电动汽车充电调度综述

陈一凡， 刘廷章, 金勇， 张菲, 梁立新

(1.上海大学 上海市电站自动化技术重点实验室，上海 200072；2.上海国际汽车城(集团)有限公司，上海 200072；3.环球车享汽车租凭有限公司，上海 200072)

电动汽车充电调度综述

陈一凡1， 刘廷章1, 金勇2， 张菲3, 梁立新2

(1.上海大学 上海市电站自动化技术重点实验室，上海 200072；2.上海国际汽车城(集团)有限公司，上海 200072；3.环球车享汽车租凭有限公司，上海 200072)

电动汽车因节能环保的优点得到大力推广，然而由于充电行为的随机性、不确定性，大规模电动汽车无序充电将对电网的安全稳定带来挑战。随着V2G技术的发展，电动汽车作为分布式电源和储能装置成为可能，这使得对电动汽车进行充电调度成为电网中一种新的调控手段，帮助消除电动汽车充电对电网产生的不利影响，同时也是消纳新能源发电的一种有效方式。简述了V2G技术和电动汽车充放电对电网产生的有利与不利影响，介绍了电动汽车充电负荷计算方法和几类充电调度策略。

电动汽车；充电调度；充电负荷计算；V2G；有序充电

Abstract: Electric vehicles have been vigorously generalized because of their advantages of energy saving and environmental protection effect. However, due to randomness and uncertainty of charging action, large-scale disordered charging for electric vehicles will bring challenges upon grid safety and stability. With V2G development, it becomes possible to use electric vehicles as distributed power source and energy storage device, so that their charge scheduling may become a new control method in the power grid to help eliminate adverse effects caused by charging action upon the grid. Furthermore, it constitutes an effective means for consuming new energy power generation. This paper describes briefly positive and negative influences produced by charge/discharge of electric vehicles upon the power grid, and introduces a method for calculating charging load as well as several types of charge scheduling strategies.

Keywords: electric vehicles; charging scheduling; charging load calculation; V2G; coordinated

0 引 言

能源和环境是制约社会经济发展的重要因素，也是当今全球广泛关注的热点问题。汽车作为能源消耗与环境污染中的重要一环，成为解决这些问题的重要突破口，世界各国政府和汽车企业普遍意识到节能和环保是未来汽车工业发展的主要方向，于是电动汽车应运而生。

电动汽车以车载电源为动力，在使用过程中对环境影响较小，在空气污染及石油燃料不足的环境下，是传统汽车的最佳替代品。与传统燃油汽车相比，电动汽车拥有更低的运营成本，它可以作为可调负载，使用可再生能源充电。随着现阶段充电设备的大量建设，大规模使用电动汽车成为现实。然而大规模的电动汽车充电行为会对电网造成很大的功率消耗，无规律的大规模充电对电网存在不利影响。为消除这些不利影响，对电动汽车进行充电调度成为一种有效的手段。

对电动汽车进行充电调度就是通过调整电动汽车的充电行为，来调整电力系统发电与负荷的实时平衡。特别是在含有可再生能源发电的电力系统中，电动汽车有序充电不仅对电力系统的稳定有着重要作用，还可以用来消纳新能源。同时，对电动汽车进行充电调度也需要对电力市场以及电动汽车用户充电行为有所引导。

1 电动汽车对电网带来的影响

大规模电动汽车充电对电力系统产生的影响既有正面的，也有负面的。

1.1 无序充电对电网带来的不利影响

电动汽车的充电行为具有随机性、间歇性[1]。近年来随着电动汽车渗透率的提高，大规模的无序充电将使得电网负荷显著增大。国际能源组织2009年曾预估到2050年电动汽车的大规模接入电网将使全球电力需求量增加10%[2]。骤增的电力需求将对现有发电网络提出更高要求，增加输电网络的损耗[3]，使未来电网电源容量规划更加复杂。电动汽车充电过程中将使用到非线性的电力电子装置，其中充电设备中的整流装置在工作时会对配电网产生大量的谐波污染[4],这些谐波污染以及无序充电造成的电网三相不平衡会引起电网电压偏差、频率不稳、功率损耗等问题。

1.2 有序充电对电网带来的有利影响

电动汽车作为电力系统负载是可调的，同时在V2G技术[5]的发展下，使用电动汽车对电网进行削峰填谷成为可能。用电高峰时电动汽车可以被看作分布式电源为电网提供电能，用电低谷时电动汽车又可以被看作分布式储能装置来平抑电网负荷波动，减小负荷峰谷差[6-7]。作为分布式储能装置时，电动汽车还可以用来旋转备用、调节电网频率、平衡电网电压，丰富了电网运行的调节和控制手段。除此之外，基于分时电价的电动汽车充放电可以让用户在电价低时从电网买电，电价高时向电网售电[8]，从而获得收益，对电动汽车的推广和电网的稳定有很大作用。

如今以风能、太阳能为代表的新能源发电已经得到越来越广泛的应用，然而新能源发电具有间歇性、波动性和不可预测性，直接接入电网会产生不良影响[9]。在智能电网和V2G技术的支持下，由于电动汽车可以被视为分布式储能装置，所以可以使用电动汽车来消纳新能源，提高新能源发电的普及率和利用率。

2 电动汽车充电负荷计算方法

对电动汽车进行充电调度实际上是将电动汽车作为可调负载来实现电力系统发电与负荷的实时平衡，所以要想通过调节电动汽车充电行为来平衡电网首先要计算电动汽车的充电负荷。

影响电动汽车充电负荷的主要因素包括电动汽车保有量、起始荷电状态(State of Charge，SOC)、充电功率、起始充电时间、动力电池容量等[10]。其中，电动汽车保有量和充电功率决定了电动汽车充电所需总功率；电动汽车保有量、电池容量、和起始SOC则决定了所需消耗的总电量。用户起始充电时间越集中，则系统所需提供的充电功率就越大，电动汽车接入对系统的影响也就越明显。目前电动汽车充电负荷计算方法主要有基于分析用户行驶习惯的蒙特卡洛模拟法(Monte Carlo Method)和拉丁超立方体抽样(Latin Hypercube Sampling，LHS)、采用排队论(Queuing Theory)计算电动汽车充电概率的统计学建模方法以及基于大量电动汽车实际充电过程建模方法。

2.1 基于分析用户行驶习惯的方法

采用蒙特卡洛模拟法首先要抽取电动汽车起始荷电状态、起始充电时间的概率分布，然后在此基础上计算特定时段电动汽车充电总功率和消耗总电量。由于认为电动汽车替代传统汽车时不会引起用户行驶习惯的改变，当前研究多根据美国交通运输部下属NHTS(National Household Travel Survey)于2009年调查得到的全美家庭汽车行驶规律[11]，将电动汽车起始SOC和起始充电时间看作满足对数正态分布[12]。

NHTS的调查数据只体现了汽车的行使规律，不能区分电动汽车的充电模式(快充、慢充、换电池)；同时电动汽车包括纯电动汽车以及混合动力汽车，这两类汽车的充电行为是不同的。于是有学者在NHTS调查数据的基础上提出基于现实用户充电行驶习惯的改进方法。文献[13]根据不同用途的车辆和不同类型的电动汽车得到了行驶里程的概率模型；根据充电方式和能源供给方式得到了各类电动汽车充电功率、SOC特性和充电时长概率模型；最后综合上述模型得到具有广泛应用的多类电动汽车充电负荷概率模型。文献[14]用核密度函数来拟合用户的行驶时间和行驶里程，生成耦合用户行驶起始时间、结束时间和行驶里程的行驶规律随机数，最后得到确定性的出租车充电模型和不确定性的家庭用户充电模型。文献[15]采用二项分布描述电动汽车用户充电习惯的不确定性，以传统燃油车的行驶规律概率特性为基础，采用蒙特卡洛模拟的方法计算得到充电负荷。文献[16]将居民出行目的地进行分类，根据各段行程行驶结束时间和行驶距离概率，构建车辆一天的行驶时空分布，考虑环境因素得到电动汽车每公里耗电量，使用蒙特卡洛方法计算各类情况下的电动汽车充电负荷。蒙特卡洛模拟法能够较逼真地模拟电动汽车充电过程，但其对抽样事件的概率非常敏感，使该方法在高可靠性系统中抽样速度大大降低，且误差具有概率性。

拉丁超立方体抽样属于分层抽样，是一种有效地用采样值反映随机变量整体分布的方法，和蒙特卡罗方法相比，它可以通过较少迭代次数的抽样，准确地重建输入分布[17]。文献[18-19]首先采用边界核的自适应非参数核密度估计(Kernel Density Estimation, KDE)算法得到起始SOC和起始充电时间的概率分布模型，代替原有起始SOC和起始充电时间满足正态分布的假设，然后使用基于三次样条插值法的改进拉丁超立方抽样(LHS with Cubic Spline Interpolation，LHS-CSI)法对起始SOC和起始充电时间进行抽样，并建立电动汽车充电负荷模型，这样可以避免出现起始SOC和起始充电时间满足正态分布的假设与实际情况不符时造成充电负荷模型误差偏大的情况，并且减小抽样规模。

采用蒙特卡洛模拟法和拉丁超立方体抽样分析用户充电习惯的充电负荷计算方法可以简化充电负荷模型的建立，方便研究各种因素对充电负荷的影响，但其样本数据大多都来源于对传统汽车使用习惯的调查。随着电动汽车的大规模普及，大量充电设备的建设，如今也可以根据电动汽车实际到达充电站的概率分布来计算充电负荷，其中排队论得到广泛应用。

2.2 基于排队论的方法

基于排队论的充电负荷计算方法则是将电动汽车到达充电站的流量信息看作符合泊松分布，在此基础上使用排队论对电动汽车的充电等待时间、排队长度、服务强度等统计指标量进行分析，最终得到充电负荷模型。其中文献[20]将电动汽车分为正在充电和等待充电两种状态，得到电动汽车接受充电概率模型，从而计算充电负荷。文献[21]从电动汽车到达充电站时间的随机分布和初始SOC出发，基于充电站的日充电负荷曲线提出电动汽车充电站负荷集聚模型的建模方法。

在电动汽车大规模并网的前提下，除了使用排队论考虑电动汽车到达充电站的概率分布来计算充电负荷外，还可以根据电动汽车充电物理过程来得到充电负荷模型。

2.3 基于实际充电过程的方法

电动汽车的充电物理过程可以描述为以电动汽车并网速率为随机扰动变量的大量充电负荷从低SOC向高SOC动态扩散的物理过程[22]，可以用一个一阶偏微分线性扩散方程表示。考虑到电动汽车充电有两种模式,无限时充电(充电过程持续到电池充满)和限时充电，可以使用扩散理论得到两类充电行为的并网速率模型。根据不同扩散负荷模型下充电功率的不同，最后可以计算出电网中电动汽车充电负荷。

3 电动汽车充电调度策略

对电动汽车进行充电调度是为了消除电动汽车充电对电网产生的不利影响，同时发挥电动汽车作为可调负载和分布式电源的优势，给电网和用户带来利好。根据研究主要目的的不同，电动汽车充电调度策略可以分为旨在保持电网平稳的充放电策略[23-24]、旨在消纳新能源发电的充放电策略[25-27]、旨在提高充电经济性的充放电策略[28-31]。根据研究对象的不同，又可以分为家庭电动汽车充电调度策略、公交车与出租车等公共交通工具充电调度策略[32]、充电站与换电站充电调度策略[33-34]。

3.1 旨在保持电网平稳的充放电策略

旨在保持电网平稳的充放电策略中，首先要考虑区域电网的平时负荷状态，然后计算出区域电动汽车充电时产生的负荷量，根据不同调度算法和控制手段，最后引导个别电动汽车或电动汽车集群进行充放电，其目的是控制电动汽车的充电时间、充电地点和充电功率来保证电网总负荷标准差最小。这种方法中，一般要将电动汽车充电需求作为约束条件。例如文献[35]中建立了以变电站侧负荷水平均衡为目标的两阶段优化调度策略，其中第一次优化调度调节接入电网的充电桩数量，平抑负荷曲线，从而降低配电网的峰谷差和线路损耗；第二次优化分配将一次优化调度获得的最优充电桩接入数量分配至各充电桩管理系统，指导各小区电动汽车接入充电。该方法通过一次优化控制了充电功率，通过二次优化控制了充电时间，可以有效维护电网稳定。

3.2 旨在消纳新能源发电的充放电策略

新能源发电的随机性导致其输出功率不稳定，在一定程度上降低了电网对风力发电和光伏发电的容纳能力，而微电网成为解决新能源出力的一种手段。为保证微电网的安全可靠，储能设备必不可少，电动汽车正是一种理想的储能设备。

旨在消纳新能源发电的充放电策略就是在基于微网的V2G方法下，使用智能调度算法控制电动汽车的充电行为来将微电网产生的电能储存在电动汽车中甚至转移到大电网中。这类方法可以分流充电需求，减少电网压力，同时提高新能源发电的利用率。现有研究大都先要预测新能源出力的概率分布，计算微网发电与储能容量，还会考虑其经济效益。目前在新能源出力预测上，主要采用模糊集理论[36]。由于可再生能源发电出力的频繁波动，电动汽车充放电状态频繁切换，迅速消耗了电动汽车动力电池的寿命，同时现有大多研究都将电动汽车分布式储能视为固定储能，没有考虑电动汽车运行的随机性。文献[37]将电动汽车运行的随机性视为基于长时间统计规律做出行驶状态预测的预测误差，在制定充放电策略时充分考虑这一预测误差，采用机会约束规划进行优化, 综合考虑电网约束、电池约束和车主使用约束，提出了考虑电动汽车运行不确定性和减少动力电池充放电切换次数的电动汽车分布式储能充放电控制策略。

3.3 旨在提高充电经济性的充放电策略

对电动汽车进行充电调度离不开用户的配合，通过制定合理的充放电价格来引导充放电行为可以让用户主动参与调节，避免了一般商业模式对车主车辆支配权的制约。不仅如此，基于供需平衡来调节电价也可以一定程度增加电力公司的盈利。

旨在提高充电经济性的充放电策略以电动汽车充电需求以及保证电网稳定为约束条件，首先需要得到区域分时电价。一些调度策略以现有的分时电价为基础，直接根据充电负荷采用调度算法来控制电动汽车充电行为；而另一些调度策略则会根据电网供需关系以及约束条件给出得到的分时最优电价，然后在此基础上建立调度优化模型。通过这类方法，电动汽车用户可以根据充电需求和分时电价实现充电成本最小化；甚至可以自己在家里安装新能源发电装置，根据分时电价调整充放电行为，从中获取收益最大化。电力公司可以通过供需关系调节电价达到削峰填谷的效果，有助于解决或缓解电力系统不平衡问题；通过降低调度偏差和充电成本也可以获得的利润最大化。

3.4 换电站充放电调度策略

电动汽车三种充电模式中，基于更换电池的充电模式是很具有商业价值的。这种模式可以减少充电耗时，可以大规模集中管理电池，这样不仅可以采用慢充对电池充电减小电池损耗，统一的电池管理还可以减小对电网造成的影响。

基于更换电池的充电模式是在换电站内进行的。对换电站进行充电调度时，由于换电站需要随时给予用户换电支持，需要保证一定数量的电池处于高荷电量或满电的状态，建立复杂的充电负荷模型。换电站可以24小时工作，对其进行充电调度主要是控制充电功率。然而对换电站进行充电调度可能导致换电站备用电池数量的增加，这将提升换电站的电池冗余度，导致调度成本增加。

4 结束语

电动汽车作为一种新型电力负载对电网既有好的影响也有坏的影响。在V2G技术的带动下，通过合理的充放电调度策略，我们可以尽量消除不利影响，利用其可以作为分布式电源和分布式充能装置的特点，反过来引导电网更加稳定。

电动汽车与新能源发电的结合使得人们多了一种利用新能源的手段，在分时电价等政策的引导下，这不仅有利于新能源产业的发展，也有利于新能源发电在家庭用户中的推广。

随着各地电动汽车渗透率的上升，充电设备也得到大量建设。然而目前大多充电设备并没有得到有效利用，多地出现充电桩、充电站长时间无人使用的情况。这一方面是由于公共充电设备电价制定过高，一方面也是因为目前电动汽车充电耗时过长。如何从电动汽车调度方面来解决公共充电设备长期空闲，提高运营商盈利或许是一个新的研究方向。

[1] 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, 35(2):127-131.

[2] 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, 2013,41(3):140-148.

[3] SORTOMME E，HINDI M M，MACPHERSON S D J，et al．Coordinated charging of plug-in hybrid electric vehicles to minimize distribution system losses[J]． IEEE Trans. On Smart Grid，2011，2(1)：198-205．

[4] 陈新琪, 李鹏, 胡文堂, 等. 电动汽车充电站对电网谐波的影响分析[J]. 中国电力, 2008, 41(9):31-36．

[5] 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, 27(2):121-127.

[6] 胡泽春, 宋永华, 徐智威,等. 电动汽车接入电网的影响与利用[J]. 中国电机工程学报, 2012, 32(4):1-10.

[7] 郭建龙, 文福拴. 电动汽车充电对电力系统的影响及其对策[J]. 电力自动化设备, 2015, 35(6):1-9.

[8] 刘伟佳, 文福拴, 薛禹胜,等. 电动汽车参与电力系统优化调度的谈判策略[J]. 电力系统自动化, 2015, 39(17):192-200.

[9] 罗剑波, 陈永华, 刘强. 大规模间歇性新能源并网控制技术综述[J]. 电力系统保护与控制, 2014,42(22):140-146.

[10] 罗卓伟, 胡泽春, 宋永华,等. 电动汽车充电负荷计算方法[J]. 电力系统自动化, 2011, 35(14):36-42.

[11] SANTOS A, MCGUCKIN N, NAKAMOTO H Y, et al. Summary of travel trends: 2009 national household travel survey[R]. 2011.

[12] 田立亭, 史双龙, 贾卓. 电动汽车充电功率需求的统计学建模方法[J]. 电网技术, 2010, 34(11):126-130.

[13] 周念成, 熊希聪, 王强钢. 多种类型电动汽车接入配电网的充电负荷概率模拟[J]. 电力自动化设备, 2014, 34(2):1-7.

[14] 杨冰, 王丽芳, 廖承林,等. 含有耦合特性的电动汽车充电负荷计算方法[J]. 电力系统自动化, 2015,39(22) :695-703.

[15] 杨冰, 王丽芳, 廖承林,等. 不确定充电习惯对电动汽车充电负荷需求及充电负荷调节的影响[J]. 电工技术学报, 2015, 30(4):226-232.

[16] 陈丽丹, 聂涌泉, 钟庆. 基于出行链的电动汽车充电负荷预测模型[J]. 电工技术学报, 2015,30(4):216-225.

[17] 张巍峰, 车延博, 刘阳升. 电力系统可靠性评估中的改进拉丁超立方抽样方法[J]. 电力系统自动化, 2015,39(4):52-57.

[18] LIANG M, LI W, YU J, et al. Kernel-based electric vehicle charging load modeling with improvedlatin hypercube sampling[C]// Power & Energy Society General Meeting. IEEE, 2015.

[19] 缪鹏彬, 余娟, 史乐峰,等. 基于改进非参数核密度估计和拉丁超立方抽样的电动公共客车负荷模型[J]. 电工技术学报, 2016,31(4):187-193.

[20] 李如琦, 苏浩益. 基于排队论的电动汽车充电设施优化配置[J]. 电力系统自动化, 2011, 35(14):58-61.

[21] 郑竞宏, 戴梦婷, 张曼,等. 住宅区式电动汽车充电站负荷集聚特性及其建模[J]. 中国电机工程学报, 2012,49(22):32-38.

[22] 刘鹏, 刘瑞叶, 白雪峰,等. 基于扩散理论的电动汽车充电负荷模型[J]. 电力自动化设备, 2012, 32(9):30-34.

[23] 占恺峤, 胡泽春, 宋永华,等. 考虑三相负荷平衡的电动汽车有序充电策略[J]. 电力系统自动化, 2015,39(17):201-207.

[24] 杨秀菊, 白晓清, 李佩杰,等. 电动汽车规模化接入配电网的充电优化[J]. 电力自动化设备, 2015, 35(6):31-36.

[25] 葛少云, 郭建祎, 刘洪,等. 计及需求侧响应及区域风光出力的电动汽车有序充电对电网负荷曲线的影响[J]. 电网技术, 2014, 38(7):1806-1811.

[26] 赵书强, 王扬, 徐岩. 基于风电预测误差随机性的火储联合相关机会规划调度[J]. 中国电机工程学报, 2014,51(S1):9-16.

[27] 窦晓波, 袁简, 吴在军,等. 并网型风光储微电网容量改进优化配置方法[J]. 电力自动化设备, 2016,44(3):26-32.

[28] 潘樟惠, 高赐威, 刘顺桂. 基于需求侧放电竞价的电动汽车充放电调度研究[J]. 电网技术,2015,59(12):3505-3512.

[29] 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, 2013,50(31):15-25.

[30] 苏海锋, 梁志瑞. 基于峰谷电价的家用电动汽车居民小区有序充电控制方法[J]. 电力自动化设备, 2015, 35,43(6):17-22.

[31] 徐智威, 胡泽春, 宋永华,等. 基于动态分时电价的电动汽车充电站有序充电策略[J]. 中国电机工程学报, 2014, 34(22):3638-3646.

[32] 牛利勇, 张帝, 王晓峰,等. 基于自适应变异粒子群算法的电动出租车充电引导[J]. 电网技术, 2015, 39(1):63-68.

[33] 张齐东, 黄学良, 陈中,等. 电动汽车电池更换站集群充电控制策略研究[J]. 电工技术学报, 2015, 30(12):447-453.

[34] 孙伟卿, 王承民, 曾平良,等. 基于线性优化的电动汽车换电站最优充放电策略[J]. 电力系统自动化, 2014, 38(1):21-27.

[35] 刘文霞, 刘流, 赵天阳. 变电站区域充电桩接入控制模式及策略[J]. 电力系统自动化, 2013, 37(16):66-72.

[36] 张学清, 梁军, 张利,等. 计及风光电源的一种地区电网电动汽车充电调度方法[J]. 电工技术学报, 2013, 28(2):28-35.

[37] 李志伟, 赵书强, 刘应梅. 电动汽车分布式储能控制策略及应用[J]. 电网技术, 2016,60(2):442-450.

A Review of Charge Scheduling for Electric Vehicles

Chen Yifan1, Liu Tingzhang1, Jin Yong2, Zhang Fei3, Liang Lixin2

(1. Key Laboratory for Power Station Automation Technology in Shanghai, Shanghai University, Shanghai 200072,China;2. Shanghai International Automobile City Co. Ltd., Shanghai 200072, China;3. Universal Car-sharing Leasing Co. Ltd., Shanghai 200072, China)

10.3969/j.issn.1000-3886.2017.03.009

TM73

A

1000-3886(2017)03-0026-04

定稿日期: 2016-10-23

上海张江国家自主创新示范区专项发展资金重点项目(201505-JD-E107-055)

陈一凡(1992-)，陕西人，硕士生。研究方向：充电设备故障诊断。 金勇(1972-)，男，陕西人，中级职称，硕士，从事新能源汽车分时共享商业模式研究。 张菲(1982-)，女，上海人，工程师，本科，从事新能源汽车市场营销研究。 梁立新(1982-)，男，河北人，工程师，硕士，从事新能源汽车产业研究。

刘廷章(1967-)，男，山西人，工学博士，博士生导师，主要研究方向：智能建筑节能控制，智能电网用户侧系统建模与控制，半导体照明，复杂系统建模、控制与软测量。