陳一凡， 劉廷章, 金勇， 張菲, 梁立新

(1.上海大學(xué) 上海市電站自動化技術(shù)重點(diǎn)實(shí)驗(yàn)室，上海 200072；2.上海國際汽車城(集團(tuán))有限公司，上海 200072；3.環(huán)球車享汽車租憑有限公司，上海 200072)

電動汽車充電調(diào)度綜述

陳一凡1， 劉廷章1, 金勇2， 張菲3, 梁立新2

(1.上海大學(xué) 上海市電站自動化技術(shù)重點(diǎn)實(shí)驗(yàn)室，上海 200072；2.上海國際汽車城(集團(tuán))有限公司，上海 200072；3.環(huán)球車享汽車租憑有限公司，上海 200072)

電動汽車因節(jié)能環(huán)保的優(yōu)點(diǎn)得到大力推廣，然而由于充電行為的隨機(jī)性、不確定性，大規(guī)模電動汽車無序充電將對電網(wǎng)的安全穩(wěn)定帶來挑戰(zhàn)。隨著V2G技術(shù)的發(fā)展，電動汽車作為分布式電源和儲能裝置成為可能，這使得對電動汽車進(jìn)行充電調(diào)度成為電網(wǎng)中一種新的調(diào)控手段，幫助消除電動汽車充電對電網(wǎng)產(chǎn)生的不利影響，同時也是消納新能源發(fā)電的一種有效方式。簡述了V2G技術(shù)和電動汽車充放電對電網(wǎng)產(chǎn)生的有利與不利影響，介紹了電動汽車充電負(fù)荷計算方法和幾類充電調(diào)度策略。

電動汽車；充電調(diào)度；充電負(fù)荷計算；V2G；有序充電

Abstract: Electric vehicles have been vigorously generalized because of their advantages of energy saving and environmental protection effect. However, due to randomness and uncertainty of charging action, large-scale disordered charging for electric vehicles will bring challenges upon grid safety and stability. With V2G development, it becomes possible to use electric vehicles as distributed power source and energy storage device, so that their charge scheduling may become a new control method in the power grid to help eliminate adverse effects caused by charging action upon the grid. Furthermore, it constitutes an effective means for consuming new energy power generation. This paper describes briefly positive and negative influences produced by charge/discharge of electric vehicles upon the power grid, and introduces a method for calculating charging load as well as several types of charge scheduling strategies.

Keywords: electric vehicles; charging scheduling; charging load calculation; V2G; coordinated

0 引 言

能源和環(huán)境是制約社會經(jīng)濟(jì)發(fā)展的重要因素，也是當(dāng)今全球廣泛關(guān)注的熱點(diǎn)問題。汽車作為能源消耗與環(huán)境污染中的重要一環(huán)，成為解決這些問題的重要突破口，世界各國政府和汽車企業(yè)普遍意識到節(jié)能和環(huán)保是未來汽車工業(yè)發(fā)展的主要方向，于是電動汽車應(yīng)運(yùn)而生。

電動汽車以車載電源為動力，在使用過程中對環(huán)境影響較小，在空氣污染及石油燃料不足的環(huán)境下，是傳統(tǒng)汽車的最佳替代品。與傳統(tǒng)燃油汽車相比，電動汽車擁有更低的運(yùn)營成本，它可以作為可調(diào)負(fù)載，使用可再生能源充電。隨著現(xiàn)階段充電設(shè)備的大量建設(shè)，大規(guī)模使用電動汽車成為現(xiàn)實(shí)。然而大規(guī)模的電動汽車充電行為會對電網(wǎng)造成很大的功率消耗，無規(guī)律的大規(guī)模充電對電網(wǎng)存在不利影響。為消除這些不利影響，對電動汽車進(jìn)行充電調(diào)度成為一種有效的手段。

對電動汽車進(jìn)行充電調(diào)度就是通過調(diào)整電動汽車的充電行為，來調(diào)整電力系統(tǒng)發(fā)電與負(fù)荷的實(shí)時平衡。特別是在含有可再生能源發(fā)電的電力系統(tǒng)中，電動汽車有序充電不僅對電力系統(tǒng)的穩(wěn)定有著重要作用，還可以用來消納新能源。同時，對電動汽車進(jìn)行充電調(diào)度也需要對電力市場以及電動汽車用戶充電行為有所引導(dǎo)。

1 電動汽車對電網(wǎng)帶來的影響

大規(guī)模電動汽車充電對電力系統(tǒng)產(chǎn)生的影響既有正面的，也有負(fù)面的。

1.1 無序充電對電網(wǎng)帶來的不利影響

電動汽車的充電行為具有隨機(jī)性、間歇性[1]。近年來隨著電動汽車滲透率的提高，大規(guī)模的無序充電將使得電網(wǎng)負(fù)荷顯著增大。國際能源組織2009年曾預(yù)估到2050年電動汽車的大規(guī)模接入電網(wǎng)將使全球電力需求量增加10%[2]。驟增的電力需求將對現(xiàn)有發(fā)電網(wǎng)絡(luò)提出更高要求，增加輸電網(wǎng)絡(luò)的損耗[3]，使未來電網(wǎng)電源容量規(guī)劃更加復(fù)雜。電動汽車充電過程中將使用到非線性的電力電子裝置，其中充電設(shè)備中的整流裝置在工作時會對配電網(wǎng)產(chǎn)生大量的諧波污染[4],這些諧波污染以及無序充電造成的電網(wǎng)三相不平衡會引起電網(wǎng)電壓偏差、頻率不穩(wěn)、功率損耗等問題。

1.2 有序充電對電網(wǎng)帶來的有利影響

電動汽車作為電力系統(tǒng)負(fù)載是可調(diào)的，同時在V2G技術(shù)[5]的發(fā)展下，使用電動汽車對電網(wǎng)進(jìn)行削峰填谷成為可能。用電高峰時電動汽車可以被看作分布式電源為電網(wǎng)提供電能，用電低谷時電動汽車又可以被看作分布式儲能裝置來平抑電網(wǎng)負(fù)荷波動，減小負(fù)荷峰谷差[6-7]。作為分布式儲能裝置時，電動汽車還可以用來旋轉(zhuǎn)備用、調(diào)節(jié)電網(wǎng)頻率、平衡電網(wǎng)電壓，豐富了電網(wǎng)運(yùn)行的調(diào)節(jié)和控制手段。除此之外，基于分時電價的電動汽車充放電可以讓用戶在電價低時從電網(wǎng)買電，電價高時向電網(wǎng)售電[8]，從而獲得收益，對電動汽車的推廣和電網(wǎng)的穩(wěn)定有很大作用。

如今以風(fēng)能、太陽能為代表的新能源發(fā)電已經(jīng)得到越來越廣泛的應(yīng)用，然而新能源發(fā)電具有間歇性、波動性和不可預(yù)測性，直接接入電網(wǎng)會產(chǎn)生不良影響[9]。在智能電網(wǎng)和V2G技術(shù)的支持下，由于電動汽車可以被視為分布式儲能裝置，所以可以使用電動汽車來消納新能源，提高新能源發(fā)電的普及率和利用率。

2 電動汽車充電負(fù)荷計算方法

對電動汽車進(jìn)行充電調(diào)度實(shí)際上是將電動汽車作為可調(diào)負(fù)載來實(shí)現(xiàn)電力系統(tǒng)發(fā)電與負(fù)荷的實(shí)時平衡，所以要想通過調(diào)節(jié)電動汽車充電行為來平衡電網(wǎng)首先要計算電動汽車的充電負(fù)荷。

影響電動汽車充電負(fù)荷的主要因素包括電動汽車保有量、起始荷電狀態(tài)(State of Charge，SOC)、充電功率、起始充電時間、動力電池容量等[10]。其中，電動汽車保有量和充電功率決定了電動汽車充電所需總功率；電動汽車保有量、電池容量、和起始SOC則決定了所需消耗的總電量。用戶起始充電時間越集中，則系統(tǒng)所需提供的充電功率就越大，電動汽車接入對系統(tǒng)的影響也就越明顯。目前電動汽車充電負(fù)荷計算方法主要有基于分析用戶行駛習(xí)慣的蒙特卡洛模擬法(Monte Carlo Method)和拉丁超立方體抽樣(Latin Hypercube Sampling，LHS)、采用排隊(duì)論(Queuing Theory)計算電動汽車充電概率的統(tǒng)計學(xué)建模方法以及基于大量電動汽車實(shí)際充電過程建模方法。

2.1 基于分析用戶行駛習(xí)慣的方法

采用蒙特卡洛模擬法首先要抽取電動汽車起始荷電狀態(tài)、起始充電時間的概率分布，然后在此基礎(chǔ)上計算特定時段電動汽車充電總功率和消耗總電量。由于認(rèn)為電動汽車替代傳統(tǒng)汽車時不會引起用戶行駛習(xí)慣的改變，當(dāng)前研究多根據(jù)美國交通運(yùn)輸部下屬NHTS(National Household Travel Survey)于2009年調(diào)查得到的全美家庭汽車行駛規(guī)律[11]，將電動汽車起始SOC和起始充電時間看作滿足對數(shù)正態(tài)分布[12]。

NHTS的調(diào)查數(shù)據(jù)只體現(xiàn)了汽車的行使規(guī)律，不能區(qū)分電動汽車的充電模式(快充、慢充、換電池)；同時電動汽車包括純電動汽車以及混合動力汽車，這兩類汽車的充電行為是不同的。于是有學(xué)者在NHTS調(diào)查數(shù)據(jù)的基礎(chǔ)上提出基于現(xiàn)實(shí)用戶充電行駛習(xí)慣的改進(jìn)方法。文獻(xiàn)[13]根據(jù)不同用途的車輛和不同類型的電動汽車得到了行駛里程的概率模型；根據(jù)充電方式和能源供給方式得到了各類電動汽車充電功率、SOC特性和充電時長概率模型；最后綜合上述模型得到具有廣泛應(yīng)用的多類電動汽車充電負(fù)荷概率模型。文獻(xiàn)[14]用核密度函數(shù)來擬合用戶的行駛時間和行駛里程，生成耦合用戶行駛起始時間、結(jié)束時間和行駛里程的行駛規(guī)律隨機(jī)數(shù)，最后得到確定性的出租車充電模型和不確定性的家庭用戶充電模型。文獻(xiàn)[15]采用二項(xiàng)分布描述電動汽車用戶充電習(xí)慣的不確定性，以傳統(tǒng)燃油車的行駛規(guī)律概率特性為基礎(chǔ)，采用蒙特卡洛模擬的方法計算得到充電負(fù)荷。文獻(xiàn)[16]將居民出行目的地進(jìn)行分類，根據(jù)各段行程行駛結(jié)束時間和行駛距離概率，構(gòu)建車輛一天的行駛時空分布，考慮環(huán)境因素得到電動汽車每公里耗電量，使用蒙特卡洛方法計算各類情況下的電動汽車充電負(fù)荷。蒙特卡洛模擬法能夠較逼真地模擬電動汽車充電過程，但其對抽樣事件的概率非常敏感，使該方法在高可靠性系統(tǒng)中抽樣速度大大降低，且誤差具有概率性。

拉丁超立方體抽樣屬于分層抽樣，是一種有效地用采樣值反映隨機(jī)變量整體分布的方法，和蒙特卡羅方法相比，它可以通過較少迭代次數(shù)的抽樣，準(zhǔn)確地重建輸入分布[17]。文獻(xiàn)[18-19]首先采用邊界核的自適應(yīng)非參數(shù)核密度估計(Kernel Density Estimation, KDE)算法得到起始SOC和起始充電時間的概率分布模型，代替原有起始SOC和起始充電時間滿足正態(tài)分布的假設(shè)，然后使用基于三次樣條插值法的改進(jìn)拉丁超立方抽樣(LHS with Cubic Spline Interpolation，LHS-CSI)法對起始SOC和起始充電時間進(jìn)行抽樣，并建立電動汽車充電負(fù)荷模型，這樣可以避免出現(xiàn)起始SOC和起始充電時間滿足正態(tài)分布的假設(shè)與實(shí)際情況不符時造成充電負(fù)荷模型誤差偏大的情況，并且減小抽樣規(guī)模。

采用蒙特卡洛模擬法和拉丁超立方體抽樣分析用戶充電習(xí)慣的充電負(fù)荷計算方法可以簡化充電負(fù)荷模型的建立，方便研究各種因素對充電負(fù)荷的影響，但其樣本數(shù)據(jù)大多都來源于對傳統(tǒng)汽車使用習(xí)慣的調(diào)查。隨著電動汽車的大規(guī)模普及，大量充電設(shè)備的建設(shè)，如今也可以根據(jù)電動汽車實(shí)際到達(dá)充電站的概率分布來計算充電負(fù)荷，其中排隊(duì)論得到廣泛應(yīng)用。

2.2 基于排隊(duì)論的方法

基于排隊(duì)論的充電負(fù)荷計算方法則是將電動汽車到達(dá)充電站的流量信息看作符合泊松分布，在此基礎(chǔ)上使用排隊(duì)論對電動汽車的充電等待時間、排隊(duì)長度、服務(wù)強(qiáng)度等統(tǒng)計指標(biāo)量進(jìn)行分析，最終得到充電負(fù)荷模型。其中文獻(xiàn)[20]將電動汽車分為正在充電和等待充電兩種狀態(tài)，得到電動汽車接受充電概率模型，從而計算充電負(fù)荷。文獻(xiàn)[21]從電動汽車到達(dá)充電站時間的隨機(jī)分布和初始SOC出發(fā)，基于充電站的日充電負(fù)荷曲線提出電動汽車充電站負(fù)荷集聚模型的建模方法。

在電動汽車大規(guī)模并網(wǎng)的前提下，除了使用排隊(duì)論考慮電動汽車到達(dá)充電站的概率分布來計算充電負(fù)荷外，還可以根據(jù)電動汽車充電物理過程來得到充電負(fù)荷模型。

2.3 基于實(shí)際充電過程的方法

電動汽車的充電物理過程可以描述為以電動汽車并網(wǎng)速率為隨機(jī)擾動變量的大量充電負(fù)荷從低SOC向高SOC動態(tài)擴(kuò)散的物理過程[22]，可以用一個一階偏微分線性擴(kuò)散方程表示?？紤]到電動汽車充電有兩種模式,無限時充電(充電過程持續(xù)到電池充滿)和限時充電，可以使用擴(kuò)散理論得到兩類充電行為的并網(wǎng)速率模型。根據(jù)不同擴(kuò)散負(fù)荷模型下充電功率的不同，最后可以計算出電網(wǎng)中電動汽車充電負(fù)荷。

3 電動汽車充電調(diào)度策略

對電動汽車進(jìn)行充電調(diào)度是為了消除電動汽車充電對電網(wǎng)產(chǎn)生的不利影響，同時發(fā)揮電動汽車作為可調(diào)負(fù)載和分布式電源的優(yōu)勢，給電網(wǎng)和用戶帶來利好。根據(jù)研究主要目的的不同，電動汽車充電調(diào)度策略可以分為旨在保持電網(wǎng)平穩(wěn)的充放電策略[23-24]、旨在消納新能源發(fā)電的充放電策略[25-27]、旨在提高充電經(jīng)濟(jì)性的充放電策略[28-31]。根據(jù)研究對象的不同，又可以分為家庭電動汽車充電調(diào)度策略、公交車與出租車等公共交通工具充電調(diào)度策略[32]、充電站與換電站充電調(diào)度策略[33-34]。

3.1 旨在保持電網(wǎng)平穩(wěn)的充放電策略

旨在保持電網(wǎng)平穩(wěn)的充放電策略中，首先要考慮區(qū)域電網(wǎng)的平時負(fù)荷狀態(tài)，然后計算出區(qū)域電動汽車充電時產(chǎn)生的負(fù)荷量，根據(jù)不同調(diào)度算法和控制手段，最后引導(dǎo)個別電動汽車或電動汽車集群進(jìn)行充放電，其目的是控制電動汽車的充電時間、充電地點(diǎn)和充電功率來保證電網(wǎng)總負(fù)荷標(biāo)準(zhǔn)差最小。這種方法中，一般要將電動汽車充電需求作為約束條件。例如文獻(xiàn)[35]中建立了以變電站側(cè)負(fù)荷水平均衡為目標(biāo)的兩階段優(yōu)化調(diào)度策略，其中第一次優(yōu)化調(diào)度調(diào)節(jié)接入電網(wǎng)的充電樁數(shù)量，平抑負(fù)荷曲線，從而降低配電網(wǎng)的峰谷差和線路損耗；第二次優(yōu)化分配將一次優(yōu)化調(diào)度獲得的最優(yōu)充電樁接入數(shù)量分配至各充電樁管理系統(tǒng)，指導(dǎo)各小區(qū)電動汽車接入充電。該方法通過一次優(yōu)化控制了充電功率，通過二次優(yōu)化控制了充電時間，可以有效維護(hù)電網(wǎng)穩(wěn)定。

3.2 旨在消納新能源發(fā)電的充放電策略

新能源發(fā)電的隨機(jī)性導(dǎo)致其輸出功率不穩(wěn)定，在一定程度上降低了電網(wǎng)對風(fēng)力發(fā)電和光伏發(fā)電的容納能力，而微電網(wǎng)成為解決新能源出力的一種手段。為保證微電網(wǎng)的安全可靠，儲能設(shè)備必不可少，電動汽車正是一種理想的儲能設(shè)備。

旨在消納新能源發(fā)電的充放電策略就是在基于微網(wǎng)的V2G方法下，使用智能調(diào)度算法控制電動汽車的充電行為來將微電網(wǎng)產(chǎn)生的電能儲存在電動汽車中甚至轉(zhuǎn)移到大電網(wǎng)中。這類方法可以分流充電需求，減少電網(wǎng)壓力，同時提高新能源發(fā)電的利用率?，F(xiàn)有研究大都先要預(yù)測新能源出力的概率分布，計算微網(wǎng)發(fā)電與儲能容量，還會考慮其經(jīng)濟(jì)效益。目前在新能源出力預(yù)測上，主要采用模糊集理論[36]。由于可再生能源發(fā)電出力的頻繁波動，電動汽車充放電狀態(tài)頻繁切換，迅速消耗了電動汽車動力電池的壽命，同時現(xiàn)有大多研究都將電動汽車分布式儲能視為固定儲能，沒有考慮電動汽車運(yùn)行的隨機(jī)性。文獻(xiàn)[37]將電動汽車運(yùn)行的隨機(jī)性視為基于長時間統(tǒng)計規(guī)律做出行駛狀態(tài)預(yù)測的預(yù)測誤差，在制定充放電策略時充分考慮這一預(yù)測誤差，采用機(jī)會約束規(guī)劃進(jìn)行優(yōu)化, 綜合考慮電網(wǎng)約束、電池約束和車主使用約束，提出了考慮電動汽車運(yùn)行不確定性和減少動力電池充放電切換次數(shù)的電動汽車分布式儲能充放電控制策略。

3.3 旨在提高充電經(jīng)濟(jì)性的充放電策略

對電動汽車進(jìn)行充電調(diào)度離不開用戶的配合，通過制定合理的充放電價格來引導(dǎo)充放電行為可以讓用戶主動參與調(diào)節(jié)，避免了一般商業(yè)模式對車主車輛支配權(quán)的制約。不僅如此，基于供需平衡來調(diào)節(jié)電價也可以一定程度增加電力公司的盈利。

旨在提高充電經(jīng)濟(jì)性的充放電策略以電動汽車充電需求以及保證電網(wǎng)穩(wěn)定為約束條件，首先需要得到區(qū)域分時電價。一些調(diào)度策略以現(xiàn)有的分時電價為基礎(chǔ)，直接根據(jù)充電負(fù)荷采用調(diào)度算法來控制電動汽車充電行為；而另一些調(diào)度策略則會根據(jù)電網(wǎng)供需關(guān)系以及約束條件給出得到的分時最優(yōu)電價，然后在此基礎(chǔ)上建立調(diào)度優(yōu)化模型。通過這類方法，電動汽車用戶可以根據(jù)充電需求和分時電價實(shí)現(xiàn)充電成本最小化；甚至可以自己在家里安裝新能源發(fā)電裝置，根據(jù)分時電價調(diào)整充放電行為，從中獲取收益最大化。電力公司可以通過供需關(guān)系調(diào)節(jié)電價達(dá)到削峰填谷的效果，有助于解決或緩解電力系統(tǒng)不平衡問題；通過降低調(diào)度偏差和充電成本也可以獲得的利潤最大化。

3.4 換電站充放電調(diào)度策略

電動汽車三種充電模式中，基于更換電池的充電模式是很具有商業(yè)價值的。這種模式可以減少充電耗時，可以大規(guī)模集中管理電池，這樣不僅可以采用慢充對電池充電減小電池?fù)p耗，統(tǒng)一的電池管理還可以減小對電網(wǎng)造成的影響。

基于更換電池的充電模式是在換電站內(nèi)進(jìn)行的。對換電站進(jìn)行充電調(diào)度時，由于換電站需要隨時給予用戶換電支持，需要保證一定數(shù)量的電池處于高荷電量或滿電的狀態(tài)，建立復(fù)雜的充電負(fù)荷模型。換電站可以24小時工作，對其進(jìn)行充電調(diào)度主要是控制充電功率。然而對換電站進(jìn)行充電調(diào)度可能導(dǎo)致?lián)Q電站備用電池數(shù)量的增加，這將提升換電站的電池冗余度，導(dǎo)致調(diào)度成本增加。

4 結(jié)束語

電動汽車作為一種新型電力負(fù)載對電網(wǎng)既有好的影響也有壞的影響。在V2G技術(shù)的帶動下，通過合理的充放電調(diào)度策略，我們可以盡量消除不利影響，利用其可以作為分布式電源和分布式充能裝置的特點(diǎn)，反過來引導(dǎo)電網(wǎng)更加穩(wěn)定。

電動汽車與新能源發(fā)電的結(jié)合使得人們多了一種利用新能源的手段，在分時電價等政策的引導(dǎo)下，這不僅有利于新能源產(chǎn)業(yè)的發(fā)展，也有利于新能源發(fā)電在家庭用戶中的推廣。

隨著各地電動汽車滲透率的上升，充電設(shè)備也得到大量建設(shè)。然而目前大多充電設(shè)備并沒有得到有效利用，多地出現(xiàn)充電樁、充電站長時間無人使用的情況。這一方面是由于公共充電設(shè)備電價制定過高，一方面也是因?yàn)槟壳半妱悠嚦潆姾臅r過長。如何從電動汽車調(diào)度方面來解決公共充電設(shè)備長期空閑，提高運(yùn)營商盈利或許是一個新的研究方向。

[1] 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.

[2] 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(hù)與控制, 2013,41(3):140-148.

[3] SORTOMME E，HINDI M M，MACPHERSON S D J，et al．Coordinated charging of plug-in hybrid electric vehicles to minimize distribution system losses[J]． IEEE Trans. On Smart Grid，2011，2(1)：198-205．

[4] 陳新琪, 李鵬, 胡文堂, 等. 電動汽車充電站對電網(wǎng)諧波的影響分析[J]. 中國電力, 2008, 41(9):31-36．

[5] 劉曉飛, 張千帆, 崔淑梅. 電動汽車V2G技術(shù)綜述[J]. 電工技術(shù)學(xué)報, 2012, 27(2):121-127.

[6] 胡澤春, 宋永華, 徐智威,等. 電動汽車接入電網(wǎng)的影響與利用[J]. 中國電機(jī)工程學(xué)報, 2012, 32(4):1-10.

[7] 郭建龍, 文福拴. 電動汽車充電對電力系統(tǒng)的影響及其對策[J]. 電力自動化設(shè)備, 2015, 35(6):1-9.

[8] 劉偉佳, 文福拴, 薛禹勝,等. 電動汽車參與電力系統(tǒng)優(yōu)化調(diào)度的談判策略[J]. 電力系統(tǒng)自動化, 2015, 39(17):192-200.

[9] 羅劍波, 陳永華, 劉強(qiáng). 大規(guī)模間歇性新能源并網(wǎng)控制技術(shù)綜述[J]. 電力系統(tǒng)保護(hù)與控制, 2014,42(22):140-146.

[10] 羅卓偉, 胡澤春, 宋永華,等. 電動汽車充電負(fù)荷計算方法[J]. 電力系統(tǒng)自動化, 2011, 35(14):36-42.

[11] SANTOS A, MCGUCKIN N, NAKAMOTO H Y, et al. Summary of travel trends: 2009 national household travel survey[R]. 2011.

[12] 田立亭, 史雙龍, 賈卓. 電動汽車充電功率需求的統(tǒng)計學(xué)建模方法[J]. 電網(wǎng)技術(shù), 2010, 34(11):126-130.

[13] 周念成, 熊希聰, 王強(qiáng)鋼. 多種類型電動汽車接入配電網(wǎng)的充電負(fù)荷概率模擬[J]. 電力自動化設(shè)備, 2014, 34(2):1-7.

[14] 楊冰, 王麗芳, 廖承林,等. 含有耦合特性的電動汽車充電負(fù)荷計算方法[J]. 電力系統(tǒng)自動化, 2015,39(22) :695-703.

[15] 楊冰, 王麗芳, 廖承林,等. 不確定充電習(xí)慣對電動汽車充電負(fù)荷需求及充電負(fù)荷調(diào)節(jié)的影響[J]. 電工技術(shù)學(xué)報, 2015, 30(4):226-232.

[16] 陳麗丹, 聶涌泉, 鐘慶. 基于出行鏈的電動汽車充電負(fù)荷預(yù)測模型[J]. 電工技術(shù)學(xué)報, 2015,30(4):216-225.

[17] 張巍峰, 車延博, 劉陽升. 電力系統(tǒng)可靠性評估中的改進(jìn)拉丁超立方抽樣方法[J]. 電力系統(tǒng)自動化, 2015,39(4):52-57.

[18] LIANG M, LI W, YU J, et al. Kernel-based electric vehicle charging load modeling with improvedlatin hypercube sampling[C]// Power & Energy Society General Meeting. IEEE, 2015.

[19] 繆鵬彬, 余娟, 史樂峰,等. 基于改進(jìn)非參數(shù)核密度估計和拉丁超立方抽樣的電動公共客車負(fù)荷模型[J]. 電工技術(shù)學(xué)報, 2016,31(4):187-193.

[20] 李如琦, 蘇浩益. 基于排隊(duì)論的電動汽車充電設(shè)施優(yōu)化配置[J]. 電力系統(tǒng)自動化, 2011, 35(14):58-61.

[21] 鄭競宏, 戴夢婷, 張曼,等. 住宅區(qū)式電動汽車充電站負(fù)荷集聚特性及其建模[J]. 中國電機(jī)工程學(xué)報, 2012,49(22):32-38.

[22] 劉鵬, 劉瑞葉, 白雪峰,等. 基于擴(kuò)散理論的電動汽車充電負(fù)荷模型[J]. 電力自動化設(shè)備, 2012, 32(9):30-34.

[23] 占愷嶠, 胡澤春, 宋永華,等. 考慮三相負(fù)荷平衡的電動汽車有序充電策略[J]. 電力系統(tǒng)自動化, 2015,39(17):201-207.

[24] 楊秀菊, 白曉清, 李佩杰,等. 電動汽車規(guī)模化接入配電網(wǎng)的充電優(yōu)化[J]. 電力自動化設(shè)備, 2015, 35(6):31-36.

[25] 葛少云, 郭建祎, 劉洪,等. 計及需求側(cè)響應(yīng)及區(qū)域風(fēng)光出力的電動汽車有序充電對電網(wǎng)負(fù)荷曲線的影響[J]. 電網(wǎng)技術(shù), 2014, 38(7):1806-1811.

[26] 趙書強(qiáng), 王揚(yáng), 徐巖. 基于風(fēng)電預(yù)測誤差隨機(jī)性的火儲聯(lián)合相關(guān)機(jī)會規(guī)劃調(diào)度[J]. 中國電機(jī)工程學(xué)報, 2014,51(S1):9-16.

[27] 竇曉波, 袁簡, 吳在軍,等. 并網(wǎng)型風(fēng)光儲微電網(wǎng)容量改進(jìn)優(yōu)化配置方法[J]. 電力自動化設(shè)備, 2016,44(3):26-32.

[28] 潘樟惠, 高賜威, 劉順桂. 基于需求側(cè)放電競價的電動汽車充放電調(diào)度研究[J]. 電網(wǎng)技術(shù),2015,59(12):3505-3512.

[29] 項(xiàng)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(jī)工程學(xué)報, 2013,50(31):15-25.

[30] 蘇海鋒, 梁志瑞. 基于峰谷電價的家用電動汽車居民小區(qū)有序充電控制方法[J]. 電力自動化設(shè)備, 2015, 35,43(6):17-22.

[31] 徐智威, 胡澤春, 宋永華,等. 基于動態(tài)分時電價的電動汽車充電站有序充電策略[J]. 中國電機(jī)工程學(xué)報, 2014, 34(22):3638-3646.

[32] 牛利勇, 張帝, 王曉峰,等. 基于自適應(yīng)變異粒子群算法的電動出租車充電引導(dǎo)[J]. 電網(wǎng)技術(shù), 2015, 39(1):63-68.

[33] 張齊東, 黃學(xué)良, 陳中,等. 電動汽車電池更換站集群充電控制策略研究[J]. 電工技術(shù)學(xué)報, 2015, 30(12):447-453.

[34] 孫偉卿, 王承民, 曾平良,等. 基于線性優(yōu)化的電動汽車換電站最優(yōu)充放電策略[J]. 電力系統(tǒng)自動化, 2014, 38(1):21-27.

[35] 劉文霞, 劉流, 趙天陽. 變電站區(qū)域充電樁接入控制模式及策略[J]. 電力系統(tǒng)自動化, 2013, 37(16):66-72.

[36] 張學(xué)清, 梁軍, 張利,等. 計及風(fēng)光電源的一種地區(qū)電網(wǎng)電動汽車充電調(diào)度方法[J]. 電工技術(shù)學(xué)報, 2013, 28(2):28-35.

[37] 李志偉, 趙書強(qiáng), 劉應(yīng)梅. 電動汽車分布式儲能控制策略及應(yīng)用[J]. 電網(wǎng)技術(shù), 2016,60(2):442-450.

A Review of Charge Scheduling for Electric Vehicles

Chen Yifan1, Liu Tingzhang1, Jin Yong2, Zhang Fei3, Liang Lixin2

(1. Key Laboratory for Power Station Automation Technology in Shanghai, Shanghai University, Shanghai 200072,China;2. Shanghai International Automobile City Co. Ltd., Shanghai 200072, China;3. Universal Car-sharing Leasing Co. Ltd., Shanghai 200072, China)

10.3969/j.issn.1000-3886.2017.03.009

TM73

A

1000-3886(2017)03-0026-04

定稿日期: 2016-10-23

上海張江國家自主創(chuàng)新示范區(qū)專項(xiàng)發(fā)展資金重點(diǎn)項(xiàng)目(201505-JD-E107-055)

陳一凡(1992-)，陜西人，碩士生。研究方向：充電設(shè)備故障診斷。 金勇(1972-)，男，陜西人，中級職稱，碩士，從事新能源汽車分時共享商業(yè)模式研究。 張菲(1982-)，女，上海人，工程師，本科，從事新能源汽車市場營銷研究。 梁立新(1982-)，男，河北人，工程師，碩士，從事新能源汽車產(chǎn)業(yè)研究。

劉廷章(1967-)，男，山西人，工學(xué)博士，博士生導(dǎo)師，主要研究方向：智能建筑節(jié)能控制，智能電網(wǎng)用戶側(cè)系統(tǒng)建模與控制，半導(dǎo)體照明，復(fù)雜系統(tǒng)建模、控制與軟測量。