基于功率调控的充电站削峰潜力评估方法*

刘琦颖，曲大鹏，范晋衡，吴子俊，姚蓝霓，黄国华

（1.广州供电局有限公司，广州 510620；2.广州市奔流电力科技有限公司，广州 510630）

0 引言

在能源枯竭和环境恶化的全球大背景下，电动汽车以其清洁环保节能的优点得到世界各国的推崇，然而电动汽车因其具有随机性的充电行为，在负荷平衡、电能质量以及电源容量规划等方面都造成了不利影响，并且负荷的快速增长甚至造成“峰上加峰”，加剧配网运行压力[1-3]。而另一方面，电动汽车作为一种可调资源，可以通过激励和控制手段对其进行有序调控，减小负面影响。因此如何通过充电负荷有序调控实现削峰填谷成为研究热点。

目前，已有较多文献对电动汽车的有序充电进行研究[4-7]。赵玉等[8]提出了一种适用于分时电价的电动汽车调度策略，能够优化电网负荷，同时降低用户成本。杨景旭等[9]通过削峰量补偿充电负荷运营商，在改善电网安全性的同时，增加运营商的收益。除了利用激励手段引导用户进行有序充电，也有文献以充电站或聚合商为单位对电动汽车进行调控。江明等[10]建立可更换充电机和不可换充电机模型，对充电站两天的充电行为进行决策，可以降低电网峰谷差和负载压力。

电网调度中心在调控充电负荷前，需对其削峰潜力进行评估。王伊宁等[11]通过地区代理商收集用户申报信息从而评估用户参与削峰、错峰的能力。杨景旭等[12]通过具备响应资格的用户数与签约用户数的比值来反应充电负荷聚合商的响应能力。以上都是基于用户上报的信息对用户的响应能力进行评估，存在牵涉多方利益，且数据处理量大的问题，不适用于电网快速评估充电站削峰潜力。从电网规划角度，简便快捷的削峰潜力评估方法是电网关注的问题。因此，为了简便快速评估充电站的削峰潜力，本文提出基于功率调控手段的削峰潜力评估方法。首先确定调控时段，然后通过调控充电桩充电功率建立削峰模型，基于优化结果评估潜力，最后对居民区慢充站进行仿真分析。

1 电动汽车调控时段模型

为了统一进行优化调度，电动汽车接入电网时不能立刻进行调度，需要对电动汽车的入站时间和离站时间进行计算得到调控的起始时段和结束时段。

在电动汽车驶入充电站准备进行充电时，充电站需要采集其的入站时间Ta、离站时间Tl，初始SOC 值SOCa以及目标SOC 值SOCg。其中Ta和Tl以分钟为单位，Ta表示一天内的第Ta分钟。

以30 min为优化单位，将一天标记为1～48时段。充电站控制电动汽车进行有序充电的起始时段为：

电动汽车有序充电的结束时段为：

若电动汽车在当天能够完成充电，则可控时段总数Na为：

若电动汽车在当天不能完成充电，需要在第二天继续完成充电。为了方便计算，将第二天的充电负荷折算到当天对应时段。则可控时段总数Na为：

2 基于功率调控的慢充站削峰模型

对于采用慢充方式的电动汽车，其停车充电时间通常会大于实际充电时间，在用电高峰时段，可以通过降低电动汽车的充电功率甚至暂停充电来实现负荷削减，将部分充电负荷转移到用电谷时段，实现削峰填谷，在满足用户充电需求的同时减小供电压力。

2.1 负荷建模

本文通过调控慢充站内电动汽车的单位时段的充电功率，从而优化充电负荷曲线。定义充电站充电功率矩阵Ps作为功率调控型的控制变量，即：

式中：Pm,t为第m个充电桩在t时段的充电功率；T为一天内划分的总时段数；M为充电站内的充电桩数量。

充电站t时段的充电负荷Ps,t为：

当电动汽车处于充电状态时，充电功率的取值范围为：

式中：PN为额定充电功率。

电动汽车m在t时段的SOC可以用下式计算得到：

式中：Cb为电动汽车的电池容量，单位为kW·h。

当SOCm,t即达到电动汽车目标值SOCg时，电动汽车停止充电，因此从下个时段起到电动汽车离开充电站，电动汽车不再进行充电。

2.2 优化目标

为了评估充电负荷峰值与常规负荷峰值存在重叠现象的充电站削峰潜力，可采用削峰率作为评估削峰潜力的指标。削峰率反映的是削峰程度，属于电网层的指标，这类指标考虑了充电负荷与常规负荷的叠加效应。居民区的充电站主要用于满足私家车的日常充电需求，因此充电负荷与常规负荷具有相似性，容易与常规负荷叠加造成“峰上加峰”。因此为了评估该类充电站的削峰潜力，采用削峰率ηf作为指标，削峰率计算公式如下：

式中：Pwmax和分别为削峰填谷实施前后馈线总负荷的最大值。

考虑充电负荷与常规负荷的“叠加效应”，以最大化削峰率作为削峰模型的优化目标，即：

大多数慢充站处于居民区，满足私家车的日常充电需求，因此慢充站的充电负荷与常规负荷具有相似性，容易与常规负荷叠加造成“峰上加峰”。因此为了衡量慢充充电站的削峰潜力，本文考虑充电负荷与常规负荷的“叠加效应”，以最大化削峰率作为慢充站削峰模型的优化目标，即：

式中：Pwmax和P′wmax为削峰填谷实施前后配电网总负荷的最大值。

本文以最大化削峰率作为调控策略的优化目标。

2.3 约束目标

（1）用户充电需求

为了不影响用户的出行需求，电动汽车用户在参与有序调控后的SOC应达到用户的目标值，即：

式中：Cb为电动汽车的电池容量。

（2）充电站变压器安全约束

式中：Ps,max为充电站的最大负荷；Str为充电站变压器的额定容量。

（3）馈线容量约束

式中：Sl为馈线的额定容量。

3 算例仿真

3.1 仿真参数

本文仿真所用的基础负荷曲线如图1 所示，基础负荷峰值为2.61 MW。在该馈线中接入一个慢充站，根据常规负荷峰值和充电负荷占比设置站内充电桩数量，充电电动汽车数量设置为充电桩数的两倍。电动汽车按充电行为分布可分为4类，仿真参数如表1所示，充电站内的电动汽车设置了不同的充电行为分布参数，并设置了不同充电行为分布的比例。

表1 充电负荷仿真参数

3.2 仿真测试与结果分析

以100 桩∕MW 的充电桩占比为例，即每MW 常规负荷配置100 个充电桩，车桩比为1∶2，则一天中每MW常规负荷共有200 辆电动汽车进行充电。该充电负荷占比下充电站在有序控制前的充电负荷曲线如图2 所示。上午11左右时段和晚22点左右时段为充电高峰。

图2 充电站日充电负荷曲线

将该充电站的负荷曲线接入馈线，依据本文所提的有序充电方法对站内电动汽车进行控制，优化其充电时序和充电功率，对其进行有序充电调控。有序调控前后，馈线负荷曲线如图3所示。

图3 3 种情况下削峰前后馈线负荷曲线

优化结果显示，优化后的馈线负荷曲线明显削减了负荷高峰，削峰前馈线的最大负荷为3.85 MW，削峰后的最大负荷下降到2.81 MW，削峰率达26.30%，削峰效果显著，大大提高配网运行稳定性。优化前后的充电负荷曲线如图4所示。

图4 优化前后的充电负荷曲线

可以看出，无序充电负荷在上午11 点以及晚22 点前后时段出现高峰，与馈线常规负荷的负荷高峰时段出现重叠，造成“峰上加峰”的现象。而有序充电控制对峰荷重叠时段的充电负荷削减效果显著，谷时段用电明显抬升。通过转移部分用电高峰时期的充电负荷到用电低谷时段，减小对配网的冲击，降低运行风险。

对比优化前后的充电负荷时序特性，发现由于采用慢充的充电负荷停车时间长，往往能够同时跨越峰时段和谷时段，因此充电站可以对其进行有序控制，调整时序特性。在满足用户充电需求的前提下，将部分充电需求转移到谷时段，避免大量用户在高峰期集中充电。

除了分析100 桩∕MW 充电桩占比的削峰效果，还对50 桩∕MW 以 及75 桩∕MW 的 充 电 桩 占 比 进 行 分 析。实 际情况中，受用户的出行需求以及主观意向的影响，部分用户会拒绝参与有序充电，因此随机抽取50%的电动汽车参与有序充电并计算削峰率。3 种充电桩占比的削峰效果如表2所示。

表2 不同充电桩占比下有序充电削峰效果

从上述结果中可以看出，随着充电负荷占比的增大，充电负荷可调度潜力增加大，因此削峰率增加，削峰效果越好。由于充电负荷增大时，总负荷增大，相同负荷削减量下削峰率变小了，因此3种场景下的削峰率并非线性增长，充电负荷占比增大时削峰率增长速度减小。50 桩∕MW、75桩∕MW和100桩∕MW充电桩占比下，50%用户参与削峰的削峰率大约为全部用户参与削峰的一半。因此，用户响应程度越高，调度潜力越大，削峰填谷效果越好。

4 结束语

利用电动汽车的可调特性，可以对充电站内的电动汽车进行有序调控实现削峰填谷。基于典型充电负荷特性，本文建立功率调控模型对充电站削峰潜力进行仿真分析，从仿真结果可以得出以下结论：

（1）居民区无序充电负荷曲线与馈线的基础负荷曲线在上午11点以及晚22点左右会出现重叠，造成“峰上加峰”的现象，扩大馈线负荷曲线的峰谷差；

（2）本文的所提的削峰模型具有较好的削峰效果，削峰率与充电桩占比呈正相关，且用户响应比例越高，调度和削峰潜力越大。