安科瑞 陳聰

摘要:電動(dòng)汽車(chē)以無(wú)序充電方式接入配電網(wǎng)時(shí)與網(wǎng)內基礎用電負荷疊加，會(huì )形成峰上加峰的現象，不利于配電網(wǎng)的穩定運行。針對上述問(wèn)題，首先對私家車(chē)充電負荷進(jìn)行建模，采用蒙特卡羅抽樣模擬電動(dòng)汽車(chē)無(wú)序行為下的充電負荷曲線(xiàn)。然后提出一種新型的多時(shí)段動(dòng)態(tài)充電價(jià)格機制，引導車(chē)主有序充電，并以配電網(wǎng)負荷波動(dòng)最小為目標函數，優(yōu)化電動(dòng)汽車(chē)充電行為。最后在IEEE33節點(diǎn)配電網(wǎng)中，分別分析有序和無(wú)序充電負荷并網(wǎng)時(shí)電動(dòng)汽車(chē)充電費用、配電網(wǎng)電壓偏移率及網(wǎng)損，結果表明所提策略可有效兼顧用戶(hù)利益和配電網(wǎng)的穩定運行。

關(guān)鍵詞：電動(dòng)汽車(chē)；配電網(wǎng)；多時(shí)段動(dòng)態(tài)充電價(jià)格；安科瑞充電樁收費運營(yíng)云平臺系統

1、前言

伴隨我國能源結構的調整，制定以綠色新能源為主體的新型電力系統可為推進(jìn)國家“雙碳”目標的早日實(shí)現發(fā)揮積極作用，電動(dòng)汽車(chē)的推廣和應用在節能減排方面有著(zhù)優(yōu)勢，推進(jìn)電動(dòng)汽車(chē)發(fā)展是推動(dòng)我國能源轉型發(fā)展的重要環(huán)節。雖然電動(dòng)汽車(chē)的存在為人們出行帶來(lái)了巨大的便利，但由于其充電行為具有不確定性，大量無(wú)序、隨機的負荷直接并網(wǎng)會(huì )對配電網(wǎng)造成許多不可預知的負面影響。因此應大力推廣對電動(dòng)汽車(chē)的有序充電管理，以兼顧電網(wǎng)安全、經(jīng)濟效益和用戶(hù)利益。

在解決電動(dòng)汽車(chē)并網(wǎng)時(shí)如何管控的問(wèn)題上，已有學(xué)者進(jìn)行研究?？紤]到配電網(wǎng)用電峰谷差較大導致變壓器過(guò)載和產(chǎn)生大量網(wǎng)內損耗，提出了一種對電動(dòng)汽車(chē)充電功率進(jìn)行實(shí)時(shí)優(yōu)化的策略，算例結果表明該策略可以有效降低網(wǎng)損。針對大規模電動(dòng)汽車(chē)入網(wǎng)現象，根據網(wǎng)內用電負荷狀態(tài)及電動(dòng)汽車(chē)充電需求等實(shí)時(shí)數據，利用模糊控制算法對電動(dòng)汽車(chē)的充電行為做有序優(yōu)化，有效避免了大規模車(chē)群入網(wǎng)引起的負荷尖峰問(wèn)題。將電動(dòng)汽車(chē)電池的可放最大容量為選定優(yōu)化目標，通過(guò)競價(jià)的方法，引導用戶(hù)在用電高峰時(shí)間段利用電動(dòng)汽車(chē)的V2G技術(shù)饋電給電網(wǎng)，以達到“削峰填谷”的效果?；谔摂M電價(jià)，考慮以系統負荷峰谷差最小、用戶(hù)經(jīng)濟性指標最大和電池的折舊費用最小為目標對電動(dòng)汽車(chē)建模，通過(guò)仿真算例證明了該策略提出的有效性。提出了一種基于峰谷分時(shí)電價(jià)為背景的，考慮電動(dòng)汽車(chē)充放電隨機性的有序充放電策略，使得電動(dòng)汽車(chē)在負荷高峰期向網(wǎng)饋電，負荷低谷期充電，平滑了網(wǎng)內用電曲線(xiàn)。以分時(shí)電價(jià)為背景，構建同時(shí)考慮用戶(hù)用電繳費情況和負荷穩定性的多目標優(yōu)化調度模型，使電動(dòng)汽車(chē)參與有序充電管理規劃。通過(guò)算例分析驗證了該方法不但可以減小負荷的峰谷差，還能提高用戶(hù)用電的經(jīng)濟效益。

2、私家車(chē)無(wú)序模式充電模型

本文從以下4個(gè)方面構建電動(dòng)汽車(chē)的充電模型。

a.電動(dòng)汽車(chē)電池特性

本文選用鋰電池為研究對象。與普通汽車(chē)相同，不同類(lèi)型私家車(chē)電池容量有差異。

x=［20，30］ (1)

fQ (x) ={ 其他

式中：fQ為私家車(chē)鋰電池容量的概率密度；x表示該時(shí)刻的電池容量大小，一般取值為20～30kWh。

鋰電池充電變化過(guò)程如圖1所示。由于充電起始過(guò)程和結束過(guò)程的時(shí)間非常短暫，可以近似地認為鋰電池充電是恒功率充電。

b.車(chē)主日行駛里程

本文引用美國交通部汽車(chē)日出行數據進(jìn)行分析

圖1鋰電池簡(jiǎn)化充電過(guò)程

電動(dòng)汽車(chē)車(chē)主每日用車(chē)行駛里程數的概率密度函數為:

fD (z) =exp [－(2)

式中：fD為車(chē)主日行駛里程的概率密度函數；μD為期望值；σD為標準差。

c.車(chē)主最后歸程時(shí)刻

假設車(chē)主每日結束行程時(shí)刻即為電動(dòng)汽車(chē)每日開(kāi)始充電時(shí)刻，最后歸程概率密度函數為

exp [－]，μs－12＜w≤24

lexp [－]，0＜w≤μs－12 (3)

fs (w) =<

式中：fs為車(chē)主最后規程的概率密度函數；w為回家時(shí)刻；μs為期望值；σs為標準差。

d.車(chē)主離家時(shí)間

假設車(chē)主每日用車(chē)期間只可放電不可充電，出行開(kāi)始時(shí)刻的概率密度函數為：

exp [－]，0＜v≤μd + 12

lexp [－]，μe +12＜v≤24 (4)

fe (v) =<

式中：fe為車(chē)主啟程離家的概率密度函數；v為離家時(shí)刻。

結合用戶(hù)出行數據及電動(dòng)汽車(chē)充電模型利用蒙特卡洛算法，得到500輛電動(dòng)汽車(chē)的24h無(wú)序充電負荷曲線(xiàn)，如圖2所示。

圖2電動(dòng)汽車(chē)無(wú)序充電負荷曲線(xiàn)

3、多時(shí)段動(dòng)態(tài)電價(jià)下電動(dòng)汽車(chē)有序充電模型

3.1多時(shí)段動(dòng)態(tài)電價(jià)區間劃分

傳統的分時(shí)電價(jià)一旦制定后其區間不再變化，但居民的用電行為會(huì )隨著(zhù)季節變化、地域不同和個(gè)人舒適度而改變，與原分時(shí)電價(jià)的價(jià)格區間范圍有偏差，產(chǎn)生負荷和電價(jià)的峰谷不匹配的現象。而電動(dòng)汽車(chē)的充電行為在時(shí)間上有很大隨機性，導致實(shí)時(shí)電價(jià)的制定考慮因素十分復雜。因此本文根據短期負荷預測為基礎提出一種新型的多時(shí)段動(dòng)態(tài)電價(jià)策略。

目前為止，隸屬度函數是對傳統用電價(jià)格進(jìn)行劃分的成熟且通用性廣的方法。以表1某地區分時(shí)電價(jià)為例，首先基于模糊數學(xué)的理論，可將每個(gè)時(shí)間段認為是一個(gè)獨立的模糊集合，然后利用隸屬度函數構建時(shí)段內每時(shí)刻對應的隸屬度，并根據隸屬度值將其劃分到對應的時(shí)間段。再將短期預測的基礎負荷劃分成多時(shí)段，根據每時(shí)段對應的負荷值計算相對應的電價(jià)。

表1某地區的分時(shí)電價(jià)

電價(jià)的劃分跨度ΔL為

ΔL =(5)

Ci = α·ΔL+Cmin (6)

通過(guò)以上公式對電價(jià)的劃分，最后取定結果見(jiàn)圖3?？梢钥闯龆鄷r(shí)段動(dòng)態(tài)電價(jià)的制定可隨著(zhù)基礎荷值的高低自動(dòng)調節，使得價(jià)格制定更人性化，價(jià)格區間劃分更細致，對車(chē)主充電行為的引導更 精準。

圖3電價(jià)取定結果

3.2電動(dòng)汽車(chē)有序充電策略

電動(dòng)汽車(chē)聚合商是專(zhuān)門(mén)針對電動(dòng)汽車(chē)充電進(jìn)行 資源整合的參與者，其部署的智能充電樁可提供常規充電模式和充電優(yōu)化模式。常規充電模式可將電 動(dòng)汽車(chē)的電池充至期望電量值，而優(yōu)化模式則需要根據車(chē)主個(gè)人用電需求輸入結束充電時(shí)刻及結束時(shí)刻的充電期望值。車(chē)輛接入后，充電樁將獲取該車(chē)信息，將輸入值及車(chē)電池的剩余電量反饋到系統調度中心，對收集的數據進(jìn)行在線(xiàn)智能計算，形成電動(dòng)汽車(chē)的充電計劃。

3.3目標函數

本文以網(wǎng)內負荷波動(dòng)最小為目標函數。

minF =(Pi －P) 2 (7)

Pi = Pi，EV+Pi，load (8)

式中：F為目標函數 ；N 為谷時(shí)段數目；Pi為第i個(gè)時(shí)間段配電網(wǎng)內的總負荷大??；P為總負荷的預期均值；Pi，EV為電動(dòng)汽車(chē)并網(wǎng)時(shí)第i個(gè)時(shí)段的充電負荷值；Pi，load為第i個(gè)時(shí)段配電網(wǎng)的基礎負荷值。

3.4約束條件

a.充電樁充電功率Pch約束

Pch，min ≤Pch ≤Pch，max (9)

b.充電時(shí)段T約束Ts ≤T≤Te (10)

本文優(yōu)化中不計電池損耗，假設電池容量為恒定值。

S =Pi ·Th (11)

3.5算法求解

傳統的遺傳算法是一種起源于生物進(jìn)化規律演 變的尋優(yōu)算法。從任意初始種群開(kāi)始，通過(guò)選擇、交叉、變異等環(huán)節，產(chǎn)生一些對環(huán)境適應度高的個(gè) 體并進(jìn)入搜索空間中更好的區域，不斷繁衍進(jìn)化，最終得到最大適應度的個(gè)體作為優(yōu)解輸出。但由 于進(jìn)化過(guò)程中交叉概率參數及變異概率參數為定值，忽略了進(jìn)化過(guò)程中種群的自適應特性，存在過(guò)早收斂的缺陷。且算法沒(méi)有保留精英機制，適應度高的個(gè)體可能在進(jìn)化中丟失優(yōu)秀的基因。為了解決 以上問(wèn)題，本文采用自適應交叉概率 Kc 和自適應變異概率Km以及精英保留機制進(jìn)行優(yōu)化求解。

4、算例仿真與分析

4.1仿真場(chǎng)景設定

本文仿真過(guò)程選擇在IEEE33節點(diǎn)配電網(wǎng)中進(jìn)行，其拓撲如圖4所示。假設節點(diǎn)1為平衡節點(diǎn)，即電源接入節點(diǎn)，余下32個(gè)節點(diǎn)全部為PQ節點(diǎn)。假設整個(gè)配電網(wǎng)系統中含基礎負荷以及1500輛電動(dòng)汽車(chē)，車(chē)群被均勻分配到節點(diǎn)19、23和26中。以私家車(chē)比亞迪E1車(chē)型作為研究對象，規定每輛 電動(dòng)汽車(chē)的動(dòng)力電池規格相同，參數為:220V，16A慢充模式，限制容量為35kWh，3.52kW恒功率充電，充電效率為0.82，轉換效率為0.90。

圖4IEEE33節點(diǎn)拓撲

4.2對用電負荷的分析

電動(dòng)汽車(chē)以不同方式充電的負荷曲線(xiàn)及配電網(wǎng)總負荷曲線(xiàn)如圖5、圖6所示。

由圖5和圖6可知，通過(guò)動(dòng)態(tài)價(jià)格的引導，電動(dòng)汽車(chē)充電行為趨于有序化，車(chē)主對充電時(shí)間段的選擇逐漸向夜間轉移，負荷峰值水平大幅度下降，說(shuō)明新型電價(jià)的提出可以使車(chē)主的用電行為不再大面積集中，系統總用電負荷曲線(xiàn)相對變得平緩，有削峰填谷的效果。

圖5電動(dòng)汽車(chē)有序/無(wú)序充電負荷曲線(xiàn)

圖6配電網(wǎng)總負荷曲線(xiàn)

4.3對配電網(wǎng)影響分析

將IEEE33節點(diǎn)配電網(wǎng)模型的節點(diǎn)負荷參數和優(yōu)化后的有序充電負荷數據導入MATLAB軟件語(yǔ)言編程，對比以下3種場(chǎng)景下的配電網(wǎng)電壓偏移及網(wǎng)損。

場(chǎng)景1:配電網(wǎng)內未接入電動(dòng)汽車(chē)負荷。場(chǎng)景2:配電網(wǎng)內接入無(wú)序充電負荷。

場(chǎng)景3:配電網(wǎng)內接入有序充電負荷。

圖7表示部分時(shí)段下3種用電方式的網(wǎng)損率?？梢?jiàn)18:00—24:00由于無(wú)序充電負荷的接入使得網(wǎng)內網(wǎng)損明顯升高。09:00—21:00時(shí)，對比接入無(wú)序充電負荷和有序充電負荷，后者可有效降低配電網(wǎng)網(wǎng)損，尤其在電價(jià)高峰時(shí)段21:00網(wǎng)損率下降了2.77%，效果明顯。說(shuō)明多時(shí)段分時(shí)電價(jià)的提出引導車(chē)主有序充電對調節配電網(wǎng)網(wǎng)損具有一定效果。

圖7部分時(shí)段的網(wǎng)損率

由圖8可知，場(chǎng)景1配電網(wǎng)未接入充電負荷時(shí)的電壓偏移都抑制在±7%以?xún)?，縱橫對比沒(méi)有發(fā)現嚴重的電壓偏移現象，但是節點(diǎn)18和19在20:00—21:00時(shí)間段上有局部節點(diǎn)處在越限邊界。由圖9可知，場(chǎng)景2中配電網(wǎng)內接入無(wú)序充電負荷時(shí)，節點(diǎn)13－19和28－33在晚間出現電壓越限情況，原因是無(wú)序充電負荷的高峰期恰巧與網(wǎng)內基礎負荷用電的高峰期時(shí)段相疊。

圖8未接入充電負荷時(shí)各節點(diǎn)電壓仿真圖

圖9接入無(wú)序充電負荷時(shí)各節點(diǎn)電壓仿真圖

圖10表示場(chǎng)景3下配電網(wǎng)內接入有序充電負 荷時(shí)各個(gè)節點(diǎn)電壓的偏移情況。與圖9和圖10對比可知，有序充電負荷的接入使局部節點(diǎn)越限現象得到緩解，偏移的電壓回歸到正常標準范圍內。說(shuō)明所提出的新型動(dòng)態(tài)分時(shí)電價(jià)可以通過(guò)對電動(dòng)汽車(chē)進(jìn)行充電有序化管理來(lái)改善配電網(wǎng)電壓偏移現象。

由于大量負荷突然接入使各節點(diǎn)電壓發(fā)生偏移現象，因此對最大負載量時(shí)刻(21:00)各節點(diǎn)電 壓偏移情況進(jìn)行對比更有意義，結果如圖11所示

圖10接入有序充電負荷時(shí)各節點(diǎn)電壓仿真圖

圖11不同場(chǎng)景下各節點(diǎn)電壓水平曲線(xiàn)

由圖11可知，未接入無(wú)序負荷時(shí)網(wǎng)內各節點(diǎn) 的電壓偏移都抑制在±7%范圍以?xún)?，電壓無(wú)越限行為。當無(wú)序充電負荷并網(wǎng)后，一部分節點(diǎn)電壓發(fā)生顯著(zhù)偏移，且偏移量均超過(guò)規定標準范圍。而經(jīng)過(guò)多時(shí)段動(dòng)態(tài)電價(jià)策略調控的有序充電行為接入配電網(wǎng)后，網(wǎng)內各節點(diǎn)電壓值還原到標準范圍以?xún)?，其中變化顯著(zhù)的18號節點(diǎn)電壓標幺值由0.9467調整到0.9828，電壓偏移率修正了3.61%。

5、安科瑞充電樁收費運營(yíng)云平臺系統

5.1概述

AcrelCloud-9000安科瑞充電樁收費運營(yíng)云平臺系統通過(guò)物聯(lián)網(wǎng)技術(shù)對接入系統的汽車(chē)充電站、電動(dòng)自行車(chē)充電站以及各個(gè)充電樁進(jìn)行不間斷地數據采集和監控，實(shí)時(shí)監控充電樁運行狀態(tài)，進(jìn)行充電服務(wù)、支付管理，交易結算，資源管理、電能管理、明細查詢(xún)等，同時(shí)對充電機過(guò)溫保護、漏電、充電機輸入/輸出過(guò)壓、欠壓、絕緣低各類(lèi)故障進(jìn)行預警；充電樁支持以太網(wǎng)、4G或WIFI等方式接入互聯(lián)網(wǎng)，用戶(hù)通過(guò)微信、支付寶、云閃付掃碼充電。

5.2應用場(chǎng)合

適用于住宅小區等物業(yè)環(huán)境、各類(lèi)企事業(yè)單位、醫院、景區、學(xué)校、園區等公建、公共停車(chē)場(chǎng)、公路充電站、公交樞紐、購物中心、商業(yè)綜合體、商業(yè)廣場(chǎng)、地下停車(chē)場(chǎng)、高速服務(wù)區、公寓寫(xiě)字樓等場(chǎng)合。

5.3系統結構

現場(chǎng)設備層：連接于網(wǎng)絡(luò )中的各類(lèi)傳感器，包括多功能電力儀表、汽車(chē)充電樁、電瓶車(chē)充電樁、電能質(zhì)量分析儀表、電氣火災探測器、限流式保護器、煙霧傳感器、測溫裝置、智能插座、攝像頭等。

網(wǎng)絡(luò )通訊層：包含現場(chǎng)智能網(wǎng)關(guān)、網(wǎng)絡(luò )交換機等設備。智能網(wǎng)關(guān)主動(dòng)采集現場(chǎng)設備層設備的數據，并可進(jìn)行規約轉換，數據存儲，并通過(guò)網(wǎng)絡(luò )把數據上傳至搭建好的數據庫服務(wù)器，智能網(wǎng)關(guān)可在網(wǎng)絡(luò )故障時(shí)將數據存儲在本地，待網(wǎng)絡(luò )恢復時(shí)從中斷的位置繼續上傳數據，保證服務(wù)器端數據不丟失。

平臺管理層：包含應用服務(wù)器和數據服務(wù)器，完成對現場(chǎng)所有智能設備的數據交換，可在PC端或移動(dòng)端實(shí)現實(shí)時(shí)監測充電站配電系統運行狀態(tài)、充電樁的工作狀態(tài)、充電過(guò)程及人員行為，并完成微信、支付寶在線(xiàn)支付等應用。

5.4平臺功能描述

5.4.1充電服務(wù)

充電設施搜索，充電設施查看，地圖尋址，在線(xiàn)自助支付充電，充電結算，導航等。

5.4.2首頁(yè)總覽

總覽當日、當月開(kāi)戶(hù)數、充值金額、充電金額、充電度數、充電次數、充電時(shí)長(cháng)，累計的開(kāi)戶(hù)數、充值金額、充電金額、充電度數、充電次數、充電時(shí)長(cháng)，以及相應的環(huán)比增長(cháng)和同比增長(cháng)以及樁、站分布地圖導航、本月充電統計。

5.4.3交易結算

充電價(jià)格策略管理，預收費管理，賬單管理，營(yíng)收和財務(wù)相關(guān)報表。

5.4.4故障管理

故障管理故障記錄查詢(xún)、故障處理、故障確認、故障分析等管理項，為用戶(hù)管理故障和查詢(xún)提供方便。

5.4.5統計分析

統計分析支持運營(yíng)趨勢分析、收益統計，方便用戶(hù)以曲線(xiàn)、能耗分析等分析工具，瀏覽樁的充電運營(yíng)態(tài)勢。

5.4.6運營(yíng)報告

按對應周期分析汽車(chē)、電瓶車(chē)充電站、樁運行、交易、充值、充電及報警、故障情況，形成分析報告。

5.4.7APP、小程序移動(dòng)端支持

通過(guò)模糊搜索和地圖搜索的功能，可查詢(xún)可用的電樁和電站等詳細信息。掃碼充電，在線(xiàn)支付:掃描充電樁二維碼，完成支付，微信支付完成后，即可進(jìn)行充電。

5.4.8資源管理

充電站檔案管理，充電樁檔案管理，用戶(hù)檔案管理，充電樁運行監測，充電樁異常交易監測。

5.5系統硬件配置

6、結語(yǔ)

本文基于分時(shí)電價(jià)與短期負荷預測提出了一種新型多時(shí)段動(dòng)態(tài)充電價(jià)格機制，引導車(chē)主規劃用車(chē)安排，使充電行為由無(wú)序變?yōu)橛行?。建立以配電網(wǎng)內負荷波動(dòng)最小為目標函數，利用MATLAB軟件進(jìn)行算法編程，結果表明所提出的多時(shí)段動(dòng)態(tài)電價(jià)策略可減小網(wǎng)內的負荷波動(dòng)，有明顯的削峰填谷作用，為車(chē)主減少21.17%的充電成本。此外還有效降低了21:00用電高峰期2.77%的網(wǎng)損率并修正18號節點(diǎn)3.61%的電壓偏移率，實(shí)現了保證車(chē)主充電利益與提高配電網(wǎng)運行安全的并存。

【參考文獻】

1. 于瀛涵,陳嘉德等.電動(dòng)汽車(chē)的有序充電管理及其對配電網(wǎng)的影響分析[J].東北電力技術(shù),2023

2. 陳麗丹，張堯.電動(dòng)汽車(chē)充放電負荷預測[J].電力系統自動(dòng)化，2019，43（10）

3. 安科瑞企業(yè)微電網(wǎng)設計與應用手冊.2020.6版