考慮電動汽車用戶決策行為的電價型需求響應模型*

羅 敏，楊景旭，周尚禮，賴雨辰，向 睿，郭楊運

（南方電網數字電網研究院有限公司新型電力系統數字技術聯合實驗室，廣州 510300）

0 引言

為應對全球氣候變暖，我國提出了碳達峰和碳中和目標，能源電力的碳減排成為實現該目標的關鍵。與此同時，電動汽車（Electric Vehicle，EV）因其良好環保特性和負荷可調控特性在節能減排和需求響應（Demand Response，DR）方面顯示出較大優勢［1-3］，倍受關注。為進一步挖掘電動汽車的需求響應潛力，本文從電價策略和用戶行為決策的角度開展研究。

EV有序充電可以視作一種靈活的需求響應資源，是解決EV負荷接入造成配電饋線重過載等問題的重要手段［4］。在有序充電中，根據電網的負荷調控需求，以電網、充換電站或者用戶的利益為優化目標，綜合考慮變壓器容量約束、充電設施容量和調控性能約束、電池充電性能約束以及用戶充電和出行需求約束，優化EV充電安排，控制變量一般為單EV或集群EV的充電時間或充電功率［5-6］。在這過程中，電網公司或充電站通過分時電價等手段，引導EV用戶選擇在電價較低的平谷時段充電。此外，部分EV用戶通過與電網公司或充電站簽合同的方式參與電網的需求響應，轉移或中斷在響應時段內的充電活動，進一步增強全網充電負荷的調控能力。

此外，對于電動汽車參與的電價型DR，國內外學者也進行了較多的研究。對于電動汽車參與的價格型DR，文獻［7-8］通過動態分時電價引導用戶轉移到平谷時段充電，實現削峰填谷，同時在低電價時段充電減小成本，但用戶可以自愿選擇是否參與DR，導致實際響應結果的不確定性增大；文獻［9］提出一種基于分時電價的電動汽車混合型需求響應策略，可以降低電網投資成本和負荷峰谷差，并考慮用戶響應的不確定性；文獻［10］建立的價格型DR策略，以實現最小化用戶費用和平抑負荷波動為目的?？偟膩碚f，價格型DR 通過電價策略改變用戶充電行為，需滿足用戶出行需求等約束。同時在價格型DR 中，用戶可自愿選擇是否參與，可通過轉移充電時間或中斷充電活動等方式參與，較為靈活，同時也具有較大的不確定性［11-12］。上述研究中，對用戶通過調整充電時段的方式參與需求響應的研究較多［13-14］，對用戶調整充電時長的研究較少，同時對峰谷電價的設置沒有以谷時段電價作為基準，設置電價方案數量較少，分析效果有限，有待進一步研究改進。

基于此，本文提出考慮電動汽車用戶決策行為的電價型需求響應模型。首先，分析用戶參與電價型需求響應決策行為，用戶在電價的引導下可以通過轉移充電時段、調整充電時長等方式參與響應。其次，基于用戶的消費者心理建立用戶充電時間轉移概率模型。然后，提出用戶可調節充電時長的概念，建立用戶充電時長調整概率模型。最后，通過仿真算例分析不同電價場景下充電站負荷的變化情況，研究用戶對電價的敏感性。

1 用戶電價型需求響應模型

在電價型需求響應中，充電用戶可以采用兩種手段參與，一種是通過轉移充電時段，另一種是調節充電時長。在受到分時電價的價格信號的刺激和電價差的影響下，用戶可以結合兩種調節方式，一方面改變其充電時段，另一方面在不影響出行的前提條件下，調整充電時長，以節省充電成本。

1.1 用戶參與電價型需求響應決策行為分析

在本文中，用戶通過轉移充電時段和調節充電時長兩種方式參與到需求響應中。作為電力消費者，用戶在接收到電網給出的電價水平的刺激時會結合自身情況做出合適的充電行為決策。決定用戶充電成本的因素有：充電時段的電價及用戶充電時長，因此用戶可通過調節這兩個變量以改變自己的充電策略，達到節約充電成本的目的，同時為充電站及電網負荷的調節提供幫助。

因此，用戶參與需求響應的策略。（1）轉移充電時段。受到不同時段的價差影響，用戶在價差刺激下選擇改變自己的充電時段。（2）調整充電時長。受到當前充電時段的充電價格影響，在某充電價格下，選擇較為合理的充電時長進行充電。一般情況下，用戶對充電時長的最低充電時長要求為：用戶當天初始荷電狀態（SOC）與充電所得的SOC之和要能在滿足當天用電需求的前提下，留有20%的電量。（3）綜合策略：在轉移充電時段的基礎上調整充電時長。

具體地，用戶將在日前上報自己的出行計劃，包括出行距離、開始出行時間、初始SOC、計劃開始充電時段、充電站點選擇及充電方式（快充／慢充）等，通過這些信息可計算得到用戶按照充滿電計劃所需的充電時長。若用戶調整其充電時段，當兩個時段存在價差時，用戶的充電成本將發生變化，因此，價差水平會影響用戶充電開始時段轉移的決策，而其充電時段的電價水平會直接影響到用戶的充電時長決策。另一方面，由于不同用戶對電價敏感性不同，用戶考慮電價水平影響時，用戶的充電時長決策具有一定的概率性，而不考慮電價水平時，默認用戶以各自的最大調節能力去進行充電時長的決策。電價敏感性研究的是在考慮和不考慮電價兩種情景下，用戶的充電行為及充電特征。比較兩種情景下響應前后的用戶充電負荷曲線，則能夠看出，用戶受電價影響的行為變化情況。

1.2 用戶充電時間轉移概率模型

對于消費者來說，每一種商品都存在一個合理范圍內的標準價格。電力價格也不例外。電力消費者對于電價型需求側響應程度可以描述為3 個階段。第一階段，峰谷分時電價差較小，用戶因價格因素選擇響應需求側策略的電動汽車用戶很少。第二階段，當峰谷分時電價差增大到一定區域內，隨電價差的增加，選擇參與響應的用戶越來越多。第三階段，當峰谷分時電價差大到一定程度后，參與響應的用戶數量會達到飽和，不再增加。

電動汽車用戶的響應行為受到電動汽車充電聚合商設置的充電價的影響，電動汽車用戶會根據聚合商的充電價的調整，改變自己的充電行為，以參與需求響應。EV用戶進行充電時段轉移，主要受各時段電價差的激勵。用戶參與需求響應時，充電時間從時段t1到時段t2的充電價差為：

用戶充電時間從時段t1到時段t2的轉移概率為：

式中：pp（t2，t1）為時段轉移概率；Δc1為價差死區閾值，一般取0.1 元／kWh；Δc2為價差飽和區閾值，一般取1元／kWh；Δc為充電時間時段t1～t2的充電價差；kp為價差轉移率的線性區斜率。

1.3 用戶充電時長調整概率模型

用戶的充電時長需要至少能夠保證用戶全天的里程需求，則用戶的最短充電Tc，min與用戶的里程Lu呈線性關系：

式中：ηc為充電效率，一般取0.9；Pc為充電功率，kW；W100為每100 km的耗電量，kW·h／100 km。

若不考慮里程影響，則用戶的充電時長為：

式中：Sc0為用戶起始荷電狀態；α為期望充電完成后的荷電狀態，此處考慮充滿的情況，取1。

式中：ΔTc為可調節充電時長。

標幺化處理后：

用戶充電時長調整的決策是隨機的，采用正態分布描述：

1.4 充電站響應后負荷模型

根據用戶的充電時間轉移概率和充電時長調整概率，采用蒙特卡洛抽樣生成各個用戶的充電轉移時間與充電時長調整決策，即可確定用戶經過引導后的充電開始及結束時間，進一步確定用戶的充電負荷。

已知用戶的充電開始時間ts及充電時長Δt，則用戶的充電結束時間為：tf＝ts＋Δt，在時段［ts，tf］內，電動汽車用戶的充電狀態為“在充電中”，記為1，反之記為0。

對充電站用戶通過蒙特卡洛抽樣生成其充電狀態，則充電站t時刻在充電的充電樁數量為：

式中：Nu（t）為時刻t 在使用中的對應類型的充電樁的個數。

該類充電樁在時刻t的充電功率為：

式中：Pch0為該類充電樁的基礎充電功率的大小，為恒定值。

2 算例分析

本文仿真以廣州某條饋線作為仿真饋線。本文仿真對象為以快充為主的充電站，充電站參數設置如表1 所示，電動汽車參數見文獻［15］。

表1 充電站參數設置

電網基準電價cb設為0.38 元／kWh，通過表2 中分時電價系數的設置得到不同場景下的電價如表3 所示。其中，ki（i ＝1，2，3）為分時電價系數。

表2 電價場景設置

表3 仿真中分時電價系數取值

峰平谷時段劃分如表4 所示。

表4 峰平谷時段劃分

本節研究的是在不同的電價場景下，用戶綜合采用兩種響應方式的行為特征及充電站的響應情況。不同場景下充電站參與響應前后的日負荷情況如圖1 所示。

圖1 不同場景下充電站負荷變化情況

圖2 ～7 中的圖（a）給出了某一電價場景下，響應前后充電站負荷的變化情況。圖2 ～7 的圖（b）給出了充電站的響應后負荷的上下限，及實際響應后的充電站負荷情況，其中負荷的上限是：在此電價下，僅考慮充電時間的轉移，不調整用戶的充電時長，響應后的充電站負荷；負荷的下限是：在此電價下，考慮了充電時間的轉移，并要求用戶按照“SOC 恰好滿足當天行程需求”這一條件進行充電，此時用戶的可調整充電時長為各自的上限，由此而得響應后的充電站負荷。圖2 ～7 的圖（c）給出了用戶在綜合響應策略下的時長調節，可以看到，此時用戶結合自身的出行需求及當前的充電價格，進行了較為合理的充電時長的調整。較之響應前的充電時長稍有變化，但是沒有特別極端的調整情況，如將充電時長調整為0。圖2 ～7 的圖（d）給出了用戶開始充電時間的轉移情況，其中縱軸的負值代表充電時間前移，正值代表充電時間后移。圖8 給出了各場景下響應前后各時段電動汽車充電數量的變化。表5 為各場景下充電站的削峰效果。

圖2 場景1（4∶3∶1）時充電站負荷變化情況

圖3 場景2（4∶3∶2）時充電站負荷變化情況

圖4 場景3（4∶2∶1）時充電站負荷變化情況

圖5 場景4（3∶2∶1）時充電站負荷變化情況

圖6 場景5（3∶3∶2）時充電站負荷變化情況

圖7 場景6（2∶2∶1）時充電站負荷變化情況

圖8 不同電價場景下各時段在充電動汽車數量

表5 不同場景下充電站的響應效果

由圖2 ～8 可知，各時段的價差大小對用戶充電時段的轉移行為有著極為明顯的影響，價差越大，產生時段轉移的用戶越多，導致谷時充電的用戶越多，而不設置分時電價時，考慮到其出行的方便性，用戶傾向于在非上班時段進行充電，導致白天的負荷增多，但是總體上有起到削峰的作用。用戶能夠結合自身出行需求以及充電價的情況合理調整自己的充電時長，且具有較大的調節潛力。相比于采用調整充電時段或充電時長單個手段，同時采用兩種手段的負荷調控效果更佳。基于此，可根據用戶對充電價的敏感性充分挖掘用戶的響應潛力。

表5給出了各場景下削峰率的大小，場景2（4∶3∶2）、5（3∶3∶2）的削峰效果較好，此時峰平谷各時段的電價相差不是特別嚴重，沒有出現電價兩極分化的情況。當峰平谷時段的價差較大，尤其是峰谷價差較大時，充電站的峰值負荷出現的時段由響應前的電價峰值時段轉移為響應后的電價低谷時段，即充電站的峰值時段與電價峰值時段呈逆向分布。當峰谷差電價過大時，容易導致轉移充電時段的用戶過多，從而在谷時段形成新的充電高峰。因此峰谷電價差設置不宜過大。

具體地，由圖8 的（a）～（f）可知，當峰平谷價差較大時，用戶傾向于在電價較低的時段充電，并避開峰時，受到用戶作息習慣的影響，充電時段多集中在上午6—8 時的上班前的時段；當峰平谷價差不大時，用戶在各個時間段的充電情況大致較為均勻，但是由于峰谷價差仍然存在，因此選擇上午6—8 時的用戶仍有許多。

3 結束語

為進一步挖掘電動汽車的需求響應潛力，本文提出考慮電動汽車用戶決策行為的電價型需求響應模型。由仿真結果可知，用戶能夠結合自身出行需求以及充電價的情況合理調整自己的充電時段和充電時長，且具有較大的調節潛力。同時，用戶的充電行為對充電價較為敏感，在一定的峰谷電價差下能夠很好地引導用戶錯峰充電，但是當峰谷電價差過大時，容易在谷時段形成新的充電高峰，進而導致充電設施緊缺。因此，電網側可根據用戶對充電價的敏感性設置合理的電價來充分挖掘用戶的響應潛力。