電動(dòng)汽車智能充放電控制與應(yīng)用綜述

賀瑜環(huán)，楊秀媛*，陳麒宇，卜思齊，徐智薔，肖天穎

（1.北京信息科技大學(xué)自動(dòng)化學(xué)院，北京市 海淀區(qū) 100192；2.中國(guó)電力科學(xué)研究院有限公司，北京市 海淀區(qū) 100192；3.香港理工大學(xué)電機(jī)工程學(xué)系，香港特別行政區(qū) 九龍 999077；4.英國(guó)南安普頓大學(xué)物理工程學(xué)院，英國(guó) 南安普頓 SO17 1BJ；5.中國(guó)科學(xué)院電工研究所，北京市 海淀區(qū) 100190；6.中國(guó)科學(xué)院大學(xué)，北京市 海淀區(qū) 100049）

0 引言

近幾十年以來(lái)，全球經(jīng)濟(jì)的迅猛發(fā)展消耗了大量的能源，特別是以煤炭、石油等為主的傳統(tǒng)能源，造成了大量的污染氣體排放，使得環(huán)境問題越來(lái)越嚴(yán)重，能源消耗與環(huán)境污染已經(jīng)成為各國(guó)不容忽視的問題[1-3]。傳統(tǒng)燃料汽車作為石油消耗方面的重要組成部分，其所產(chǎn)生的大量尾氣已經(jīng)成為空氣污染的主要來(lái)源之一。因此，解決傳統(tǒng)汽車造成的污染問題是十分迫切的。

電動(dòng)汽車作為一種新興的交通工具，以電能作為燃料，其二氧化氮、二氧化硫等污染氣體的排放均為零，這對(duì)于節(jié)能減排方面的工作有著巨大的促進(jìn)意義。汽車工業(yè)的競(jìng)爭(zhēng)焦點(diǎn)已經(jīng)向大力研究電動(dòng)汽車新技術(shù)以及如何利用電動(dòng)汽車促進(jìn)國(guó)家及社會(huì)產(chǎn)業(yè)發(fā)展的方向轉(zhuǎn)變。為了促進(jìn)并鼓勵(lì)電動(dòng)汽車行業(yè)的大力發(fā)展，各國(guó)相繼出臺(tái)了相關(guān)政策：美國(guó)方面，為提高電動(dòng)汽車的普及率，由政府撥款、能源部牽頭部署，推出了大力建設(shè)充電樁等措施；日本方面，為推動(dòng)電動(dòng)汽車的發(fā)展，推行了減免車輛購(gòu)置稅、對(duì)電動(dòng)汽車充電站進(jìn)行財(cái)政補(bǔ)貼等政策；歐洲方面，特別是德法意三國(guó)，為提高電動(dòng)汽車行業(yè)的發(fā)展，實(shí)施了高補(bǔ)貼、低車輛稅、高尾氣排放標(biāo)準(zhǔn)等措施；中國(guó)政府同樣出臺(tái)了經(jīng)濟(jì)扶持、政策優(yōu)惠、法規(guī)標(biāo)準(zhǔn)等相關(guān)政策推動(dòng)電動(dòng)汽車的發(fā)展。

電動(dòng)汽車對(duì)電網(wǎng)運(yùn)行的影響越來(lái)越顯著[4-5]。隨著電動(dòng)汽車在汽車總量中占比的增加，其充電需求在配電網(wǎng)負(fù)荷中的占比會(huì)越來(lái)越大，這將會(huì)對(duì)電力系統(tǒng)的運(yùn)行與控制產(chǎn)生不可忽視的影響。由于電動(dòng)汽車的使用具有較高的同時(shí)性，其充電時(shí)間也具有較高的同時(shí)性，這將會(huì)造成電網(wǎng)負(fù)荷“峰上加峰”的現(xiàn)象[6-8]。同時(shí)，電動(dòng)汽車車主的用車習(xí)慣會(huì)直接影響到負(fù)荷充電需求的時(shí)空分布，使電動(dòng)汽車的入網(wǎng)時(shí)間、充電功率等都有具有隨機(jī)性，這會(huì)使電網(wǎng)的控制更加困難[9]。

電動(dòng)汽車的智能控制有利于電網(wǎng)運(yùn)行。與傳統(tǒng)的電力負(fù)荷不同，電動(dòng)汽車具有可中斷性和可靈活調(diào)度性，可以視為一種新型的可控負(fù)荷[10]。特別是現(xiàn)在出現(xiàn)了電動(dòng)汽車入網(wǎng)技術(shù)(vehicle to grid，V2G)，能夠?qū)㈦妱?dòng)汽車的電能反向回饋給電網(wǎng)，讓電動(dòng)汽車成為一種新型的儲(chǔ)能裝置。目前關(guān)于 V2G的技術(shù)研究已經(jīng)有很多，如：文獻(xiàn)[11-15]分析了V2G對(duì)電網(wǎng)運(yùn)行的積極影響；文獻(xiàn)[16]從經(jīng)濟(jì)層面剖析了V2G技術(shù)的出現(xiàn)給電網(wǎng)以及用戶帶來(lái)的經(jīng)濟(jì)收益；文獻(xiàn)[17-19]研究了V2G參與電網(wǎng)調(diào)度的控制策略。相較于有序充電，V2G實(shí)現(xiàn)了電動(dòng)汽車與電網(wǎng)之間的能量雙向傳輸，是有序充電的進(jìn)一步擴(kuò)展延伸。電動(dòng)汽車通過參與智能控制進(jìn)行充放電，在降低車主用電成本的同時(shí)，也會(huì)降低電力運(yùn)營(yíng)成本，改善電網(wǎng)負(fù)荷特性。

電動(dòng)汽車的充電協(xié)議不靈活、充電過程不透明的因素限制了電動(dòng)汽車用戶參與調(diào)度的積極性。針對(duì)這些問題，專家學(xué)者將區(qū)塊鏈技術(shù)引入了電動(dòng)汽車的電力交易中。其核心思想是利用區(qū)塊鏈的智能合約以及分布式賬本技術(shù)實(shí)現(xiàn)電動(dòng)汽車電力交易的透明化和可信任化。國(guó)外已經(jīng)在一些智能電網(wǎng)試點(diǎn)中將區(qū)塊鏈應(yīng)用于電動(dòng)汽車點(diǎn)對(duì)點(diǎn)(peer-to-peer，P2P)交易中。德國(guó)萊茵集團(tuán)RWE與 Slock.it合作研發(fā)出基于區(qū)塊鏈技術(shù)的電動(dòng)汽車P2P充電項(xiàng)目，該項(xiàng)目推出了一個(gè)基于區(qū)塊鏈技術(shù)的支付系統(tǒng) Block Charge，用戶直接與機(jī)器，而非與人或公司簽訂合同。日本中部電力有限公司、Nayuta、infoteria 公司一起開展了電動(dòng)及混合動(dòng)力車區(qū)塊鏈充電試驗(yàn)。國(guó)內(nèi)的專家學(xué)者對(duì)區(qū)塊鏈技術(shù)在電動(dòng)汽車電力交易領(lǐng)域的應(yīng)用分析同樣取得了有效的研究成果。文獻(xiàn)[20]提出了基于區(qū)塊鏈的充電權(quán)交易機(jī)制與模型，將區(qū)塊鏈引入了充電站充電權(quán)的交易中，構(gòu)建基于區(qū)塊鏈的充電權(quán)多邊交易技術(shù)，實(shí)現(xiàn)了充電站分布式、去信任化的P2P數(shù)字資產(chǎn)交易。文獻(xiàn)[21]建立了多充電運(yùn)營(yíng)商、公用供電公司之間互聯(lián)互信的交易網(wǎng)絡(luò)與通道，通過使用拜占庭容錯(cuò)共識(shí)算法給出電動(dòng)汽車充電交易驗(yàn)證方式，并使用智能合約完成電動(dòng)汽車賬戶在交易通道上的轉(zhuǎn)賬、評(píng)價(jià)和查詢過程。

基于上述背景，本文以電動(dòng)汽車充電負(fù)荷的相關(guān)研究為基礎(chǔ)，將從電動(dòng)汽車充電負(fù)荷的特性與建模、充放電控制策略、電動(dòng)汽車電力交易等方面展開研究，并指出存在的問題以及可能的研究方向。

1 電動(dòng)汽車充電負(fù)荷

1.1 主要影響因素

電動(dòng)汽車入網(wǎng)對(duì)電網(wǎng)運(yùn)行的影響取決于充電負(fù)荷的需求量以及充電時(shí)間。電動(dòng)汽車的充電負(fù)荷主要受電動(dòng)汽車規(guī)模、電池特性、用戶充電行為特性以及電動(dòng)汽車電能補(bǔ)給方式這4個(gè)方面的影響[22]。

1.1.1 電動(dòng)汽車規(guī)模

較小規(guī)模的電動(dòng)汽車接入電網(wǎng)時(shí)，其充電負(fù)荷對(duì)電網(wǎng)產(chǎn)生的影響可以忽略不計(jì)，但隨著電動(dòng)汽車規(guī)模的增加，電動(dòng)汽車集中充電會(huì)給電網(wǎng)帶來(lái)較大的沖擊，增加電網(wǎng)承載負(fù)荷的壓力。電動(dòng)汽車的發(fā)展規(guī)模受多方面因素的影響，其中最大的影響因素是電動(dòng)汽車成本的降低及其本身技術(shù)的成熟，特別是動(dòng)力電池成本的降低及其性能指標(biāo)的提升，將會(huì)極大地推動(dòng)電動(dòng)汽車的發(fā)展與推廣。同時(shí)，政府部門的政策導(dǎo)向?qū)﹄妱?dòng)汽車的普及也極為重要。

1.1.2 電池特性

動(dòng)力電池是電動(dòng)汽車最主要的部件之一，當(dāng)前可用于電動(dòng)汽車的動(dòng)力電池類型較多，不同類型電池性能對(duì)比如表1所示。通過對(duì)不同類型電池的比能量、循環(huán)壽命、荷電保持狀態(tài)等方面的對(duì)比可以看出，鋰離子電池的綜合性能最佳。

表1 不同類型電池性能對(duì)比Tab. 1 Performance comparison of different types of batteries

不同類型電動(dòng)汽車因電池性能不同而差異較大，其性能對(duì)比如表2所示。

表2 不同類型電動(dòng)汽車性能對(duì)比Tab. 2 Performance comparison of different types of electric vehicles

1.1.3 用戶充電行為特性

對(duì)于用戶充電行為特性，不同的用戶除了有不同的充電起始時(shí)刻以外，其出行鏈、對(duì)電池電量的期望值、日行駛里程等其他用車習(xí)慣都具有差異，這增加了電動(dòng)汽車充電負(fù)荷的不確定性和預(yù)測(cè)難度。電動(dòng)汽車用戶的日行駛里程決定了電動(dòng)汽車充電負(fù)荷的需求量，并且在充電功率一定的條件下，日行駛里程還決定了負(fù)荷的充電時(shí)長(zhǎng)。充電負(fù)荷的起始時(shí)刻影響著電網(wǎng)負(fù)荷的波動(dòng)性，當(dāng)大量電動(dòng)汽車集中充電時(shí)，會(huì)增大等效負(fù)荷波動(dòng)，此時(shí)電網(wǎng)運(yùn)行的穩(wěn)定性也較差。

1.1.4 電動(dòng)汽車電能補(bǔ)給方式

目前，電動(dòng)汽車的電池主要通過充電和換電2種方式進(jìn)行能量補(bǔ)給。充電方式下電動(dòng)汽車電池通過充電接口入網(wǎng)充電，根據(jù)充電功率不同可以分為快充和慢充[23]。充電方式的建設(shè)成本低，但充電時(shí)間較長(zhǎng)，且在電動(dòng)汽車充電時(shí)間較集中時(shí)，會(huì)對(duì)電網(wǎng)產(chǎn)生較大的沖擊，不利于電網(wǎng)的運(yùn)行與控制。換電方式相較于充電方式更為方便快捷，電動(dòng)汽車無(wú)需停留等待電池充滿，只需要將動(dòng)力電池進(jìn)行更換，將電量不足的電池?fù)Q下并裝入同型號(hào)的電量充足的電池。充電時(shí)間更靈活，在時(shí)間上可以提高電動(dòng)汽車的利用率，且有利于電池的維護(hù)，可以有效避免大規(guī)模電動(dòng)汽車接入電網(wǎng)時(shí)產(chǎn)生的不利影響，但換電站的修建成本較高，且電動(dòng)汽車的電池規(guī)格不同，而現(xiàn)有換電站的換電設(shè)備只適用于單一規(guī)格的電池，難以在私家車輛中普及。

1.2 充電負(fù)荷預(yù)測(cè)模型

目前已經(jīng)有大量研究剖析了電動(dòng)汽車入網(wǎng)對(duì)電網(wǎng)運(yùn)行的影響，而這些研究的關(guān)鍵在于建立精確的充電負(fù)荷預(yù)測(cè)模型。在建立電動(dòng)汽車充電負(fù)荷預(yù)測(cè)模型方面，目前主要有以下3種思路。

1.2.1 蒙特卡羅模擬法

蒙特卡羅方法(Monte Carlo)也稱為統(tǒng)計(jì)模擬法，其原理是通過大量的隨機(jī)樣本建立所求問題的數(shù)學(xué)模型，通過隨機(jī)數(shù)的產(chǎn)生來(lái)獲取計(jì)算問題的近似解。基于居民出行數(shù)據(jù)，通過蒙特卡羅方法來(lái)歸納模擬電動(dòng)汽車用戶的用車習(xí)慣，從而建立負(fù)荷預(yù)測(cè)模型。如文獻(xiàn)[24]通過停車生成率模型模擬車輛的停車需求，通過停車概率模型分析電動(dòng)汽車出行特性，通過蒙特卡羅方法預(yù)測(cè)充電負(fù)荷需求的時(shí)空分布；文獻(xiàn)[25]建立了電動(dòng)汽車充電功率需求的統(tǒng)計(jì)模型，采用蒙特卡羅方法模擬一天內(nèi)的電動(dòng)汽車充電功率曲線?；诿商乜_模擬的電動(dòng)汽車充電負(fù)荷計(jì)算流程如圖1所示。

圖1 基于蒙特卡羅模擬的電動(dòng)汽車充電負(fù)荷計(jì)算流程圖Fig. 1 Calculation flow chart of electric vehicle charging load based on Monte Carlo simulation

蒙特卡羅模擬法綜合考慮了多種因素對(duì)負(fù)荷充電需求進(jìn)行模擬，可以分析電動(dòng)汽車負(fù)荷入網(wǎng)的隨機(jī)性。然而通過該方法建立充電負(fù)荷預(yù)測(cè)模型是在擁有大量居民出行數(shù)據(jù)的基礎(chǔ)上實(shí)現(xiàn)的，因此該方法對(duì)大量的樣本數(shù)據(jù)具有很強(qiáng)的依賴性，一旦樣本數(shù)據(jù)不足，就會(huì)大大降低該方法的可靠性。

1.2.2 基于出行鏈的時(shí)空模型

與蒙特卡羅方法相似，基于出行鏈的時(shí)空模型也需借助大量的樣本數(shù)據(jù)。目前眾多研究認(rèn)為電動(dòng)汽車替換傳統(tǒng)燃料汽車并不會(huì)影響用戶的出行行為，因此可以借助用戶的出行特征統(tǒng)計(jì)模擬充電負(fù)荷需求。文獻(xiàn)[26]針對(duì)私家車建立出行鏈，模擬電動(dòng)汽車的出行規(guī)律，基于用戶的用車習(xí)慣，通過模糊推理方法分析電動(dòng)汽車的空間分布，結(jié)合車輛的時(shí)間分布和空間分布預(yù)測(cè)充電負(fù)荷需求。文獻(xiàn)[27]將預(yù)測(cè)的充電負(fù)荷與可預(yù)測(cè)的基本電力負(fù)荷集成，轉(zhuǎn)化為系統(tǒng)狀態(tài)預(yù)測(cè)，通過用戶出行轉(zhuǎn)移矩陣模擬充電負(fù)荷的空間分布。文獻(xiàn)[28]以全國(guó)家庭出行調(diào)查數(shù)據(jù)為依據(jù)，考慮了起始出行時(shí)間、行駛時(shí)間、停車時(shí)間以及出行目的之間的相關(guān)關(guān)系，并建立了概率分布模型計(jì)算充電需求的時(shí)空分布。不同的出行鏈結(jié)構(gòu)可以反映用戶的出行目的、用車時(shí)間以及活動(dòng)順序[29]。與蒙特卡羅模擬法相比，基于出行鏈的時(shí)空模型引入用戶出行目的作為考慮因素，結(jié)合時(shí)間分布和空間分布2個(gè)層面考慮充電負(fù)荷的隨機(jī)性。圖2為基于出行鏈的電動(dòng)汽車充電負(fù)荷計(jì)算流程圖。

圖2 基于出行鏈的電動(dòng)汽車充電負(fù)荷計(jì)算流程圖Fig. 2 Calculation flow chart of electric vehicle charging load based on travel chain

1.2.3 充電負(fù)荷車-路-網(wǎng)模型

建立電動(dòng)汽車充電負(fù)荷車-路-網(wǎng)模型，不僅考慮了用戶充電時(shí)間對(duì)充電負(fù)荷時(shí)間分布特性的影響，還可以評(píng)估出行路徑、交通狀況等因素對(duì)充電負(fù)荷空間分布的影響。文獻(xiàn)[30]基于電動(dòng)汽車的空間屬性和能量屬性建立了“車-路-網(wǎng)”充電負(fù)荷預(yù)測(cè)模型，綜合考慮了交通網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、用戶出行路徑以及電網(wǎng)信息等因素對(duì)充電負(fù)荷時(shí)空分布的影響。文獻(xiàn)[31]為了分析電動(dòng)汽車無(wú)序入網(wǎng)充電對(duì)配電網(wǎng)穩(wěn)定運(yùn)行的影響，基于“車-路-網(wǎng)”耦合結(jié)構(gòu)建立了連續(xù)潮流模型，考慮了用戶行為特性對(duì)充電負(fù)荷的影響，該方法可以量化在惡劣充電場(chǎng)景下的充電負(fù)荷需求，評(píng)估在臨界情況下的電壓分布特性。文獻(xiàn)[32]考慮了電動(dòng)汽車和交通路況的相關(guān)性與耦合性，基于用戶道路一體化模型分析了電動(dòng)汽車入網(wǎng)對(duì)電網(wǎng)安全性與穩(wěn)定性的影響?；谲?路-網(wǎng)模型的電動(dòng)汽車充電負(fù)荷計(jì)算流程如圖3所示。

圖3 基于車-路-網(wǎng)模型的電動(dòng)汽車充電負(fù)荷計(jì)算流程圖Fig. 3 Calculation flow chart of electric vehicle charging load based on vehicle-road-network model

2 電動(dòng)汽車智能充放電控制

2.1 電動(dòng)汽車調(diào)度控制

針對(duì)大規(guī)模電動(dòng)汽車無(wú)序充電給電網(wǎng)帶來(lái)沖擊這一問題，目前國(guó)內(nèi)外已經(jīng)進(jìn)行了較為深入的研究，并取得了一定的研究成果，有大量研究聚焦于電動(dòng)汽車與可再生能源的協(xié)同調(diào)度，這已經(jīng)成為了優(yōu)化能源利用的一項(xiàng)有效措施。圖4為電動(dòng)汽車參與電網(wǎng)調(diào)度示意圖。由圖4可知，電動(dòng)汽車與電網(wǎng)之間可以進(jìn)行雙向的信息傳遞和能量交互。電動(dòng)汽車入網(wǎng)后將充電負(fù)荷信息傳遞給售電公司，售電公司根據(jù)負(fù)荷信息制定充放電計(jì)劃并發(fā)布電價(jià)信息。電動(dòng)汽車根據(jù)調(diào)度要求進(jìn)行充放電。

圖4 電動(dòng)汽車與電網(wǎng)交互示意圖Fig. 4 Diagram of interaction between electric vehicle and power grid

2.2 電動(dòng)汽車有序充電

電動(dòng)汽車無(wú)序入網(wǎng)充電會(huì)給電網(wǎng)造成不利影響，但電動(dòng)汽車作為一種可控負(fù)荷，對(duì)其進(jìn)行有序充電控制，不但可以消除對(duì)電網(wǎng)造成的沖擊，還有助于改善負(fù)荷波動(dòng)，促進(jìn)新能源消納。依據(jù)控制方法，電動(dòng)汽車有序充電調(diào)度策略可以分為集中式控制和分布式控制。

2.2.1 集中式控制策略

集中式控制策略是指控制中心基于電網(wǎng)源荷信息對(duì)某一區(qū)域內(nèi)的所有入網(wǎng)電動(dòng)汽車進(jìn)行統(tǒng)一充電調(diào)度。文獻(xiàn)[33-36]均采用了集中式控制策略，通過統(tǒng)一控制電動(dòng)汽車實(shí)現(xiàn)降低網(wǎng)損或負(fù)荷波動(dòng)等目標(biāo)。基于集中式控制的電動(dòng)汽車管理框架如圖5所示。電動(dòng)汽車入網(wǎng)后，用戶上傳充電需求、停留時(shí)間等信息，控制中心綜合考慮源荷水平和用戶需求，制定并下發(fā)電動(dòng)汽車有序充電計(jì)劃，電動(dòng)汽車根據(jù)接收的計(jì)劃充電。

圖5 基于集中式控制的電動(dòng)汽車管理框架Fig. 5 Electric vehicle management framework based on centralized control

現(xiàn)有研究已經(jīng)趨于多目標(biāo)優(yōu)化，通常是最大日負(fù)荷率、最低用戶用電成本以及最小負(fù)荷方差等目標(biāo)相結(jié)合的多目標(biāo)優(yōu)化問題。較為典型的以最小負(fù)荷方差和最大日負(fù)荷率為目標(biāo)的優(yōu)化模型如下。

1）目標(biāo)函數(shù)。

式中：Pload(t)為t時(shí)刻的常規(guī)負(fù)荷；Pw(t)為t時(shí)刻的風(fēng)功率；PEV,i(t)為電動(dòng)汽車i在t時(shí)段的充電功率；Pav為系統(tǒng)平均負(fù)荷功率。

將目標(biāo)函數(shù)(1)、(2)進(jìn)行歸一化處理，通過線性加權(quán)法將多目標(biāo)函數(shù)轉(zhuǎn)化為單目標(biāo)函數(shù)，即

式中：λ1和λ2分別為F1、F2的加權(quán)因子，體現(xiàn)所代表目標(biāo)函數(shù)的重要程度，且λ1+λ2=1；F1max、F2max分別為F1、F2的最大值，用于規(guī)范多目標(biāo)優(yōu)化函數(shù)。

2）約束條件。

電池荷電狀態(tài)(state of charge，SOC)約束：考慮到電池的特性和壽命問題，電池充電過程的荷電狀態(tài)不能超過其上下限，即

式中：Si,t為電動(dòng)汽車i在t時(shí)刻的荷電狀態(tài)；Smax和Smin分別為電動(dòng)汽車荷電狀態(tài)的上、下限值，Smin一般不低于滿荷電狀態(tài)的20%。

用戶需求約束：充電結(jié)束后，電動(dòng)汽車的荷電狀態(tài)應(yīng)滿足用戶需求，即

式中：Sexp為充電結(jié)束時(shí)用戶的期望值；Sfinal為充電結(jié)束時(shí)電動(dòng)汽車的荷電狀態(tài)；Sinit為電動(dòng)汽車的初始荷電狀態(tài)；B為電動(dòng)汽車的電池容量；η為充電效率；PEV(t)為t時(shí)刻的充電功率；Tstart、Tend分別為充電初始、結(jié)束時(shí)刻。

電池充電功率約束：

式中PEV,max為電動(dòng)汽車的最大充電功率。

集中式控制策略對(duì)所有入網(wǎng)電動(dòng)汽車進(jìn)行統(tǒng)一管理，因此在滿足用戶需求的同時(shí)可以實(shí)現(xiàn)整體最優(yōu)。但隨著電動(dòng)汽車的普及和推廣，以及電動(dòng)汽車用戶的增加，集中式控制的計(jì)算量和控制難度都會(huì)加大。

2.2.2 分布式控制策略

分布式控制策略是電動(dòng)汽車用戶根據(jù)電網(wǎng)發(fā)布的充電需求和價(jià)格信息，結(jié)合用戶自身的需求自主地響應(yīng)有序充電策略。在這個(gè)過程中，電網(wǎng)并不直接參與電動(dòng)汽車充電的控制，而是根據(jù)源荷信息建立激勵(lì)機(jī)制，鼓勵(lì)用戶參與有序充電策略。文獻(xiàn)[37-38]為了鼓勵(lì)用戶在負(fù)荷低谷期給電動(dòng)汽車充電，基于用戶充電行為對(duì)電價(jià)的響應(yīng)提出了一種電動(dòng)汽車充電電價(jià)的制定方法。圖6為分布式控制策略流程圖。電動(dòng)汽車獲取電價(jià)信息，根據(jù)自身充電需求制定并提交充電計(jì)劃。電網(wǎng)根據(jù)源荷狀況對(duì)用戶提交的充電計(jì)劃進(jìn)行審核，參照負(fù)荷峰谷差與用戶協(xié)商以得到最優(yōu)充電計(jì)劃。

圖6 分布式控制策略流程圖Fig. 6 Flow chart of distributed control strategy

分布式控制的激勵(lì)機(jī)制主要分為基于價(jià)格的機(jī)制和基于激勵(lì)的機(jī)制。基于價(jià)格的機(jī)制包括分時(shí)電價(jià)、尖峰電價(jià)和實(shí)時(shí)電價(jià)。其中分時(shí)電價(jià)是目前國(guó)內(nèi)較為常見的一種電價(jià)策略，該策略主要是在用電高峰時(shí)段適當(dāng)提高電價(jià)，在用電低谷時(shí)段適當(dāng)降低電價(jià)，從而激勵(lì)用戶減少高峰時(shí)段的用電，降低峰谷差。文獻(xiàn)[39]基于分時(shí)電價(jià)制度和電動(dòng)汽車可入網(wǎng)的情況建立了計(jì)及電網(wǎng)負(fù)荷波動(dòng)及用戶成本的多目標(biāo)優(yōu)化模型，對(duì)比分析了分時(shí)電價(jià)與固定電價(jià)下的仿真結(jié)果及不同分時(shí)電價(jià)對(duì)調(diào)度策略的影響。文獻(xiàn)[40]研究了電動(dòng)汽車分時(shí)充電價(jià)格的制定方法，提出了基于分時(shí)充電價(jià)格引導(dǎo)及儲(chǔ)能系統(tǒng)的電動(dòng)汽車有序充電引導(dǎo)策略，在降低運(yùn)營(yíng)商購(gòu)電成本和用戶充電費(fèi)用的同時(shí)，實(shí)現(xiàn)智能電網(wǎng)中充電負(fù)荷的友好接入。

分布式控制策略一般以用戶用電成本最低為目標(biāo)函數(shù)，即

式中：n為參與優(yōu)化調(diào)度的電動(dòng)汽車數(shù)量；Pi(t)為電動(dòng)汽車i在t時(shí)刻的充電功率；S(t)為電動(dòng)汽車在t時(shí)刻的充電電價(jià)。

分布式控制策略可以滿足用戶充電需求，提高用戶的響應(yīng)度，相較于集中式控制策略可以減少計(jì)算量和計(jì)算時(shí)間，但難以保證結(jié)果整體最優(yōu)。

2.2.3 分層式控制策略

針對(duì)集中式控制策略和分布式控制策略的不足，一些專家學(xué)者提出了分層式控制策略。文獻(xiàn)[41-42]采用了分層式控制策略解決大規(guī)模電動(dòng)汽車無(wú)序入網(wǎng)給電網(wǎng)帶來(lái)的沖擊問題?；诜謱邮娇刂频碾妱?dòng)汽車管理框架如圖7所示。

分層式控制是將集中式控制和分布式控制相結(jié)合的一種控制方式。分層式控制策略將電動(dòng)汽車劃分為多個(gè)群體，分別由多個(gè)本地運(yùn)行商控制，本地運(yùn)營(yíng)商向上層決策中心提交聚合電動(dòng)汽車群信息，由上層決策中心協(xié)調(diào)各個(gè)本地運(yùn)營(yíng)商的運(yùn)行。分層式控制通常分為2層，上層求解各電動(dòng)汽車群的充放電控制策略，下層求解集群內(nèi)各電動(dòng)汽車的充放電控制策略。分層控制中各本地運(yùn)營(yíng)商在實(shí)現(xiàn)整體目標(biāo)的基礎(chǔ)上，相對(duì)獨(dú)立地對(duì)電動(dòng)汽車群進(jìn)行控制。

圖7 基于分層式控制的電動(dòng)汽車管理框架Fig. 7 Electric vehicle management framework based on distributed control

分層式控制策略將電動(dòng)汽車分群控制，既解決了集中式控制運(yùn)算維度大的問題，降低了控制難度，同時(shí)又可以實(shí)現(xiàn)整體最優(yōu)，彌補(bǔ)了分布式控制的不足。

2.3 V2G技術(shù)

V2G技術(shù)是一種新型的電網(wǎng)技術(shù)，在 V2G技術(shù)的支持下，電動(dòng)汽車不僅可以消費(fèi)電力，還可以在閑置時(shí)發(fā)揮自身儲(chǔ)能作用給電網(wǎng)送電，實(shí)現(xiàn)電能在電網(wǎng)與電動(dòng)汽車之間的雙向輸送。

智能V2G有助于維護(hù)電池的使用壽命。動(dòng)力電池是電動(dòng)汽車的主要部件，其使用壽命和性能決定了電動(dòng)汽車的使用性能。并不是對(duì)電動(dòng)汽車的使用時(shí)間和充電次數(shù)越少，電池壽命越高，如果電動(dòng)汽車長(zhǎng)時(shí)間處于閑置狀態(tài)，沒有達(dá)到最佳的充放電循環(huán)周期，其壽命反而會(huì)受損。對(duì)電動(dòng)汽車進(jìn)行適當(dāng)?shù)?V2G不僅可以降低對(duì)電池的損害，還可以為車主帶來(lái)收益[43]。英國(guó)華威大學(xué)的一項(xiàng)研究表明，電池的衰減是一個(gè)比想象中更復(fù)雜的過程，取決于電池壽命、容量吞吐量、溫度、充電狀態(tài)、電流和放電深度等。而V2G是一種有效的技術(shù)，可用于優(yōu)化電池的狀態(tài)，使得衰減最小化，從閑置的電動(dòng)汽車中獲取多余的能量為電網(wǎng)供電，可以延長(zhǎng)電池的使用壽命；但不能過于頻繁使用V2G技術(shù)，否則會(huì)有損電池壽命。

目前已有基于電動(dòng)汽車動(dòng)力電池?fù)p耗模型的控制策略研究。文獻(xiàn)[44]基于分時(shí)電價(jià)背景，在滿足用戶充電需求的前提下，分析了經(jīng)典電池?fù)p耗模型下電動(dòng)汽車放電對(duì)電池壽命的影響。文獻(xiàn)[45]通過電池?fù)p耗模型評(píng)估電動(dòng)汽車放電對(duì)電池壽命的影響，建立了一種多目標(biāo)優(yōu)化調(diào)度模型，分析了在不同電池?fù)p耗模型、不同用戶參與度以及不同分時(shí)電價(jià)情況下的優(yōu)化效果。

2.4 電動(dòng)汽車有序充放電控制策略求解算法

對(duì)電動(dòng)汽車進(jìn)行優(yōu)化調(diào)度，其本質(zhì)為對(duì)未來(lái)每個(gè)時(shí)刻的入網(wǎng)電動(dòng)汽車進(jìn)行充放電功率規(guī)劃，也是優(yōu)化問題，因此可以采用優(yōu)化算法對(duì)電動(dòng)汽車充放電功率進(jìn)行尋優(yōu)。文獻(xiàn)[46]通過粒子群算法尋優(yōu)得到分時(shí)電價(jià)優(yōu)化模型的最優(yōu)解。文獻(xiàn)[47]運(yùn)用自適應(yīng)遺傳算法對(duì)電動(dòng)汽車智能充電優(yōu)化數(shù)學(xué)模型進(jìn)行尋優(yōu)。文獻(xiàn)[41]為了解決大規(guī)模電動(dòng)汽車實(shí)時(shí)有序充放電控制問題，建立了電動(dòng)汽車集群優(yōu)化調(diào)度模型，通過灰狼算法求解各電動(dòng)汽車的優(yōu)化調(diào)度策略。

3 應(yīng)用區(qū)塊鏈的電動(dòng)汽車電力交易

3.1 區(qū)塊鏈技術(shù)簡(jiǎn)介

區(qū)塊鏈?zhǔn)且环N分布式的安全可靠的數(shù)據(jù)庫(kù)，自從化名為“中本聰”的學(xué)者在2008年發(fā)布《比特幣：一種點(diǎn)對(duì)點(diǎn)電子現(xiàn)金系統(tǒng)》一文開始，關(guān)于區(qū)塊鏈的研究逐漸增多[48]。非對(duì)稱加密、共識(shí)機(jī)制、分布式賬本以及智能合約四大核心技術(shù)支撐著區(qū)塊鏈[49]。從數(shù)據(jù)存儲(chǔ)角度來(lái)看，區(qū)塊鏈具有不可篡改、可追溯、傳輸安全等特點(diǎn)；從價(jià)值轉(zhuǎn)移角度來(lái)看，區(qū)塊鏈可以在大大降低信用成本的條件下實(shí)現(xiàn)價(jià)值轉(zhuǎn)移和資產(chǎn)數(shù)字化。面對(duì)當(dāng)前電力市場(chǎng)中存在的安全性低、透明度和公信度有待提升、共享性低等問題，區(qū)塊鏈技術(shù)可以提供有效的解決方案[50]。目前，區(qū)塊鏈已經(jīng)被廣泛應(yīng)用到多個(gè)領(lǐng)域中[51-52]。

3.2 區(qū)塊鏈在電動(dòng)汽車電力交易中的應(yīng)用

電動(dòng)汽車規(guī)模的擴(kuò)大給電力系統(tǒng)增加了大量的交易信息，這對(duì)交易信息的管理無(wú)疑增加了運(yùn)維難度和成本，且對(duì)于中心化電力交易體系，用戶的隱私信息存在泄露風(fēng)險(xiǎn)。電動(dòng)汽車的分布具有分散性，與區(qū)塊鏈技術(shù)特征具有很好的結(jié)合點(diǎn)。目前已有學(xué)者將區(qū)塊鏈應(yīng)用到電動(dòng)汽車電力交易中，以避免中心化平臺(tái)帶來(lái)的弊端。

圖8為基于區(qū)塊鏈的電動(dòng)汽車電力交易架構(gòu)示意圖。電動(dòng)汽車用戶、分布式儲(chǔ)能運(yùn)營(yíng)商以及分布式發(fā)電運(yùn)營(yíng)商等能量單元首先注冊(cè)為節(jié)點(diǎn)，獲取各自的公私鑰，然后通過區(qū)塊鏈實(shí)現(xiàn)節(jié)點(diǎn)之間的廣播通信、交易認(rèn)證、計(jì)費(fèi)結(jié)算等。區(qū)塊鏈會(huì)將當(dāng)前時(shí)段之前的所有交易信息以鏈?zhǔn)絽^(qū)塊的形式進(jìn)行記錄，用戶可通過這樣的鏈?zhǔn)浇Y(jié)構(gòu)對(duì)交易信息進(jìn)行查詢和追蹤。

圖8 基于區(qū)塊鏈的電動(dòng)汽車電力交易架構(gòu)示意圖Fig. 8 Schematic diagram of electric vehicle electric power transaction architecture based on blockchain

圖9 基于區(qū)塊鏈的電動(dòng)汽車電力交易流程圖Fig. 9 Schematic diagram of electric vehicle electric power transaction process based on blockchain

基于區(qū)塊鏈的電動(dòng)汽車電力交易流程如圖 9所示。在交易開始前，各節(jié)點(diǎn)注冊(cè)獲取自身的公私鑰，并向其他節(jié)點(diǎn)廣播公鑰。在交易開始后，有電力交易需求的節(jié)點(diǎn)在P2P網(wǎng)絡(luò)上發(fā)出購(gòu)買需求信息，感興趣的節(jié)點(diǎn)接收信息，并驗(yàn)證賬戶和規(guī)則的正確性，在對(duì)自身用能需求分析和能源供應(yīng)情況分析的基礎(chǔ)上，通過P2P網(wǎng)絡(luò)對(duì)該交易請(qǐng)求信息進(jìn)行回復(fù)。雙方確認(rèn)交易內(nèi)容之后，生成智能合約，多方簽名驗(yàn)證交易的正確性，完成交易。在確認(rèn)交易時(shí)，若價(jià)格沒有滿足預(yù)期值，可確認(rèn)是否進(jìn)行再次報(bào)價(jià)，若同意再次報(bào)價(jià)，則調(diào)整后的價(jià)格參與下一輪價(jià)格排序；若不同意再次報(bào)價(jià)，則終止此次交易。在交易過程中，公私鑰的轉(zhuǎn)換過程是不可逆的，賬戶在達(dá)成交易后生成智能合約并發(fā)送至各交易節(jié)點(diǎn)進(jìn)行簽名，這保障了交易和賬戶的安全性。

4 結(jié)論

隨著動(dòng)力電池技術(shù)的提高以及政府部門政策的推動(dòng)，電動(dòng)汽車將會(huì)得到快速普及和推廣，這將會(huì)對(duì)電網(wǎng)的運(yùn)營(yíng)與維護(hù)產(chǎn)生深遠(yuǎn)的影響。對(duì)電動(dòng)汽車充電負(fù)荷進(jìn)行優(yōu)化調(diào)度，既有利于電網(wǎng)的安全穩(wěn)定運(yùn)行，又可以使用戶和電網(wǎng)產(chǎn)生經(jīng)濟(jì)效益。在未來(lái)的研究工作中以下問題應(yīng)得到特別的關(guān)注：

1）在建立電動(dòng)汽車充電負(fù)荷預(yù)測(cè)模型方面，已經(jīng)有大量的研究基于多個(gè)因素分析充電負(fù)荷的不確定性，但對(duì)于交通網(wǎng)絡(luò)和電網(wǎng)等因素對(duì)負(fù)荷的影響的研究不夠深入，未來(lái)還需要進(jìn)一步建立更為精細(xì)的電動(dòng)汽車充電負(fù)荷模型。

2）目前已有大量的研究注重電動(dòng)汽車的充放電過程，但是不合理的充放電會(huì)影響到電動(dòng)汽車電池的壽命，如何應(yīng)用V2G技術(shù)維護(hù)電動(dòng)汽車電池壽命還有待進(jìn)一步研究。

3）將區(qū)塊鏈應(yīng)用到電動(dòng)汽車的電力交易中既可以保障交易的安全性和可靠性，還可以保護(hù)用戶隱私。但隨著電動(dòng)汽車規(guī)模的增加，交易數(shù)目增多，電力交易的速度將會(huì)受到一定程度的影響。如何利用區(qū)塊鏈平臺(tái)使電動(dòng)汽車交易系統(tǒng)更加完善，還需要進(jìn)一步研究。