基于功率調控的充電站削峰潛力評估方法*

劉琦穎，曲大鵬，范晉衡，吳子俊，姚藍霓，黃國華

（1.廣州供電局有限公司，廣州 510620；2.廣州市奔流電力科技有限公司，廣州 510630）

0 引言

在能源枯竭和環境惡化的全球大背景下，電動汽車以其清潔環保節能的優點得到世界各國的推崇，然而電動汽車因其具有隨機性的充電行為，在負荷平衡、電能質量以及電源容量規劃等方面都造成了不利影響，并且負荷的快速增長甚至造成“峰上加峰”，加劇配網運行壓力[1-3]。而另一方面，電動汽車作為一種可調資源，可以通過激勵和控制手段對其進行有序調控，減小負面影響。因此如何通過充電負荷有序調控實現削峰填谷成為研究熱點。

目前，已有較多文獻對電動汽車的有序充電進行研究[4-7]。趙玉等[8]提出了一種適用于分時電價的電動汽車調度策略，能夠優化電網負荷，同時降低用戶成本。楊景旭等[9]通過削峰量補償充電負荷運營商，在改善電網安全性的同時，增加運營商的收益。除了利用激勵手段引導用戶進行有序充電，也有文獻以充電站或聚合商為單位對電動汽車進行調控。江明等[10]建立可更換充電機和不可換充電機模型，對充電站兩天的充電行為進行決策，可以降低電網峰谷差和負載壓力。

電網調度中心在調控充電負荷前，需對其削峰潛力進行評估。王伊寧等[11]通過地區代理商收集用戶申報信息從而評估用戶參與削峰、錯峰的能力。楊景旭等[12]通過具備響應資格的用戶數與簽約用戶數的比值來反應充電負荷聚合商的響應能力。以上都是基于用戶上報的信息對用戶的響應能力進行評估，存在牽涉多方利益，且數據處理量大的問題，不適用于電網快速評估充電站削峰潛力。從電網規劃角度，簡便快捷的削峰潛力評估方法是電網關注的問題。因此，為了簡便快速評估充電站的削峰潛力，本文提出基于功率調控手段的削峰潛力評估方法。首先確定調控時段，然后通過調控充電樁充電功率建立削峰模型，基于優化結果評估潛力，最后對居民區慢充站進行仿真分析。

1 電動汽車調控時段模型

為了統一進行優化調度，電動汽車接入電網時不能立刻進行調度，需要對電動汽車的入站時間和離站時間進行計算得到調控的起始時段和結束時段。

在電動汽車駛入充電站準備進行充電時，充電站需要采集其的入站時間Ta、離站時間Tl，初始SOC 值SOCa以及目標SOC 值SOCg。其中Ta和Tl以分鐘為單位，Ta表示一天內的第Ta分鐘。

以30 min為優化單位，將一天標記為1～48時段。充電站控制電動汽車進行有序充電的起始時段為：

電動汽車有序充電的結束時段為：

若電動汽車在當天能夠完成充電，則可控時段總數Na為：

若電動汽車在當天不能完成充電，需要在第二天繼續完成充電。為了方便計算，將第二天的充電負荷折算到當天對應時段。則可控時段總數Na為：

2 基于功率調控的慢充站削峰模型

對于采用慢充方式的電動汽車，其停車充電時間通常會大于實際充電時間，在用電高峰時段，可以通過降低電動汽車的充電功率甚至暫停充電來實現負荷削減，將部分充電負荷轉移到用電谷時段，實現削峰填谷，在滿足用戶充電需求的同時減小供電壓力。

2.1 負荷建模

本文通過調控慢充站內電動汽車的單位時段的充電功率，從而優化充電負荷曲線。定義充電站充電功率矩陣Ps作為功率調控型的控制變量，即：

式中：Pm,t為第m個充電樁在t時段的充電功率；T為一天內劃分的總時段數；M為充電站內的充電樁數量。

充電站t時段的充電負荷Ps,t為：

當電動汽車處于充電狀態時，充電功率的取值范圍為：

式中：PN為額定充電功率。

電動汽車m在t時段的SOC可以用下式計算得到：

式中：Cb為電動汽車的電池容量，單位為kW·h。

當SOCm,t即達到電動汽車目標值SOCg時，電動汽車停止充電，因此從下個時段起到電動汽車離開充電站，電動汽車不再進行充電。

2.2 優化目標

為了評估充電負荷峰值與常規負荷峰值存在重疊現象的充電站削峰潛力，可采用削峰率作為評估削峰潛力的指標。削峰率反映的是削峰程度，屬于電網層的指標，這類指標考慮了充電負荷與常規負荷的疊加效應。居民區的充電站主要用于滿足私家車的日常充電需求，因此充電負荷與常規負荷具有相似性，容易與常規負荷疊加造成“峰上加峰”。因此為了評估該類充電站的削峰潛力，采用削峰率ηf作為指標，削峰率計算公式如下：

式中：Pwmax和分別為削峰填谷實施前后饋線總負荷的最大值。

考慮充電負荷與常規負荷的“疊加效應”，以最大化削峰率作為削峰模型的優化目標，即：

大多數慢充站處于居民區，滿足私家車的日常充電需求，因此慢充站的充電負荷與常規負荷具有相似性，容易與常規負荷疊加造成“峰上加峰”。因此為了衡量慢充充電站的削峰潛力，本文考慮充電負荷與常規負荷的“疊加效應”，以最大化削峰率作為慢充站削峰模型的優化目標，即：

式中：Pwmax和P′wmax為削峰填谷實施前后配電網總負荷的最大值。

本文以最大化削峰率作為調控策略的優化目標。

2.3 約束目標

（1）用戶充電需求

為了不影響用戶的出行需求，電動汽車用戶在參與有序調控后的SOC應達到用戶的目標值，即：

式中：Cb為電動汽車的電池容量。

（2）充電站變壓器安全約束

式中：Ps,max為充電站的最大負荷；Str為充電站變壓器的額定容量。

（3）饋線容量約束

式中：Sl為饋線的額定容量。

3 算例仿真

3.1 仿真參數

本文仿真所用的基礎負荷曲線如圖1 所示，基礎負荷峰值為2.61 MW。在該饋線中接入一個慢充站，根據常規負荷峰值和充電負荷占比設置站內充電樁數量，充電電動汽車數量設置為充電樁數的兩倍。電動汽車按充電行為分布可分為4類，仿真參數如表1所示，充電站內的電動汽車設置了不同的充電行為分布參數，并設置了不同充電行為分布的比例。

表1 充電負荷仿真參數

3.2 仿真測試與結果分析

以100 樁∕MW 的充電樁占比為例，即每MW 常規負荷配置100 個充電樁，車樁比為1∶2，則一天中每MW常規負荷共有200 輛電動汽車進行充電。該充電負荷占比下充電站在有序控制前的充電負荷曲線如圖2 所示。上午11左右時段和晚22點左右時段為充電高峰。

圖2 充電站日充電負荷曲線

將該充電站的負荷曲線接入饋線，依據本文所提的有序充電方法對站內電動汽車進行控制，優化其充電時序和充電功率，對其進行有序充電調控。有序調控前后，饋線負荷曲線如圖3所示。

圖3 3 種情況下削峰前后饋線負荷曲線

優化結果顯示，優化后的饋線負荷曲線明顯削減了負荷高峰，削峰前饋線的最大負荷為3.85 MW，削峰后的最大負荷下降到2.81 MW，削峰率達26.30%，削峰效果顯著，大大提高配網運行穩定性。優化前后的充電負荷曲線如圖4所示。

圖4 優化前后的充電負荷曲線

可以看出，無序充電負荷在上午11 點以及晚22 點前后時段出現高峰，與饋線常規負荷的負荷高峰時段出現重疊，造成“峰上加峰”的現象。而有序充電控制對峰荷重疊時段的充電負荷削減效果顯著，谷時段用電明顯抬升。通過轉移部分用電高峰時期的充電負荷到用電低谷時段，減小對配網的沖擊，降低運行風險。

對比優化前后的充電負荷時序特性，發現由于采用慢充的充電負荷停車時間長，往往能夠同時跨越峰時段和谷時段，因此充電站可以對其進行有序控制，調整時序特性。在滿足用戶充電需求的前提下，將部分充電需求轉移到谷時段，避免大量用戶在高峰期集中充電。

除了分析100 樁∕MW 充電樁占比的削峰效果，還對50 樁∕MW 以 及75 樁∕MW 的 充 電 樁 占 比 進 行 分 析。實 際情況中，受用戶的出行需求以及主觀意向的影響，部分用戶會拒絕參與有序充電，因此隨機抽取50%的電動汽車參與有序充電并計算削峰率。3 種充電樁占比的削峰效果如表2所示。

表2 不同充電樁占比下有序充電削峰效果

從上述結果中可以看出，隨著充電負荷占比的增大，充電負荷可調度潛力增加大，因此削峰率增加，削峰效果越好。由于充電負荷增大時，總負荷增大，相同負荷削減量下削峰率變小了，因此3種場景下的削峰率并非線性增長，充電負荷占比增大時削峰率增長速度減小。50 樁∕MW、75樁∕MW和100樁∕MW充電樁占比下，50%用戶參與削峰的削峰率大約為全部用戶參與削峰的一半。因此，用戶響應程度越高，調度潛力越大，削峰填谷效果越好。

4 結束語

利用電動汽車的可調特性，可以對充電站內的電動汽車進行有序調控實現削峰填谷。基于典型充電負荷特性，本文建立功率調控模型對充電站削峰潛力進行仿真分析，從仿真結果可以得出以下結論：

（1）居民區無序充電負荷曲線與饋線的基礎負荷曲線在上午11點以及晚22點左右會出現重疊，造成“峰上加峰”的現象，擴大饋線負荷曲線的峰谷差；

（2）本文的所提的削峰模型具有較好的削峰效果，削峰率與充電樁占比呈正相關，且用戶響應比例越高，調度和削峰潛力越大。