安科瑞電氣股份有限公司 上海嘉定 201801

 

摘要：分析電動(dòng)汽車充電對(duì)電網(wǎng)產(chǎn)生的影響,主要研究電動(dòng)汽車對(duì)電網(wǎng)負(fù)荷平衡的影響。對(duì)電動(dòng)汽車充電負(fù)荷建模，分析其用戶出行等的時(shí)間概率分布，通過蒙特卡羅模擬法對(duì)電動(dòng)汽車充電負(fù)荷需求進(jìn)行計(jì)算，研究3 000輛電動(dòng)汽車全天的充電需求時(shí)間分布。建立含光伏發(fā)電系統(tǒng)的區(qū)域供電系統(tǒng)優(yōu)化模型，同時(shí)以動(dòng)態(tài)電價(jià)為激勵(lì)引導(dǎo)電動(dòng)汽車進(jìn)行有序充電，以參與電網(wǎng)輔助服務(wù)。以聯(lián)絡(luò)線交換功率波動(dòng)乘積較小和充電成本較低為目標(biāo)，并以其加權(quán)后的函數(shù)作為目標(biāo)函數(shù)，結(jié)合4個(gè)約束條件，通過遺傳算法求解模型，得到符合目標(biāo)函數(shù)的較優(yōu)充電方案。較終通過算例驗(yàn)證該模型能夠?qū)崿F(xiàn)平移負(fù)荷、削峰填谷的作用。

關(guān)鍵詞：負(fù)荷平衡；蒙特卡羅模擬法；動(dòng)態(tài)電價(jià)；有序充電；削峰填谷；

0引言

 

      由于二氧化碳排放增加和環(huán)境污染等問題，以及原油價(jià)格和其他燃料資源的不穩(wěn)定性，電動(dòng)汽車自21世紀(jì)以來已經(jīng)逐漸進(jìn)入人們的生活，電動(dòng)汽車的普及也對(duì)電力系統(tǒng)產(chǎn)生了巨大的沖擊。文獻(xiàn)［1］—文獻(xiàn)［2］分析了我國(guó)電動(dòng)汽車的發(fā)展現(xiàn)狀及未來趨勢(shì)，根據(jù)實(shí)際情況，指明該過程中面臨的問題。文獻(xiàn)［3］提出基于隨機(jī)森林的充電行為聚類技術(shù)，分析電動(dòng)汽車充電行為特性，結(jié)果表明該方法較歐氏距離法更準(zhǔn)確。文獻(xiàn)［4］提出基于主動(dòng)配電網(wǎng)的源網(wǎng)荷優(yōu)化調(diào)度方法，可減少電動(dòng)汽車接入電網(wǎng)產(chǎn)生的波動(dòng)，具有重要的指導(dǎo)意義。文獻(xiàn)［5］通過采集居民電動(dòng)汽車接入電網(wǎng)的充電數(shù)據(jù)，研究其充電特性，結(jié)果表明充電負(fù)荷的聚集會(huì)使總負(fù)荷曲線惡化。文獻(xiàn)［6］為確定電氣設(shè)備的空間分布及選型，基于對(duì)電動(dòng)汽車充電負(fù)荷和分布式能源出力特性的分析，建立對(duì)應(yīng)的空間負(fù)荷預(yù)測(cè)模型，并通過算例分析證明其可行性。文獻(xiàn)［7］結(jié)合全球定位系統(tǒng)，建立了電動(dòng)汽車快速預(yù)約充電模型，通過Dijkstra算法求解模型，通過算例證明該模型的有效性。文獻(xiàn)［8］提出一種混合儲(chǔ)能虛擬電廠參與電力市場(chǎng)的優(yōu)化調(diào)度策略，包含了電動(dòng)汽車充電的不確定性參數(shù)，通過算例證明該策略的可行性，為虛擬電廠參與電力市場(chǎng)調(diào)度奠定了基礎(chǔ)。基于上述背景，本文以區(qū)域內(nèi)私人電動(dòng)汽車為主體，通過對(duì)電動(dòng)汽車用戶出行規(guī)律進(jìn)行歸納總結(jié)，對(duì)出行、返回、日行駛里程及電池剩余荷電量（state of charge，SOC）概率分布特征進(jìn)行擬合，對(duì)比工作日、休息日私人電動(dòng)汽車的充電行為，并以工作日的充電行為作為輸入，基于蒙特卡羅模擬法對(duì)私人電動(dòng)汽車的充電負(fù)荷進(jìn)行仿真預(yù)測(cè)。進(jìn)而考慮配電網(wǎng)和電動(dòng)汽車用戶的利益以及光伏消納情況，建立計(jì)及光伏發(fā)電系統(tǒng)的區(qū)域供電系統(tǒng)優(yōu)化模型，根據(jù)全天日照強(qiáng)度較大化吸收光伏輸出，改善綜合負(fù)荷曲線，同時(shí)以動(dòng)態(tài)電價(jià)為激勵(lì)引導(dǎo)電動(dòng)汽車進(jìn)行有序充電。以聯(lián)絡(luò)線交換功率波動(dòng)乘積較小和充電成本較低為目標(biāo)函數(shù)，結(jié)合4個(gè)約束條件，通過遺傳算法求解模型，得到符合目標(biāo)函數(shù)的較優(yōu)充電方案。通過算例驗(yàn)證該模型能夠?qū)崿F(xiàn)平移負(fù)荷、削峰填谷。

       我國(guó)電動(dòng)汽車的普及給電力系統(tǒng)帶來了不穩(wěn)定性和不確定性，電動(dòng)汽車聚集性地接入電網(wǎng)充電，將對(duì)電力系統(tǒng)產(chǎn)生巨大的沖擊，增加其運(yùn)行控制難度。其主要影響包括：

      （1）電能質(zhì)量電動(dòng)汽車接入充電樁進(jìn)行充電時(shí)相當(dāng)于大功率、非線性負(fù)荷，在其充電過程中電網(wǎng)需要提供穩(wěn)定可靠的大電流進(jìn)行供電，同時(shí)對(duì)電力電子設(shè)備產(chǎn)生很高的諧波電流和沖擊電壓，若不采取相應(yīng)的措施，可能會(huì)帶來諧波污染、功率因數(shù)降低以及系統(tǒng)電壓波動(dòng)方面的影響。

      （2）電網(wǎng)運(yùn)行控制難度

聚集性地充電會(huì)給電網(wǎng)帶來巨大的沖擊，而且電動(dòng)汽車用戶出行方式、充電特性、充電時(shí)長(zhǎng)都具有隨機(jī)性，會(huì)給充電負(fù)荷帶來不確定性，影響電網(wǎng)運(yùn)行控制。大多用戶出行的較終目的地都是高度隨機(jī)的，所以其行駛里程也是隨機(jī)的。每一輛電動(dòng)汽車的充電模式不一定相同，加入外界影響因素，其充電曲線是不同的，所以其充電特性具有隨機(jī)性。充電時(shí)間取決于駕駛習(xí)慣，用戶在充電時(shí)往往表現(xiàn)出隨機(jī)行為，應(yīng)由在這些實(shí)體內(nèi)優(yōu)化和安排充電時(shí)間的

集中代理進(jìn)一步控制。

      （3）負(fù)荷不平衡2020—2030年，在無序充電情形下，國(guó)家電網(wǎng)公司經(jīng)營(yíng)區(qū)域峰值負(fù)荷預(yù)計(jì)增加1 361萬kW和1.53億kW，相當(dāng)于當(dāng)年區(qū)域峰值負(fù)荷的1.6%和13.1%，導(dǎo)致區(qū)域負(fù)荷的不平衡。電動(dòng)汽車集中在某些時(shí)段進(jìn)行充電，或電動(dòng)汽車充電行為在平時(shí)段的疊加，將進(jìn)一步變大電網(wǎng)負(fù)荷峰谷差，加重電網(wǎng)側(cè)的負(fù)擔(dān)。如果將多輛電動(dòng)汽車接入一個(gè)接近其極限的充電網(wǎng)絡(luò)，附近變壓器上的額外負(fù)載可能會(huì)導(dǎo)致其故障。從不同類型充電基礎(chǔ)設(shè)施的用電特性來看，公共充電設(shè)施的用電行為較為分散，沒有明顯的峰谷差別，而設(shè)施的用電行為相對(duì)集中，峰谷差別更為明顯。綜合來看，在無序充電前提下，充電基礎(chǔ)設(shè)施負(fù)荷較大的時(shí)刻應(yīng)為傍晚大量私家車主回到居住地，開始使用私人充電樁為私家車充電的時(shí)刻。本文對(duì)電動(dòng)汽車接入電網(wǎng)時(shí)的負(fù)荷平衡進(jìn)行研究，通過電價(jià)激勵(lì)引導(dǎo)電動(dòng)汽車用戶進(jìn)行有序充電，以達(dá)到平移負(fù)荷、削峰填谷的效果。

       本文基于對(duì)NHTS數(shù)據(jù)庫2019年基礎(chǔ)數(shù)據(jù)的分析，篩選出10萬輛私人電動(dòng)汽車接入充電樁時(shí)的充電數(shù)據(jù)及充電行為等因素，為構(gòu)建電動(dòng)汽車有序充電行為提供數(shù)據(jù)基礎(chǔ)。

2.1 時(shí)間變量概率分布擬合

       私人電動(dòng)汽車用戶出行概率主要受日常生活習(xí)慣和生活規(guī)律影響，首先需要得到初始出發(fā)時(shí)間的分布。出發(fā)時(shí)間分布可用正態(tài)分布的形式進(jìn)行擬合，其時(shí)間概率分布如圖1所示。用戶日出行概率密度函數(shù)為：

 

3.4 求解模型

      本文采用遺傳算法求解電動(dòng)汽車與配電網(wǎng)交互優(yōu)化模型。遺傳算法是一種自適應(yīng)全局優(yōu)化搜索算法，通過自適應(yīng)、交叉、變異等方法，實(shí)現(xiàn)適應(yīng)度的提高，將其應(yīng)用于求解模型，從而得到較優(yōu)解。其流程圖如圖10所示。

       步驟 1：采集負(fù)荷功率曲線數(shù)據(jù)和光伏輸出曲線數(shù)據(jù)，獲取每一時(shí)刻電動(dòng)汽車充電需求數(shù)據(jù)，包括其相應(yīng)的 SOC 及未來出行安排。步驟2：光伏發(fā)電系統(tǒng)出力時(shí)將充電站的充電功率較大化，并計(jì)算充電站可接受的較佳電動(dòng)汽車數(shù)量。步驟3：根據(jù)動(dòng)態(tài)電價(jià)模型計(jì)算更新后的電價(jià)，計(jì)算充電成本，判斷 F2 是否較低。步驟 4：獲取滿足約束條件的使得充電站交流母線功率波動(dòng)乘積 ΔP 較小的充電方案，同時(shí)得到充電成本較低的電動(dòng)汽車充電方案。步驟5：確定電動(dòng)汽車用戶是否選取該方案，如果選取，則輸出決策結(jié)果；如果不選取，則判斷是否達(dá)到較大迭代次數(shù)，重復(fù)步驟4。

      某區(qū)域分布式光伏發(fā)電系統(tǒng)采用較大輸出策略，光伏容量為7 MW，實(shí)際輸出較大功率為5.6 MW。光強(qiáng)數(shù)據(jù)如表1所示，假設(shè)全天中7:00—18:00有陽光，其余時(shí)刻光照強(qiáng)度為0，全天光照強(qiáng)度分布如圖11所示。電動(dòng)汽車充電初始SOC為0.51，初始種群規(guī)模為3 000輛電動(dòng)汽車，電動(dòng)汽車充電樁快充的輸出功率為24 kW，常規(guī)慢充輸出功率為12 kW，充電效率為90%，區(qū)域常規(guī)負(fù)荷的時(shí)間序列曲線如圖12所示，電動(dòng)汽車全天負(fù)荷的時(shí)間序列曲線如圖7所示。

 

 

同時(shí)在保證不影響出行的前提下使車主在充電費(fèi)用上的支出有所減少，達(dá)到一個(gè)整體較優(yōu)的狀態(tài)。優(yōu)化后有序充電場(chǎng)景下，電網(wǎng)閑時(shí)充電擬采用分時(shí)電價(jià)措施，其較優(yōu)充電價(jià)格如圖13所示。

 

      當(dāng)電動(dòng)汽車無序充電時(shí)，用戶上午出行至公司后大多數(shù)電動(dòng)汽車用戶有充電行為。傍晚開始充電的電動(dòng)汽車在下半夜充滿，此時(shí)電網(wǎng)基本處于閑置狀態(tài)。大量用戶會(huì)聚集在傍晚時(shí)對(duì)電動(dòng)汽車進(jìn)行充電，集聚充電的現(xiàn)象對(duì)電網(wǎng)以及變壓器產(chǎn)生影響，圖14為區(qū)域常規(guī)負(fù)荷與電動(dòng)汽車充電負(fù)荷的總負(fù)荷曲線，優(yōu)化前的負(fù)荷峰谷差明顯。在電動(dòng)汽車并網(wǎng)前，充電站的功率曲線會(huì)因接入光伏輸出而產(chǎn)生較大的峰谷差，不利于電網(wǎng)的可靠運(yùn)行。在電動(dòng)汽車有序充電策略的控制下，通過優(yōu)化過程獲得電動(dòng)汽車的接入較優(yōu)數(shù)量后，光伏系統(tǒng)輸出能夠被較有效地吸收，交流母線功率曲線平滑，實(shí)現(xiàn)了負(fù)荷的削峰填谷功能。

5.1概述

       AcrelCloud-9000安科瑞充電柱收費(fèi)運(yùn)營(yíng)云平臺(tái)系統(tǒng)通過物聯(lián)網(wǎng)技術(shù)對(duì)接入系統(tǒng)的電動(dòng)電動(dòng)自行車充電站以及各個(gè)充電整法行不間斷地?cái)?shù)據(jù)采集和監(jiān)控，實(shí)時(shí)監(jiān)控充電樁運(yùn)行狀態(tài)，進(jìn)行充電服務(wù)、支付管理，交易結(jié)算，資要管理、電能管理，明細(xì)查詢等。同時(shí)對(duì)充電機(jī)過溫保護(hù)、漏電、充電機(jī)輸入/輸出過壓，欠壓，絕緣低各類故障進(jìn)行預(yù)警；充電樁支持以太網(wǎng)、4G或WIFI等方式接入互聯(lián)網(wǎng)，用戶通過微信、支付寶，云閃付掃碼充電。

5.2應(yīng)用場(chǎng)所

       適用于民用建筑、一般工業(yè)建筑、居住小區(qū)、實(shí)業(yè)單位、商業(yè)綜合體、學(xué)校、園區(qū)等充電樁模式的充電基礎(chǔ)設(shè)施設(shè)計(jì)。

 

5.3系統(tǒng)結(jié)構(gòu)

 

5.3.1系統(tǒng)分為四層：

1）即數(shù)據(jù)采集層、網(wǎng)絡(luò)傳輸層、數(shù)據(jù)中心層和客戶端層。

2）數(shù)據(jù)采集層：包括電瓶車智能充電樁通訊協(xié)議為標(biāo)準(zhǔn)modbus-rtu。電瓶車智能充電樁用于采集充電回路的電力參數(shù)，并進(jìn)行電能計(jì)量和保護(hù)。

3）網(wǎng)絡(luò)傳輸層：通過4G網(wǎng)絡(luò)將數(shù)據(jù)上傳至搭建好的數(shù)據(jù)庫服務(wù)器。

4）數(shù)據(jù)中心層：包含應(yīng)用服務(wù)器和數(shù)據(jù)服務(wù)器，應(yīng)用服務(wù)器部署數(shù)據(jù)采集服務(wù)、WEB網(wǎng)站，數(shù)據(jù)服務(wù)器部署實(shí)時(shí)數(shù)據(jù)庫、歷史數(shù)據(jù)庫、基礎(chǔ)數(shù)據(jù)庫。

5）應(yīng)客戶端層：系統(tǒng)管理員可在瀏覽器中訪問電瓶車充電樁收費(fèi)平臺(tái)。終端充電用戶通過刷卡掃碼的方式啟動(dòng)充電。

小區(qū)充電平臺(tái)功能主要涵蓋充電設(shè)施智能化大屏、實(shí)時(shí)監(jiān)控、交易管理、故障管理、統(tǒng)計(jì)分析、基礎(chǔ)數(shù)據(jù)管理等功能，同時(shí)為運(yùn)維人員提供運(yùn)維APP，充電用戶提供充電小程序。 

 

5.4安科瑞充電樁云平臺(tái)系統(tǒng)功能

5.4.1智能化大屏 

       智能化大屏展示站點(diǎn)分布情況，對(duì)設(shè)備狀態(tài)、設(shè)備使用率、充電次數(shù)、充電時(shí)長(zhǎng)、充電金額、充電度數(shù)、充電樁故障等進(jìn)行統(tǒng)計(jì)顯示，同時(shí)可查看每個(gè)站點(diǎn)的站點(diǎn)信息、充電樁列表、充電記錄、收益、能耗、故障記錄等。統(tǒng)一管理小區(qū)充電樁，查看設(shè)備使用率，合理分配資源。

 

 

 

5.4.2實(shí)時(shí)監(jiān)控 

       實(shí)時(shí)監(jiān)視充電設(shè)施運(yùn)行狀況，主要包括充電樁運(yùn)行狀態(tài)、回路狀態(tài)、充電過程中的充電電量、充電電壓/電流，充電樁告警信息等。 

5.4.3交易管理 

      平臺(tái)管理人員可管理充電用戶賬戶，對(duì)其進(jìn)行賬戶進(jìn)行充值、退款、凍結(jié)、注銷等操作，可查看小區(qū)用戶每日的充電交易詳細(xì)信息。 

 

 

 

5.4.4故障管理

        設(shè)備自動(dòng)上報(bào)故障信息，平臺(tái)管理人員可通過平臺(tái)查看故障信息并進(jìn)行派發(fā)處理，同時(shí)運(yùn)維人員可通過運(yùn)維APP收取故障推送，運(yùn)維人員在運(yùn)維工作完成后將結(jié)果上報(bào)。充電用戶也可通過充電小程序反饋現(xiàn)場(chǎng)問題。

5.4.5統(tǒng)計(jì)分析 

       通過系統(tǒng)平臺(tái)，從充電站點(diǎn)、充電設(shè)施、、充電時(shí)間、充電方式等不同角度，查詢充電交易統(tǒng)計(jì)信息、能耗統(tǒng)計(jì)信息等。

 

 

5.4.6基礎(chǔ)數(shù)據(jù)管理 

       在系統(tǒng)平臺(tái)建立運(yùn)營(yíng)商戶，運(yùn)營(yíng)商可建立和管理其運(yùn)營(yíng)所需站點(diǎn)和充電設(shè)施，維護(hù)充電設(shè)施信息、價(jià)格策略、折扣、優(yōu)惠活動(dòng)，同時(shí)可管理在線卡用戶充值、 凍結(jié)和解綁。

5.4.7運(yùn)維APP

       面向運(yùn)維人員使用，可以對(duì)站點(diǎn)和充電樁進(jìn)行管理、能夠進(jìn)行故障閉環(huán)處理、查詢流量卡使用情況、查詢充電\充值情況，進(jìn)行遠(yuǎn)程參數(shù)設(shè)置，同時(shí)可接收故障推送

 

5.4.8充電小程序

面向充電用戶使用，可查看附近空閑設(shè)備，主要包含掃碼充電、賬戶充值，充電卡綁定、交易查詢、故障申訴等功能。

 

5.5系統(tǒng)硬件配置

 

 

      電動(dòng)汽車負(fù)荷對(duì)于電網(wǎng)是優(yōu)質(zhì)可調(diào)負(fù)荷，以可控負(fù)荷的形式參與電網(wǎng)調(diào)控，可發(fā)揮其削峰填谷的作用，改善電網(wǎng)性能。本文利用價(jià)格響應(yīng)機(jī)制，將電動(dòng)汽車組建成需求響應(yīng)架構(gòu)下的大型分布式儲(chǔ)能系統(tǒng)，同時(shí)結(jié)合光伏發(fā)電系統(tǒng)較大化吸收光伏輸出，就地消納光伏，降低用戶充電成本，緩解電網(wǎng)壓力，實(shí)現(xiàn)輔助電網(wǎng)峰谷調(diào)節(jié)功能。未來對(duì)電動(dòng)汽車如何實(shí)現(xiàn)參與電網(wǎng)調(diào)頻，作為儲(chǔ)能系統(tǒng)向電網(wǎng)優(yōu)化放電等問題，將展開進(jìn)一步研究。

參考文獻(xiàn)

［1］  倪凱旋. 基于分布式博弈的電動(dòng)汽車充電站較優(yōu)調(diào)度方法［J］.供用電

［2］  尹紅. 我國(guó)新能源汽車產(chǎn)業(yè)發(fā)展的現(xiàn)狀、問題和趨勢(shì)［J］.中國(guó)價(jià)格監(jiān)管與反壟斷.

［3］  劉亞麗，李國(guó)棟，劉云，等. 基于隨機(jī)森林的電動(dòng)汽車充電行為聚類技術(shù)研究［J］. ［4］  諸曉駿，陳曦，李妍，等. 考慮電動(dòng)汽車接入的主動(dòng)配電網(wǎng)優(yōu)化調(diào)度［J］. 電力工程技術(shù)，2021，40（3）.

［5］  張明霞，莊童. 小區(qū)電動(dòng)汽車充電負(fù)荷實(shí)測(cè)分析［J］.電力需求側(cè)管理.

［6］  蒯圣宇，田佳，臺(tái)德群，等. 計(jì)及分布式能源與電動(dòng)汽車接入的空間負(fù)荷預(yù)測(cè)［J］

［7］  戴依諾，戴忠. 電動(dòng)汽車預(yù)約充電策略研究［J］. 電力需求側(cè)管理，2016，18（1）：［8］  王金明，張衛(wèi)國(guó)，朱慶，等. 含風(fēng)電及電動(dòng)汽車虛擬電廠參與電力市場(chǎng)的優(yōu)化調(diào)度策略［J］. 電力需求側(cè)管理，2020.

［9］   劉晉源，呂林，高紅均，等. 計(jì)及分布式電源和電動(dòng)汽車特性的主動(dòng)配電網(wǎng)規(guī)劃［J］.

［10］ 秦建華，潘崇超，張璇，等. 基于充電行為分析的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)［J/OL］. 電測(cè)與儀表［2021-10-20］ 

［11］ 陳黎軍，宋遠(yuǎn)軍，王 坤，汪映輝.考慮參與電網(wǎng)輔助服務(wù)的電動(dòng)汽車有序充電研究

［12］ 安科瑞企業(yè)微電網(wǎng)設(shè)計(jì)與應(yīng)用手冊(cè).2022.05版.

作者簡(jiǎn)介

簡(jiǎn)婷，女，安科瑞電氣股份有限公司，從事電氣相關(guān)物聯(lián)網(wǎng)系統(tǒng)研發(fā)工作；