淺談安科瑞面向需求響應(yīng)的電動汽車——充電樁負(fù)荷聚合調(diào)度的優(yōu)化策略

安科瑞電氣股份有限公司 上海嘉定 201801

摘要：近年來，城市電力峰谷差不斷，僅僅依靠發(fā)電側(cè)資源很難維持電力系統(tǒng)的實(shí)時平衡。電動汽車-充電樁負(fù)荷作為一種典型的柔性負(fù)載，可以利用網(wǎng)絡(luò)信息技術(shù)、大數(shù)據(jù)分析手段和市場機(jī)制，將區(qū)域內(nèi)可調(diào)度的電動汽車負(fù)荷資源聚集參與需求響應(yīng)。從負(fù)荷聚合商角度出發(fā)，提出了一種基于隨機(jī)選擇電動汽車影響因素，按照概率密度計算電動汽車集群負(fù)荷情況的建模方法，并制定了優(yōu)化調(diào)節(jié)策略，聚合電動汽車集群參與需求響應(yīng)市場，削減了區(qū)域內(nèi)電力峰值，降低了參與響應(yīng)用戶的充電成本。未來，在電力市場化背景下，利用需求側(cè)大量微小負(fù)荷資源聚集響應(yīng)將成為確保資源有效分配的重要工具。

關(guān)鍵詞：需求響應(yīng)；負(fù)荷聚合商；電動汽車-充電樁負(fù)荷

0引言

2021年發(fā)布的《世界能源藍(lán)皮書:世界能源發(fā)展報告》指出",到2050年,可再生能源將滿足全球80%的電力需求,其中太陽能和風(fēng)力發(fā)電將占52%。新能源發(fā)電比例增加和電力系統(tǒng)建設(shè)加劇了電源與用戶之間的供需平衡矛盾。因此,將靈活的需求側(cè)負(fù)載資源納人電網(wǎng)運(yùn)行已成為推司電力系統(tǒng)安全、有效和經(jīng)濟(jì)運(yùn)行的重要方法。

需求側(cè)柔性負(fù)荷資源是區(qū)域網(wǎng)絡(luò)中廣泛分布的高價值配電資源,電動汽車、溫控負(fù)荷和分布式儲能等資源的有效靈活調(diào)度,可以很大程度上緩解新能源接人對電力系統(tǒng)的沖擊口。電力需求響應(yīng)作為重要的電力調(diào)度手段,可以推動電力系統(tǒng)穩(wěn)定可靠運(yùn)行,減少負(fù)荷壓力,提高能源效率。文獻(xiàn)[3]證明了需求響應(yīng)技術(shù)促進(jìn)間歇性可再生能源消費(fèi)的可行性,但存在一定的局限性。文獻(xiàn)[45]在愛爾蘭電力系統(tǒng)中引人需求響應(yīng)模型,證明了部分傳統(tǒng)發(fā)電可被需求響應(yīng)取代,大規(guī)模部署需求響應(yīng)項目的關(guān)鍵是評估需求響應(yīng)的靈活性和合理性。

作為新型交易市場的參與者,負(fù)荷聚合商將具有調(diào)節(jié)能力的需求側(cè)資源聚合起來,成為溝通需求側(cè)消費(fèi)者和電力市場之間的橋梁。負(fù)荷聚合商不僅可與供電方共同參與各類電力市場交易,在獲取自身經(jīng)濟(jì)利益的同時提高社會公共效益,還可與消費(fèi)者達(dá)成代理合同,使運(yùn)營利益和用電效益。電動汽車-充電樁負(fù)荷是目前數(shù)量應(yīng)用廣泛的需求側(cè)柔性負(fù)荷資源。建立電動汽車充電負(fù)荷模型常用的方法是蒙特卡洛方法。在針對電動汽車有序充放電的研究中,文獻(xiàn)[9]使用啟發(fā)式算法對電力系統(tǒng)網(wǎng)絡(luò)進(jìn)行建模,以投人和能源消耗量為目標(biāo),制定了合理的控制策略。文獻(xiàn)[10-11]運(yùn)用粒子群算法得出1日內(nèi)充放電時間,提出了一種以減少峰谷差為目標(biāo)的優(yōu)化充電策略,減少了峰谷負(fù)荷差。在上述研究基礎(chǔ)上,本文通過建立負(fù)荷參與需求響應(yīng)調(diào)節(jié)模型和聚合調(diào)節(jié)模型,從園區(qū)負(fù)荷聚合商的視角,優(yōu)化負(fù)荷側(cè)資源參與需求響應(yīng)的市場行為。

1電動汽車充放電負(fù)荷特性及單體設(shè)備模型

電池荷電狀態(tài)（StateofCharge，SOC）是計算電動汽車充電和放電的關(guān)鍵參數(shù)。當(dāng)電動汽車

在t時段以功率充放電時，t時段電池SOC變化公式為

電池SOC充電功率的關(guān)鍵參數(shù)和容量是計算并網(wǎng)電動汽車可調(diào)，而電動汽車的日行駛里程直接影響電池SOC。因此，假設(shè)在電動汽車運(yùn)行過程中，電池電量勻速下降，則電動汽車電池SOC與其行駛距離間的關(guān)系為

根據(jù)美國交通部2009年對全美車輛出行情況調(diào)查結(jié)果可知，電動汽車接入電網(wǎng)時間的概率密度函數(shù)fx(tstart)符合正態(tài)分布［12］，公式為

式（1）至式（4）構(gòu)成了電動汽車充放電模型。

2電動汽車-充電樁參與需求響應(yīng)調(diào)節(jié)模型

首先,基于蒙特卡洛方法,按照概率密度隨機(jī)抽取電動汽車電池容量、行駛里程、初始時刻電池SOC等參數(shù):然后,結(jié)合電動汽車允許的放電下限、離開時的電量期望值、充電樁充放電模式等設(shè)定,建立電動汽車聚合負(fù)荷模型,以聚集區(qū)域內(nèi)的電動汽車并參與電力市場需求響應(yīng)。同時,制定相應(yīng)優(yōu)化調(diào)節(jié)策略,激勵電動汽車參與非高峰時段充電,并在高峰時段通過電動汽車人網(wǎng)技術(shù)(Vchicle-to-Grid,V2G)轉(zhuǎn)移其充電功率,供虛擬儲能系統(tǒng)使用,使電動汽車既可作為系統(tǒng)負(fù)載,也可作為儲能和分布式電源,從而減輕電網(wǎng)高峰時段的負(fù)荷壓力,減少電動汽車用戶的充電成本。

2.1電動汽車充電過程的影響因素

2.1.1電動汽車行駛里程

對美庭出行情況的調(diào)查研究(NationalHouscholdTravelSurvey,NHTS)顯示,私家電動汽車1天出行的可能性遵循對數(shù)正態(tài)分布。車輛1天出行可能的行駛里程概率密度函數(shù)的計算公式為

2.1.2電動汽車電池初始SOC

為確定電動汽車并網(wǎng)后的電池初始SOC,對包括電動汽車出行前的電池SOC、容量、能耗等參數(shù)進(jìn)行抽樣整理,得到:

2.2負(fù)荷聚合商對電動汽車的調(diào)節(jié)模型

2.2.1負(fù)荷聚合商對電動汽車的調(diào)節(jié)成本

為了激勵電動汽車參與需求響應(yīng),對電動汽車的實(shí)際調(diào)節(jié)和由于頻繁充放電導(dǎo)致的電池?fù)p傷進(jìn)行額外補(bǔ)償,其充電調(diào)節(jié)成本為為

2.2.2電動汽車-充電樁負(fù)荷優(yōu)化實(shí)施框架和調(diào)節(jié)策略

電動汽車-充電樁負(fù)荷優(yōu)化實(shí)施框架如圖1所示。電動汽車-充電樁調(diào)節(jié)策略如圖2所示。由圖1和圖2可知,負(fù)荷聚合商綜合考慮區(qū)域內(nèi)通過V2G充電樁人網(wǎng)電動汽車電池SOC和需求響應(yīng)要求,以及用戶結(jié)束充電后的出行需求、電動汽車電池的狀態(tài)上下限約束條件和電動汽車調(diào)節(jié)成本,確定車-樁負(fù)荷調(diào)節(jié)量,在保證實(shí)時功率削減量不少于要求的前提下，使負(fù)荷聚合商調(diào)節(jié)電動汽車-充電樁負(fù)荷參與需求響應(yīng)的收益為好。

2.2.3電動汽車-充電樁調(diào)節(jié)模型

在滿足規(guī)定負(fù)荷削減量前提下,以負(fù)荷聚合商經(jīng)濟(jì)性優(yōu)為目標(biāo),對包含n輛電動汽車和n個充電樁的電動汽車群進(jìn)行需求響應(yīng)控制。在實(shí)現(xiàn)用戶充電目標(biāo)的前提下,通過有序充電、V2G反向向電網(wǎng)輸電等措施,使用戶通過V2G充電樁進(jìn)行充電所產(chǎn)生的費(fèi)用與電網(wǎng)對電動汽車反向供電的激勵收益之差小,其目標(biāo)函數(shù)fmin為

相關(guān)研究將電動汽車狀態(tài)簡化為充電或放電兩種［8］，但電動汽車慢速充電6~7h就能充滿，因此本研究設(shè)定的電動汽車充電、放電和待機(jī)3種（即不充電或不放電）狀態(tài)，為

3仿真結(jié)果與分析

3.1仿真背景及條件設(shè)定

運(yùn)用蒙特卡洛模擬的負(fù)荷聚合方法，通過概率密度對包括電動汽車電池容量、行駛里程、接人電網(wǎng)初始時刻的SOC等主要參數(shù)進(jìn)行隨機(jī)抽樣所有抽樣模型的集合即為電動汽車充電樁負(fù)荷集群模型[5]

根據(jù)上文提出的電動汽車充電負(fù)荷聚合調(diào)節(jié)方法,以上海某大型工商業(yè)園區(qū)為例,建立電動汽車負(fù)荷聚合商聚合區(qū)域內(nèi)電動汽車參與電力市場需求響應(yīng)模型,制定聚合調(diào)節(jié)區(qū)域內(nèi)電動汽車集群參與電力系統(tǒng)需求響應(yīng)的優(yōu)化調(diào)節(jié)策略。假設(shè)園區(qū)內(nèi)配備V2G智能充電樁1000個，其中30%是充放電效率為60kw的快充充電樁,其余為充放電效率為7kw的普通充電樁,充放電效率均為90%;對應(yīng)1000輛電池容量值為62.5kw的電動汽車,初始時刻電量在20%-50%之間隨機(jī)分布;電動汽車離開時S(i)為80%,設(shè)定仿真過程中SOC允許放電下限為20%,其余參數(shù)由蒙特卡洛方法抽樣確定。設(shè)定仿真過程中，電動汽車接受調(diào)節(jié)時段為09:00-17:00,負(fù)荷聚合商對用戶的放電補(bǔ)貼成本價格為2.5元kwh。其中,在09:00-11:00和13:00-15:00,電動汽車通過智能充電樁充電的費(fèi)用為2.6元/kwh，在11:00-13:00和15:00-17:00,充電費(fèi)用為1.15元/kwh,要求園區(qū)內(nèi)電動汽車在13:00-15:00內(nèi)實(shí)現(xiàn)平均不少于6MW的負(fù)荷削減量。

3.2結(jié)果分析

運(yùn)用電動汽車-充電樁聚合優(yōu)化調(diào)節(jié)策略進(jìn)行MATLAB仿真。電動汽車電池容量變化對比和人網(wǎng)時段內(nèi)容對比如圖3、圖4所示。

由圖3和圖4可知，在可接受調(diào)節(jié)時間內(nèi)，由于未接受調(diào)節(jié)的電動汽車將持續(xù)正常充電，從而不僅增加了用戶的充電成本，電網(wǎng)的調(diào)節(jié)壓力。而在保證電動汽車電池容量大于20%的前提下,通過優(yōu)化調(diào)節(jié)策略,可大大減少區(qū)域內(nèi)電動汽車在用電高峰時段(09:00-11:00和13:00-15:00)的充電功率。同時,優(yōu)化調(diào)節(jié)策略使得電動汽車在11:00-13:00和15:00-17:00利用較低電價盡快充電,在達(dá)到用戶期望離網(wǎng)電量的同時,保證了電動汽車在用電高峰時段參與需求響應(yīng),向電網(wǎng)反向輸電降低電網(wǎng)壓力。

由實(shí)驗(yàn)結(jié)果可知,相比于未經(jīng)調(diào)節(jié)直接充電，負(fù)荷聚合商優(yōu)化調(diào)節(jié)參與需求響應(yīng)使得用戶充電費(fèi)用從93.93元減少至26.36元。這表明電動汽車負(fù)荷聚合商通過調(diào)節(jié)區(qū)域內(nèi)電動汽車-充電樁負(fù)荷參與需求響應(yīng)行為,既降低了電力峰值,又節(jié)省了用戶支出。

4安科瑞充電樁收費(fèi)運(yùn)營云平臺系統(tǒng)選型方案

4.1概述

AcrelCloud-9000安科瑞充電柱收費(fèi)運(yùn)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(shí)時監(jiān)控充電樁運(yùn)行狀態(tài)，進(jìn)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(xì)查詢等。同時對充電機(jī)過溫保護(hù)、漏電、充電機(jī)輸入/輸出過壓，欠壓，絕緣低各類故障進(jìn)行預(yù)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(shí)業(yè)單位、商業(yè)綜合體、學(xué)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)

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)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(biāo)準(zhǔn)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(jìn)行電能計量和保護(hù)。

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)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(shí)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(fèi)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(shí)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(yùn)維人員提供運(yùn)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(diǎn)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(jìn)行統(tǒng)計顯示，同時可查看每個站點(diǎn)的站點(diǎn)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(shí)時監(jiān)控

實(shí)時監(jiān)視充電設(shè)施運(yùn)行狀況，主要包括充電樁運(yùn)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(jìn)行賬戶進(jìn)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(xì)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(jìn)行派發(fā)處理，同時運(yùn)維人員可通過運(yùn)維APP收取故障推送，運(yùn)維人員在運(yùn)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(diǎn)、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(yùn)營商戶，運(yùn)營商可建立和管理其運(yùn)營所需站點(diǎn)和充電設(shè)施，維護(hù)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(yùn)維APP

面向運(yùn)維人員使用，可以對站點(diǎn)和充電樁進(jìn)行管理、能夠進(jìn)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(jìn)行遠(yuǎn)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

本文以電動汽車-充電樁負(fù)荷為切人點(diǎn),通過分析電動汽車接人狀態(tài)、充電樁特性等各類約束條件,建立了精細(xì)化的單體設(shè)備模型和參與需求響應(yīng)調(diào)節(jié)模型,提出了優(yōu)化調(diào)度策略和激勵補(bǔ)償措施,從不同層面和角度探討了需求側(cè)資源參與電網(wǎng)調(diào)節(jié)的可行性和有效性,為需求側(cè)資源在電力市場中的運(yùn)用提供了理論和實(shí)踐支撐,為電力系統(tǒng)的供需平衡和新能源消納提供了新的思路和方法。

參考文獻(xiàn)

[1]劉婕,世界能源發(fā)展報告2021發(fā)布[J].天然氣勘探與開發(fā),2021.44(4):14.

[2]KOLIOUE.EIDC,CHAVES-LAJP,etal.Demandresponseinlibemlizedclecticitymakets:analysisofaggregatedloadparticipationintheGermanbalancingmechanism1],Energy,2014,71:245-254.

KEANEA.TUOHYA,MEIBOMP,etal.Demandsideresoureeoperationonthelrishpowersystemwithhighwindpowerpenetration[1],EnergyPolicy,2011,39(5):29252934.

[5]KIMJ,SHCHERBAKOVAA,Commonfiluresofdemandresponsel1].Energy,2011.36(2):873-880.

[6]HENRIOUEZR.WENZELG.OLIVARESDE.etalParticipationofdemandresponseaggregatorsinelectricitymarkets:optimalportfoliomanagement[].EETransactionsonSmartGnd,2018.9(5):4861-4871.[7]汪聰慧.需求側(cè)資源聚合運(yùn)行特性及其不確定性研究[D].北京:北京交通大學(xué),2021.

[8]王浩林,張勇軍,毛海鵬.基于時刻充電概率的電動汽車充電負(fù)荷預(yù)測方法[J],電力自動化設(shè)備,2019,39(3):213-219.

[9]YAOY,GAOW,LIY.OptimizationofPHEVchargingscheduleforloadpeakshaving[C]/TransportationElectrificationAsia-pacifc.Beijing,China:IEEE,2014:1.6.

[15]LIZS,GUOQL,SUNHB,etal.Storage-likedevicesinloadleveling:complementarityconstraintsandanewandexactrelaxationmethod[j].AppliedEnergy,2015,151:13-22.

[16]陳亞臨，楊涌文，趙一涵.面向需求響應(yīng)的電動汽車-充電樁負(fù)荷聚合調(diào)度優(yōu)化策略

[17]企業(yè)微電網(wǎng)設(shè)計與應(yīng)用手冊2022.05版.