车联网环境下电动汽车群有序充电优化策略

何伟，孙广波

（1.广州杰赛科技股份有限公司，广东 广州 510310；2.广州杰赛通信规划设计院有限公司，广东 广州 510310）

0 引言

随着电动汽车行业的快速发展，电动汽车群已经成为研究重点。电动汽车群的出行规律[1-3]、行驶需求[4]、充电偏好[5]、充电调度[6-7]、充电控制策略[8-10]已经引起大量学者的关注。其中，充电控制策略关系到电网供电稳定性和安全性、充电站经济性和效率性以及用户便捷性和满意性，因此很多学者针对电动汽车充电优化策略提出自己独特的见解，包括：李惠玲等人[11]通过构建多时段的网络损耗和电压越界之和最小值作为优化目标，结合多因素约束条件，利用目标优化算法计算电动汽车在各时段的可充功率；Shilina等人[12]提出一种基于智能交通系统模型的充电站协调策略，旨在提升用户和配电网的利益；黄贵鸿等人[13]引入分层分区调度的理念，构建基于双层规划的电动汽车双层智能充放电模型，通过上层模型优化各管辖区在各时段的总充放电功率，通过下层模型优化各管辖区内电动汽车的具体充放电策略，提升电动车用户的满意度；马源等人[14]基于用户的行驶习惯将用户分类并构建差异化模型，以各区域充放电功率需求构建目标函数，结合多因素约束条件制定用户充电策略；贺继锋等人[15]以用户充电成本为目标，结合用户充电偏好构建用户充电需求与分时电价的响应关系模型，引导用户进行有序充电。从上述研究可知，当前充电控制策略模型主要集中在用户侧、电网测和充电站侧，但是大多数研究很少关联多方利益实现用户充电优化控制；除此之外，当前很多研究也没有利用车联网、5G网络、车载终端及云平台等技术手段实现信息互联互通，包括：电池参数与使用状态、车辆运行、用户充电期望时间、用户期望充电电量以及用户充电偏好等相关数据。因此，本文拟在车联网背景下，以汽车为信息节点，采用5G通信技术、数据处理技术、云平台技术以及传感器等，通过整合车辆与控制中心网络，构建综合考虑电网、充电站、用户多因素的有序充电控制策略，结合电网、充电站以及用户的约束条件，引导用户有序充电。

1 用户、电网和充电站三者的充电目标与约束分析

1.1 车联网环境下用户行驶和充电偏好分析

（1）电动汽车充电时间的概率分布

车联网通过各种传感器获得车辆运行相关数据，比如：用户的充电时间和放电时间、电池剩余容量、充电功率、电池续航状态等。车载终端将汽车运行状态相关的信息发到云平台，形成车辆运行状态信息共享，进而能够实现车辆电池实时状态监管和整车运行状况控制。

假设电动汽车返回家里时间跟充电时间是一致的，本文在参考文献[16]的基础上，将用户充电时间的偏好用正态分布概率密度函数表示如下：

其中，0 ≤x≤ 2 4，µc= 1 8.67δc=0.741。

由于电动汽车每次充电电量是有差异的，因此本文同样参考文献[16]，以用户接入充电时的电池剩余电量来模拟电动汽车的充电负荷，采用正态分布概率密度函数表示电动汽车的充电负荷如下：

（2）基于充电成本的电费模型

考虑不同时间的充电成本和用户充电功率的需求，用户充电费用最小化的模型表示为：

其中，Ct表示各个时间段对应的电价，P(t)表示用户在t时间段的充电功率。

1.2 区域电网负荷和电压分析

随着电动车渗透率提升，大规模电动车的充电负荷接入电网之后会造成电网负荷“峰上加峰”，电网的电压偏移也明显变大。为了平抑峰谷的差别，大多数学者采用分层分区调度的方式来降低负荷峰谷差、减少充电成本、降低网络损耗，努力降低电动汽车接入电网后对电网负荷和电压偏移的影响。本文利用车联网获取的用户充电需求数据、实际用用电数据、车辆行驶里程数据、该区域历史电网负荷和电压偏移等数据，对电网负荷和电压进行分析。

基于上一节用户行驶和充电偏好的需求，结合电网侧负荷功率调节的目标，电网侧旨在实现充电负荷与电网负荷波动最小，实现削峰填谷，进一步提高小区的供电质量，减少配电网线的损耗。参考文献[17-18]，可得出电网侧的目标函数：

1.3 充电站充电需求和变压器容量分析

通过车联网共享平台对信息的充分共享，以及对充电站状态的实时监控（包括接入点故障、电池当前状态、用户期望充电容量、功耗控制等），实现关于充电需求和变压器容量的自动分析，实现充电策略管理的智慧化。

假设充电站按照充电的电价抽取充电服务费pj，并按照购电电价支付给电网电费cj。假设充电站有N个节点，当用户接入节点i时，充电控制系统获取电动车的电池剩余电量SOCL。为了制定有序充电策略，用户应该预设充电时间ti以及用户离开时期望的电池电量SOCF。因此，充电站应该在满足用户需求和配电变压器的额定容量，通过对电池有序充电的控制，实现充电站经济效益最大化。充电站以运营效益最大化的为目标：

其中，Cij为第i个接入点以当前时刻为起始点在第j个时间段的控制策略，Cij=1表示接入点开始充电；Cij=0表示接入点结束充电。Δt为充电站调度间隔。j为一天调度间隔的调度总数量。配电变压器的容量约束如下：

其中，P为接入点的额定功率，Sij表示第i个接入点在第j个时间段是否有电动汽车接入，Sij=1表示有电动汽车接入，Sij=0表示没有电动汽车接入；Aj取值在[0,1]之间，如果该充电站配有专供配电变压器，那么Aj=1；ST为配电变压器的额定容量；λ为充电负荷平均功率因子。

2 电动汽车群有序充电控制方法

本文综合考虑电网、充电站、用户三者目标，基于当前多方的需求，目标包括三个：配电变压器容量最大化，用户充电成本最小化以及电网多时段负荷波动、总损耗和电压变化最小化。因此目标函数可以表示为：

电网、充电站、用户三者的约束条件为：

公式(12)是电池的约束条件，表示电动汽车接入接入点时要满足接入点额定输出功率以及该车型电池最大充电功率的最小值；公式(13)表示接入点负荷要在电网设定的负荷范围上下限；公式(14)表示每个时间段接入点的概率密度，将某个时间段j接入需求概率乘以该区域的电动车数量得到该时间段的充电需求；公式(15)表示电动汽车充电时的充电电量概率函数，将某一个时间段j的充电时的起始电量概率乘以电动车充电需求估算该时间段所需要的总充电电量。公式(16)表示该充电站内所有接入点的容量小于配电变压器的额定容量。公式(17)表示用户停止充电时获得的电量能够满足预期的充电目标。本文使用CPLEX优化工具包进行求解，得出有序充电的控制策略。

3 实验分析

本文在车联网环境下采用上述两个正态分布概率密度函数模拟200辆车在24小时的充电需求。并对比有序充电和无序充电下充电站在24个小时的负荷曲线和电压偏移曲线。具体情况如图1和图2所示。

图1 有序充电负荷和无序充电负荷对比图

图2 有序充电负荷和无序充电电压偏移量对比图

图1展现有序充电和无序充电两种策略下的日负荷曲线，发现在有序充电控制策略下，充电站从凌晨到早上6点出现多个负荷高峰，这段时间恰恰是夜间谷电期，电价相对便宜，错开了白天的用电高峰，实现了负荷侧的削峰填谷，有序充电策略为充电站带来丰厚的收益的同时，也为用户节省了充电成本；而在无序充电模式下，用户在晚上时间段接入充电，使得晚高峰的用电负荷进一步升高，局部电网容易出现另外一个用电高峰。

图2展现有序充电和无序充电两种情况下电压偏移量曲线，发现在有序充电控制策略下，无论在负荷高峰还是在负荷低谷状态下，电动汽车接入后的电压偏移量都在一个可容忍的范围内；而在无序充电模式下，大多数用户在晚上时间段接入充电，使得晚高峰的电压偏移量加剧，对晚间配电网的安全造成一定的影响，也会影响电池的寿命。

4 结束语

本文提出一种在车联网环境下，综合考虑电网、充电站、用户三者的电动汽车群有序充电策略，该策略通过构建电网侧、充电站测以及用户侧多目标优化函数，结合用户出行需求、电网负荷、汽车电池电量以及配电变压器容量的约束条件，优化电动汽车有序充电方案。仿真结果表明，基于车联网对多方面数据的共享和分析，综合多方面需求制定的有序充电控制策略不仅有利于实现负荷侧的削峰填谷，为充电站带来丰厚的收益的同时，也为用户节省了充电成本，还能够降低晚高峰的电压偏移量，提升晚间配电网的安全。