hth下载地址 陳聰

摘要:電動汽車以無序充電方式接入配電網時與(yu) 網內(nei) 基礎用電負荷疊加，會(hui) 形成峰上加峰的現象，不利於(yu) 配電網的穩定運行。針對上述問題，首先對私家車充電負荷進行建模，采用蒙特卡羅抽樣模擬電動汽車無序行為(wei) 下的充電負荷曲線。然後提出一種新型的多時段動態充電價(jia) 格機製，引導車主有序充電，並以配電網負荷波動最小為(wei) 目標函數，優(you) 化電動汽車充電行為(wei) 。最後在IEEE33節點配電網中，分別分析有序和無序充電負荷並網時電動汽車充電費用、配電網電壓偏移率及網損，結果表明所提策略可有效兼顧用戶利益和配電網的穩定運行。

關(guan) 鍵詞：電動汽車；配電網；多時段動態充電價(jia) 格；hth下载地址充電樁收費運營雲(yun) 平台係統

1、前言

伴隨我國能源結構的調整，製定以綠色新能源為(wei) 主體(ti) 的新型電力係統可為(wei) 推進國家“雙碳”目標的早日實現發揮積極作用，電動汽車的推廣和應用在節能減排方麵有著優(you) 勢，推進電動汽車發展是推動我國能源轉型發展的重要環節。雖然電動汽車的存在為(wei) 人們(men) 出行帶來了巨大的便利，但由於(yu) 其充電行為(wei) 具有不確定性，大量無序、隨機的負荷直接並網會(hui) 對配電網造成許多不可預知的負麵影響。因此應大力推廣對電動汽車的有序充電管理，以兼顧電網安全、經濟效益和用戶利益。

在解決(jue) 電動汽車並網時如何管控的問題上，已有學者進行研究。考慮到配電網用電峰穀差較大導致變壓器過載和產(chan) 生大量網內(nei) 損耗，提出了一種對電動汽車充電功率進行實時優(you) 化的策略，算例結果表明該策略可以有效降低網損。針對大規模電動汽車入網現象，根據網內(nei) 用電負荷狀態及電動汽車充電需求等實時數據，利用模糊控製算法對電動汽車的充電行為(wei) 做有序優(you) 化，有效避免了大規模車群入網引起的負荷尖峰問題。將電動汽車電池的可放最大容量為(wei) 選定優(you) 化目標，通過競價(jia) 的方法，引導用戶在用電高峰時間段利用電動汽車的V2G技術饋電給電網，以達到“削峰填穀”的效果。基於(yu) 虛擬電價(jia) ，考慮以係統負荷峰穀差最小、用戶經濟性指標最大和電池的折舊費用最小為(wei) 目標對電動汽車建模，通過仿真算例證明了該策略提出的有效性。提出了一種基於(yu) 峰穀分時電價(jia) 為(wei) 背景的，考慮電動汽車充放電隨機性的有序充放電策略，使得電動汽車在負荷高峰期向網饋電，負荷低穀期充電，平滑了網內(nei) 用電曲線。以分時電價(jia) 為(wei) 背景，構建同時考慮用戶用電繳費情況和負荷穩定性的多目標優(you) 化調度模型，使電動汽車參與(yu) 有序充電管理規劃。通過算例分析驗證了該方法不但可以減小負荷的峰穀差，還能提高用戶用電的經濟效益。

2、私家車無序模式充電模型

本文從(cong) 以下4個(ge) 方麵構建電動汽車的充電模型。

a.電動汽車電池特性

本文選用鋰電池為(wei) 研究對象。與(yu) 普通汽車相同，不同類型私家車電池容量有差異。

x=［20，30］ (1)

fQ (x) ={ 其他

式中：fQ為(wei) 私家車鋰電池容量的概率密度；x表示該時刻的電池容量大小，一般取值為(wei) 20～30kWh。

鋰電池充電變化過程如圖1所示。由於(yu) 充電起始過程和結束過程的時間非常短暫，可以近似地認為(wei) 鋰電池充電是恒功率充電。

b.車主日行駛裏程

本文引用美國交通部汽車日出行數據進行分析

圖1鋰電池簡化充電過程

電動汽車車主每日用車行駛裏程數的概率密度函數為(wei) :

fD (z) =exp [－(2)

式中：fD為(wei) 車主日行駛裏程的概率密度函數；μD為(wei) 期望值；σD為(wei) 標準差。

c.車主最後歸程時刻

假設車主每日結束行程時刻即為(wei) 電動汽車每日開始充電時刻，最後歸程概率密度函數為(wei)

exp [－]，μs－12＜w≤24

lexp [－]，0＜w≤μs－12 (3)

fs (w) =<

式中：fs為(wei) 車主最後規程的概率密度函數；w為(wei) 回家時刻；μs為(wei) 期望值；σs為(wei) 標準差。

d.車主離家時間

假設車主每日用車期間隻可放電不可充電，出行開始時刻的概率密度函數為(wei) ：

exp [－]，0＜v≤μd + 12

lexp [－]，μe +12＜v≤24 (4)

fe (v) =<

式中：fe為(wei) 車主啟程離家的概率密度函數；v為(wei) 離家時刻。

結合用戶出行數據及電動汽車充電模型利用蒙特卡洛算法，得到500輛電動汽車的24h無序充電負荷曲線，如圖2所示。

圖2電動汽車無序充電負荷曲線

3、多時段動態電價(jia) 下電動汽車有序充電模型

3.1多時段動態電價(jia) 區間劃分

傳(chuan) 統的分時電價(jia) 一旦製定後其區間不再變化，但居民的用電行為(wei) 會(hui) 隨著季節變化、地域不同和個(ge) 人舒適度而改變，與(yu) 原分時電價(jia) 的價(jia) 格區間範圍有偏差，產(chan) 生負荷和電價(jia) 的峰穀不匹配的現象。而電動汽車的充電行為(wei) 在時間上有很大隨機性，導致實時電價(jia) 的製定考慮因素十分複雜。因此本文根據短期負荷預測為(wei) 基礎提出一種新型的多時段動態電價(jia) 策略。

目前為(wei) 止，隸屬度函數是對傳(chuan) 統用電價(jia) 格進行劃分的成熟且通用性廣的方法。以表1某地區分時電價(jia) 為(wei) 例，首先基於(yu) 模糊數學的理論，可將每個(ge) 時間段認為(wei) 是一個(ge) 獨立的模糊集合，然後利用隸屬度函數構建時段內(nei) 每時刻對應的隸屬度，並根據隸屬度值將其劃分到對應的時間段。再將短期預測的基礎負荷劃分成多時段，根據每時段對應的負荷值計算相對應的電價(jia) 。

表1某地區的分時電價(jia)

電價(jia) 的劃分跨度ΔL為(wei)

ΔL =(5)

Ci = α·ΔL+Cmin (6)

通過以上公式對電價(jia) 的劃分，最後取定結果見圖3。可以看出多時段動態電價(jia) 的製定可隨著基礎荷值的高低自動調節，使得價(jia) 格製定更人性化，價(jia) 格區間劃分更細致，對車主充電行為(wei) 的引導更 精準。

圖3電價(jia) 取定結果

3.2電動汽車有序充電策略

電動汽車聚合商是專(zhuan) 門針對電動汽車充電進行 資源整合的參與(yu) 者，其部署的智能充電樁可提供常規充電模式和充電優(you) 化模式。常規充電模式可將電 動汽車的電池充至期望電量值，而優(you) 化模式則需要根據車主個(ge) 人用電需求輸入結束充電時刻及結束時刻的充電期望值。車輛接入後，充電樁將獲取該車信息，將輸入值及車電池的剩餘(yu) 電量反饋到係統調度中心，對收集的數據進行在線智能計算，形成電動汽車的充電計劃。

3.3目標函數

本文以網內(nei) 負荷波動最小為(wei) 目標函數。

minF =(Pi －P) 2 (7)

Pi = Pi，EV+Pi，load (8)

式中：F為(wei) 目標函數 ；N 為(wei) 穀時段數目；Pi為(wei) 第i個(ge) 時間段配電網內(nei) 的總負荷大小；P為(wei) 總負荷的預期均值；Pi，EV為(wei) 電動汽車並網時第i個(ge) 時段的充電負荷值；Pi，load為(wei) 第i個(ge) 時段配電網的基礎負荷值。

3.4約束條件

a.充電樁充電功率Pch約束

Pch，min ≤Pch ≤Pch，max (9)

b.充電時段T約束Ts ≤T≤Te (10)

本文優(you) 化中不計電池損耗，假設電池容量為(wei) 恒定值。

S =Pi ·Th (11)

3.5算法求解

傳(chuan) 統的遺傳(chuan) 算法是一種起源於(yu) 生物進化規律演 變的尋優(you) 算法。從(cong) 任意初始種群開始，通過選擇、交叉、變異等環節，產(chan) 生一些對環境適應度高的個(ge) 體(ti) 並進入搜索空間中更好的區域，不斷繁衍進化，最終得到最大適應度的個(ge) 體(ti) 作為(wei) 優(you) 解輸出。但由 於(yu) 進化過程中交叉概率參數及變異概率參數為(wei) 定值，忽略了進化過程中種群的自適應特性，存在過早收斂的缺陷。且算法沒有保留精英機製，適應度高的個(ge) 體(ti) 可能在進化中丟(diu) 失優(you) 秀的基因。為(wei) 了解決(jue) 以上問題，本文采用自適應交叉概率 Kc 和自適應變異概率Km以及精英保留機製進行優(you) 化求解。

4、算例仿真與(yu) 分析

4.1仿真場景設定

本文仿真過程選擇在IEEE33節點配電網中進行，其拓撲如圖4所示。假設節點1為(wei) 平衡節點，即電源接入節點，餘(yu) 下32個(ge) 節點全部為(wei) PQ節點。假設整個(ge) 配電網係統中含基礎負荷以及1500輛電動汽車，車群被均勻分配到節點19、23和26中。以私家車比亞(ya) 迪E1車型作為(wei) 研究對象，規定每輛 電動汽車的動力電池規格相同，參數為(wei) :220V，16A慢充模式，限製容量為(wei) 35kWh，3.52kW恒功率充電，充電效率為(wei) 0.82，轉換效率為(wei) 0.90。

圖4IEEE33節點拓撲

4.2對用電負荷的分析

電動汽車以不同方式充電的負荷曲線及配電網總負荷曲線如圖5、圖6所示。

由圖5和圖6可知，通過動態價(jia) 格的引導，電動汽車充電行為(wei) 趨於(yu) 有序化，車主對充電時間段的選擇逐漸向夜間轉移，負荷峰值水平大幅度下降，說明新型電價(jia) 的提出可以使車主的用電行為(wei) 不再大麵積集中，係統總用電負荷曲線相對變得平緩，有削峰填穀的效果。

圖5電動汽車有序/無序充電負荷曲線

圖6配電網總負荷曲線

4.3對配電網影響分析

將IEEE33節點配電網模型的節點負荷參數和優(you) 化後的有序充電負荷數據導入MATLAB軟件語言編程，對比以下3種場景下的配電網電壓偏移及網損。

場景1:配電網內(nei) 未接入電動汽車負荷。場景2:配電網內(nei) 接入無序充電負荷。

場景3:配電網內(nei) 接入有序充電負荷。

圖7表示部分時段下3種用電方式的網損率。可見18:00—24:00由於(yu) 無序充電負荷的接入使得網內(nei) 網損明顯升高。09:00—21:00時，對比接入無序充電負荷和有序充電負荷，後者可有效降低配電網網損，尤其在電價(jia) 高峰時段21:00網損率下降了2.77%，效果明顯。說明多時段分時電價(jia) 的提出引導車主有序充電對調節配電網網損具有一定效果。

圖7部分時段的網損率

由圖8可知，場景1配電網未接入充電負荷時的電壓偏移都抑製在±7%以內(nei) ，縱橫對比沒有發現嚴(yan) 重的電壓偏移現象，但是節點18和19在20:00—21:00時間段上有局部節點處在越限邊界。由圖9可知，場景2中配電網內(nei) 接入無序充電負荷時，節點13－19和28－33在晚間出現電壓越限情況，原因是無序充電負荷的高峰期恰巧與(yu) 網內(nei) 基礎負荷用電的高峰期時段相疊。

圖8未接入充電負荷時各節點電壓仿真圖

圖9接入無序充電負荷時各節點電壓仿真圖

圖10表示場景3下配電網內(nei) 接入有序充電負 荷時各個(ge) 節點電壓的偏移情況。與(yu) 圖9和圖10對比可知，有序充電負荷的接入使局部節點越限現象得到緩解，偏移的電壓回歸到正常標準範圍內(nei) 。說明所提出的新型動態分時電價(jia) 可以通過對電動汽車進行充電有序化管理來改善配電網電壓偏移現象。

由於(yu) 大量負荷突然接入使各節點電壓發生偏移現象，因此對最大負載量時刻(21:00)各節點電 壓偏移情況進行對比更有意義(yi) ，結果如圖11所示

圖10接入有序充電負荷時各節點電壓仿真圖

圖11不同場景下各節點電壓水平曲線

由圖11可知，未接入無序負荷時網內(nei) 各節點 的電壓偏移都抑製在±7%範圍以內(nei) ，電壓無越限行為(wei) 。當無序充電負荷並網後，一部分節點電壓發生顯著偏移，且偏移量均超過規定標準範圍。而經過多時段動態電價(jia) 策略調控的有序充電行為(wei) 接入配電網後，網內(nei) 各節點電壓值還原到標準範圍以內(nei) ，其中變化顯著的18號節點電壓標幺值由0.9467調整到0.9828，電壓偏移率修正了3.61%。

5、hth下载地址充電樁收費運營雲(yun) 平台係統

5.1概述

AcrelCloud-9000hth下载地址充電樁收費運營雲(yun) 平台係統通過物聯網技術對接入係統的汽車充電站、電動自行車充電站以及各個(ge) 充電樁進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，資源管理、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、雲(yun) 閃付掃碼充電。

5.2應用場合

適用於(yu) 住宅小區等物業(ye) 環境、各類企事業(ye) 單位、醫院、景區、學校、園區等公建、公共停車場、公路充電站、公交樞紐、購物中心、商業(ye) 綜合體(ti) 、商業(ye) 廣場、地下停車場、高速服務區、公寓寫(xie) 字樓等場合。

5.3係統結構

現場設備層：連接於(yu) 網絡中的各類傳(chuan) 感器，包括多功能電力儀(yi) 表、汽車充電樁、電瓶車充電樁、電能質量分析儀(yi) 表、電氣火災探測器、限流式保護器、煙霧傳(chuan) 感器、測溫裝置、智能插座、攝像頭等。

網絡通訊層：包含現場智能網關(guan) 、網絡交換機等設備。智能網關(guan) 主動采集現場設備層設備的數據，並可進行規約轉換，數據存儲(chu) ，並通過網絡把數據上傳(chuan) 至搭建好的數據庫服務器，智能網關(guan) 可在網絡故障時將數據存儲(chu) 在本地，待網絡恢複時從(cong) 中斷的位置繼續上傳(chuan) 數據，保證服務器端數據不丟(diu) 失。

平台管理層：包含應用服務器和數據服務器，完成對現場所有智能設備的數據交換，可在PC端或移動端實現實時監測充電站配電係統運行狀態、充電樁的工作狀態、充電過程及人員行為(wei) ，並完成微信、支付寶在線支付等應用。

5.4平台功能描述

5.4.1充電服務

充電設施搜索，充電設施查看，地圖尋址，在線自助支付充電，充電結算，導航等。

5.4.2首頁總覽

總覽當日、當月開戶數、充值金額、充電金額、充電度數、充電次數、充電時長，累計的開戶數、充值金額、充電金額、充電度數、充電次數、充電時長，以及相應的環比增長和同比增長以及樁、站分布地圖導航、本月充電統計。

5.4.3交易結算

充電價(jia) 格策略管理，預收費管理，賬單管理，營收和財務相關(guan) 報表。

5.4.4故障管理

故障管理故障記錄查詢、故障處理、故障確認、故障分析等管理項，為(wei) 用戶管理故障和查詢提供方便。

5.4.5統計分析

統計分析支持運營趨勢分析、收益統計，方便用戶以曲線、能耗分析等分析工具，瀏覽樁的充電運營態勢。

5.4.6運營報告

按對應周期分析汽車、電瓶車充電站、樁運行、交易、充值、充電及報警、故障情況，形成分析報告。

5.4.7APP、小程序移動端支持

通過模糊搜索和地圖搜索的功能，可查詢可用的電樁和電站等詳細信息。掃碼充電，在線支付:掃描充電樁二維碼，完成支付，微信支付完成後，即可進行充電。

5.4.8資源管理

充電站檔案管理，充電樁檔案管理，用戶檔案管理，充電樁運行監測，充電樁異常交易監測。

5.5係統硬件配置

6、結語

本文基於(yu) 分時電價(jia) 與(yu) 短期負荷預測提出了一種新型多時段動態充電價(jia) 格機製，引導車主規劃用車安排，使充電行為(wei) 由無序變為(wei) 有序。建立以配電網內(nei) 負荷波動最小為(wei) 目標函數，利用MATLAB軟件進行算法編程，結果表明所提出的多時段動態電價(jia) 策略可減小網內(nei) 的負荷波動，有明顯的削峰填穀作用，為(wei) 車主減少21.17%的充電成本。此外還有效降低了21:00用電高峰期2.77%的網損率並修正18號節點3.61%的電壓偏移率，實現了保證車主充電利益與(yu) 提高配電網運行安全的並存。

【參考文獻】

1. 於(yu) 瀛涵,陳嘉德等.電動汽車的有序充電管理及其對配電網的影響分析[J].東(dong) 北電力技術,2023

2. 陳麗(li) 丹，張堯.電動汽車充放電負荷預測[J].電力係統自動化，2019，43（10）

3. hth下载地址企業(ye) 微電網設計與(yu) 應用手冊(ce) .2020.6版