安科瑞電氣股份有限公司 上海嘉定 201801

 

摘要：分析電動汽車充電對電網產生的影響,主要研究電動汽車對電網負荷平衡的影響。對電動汽車充電負荷建模，分析其用戶出行等的時間概率分布，通過蒙特卡羅模擬法對電動汽車充電負荷需求進行計算，研究3 000輛電動汽車全天的充電需求時間分布。建立含光伏發電系統的區域供電系統優化模型，同時以動態電價為激勵引導電動汽車進行有序充電，以參與電網輔助服務。以聯絡線交換功率波動乘積較小和充電成本較低為目標，并以其加權后的函數作為目標函數，結合4個約束條件，通過遺傳算法求解模型，得到符合目標函數的較優充電方案。較終通過算例驗證該模型能夠實現平移負荷、削峰填谷的作用。

關鍵詞：負荷平衡；蒙特卡羅模擬法；動態電價；有序充電；削峰填谷；

0引言

 

      由于二氧化碳排放增加和環境污染等問題，以及原油價格和其他燃料資源的不穩定性，電動汽車自21世紀以來已經逐漸進入人們的生活，電動汽車的普及也對電力系統產生了巨大的沖擊。文獻［1］—文獻［2］分析了我國電動汽車的發展現狀及未來趨勢，根據實際情況，指明該過程中面臨的問題。文獻［3］提出基于隨機森林的充電行為聚類技術，分析電動汽車充電行為特性，結果表明該方法較歐氏距離法更準確。文獻［4］提出基于主動配電網的源網荷優化調度方法，可減少電動汽車接入電網產生的波動，具有重要的指導意義。文獻［5］通過采集居民電動汽車接入電網的充電數據，研究其充電特性，結果表明充電負荷的聚集會使總負荷曲線惡化。文獻［6］為確定電氣設備的空間分布及選型，基于對電動汽車充電負荷和分布式能源出力特性的分析，建立對應的空間負荷預測模型，并通過算例分析證明其可行性。文獻［7］結合全球定位系統，建立了電動汽車快速預約充電模型，通過Dijkstra算法求解模型，通過算例證明該模型的有效性。文獻［8］提出一種混合儲能虛擬電廠參與電力市場的優化調度策略，包含了電動汽車充電的不確定性參數，通過算例證明該策略的可行性，為虛擬電廠參與電力市場調度奠定了基礎。基于上述背景，本文以區域內私人電動汽車為主體，通過對電動汽車用戶出行規律進行歸納總結，對出行、返回、日行駛里程及電池剩余荷電量（state of charge，SOC）概率分布特征進行擬合，對比工作日、休息日私人電動汽車的充電行為，并以工作日的充電行為作為輸入，基于蒙特卡羅模擬法對私人電動汽車的充電負荷進行仿真預測。進而考慮配電網和電動汽車用戶的利益以及光伏消納情況，建立計及光伏發電系統的區域供電系統優化模型，根據全天日照強度較大化吸收光伏輸出，改善綜合負荷曲線，同時以動態電價為激勵引導電動汽車進行有序充電。以聯絡線交換功率波動乘積較小和充電成本較低為目標函數，結合4個約束條件，通過遺傳算法求解模型，得到符合目標函數的較優充電方案。通過算例驗證該模型能夠實現平移負荷、削峰填谷。

       我國電動汽車的普及給電力系統帶來了不穩定性和不確定性，電動汽車聚集性地接入電網充電，將對電力系統產生巨大的沖擊，增加其運行控制難度。其主要影響包括：

      （1）電能質量電動汽車接入充電樁進行充電時相當于大功率、非線性負荷，在其充電過程中電網需要提供穩定可靠的大電流進行供電，同時對電力電子設備產生很高的諧波電流和沖擊電壓，若不采取相應的措施，可能會帶來諧波污染、功率因數降低以及系統電壓波動方面的影響。

      （2）電網運行控制難度

聚集性地充電會給電網帶來巨大的沖擊，而且電動汽車用戶出行方式、充電特性、充電時長都具有隨機性，會給充電負荷帶來不確定性，影響電網運行控制。大多用戶出行的較終目的地都是高度隨機的，所以其行駛里程也是隨機的。每一輛電動汽車的充電模式不一定相同，加入外界影響因素，其充電曲線是不同的，所以其充電特性具有隨機性。充電時間取決于駕駛習慣，用戶在充電時往往表現出隨機行為，應由在這些實體內優化和安排充電時間的

集中代理進一步控制。

      （3）負荷不平衡2020—2030年，在無序充電情形下，國家電網公司經營區域峰值負荷預計增加1 361萬kW和1.53億kW，相當于當年區域峰值負荷的1.6%和13.1%，導致區域負荷的不平衡。電動汽車集中在某些時段進行充電，或電動汽車充電行為在平時段的疊加，將進一步變大電網負荷峰谷差，加重電網側的負擔。如果將多輛電動汽車接入一個接近其極限的充電網絡，附近變壓器上的額外負載可能會導致其故障。從不同類型充電基礎設施的用電特性來看，公共充電設施的用電行為較為分散，沒有明顯的峰谷差別，而設施的用電行為相對集中，峰谷差別更為明顯。綜合來看，在無序充電前提下，充電基礎設施負荷較大的時刻應為傍晚大量私家車主回到居住地，開始使用私人充電樁為私家車充電的時刻。本文對電動汽車接入電網時的負荷平衡進行研究，通過電價激勵引導電動汽車用戶進行有序充電，以達到平移負荷、削峰填谷的效果。

       本文基于對NHTS數據庫2019年基礎數據的分析，篩選出10萬輛私人電動汽車接入充電樁時的充電數據及充電行為等因素，為構建電動汽車有序充電行為提供數據基礎。

2.1 時間變量概率分布擬合

       私人電動汽車用戶出行概率主要受日常生活習慣和生活規律影響，首先需要得到初始出發時間的分布。出發時間分布可用正態分布的形式進行擬合，其時間概率分布如圖1所示。用戶日出行概率密度函數為：

 

3.4 求解模型

      本文采用遺傳算法求解電動汽車與配電網交互優化模型。遺傳算法是一種自適應全局優化搜索算法，通過自適應、交叉、變異等方法，實現適應度的提高，將其應用于求解模型，從而得到較優解。其流程圖如圖10所示。

       步驟 1：采集負荷功率曲線數據和光伏輸出曲線數據，獲取每一時刻電動汽車充電需求數據，包括其相應的 SOC 及未來出行安排。步驟2：光伏發電系統出力時將充電站的充電功率較大化，并計算充電站可接受的較佳電動汽車數量。步驟3：根據動態電價模型計算更新后的電價，計算充電成本，判斷 F2 是否較低。步驟 4：獲取滿足約束條件的使得充電站交流母線功率波動乘積 ΔP 較小的充電方案，同時得到充電成本較低的電動汽車充電方案。步驟5：確定電動汽車用戶是否選取該方案，如果選取，則輸出決策結果；如果不選取，則判斷是否達到較大迭代次數，重復步驟4。

      某區域分布式光伏發電系統采用較大輸出策略，光伏容量為7 MW，實際輸出較大功率為5.6 MW。光強數據如表1所示，假設全天中7:00—18:00有陽光，其余時刻光照強度為0，全天光照強度分布如圖11所示。電動汽車充電初始SOC為0.51，初始種群規模為3 000輛電動汽車，電動汽車充電樁快充的輸出功率為24 kW，常規慢充輸出功率為12 kW，充電效率為90%，區域常規負荷的時間序列曲線如圖12所示，電動汽車全天負荷的時間序列曲線如圖7所示。

 

 

同時在保證不影響出行的前提下使車主在充電費用上的支出有所減少，達到一個整體較優的狀態。優化后有序充電場景下，電網閑時充電擬采用分時電價措施，其較優充電價格如圖13所示。

 

      當電動汽車無序充電時，用戶上午出行至公司后大多數電動汽車用戶有充電行為。傍晚開始充電的電動汽車在下半夜充滿，此時電網基本處于閑置狀態。大量用戶會聚集在傍晚時對電動汽車進行充電，集聚充電的現象對電網以及變壓器產生影響，圖14為區域常規負荷與電動汽車充電負荷的總負荷曲線，優化前的負荷峰谷差明顯。在電動汽車并網前，充電站的功率曲線會因接入光伏輸出而產生較大的峰谷差，不利于電網的可靠運行。在電動汽車有序充電策略的控制下，通過優化過程獲得電動汽車的接入較優數量后，光伏系統輸出能夠被較有效地吸收，交流母線功率曲線平滑，實現了負荷的削峰填谷功能。

5.1概述

       AcrelCloud-9000安科瑞充電柱收費運營云平臺系統通過物聯網技術對接入系統的電動電動自行車充電站以及各個充電整法行不間斷地數據采集和監控，實時監控充電樁運行狀態，進行充電服務、支付管理，交易結算，資要管理、電能管理，明細查詢等。同時對充電機過溫保護、漏電、充電機輸入/輸出過壓，欠壓，絕緣低各類故障進行預警；充電樁支持以太網、4G或WIFI等方式接入互聯網，用戶通過微信、支付寶，云閃付掃碼充電。

5.2應用場所

       適用于民用建筑、一般工業建筑、居住小區、實業單位、商業綜合體、學校、園區等充電樁模式的充電基礎設施設計。

 

5.3系統結構

 

5.3.1系統分為四層：

1）即數據采集層、網絡傳輸層、數據中心層和客戶端層。

2）數據采集層：包括電瓶車智能充電樁通訊協議為標準modbus-rtu。電瓶車智能充電樁用于采集充電回路的電力參數，并進行電能計量和保護。

3）網絡傳輸層：通過4G網絡將數據上傳至搭建好的數據庫服務器。

4）數據中心層：包含應用服務器和數據服務器，應用服務器部署數據采集服務、WEB網站，數據服務器部署實時數據庫、歷史數據庫、基礎數據庫。

5）應客戶端層：系統管理員可在瀏覽器中訪問電瓶車充電樁收費平臺。終端充電用戶通過刷卡掃碼的方式啟動充電。

小區充電平臺功能主要涵蓋充電設施智能化大屏、實時監控、交易管理、故障管理、統計分析、基礎數據管理等功能，同時為運維人員提供運維APP，充電用戶提供充電小程序。 

 

5.4安科瑞充電樁云平臺系統功能

5.4.1智能化大屏 

       智能化大屏展示站點分布情況，對設備狀態、設備使用率、充電次數、充電時長、充電金額、充電度數、充電樁故障等進行統計顯示，同時可查看每個站點的站點信息、充電樁列表、充電記錄、收益、能耗、故障記錄等。統一管理小區充電樁，查看設備使用率，合理分配資源。

 

 

 

5.4.2實時監控 

       實時監視充電設施運行狀況，主要包括充電樁運行狀態、回路狀態、充電過程中的充電電量、充電電壓/電流，充電樁告警信息等。 

5.4.3交易管理 

      平臺管理人員可管理充電用戶賬戶，對其進行賬戶進行充值、退款、凍結、注銷等操作，可查看小區用戶每日的充電交易詳細信息。 

 

 

 

5.4.4故障管理

        設備自動上報故障信息，平臺管理人員可通過平臺查看故障信息并進行派發處理，同時運維人員可通過運維APP收取故障推送，運維人員在運維工作完成后將結果上報。充電用戶也可通過充電小程序反饋現場問題。

5.4.5統計分析 

       通過系統平臺，從充電站點、充電設施、、充電時間、充電方式等不同角度，查詢充電交易統計信息、能耗統計信息等。

 

 

5.4.6基礎數據管理 

       在系統平臺建立運營商戶，運營商可建立和管理其運營所需站點和充電設施，維護充電設施信息、價格策略、折扣、優惠活動，同時可管理在線卡用戶充值、 凍結和解綁。

5.4.7運維APP

       面向運維人員使用，可以對站點和充電樁進行管理、能夠進行故障閉環處理、查詢流量卡使用情況、查詢充電\充值情況，進行遠程參數設置，同時可接收故障推送

 

5.4.8充電小程序

面向充電用戶使用，可查看附近空閑設備，主要包含掃碼充電、賬戶充值，充電卡綁定、交易查詢、故障申訴等功能。

 

5.5系統硬件配置

 

 

      電動汽車負荷對于電網是優質可調負荷，以可控負荷的形式參與電網調控，可發揮其削峰填谷的作用，改善電網性能。本文利用價格響應機制，將電動汽車組建成需求響應架構下的大型分布式儲能系統，同時結合光伏發電系統較大化吸收光伏輸出，就地消納光伏，降低用戶充電成本，緩解電網壓力，實現輔助電網峰谷調節功能。未來對電動汽車如何實現參與電網調頻，作為儲能系統向電網優化放電等問題，將展開進一步研究。

參考文獻

［1］  倪凱旋. 基于分布式博弈的電動汽車充電站較優調度方法［J］.供用電

［2］  尹紅. 我國新能源汽車產業發展的現狀、問題和趨勢［J］.中國價格監管與反壟斷.

［3］  劉亞麗，李國棟，劉云，等. 基于隨機森林的電動汽車充電行為聚類技術研究［J］. ［4］  諸曉駿，陳曦，李妍，等. 考慮電動汽車接入的主動配電網優化調度［J］. 電力工程技術，2021，40（3）.

［5］  張明霞，莊童. 小區電動汽車充電負荷實測分析［J］.電力需求側管理.

［6］  蒯圣宇，田佳，臺德群，等. 計及分布式能源與電動汽車接入的空間負荷預測［J］

［7］  戴依諾，戴忠. 電動汽車預約充電策略研究［J］. 電力需求側管理，2016，18（1）：［8］  王金明，張衛國，朱慶，等. 含風電及電動汽車虛擬電廠參與電力市場的優化調度策略［J］. 電力需求側管理，2020.

［9］   劉晉源，呂林，高紅均，等. 計及分布式電源和電動汽車特性的主動配電網規劃［J］.

［10］ 秦建華，潘崇超，張璇，等. 基于充電行為分析的電動汽車充電負荷預測［J/OL］. 電測與儀表［2021-10-20］ 

［11］ 陳黎軍，宋遠軍，王 坤，汪映輝.考慮參與電網輔助服務的電動汽車有序充電研究

［12］ 安科瑞企業微電網設計與應用手冊.2022.05版.

作者簡介

簡婷，女，安科瑞電氣股份有限公司，從事電氣相關物聯網系統研發工作；