陳群杰，盧 煒，楊金豪，程健安，任 惠

（1. 國網(wǎng)浙江省電力有限公司 杭州市錢塘新區(qū)供電公司，浙江 杭州 310020；2. 華北電力大學 電力工程系，河北 保定 071003）

0 引言

受用地條件限制，城市配電網(wǎng)新建饋線會存在一定的困難。挖掘現(xiàn)有饋線的供電潛力，不僅能夠緩解這一矛盾，同時也能夠提高供電公司效益，進一步加深主動配電網(wǎng)的建設[1]。

饋線可開放容量是用戶申報容量介入時的重要參考數(shù)據(jù)。文獻[2]考慮N–1安全和網(wǎng)絡重構(gòu)，建立了配電網(wǎng)可開放容量評估模型；在保證供電可靠性的前提下，挖掘了切換操作帶來的可開放容量空間；但是，文中沒有考慮需求側(cè)管理對供電能力的影響。文獻[3]在這一方面進行了補充，建立了以用戶收益最大為目標的響應模型，評估了需求響應對可開放容量的影響及作用機理。

目前，尚無公認有效的用戶負荷響應差異性刻畫方法。城市配電網(wǎng)中，居民和商業(yè)用戶數(shù)目較多，且用電量差異較大、響應的隨機性較高；所以，基于彈性系數(shù)的建模方法，更適用于此類定性研究。

隨著電力物聯(lián)網(wǎng)的建設，電網(wǎng)對商業(yè)及居民用戶的感知能力逐漸加強，基于用戶實際用電數(shù)據(jù)的分析成為可能。文獻[4]對居民空調(diào)設備和熱水器等設備的負荷響應能力進行了研究。該研究并非基于實際用電數(shù)據(jù)，并未考慮空調(diào)用戶改變設定溫度后，由于空調(diào)運行時段的位移，其調(diào)節(jié)量是否對饋線最大負荷產(chǎn)生顯著影響。

綠色出行愿景下，大量電動汽車（electric vehicle，EV）接入，其中通勤用戶、宅居用戶的日耗電量有限，所以閑置的EV電池可以作為小型分布式儲能設備，參與到電網(wǎng)的日常運行之中。隨著電池成本的下降，這種方案可行性逐步上升[5,6]。

綜上，在配電網(wǎng)可開放容量評估中，有必要計及空調(diào)設備的節(jié)能能力及EV的V2G能力。本文首先給出計及設備同時率的饋線可開放容量計算方法，進而通過分析空調(diào)、EV用戶的用電歷史數(shù)據(jù)，估計改變空調(diào)設定溫度以及EV參與V2G對負荷曲線的影響。

1 計及同時率的可開放容量計算

計及設備同時率的饋線可開放容量可以通過公式（1）計算[7]：

式中：G為饋線k所負載的設備組；Tcj為饋線組中第j臺設備的報裝容量；Fk為饋線k的容量；kμ為饋線k所負載的設備組的同時率，為小于1的正數(shù)。

用電設備組同時率kμ定義為：

式中：Smaxk為計及大量EV用戶V2G能力和空調(diào)負荷節(jié)能能力后的該用電設備組“等效負荷”的最大值。

計及空調(diào)用戶節(jié)能及 EV用戶的負荷響應（demand response，DR）能力，能夠降低Smaxk，從而提高饋線的可開放容量。由公式（2）可知，正確評估Smaxk是饋線可開放容量評估的關鍵。

2 用戶負荷響應能力的Smaxk估計

本節(jié)以文獻[8]開源的高分辨率居民用電數(shù)據(jù)為基礎展開分析。

2.1 空調(diào)節(jié)能能力評估方法

采用文獻[9]方法，利用無侵入式數(shù)據(jù)分析，單獨分離出用戶的空調(diào)用電數(shù)據(jù)，如圖1所示。

圖1 空調(diào)日用電數(shù)據(jù)Fig. 1 Daily consumption data of AC

圖1中，空調(diào)用戶日用電數(shù)據(jù)曲線可以表示為：

通常情況下（比如制冷），空調(diào)設定的溫度值越低，則空調(diào)壓縮機工作的時間越長，耗電量越大。因此，可以認為，提高設定溫度，可以縮短空調(diào)壓縮機的工作時間，進而減少耗電量。

為了簡化分析，假定如下計算條件：（1）忽略設定溫度變化對停機時長的影響。（2）以提高設定溫度1 ℃則節(jié)約用電6%進行估算。

調(diào)整空調(diào)設定值前后，單一用戶空調(diào)用電示意圖如圖2所示。

圖2 空調(diào)設定值調(diào)整前后用電示意圖Fig. 2 Schematic diagram of electricity consumption before and after adjustment of air conditioner settings

圖2中，每一個矩形塊的面積為輪停工作模式下空調(diào)的一次啟動運行所耗電量，可以稱為一個能量塊。

當相鄰能量塊之間的時間間隔小于Tth時，認為相鄰能量塊為同一個用電事件。當?shù)趇個和第i–1個空調(diào)用電模塊的時間間隔大于Tth，則認為第i個空調(diào)用電能量塊為一次新的空調(diào)用電事件。例如，在第i–1次空調(diào)用電模塊結(jié)束后，用戶離開室內(nèi)，關閉空調(diào)；經(jīng)過若干時間（大于Tth），用戶從戶外回到了戶內(nèi)，打開空調(diào)，于是產(chǎn)生了第i個空調(diào)用電模塊。第i個能量塊屬于新的用電事件。

溫度設定值升高后，空調(diào)壓縮機的工作時間縮短。對此，可以縮短圖1給出的空調(diào)用戶用電曲線中每一個能量塊寬度，進而得到設定值調(diào)整后的空調(diào)用戶用電曲線。根據(jù)假設，相鄰能量塊的時間間隔不變，則第一個能量塊之后的能量塊的起始時刻發(fā)生變化，如圖2（b）所示。需要注意的是，在分析計算時，無需改變一個新的空調(diào)用電事件的起始時刻。

根據(jù)上述思想，得到節(jié)能后的空調(diào)負荷用電序列，如公式（3）所示。用提高設定值后的空調(diào)負荷減去原始空調(diào)負荷數(shù)據(jù)時間序列，得到的差值負荷時間序列，如公式（4）所示。差值負荷功率曲線如圖3所示。由于每一個空調(diào)負荷用電模塊發(fā)生了位移，因此公式（3）和（4）中用電模塊的起止時間并不相同。

圖3 節(jié)能前后空調(diào)用戶的差值功率曲線Fig. 3 The differential load curve of a given AC user before and after energy conservation

2.2 EV用戶V2G能力分析方法

EV在非行駛時刻，可以看作是分布式儲能設備。若 EV電池的放電控制影響到用戶的出行，則可能引發(fā)用戶對參與負荷響應的抵觸。因此，在制定可開放容量規(guī)劃時，若計及 EV用戶的負荷響應能力，則必須首先研究用戶的出行數(shù)據(jù)，合理規(guī)劃EV的V2G時段和V2G能力，保證方案的可執(zhí)行性。

2.2.1 用戶分類

基于前期研究成果[10]，用一組行為標簽標記用戶，并依據(jù)行為標簽對EV用戶進行分類。

用戶充電行為的基本特征包括充電時段、充電間隔、每次充電量和日充電量。定義用戶的行為標簽包括：

①習慣起始充電時段Tus：用戶“開始充電”發(fā)生頻率最高的時段。

②習慣起始充電時段可信度fT-us：某時段居民用戶在家充電的頻率值。

③工作時段起始充電可信度fT-w：用戶在工作時段開始充電的頻率值。

④日充電量Qd：一日內(nèi)的各次充電量的累加值。

⑤充電間隔期望值E(I)：用戶每次充電間隔的期望值，h。

⑥電池容量E：用戶電池容量大小，kW·h。

本節(jié)僅以工作日數(shù)據(jù)為例進行分析。假設電動汽車的電力傳動效率為0.15 W·h/m?？紤]本文所使用的數(shù)據(jù)特點，將工作時間設置為：上班族在工作日的工作時段為 09:00—16:00，在工作日的通勤時段為07:00—09:00和16:00—18:00。

基于行為標簽及上述假設，可以將 EV用戶分為：長程早晚通勤上班族、短程早晚通勤上班族、早中晚通勤族、休閑居家族和宅居族。

基于 EV用戶歷史數(shù)據(jù)的分析，定義各類用戶的特征分類標準如表1所示。附錄A給出了針對各EV用戶的充電特征的詳細分析結(jié)果。

表1 EV用戶分類標準Tab. 1 Classification standard of EV users

上班族：包含短程早晚通勤、長程早晚通勤用戶。該族工作時段在家充電的可信度低，根據(jù)數(shù)據(jù)集數(shù)據(jù)分布暫定為“小于0.2”；上下班日行駛距離大于20 km，充電量大于3 kW·h，且集中在非工作時間進行充電（多集中在晚上或凌晨）。

短程早晚通勤：日均行駛距離20 km～40 km，對應日充電量期望值為3 kW·h ～6 kW·h。

長程早晚通勤：日均行駛距離超過 40 km，對應日充電量期望值大于6 kW·h。

宅居族：偶爾出行。充電間隔時長In>60 h；日充電量期望值往往很小，。

休閑居家族：工作時段，居家充電行為較多；日行駛距離和充電間隔與短程早晚通勤上班族無明顯差異。。

頻繁充電用戶：對各類型用戶進行數(shù)據(jù)分析，發(fā)現(xiàn)有一部分用戶具有頻繁充電的行為特點（在凌晨、中午、晚上都有充電行為）。分析其原因為，該類用戶一天充一次電無法滿足日常出行需求或具有較強的“里程焦慮”。由于此類用戶沒有明顯的出行規(guī)律，為了避免考慮此類用戶影響V2G策略的規(guī)劃的可行性，所以將該類用戶剔除。

2.2.2 日可參與V2G時段

根據(jù)工作時間設置，日可參與V2G時段設定如下。

時段1：0:00—TV2G；

時段2：9:30—15:30；

時段3：18:30—24:30。

時段1中，TV2G為7:00向前推移EjΔTmin/Cj_max后的時刻。

對于早中晚通勤族V2G時段，應在時段2中扣除午間通勤時間段11:30—13:30。

宅居族和休閑居家族日可 V2G時段為全部時段。

2.2.3 EV用戶日可信V2G電量

定義：在置信水平為1–α下，第j個EV用戶的日均耗電量為：

第j個EV用戶日V2G電量與其日均耗電量Cj_ad和電池能量BE有關。假設用戶每日出行開始前EV為充滿狀態(tài)，考慮V2G對電池帶來的損耗以及防止電池過放電，用戶j的日V2G電量可定義為：

式中：E為電動汽車的電池能量；Cj_ad為EV用戶的日均耗電量。

結(jié)合EV出行時段，對于通勤用戶：在時段1和3，可參與V2G的電量為0.8E；在時段2，可參與V2G的電量可由公式（6）計算得到。

2.3 計及空調(diào)節(jié)能及EV的饋線組Smaxk

已知原始日最大負荷曲線{D[i]}。通過求解非線性優(yōu)化問題，確定各時隙的V2G電量。非線性優(yōu)化的目標函數(shù)旨在實現(xiàn)計及空調(diào)節(jié)能和 EV參與V2G之后的負荷峰谷差最小。待優(yōu)化變量為每一輛EV在第1～N個時隙的V2G電量。f為等效負荷曲線的方差。f越小，峰谷差越小，則等效負荷曲線的峰值越小。

式中：D′[i]為計及空調(diào)節(jié)能效果后的負荷，是第i個時隙的原始負荷D[i]與公式（4）所示差值負荷曲線的求和值；ΔTmin為時隙時間，h；N為日總時隙數(shù)目；M為EV用戶群體；Cj[i]為第j個EV用戶第i個時隙的V2G電量；Cj_avail為第j輛EV日可用V2G電量；Cj_max為第j輛EV受充放電設施限制下的單位時間最大充/放電電量。

由于EV用戶在參與V2G后，需要在谷荷期間進行充電，并確保7:00之前達到滿荷電狀態(tài)；因此，第k個饋線組的最大負荷Smaxk根據(jù)下述方法計算：

式中：Pbar為計及空調(diào)節(jié)能效果后的年內(nèi)日平均負荷的最大值；PD為D′[i]補償V2G電量后的最大負荷。

3 算例分析

本節(jié)采用文獻[8]（Pecan Street Inc, 2018）開源的居民用戶空調(diào)用電數(shù)據(jù)和 EV充電數(shù)據(jù)作為算例，分析空調(diào)和電動汽車參與負荷響應對饋線可開放容量的影響。

配網(wǎng)其他參數(shù)參考IEEE的RBTS-bus4算例數(shù)據(jù)[3]。該算例主變S1—S4的容量為16 MVA，S5—S6的容量為10 MVA。變電站SP1、SP2下的饋線容量為 6.91 MVA，SP3下的饋線容量為5.83 MVA，功率因素為0.9。負荷曲線選用文獻[11]給出的負荷曲線。

以SP3下的容量為5.83 MVA的饋線為例進行分析。假設該饋線送電區(qū)域有 300個空調(diào)用戶以及表2中所列出的16個EV用戶參與負荷響應。

表2 部分典型用戶類型及標簽Tab. 2 Types and labels of some typical users

3.1 空調(diào)用戶節(jié)能對Smaxk的影響

圖4所示為空調(diào)用戶日總用電負荷曲線。

圖4 300戶空調(diào)日負荷曲線Fig. 4 Daily load curve of 300 air conditioners

空調(diào)用戶用電事件間隔時間分布如圖5所示。定義概率大于95%的間隔時間為Tth。根據(jù)圖5，可確定Tth的取值。

圖5 空調(diào)用電事件間隔時間概率分布Fig. 5 Probability distribution of time intervals of AC consumption event

通過改變空調(diào)制冷設定值實現(xiàn)節(jié)能。將用戶設定溫度提高1 ℃后，得到300個空調(diào)用戶日總用電負荷與原日總用電負荷的日差額功率曲線如圖6所示。差額功率即為節(jié)能功率。由圖6可知，300個空調(diào)用戶日最大節(jié)能功率小于0.006 MW。因此，在不給用戶帶來明顯不良體驗的前提下，提升空調(diào)設定溫度，對提升饋線可開放容量并無明顯作用。

圖6 空調(diào)集群差值負荷曲線Fig. 6 Air-conditioning cluster differential load curve

如果配網(wǎng)在峰荷時段發(fā)起基于激勵的負荷響應項目，則空調(diào)用戶短時關閉空調(diào)，于是可得到如圖7所示響應后的負荷曲線（淺藍）。300戶空調(diào)在高峰負荷時段參與基于激勵性的負荷響應，可將最高負荷降低5.8%。

圖7 空調(diào)集群參與負荷響應的效果Fig. 7 Effect of air-conditioning cluster participating in load response

3.2 EV用戶參與V2G對Smaxk的影響

表3給出了16個EV用戶在時段2的V2G容量。其中：SDMEC和LDMEC用戶總的日V2G電量為0.123 56 MW·h，MNEC用戶總的日V2G電量為0.026 46 MW·h，LU和IU用戶總的日V2G電量為0.065 43 MW·h。日V2G總電量為0.215 MW·h。

表3 部分EV用戶時段2日可V2G容量Tab. 3 Daily V2G capacity of partial EV users during period 2 MW

圖8給出了給定負荷曲線下，16個EV參與V2G對負荷曲線產(chǎn)生的影響。圖8（a）負荷曲線的平均負荷Pbar為2.08 MW。在高峰負荷時段，本組EV通過V2G共放電0.196 9 MW·h。由于調(diào)整后的峰荷時刻與電動汽車出行時刻沖突，有0.018 MW·h的V2G電量未能參與放電?？紤]V2G后，最大負荷Smaxk為 3.79 MW，可開放容量較EV參與V2G前增加11%。

圖8 給定負荷曲線下EV放電對負荷曲線的影響Fig. 8 The influence of EV discharge on load curve under the given load curve

EV用戶的出行規(guī)律影響EV用戶群組日實際V2G電量的大小及可以放電的時刻，進而改變對饋線可開放容量的影響。

根據(jù)2.2.1節(jié)對EV用戶的分類及其出行規(guī)律的分析可知，LDMEC、SDMEC用戶和MNEC用戶無法參與15:30—18:30的V2G，只有LU和IU用戶可以參與該時段的V2G。而MNEC無法參與11:30—13:30的 V2G，其他類型用戶可以參與該時段的V2G。因此，本部分通過改變幾種屬性EV用戶的占比，研究 EV用戶類型改變對饋線可開放容量的影響。

令長程早晚通勤上班族和短程早晚通勤上班族、早中晚通勤族以及休閑居家族和宅居族的比例分別為：（1）4.5:1:2.5；（2）2.5:1:4.5；（3）4.5:2.5:1。表4給出了該條件下的仿真結(jié)果。

表4 EV用戶不同組成對可開放容量的影響Tab. 4 The influence of differnet composition of EV users on available open capacity

在圖8（a）給出的負荷曲線中，在下午15:30之后存在負荷高峰。然而為了保證用戶出行的剛性需求，通勤用戶無法參與15:30之后的V2G。IU和LU用戶很少出行，可以在全時段參與V2G。因此：提升 IU和 LU用戶占比，可以在總的日V2G容量不變的情況下，更充分地利用EV用戶的V2G電量，進而提高饋線可開放容量提升的程度；而降低IU和LU的占比，則會導致饋線可開放容量的下降。

4 結(jié)論

本文提出了基于空調(diào)用戶和 EV用戶歷史用電數(shù)據(jù)分析的饋線可開放容量評估方法。針對空調(diào)用戶，采用溫度設定值升高1 ℃，節(jié)能0.06%的估算方法——避免了直接分析聚合用戶帶來的用電時段的誤差，且避免了逐一建模導致的復雜度。針對 EV用戶，則通過分析其歷史充電數(shù)據(jù)來估計其日V2G時段及日V2G容量。最后，通過本文提出的方法，評估了 EV用戶對饋線可開放容量的影響。

研究結(jié)果表明：

正常運行時，升高空調(diào)用戶溫度設定值1 ℃，對降低饋線最大負荷沒有明顯效果。在緊急情況下，可以通過短時切斷一定數(shù)量的空調(diào)用戶的用電，來降低饋線最大負荷。以本文算例為例，考慮到空調(diào)負荷的實際用電時段，可以將最大負荷降低5.8%。

由于 EV用戶的用電及出行時段具有一定規(guī)律性，可以在饋線可開放容量規(guī)劃中考慮 EV用戶的V2G能力。分析表明，在計及EV用戶的剛性需求、在峰荷時段不同、同一組 EV用戶中各類用戶占比不同的計算條件下，參與常態(tài)化的負荷響應對增加饋線可開放容量的影響不同。

通過本文提出的方法，結(jié)合實際饋線負荷曲線，可以得到客觀的估計結(jié)果；該結(jié)果可為業(yè)擴業(yè)務提供參考。

在下一步研究中，將會考慮在系統(tǒng)發(fā)生N–1故障時，切換操作對饋線可開放容量的影響。

附錄A

針對各類EV用戶充電特征的詳細分析圖。

圖A1 不同類型EV用戶充電負荷曲線Fig. A1 Charging load curve of different kinds of EV users

圖A2 用戶充電間隔期望值Fig. A2 The charging interval expectation of EV users

圖A3 用戶日充電量箱形圖（工作日）Fig. A3 Box plot of EV user’s daily charging electricity(working day)