摘要：電動汽車以無序充電方式接入配電網(wǎng)時與網(wǎng)內(nèi)基礎(chǔ)用電負荷疊加,，會形成峰上加峰的現(xiàn)象,，不利于配電網(wǎng)的穩(wěn)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下的充電負荷曲線,。然后提出一種新型的多時段動態(tài)充電價格機制，引導車主有序充電,，并以配電網(wǎng)負荷波動比較小為目標函數(shù),，優(yōu)化電動汽車充電行為。比較后在IEEEE3節(jié)點配電網(wǎng)中,，分別分析有序和無序充電負荷并網(wǎng)時電動汽車充電費用,、配電網(wǎng)電壓偏移率及網(wǎng)損，結(jié)果表明所提策略可有效兼顧用戶利益和配電網(wǎng)的穩(wěn)定運行,。

關(guān)鍵詞：電動汽車,；配電網(wǎng)；多時段動態(tài)充電價格,；電壓偏移,；網(wǎng)損

0引言

伴隨我國能源結(jié)構(gòu)的調(diào)整，制定以綠色新能源為主體的新型電力系統(tǒng)可為推進國家“雙碳"目標的早日實現(xiàn)發(fā)揮積極作用,，電動汽車的推廣和應(yīng)用在節(jié)能減排方面有著的優(yōu)勢,，推進電動汽車發(fā)展是推動我國能源轉(zhuǎn)型發(fā)展的重要環(huán)節(jié)。雖然電動汽車的存在為人們出行帶來了巨大的便利，但由于其充電行為具有不確定性,，大量無序,、隨機的負荷直接并網(wǎng)會對配電網(wǎng)造成許多不可預知的負面影響。因此應(yīng)大力推廣對電動汽車的有序充電管理,，以兼顧電網(wǎng)安全、經(jīng)濟效益和用戶利益．在解決電動汽車并網(wǎng)時如何管控的問題上,，已有學者進行研究,。考慮到配電網(wǎng)用電峰谷差較大導致變壓器過載和產(chǎn)生大量網(wǎng)內(nèi)損耗,，提出了一種對電動汽車充電功率進行實時優(yōu)化的策略,，算例結(jié)果表明該策略可以有效降低網(wǎng)損。針對大規(guī)模電動汽車入網(wǎng)現(xiàn)象,，根據(jù)網(wǎng)內(nèi)用電負荷狀態(tài)及電動汽車充電需求等實時數(shù)據(jù),，利用模糊控制算法對電動汽車的充電行為做有序優(yōu)化，有效避免了大規(guī)模車群入網(wǎng)引起的負荷尖峰問題,。將電動汽車電池的可放比較大容量為選定優(yōu)化目標,，通過競價的方法，引導用戶在用電高峰時間段利用電動汽車的V2G技術(shù)饋電給電網(wǎng),，以達到“削峰填谷"的效果,。基于虛擬電價,，考慮以系統(tǒng)負荷峰谷差比較小,、用戶經(jīng)濟性指標比較大和電池的折舊費用比較小為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,。提出了一種基于峰谷分時電價為背景的,，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(wǎng)饋電,，負荷低谷期充電,，平滑了網(wǎng)內(nèi)用電曲線。以分時電價為背景,，構(gòu)建同時考慮用戶用電繳費情況和負荷穩(wěn)定性的多目標優(yōu)化調(diào)度模型,，使電動汽車參與有序充電管理規(guī)劃。通過算例分析驗證了該方法不但可以減小負荷的峰谷差,，還能提高用戶用電的經(jīng)濟效益,。上述文獻中，學者從電網(wǎng)側(cè)角度通過對電動汽車的充電特性直接調(diào)度或是從用戶側(cè)角度利用價格引導電動汽車優(yōu)化充電行為來滿足電網(wǎng)功率的調(diào)節(jié),。前者的直接調(diào)度僅考慮了對電網(wǎng)的影響,，沒有調(diào)動用戶用電的主觀意愿，實施推廣具有難度；后者雖然利用價格因素很好調(diào)動了用戶參與性,，但現(xiàn)有的分時電價分區(qū)少,，限制了調(diào)度的比較優(yōu)可能性。因此本文以私家車并入配電網(wǎng)為研究對象,，根據(jù)短期負荷預測為基礎(chǔ)提出一種新型的多時段動態(tài)電價策略,，引導電動汽車有序充電。對用戶用電繳費,、配電網(wǎng)的電壓偏移及網(wǎng)損情況加以分析后,，驗證了所提出的價格機制可以引導電動汽車有序充電，并兼顧配電網(wǎng)系統(tǒng)的穩(wěn)定運行和用戶利益,。

1私家車無序模式充電模型

本文從以下4個方面構(gòu)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研究對象。與普通汽車相同,，不同類型私家車電池容量有差異,。

式中ｆQ為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20-30kwh。鋰電池充電變化過程如圖1所示,。由于充電起始過程和結(jié)束過程的時間非常短暫,，可以近似地認為鋰電池充電是恒功率充電。ｂ?車主日行駛里程本文引用美國交通部汽車日出行數(shù)據(jù)進行分析

計算［13］,，可知電動汽車車主每日用車行駛里程數(shù)的概率密度函數(shù)為

式中：ｆD為車主日行駛里程的概率密度函數(shù),；μD為期望值；σD為標準差,。ｃ?車主比較后歸程時刻假設(shè)車主每日結(jié)束行程時刻即為電動汽車每日開始充電時刻,，比較后歸程概率密度函數(shù)為

式中：ｆｓ為車主比較后規(guī)程的概率密度函數(shù)；ｗ為回家時刻,；μｓ為期望值,；σｓ為標準差。ｄ?車主離家時間假設(shè)車主每日用車期間只可放電不可充電,，出行開始時刻的概率密度函數(shù)為

式中：ｆｅ為車主啟程離家的概率密度函數(shù),；ｖ為離家時刻。結(jié)合用戶出行數(shù)據(jù)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。

２多時段動態(tài)電價下電動汽車有序充電模型

2.1多時段動態(tài)電價區(qū)間劃分

傳統(tǒng)的分時電價一旦制定后其區(qū)間不再變化,，但居民的用電行為會隨著季節(jié)變化,、地域不同和個人舒適度而改變,，與原分時電價的價格區(qū)間范圍有偏差，產(chǎn)生負荷和電價的峰谷不匹配的現(xiàn)象,。而電動汽車的充電行為在時間上有很大隨機性,，導致實時電價的制定考慮因素十分復雜。因此本文根據(jù)短期負荷預測為基礎(chǔ)提出一種新型的多時段動態(tài)電價策略,。目前為止,，隸屬度函數(shù)是對傳統(tǒng)用電價格進行劃分的比較成熟且通用性比較廣的方法。以表1某地區(qū)分時電價為例,，首先基于模糊數(shù)學的理論,，可將每個時間段認為是一個獨立的模糊集合，然后利用隸屬度函數(shù)構(gòu)建時段內(nèi)每時刻對應(yīng)的隸屬度,，并根據(jù)隸屬度值將其劃分到對應(yīng)的時間段［14］。再將短期預測的基礎(chǔ)負荷劃分成多時段,，根據(jù)每時段對應(yīng)的負荷值計算相對應(yīng)的電價,。

式中：Cｍａｘ和Cｍｉｎ分別為分時電價的峰值與谷值；C?為每時段負荷在價格區(qū)間上的映射,。

式中：Cｉ為精準,。

2.2電動汽車有序充電策略

電動汽車聚合商是專門針對電動汽車充電進行資源整合的參與者，其部署的智能充電樁可提供常規(guī)充電模式和充電優(yōu)化模式,。常規(guī)充電模式可將電動汽車的電池充至期望電量值,，而優(yōu)化模式則需要根據(jù)車主個人用電需求輸入結(jié)束充電時刻及結(jié)束時刻的充電期望值。車輛接入后,，充電樁將獲取該車信息,，將輸入值及車電池的剩余電量反饋到系統(tǒng)調(diào)度中間，對收集的數(shù)據(jù)進行在線智能計算,，形成電動汽車的充電計劃,。

2.3目標函數(shù)

本文以網(wǎng)內(nèi)負荷波動比較小為目標函數(shù)。

式中：F為目標函數(shù),；N為谷時段數(shù)目,；Pｉ為第ｉ個時段配電網(wǎng)的基礎(chǔ)負荷值。

2.4約束條件

小值和比較大值,。

Bu充電時段T約束Tｓ≤T≤Tｅ（12）式中：Tｓ為車主每日充電開始時刻,；Tｅ為當天充電結(jié)束時刻。ｃ?總電量Ｓ約束本文優(yōu)化中不計電池損耗,，假設(shè)電池容量為恒定值,。

式中：K為充電的電動汽車數(shù)目；Tｃｈｉ為第ｉ輛車總充電時間,。

2.5算法求解

傳統(tǒng)的遺傳算法是一種起源于生物進化規(guī)律演變的尋優(yōu)算法,。從任意初始種群開始，通過選擇、交叉,、變異等環(huán)節(jié),，產(chǎn)生一些對環(huán)境適應(yīng)度高的個體并進入搜索空間中更好的區(qū)域，不斷繁衍進化,，比較終得到比較大適應(yīng)度的個體作為比較優(yōu)解輸出,。但由于進化過程中交叉概率參數(shù)及變異概率參數(shù)為定值，忽略了進化過程中種群的自適應(yīng)特性,，存在過早收斂的缺陷,。且算法沒有保留精英機制，適應(yīng)度高的個體可能在進化中丟失好的基因,。為了解決以上問題,，本文采用自適應(yīng)交叉概率Kｃ和自適應(yīng)變異概率Kｍ以及精英保留機制進行優(yōu)化求解［15］。自適應(yīng)交叉概率Kｃ和自適應(yīng)變異概率Kｍ公式如下：

式中：K1為基礎(chǔ)交叉概率,；ｆｍａｘ為個體比較大適應(yīng)度,；ｆａｖ為個體適應(yīng)度值的平均值；fｌ為每相鄰交叉?zhèn)€體中較大的適應(yīng)度,。

式中：K2為基礎(chǔ)變異概率,；ｆｉ為第I代進化的閾值，公式如下：

式中：ｆｉI為第ｉ個個體,；Kｅｅｐ＝1,，則精英保留，Kｅｅｐ＝0,，則不保留,。優(yōu)化過程如圖4。

3算例仿真與分析

3.1仿真場景設(shè)定

本文仿真過程選擇在IEEE33節(jié)點配電網(wǎng)中進行,，其拓撲如圖5所示,。假設(shè)節(jié)點1為平衡節(jié)點，即電源接入節(jié)點,，余下32個節(jié)點全部為PQ節(jié)點,。假設(shè)整個配電網(wǎng)系統(tǒng)中含基礎(chǔ)負荷以及1500輛電動汽車，車群被均勻分配到節(jié)點19,23和26中,。以私家車比亞迪E1車型作為研究對象,，規(guī)定每輛電動汽車的動力電池規(guī)格相同，參數(shù)為：220V,，16Ａ慢充模式,，限制容量為35KWH，3.52KWH恒功率充電,，充電效率為0.82,，轉(zhuǎn)換效率為0.90

3.2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(wǎng)總負荷曲線如圖6,、圖7所示。由圖6和圖7可知,，通過動態(tài)價格的引導,，電動汽車充電行為趨于有序化，車主對充電時間段的選擇逐漸向夜間轉(zhuǎn)移,，負荷峰值水平大幅度下降,，說明新型電價的提出可以使車主的用電行為不再大面積集中，系統(tǒng)總用電負荷曲線相對變得平緩,，有削峰填谷的效果,。

由表2可知，無序充電車主日繳納電費為21880.8元,，基于多時段動態(tài)電價的有序充電日繳費為17248.80元,，比無序充電費用降低了21.17％。因此新電價機制的提出可有效降低車主充電成本,。

3.3對配電網(wǎng)影響分析

將ＩＥＥＥ３３節(jié)點配電網(wǎng)模型的節(jié)點負荷參數(shù)和優(yōu)化后的有序充電負荷數(shù)據(jù)導入ＭＡＴＬＡＢ軟件語言編程,，對比以下３種場景下的配電網(wǎng)電壓偏移及網(wǎng)損。場景1：配電網(wǎng)內(nèi)未接入電動汽車負荷,。場景2：配電網(wǎng)內(nèi)接入無序充電負荷。場景3：配電網(wǎng)內(nèi)接入有序充電負荷,。圖8表示部分時段下3種用電方式的網(wǎng)損率,。可見18.00-24.00由于無序充電負荷的接入使得網(wǎng)內(nèi)網(wǎng)損明顯升高,。原因是車主歸程后的無序充電行為與用戶基礎(chǔ)用電行為的一致性導致網(wǎng)內(nèi)用電功率激增,。09.00-21.00時，對比接入無序充電負荷和有序充電負荷,，后者可有效降低配電網(wǎng)網(wǎng)損,，尤其在電價高峰時段21.00網(wǎng)損率下降了2.77％，效果比較顯著,。說明多時段分時電價的提出引導車主有序充電對調(diào)節(jié)配電網(wǎng)網(wǎng)損具有一定效果,。

由圖9可知，場景1配電網(wǎng)未接入充電負荷時的電壓偏移都控制在±7％以內(nèi),，縱橫對比沒有發(fā)現(xiàn)嚴重的電壓偏移現(xiàn)象,，但是節(jié)點18和19在20.00-21.00時間段上有局部節(jié)點處在越限邊界。由圖10可知,，場景2中配電網(wǎng)內(nèi)接入無序充電負荷時,，節(jié)點13-19和28-33在晚間出現(xiàn)電壓越限情況,，原因是無序充電負荷的高峰期恰巧與網(wǎng)內(nèi)基礎(chǔ)負荷用電的高峰期時段相疊,。

圖11表示場景3下配電網(wǎng)內(nèi)接入有序充電負荷時各個節(jié)點電壓的偏移情況,。與圖9和圖10對比可知,，有序充電負荷的接入使局部節(jié)點越限現(xiàn)象得到緩解，偏移的電壓回歸到正常標準范圍內(nèi),。說明所提出的新型動態(tài)分時電價可以通過對電動汽車進行充電有序化管理來改善配電網(wǎng)電壓偏移現(xiàn)象,。

由于大量負荷突然接入使各節(jié)點電壓發(fā)生偏移現(xiàn)象，因此對比較大負載量時刻（21.00）各節(jié)點電壓偏移情況進行對比更有意義,，結(jié)果如圖12所示。

由圖12可知,，未接入無序負荷時網(wǎng)內(nèi)各節(jié)點的電壓偏移都控制在±7％范圍以內(nèi),，電壓無越限行為,。當無序充電負荷并網(wǎng)后,，一部分節(jié)點電壓發(fā)生顯著偏移，且偏移量均超過規(guī)定標準范圍,。而經(jīng)過多時段動態(tài)電價策略調(diào)控的有序充電行為接入配電網(wǎng)后，網(wǎng)內(nèi)各節(jié)點電壓值還原到標準范圍以內(nèi),，其中變化比較顯著的18號節(jié)點電壓標幺值由0.9467調(diào)整到0.9828,，電壓偏移率修正了3.61％,。

4安科瑞充電樁收費運營云平臺

4.1概述

AcrelCloud-9000安科瑞充電柱收費運營云平臺系統(tǒng)通過物聯(lián)網(wǎng)技術(shù)對接入系統(tǒng)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(shù)據(jù)采集和監(jiān)控，實時監(jiān)控充電樁運行狀態(tài),，進行充電服務(wù),、支付管理,，交易結(jié)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(wǎng)、4G或WIFI等方式接入互聯(lián)網(wǎng),，用戶通過微信,、支付寶,，云閃付掃碼充電,。

4.2應(yīng)用場所

適用于民用建筑、一般工業(yè)建筑,、居住小區(qū),、實業(yè)單位,、商業(yè)綜合體,、學校,、園區(qū)等充電樁模式的充電基礎(chǔ)設(shè)施設(shè)計,。

4.3系統(tǒng)結(jié)構(gòu)

4.3.1系統(tǒng)分為四層：

1）即數(shù)據(jù)采集層,、網(wǎng)絡(luò)傳輸層,、數(shù)據(jù)中間層和客戶端層,。

2）數(shù)據(jù)采集層：包括電瓶車智能充電樁通訊協(xié)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(shù)，并進行電能計量和保護,。

3）網(wǎng)絡(luò)傳輸層：通過4G網(wǎng)絡(luò)將數(shù)據(jù)上傳至搭建好的數(shù)據(jù)庫服務(wù)器,。

4）數(shù)據(jù)中間層：包含應(yīng)用服務(wù)器和數(shù)據(jù)服務(wù)器，應(yīng)用服務(wù)器部署數(shù)據(jù)采集服務(wù),、WEB網(wǎng)站,，數(shù)據(jù)服務(wù)器部署實時數(shù)據(jù)庫、歷史數(shù)據(jù)庫,、基礎(chǔ)數(shù)據(jù)庫,。

5）應(yīng)客戶端層：系統(tǒng)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(qū)充電平臺功能主要涵蓋充電設(shè)施智能化大屏,、實時監(jiān)控,、交易管理,、故障管理、統(tǒng)計分析,、基礎(chǔ)數(shù)據(jù)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,。

4.4安科瑞充電樁云平臺系統(tǒng)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(shè)備狀態(tài),、設(shè)備使用率、充電次數(shù),、充電時長,、充電金額,、充電度數(shù),、充電樁故障等進行統(tǒng)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(tǒng)一管理小區(qū)充電樁,，查看設(shè)備使用率,，合理分配資源,。

4.4.2.實時監(jiān)控

實時監(jiān)視充電設(shè)施運行狀況,，主要包括充電樁運行狀態(tài),、回路狀態(tài),、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(jié)、注銷等操作,，可查看小區(qū)用戶每日的充電交易詳細信息。

4.4.4故障管理

設(shè)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(fā)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(jié)果上報。充電用戶也可通過充電小程序反饋現(xiàn)場問題,。

4.4.5統(tǒng)計分析

通過系統(tǒng)平臺，從充電站點,、充電設(shè)施、,、充電時間、充電方式等不同角度,，查詢充電交易統(tǒng)計信息,、能耗統(tǒng)計信息等,。

4.4.6基礎(chǔ)數(shù)據(jù)管理

在系統(tǒng)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(shè)施,，維護充電設(shè)施信息,、價格策略,、折扣,、優(yōu)惠活動,，同時可管理在線卡用戶充值,、凍結(jié)和解綁,。

4.4.7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(huán)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(shù)設(shè)置,，同時可接收故障推送,。

4.4.8充電小程序

面向充電用戶使用，可查看附近空閑設(shè)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,。

4.5系統(tǒng)硬件配置

5結(jié)語

本文基于分時電價與短期負荷預測提出了一種新型多時段動態(tài)充電價格機制,，引導車主規(guī)劃用車安排,，使充電行為由無序變?yōu)橛行颉＝⒁耘潆娋W(wǎng)內(nèi)負荷波動比較小為目標函數(shù),，利用MATLAB軟件進行算法編程,，結(jié)果表明所提出的多時段動態(tài)電價策略可減小網(wǎng)內(nèi)的負荷波動，有明顯的削峰填谷作用，為車主減少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(wǎng)損率并修正18號節(jié)點3.61％的電壓偏移率,，實現(xiàn)了保證車主充電利益與提高配電網(wǎng)運行安全的并存。

參考文獻

{1}于瀛涵,，陳嘉德,，韓子嬌,苑舜，馬卓.《電動汽車的有序電管理及其對配電網(wǎng)的影響分析》

{2}陳麗丹,，張堯,，電動汽車充放電負荷預測研究綜述［J］．電力系統(tǒng)自動化，2019,43（10）：177-191．

{3}梅哲,，詹紅霞,，楊孝華等．考慮電流保護的配電網(wǎng)電動汽車與分布式能源配合優(yōu)化運行策略［J］．電力自動化設(shè)備，2020,，40（2）：89-102

{4}王晛,，張華君，張少華．風電和電動汽車組成虛擬電廠參與電力市場的博弈模型［J］．電力系統(tǒng)自動化,，2019.43（3）：155-162．

{5}趙傳立,，劉莉，孫峰等．電動汽車放電對配電網(wǎng)電能質(zhì)量影響［J］．東北電力技術(shù),，2016,37（9）：41-44.

{6}郭帥,，李家玨，黃旭,，等．含電動汽車的電網(wǎng)負荷結(jié)構(gòu)時序模型計算方法［J］．東北電力技術(shù),，2016,37（9）：1-5

{7}《安科瑞企業(yè)微電網(wǎng)設(shè)計與應(yīng)用手冊》.2022.05版.

安科瑞侯文莉