試談電動汽車充電接入點不同對電能計量影響

馬麗雅

（國網山西省電力公司呂梁供電公司，山西 呂梁 033000）

現階段，電動汽車在接入充電網絡時，采取的是隨機接入形式，接入時以單相負荷進入電網中，引起三相電流發生不平衡問題，降低了計算準確性。在相同電力市場環境中，以公平公正為原則，為電能使用人員提供優質電能，以此搭建電動汽車先進性的電能計量體系，保障交易系統運行的有序性。

一、相關概念

（一）充電模式

國內電動汽車類型有多種，包括公交性質、出租性質、私家車使用等。充電模式有三種，即慢充、常規充、快充。在三種充電模式中，慢充與常規充兩種充電模式，以交流充電為主，快充的充電模式為直充。在常規充的類別中，有兩種電壓等級，即單相220v、三相380v，在商場、停車場等場所獲得了廣泛使用。電動汽車有兩種充電形式，即恒流、恒壓。將集中研究常規充電模式、單相220v 電壓等級、恒流充電形式的電網，以下簡稱常規研究版。

（二）充電站布局

結合現階段電動汽車配置數據顯示，一個充電站由[20，40]個充電樁完成配置，此配置能夠有效利用晚間谷電完成充電。如若在負荷較大值時有充電需求，應采取[60，80]個充電樁予以配置，此種配置方式將會增加充電成本，加大高峰負荷。

（三）計量電能誤差分析

電動汽車、充電設施在實際使用期間，應保障充電程序電量計量的準確性。當電動汽車接入充電網絡時，科學選擇充電接入點，能夠減少充電網絡運行產生的線損問題，提升三相負荷平衡性。電動汽車充電站的運行體系，計量方式以三相單表為介質，完成每相用戶負荷的精準計量，結合單相計量數據向用戶發起收費，存在較為嚴重的計量誤差問題，造成收費不合理現象。

二、案例分析

（一）案例情況

以電動汽車為主體，假設在充電網絡內部，三相均設有常規研究版電樁10 個，電樁額定電流取值為30A，每個充電樁在相同時刻僅能完成一臺電動汽車充電需求。針對常規研究版電動汽車用戶，可選擇三相中任意一個空閑常規研究版電樁開展充電。在MOPSO 算法中，借助randperm 指令生成了若干個整數，整數數量為12 個，取值范圍為[1，30]，12 個整數采取不重復取值方式。將不大于10 的數歸于A 矩陣中，表示三相中的A 相充電樁處于充電模式。將取值在[11，20]范圍內的數值，采取-10操作，減完結果歸于B 矩陣中，表示三相中B 相充電樁處于充電模式。將取值在[21，30]范圍內的數值，采取-20 操作，減完結果歸于C 矩陣中，表示三相中C 相充電樁處于充電模式[1]。此時隨機選擇的12 輛電動汽車，采取隨機形式完成充電接入。

在電動汽車有充電請求時，第十三個電動車可在剩余18 個充電樁中完成充電。借助MOPSO 算法開展充電接入點優化，依據優化結果確定最佳的電網接入方案。在現有12 輛電動汽車完成隨機接入進行充電時，在有電動汽車提出充電請求時，將會在剩余18 個充電樁中選擇，完成充電。

（二）優化前各項數據

優化前期三相接入電網的各項數據，具體表現為：三相不平衡度的最大值為25.14%，三相不平衡度的最小值為1.66%，三相不平衡度的平均值為13.95%；線路損耗最大值為516.1J，線路損耗最小值為414.8J，線路損耗平均值為464.7J。

（三）優化后各項數據

優化后期三相接入電網的各項數據，具體表現為：三相不平衡度的最大值為9.771%，三相不平衡度的最小值為1.66%，三相不平衡度的平均值為5.123%；線路損耗最大值為444.1J，線路損耗最小值為414.8J，線路損耗平均值為426.1J。

（四）計量精準性分析

計量精準性分析：優化前三相平衡度的平均值為13.95%，優化后降至5.123%，降低幅度為8.827%，使電能計量精準度獲得了穩定提升。此優化程序將會在汽車充電接入次數增加時，有效提升優化效率，持續降低充電網絡中存在的三相不平衡問題，讓三相不平衡問題處于標準范圍內，以此全面提升電能計量的準確性。

（五）經濟性對比分析

經濟性對比分析：優化前期線路損耗的平均值為464.7J，優化完成時線路損耗平均值為426.1J。優化前后產生的線路損耗差額為38.6J，38.6/464.7=8.3%，優化線損差額占優化前線損的8.3%。由此可知：優化方案能夠減少8.3%的線損問題，減少充電網絡實際產生的經濟成本。

（六）優化接入形式

MOPSO 算法在完成優化時，非支配解不具有唯一性，無法獲得最優的充電接入方案。以三相不平衡差異最小程度的位置，設定為電動汽車充電接入的位置，將充電接入位置借助用戶界面予以展示，將優化方案以程序形式融合在電動汽車充電系統中，當電動汽車發出充電請求時，用戶可在V2G1 界面中操作“充電申請”按鍵，在GUI界面中將會顯示優化獲得的接入位置，用戶在界面提示的位置開展充電即可。在優化程序中，借助MOPSO 算法，完成接入方式優化程序，有助于減少電能消耗，提升計量精準性。

結論：綜上所述，借助多目標粒子群算法，嘗試優化電動汽車電流不平衡、線路差異性等問題。經對比網絡發現：在保障電能計量精準性的基礎上，有效節省了充電網絡運行產生的經濟成本。經算例分析可知，電動汽車充電在不同位置完成電網接入時，能夠采取優化措施獲取最優解集，提升電動汽車充電方案科學性。