住宅区电动汽车充电负荷随机接入控制策略

王 毅, 王飞宏, 侯兴哲, 孙洪亮, 朱 彬, 刘国平

(1. 重庆邮电大学通信与信息工程学院, 重庆市 400067; 2. 国网重庆市电力公司电力科学研究院, 重庆市 401123; 3. 国网重庆市电力公司博士后科研工作站, 重庆市 401123)

0 引言

为应对能源危机与环境问题,近年来电动汽车(EV)在世界范围内受到了广泛关注。《节能与新能源汽车产业发展规划(2012—2020年)》预测,到2020年,中国电动汽车保有量将达到0.5×107～1×107辆[1-2],各大主要城市充电站、充电桩等设施的建设工作也已全面铺开。随着电动汽车普及率的不断上升,大量电动汽车电池充电所带来的负荷将对电网造成不可忽视的冲击,若不对电动汽车用户的充电行为加以调控,任由其无序充电,将会加剧峰值负荷,威胁电网安全稳定[3-5]。电动汽车充电对电网的影响在文献[6-7]中有详细的说明。

实行峰谷电价是一种行之有效的电动汽车充电负荷控制方法,其主要思想是售电方制定各时段不同电价来引导用户将充电时间转移至谷时段,以达到削峰填谷的效果。但仅依靠电价经济手段而缺乏灵活有效的控制策略,不仅无法达到削峰填谷的目的,还可能导致谷时段负荷剧烈波动或形成新的高峰,影响配电网安全稳定[8-9]。目前基于电价引导的负荷控制相关研究主要集中在基于分时电价的电动汽车调度策略与分时电价时段划分方法上。文献[10]提出基于动态分时电价的电动汽车充电站有序充电策略,在降低用户购电成本的同时实现了充电负荷的削峰填谷。文献[11]以峰谷分时电价为基础,提出一种结合正序谷时段与倒序谷时段的充电策略,有效利用了负荷谷时段进行充电,但在谷时段开始和结束时会产生负荷大幅波动。文献[12]同时考虑了分时电价时段划分和局域配电网负荷波动情况,提出一种分时电价划分方法并建立了数学模型,结果表明用户响应分时电价的比例越大,越有利于平抑负荷波动,有效削减峰谷差。文献[13]提出一种采用功率限制的有序充电控制策略,结合在线控制与离线优化手段,达到最佳削峰填谷,降低负荷方差的目的。考虑到用户的充电行为受多种因素制约,以上控制策略依赖于复杂的集中式通信控制系统,成本高不易实现。在充电和控制信息无法及时交互的情况下,此类方案的效果将会受到影响[14]。对于分布式控制策略,近年来也有文献进行了相关应用研究,文献[15-16]提出并使用分层式的架构对大规模电动汽车进行优化调度,有效降低了实现成本。文献[17]指出,集中式控制方式计算量较大,实际应用面临局限性,并提出了基于拉格朗日松弛法的分散式有序充电调度策略。文献[18-19]提出了结合集中式与分布式控制手段的理念,并建立了协调控制模型。

本文以峰谷分时电价为背景,以居民小区家用电动汽车慢速充电为研究对象,由控制决策生成器获取当前控制区域电价与负载信息,提出一种充电桩自决策的电动汽车充电负荷随机接入控制策略,实施流程无须通过集中式网络进行实时的通信和控制,可由充电设备独立完成。使用蒙特卡洛方法对本文所提策略进行了仿真验证,结果表明,控制策略能将电动汽车充电负荷有效转移至谷电价时段,并且转移后的负荷曲线平滑无剧烈变化,实现削峰填谷、平抑负荷波动,减少系统和用户成本,适用于较大规模居民小区,是一种高效率低成本的有序充电控制方案。

1 有序充电及其系统架构

由国家发展和改革委员会于2014年下发的《关于电动汽车用电价格政策有关问题的通知》中指出,中国居民区电动汽车充电设施执行峰谷分时电价政策,鼓励电动汽车用户选择谷电价时段进行充电[20]。但若只是单纯地使用户等到谷时段再充电而不加调控,不仅无法达到预期的引导效果,反而会使谷时段产生剧烈的负荷变化,影响电网安全稳定[21]。为此,本文提出一种有序地将大量充电负荷转移至谷时段的控制方案。

控制决策生成器从用电信息采集系统获取当前电价与区域负荷信息,根据负荷容纳能力计算不同充电时长的用户对应的充电起始时刻决策参数表。将决策参数表在线或离线下发给各充电桩,充电桩获取用户输入离去时刻、需求电量等充电信息后,根据概率分布随机决定接入用户充电起始时间。本文提出的有序充电系统架构如附录A图A1所示。

本系统包含如下运行步骤。

1)获取小区负载曲线:用电信息采集系统根据居民区历史负荷数据,预测当日小区常规(不含电动汽车充电)用电负荷,并生成负荷曲线。

2)决策参数表生成:控制策略生成器获取常规负荷曲线,基于所提策略生成决策参数表,并发送给区域内各充电桩。

3)充电桩独立控制:充电桩由电动汽车电池管理系统得到接入电动汽车的电池信息,由用户通过人机交互界面输入得到充电需求相关信息,计算得出该电动汽车需要的充电时长及功率。当用户确认参与有序充电策略后,充电桩依照决策参数表,计算充电时间概率分布,并随机决定充电起止时间。对于不参与策略的用户,充电桩立即开始充电。

2 充电负荷随机接入控制策略

2.1 控制决策生成器策略流程

控制决策生成器是本文所提控制策略的中枢,获取当前控制区域电价与负载信息,并根据负载曲线,对负荷曲线中谷时段进行分段处理,计算电网在各时段的负荷容纳能力,计算不同充电时长的用户对应的分组规则。具体包含如下流程。

1)谷时段划分:控制策略生成器在接收用电信息采集系统提供的小区常规负荷曲线后,首先需要定位谷时段开始时刻tval,s以及结束时刻tval,e,随后对谷时段进行划分,将谷时段划分为N个长度相等的子时段,需要说明的是,子时段数量直接影响概率计算和负荷控制的精细度,在实际应用中应考虑适当增大N值。下文中为计算与说明简便,以图1中N=8为准。谷时段为23:00至次日07:00。

图1 谷时段划分方案及负荷裕度计算示意图Fig.1 Schematic diagram of valley time division scheme and load margin calculation

2)计算各子时段负荷裕度:负荷裕度表征了电网在某时段承载负荷的能力。将谷时段划分后形成的子时段记为Sj,则Sj时段的负荷裕度定义为:

(1)

式中:P(t)为小区负荷随时间t变化的函数关系表达式;Pref为基准负荷值,它等于谷时段负荷的最大值,它与P(t)的差随时间积分形成的面积即为tj到tj+1时段的负荷裕度。

3)按充电时长对待充电电动汽车集群进行分组:根据谷时段划分情况,设所有可能的充电起始时刻集合为T,在图1样例中T={23:00,00:00,,06:00},以充电时间最大限度利用谷时段为原则,将待充电电动汽车按如下规则分组,其中TEVi表示第i辆电动汽车(记为EVi)所需充电时长,Tval表示谷时段时长。

①TEVi≤Tval:该组电动汽车能够在谷时段内完成充电需求。以各子时段起始时刻为可用起始充电时刻,则TEVi为0～1 h的电动汽车群归于电动汽车集合1,其对应的可用起始充电时刻为T集合内所有8个时刻。TEVi在1～2 h范围的电动汽车群分入电动汽车集合2,这部分电动汽车如果在06:00开始充电,则不能在谷时段结束前(07:00前)完成充电,故该组电动汽车对应的可用起始充电时刻为T集合内除去06:00外的7个时刻。以此类推,TEVi为7～8 h的电动汽车群归于电动汽车集合8,其对应的可用起始充电时刻仅能取23:00。

②TEVi>Tval: 该组电动汽车不能完全在谷时段内完成充电需求,均归为电动汽车集合0,该集合内的电动汽车默认在谷时段开始时刻进行充电。若默认安排使用户充电结束时刻晚于离去时刻,则将充电起始时刻提前至在离去时刻完成充电需求即可。

2.2 充电桩策略流程

本文所提控制策略中,充电桩具有自决策的权力,各台充电桩只需从控制决策生成器下载决策参数表,随后可由充电桩按概率独立执行充电任务,无需复杂的集中式通信控制。具体操作流程如下。

1)读取接入电动汽车相关信息并计算充电时长:当有新车EVi接入充电桩时,用户通过桩上人机交互界面输入充电模式、需求荷电状态Sde,i和离去时刻tdep,i。本策略仅针对选择慢充模式,且愿意参与谷时段有序充电的用户。由电池管理系统获取初始荷电状态Sini,i与电池容量Wi,由用户输入获取Sde,i与tdep,i,则该EVi充电时长TEVi计算如下:

(2)

式中:ηi为EVi的充电效率;PEVi为EVi的充电功率。

2)充电桩从控制决策生成器下载决策参数表,并根据接入电动汽车的充电时长TEVi,找到该电动汽车可用的起始充电时刻分布情况以及在这些时刻开始充电的概率。例如,图1样例中,接入某台充电桩的电动汽车,其充电时长TEVi计算结果为45 min,则充电桩由决策参数表找到该电动汽车属于电动汽车集合1,其可用起始充电时刻为T集合所有8个时刻。

3)按接入用户时间约束条件调整充电时刻:若因个体电动汽车接入时间晚于或离去时间早于某些可用起始充电时刻,充电桩只需筛除这些可用时刻即可。例如电动汽车集合1内有个体在23:45到达,则此时可用起始充电时刻23:00已过,需筛除。相应地,有个体需在05:50离开,则可用起始充电时刻06:00需筛除。筛除过后该个体可用起始充电时刻产生了变化,充电桩调整电动汽车个体可用起始充电时刻分布。

4)为了达到均衡利用谷时段电力资源的目的,充电桩根据决策参数表,将谷时段电网负荷容纳能力量化为充电概率分布,按各时段负荷容纳能力随机生成充电任务。对满足TEVi≤Tval的某EVi,根据需求充电时长,该EVi的充电时间可能包含数个子时段的集合。设该EVi总共可以选择M个子时段集合来完成充电,其中第m个子时段集合记为Ωm,m∈[1,M]。Ωm所对应的负荷裕度总和为Pset,m,则有

(3)

每个子时段集合具有特定的负荷裕度值。充电桩从所有M个可用子时段集合中随机选择一个作为实际充电时段,选择第m个子时段集合的概率为:

(4)

有序充电负荷随机接入控制策略流程如附录A图A2所示。

2.3 策略激励措施

本策略拟为用户提供激励措施,以增加用户参与调控的积极性。本策略按照电网谷时段负荷承载能力转移电动汽车充电时间,充分利用谷时段电力资源,节省电网维护成本,为电网带来经济效益。相对地,电网可与充电用户进行双向互动,为参与优化策略的用户提供价格激励措施,使用户享受低于谷时段电价的优惠,从而节省用户充电开销,让更多用户参与调控。

3 算例分析

3.1 相关参数设置

为验证本文所提方案的有效性,以某居民区为例进行仿真分析。居民区在12:00和19:00左右会出现两个用电高峰,最大负荷值约为3 086 kW。居民区使用峰谷分时电价与时段划分如附录A表A1所示。

电动汽车动力电池充电一般包括恒压和恒流两个过程:恒压阶段持续时间短,电流电量小;恒流阶段电压变化幅度很小,故家用电动汽车慢充可视为恒功率充电[22]。本文假设参与有序充电的电动汽车为恒功率充电。由中国汽车工业协会发布的2017年1月至6月新能源汽车产销统计数据[23]显示,中国纯电动汽车(BEV)与插电式混合动力汽车(PHEV)销量之比约为4.6∶1。本文按该比例设置参与控制策略的电动汽车比例,且BEV充电功率取10 kW,PHEV充电功率取3 kW,为简便起见,充电效率ηi均取1。用户出行行为相关参数,包括出行时刻、日行驶里程与返回时刻及返回时对应荷电状态等,沿用2009年全美家庭出行调查(NHTS)中的结果,其返回时刻和日行驶里程分别近似服从正态分布和对数正态分布,其概率密度函数式见文献[24]。

3.2 仿真过程及结果

本文在3.1节所述的参数设置下,使用蒙特卡洛方法随机产生电动汽车接入数据,包括tdep,i、EVi到达时刻tarr，i和Sini，i。令Sde，i=1,为验证参与调控电动汽车规模对本策略效果的影响,令参与有序充电电动汽车数量分别为10,200,300辆,最后得到小区负荷曲线如图2所示。

图2 居民区电动汽车有序充电负荷曲线Fig.2 Coordinated charging load curves of electric vehicles in residential area

三种电动汽车数量下负荷曲线的方差见表1。

表1 不同规模电动汽车负荷方差对比Table 1 Comparison of load variances under different sizes of electric vehicles

由图2中负荷曲线可以看出,本策略能够将居民区大量电动汽车充电负荷平稳转移至谷时段,并且能根据谷时段常规负荷波动情况控制各时段转移量的大小,使整体负荷曲线趋势缓和。结合表1中方差数据可知,参与调控的电动汽车规模越大,负荷曲线将越趋于平缓,调控效果越好。从整体负荷曲线看,虽然充电桩是以相互间不影响的独立决策方式运作的,但其对负荷的调控效果与集中式控制策略并无明显差异。

为进一步简化策略流程,降低系统复杂度,本文提出一种充电负荷均匀转移至谷时段的模式。该模式简化了负荷裕度的计算,认为各时段负荷裕度均相等。在电动汽车分组完成后,充电桩等概率地选择谷时段某一满足用户充电需求的时刻开始充电。

本文将文献[11]提出的双序谷时段充电模式加入对比分析,比较无序充电模式、双序谷时段充电模式、基于负荷裕度的随机充电方法和等概率均匀转移负荷的随机充电方法的性能。取4种模式下电动汽车数量各为300辆,无序充电模式下,用户接入充电桩即开始充电直至充满为止。其余参数同3.1节中设置。负荷曲线及峰谷差、负荷方差、总电价仿真结果分别如图3、表2所示。

图3 4种模式下的充电负荷曲线Fig.3 Charging load curves in four modes

模式峰谷差/kW负荷方差/kW2总电价/元 无序充电1 5202.68×1051 900.9 双序谷时段充电1 0861.13×1051 310.0 等概率均匀转移8247.60×104997.6 基于裕度转移8035.93×104997.6

由仿真结果可知,无序充电模式下,电动汽车用户的充电时间集中在16:00—22:00,这个时间段是一天中的第二个用电高峰期,常规负荷叠加电动汽车充电负荷,造成“峰上加峰”现象,易导致配电网过载等问题出现。表2中负荷指标表明,本文所提等概率均匀转移负荷模式与基于裕度转移模式均能有效减小峰谷差并平抑负荷波动,但基于裕度转移模式负荷峰谷差与方差更低。相比双序谷时段充电模式,基于裕度转移模式在峰谷差与负荷方差方面也有更好的调控效果。等概率均匀转移模式削峰填谷、平抑负荷波动的效果不及基于裕度转移,但省略了负荷裕度的计算过程,更易实现。当区域配电网不能获取可用的负荷曲线信息,不具备计算负荷裕度的条件时,可以使用均匀转移策略作为简化备选方案。若电网采用适当的电价激励措施,用户参与调控的充电成本能进一步降低,则会有更多用户参与到优化策略中来。因此,实行本文所提电动汽车有序充电控制策略,不仅能削峰填谷,平抑负荷波动,也能减少用户充电成本,达到电网与用户间的双赢。

4 结语

峰谷电价背景下居民区家用电动汽车无序充电时间过于集中,会加剧电网峰值压力,造成负荷冲击,而基于有序充电的集中式控制系统复杂度高,不易实现。本文提出一种电动汽车充电起始时间随机选取方法。通过理论分析与仿真验证,结论如下。

1)本文所提基于负荷裕度的随机充电策略能够有效实现负荷平稳转移,削减峰谷差,降低负荷方差,合理分配谷时段电力资源。策略实施过程只需定时更新控制决策生成器中相关参数,其余工作可由充电桩自决策独立完成,无需集中式通信控制,避免了大量的实时通信流程,便于实际应用,适用于各类充电场景。

2)本文所提等概率均匀转移负荷的随机充电方法相比基于负荷裕度的随机充电策略实施流程更为简单,系统成本更低,但削峰填谷、平抑负荷波动的效果稍差。在区域电网无法获得可用负荷曲线数据,不具备计算负荷裕度的条件时,可考虑采用等概率均匀转移法作为简化方案。

3)由于目前中国电动汽车处于发展中,规模有限,尚不能提供大量实际运行数据,本文工作还较多停留在理论阶段,可能存在一些未考虑到的问题,具有一定的局限性。另外,使用概率控制的方式本身有一定不确定性无法避免,具有改进的空间。在进一步的研究中,应结合真实场景可能存在的约束条件,对优化目标和调控手段进行完善。

附录见本刊网络版(http://www.aeps-info.com/aeps/ch/index.aspx)。