張一康 張珂迎 冉微 徐蓮 郭子承

（中國(guó)礦業(yè)大學(xué)（北京）機(jī)電與信息工程學(xué)院 北京市 100083）

近年，隨著“雙碳”目標(biāo)的提出，我國(guó)新能源裝機(jī)規(guī)模大幅上漲，新能源發(fā)電總量不斷提高，電力結(jié)構(gòu)與規(guī)模正在悄然轉(zhuǎn)變。然而，風(fēng)能、太陽(yáng)能等新能源發(fā)電形式具有波動(dòng)性和不確定性等缺點(diǎn)，若沒(méi)有得到合理的解決，則會(huì)出現(xiàn)嚴(yán)重的“棄電現(xiàn)象”。 另一方面，對(duì)環(huán)境極其友好的新能源汽車也逐漸得到了大眾的認(rèn)可。據(jù)國(guó)家發(fā)改委、商務(wù)部等部門(mén)聯(lián)合發(fā)布的數(shù)據(jù)，截至2021 年底，國(guó)內(nèi)新能源汽車保有量達(dá)到784 萬(wàn)輛，占我國(guó)汽車總量的2.6%，占全球新能源汽車保有量的一半左右。其中純電動(dòng)汽車保有量為640 萬(wàn)輛，占新能源汽車總量的81.63%。作為用電負(fù)荷，電動(dòng)汽車(Electric vehicles, EV)在無(wú)序充電時(shí)無(wú)疑會(huì)加重電網(wǎng)負(fù)擔(dān)。但其作為儲(chǔ)能單元，在消納新能源、輔助電網(wǎng)調(diào)峰方面有著巨大的潛力。

1995 年 Amory Lovins 教授提出了車輛入網(wǎng)概念(vehicle to grid, V2G)，特拉華大學(xué) William Kempton 教授促進(jìn)了V2G 技術(shù)的進(jìn)一步發(fā)展。在電動(dòng)汽車同時(shí)具有用電和放電兩種屬性的情況下，以信息的實(shí)時(shí)監(jiān)測(cè)、通信和交互為基礎(chǔ)，對(duì)電動(dòng)汽車充電和放電進(jìn)行控制，給電網(wǎng)提供調(diào)峰服務(wù)。國(guó)內(nèi)的專家學(xué)者在此方面也進(jìn)行了大量研究。為充分利用電動(dòng)汽車在電網(wǎng)能量調(diào)度中的高度靈活性，文獻(xiàn)以降低充電成本和網(wǎng)損成本為目標(biāo)，提出了一種基于V2G 技術(shù)的電動(dòng)汽車實(shí)時(shí)調(diào)度策略。文獻(xiàn)基于光伏(photovoltaic, PV)發(fā)電滲透率的不斷提高，為平抑短時(shí)劇烈的光伏功率波動(dòng)，提出了微網(wǎng)場(chǎng)景下集群電動(dòng)汽車參與平抑光伏波動(dòng)的控制框架，建立了利用EV 功率跟蹤 PV 出力的凸優(yōu)化模型,并驗(yàn)證了其模型的準(zhǔn)確性與高效性。針對(duì)電動(dòng)汽車無(wú)序充電帶來(lái)的負(fù)荷峰谷差過(guò)大問(wèn)題，文獻(xiàn)提出了基于動(dòng)態(tài)多目標(biāo)優(yōu)化模型的電動(dòng)汽車充電調(diào)度控制策略，使優(yōu)化后的負(fù)荷峰值下降約20%，節(jié)約充電成本40%～55%。文獻(xiàn)從電動(dòng)汽車的充電時(shí)刻、充電時(shí)長(zhǎng)和充電量等特征進(jìn)行分析，通過(guò)改進(jìn)遺傳算法實(shí)現(xiàn)了充電需求、經(jīng)濟(jì)成本和充電峰谷差的協(xié)調(diào)優(yōu)化，有效保證了電網(wǎng)和電動(dòng)汽車的穩(wěn)定運(yùn)行。文獻(xiàn)采用改進(jìn)粒子群優(yōu)化算法(particle swarm optimization, PSO) 建立電動(dòng)車參與電網(wǎng)負(fù)荷平抑的數(shù)學(xué)模型，驗(yàn)證了電動(dòng)車充放電控制策略的有效性。目前，純電動(dòng)公交汽車的滲透率較大，充電頻率較快，且電池容量是私人電動(dòng)汽車的3 倍左右，在負(fù)荷調(diào)度方面具有更高的利用空間。文獻(xiàn)基于譜聚類和長(zhǎng)短期記憶(long short-term memory, LSTM)神經(jīng)網(wǎng)絡(luò)提出了電動(dòng)公交車的充電負(fù)荷預(yù)測(cè)方法，但其預(yù)測(cè)誤差達(dá)到了11%左右。文獻(xiàn)基于動(dòng)態(tài)分時(shí)電價(jià)對(duì)電動(dòng)汽車有序和無(wú)序充電進(jìn)行了分析比較，結(jié)果表明無(wú)序充電的負(fù)荷曲線與日負(fù)荷曲線有一定的重合，會(huì)進(jìn)一步拉大峰谷差；而有序充電則可以實(shí)現(xiàn)負(fù)荷的時(shí)空平移，縮小峰谷差，這一研究表明了電動(dòng)汽車參與電網(wǎng)調(diào)峰的潛力和必要性。

基于上述分析，本文提出了一種基于負(fù)荷需求曲線的電動(dòng)汽車參與電網(wǎng)調(diào)峰的模型，以公交樁和私人樁為研究對(duì)象，通過(guò)調(diào)峰策略控制其向電動(dòng)汽車充電的時(shí)間和功率，力求達(dá)到需求曲線的要求，降低負(fù)荷曲線的波動(dòng)性，提升電網(wǎng)穩(wěn)定性。

1 基于需求曲線的調(diào)峰模型

依據(jù)對(duì)電力調(diào)度區(qū)域的負(fù)荷需求預(yù)測(cè)，電網(wǎng)負(fù)荷調(diào)控部門(mén)發(fā)布此區(qū)域的調(diào)峰需求曲線圖。第三方運(yùn)營(yíng)商合理調(diào)度電動(dòng)汽車的充電時(shí)間和充電功率，以期達(dá)到調(diào)峰需求曲線的要求。因此，本文基于調(diào)峰需求曲線建立了電動(dòng)汽車參與電網(wǎng)調(diào)峰的數(shù)學(xué)模型。

1.1 調(diào)峰目標(biāo)

將調(diào)峰需求曲線離散化，以天為單位，平均劃分為48個(gè)時(shí)段；以每時(shí)段為控制量，調(diào)控電動(dòng)汽車的實(shí)際充電功率接近調(diào)峰需求曲線要求的負(fù)荷功率。

1.2 確定約束

在實(shí)際運(yùn)行中，電動(dòng)汽車參與電網(wǎng)調(diào)峰會(huì)受到多種主客觀因素的制約。本文提出的模型只考慮了部分影響較大的因素，忽略了相對(duì)較小的影響。

1.2.1 最大充電功率

不同類型的電動(dòng)汽車，其充電功率是不同的。基于電動(dòng)汽車自身性能的影響，其充電功率存在最大的幅值限制。

1.2.3 可用時(shí)間約束

充電樁是實(shí)現(xiàn)電網(wǎng)和電動(dòng)汽車能量傳遞的重要媒介，但并非每時(shí)每刻都有電動(dòng)汽車接入電網(wǎng)。且不同類型的電動(dòng)汽車運(yùn)行時(shí)間不同，在上下班時(shí)段，能夠參與電網(wǎng)調(diào)峰的電動(dòng)汽車數(shù)量明顯減少。

2 控制策略

根據(jù)給定的調(diào)峰需求曲線和實(shí)際負(fù)荷曲線，第三方運(yùn)營(yíng)商調(diào)控充電樁的充電功率，以減小二者差值為目標(biāo)，力求實(shí)際負(fù)荷曲線達(dá)到調(diào)峰需求曲線的要求。具體的調(diào)峰過(guò)程為：

（1）將調(diào)峰需求曲線離散化，以天為單位，平均劃分為48 個(gè)時(shí)段。

（2）計(jì)算當(dāng)前時(shí)段i 調(diào)峰需求負(fù)荷和基礎(chǔ)負(fù)荷的差值，并判斷實(shí)際負(fù)荷的增減方向。

（3）若需要增加實(shí)際負(fù)荷，則提高充電功率待提升量最大的充電樁，更新差值，直到實(shí)際負(fù)荷滿足目標(biāo)負(fù)荷的要求。

（4）若要求減小實(shí)際負(fù)荷，則篩選出當(dāng)前負(fù)荷最大的充電樁，減小為原來(lái)的λ 倍，更新差值，直到實(shí)際負(fù)荷滿足目標(biāo)負(fù)荷的要求。

（5）當(dāng)前時(shí)段調(diào)峰任務(wù)完成，進(jìn)入下一時(shí)段，直到48個(gè)時(shí)段全部完成，任務(wù)結(jié)束。

3 調(diào)峰算例仿真與分析

3.1 仿真參數(shù)設(shè)定

為驗(yàn)證上文建立的模型和策略的可行性與有效性，通過(guò)MATLAB 編寫(xiě)程序進(jìn)行算例仿真。實(shí)際中每個(gè)區(qū)域的充電樁種類和數(shù)目均不同，且充電樁的工作時(shí)長(zhǎng)也不同。方便起見(jiàn)，本文使用的公交樁數(shù)量為6 個(gè)，私人樁的數(shù)量為20 個(gè)。單個(gè)公交樁每天輸出的最大能量為600 kW·h，私人樁為240 kW·h，依據(jù)上文提出的功率約束，規(guī)定公交樁最大功率為30 kW，私人樁為20 kW?？紤]到可用時(shí)間約束，認(rèn)為在上下班高峰期（7:00-9:00;17:00-19:00）有一半的充電樁不在工作狀態(tài)。充電樁的參數(shù)設(shè)置如表1 所示。

表1： 充電樁參數(shù)設(shè)置

3.2 仿真結(jié)果與分析

參與電網(wǎng)調(diào)峰前，充電樁在各個(gè)時(shí)段的負(fù)荷功率如圖1所示。圖2 給出了電網(wǎng)下發(fā)的調(diào)峰需求曲線以及調(diào)峰前充電樁的實(shí)際負(fù)荷曲線。由圖1 可知，公交樁和私人樁有著不同的充電負(fù)荷特性。公交樁在0:00-6:00 的充電負(fù)荷極小，幾乎不參與電網(wǎng)的互動(dòng)。而結(jié)合人們的生活充電規(guī)律，私人樁的充電高峰期為20:00-24:00。

圖1： 充電樁基礎(chǔ)負(fù)荷

圖2： 調(diào)峰前負(fù)荷對(duì)比

從圖2 可以看出在無(wú)序充電時(shí)，電動(dòng)汽車充電負(fù)荷和日常負(fù)荷幾乎重合。在2:00-6:00 間處于低水平狀態(tài)，根據(jù)系統(tǒng)要求需要提高其負(fù)荷功率；在19:00-23:00 間負(fù)荷水平較高，需要降低其負(fù)荷。

采用本文所提調(diào)峰策略后，其負(fù)荷曲線與目標(biāo)負(fù)荷曲線的跟蹤對(duì)比如圖3 所示。

圖3： 調(diào)峰后負(fù)荷曲線

可以看到，在調(diào)峰容量充足的情況下，根據(jù)本文所提策略，可以滿足式（2）中ε=0 的最高要求，即調(diào)峰后的實(shí)際負(fù)荷曲線與目標(biāo)負(fù)荷曲線完全重合。

參與電網(wǎng)調(diào)峰前后私人樁和公交樁的負(fù)荷變動(dòng)如圖4 和圖5 所示。

圖4： 私人樁負(fù)荷變化曲線

圖5： 公交樁樁負(fù)荷變化曲線

分別對(duì)圖4 和圖5 進(jìn)行分析可以得出：

（1）在5-13（2:00-6:00）低負(fù)荷時(shí)段內(nèi)，實(shí)際負(fù)荷量低于需求曲線的要求，系統(tǒng)大幅提升了公交樁的負(fù)荷功率，私人樁的負(fù)荷提升相對(duì)較小，輔助公交樁進(jìn)行調(diào)節(jié)。

（2）15-35（7:00-17:00）時(shí)段內(nèi)，純電動(dòng)公交車處于運(yùn)營(yíng)時(shí)段，公交樁負(fù)荷基本不變；私人樁負(fù)荷提高，以滿足調(diào)峰需求。

（3） 40-48（19:30-23:30）時(shí)段內(nèi)，調(diào)峰前實(shí)際負(fù)荷以較高水平運(yùn)行，為減輕電網(wǎng)壓力，滿足調(diào)峰需求曲線的要求，公交樁和私人樁的充電負(fù)荷均有所下降，共同參與電網(wǎng)調(diào)峰。

4 結(jié)論

在“雙碳”目標(biāo)的大力推動(dòng)下，新能源電動(dòng)汽車得到了蓬勃的發(fā)展，其作為儲(chǔ)能單元參與電網(wǎng)調(diào)節(jié)的能力正在被不斷發(fā)掘。本文提出了一種基于需求曲線的電動(dòng)汽車參與電網(wǎng)調(diào)峰的實(shí)時(shí)控制調(diào)度策略，在負(fù)荷總量能夠滿足電網(wǎng)調(diào)峰需求的基礎(chǔ)上，建立數(shù)學(xué)模型，通過(guò)仿真分析驗(yàn)證了其可行性與有效性。主要結(jié)論有：

（1）通過(guò)算法合理調(diào)度電動(dòng)汽車的充電功率和時(shí)間，可以有效減緩電網(wǎng)的負(fù)荷波動(dòng)，降低峰谷差，初步實(shí)現(xiàn)電網(wǎng)的“削峰填谷”。

（2）公交樁在用電低谷期的高負(fù)荷運(yùn)行、能夠快速提高此時(shí)段的負(fù)荷水平。降低私人樁與公交樁在用電高峰期的負(fù)荷功率，能夠?qū)崿F(xiàn)負(fù)荷的時(shí)空平移，優(yōu)化負(fù)荷曲線。