張謙，李雨哲，周林，蔡家佳，周雒維

(輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點實驗室(重慶大學(xué))，重慶市 400044)

?

各類型電動汽車集群參與系統(tǒng)調(diào)頻的可控數(shù)量動態(tài)變化評估

張謙，李雨哲，周林，蔡家佳，周雒維

(輸配電裝備及系統(tǒng)安全與新技術(shù)國家重點實驗室(重慶大學(xué))，重慶市 400044)

目前對電動汽車參與電力系統(tǒng)調(diào)頻的研究，通常把電動汽車作為能量儲存系統(tǒng)參與電網(wǎng)互動，并未考慮其作為交通工具的主要特性。事實上，只有處于可控狀態(tài)的電動汽車，才能通過電動汽車與電網(wǎng)互動(vehicle-to-grid, V2G)技術(shù)向電網(wǎng)提供頻率調(diào)整輔助服務(wù)，即電動汽車參與電力系統(tǒng)調(diào)頻。因此，要研究電動汽車如何有效響應(yīng)系統(tǒng)調(diào)頻控制信號及其對系統(tǒng)頻率的影響，首先應(yīng)研究可控電動汽車數(shù)量的動態(tài)變化情況。為此，提出了基于蒙特卡洛的電力系統(tǒng)調(diào)頻可控電動汽車數(shù)量動態(tài)變化模擬算法，該算法可在缺乏大量電動汽車實際運行數(shù)據(jù)的情況下，計算出各時段處于可控狀態(tài)的各類型電動汽車數(shù)量及可控電動汽車總數(shù)，以有效研究電動汽車對系統(tǒng)頻率影響。最后，通過仿真結(jié)果驗證了該算法的有效性和可行性。

電動汽車可控數(shù)量；電動汽車與電網(wǎng)互動；系統(tǒng)調(diào)頻服務(wù)；狀態(tài)評估

0 引 言

隨著全球經(jīng)濟的發(fā)展，人類對化石資源的消耗量也隨之增長，但化石資源屬于不可再生資源，終究會有枯竭的一天，同時燃燒化石會向大氣排放大量的CO2、硫或氮的氧化物從而給地球的大氣和生態(tài)環(huán)境造成巨大的影響。為了應(yīng)對化石資源的枯竭同時減少污染物的排放，電動汽車(electric vehicle，EV)成為了今后代替化石能源汽車的一種新的發(fā)展趨勢。電動汽車具有與傳統(tǒng)化石能源汽車不同的特性，其動力來源是其中的車載電池，而電池的能量來源主要是從電網(wǎng)獲取。電動汽車與電網(wǎng)互動(vehicle-to-grid, V2G)技術(shù)[1-4]，是指電動汽車在受控狀態(tài)下，實現(xiàn)與電網(wǎng)信息和能量的雙向交換的一種新型技術(shù)。該技術(shù)強調(diào)的是電動汽車電池除了從電網(wǎng)吸收能量外，必要的時候可以將電池能量反饋給電網(wǎng)。V2G系統(tǒng)是集電力電子、通信、調(diào)度、計量和負荷需求側(cè)管理等眾多技術(shù)于一體的高端綜合應(yīng)用系統(tǒng)，體現(xiàn)的是電動汽車電池的儲能作用[5]。利用V2G技術(shù)，可以使電動汽車向電網(wǎng)提供多種輔助服務(wù)，如：削峰填谷、頻率調(diào)整、旋轉(zhuǎn)備用等等。文獻[6]通過對電動汽車參與電網(wǎng)調(diào)頻的仿真中發(fā)現(xiàn)，和當(dāng)前的電池成本相比，使用電動汽車進行調(diào)頻成本更低，在給予電動汽車適當(dāng)補償之后電網(wǎng)仍然能從中獲利，其將成為未來的發(fā)展趨勢。文獻[7]通過研究提出了一種電動汽車參與到電力系統(tǒng)的自動發(fā)電控制(automatic generation control, AGC)頻率調(diào)整中，通過仿真發(fā)現(xiàn)電動汽車參與AGC調(diào)頻能減小電網(wǎng)聯(lián)絡(luò)線的功率波動，減少系統(tǒng)的頻率偏差量。文獻[8]通過最大化電動汽車參與電力系統(tǒng)V2G服務(wù)所獲取的利益為目標(biāo)，建立了1個針對每臺參與調(diào)度的電動汽車的最優(yōu)控制模型，并獲得了較好的效果。文獻[9]通過對美國不同地區(qū)的電動汽車參與電能市場的調(diào)頻服務(wù)時的利益數(shù)據(jù)進行分析，得到了電動汽車所攜帶的單位電量所能帶來的年均經(jīng)濟收益。文獻[10]分析了代理模式在德國市場的適應(yīng)性，并建立了相應(yīng)模型分析不同電動汽車充放電模式對電能市場的影響。文獻[11]通過蒙特卡洛模型的仿真，得出了德國電力市場模型的可靠性、效率和收益率。

雖然電動汽車可作為能量儲存系統(tǒng)參與電網(wǎng)互動，但考慮到電動汽車作為交通工具的主要特性，其有別于一般的電池能量儲存系統(tǒng)。研究電動汽車參與系統(tǒng)調(diào)頻時必須充分考慮到用戶用車的隨機性、便利性。只有處于可控狀態(tài)的電動汽車，才能向電網(wǎng)提供頻率調(diào)整輔助服務(wù)，即電動汽車參與電力系統(tǒng)調(diào)頻。因此，在研究某個時段(如一天24 h內(nèi))電動汽車如何參與系統(tǒng)調(diào)頻，及其對整個區(qū)域電力系統(tǒng)頻率的影響，首先應(yīng)估算該時段內(nèi)的可控電動汽車數(shù)量的變化情況。

目前，參與系統(tǒng)調(diào)頻的電動汽車在某個時段可控數(shù)量變化情況的研究較為少見，缺乏參與系統(tǒng)調(diào)頻的可控電動汽車數(shù)量變化算法研究。因此，本文計及電動汽車作為交通工具的主要特性，分析了電動公交車、電動公務(wù)車、電動出租車和電動私家車4種類型電動汽車的行駛規(guī)律，研究了參與系統(tǒng)調(diào)頻的電動汽車的狀態(tài)轉(zhuǎn)換特性，提出了基于蒙特卡洛的可控電動汽車數(shù)量動態(tài)變化模擬算法，計算得到1天24 h內(nèi)可控電動汽車數(shù)量的動態(tài)變化情況，為研究電動汽車如何有效響應(yīng)系統(tǒng)調(diào)頻控制信號及其對系統(tǒng)頻率的影響奠定基礎(chǔ)。

1 我國電動汽車的行駛規(guī)律

即便在電動汽車大量普及的未來，汽車用戶的使用習(xí)慣不會受車輛類型的改變而發(fā)生顯著的變化。因此，可以推斷未來電動汽車的行駛規(guī)律與目前傳統(tǒng)汽車的行駛規(guī)律基本相似。基于以上推斷，本文假定傳統(tǒng)汽車的行駛規(guī)律即為電動汽車的行駛規(guī)律。因此對電動公交車、電動公務(wù)車、電動出租車和電動私家車的行駛規(guī)律分別如下所述。

1.1 電動公交車行駛規(guī)律

以北京地區(qū)公交車運營情況為例[12]。公交車首班發(fā)車時間為05：30，末班車收車時間為23：00。公交車在白天運行高峰時段，即上、下班時段(06：30—09：00，16：30—18：30)，幾乎所有車輛都參與運行，且發(fā)車間隔較短，為3～5 min。而在非高峰運營時段，公交車發(fā)車間隔為7～10 min。

1.2 電動公務(wù)車行駛規(guī)律

公務(wù)車基本都由政府相關(guān)部門統(tǒng)一調(diào)度和管理，停在指定停車地點。機關(guān)單位上班期間，公務(wù)車處于待命狀態(tài)，隨時可調(diào)度使用。下班后，公務(wù)車處于停駛狀態(tài)，停駛時間段為當(dāng)天下班后至第二天上班之前，即18：00—07：00。

1.3 電動出租車行駛規(guī)律

同樣，以北京地區(qū)的出租車運營情況為例。出租車司機分為大班和小班這2種工作模式。司機上大班時，24 h倒一次班，且只有在凌晨02：00—5：00和午餐時段11：30—14：30才能休息。司機上小班時，12 h倒班一次，休息時間相對較短，休息時段為02：00—04：00和11：30—14：00。其余時段，所有出租車均處于正常運行狀態(tài)。

1.4 電動私家車行駛規(guī)律

私家車車主一般在上班、下班和休閑娛樂時，才使用汽車。相應(yīng)的停車地點主要是工作單位停車場、居民小區(qū)停車場和商場、娛樂場等城市商業(yè)娛樂區(qū)的停車場。以北京地區(qū)私家車工作日的出行情況為例。根據(jù)北京交通發(fā)展研究中心近5年相關(guān)數(shù)據(jù)的統(tǒng)計分析可知[13]：車主上班出發(fā)的高峰在07：30—08：30，到達工作單位的高峰在08：00—09：00。車主下班出發(fā)的高峰在17：00—18：30，到家的高峰在17：30—19：00。如果車主下班后沒有立即驅(qū)車回家，而直接去休閑娛樂，則假設(shè)到家的時段為21：00—22：30。

2 電動汽車的狀態(tài)轉(zhuǎn)換特性

通常，相比各種停車地點上停放的汽車數(shù)量，在路上行駛的汽車數(shù)量是極少的。同樣，在電動汽車大量普及的未來，這樣的情況是相似的。電動汽車將來能夠在諸如工作單位停車場、居民小區(qū)停車場、商業(yè)娛樂區(qū)停車場等各種停車地點，快捷方便地通過電源插頭接入電網(wǎng)。此外，電力公司通過制定合理的經(jīng)濟補貼等制度，可以充分調(diào)動電動汽車用戶參與電力系統(tǒng)調(diào)頻的積極性。未來，隨著電動汽車與電網(wǎng)互動技術(shù)的不斷發(fā)展成熟，使得電動汽車向電網(wǎng)提供調(diào)頻服務(wù)，能夠在工程技術(shù)層面確保得以實現(xiàn)。

如圖1所示，電動汽車狀態(tài)包括行駛狀態(tài)、充電狀態(tài)、可控狀態(tài)和空閑狀態(tài)。參與電力系統(tǒng)調(diào)頻的電動汽車不斷在這4個狀態(tài)間進行轉(zhuǎn)換。

(1)行駛狀態(tài)。車主出于駕駛的需求而拔出電動汽車電源插頭，使得電動汽車脫離電網(wǎng)。電動汽車由空閑狀態(tài)或可控狀態(tài)(由此狀態(tài)轉(zhuǎn)出，屬于出可控狀態(tài))轉(zhuǎn)為行駛狀態(tài)。

(2)充電狀態(tài)。車主到達目的地后，插入電動汽車電源插頭為電池充電，電動汽車隨即接入電網(wǎng)。對于接入電網(wǎng)時間較短的電動汽車，其狀態(tài)立即由行駛狀態(tài)轉(zhuǎn)為充電狀態(tài)；對于接入電網(wǎng)時間較長的電動汽車，只有接入電網(wǎng)時的初始荷電值eSOC0小于入可控狀態(tài)時的入可控荷電值eSOCm，其狀態(tài)才由行駛狀態(tài)轉(zhuǎn)為充電狀態(tài)。此外，處于可控狀態(tài)的電動汽車由于參與系統(tǒng)調(diào)頻，可能導(dǎo)致其電池的荷電狀態(tài)(state of charge，SOC)過低，則電動汽車可以由可控狀態(tài)轉(zhuǎn)為充電狀態(tài)(此情況也屬于出可控狀態(tài))，以保證電動汽車在進入行駛狀態(tài)前，擁有足夠高的SOC，如圖1中虛線所示。需要指出的是，處于充電狀態(tài)的電動汽車不能響應(yīng)系統(tǒng)調(diào)頻控制信號，即處于該充電狀態(tài)的電動汽車，不能提供電力系統(tǒng)調(diào)頻的輔助服務(wù)。

(3)可控狀態(tài)。若電動汽車接入電網(wǎng)的時間較短，那么其參與系統(tǒng)調(diào)頻的效果不明顯。因此，如果電動汽車要參與向電力系統(tǒng)提供調(diào)頻的輔助任務(wù)，就要求其接入電網(wǎng)的時間較長。對于接入電網(wǎng)時間較長的電動汽車，如果eSOC0eSOCm，電動汽車可在電源插頭插上，接入電網(wǎng)后，跳過充電狀態(tài)，由行駛狀態(tài)直接轉(zhuǎn)為可控狀態(tài)。以上2種情況均屬于入可控狀態(tài)。只有處于可控狀態(tài)的電動汽車，才能響應(yīng)系統(tǒng)調(diào)頻控制信號，從而向電網(wǎng)提供調(diào)頻服務(wù)。

隨著系統(tǒng)頻率的波動，在電動汽車參與調(diào)頻過程中，其電池將適時地充放電，以響應(yīng)系統(tǒng)調(diào)頻控制信號，從而引起電池SOC產(chǎn)生波動。為了防止電池過度充電，可限定SOC上限為eSOCmax。此外，在限定SOC下限eSOCmin時，如果考慮電動汽車車主用車時間的隨機性以及對車輛續(xù)航的要求，則eSOCmin值較大；如果不考慮上述因素，僅為了避免電池過度放電，則eSOCmin值較小。于是，電動汽車電池SOC的波動范圍為(eSOCmin，eSOCmax)。

圖1 電動汽車的狀態(tài)轉(zhuǎn)換

上述eSOCm可由式(1)計算得到。

(1)

(4)空閑狀態(tài)。對于由可控狀態(tài)轉(zhuǎn)為充電狀態(tài)的電動汽車，以及接入電網(wǎng)時間較短的電動汽車，在其充電計劃(即車主的充電需求)完成后，由充電狀態(tài)轉(zhuǎn)為空閑狀態(tài)。由于車主用車的隨機性，可能在充電計劃還沒有完成的情況下，電動汽車就必須拔下插頭而脫離電網(wǎng)，直接進入行駛狀態(tài)。從而，電動汽車就跳過了空閑狀態(tài)。因此，圖1中，空閑狀態(tài)由虛框構(gòu)成。

3 可控電動汽車數(shù)量的動態(tài)變化模型

只有處于可控狀態(tài)的電動汽車，才能響應(yīng)系統(tǒng)調(diào)頻控制信號，從而參與電力系統(tǒng)調(diào)頻。因此，必須首先建立可控電動汽車數(shù)量的動態(tài)變化模型。區(qū)域內(nèi)某一時刻的可控電動汽車數(shù)量，取決于該時刻入可控狀態(tài)和出可控狀態(tài)的電動汽車數(shù)量。在1天內(nèi)，隨著各個電動汽車可控狀態(tài)的改變，區(qū)域內(nèi)可控電動汽車數(shù)量將呈現(xiàn)出動態(tài)變化的過程。研究可控狀態(tài)的改變，就必須結(jié)合電動汽車的行駛規(guī)律與狀態(tài)轉(zhuǎn)換特性來進行分析。由于國內(nèi)目前電動汽車還未普及，僅在一些城市進行示范運營，缺乏大量實際電動汽車運行數(shù)據(jù)，本章采用蒙特卡洛方法來隨機模擬電動汽車的運行情況。

設(shè)起始時刻為t0，區(qū)域內(nèi)電動汽車接入電網(wǎng)時刻為t1，根據(jù)前述電動汽車可控狀態(tài)部分的分析，設(shè)電動汽車充電時長為T2，由此可得電動汽車入可控狀態(tài)時刻t3為

t3=t1+T2

(2)

由eSOC0與eSOCm的相對大小，結(jié)合入可控狀態(tài)的2種情況分析，可得出T2的計算式為

(3)

式中：Eev為單輛電動汽車的電池容量，kW·h；Pev為單輛電動汽車的充電功率，kW；ηev為充電效率。(如果假設(shè)放電功率和效率分別與充電功率和效率大小相同，則也可稱Pev為單輛電動汽車的充放電功率，ηev為充放電效率。)

對于電動汽車出可控狀態(tài)時刻t4。由前述出可控狀態(tài)部分分析可知，如果電動汽車是由可控狀態(tài)轉(zhuǎn)為行駛狀態(tài)，那么t4就是電動汽車脫離電網(wǎng)時刻，也即車主駕車出行開始時刻。此時，t4服從概率分布。如果電動汽車是由可控狀態(tài)轉(zhuǎn)為充電狀態(tài)，為了延長電動汽車參與調(diào)頻的時間，處于該充電狀態(tài)的電動汽車適宜采用快充方式，使其在進入行駛狀態(tài)之前的較短時間內(nèi)，迅速提高電池SOC，以滿足電動汽車出發(fā)時具有較高SOC的要求。考慮時間裕度后，最大快充時長可設(shè)為一定值。一旦電動汽車的行駛出發(fā)時刻(即脫離電網(wǎng)時刻)是確定的，減去最大快充時長，t4也就是確定的。

采用蒙特卡洛方法隨機抽樣電動汽車的接入電網(wǎng)時刻t1，接入電網(wǎng)時的初始荷電值eSOC0和出可控狀態(tài)時刻t4(當(dāng)t4服從概率分布時)，不斷模擬每輛電動汽車的入/出可控狀態(tài)，最終可得到區(qū)域內(nèi)所有電動汽車的入/出可控狀態(tài)時刻表。

通過對電動汽車入/出可控狀態(tài)時刻表進行統(tǒng)計分析，可以得到區(qū)域內(nèi)每一時刻的入可控狀態(tài)電動汽車數(shù)量Nin(ti)和出可控狀態(tài)電動汽車數(shù)量Nout(ti)，由式(4)和式(5)可以計算出t時刻入可控狀態(tài)的累計電動汽車數(shù)量Nin(ti)和出可控狀態(tài)的累計電動汽車數(shù)量Nout(ti)。

(4)

(5)

此外，設(shè)t0時刻的初始可控電動汽車數(shù)量為N0。于是，t時刻的可控電動汽車數(shù)量Nc(t)為

Nc(t)=N0+Nin(t)-Nout(t)

(6)

綜上所述，基于蒙特卡洛方法模擬，參與電力系統(tǒng)調(diào)頻的可控電動汽車數(shù)量動態(tài)變化算法的計算流程圖，如圖2所示。需要指出的是，因為電動出租車不適合于參與電力系統(tǒng)調(diào)頻。所以，圖2中電動汽車類別不包括電動出租車。這將在第4節(jié)中進行具體詳細地分析。

圖2 可控電動汽車數(shù)量的計算流程圖

4 算例分析

4.1 電動汽車的參數(shù)設(shè)置

根據(jù)前述各類電動汽車的行駛規(guī)律和電動汽車的狀態(tài)轉(zhuǎn)換特性，結(jié)合可控電動汽車數(shù)量的動態(tài)變化模型，可以確定或假設(shè)各類電動汽車參與電力系統(tǒng)調(diào)頻的某些相關(guān)參數(shù)如下所述。

(1)電動公交車。電動公交車只有在夜晚，其接入電網(wǎng)時間才較長，才可進入可控狀態(tài)參與調(diào)頻。電動公交車夜晚已停運，不存在用車時間的隨機性問題，故可假設(shè)eSOCmin=0.1。這樣，電動公交車參與調(diào)頻可能會導(dǎo)致SOC過低，其出可控狀態(tài)是由可控狀態(tài)轉(zhuǎn)為充電狀態(tài)(快充方式)，如圖1中的虛箭頭所示。計及時間裕度后，假設(shè)最大快充時長為1h[14]。此外，出于管理便利以及日常運營的考慮，可以假定公交公司統(tǒng)一安排區(qū)域內(nèi)所有電動公交車的接入電網(wǎng)時刻t1為23：00，脫離電網(wǎng)時刻(即電動公交車運營開始時刻)為第二天凌晨05：30。

(2)電動公務(wù)車。電動公務(wù)車的情況與電動公交車類似。因此，假設(shè)電動公務(wù)車的eSOCmin=0.1，最大快充時長為1h，接入電網(wǎng)時刻t1為18：00，脫離電網(wǎng)時刻為第2天清晨07：00。

(3)電動出租車。電動出租車全天大多數(shù)時間基本都處于正常運行狀態(tài)(即行駛狀態(tài))。也就是說，一天內(nèi)，電動出租車接入電網(wǎng)時間均較短。所以，電動出租車參與電力系統(tǒng)調(diào)頻的效果相對來說，不會太明顯。因此，電動出租車不適合參與系統(tǒng)調(diào)頻。

(4)電動私家車。電動私家車在工作單位和居民小區(qū)停車場的停放時間較長(即接入電網(wǎng)時間較長)，在商業(yè)娛樂區(qū)停車場的停放時間較短。電動私家車在工作日接入電網(wǎng)時間較長的時段，為車主早晨到達工作單位后至下班出發(fā)時間，以及下班或休閑娛樂后到家時間至次日早晨上班出發(fā)之前。根據(jù)文獻[15]，假設(shè)車主在工作日下班后去休閑娛樂的比例為10%，則車主在工作日下班后直接回家的比例為90%。

對于電動私家車，除了其行駛規(guī)律之外，還應(yīng)該考慮車主用車時間的隨機性問題，以及對車輛續(xù)航的要求，則eSOCmin應(yīng)設(shè)置為一較大的值。于是，電動私家車出可控狀態(tài)是由可控狀態(tài)轉(zhuǎn)為行駛狀態(tài)。

根據(jù)北京交通發(fā)展研究中心近5年相關(guān)數(shù)據(jù)的統(tǒng)計分析可知[13]，私家車年均行駛里程為1.5 萬km，于是可推算出日均行駛里程為41.1km。由文獻[16]可得，電動私家車的電池容量為16kW·h。文獻[17]指出，電動私家車每100km的耗電量為15kW·h。由此可計算出電動私家車日均消耗SOC為0.385。計及裕度后，假定eSOCmin=0.6。

綜上所述，電動私家車接入電網(wǎng)時刻t1為08：00—09：00(假定t1服從均勻分布，即t1～U(8，9))，以及17：30—19：00(車主下班后直接駕車回家，沒有去休閑娛樂。假定t1服從均勻分布，即t1～U(17.5，19))，或者21：00—22：30(車主下班后隨即去休閑娛樂，沒有立即駕車回家。假定t1服從均勻分布，即t1～U(21，22.5))。電動私家車脫離電網(wǎng)時刻(即出可控狀態(tài)時刻t4)在07：30—8：30(假定t4服從均勻分布，即t4～U(7.5，8.5))，以及17：00—18：30(假定t4服從均勻分布，即t4～U(17，18.5))。

除了上述參數(shù)外，各類電動汽車的其他參數(shù)如表1所示。表1中，起始時刻t1假設(shè)為12：00。由于電動公交車只有在夜晚后才可以進入可控狀態(tài)參與電力系統(tǒng)調(diào)頻，所以在t1時刻的初始可控電動公交車數(shù)為0。電動公務(wù)車的行駛規(guī)律與電動公交車相似。故同樣在t1時刻的初始可控電動公務(wù)車數(shù)為0。對于電動私家車，根據(jù)其工作日的行駛規(guī)律可知，在12：00時刻，電動私家車基本都停泊在工作單位停車場并接入電網(wǎng)，正處于可控狀態(tài)參與電力系統(tǒng)調(diào)頻。因此，在t1時刻的初始可控電動私家車數(shù)與電動私家車總數(shù)相等，為60 000輛。

表1 各類電動汽車的參數(shù)

Table1ParametersofvariousEVs

4.2 計算結(jié)果分析

由前述蒙特卡洛方法可得到，工作日單個區(qū)域內(nèi)可控電動汽車數(shù)量的動態(tài)變化情況，如圖3所示。

圖3 可控電動汽車數(shù)量的動態(tài)變化

電動公交車和電動公務(wù)車接入或脫離電網(wǎng)，均采用統(tǒng)一的調(diào)度管理方式。因此，圖3中，可控電動公交車數(shù)量幾乎在23：00躍變?yōu)? 000輛，在04：30躍變?yōu)?；而可控電動公務(wù)車數(shù)量則幾乎在18：00躍變?yōu)?1 000輛，在06：00躍變?yōu)?。由于電動私家車用戶上班、下班和休閑娛樂時使用汽車，可控電動私家車數(shù)量在相應(yīng)時段07：30—09：29、17：00—23：02出現(xiàn)下降。而在一天中的其余大多數(shù)時段，電動私家車用戶一般把汽車停泊在工作單位停車場、居民小區(qū)停車場和商場、娛樂場等城市商業(yè)娛樂區(qū)的停車場，從圖3可以明顯看出，這些時段電動私家車數(shù)量均維持在60 000輛。從而，一天內(nèi)單個區(qū)域內(nèi)各類可控電動汽車總數(shù)在23 423輛至87 000輛范圍內(nèi)動態(tài)變化。并且，在電動公交車處于可控狀態(tài)的23：00—04：30時段，單個區(qū)域內(nèi)各類可控電動汽車總數(shù)達到并維持在最大值87 000輛。

5 結(jié) 論

論文計及電動汽車作為交通工具的主要特性，分析了各類電動汽車的行駛規(guī)律，對其實現(xiàn)V2G進行了參與度劃分，研究了參與系統(tǒng)調(diào)頻電動汽車的狀態(tài)轉(zhuǎn)換特性，提出了基于蒙特卡洛的電力系統(tǒng)調(diào)頻可控電動汽車數(shù)量動態(tài)變化模擬算法，對研究了各類型電動汽車參與電力系統(tǒng)調(diào)頻的可控數(shù)量。研究表明：

(1)電動汽車狀態(tài)包括行駛狀態(tài)、充電狀態(tài)、可控狀態(tài)和空閑狀態(tài)。參與電力系統(tǒng)調(diào)頻的電動汽車不斷在這4個狀態(tài)間進行轉(zhuǎn)換，只有當(dāng)電動汽車處于可控狀態(tài)時才能響應(yīng)系統(tǒng)調(diào)頻控制信號。

(2)在已知參與調(diào)頻的各類型電動汽車總數(shù)時，采用本文所提算法，可計算得到各時段各類型電動汽車可控數(shù)量及可控電動汽車總數(shù)的動態(tài)變化規(guī)律。

(3)參與調(diào)頻的可控電動汽車總量在23：00—04：30時段達到最大值，在07：30—09：29和17：00—23：02出現(xiàn)明顯下降，這由各類型電動汽車行駛規(guī)律決定。

[1]劉振亞.智能電網(wǎng)技術(shù)[M].北京:中國電力出版社,2010:304-310.

[2]DonoghueJ,CrudenAJ.WholesystemmodellingofV2Gpowernetworkcontrol,communicationsandmanagement[C]//ElectricVehicleSymposiumandExhibition(EVS27), 2013World.Barcelona:IEEE, 2013: 1-9.

[3]BrooksA.Vehiele-to-Griddemonstrationprojeet:Gridregulationancillaryservicewithabatteryelectricvehicle[R].ACPropulsion,December2002.

[4]KemptonW,TomicJ.Vehicle-to-gridpowerimplementation:Fromstabilizingthegridtosupportinglarge-scalerenewableenergy[J].JournalofPowerSources2005, 144(1):208-294.

[5]ChukwuUC,MahajanSM.Real-timemanagementofpowersystemswithV2Gfacilityforsmart-gridapplications[J].IEEETransactionsonSustainableEnergy, 2013,5(2):558-566.

[6]HanS,HanS,SezakiK.EconomicassessmentonV2Gfrequencyregulationregardingthebatterydegradation[C]//ProceedingofIEEEPESInnovativeSmartGridTechnologies.Washington,DC:IEEE, 2012:1-6.

[7]AlmeidaPMR,LopesJAP,SoaresFJ,etal.Automaticgenerationcontroloperationwithelectricvehicles[C]//Proceedingof2010iREPSymposiumBilkPowerSystemDynamicsandControl.RiodeJaneiro:IEEE,2010:1-7.

[8]HanS,HanS,SezakiK.Developmentofanoptimalvehicle-to-gridaggregatorforfrequencyregulation[J].IEEETransactionsonSmartGrid, 2010,1(1):65-72.

[9]TomicJ,KemptonW.Usingfleetsofelectric-drivevehiclesforgridsupport[J].JournalofPowerSources, 2007,168(2):459-468.

[10]SandelsC,FrankeU,IngvarN,etal.Vehicletogrid-montecariosimulationsforoptimalaggregatorstrategies[C]//2010InternationalConferenceonPowerSystemTechnology.Hangzhou:IEEE, 2010:1-8.

[11]HutsonC,VenayagamoorthyGK,CorzineKA.Intelligentschedulingofhybredandelectricvehiclestoragecapacityinaparkinglotforprofitmaximizationingridpowertransactions[C]//Energy2030Conference,Atlanta,GA,US:IEEE, 2008: 1-8.

[12]王陽. 純電動公交車充電需求特性及充電設(shè)施規(guī)劃方法的研究[D]. 北京：華北電力大學(xué), 2012.WangYang.ThedemandcharacteristicsofandtheplanningmethodofchargingfacilitiesofElectricbus[D].Beijing：NorthChinaElectricPowerUniversity, 2012.

[13]北京交通發(fā)展研發(fā)中心. 北京市交通發(fā)展年度報告[EB/OL].http://www.bjtrc.org.cn/JGJS.aspx?id=5.2&Menu=GZCG.

[14]高賜威, 吳茜. 電動汽車換電模式研究綜述[J]. 電網(wǎng)技術(shù), 2013, 04: 891-898.GaoCiwei,WuXi.Thesummarizeofelectricvehiclechargingmodel[J].PowerSystemTechnology, 2013,37(4):891-898.

[15]羅卓偉, 胡澤春, 宋永華, 等. 電動汽車充電負荷計算方法[J]. 電力系統(tǒng)自動化, 2011, 35(14): 36-42.LuoZhuowei,HuZechun,SongYonghua,etal.Themethodofcalculatingelectricvehiclechargingload[J].AutomationofElectricPowerSystems, 2011,35(14):36-42.

[16]JangS,HanS,HanSH,etal.OptimaldecisiononcontractsizeforV2Gaggregatorregardingfrequencyregulation[C]//2010 12thInternationalConferenceonOptimizationofElectricalandElectronicEquipment(OPTIM).Basov:IEEE, 2010: 54-62.

[17]楊波, 陳衛(wèi), 文明浩, 等. 電動汽車充電站的概率負荷建模[J]. 電力系統(tǒng)自動化, 2014, 38(16): 67-73.Yangbo,ChenWei,WenMinghao,etal.Modelingtheelectricvehiclestationprobabilityload[J].AutomationofElectricPowerSystems, 2014,38(16):67-73.

(編輯：蔣毅恒)

Evaluation of Changing Controllable Number of Different Type of EVs when Access into Frequency Regulation

ZHANG Qian, LI Yuzhe, ZHOU Lin, CAI JiaJia, ZHOU Louwei

(State Key Laboratory of Power Transmission Equipment & System Security and New Technology, Chongqing University, Chongqing 400044, China)

EVs can participate into the frequency regulation of grid through vehicle-to-grid (V2G) technique when EVs are in the controllable state. In order to figure out EVs reaction when its receive frequency regulation single and how it influence frequency regulation, the research should be down to figure out the changes of controllable EVs' number. Now there is few research about the changes of controllable EVs' number in a period time when participate into grid frequency regulation. Based on that, a arithmetic which based on Monte Carlo simulation was proposed to figure out the changes of controllable EVs' number. The proposed arithmetic can figure of the changes of EVs' number in 24 time period a day. The proposed arithmetic gives a great help to those who do searching but cannot get the practical data of EVs.

controllable number of electric vehicles； vehicle-to-grid； frequency control ancillary service； state evaluation

國家高技術(shù)研究發(fā)展計劃項目(863計劃)(2011AA05A110)；國家自然科學(xué)基金(51247006)；教育部中央高?；究蒲袠I(yè)務(wù)費專項資金資助項目(CDJZR13150075)。Project Supported by the National High Technology Research and Development of China (863 Program) (2011AA05A110), the National Natural Science Foundation of China (51247006) and the Fundamental Research Funds for the Central Universities (CDJZR13150075).

TM 910.6； U 469.72

A

1000-7229(2015)07-0160-07

10.3969/j.issn.1000-7229.2015.07.023

2015-04-31

2015-06-06

張謙(1980)，女，博士，副教授，主要研究方向為電力市場與電力系統(tǒng)安全經(jīng)濟運行、電動汽車與電網(wǎng)互動技術(shù)；

李雨哲(1990)，男，碩士研究生，主要研究方向為電動汽車與電網(wǎng)互動技術(shù)；

周林(1986)，男，碩士研究生，主要研究方向為電動汽車與電網(wǎng)互動技術(shù)；

蔡家佳(1991)，男，碩士研究生，研究方向為電動汽車與電網(wǎng)互動技術(shù)。

周雒維(1954)，男，教授，主要研究方向為電力諧波治理、電動汽車與電網(wǎng)互動技術(shù)。