考慮電動汽車充電樁無功響應的優化調度策略

王冠　劉蘇賢　趙浩然　李波

摘? ?要：隨著電動汽車的普及，大規模電動汽車入網對配電網造成的影響愈加明顯. 在該背景下，提出了考慮電動汽車充電樁無功響應能力的充電站實時滾動優化調度策略，充分考慮電動汽車的時空分布特性以及充電站與電網之間的有功無功交互能力，建立雙層模型分別從時間和空間上對充電站的有功無功進行優化調度. 分別采用二次規劃、二階錐規劃對上、下層模型進行求解，最后以改進的IEEE33節點配電網系統進行仿真，仿真結果表明該策略可以有效降低系統負荷峰谷差，減小系統網損，改善系統電壓水平.

關鍵詞：電動汽車;無功響應;時空分布;實時滾動優化

中圖分類號：TM7 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標志碼：A

Optimal Dispatching Strategy Considering

Reactive Response of Electric Vehicle Charging Piles

WANG Guan LIU Suxian ZHAO Haoran LI Bo

（1. School of Electrical Engineering，Shandong University，Jinan 250061，China;

2. Shandong Provincial Key Laboratory of UHV Transmission Technology and Equipment，Shandong University，Jinan 250061，China;

3. State Grid Shandong Electric Power Company Zaozhuang Power Supply Company，Zaozhuang 277100，China;

4. Shandong Shanda Industry Group，Shandong University，Jinan 250061，China）

Abstract：With the popularity of electric vehicles，the impact of large-scale electric vehicles on the distribution grid will become more apparent. In this context，a real-time rolling optimization strategy for charging stations considering the reactive response capability of charging piles is proposed. The spatial and temporal distribution characteristics of electric vehicles and the active and reactive interaction capability between charging stations and power grids are fully considered. A two-layer model is established to optimize the active and reactive power of the charging station in time and space. The quadratic programming and the second-order cone programming are used to solve the upper and lower models. Finally，the simulation is carried out with the improved IEEE33 node distribution network system，and the simulation results show that the strategy can effectively reduce the load peak and valley difference as well as the active power loss of the system and improve the voltage level of the network.

Key words：electric vehicle;reactive power response;temporal and spatial distribution;real-time rolling optimization

近年來，為應對日益嚴峻的能源短缺與環境污染問題，光伏發電以及電動汽車受到廣泛關注[1-2]. 間歇性光伏發電的廣泛應用導致電網等效負荷峰谷差變大，光伏電源滲透率過高產生的反向功率流導致電網電壓越限[3]，增加了配電系統的運行壓力;電動汽車的大規模入網增加了系統的負荷，導致系統電壓下降，網絡損耗增加[4-5]，也給電網的安全穩定運行帶來了巨大的挑戰. 但如果能將電動汽車作為配電網的可控資源進行合理調度，不僅可以抑制無序充電對配網造成的負面影響，還能夠抑制光伏出力波動，豐富系統的控制手段[6-7].

目前，學者就電動汽車充放電調度策略開展了大量的研究，大多數集中在控制有功功率上. 文獻[8-10]從電動汽車的角度分析，根據各時段的預測充電量，通過實行實時電價的方式引導用戶錯峰充電，降低用戶充電成本. 文獻[11-15]從微電網的角度分析，通過優化電動汽車各時段有功功率的方式來削峰填谷和降低系統的網損. 新的研究證明通過逆變器控制可以實現電動汽車與電網之間的有功及無功交互[16-19]. 已有學者就電動汽車到配電網（Vehicle-to-grid，V2G）的無功功率進行了研究，通過優化各時段電動汽車的有功及無功或是建立電壓無功優化模型來達到降低網絡損耗的目的[20-21]. 但是，文獻[20-21]未充分考慮電動汽車的充電需求和不確定性，忽視了用戶特性. 文獻[22]綜合考慮實際因素，建立了電壓無功優化模型，用于充電協調和V2G無功調度. 文獻[23-24]采用求解速度快的線性規劃和非線性規劃方法求解模型，以應對快速變化的充電場景. 文獻[25]采用錐優化的方法進行求解，求解速度快、效果好. 然而，已有的有關V2G無功方面的研究僅考慮了電動汽車在無功優化方面的作用，卻沒有把電動汽車作為儲能方面的作用（削峰填谷、促進可再生能源消納等）與之結合起來.

本文考慮了電動汽車充電樁的無功響應能力，充分發揮V2G有功及無功的作用，對多個充電站的有功無功充放進行優化調度. 首先以負荷峰谷差率最低為目標，利用二次規劃方法求取各時段電動汽車的最優充放電功率;在此基礎上，以系統網損最低為目標，利用二階錐規劃對本時段各充電站的有功及無功進行優化，并采用滾動優化的方法，加入反饋校正環節，以應對光伏出力及電動汽車充放電的不確定性.

1? ?充電樁無功響應原理

2? ?優化調度架構

3? ?優化調度策略

3.1? ?雙層模型

3.1.1? ?實時調度層

在當前時段起始時刻，結合超短期預測數據對日等效負荷曲線進行校正，基于校正后的等效負荷曲線，以降低等效負荷峰谷差為目標，對未來各時段電動汽車的充放電功率進行優化. 以每小時為單位將一天分成24個時段，實時調度層優化目標表示如下.

3.1.2? ?功率分配層

根據實時調度層的優化結果可以獲取本時段全系統電動汽車的最優充放電功率，以此為約束，在功率分配層對本時段各充電站有功與無功的輸入輸出進行優化. 功率分配層的優化目標表示如下.

3.2? ?滾動優化

一方面，可再生能源出力以及負荷的預測值與實際值存在偏差;另一方面，該策略中對電動汽車進行分群調度，未考慮每一輛電動汽車具體的申請信息，電動汽車實際充放電情況可能偏離調度計劃，此外，車主的充放電行為具有主觀性，申請信息可能臨時出現變動. 因此，本文采用滾動優化調度的方法，加入反饋校正環節，具體流程如圖4所示.

1）當前時段，結合本日可再生能源出力及負荷需求之前時段、超短期預測及日前預測數據，以及所有車主的預約信息，在實時調度層對本日未來各時段電動汽車的充放電功率進行優化，從而獲取全系統當前時段的最優充放電功率.

2）在功率分配層，結合當前各充電站車主預約信息，以實時調度層的優化結果為約束，合理分配各充電站電動汽車充放電功率，同時結合雙向變換器的容量限制，對各充電站的無功大小及方向進行優化.

3）下一時段，更新之前時段、超短期預測、日前預測數據;更新各充電站車主預約信息. 重復上述步驟，直到本日所有時段調度完成.

4? ?仿真實例

本文利用MATLAB進行編程，選取IEEE33節點配電系統進行測試仿真，并對該系統進行改進，系統拓撲如圖5所示. 光伏電站安裝在節點5、18、31，裝機容量分別為2.5、2、2.5 MVA，采用恒功率因數控制并網，功率因數為0.95. 充電站建立在節點15、23、26，各充電站選用集中式變流器并網，雙向變流器最大視在容量為0.6 MVA，充放電效率均為95%. 系統基準電壓為12.66 kV，基準容量為10 MVA，根節點電壓為 pu，可以通過改變變壓器變比進行調節，其余節點電壓允許變化范圍為[0.95～1.05]pu，支路最大允許電流為500 A.

4.1? ?負荷谷時段

在10：00，開始第一輪的調度，實時調度層的優化調度結果如圖7所示，得到10：00-11：00電動汽車的最優充電功率為0，功率分配層所求得的各充電站的最優充電功率自然也均為0. 對比圖中兩條曲線也可以看出，通過合理控制電動汽車的充放電功率能夠達到“削峰填谷”的效果，明顯改善了系統負荷的峰谷差.

倘若存在申請時段為10：00-11：00的用戶，為了滿足其充電要求，10：00-11：00各充電站實際充電功率分別為50、80、70 kW，進入下一時段后，對本時段負荷的實際數據進行校正，如圖8中第11個時段（10：00-11：00）所示. 在第12個時段（11：00-12：00），原始負荷等于基礎負荷減去光伏出力，光伏出力的超短期預測平均功率比日前預測增加了100 kW，因此原始負荷減少100 kW. 對該時段的負荷曲線校正后重新優化的結果如圖8中帶有方框的實線所示，優化充電功率為原始負荷加上充電負荷，由此得到本時段最優充電功率為700 kW.

與方案1相比，方案2中充電站的有功優化可以顯著改善系統節點電壓水平，但在降低系統網損方面取得的效果不明顯;方案3考慮充電樁的無功響應對充電站進行有功無功優化可以顯著降低系統網損，并進一步減小了系統節點電壓偏差. 圖9顯示了按照方案1～3對EV進行調度后，IEEE33節點配電系統各節點電壓幅值變化情況. 從該圖可以看出，初始情況下，由于光伏滲透率過高出現功率倒送，引起光伏電站附近節點電壓過高，若光伏出力進一步增加，很容易造成節點電壓越限[28];在方案2中，通過對電動汽車進行充電吸收部分光伏的過剩出力，能夠有效降低各節點電壓幅值. 通過對比，可以發現方案3在調節節點電壓偏移方面具有更好的優化效果.

4.2? ?負荷峰時段

假設第19個時段（18：00-19：00），實時調度層的優化結果與圖7相同. 電動汽車最優放電功率為937.5 kW.

分別按照前述方案1～3進行求解，EV調度方案和相應的評價函數值如表4所示. 對比表3表4數據，可以發現在負荷峰時段，系統有功網損及節點電壓偏移都要比谷時段更加嚴重. 與初始情況相比，電動汽車有序放電可以減小節點電壓偏差和網絡有功損耗，若考慮電動汽車充電樁的無功響應能力，則可以進一步降低節點電壓偏差及系統網損. 圖10顯示了按照方案1～3對EV進行調度后，IEEE 33節點配電系統各節點電壓幅值的變化情況. 由圖可知，初始情況下，由于負荷過重，多個節點出現了不同程度的越限，電動汽車儲能的接入可以有效提高電壓質量較差節點處電壓的幅值. 對比方案2與方案3可以看出，當考慮充電樁的無功響應時，通過無功優化即可以降低系統有功網損，也能夠有效減少電壓幅值變化范圍，從而使得系統各節點電壓幅值更接近根節點電壓，系統電壓分布更加均勻.

5? ?結? ?論

本文考慮了電動汽車充電樁的無功響應能力，提出了電動汽車充電站的有功及無功調度策略;充分考慮了電動汽車的充放電需求及不確定性，采用了實時滾動優化調度方法，同時考慮了電動汽車充放電的時空分布特性，建立了雙層優化模型，并分別采用二次規劃、二階錐規劃求解模型. 仿真結果表明，本文所采用的算法可以快速獲得全局最優解，所提調度策略可以有效降低負荷峰谷差，降低系統網損，減小節點電壓偏差等.

參考文獻

[1]? ? 孟軍，徐先勇，方璐，等. 光伏發電逆變并網系統復合控制策略[J]. 湖南大學學報（自然科學版），2017，44（4）：87—93.MENG J，XU X Y，FANG L，et al. Hybrid control strategy of photovoltaic generation inverter grid-connected operating system[J]. Journal of Hunan University（Natural Sciences），2017，44（4）：87—93. （In Chinese）

[2]? ? 李萬路，汪泉弟，李景紅，等. 無線充電系統耦合器自感與互感的非線性研究[J]. 湖南大學學報（自然科學版），2020，47（10）：76—85.LI W L，WANG Q D，LI J H，et al. Study on nonlinearity of self-inductance and mutual inductance for couplers of wireless charging systems[J]. Journal of Hunan University（Natural Sciences），2020，47（10）：76—85. （In Chinese）

[3]? ? 許曉艷，黃越輝，劉純，等. 分布式光伏發電對配電網電壓的影響及電壓越限的解決方案[J]. 電網技術，2010，34（10）：140—146.XU X Y，HUANG Y H，LIU C，et al. Influence of distributed photovoltaic generation on voltage in distribution network and solution of voltage beyond limits[J]. Power System Technology，2010，34 （10）：140—146. （In Chinese）

[4]? ? 趙俊華，文福拴，楊愛民，等. 電動汽車對電力系統的影響及其調度與控制問題[J]. 電力系統自動化，2011，35（14）：2—10，29.ZHAO J H，WEN F S，YANG A M，et al. Impacts of electric vehicles on power systems as well as the associated dispatching and control problem[J]. Automation of Electric Power Systems，2011，35（14）：2—10，29. （In Chinese）

[5]? ? CLEMENT-NYNS K，HAESEN E，DRIESEN J. The impact of charging plug-In hybrid electric vehicles on a residential distribution grid[J]. IEEE Transactions on Power Systems，2010，25（1）：371—380.

[6]? ? 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 X F，SHAO C C，WANG X L，et al. Survey of electric vehicle charging load and dispatch control strategies[J]. Proceedings of the CSEE，2013，33（1）：1—10. （In Chinese）

[7]? ? 孔祥玉，呂鑫鵬，董旭柱，等. 基于負荷分類評估的配電網可靠性分析方法[J]. 湖南大學學報（自然科學版），2018，45（4）：104—111.KONG X Y，L？譈 X P，DONG X Z，et al. Reliability analysis method of distribution network based on load classification evaluation[J]. Journal of Hunan University（Natural Sciences），2018，45（4）：104—111. （In Chinese）

[8]? ? 佟晶晶，溫俊強，王丹，等. 基于分時電價的電動汽車多目標優化充電策略[J]. 電力系統保護與控制，2016，44（1）：17—23.TONG J J，WEN J Q，WANG D，et al. Multi-objective optimization charging strategy for plug-in electric vehicles based on time-of-use price[J]. Power System Protection and Control，2016，44 （1）：17—23. （In Chinese）

[9]? ? 顏湘武，李艷艷，張合川，等. 基于變權分析方法的電動汽車充電設備性能綜合評價[J]. 湖南大學學報（自然科學版），2014，41（5）：86—93.YAN X W，LI Y Y，ZHANG H C，et al. Comprehensive evaluation of EV charging equipment performance based on variable weights analysis method[J]. Journal of Hunan University（ Natural Sciences），2014，41（5）：86—93. （In Chinese）

[10]? 趙玉，徐天奇，李琰，等. 基于分時電價的電動汽車調度策略研究[J]. 電力系統保護與控制，2020，48（11）：92—101.ZHAO Y，XU T Q，LI Y，et al. Research on electric vehicle scheduling strategy based on time-shared electricity price[J]. Power System Protection and Control，2020，48（11）：92—101. （In Chinese）

[11]? 許翔泰，張仰飛，陳光宇，等. 計及光伏發電的電動汽車充電優化調度研究[J]. 智慧電力，2019，47（10）：44—50.XU X T，ZHANG Y F，CHEN G Y，et al. Optimal scheduling of charging for electric vehicle considering photovoltaic power generation[J]. New Energy，2019，47（10）：44—50. （In Chinese）

[12]? 李媛媛，葛愿，徐正偉，等. 計及電動汽車充電排隊的微電網優化調度研究[J]. 安徽工程大學學報，2020，35（6）：26—32.LI Y Y，GE Y，XU Z W，et al. Research on optimal dispatching of electric vehicles charging queue in microgrid[J]. Journal of Anhui Polytechnic University，2020，35（6）：26—32. （In Chinese）

[13]? 占愷嶠，宋永華，胡澤春，等. 以降損為目標的電動汽車有序充電優化[J]. 中國電機工程學報，2012，32（31）：11—18，213.ZHAN K Q，SONG Y H，HU Z C，et al. Coordination of electric vehicle charging to minimize active power losses[J]. Proceedings of the CSEE，2012，32（31）：11—18，213. （In Chinese）

[14]? MASOUM A S，DEILAMI S，MOSES P S，et al. Smart load management of plug-in electric vehicles in distribution and residential networks with charging stations for peak shaving and loss minimization considering voltage regulation[J]. IET Generation Transmission & Distribution，2011，5（8）：877—888.

[15]? 張謙，劉超，周林，等. 計及可入網電動汽車最優時空分布的雙層經濟調度模型[J]. 電力系統自動化，2014，38（20）：40—45.ZHANG Q，LIU C，ZHOU L，et al. A bi-level economy dispatch model considering temporal and spatial optimal distribution of electric vehicles[J]. Automation of Electric Power Systems，2014，38（20）：40—45. （In Chinese）

[16]? KISACIKOGLU M C，OZPINECI B，TOLBERT L M. Reactive power operation analysis of a single-phase EV/PHEV bidirectional battery charger[C]// 8th International Conference on Power Electronics - ECCE. Korea （South）：IEEE，2011：585—592.

[17]? KISACIKOGLU M C，OZPINECI B，TOLBERT L M. Examination of a PHEV bidirectional charger system for V2G reactive power compensation[C]// 2010 Twenty-Fifth Annual IEEE Applied Power Electronics Conference and Exposition （APEC）. Palm Springs，CA，USA：IEEE，2010：458—465.

[18]? FASUGBA M A，KREIN P T. Gaining vehicle-to-grid benefits with unidirectional electric and plug-in hybrid vehicle chargers[C]// 2011 IEEE Vehicle Power and Propulsion Conference. Chicago，IL，USA：IEEE 2011：1—6.

[19]? EHSANI M，FALAHI M，LOTFIFARD S. Vehicle to grid services：potential and applications[J]. Energies，2012，5（10）：4076—4090.

[20]? NAFISI H，AGAH S M M，ASKARIAN ABYANEH H，et al. Two-stage optimization method for energy loss minimization in microgrid based on smart power management scheme of PHEVs[J].IEEE Transactions on Smart Grid，2016，7（3）：1268—1276.

[21]? MANBACHI M，FARHANGI H，PALIZBAN A，et al. A novel volt-var optimization engine for smart distribution networks utilizing vehicle to grid dispatch[J]. International Journal of Electrical Power and Energy Systems，2016;74：238—251.

[22]? ZHANG W J，GANDHI O，QUAN H，et al. A multi-agent based integrated volt-var optimization engine for fast vehicle-to-grid reactive power dispatch and electric vehicle coordination[J]. Applied Energy，2018，229：96—110.

[23]? TAGHAVI R，SEIFIFI A R，SAMET H. Stochastic reactive power dispatch in hybrid power system with intermittent wind power generation[J]. Energy，2015，89：511—518.

[24]? SOLER E M，ASADA E N，DA COSTA G R. Penalty-based nonlinear solver for optimal reactive power dispatch with discrete controls[J]. IEEE Transaction Power System，2013;28（3）：2174—2182.

[25]? JABR R A. Optimal placement of capacitors in a radial network using conic and mixed integer linear programming[J]. Electric Power Systems Research，2008，78（6）：941—948.

[26]? 趙彪，于慶廣，王立雯，等. 用于電池儲能系統并網的雙向可拓展變流器及其分布式控制策略[J]. 中國電機工程學報，2011，31（S1）：244—251.ZHAO B，YU Q G，WANG L W，et al. Bi-directional extensible converter and its distributed control strategy for battery energy storage grid-connected system[J]. Proceedings of the CSEE，2011，31（S1）：244—251. （In Chinese）

[27]? 劉一兵，吳文傳，張伯明，等. 基于混合整數二階錐規劃的主動配電網有功-無功協調多時段優化運行[J].中國電機工程學報，2014，34（16）：2575—2583.LIU Y B，WU W C，ZHANG B M，et al. A mixed integer second-order cone programming based active and reactive power[J]. Proceedings of the CSEE，2014，34（16）：2575—2583. （In Chinese）

[28]? 柴園園，郭力，王成山，等. 含高滲透率光伏的配電網分布式電壓控制[J]. 電網技術，2018，42（3）：738—746.CHAI Y Y，GUO L，WANG C S，et al. Distributed voltage control in distribution networks with high penetration of PV[J]. Power System Technology，2018，42（3）：738—746. （In Chinese）