淺析用戶行為的V2G模式下電動汽車有序充電控製負荷預測研究

hth下载地址 陳聰

摘要：針對電動汽車充電負荷與(yu) 運營經濟收益的矛盾問題，以用戶側(ce) 為(wei) 研究對象，用戶行為(wei) 習(xi) 慣為(wei) 約束條件，建立粒子群控製策略模型。在保證電動汽車正常使用的情況下，利用粒子群算法計算出的充放電功率分布，使參與(yu) V2G的用戶則可以在分時電價(jia) 基礎上選擇出合適的時間段向電網饋電，進而獲取經濟收益。對基於(yu) 用戶行為(wei) 的實時電價(jia) 下電動汽車與(yu) 電網交換功率進行仿真分析，驗證其算法的可行性和有效性。

關(guan) 鍵詞：電動汽車；有序充放電；控製策略；V2G

電動汽車配套設施的充電網絡係統提出了要求。一套智能充電係統及充電策略不僅(jin) 可以使充電網絡的負荷波動小，減少充電係統電網壓力，也可以將用戶經濟成本降低，達到用戶側(ce) 和電網側(ce) 雙贏的結果。提出了：基於(yu) V2G技術的PHEV有序充放電策略和電壓電流雙閉環的電壓空間矢量控製策略。考慮納入車主行為(wei) 的條件並滿足電網功率進行有序充放電策略。采用混合式充電方式解決(jue) 大規模車輛充電的影響和根據不同時間段製定充放電的電價(jia) ，並提出目標函數有序充電策略。當前大多數的管理策略未能考慮分析，多數學者通常從(cong) 電池的容量及剩餘(yu) 電量出發考慮，研究比較片麵，僅(jin) 側(ce) 重頻率調節或負荷平衡，V2G技術的優(you) 勢未能充分發揮。本文以用戶側(ce) 為(wei) 研究對象，車主行為(wei) 習(xi) 慣為(wei) 約束條件，建立粒子群控製模型。1　1基於(yu) 用戶行為(wei) 的V2G控製策略描述

文中所有采用V2G的車輛均是在特定時間內(nei) 完成充電或放電，充放電時間段不同，經濟收益也不同，這種方式並未改變電池的充放電次數，隻進行時間上的調整，減少對電動車儲(chu) 能電池的傷(shang) 害和衝(chong) 擊，不會(hui) 折損其壽命。綜合考慮電網企業(ye) 目前實行的分時電價(jia) 計價(jia) 原則，將用戶參與(yu) V2G獲得的經濟收益設定為(wei) 目標函數，在一定的約束條件下，采用粒子群優(you) 化算法，尋求目標函數解。在實時電價(jia) 的背景下，用戶調整自身充電時間，在高峰期可以向電網饋電，輔助電網調頻，削峰填穀，進而獲取經濟效益；在低峰期時，用戶開始充電，降低經濟費用。考慮到用戶存在有些時間段不參與(yu) V2G技術，因此可實現在一天的部分時間段內(nei) 設置與(yu) 電網的交換功率為(wei) 0。

2電動汽車充電負荷預測研究

電動汽車具有高能效、低汙染、環境友好等優(you) 勢，成為(wei) 緩解能源危機與(yu) 環境汙染的重要手段。然而大量的電動汽車充電需求將引發新一輪的用電負荷增長，造成配電線路的“阻塞”，因此，電力企業(ye) 除了從(cong) 供給側(ce) 對電力係統進行規劃與(yu) 調度外，也著力於(yu) 從(cong) 需求側(ce) 提高電動汽車充電負荷的預測水平。

目前電動汽車的充電負荷建模主要分為(wei) 時序建模和時空建模。綜合考慮多重因素利用Bass回歸分析模型預測EV保有量，根據用戶充電行為(wei) 的概率密度函數得到三種電動汽車的充電負荷預測結果。

時序建模是利用元日期窗口與(yu) 大數定理，建立多日一充的模式，考慮EV用戶充電習(xi) 慣的不確定性，利用二項分布建立電動汽車充電負荷的計算模型。時序性建模方法大多根據車主出行結束到家時刻和日行駛裏程進行建模，但是不同類型的電動汽車在不同時段停駛於(yu) 不同目的地，將產(chan) 生不同的充電需求，因而未能涉及到電動汽車的空間位移特性。

行鏈理論的時空建模方法考慮用戶在不同功能分區的出行規律，采用出行鏈理論模擬充電負荷的時空分布。基於(yu) 出行鏈理論隨機生成一天的出行序列，結合居民出行調研數據建立EV充電負荷預測模型。綜合考慮電動汽車類型和區域特性，通過改進重力模型進行充電負荷計算。於(yu) 出行鏈理論，考慮分時電價(jia) 、載客量以及溫度的影響，分別建立了私家車、出租車以及公交車的充電負荷模型。上述大多基於(yu) 出行鏈理論獲得電動汽車充電負荷在不同功能分區的時空分布，但未能考慮實際道路交通與(yu) 電網的耦合關(guan) 係，也未能計及實際交通路網以及動態交通信息對充電負荷的影響，使得充電負荷預測精度不高。

時空預測方法通過建立全軌跡空間模型表征電動汽車的時空屬性，考慮用戶的充電意願以及出行需求，疊加日充電功率獲得充電負荷的時空分布。考慮動態交通路況建立車輛時空轉移模型，通過建立出行時間和出行目的地的聯合概率密度分布確定下一行駛特征，提出精度較

高的時空預測方法。

3有源配電網優(you) 化運行研究

傳(chuan) 統調壓方式包括有載調壓變壓器調節分接頭擋位，投切電容器組、靜止無功補償(chang) 器等無功裝置就地補償(chang) ，但是隨著大量電動汽車和高比例可再生能源並入電網，電動汽車充電的隨機性以及分布式電源出力的不確定性對有源配電網的安全穩定運行提出了更高要求。傳(chuan) 統調壓方式難以應對大規模電動汽車充電以及分布式電源消納帶來的電壓波動問題，而電動汽車與(yu) 電網互動技術和DG逆變器技術的發展為(wei) 電網、電源、負荷三者之間的協調優(you) 化提供了技術支撐，通過源源互補，網源協調以及源荷互動實現係統電壓的優(you) 化控製，成為(wei) 當前研究的熱點。

針對電動汽車接入與(yu) 分布式電源共存的配電網，建立了風電、光伏發電以及EV充電負荷的概率模型，並與(yu) 無功補償(chang) 裝置相結合建立概率調壓模型，獲得較好的電壓穩定效果。對電動汽車充電進行有序調度，同時將傳(chuan) 統調壓方式與(yu) DG無功出力相結合，建立不同時段的無功電壓協調優(you) 化模型，有效地改善了係統的運行電壓。通過建立節點EV充電負荷模型提出了有源配電網的日前和日內(nei) 優(you) 化運行模型，分兩(liang) 階段優(you) 化電動汽車的有序充電，有效地降低了購電成本。上述僅(jin) 將電動汽車作為(wei) 充電負荷，適用於(yu) 電動汽車規模較小的情況，且網、源、荷三者協調優(you) 化的效果不高，有源配電網接納分布式電源的能力有限，也無法適應大規模電動汽車的充電需求。隨著V2G技術的應用和分時電價(jia) 的普及，電動汽車除了作為(wei) 負

荷充電外，也可以作為(wei) 移動儲(chu) 能元件進行放電參與(yu) 電網的多源互補協調優(you) 化。協調電動汽車V2G模式與(yu) 風電、光伏發電的有功出力，建立了多目標協同調度模型，能夠使得電動汽車用戶收益，避免了可再生能源間歇出力的影響。基於(yu) DG逆變器的有功、無功解耦控製，提出可跨地區消納DG的多目標優(you) 化調度模型，能夠挖掘分布式電源的無功潛力，促進DG的消納以及提高其利用率。將有源配電網的優(you) 化控製劃分為(wei) 長周期有功、無功資源優(you) 化控製和短周期多源協調校正控製，前者進行優(you) 化實現潮流控製，後者對有源配電網進行分區劃定，實現多源協同優(you) 化運行。考慮電動汽車的充電跳躍性，建立周期內(nei) 多時段優(you) 化運行模型，實現了電動汽車V2G調節與(yu) 其他調壓方式的運行優(you) 化。基於(yu) V2G模式考慮需求側(ce) 具有儲(chu) 能特性和非儲(chu) 能特性的雙向可控負荷，協同其他電壓調節方式建立電壓無功多目標優(you) 化模型，在提高需求響應的同時改善了有源配電網的潮流分布。

從(cong) 無序充電到有序充放電策略，大多對電動汽車進行個(ge) 體(ti) 調度，實際可操作性不強，因此，當前的研究也有諸多采用集群控製策略。通過提取電動汽車集群控製模型的隨機特征參數，跟蹤電動汽車充電特性，獲取充放電策略。考慮到EV充放電的靈活性，通過對電動汽車集群控製，並跟蹤光伏發電出力曲線，建立了基於(yu) MPC的實時凸優(you) 化調度模型，有效避免過充或過放的同時降低了光伏發電出力的波動。集群調度需要提取電動汽車的隨機特征，優(you) 化時間較長，也容易忽略單個(ge) 電動汽車的特性參數。針對集群控製和個(ge) 體(ti) 調度存在的問題，提出一種分布式電動汽車調度策略，通過協調電動汽車集控和停車場協控獲取充放電功率，減小了算法維度，提高了電動汽車的響應速度，但不包含其他無功補償(chang) 裝置協調控製。通過對電動汽車分群，從(cong) 充放電係統和網絡拓撲兩(liang) 個(ge) 層麵搭建內(nei) 外嵌套模型優(you) 化調度電動汽車的充放電功率，能夠保證車主利益的同時優(you) 化配電網的運行工況，但將24小時根據充電時間和充電行為(wei) 特性進行分群，忽略了各個(ge) 時段以及不同功能分區充電負荷的隨機性。針對高層住宅小區，對電動汽車充放電提出分層優(you) 化控製策略，三層優(you) 化控製模型相互補充，將分布控製與(yu) 集中控製相結合，具有較好的經濟效益與(yu) 應用價(jia) 值，但未能與(yu) 上層配電網相結合，也未涉及分布式電源，適用範圍較窄。

綜上所述，針對電動汽車以V2G模式參與(yu) 有源配電網的運行進行了諸多研究，但是隨著電動汽車規模擴大，一方麵要考慮電動汽車入網的控製策略，也要考慮電動汽車規模的調度方式，另一方麵，不同區域內(nei) 電動汽車類型以及充電負荷的時空分布對有源配電網的影響不同，需要根據各區域的負荷、電動汽車和分布式電源的分布特性，使之相互協調有針對性地製定相應區域的充放電調度。與(yu) 此同時，將電動汽車與(yu) 各調壓方式相結合優(you) 化有源配電網的運行時，電動汽車調度往往以宏觀的角度平抑負荷波動，而各調壓方式則以各時段優(you) 化為(wei) 主，因此，需要考慮兩(liang) 者不同的時間維度進行協調優(you) 化，充分調度電動汽車充放電以減少其他調壓方式的成本，充分利用DG逆變器的複用技術發出無功以消納過剩的出力，並平衡係統的運行電壓，從(cong) 而實現有源配電網的經濟和安全運行。

4hth下载地址充電樁收費運營雲(yun) 平台係統選型方案

4.1概述

AcrelCloud-9000hth下载地址充電柱收費運營雲(yun) 平台係統通過物聯網技術對接入係統的電動電動自行車充電站以及各個(ge) 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，雲(yun) 閃付掃碼充電。

4.2應用場所

適用於(yu) 民用建築、一般工業(ye) 建築、居住小區、實業(ye) 單位、商業(ye) 綜合體(ti) 、學校、園區等充電樁模式的充電基礎設施設計。

4.3係統結構

係統分為(wei) 四層：

1）即數據采集層、網絡傳(chuan) 輸層、數據層和客戶端層。

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

3）網絡傳(chuan) 輸層：通過4G網絡將數據上傳(chuan) 至搭建好的數據庫服務器。

4）數據層：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、曆史數據庫、基礎數據庫。

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

小區充電平台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(wei) 運維人員提供運維APP，充電用戶提供充電小程序。

4.4hth下载地址充電樁雲(yun) 平台係統功能

4.4.1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(ge) 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。

4.4.2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。

4.4.3交易管理

平台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。

4.4.4故障管理

設備自動上報故障信息，平台管理人員可通過平台查看故障信息並進行派發處理，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後將結果上報。充電用戶也可通過充電小程序反饋現場問題。

4.4.5統計分析

通過係統平台，從(cong) 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。

4.4.6基礎數據管理

在係統平台建立運營商戶，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(jia) 格策略、折扣、優(you) 惠活動，同時可管理在線卡用戶充值、凍結和解綁。

4.4.7運維APP

麵向運維人員使用，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

4.4.8充電小程序

麵向充電用戶使用，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。

4.4.9係統硬件配置

5 總結

針對集中式充放電實現方式，以用戶側(ce) 為(wei) 研究對象，用戶側(ce) 經濟費用低、對電網擾動小為(wei) 研究目標。結合當前電網企業(ye) 實行的峰穀電價(jia) 政策，給出電動汽車與(yu) 電網每一時刻的交換功率，使整體(ti) 達到雙贏的結果。

本文盡管在分布式電源的時序建模、電動汽車充電負荷的時空預測以及有源配電網的優(you) 化運行方麵取得了一定成果，但仍存在一些不足，有待進一步研究和完善：

(1)分布式電源出力的時序建模中主要基於(yu) 狀態數決(jue) 策模型確定狀態數，後續可研究曆史功率序列的聚類分析確定狀態數；滑動平均濾波法的時間窗設置依賴於(yu) 經驗，後續可製定相應的控製策略確定時間窗大小，也可綜合考慮其他濾波方法進行對比分析。

(2)對於(yu) 電動汽車充電負荷的時空預測，僅(jin) 考慮了出租車和私家車，後續可研究其他類型電動汽車的時空分布情況，且電動汽車的出行規律基於(yu) 全美家庭交通出行調查數據，隨著電動汽車的廣泛應用，未來可參考國內(nei) 電動汽車用戶的出行規律；路阻函數模型僅(jin) 考慮道路交叉路口延遲和路段延遲，後續研究可基於(yu) 交通道路規劃情況，考慮電動汽車具體(ti) 行駛車道，建立包含左轉、右轉和直行的路阻函數模型。

(3)有源配電網的雙層優(you) 化運行模型以24小時為(wei) 調度周期，對於(yu) 上層優(you) 化模型來說，時間跨度相對較大，對算法尋優(you) 的性能要求較高，後續可分時段進行充放電的優(you) 化調度；分布式電源的短期功率預測誤差雖滿足預測標準，但需進一步優(you) 化神經網絡以獲得更高的精度；配電網優(you) 化運行研究僅(jin) 開展了日前優(you) 化運行，開展實時滾動和反饋優(you) 化運行研究。

參考文獻

1. 薛靜雲(yun) ,張銀環.基於(yu) 用戶行為(wei) 的V2G模式下電動汽車等有序充放電控製策略研究

2. 彭晶,黃虹,劉福潮,基於(yu) V2G技術的電動汽車有序充放電策略研究

[3] hth下载地址企業(ye) 微電網設計與(yu) 應用手冊(ce) .2022.05版