智能电网下电动汽车直接负荷控制策略研究

陈艳，孙振胜，陈超，刘显旭

（1.吉林省吉能电力集团有限公司，吉林长春 130021；2.吉林省电力有限公司，吉林长春 130021；3.国网辽源供电公司，吉林辽源 136200；4.吉林龙源风力发电有限公司，吉林长春 130021）

EV作为环境友好型交通工具在许多方面具有传统能源汽车无可比拟的优势，尤其是其“零排放”的特点备受推崇。在能源危机和环境污染双重压力下，美国、欧盟、日本等国家政府纷纷通过政策优惠、购买补贴、法规强制等手段支持和推动EV产业的发展[1]。我国也将EV列为战略性新兴产业，经过北京奥运会、深圳大运会等大型赛事以及“十城千辆”计划的推动，预计到2030年我国EV保有量将达到6 000万辆[2-3]。单辆EV容量和功率十分有限，对整个电网的影响微不足道，但当EV数量发展到一定水平，其不受控时充电的集群效应相当可观，将对电网的安全稳定运行产生严重影响。而智能电网的发展为实现对EV充放电行为的合理控制提供了技术支持。

关于智能电网的定义国际社会还没有形成统一标准，美国侧重于数字化技术的应用，欧盟强调服务和管理的智能化，而我国国家电网在强调提高电网智能化水平的同时，提出要建设坚强输电网，注重各级电网之间的协调，但各方的共同目标都是建设经济、环保、安全、高效的新型电网[4]。智能用电作为智能电网的重要组成部分，实现了用户侧和供电侧的信息互动，通过互动策略实现对用户负荷的直接或间接控制，体现了供需双方之间“信息流＋业务流＋电力流”的友好互动，实现电力负荷的柔性化，支撑供电侧的可靠、经济运行[5-6]，加快了需求响应的实施由人工到半自动，再到全自动的转换进程。

需求响应是指用户对激励措施采取的响应以降低用电成本[7]。在放松管制的电力市场中，供电商在电力高峰时段面临“高价买电，低价卖电”的风险，而需求响应项目则有利于供电商规避这种风险。需求响应项目按照实施机理不同可以分为激励型和价格型，直接负荷控制（direct load control，DLC）属于激励型项目[8]。EV每天有90%以上的时间处于停驶状态，拥有有巨大的参与需求响应的潜力，国内外关于EV参与需求响应已有较多的研究。文献[9]以英国新能源高渗透率电网为例，在考虑天气等可变因素对新能源出力影响的条件下考察了EV支持电网调频的能力。文献[10]根据新加坡人口密度大，人均出行里程短的特点，通过需求响应手段控制停车场EV的充电流程，从充电费用和对电网的影响两方面对调控效果进行了分析。文献[11]针对EV有序充放电在电网削峰填谷方面的作用，提出了峰谷电价时段的优化模型，并用遗传算法对其优化求解。文献[12]探讨了利用经济激励措施来鼓励插电式混合动力汽车用户参与需求响应的必要性，以弥补充电可能带来的负面影响。目前针对EV参与DLC的研究较少。

本文依托于智能电网的基本构架，利用其先进的信息通信技术（information communication technology，ICT）、高级量测体系（advanced measurement infrastructure，AMI）、双向计量电表等智能软件和智能模块建立EV的直控管理系统和互动机制，实现车网之间信息实时互动，用蒙特卡洛模拟方法建立EV充电负荷曲线，在考虑用户利益的情况下，探讨合理的EV充放电控制策略，优化负荷曲线，使EV充电对电网造成的影响最小。

1 EV直控管理系统

EV直控管理系统结构如图1所示，总体可以分为电网侧、通信通道和用户侧三大部分，可以实时监测电网运行状态，采集用户侧信息，实现供用电双侧信息的实时互动，控制车网之间能量的双向流动，使电网源、荷两大主体和其他各组成元素之间形成一个有机的整体，提高电网工作效率和安全运行系数。

图1 EV直控系统框图Fig.1 Diagram of EV direct control system

1.1 电网侧

电网侧的监控系统主体是基于相量测量单元（PMU）的广域测量系统（WAMS）[13]，可以直接对电网中的角度进行测量，使调度中心对电网运行状态的估计更加准确、及时，动态监视电网运行状态变化，对异常情况采取及时、有效的处理措施，更大程度上保证电网的安全稳定运行。调度中心对所获得的电网数据（如电压、频率等）进行汇总分析，根据历史数据通过多种方法，如回归分析法、卡尔曼滤波法、指数平滑法等进行负荷预测，随着越来越多新能源接入电网，可变性因素增多，多种预测方法相结合更有利于提高负荷预测的精度，进而得出系统在未来某时段的电力紧急需求量，结合负荷侧反馈回来的信息，做出合理的优化决策，并下达调度指令。

1.2 通信通道

随着智能电网建设的一步步推进，电力通信成为智能电网必不可少的组成部分，相当于电网的神经系统，二者相辅相成，相互促进，互为一体。我国电力行业发展初期，电力系统的结构相对简单，源荷功能分明，布局清晰，通信主要由电力载波、电缆等相似的渠道完成，我国经济的快速发展大力推动了电力行业的发展，源荷容量及输变电系统在规模上有了很大的提升，对通信系统也提出了新的要求，如通信的容量、质量、可靠性及速率等，微波、高频、多路载波等新的通信方式应运而生。近些年，在现代信息和通信技术的驱动之下，电力系统的通信逐步走向了“数字化”、“信息化”[14]。先进的通信系统为用户和电网之间联系提供了通道，使调度中心可以随时了解用户的状态，此处指EV的具体信息，如是否处于联网状态、荷电状态等。

1.3 用户侧

可逆智能充电机的重要硬件构成是V2G结构，还包括PWM整流器，V2G原理结构如图2所示。该变换器结构和原理比较简单，可靠性高，当EV从电网获取电能时，电路中开关VTbuck、VDbuck和电感L构成通路，当EV向电网回馈电能时，开关VTboost、VDboost和电感L构成通路[15]。其工作的启停及工作状态的转换由智能电网管理系统来控制。当车主到家或工作地点后，立即将EV接入电网，智能充电机自动获取EV的荷电状态（state of charge，SOC）、容量（capacity，C）等信息，用户则可以从终端显示器中了解电网公司发布的电价、补偿价格、电网运行状态等信息，结合自己之后的行驶安排，选择是否将EV控制权交给电网公司，确定离网时间和离网时EV的SOC应达到的水平，由通信系统将用户信息传达到智能调度中心。若车主选择将EV控制权移交给电网公司，则由调度中心根据设计好的优化控制目标综合考虑各方面因素对EV的充放电行为进行自动智能控制，若车主不移交EV控制权，则从EV接入电网时刻起立即进入充电状态，直到SOC达到车主设定值，自动断电。智能电表具有双向计量和双向通信功能，监视电能质量并支持远程操控，可以记录EV从电网获取的电能和向电网回馈的电能，并对车主应缴电费和应得补偿进行结算，车主可以很直观地观察到自己的用电情况、费用和收益，为以后作选择提供参考。

2 EV直控策略

对于一般的家用电器来说，DLC控制策略主要有以下3种[16]：①将用电设备直接关闭，停止其用电行为；②利用智能电网高级控制系统以某时长（如30 min）为周期对用电设备进行开启-关闭的循环控制；③提高用户侧恒温器温度设定值，即间接减少用电设备用电量，该控制策略适用于空调或热水器。

图2 V2G双向DC/DC转换原理结构图Fig.2 Principle structure diagram of V2G bidirectional DC/DC conversion

图3 蒙特卡洛模拟EV直控优化流程图Fig.3 Simulation flow chart of EV direct control optimization by Monte Carlo

用户可以通过可视化智能终端器对调控策略进行选择，优化流程图如图3所示。EV作为交通工具是一种特殊的家庭用电负荷，主要功能是作为代步工具服务于社会人出行，充电过程并不影响其功能的正常发挥。在现代高科技技术支持下，EV储能电池既可以从电网获取电能，又可以向电网回馈电能，所以对EV的充电过程控制有两种策略：①选择在低电价时段进行充电，高电价时段停止充电，使用电费用最小，无放电行为；②选择在低电价时段充电，高电价时段放电，以不影响车主驾驶行为为前提，且用户可获得一定经济收益。

2.1 目标函数

EV用户响应电网公司的需求响应项目，支持电网的安全稳定运行，并因此获得一定经济补偿。如果在此类交易中把电网公司视为买方，把用户视为卖方，从目前的发展情况来看应该是卖方市场，所以要在规划中充分考虑到用户的利益，以提高用户参与的积极性。

对控制策略（1）来说，只有充电行为，目标函数为

Pc为EV的充电功率，ρ(t)为第t时段电价，λc为充电效率，Δt为时段长度，B为EV充电的时段集合。

该种情况下t时刻系统总负荷为

L(t)为t时刻系统总负荷，L0(t)为t时刻系统原负荷，N为EV数量，为0-1变量，1表示EV处于充电状态，0表示EV处于无操作状态（不充电也不放电），Pc(i,t)为第i辆EV的充电功率。

对控制策略（2）来说，EV既有充电行为，又有放电行为，所以目标函数为

Pd为EV放电功率，δ为放电补偿价格，λd为放电效率，D为放电时段集合。

该种情况下t时刻系统总负荷为

y(i,t)为0-1变量，1表示EV处于放电状态，0表示EV处于无操作状态，Pd(i,t)为第i辆EV的放电功率。

文献[17]指出，目前EV电池以锂离子为主，并对锂离子电池充电恒流—恒压过程进行了模拟，结果显示恒压过程相对整个充电时长很短暂，可以忽略，锂离子电池充电过程可近似认为是恒功率。本文算例中假定EV充放电过程中功率为恒定值。

电网公司是实施需求响应项目的主体，主要目的是提高电网运行的经济性和安全性，优化负荷曲线，抑制负荷波动。而数学方差可以准确反映出数据的波动程度，此处以负荷方差最小作为目标函数

T为时段数，PLi为第i时段电网负荷，PL0t为第t时段原电网负荷，PLEt为第t时段EV总充电负荷。

对于策略1来说

对于策略2来说

两个目标函数分别代表电网侧和用户侧的利益，为了提高系统运行的整体效益，采用线性加权方法求解该多目标问题，将双目标改成单目标。由于两个目标函数的量纲不统一，所以需进行规范化处理，f1(2)max为用户无序充电用电费用，f3max为原系统负荷方差，α1和α2为权重系数，满足α1+α2=1，体现出二者所占比重大小，得评价函数

有研究指出，一般情况下当各项权值分别取相同值时，优化效果可达到综合最优，所以此处α1和α2分别取0.5[18]。

2.2 约束条件

在对EV进行优化调度运算时，需要考虑一定的物理约束条件。根据所研究的情况，当EV数量较少时，需要考虑的约束条件为

①充电功率约束

Pcmax为EV最大充电功率，Pdmin为EV最小充电功率。

表1 小区各时段负荷及电价Tab.1 Load and electricity price of each time period in the residential quarters

②放电功率约束

Pdmin为最小放电功率，Pdmax为最大放电功率。

③荷电状态约束

SOCmin为电池允许的最小荷电状态，SOCmax为电池最大荷电状态。

④离网荷电状态约束

SOCl为EV离网时的荷电状态，SOCset为用户设定的离网荷电状态。

3 算例分析

根据目前EV的发展现状[19-25]，在本算例中对EV的相关信息假设如下：

1）电池容量在20～30 kW·h均匀分布，充电功率在2～3 kW均匀分布，放电功率为2.5 kW；

2）EV充放电效率为0.9，电池容量价格为2 500元/kW·h；

3）车主晚上到家时间和早晨离家时间分别服从正态分布N（19，1.52）和N（7，0.52），起始充电SOC服从正态分布N（0.6，0.12）；

4）放电单位补偿为2.05元/kW·h，SOC最大为1，最小为0.2，SOCset取0.9，时段长度取半小时。

考虑到目前EV还没有大规模普及，以某小区有10辆EV为例，研究车主晚上回到家后EV充电对小区负荷的影响及调控策略的有效性，采用文献[26]中的楼宇日负荷放大4倍作为小区日负荷，小区24时段负荷及电价[18]情况如表1所示。利用蒙特卡洛随机抽样的方法确定每辆EV的相关信息及充电负荷建模所需的车主日行驶规律数据。

为了研究策略（1）和策略（2）不同的调控效果，分别让这10辆EV在同样的条件下参与不同的调控策略，用系统负荷的峰谷差率、负荷率和方差来对调控的效果进行评价，作对比分析。不同调控策略下的系统负荷和原系统负荷评价指标如表2所示，图4给出了不同负荷曲线的负荷率和峰谷差率变化趋势。

表2 不同调控策略的评价指标Tab.2 Evaluation index of different control strategies

图4 不同情景下负荷率和峰谷差率变化曲线Fig.4 Load rate and peak-valley ratio changes under different scenarios

由表2可以看出，EV充电行为不受控时，即无序充电，系统峰谷差率增加了6.29%，负荷率降低了3.04%，系统方差增加了3.72%。经过两种调控策略的调控，负荷曲线的各种评价指标都出现了有益的变化，甚至优于原系统负荷的各种数值指标，减小了负荷曲线的波动程度。策略（1）调控后峰谷差率和方差分别降低了15.56%和12.35%，负荷率上升了3.78%，用户整体用电费用减少了74.08%；策略（2）调控后负荷方差降低比策略（1）更明显，达到30.74%，峰谷差率降低了14.19%，负荷率上升了4.45%，而用户则不需缴纳电费，反而可以获得一定的收益，按一年365天算，该小区EV用户一年可获得总收益达6.27万元。

图5 不同调控策略下系统负荷曲线Fig.5 System load curve under different control strategies

无序充电负荷曲线和经过调控后的系统负荷曲线如图5所示。可以看出，利用策略（1）调控时，由于EV接入时段大体处于晚高峰期间，为了不加剧电网波动程度，EV并不直接进行充电，而是将充电行为转移到凌晨以后的时段，即低电价时段，可以节省用户用电费用。利用策略（2）进行调控时，EV接入电网后向电网馈电，以降低电网晚高峰电力需求量，同时可以获得经济补偿，将充电行为转移到凌晨以后低电价时段，用户可以从两方面获得经济收益，同时抬高了负荷低谷值，平滑了负荷曲线，提高了基荷机组利用率和电力系统运行的经济性、安全性。

4 结语

本文依托智能电网的基本结构框架和通信系统，建立了电动汽车智能直控管理系统，研究了需求响应中的直接负荷控制策略在电动汽车充放电行为调控中的应用，以某小区为例，以分时电价为手段，用优化充电和优化充放电两种不同的策略对电动汽车充电行为进行调控，并用不同的评价指标对调控结果进行了对比分析，结果表明第一种调控策略在减小负荷峰谷差率方面效果更明显，第二种调控策略可以更大程度上降低负荷曲线的波动程度和提升负荷率，而且可以实现用户侧盈利，这将有利于提高用户参与需求响应的积极性。

电动汽车有着可预见性的广阔发展前景，这已成为不争的事实，为了进一步推动电动汽车参与车网互动，本文提出以下几点建议：

1）V2G技术是实现电网和用户侧能量双向流动的关键环节，应该加强在通信的智能化和安全度、电力电子能量转化装置及其与智能电网技术相结合的方法研究。

2）加强在改善蓄电池性能方面的研究，主要包括电池容量、电池寿命、回收利用率、充放电速率、续航里程等方面，注重研发新材料，降低造价，提高性价比。

3）推进充电基础设施和智能互动试点工程的建设，特别是智能化建设，根据不同地区电动汽车具体普及程度建立不同智能化水平的充电设施，根据实际情况制定科学合理的发展规划。

[1] 杨方，张义斌，葛旭波.中美日电动汽车发展趋势及特点分析[J].能源技术经济，2011，23（7）：40-44. YANG Fang，ZHANG Yibin，GE Xubo.Electric vehicle development tendency and characteristics in China，USA and Japan[J].Energy Technology and Economics，2011，23（7）：40-44.

[2] 葛少云，黄镠，刘洪.电动汽车有序充电的峰谷电价时段优化[J].电力系统保护与控制，2012，40（10）：1-5. GE Shaoyun，HUANG Liu，LIU Hong.Optimization of peak-valley TOU power price time-period in ordered charging mode of electric vehicle[J].Power System Protection and Control，2012，40（10）：1-5.

[3] 肖湘宁，陈征，刘念.可再生能源与电动汽车充放电设施在微电网中的集成模式与关键问题[J].电工技术学报，2013，28（2）：1-14. XIAO Xiangning，CHEN Zheng，LIU Nian.Integrated mode and key issues of renewable energy sources and electric vehicles’charging and discharging facilities in microgrid[J].Transactions of China Electrotechnical Society，2013，28（2）：1-14.

[4] 张东霞，姚良忠，马文媛.中外智能电网发展战略[J].中国电机工程学报，2013，33（31）：1-14. ZHANG Dongxia，YAO Liangzhong，MA Wenyuan. Development strategies of smart grid in china and abroad[J]. Proceedings of the CSEE，2013，33（31）：1-14.

[5]盛万兴，史常凯，孙军平，等.智能用电中自动需求响应的特征及研究框架[J].电力系统自动化，2013，37（23）：1-7. SHENG Wanxing，SHI Changkai，SUN Junping，et al. Characteristics and research framework of automated demand response in smart utilization[J].Automation of Electric Power System，2013，37（23）：1-7.

[6] 田世明，王蓓蓓，张晶.智能电网条件下的需求响应关键技术[J].中国电机工程学报，2014，34（22）：3576-3589. TIAN Shiming，WANG Beibei，ZHANG Jing.Key technologies fordemand response in smartgrid[J]. Proceedings of the CSEE，2014，34（22）：3576-3589.

[7] 于娜，何德明，李国庆.电力需求响应的决策因素与分类模型[J].东北电力大学学报，2011，31（4）：112-115. YU Na，HE Deming，LI Guoqing.Decision factors and classification model of demand response[J].Journal of Northeast Dianli University，2011，31（4）：112-115.

[8]Naveen Venkatesan，Jignesh Solanki，Sarika Khushalani Solanki.Demand response model and its effects on voltage profile of a distribution system[C]//2011 IEEE Power and EnergySocietyGeneralMeeting，SanDiego，CA：2011：1-7.

[9]HUANG Sikai，WU Lei，DAVID Infield，et al.Using electric vehicle fleet as responsive demand for power system frequency support[C]//2013 IEEE Vehicle Power and Propulsion Conference（VPPC），Beijing，China：2013：1-5.

[10]DANTE Fernando Recalde Melo，GOOI Hoay Beng，TOBIAS Massier.Charging of electric vehicles and demand response management in a singaporean car park[C]// 2014 49 th International Universities Power Engineering Conference（UPEC），cluj-Napoca，Romania：2014：1-6.

[11]葛少云，王龙，刘洪，等.计及电动汽车入网的峰谷电价时段优化模型研究[J].电网技术，2013，37（8）：2316-2321. GE Shaoyun，WANG Long，LIU Hong，et al.An optimization model of peak-valley price time-interval considering vehicle-to-grid[J].Power System Technology，2013，37（8）：2316-2321.

[12]MEGAN Mallette，GIRI Venkataram.Financial incentives to encourage demand response participation by plug-in hybrid electricvehicle owners[C].2010 IEEE Energy Conversion Congress and Exposition（ECCE），Atlanta GA：2010：4278-4284.

[13]尚力，于占勋，荆铭，等.山东电网广域实时动态监测系统[J].电力自动化设备，2008，28（7）：89-93. SHANG Li，YU Zhanxun，JING Ming，et al.Wide-area real-time dynamic monitoring system of Shandong power grid[J].Electric Power Automation Equipment，2008，28（7）：28（7）：89-93.

[14]邢宁哲，闫海峰.电力通信系统可靠性研究[J].电力系统通信，2007，28（176）：26-38. XING Ningzhe，YAN Haifeng.Research on the reliability of electric power telecommunication system[J]. Telecommunications for Electric Power System，2007，28（176）：26-38.

[15]吴凯，程启明，李明，等.具有V2G功能的电动汽车快速充放电方法[J].电力自动化设备，2014，33（2）：30-34. WU Kai，CHENG Qiming，LI Ming，et al.Fast charging and discharging method for electric vehicle with V2G function[J].Electric Power Automation Equipment，2014，33（2）：30-34.

[16]张钦，王锡凡，别朝红，等.电力市场下直接负荷控制决策模型[J].电力系统自动化，2010，34（9）：23-28. ZHANG Qin，WANG Xifan，BIE Zhaohong，et al.A decision model of direct load control in electricity markets[J]. Automation of Electric Power System，2010，34（9）：23-28.

[17]ZHENG Jinghong，WANG Xiaoyu，MEN Kun，et al. Aggregation Model- Based Optimization forElectric Vehicle Charging Strategy[J].2013 IEEE Transactions on Smart Grid，2013，4（2）：1058-1066.

[18]魏大钧，张承慧，孙波，等.基于分时电价的电动汽车充放电多目标优化调度[J].电网技术，2014，38（11）：2972-2977. WEI Dajun，ZHANG Chenghui，SUN Bo，et al.A time-ofuse price based multi-objective optimal dispatching for charging and discharging of electric vehicles[J].Power System Technology，2014，38（11）：2972-2977.

[19]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（6）：17-22. SU Haifeng，LIANG Zhirui.Orderly charging control based on peak-valley electricity tariffs for household electric vehicles of residential quarter[J].Electric Power Automation Equipment，2015，35（6）：17-22.

[20]王建，吴奎华，刘志珍，等.电动汽车充电对配电网负荷的影响及有序控制研究[J].电力自动化设备，2013，33（8）：47-52. WANG Jian，WU Kuihua，LIU Zhizhen，et al.Impact of electric vehicle charging on distribution network load and coordinated control[J]. Electric Power Automation Equipment，2013，33（8）：47-52.

[21]孙波，廖强强，谢品杰，等.车电互联削峰填谷的经济成本效益分析[J].电网技术，2012，36（10）：30-34. SUNBo，LIAOQiangqiang，XIEPinjie，etal.Acost-benefit analysis model of vehicle-to-grid for peak shaving[J]. Power System Technology，2012，36（10）：30-34.

[22]孙近文，万云飞，郑培文，等.基于需求侧管理的电动汽车有序充放电策略[J].电工技术学报，2014，29（8）：64-69. SUN Jinwen，WAN Yunfei，ZHENG Peiwen，et al. Coordinated charging and discharging strategy for electric vehicles based on demand side management[J]. Transactions of China Electrotechnical Society，2014，29（8）：64-69.

[23]潘樟惠，高赐威.基于需求响应的电动汽车经济调度[J].电力建设，2015，36（7）：139-145. PAN Zhanghui，GAO Ciwei.Economic dispatch of electric vehicles based on demand response[J].Electric Power Construction，2015，36（7）：139-145.

[24]杨洪明，熊脶成，刘保平.插入式混合电动汽车充放电行为的概率分析[J].电力科学与技术学报，2010，25（3）：8-12．YANG Hongming，XIONG Luocheng，LIU Baoping. Probabilistic analysis of charging and discharging for plugin hybrid electric vehicles[J].Journal of Electric Power Science and Technology，2010，25（3）：8-12．

[25]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. LUO Zhuowei，HU Zechun，SONG Yonghua，et al.Study on plug-in electric vehicle charging load calculating[J]. Automation of Electric Power System，2011，35（14）：36-42.

[26]杨玉红，张峰，张艳芳.电动汽车参与电网调峰的分析研究[J].电力学报，2012，27（4）：306-312. YANG Yuhong，ZHANG Feng，ZHANG Yanfang.Analysis of power grid peak shaving with electric vehicles[J]. Journal of Electric Power，2012，27（4）：306-312.