安科瑞 陳聰

摘要:環境污染和能源危機問題越發嚴重,電動汽車因其低排放、低噪音等優勢受到廣泛關注。但大量接入電網充電的電動汽車將會對電力系統產生巨大影響。特別是生活區域,電動汽車用戶普遍習慣下班后進入小區立即給電動汽車充電,而這一時期正值居民生活用電高峰時期,大規模不受控的充電行為將對供電系統產生安全風險,影響電網的正常運行。針對這一現象,以“削峰填谷”為主要目標建立住宅區內電動汽車充電電費定價的雙層規劃模型,下層是個人用戶充電電費最小化模型,得到充電負荷,上層是電網負荷時間分布均衡模型,求得快、慢兩種充電方式的分時電價,通過分時電價改變居民的充電行為,引導居民錯峰充電，最后通過算例表明電網供電穩定性提高了57.66%。

關鍵詞:電動汽車:分時電價:雙層規劃模型:削峰填谷

一、引言

傳統能源逐漸枯竭,環境問題日益嚴重,作為新能源產業的電動汽車因其低污染、高轉換率的優點受到政府大力支持。隨著汽油成本上升和電動汽車電池技術的不斷進步,電動汽車逐漸成為傳統燃油汽車的替代品,廣受群眾歡迎。在可預計的未來:電動汽車市場將不斷擴大,電動汽車數量也將持續增多。但是,大規模電動汽車接入電網無序充電時其負荷峰值可能超過電網的傳輸極限，打破電力系統的供需平衡,進而影響電網的電壓穩定,針對這些問題,可以從有序智能充電、充電定價策略等不同方面進行研究。本文就從價格方面考慮，從電網和用戶的角度，通過價格引導用戶的充電行為,保證電網平穩運行。

二、問題背景

2.1問題描述

對于大部分電動汽車用戶,尤其是每天固定時間上下班的通勤人員,普遍會選擇在自家住宅區充電,而許多用戶下班回家后在用電需求已經達到高峰的時期立即給汽車充電,這些隨機的充電行為會導致充電負荷和居民生活用電負荷在高峰期高度重疊。

本文從微觀角度,以居民住宅區內的電動汽車為研究對象,同時考慮電網負荷的波動和小區電動汽車用戶的利益,通過建立雙層規劃模型制定不同時段快、慢兩種充電方式的電動汽車充電電價。通過價格的杠桿作用,針對每一輛電動汽車,改變用戶每個時段的充電行為,使準備使用小區充電樁充電的用戶錯峰充電,達到電網負荷曲線“削峰填谷的目的,保證居民生活用電正常,維護電網的安全穩定。

2.2問題假設

本文所研究的問題有如下幾點假設。

1)居民住宅區的充電樁實行一車一樁,每個用戶根據電價自主選擇充電時間段和充電方式,互不影響；

2)用戶的需求電量不超過停車時間內充電可提供的最大電量；

3)對于分時電價未實施的情況,電動汽車用戶的充電行為是歸家后就立即以慢充方式充電；

4)每輛電動汽車固定充電方式下的電池電量與時間呈線性關系。

三、模型建立

電網總負荷由所有電動汽車的充電負荷以及小區基礎負荷組成,而所有電動汽車的充電負荷可通過每輛電動汽車的充電方案得到，同時每輛電動汽車的充電方案受電網中的充電電價影響而改變;因此充電電價可根據電網總負荷制定。

3.1下層模型

將一天分為 24 h,每1h為1個時間段,用t表示,下層模型的研究對象是使用電動汽車出行并最終會返回小區充電的用戶，電動汽車總量為N,電動汽車n∈N=,可充電的時間段在用戶返回小區時間i_n之后至離開小區時間j_n之前,開始時間段以歸家時刻的小時段 t=sh_n 表示，結束時間段以離家時刻的小時段 t=eh_n,表示，根據用戶的歸家和離家時間以及用戶的需求充電電量Q,制定電動汽車在小區停車期間每個時間段的充電方案。下層模型的目標雨數是電動汽車n的充電費用最小化,由各時段不同充電方式充電量和單位電價之積的總和求得,以此輸出每個電動汽車的充電方案。

3.2上層模型

上層模型的研究對象是小區的整個電網,考慮居民生活基礎負荷加入電動汽車的充電負荷后對電網波動的影響,以及居民的電費變化程度,盡量使電費變化程度降低,從某種程度上也保證了電力供應商的利益。

目標函數是一天 24 h各個時間段的總負荷標準差以及電價改變前后用戶充電總費用變化最小化,以此求得每個時間段內的快、慢充電價。

四、 應用方案

圖1 有序充電管理系統示意圖

圖2平臺結構圖

充電運營管理平臺是基于物聯網和大數據技術的充電設施管理系統，可以實現對充電樁的監控、調度和管理，提高充電樁的利用率和充電效率，提升用戶的充電體驗和服務質量。用戶可以通過APP或小程序提前預約充電，避免在充電站排隊等待的情況，同時也能為充電站提供更準確的充電需求數據，方便后續的調度和管理。通過平臺可對充電樁的功率、電壓、電流等參數進行實時監控，及時發現和處理充電樁故障和異常情況對充電樁的功率進行控制和管理，確保充電樁在合理的功率范圍內充電，避免對電網造成過大的負荷。

五、安科瑞充電樁云平臺具體的功能

平臺除了對充電樁的監控外，還對充電站的光伏發電系統、儲能系統以及供電系統進行集中監控和統一協調管理，提高充電站的運行可靠性，降低運營成本，平臺系統架構如圖3所示。

圖3 充電樁運營管理平臺系統架構

大屏顯示：展示充電站設備統計、使用率排行、運營統計圖表、節碳量統計等數據。

圖4 大屏展示界面

站點監控：顯示設備實時狀態、設備列表、設備日志、設備狀態統計等功能。

圖5 站點監控界面

設備監控：顯示設備實時信息、配套設備狀態、設備實時曲線、關聯訂單信息、充電功率曲線等。

圖6 設備監控界面

運營趨勢統計：顯示運營信息查詢、站點對比曲線、日月年報表、站點對比列表等功能。

圖7 運營趨勢界面

收益查詢：提供收益匯總、實際收益報表、收益變化曲線、支付方式占比等功能。

圖8 收益查詢界面

故障分析：提供故障匯總、故障狀態餅圖、故障趨勢分析、故障類型餅圖等功能。

圖9 故障分析界面

訂單記錄：提供實時/歷史訂單查詢、訂單終止、訂單詳情、訂單導出、運營商應收信息、充電明細、交易流水查詢、充值余額明細等功能。

圖10 訂單查詢界面

六、產品選型

安科瑞為廣大用戶提供慢充和快充兩種充電方式，便攜式、壁掛式、落地式等多種類型的充電樁，包含智能7kw/21kw交流充電樁，30kw直流充電樁，60kw/80kw/120kw/180kw直流一體式充電樁來滿足新能源汽車行業快速、經濟、智能運營管理的市場需求。實現對動力電池快速、高效、安全、合理的電量補給，同時為提高公共充電樁的效率和實用性，具有有智能監測：充電樁智能控制器對充電樁具備測量、控制與保護的功能；智能計量：輸出配置智能電能表，進行充電計量，具備完善的通信功能；云平臺：具備連接云平臺的功能，可以實現實時監控，財務報表分析等等；遠程升級：具備完善的通訊功能，可遠程對設備軟件進行升級；保護功能：具備防雷保護、過載保護、短路保護，漏電保護和接地保護等功能；適配車型：滿足國標充電接口，適配所有符合國標的電動汽車，適應不同車型的不同功率。下面是具體產品的型號和技術參數。

七、現場圖片

八、結論

針對住宅區內大規模電動汽車無序接人電網的現象建立雙層規劃模型，為一天24個時段分別制定不同的電價,下層模型利用上層得到的分時電價,引導每名電動汽車用戶錯峰充電,保證所有用戶充電費用最小化,將下層模型得到的充電負荷輸人上層優化分時電價,逐漸平抑電網波動，“削峰填谷”保證電網安全。

1)優化模型不但大大減小了電網負荷波動,供電穩定性提高 57.66%,也一定程度降低了用戶的充電費用,電動汽車的充電時長平均減少 29.17%。

2)該模型在優化適用時間上沒有限制,也可適用于周末節假日時期。

3)電動汽車用戶的歸家、離家時間具有很強的隨機性,以后還應考慮這一因素,加強模型的魯棒性;另外小區電動汽車充電樁數量有限,本文考慮的是所有電動汽車“一車一樁”的情況,未來還可以進一步分析共享充電樁下的電動汽車充電定價策略。

參 考 文 獻：

[1]CLEMENTNYNS K,HAESEN E,DRIESEN J. The impact of charging plugin hybrid electric vehicles on a residential distribution grid[J]. IEEE Transactions on Power Systems2010,25(1):371-380.

[2]MITRA P,VENAYAGAMOORTHY G K. Wide area control for improving stability of a power system with plug in electric vehicles[J]. IET Generat Transmiss Distrib ,2010, 10(4):1151-1163.

[3] MAKASA KJ,VENAYAGAMOOTRHY G K. Estimation of voltage stability index in a power system with Plug -in Electric Vehicles[C]//2010 IREP Symposium Bulk Power System Dynamics and Control-VII (IREP). IEEE ,2010 :1-7.

[4] SORTOMME E,HINDI M,MACPHERSON S,et al. Coordinated charging of plugin hybrid electric vehicles to minimize distribution system losses[J], EEE Transactions on Smart Grid,2011,2(1):198-205.

[5]DEILAMI S,MASOUM A S,MOSES P S,et al. Real-time coordination of plug-in electric vehicle charging in smart grids to minimize power losses and improve voltage profile[J].IEEE Transactions on Smart Grid,2011,2(3):456-467.

[6]WU X,HU X,YIN X,et al. Stochastic optimal energy management of smart home with PEV energy storage[J]. EEE Transactions on Smart Grid,2016,9(3):2065-2075.

[7]李秋碩,肖湘寧,郭靜,等.電動汽車有序充電方法研究[J].電網技術, 2012.36(12):32-38.

LI Q S,XIA0 X N,GUO J,et al. Research on orderly charging method of electric vehicle[J]. Power Grid Technology,2012,36(12):32-38.

[8]楊秀菊,白曉清,李佩杰,等.電動汽車規模化接入配電網的充電優化[J].電力自動化設備,2015,35(6):31-36.

YANG X J,BAI X O,L P J,et al. Charging optimization of electric vehicles scaled to the distribution network[J]. Power Automation Equipment,2015,35(6):31-36.

[9]CAO Y,TANG S,LI C,et al. An optimized EV charging model considering TOU price and SOC curve[J]. EEE Transactions on Smart Grid,2011,3(1):388-393.

[10] MOGHADDAM Z,AHMAD I,HABIBI D,et al. A coordinated dynamic pricing model for electric vehicle charging stations[J],IEEE Transactions on Transportation Electrification,2019,5(1):226-238.

[11] RUI T,HU C,LI G,et al. A distributed charging strategy based on day ahead price model for PV-powered electric vehicle charging station[J]. Applied Soft Computing,2019,76:638-648.

[12]常方宇,黃梅,張維戈.分時充電價格下電動汽車有序充電引導策略[J].電網技術,2016,40(9):2609-2615.

CHANG F Y,HUANG M,ZHANG W G. Orderly charging guidance strategy for electric vehicles under time-sharing charging price[J]. Power Grid Technology , 2016, 40(9):2609-2615.

[13]項頂,宋永華,胡澤春,等.電動汽車參與 V2G的*優峰谷電價研究[J].中國電機工程學報,2013,33(31):15-25.

XIANG D,SONG Y H,HU Z C,et al. Research on the optimal peak-to-valley tariff for electric vehicle participation in V2G[J]. Chinese Journal of Electrical Engineering,2013,2013,33(31):15-25.