簡析電動汽車的有序充電管理及其對配網的影響分析

摘要：電動汽車以無序充電方式接入配電網時與(yu) 網內(nei) 基礎用電負荷疊加，會(hui) 形成峰上加峰的現象，不利於(yu) 配電網的穩定運行。針對上述問題，首先對私家車充電負荷進行建模，采用蒙特卡羅抽樣模擬電動汽車無序行為(wei) 下的充電負荷曲線。然後提出一種新型的多時段動態充電價(jia) 格機製，引導車主有序充電，並以配電網負荷波動比較小為(wei) 目標函數，優(you) 化電動汽車充電行為(wei) 。比較後在IEEEE3節點配電網中，分別分析有序和無序充電負荷並網時電動汽車充電費用、配電網電壓偏移率及網損，結果表明所提策略可有效兼顧用戶利益和配電網的穩定運行。

關(guan) 鍵詞：電動汽車；配電網；多時段動態充電價(jia) 格；電壓偏移；網損

0引言

伴隨我國能源結構的調整，製定以綠色新能源為(wei) 主體(ti) 的新型電力係統可為(wei) 推進國家“雙碳"目標的早日實現發揮積極作用，電動汽車的推廣和應用在節能減排方麵有著的優(you) 勢，推進電動汽車發展是推動我國能源轉型發展的重要環節。雖然電動汽車的存在為(wei) 人們(men) 出行帶來了巨大的便利，但由於(yu) 其充電行為(wei) 具有不確定性，大量無序、隨機的負荷直接並網會(hui) 對配電網造成許多不可預知的負麵影響。因此應大力推廣對電動汽車的有序充電管理，以兼顧電網安全、經濟效益和用戶利益．在解決(jue) 電動汽車並網時如何管控的問題上，已有學者進行研究。考慮到配電網用電峰穀差較大導致變壓器過載和產(chan) 生大量網內(nei) 損耗，提出了一種對電動汽車充電功率進行實時優(you) 化的策略，算例結果表明該策略可以有效降低網損。針對大規模電動汽車入網現象，根據網內(nei) 用電負荷狀態及電動汽車充電需求等實時數據，利用模糊控製算法對電動汽車的充電行為(wei) 做有序優(you) 化，有效避免了大規模車群入網引起的負荷尖峰問題。將電動汽車電池的可放比較大容量為(wei) 選定優(you) 化目標，通過競價(jia) 的方法，引導用戶在用電高峰時間段利用電動汽車的V2G技術饋電給電網，以達到“削峰填穀"的效果。基於(yu) 虛擬電價(jia) ，考慮以係統負荷峰穀差比較小、用戶經濟性指標比較大和電池的折舊費用比較小為(wei) 目標對電動汽車建模，通過仿真算例證明了該策略提出的有效性。提出了一種基於(yu) 峰穀分時電價(jia) 為(wei) 背景的，考慮電動汽車充放電隨機性的有序充放電策略，使得電動汽車在負荷高峰期向網饋電，負荷低穀期充電，平滑了網內(nei) 用電曲線。以分時電價(jia) 為(wei) 背景，構建同時考慮用戶用電繳費情況和負荷穩定性的多目標優(you) 化調度模型，使電動汽車參與(yu) 有序充電管理規劃。通過算例分析驗證了該方法不但可以減小負荷的峰穀差，還能提高用戶用電的經濟效益。上述文獻中，學者從(cong) 電網側(ce) 角度通過對電動汽車的充電特性直接調度或是從(cong) 用戶側(ce) 角度利用價(jia) 格引導電動汽車優(you) 化充電行為(wei) 來滿足電網功率的調節。前者的直接調度僅(jin) 考慮了對電網的影響，沒有調動用戶用電的主觀意願，實施推廣具有難度；後者雖然利用價(jia) 格因素很好調動了用戶參與(yu) 性，但現有的分時電價(jia) 分區少，限製了調度的比較優(you) 可能性。因此本文以私家車並入配電網為(wei) 研究對象，根據短期負荷預測為(wei) 基礎提出一種新型的多時段動態電價(jia) 策略，引導電動汽車有序充電。對用戶用電繳費、配電網的電壓偏移及網損情況加以分析後，驗證了所提出的價(jia) 格機製可以引導電動汽車有序充電，並兼顧配電網係統的穩定運行和用戶利益。

1私家車無序模式充電模型

本文從(cong) 以下4個(ge) 方麵構建電動汽車的充電模型。ａư電動汽車電池特性本文選用鋰電池為(wei) 研究對象。與(yu) 普通汽車相同，不同類型私家車電池容量有差異。

式中ｆQ為(wei) 私家車鋰電池容量的概率密度；ｘ表示該時刻的電池容量大小，一般取值為(wei) 20-30kwh。鋰電池充電變化過程如圖1所示。由於(yu) 充電起始過程和結束過程的時間非常短暫，可以近似地認為(wei) 鋰電池充電是恒功率充電。ｂư車主日行駛裏程本文引用美國交通部汽車日出行數據進行分析

計算［13］，可知電動汽車車主每日用車行駛裏程數的概率密度函數為(wei)

式中：ｆD為(wei) 車主日行駛裏程的概率密度函數；μD為(wei) 期望值；σD為(wei) 標準差。ｃư車主比較後歸程時刻假設車主每日結束行程時刻即為(wei) 電動汽車每日開始充電時刻，比較後歸程概率密度函數為(wei)

式中：ｆｓ為(wei) 車主比較後規程的概率密度函數；ｗ為(wei) 回家時刻；μｓ為(wei) 期望值；σｓ為(wei) 標準差。ｄư車主離家時間假設車主每日用車期間隻可放電不可充電，出行開始時刻的概率密度函數為(wei)

式中：ｆｅ為(wei) 車主啟程離家的概率密度函數；ｖ為(wei) 離家時刻。結合用戶出行數據及電動汽車充電模型利用蒙特卡洛算法，得到500輛電動汽車的24ｈ無序充電負荷曲線，如圖2所示。

２多時段動態電價(jia) 下電動汽車有序充電模型

2.1多時段動態電價(jia) 區間劃分

傳(chuan) 統的分時電價(jia) 一旦製定後其區間不再變化，但居民的用電行為(wei) 會(hui) 隨著季節變化、地域不同和個(ge) 人舒適度而改變，與(yu) 原分時電價(jia) 的價(jia) 格區間範圍有偏差，產(chan) 生負荷和電價(jia) 的峰穀不匹配的現象。而電動汽車的充電行為(wei) 在時間上有很大隨機性，導致實時電價(jia) 的製定考慮因素十分複雜。因此本文根據短期負荷預測為(wei) 基礎提出一種新型的多時段動態電價(jia) 策略。目前為(wei) 止，隸屬度函數是對傳(chuan) 統用電價(jia) 格進行劃分的比較成熟且通用性比較廣的方法。以表1某地區分時電價(jia) 為(wei) 例，首先基於(yu) 模糊數學的理論，可將每個(ge) 時間段認為(wei) 是一個(ge) 獨立的模糊集合，然後利用隸屬度函數構建時段內(nei) 每時刻對應的隸屬度，並根據隸屬度值將其劃分到對應的時間段［14］。再將短期預測的基礎負荷劃分成多時段，根據每時段對應的負荷值計算相對應的電價(jia) 。

式中：Cｍａｘ和Cｍｉｎ分別為(wei) 分時電價(jia) 的峰值與(yu) 穀值；C∗為(wei) 每時段負荷在價(jia) 格區間上的映射。

式中：Cｉ為(wei) 精準。

2.2電動汽車有序充電策略

電動汽車聚合商是專(zhuan) 門針對電動汽車充電進行資源整合的參與(yu) 者，其部署的智能充電樁可提供常規充電模式和充電優(you) 化模式。常規充電模式可將電動汽車的電池充至期望電量值，而優(you) 化模式則需要根據車主個(ge) 人用電需求輸入結束充電時刻及結束時刻的充電期望值。車輛接入後，充電樁將獲取該車信息，將輸入值及車電池的剩餘(yu) 電量反饋到係統調度中間，對收集的數據進行在線智能計算，形成電動汽車的充電計劃。

2.3目標函數

本文以網內(nei) 負荷波動比較小為(wei) 目標函數。

式中：F為(wei) 目標函數；N為(wei) 穀時段數目；Pｉ為(wei) 第ｉ個(ge) 時段配電網的基礎負荷值。

2.4約束條件

小值和比較大值。

Bu充電時段T約束Tｓ≤T≤Tｅ（12）式中：Tｓ為(wei) 車主每日充電開始時刻；Tｅ為(wei) 當天充電結束時刻。ｃư總電量Ｓ約束本文優(you) 化中不計電池損耗，假設電池容量為(wei) 恒定值。

式中：K為(wei) 充電的電動汽車數目；Tｃｈｉ為(wei) 第ｉ輛車總充電時間。

2.5算法求解

傳(chuan) 統的遺傳(chuan) 算法是一種起源於(yu) 生物進化規律演變的尋優(you) 算法。從(cong) 任意初始種群開始，通過選擇、交叉、變異等環節，產(chan) 生一些對環境適應度高的個(ge) 體(ti) 並進入搜索空間中更好的區域，不斷繁衍進化，比較終得到比較大適應度的個(ge) 體(ti) 作為(wei) 比較優(you) 解輸出。但由於(yu) 進化過程中交叉概率參數及變異概率參數為(wei) 定值，忽略了進化過程中種群的自適應特性，存在過早收斂的缺陷。且算法沒有保留精英機製，適應度高的個(ge) 體(ti) 可能在進化中丟(diu) 失好的基因。為(wei) 了解決(jue) 以上問題，本文采用自適應交叉概率Kｃ和自適應變異概率Kｍ以及精英保留機製進行優(you) 化求解［15］。自適應交叉概率Kｃ和自適應變異概率Kｍ公式如下：

式中：K1為(wei) 基礎交叉概率；ｆｍａｘ為(wei) 個(ge) 體(ti) 比較大適應度；ｆａｖ為(wei) 個(ge) 體(ti) 適應度值的平均值；fｌ為(wei) 每相鄰交叉個(ge) 體(ti) 中較大的適應度。

式中：K2為(wei) 基礎變異概率；ｆｉ為(wei) 第I代進化的閾值，公式如下：

式中：ｆｉI為(wei) 第ｉ個(ge) 個(ge) 體(ti) ；Kｅｅｐ＝1，則精英保留，Kｅｅｐ＝0，則不保留。優(you) 化過程如圖4。

3算例仿真與(yu) 分析

3.1仿真場景設定

本文仿真過程選擇在IEEE33節點配電網中進行，其拓撲如圖5所示。假設節點1為(wei) 平衡節點，即電源接入節點，餘(yu) 下32個(ge) 節點全部為(wei) PQ節點。假設整個(ge) 配電網係統中含基礎負荷以及1500輛電動汽車，車群被均勻分配到節點19,23和26中。以私家車比亞(ya) 迪E1車型作為(wei) 研究對象，規定每輛電動汽車的動力電池規格相同，參數為(wei) ：220V，16Ａ慢充模式，限製容量為(wei) 35KWH，3.52KWH恒功率充電，充電效率為(wei) 0.82，轉換效率為(wei) 0.90

3.2對用電負荷的分析

電動汽車以不同方式充電的負荷曲線及配電網總負荷曲線如圖6、圖7所示。由圖6和圖7可知，通過動態價(jia) 格的引導，電動汽車充電行為(wei) 趨於(yu) 有序化，車主對充電時間段的選擇逐漸向夜間轉移，負荷峰值水平大幅度下降，說明新型電價(jia) 的提出可以使車主的用電行為(wei) 不再大麵積集中，係統總用電負荷曲線相對變得平緩，有削峰填穀的效果。

由表2可知，無序充電車主日繳納電費為(wei) 21880.8元，基於(yu) 多時段動態電價(jia) 的有序充電日繳費為(wei) 17248.80元，比無序充電費用降低了21.17％。因此新電價(jia) 機製的提出可有效降低車主充電成本。

3.3對配電網影響分析

將ＩＥＥＥ３３節點配電網模型的節點負荷參數和優(you) 化後的有序充電負荷數據導入ＭＡＴＬＡＢ軟件語言編程，對比以下３種場景下的配電網電壓偏移及網損。場景1：配電網內(nei) 未接入電動汽車負荷。場景2：配電網內(nei) 接入無序充電負荷。場景3：配電網內(nei) 接入有序充電負荷。圖8表示部分時段下3種用電方式的網損率。可見18.00-24.00由於(yu) 無序充電負荷的接入使得網內(nei) 網損明顯升高。原因是車主歸程後的無序充電行為(wei) 與(yu) 用戶基礎用電行為(wei) 的一致性導致網內(nei) 用電功率激增。09.00-21.00時，對比接入無序充電負荷和有序充電負荷，後者可有效降低配電網網損，尤其在電價(jia) 高峰時段21.00網損率下降了2.77％，效果比較顯著。說明多時段分時電價(jia) 的提出引導車主有序充電對調節配電網網損具有一定效果。

由圖9可知，場景1配電網未接入充電負荷時的電壓偏移都控製在±7％以內(nei) ，縱橫對比沒有發現嚴(yan) 重的電壓偏移現象，但是節點18和19在20.00-21.00時間段上有局部節點處在越限邊界。由圖10可知，場景2中配電網內(nei) 接入無序充電負荷時，節點13-19和28-33在晚間出現電壓越限情況，原因是無序充電負荷的高峰期恰巧與(yu) 網內(nei) 基礎負荷用電的高峰期時段相疊。

圖11表示場景3下配電網內(nei) 接入有序充電負荷時各個(ge) 節點電壓的偏移情況。與(yu) 圖9和圖10對比可知，有序充電負荷的接入使局部節點越限現象得到緩解，偏移的電壓回歸到正常標準範圍內(nei) 。說明所提出的新型動態分時電價(jia) 可以通過對電動汽車進行充電有序化管理來改善配電網電壓偏移現象。

由於(yu) 大量負荷突然接入使各節點電壓發生偏移現象，因此對比較大負載量時刻（21.00）各節點電壓偏移情況進行對比更有意義(yi) ，結果如圖12所示。

由圖12可知，未接入無序負荷時網內(nei) 各節點的電壓偏移都控製在±7％範圍以內(nei) ，電壓無越限行為(wei) 。當無序充電負荷並網後，一部分節點電壓發生顯著偏移，且偏移量均超過規定標準範圍。而經過多時段動態電價(jia) 策略調控的有序充電行為(wei) 接入配電網後，網內(nei) 各節點電壓值還原到標準範圍以內(nei) ，其中變化比較顯著的18號節點電壓標幺值由0.9467調整到0.9828，電壓偏移率修正了3.61％。

4安科瑞充電樁收費運營雲(yun) 平台

4.1概述

AcrelCloud-9000安科瑞充電柱收費運營雲(yun) 平台係統通過物聯網技術對接入係統的電動電動自行車充電站以及各個(ge) 充電整法行不間斷地數據采集和監控，實時監控充電樁運行狀態，進行充電服務、支付管理，交易結算，資要管理、電能管理，明細查詢等。同時對充電機過溫保護、漏電、充電機輸入/輸出過壓，欠壓，絕緣低各類故障進行預警；充電樁支持以太網、4G或WIFI等方式接入互聯網，用戶通過微信、支付寶，雲(yun) 閃付掃碼充電。

4.2應用場所

適用於(yu) 民用建築、一般工業(ye) 建築、居住小區、實業(ye) 單位、商業(ye) 綜合體(ti) 、學校、園區等充電樁模式的充電基礎設施設計。

4.3係統結構

4.3.1係統分為(wei) 四層：

1）即數據采集層、網絡傳(chuan) 輸層、數據中間層和客戶端層。

2）數據采集層：包括電瓶車智能充電樁通訊協議為(wei) 標準modbus-rtu。電瓶車智能充電樁用於(yu) 采集充電回路的電力參數，並進行電能計量和保護。

3）網絡傳(chuan) 輸層：通過4G網絡將數據上傳(chuan) 至搭建好的數據庫服務器。

4）數據中間層：包含應用服務器和數據服務器，應用服務器部署數據采集服務、WEB網站，數據服務器部署實時數據庫、曆史數據庫、基礎數據庫。

5）應客戶端層：係統管理員可在瀏覽器中訪問電瓶車充電樁收費平台。終端充電用戶通過刷卡掃碼的方式啟動充電。

小區充電平台功能主要涵蓋充電設施智能化大屏、實時監控、交易管理、故障管理、統計分析、基礎數據管理等功能，同時為(wei) 運維人員提供運維APP，充電用戶提供充電小程序。

4.4安科瑞充電樁雲(yun) 平台係統功能

4.4.1智能化大屏

智能化大屏展示站點分布情況，對設備狀態、設備使用率、充電次數、充電時長、充電金額、充電度數、充電樁故障等進行統計顯示，同時可查看每個(ge) 站點的站點信息、充電樁列表、充電記錄、收益、能耗、故障記錄等。統一管理小區充電樁，查看設備使用率，合理分配資源。

4.4.2.實時監控

實時監視充電設施運行狀況，主要包括充電樁運行狀態、回路狀態、充電過程中的充電電量、充電電壓/電流，充電樁告警信息等。

4.4.3交易管理

平台管理人員可管理充電用戶賬戶，對其進行賬戶進行充值、退款、凍結、注銷等操作，可查看小區用戶每日的充電交易詳細信息。

4.4.4故障管理

設備自動上報故障信息，平台管理人員可通過平台查看故障信息並進行派發處理，同時運維人員可通過運維APP收取故障推送，運維人員在運維工作完成後將結果上報。充電用戶也可通過充電小程序反饋現場問題。

4.4.5統計分析

通過係統平台，從(cong) 充電站點、充電設施、、充電時間、充電方式等不同角度，查詢充電交易統計信息、能耗統計信息等。

4.4.6基礎數據管理

在係統平台建立運營商戶，運營商可建立和管理其運營所需站點和充電設施，維護充電設施信息、價(jia) 格策略、折扣、優(you) 惠活動，同時可管理在線卡用戶充值、凍結和解綁。

4.4.7運維APP

麵向運維人員使用，可以對站點和充電樁進行管理、能夠進行故障閉環處理、查詢流量卡使用情況、查詢充電\充值情況，進行遠程參數設置，同時可接收故障推送。

4.4.8充電小程序

麵向充電用戶使用，可查看附近空閑設備，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。

4.5係統硬件配置

5結語

本文基於(yu) 分時電價(jia) 與(yu) 短期負荷預測提出了一種新型多時段動態充電價(jia) 格機製，引導車主規劃用車安排，使充電行為(wei) 由無序變為(wei) 有序。建立以配電網內(nei) 負荷波動比較小為(wei) 目標函數，利用MATLAB軟件進行算法編程，結果表明所提出的多時段動態電價(jia) 策略可減小網內(nei) 的負荷波動，有明顯的削峰填穀作用，為(wei) 車主減少21.17％的充電成本。此外還有效降低了21.00用電高峰期2.77％的網損率並修正18號節點3.61％的電壓偏移率，實現了保證車主充電利益與(yu) 提高配電網運行安全的並存。

參考文獻

於(yu) 瀛涵，陳嘉德，韓子嬌,苑舜，馬卓.《電動汽車的有序電管理及其對配電網的影響分析》

陳麗(li) 丹，張堯，電動汽車充放電負荷預測研究綜述［J］．電力係統自動化，2019,43（10）：177-191．

梅哲，詹紅霞，楊孝華等．考慮電流保護的配電網電動汽車與(yu) 分布式能源配合優(you) 化運行策略［J］．電力自動化設備，2020，40（2）：89-102

王晛，張華君，張少華．風電和電動汽車組成虛擬電廠參與(yu) 電力市場的博弈模型［J］．電力係統自動化，2019.43（3）：155-162．

趙傳(chuan) 立，劉莉，孫峰等．電動汽車放電對配電網電能質量影響［J］．東(dong) 北電力技術，2016,37（9）：41-44.

郭帥，李家玨，黃旭，等．含電動汽車的電網負荷結構時序模型計算方法［J］．東(dong) 北電力技術，2016,37（9）：1-5

《安科瑞企業(ye) 微電網設計與(yu) 應用手冊(ce) 》.2022.05版.

安科瑞侯文莉