智能電網下電動汽車直接負荷控制策略研究

陳艷，孫振勝，陳超，劉顯旭

（1.吉林省吉能電力集團有限公司，吉林長春 130021；2.吉林省電力有限公司，吉林長春 130021；3.國網遼源供電公司，吉林遼源 136200；4.吉林龍源風力發電有限公司，吉林長春 130021）

EV作為環境友好型交通工具在許多方面具有傳統能源汽車無可比擬的優勢，尤其是其“零排放”的特點備受推崇。在能源危機和環境污染雙重壓力下，美國、歐盟、日本等國家政府紛紛通過政策優惠、購買補貼、法規強制等手段支持和推動EV產業的發展[1]。我國也將EV列為戰略性新興產業，經過北京奧運會、深圳大運會等大型賽事以及“十城千輛”計劃的推動，預計到2030年我國EV保有量將達到6 000萬輛[2-3]。單輛EV容量和功率十分有限，對整個電網的影響微不足道，但當EV數量發展到一定水平，其不受控時充電的集群效應相當可觀，將對電網的安全穩定運行產生嚴重影響。而智能電網的發展為實現對EV充放電行為的合理控制提供了技術支持。

關于智能電網的定義國際社會還沒有形成統一標準，美國側重于數字化技術的應用，歐盟強調服務和管理的智能化，而我國國家電網在強調提高電網智能化水平的同時，提出要建設堅強輸電網，注重各級電網之間的協調，但各方的共同目標都是建設經濟、環保、安全、高效的新型電網[4]。智能用電作為智能電網的重要組成部分，實現了用戶側和供電側的信息互動，通過互動策略實現對用戶負荷的直接或間接控制，體現了供需雙方之間“信息流＋業務流＋電力流”的友好互動，實現電力負荷的柔性化，支撐供電側的可靠、經濟運行[5-6]，加快了需求響應的實施由人工到半自動，再到全自動的轉換進程。

需求響應是指用戶對激勵措施采取的響應以降低用電成本[7]。在放松管制的電力市場中，供電商在電力高峰時段面臨“高價買電，低價賣電”的風險，而需求響應項目則有利于供電商規避這種風險。需求響應項目按照實施機理不同可以分為激勵型和價格型，直接負荷控制（direct load control，DLC）屬于激勵型項目[8]。EV每天有90%以上的時間處于停駛狀態，擁有有巨大的參與需求響應的潛力，國內外關于EV參與需求響應已有較多的研究。文獻[9]以英國新能源高滲透率電網為例，在考慮天氣等可變因素對新能源出力影響的條件下考察了EV支持電網調頻的能力。文獻[10]根據新加坡人口密度大，人均出行里程短的特點，通過需求響應手段控制停車場EV的充電流程，從充電費用和對電網的影響兩方面對調控效果進行了分析。文獻[11]針對EV有序充放電在電網削峰填谷方面的作用，提出了峰谷電價時段的優化模型，并用遺傳算法對其優化求解。文獻[12]探討了利用經濟激勵措施來鼓勵插電式混合動力汽車用戶參與需求響應的必要性，以彌補充電可能帶來的負面影響。目前針對EV參與DLC的研究較少。

本文依托于智能電網的基本構架，利用其先進的信息通信技術（information communication technology，ICT）、高級量測體系（advanced measurement infrastructure，AMI）、雙向計量電表等智能軟件和智能模塊建立EV的直控管理系統和互動機制，實現車網之間信息實時互動，用蒙特卡洛模擬方法建立EV充電負荷曲線，在考慮用戶利益的情況下，探討合理的EV充放電控制策略，優化負荷曲線，使EV充電對電網造成的影響最小。

1 EV直控管理系統

EV直控管理系統結構如圖1所示，總體可以分為電網側、通信通道和用戶側三大部分，可以實時監測電網運行狀態，采集用戶側信息，實現供用電雙側信息的實時互動，控制車網之間能量的雙向流動，使電網源、荷兩大主體和其他各組成元素之間形成一個有機的整體，提高電網工作效率和安全運行系數。

圖1 EV直控系統框圖Fig.1 Diagram of EV direct control system

1.1 電網側

電網側的監控系統主體是基于相量測量單元（PMU）的廣域測量系統（WAMS）[13]，可以直接對電網中的角度進行測量，使調度中心對電網運行狀態的估計更加準確、及時，動態監視電網運行狀態變化，對異常情況采取及時、有效的處理措施，更大程度上保證電網的安全穩定運行。調度中心對所獲得的電網數據（如電壓、頻率等）進行匯總分析，根據歷史數據通過多種方法，如回歸分析法、卡爾曼濾波法、指數平滑法等進行負荷預測，隨著越來越多新能源接入電網，可變性因素增多，多種預測方法相結合更有利于提高負荷預測的精度，進而得出系統在未來某時段的電力緊急需求量，結合負荷側反饋回來的信息，做出合理的優化決策，并下達調度指令。

1.2 通信通道

隨著智能電網建設的一步步推進，電力通信成為智能電網必不可少的組成部分，相當于電網的神經系統，二者相輔相成，相互促進，互為一體。我國電力行業發展初期，電力系統的結構相對簡單，源荷功能分明，布局清晰，通信主要由電力載波、電纜等相似的渠道完成，我國經濟的快速發展大力推動了電力行業的發展，源荷容量及輸變電系統在規模上有了很大的提升，對通信系統也提出了新的要求，如通信的容量、質量、可靠性及速率等，微波、高頻、多路載波等新的通信方式應運而生。近些年，在現代信息和通信技術的驅動之下，電力系統的通信逐步走向了“數字化”、“信息化”[14]。先進的通信系統為用戶和電網之間聯系提供了通道，使調度中心可以隨時了解用戶的狀態，此處指EV的具體信息，如是否處于聯網狀態、荷電狀態等。

1.3 用戶側

可逆智能充電機的重要硬件構成是V2G結構，還包括PWM整流器，V2G原理結構如圖2所示。該變換器結構和原理比較簡單，可靠性高，當EV從電網獲取電能時，電路中開關VTbuck、VDbuck和電感L構成通路，當EV向電網回饋電能時，開關VTboost、VDboost和電感L構成通路[15]。其工作的啟停及工作狀態的轉換由智能電網管理系統來控制。當車主到家或工作地點后，立即將EV接入電網，智能充電機自動獲取EV的荷電狀態（state of charge，SOC）、容量（capacity，C）等信息，用戶則可以從終端顯示器中了解電網公司發布的電價、補償價格、電網運行狀態等信息，結合自己之后的行駛安排，選擇是否將EV控制權交給電網公司，確定離網時間和離網時EV的SOC應達到的水平，由通信系統將用戶信息傳達到智能調度中心。若車主選擇將EV控制權移交給電網公司，則由調度中心根據設計好的優化控制目標綜合考慮各方面因素對EV的充放電行為進行自動智能控制，若車主不移交EV控制權，則從EV接入電網時刻起立即進入充電狀態，直到SOC達到車主設定值，自動斷電。智能電表具有雙向計量和雙向通信功能，監視電能質量并支持遠程操控，可以記錄EV從電網獲取的電能和向電網回饋的電能，并對車主應繳電費和應得補償進行結算，車主可以很直觀地觀察到自己的用電情況、費用和收益，為以后作選擇提供參考。

2 EV直控策略

對于一般的家用電器來說，DLC控制策略主要有以下3種[16]：①將用電設備直接關閉，停止其用電行為；②利用智能電網高級控制系統以某時長（如30 min）為周期對用電設備進行開啟-關閉的循環控制；③提高用戶側恒溫器溫度設定值，即間接減少用電設備用電量，該控制策略適用于空調或熱水器。

圖2 V2G雙向DC/DC轉換原理結構圖Fig.2 Principle structure diagram of V2G bidirectional DC/DC conversion

圖3 蒙特卡洛模擬EV直控優化流程圖Fig.3 Simulation flow chart of EV direct control optimization by Monte Carlo

用戶可以通過可視化智能終端器對調控策略進行選擇，優化流程圖如圖3所示。EV作為交通工具是一種特殊的家庭用電負荷，主要功能是作為代步工具服務于社會人出行，充電過程并不影響其功能的正常發揮。在現代高科技技術支持下，EV儲能電池既可以從電網獲取電能，又可以向電網回饋電能，所以對EV的充電過程控制有兩種策略：①選擇在低電價時段進行充電，高電價時段停止充電，使用電費用最小，無放電行為；②選擇在低電價時段充電，高電價時段放電，以不影響車主駕駛行為為前提，且用戶可獲得一定經濟收益。

2.1 目標函數

EV用戶響應電網公司的需求響應項目，支持電網的安全穩定運行，并因此獲得一定經濟補償。如果在此類交易中把電網公司視為買方，把用戶視為賣方，從目前的發展情況來看應該是賣方市場，所以要在規劃中充分考慮到用戶的利益，以提高用戶參與的積極性。

對控制策略（1）來說，只有充電行為，目標函數為

Pc為EV的充電功率，ρ(t)為第t時段電價，λc為充電效率，Δt為時段長度，B為EV充電的時段集合。

該種情況下t時刻系統總負荷為

L(t)為t時刻系統總負荷，L0(t)為t時刻系統原負荷，N為EV數量，為0-1變量，1表示EV處于充電狀態，0表示EV處于無操作狀態（不充電也不放電），Pc(i,t)為第i輛EV的充電功率。

對控制策略（2）來說，EV既有充電行為，又有放電行為，所以目標函數為

Pd為EV放電功率，δ為放電補償價格，λd為放電效率，D為放電時段集合。

該種情況下t時刻系統總負荷為

y(i,t)為0-1變量，1表示EV處于放電狀態，0表示EV處于無操作狀態，Pd(i,t)為第i輛EV的放電功率。

文獻[17]指出，目前EV電池以鋰離子為主，并對鋰離子電池充電恒流—恒壓過程進行了模擬，結果顯示恒壓過程相對整個充電時長很短暫，可以忽略，鋰離子電池充電過程可近似認為是恒功率。本文算例中假定EV充放電過程中功率為恒定值。

電網公司是實施需求響應項目的主體，主要目的是提高電網運行的經濟性和安全性，優化負荷曲線，抑制負荷波動。而數學方差可以準確反映出數據的波動程度，此處以負荷方差最小作為目標函數

T為時段數，PLi為第i時段電網負荷，PL0t為第t時段原電網負荷，PLEt為第t時段EV總充電負荷。

對于策略1來說

對于策略2來說

兩個目標函數分別代表電網側和用戶側的利益，為了提高系統運行的整體效益，采用線性加權方法求解該多目標問題，將雙目標改成單目標。由于兩個目標函數的量綱不統一，所以需進行規范化處理，f1(2)max為用戶無序充電用電費用，f3max為原系統負荷方差，α1和α2為權重系數，滿足α1+α2=1，體現出二者所占比重大小，得評價函數

有研究指出，一般情況下當各項權值分別取相同值時，優化效果可達到綜合最優，所以此處α1和α2分別取0.5[18]。

2.2 約束條件

在對EV進行優化調度運算時，需要考慮一定的物理約束條件。根據所研究的情況，當EV數量較少時，需要考慮的約束條件為

①充電功率約束

Pcmax為EV最大充電功率，Pdmin為EV最小充電功率。

表1 小區各時段負荷及電價Tab.1 Load and electricity price of each time period in the residential quarters

②放電功率約束

Pdmin為最小放電功率，Pdmax為最大放電功率。

③荷電狀態約束

SOCmin為電池允許的最小荷電狀態，SOCmax為電池最大荷電狀態。

④離網荷電狀態約束

SOCl為EV離網時的荷電狀態，SOCset為用戶設定的離網荷電狀態。

3 算例分析

根據目前EV的發展現狀[19-25]，在本算例中對EV的相關信息假設如下：

1）電池容量在20～30 kW·h均勻分布，充電功率在2～3 kW均勻分布，放電功率為2.5 kW；

2）EV充放電效率為0.9，電池容量價格為2 500元/kW·h；

3）車主晚上到家時間和早晨離家時間分別服從正態分布N（19，1.52）和N（7，0.52），起始充電SOC服從正態分布N（0.6，0.12）；

4）放電單位補償為2.05元/kW·h，SOC最大為1，最小為0.2，SOCset取0.9，時段長度取半小時。

考慮到目前EV還沒有大規模普及，以某小區有10輛EV為例，研究車主晚上回到家后EV充電對小區負荷的影響及調控策略的有效性，采用文獻[26]中的樓宇日負荷放大4倍作為小區日負荷，小區24時段負荷及電價[18]情況如表1所示。利用蒙特卡洛隨機抽樣的方法確定每輛EV的相關信息及充電負荷建模所需的車主日行駛規律數據。

為了研究策略（1）和策略（2）不同的調控效果，分別讓這10輛EV在同樣的條件下參與不同的調控策略，用系統負荷的峰谷差率、負荷率和方差來對調控的效果進行評價，作對比分析。不同調控策略下的系統負荷和原系統負荷評價指標如表2所示，圖4給出了不同負荷曲線的負荷率和峰谷差率變化趨勢。

表2 不同調控策略的評價指標Tab.2 Evaluation index of different control strategies

圖4 不同情景下負荷率和峰谷差率變化曲線Fig.4 Load rate and peak-valley ratio changes under different scenarios

由表2可以看出，EV充電行為不受控時，即無序充電，系統峰谷差率增加了6.29%，負荷率降低了3.04%，系統方差增加了3.72%。經過兩種調控策略的調控，負荷曲線的各種評價指標都出現了有益的變化，甚至優于原系統負荷的各種數值指標，減小了負荷曲線的波動程度。策略（1）調控后峰谷差率和方差分別降低了15.56%和12.35%，負荷率上升了3.78%，用戶整體用電費用減少了74.08%；策略（2）調控后負荷方差降低比策略（1）更明顯，達到30.74%，峰谷差率降低了14.19%，負荷率上升了4.45%，而用戶則不需繳納電費，反而可以獲得一定的收益，按一年365天算，該小區EV用戶一年可獲得總收益達6.27萬元。

圖5 不同調控策略下系統負荷曲線Fig.5 System load curve under different control strategies

無序充電負荷曲線和經過調控后的系統負荷曲線如圖5所示。可以看出，利用策略（1）調控時，由于EV接入時段大體處于晚高峰期間，為了不加劇電網波動程度，EV并不直接進行充電，而是將充電行為轉移到凌晨以后的時段，即低電價時段，可以節省用戶用電費用。利用策略（2）進行調控時，EV接入電網后向電網饋電，以降低電網晚高峰電力需求量，同時可以獲得經濟補償，將充電行為轉移到凌晨以后低電價時段，用戶可以從兩方面獲得經濟收益，同時抬高了負荷低谷值，平滑了負荷曲線，提高了基荷機組利用率和電力系統運行的經濟性、安全性。

4 結語

本文依托智能電網的基本結構框架和通信系統，建立了電動汽車智能直控管理系統，研究了需求響應中的直接負荷控制策略在電動汽車充放電行為調控中的應用，以某小區為例，以分時電價為手段，用優化充電和優化充放電兩種不同的策略對電動汽車充電行為進行調控，并用不同的評價指標對調控結果進行了對比分析，結果表明第一種調控策略在減小負荷峰谷差率方面效果更明顯，第二種調控策略可以更大程度上降低負荷曲線的波動程度和提升負荷率，而且可以實現用戶側盈利，這將有利于提高用戶參與需求響應的積極性。

電動汽車有著可預見性的廣闊發展前景，這已成為不爭的事實，為了進一步推動電動汽車參與車網互動，本文提出以下幾點建議：

1）V2G技術是實現電網和用戶側能量雙向流動的關鍵環節，應該加強在通信的智能化和安全度、電力電子能量轉化裝置及其與智能電網技術相結合的方法研究。

2）加強在改善蓄電池性能方面的研究，主要包括電池容量、電池壽命、回收利用率、充放電速率、續航里程等方面，注重研發新材料，降低造價，提高性價比。

3）推進充電基礎設施和智能互動試點工程的建設，特別是智能化建設，根據不同地區電動汽車具體普及程度建立不同智能化水平的充電設施，根據實際情況制定科學合理的發展規劃。

[1] 楊方，張義斌，葛旭波.中美日電動汽車發展趨勢及特點分析[J].能源技術經濟，2011，23（7）：40-44. YANG Fang，ZHANG Yibin，GE Xubo.Electric vehicle development tendency and characteristics in China，USA and Japan[J].Energy Technology and Economics，2011，23（7）：40-44.

[2] 葛少云，黃镠，劉洪.電動汽車有序充電的峰谷電價時段優化[J].電力系統保護與控制，2012，40（10）：1-5. GE Shaoyun，HUANG Liu，LIU Hong.Optimization of peak-valley TOU power price time-period in ordered charging mode of electric vehicle[J].Power System Protection and Control，2012，40（10）：1-5.

[3] 肖湘寧，陳征，劉念.可再生能源與電動汽車充放電設施在微電網中的集成模式與關鍵問題[J].電工技術學報，2013，28（2）：1-14. XIAO Xiangning，CHEN Zheng，LIU Nian.Integrated mode and key issues of renewable energy sources and electric vehicles’charging and discharging facilities in microgrid[J].Transactions of China Electrotechnical Society，2013，28（2）：1-14.

[4] 張東霞，姚良忠，馬文媛.中外智能電網發展戰略[J].中國電機工程學報，2013，33（31）：1-14. ZHANG Dongxia，YAO Liangzhong，MA Wenyuan. Development strategies of smart grid in china and abroad[J]. Proceedings of the CSEE，2013，33（31）：1-14.

[5]盛萬興，史常凱，孫軍平，等.智能用電中自動需求響應的特征及研究框架[J].電力系統自動化，2013，37（23）：1-7. SHENG Wanxing，SHI Changkai，SUN Junping，et al. Characteristics and research framework of automated demand response in smart utilization[J].Automation of Electric Power System，2013，37（23）：1-7.

[6] 田世明，王蓓蓓，張晶.智能電網條件下的需求響應關鍵技術[J].中國電機工程學報，2014，34（22）：3576-3589. TIAN Shiming，WANG Beibei，ZHANG Jing.Key technologies fordemand response in smartgrid[J]. Proceedings of the CSEE，2014，34（22）：3576-3589.

[7] 于娜，何德明，李國慶.電力需求響應的決策因素與分類模型[J].東北電力大學學報，2011，31（4）：112-115. YU Na，HE Deming，LI Guoqing.Decision factors and classification model of demand response[J].Journal of Northeast Dianli University，2011，31（4）：112-115.

[8]Naveen Venkatesan，Jignesh Solanki，Sarika Khushalani Solanki.Demand response model and its effects on voltage profile of a distribution system[C]//2011 IEEE Power and EnergySocietyGeneralMeeting，SanDiego，CA：2011：1-7.

[9]HUANG Sikai，WU Lei，DAVID Infield，et al.Using electric vehicle fleet as responsive demand for power system frequency support[C]//2013 IEEE Vehicle Power and Propulsion Conference（VPPC），Beijing，China：2013：1-5.

[10]DANTE Fernando Recalde Melo，GOOI Hoay Beng，TOBIAS Massier.Charging of electric vehicles and demand response management in a singaporean car park[C]// 2014 49 th International Universities Power Engineering Conference（UPEC），cluj-Napoca，Romania：2014：1-6.

[11]葛少云，王龍，劉洪，等.計及電動汽車入網的峰谷電價時段優化模型研究[J].電網技術，2013，37（8）：2316-2321. GE Shaoyun，WANG Long，LIU Hong，et al.An optimization model of peak-valley price time-interval considering vehicle-to-grid[J].Power System Technology，2013，37（8）：2316-2321.

[12]MEGAN Mallette，GIRI Venkataram.Financial incentives to encourage demand response participation by plug-in hybrid electricvehicle owners[C].2010 IEEE Energy Conversion Congress and Exposition（ECCE），Atlanta GA：2010：4278-4284.

[13]尚力，于占勛，荊銘，等.山東電網廣域實時動態監測系統[J].電力自動化設備，2008，28（7）：89-93. SHANG Li，YU Zhanxun，JING Ming，et al.Wide-area real-time dynamic monitoring system of Shandong power grid[J].Electric Power Automation Equipment，2008，28（7）：28（7）：89-93.

[14]邢寧哲，閆海峰.電力通信系統可靠性研究[J].電力系統通信，2007，28（176）：26-38. XING Ningzhe，YAN Haifeng.Research on the reliability of electric power telecommunication system[J]. Telecommunications for Electric Power System，2007，28（176）：26-38.

[15]吳凱，程啟明，李明，等.具有V2G功能的電動汽車快速充放電方法[J].電力自動化設備，2014，33（2）：30-34. WU Kai，CHENG Qiming，LI Ming，et al.Fast charging and discharging method for electric vehicle with V2G function[J].Electric Power Automation Equipment，2014，33（2）：30-34.

[16]張欽，王錫凡，別朝紅，等.電力市場下直接負荷控制決策模型[J].電力系統自動化，2010，34（9）：23-28. ZHANG Qin，WANG Xifan，BIE Zhaohong，et al.A decision model of direct load control in electricity markets[J]. Automation of Electric Power System，2010，34（9）：23-28.

[17]ZHENG Jinghong，WANG Xiaoyu，MEN Kun，et al. Aggregation Model- Based Optimization forElectric Vehicle Charging Strategy[J].2013 IEEE Transactions on Smart Grid，2013，4（2）：1058-1066.

[18]魏大鈞，張承慧，孫波，等.基于分時電價的電動汽車充放電多目標優化調度[J].電網技術，2014，38（11）：2972-2977. WEI Dajun，ZHANG Chenghui，SUN Bo，et al.A time-ofuse price based multi-objective optimal dispatching for charging and discharging of electric vehicles[J].Power System Technology，2014，38（11）：2972-2977.

[19]蘇海鋒，梁志瑞.基于峰谷電價的家用電動汽車居民小區有序充電控制方法[J].電力自動化設備，2015，35（6）：17-22. SU Haifeng，LIANG Zhirui.Orderly charging control based on peak-valley electricity tariffs for household electric vehicles of residential quarter[J].Electric Power Automation Equipment，2015，35（6）：17-22.

[20]王建，吳奎華，劉志珍，等.電動汽車充電對配電網負荷的影響及有序控制研究[J].電力自動化設備，2013，33（8）：47-52. WANG Jian，WU Kuihua，LIU Zhizhen，et al.Impact of electric vehicle charging on distribution network load and coordinated control[J]. Electric Power Automation Equipment，2013，33（8）：47-52.

[21]孫波，廖強強，謝品杰，等.車電互聯削峰填谷的經濟成本效益分析[J].電網技術，2012，36（10）：30-34. SUNBo，LIAOQiangqiang，XIEPinjie，etal.Acost-benefit analysis model of vehicle-to-grid for peak shaving[J]. Power System Technology，2012，36（10）：30-34.

[22]孫近文，萬云飛，鄭培文，等.基于需求側管理的電動汽車有序充放電策略[J].電工技術學報，2014，29（8）：64-69. SUN Jinwen，WAN Yunfei，ZHENG Peiwen，et al. Coordinated charging and discharging strategy for electric vehicles based on demand side management[J]. Transactions of China Electrotechnical Society，2014，29（8）：64-69.

[23]潘樟惠，高賜威.基于需求響應的電動汽車經濟調度[J].電力建設，2015，36（7）：139-145. PAN Zhanghui，GAO Ciwei.Economic dispatch of electric vehicles based on demand response[J].Electric Power Construction，2015，36（7）：139-145.

[24]楊洪明，熊腡成，劉保平.插入式混合電動汽車充放電行為的概率分析[J].電力科學與技術學報，2010，25（3）：8-12．YANG Hongming，XIONG Luocheng，LIU Baoping. Probabilistic analysis of charging and discharging for plugin hybrid electric vehicles[J].Journal of Electric Power Science and Technology，2010，25（3）：8-12．

[25]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 vehicle charging load calculating[J]. Automation of Electric Power System，2011，35（14）：36-42.

[26]楊玉紅，張峰，張艷芳.電動汽車參與電網調峰的分析研究[J].電力學報，2012，27（4）：306-312. YANG Yuhong，ZHANG Feng，ZHANG Yanfang.Analysis of power grid peak shaving with electric vehicles[J]. Journal of Electric Power，2012，27（4）：306-312.