陳小閩，王 鋼，汪隆君

(華南理工大學(xué)電力學(xué)院，廣東廣州 510640)

0 引 言

節(jié)能與新能源汽車已經(jīng)成為全球汽車產(chǎn)業(yè)的發(fā)展方向，到2020年，純電動(dòng)汽車和插電式混合動(dòng)力汽車?yán)塾?jì)產(chǎn)銷量預(yù)計(jì)超過(guò)500萬(wàn)輛[1]，呈迅速增長(zhǎng)的趨勢(shì)。一方面，電動(dòng)汽車總體可觀的充電量可能造成電網(wǎng)容量不足、頻率偏移以及日負(fù)荷峰谷差增大[2-4]，另一方面,電動(dòng)汽車作為具有可調(diào)度性的負(fù)荷，其需求響應(yīng)潛力具有巨大的挖掘空間[5]。為了充分發(fā)揮電動(dòng)汽車充電負(fù)荷對(duì)電網(wǎng)的調(diào)節(jié)作用，同時(shí)減少其對(duì)電網(wǎng)的不利影響，提出有序充電的構(gòu)想[6]。在分析電動(dòng)汽車充電對(duì)電網(wǎng)運(yùn)行影響的基礎(chǔ)上[7-9]，以降低用戶充電成本、提升電網(wǎng)運(yùn)行效率與穩(wěn)定性、消納分布式能源等為目標(biāo)，合理規(guī)劃用戶充電時(shí)間及充電功率，實(shí)現(xiàn)電網(wǎng)與用戶利益雙贏[10-12]。文獻(xiàn)[13]綜合考慮了電動(dòng)汽車對(duì)交通網(wǎng)絡(luò)和電網(wǎng)的動(dòng)態(tài)影響，通過(guò)規(guī)劃用戶的充電時(shí)間和駕駛模式，緩解電動(dòng)汽車給交通網(wǎng)絡(luò)與電網(wǎng)帶來(lái)的雙重壓力；文獻(xiàn)[14-16]研究了基于V2G技術(shù)的電動(dòng)汽車有序充電，通過(guò)電能在電動(dòng)汽車與電網(wǎng)之間的雙向流動(dòng)，實(shí)現(xiàn)電網(wǎng)的調(diào)峰調(diào)頻與經(jīng)濟(jì)運(yùn)行要求。

現(xiàn)有對(duì)有序充電的研究側(cè)重于優(yōu)化目標(biāo)的選擇以及充電方案的制定，缺乏引導(dǎo)用戶參與有序充電的環(huán)節(jié)。在構(gòu)建用戶響應(yīng)行為模型時(shí)將電動(dòng)汽車視為完全接受調(diào)度負(fù)荷，或者以某一固定概率進(jìn)行充電響應(yīng)，高估用戶充電行為的可調(diào)度性，導(dǎo)致有序充電體系缺乏完整性與可操作性。

“互聯(lián)網(wǎng)+”的興起為電力行業(yè)帶來(lái)了轉(zhuǎn)變發(fā)展模式的機(jī)遇。借助互聯(lián)網(wǎng)的高覆蓋率與高傳輸效率，實(shí)現(xiàn)電網(wǎng)與用戶的互動(dòng)，促進(jìn)需求側(cè)響應(yīng)，使電網(wǎng)朝著更加智能與高效的方向發(fā)展[17-18]。在電動(dòng)汽車有序充電領(lǐng)域，用戶通過(guò)互聯(lián)網(wǎng)移動(dòng)終端將電動(dòng)汽車與充電系統(tǒng)連接，實(shí)現(xiàn)對(duì)電動(dòng)汽車充電行為的遠(yuǎn)程控制，同時(shí)充電管理者可將有序充電方案通過(guò)互聯(lián)網(wǎng)平臺(tái)傳達(dá)給用戶移動(dòng)終端，二者通過(guò)互聯(lián)網(wǎng)進(jìn)行連接與互動(dòng)的過(guò)程即電動(dòng)汽車車聯(lián)網(wǎng)系統(tǒng)運(yùn)行機(jī)理。該系統(tǒng)通過(guò)互聯(lián)網(wǎng)移動(dòng)終端實(shí)現(xiàn)用戶、電動(dòng)汽車以及充電系統(tǒng)三者聯(lián)絡(luò)，是實(shí)施有序充電方案的載體。

為此，以減少日負(fù)荷曲線波動(dòng)為目標(biāo)，不增加用電高峰期電網(wǎng)供電壓力和不形成充電晚高峰為約束構(gòu)建二次優(yōu)化模型，以藍(lán)牙傳輸為基礎(chǔ)，以“互聯(lián)網(wǎng)+”作為平臺(tái)構(gòu)建車聯(lián)網(wǎng)系統(tǒng)框架，通過(guò)該系統(tǒng)實(shí)現(xiàn)有序充電方案，同時(shí)獲得電動(dòng)汽車群體充電行為響應(yīng)信息，掌握用戶充電行為的規(guī)律與特征，進(jìn)一步完善優(yōu)化模型。最后通過(guò)算例驗(yàn)證方案的有效性。

1 車聯(lián)網(wǎng)系統(tǒng)結(jié)構(gòu)

車聯(lián)網(wǎng)系統(tǒng)主要由兩部分構(gòu)成[19]，二者通過(guò)藍(lán)牙通信實(shí)現(xiàn)信息互聯(lián)。

① 以電子控制單元ECU(electronic control unit)為中心的車輛狀態(tài)信息監(jiān)測(cè)系統(tǒng)，該系統(tǒng)主要通過(guò)電壓、電流、溫度傳感器、以及計(jì)數(shù)器得到電動(dòng)汽車電池電壓、電流、溫度、充放電次數(shù)，通過(guò)安時(shí)積分法[20]計(jì)算電池實(shí)時(shí)SOC(state of charge)。

圖1 車聯(lián)網(wǎng)系統(tǒng)結(jié)構(gòu)圖Fig.1 Structure of vehicle networking system

② 以車聯(lián)網(wǎng)APP為中心的用戶響應(yīng)互動(dòng)系統(tǒng)。該系統(tǒng)主要實(shí)現(xiàn)以下功能：a.在建議電動(dòng)汽車充電的時(shí)間段向用戶推送信息，并統(tǒng)計(jì)用戶響應(yīng)情況；b.通過(guò)無(wú)線網(wǎng)絡(luò)連接APP與充電裝置，用戶可通過(guò)APP上傳充電方案至充電樁，實(shí)現(xiàn)對(duì)電動(dòng)汽車充電的控制；c.通過(guò)移動(dòng)網(wǎng)絡(luò)獲得車輛位置信息、充電樁狀態(tài)信息、道路交通實(shí)時(shí)信息，用戶結(jié)合自身出行意愿進(jìn)行充電樁選擇，APP可為用戶提供充電導(dǎo)航方案[21]。

2 車聯(lián)網(wǎng)框架

2.1 車聯(lián)網(wǎng)APP推送流程

圖2 車聯(lián)網(wǎng)APP推送流程圖Fig.2 Electric vehicle networking APP push flow chart

車聯(lián)網(wǎng)APP推送流程如圖2，根據(jù)預(yù)測(cè)得到的當(dāng)前日負(fù)荷數(shù)據(jù)，以及優(yōu)化模型得到每個(gè)時(shí)間區(qū)間內(nèi)推送量的理論值(2、3節(jié)中所述),將當(dāng)前日分為若干推送時(shí)間段，確定每一推送時(shí)間段的推送量，在每一個(gè)推送時(shí)間段首端時(shí)刻進(jìn)行推送。用戶SOC值決定其推送的優(yōu)先權(quán)，即SOC值越小被推送的概率越高。若用戶未響應(yīng)，則在下一建議充電時(shí)間段進(jìn)行推送；若用戶響應(yīng)推送，提示用戶選擇充電樁并利用車聯(lián)網(wǎng)APP獲得的車輛位置信息、道路交通實(shí)時(shí)信息為用戶進(jìn)行路徑規(guī)劃。用戶到達(dá)充電樁后，通過(guò)無(wú)線網(wǎng)絡(luò)連接手機(jī)與充電樁，在APP上設(shè)置充電模式以及充電要求，充電模式分為快充和常規(guī)充電，充電要求分為3種：①以充電結(jié)束時(shí)間為約束，即用戶預(yù)先設(shè)置充電結(jié)束時(shí)間，并未對(duì)充電量做出要求；②以充電量為約束，即用戶要求充電結(jié)束時(shí)電量達(dá)到其設(shè)定值，并未對(duì)充電時(shí)間做出要求；③以充電結(jié)束時(shí)間和充電量為約束，即用戶希望在某一時(shí)間內(nèi)使電量達(dá)到設(shè)定值。車聯(lián)網(wǎng)系統(tǒng)根據(jù)已獲得的電動(dòng)汽車的實(shí)時(shí)充電情況，包括正在充電和已經(jīng)預(yù)約充電的電動(dòng)汽車，向用戶建議最早開(kāi)始充電時(shí)間以及充電結(jié)束時(shí)的電池SOC估計(jì)值。若用戶同意充電方案，則車聯(lián)網(wǎng)APP將用戶的充電設(shè)置上傳到充電樁，充電樁按時(shí)為用戶充電；若用戶不同意充電方案，則根據(jù)用戶自行設(shè)置的充電開(kāi)始時(shí)間和結(jié)束時(shí)間為其進(jìn)行充電。車聯(lián)網(wǎng)APP統(tǒng)計(jì)用戶響應(yīng)情況并修正概率分布模型見(jiàn)2.2節(jié)。

2.2 概率分布及修正方法

本文通過(guò)引入用戶響應(yīng)推送的概率以及不同充電模式選擇的概率量化表示用戶在得到APP推送后響應(yīng)推送以及選擇其中一種充電模式的可能性。其中用戶采用的充電模式主要與充電時(shí)間有關(guān)，用戶響應(yīng)推送概率與電池SOC以及建議充電時(shí)間有關(guān)。根據(jù)車聯(lián)網(wǎng)系統(tǒng)獲得的用戶響應(yīng)數(shù)據(jù)，統(tǒng)計(jì)歷史用戶充電模式選擇頻率與響應(yīng)推送頻率。采用移動(dòng)平均法獲得當(dāng)前日用戶所采用的充電模式以及響應(yīng)推送的概率估計(jì)值。

i∈[1,2,…,NT]

(1)

Pmr,fi=xm,fi/xR,fiPkr,fi=xk,fi/xR,fi

i∈[1,2,…,NT]

(2)

j∈[Sa,Sb]

(3)

(4)

(5)

(6)

式中：Pk,Ti、Pm,Ti為第T天i時(shí)刻用戶進(jìn)行快充和常規(guī)充電概率；Pkr,fi、Pmr,fi為第f天i時(shí)刻用戶進(jìn)行快充和常規(guī)充電的頻率；xm,fi、xk,fi分別為第f天i時(shí)刻進(jìn)行常規(guī)充電和快充的用戶數(shù)；xR,fi為第f天i時(shí)刻用戶實(shí)際響應(yīng)量；PR,Tij為第T天i時(shí)刻電動(dòng)汽車電池SOC處于區(qū)間j的用戶響應(yīng)概率；PRr,fij為第f天i時(shí)刻電動(dòng)汽車電池SOC處于區(qū)間j的用戶響應(yīng)頻率；xR,fKj為第f天第K個(gè)推送時(shí)間段電動(dòng)汽車電池SOC在區(qū)間j的用戶實(shí)際響應(yīng)量；nfKj表示第f天第K個(gè)推送時(shí)間段電動(dòng)汽車電池SOC在區(qū)間j的用戶實(shí)際推送量；tfKm，tfKn為第f天第K個(gè)推送時(shí)間段開(kāi)始和結(jié)束時(shí)間；a為時(shí)間步長(zhǎng)；Na為移動(dòng)平均的項(xiàng)數(shù)值；NPTK表示第T天第K個(gè)推送時(shí)間段包含的時(shí)間區(qū)間個(gè)數(shù)；NT為當(dāng)前日時(shí)間分段總數(shù)；Sa、Sb表示SOC推送區(qū)間的下限值和上限值。

2.3 推送量理論值優(yōu)化算法

本文采用優(yōu)化算法得到每小時(shí)推送量理論值，考慮電動(dòng)汽車不同充電模式以及充電時(shí)長(zhǎng)的概率分布，以通過(guò)電動(dòng)汽車的有序充電平抑負(fù)荷曲線波動(dòng)為目標(biāo)，以電動(dòng)汽車總量(式(10))、避免在負(fù)荷高峰時(shí)期充電(式(11))以及不形成充電晚高峰(式(12))為約束條件構(gòu)建如下優(yōu)化模型。

目標(biāo)函數(shù)：

(7)

約束條件：

PC,Ti=xTiPk,TiPke+xTiPm,TiPme+

(9)

PC,Ti=0i∈Tb

(11)

PC,Ti+PL,Ti

(13)

Tm=tm/aTk=tk/aNLm=Tb/a

(14)

式中：PL,Ti、PC,Ti分別第T天i時(shí)刻負(fù)荷功率和電動(dòng)汽車充電功率；其中i時(shí)刻電動(dòng)汽車充電功率由i時(shí)刻接入的電動(dòng)汽車充電功率與之前接入并持續(xù)充電到i時(shí)刻的電動(dòng)汽車充電功率之和；Pav,T為第T天用戶響應(yīng)后的總負(fù)荷平均值；Pme、Pke為電動(dòng)汽車常規(guī)充電和快充的充電功率；PLm,T為當(dāng)前日用電高峰期負(fù)荷平均值；NLm為用電高峰期時(shí)間分段數(shù)；P(tC>i-j)為電動(dòng)汽車充電時(shí)長(zhǎng)大于i-j的概率;xTi為第T天i時(shí)響應(yīng)充電用戶數(shù)量理論值；tm，tk為分別采用快充和常規(guī)充電模式電池SOC從下限值充至上限值所需時(shí)間；NEV為電動(dòng)汽車總數(shù)；Tb為用電高峰期。

2.4 實(shí)際推送量計(jì)算方法

根據(jù)優(yōu)化模型得到的每個(gè)時(shí)間區(qū)間用戶推送量理論值，將當(dāng)前日劃分成若干個(gè)推送時(shí)間段(如圖3)，結(jié)合用戶響應(yīng)概率分布情況，提出得到每一推送時(shí)間段實(shí)際推送量方法，其中推送時(shí)間段由若干連續(xù)時(shí)間區(qū)間組成。

(15)

j∈[Sa,Sb]

(16)

式中：PR,TKj為第T天第K個(gè)推送時(shí)間段電動(dòng)汽車電池SOC在區(qū)間j時(shí)對(duì)應(yīng)的用戶響應(yīng)概率；XTK表示第T天第K個(gè)推送時(shí)間段推送總量；hSOC表示SOC的區(qū)間步長(zhǎng)；αj表示電動(dòng)汽車電池SOC處于區(qū)間j的概率；tTKm,tTKn為第T天第K個(gè)推送時(shí)間段開(kāi)始和結(jié)束時(shí)刻。

圖3 推送時(shí)間段劃分示意圖Fig.3 Sketch map of push time segment

3 算 例

3.1 假設(shè)條件以及參數(shù)設(shè)置

3.1.1參數(shù)設(shè)置

廣州現(xiàn)有私家車保有量約為234萬(wàn)，其中有10萬(wàn)輛為電動(dòng)汽車，其滲透率為4.27%。型號(hào)為BYD E6，最大續(xù)航里程為400km，快充和常規(guī)充電功率分別為90kW和14kW，采用恒功率充電。采用快充和常規(guī)充電時(shí)電池電量從下限值充至上限值所需時(shí)間分別為1h和6h，每日10時(shí)至16時(shí)為用電高峰期，時(shí)間步長(zhǎng)為1h。

3.1.2假設(shè)條件

圖4 用戶充電模式概率分布Fig.4 Probability distribution of user charge mode

用戶充電模式及響應(yīng)行為初始概率分布如圖4～圖5，考慮用戶響應(yīng)數(shù)據(jù)的時(shí)效性，距離當(dāng)前日過(guò)久的響應(yīng)數(shù)據(jù)對(duì)概率估計(jì)的參考價(jià)值較低，故移動(dòng)平均項(xiàng)數(shù)取3，即利用當(dāng)前日前3d的用戶響應(yīng)數(shù)據(jù)進(jìn)行當(dāng)前日用戶響應(yīng)概率及充電模式選擇概率估計(jì)。用戶初始SOC服從正態(tài)分布N～(0.6,0.12)[22]，在常規(guī)充電的情況下，充電結(jié)束時(shí)電動(dòng)汽車電池SOC達(dá)到上限值，則充電時(shí)長(zhǎng)與SOC為線性關(guān)系，其概率分布如表1。主要針對(duì)SOC值低于0.7的用戶進(jìn)行推送，考慮到電池的特性與安全，SOC的推送區(qū)間為(0.3,0.7)。

圖5 用戶響應(yīng)行為概率分布圖Fig.5 Probability distribution of user response behavior

表1 電動(dòng)汽車充電時(shí)長(zhǎng)概率分布Tab.1 Long time probability distribution of electric vehicle charging

3.2 推送量確定

利用matlab非線性規(guī)劃函數(shù)對(duì)式(4)～(11)的優(yōu)化模型進(jìn)行求解。得到每小時(shí)推送的期望值以及期望充電功率理論曲線(圖6～圖7)。

圖6 電動(dòng)汽車充電負(fù)荷理論值Fig.6 Expected value of electric vehicle response

圖7 電動(dòng)汽車推送量理論值Fig.7 Expected value of electric vehicle push

從優(yōu)化結(jié)果可以看出，當(dāng)前日需要電動(dòng)汽車響應(yīng)充電的時(shí)間段主要集中在深夜。此時(shí)負(fù)荷處于一天中低谷時(shí)期，由于工作日私家車主要在下班之后開(kāi)始使用，結(jié)合優(yōu)化結(jié)果，選擇當(dāng)前日16:00和21:00時(shí)進(jìn)行推送。根據(jù)概率模型得到用戶響應(yīng)概率分別為0.6和0.56，則兩個(gè)時(shí)間段推送量實(shí)際值分別為11 000輛和44 200輛。

3.3 用戶響應(yīng)情況

基于用戶初始SOC概率分布，采用蒙特卡洛模擬法[23-24]模擬每個(gè)推送時(shí)刻每個(gè)用戶的響應(yīng)行為，得到用戶實(shí)際充電功率曲線如圖8。

圖8 電動(dòng)汽車響應(yīng)情況Fig.8 Response of electric vehicle

由圖8看出當(dāng)前日用戶響應(yīng)量不足，在0～7時(shí)用電低谷時(shí)期響應(yīng)量?jī)H為期望值的56%，為了使響應(yīng)量達(dá)到預(yù)期，車聯(lián)網(wǎng)APP統(tǒng)計(jì)每一時(shí)間段不同SOC狀態(tài)的用戶響應(yīng)情況，采用移動(dòng)平均法修正優(yōu)化模型中的Pm、Pk、PR,得到第2天實(shí)際推送量。基于上述方法得到后4 d的用戶響應(yīng)結(jié)果如圖9所示。圖10、圖11為利用第2、第3、第4日用戶響應(yīng)數(shù)據(jù)，通過(guò)移動(dòng)平均法修正后的Pm、Pk、PR。

圖9 連續(xù)4日用戶響應(yīng)情況Fig.9 User response of four consecutive days

圖10 通過(guò)移動(dòng)平均法修正后的Pk和Pm Fig.10 Modified Pk and Pm

圖11 通過(guò)移動(dòng)平均法修正后的PRFig.11 Modified PR

由算例結(jié)果可以看出，通過(guò)車聯(lián)網(wǎng)APP統(tǒng)計(jì)的用戶實(shí)際響應(yīng)數(shù)據(jù)修正用戶選擇充電模式和響應(yīng)行為的概率分布，在開(kāi)始推送的前2日用戶響應(yīng)不足，第3日增加推送量后用戶響應(yīng)量過(guò)剩，利用2.2中的方法修改推送量后，第5日用戶實(shí)際充電響應(yīng)曲線逼近通過(guò)優(yōu)化算法得到的理論曲線，基本達(dá)到了期望充電效果，計(jì)算顯示充電后總負(fù)荷曲線的方差由169.35減少至127.39，減少了24.8%。

4 結(jié) 論

本文提出結(jié)合車聯(lián)網(wǎng)APP和電動(dòng)汽車電池狀態(tài)監(jiān)測(cè)裝置的車聯(lián)網(wǎng)系統(tǒng)結(jié)構(gòu)，構(gòu)建以平抑負(fù)荷為目標(biāo)，以避免在用電高峰時(shí)期充電和不形成用電晚高峰為約束的優(yōu)化模型，在“互聯(lián)網(wǎng)+”的基礎(chǔ)上制定車聯(lián)網(wǎng)框架。采用蒙特卡洛模擬的方法模擬5 d用戶響應(yīng)曲線，結(jié)果表明通過(guò)統(tǒng)計(jì)用戶響應(yīng)數(shù)據(jù)并對(duì)用戶選擇充電模式及響應(yīng)行為概率模型進(jìn)行修正的方法使用戶響應(yīng)量接近理論值，通過(guò)該方法達(dá)到了平抑負(fù)荷曲線的效果，實(shí)現(xiàn)了電動(dòng)汽車有序充電。