胡澤春，占愷嶠，徐智威，項頂，張洪財

(清華大學(xué)電機系，北京市 100084)

?

電動汽車與電網(wǎng)互動的關(guān)鍵問題分析與展望

胡澤春，占愷嶠，徐智威，項頂，張洪財

(清華大學(xué)電機系，北京市 100084)

電動汽車與電網(wǎng)互動可以實現(xiàn)削峰填谷、參與調(diào)頻、提供備用等作用，對于電網(wǎng)的安全經(jīng)濟運行和提高新能源發(fā)電消納能力具有重要意義。圍繞電動汽車與電網(wǎng)互動的調(diào)控技術(shù)、市場機制和基礎(chǔ)設(shè)施這3方面的關(guān)鍵問題進行分析。首先，對電動汽車與電網(wǎng)互動的層次與目標(biāo)進行了梳理；其次，對電動汽車與電網(wǎng)互動的集中式控制、分布式控制、分層控制策略進行了分析；再次，對電動汽車與電網(wǎng)互動的成本-效益、商業(yè)模式與市場機制的研究進行了總結(jié)并提出了建議；進一步討論了電動汽車與電網(wǎng)互動的設(shè)施與通信技術(shù)標(biāo)準(zhǔn)的發(fā)展現(xiàn)狀；最后，對電動汽車與電網(wǎng)互動的研究和應(yīng)用進行了展望。

電動汽車；市場機制；控制策略；電動汽車與電網(wǎng)互動(V2G)；智能電網(wǎng)

0 引 言

能源和環(huán)境問題推動了電動汽車的發(fā)展和應(yīng)用。電力行業(yè)則首先關(guān)心電動汽車大規(guī)模接入電網(wǎng)充電的情景下，對于電網(wǎng)運行的影響和應(yīng)當(dāng)采取的應(yīng)對措施。隨著新能源發(fā)電大規(guī)模接入電網(wǎng)和智能電網(wǎng)的發(fā)展，學(xué)術(shù)界和產(chǎn)業(yè)界開始關(guān)注電動汽車作為可控型負荷和分布式儲能資源支持電網(wǎng)運行的技術(shù)。電動汽車可能在不同的地點和不同的層面對電力系統(tǒng)提供支持，本文不加區(qū)別地將其統(tǒng)稱為電動汽車與電網(wǎng)互動(vehicle-to-grid，V2G)技術(shù)，所討論的V2G技術(shù)包括有序調(diào)控技術(shù)(即電動汽車不一定要向電網(wǎng)放電)。

近年來，國內(nèi)外在V2G方面開展了深入研究，發(fā)表了大量的文獻。作者認(rèn)為，實現(xiàn)V2G的關(guān)鍵問題在于以下3個方面：

(1)調(diào)控技術(shù)。調(diào)控技術(shù)是指如何調(diào)整電動汽車的充放電過程以達到最有效的V2G目標(biāo)。此方面是學(xué)術(shù)界研究最為活躍的領(lǐng)域，提出了大量針對不同V2G目標(biāo)的調(diào)控技術(shù)和策略。

(2)市場機制。市場機制屬于V2G的頂層設(shè)計范疇，決定著電動汽車參與電網(wǎng)互動的廣度和深度。V2G的市場機制涉及充放電價格、新的市場參與者、市場準(zhǔn)入條件和現(xiàn)有市場規(guī)則的修改等方面。

(3)基礎(chǔ)設(shè)施。基礎(chǔ)設(shè)施是V2G的基石，其主要問題是電動汽車與充放電設(shè)施、電動汽車與電網(wǎng)的接口和通信標(biāo)準(zhǔn)。

本文主要針對以上3個方面的問題，對目前的研究和發(fā)展情況進行綜述和分析，并對未來V2G的研究和應(yīng)用進行展望。

1 電動汽車與電網(wǎng)互動的層次與目標(biāo)

電動汽車作為分布式儲能單元，可以通過調(diào)節(jié)其充電甚至放電過程參加電網(wǎng)的優(yōu)化運行。Kempton早在1997年就提出了V2G概念[1]，并進一步對其經(jīng)濟性進行了定量評估。對于通過V2G優(yōu)化電網(wǎng)運行的層級，可分為大電網(wǎng)層協(xié)調(diào)、配電網(wǎng)層協(xié)調(diào)和微電網(wǎng)層協(xié)調(diào)這3個層次，以下將分別就這3個層級各自的優(yōu)化目標(biāo)和控制架構(gòu)進行討論。

1.1 電動汽車與大電網(wǎng)的互動

電動汽車可為大電網(wǎng)提供多種類型的服務(wù)，這些服務(wù)主要包括提供調(diào)頻[2-3]、備用服務(wù)[4]，參與系統(tǒng)削峰填谷[5]與新能源發(fā)電聯(lián)合運行等。在調(diào)頻方面，電動汽車通過本地測量的頻率信號，自主決策充放電功率以響應(yīng)頻率信號，為系統(tǒng)提供一次調(diào)頻服務(wù)。如文獻[2]提出了一種考慮電動汽車用戶充電需求的自適應(yīng)下垂頻率控制方法。作者針對兩區(qū)域的互聯(lián)電力系統(tǒng)進行了仿真，仿真結(jié)果表明，電動汽車參與系統(tǒng)一次調(diào)頻，可有效平抑系統(tǒng)的頻率波動。在提供備用方面，文獻[6]研究了電動汽車充電站不同接入地點情況下充當(dāng)備用電源的可能性；文獻[7]研究了考慮電動汽車提供備用以最小化電網(wǎng)運行成本的控制策略。在削峰填谷方面，文獻[8]在電動汽車互動策略中充分考慮了電動汽車負荷的隨機性；文獻[9-10]采用遺傳算法、粒子群算法等智能算法實現(xiàn)電動汽車參與電力負荷削峰填谷；文獻[11]分析了電動汽車參加削峰填谷的經(jīng)濟性。在與新能源發(fā)電聯(lián)合運行方面，文獻[12]研究了在新能源大規(guī)模接入的背景下，通過電動汽車有序控制平抑新能源出力波動，降低電能交易的風(fēng)險；文獻[13]評估了電動汽車充電與風(fēng)電協(xié)同調(diào)度的碳減排效益。

當(dāng)電動汽車大規(guī)模接入的情景下，僅依賴本地的分散控制協(xié)調(diào)，難以實現(xiàn)全系統(tǒng)電動汽車的整體協(xié)調(diào)，傳統(tǒng)集中式的大電網(wǎng)協(xié)調(diào)控制模式，通過收集管轄范圍內(nèi)發(fā)電機組、網(wǎng)絡(luò)和電動汽車等負荷信息，集中進行優(yōu)化，雖能夠?qū)崿F(xiàn)資源的全局協(xié)調(diào),但該種控制架構(gòu)的計算規(guī)模和通信需求會隨著電動汽車規(guī)模的變大而顯著增加，這使得該類方法很難適用于數(shù)量巨大、分布廣泛的電動汽車的在線協(xié)調(diào)。為有效解決這個問題，文獻[5]提出了在大電網(wǎng)層面適用于大規(guī)模電動汽車參與削峰填谷的分層協(xié)調(diào)架構(gòu)。該類架構(gòu)如圖1所示，包含2層或2層以上的控制單元，通過在上層控制單元協(xié)調(diào)時僅考慮下層控制單元管轄范圍內(nèi)電動汽車的整體特性，決策其整體用電功率，再由下層控制單元分配用電功率給再下一級控制單元的方式來降低計算規(guī)模和通信數(shù)據(jù)量，從而實現(xiàn)大規(guī)模電動汽車的協(xié)調(diào)。該分層式控制架構(gòu)對于大規(guī)模電動汽車為大電網(wǎng)提供備用和二次調(diào)頻服務(wù)同樣適用。需要注意的是，該類控制架構(gòu)的實現(xiàn)依賴于大電網(wǎng)的運營主體能夠控制電動汽車的充電功率。隨著第三方電動汽車充放電設(shè)施運營主體的參與，大電網(wǎng)運營主體可通過合約的方式在保證電動汽車用戶充電需求的前提下，獲得電動汽車充放電功率的控制權(quán)。此外，可以通過動態(tài)電價等其他間接手段影響電動汽車用戶的充放電行為。

圖1 大規(guī)模電動汽車分層協(xié)調(diào)架構(gòu)

在電力市場環(huán)境下，電動汽車充電功率并不能由大電網(wǎng)調(diào)度部門控制，在配電網(wǎng)層面將會出現(xiàn)集中商(aggregator)集合電動汽車充電負荷這類靈活資源。集中商將代表電動汽車集群參與日前和實時階段的電能和輔助服務(wù)市場。通過市場價格信號的引導(dǎo)，同樣可實現(xiàn)電動汽車與電網(wǎng)的有效互動。文獻[14]研究了電動汽車集中商在考慮市場出清價格和電動汽車充電需求不確定情況下在日前市場中的最優(yōu)投標(biāo)問題。文獻[15]提出了電動汽車集中商在電能市場和輔助服務(wù)市場中最優(yōu)的統(tǒng)一投標(biāo)決策模型。目前文獻中對于集中商的最優(yōu)投標(biāo)和電動汽車充放電決策問題絕大多數(shù)采用了集中式控制架構(gòu)?？梢灶A(yù)計，當(dāng)集中商協(xié)調(diào)的電動汽車規(guī)模足夠大時，這類集中式控制架構(gòu)要求集中商具備較高的計算和通信能力。為有效降低計算規(guī)模，可采用類似上文提到的分層式協(xié)調(diào)架構(gòu)。通過在上層投標(biāo)決策時僅考慮電動汽車充放電的整體特性，在下層通過協(xié)調(diào)電動汽車個體充放電功率以跟隨投標(biāo)決策的方式來實現(xiàn)大規(guī)模電動汽車的協(xié)調(diào)。

1.2 電動汽車與配電網(wǎng)和微電網(wǎng)的互動

隨著配電網(wǎng)和微電網(wǎng)中大量分布式發(fā)電系統(tǒng)的接入，電動汽車作為一種重要的分布式儲能資源，可有效平抑分布式新能源出力的波動并參與配電網(wǎng)或微電網(wǎng)的優(yōu)化運行。在配電網(wǎng)與微電網(wǎng)層級，由于需要協(xié)調(diào)的電動汽車的規(guī)模相對較小，可較為方便地采用單層的集中式協(xié)調(diào)架構(gòu)實現(xiàn)電動汽車與配電網(wǎng)或微電網(wǎng)的協(xié)調(diào)運行，如圖2所示。

圖2 配電網(wǎng)/微電網(wǎng)電動汽車集中式協(xié)調(diào)架構(gòu)

文獻[16]建立了協(xié)調(diào)配電網(wǎng)多輛電動汽車的充電功率的集中優(yōu)化模型以降低配電網(wǎng)運行的網(wǎng)損，文獻[17-18]基于靈敏度分析的方法，以降低配電網(wǎng)網(wǎng)損為目標(biāo)，研究電動汽車充電地點的優(yōu)化。文獻[19]提出了電動汽車在主動配電網(wǎng)中，通過調(diào)節(jié)充放電功率協(xié)調(diào)新能源出力的控制策略。文獻[20-21]通過粒子群算法、禁忌搜索等智能算法求解微電網(wǎng)內(nèi)電動汽車與新能源的協(xié)調(diào)優(yōu)化問題。仿真結(jié)果表明，通過電動汽車充放電優(yōu)化，可有效提高主動配電網(wǎng)、微電網(wǎng)內(nèi)分布式新能源的消納能力。文獻[22]提出了電動汽車為配電網(wǎng)提供電壓支撐的控制模型。另一方面，考慮到配電網(wǎng)中用戶隱私等因素，還有一些研究探討了配電網(wǎng)/微電網(wǎng)中電動汽車的分布式協(xié)調(diào)方式。在該種控制模式下，由各電動汽車本地自主決策最優(yōu)充電功率，其全局的協(xié)調(diào)則需要通過各電動汽車之間的相互通信或者集中商動態(tài)更新電價等方式來實現(xiàn)[23-24]。這類方式雖然相較于集中式控制方式有效地降低了計算規(guī)模，但該類控制方式為達到全局的最優(yōu)一般需要反復(fù)的迭代求解，較難適用于在線應(yīng)用的場景。

2 電動汽車與電網(wǎng)互動的控制策略

按控制方法的不同，電動汽車與電網(wǎng)互動策略可分為集中式控制、分布式控制、分層控制這3類。

2.1 集中式控制

集中式控制是指在一個控制中心匯總各電動汽車的信息，由控制中心集中決策各電動汽車的充放電計劃，并下達給各電動汽車的控制方法。例如，文獻[25]提出了充電站內(nèi)電動汽車有序充電策略，各電動汽車在各個時段充電的啟停狀態(tài)、充放電功率由充電站的控制系統(tǒng)集中決策；文獻[26-27]提出的電動汽車互動控制策略，由換電站的控制系統(tǒng)集中決策；文獻[28-29]以降低配電網(wǎng)網(wǎng)損為目標(biāo)的電動汽車互動控制策略，由對應(yīng)配電網(wǎng)區(qū)域的集中商/控制中心集中決策。

集中式控制的優(yōu)點在于其控制思路簡單清晰，策略易實現(xiàn)；缺點在于所有電動汽車信息的存儲與優(yōu)化計算都在控制中心完成，在電動汽車大規(guī)模接入的情況下，可能會給控制中心帶來較大的存儲與計算負擔(dān)，當(dāng)優(yōu)化問題非凸或優(yōu)化變量含有整數(shù)變量時，求解時間較長甚至難以求得最優(yōu)解。

2.2 分布式控制

分布式控制是指電動汽車的充放電計劃在本地進行決策的控制方法，各電動汽車根據(jù)調(diào)控信號(該調(diào)控信號可以是價格信號、調(diào)頻信號、本地量測的電壓/電流信號，或者控制中心/集中商發(fā)布的其他控制信號)，制定充放電計劃。多數(shù)情況下，控制中心/集中商需根據(jù)電動汽車反饋的充放電計劃修正控制信號，引導(dǎo)電動汽車實現(xiàn)預(yù)定的控制目標(biāo)[30-31]。

文獻[23,32-34]提出了一種引導(dǎo)電動汽車充電負荷削峰填谷的分布式控制方法。文獻[35-36]將博弈論引入電動汽車與電網(wǎng)的互動策略研究中，研究多個電動汽車充電達到納什均衡狀態(tài)下的分布式控制策略。以上文獻提出的分布式控制方法需要一個控制中心向各電動汽車廣播控制信號，控制中心與各電動汽車之間需要雙向通信，通過信息交互(在交互過程中往往需要進行迭代)，實現(xiàn)控制目標(biāo)。其基本思路是將原優(yōu)化問題分解為各個電動汽車在已知控制信號的前提下的本地優(yōu)化問題以及控制信號的迭代更新問題，需保證分解后問題的解仍可收斂至原問題的解，在設(shè)計算法的過程中往往運用了分布式計算的相關(guān)理論，例如對偶分解算法、ADMM(alternating direction method of multipliers)算法等。

文獻[37-38]以頻率作為控制信號，各電動汽車進行本地決策，為電力系統(tǒng)提供調(diào)頻的輔助服務(wù)。文獻[39]提出了一種電動汽車根據(jù)自身以及附近電動汽車的信息進行決策的分布式控制策略。以上文獻中提出的分布式策略中，各電動汽車通過采集本地/臨近區(qū)域的信息(例如本地的頻率、電壓等信息)，進行本地決策，控制信號為單向，不存在與控制中心之間的雙向通信。

文獻[40]提出利用分時電價引導(dǎo)電動汽車有序充電。文獻[41-42]利用價格信號激勵電動汽車與電網(wǎng)互動，實現(xiàn)電網(wǎng)的控制目標(biāo)。以上文獻提出了基于價格引導(dǎo)的手段，可以看作一種特殊的電動汽車分布式控制方法。電價作為控制信號，各電動汽車根據(jù)價格信號，以最小化充電費用為目標(biāo)，進行本地決策。電網(wǎng)公司可通過調(diào)整電價間接影響電動汽車的充放電策略。

總體而言，分布式控制適用于解決大規(guī)模分散電動汽車的優(yōu)化控制問題，可將計算量分散至各電動汽車，減輕控制中心的計算負擔(dān)，減少計算時間；另外，當(dāng)設(shè)計的分布式控制策略中各電動汽車通過量測本地信息(頻率、電壓、電流等信息)進行決策時，可有效減少通信成本，特別適用于通信難以實現(xiàn)或成本較高的場合。

2.3 分層控制

分層控制是解決大規(guī)模V2G問題的另一種思路。將大規(guī)模的電動汽車群體分解為多個較小的電動汽車群體，各個小群體交由集中商/控制中心進行控制，實現(xiàn)小群體電動汽車的有序充放電，頂層控制則關(guān)注多個電動汽車群體之間的協(xié)調(diào)配合。通過分層控制，將大規(guī)模電動汽車互動控制問題轉(zhuǎn)化為規(guī)模較小的電動汽車互動控制問題以及多個集中商/控制中心之間的協(xié)調(diào)優(yōu)化問題，降低了優(yōu)化問題的規(guī)模和求解難度。各集中商/控制中心只需關(guān)注所轄電動汽車群體與電網(wǎng)的互動策略。例如文獻[43]提出了考慮充電站內(nèi)、各充電站間的電動汽車有序充電的兩層優(yōu)化模型以及文獻[5]提出的站內(nèi)、市內(nèi)、省內(nèi)電動汽車有序充電三層優(yōu)化模型。

3 電動汽車與電網(wǎng)互動的成本-效益

在實施V2G之前應(yīng)首先進行V2G的經(jīng)濟性評估。Kempton教授率先研究了純電動汽車、插電式混合動力汽車、燃料電池汽車這3種電動汽車參與電網(wǎng)調(diào)頻服務(wù)與備用服務(wù)的成本效益，研究結(jié)果表明，電動汽車通過V2G參與電網(wǎng)調(diào)頻服務(wù)所帶來的收益最高[45]。文獻[46]研究了在德國電力市場中，電動汽車用戶駕駛行為對其參與V2G調(diào)頻服務(wù)所獲年收益的影響。研究結(jié)果表明，用戶駕駛行為的不確定性會對其實際收益產(chǎn)生較大影響，在德國電力市場機制下，用戶通過V2G參與電網(wǎng)調(diào)頻的凈收益較低，對用戶的吸引力較小。文獻[47]對電動汽車參與NYISO、CAISO、ERCOT及PJM美國的4個不同電力市場的調(diào)頻服務(wù)所產(chǎn)生的成本效益進行了分析。研究表明，電動汽車只參與下調(diào)頻服務(wù)時，調(diào)頻的容量為2.9～6 kW，月收益可達48.7～365.3 元。當(dāng)電動汽車參與上調(diào)(需要放電)服務(wù)時，凈收益大幅減少。其原因主要是，參與上調(diào)服務(wù)需要進行更多的投資，如充放電機、計量裝置、線路的升級改造等。文獻[48]研究了在丹麥電力市場中，電動汽車參與V2G二次調(diào)頻服務(wù)的每月收益為49.8～1 327.4 元(以1.12 元=1丹麥克朗計算)。文獻[49]提出了一種停車場通過管理電動汽車參與V2G進行套利的調(diào)度模型，該模型在考慮電網(wǎng)約束和車輛行駛約束的基礎(chǔ)上，以車主利潤最大化為目標(biāo)，研究了在美國CAISO市場下每日電價曲線及不同停車場容量下的套利情況。文獻[50]提出了通過V2G降低風(fēng)電出力不確定性的電動汽車充放電策略，并進行了成本效益分析，結(jié)果表明所提模型能夠減少風(fēng)電功率偏離所導(dǎo)致的懲罰金額，并且能夠保證電動汽車用戶從中獲得高于V2G服務(wù)成本的收益。文獻[51]分析了電動汽車在充、換電這2種不同模式下參與V2G充放電的成本效益，并且對V2G的容量成本效益以及機組運行成本效益進行了仿真分析，結(jié)果表明單輛私家電動汽車在5年內(nèi)可創(chuàng)造超過萬元的效益。

4 電動汽車與電網(wǎng)互動的商業(yè)模式與市場機制

4.1 研究和應(yīng)用的現(xiàn)狀

當(dāng)前國內(nèi)外對于V2G的商業(yè)模式和市場機制已有一定的研究。國內(nèi)方面，文獻[52]提出了通過峰谷分時電價來間接影響電動汽車用戶的自主充放電行為從而降低電網(wǎng)負荷波動的V2G市場機制。文獻[53]以最小化機組污染物排放為目標(biāo)給出了V2G的放電電價定價模型，該模型根據(jù)消費者心理學(xué)理論，認(rèn)為電動汽車放電電價與參與V2G放電的車輛數(shù)目呈近似線性關(guān)系，從而根據(jù)車輛數(shù)量和放電時間約束求得最優(yōu)的放電電價。文獻[54]基于離散吸引力模型計算了電動汽車用電需求價格彈性系數(shù)，并在綜合考慮車主花費、配電網(wǎng)網(wǎng)損及負荷波動的基礎(chǔ)上，提出了電動汽車充放電分時電價的多目標(biāo)優(yōu)化模型。文獻[55]提出了一種電動汽車與風(fēng)電機組作為虛擬電廠參與日前電力市場聯(lián)合競價的魯棒優(yōu)化模型，通過算例仿真檢驗了模型和求解算法的有效性。

國外方面，文獻[56]研究了電動汽車參與V2G進行調(diào)頻服務(wù)時，其與集中商之間的博弈關(guān)系，提出了一種每隔固定時間進行定價的政策(per-time slot pricing)，通過算例仿真驗證了所提定價模型不僅能為車主及運營商帶來收益，同時也能夠滿足電網(wǎng)的調(diào)頻需求。文獻[57]研究了集中商的V2G商業(yè)模式，以MIBEL電力市場為例進行了交易方式分析，結(jié)果表明集中商將在電動汽車數(shù)目大規(guī)模增長后為V2G的實施發(fā)揮重要作用。文獻[58]對電動汽車實際用戶和潛在用戶進行了調(diào)研，并結(jié)合經(jīng)濟學(xué)的潛類模型計算得出了用戶對電動汽車相關(guān)屬性的消費意愿，研究結(jié)果顯示用戶消費意愿更大程度上決定于其充電電費及充電時間，而其余的屬性如行駛里程、環(huán)保性及電動汽車性能等則對用戶消費意愿影響較小。在此基礎(chǔ)上，文獻[59]同樣以調(diào)查問卷的形式研究了3 029位電動汽車用戶或潛在用戶對于V2G合同方式的接受意愿，研究表明如果V2G合同模式將以犧牲用戶對其電動汽車的支配時間為代價，用戶普遍難以接受參與固定入網(wǎng)時長的V2G合同模式所提供的獎勵。作者建議了2種解決方案：(1)“現(xiàn)購現(xiàn)付”(pay-as-you-go-basis)的V2G商業(yè)合同模式；(2)為預(yù)先支付用戶V2G費用的模式。

目前V2G已在一些地區(qū)進行了試點或?qū)嶋H應(yīng)用。如美國特拉華州政府于2009年9月通過第153條法案，該法案要求電網(wǎng)公司以當(dāng)前充電的同等費率向進行V2G放電的電動汽車用戶支付費用[60]，這也是全世界首個針對V2G所出臺的相關(guān)法律。2011年，丹麥Nuvve公司發(fā)起通過管理電動汽車使其成為電能零售的供應(yīng)商，來調(diào)節(jié)電網(wǎng)負荷的V2G試點項目[61]。2013年美國電力生產(chǎn)商NRG Energy和特拉華大學(xué)合作成立的子公司eV2G開展通過電動汽車車隊參與PJM市場調(diào)頻服務(wù)的V2G試點項目，在2013年已有多個電動汽車用戶注冊參與此項V2G服務(wù)，并從中獲得收益[62-63]。

4.2 商業(yè)模式與市場機制的分析與建議

目前對于V2G的商業(yè)模式與市場機制的研究和應(yīng)用仍處于起步階段。多數(shù)關(guān)于V2G商業(yè)模式和市場機制的研究對于電動汽車用戶參與意愿的考慮不夠充分。V2G目標(biāo)的實現(xiàn)一般依賴于對電動汽車的有序充放電控制，即控制策略的實現(xiàn)建立在電動汽車接受電網(wǎng)或運營商調(diào)控的基礎(chǔ)上。因此，V2G市場機制的成熟度將直接影響到電動汽車用戶參與V2G的積極性。電動汽車車主是否選擇參與V2G，這是由電動汽車所有者自主決定的，即車主對自己的車輛有支配權(quán)。電動汽車數(shù)量大規(guī)模增長后，充放電負荷將對電網(wǎng)的運行和規(guī)劃產(chǎn)生顯著影響，電網(wǎng)公司希望有序調(diào)控電動汽車充放電，降低供電成本和運營效益。在綜合考慮用戶和電網(wǎng)公司雙方權(quán)益的情況下，設(shè)計V2G市場機制也應(yīng)當(dāng)考慮2種情形：(1)用戶不接受電網(wǎng)調(diào)控，選擇自主決定充放電行為；(2)用戶接受電網(wǎng)調(diào)控，電網(wǎng)公司或集中商與用戶簽訂合同，保證用戶從V2G中獲得相應(yīng)回報。對于第一種情形，可以研究通過電價等方式間接影響用戶用電行為的商業(yè)模式。對于第二種情形，可以研究合理的V2G合同模式，來實現(xiàn)電動汽車參與調(diào)峰、調(diào)頻、與新能源配合等功能。

5 電動汽車與電網(wǎng)互動的設(shè)施與通信

5.1 充放電設(shè)施與接口通信

充放電設(shè)施是實現(xiàn)V2G的基礎(chǔ)，其關(guān)鍵在于充放電接口和通信標(biāo)準(zhǔn)。目前電動汽車的車載充電設(shè)備和地面充電設(shè)施(包括車載充電機、交直流充電樁等)僅支持單向充電。單向充電設(shè)施可以通過啟?；蚬β士刂茖崿F(xiàn)電動汽車有序充電，但無法實現(xiàn)電動汽車向電網(wǎng)放電，因而無法施展電動汽車參與電網(wǎng)互動的潛力。

國外電動汽車廠商已開發(fā)了一些實用的電動汽車放電設(shè)施，但主要面向家庭應(yīng)用。日產(chǎn)針對其電動汽車產(chǎn)品聆風(fēng)(Leaf)開發(fā)的“EV發(fā)電站”系統(tǒng)(Leaf to Home)是一款V2H(vehicle to home)系統(tǒng)，可由聆風(fēng)汽車通過電力轉(zhuǎn)化裝置(power conversion system, PCS)向家庭供電[64]。豐田汽車在其插電式普銳斯上增加了供電功能，可與家庭蓄電系統(tǒng)配合使用為家庭提供電力[65]。

電動汽車充放電設(shè)施和接口標(biāo)準(zhǔn)制定的不統(tǒng)一和滯后，在一定程度上制約了V2G的發(fā)展。在充電設(shè)施標(biāo)方面，已經(jīng)形成了美國的SAE J1772標(biāo)準(zhǔn)、日本的CHAdeMO標(biāo)準(zhǔn)、歐洲的CCS標(biāo)準(zhǔn)和中國GB/T 20234標(biāo)準(zhǔn)[66]。而在充放電設(shè)施和通信標(biāo)準(zhǔn)方面，盡管國際電工委員會(IEC)、電氣和電子工程師協(xié)會(IEEE)、美國汽車工程師學(xué)會(SAE)等國際組織已開展了大量工作，但仍未正式形成與電動汽車向電網(wǎng)放電的設(shè)施與通信標(biāo)準(zhǔn)[67-68]。

5.2 電動汽車與智能電網(wǎng)融合的相關(guān)標(biāo)準(zhǔn)

為實現(xiàn)V2G，可靠的通信方式與統(tǒng)一的通信標(biāo)準(zhǔn)不可或缺。目前國際標(biāo)準(zhǔn)化組織(ISO)已經(jīng)制定了電動汽車與充電設(shè)施間的通信標(biāo)準(zhǔn)ISO 15118[69-71]。SAE正致力于J2836和J2847的制定，涉及電動汽車、充電設(shè)施、電網(wǎng)和用戶間的通信標(biāo)準(zhǔn)，考慮了電動汽車向電網(wǎng)放電的情況[67]。IEEE和SAE正在合作研究電動汽車融入智能電網(wǎng)的互操作標(biāo)準(zhǔn)，而另一方面的工作是電動汽車視為一種分布式資源，研究在IEC 61850-7-420的基礎(chǔ)上新增V2G的信息交換模型[72]。

6 總結(jié)與展望

本文對V2G的3個關(guān)鍵問題進行了綜述和分析。目前在V2G的調(diào)控技術(shù)和市場機制方面已開展了大量研究，而充放電基礎(chǔ)設(shè)施和相關(guān)標(biāo)準(zhǔn)的發(fā)展相對滯后。對未來V2G技術(shù)的發(fā)展，主要展望和建議如下：

(1)對充放電調(diào)控技術(shù)的研究，重點在于新能源發(fā)電的平抑和消納。對應(yīng)分布式和大規(guī)模新能源發(fā)電，需分別從配網(wǎng)/微網(wǎng)和主網(wǎng)層面研究相應(yīng)的調(diào)控策略。

(2)商業(yè)模式的突破既需要頂層的設(shè)計，也需底層的突破和先行應(yīng)用。其目標(biāo)是實現(xiàn)多方共贏，促進電力系統(tǒng)和交通出行的低碳化轉(zhuǎn)型。

(3)調(diào)控技術(shù)和商業(yè)模式還應(yīng)考慮電力系統(tǒng)、交通出行和多能源系統(tǒng)的融合。

(4)在充電設(shè)施接口和通信標(biāo)準(zhǔn)設(shè)計方面，應(yīng)重點研究與放電相關(guān)的標(biāo)準(zhǔn)以及電動汽車與智能電網(wǎng)表計、調(diào)控的融合。

(5)大規(guī)模電動汽車動力電池的容量可觀，應(yīng)加強其梯次應(yīng)用的研究和實施。

[1]Kempton W，Letendre S E．Electric vehicles as a new power source for electric utilities[J]. Transportation Research Part D: Transport and Environment, 1997, 2(3):157-175．

[2]Liu Hui, Hu Zechun, Song Yonghua, et al. Decentralized vehicle-to-grid control for primary frequency regulation considering charging demands[J]. IEEE Transactions on Power Systems, 2013, 28(3): 3480-3489.

[3]Han Sekyung，Han Soohee，Sezaki K．Development of an optimal vehicle-to-grid aggregator for frequency regulation[J]．IEEE Transactions on Smart Grid，2010，1(1)：65-72.

[4]Keane E, Flynn D. Potential for electric vehicles to provide power system reserve[C]// Innovative Smart Grid Technologies (ISGT), Washington DC: IEEE PES，2012：1-7.

[5]Xu Zhiwei, Su Wencong, Hu Zechun, et al. A hierarchical framework for coordinated charging of plug-in electric vehicles in China[J]. IEEE Transactions on Smart Grid, 2015(in press).

[6]曹一家, 譚益, 黎燦兵, 等. 具有反向放電能力的電動汽車充電設(shè)施入網(wǎng)典型方案[J]. 電力系統(tǒng)自動化, 2011, 35(14):48-52. Cao Yijia, Tan Yi, Li Canbing, et al. Typical schemes of electric vehicle charging infrastructure connected to grid[J]. Automation of Electric Power Systems, 2011, 35(14):48-52.

[7]Ortega-Vazquez M A, Bouffard F, Silva V. Electric vehicle aggregator/system operator coordination for charging scheduling and services procurement[J]. IEEE Transactions on Power Systems, 2013, 28(2):1806-1815.

[8]李正爍, 郭慶來, 孫宏斌, 等. 計及電動汽車充電預(yù)測的實時充電優(yōu)化方法[J]. 電力系統(tǒng)自動化, 2014, 38(9):61-68. Li Zhengshuo, Guo Qinglai, Sun Hongbin, et al. Real-time charging optimization method considering vehicle charging prediction[J]. Automation of Electric Power Systems, 2014, 38(9):61-68.

[9]Zheng J, Wang X, Men K, et al. Aggregation model-based optimization for electric vehicle charging strategy[J]. IEEE Transactions on Smart Grid, 2013, 4(2):1058-1066.

[10]田文奇, 和敬涵, 姜久春, 等. 基于自適應(yīng)變異粒子群算法的電動汽車換電池站充電調(diào)度多目標(biāo)優(yōu)化[J]. 電網(wǎng)技術(shù), 2012, 36(11):25-29. Tian Wenqi, He Jinghan, Jiang Yongchun, et al. Multi-objective optimization of charging dispatching for electric vehicle battery swapping station based on adaptive mutation particle swarm optimization[J]. Power System Technology, 2012, 36(11):25-29.

[11]孫波, 廖強強, 謝品杰, 等. 車電互聯(lián)削峰填谷的經(jīng)濟成本效益分析[J]. 電網(wǎng)技術(shù), 2012, 36(10):30-34. Sun Bo, Liao Qiangqiang, Xie Pinjie, et al. A cost-benefit analysis model of vehicle-to-grid for peak shaving[J]. Power System Technology, 2012, 36(10):30-34.

[12]Al-Awami A T, Sortomme E. Coordinating vehicle-to-grid services with energy trading[J]. IEEE Transactions on Smart Grid, 2012, 3(1):453-462.

[13]于大洋, 黃海麗, 雷鳴, 等. 電動汽車充電與風(fēng)電協(xié)同調(diào)度的碳減排效益分析[J]. 電力系統(tǒng)自動化, 2012, 36(10):14-18. Yu Dayang, Huang Haili, Lei Ming, et al. CO2reduction benefit by coordinated dispatch of electric vehicle charging and wind power[J]. Automation of Electric Power Systems, 2012, 36(10):14-18.

[14]Vagropoulos S I, Bakirtzis A G. Optimal bidding strategy for electric vehicle aggregators in electricity markets[J]. IEEE Transactions on Power Systems, 2013, 28(4): 4031-4041.

[15]Sortomme E, El-Sharkawi M A. Optimal combined bidding of vehicle-to-grid ancillary services[J] IEEE Transactions on Smart Grid, 2012, 3(1): 70-79.

[16]Clement-Nyns K，Haesen E，Driesen J．The impact of charging plug-in hybrid electric vehicles on a residential distribution grid[J]．IEEE Transactions on Power Systems, 2010, 25(1): 371-380．

[17]Masoum A S, Deilami S, Moses P S, et al. Smart load management of plug-in electric vehicles in distribution and residential networks with charging stations for peak shaving and loss minimization considering voltage regulation[J]. IET Generation, Transmission & Distribution, 2011, 5(8):877-888.

[18]Deilami S, Masoum A S, Moses P S, et al. Real-time coordination of plug-in electric vehicle charging in smart grids to minimize power losses and improve voltage profile[J]. IEEE Transactions on Smart Grid, 2011, 2(3): 456-467.

[19]Zhou Lin, Li Furong, Gu Chenghong, et al. Cost/benefit assessment of a smart distribution system with intelligent electric vehicle charging[J]. IEEE Transactions on Smart Grid, 2014, 5(2):839-847.

[20]吳紅斌, 郭彩云. 計及電動汽車的分布式發(fā)電系統(tǒng)中儲能單元的優(yōu)化配置[J]. 中國電機工程學(xué)報, 2012, 32(S1):15-21. Wu Hongbin, Guo Caiyun. Capacity optimization of energy storage unit in distribution generation system considering electric vehicle[J]. Proceedings of the CSEE, 2012, 32(S1):15-21.

[21]茆美琴, 孫樹娟, 蘇建徽. 包含電動汽車的風(fēng)/光/儲微電網(wǎng)經(jīng)濟性分析[J]. 電力系統(tǒng)自動化, 2011, 35(14):30-35. Mao Meiqin, Sun Shujuan, Su Jianhui. Economic analysis of a microgrid with wind/photovoltaic/storages and electric vehicles[J]. Automation of Electric Power Systems, 2011, 35(14):30-35.

[22]Rogers K M，Klump R，Khurana H，et al．An authenticated control framework for distributed voltage support on the smart grid[J]．IEEE Transactions on Smart Grid, 2010, 1(1): 40-47．

[23]Gan L, Topcu U, Low S. Optimal decentralized protocol for electric vehicle charging[J]. IEEE Transactions on Power Systems, 2013, 28(2): 940-951.

[24]Ma Z, Callaway D, Hiskens I. Decentralized charging control of large populations of plug-in electric vehicles[J]. IEEE Transactions on Control Systems Technology, 2013, 21(1): 67-78.

[25]徐智威, 胡澤春, 宋永華, 等. 充電站內(nèi)電動汽車有序充電策略[J]. 電力系統(tǒng)自動化, 2012, 36(11):38-43. Xu Zhiwei, Hu Zechun, Song Yonghua, et al. Coordinated charging of plug-in electric vehicles in charging stations[J]. Automation of Electric Power Systems, 2012, 36(11):38-43.

[26]苗軼群. 含電動汽車及換電站的微網(wǎng)優(yōu)化調(diào)度研究[D]. 杭州：浙江大學(xué), 2012. Miao Yiqun. Optimal dispatch for microgrid with electric vehicles and battery swap station[D]. Hangzhou: Zhejiang University, 2012.

[27]張舒, 胡澤春, 宋永華, 等. 考慮電動汽車換電站與電網(wǎng)互動的機組組合問題研究[J]. 中國電機工程學(xué)報, 2012, 32(10):8+49-55. Zhang Shu, Hu Zechun, Song Yonghua, et al. Research on unit commitment considering interaction between battery swapping station and power grid[J]. Proceedings of the CSEE, 2012, 32(10): 8+49-55.

[28]Luo X, Chan K W. Real-time scheduling of electric vehicles charging in low-voltage residential distribution systems to minimise power losses and improve voltage profile[J]. IET Generation, Transmission & Distribution, 2014, 8(3):516-529.

[29]占愷嶠, 宋永華, 胡澤春, 等. 以降損為目標(biāo)的電動汽車有序充電優(yōu)化[J]. 中國電機工程學(xué)報, 2012, 32(31):11-18+213. Zhan Kaiqiao, Song Yonghua, Hu Zechun, et al. Coordination of electric vehicles charging to minimize active power losses[J]. Proceedings of the CSEE, 2012, 32(31):11-18+213.

[30]Papadaskalopoulos D, Strbac G. Decentralized participation of flexible demand in electricity markets part I: Market mechanism[J]. IEEE Transaction on Power Systems, 2013, 28(4):3658-3666.

[31]Papadaskalopoulos D, Strbac G, Mancarella P, et al. Decentralized participation of flexible demand in electricity markets part II: Application with electric vehicles and heat pump systems[J]. IEEE Transactions on Power Systems, 2013, 28(4):3667-3674.

[32]Ito H. Disturbance and delay robustness guarantees of gradient systems based on static noncooperative games with an application to feedback control for PEV charging load allocation[J]. IEEE Transactions on Control Systems Technology, 2013, 21(4):1374-1385.

[33]Zhan Kaiqiao, Hu Zechun, Song Yonghua, et al. A probability transition matrix based decentralized electric vehicle charging method for load valley filling[J]. Electric Power Systems Research, 2015(125):1-7.

[34]Chen N, Tan C, Quek T. Electric vehicle charging in smart grid: Optimality and valley-filling algorithms[J]. IEEE Journal of Selected Topics in Signal Processing, 2014, 8(6):1073-1083.

[35]Ma Z, Callaway D S, Hiskens I A. Decentralized charging control for large populations of plug-in electric vehicles[C] // Proceedings of IEEE Conference on Decision and Control. IEEE, 2010:206-212.

[36]Ghavami A, Kar K, Bhattacharya S, et al. Price-driven charging of plug-in electric vehicles: Nash equilibrium, social optimality and best-response convergence[C] // Proceedings of Conference on Information Sciences and Systems, 2013:1-6.

[37]Yang H, Chung C Y, Zhao J. Application of plug-in electric vehicles to frequency regulation based on distributed signal acquisition via limited communication [J]. IEEE Transaction on Power Systems, 2013, 28(2):1017-1026.

[38]Liu H, Hu Z, Song Y, et al. Decentralized vehicle-to-grid control for primary frequency regulation considering charging demands [J]. IEEE Transaction on Power Systems, 2013, 28(3):3480-3489.

[39]Chang T, Alizadeh M, Scaglione A. Real-time power balancing via decentralized coordinated home energy scheduling[J]. IEEE Transactions on Smart Grid, 2013, 4(3):1490-1504.

[40]Cao Y, Tang S, Li C, et al. An optimized EV charging model considering TOU price and SOC curve[J]. IEEE Transactions on Smart Grid, 2012, 3(1):388-393.

[41]Gharesifard B, Basar T, Dominguez-Garcia A D. Price-based distributed control for networked plug-in electric vehicles[C]// Proceedings of American Control Conference, 2013:5086-5091.

[42]Xi X, Sioshansi R. Using price-based signals to control plug-in electric vehicle fleet charging[J]. IEEE Transactions on Smart Grid, 2014, 5(3):1451-1464.

[43]Xu Zhiwei, Hu Zechun, Song Yonghua, et al. Coordination of PEVs charging across multiple aggregators[J], Applied Energy, 2014, 136:582-589.

[44]Kempton W, Tomic J. Vehicle-to-grid power fundamentals: Calculating capacity and net revenue[J]. Journal of Power Sources, 2005, 144(1): 268-279.

[45]Dallinger D, Krampe D, Wietschel M. Vehicle-to-grid regulation reserves based on a dynamic simulation of mobility behavior[J]. IEEE Transactions on Smart Grid, 2011, 2(2): 302-313.

[46]Tomic J, Kempton W. Using fleets of electric-drive vehicles for grid support[J]. Journal of Power Sources, 2007, 168(2): 459-468.

[47]Larsen E, Chandrashekhara D K, Ostergard J. Electric vehicles for improved operation of power systems with high wind power penetration[C]//IEEE Energy 2030 Conference (ENERGY 2008). IEEE, 2008:1-6.

[48]Hutson C, Venayagamoorthy G K, Corzine K A. Intelligent scheduling of hybrid and electric vehicle storage capacity in a parking lot for profit maximization in grid power transactions[C]// IEEE Energy 2030 Conference (ENERGY 2008). IEEE, 2008:1-8.

[49]Ghofrani M, Arabali A, Etezadi-Amoli M, et al. Smart scheduling and cost-benefit analysis of grid-enabled electric vehicles for wind power integration[J]. IEEE Transactions on Smart Grid, 2014, 5(5): 2306-2313.

[50]羅卓偉. 電動汽車充電負荷建模及充放電優(yōu)化的成本效益分析[D]. 北京：清華大學(xué)，2012. Luo Zhuowei. Research on modeling and method and the benefit of coordination of large scale plug-in electric vehicles in power grids[D]. Beijing: Tsinghua University, 2012.

[51]項頂，宋永華，胡澤春，等，電動汽車參與V2G的最優(yōu)峰谷電價研究[J]. 中國電機工程學(xué)報, 2013, 33(31): 15-25. Xiang Ding, Song Yonghua, Hu Zechun, et al. Research on optimal time of use price for electric vehicle participating V2G[J]. Proceedings of the CSEE, 2013, 33(31): 15-25.

[52]孫波，施泉生, 電動汽車入網(wǎng)的放電電價定價模型分析[J]. 華東電力, 2011, 39(7): 1029-1032. Sun Bo, Shi Quansheng, Analysis on discharge pricing model for vehicle-to-grid[J]. East China Electric Power, 2011, 39(7): 1029-1032.

[53]高亞靜，呂蒙擴，王球，等，基于離散吸引力模型的電動汽車充放電最優(yōu)分時電價研究[J]. 中國電機工程學(xué)報, 2014, 34(22): 3647-3653. Gao Yajing, Lv Mengkuo, Wang Qiu, et al. Research on optimal TOU price considering electric vehicles charging and discharging based on discrete attractive model[J]. Proceedings of the CSEE, 2014, 34(22): 3647-3653.

[54]楊甲甲，趙俊華，文福拴，等. 含電動汽車和風(fēng)電機組的虛擬發(fā)電廠競價策略[J]. 電力系統(tǒng)自動化, 2014, 38(13): 92-102. Yang Jiajia, Zhao Junhua, Wen Fushuan, et al. Development of bidding strategies for virtual power plants considering uncertain outputs from plug-in electric vehicles and wind generators[J]. Automation of Electric Power System, 2014, 38(13): 93-102.

[55]Wu C Y, Mohsenian-Rad H, Huang J W. Vehicle-to-aggregator interaction game[J]. IEEE Transactions on Smart Grid, 2012, 3(1)：434-442.

[56]Bessa R J, Matos M A. The role of an aggregator agent for EV in the electricity market[C]// Proceedings of the 7th Mediterranean Conference and Exhibition on Power Generation, Transmission, Distribution and Energy Conversion (MedPower 2010). IET, 2010: 126.

[57]Hidrue M K, Parsons G R，Kempton W，et al. Willingness to pay for electric vehicles and their attributes[J]. Resource and Energy Economics, 2011, 33(3): 686-705.

[58]Parsons G R, Hidrue M K, Kempton W, et al. Can vehicle-to-grid revenue help electric vehicles on the market?[J]. Working Papers, 2011, 66(1):33-51.

[59]PACS-L：State of Delaware 145th General Assembly Senate Bill # 153. [EB/OL]. Delaware：Delaware Government.[2015-05-30].http://phoenix.state.de.us/LIS/lis145.nsf/vwLegislation/SB+153/$file/0361450247.doc?open.

[60]PACS-L：Nuvve brings V2G network to Denmark. [EB/OL]. London：BusinessGreen.[2015-05-30]. http://www.businessgreen.com/bg/news/2082051/nuvve-brings-v2g-network-denmark.

[61]PACS-L：Electric Vehicles Start Selling Power Into PJM. [EB/OL]. San Diego：Greentechmedia.[2015-05-30].http://www.greentechmedia.com/articles/read/electric-vehicles-start-selling-power-into-pjm.

[62]PACS-L：2014年全球電動汽車行業(yè)十大預(yù)測. [EB/OL]. 北京：第一電動網(wǎng).[2015-05-30]. http://www.d1ev.com/29376.html.

[63]NISSAN. “LEAF to Home” Electricity Supply System.[2015-05-30]. http://www.nissan-global.com/EN/TECHNOLOGY/OVERVIEW/leaf_to_home.html.

[64]虎嗅網(wǎng).未來日本汽車將成為“移動發(fā)電站”.[2015-05-30].http://wwww.huxiu.com/article/100619/1.html.

[65]周純粼.全球五大電動車充電連接器標(biāo)準(zhǔn)詳解.[2015-05-30].http://auto.qq.com/a/20150205/030258.htm.

[66]SAE. Vehicle Electrification Standards.[2015-05-30].http://www.sae.org/standardsdev/vehicleelectrification.htm.

[67]Andrew Nusca. IEEE, SAE partner on smart grid, electric vehicle standards.[2015-05-30].http://www.zdnet.com/article/ieee-sae-partner-on-smart-grid-electric-vehicle-standards/.

[68]ISO 15118—1:2013. Road vehicles — Vehicle to grid communication interface — Part 1: General information and use-case definition[S].

[69]ISO 15118—2:2014. Road vehicles — Vehicle-to-Grid Communication Interface — Part 2: Network and application protocol requirements[S].

[70]ISO 15118—3:2015. Road vehicles — Vehicle to grid communication interface — Part 3: Physical and data link layer requirements[S].

[71]Ustun T S, Ozansoy C R, Zayegh A. Implementing vehicle-to-grid (V2G) technology with IEC 61850-7-420[J]. IEEE Transactions on Smart Grid, 2013, 4(2): 1180-1187.

(編輯：蔣毅恒)

Analysis and Outlook on the Key Problems of Electric Vehicle and Power Grid Interaction

HU Zechun, ZHAN Kaiqiao, XU Zhiwei, XIANG Ding, ZHANG Hongcai

(Department of Electrical Engineering, Tsinghua University, Beijing 100084, China)

Vehicle-to-Grid (V2G) technology can provide various supports for the operation of power system, such as peak shaving, frequency regulation and reserve, etc. The realization of V2G can significantly contribute to the secure operation of power systems and facilitate the renewable energy integration. This paper primarily focuses on analyzing control technologies, market mechanisms and infrastructure issues of V2G. First, this paper analyses the architecture and control targets of V2G. Secondly, different control strategies are investigated under the centralized, distributed and hierarchical control frameworks for V2G. Thirdly, we summarize the cost-benefit, business model and market mechanism of V2G with policy recommendations and further discuss the infrastructure needed and communication standard for V2G. Finally, the future directions for V2G research and applications are briefly given.

electric vehicle; market mechanism; control strategy; vehicle-to-grid (V2G); smart grid

國家高技術(shù)研究發(fā)展計劃(863計劃)(2011AA05A110)。

TM 72

A

1000-7229(2015)07-0006-08

10.3969/j.issn.1000-7229.2015.07.001

2015-05-30

2015-06-12

胡澤春(1979)，男，博士，副教授，主要從事電動汽車、儲能技術(shù)應(yīng)用、智能電網(wǎng)、電力系統(tǒng)優(yōu)化規(guī)劃相關(guān)的工作；

占愷嶠(1989)，男，博士研究生，主要從事電動汽車與電網(wǎng)互動策略相關(guān)的工作；

徐智威(1989)，男，博士研究生，主要研究方向為需求側(cè)響應(yīng)，電動汽車，電網(wǎng)運行與優(yōu)化；

項頂(1989)，男，碩士研究生，主要研究方向為電動汽車、電網(wǎng)優(yōu)化運行；

張洪財(1990)，男，博士研究生，主要研究方向為電動汽車與智能電網(wǎng)。

Project Supported by the National High Technology Research and Development of China(863 Program)(2011AA05A110).