基于电力供应链模型的电动汽车最优分时电价研究

孙杰，焦系泽，李扬，刘顺桂

（1.深圳供电局有限公司，广东深圳　518001；2.东南大学电气工程学院，江苏南京　210096）



基于电力供应链模型的电动汽车最优分时电价研究

孙杰1，焦系泽2，李扬2，刘顺桂1

（1.深圳供电局有限公司，广东深圳518001；2.东南大学电气工程学院，江苏南京210096）

摘要：基于电力供应链的研究，针对电动汽车负荷，综合考虑分时电价和V2G技术，建立了以电力供应链生命周期成本最小为目标，以满足系统运行、发电机组运行和电动汽车运行等为约束条件的优化模型。根据消费者心理学原理制定分时电价引导车主进行有序充电，同时利用V2G技术降低电网的调峰需求。通过4种场景的算例对比验证，表明该模型求解得到的分时电价和V2G方案可以有效降低电力供应链的生命周期成本，提高电网运行的经济性与安全性。

关键词：电动汽车；电力供应链；分时电价；消费者心理学；V2G

自2013年以来，我国雾霾现象日益严重和频繁，影响范围逐步波及全国。机动车的尾气是雾霾颗粒组成的最主要的成分。电动汽车作为新一代交通工具，其在节能减排、减少大气污染方面有着巨大的优势。因此，电动汽车正成为各国学者研究的焦点[1-2]。规模化电动汽车运营将会加剧电网峰谷差，导致配电网线路过载、电压跌落、网损增加等一系列问题[3-4]。

电动汽车充电是用户的个人意愿，并不能使用传统的方法对其进行调度。分时电价可以发挥价格杠杆调节电力供求关系，刺激和鼓励用户改变充放电方式，改变电动汽车的负荷曲线，达到削峰填谷的目的[5]。文献[6-7]研究表明，基于分时电价的有序充电策略能够有效实现“削峰填谷”，提高电网负荷率，降低电动汽车用户的充电成本，但并未对分时电价进行优化。文献[8]建立了峰谷时段优化模型，引导用户在谷时段充电、峰时段放电。但并未对峰谷电价的值进行优化，无法有效地引导用户响应分时电价。

通过V2G（vehicle-to-grid）技术，让电动汽车用户在必要时对电网放电，可以为电网运行提供调峰、调频等服务[9]。文献[10-11]对电动汽车作为储能装置参与V2G调峰进行了效益分析。文献[12]研究了不同价格策略下V2G参与者响应度的变化，文献[13]建立了以电网总负荷波动最小为目标的电动汽车参与V2G最优峰谷电价优化模型，但并未将电动汽车用户的充电成本纳入优化范畴。

本文结合目前的研究现状，优化电动汽车分时电价的大小，考虑电动汽车用户的充电成本，从电力供应链的角度出发，基于用户对电动汽车充电分时电价的需求响应，实现用户与电力公司的互动。建立基于电力供应链的电动汽车优化模型，将分时电价对电动汽车负荷的优化作用和V2G技术参与系统调峰的经济性融为同一模型，以电力供应链的生命周期成本最小为目标，制定发电调度计划和充电分时电价。

1　电力供应链成本管理

供应链是生产及流通过程中，涉及将产品和服务提供给最终用户活动的上游与下游企业，所形成的网链结构。电能作为一种无形的产品客观上存在着从生产方到消费方的流通过程，而且各个主体之间也存在着需求关系。电力供应链的电力发、输、配、售流程，是为了满足终端用户需求，对电力从发电到终端用户的高效率、高效益的流动以及流程各环节相互提供的服务和相关信息再次过程中的正反向流程送进行的计划、实施与控制过程[14]。

从供应链角度上来看，电力供应链可以分为原料供应、发电、输电、配售电和用电几个方面，如图1所示。

图1　电力供应链Fig. 1 Electric power supply chain

成本管理中的生命周期成本法可以对整个生命周期的成本进行管理，谋求整体的成本最优。因此，本文将生命周期成本应用于电力供应链，以最小的成本实现电力供应链竞争力的最大提升。

电力供应链生命周期成本不仅包括发输配售各环节企业承担的成本，还包括电力用户的使用成本，如式（1）所示。

2　电动汽车负荷对电力供应链的影响

随着电池技术和电动汽车的快速发展，大量的车辆充电将会带来新一轮的负荷快速增长，这对负荷峰谷差日益增加的电力系统而言，增加了整条电力供应链发、输、配电的压力。另外，电动汽车负荷大量无序、随机充电负荷与原有负荷进行叠加，会加重配电网负担，导致局部地区负荷紧张[15]。

因此，本模型将分时电价对负荷曲线的优化和V2G对系统安全性和经济性的提高融入同一模型，如图2所示，综合考虑供应侧和需求侧的作用，降低系统。

图2　电动汽车负荷在电力供应链Fig. 2 The power load of electric vehicle in electric power supply chain

2.1分时电价对电力供应链的影响

分时电价（time-of-use price，TOU）用过价格信号引导用户调节和改善用电结构和用电方式，对用户的充电行为进行引导可以调整峰荷时段和谷荷时段的电力需求，减少电力供应链发电端的新增装机容量，从而有效地提高供应链效率，节约社会资源[16]。本文采用基于消费者心理学的分时电价用户响应原理对电动汽车的充电行为进行建模[17]。

根据消费者心理学的峰谷电价模型，负荷转移率与电价的关系近似可以拟合成分段线性函数。

式中：λpv为峰时段到谷时段的转移率；为电动汽车充电峰电价和谷电价；其余量为消费者心理学参数。峰时段到平时段以及平时段到谷时段的负荷转移率将电价和参数响应修改即可。

在t时刻开始充电的电动汽车辆数Nt可用式（3）表示。从其他时刻转移到t时刻起始充电的汽车一方面需要满足用户自身的约束，详见下文分析，另一方面可以达到负荷转移，降低生命周期成本的目的。式中：λpv、λpf、λfv分别为峰时段到谷时段、峰时段到平时段、平时段到谷时段的负荷转移率；Tp、Tf、Tv分别为峰时段、平时段、谷时段，t为其中的任一时刻；Nt0为无分时电价时在t时刻起始充电的辆数；在实施TOU前峰时段峰时刻平均起始充电的电动汽车辆数；为平时刻平均辆数。

2.2 V2G技术对电力供应链的影响

V2G技术让电动汽车用户在必要时向电网放电，为电网运行提供调峰调频等服务，改变现有电力市场结构，增加了一种分布式电源形式，使电力公司与具有随机性和利益复杂性的电动汽车用户发生关系，满足电网高峰时的调峰需要，同时也增加了谷时段负荷的需求，达到削峰填谷的作用[18]。

用户作为独立个体参与V2G调峰服务时，电力公司对V2G用户进行电量补偿，当V2G负荷实际被调用后产生成本。电力公司购买j用户t时刻V2G成本如式（4）所示。

3　基于电力供应链的电动汽车优化模型

智能电网的发展为用户参与信息互动提供了技术基础和条件，因此本文引入电动汽车充电电价作为优化用户充电行为的手段，同时考虑V2G技术的影响，针对电动汽车群体负荷，协调发电侧和负荷侧的资源，整体降低电力供应链的成本。

目标函数即为电力供应链生命周期成本，由式（1）可知其包含发电成本、机组启停成本、网损成本和用户购电成本四部分。用户在V2G放电时，可当作一类特殊的发电机组，其发电成本为电力公司回购成本。

式中：t∈（1，T）为时间；T为时段数，可取24；N为总机组数；为机组i在t时刻的运行费用，为机组i在t时刻的有功出力；Ci，t为机组i在t时刻的启动费用；为机组i在t时刻的状态，0为停机，1为开机；为电力公司购买j用户t时刻的V2G成本，表达式见式（4）；NV2G为V2G用户的个数；为网损成本系数；η为网损率；为电动汽车外的常规负荷；为常规负荷电价；为电动汽车充电分时电价；为电动汽车充电负荷，用户将根据电价不同而修改充电时间，将各用户的充电负荷叠加可得总充电负荷，根据式（2）、式（3）可以推导。

约束条件包括系统约束条件、机组约束条件和电动汽车用户约束条件三部分。

3.1系统约束条件

1）功率平衡约束为：

表示t时刻系统发电功率与V2G功率的总和等于系统所有负荷和网损的总和。

2）系统备用约束为：

式中：Rt为t时刻负荷备用需求；Rdi为发电机组i的最大增负荷速率，其为正值。

3.2机组约束条件

1）发电机爬坡速率约束为：

式中：Rdi为发电机组i的最大减负荷速率，其为负值；Rdi为发电机组i的最大增负荷速率，其为正值。

2）发电机出力上下限约束为：

3）最小启停时间约束

3.3电动汽车用户约束条件

本模型中每辆电动汽车无论是否响应分时电价，充电应当在结束当天行程时刻之后的12 h完成；若用户采用V2G技术向电网售电，则V2G放电的时间应当在起始充电时刻之前的12 h。

1）用户出行约束为：

2）V2G时间约束为：

3）V2G功率约束为：

4）充电电价与充电负荷关系约束为：

式中：Pcar为单辆电动车充电功率；Nt由电动汽车充电电价根据式（2）、式（3）确定。

5）分时电价上下限约束为：

式中：Δ为峰电价与谷电价最大拉开比；ρcon为常规负荷电价。

6）平均电价不上升约束为：

以上建立的以电力供应链生命周期成本最小为目标的模型，从整个电力供应链的角度出发，考虑了发电侧、电网侧、需求侧三方面的约束，基于MATLAB平台，调用CPLEX软件进行求解。

4　算例分析

4.1参数选取

算例选取某配电网24 h原始负荷数据，机动车保有量约为20万辆，模拟渗透率为5%即1万辆电动私家车求解本模型。电动汽车的充放电功率为10 kW，电池容量为50 kW·h。电动私家车主要在工作区和居住区充电，到达工作区开始充电的时间近似服从正态分布N（9，0.52），到达居住区开始充电的时间分别近似服从正态分布N（19，1.52）[19]。

在没有实施分时电价的情况下，统一电价选用该地区的居民电价0.717元/（kW·h），电价时段划分参照该地区工业用户峰谷分时电价方案，如表1所示。分时电价的平时段电价选为该地区居民电价0.717元/（kW·h）。V2G放电电价选取1.5元/（kW·h），网损率选为5%，网损成本系数也选用该地区居民电价0.717元/（kW·h）。

表1　分时电价时段划分Tab. 1 The interval of TOU price

4.2算例求解结果

为方便说明分时电价和V2G对于电力供应链的影响，将模型分为4种场景进行比较，4种场景的定义见表2所示。场景1和2时PtV2G为0，即目标函数式（5）中CtV2Gj为0；场景1和3时ρtcar选用该地区居民电价0.717 元/（kW·h），即目标函数式（5）中w（ρtcar）为电动汽车无序充电时的充电功率。

表2　场景定义Tab. 2 The definition of the scene

结合负荷特点，计算得到最优电价如表3所示。

表3　最优分时电价方案Tab. 3 The optimal TOU price proposal

场景4下电动汽车的充放电功率如图3所示，分时电价前后系统总负荷如图4所示，4种场景下发电机组启动台数如图5所示，4种场景下电力供应链成本情况如表4所示。

根据算例结果可以得出以下结论：

1）从图3和图4可以看出，相比于无序充电情况，增加分时电价之后，电动汽车日间较多地利用平时段进行充电，可以有效地降低系统峰负荷，达到“移峰”的目的；同时转移到夜间谷时段进行大量充电，起到“填谷”的作用。系统负荷的峰谷差和峰负荷均有降低，负荷曲线更为平稳，减少了发电机的频繁启停，将有利于电网运行的经济性和安全性。

图3　场景4下电动汽车的充放电功率Fig. 3 The discharging/charging power of the electric vehicle in scene 4

图4　实施分时电价前后系统总负荷Fig. 4 The total system power load before and after TOU

图5　4种场景下发电机组的启动台数Fig. 5 The number of generating units started up in 4 scenes

表4　4种场景下的成本比较Tab. 4 The cost comparison of 4 scenes

2）对比表4可以看出，场景3相对于场景1整条供应链的成本和发电机组启停成本均有下降，原因是V2G的引入可以减少发电机因备用或调峰而开启，从而降低了发电机组的启停费用，从而降低整条电力供应链的成本5.87%；场景2相对于场景1整条供应链成本和发电机组启停成本也有所下降且下降更为明显，因为分时电价的引入使负荷更为平稳，减少了机组的启停和调峰，更有利于负荷功率在各个机组间的经济分配，降低电力供应链成本7.04%。场景4综合考虑两方面因素，使得成本下降更为显著，下降9.73%。

3）场景4综合了分时电价和V2G两方面的优点，能够较大的减少电力供应链生命周期成本，同时对于系统“移峰填谷”，减少电网峰谷差有明显的效果，提高了电力供应链的综合效益。

4.3电动汽车规模与电力供应链的关系

在不同的电动汽车规模下，其与电力供应链生命周期成本的关系如图6所示。

图6　不同电动汽车规模下电力供应链生命周期成本Fig. 6 The life cycle cost of electric power SCM under different scale of electric vehicle

当在该配电网充电的电动汽车渗透率达到8%时，使用分时电价和V2G技术可使生命周期成本降低10.75%，同时可以使峰谷差降低5.79%，其效益十分可观。随着电动汽车的逐步普及，响应分时电价和V2G技术的规模越大，通过优化产生的经济效益将越显著。

5　结论

本文建立了基于电力供应链的电动汽车优化模型，综合考虑了分时电价和V2G技术的影响，以整条电力供应链的成本最小为目标，设计了针对于电动汽车充电的峰谷分时电价。通过对某配电网实际负荷曲线的4种模型仿真结果表明：

1）利用分时电价和V2G技术优化电动汽车充电行为，可以使电力供应链生命周期成本显著下降，通过文章的算例分析可以得到当电动汽车渗透率为5%时，2种技术同时采用可降低生命周期成本9.73%。

2）在分时电价的引导下，电动汽车用户进行了“移峰填谷”充电，不但减小了供应链成本，而且降低了全网负荷的波动和峰谷差，同时用户也减少了自身的充电费用。

3）V2G技术可以减少发电机组的频繁启停，有利于发电机组的经济运行，其和分时电价技术共同运用，可以更充分地调动用户的积极性，减少机组的发电成本，达到电网和电动汽车用户的双赢。

参考文献

[1] HADDADIAN G，KHALILI N，KHODAYAR M，et al. Security-constrained power generation scheduling with thermal generating units，variable energy resources，and electric vehicle storage for V2G deployment[J]. International Journal of Electrical Power & Energy Systems，2015 （73）: 498-503.

[2] SHAABAN M F，EAJAL A A，EL-SAADANY E F. Coordinated charging of plug-in hybrid electric vehicles in smart hybrid AC/DC distribution systems[J]. Renewable Energy，2015（82）: 92-99.

[3]王锡凡，邵成成，王秀丽，等.电动汽车充电负荷与调度控制策略综述[J].中国电机工程学报，2013（1）: 1-10. WANG Xifan，SHAO Chengcheng，WANG Xiuli，et al. Survey of electric vehicle charging load and dispatch control strategies[J]. Proceedings of the CSEE，2013（1）: 1-10（in Chinese）.

[4]高赐威，张亮.电动汽车充电对电网影响的综述[J].电网技术，2011（2）: 127-131. GAO Ciwei，ZHANG Liang. A survey of influence of electrics vehicle charging on power grid[J]. Power System Technology，2011（2）: 127-131（in Chinese）.

[5] DAVIS B M，BRADLEY T H. The efficacy of electric vehicle time-of-use rates in guiding plug-in hybrid electric vehicle charging behavior[J]. IEEE Transactionson Smart Grid，2012，3（4）: 1679-1686.

[6] IKEGAMI T，YANO H，KUDO K，et al. Effects of smart charging of multiple electric vehicles in reducing power generation fuel cost[J]. Electrical Engineering in Japan，2015，193（2）: 42-57.

[7]张良，严正，冯冬涵，等.采用两阶段优化模型的电动汽车充电站内有序充电策略[J].电网技术，2014（4）: 967-973. ZHANG Liang，YAN Zheng，FENG Donghan，et al．Two-stage optimization model based coordinated charging for EV charging station[J]. Power System Technology，2014（4）: 967-973（in Chinese）.

[8] LIU Hong，GE Shaoyun. Optimization of TOU price of electricity based on electric vehicle orderly charge[C] . Vancouver：Power and Energy Society General Meeting （PES），2013：1-5.

[9] SORTOMME E，EL-SHARKAWI M A. Optimal schedul-ing of vehicle-to-grid energy and ancillary services[J]. IEEE Transactions on Smart Grid，2012，3（1）: 351-359.

[10] KEMPTON W，TORU K. Electric-drive vehicles for peak power in japan[J]. Energy Policy，2000，28（1）: 9-18.

[11] PETERSON S B，WHITACRE J F，APT J. The economics of using plug-in hybrid electric vehicle battery packs for grid storage[J]. Journal of Power Sources，2010，195（8）:2377-2384.

[12]史乐峰，任玉珑，俞集辉，等.基于逆向供应的V2G市场电价策略研究[J].管理工程学报，2012（2）: 113-118. SHI Lefeng，REN Yulong，YU Jihui，et al. V2G market price strategy based on reverse supply[J]. Journal of Industrial Engineering Management，2012（2）: 113-118 （in Chinese）.

[13]项顶，宋永华，胡泽春，等.电动汽车参与V2G的最优峰谷电价研究[J].中国电机工程学报，2013（31）: 15-25. XIANG Ding，SONG Yonghua，HU Zechun，et al. Research on optimal time of use price for electric vehicle participating V2G[J]. Proceedings of the CSEE，2013（31）: 15-25（in Chinese）.

[14]刘杰.我国电力物流供应链管理研究述评[J].物流技术，2014（21）: 390-393. LIU Jie. Literature review of management of power logistics and supply chains in China[J]. Logistics Technology，2014 （21）: 390-393（in Chinese）.

[15]马玲玲，杨军，付聪，等.电动汽车充放电对电网影响研究综述[J].电力系统保护与控制，2013（3）: 140-148. MA Lingling，YANG Jun，FU Cong，et al. Review on impact of electric car charging and discharging on power grid[J]. Power System Protection and Control，2013（3）: 140-148（in Chinese）.

[16]刘小聪，王蓓蓓，李扬，等.智能电网下计及用户侧互动的发电日前调度计划模型[J].中国电机工程学报，2013 （1）: 30-38. LIU Xiaocong，WANG Beibei，LI Yang，et al. Day-ahead generation scheduling model consid ering demand side interaction under smart[J]. Proceedings of the CSEE，2013 （1）: 30-38（in Chinese）.

[17]孙宇军，李扬，王蓓蓓，等.计及不确定性需求响应的日前调度计划模型[J].电网技术，2014（10）: 2708-2714.

SUN Yujun，LI Yang，WANG Beibei，et al. A Day-ahead scheduling model considering demand response and its uncertainty[J]. Power System Technology，2014（10）: 2708-2714（in Chinese）.

[18]刘晓飞，张千帆，崔淑梅.电动汽车V2G技术综述[J].电工技术学报，2012（2）: 121-127. LIU Xiaofei，ZHANG Qianfan，CUI Shumei. Review of electric vehicle V2G technology[J]. Transactions of China Electr Otechnical Society，2012（2）: 121-127（in Chinese）.

[19]孙晓明，王玮，苏粟，等.基于分时电价的电动汽车有序充电控制策略设计[J].电力系统自动化，2013（1）: 191-195. SUN Xiaoming，WANG Wei，SU Su，et al. Coordinated charging strategy for electric vehicles based on time-ofuse price[J]. Automation of Electric Power Systems，2013 （1）: 191-195（in Chinese）.

孙杰（1986—），男，硕士，工程师，研究方向为智能电网和电能质量等；

焦系泽（1992—），男，硕士研究生，研究方向为电力需求侧管理和电动汽车等；

李扬（1961—），男，教授，博导，主要研究方向为电力系统运行与规划、电力系统可靠性分析、电力市场、电力需求侧管理、智能电网等；

刘顺桂（1963—），男，硕士，高级工程师，研究方向为电力系统运行控制。

（编辑黄晶）

Research on Optimal TOU Price of Electric Vehicles Based on Electric Power Supply Chain Management Model

SUN Jie1，JIAO Xize2，LI Yang2，LIU Shungui1
（1. Shenzhen Power Supply Bureau Co.，Ltd.，Shenzhen 518001，Guangdong，China；2. School of Electrical Engineering，Southeast University，Nanjing 210096，Jiangsu，China）

ABSTRACT：Based on the research of electric power supply chain management（SCM），an optimization model for electric vehicles load，in which time-of-use（TOU）price and V2G are taken into account，is established. This formulation is proposed to minimize the life cycle cost of electric power SCM under the constraints of operation of generators，power system and electric vehicles. The TOU price is derived from the theory of consumer psychology to guide the electric vehicles’charging behaviors. Meanwhile，V2G is taken to reduce the demand of peak regulation in the power grids. Comparison and verification of 4 numerical examples indicates that the optimal TOU price and V2G scheme can not only save the life cycle cost of electric power SCM，but also improve the economy and security of the power grid.

KEY WORDS：electric vehicle；electric power SCM（supply chain management）；time-of-use（TOU）price；consumer psychology；V2G

作者简介：

收稿日期：2015-07-13。

文章编号：1674- 3814（2016）03- 0134- 06

中图分类号：TM71

文献标志码：A