V2G技术参与微电网能量协调控制的仿真研究

宁 琳，白 迪

（沈阳工程学院 a.研究生部；b.电力学院，辽宁 沈阳 110136）

在如今这个能源紧缺的时代里，推广并使用电动汽车已成为必然的发展趋势。经过我国在电动汽车相关技术等方面半个多世纪的研究与努力，现在整个国内市场已取得了极大的进步，不仅连续3年产销量居世界首位，使用率也远远超过其他国家，且未来在新技术研发上也将渐趋完善。

电动汽车具有使用费用低、对环境友好、安全性好的优点。鉴于目前电动汽车的普及程度，当大量不同种类的电动汽车同时接入微电网时，其无序的充放电会给整个系统带来不利的影响，如造成电压不稳等问题，且并网的同时引发用电负荷激增［1］。根据某城市日常驾驶模式的调查研究显示，大部分行程都集中在上下班时间，在这些时段内恰好是居民用电的高峰时期，若驾驶者选择在此时对电动汽车进行充电那便会“峰上加峰”，加重了输配电的压力。文献［2］指出我国微电网的负荷峰谷比在日渐增大，平均峰谷差率已达到1：0.4，若不组织对策协调电能的供给，随着电动汽车的规模化发展，该数值必将进一步加大。

运用V2G技术（Vehicle-to-Grid），引导用电高峰期电动汽车向微电网输送电能，从而降低峰谷差。本文建立了V2G参与调峰的数学模型，根据文献［3］的调度策略，提出了一种改进的粒子群优化算法，用MATLAB/Simulink仿真软件将两种算法的仿真结果进行对比，验证了电动汽车充放电对微电网能量协调控制的可行性，说明了优化过的粒子群算法效果更为理想。

1 V2G技术概述

V2G技术充分体现了电动汽车与智能电网间的友好互动，它是能量、信息双向互动的技术［4-6］。电动汽车的种类有很多，本质上也有很大的区别，油电混合动力电动汽车没有装置可与电网产生相互作用，因此，接入电网不会有任何影响。只有纯电动汽车和插电式混合动力电动汽车与电网有交互作用，可以考虑应用V2G技术，本文所研究的电动汽车指该两种。由于电动汽车在每日大部分时间内均处于空闲状态，如果利用电动汽车V2G功能，使能量在车辆和微电网之间双向流动，作负载时可将电能储存在电池中满足自身需求，电网负荷高峰时段又可作为分布式储能设备使用。V2G技术不仅可以降低远距离高电量的电能在传输过程中的网损，还可以大大减少电网高峰时所需要投入的火电资金，充分利用了智能电网的灵活性与电动汽车电池充放电的优势，有效对电网实施调峰，平滑了电网日负荷曲线，减缓了供电压力。

2 V2G系统部件及信息流程

V2G系统在结构上可概括为4个层面：电网层、站控层、智能充放电装置层及车辆层［7］。其中，双向智能充放电装置既与电网交互信息，又与车辆进行互动。整个系统的运作需要各个设备之间保持通信，图1为信息传递示意图。

图1 V2G系统信息流程

2.1 电池管理系统

电池管理系统（BMS）是电动汽车的重要组成单元，内部包括电池终端模块、中间控制模块、显示模块。根据组成模块各自不同的功能，BMS可以对电池进行电压、电流测量，温度检测，荷电状态（SOC）、健康状态（SOH）、可用能量状态（SOE）［8］等数值估计并存储数据，用诊断算法进行故障自检，防止过量充放电损伤车辆电池，必要时及时报警，保证运行安全。BMS从各方面全面监控电池性能，用CAN总线将数据完整传输到充放电装置，即EV-PCS，进而上报到后台管理系统做出反应策略，将充放电指令传回充放电装置，如此实现了信息的双向流动。

2.2 智能用户终端

图1中UT为用户终端，用户可在仪表盘上直观了解到电动汽车的状态信息。装置的组成结构如图2所示，基础电气设备元件包括显示器、扬声器、读卡器等等，市面上大部分采用ARM嵌入式处理器，主要拥有无线数据通信模块、GPS模块和CAN总线接口。在电动汽车上安装整个终端系统，除2.1节提到的与BMS双向传递电池综合信息以外，还可以把用户的指令传输到相应的控制设备上，各自分别实现了信息交互。智能用户终端具有GPS数据接收功能，定位用户所处地理位置；具有无线通信功能，定期向后台管理中心传送UT统计的信息，目前主要使用通用无线分组技术GPRS/3G，并选择合适的网络作为外界远程联系的通道。

图2 用户终端结构

2.3 双向智能充放电装置

智能充放电机EV-PCS由低压控制器LPCS和本地管理机CPCS组成，作为V2G技术的核心部分与各重要装置均有相互作用，以RS485双向连接智能电表SM记录电量信息并设置参数。双向智能充放电装置无线接收控制中枢的充放电指令，在充电模式下执行对象仅为车辆，为单向操作；如果是V2G模式（电网负荷高峰期），需要从UT得到用户设置的SOC极值，功能上与EMS合并为一个系统负责确定充放电策略，与BMS双向操作，且自带欠压、过压、过流等保护功能。

3 V2G调峰模型

V2G参与电网调峰要比传统的调峰方式响应速度更快、综合效益更高。目前，研究V2G技术应用策略的方法以用仿真软件预测电网负荷曲线为主，目的是使电动汽车入网后曲线会趋于平滑。

3.1 目标函数

根据“削峰填谷”的优化目标，把调度中心的控制单元调整为1 h（共24个单元），日负荷曲线均方差最小值确立为目标函数，即

式中，PLj为j时段电网负荷功率代表电网日平均负荷功率；n为接入电网的电动汽车数量；Pij为j时段i辆电动汽车参与电网调峰的总负荷功率，放电数值为正，充电数值为负。

3.2 约束条件

1）功率约束

电动汽车充放电功率约束为表达式（2），一般充电线路的传输功率不允许超过15 kW，因此，式中Pmax取值15，且该条件下主要考虑对电流的约束。式（3）、（4）中，Iic为充电电流；Iid为放电电流；IiN则根据不同种类电动汽车的电池型号来确定其额定值。

综合以上式子，j时刻电动汽车i的功率约束条件为式（5）、（6）、（7），其中Vij为车辆充电的额定电压（单相220 V，三相380 V）。

2）电池容量约束

用户可以根据行驶需求设定约束范围，在电动汽车离开电网时满足下式：

式中，电池荷电状态用Soc表示，定义为电池剩余容量与完全充满电时容量QiN的比值；Socset为用户对电池约束的荷电状态；Socc为满荷状态。

SSoc为电池荷电状态值，考虑电池的使用寿命，要求数值最小不低于0.2，最大不超过1，SSocij表示车辆i在j时段内的荷电状态，充放电时电池容量的变化量用△Qij表示，Qijmax可表示容量上限，Qijmin可表示容量下限。

4 改进的粒子群算法

粒子 群算法（Particle Swarm Optimization，PSO）又称鸟群觅食算法，最早由J.Kennedy和R.C.Eberhart提出［9］，是一种优于遗传算法的进化算法。通过一种随机粒子逐次迭代找到全局最优值，具有收敛速度快、精度高、易实现等优点。本文建立的模型变量为电动汽车参数，有很多不确定因素，目标函数求解为最小值，适用粒子群算法。根据文献［3］基于粒子群算法的电动汽车调度策略流程，如图3所示，从以下两方面进行了改进。

4.1 粒子惯性权重

PSO算法在空间搜索时，较大的惯性权重适用于迭代初期进行全局搜索，较小的惯性权重对后期局部搜索有利，为了在两者之间达到平衡，Shi Y等人提出了一种线性递减权重（LDIW）［10］：式中，K为迭代次数；Kmax为设定的最大迭代次数；ωmax为最大惯性权重；ωmin为最小惯性权重。随着迭代次数K的增加，惯性权重ω逐渐变小。

加入式（12）的程序可以自适应的更新惯性系数。选取ωmax=2，ωmin=0.1，Kmax=300。

图3 基于粒子群算法的调度策略流程

4.2 粒子更新速度

研究车辆在一天24个时段里跟电网交换负荷的情况，因此，维数为24，初始化群体个数m=100，则粒子i位置表示为Xi=( )Xi1,Xi2,…,Xi24,i=(1,2,…,100)，运行过程中其“飞行”速度亦为n维向量Vi=(Vi1,Vi2,…,Vi24),i=(1,2,…,100)，其 他 速度参数根据经验设Vmin=-0.5，Vmax=0.5。

粒子群算法根据式（13）更新粒子速度，xi(k)为粒子i位置信息，pi(k)代表粒子i个体极值位置，gi(k)代表全局极值位置。

改进的PSO在速度更新上，将上两次的速度进行了加权作为新的速度，主程序如下：

这里alf是介于0到1之间的参数，用于将上两个时刻的粒子速度联系在一起来求取此时的粒子速度，v1（i,：）表示前两个时刻的粒子i的速度；v2（i,：）表示前一个时刻的粒子i的速度；v3（i,：）表示当前时刻的粒子i的速度。学习因子c1=1，c2=2。

5 仿真算例

采用某一楼宇的日负荷曲线进行仿真验证，数据如表1所示，可得Pav=83 kW。为计算方便，假设2 000辆相同型号的电动汽车接入电网，行驶消耗功率均为8 kW，电池额定容量为40 kW·h，允许最大充放电功率为15 kW，统一取电动汽车进站的初始荷电状态为0.8，用户要求的出站最低荷电状态为0.9。

表1 电网日负荷

基于表1的数据，根据上文提到的数学模型和所设定的参数，使用MATLAB仿真软件分别对基本粒子群算法与本文所提出的改进后的粒子群算法调整负荷曲线的效果进行验证，输出数据如表2，曲线如图4和图5所示。

表2 电动汽车与电网交换负荷

图4 目标函数值随迭代次数变化曲线

图5 V2G调节量

由图4可以看出，目标函数值随着迭代次数的增加而减少，直至达到最大迭代次数可以得到最优解，改进后的PSO算法迭代速度以及达到的适应度函数值都比以前要好。将图5的V2G调节量计入到电网中，并对这两种算法的调峰效果进行了比较，如图6所示。

图6 V2G参与电网调峰负荷曲线

由图6可知，原负荷曲线在23：00～6：00为负荷低谷期，而在12：00～14：00和19：00～22：00出现两个负荷高峰期。仿真结果表明，V2G技术基本实现了微电网电能的协调控制，达到了削峰填谷的效果，其中改进后的算法较原电网状态有明显改善，说明该算法要优于基本粒子群算法，日负荷曲线几乎可以用一条恒定负荷曲线取代，对电能分销商大有益处，同时还降低了电价，给用户带来了便利。

6 结 论

本文充分说明了通过采用V2G可以降低电网负荷高峰时对发电机组的需求，使用改进的粒子群算法更能实现这一观点。电动汽车通过V2G技术并入电网，不但在电网支撑、稳定性和负荷调节方面对配电网有利，而且对储能普及应用也有好处。但是，不当的V2G功能管理会给车辆的内置储能带来风险，需要设置放电速度和放电深度延长电池寿命。一个带有V2G放电深度限制的电网，从本质上具有降低和削除日负荷高峰的能力［11］，可见这项技术未来具有很大的研究空间和发展前景。