車聯網環境下電動汽車群有序充電優化策略

何偉，孫廣波

（1.廣州杰賽科技股份有限公司，廣東 廣州 510310；2.廣州杰賽通信規劃設計院有限公司，廣東 廣州 510310）

0 引言

隨著電動汽車行業的快速發展，電動汽車群已經成為研究重點。電動汽車群的出行規律[1-3]、行駛需求[4]、充電偏好[5]、充電調度[6-7]、充電控制策略[8-10]已經引起大量學者的關注。其中，充電控制策略關系到電網供電穩定性和安全性、充電站經濟性和效率性以及用戶便捷性和滿意性，因此很多學者針對電動汽車充電優化策略提出自己獨特的見解，包括：李惠玲等人[11]通過構建多時段的網絡損耗和電壓越界之和最小值作為優化目標，結合多因素約束條件，利用目標優化算法計算電動汽車在各時段的可充功率；Shilina等人[12]提出一種基于智能交通系統模型的充電站協調策略，旨在提升用戶和配電網的利益；黃貴鴻等人[13]引入分層分區調度的理念，構建基于雙層規劃的電動汽車雙層智能充放電模型，通過上層模型優化各管轄區在各時段的總充放電功率，通過下層模型優化各管轄區內電動汽車的具體充放電策略，提升電動車用戶的滿意度；馬源等人[14]基于用戶的行駛習慣將用戶分類并構建差異化模型，以各區域充放電功率需求構建目標函數，結合多因素約束條件制定用戶充電策略；賀繼鋒等人[15]以用戶充電成本為目標，結合用戶充電偏好構建用戶充電需求與分時電價的響應關系模型，引導用戶進行有序充電。從上述研究可知，當前充電控制策略模型主要集中在用戶側、電網測和充電站側，但是大多數研究很少關聯多方利益實現用戶充電優化控制；除此之外，當前很多研究也沒有利用車聯網、5G網絡、車載終端及云平臺等技術手段實現信息互聯互通，包括：電池參數與使用狀態、車輛運行、用戶充電期望時間、用戶期望充電電量以及用戶充電偏好等相關數據。因此，本文擬在車聯網背景下，以汽車為信息節點，采用5G通信技術、數據處理技術、云平臺技術以及傳感器等，通過整合車輛與控制中心網絡，構建綜合考慮電網、充電站、用戶多因素的有序充電控制策略，結合電網、充電站以及用戶的約束條件，引導用戶有序充電。

1 用戶、電網和充電站三者的充電目標與約束分析

1.1 車聯網環境下用戶行駛和充電偏好分析

（1）電動汽車充電時間的概率分布

車聯網通過各種傳感器獲得車輛運行相關數據，比如：用戶的充電時間和放電時間、電池剩余容量、充電功率、電池續航狀態等。車載終端將汽車運行狀態相關的信息發到云平臺，形成車輛運行狀態信息共享，進而能夠實現車輛電池實時狀態監管和整車運行狀況控制。

假設電動汽車返回家里時間跟充電時間是一致的，本文在參考文獻[16]的基礎上，將用戶充電時間的偏好用正態分布概率密度函數表示如下：

其中，0 ≤x≤ 2 4，μc= 1 8.67δc=0.741。

由于電動汽車每次充電電量是有差異的，因此本文同樣參考文獻[16]，以用戶接入充電時的電池剩余電量來模擬電動汽車的充電負荷，采用正態分布概率密度函數表示電動汽車的充電負荷如下：

（2）基于充電成本的電費模型

考慮不同時間的充電成本和用戶充電功率的需求，用戶充電費用最小化的模型表示為：

其中，Ct表示各個時間段對應的電價，P(t)表示用戶在t時間段的充電功率。

1.2 區域電網負荷和電壓分析

隨著電動車滲透率提升，大規模電動車的充電負荷接入電網之后會造成電網負荷“峰上加峰”，電網的電壓偏移也明顯變大。為了平抑峰谷的差別，大多數學者采用分層分區調度的方式來降低負荷峰谷差、減少充電成本、降低網絡損耗，努力降低電動汽車接入電網后對電網負荷和電壓偏移的影響。本文利用車聯網獲取的用戶充電需求數據、實際用用電數據、車輛行駛里程數據、該區域歷史電網負荷和電壓偏移等數據，對電網負荷和電壓進行分析。

基于上一節用戶行駛和充電偏好的需求，結合電網側負荷功率調節的目標，電網側旨在實現充電負荷與電網負荷波動最小，實現削峰填谷，進一步提高小區的供電質量，減少配電網線的損耗。參考文獻[17-18]，可得出電網側的目標函數：

1.3 充電站充電需求和變壓器容量分析

通過車聯網共享平臺對信息的充分共享，以及對充電站狀態的實時監控（包括接入點故障、電池當前狀態、用戶期望充電容量、功耗控制等），實現關于充電需求和變壓器容量的自動分析，實現充電策略管理的智慧化。

假設充電站按照充電的電價抽取充電服務費pj，并按照購電電價支付給電網電費cj。假設充電站有N個節點，當用戶接入節點i時，充電控制系統獲取電動車的電池剩余電量SOCL。為了制定有序充電策略，用戶應該預設充電時間ti以及用戶離開時期望的電池電量SOCF。因此，充電站應該在滿足用戶需求和配電變壓器的額定容量，通過對電池有序充電的控制，實現充電站經濟效益最大化。充電站以運營效益最大化的為目標：

其中，Cij為第i個接入點以當前時刻為起始點在第j個時間段的控制策略，Cij=1表示接入點開始充電；Cij=0表示接入點結束充電。Δt為充電站調度間隔。j為一天調度間隔的調度總數量。配電變壓器的容量約束如下：

其中，P為接入點的額定功率，Sij表示第i個接入點在第j個時間段是否有電動汽車接入，Sij=1表示有電動汽車接入，Sij=0表示沒有電動汽車接入；Aj取值在[0,1]之間，如果該充電站配有專供配電變壓器，那么Aj=1；ST為配電變壓器的額定容量；λ為充電負荷平均功率因子。

2 電動汽車群有序充電控制方法

本文綜合考慮電網、充電站、用戶三者目標，基于當前多方的需求，目標包括三個：配電變壓器容量最大化，用戶充電成本最小化以及電網多時段負荷波動、總損耗和電壓變化最小化。因此目標函數可以表示為：

電網、充電站、用戶三者的約束條件為：

公式(12)是電池的約束條件，表示電動汽車接入接入點時要滿足接入點額定輸出功率以及該車型電池最大充電功率的最小值；公式(13)表示接入點負荷要在電網設定的負荷范圍上下限；公式(14)表示每個時間段接入點的概率密度，將某個時間段j接入需求概率乘以該區域的電動車數量得到該時間段的充電需求；公式(15)表示電動汽車充電時的充電電量概率函數，將某一個時間段j的充電時的起始電量概率乘以電動車充電需求估算該時間段所需要的總充電電量。公式(16)表示該充電站內所有接入點的容量小于配電變壓器的額定容量。公式(17)表示用戶停止充電時獲得的電量能夠滿足預期的充電目標。本文使用CPLEX優化工具包進行求解，得出有序充電的控制策略。

3 實驗分析

本文在車聯網環境下采用上述兩個正態分布概率密度函數模擬200輛車在24小時的充電需求。并對比有序充電和無序充電下充電站在24個小時的負荷曲線和電壓偏移曲線。具體情況如圖1和圖2所示。

圖1 有序充電負荷和無序充電負荷對比圖

圖2 有序充電負荷和無序充電電壓偏移量對比圖

圖1展現有序充電和無序充電兩種策略下的日負荷曲線，發現在有序充電控制策略下，充電站從凌晨到早上6點出現多個負荷高峰，這段時間恰恰是夜間谷電期，電價相對便宜，錯開了白天的用電高峰，實現了負荷側的削峰填谷，有序充電策略為充電站帶來豐厚的收益的同時，也為用戶節省了充電成本；而在無序充電模式下，用戶在晚上時間段接入充電，使得晚高峰的用電負荷進一步升高，局部電網容易出現另外一個用電高峰。

圖2展現有序充電和無序充電兩種情況下電壓偏移量曲線，發現在有序充電控制策略下，無論在負荷高峰還是在負荷低谷狀態下，電動汽車接入后的電壓偏移量都在一個可容忍的范圍內；而在無序充電模式下，大多數用戶在晚上時間段接入充電，使得晚高峰的電壓偏移量加劇，對晚間配電網的安全造成一定的影響，也會影響電池的壽命。

4 結束語

本文提出一種在車聯網環境下，綜合考慮電網、充電站、用戶三者的電動汽車群有序充電策略，該策略通過構建電網側、充電站測以及用戶側多目標優化函數，結合用戶出行需求、電網負荷、汽車電池電量以及配電變壓器容量的約束條件，優化電動汽車有序充電方案。仿真結果表明，基于車聯網對多方面數據的共享和分析，綜合多方面需求制定的有序充電控制策略不僅有利于實現負荷側的削峰填谷，為充電站帶來豐厚的收益的同時，也為用戶節省了充電成本，還能夠降低晚高峰的電壓偏移量，提升晚間配電網的安全。