劉海璇，曾平良，馬軍，許曉慧

(1.中國電力科學研究院，北京市 100192；2.國網(wǎng)寧夏電力調(diào)度中心，銀川市 750001)

?

基于B2G模式下電動汽車參與電網(wǎng)互動運行策略

劉海璇1，曾平良1，馬軍2，許曉慧1

(1.中國電力科學研究院，北京市 100192；2.國網(wǎng)寧夏電力調(diào)度中心，銀川市 750001)

V2G(vehicle to grid)是目前電動汽車參與電網(wǎng)互動的主要模式，但也存在很多問題，影響電動汽車進一步發(fā)展。相較之下，B2G(battery to grid)模式解決了V2G模式下模型龐大繁復，難以控制的問題。提出了一種基于B2G模式下的電動汽車參與電網(wǎng)互動策略，以申報用電調(diào)整計劃的方式，根據(jù)電站實時運行狀態(tài)，以電站運行經(jīng)濟效益最大化為目標，求解最優(yōu)用電調(diào)整計劃，從而達到互動效果。通過銀川某電站的示范運行，證明該策略具有可操作性，可以帶來良好的經(jīng)濟效益。

電動汽車；充換電電站；B2G(battery to grid)；電網(wǎng)互動

0 引 言

進入21世紀以來，不斷加深的能源危機，日趨枯竭的化石燃料，日益嚴重的空氣污染，以及逐漸上升的全球氣溫，引起了人類對自身發(fā)展的深思。不少國家政府開始修改其能源政策，逐漸轉(zhuǎn)向以提高經(jīng)濟效率、保障能源安全和減少環(huán)境污染為主的能源政策[1]。在此背景下，以清潔、環(huán)保與節(jié)能等方面占據(jù)優(yōu)勢的電動汽車發(fā)展開始加速，各國政府也紛紛出臺相關(guān)政策鼓勵促進電動汽車規(guī)?；瘧?yīng)用。對于動力的主要提供方電力系統(tǒng)來說，電動汽車及其動力電池扮演著2種不同的角色，電動汽車規(guī)?；瘧?yīng)用將產(chǎn)生客觀數(shù)量的電力負荷，在某段時刻可能占據(jù)整個電網(wǎng)負荷的極大比重，此時對于電網(wǎng)安全會產(chǎn)生重大影響；而另一方面，電動汽車的動力電池作為一種儲能裝置，其規(guī)?；鎯Φ目偰芰靠梢詾殡娋W(wǎng)優(yōu)化運行提供保障。

目前，電動汽車與電網(wǎng)互動運行主要以V2G (vehicle to grid)為主，顧名思義，V2G是指與電網(wǎng)相連接的電動汽車(vehicle)作為一種分布式負荷和電源，可以向電網(wǎng)釋放存儲在其動力電池內(nèi)的電能，從而為優(yōu)化電網(wǎng)運行和安全提供支持。近年來，學術(shù)界進行了大量以V2G 模式下電動汽車與電網(wǎng)互動的研究。文獻[1-4]詳細介紹了這一領(lǐng)域國內(nèi)外研究成果，將電動汽車整體視為可移動的分布式儲能單元，從負荷平衡、諧波污染、電網(wǎng)調(diào)頻、車網(wǎng)通訊這幾個角度分別進行了闡述。文獻[5-6]針對電動汽車充電負荷隨機性與移動性提出了相應(yīng)的電網(wǎng)調(diào)度控制策略；文獻[7]提出了電動汽車充電站最優(yōu)分布和規(guī)劃設(shè)計；文獻[8-12]以電動汽車整車為對象，分析其充電行為，建立了全網(wǎng)電動汽車日充電負荷模型；文獻[13-16]則通過采用分時電價的手段，調(diào)節(jié)全網(wǎng)電動汽車有序充電；文獻[17-20]探討了電動汽車充電配合可再生能源消納的可行性。

然而，強調(diào)充放電主體為車輛的V2G模式，在實際應(yīng)用研究中遇到一些困難，由于車輛本身的隨機性和移動性，其連接入電網(wǎng)的位置廣泛分布于配電網(wǎng)，而其作為分布式電源參與電網(wǎng)運行必然造成電網(wǎng)潮流的復雜變化，給相關(guān)研究增加了諸多束縛，部分文獻提出的模型過于龐大，調(diào)度策略計算過于復雜，很難在實際應(yīng)用中實施，對推動電動汽車進一步發(fā)展少有作用。

文獻[21]解耦車輛本體和動力電池之間的關(guān)系，在V2G 的基礎(chǔ)上，擴展出一種新的概念，將其命名為B2G(battery to grid)，通過建立大型集中電動汽車充換電電站，可以實現(xiàn)動力電池直接與電網(wǎng)能量交互。B2G揭示了電動汽車動力電池與電網(wǎng)交互的本質(zhì)，而去除了車輛屬性的束縛，擺脫V2G概念的局限性[22]。

本文提出了一種基于B2G模式下的電動汽車參與電網(wǎng)互動運行策略，以商業(yè)電動汽車充換電電站為對象，通過自主申報和自由交易方式，指導各電動汽車充換電電站有序運行，從而起到消納新能源發(fā)電，減小電網(wǎng)峰谷差的控制目標。然后，分析該策略在國家科技支撐計劃項目《以多環(huán)節(jié)綜合互動為特征的智能電網(wǎng)示范工程》的實際應(yīng)用效果，對B2G模式未來可能的發(fā)展愿景進行展望。

將集中充電的動力電池與電網(wǎng)的能量交互作為B2G 的重點進行論述，無特殊說明時，文中所述B2G 均指這種運行方式。本文以V2G為基礎(chǔ)闡述其產(chǎn)生和特點，論述實現(xiàn)該B2G在商業(yè)模式上、運行管理上、技術(shù)條件上面臨的挑戰(zhàn)和可能的解決途徑。并以B2G為基礎(chǔ)，展望在此基礎(chǔ)上智能電網(wǎng)未來可能的發(fā)展愿景。

1 基于B2G模式的電動汽車參與電網(wǎng)互動運行控制策略

1.1 B2G模式

互動是建設(shè)堅強智能電網(wǎng)的重要內(nèi)容。智能電網(wǎng)通過互動確保電源、電網(wǎng)和用戶的協(xié)調(diào)運行，增強電力系統(tǒng)調(diào)峰和消納新能源的能力，提升電力資源優(yōu)化配置水平。

B2G模式，是指以動力電池充換電方式代替整車充電方式，車主在電池電量不足的時候只需更換動力電池即可繼續(xù)自己的行程，不必在充電地點等待；更換下的動力電池在大型充換電電站進行集中充電，整個過程可以精準控制；大型充換電電站的用電計劃可以配合電網(wǎng)實際運行情況有序調(diào)整，保障電網(wǎng)安全經(jīng)濟運行。而B2G的焦點就在于電動汽車與其動力電池之間的解耦，這包含3個方面：資產(chǎn)關(guān)系、時間和地點，不同模式下車輛與電池耦合關(guān)系見表1。

表1 不同模式下車輛與電池耦合關(guān)系

Table 1 Different coupling relationships between vehicle and battery in different modes

資產(chǎn)關(guān)系解耦，是指將動力電池與電動汽車的產(chǎn)權(quán)分開，動力電池的產(chǎn)權(quán)歸獨立的運營商所有，并向車主提供動力電池充換電服務(wù)，承擔購買和維護動力電池的成本；時間和地點的解耦，將動力電池的充電行為與電動汽車的出行分割開來，解決了傳統(tǒng)V2G模式下由于電動汽車本身移動、分散的特點與電池充放電過程精確計劃與控制之間的矛盾。

1.2 有序充電策略

在B2G模式下，大量動力電池集中在一起充電，可以視為一個大型儲能電站，利用自身能量的可調(diào)度性與雙向流動性，積極參與電網(wǎng)互動運行。在電網(wǎng)出現(xiàn)供電需求緊張情況下有序調(diào)整用電計劃，改善供需關(guān)系；可配合可再生能源發(fā)電系統(tǒng)實際出力情況進行出力調(diào)整，以平抑可再生能源系統(tǒng)出力的波動，減小其大量接入對電網(wǎng)的影響；也可根據(jù)電網(wǎng)實際需求提供調(diào)頻等輔助服務(wù)。

圖1所示為一個電動汽車充換電電站的典型日負荷曲線，可以看出，由于充換電電站的工作時間集中在白天，因此充換電電站內(nèi)不同時段的用電負荷差異較大，最高可達90%，說明充換電電站的互動潛力較大。由于動力電池續(xù)航能力有限和車主個人用車習慣等原因，充換電電站的用電高峰集中在上午10:00和晚上20:00左右，其他時段的負荷較為平穩(wěn)，具備與電網(wǎng)互動的能力。

圖1 充換電電站典型日負荷曲線

在本文中，將采取申報激勵的模式引導電動汽車參與電網(wǎng)互動運行。即充換電電站根據(jù)電網(wǎng)調(diào)度下發(fā)的互動需求(包含互動時段與總互動電量)、自身運行情況作出用電計劃調(diào)整，并將調(diào)整后的用電計劃和調(diào)整成本提交給電網(wǎng)調(diào)度中心；調(diào)度中心根據(jù)區(qū)域電網(wǎng)的運行情況計算需充換電電站配合調(diào)整的電量，并根據(jù)各充換電電站上報的可調(diào)度負荷制定其用電計劃并下發(fā)；各充換電電站在收到下發(fā)的復核的用電計劃后，安排各充電機有序用電，通過合理的手段引導用戶的換電需求；以及根據(jù)電池本體情況進行維護和更換；電網(wǎng)調(diào)度中心考核充換電電站實際的用電曲線，如達到相應(yīng)的要求，則按先前充換電電站申報的成本給予補償。整個調(diào)度結(jié)構(gòu)如圖2所示。

圖2 B2G模式下有序充電調(diào)度結(jié)構(gòu)示意圖

1.3 策略模型

1.3.1 控制策略

假設(shè)充電站內(nèi)所有的充電機均以額定功率P對動力電池進行充電，充電功率因數(shù)設(shè)為λ。目前電動汽車動力電池大部分使用鋰電池，其充電一般采用三段式充電方法，分別是預充電階段、恒流充電階段和恒壓充電階段[23]。當從較低的起始荷電狀態(tài)開始充電時，一般需要經(jīng)過短時間的預充電階段，以避免大電流對電池的沖擊。在恒流充電階段，電池的兩端電壓基本維持不變，因此該過程充電功率基本維持不變。當荷電狀態(tài)(stateofcharge，SOC)接近1時，電池進入恒壓階段進行充電，該階段充電功率持續(xù)減小，但該階段占整個充電時間的比例非常小。本文研究假設(shè)動力電池整個充電過程為恒功率充電 ，并認為充換電電站內(nèi)的電池冗余量能夠保證其基本需求。

根據(jù)電站的用電歷史數(shù)據(jù)，總結(jié)優(yōu)化出96點不同季節(jié)的工作日/周末的典型日負荷曲線，時間間隔為15min。充換電電站執(zhí)行峰谷電價，由電力調(diào)度中心每季度發(fā)布，包括峰谷平時段(Tp,Tb,Ta)和相應(yīng)的電價(cp,cb,ca)，用p表示。

電站的站內(nèi)能量管理系統(tǒng)根據(jù)電網(wǎng)調(diào)度中心下發(fā)的互動時段與總互動電量，參考典型日用戶的充換電需求，考慮站內(nèi)各充電機的運行狀態(tài)與站內(nèi)電池冗余量，調(diào)用優(yōu)化程序，制定申報用的用電調(diào)整計劃和調(diào)整成本，從而保證其參加電網(wǎng)互動可以得到最優(yōu)收益。

1.3.2 目標函數(shù)

目標函數(shù)為充換電電站收益最高(maxLEVS)，即

(1)

式中：LEVS為充換電電站參與電網(wǎng)互動的收益；psi為實施用電計劃調(diào)整后充換電電站的實時負荷；pj為充換電電站典型日實時負荷；Sh為電站申報的單位互動成本；Sd為換電收入；C為充換電電站固定日運行成本；j=1,2,…,96。

1.3.3 可調(diào)度容量模型

根據(jù)對電動汽車充換電電站用電特性的分析，充換電電站的互動能力與電池的冗余數(shù)量、充電池數(shù)量、等待更換電池的汽車數(shù)量以及電池的容量、充電時間有著密切的關(guān)系。其可互動容量可用式(2)表示，即

(2)

1.3.4 約束條件

約束條件主要有兩方面：一是充換電電站自身的約束，實際調(diào)度容量不能超過其安全運行限值等，二是滿足電網(wǎng)的容量缺額要求。

(1)電站容量約束：

ΔPmin≤ΔP≤ΔPmax

(3)

式中：ΔP為各電站的調(diào)度容量；ΔPmin為電站的負荷調(diào)整容量下限；ΔPmax為電站的負荷調(diào)整容量上限。

(2)電網(wǎng)容量缺額約束：

∑ΔP≥Pva

(4)

式中：ΔP為各電站的調(diào)度容量；Pva為系統(tǒng)的容量缺額。

(3)電站負荷調(diào)度允許時間：

TLd,min≤TLd,n≤TLd,max

(5)

式中：TLd,n為負荷的調(diào)度允許時間；TLd,min為負荷最小調(diào)度允許時間；TLd,max為負荷最大中斷允許時間。

2 算例分析

2.1 應(yīng)用背景

以銀川地區(qū)某建成投運的充換電電站為例，其充電設(shè)施建設(shè)符合國家電網(wǎng)公司充電站典型設(shè)計相關(guān)標準。該電站主要面向電動出租車，以充換電服務(wù)為主。電動車每輛正常行駛需4塊蓄電池，每塊蓄電池由24個單體電池組成，單體電壓充滿時為3.45V左右，總電壓為83V左右，每塊蓄電池能夠儲存4～5kWh的電量。出租車每次更換電池后可行駛80～100km，每天大約要換3次電池。站內(nèi)配備38臺電池充電機，可為38塊蓄電池同時充電，平均每臺充電機功率為3kW，每次充電時間為2～3h，按1:1的比例配置冗余電池。電站負荷最高為100kW左右，平時的正常充換電負荷為30～40kW的間斷性負荷。在隨換隨充的情況下典型EV充換電站負荷曲線如圖1所示。

如前所述，電站從電網(wǎng)購電的電價采用國內(nèi)工業(yè)用電分時電價的形式[12]，而充電站收取電動汽車的充電電價則取統(tǒng)一的價格[19]，如表2所示。

表2 充換電電站電價信息

Table 2 Prices of electricity in charging station

2.2 示范用例

2.2.1 示范場景

電網(wǎng)調(diào)度中心根據(jù)相關(guān)預測數(shù)據(jù)判斷次日18:00—20:00出現(xiàn)電力供需不平衡，需要該充換電電站參與電網(wǎng)互動，互動容量在50 kWh左右。電網(wǎng)調(diào)度中心將互動時段下發(fā)至充換電電站。

充換電電站根據(jù)自身實際運行情況，采用上文所建模型，估算出電站可調(diào)度容量。參考充換電站典型日負荷曲線，尋找在電站收益最大情況下的用電調(diào)整計劃。仿真計算采用通用粒子群算法，在Linux環(huán)境下求解。在篩選所得結(jié)果后，可以得到3種用電模式調(diào)整計劃，如圖3所示。計劃1是將18:00—20:00的負荷轉(zhuǎn)移19臺充電機到00:00—04:00時充電，計劃是將14:00—16:00的負荷轉(zhuǎn)移38臺充電機到07:00—11:00時充電；計劃3是將07:00—09:00時負荷中的19臺充電停止充電，每種調(diào)整計劃及調(diào)整成本見表3。

圖3 充換電電站用電調(diào)整計劃

2.2.2 示范實施流程

示范實例將按照圖4所示的流程按步驟執(zhí)行。

2.2.3 示范結(jié)果

以2015年3月24日在寧夏電網(wǎng)實際示范為例，電動汽車充換電電站在18:00—20：00參與削峰互動，調(diào)度中心選擇模式2作為復核后的用電調(diào)整計劃下發(fā)。根據(jù)電動汽車用戶歷史負荷數(shù)據(jù)，計算出當日典型負荷曲線，并與互動后負荷進行對比如圖5所示。

與電動汽車申報用電模式曲線對比可以看出，充換電站根據(jù)模式2參與配電網(wǎng)互動，電動汽車負荷在18:00—20:00時平均降低約35 kW，符合電網(wǎng)互動要求，獲得互動補貼94.2元。

圖4 示范實例流程

圖5 充換電電站互動前后對比圖

2.3 結(jié)果分析

2.3.1 結(jié)果推演

經(jīng)調(diào)研知，銀川市現(xiàn)有電動汽車充換電站9個，其中1個為公交車提供充換電服務(wù)的大型綜合充換電站容量為2 MW，1個只能為公交車提供換電服務(wù)的換電站容量為1 250 kW，1個為企事業(yè)單位通勤車提供充電服務(wù)的充電站容量為500 kW，3個為出租車提供換電服務(wù)的換電站容量均為400 kW，還有3個100 kW為出租車提供換電服務(wù)的換電站處于停運狀態(tài)，推演時不予考慮。因此銀川市電動汽車充換電站容量總計5 MW，假設(shè)其中40%可以參與電網(wǎng)互動，即可參與電網(wǎng)互動的電動汽車充換電站最大負荷為2 MW。根據(jù)負荷預測，次日負荷高峰期出現(xiàn)在18:00—20:00，因此削峰互動時間段為18:00—20:00，根據(jù)優(yōu)化計算，電動汽車用戶互動結(jié)果如圖6所示。

圖6 全市充換電電站互動前后負荷對比圖

根據(jù)推演結(jié)果，全市充換電電站參與了電網(wǎng)互動，互動容量為800 kW。電動汽車充換電站采用申報用電模式曲線的方式參與互動，計劃性強，可靠性高?？梢钥闯?，隨著電動汽車充換電站容量增大，其互動能力增強，起到更好的削峰作用，對提高電力系統(tǒng)運行可靠性具有重要意義。對充換電站而言，參與電網(wǎng)互動，既不影響給電動汽車充換電，又能獲得互動補貼。

2.3.2 結(jié)果分析

(1)本例中，充換電電站參加互動后全天的負荷總量并沒有減少，只是將部分互動時段的負荷平移至谷電時段，這樣不僅可以減少用電成本，同時也可以獲得激勵收益，說明該策略的引入可以提高充換電電站的經(jīng)濟收益。

(2)由于谷電時段多為夜間出行需求較低的時段，因此該策略將部分互動時段的負荷平移至谷電時段，并不會對用戶用車造成太大影響，也不會對充換電電站的正常運營造成影響。

(3)通過圖6所示的互動前后負荷對比分析可以發(fā)現(xiàn)，在引入該策略之前，電網(wǎng)負荷晚高峰與充換電電站的用電高峰相重合，若此時不加以引導，大量的電動汽車接入充電，使得晚高峰進一步升高，加劇了峰谷差。引入該策略后，避開晚高峰時段用電，但在夜間谷電期，集中大量的電動汽車充電，導致在互動時段結(jié)束后的谷電時段出現(xiàn)了一個新的用電高峰，甚至比原先的晚高峰更高，這說明調(diào)度中心在復核各充換電電站申報的用電調(diào)整計劃時，因注意避免平移時段過度集中，防止“后高峰”現(xiàn)象出現(xiàn)；同時充換電電站在制定用戶調(diào)整計劃時，需考慮其他充換電電站的調(diào)整行為，避開互動時段前后的調(diào)整高峰期，避免互動申請被拒。

3 結(jié) 論

與傳統(tǒng)V2G模式相比，B2G模式克服了電動汽車用戶大范圍分散與電網(wǎng)集中調(diào)度之間的矛盾，回避了V2G模式下電動汽車的充放電時間隨機、充電地點不確定的問題，同時以最大限度地保留傳統(tǒng)電網(wǎng)集中式運行調(diào)度模式。本文提出了一種基于B2G模式下的電動汽車參與電網(wǎng)互動策略，以申報用電調(diào)整計劃的方式，根據(jù)電站實時運行狀態(tài)，以電站運行經(jīng)濟效益最大化為目標，求解最優(yōu)用電調(diào)整計劃，從而達到互動效果。通過銀川某電站的示范運行，證明該策略具有可行性。對充換電電站而言，參與電網(wǎng)互動可能會給電動汽車用戶充電帶來不便，充換電電站可以通過事先通知電動汽車用戶充電安排，以減少給用戶帶來的不便。對電網(wǎng)而言，充換電電站參與電網(wǎng)互動，可以在負荷高峰期降低系統(tǒng)負荷，從而減小系統(tǒng)備用容量，提高系統(tǒng)設(shè)備利用率，并增加系統(tǒng)運行可靠性。

[1]趙俊華，文福拴，楊愛民，等.電動汽車對電力系統(tǒng)的影響及其調(diào)度與控制的問題[J].電力系統(tǒng)自動化，2011，35(14)：2-10. Zhao Junhua，Wen Fushuan，Yang Aimin，et al.Impacts of electric vehicles on power systems as well as the associated dispatching and control problem[J].Automation of Electric Power Systems，2011，35(14)：2-10.

[2]田立亭，張明霞，汪奐伶.電動汽車對電網(wǎng)影響的評估和解決方案[J].電力系統(tǒng)自動化，2012，32(31)：43-49. Tian Liting，Zhang Mingxia，Wang Huanling.Evaluation and solutions for electric vehicles’ impact on the grid[J].Automation of Electric Power Systems，2012，32(31)：43-49.

[3]馬玲玲，楊軍，付聰，等.電動汽車充放電對電網(wǎng)影響研究綜述[J].電力系統(tǒng)保護與控制，2013，41(3):140-148. Ma Lingling，Yang Jun，F(xiàn)u Cong，et al.Review on impact of electric car charging and discharging on power grid[J].Power System Protection and Control，2013，41(3):140-148.

[4]高賜威，張亮.電動汽車充電對電網(wǎng)影響的綜述[J].電網(wǎng)技術(shù)，2011，35(2)：127-131. Gao Ciwei，Zhang Liang.A survey of influence of electrics vehicle charging on power grid[J].Power System Technology，2011，35(2)：127-131.

[5]王錫凡，邵成成，王秀麗，等.電動汽車充電負荷與調(diào)度控制策略綜述[J].中國電機工程學報，2012，33(1)：1-10. Wang Xifan，Shao Chengcheng，Wang Xiuli，et al.Survey of electric vehicle charging load and dispatch control strategies[J].Proceedings of the CSEE，2012，33(1)：1-10.

[6]李惠玲，白曉民.電動汽車充電對配電網(wǎng)的影響和對策[J].電力系統(tǒng)自動化，2011，35(17)：38-43. Li Huiling，Bai Xiaomin. Impacts of electric vehicles charging on distribution grid[J].Automation of Electric Power Systems，2011，35(17)：38-43.

[7]任玉瓏，史樂峰，張謙，等.電動汽車充電站最優(yōu)分布和規(guī)模研究[J].電力系統(tǒng)自動化，2011，35(14)：53-57. Ren Yulong，Shi Lefeng，Zhang Qian,et al.Optimal distribution and scale of cahrging stations for electric vehicles[J].Automation of Electric Power Systems，2011，35(14)：53-57.

[8]張新松，顧菊萍，袁越，等.電動汽車最優(yōu)充電模型及其近似求解方法[J].中國電機工程學報，2014，34(19)：3148-3155. Zhang Xinsong，Gu Juping，Yuan Yue，et al.Optimum electric vehicle charging model and its approximate solving technique[J].Proceedings of the CSEE，2014，34(19)：3148-3155.

[9]羅卓偉，胡澤春，宋永華，等.電動汽車負荷計算方法[J].電力系統(tǒng)自動化，2011，35(14)：36-42. Luo Zhuowei，Hu Zechun，Song Yonghua，et al.Study on plug-in electric vehicles charing load calculating[J].Automation of Electric Power Systems，2011，35(14)：36-42.

[10]吳晨曦，文福拴，陳勇，等.含有風電與光伏以及電動汽車的電力系統(tǒng)概率潮流[J].電力自動化設(shè)備，2013，33(10)：8-15. Wu Chenxi，Wen Fushuan，Chen Yong，et al.Probabilistic load flow of power system with WFs, PVs and PEVs[J].Electric Power Automation Equipment，2013，33(10)：8-15.

[11]張洪財，胡澤春，宋永華，等.考慮時空分布的電動汽車充電負荷預測方法[J].電力系統(tǒng)自動化，2014，38(1)：13-20. Zhang Hongcai，Hu Zechun，Song Yonghua，et al.A prediction method for electric vehicle charging load considering spatial and temporal distribution [J].Automation of Electric Power Systems，2014，38(1)：13-20.

[12]Andersen P H，Mathews J，Morten R.Intergrating private transport into renewable energy policy: the strategy of creating intelligent recharging grids for electric vehicles[J].Energy Policy，2009，37(7)：2481-2486.

[13]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.

[14]高亞靜，呂孟擴，王球，等.基于離散力吸引模型的電動汽車充放電最優(yōu)分時電價研究[J].中國電機工程學報，2014，34(22)：3647-3653. Gao Yajing，Lyu Mengkuo，Wang Qiu，et al.Research on optimal TOU price considering electric vbhicles charging and discharging based on discrete attractive model[J].Proceedings of the CSEE，2014，34(22)：3647-3653.

[15]高亞靜，王辰，呂孟擴，等.計及車主滿意度的電動汽車最優(yōu)峰谷分時電價模型[J].電力自動化設(shè)備，2014，34(2)：8-13. Gao Yajing，Wang Chen，Lyu Mengkuo，et al.Optimal time-of-use price model considering satisfaction degree of electric vehicle owners [J].Electric Power Automation Equipment，2014，34(2)：8-13.

[16]孫曉明，王瑋，蘇栗，等.基于分時電價的電動汽車有序充電控制策略設(shè)計[J].電力系統(tǒng)自動化，2013，37(1)：191-195. Sun Xiaoming，Wang Wei，Su Su，et al.Coordinated charging strategy for electric vehicles based on time-of-use price[J].Automation of Electric Power Systems，2013，37(1)：191-195.

[17]姚偉峰，趙俊華，文福拴，等.集中充電模式下的電動汽車調(diào)頻策略[J].電力系統(tǒng)自動化，2014，38(9)：69-76. Yao Weifeng，Zhao Junhua，Wen Fushuan，et al.Frequency regulation strategy for electric vehicles with centralized charging[J].Automation of Electric Power Systems，2014，38(9)：69-76.

[18]楊甲甲，趙俊華，文福栓，等.含電動汽車和風電機組的虛擬發(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 Systems，2014，38(13)：92-102.

[19]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)：38-42. 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)：38-42.

[20]于大洋，黃海麗，雷鳴，等.電動汽車充電與風電協(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.

[21]于強強，韓學山，郝廣濤，等.考慮儲備閾值的電動汽車換電需求分析[J].電力系統(tǒng)自動化，2014，38(10)：49-54. Yu Qiangqiang，Han Xueshan，Hao Guangtao，et al.Battery swapping demand analysis considering reserve threshold[J].Automation of Electric Power Systems，2014，38(10)：49-54.

[22]薛飛，雷憲章，張野彪，等.電動汽車與智能電網(wǎng)從V2G到B2G的全新結(jié)合模式[J].電網(wǎng)技術(shù)，2012，36(2)：29-34. Xue Fei，Lei Xianzhang，Zhang Yebiao，et al.A brand-new approach of connecting electrical vehicles with smart grid from vehicle-to-grid mode to battery-to-grid mode[J].Power System Technology，2012，36(2)：29-34.

[23]周祖德，徐超.全CMOS三段式鋰電池充電器設(shè)計[J].武漢理工大學學報，2006，28(4)：109-111. Zhou Zude. Xu Chao.A three stage li-ion battery charger IC based on full CMOS[J].Journal of Wuhan University of Technology，2006，28(4)：109-111.

馬軍(1976)，高級工程師，寧夏調(diào)控中心自動化處主任，主要從事可再生能源接入方面的工作。

許曉慧(1981)，男，工學博士后，高級工程師，主要從事智能電網(wǎng)建設(shè)，能源互聯(lián)網(wǎng)建設(shè)等方面的工作。

(編輯:張媛媛)

Operation Strategy of Electric Vehicles for Interacting with the Grid in Battery to Grid Mode

LIU Haixuan1，ZENG Pingliang1，MA Jun2，XU Xiaohui1

(1. China Electric Power Research Institute，Beijing 100192，China；2. Ningxia Electric Power Dispatching and Control Center, Yinchuan 750001，China)

Nowadays V2G had been employed in large scale as the major way the electric car connect with the grid. However, there had been so many problems that in the V2G mode, such as the huge complex connection calculation models, difficulties in controlling, etc. This should be a huge problem on the way of electric car employed in a bigger scale. Compared with V2G, the mode of B2G could help to solve the questions mentioned above. And in this paper, a novel strategy of electric vehicles in B2G operation mode has been discussed. Taking the real-time operating condition into account, the strategy would provide an optimized solution of regulated power plan for charging stations, which run the economic maximization as the goal. A declaration of regulated power plan would be employed in the strategy mentioned above, which make the vehicles and the grid interact actively. The result of demonstration in some certain charging station in Yinchuan has proved that the strategy is effective and beneficial.

electric vehicles；charging station；battery to grid(B2G)；interact with the grid

國家“十二五”科技支撐計劃項目(2013BAA01B00)。

TM 727； U469.72

A

1000-7229(2015)07-0126-07

10.3969/j.issn.1000-7229.2015.07.018

2015-05-01

2015-06-05

劉海璇(1985)，女，工學碩士，工程師，主要從事新能源發(fā)電、智能電網(wǎng)監(jiān)控等方面的工作；

曾平良(1962)，男，博士，國家“千人計劃”特聘專家，主要從事電力系統(tǒng)規(guī)劃與分析、新能源并網(wǎng)、可靠性、規(guī)?；妱悠嚰皟δ芙尤氲确矫娴墓ぷ?。

Key Project of the National Twelve-Five Year Research Program of China(2013BAA01B00).