劉校坤，車延博，劉國(guó)鑒，劉 堯，何 偉

（1．智能電網(wǎng)教育部重點(diǎn)實(shí)驗(yàn)室（天津大學(xué)），天津 3 00072；2．中國(guó)電力科學(xué)研究院，北京 1 00192；3．國(guó)網(wǎng)江西電力科學(xué)研究院，江西 南 昌 330096）

考慮出行規(guī)律的電動(dòng)汽車規(guī)?；瘏f(xié)調(diào)充電

劉校坤1，車延博1，劉國(guó)鑒1，劉 堯2，何 偉3

（1．智能電網(wǎng)教育部重點(diǎn)實(shí)驗(yàn)室（天津大學(xué)），天津 3 00072；2．中國(guó)電力科學(xué)研究院，北京 1 00192；3．國(guó)網(wǎng)江西電力科學(xué)研究院，江西 南 昌 330096）

針對(duì)電動(dòng)汽車規(guī)?；潆娯?fù)荷建模與優(yōu)化充電，建立了電動(dòng)汽車接入配電網(wǎng)的0-1整數(shù)規(guī)劃模型，采用擴(kuò)展微分進(jìn)化算法與分枝定界法相結(jié)合的方法進(jìn)行求解，得到電動(dòng)汽車規(guī)?；瘏f(xié)調(diào)充電控制策略；通過(guò)配電網(wǎng)仿真實(shí)驗(yàn)，證明該策略能夠?qū)崿F(xiàn)電動(dòng)汽車充電負(fù)荷的有效控制，實(shí)現(xiàn)“削峰填谷”的效果，降低配電網(wǎng)網(wǎng)損0.3%左右；考慮用戶接受協(xié)調(diào)充電政策的意愿，對(duì)協(xié)調(diào)充電政策的經(jīng)濟(jì)性進(jìn)行分析，結(jié)果表明將優(yōu)化充電政策推廣人群比例定于50-80%范圍內(nèi)經(jīng)濟(jì)性較好。

出行規(guī)律；指數(shù)模型；0-1整數(shù)規(guī)劃；政策經(jīng)濟(jì)性

當(dāng)前，世界各國(guó)都面臨著巨大的能源消耗與環(huán)境污染壓力，電動(dòng)汽車由于具有直接排放污染少、有利于消納新能源等優(yōu)點(diǎn)，受到各國(guó)政府、工業(yè)界以及科研機(jī)構(gòu)的關(guān)注[1-3]，未來(lái)將獲得大規(guī)模推廣與應(yīng)用。電動(dòng)汽車規(guī)?；瘧?yīng)用將會(huì)產(chǎn)生巨大的充電設(shè)施基礎(chǔ)建設(shè)需求，充電負(fù)荷的快速增加也將給電網(wǎng)帶來(lái)新的挑戰(zhàn)[4-8]。

電動(dòng)汽車充電負(fù)荷預(yù)測(cè)目前普遍采用的方法是結(jié)合居民用車調(diào)查數(shù)據(jù)及集中型充電站運(yùn)營(yíng)數(shù)據(jù)等進(jìn)行建模與分析[9-10]。文獻(xiàn)[11]結(jié)合美國(guó)居民出行調(diào)研統(tǒng)計(jì)數(shù)據(jù)，構(gòu)建了居民出行鏈模型，并結(jié)合蒙特卡洛模擬法建立了電動(dòng)汽車不同季節(jié)、不同工作日的充電負(fù)荷模型。文獻(xiàn)[12]則基于電動(dòng)汽車行駛與停放特性，研究了城市不同功能區(qū)的充電負(fù)荷預(yù)測(cè)模型。文獻(xiàn)[13]對(duì)北京奧運(yùn)電動(dòng)公交充電站的運(yùn)行情況進(jìn)行了統(tǒng)計(jì)與仿真分析，給出了充電站的車輛進(jìn)出站流量情況以及實(shí)測(cè)的電動(dòng)汽車充電功率數(shù)據(jù)。

電動(dòng)汽車無(wú)序充電不僅會(huì)惡化電網(wǎng)負(fù)荷曲線，協(xié)調(diào)優(yōu)化充電策略是當(dāng)前重要的研究課題[14-16]。文獻(xiàn)[17]在對(duì)區(qū)域電池充電負(fù)荷需求分析的基礎(chǔ)上，同時(shí)兼顧充電站建設(shè)成本與運(yùn)行成本，提出換電模式下郊區(qū)集中型充電站的建設(shè)方案。文獻(xiàn)[18]則提出一種綜合考慮路網(wǎng)結(jié)構(gòu)、車流信息、配電網(wǎng)結(jié)構(gòu)等因素的城市區(qū)域電動(dòng)汽車充電站規(guī)劃模型，同時(shí)考慮了用戶和電力公司雙方的利益需求。

文中首先對(duì)美國(guó)交通調(diào)查數(shù)據(jù)進(jìn)行詳細(xì)分析，提出簡(jiǎn)單、合理的居民出行規(guī)律模型；然后，建立了電動(dòng)汽車規(guī)模化接入配電網(wǎng)的協(xié)調(diào)充電模型并給出求解方法，最后結(jié)合某城區(qū)中壓配電網(wǎng)分析算例，給出電動(dòng)汽車協(xié)調(diào)充電政策經(jīng)濟(jì)性的分析結(jié)果。

1 電動(dòng)汽車充電負(fù)荷模型

在深入分析美國(guó)家庭出行調(diào)查數(shù)據(jù)（National NHTS）的基礎(chǔ)上，結(jié)合當(dāng)前研究成果，對(duì)影響電動(dòng)汽車汽車充電負(fù)荷的關(guān)鍵因素進(jìn)行分析，建立了更為簡(jiǎn)單、合理的電動(dòng)汽車充電負(fù)荷模型。

1.1 居民出行時(shí)間模型

美國(guó)家庭出行調(diào)查記錄了每個(gè)家庭的出行情況，總共65 535條記錄，包括每次出行的時(shí)間、里程、目的等，可以用于汽車的時(shí)間與空間分布規(guī)律研究。對(duì)居民每日行程結(jié)束時(shí)間調(diào)查記錄進(jìn)行了篩選，有效數(shù)據(jù)共計(jì)7 654條，采用MATLAB進(jìn)行其概率分布的正態(tài)分布擬合分析，結(jié)果如圖1所示。

圖1 居民每天行程結(jié)束時(shí)間的正態(tài)分布擬合

從圖1可以看出，正態(tài)分布能夠很好的擬合居民每日行程結(jié)束時(shí)間，將會(huì)對(duì)配電網(wǎng)中電動(dòng)汽車充電起始時(shí)間產(chǎn)生影響，擬合結(jié)果如式（1）所示。

其中，uend=17：05，σend=3.92 h

1.2 居民用車?yán)锍谭植家?guī)律

電動(dòng)汽車充電負(fù)荷與汽車行駛里程關(guān)系密切，對(duì)調(diào)查數(shù)據(jù)中的汽車行駛里程進(jìn)行篩選，有效數(shù)據(jù)共12 282條，圖2給出了汽車行駛里程的概率分布擬合結(jié)果。文中提出一種新的指數(shù)分布模型，圖2中同時(shí)給出文獻(xiàn)中常用的對(duì)數(shù)正態(tài)分布?？梢钥闯?，對(duì)數(shù)正態(tài)分布擬合在行車?yán)锍梯^小時(shí)誤差較大，而文中提出的指數(shù)分布擬合誤差更小。

圖2 居民用車?yán)锍谭植家?guī)律

式（2）和（3）分別給出了對(duì)數(shù)指數(shù)模型和指數(shù)模型的數(shù)學(xué)表達(dá)式，本文所提出的指數(shù)模型變量更少，形式更加簡(jiǎn)單。

其中，μmile=3.04，σmile=1.34；

其中，μmile=40.628 8。

2 電動(dòng)汽車協(xié)調(diào)充電優(yōu)化模型

電動(dòng)汽車充電負(fù)荷具有一定的可控性，通過(guò)合理調(diào)控，不僅能夠避免新的負(fù)荷峰值，而且能夠平滑負(fù)荷曲線；通過(guò)合理調(diào)節(jié)充電時(shí)間和充電功率，對(duì)電動(dòng)汽車負(fù)荷進(jìn)行控制，為高效地滿足電動(dòng)汽車充電需求提供控制手段。

根據(jù)研究，在一定的電動(dòng)汽車充電負(fù)荷情形下，配電網(wǎng)網(wǎng)損最小等價(jià)于系統(tǒng)負(fù)荷峰谷差最小[15]。電動(dòng)汽車充電優(yōu)化作用主要通過(guò)“填谷”實(shí)現(xiàn)，選擇的目標(biāo)函數(shù)為：最大化負(fù)荷曲線的最小值。對(duì)目標(biāo)函數(shù)進(jìn)行離散化處理，以每15 min為單位，將全天24小時(shí)劃分為96個(gè)時(shí)段，建立電動(dòng)汽車規(guī)?；瘏f(xié)調(diào)充電的0-1整數(shù)規(guī)劃模型，目標(biāo)函數(shù)為：

其中：

1）L（j）為基本日負(fù)荷曲線的離散化數(shù)值，j=1..96。

2）Sij為電動(dòng)汽車充電控制的開(kāi)關(guān)變量。Sij=1，電動(dòng)汽車i在時(shí)段j進(jìn)行充電；Sij=0，電動(dòng)汽車i在時(shí)段j不充電。N為該負(fù)荷接入點(diǎn)的電動(dòng)汽車總數(shù)量。

3）Pij為電動(dòng)汽車i在時(shí)段j時(shí)的充電功率。

電動(dòng)汽車充電模型需要滿足一定的約束條件，包括：

1）充電功率約束

電動(dòng)汽車充電過(guò)程可近似分為兩個(gè)階段：恒功率階段和功率線性下降階段。在充電后期，充電功率較小，對(duì)電網(wǎng)產(chǎn)生影響較小，本文采用恒功率充電模型。

2）充電時(shí)間約束

電動(dòng)汽車充電應(yīng)在汽車到達(dá)時(shí)或之后開(kāi)始，在汽車充電完成最后限制時(shí)間之前結(jié)束，

ti-Reach為汽車i的到達(dá)時(shí)間；ti-Leave為汽車i的離開(kāi)時(shí)間，最大值設(shè)定為次日6：00以滿足用戶的用車需求。離散化模型需將上述約束轉(zhuǎn)換為充電時(shí)段j的約束條件。

3）電池SOC約束

電動(dòng)汽車充電應(yīng)滿足用戶充電需求，同時(shí)避免電池過(guò)充，保證電池安全：

其中，EExpe-soc為用戶期望的電池電量，設(shè)定為0.9以上；EFull-soc為電池充滿的電池電量；η為充電機(jī)充電效率，一般為90%及以上；Δt=0.25 h為離散化時(shí)間段時(shí)長(zhǎng)。

3 電動(dòng)汽車協(xié)調(diào)充電優(yōu)化求解方法

0-1規(guī)劃常采用分枝定界法進(jìn)行求解。當(dāng)大量電動(dòng)汽車接入某負(fù)荷點(diǎn)時(shí)，優(yōu)化變量數(shù)量急劇增加，直接采用分枝定界法求解容易陷入局部最優(yōu)。為提高最優(yōu)解的全局搜索性，提出擴(kuò)展微分進(jìn)化算法與分枝定界法相結(jié)合的求解策略。微分進(jìn)化算法求解步驟如下：

1）初始化：設(shè)置進(jìn)化參數(shù)，包括種群規(guī)模N，交叉概率Pc，交叉因子F，進(jìn)化代數(shù)，自變量的上界及下界，采用隨機(jī)函數(shù)生成初始種群X（0）。

2）個(gè)體評(píng)價(jià)：計(jì)算每個(gè)個(gè)體的目標(biāo)函數(shù)，選出最優(yōu)解。

3）變異：對(duì)種群中的每個(gè)個(gè)體，采用三個(gè)不相同的隨機(jī)整數(shù)r1，r2，r3和jrand生成新個(gè)體，如果滿足條件：

4 算例研究

本文選擇日產(chǎn)聆風(fēng)（Leaf）作為研究車型，其電池類型為鋰電池，電池容量24 kW.h，巡航里程大于160公里；家庭充電方式為慢充，充電時(shí)間8小時(shí)左右，充電功率3.3 kW，充電效率為90%。以某城區(qū)11節(jié)點(diǎn)中壓配電網(wǎng)為例，研究電動(dòng)汽車規(guī)?；尤牒髮?duì)電網(wǎng)運(yùn)行的影響與協(xié)調(diào)充電優(yōu)化策略的效果。配電網(wǎng)結(jié)構(gòu)如圖3所示，電壓等級(jí)10 kV，參數(shù)如表1所示（基準(zhǔn)值：100 MVA，10 kV），表中負(fù)荷數(shù)據(jù)為典型日負(fù)荷曲線的平均值，全網(wǎng)有功負(fù)荷22.85 MW，無(wú)功負(fù)荷10.72 MVar。

圖3 某11節(jié)點(diǎn)中壓配電網(wǎng)結(jié)構(gòu)圖

表1 某城區(qū)11節(jié)點(diǎn)中壓配電網(wǎng)參數(shù)

圖4給出了節(jié)點(diǎn)5的典型日負(fù)荷曲線、200輛電動(dòng)汽車無(wú)序充電及協(xié)調(diào)優(yōu)化充電的負(fù)荷曲線?？梢钥闯?，經(jīng)過(guò)優(yōu)化，電動(dòng)汽車充電負(fù)荷基本分布在原負(fù)荷曲線“低谷”處，實(shí)現(xiàn)了填谷效果，同時(shí)避免了無(wú)序充電帶來(lái)的負(fù)荷尖峰。

圖4 負(fù)荷曲線優(yōu)化結(jié)果

為進(jìn)行優(yōu)化結(jié)果的經(jīng)濟(jì)效益分析，將圖4中的無(wú)序充電及協(xié)調(diào)優(yōu)化充電負(fù)荷離散化后的數(shù)據(jù)作為輸入，進(jìn)行配電網(wǎng)潮流計(jì)算與網(wǎng)損分析。配電網(wǎng)潮流計(jì)算方法采用前推回代法，計(jì)算結(jié)果如表2所示。

表2 配電網(wǎng)網(wǎng)損分析結(jié)果

從表2中可以看出，協(xié)調(diào)優(yōu)化充電比無(wú)序充電情形下每日網(wǎng)損減少1.37 MWh，網(wǎng)損率降低0.3%；假設(shè)電價(jià)為0.7元/kWh，則每年可減少網(wǎng)損成本35萬(wàn)元。

考慮用戶對(duì)政策的接受程度，研究了電網(wǎng)網(wǎng)損指標(biāo)隨用戶接受引導(dǎo)性充電政策意愿的變化情況，分析結(jié)果如圖5所示?？梢钥闯?，網(wǎng)損隨人們接受優(yōu)化充電政策程度的增長(zhǎng)而下降，初期基本呈線性關(guān)系，表明政策推行的社會(huì)效益較好，經(jīng)濟(jì)性較高；當(dāng)用戶接受政策的程度到達(dá)50%左右，曲線出現(xiàn)拐點(diǎn)，50%～80%期間增長(zhǎng)較為緩慢，表明政策推行后的社會(huì)效益不明顯，但仍然保持增長(zhǎng)。因此，為追求政策推行的“性價(jià)比”，將用戶的接受程度定于50%～80%范圍內(nèi)比較合適。

圖5 網(wǎng)損隨用戶對(duì)政策接受程度的變化趨勢(shì)

5 結(jié) 論

在居民出行調(diào)查數(shù)據(jù)的分析基礎(chǔ)之上，建立了電動(dòng)汽車接入配電網(wǎng)的0-1整數(shù)規(guī)劃模型，提出擴(kuò)展微分進(jìn)化算法與分枝定界法相結(jié)合的求解方法，得到了電動(dòng)汽車規(guī)?；膮f(xié)調(diào)充電策略，實(shí)現(xiàn)電動(dòng)汽車充電負(fù)荷“填谷”效果，避免了無(wú)序充電帶來(lái)的負(fù)荷尖峰，降低了配電網(wǎng)網(wǎng)損。最后，對(duì)政策實(shí)際推行過(guò)程中的經(jīng)濟(jì)性進(jìn)行了分析，將為電動(dòng)汽車協(xié)調(diào)充電政策的制定與評(píng)估提供理論借鑒。

[1]Alexander Schuller，Benjamin Dietz，Christoph M.Flath.ChargingStrategiesforBatteryElectric Vehicles：Economic Benchmark and V2G Potential，IEEE Transactions on Power Systems，2014，29（5）：2014-2022.

[2]王錫凡，邵成成，王秀麗.電動(dòng)汽車充電負(fù)荷與調(diào)度控制策略研究[J].中國(guó)電機(jī)工程學(xué)報(bào)，2013，33（1）：1-8.

[3]Mushfiqur R Sarker，Hrvoje Pandzic，Miguel A.Ortega-Vazquez.Optimal Operation and Services Scheduling for an Electric Vehicle Battery SwappingStation，IEEE Transactionson Power Systems，2015，30（2）：901-910.

[4]肖湘寧，溫劍鋒，陶順.電動(dòng)汽車充電基礎(chǔ)設(shè)施規(guī)劃中若干關(guān)鍵問(wèn)題的研究與建議[J].電工技術(shù)學(xué)報(bào)，2014，29（8）：2-10.

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

[6]M Gonzalez Vaya，G Andersso.Optimal bidding strategy of a plug-in electric vehicle aggregator in Day-Ahead Electricity Markets Under Uncertainty，IEEE Transactions on Power Systems，2015，30（5）：2375-2385.

[7]M A Azzouz，M F Shaaban，E F El-Saadany.Real-Time Optimal Voltage Regulation for Distribution Networks Incorporating High Penetration of PEVs，IEEE Transactions on Power Systems，2015，30（6）：3234-3245.

[8]P Sanchez-Martin，S Lumbreras，A Alberdi-Alen.Stochastic Programming Applied to EV Charging Points for Energy and Reserve Service Markets，IEEE Transactions on Power Systems，2016，31（1）：198-205.

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

[10]張洪財(cái)，胡澤春，宋永華.考慮時(shí)空分布的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)方法[J].電力系統(tǒng)自動(dòng)化，2014，38（1）：13-20.

[11]楊少兵，吳命利，姜久春.快換式電動(dòng)汽車充電站經(jīng)濟(jì)運(yùn)行優(yōu)化策略 [J].電網(wǎng)技術(shù)，2014，38（2）：335-340.

[12]宮鑫，林濤，蘇秉華.插電式混合電動(dòng)汽車充電對(duì)配電網(wǎng)的影響 [J].電網(wǎng)技術(shù)，2012，36（11）：30-35.

[13]顏湘武，恩日，海日.典型住宅小區(qū)接入電動(dòng)汽車的供電方式研究[J].電網(wǎng)技術(shù)，2014，38（4）：910-918.

[14]周念成，蒲松林，王強(qiáng)鋼.電動(dòng)汽車充電站在線監(jiān)測(cè)與分析評(píng)估系統(tǒng)[J].電力自動(dòng)化設(shè)備，2014，34（11）：14-21.

[15]劉文霞，徐曉波，周樨.基于支持向量機(jī)的純電動(dòng)公交車充/換電站日負(fù)荷預(yù)測(cè)[J].電力自動(dòng)化設(shè)備，2014，34（11）：41-34.

[16]李正爍，郭慶來(lái)，孫宏斌.計(jì)及電動(dòng)汽車充電預(yù)測(cè)的實(shí)時(shí)充電優(yōu)化方法[J].電力系統(tǒng)自動(dòng)化，2014，38（9）：61-68.

[17]高賜威，張亮，薛飛.集中型充電站容量規(guī)劃模型研究[J].中國(guó)電機(jī)工程學(xué)報(bào)，2012，32（31）：27-34.

[18]葛少云，馮亮，劉洪.考慮車流信息與配電網(wǎng)容量約束的充電站規(guī)劃[J].電網(wǎng)技術(shù)，2013，37（3）：582-589.

Coordinated charging strategies for large scale electric vehicle considering traveling mechanisms

LIU Xiao-kun1，CHE Yan-bo1，LIU Guo-jian1，LIU Yao2，HE Wei3
（1.Key Laboratory of Smart Grid of Ministry of Education（Tianjin University），Tianjin 300072，China；2.China Electric Power Research Institute，Beijing 100192，China；3.State Grid Jiangxi Electric Power Research Institute，Nanchang 330096，China）

In view of the electric vehicle charging load modeling and optimization，this paper builds a 0-1 integer programming model for large scale EV connected into the power system and solves the model with combined strategy of extended differential evolution algorithm and branch-bound method.The distribution network simulation results prove that the coordinated charging strategies can help to control the charging load demand and reduce the power losses by 0.3%.Considering the difficulties for promoting the coordinated charging policy，this paper proposes a method for economical analysis of the policy，which gives the economical promoting ratio about 50%to 80%of consumers.

traveling mechanisms；exponential model；0-1 integer programming；policy economy

TN011.91

：A

：1674－6236（2017）13-0028-04

2016-07-05稿件編號(hào)：201607038

國(guó)家電網(wǎng)公司科技項(xiàng)目（521820150007）；國(guó)家留學(xué)基金委資助項(xiàng)目（201506255062）

劉校坤（1991—），男，山東棗莊人，碩士研究生。研究方向：電力系統(tǒng)分析、新能源與電力系統(tǒng)、多電飛機(jī)電力系統(tǒng)。