楊翠
安科瑞電氣股份有限公司 上海嘉定 201801
摘要：分析電動(dòng)汽車充電對(duì)電網(wǎng)產(chǎn)生的影響,主要研究電動(dòng)汽車對(duì)電網(wǎng)負(fù)荷平衡的影響。對(duì)電動(dòng)汽車充電負(fù)荷建模，分析其用戶出行等的時(shí)間概率分布，通過(guò)蒙特卡羅模擬法對(duì)電動(dòng)汽車充電負(fù)荷需求進(jìn)行計(jì)算，研究3 000輛電動(dòng)汽車全天的充電需求時(shí)間分布。建立含光伏發(fā)電系統(tǒng)的區(qū)域供電系統(tǒng)優(yōu)化模型，同時(shí)以動(dòng)態(tài)電價(jià)為激勵(lì)引導(dǎo)電動(dòng)汽車進(jìn)行有序充電，以參與電網(wǎng)輔助服務(wù)。以聯(lián)絡(luò)線交換功率波動(dòng)乘積較小和充電成本較低為目標(biāo)，并以其加權(quán)后的函數(shù)作為目標(biāo)函數(shù)，結(jié)合4個(gè)約束條件，通過(guò)遺傳算法求解模型，得到符合目標(biāo)函數(shù)的較優(yōu)充電方案。較終通過(guò)算例驗(yàn)證該模型能夠?qū)崿F(xiàn)平移負(fù)荷、削峰填谷的作用。
關(guān)鍵詞：負(fù)荷平衡；蒙特卡羅模擬法；動(dòng)態(tài)電價(jià)；有序充電；削峰填谷；
0引言
由于二氧化碳排放增加和環(huán)境污染等問(wèn)題，以及價(jià)格和其他燃料資源的不穩(wěn)定性，電動(dòng)汽車自21世紀(jì)以來(lái)已經(jīng)逐漸進(jìn)入人們的生活，電動(dòng)汽車的普及也對(duì)電力系統(tǒng)產(chǎn)生了巨大的沖擊。文獻(xiàn)［1］—文獻(xiàn)［2］分析了我國(guó)電動(dòng)汽車的發(fā)展現(xiàn)狀及未來(lái)趨勢(shì)，根據(jù)實(shí)際情況，指明該過(guò)程中面臨的問(wèn)題。文獻(xiàn)［3］提出基于隨機(jī)森林的充電行為聚類技術(shù)，分析電動(dòng)汽車充電行為特性，結(jié)果表明該方法較歐氏距離法較準(zhǔn)確。文獻(xiàn)［4］提出基于主動(dòng)配電網(wǎng)的源網(wǎng)荷優(yōu)化調(diào)度方法，可減少電動(dòng)汽車接入電網(wǎng)產(chǎn)生的波動(dòng)，具有重要的指導(dǎo)意義。文獻(xiàn)［5］通過(guò)采集居民電動(dòng)汽車接入電網(wǎng)的充電數(shù)據(jù)，研究其充電特性，結(jié)果表明充電負(fù)荷的聚集會(huì)使總負(fù)荷曲線惡化。文獻(xiàn)［6］為確定電氣設(shè)備的空間分布及選型，基于對(duì)電動(dòng)汽車充電負(fù)荷和分布式能源出力特性的分析，建立對(duì)應(yīng)的空間負(fù)荷預(yù)測(cè)模型，并通過(guò)算例分析證明其可行性。文獻(xiàn)［7］結(jié)合**定位系統(tǒng)，建立了電動(dòng)汽車快速預(yù)約充電模型，通過(guò)Dijkstra算法求解模型，通過(guò)算例證明該模型的有效性。文獻(xiàn)［8］提出一種混合儲(chǔ)能虛擬電廠參與電力市場(chǎng)的優(yōu)化調(diào)度策略，包含了電動(dòng)汽車充電的不確定性參數(shù)，通過(guò)算例證明該策略的可行性，為虛擬電廠參與電力市場(chǎng)調(diào)度奠定了基礎(chǔ)。基于上述背景，本文以區(qū)域內(nèi)私人電動(dòng)汽車為主體，通過(guò)對(duì)電動(dòng)汽車用戶出行規(guī)律進(jìn)行歸納總結(jié)，對(duì)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(jìn)行擬合，對(duì)比工作日、休息日私人電動(dòng)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(duì)私人電動(dòng)汽車的充電負(fù)荷進(jìn)行預(yù)測(cè)。進(jìn)而考慮配電網(wǎng)和電動(dòng)汽車用戶的利益以及光伏消納情況，建立計(jì)及光伏發(fā)電系統(tǒng)的區(qū)域供電系統(tǒng)優(yōu)化模型，根據(jù)全天日照強(qiáng)度較大化吸收光伏輸出，改善綜合負(fù)荷曲線，同時(shí)以動(dòng)態(tài)電價(jià)為激勵(lì)引導(dǎo)電動(dòng)汽車進(jìn)行有序充電。以聯(lián)絡(luò)線交換功率波動(dòng)乘積較小和充電成本較低為目標(biāo)函數(shù)，結(jié)合4個(gè)約束條件，通過(guò)遺傳算法求解模型，得到符合目標(biāo)函數(shù)的較優(yōu)充電方案。通過(guò)算例驗(yàn)證該模型能夠?qū)崿F(xiàn)平移負(fù)荷、削峰填谷。
1電動(dòng)汽車對(duì)配電網(wǎng)的影響
我國(guó)電動(dòng)汽車的普及給電力系統(tǒng)帶來(lái)了不穩(wěn)定性和不確定性，電動(dòng)汽車聚集性地接入電網(wǎng)充電，將對(duì)電力系統(tǒng)產(chǎn)生巨大的沖擊，增加其運(yùn)行控制難度。其主要影響包括：
（1）電能質(zhì)量電動(dòng)汽車接入充電樁進(jìn)行充電時(shí)相當(dāng)于大功率、非線性負(fù)荷，在其充電過(guò)程中電網(wǎng)需要提供穩(wěn)定可靠的大電流進(jìn)行供電，同時(shí)對(duì)電力電子設(shè)備產(chǎn)生很高的諧波電流和沖擊電壓，若不采取相應(yīng)的措施，可能會(huì)帶來(lái)諧波污染、功率因數(shù)降低以及系統(tǒng)電壓波動(dòng)方面的影響。
（2）電網(wǎng)運(yùn)行控制難度
聚集性地充電會(huì)給電網(wǎng)帶來(lái)巨大的沖擊，而且電動(dòng)汽車用戶出行方式、充電特性、充電時(shí)長(zhǎng)都具有隨機(jī)性，會(huì)給充電負(fù)荷帶來(lái)不確定性，影響電網(wǎng)運(yùn)行控制。大多用戶出行的較終目的地都是高度隨機(jī)的，所以其行駛里程也是隨機(jī)的。每一輛電動(dòng)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(jī)性。充電時(shí)間取決于駕駛習(xí)慣，用戶在充電時(shí)往往表現(xiàn)出隨機(jī)行為，應(yīng)由在這些實(shí)體內(nèi)優(yōu)化和安排充電時(shí)間的
集中代理進(jìn)一步控制。
（3）負(fù)荷不平衡2020—2030年，在無(wú)序充電情形下，國(guó)家電網(wǎng)公司經(jīng)營(yíng)區(qū)域峰值負(fù)荷預(yù)計(jì)增加1 361萬(wàn)kW和1.53億kW，相當(dāng)于當(dāng)年區(qū)域峰值負(fù)荷的1.6%和13.1%，導(dǎo)致區(qū)域負(fù)荷的不平衡。電動(dòng)汽車集中在某些時(shí)段進(jìn)行充電，或電動(dòng)汽車充電行為在平時(shí)段的疊加，將進(jìn)一步變大電網(wǎng)負(fù)荷峰谷差，加重電網(wǎng)側(cè)的負(fù)擔(dān)。如果將多輛電動(dòng)汽車接入一個(gè)接近其極限的充電網(wǎng)絡(luò)，附近變壓器上的額外負(fù)載可能會(huì)導(dǎo)致其故障。從不同類型充電基礎(chǔ)設(shè)施的用電特性來(lái)看，公共充電設(shè)施的用電行為較為分散，沒(méi)有明顯的峰谷差別，而**設(shè)施的用電行為相對(duì)集中，峰谷差別較為明顯。綜合來(lái)看，在無(wú)序充電前提下，充電基礎(chǔ)設(shè)施負(fù)荷較大的時(shí)刻應(yīng)為傍晚大量私家車主回到居住地，開(kāi)始使用私人充電樁為私家車充電的時(shí)刻。本文對(duì)電動(dòng)汽車接入電網(wǎng)時(shí)的負(fù)荷平衡進(jìn)行研究，通過(guò)電價(jià)激勵(lì)引導(dǎo)電動(dòng)汽車用戶進(jìn)行有序充電，以達(dá)到平移負(fù)荷、削峰填谷的效果。
2 電動(dòng)汽車充電負(fù)荷建模
本文基于對(duì)NHTS數(shù)據(jù)庫(kù)2019年基礎(chǔ)數(shù)據(jù)的分析，篩選出10萬(wàn)輛私人電動(dòng)汽車接入充電樁時(shí)的充電數(shù)據(jù)及充電行為等因素，為構(gòu)建電動(dòng)汽車有序充電行為提供數(shù)據(jù)基礎(chǔ)。
2.1 時(shí)間變量概率分布擬合
私人電動(dòng)汽車用戶出行概率主要受日常生活習(xí)慣和生活規(guī)律影響，首先需要得到初始出發(fā)時(shí)間的分布。出發(fā)時(shí)間分布可用正態(tài)分布的形式進(jìn)行擬合，其時(shí)間概率分布如圖1所示。用戶日出行概率密度函數(shù)為：
( 1 )式中：x1 為電動(dòng)汽車用戶較后出行時(shí)間；μ1 為期望值，取7.42；σ1 為標(biāo)準(zhǔn)差，取3.54。
用戶返回時(shí)刻概率密度函數(shù)為：
( 2 )式中：x2 為電動(dòng)汽車用戶返回時(shí)刻；μ2 為期望值，取16.92；σ2 為標(biāo)準(zhǔn)差，取3.43。其時(shí)間概率分布如圖2所示。
根據(jù)出行習(xí)慣及規(guī)律分析，大部分用戶駕駛的較終目的地都是高度隨機(jī)的，但在任何一天的平均行駛里程都約為38 km/d。電動(dòng)汽車用戶日行駛里程服從對(duì)數(shù)正態(tài)分布，其概率分布如圖3所示，概率密度函數(shù)為:
( 3 )式中：x3 為電動(dòng)汽車平均日行駛里程；μ3 為期望值，取2.92；σ3 為標(biāo)準(zhǔn)差，取0.93。
對(duì)電動(dòng)汽車電池 SOC 、日均行駛距離以及充電規(guī)律、充電時(shí)間等因素進(jìn)行統(tǒng)計(jì)［9］電動(dòng)汽車返回時(shí)剩余 SOC 也可用正態(tài)分布的形式進(jìn)行擬合，其電動(dòng)汽車剩余 SOC 的概率分布如圖4所示，概率密度函數(shù)為態(tài)分布，其概率分布如圖3所示，概率密度函數(shù)為:
( 4 )式中：x4 為電動(dòng)汽車返回時(shí)的剩余 SOC ；μ4 為期望值，取51.3；σ4 為標(biāo)準(zhǔn)差，取14.7。
私人電動(dòng)汽車工作日主要用于上下班，到達(dá)公司后基本屬于閑置狀態(tài)，也可進(jìn)行充電，而休息日私人電動(dòng)汽車大多外出，時(shí)間分布與工作日有所區(qū)別，圖5為工作日與休息日私人電動(dòng)車充電時(shí)間分布。
安科瑞電氣股份有限公司專注于電力運(yùn)維平臺(tái),低壓線路保護(hù)器,智慧用電管理云平臺(tái),故障電弧探測(cè)器,智能通信管理機(jī),智能溫度控制器等, 歡迎致電 19821750213
