預制艙變電站-電動汽車充/換電站綜合服務模式下的優化運行策略

王彥峰，王興華，雷翔勝

(廣東電網有限責任公司電網規劃研究中心，廣州510080)

0 引言

隨著土地資源的日益緊張和電力需求的不斷提升，常規變電站暴露出占地面積大、建站效率低、投入運行慢等一系列問題[1]。預制艙變電站基于戶外箱式變電站制造技術及標準配送式變電站技術的優勢，整站所有設備均在工廠內完成安裝和調試，在現場進行簡單連接即可投入運行，工期縮短約100～200 d，模塊化建站使占地縮小30%～70%，滿足城市中心建站的環評需求等一系列優點，為未來城區新型變電站建站和老式換電站增容改造提供一種新的解決方案[2]。

圖1 預制艙綜合站的內部框架Fig.1 Internal frame of the prefabricated comprehensive station

隨著交通電氣化[3]的發展，電動汽車在私家車領域及公共出行領域[4 - 5]得到了巨大發展，但與之而來的充/換電站選址問題[6 - 7]成為了制約電動汽車行業發展的重要因素，采用“變電站+充電站”綜合能源模式成為解決途徑之一。深圳電網在對蓮花山變電站進行改造，建立了全國第一個“變電站+充電站”站點[8]。山東濱州基于變電站、充/換電站建立了“八站合一”郭集智慧能源綜合示范區[9]。“多站合一”模式不僅為充/換電補充提供解決方案，也對建設“三型兩網”起著重要的支撐作用[10]。

綜合能源是實現“雙碳”的重要手段[11 - 13]。在綜合能源變電站領域，文獻[14]認為融合型變電站是數據中心與充電站選址的最佳選擇，設計了融合型變電站運行架構，并提出了融合型變電站運行策略。文獻[15]提出多站融合場景下各站的配置方法和協調運行策略，并驗證了配置方法和協調運行策略的有效性。文獻[16]提出儲能電站在多站融合中發揮多重功能的復雜場景下優化運行策略，提升了多站融合的經濟性。文獻[17]基于全局協調、分區自治思想，提出多站融合輔助調峰自律運行調控策略，為大規模分布式電源并網提供解決方案。但當前融合型變電站研究對電動汽車充/換電站優化調控策略的關注甚少，“多站合一”背景下的“變電-充換電”綜合服務不僅符合綜合能源轉變和電動汽車發展的雙重大趨勢，還有利于集約社會資源，降低因線路停電故障產生的EV無法充電的問題，提高充電可靠性，避免電力網故障傳導至交通網[18]。

考慮到預制艙變電站及“多站合一”模式的優勢，本文以城市交通電氣化為基礎，提出了“預制艙變電站-電動汽車充/換電站”綜合服務模式下的優化運行策略。首先，提出“變電站-充/換電站”綜合服務框架，闡述各站之間的聯系；接著，在綜合服務框架下，對“交通-多站”融合下電動私家車虛擬儲能可控容量分析，并考慮可控容量對站級私家車充放電運行進行優化。最后，“交通-多站”融合下電動出租車換電需求進行分析，提出考慮換電需求約束的站級出租車充放電優化策略。

1 “預制艙變電站—充/換電站”綜合服務框架分析

“變電站—充/換電站”綜合服務框架如圖1所示，包括預制艙式變電站、預制艙式換電站和預制艙式充電站。

1)預制艙式變電站：具有模塊化特性的預制艙式變電站，主要應用于大型商住區、中央商務區及工業園區等區域，為城市中心負荷提供可靠的電力供應。預制艙式變電站通過艙內設備的不同來區分不同的艙體模塊，主要包括GIS預制艙模塊、變壓器預制艙模塊、開關柜預制艙模塊、二次預制艙模塊、綜合預制艙模塊和無功補償、接地變預制艙等模塊。預制艙系統通過內環境控制技術能維持艙內恒溫、恒濕和無塵，通過防火保溫技術和高耐候防腐技術使其適用于多種氣候和地形條件，通過聲屏障、電磁屏蔽和防火墻等技術對城市環境的影響，主要負責對站內預制艙式充/換電站及其他用電單位供電。

2)預制艙式換電站：主要為電動出租車提供快速電能補充，包括換電平臺艙模塊、電池待充艙模塊、換電電池充電艙模塊和電池庫存艙模塊。換電平臺艙模塊為電池更換的操作平臺，是換電站與電動汽車進行交互的部分，后三者主要負責電池的充電和儲存，換電站在滿足換電需求的前提下，對電池荷電狀態(state of charge state, SOC)進行控制，作為儲能資源以充放電的形式積極參與電網調控，國內“北汽擎天柱計劃”和“蔚來NIO Power 2025”換電站本身就是一種模塊化預制艙構造，再次驗證二者結合的可行性。

3)預制艙式充電站：主要為電動私家車提供慢速電能補充，包括智能充電樁模塊、車位模塊和頂棚光伏模塊。智能充電樁模塊負責計費、控制充電、接受調度中心指令等操作，車位模塊負責規劃停車位置，使預制艙綜合站剩余面積利用率最大化。頂棚光伏模塊充分利用充/換電站對電能的消納能力，采取“自發自用、余電上網”的運營模式[8]，充分利用土地及光伏資源。

4)數據中心：作為信息流的核心，負責預制艙變電站、預制艙換電站、預制艙充電站的控制與監測，協調各模塊間的數據交互，制定站內電池儲能和電網間的能量互動策略。

基于預制艙變電站剩余面積和地下面積，可進一步拓展預制艙式充/換電站業務，實現“一站一功能”向“一站多功能”轉變。

2 “交通-多站”融合下電動私家車虛擬儲能可控容量分析

基于預制艙綜合站的外部框架，充分考慮電動出租車和電動私家車的特性不同，認為電動出租車均采用快速換電模式，電動私家車均采用慢速充電模式。

2.1 電動私家車出行特性

本文在文獻[19]的基礎上對交通網和城市功能區分布進行了擴展，擴展部分見附錄表A1。電動私家車出行鏈類型及所占比例參考文獻[20]，電動私家車首次出行時刻等和時間相關的概率分布參考文獻[21]。依據出行鏈起訖(origin-destination， OD)矩陣，根據以速度、距離為主要特征的出行特性，采用Dijkstra算法為電動私家車規劃最優路徑，通過文獻[22]能耗因子模型即可計算電池電量損耗。

2.2 電動私家車虛擬儲能調控假設條件

1)等待、充電和放電3種狀態切換次數最多只允許有5次[23]，充電和放電之間的切換必須經過等待狀態；

2)充放電時均采用恒功率充放電。

2.3 電動私家車虛擬儲能調控區域分析

通過“多站合一”背景下預制艙式變電站數據中心對管轄范圍內電動私家車的控制，將具有不同時空特性的電動私家車整合在一起，根據電網運行狀況進行有序充放電，整合后的電動私家車電池整體稱為虛擬儲能，虛擬儲能資源可從可延遲充電時間和最大放電量兩個維度進行考慮，可延遲充放電時間可以平移充電時段，最大放電量可以評估放電潛力，即當前時刻可調用的最大容量。本文根據電動私家車到達時電量Sarr與最低放電電量Sdis,min的大小關系，將電動私家車虛擬儲能調控區域分為3種情形，分別如附錄圖A1所示，實線和點劃線分別代表不同的充放電方式。

1)情形1：當Sarr

當電動私家車接入后，其最大可延遲充電時間tde為到邊界CD的水平距離，為避免后文重復，此處給出一種適用于邊界和內部點的統一公式，設當前點O的坐標為(to,Soc,o)， 則有：

(1)

式中：Slea、Sarr、tlea、Bc、Pc分別標識為電動私家車離站電量、到站電量、離站時間、電池電量和充電功率。

因此充電起始時間tstart,c1和放電起始時間tstart,dis分別滿足約束式(2)—(3)。

tarr≤tstart,c1≤tarr+tde

(2)

(3)

式中tarr為到站時間。

求得tstart,dis后，即可計算tstart,dis時刻的最大放電時間tdis,max和最大放電量Cdis,max。

(4)

Cdis,max=Pdis·tdis,max

(5)

式中Pdis為額定放電功率。

實際放電時長tdis滿足：

0≤tdis≤tdis,max

(6)

由于放電使得電動私家車電量低于離站電量，因此需要二次充電，充電起始時間tstart,c2為：

tstart,dis+tdis≤tstart,c2≤tstart,dis+tdis+tde

(7)

結合式(1)，在式(7)中tde的to和Soc,o分別為：

to=tstart,dis+tdis

(8)

(9)

2)情形2：當Sarr≥Slea時，電動私家車車主并不會主動對電動汽車進行充電，即默認不充電，只存在放、放-充、不充不放3種狀態。

本文以“放-充”狀態切換為例，對虛擬儲能可控容量進行分析，放電起始時間tstart,dis滿足約束式(10)。

tarr≤tstart,dis≤tlea

(10)

因此tstart,dis時刻的最大放電時長tdis,max為：

(11)

(12)

式中ttarget為電池SOC從tstart,dis開始放電，電量從Sarr到達Slea所需要的時間。

最大放電量由式(5)得到，實際放電時長tdis應滿足式(6)。放電結束時間tdis,final和放電結束剩余電量Sdis,final為：

tdis,final=tstart,dis+tdis

(13)

(14)

最大可延遲充電時間tde為：

(15)

充電起始時間應滿足式(7)—(9)。

3)情形3：當Sdis,min≤Sarr

2.4 電動私家車虛擬儲能調控容量分析

本文認為只有處于空閑或放電狀態，且在狀態切換約束下具有放電能力的車輛才具有虛擬調控容量CV2G(t)， 表示t時段內儲備放電容量的數值。不同狀態變換下第i輛私家EV在t時刻的可調控的最大虛擬儲能容量Ci,V2G(t)和總容量CV2G(t)為：

(16)

CV2G(t)=∑Ci,V2G(t)

(17)

3 考慮可控容量的站級私家車充放電運行優化

3.1 電動私家車分類

本節根據到站和離站電量將私家車分為2類：

1)強制充電類：Sarr

2)非強制充電類：Sarr≥Slea， 這一類電動私家車在停留過程中，凈放電量為正，這部分車輛是參與電網調控的重要組成部分，若不考慮放電則該非強制充電類EV默認不充電。

3.2 目標函數和調控自變量

為充分發揮電動私家車于削峰填谷、平抑負荷波動的作用，發揮虛擬儲能對于負荷的緩沖和調整能力，本文以平抑負荷波動為目標函數。

(18)

(19)

式中：Pl(t)為區域負荷；T為離散的優化周期；Ppri(t)為私家車集群充放電功率；Pav為優化周期內負荷的平均值。

由2.3節介紹的各種狀態切換模式，共有僅充電、充-放-充、放-充、僅放電，設置調控自變量為(tstart,c1,tstart,dis,tdis,tstart,c2,p1,p2,p3,p4)， 且滿足：

p1+p2+p3+p4=1

(20)

式中p1、p2、p3、p4分別代表前述4種狀態切換模式的占比。

僅充電狀態切換下調控自變量為(tstart,c1,0,0,0,p1,0,0,0)， “充-放-充”狀態切換下調控自變量為(tstart,c1,tstart,dis,tdis,tstart,c2,0,p2,0,0)， “放-充”狀態切換下調控自變量為(0,tstart,dis,tdis,tstart,c2,0,0,p3,0)， 僅放電狀態切換下調控自變量為(0,tstart,dis,tdis,0,0,0,0,p4)， “放-充”和僅放電狀態的區別在于放電結束后電量是否低于離站電量，若低于離站電量則需要充電，否則不需要。

相關約束條件見2.3節。

4 “交通-多站”融合下電動出租車換電需求分析及換電站時序狀態模型

4.1 “交通-多站”融合下電動出租車換電需求分析

根據電動出租車的出行、選站及換電行為，對其行駛路徑和電池SOC進行監測，計算得到綜合站在各調度時段初為滿足出租運營所提供的電池數，即為“交通-多站”融合下的換電需求。

電動出租車在載客、空載尋客和空載換電選站狀態中進行變換[24]，與電動私家車相比，電動出租車行程具有較強的連續性，且目的地具有較強的隨機性，其出行行為適合采用OD分析法進行研究，本文電動出租車載客和空載尋客行為參考文獻[20]的OD矩陣，當電動出租車空載換電時，需選擇綜合站進行電能補充，應綜合考慮多種時間因素：1)考慮前往換電站時間T1；2)排隊時間T2；3)所選換電站前往下一最佳尋客點時間T3。

因此選擇換電站k時考慮的總時間Tall,k(t)為：

Tall,k(t)=T1,k(t)+T2,k(t)+T3,k(t)

(21)

選站結果se(t)為：

se(t)=argmin(Tall,k(t))，k=1,…,K

(22)

式中K為綜合站的數量。

4.2 換電站電池組時序狀態模型

電動出租車在換電站內的站內行為分析可參見文獻[25]。

本文將電池分為待充電池、充、放電投入電池、在充電池、在放電池、充、放電產出電池、和儲備電池8類。

在t時段初，換電站可以提供的儲備電池Ns(t)數量為：

(23)

式中：y(t-1)為t-1時段末出電池量；U(t-1)為t-1時段換電需求；D(t)為t時段初投入放電的電池量。

D(t)受到儲備電池Ns(t)和充放電設備的制約，投入電池量最大值Dmax(t)表示為：

Dmax(t)=min[Nr(t-1),N′s(t-1)]

(24)

式中Nr(t-1)為t-1時段末未連接電池的充電樁數量。

若D(t)確定后，投入量x(t)的最大值xmax(t)表示為：

xmax(t)=min[Nr(t-1)-D(t),Nw(t-1)]

(25)

式中Nw(t-1)為t-1時段末待充電池量。

t時段末Nr(t)受到充電樁總數Nall、t時段在充電池量Nc(t)、t時段末產出電池y(t)、t時段在放電池量Nd(t)、t時段末放電電池產出量m(t)的影響。

Nr(t)=max[0,Nall-Nc(t)-Nd(t)+y(t)+m(t)]

(26)

t時段在充電池量Nc(t)和在放電池量Nd(t)表示為：

Nc(t)=Nc(t-1)-y(t-1)+x(t)

(27)

Nd(t)=Nd(t-1)-m(t-1)+D(t)

(28)

t時段待充電池數Nw(t)為：

Nw(t)=max[0,Nw(t-1)+U(t)-x(t)+m(t)]

(29)

5 考慮換電需求約束的站級出租車充放電運行優化

5.1 假設條件

1)充放電功率恒定且不中斷，充電功率為30 kW，放電功率為10 kW；

2)時間離散化，時段跨度設置為15min。

5.2 目標函數

綜合考慮電動私家車和電動出租車的充放電負荷對于削峰填谷的作用，將目標函數式(18)改寫為：

(30)

(31)

式中：Pc和Pdis分別為單個充電樁的充、放電功率；T為離散的優化周期。

5.3 約束條件

1)t時段初，投入充、放電的電池數x(t)、D(t)應大于等于0，即

(32)

2)t時段初，x(t)和D(t)之和應小于t-1時段末未連接電池的充電樁數量Nr(t)， 即：

x(t)+D(t)≤Nr(t-1)

(33)

3)t時段初，投入充電的電池數x(t)應小于待充電池數Nw(t-1)和未連接電池的充電樁數Nr(t-1)， 即：

x(t)≤min[Nw(t-1),Nr(t-1)]

(34)

4)t時段初，應保證儲備電池量Ns(t)不小于換電需求U(t)， 即：

Ns(t)≥U(t)

(35)

6 算例分析

6.1 參數設置

本文路網拓撲及功能區分布參考文獻[19]，共設置5個預制艙綜合站，1～5號分別位于路網的第6、7、13、17、26節點，其中4號為220 kV預制艙綜合站，1號、5號為110 kV預制艙綜合站，2號、3號為綜合站，各站配置10臺換電設備，存貯的儲備電池及換電充電艙的專用充電樁數量如附錄表A2所示。假設換電式電動出租車數量為1 000輛，電動私家車為5 000輛，單位能耗均為0.15 kWh/km，電動出租車自6:00—9:00逐漸開始投入運營，21：00—24：00逐漸結束運營，電動私家車時間特性如2.1節所述，兩類車型的初始荷電狀態均勻分布在0.4～0.9范圍內，兩類車型的型號、電池容量及充放電功率如附錄表A3所示。區域基本負荷曲線如附錄圖A2所示。

6.2 電動私家車虛擬儲能可控容量分析

虛擬儲能可控容量需要滿足2.2、2.3節相關約束條件，并在一定充電策略下進行分析和評估，本文在以負荷波動最小為目標的充電策略下，對車主白天工作時，處于停駛狀態的電動私家車虛擬儲能可控容量進行計算，由于可控容量的計算受到狀態轉換的影響，假設所有強制充電類車輛均采用充-放-充狀態切換方式，即認為只有充電結束后才具有V2G調控能力，工業區和商業區的虛擬儲能V2G容量如圖2—3所示。

圖2 工業區虛擬儲能V2G容量Fig.2 Virtual energy storage V2G capacity in industrial area

圖3 商業區虛擬儲能V2G容量Fig.3 Virtual energy storage V2G capacity in commercial area

由圖2—3可知，強制充電類和非強制充電類EV的虛擬儲能V2G容量峰值出現時間不一致，強制充電類EV的峰值時間滯后于非強制充電類EV，這是因為非強制充電類EV的電池SOC處于較高水平，到站就具有可調控的V2G容量，之后V2G容量隨著EV的離站而逐漸減小；而強制充電類EV只有充電后才具有V2G放電能力。

定義虛擬儲能峰值比κp為非強制類V2G容量峰值Wnf與強制類V2G容量峰值Wf之比，表示為：

(36)

計算得出工業區κp和商業區κf分別為5.04和18.76，κp越大，說明非強制類和強制類V2G容量峰值差距越大，非強制類EV占比也越大。由于商業區位于城市核心區域，車主到達商業區和返程所消耗的電量較小，離站目標電量Slea也越小，使得前往商業區工作的這部分車主的EV有更大的概率成為非強制類EV。

所有區域的強制充電類凈V2G容量和總V2G儲備容量如圖4—5所示。

圖4 所有區域的強制充電類凈V2G容量Fig.4 Mandatory charging class net V2G capacity in all areas

圖5 所有區域的凈V2G總容量Fig.5 Total net V2G capacity in all areas

由圖4—5可知，由于強制充電類EVSarr

6.3 電動私家車虛擬儲能放電能力參與電網調控分析

本文只分析虛擬儲能放電能力參與電網調控的效果，由于夜間處于負荷低谷，電動私家車在此期間不參與放電，故只分析電動私家車虛擬儲能參與白天負荷高峰期時的調控能力。

假設無序場景為到站后立即充電且不參與虛擬儲能放電調控，無序負荷與有序負荷如圖6所示。

圖6 無序和有序充放電負荷Fig.6 Disordered and ordered charge and discharge loads

由圖6所示，非強制類私家車的無序充電活動在12:00之前就已經結束，沒有充分發揮時間維度上的充電彈性和虛擬儲能放電特性。相較于無序場景，參與虛擬儲能放電調控能夠有效降低區域負荷，負荷峰值功率降低了3.5 MW，在09：00—18：00負荷高峰時間尺度上，有效降低各處的負荷值。

參與優化后，強制類和非強制類充放電負荷、區域總充放電負荷如圖7—8所示。

圖7 強制類和非強制類充放電負荷Fig.7 Mandatory and non-mandatory charge and discharge loads

圖8 區域總充放電負荷Fig.8 Total area charge and discharge load

圖7中，總體上，強制類EV為充電負荷特性，非強制類EV為放電負荷特性。強制充電類EV參與放電調控的效果不明顯，主要通過有序充電與區域負荷、非強制類EV放電向配合，起到降低日間負荷峰值和平滑負荷曲線的作用。非強制類EV的放電能力較強，凈放電負荷峰值可達3.85 MW，在私家EV接入后就具有較強的放電能力，有效地將09：00—12：00負荷尖峰補償掉。由圖8所示，日間充電負荷避開9：00—12：00負荷尖峰，主要集中在15：00—18：00之間，但在此期間非充電類放電負荷可完全補償掉充電負荷，整體上私家EV負荷呈放電性質，在日間負荷高峰期，不僅不會對電網造成沖擊，還可以實現對電網的反向放電。

6.4 電動出租車換電需求

根據4.1節，可計算得到“預制艙變—充/換電”綜合站的換電需求如圖9所示。

圖9 “預制艙變—充/換電”綜合站的換電需求Fig.9 Swapping demand of prefabricated substation-charging/swapping “integrated station”

圖9中，換電需求大小與綜合站的地理位置分布有一定的影響，5號綜合站位于城市中心的商業區，車流量和客戶出行需求較大，所以其換電需求較高。在時間維度上，各綜合站的換電需求變化趨勢相似，總體大致呈“波浪形”分布，具有周期性的特點，主要是因為電動出租車具有連續的出行行為，持續的電池能量消耗使電動出租車每隔一段時間就要進行電池更換。

6.5 換電站參與電網調控優化

換電站無序充電場景為采用“即換即充”模式，各站無序充電負荷為附錄圖A3所示，換電站無序和有序充放電負荷如圖10所示。

圖10 換電站無序和有序充放電負荷Fig.10 Disordered and ordered charging and discharging loads of swapping stations

由圖10可知，相較于區域負荷峰值，疊加換電站充放電負荷，在無序和有序場景下負荷峰值分別提高了7.53 MW和1.31 MW，無序充電較大幅度的提高負荷峰值，還使得負荷曲線出現“雙高峰”。區域負荷、疊加有序負荷和疊加無序負荷場景下峰谷差為53.09 MW、48.53 MW和60.62 MW，在09：00～18：00日間負荷高峰期峰谷差分別為292.64 MW、274.52 MW和702.48 MW，預制艙式綜合站內的換電站部分，通過有序安排電池充放電計劃不僅使得峰谷差有所減小，還使得日間負荷高峰期的負荷波動降低。

7 結語

本文以預制艙變電站為基礎，分析了預制艙變電站和充/換電站進行融合的可行性，提出了多站融合下“預制艙變電站-充/換電站”的站內、站外服務框架，在該框架的管轄范圍內對電動私家車虛擬儲能可控容量、電動出租車換電需求及充換/電站儲能利用策略進行了分析，結果表明：以預制艙變電站為中心，融合充/換電站建立綜合服務站，不僅可以集約社會土地資源，提供多元化服務，還具有較強的虛擬儲能容量及換電儲能容量，通過數據中心控制充/換電站充放電行為，可以起到平抑負荷波動、削峰填谷作用。本文可為未來城市中廣泛建設的變電站和充/換電站的融合方案提供參考，考慮融合方案的商業化運行及更加多元的站間融合是下一步的研究方向。