考慮動態充電負荷需求與多因素影響的電動汽車充電負荷模型

柯慧敏，邵軍軍，石進永

?

考慮動態充電負荷需求與多因素影響的電動汽車充電負荷模型

柯慧敏1,2，邵軍軍1,2，石進永1,2

(1. 南瑞集團公司，江蘇 南京 211116；2. 國電南瑞科技股份有限公司，江蘇 南京 211116)

考慮不確定充電負荷需求，分析多種重要影響因素對充電負荷的作用機制。提出一種基于電動汽車動態充電負荷需求，分別考慮峰谷電價、天氣條件、出行目的影響的電動汽車充電負荷模型。以南京市電動汽車充電負荷為例，進行蒙特卡洛分析，仿真結果表明：峰谷電價機制下，谷荷有大幅提高，峰荷有所下降且峰荷出現時間向后推延；良好天氣條件下的負荷整體水平高于惡劣天氣情況，而惡劣天氣的充電負荷波動強于良好天氣；通勤模式下的整體負荷水平高于非通勤出行，且負荷水平隨典型通勤時間波動。

動態充電負荷；峰谷電價；天氣；出行目的

0 引言

準確估算電動汽車充電負荷是大規模發展電動汽車與電動汽車充電設施的基礎[3]，對電動汽車充電負荷的優化控制也起重要支撐作用。不同于傳統電力負荷，電動汽車充電負荷具有極強的波動性，但從電動汽車集群而言，又遵循某種規律性[4]。波動性主要是由用戶個體充電的不確定性帶來的，電動汽車充電負荷易受峰谷電價、天氣條件、出行目的等多種相關隨機因素的影響，任何一種因素的變化都會造成負荷的巨大波動。規律性主要表現在規模化電動汽車的充電行為從整體上符合一定變化趨勢。因此，必須充分考慮充電負荷的不確定性與規律性才能準確分析電動汽車負荷的變化規律。目前絕大多數研究在分析電動汽車充電負荷特性時，多數都是基于規律性對電動汽車充電行為進行概率模擬[5-10]，極少考慮動態充電負荷需求，在分析電動汽車充電負荷影響因素時，也忽略了外部隨機因素對用戶用車行為的影響。

本文對用戶充電行為的不確定性進行建模，以南京市2020年的電動汽車預測保有量為例，分析多種電動汽車充電負荷隨機因素的影響，建立考慮動態充電負荷需求的電動汽車充電負荷模型，分析電動汽車充電負荷在不同因素下的變化規律。

1 不確定充電行為建模及充電負荷計算方法

1.1 不確定充電行為建模方法

1.2 考慮動態充電負荷需求的充電負荷計算方法

假設電動汽車具有普通燃油汽車相似的駕駛特性，應用蒙特卡洛法建立充電負荷模型[13]，具體步驟如下：

1)基于大量車輛行駛數據，對電動汽車駕駛行為進行建模，如日行駛里程、開始行駛時刻、結束行駛時刻等，生成用戶駕駛行為隨機數。

冰臼的成因在中國地質科學院地質研究所韓同林教授出版的《發現冰臼》一書中有詳細的論述，它是指古冰川融水沿冰川裂隙自上而下似滴水穿石的方式沖蝕基巖產生的，形成的機制參見圖2[3]。

2 動態充電負荷模型的建立

對建模過程作如下規定：

(1) 電池每次充電都充滿才停止；

(2) 充電過程始終為恒功率充電。

則考慮充電開始時刻與充電時長的充電功率即為所有電動汽車充電功率的時序分布，故考慮時序分布的充電功率的表達式為

3 多種因素對動態充電負荷模型的影響

3.1 峰谷電價的影響

峰谷電價是電網公司為合理優化居民用電結構而實施的一項良性互動的價格鼓勵機制。受峰谷電價影響的車主可以分為兩類：第一類用戶更看重谷電價帶來的經濟實惠，能夠積極響應電力部門削峰填谷的需求，調整原始充電時間；第二類用戶更在意自身用電與用車的舒適度，對峰谷電價不敏感，此類用戶仍會根據實際需求無序充電。采用簡化型兩段式峰谷電價模型如公式(4)所示。

3.2 天氣因素的影響

3.3 出行目的的影響

隨著我國交通網絡的進一步拓展，不同區域間的人口流動性變大，人們的出行目的也日漸多樣化。從圖1可看出，1994年通勤出行總量占全年出行量的近70%，2010年非通勤出行量首次超過通勤出行，成為汽車出行目標首位。但不能忽視的是，通勤出行仍然是人們出行目標不可缺少的一部分。故假設2020年，通勤出行量占全年總出行量的55%，非通勤出行占總出行量的45%。而由文獻[15]及分析可知，通勤出行屬于剛性出行，其出行需求不易改變，而非通勤出行的隨機性較強，無明顯規律，而出行目的主要影響的是私家車主的充電起始時間及選擇何種充電方式，其次是出租車。故假設在通勤模式下，私家車常規充電與隨機充電比例為4：1，出租車隨機充電比例增加10%；而在非通勤模式下，私家車與公交車充電比例均降至80%，其中私家車常規充電與隨機充電比例為3：2，出租車隨機充電比例增加20%。

圖1 汽車用戶出行分布圖

4 算例分析

采用上述模型對不同影響因素下南京市2020年電動汽車充電負荷進行測算，并分別對各因素的影響作用進行分析。

4.1 參數設置

4.2 預測結果

根據前述分別考慮峰谷電價、天氣條件和出行目的三種影響因素的動態充電負荷模型，以及相關計算參數的設置，采用蒙特卡洛模擬方法得到南京市2020年電動汽車充電負荷預測曲線如圖2所示。

圖2 峰谷電價政策下充電負荷預測曲線

4.3 結果分析

1) 由圖2可以看出，峰谷電價機制下谷荷大幅提高，平期負荷略微下降，峰荷下降，且峰負荷出現時間向后推延。另外，用戶響應度直接影響峰荷與谷荷的波動范圍，用戶響應度過低時，負荷變化不明顯，隨著響應度適度提高，整體負荷曲線趨于平緩。

2) 由圖3可知，天氣情況對電動汽車充電負荷的影響主要表現為幅值：天氣情況較好時，凌晨0:00—6:00的充電負荷始終維持在1800 MW左右，遭遇惡劣氣候時，負荷迅速跌落至1000 MW；此外，惡劣氣候的負荷波動強于良好天氣，峰谷值差異較大；另外，從18:00開始，良好天氣下的充電負荷幅值是惡劣天氣下的1.2倍，因此，良好天氣下的充電負荷的負荷整體水平高于惡劣天氣情況，而惡劣天氣的充電負荷波動強于良好天氣。

圖3不同天氣條件下充電負荷預測曲線

Fig. 3Charging load prediction curve under different weather conditions

3) 由圖4可知，由于車主的出行目的不同，其充電負荷呈現不同特性。通勤模式下，充電負荷高峰時間段集中在0:00—6:00與18:00—21:00，在0:00與20:00呈現兩次用電高峰，分別是1800 MW與2600 MW。相比通勤出行，非通勤模式下的充電負荷水平整體下降，峰值用電負荷僅相當于通勤模式下峰值負荷的80%，峰值負荷約為2000 MW；且全天負荷曲線相對平緩，僅在正午左右出現短時用電突增，而全天充電負荷高峰時間集中在0:00—6:00與20:00—23:00。由此可見，相比非通勤模式，通勤模式下的充電負荷日波動性更強，負荷水平更高，對電網的沖擊也更大。

圖4 不同出行目的下充電負荷預測曲線

5 結論

電動汽車充電負荷是一種變化快、分布規律不明顯、波動幅度大的隨機負荷，若在不清楚其變化特性的前提下接入，會給電網運行帶來安全隱患。傳統負荷建模方法忽略了充電負荷影響因素，將充電過程大致簡化為理想過程，不能反映真實負荷變化規律。與常規充電負荷模型相比，考慮影響因素模型更能有針對性地分析具體因素的影響，仿真結果表明：峰谷電價機制下，負荷曲線的峰谷特性發生顯著變化，谷荷上升，峰荷下降，這說明恰當的峰谷電價確實能夠有效引導用戶錯峰充電，但平期負荷略有下降，需要謹防移峰風險；在不同天氣條件下，晴好天氣下的負荷水平略高于惡劣天氣，主要表現在峰荷水平；在不同出行目的因素下，通勤出行下的負荷水平整體高于非通勤出行，且通勤負荷波動性更強，變化周期與典型通勤時間對應。

[1] 王錫凡, 邵成成, 王秀麗, 等. 電動汽車充電負荷與調度控制策略綜述[J]. 中國電機工程學報, 2013, 33(1): 1-10.

WANG Xifan, SHAO Chengcheng, WANG Xiuli, et al. Survey of electric vehicle charging load and dispatch control strategies[J]. Proceedings of the CSEE, 2013, 33(1): 1-10.

[2] Green II R C, WANG L F, ALAM M. The impact of plug–in hybrid electric vehicles on distribution network: a review and outlook[J]. Renewable and Sustainable Energy Reviews. 2011, 15(1): 544-553.

[3] 胡澤春, 宋永華, 徐智威, 等. 電動汽車接入電網的影響與利用[J]. 中國電機工程學報, 2012, 32(4): 1-11.

HU Zechun, SONG Yonghua, XU Zhiwei, et al. Impacts and utilization of electric vehicles integration into power systems[J]. Proceedings of the CSEE, 2012, 32(4): 1-11.

[4] 楊冰, 王麗芳, 廖承林. 大規模電動汽車充電需求及影響因素[J]. 電工技術學報, 2013, 28(2): 22-27.

YANG Bing, WANG Lifang, LIAO Chenglin. Research on power-charging demand of large-scale electric vehicles and its impacting factors[J]. Transactions of China Electrotechnical Society, 2013, 28(2): 22-27.

[5] AYLOR J, MAITRA A, ALEXANDER M, et al. Evaluation of the impact of plug-in electric vehicle loading on distribution system operations[C] // Power &Energy Society General Meeting. Calgary, Alberta: Energy Development and Power Generation Committee, 2009.

[6] ROTERING N, ILIC M. Optimal charge control of plug-in hybrid electric vehicles in deregulated electricity markets[J]. IEEE Transactions on Power Systems, 2011, 26(3): 1021-1029.

[7] 陳靜鵬, 艾芊, 肖斐. 基于用戶出行需求的電動電動汽車充電站規劃[J]. 電力自動化設備, 2016, 36(6): 34-39.

CHEN Jingpeng, AI Qian, XIAO Fei. EV charging station planning based on travel demand[J]. Electric Power Automation Equipment, 2016, 36(6): 34-39.

[8] 賈龍, 胡澤春, 宋永華. 考慮不同類型充電需求的城市內電動汽車充電設施綜合規劃[J]. 電網技術, 2016, 40(9): 2579-2587.

JIA Long, HU Zechun, SONG Yonghua. An integrated planning of electric vehicle charging facilities for urban area considering different types of charging demands[J]. Power System Technology, 2016, 40(9): 2579-2587.

[9] 羅浩成, 胡澤春, 張洪財. 環境溫度對電動汽車充電負荷的影響分析[J]. 電力建設, 2015, 36(7): 69-74.

LUO Haocheng, HU Zechun, ZHANG Hongcai.Effect analysis of ambient temperature on electric vehicle charging load[J].Electric Power Construction, 2015, 36(7): 69-74.

[10] 陳麗丹, 聶涌泉, 鐘慶. 基于出行鏈的電動汽車充電負荷預測模型[J]. 電工技術學報, 2015, 30(4): 216-225.

CHEN Lidan, NIE Yongquan, ZHONG Qing. A model for electric vehicle charging load forecasting based on trip chains[J].Transactions of China Electrotechnical Society, 2015, 30(4): 216-225.

[11] 楊冰, 王麗芳, 廖承林, 等. 不確定充電習慣對電動汽車充電負荷需求及充電負荷調節的影響[J].電工技術學報, 2015, 30(4): 226-232.

YANG Bing, WANG Lifang, LIAO Chenglin, et al.Effects of uncertainty charging habits on electric vehicles’ charging load demand and the charging load regulation[J]. Transactions of China Electrotechnical Society, 2015, 30(4): 226-232.

[12] 楊少兵, 吳命利, 姜久春, 等. 電動汽車充電站負荷建模方法[J]. 電網技術, 2013, 37(5): 1190-1195.

YANG Shaobing, WU Mingli, JIANG Jiuchun, et al. An approach for load modeling of electric vehicle charging station[J].Power System Technology, 2013, 37(5): 1190-1195.

[13] 羅卓偉, 胡澤春, 宋永華, 等. 電動汽車充電負荷計算方法[J]. 電力系統自動化, 2011, 35(14): 36-42.

LUO Zhuowei, HU Zechun, SONG Yonghua, et al. Study on plug-in electric vehicles charging load calculating[J].Automation of Electric Power Systems, 2011, 35(14): 36-42.

[14] 南京汽車擁有量突140萬輛[EB/OL]. [2014-03-11]. http://www.xici.net/d200121762.htm,

[15] 南京上半年凈增汽車17萬輛[EB/OL]. [2014-07-16]. http://jsnws.jschina.com.cn/system/2014/07/16/021403956.shtml.

Electric vehicle charging load model considering dynamic charging load demand and multi factors

KE Huimin1,2, SHAO Junjun1, 2,SHI Jinyong1, 2

(1. NARI Group Corporation, Nanjing 211116, China; 2. NARI Technology Development Co., Ltd., Nanjing 211116, China)

Considering the uncertainty of charging load demand, this paper analyzes the effect mechanism of several important factors on charging load. This paper presents an electric vehicle charging load model based on the dynamic load demand of electric vehicle, which takes into account the influence of Peak-Valley price, weather conditions and travel destination. Taking the electric vehicle charging load in Nanjing city as an example of Monte Carlo analysis. The simulation results show that, under the Peak-Valley price mechanism, the valley load is greatly improved, the peak load is decreased and the peak load time is delayed; and under the condition of good weather, the overall load level is higher than that of bad weather, but the fluctuation of charging load in bad weather is greater than that of the good weather; and the overall load level of commuting mode is higher than that of non-commuting mode, and the load level fluctuates with typical commuting time.

dynamic charging load; peak-valley price; weather conditions; travel purpose

2017-08-20

柯慧敏(1990—)，女，碩士，助理工程師，研究方向為電動汽車充換電技術；E-mail: kehuimin@sgepri.sgcc.com.cn邵軍軍(1991—)，男，通信作者，碩士，研究方向為電動汽車與電網互動；E-mail: 1551428581@qq.com石進永(1987—)，男，本科，助理工程師，研究方向為電動汽車充電技術。E-mail: shijinyong@sgepri.sgcc.com.cn

江蘇省科技廳項目(BE2015004-1)