V2G應用進展綜述

譚澤富,周正洋,高樹坤,蔡 黎,代妮娜

(重慶三峽學院 電子與信息工程學院, 重慶 404000)

當今世界對能源需求的快速增長導致不可再生能源消耗急劇增加,加劇了全球環境污染。電動汽車(electric vehicles,EV)相比傳統汽車具有不排放有害物質、可改善能源結構、調節電網負荷曲線等優勢。近年來,世界EV行業發展迅速。預計2030年全球約36%的汽車為EV[1]。截至2022年6月底,根據公安部數據,我國新能源汽車保有量達1 001萬量,其中EV達810.4萬量,占比為80.93%。當數量巨大的EV同時充電時,將會給電網運行造成巨大壓力,因此研究如何減輕電網運行負擔十分必要。1997年,V2G被提出,目的是作為一種新型儲能設備[2]。其核心理念是:EV與電網交互作用,將EV儲蓄的能量作為電網和可再生資源的緩沖器[3]。V2G技術經過數十年的發展,可以轉移負荷、協助電網調頻、充當備用旋轉以提高電網運行經濟性[4]。

目前,國內外V2G技術仍處于前期研究階段,尚未形成普遍商用的標準。V2G技術是電網和EV雙向互動的過程,除了技術上有要求之外,還需要滿足電網和車輛(用戶方面)雙方的需求。本研究從V2G實踐角度進行分析,首先介紹了規模龐大的EV接入電網情況下產生的影響及負荷預測;其次,分析了影響用戶參與車網互動的抉擇因素,包括分時電價引導策略以及充放電產生的電池損耗,提出了一個間接引導EV充放電的構想;之后介紹了EV未來在可再生能源市場和虛擬電廠方面的應用潛力;最后進行了總結與展望。

1 V2G應用現狀分析

1.1 國外V2G應用現狀

現階段,歐美等國對V2G技術尤為重視。NRG和EVgo公司與加利福尼亞大學圣迭戈分校(UCSD)合作,車輛中安裝雙向電動汽車供電設備(EVSE),用來測試V2G在微電網中的應用[5]。丹麥推出了世界上第1個V2G商業模式(Parker),參與頻率調節、電壓控制等服務[6]。英國政府宣布將撥款約3 000萬英鎊支持21個V2G項目,此項撥款旨在測試V2G技術研發成果,同時為V2G技術尋找市場[7]。西班牙公司Endesa與Nissan計劃合作部署V2G。Nissan承諾在工廠安裝Leaf和e-NV200,以與Endesa的5和10 kW雙向充電站兼容。兩家公司計劃在丹麥、荷蘭和德國開展第一批V2G應用[8]。

1.2 國內V2G應用現狀

自2020年以來,國家出臺多項政策推動V2G技術進步,其中國務院印發的《新能源汽車產業發展規劃(2021—2035)》以及國家發改委、國家能源局聯合發布的《進一步提升充換電基礎設施服務保障能力的實施意見(意見稿)》都明確提出支持地方開展V2G試點工作,推動V2G發展。目前,上海有3個V2G示范區,共有10余臺EV參與,每月參與放電約500度,每度收益為0.8元。2022年,重慶完成了某EV 48 h全響應充放電,累計消納電量44度。此外,國內其他地區也在積極探索V2G試點,如北京人濟大廈V2G示范項目、北京中再中心V2G示范項目[9]。

1.3 小結

對比國內外V2G應用現狀可以發現,國外V2G技術多數是車企牽頭或聯合高校進行,V2G應用場合、盈利方式多元化,且取得階段性成果,部分進入商用階段;而我國V2G試點項目較少,多數項目由電網公司牽頭統籌安排,形式單一。我國V2G技術應用屬于起步階段,V2G應用仍有不小難度,所以分析V2G應用難度十分重要。

2 EV入網的影響及負荷預測

規模龐大的EV接入電網會對電網基本運行要求帶來巨大影響,尤其突出表現在圖1所示的幾個方面:

1) 電網穩定性:EV無序充電會使電網產生較大波動,提高電網控制難度。過量EV接入電網會導致電網電壓下降,部分設備無法正常工作[10]。

2) 電能優質性:由于EV是非線性負載,接入電網時會產生諧波污染,這些污染會造成電能波形的畸變,甚至影響變壓器的使用壽命[11]。

3) 電網經濟性:EV無序充電會造成電網負荷增加,導致電網投資成本與耗能的提高[12]。

圖1 EV入網影響框圖

由于電能不能長時間保存,因此在EV大規模接入電網的情況下實現電能的產耗平衡較為困難。另外,EV大規模接入電網使電網負荷結構及特性發生變化,導致配電網規劃需要做出改變[13]。精準的負荷預測是設備提高利用率、電網提高穩定性、電能質量改善的必要條件。充電負荷預測是根據過往數據探索充電負荷變化趨勢,其流程如圖2所示。

圖2 充電負荷流程框圖

2.1 規模化EV入網對配電網的影響

Dharmakeerthi 等[14]將EV作為靜態負荷評估EV集中快速充電對電網電壓的影響。將EV負載功率因素設置為0.98,仿真通過包含城市配電網的系統進行。仿真結果顯示,電阻參數、負荷類型、充電樁位置的不同都會導致電網電壓波動。 Chang等[15]分析電網中充電裝置的線路拓撲及控制策略,建立了一個模擬充電過程中重合閘等瞬態故障時的仿真系統。研究發現,電網閉合后,EV充電模式下電壓穩定耗時從0.7 s延長到0.8 s,電流穩定耗時從0.07 s延長到0.21 s;放電模式下電壓穩定在0.3 s,電流穩定耗時幾乎沒有變化。楊樂等[16]為闡明整流電路負載改變時諧波的變化情況,研究了6脈沖不可控充電樁,把充電負載部分等值為一個非線性電阻,仿真結果表明:充電樁數量越多,產生諧波影響反而越小,諧波會變得更加復雜。陳男等[17]將配電網等效成一個含有10 kV/0.4 kV降壓變壓器的電網,將功率變換器和蓄電池用非線性電阻代替,發現低壓側電流總THD為23.44%,總電壓THD為20.41%,6k±1(k為正整數)次諧波較為典型,與理論結果相符。

EV接入配電網最常見的問題是不對稱負荷導致電網三相電壓的不對稱與諧波污染。對于三相不平衡,可以采用三相電壓型變流器聯絡配電網中的各個變壓器實現負載合理配置,合理規劃充電樁位置,降低電網電壓失衡。對于EV充電時產生諧波污染引起電網電壓和電流波形的畸變的問題,較為成熟的抑制方法有有源濾波與無源濾波。無源濾波電路結構相對簡單,可靠性高,但只能消去特定次數諧波;有源濾波最大的優勢在于可以動態抑制,還可進行無功補償。目前,絕大多數EV在快充過程中使用高壓,而我國有源濾波技術仍處于低壓階段,高壓側研究較少[18-19]。若考慮新能源出力情況,可以合理規劃充電樁的臺數、優化控制方法以降低諧波污染。此外,EV充放電還會造成孤島效應,威脅電力施工人員生命安全,因此如何將EV入網的不利影響降到最低仍是當前重點研究方向。

2.2 EV充電負荷預測

Dabbaghjamanesh等[20]提出了基于Q學習的EV負荷預測方法,與人工神經網絡(ANN)和神經網絡(RNN)2種機器學習方法進行對比。仿真結果表明,無序充電情況下,當EV滲透率為30%時,ANN和Q學習方法在負荷均方差的預測精度更高;當EV滲透提高到50%,Q學習方法比RNN有更高的精度。有序充電情況下類似。證明了Q學習方法的優越性。Buzna等[21-22]提出了一種針對不同地理區域的概率EV負荷預測方法,采用層次分析法,將高級問題分解為低級問題,接著確定分層透視圖,通過基于懲罰線性分位數回歸模型的集成方法來預測充電負荷。王浩林等[23]將EV劃分為4種不同類型,各自建立影響因子的概率模型和不同時間節點的充電概率分布函數,通過仿真分析發現私家車日負荷出現在9∶00、15∶00、20∶00;公務車日負荷峰值出現在20∶00;公交車日負荷峰值出現在15∶00。與基于靜態時段充電負荷相比,較為準確地描述了充電行為的隨機性,能具體描述特定時刻充電負荷,體現了該方法的科學性和準確性。陳勇等[24]建立了EV保有量的優化bass模型。bass模型是用來對耐用銷售品銷售數量進行評估的模型,EV保有量N(t)的銷售bass模型是:

其中:m表示最大市場潛力;p表示創新系數;q表示模仿系數。

使用德爾菲法將傳統燃油車的數量結合起來預測EV保有量,有效提高EV保有量的預測精度,最后根據用戶的出行特征,對EV充電負荷進行預測。

近年來,國外研究人員對EV充電負荷進行了較多研究。基于我國特殊的國情,EV數量規模與其他國家差異巨大,執行標準不夠完善,歐美國家的負荷預測方法并不完全適用我國[25]。目前,我國多數研究EV充電負荷的預測方法是通過蒙特卡羅法進行抽樣模擬。但使用蒙特卡洛法進行抽樣時,EV充電概率密度函數考慮影響因子較少,僅通過劃分車型、單純考慮用戶出行特征、預測時間固定,并存在參數設置主觀等問題,較少考慮城市發展程度、產業結構差別、交通情況、地形差異、用戶充電心理、排隊時間以及有關用戶充電行為成本等因素影響預測EV充電負荷。此外,由于EV滲透率、充電樁類型、普及現狀、地理位置都對充電負荷有所影響,所以EV充電負荷預測也需“因地制宜”。

3 V2G引導策略

V2G的普及并不僅是單方面滿足電網方面要求,還需要兼顧EV用戶利益,只有同時保證雙方利益才可能實現。現階段,對于EV充放電行為引導主要有2種形式:一是直接引導,這種引導以電力系統穩定性、電能優質性、發電經濟性為直接目的,主要方式是有序充放電;二是間接引導,主要形式是通過分時電價(time of use)的引導。無論是直接引導還是間接引導都需要符合用戶和電網的利益[26]。

影響EV用戶充放電行為的除了電價,還有其他很多因素,包括充電樁的位置、電池的荷電狀態、充放電對電池的損耗、交通情況等。當前,我國正處于從全面小康邁入共同富裕的歷史新階段[27],購車者富裕后,會更加關注車輛的舒適度、體驗感、性能等問題,續航問題就是重要方面。購車者很多時候會在電池多次充放電影響EV續航時將EV“PASS”掉,所以引導EV用戶進行有序充放電時需要考慮電池損耗。

3.1 分時電價引導EV充放電

Vuelvas等[28]提出了一種對于EV集群的分時電價管理策略,其價格信號為:固定電價為0.051歐/度,動態電價前10 h為0.065歐/度,11～20 h為0.04歐/度,最后4 h電價為0.035歐/度。研究發現,開始時電價雖高,但EV集群仍進行充電,之后緩慢放電;當電價下降又進行充電,對比靜態電價,聚合商獲利提高約27.4%,EV用戶花費變化不大。于明浩等[29]將EV作為家庭充放電設備,根據電網給出的充放電功率限制、電價信息等,加入激勵因素,改善不同時間充放電功率,以用戶花費最低為目標函數,使用單純形方法求得最優解,此時總支出為-5.75元,證明該策略給EV用戶帶來了額外經濟效益。佟欣[26]評估EV接入電網參與調頻和旋轉備用的經濟收益,當EV參與向下調頻、充電功率為3 kW、調頻電價為0.1元/(kW·h)時,單輛EV的獲得收益為2.46元;調頻電價為1.0元/(kW·h),單輛EV獲得收益為8.53元;當EV參與雙向調頻、充電功率在3 kW、頻電價為0.1元/(kW·h)時,單輛EV獲得收益為9.45元,調頻電價為1.0元/(kW·h),單輛EV平均收益為15.5元;當EV參與旋轉備用、放電電價在0.32元/(kW·h)以上時,用戶獲得的收益大。高亞靜等[30]將EV劃分為4種類型,同時兼顧用戶側與電網側的利益,建立了未采用分時電價無序充放電模型以及采用分時電價的有序充放電負荷模型,發現采用優化后的分時電價可以使電網和EV都得到收益。

目前,國內現有分時電價較為單一,一般為靜態分時電價或階梯電價。國外對EV分時電價的研究相對多樣化,以歐美為例,美國流行靜態分時電價、臨界峰值電價、高峰期折扣電價、實時分時電價。相比靈活的美國電價政策,歐洲更注重電表計價智能化[31]。我國多數考慮分時電價的研究都是以穩定充電負荷為目的,大多為靜態電價或靜態時間段,缺乏從用戶參與感的角度考慮電價的劃分,若碰上天氣變化等意外情況,不合適的電價設定和時間段劃分都會導致電能資源的浪費或者供電緊缺,且少有包含EV充放電行為的專用分時電價。對于電價設定和時間劃分應是實時變化的,這方面就需要加強研究電價反饋信息,增強車網信息的交互,利用反饋信息提高EV用戶參與V2G響應程度。

3.2 EV參與V2G對電池的影響

Sarazin等[32]分析了低溫環境下快速充電對鋰電池的影響,以指導EV電池優化。測試結果表明,電池在23 ℃下重復快速充電時性能沒有顯著改變,但在10 ℃條件下電池性能迅速下降,陽極固體電解質相界面(SEI)異常增長導致的離子含量降低。Zhou等[33]分析了EV頻繁參與V2G導致電池壽命縮短的問題,發現充放電次數、放電深度(DoD)、環境溫度對電池都有影響,其中DoD和環境溫度影響最大;同樣電價驅動,中英兩國電池成本效益不同。梁海強等[34]基于大數據平臺,利用EV數據,研究了不同因素對于電池老化的影響,發現用戶充電模式不同對于電池老化的影響最大,快充模式充電電池老化速度比慢充快33.45%～56.24%;北京地區EV電池老化速度比廣州地區要快10.59%～19.09%;駕駛習慣對于電池老化的影響最小。許志宇[35]統計EV信息,使用密度估計法表示充電行為參數,并用安時積分法計算SOH,得到電池包的健康衰減率,進而探究充電行為參數與電池衰減之間的關系,對于容量衰減率進行回歸分析。結果表明充電電流、環境溫度、充電次數、SOC都會對容量衰減率有所影響。

有研究表明,EV鋰電池在容量降低至60%時可以給新型能源當作儲能電池[36],結合間接引導策略和V2G,提出了如圖3所示的設想。在EV用戶購車的時候,與電力公司或汽車銷售商(甲方)簽訂協議:在EV電池容量低于某個閾值之前進行一定次數(時長)的充放電,滿足該條件可以免費更換新電池,甲方對用戶鋰電池進行回收,再運輸給可再生能源電廠或者微電網充當儲能或者調頻設備;當電池使用至完全報廢時進行貴重金屬的回收,既解決了EV鋰電池的回收利用問題,改善了EV用戶駕駛EV的體驗感,還能加速EV市場的進一步擴大,實現多方得利。

圖3 電池梯利用引導V2G設想示意圖

4 未來基于V2G電動汽車儲能應用

隨著EV數量的持續增長,未來必定會面臨EV同時接入電網的情況。若對EV進行合理控制、規劃,EV儲存的電能可對電網進行充電,實現“削峰填谷”,降低電力系統投資成本,提高電網穩定性[37]。EV作為一種擁有巨大儲能潛力的資源,EV參與儲能的電網結構如圖4所示。

圖4 EV參與儲能的電網結構示意圖

雖然我國EV儲能潛力巨大,但我國參與響應的EV負荷不足1%[38],亟待有效調動消納新型能源。

此外,由于分布式能源的不斷發展,虛擬電廠也從概念階段逐漸實體化,EV作為新型儲能設備的代表,是虛擬電網中不可或缺的一環。研究EV聯合調度不僅可以緩解分布式能源與EV充放電隨機性對電網的影響,還能幫助新能源消納,實現EV的清潔化、低碳化,但對平臺和調度策略的要求高。而虛擬電廠的應用則可以解決EV與可再生能源調度難的問題。虛擬電廠通過信息技術與軟件算法將分布式電源聚合,儲能可控負荷設備,優化電力調度,參與需求側響應,相比其他類型的電網,虛擬電廠具有成本低、效率高的優點[39]。

4.1 EV為可再生能源及微電網儲能

Keck等[40]評估了電池儲能對澳大利亞可再生能源電網的影響。仿真結果表明,在可再生能源占比較高的情況下,澳大利亞90～180 GWh的EES容量能夠節約1 000澳元/(kW·h);能夠降低平準化度電成本約13%～22%,裝機容量減少22%,減少再生能源浪費約76%。Matsumoto等[41]提出了一種實現REIOO的可行儲能智慧城市設計方法,仿真評估獲得的分配計劃的時間序列。結果表明,通勤用EV在上午或下午出行,中午進行儲能;商務用EV白天充電空間較小,而晚間較大;合理的電池分配可以大幅降低微電網儲能成本。李清濤等[42]提出兩階段消納分布式新能源的策略,考慮電網鄰近地區電力互補能力,使用方向乘子法簡化計算,考慮預測偏差,引導EV快速響應,實現新能源消納。算例分析標明,所提出的兩階段新能源消納策略可有效協調區域間的能源分配,推動過剩能源的消納。孟明等[43]給出了基于光熱電站(CSP)和EV綜合消納風電的策略,仿真結果表明,在消納棄風方面,在電源側利用CSP可打破熱電聯產(CHP)機組的運行約束,充分釋放CHP調峰能力;在負荷側通過V2G充電模式有效彌補充電負荷在風電高峰時期的匱乏,對比不同場景,有光熱電站與V2G充電方式比無光熱電站無序充電棄風率降低了55.6%。

在消納新型能源方面,EV較其他儲能設備具有響應快、投資成本低等優勢。此外,EV擁有儲存電能較大的能力,非常適合與可再生能源配合使用[44]。將EV與可再生能源配合進行合理調度,利用其儲能變流器進行有源濾波還能降低諧波污染,提升電能質量;將EV的退役電池集中起來梯次利用,充分挖掘其剩余的價值,在消納可再生能源發電方面有著常規儲能電站等調節消納手段無法比擬的優勢[45]。目前,EV大部分都是源自火力發電,如果推進EV消納可再生能源,將會形成正向反饋,推動可再生能源和EV行業發展,加速實現碳中和。

4.2 EV在虛擬電廠中的應用

Mustafa等[46]討論了將EV集合為虛擬電廠,分析了V2G技術、拓撲結構和市場效益。研究發現,車網整合(VGI)是虛擬電廠中經濟且實用的一種方案,該技術能推動EV參與調頻等輔助服務,并能鼓勵清潔能源在電網中占比的提高。Kahlen等[47]針對北歐電力市場建立了包含1 500輛EV虛擬電廠的模型,使用具有非對稱收益的加權目標函數和傅里葉方法分析EV的需求模式。仿真結果表明,當EV占比小于20%時,每年可獲得利潤為168～173美元;EV占比超過20%時,利潤為135～151美元。華遠鵬等[48]提出了包含EV的虛擬電廠分層博弈優化模型,上層以降低電廠運行維護成本為目標,考慮功率及儲能約束條件;下層以電價為基礎,以EV充電價格最小為目標,求解EV充電功率,并將功率信息返送上層模型。算例結果表明,車網互動功率受博弈電價和新能源出力影響,分層博弈優化方法可以兼顧虛擬電廠與EV用戶的利益,還能提高系統穩定性。張衛國等[49]根據負荷及可再生能源發電能力計算供需平衡差,提出分層電力負荷調度策略,并提出一種實時跟蹤機制降低發電和EV充電誤差。算例結果表明,包含各類能源和EV的虛擬電廠能夠充分發揮互補優勢,均衡負荷。

目前虛擬電廠主流方向有2種,如表1所示。我國虛擬電廠市場潛力巨大,上海早在2014年開展虛擬電廠進行試點工作,虛擬電廠多數以聚合式參與調度,將各級虛擬電廠統籌,協同參與電力市場運行。申能儲能虛擬電廠以用戶側聚合的方式接入電力交易平臺,統一參與響應,將負荷自動且合理地分配給各場站。這種基于大數據分析的形式不僅能夠預測儲能設備的充放電響應能力,還能提高響應精度[50]。

表1 VPPde的2個主流方向

5 總結與展望

V2G技術應用潛力巨大,通過多年的升級已不再局限用于儲能緩沖,還能協助電網轉移負荷、參與調頻、消納新型能源、抑制波動。因此,應充分發揮V2G的應用潛力,以多種形式實現V2G。我國的V2G技術雖取得了一定成果,但仍處于發展階段,要想實現大范圍普及具有不小難度,對此提出如下建議:

1) 優化充電站位置、數量,解決EV入網造成的三相不平衡與諧波污染問題,這是較為簡單、經濟的方法。此外,有源濾波技術也是抑制諧波有效的方法,但有源濾波技術成本較高,可以考慮有源-無源濾波結合的混合濾波技術。

2) 充電負荷預測需結合城市發展背景,優化EV充電概率密度函數各影響因子權重;未來負荷預測還需考慮可再生能源入網和消納新型能源的情況。

3) 為降低因不合理電價造成“高峰轉移、峰上加峰”的風險,應加強對EV入網電價反饋信號的研究,對分時電價進行實時調整,滾動優化。

4) 推動車網信息實時互通,當EV進行充放電時用戶能夠了解電價信息;電網能感知用戶駕駛特性、電池狀態、充放電喜好信息,從而給出有效策略,提高用戶V2G響應程度。

5) 加大對EV電池的梯次利用,研究電池利用回收技術,增加間接引導EV充放電的手段,如電池梯次利用引導、分地電價引導。

6) 提高車網協同控制及管理效率。EV作為新型儲能設備擁有天然優勢,充分發揮其對虛擬電廠、新型能源以及微電網實現負荷均衡、提高電能質量、提高設備使用效率、消納新能源有效減少資源浪費。