王丹丹
由於(yu) 二氧化碳排放增加和環境汙染等問題,以及原油價(jia) 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(men) 的生活,電動汽車的普及也對電力係統產(chan) 生了巨大的衝(chong) 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,指明該過程中麵臨(lin) 的問題。文獻[3]提出基於(yu) 隨機森林的充電行為(wei) 聚類技術,分析電動汽車充電行為(wei) 特性,結果表明該方法較歐氏距離法更準確。文獻[4]提出基於(yu) 主動配電網的源網荷優(you) 化調度方法,可減少電動汽車接入電網產(chan) 生的波動,具有重要的指導意義(yi) 。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(hui) 使總負荷曲線惡化。文獻[6]為(wei) 確定電氣設備的空間分布及選型,基於(yu) 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,並通過算例分析證明其可行性。文獻[7]結合全球定位係統,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(chu) 能虛擬電廠參與(yu) 電力市場的優(you) 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(wei) 虛擬電廠參與(yu) 電力市場調度奠定了基礎。基於(yu) 上述背景,本文以區域內(nei) 私人電動汽車為(wei) 主體(ti) ,通過對電動汽車用戶出行規律進行歸納總結,對出行、返回、日行駛裏程及電池剩餘(yu) 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(wei) ,並以工作日的充電行為(wei) 作為(wei) 輸入,基於(yu) 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,建立計及光伏發電係統的區域供電係統優(you) 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(jia) 為(wei) 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(wei) 目標函數,結合4個(ge) 約束條件,通過遺傳(chuan) 算法求解模型,得到符合目標函數的較優(you) 充電方案。通過算例驗證該模型能夠實現平移負荷、削峰填穀。
我國電動汽車的普及給電力係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,將對電力係統產(chan) 生巨大的衝(chong) 擊,增加其運行控製難度。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於(yu) 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(chan) 生很高的諧波電流和衝(chong) 擊電壓,若不采取相應的措施,可能會(hui) 帶來諧波汙染、功率因數降低以及係統電壓波動方麵的影響。
(2)電網運行控製難度
聚集性地充電會(hui) 給電網帶來巨大的衝(chong) 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(hui) 給充電負荷帶來不確定性,影響電網運行控製。大多用戶出行的較終目的地都是高度隨機的,所以其行駛裏程也是隨機的。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(jue) 於(yu) 駕駛習(xi) 慣,用戶在充電時往往表現出隨機行為(wei) ,應由在這些實體(ti) 內(nei) 優(you) 化和安排充電時間的集中代理進一步控製。
(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(wan) kW和1.53億(yi) kW,相當於(yu) 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(wei) 在平時段的疊加,將進一步變大電網負荷峰穀差,加重電網側(ce) 的負擔。如果將多輛電動汽車接入一個(ge) 接近其極限的充電網絡,附近變壓器上的額外負載可能會(hui) 導致其故障。從(cong) 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(wei) 較為(wei) 分散,沒有明顯的峰穀差別,而專(zhuan) 用設施的用電行為(wei) 相對集中,峰穀差別更為(wei) 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(wei) 傍晚大量私家車主回到居住地,開始使用私人充電樁為(wei) 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(jia) 激勵引導電動汽車用戶進行有序充電,以達到平移負荷、削峰填穀的效果。
本文基於(yu) 對NHTS數據庫2019年基礎數據的分析,篩選出10萬(wan) 輛私人電動汽車接入充電樁時的充電數據及充電行為(wei) 等因素,為(wei) 構建電動汽車有序充電行為(wei) 提供數據基礎。
私人電動汽車用戶出行概率主要受日常生活習(xi) 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(wei) :
私人電動汽車工作日主要用於(yu) 上下班,到達公司後基本屬於(yu) 閑置狀態,也可進行充電,而休息日私人電動汽車大多外出娛樂(le) ,時間分布與(yu) 工作日有所區別,圖5為(wei) 工作日與(yu) 休息日私人電動車充電時間分布。
由圖5可知私人電動汽車在工作日上午到達公司後即可進行充電,晚上下班後為(wei) 充電高峰期,且晚上充電的頻率高於(yu) 上午;在14:00—16:00,休息日充電頻率高於(yu) 工作日,但晚高峰時,其充電頻率低於(yu) 工作日。後續將重點研究工作日私人電動汽車的充電行為(wei) 。
由蒙特卡羅模擬法設置基礎參數,如模擬次數、電動汽車數量、快充慢充比例等。由式(4)生成初始 SOC 。由於(yu) 汽車充電行為(wei) 具有隨機性,所以按圖5生成電動汽車開始充電時刻。使用蒙特卡羅模擬法對電動汽車充電負荷曲線進行模擬,由上述得到的電動汽車充電起始時間及初始SOC ,對單輛電動汽車充電負荷進行模擬,隨後將所有電動汽車的充電負荷累加,可以得到完整的區域電動汽車總充電負荷曲線。區域內(nei) 電動汽車總充電功率為(wei) :
有序充電是一種調度手段,通過這種手段可以使電動汽車避免在高峰期給電網帶來的峰上加峰現象,同時也避免大部分用戶避開高峰期進行充電而出現的第二高峰期,但應保持原負荷不變,即不影響用戶生活及正常行動之外進行合理“減負"。
假設電動汽車充電過程不被幹預且直至 SOC充滿,即充電時長不受限製,抽取初始電動汽車SOC 、日行駛裏程以及開始充電時刻,在滿足充滿電所需時長的約束下,計算一天中各個(ge) 時段電動汽車的充電功率。在這個(ge) 過程中,將電動汽車分為(wei) 快速充電和常規慢充,分別計算每個(ge) 時刻的負荷,較後進行累加,其流程圖如圖6所示。
使用蒙特卡羅模擬法計算一天 24 h 內(nei) 每個(ge) 時間點電動汽車負荷的充電需求概率,並在 1 500 次操作後重複平均值,以獲得區域總電動汽車負荷需求的預期曲線。曲線如圖7所示。設置電動汽車數量為(wei) 3 000輛,且采用一天一充模式,充電過程為(wei) 快速充電模式的功率為(wei) 24 kW,常規慢充模式的功率為(wei) 12 kW,各占50%。其結果如圖7所示。
由圖7可知,電動汽車充電存在兩(liang) 個(ge) 峰值時刻,大規模電動汽車接入電網會(hui) 帶來電網頻率波動以及電能質量不穩定等問題,後續通過電價(jia) 激勵政策與(yu) 光伏發電係統的接入緩解電網側(ce) 的壓力。
變電站供電區域包含光伏發電係統,同時也包含一定量的電動汽車充電負荷,變電站供電區域的負荷情況如圖8所示,供電區域包括光伏發電係統,區域常規負荷和電動汽車快速充電負荷,當電動汽車快速充電時,通過充電樁連接到電網,等效連接到變電站的交流母線。本文將光伏發電係統納入變電站供電區域時,采用相應的電價(jia) 激勵策略對電動汽車用戶進行引導,使得電動汽車參與(yu) 有序充電以消納光伏發電係統的輸出功率,同時縮小區域負荷峰穀差。區域負載能量控製框架如圖9所示。
通過對控製框圖的分析,將區域負荷分為(wei) 調節負荷和非調節負荷兩(liang) 大類,光伏發電係統和區域常規負荷均為(wei) 非調節負荷。光伏發電係統的不可調節性指其輸出功率受溫度、光強等因素的影響,控製係統無法調節其輸出功率。區域常規負荷主要指除變電站供電區域的電動汽車負荷外的居民負荷,相當於(yu) 交流母線,根據其生活規律以及需求進行用電。
快速充電的電動汽車是一種可調負荷,充電站根據全天不同時刻配電網節點的電價(jia) 調整來影響電動汽車用戶的充電選擇;電動汽車的充電功率與(yu) 光伏發電係統和區域常規負荷相匹配,以吸收分布式光伏發電係統輸出的功率。分布式光伏和電動汽車的接入在一定程度上改變了配電網的負荷特性曲線。分布式電源的輸出受自然環境的影響,存在很大的不確定性。因此,本文構建了一種電動汽車與(yu) 配電網交互優(you) 化模型,即配電網利用電動汽車充電負荷的可轉移特性就地吸收光伏輸出,改善綜合負荷曲線;同時,電動汽車用戶根據調整後的電價(jia) 選擇較優(you) 充電時間,降低自身充電成本。利用電動汽車“用電時間有彈性、用電行為(wei) 可引導、用電規律可預測的特點,將其納入電網優(you) 化控製,可有效增加資源條件,推動電動汽車參與(yu) 電網削峰填穀輔助服務,實現配電網與(yu) 電動汽車的雙贏。
配電網作為(wei) 主體(ti) ,設置動態節點價(jia) 格,充電站將節點價(jia) 格作為(wei) 充電價(jia) 格傳(chuan) 遞給用戶。根據光伏發電係統和區域常規負荷的時間分布特點,製定了較優(you) 的電動汽車充電負荷時間轉移策略,以達到吸收光伏輸出的目的。節點價(jia) 格作為(wei) 一種調節手段,用以減少變電站交流母線的總波動。為(wei) 了改善區域負荷曲線,以變電站交流母線功率波動乘積 ΔP 較小為(wei) 目標函數進行優(you) 化,目標函數可表示為(wei) :
(6)(7)(8)(9)式中:PG 為(wei) 區域變電站交流母線功率;fG(t) 為(wei) 區域變電站後一段時間 t + 1 與(yu) 當前時段 t 的交流母線功率之差;GPV(t) 為(wei) 變電站所在區域在時段 t 之前的功率峰穀差;k 為(wei) 一天的時間段數,k =24;Pch(t)為(wei) 充電站 t 時段的快速充電負荷;Pload(t)為(wei) 充電站在所屬變電站供電區域 t 時段的常規負荷;PPV(t)為(wei) 充電站在所屬變電站供電區域 t時段的分布式光伏輸出。光伏板在時間 t 發出的功率 PPV(t) 與(yu) 當前溫度和光強有關(guan) 。電流輸出功率係數 FT 可以通過溫度和相應的輸出功率係數圖 FT -T 以及電流溫度 T 獲得。功率計算公式為(wei) :
(10)式中:當光照強度為(wei) 1 kW/m2時,Pmpp 為(wei) 光伏陣列在一定溫度下的輸出功率參考值;FT 為(wei) 輸出功率係數;Irr 為(wei) 當前時刻的光照強度。光伏發電係統通過逆變器將直流電轉換為(wei) 交流電,並連接至負荷。當光伏板發出的功率 PPV 小於(yu) 截止功率時,逆變器停止工作;當光伏板發出的功率 PPV 大於(yu) 啟動功率時,逆變器工作。考慮到逆變器損耗,設置效率係數,光伏板發出的功率 PPV 乘以其相應的效率係數 EFF ,以獲得整個(ge) 光伏係統的有功功率 PPV(t) ,可表示為(wei) :
PPV(t)= PPV·EFF
(11)式中,光伏板輸出功率對應的效率係數可從(cong) PPV - EFF曲線中獲得。
(12)式中:b 為(wei) 光伏出力不平衡係數;PG 為(wei) 區域變電站交流母線功率;Pch 為(wei) 充電站的快速充電負荷;Pload為(wei) 充電站在所屬變電站供電區域的常規負荷。
規定充電站配電網節點的電價(jia) 為(wei) 充電電價(jia) ,區域內(nei) 有充電需求的車輛數為(wei) n ,充電站可接受的車輛數為(wei) N,為(wei) 使電動汽車充電負荷盡可能跟隨光伏輸出,動態電價(jia) 更新策略為(wei) :
(13)式中:λt + 1 為(wei) 充電站在 t + 1時間段的電價(jia) ;a 為(wei) 電價(jia) 係數;λt 為(wei) 充電站在 t 時間段的電價(jia) 。可以看出,充電電價(jia) 主要隨著有充電需求的電動汽車數量 n 和光伏出力不平衡係數 b 的大小而改變,而 b 主要與(yu) 光伏出力 PPV 、充電負荷 Pch 的大小有關(guan) 。
以充電成本較低為(wei) 目標,目標函數為(wei) :
(14)式中:C 為(wei) 電動汽車充電成本;SOC2 為(wei) 電動汽車充電結束時的荷電量;SOC1為(wei) 電動汽車開始充電時的荷電量;Ba 為(wei) 動力電池總容量;η 為(wei) 充電效率,設為(wei) 0.9。
本文采用遺傳(chuan) 算法求解電動汽車與(yu) 配電網交互優(you) 化模型。遺傳(chuan) 算法是一種自適應全局優(you) 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,將其應用於(yu) 求解模型,從(cong) 而得到較優(you) 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:光伏發電係統出力時將充電站的充電功率較大化,並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(jia) 模型計算更新後的電價(jia) ,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(jue) 策結果;如果不選取,則判斷是否達到較大迭代次數,重複步驟4。
某區域分布式光伏發電係統采用較大輸出策略,光伏容量為(wei) 7 MW,實際輸出較大功率為(wei) 5.6 MW。光強數據如表1所示,假設全天中7:00—18:00有陽光,其餘(yu) 時刻光照強度為(wei) 0,全天光照強度分布如圖11所示。電動汽車充電初始SOC為(wei) 0.51,初始種群規模為(wei) 3 000輛電動汽車,電動汽車充電樁快充的輸出功率為(wei) 24 kW,常規慢充輸出功率為(wei) 12 kW,充電效率為(wei) 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(ge) 整體(ti) 較優(you) 的狀態。優(you) 化後有序充電場景下,電網閑時充電擬采用分時電價(jia) 措施,其較優(you) 充電價(jia) 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後大多數電動汽車用戶有充電行為(wei) 。傍晚開始充電的電動汽車在下半夜充滿,此時電網基本處於(yu) 閑置狀態。大量用戶會(hui) 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(chan) 生影響,圖14為(wei) 區域常規負荷與(yu) 電動汽車充電負荷的總負荷曲線,優(you) 化前的負荷峰穀差明顯。在電動汽車並網前,充電站的功率曲線會(hui) 因接入光伏輸出而產(chan) 生較大的峰穀差,不利於(yu) 電網的可靠運行。在電動汽車有序充電策略的控製下,通過優(you) 化過程獲得電動汽車的接入較優(you) 數量後,光伏係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穀功能。
AcrelCloud-9000安科瑞充電柱收費運營雲(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。
1)即數據采集層、網絡傳(chuan) 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(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、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。
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。
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。
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。
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。
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。
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。
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
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。
電動汽車負荷對於(yu) 電網是優(you) 質可調負荷,以可控負荷的形式參與(yu) 電網調控,可發揮其削峰填穀的作用,改善電網性能。本文利用價(jia) 格響應機製,將電動汽車組建成需求響應架構下的大型分布式儲(chu) 能係統,同時結合光伏發電係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,實現輔助電網峰穀調節功能。未來對電動汽車如何實現參與(yu) 電網調頻,作為(wei) 儲(chu) 能係統向電網優(you) 化放電等問題,將展開進一步研究。