段。

2.3 EV 用戶綜合滿意度

EV 用戶的綜合滿意度由用戶經濟性滿意度和用電便利滿意度來表征，即：式中：si，j為第i 位EV 用戶對于第j 種滿意度的偏好系數， 反映了每位EV 用戶對不同類型滿意度的重視程度。

對于第i 位EV 用戶，其偏好系數應滿足：

偏好系數RUSD，1，i對EV 用戶充電策略選擇具有重要影響。兩種滿意度指標中，RUSD，1，i表示電網在調度需求時段給出的充電電價對EV 用戶的吸引程度，對應的偏好系數s1，i是不同類型的EV 用戶對充電電價變化的敏感度； 用戶用電便利滿意度RUSD，2，i表示因改變自身充電行為而造成的用電不便利程度，對應偏好系數s2，i是EV 用戶對充電需求的迫切程度。本文假設有3 類EV 用戶，分別為一般型、急迫型、節約型充電需求用戶，其偏好系數如表1 所示。綜合滿意度指標則由式（7）中的分項滿意度和相應的偏好系數進行評價。

表1 不同EV 用戶類型的偏好系數Table 1 Preference coefficients for different EV users

3 基于微電網供需平衡的電動汽車充電電價定價策略

微電網內負荷在夜間一般處于低谷期， 網內各分布式電源發出的電能遠超過負荷用電需求，造成嚴重地棄風、棄光現象，降低微電網整體運行效率。 本文提出了基于微電網供需平衡的電動汽車充電電價定價策略， 根據電網在該時段的調度需求適當調整微電網峰谷電價， 以低于峰谷電價的充電電價激勵電動汽車用戶改變原始充電策略，實現基于價格信號的電動汽車充電負荷優化控制和調度。

3.1 含EV 群的微電網整體架構

集成了大規模電動汽車和分布式電源的微電網整體架構如圖1 所示。

圖1 含大規模EV 群的微電網整體架構Fig.1 The structure of micro-grid system with large-scale EV groups

通過引入微電網調度管理中心（Dispatching Management Center，DMC）、EV 集群運營商、EV 群車主等角色建立市場結構。 EV 集群運營商作為DMC 與EV 群車主之間的橋梁，擁有電動汽車實際控制權。 他將根據數據信息采集系統中EV 用戶上傳的入網起始電量、離網時間、期望電量以及DMC 的調度命令等信息安排EV 充電計劃并反饋至DMC。DMC 依據網內負荷情況和EV 集群運營商反饋信息與電動汽車用戶簽訂充電協議，確定車主充電價格、 充電時段以及電量等要求，實現EV 充電負荷的有效管理。

3.2 EV 動態分時充電電價制定策略

EV 集群運營商可根據不同用戶的價格敏感度來調節其經濟性滿意度，從而利用價格信號引導EV 用戶改變其充電行為。 動態分時充電電價制定策略如圖2 所示。

圖2 動態分時充電電價制定策略流程圖Fig.2 The flow chart of dynamic time-of-use pricing strategy for electric vehicle charging

在微電網峰谷電價下， 以電動汽車用戶總充電費用最小為目標， 得到網內負荷曲線u1，load為

式中：Pch，ipricech，kΔT為kΔT 時段微電網峰谷電價。

微電網中分布式電源出力不穩定， 負荷也有較大波動， 因此引入不平衡功率作為制定分時電價的基礎。 根據網內負荷曲線u1，load及可再生能源輸出功率，以微電網每時段供需平衡為目標，確定kΔT 時段電動汽車群調度需求ΔPkΔT為

式中：Pw，kΔT為風機在kΔT 時段的出力；Pw，kΔT為光伏在kΔT 時段的出力；Pload，kΔT為微電網峰谷電價下kΔT 時段的負荷。

考慮到微電網分布式電源發輸電成本以及峰谷電價， 電動汽車的動態分時充電電價僅能夠在一定范圍內進行調整。 一方面，kΔT 時段調整后的充電電價不能高于此時段對應的峰谷電價pricech，kΔT；另一方面，調整后的充電電價不應低于微電網分布式電源發輸電成本Cd。 同時，為使微電網整體經濟利益最大化， 以峰谷電價pricech，kΔT作為初始充電電價， 當更新后的分時電價p*ch，kΔT可調度的電動汽車數量能夠滿足EV 群調度需求時， 則輸出此時確認參與調度的電動汽車數量及充電電價pch，kΔT；當更新的分時電價p*ch，kΔT小于電價調整下限Cd時，響應的電動汽車數量仍不能達到EV 群調度需求，則輸出上一輪充電電價及EV響應數量。

在本文提出的策略中， 以微電網供需平衡為目標，充分考慮了電動汽車用戶的自主選擇性，設定每時段響應的EV 數量盡可能滿足EV 群調度需求為目標函數為

式中：Ωres（kΔT）為kΔT 時段參與調度的EV 數量。

每時段響應的電動汽車數量與用戶行駛需求及電池參數、充電電價、用戶綜合滿意度等因素有關，因此設定以下約束條件。

①電動汽車電池約束

式中：SOCi，t為第i 輛電動汽車在t 時刻的荷電狀態；SOCmax，SOCmin分別為參與調度電動汽車的荷電狀態上下限；SOCout，j為第i 輛電動汽車離網時的荷電狀態。

式中：RUSD，i，min為第i 位電動汽車用戶確認參與電力系統調度的最低綜合滿意度。

4 算例分析

4.1 參數設定

以某一區域的微電網為例，該微電網的分布式電源由10 臺100 kW 風力發電機和150個4 kW 光伏陣列組成，該區域內參與調度的電動汽車數量為2 000 輛，具體相關參數如表2 所示。

表2 EV 參數及其他相關參數Table 2 EV parameters and other relevant parameters

微電網日負荷功率值如圖3 所示。

圖3 微電網基礎負荷Fig.3 Base load of micro-grid

微電網谷、 平、 峰充電電價分別為0.39 元/（kW·h）（谷時段：0：00-07：00）、0.69 元/（kW·h）（平時段：07：00-10：00，15：00-19：00，21：00-24：00）、1.00 元/（kW·h）（峰 時 段：10：00-15：00，19：00-21：00）[2]，[16]。 還須說明的是，分布式電源的發輸電成本主要由風電、光伏發電成本、發電利潤、價內稅以及輸電價格組成，本文設定谷、平、峰時段單位發輸電成本分別為0.32 元/（kW·h），0.42 元/（kW·h）及0.65 元/（kW·h）[2]。 同時，如果微電網中各個分布式電源的發電量無法滿足基礎負荷和電動汽車充電需求， 微電網則須要向大電網購電，大電網購電，電價如表3 所示。

表3 大電網購電電價Table 3 Purchase electricity price of the power grid

4.2 電動汽車參與調度的動態分時充電電價及用戶滿意度仿真

通過本文提出的EV 動態分時充電電價制定策略， 求解并發布電動汽車參與調度的動態充電電價如表4 所示。 該表僅列出了在原始峰谷電價基礎上進行調整并具有變化的時段。

表4 電動汽車動態分時充電電價Table 4 Dynamic time-of-use price for EV charging

由表4 可知，動態分時充電電價與相應的峰谷電價不同的時段一共有15 個， 這是由于微電網在這些時段具有調度需求而以優惠電價刺激電動汽車轉移充電負荷的情景， 其中，T29～T38是調整充電電價最為集中時段。調整后的電動汽車充電電價持續最短時間為調度時長15 min，可以很好地反映微電網當前運行狀態以及不平衡功率變化，充電電價越低則說明不平衡功率越大。

本算例中通勤日各個時段不同調度需求情況下， 動態分時充電電價與EV 實際參與容量之間的關系仿真結果如圖4 所示。 圖4 反映了微電網在T19-T38及T95-T96時段具有調度需求，電網將在峰谷電價的基礎上逐漸降低充電電價以調用充足的電動汽車。

在同一時段內，充電電價越低，確認參與調度的電動汽車數量越多， 體現了經濟性滿意度對EV 用戶充電策略選擇的影響。

圖4 動態分時充電電價與EV 實際參與容量之間的關系Fig.4 The relationship between dynamic time-of-use charging price and EV actual capacity dispatched

為驗證具有不同偏好的EV 用戶對充電策略選擇的影響，進一步對急迫型和節約型2 類EV 用戶參與電網調度的各時段動態分時充電電價以及3 類用戶的綜合、分項滿意度進行了仿真分析， 所得結果分別如表5、 表6 及圖5所示。

表5 急迫型EV 用戶動態分時充電電價Table 5 Dynamic time-of-use price for electric vehicle charging of urgent users

表6 節約型EV 用戶動態分時充電電價Table 6 Dynamic time-of-use price for electric vehicle charging of economical users

圖5 3 類EV 用戶綜合、分項滿意度Fig.5 The comprehensive and sub-item satisfaction degree of 3 types of EV users

綜合表4、表5、表6 和圖5 可知，急迫型電動汽車用戶具有較為迫切的充電需求， 對充電電價變化的敏感度降低，因此相較于一般型用戶，其對應的充電電價提高；同時，電網將會首先滿足此類EV 用戶的充電要求， 則其用電便利滿意度較高而經濟性滿意度較低。針對節約型用戶，調度需求時段電網給出的充電電價對其吸引程度較高，則需要更低的充電電價才能夠激勵此類EV 用戶前來充電，因此，節約型EV 用戶的經濟性滿意度較高，而其用電便利滿意度較低，這意味著他們將以用電便利性換取更多的經濟利益。

4.3 不同充電情景下微電網運行的經濟性和獨立性分析

為驗證動態分時充電電價實行后對電動汽車充電行為引導和調度的有效性， 研究了電動汽車在自由充電、 峰谷電價和動態分時充電電價情景下的微電網負荷曲線變化情況如圖6 所示。

圖6 3 種電動汽車充電情形下的微電網負荷曲線Fig.6 The load curves of micro-grid in 3 charging situations

電動汽車在動態分時充電電價引導下每時段參與電力系統充電調度的具體數量如表7 所示。

表7 EV 參與調度的數量Table 7 The dispatching number of electric vehicles

在自由充電模式中， 電動汽車充電負荷和傳統用電負荷疊加出現“峰上加峰”的現象，導致微電網運行成本大大增加， 且可再生能源的利用率低。在峰谷電價的引導下，為減少電動汽車用戶的充電費用，EV 集群運營商將計劃在夜間進行充電，這將造成微電網負荷在集中充電時段激增；而動態分時充電電價將以微電網供需平衡為目標安排電動汽車分散充電。 仿真結果表明，EV 群充電行為能夠在動態電價的引導下， 完全跟蹤分布式電源出力，有效平抑微電網負荷波動，提高可再生能源利用率，并且降低外購電量。

本文微電網運行的獨立性主要采用分布式電源的可再生能源利用率和外部大電網購電量來表征。微電網棄風、棄光懲罰費用為0.88 元/（kW·h）[17]。不同充電情景下的分布式電源過剩發電量、 外部購電量、EV 用戶充電費用和微電網主要可變成本比較結果如圖7 所示。

圖7 不同充電情形下的參數對比Fig.7 The comparison of parameters in different scenes

由圖7 可知， 電動汽車在峰谷電價和動態分時充電電價下的過剩發電量相對于自由充電的情景分別下降了59.9%，100%， 外部購電量分別下降了4.9%，42.5%，其次，EV 用戶充電費用和微電網主要可變成本也大大降低。 從4 個指標的下降幅度可知， 在動態分時充電電價機制下微電網運行的獨立性是最強的， 既能夠盡可能消納分布式電源發出的電量， 又能降低微電網對外部大電網的依賴性，提升微電網運行的經濟性。

5 結論

本文建立了電動汽車并網場景和可控容量預測模型， 提出計及用戶滿意度的電動汽車動態分時充電電價制定策略， 基于該電價探討電動汽車參與電力系統調度效果。 與靜態峰谷電價引導和自由充電模式相比， 本文所提的動態分時充電電價能夠有效地引導EV 用戶轉移充電負荷， 有利于提高微電網運行的獨立性和經濟性。