王伊琳+張清勇+龔康

摘 要：隨著電動汽車技術(shù)的發(fā)展，V2G技術(shù)受到越來越多的關(guān)注，尤其是可靠性更高的集中式V2G技術(shù)。因此本文對集中式V2G的研究進(jìn)展進(jìn)行了總結(jié)，首先本文對國內(nèi)外電動汽車的發(fā)展趨勢進(jìn)行了調(diào)研，然后針對集中式V2G技術(shù)的優(yōu)化調(diào)度問題，分優(yōu)化目標(biāo)、電動汽車建模、模型求解三個部分進(jìn)行了分析，最后對集中式V2G發(fā)展進(jìn)行了展望。

關(guān)鍵詞：電動汽車；V2G；綜述

DOI：10.16640/j.cnki.37-1222/t.2017.18.009

1 引言

隨著化石能源短缺的日益加劇以及城市環(huán)境污染問題的日益嚴(yán)重，具有高效率、無污染、低噪音等特點(diǎn)的電動汽車逐漸得到關(guān)注和認(rèn)可，被認(rèn)為將取代傳統(tǒng)汽車，成為未來的主要交通工具之一[1]。電動汽車大規(guī)模入網(wǎng)會給電網(wǎng)帶來兩個方面的影響：一是未經(jīng)引導(dǎo)的電動汽車充電負(fù)荷可能會產(chǎn)生新的負(fù)荷高峰，給電網(wǎng)的運(yùn)營帶來挑戰(zhàn)[2]；二是電動汽車的空閑時間較長，尤其是私家車，擁有大容量電池的電動汽車就可以作為電網(wǎng)的分布式的儲能裝置，可以用于電網(wǎng)負(fù)荷的削峰填谷、提高供電質(zhì)量、解決新能源發(fā)電的隨機(jī)性和間歇性問題。

V2G技術(shù)是指通過電價等激勵手段引導(dǎo)電動汽車在電網(wǎng)有功率缺額時放電、在電網(wǎng)功率過剩時候充電，實(shí)現(xiàn)電動汽車與電網(wǎng)的互動[3]。一方面，V2G技術(shù)給電網(wǎng)提供了更靈活、更具有經(jīng)濟(jì)性的儲能方式，給電網(wǎng)解決新能源并網(wǎng)、電網(wǎng)經(jīng)濟(jì)調(diào)度提供了新的解決方案；另一方面，V2G技術(shù)也使得電動汽車主可以通過激勵政策獲得一定收益，充分的利用閑置資源，分擔(dān)購車壓力。

自1995年Amory Lovins提出V2G這個概念以來，V2G技術(shù)獲得了廣泛的關(guān)注，研究者們針對V2G技術(shù)的優(yōu)化調(diào)度、經(jīng)濟(jì)性論證[4，5]等關(guān)鍵問題進(jìn)行了深入的研究，已經(jīng)取得了一定的成果。目前V2G的主要實(shí)現(xiàn)方式分為集中式V2G、分布式V2G和換電式V2G。集中式V2G是指某一區(qū)域的電動汽車集中在一個充電站中，根據(jù)電網(wǎng)的指令進(jìn)行統(tǒng)一調(diào)度，充電站一般作為中間代理環(huán)節(jié)；分布式V2G是指電動汽車通過分散的充電樁進(jìn)行充電，電動汽車根據(jù)電價等激勵措施自主進(jìn)行充放電；換電式V2G是指基于電動汽車換電模式的V2G，利用電動汽車換電站內(nèi)用于更換的電池進(jìn)行V2G。分布式V2G由電動汽車自主響應(yīng)電網(wǎng)的激勵政策，隨機(jī)性較大，且有形成反高峰的可能[6]，難以達(dá)到最佳效果；換電式V2G則依托電動汽車換電站，一方面電動汽車換電模式的發(fā)展還存在著電池型號不統(tǒng)一等許多障礙[3]，另一方面，建立換電站需要有較多的電池冗余，成本相對于建充電站更高?？偟膩碚f，集中式V2G是目前較為可靠，投入成本相對較低，發(fā)展更為容易的V2G方式，因此，集中式V2G也得到更多學(xué)者的關(guān)注。

本文在調(diào)研大量文獻(xiàn)之后，對電動汽車集中式V2G技術(shù)的研究進(jìn)展進(jìn)行了概述。論文主要討論了電動汽車的發(fā)展趨勢，集中式V2G優(yōu)化調(diào)度過程中的目標(biāo)函數(shù)確定、電動汽車建模、優(yōu)化模型求解等幾個問題。

2 電動汽車的發(fā)展趨勢

考慮到電動汽車用戶對汽車使用的隨機(jī)性，只有當(dāng)電網(wǎng)中的電動汽車達(dá)到一定比例以后才能為電網(wǎng)提供較為穩(wěn)定且足夠大的儲能容量，才能在電網(wǎng)的削峰填谷、改善新能源并網(wǎng)特性等應(yīng)用場合產(chǎn)生經(jīng)濟(jì)效益，補(bǔ)償電動汽車充電站的建設(shè)成本等前期投資。電動汽車的規(guī)模決定了電動汽車對電網(wǎng)的影響能力，也決定了V2G技術(shù)的可靠性與經(jīng)濟(jì)性。因此，電動汽車的發(fā)展趨勢決定了V2G技術(shù)的應(yīng)用前景。

在美國，汽車的二氧化碳排放量占到全國總排放量的17%，因此發(fā)展電動汽車一直是美國政府的重要政策。美國政府在電動汽車的購置、上牌、充電等方面都給與了政策支持[7]。美國能源部2016 年能源展望報告數(shù)據(jù)顯示，2014年美國純電動汽車的銷量就達(dá)9.4 萬輛。經(jīng)預(yù)計，到2030年，美國電動汽車的總數(shù)量將達(dá)到5000萬輛[8]。

日本的電動汽車研究一直處于技術(shù)領(lǐng)先的地位，這得益于日本雄厚的汽車技術(shù)的基礎(chǔ)和政府的高額補(bǔ)貼政策。日本對電動汽車電池的研究投入了大量的資金，從而在日本形成了全球最大的高性能電動汽車動力電池產(chǎn)業(yè)聯(lián)盟。另外，日本還大量投資電動汽車的充電設(shè)施建設(shè)，計劃于2020年前，建成電動汽車充電樁的數(shù)量達(dá)到200萬個[9]。

歐盟于2010年正式發(fā)布了清潔節(jié)能汽車領(lǐng)域的戰(zhàn)略發(fā)展計劃，歐洲各國積極響應(yīng)。德國政府計劃使德國的電動汽車在2020年達(dá)到100萬輛[10]，并且投入大量資金用于支持電動汽車的研發(fā)和電動汽車充電樁的建設(shè)；法國是歐洲電動汽車發(fā)展最為迅速的一個國家，其給予電動汽車“新車購置金”的補(bǔ)貼政策使得電動汽車的銷售份額迅速的超過了傳統(tǒng)汽車；英國則通過收取汽車二氧化碳排放稅的方式來促進(jìn)電動汽車的發(fā)展。

我國的電動汽車產(chǎn)業(yè)與國外發(fā)達(dá)國家相比起步較晚，但是發(fā)展勢頭卻十分迅猛，我國從2015年起電動汽車的產(chǎn)銷量就居于世界第一位，2016年的電動汽車產(chǎn)銷量超過了50萬輛[11]。根據(jù)我國電動汽車“十三五”發(fā)展規(guī)劃，到2020年，我國要建立起完善的研發(fā)系統(tǒng)和產(chǎn)業(yè)鏈，實(shí)現(xiàn)電動汽車的產(chǎn)業(yè)化。經(jīng)預(yù)計，到2030年，我國的電動汽車總量將達(dá)到6000萬輛[12]。

3 集中式V2G技術(shù)的優(yōu)化調(diào)度

集中式V2G的優(yōu)勢在于能夠集中電動汽車進(jìn)行統(tǒng)一調(diào)度，從而達(dá)到整體效益的最優(yōu)，因此集中式V2G的核心內(nèi)容就是電動汽車的優(yōu)化調(diào)度。但是電動汽車的優(yōu)化調(diào)度需要協(xié)同考慮電網(wǎng)的功率需求和入網(wǎng)電動汽車在時間和可用容量上的隨機(jī)性，因此電動汽車的優(yōu)化調(diào)度也是集中式V2G的技術(shù)難點(diǎn)。下面分優(yōu)化目標(biāo)、優(yōu)化方法、電動汽車參與V2G的響應(yīng)模型來進(jìn)行分析。

3.1 優(yōu)化目標(biāo)

集中式V2G的優(yōu)化目標(biāo)是投資者們關(guān)心的利益產(chǎn)出，決定了其在經(jīng)濟(jì)效益和環(huán)境效益上的可行性。學(xué)者們針對電動汽車在新能源并網(wǎng)、配網(wǎng)負(fù)荷削峰填谷、與發(fā)電機(jī)組的聯(lián)合調(diào)度、調(diào)頻等應(yīng)用場景進(jìn)行了研究，分別以新能源利用率最高[13]、負(fù)荷平滑度[14]、電網(wǎng)發(fā)電成本最低[15]、CO2排放量最低[16]、電動汽車主收益最高[13]為優(yōu)化目標(biāo)進(jìn)行了研究。endprint

由于集中式V2G的調(diào)度往往涉及到多個參與方的利益博弈，因此V2G的優(yōu)化調(diào)度往往需要處理多目標(biāo)優(yōu)化的問題。文獻(xiàn)[17]中提出了分層的優(yōu)化思路，分調(diào)度中心和各代理機(jī)構(gòu)兩層進(jìn)行優(yōu)化，分別考慮電網(wǎng)與車主的利益。文獻(xiàn)[13]則提出了分步的優(yōu)化思路，首先考慮新能源的消納和負(fù)荷方差得到電動汽車的初步調(diào)度結(jié)果，再考慮發(fā)電成本進(jìn)行進(jìn)一步優(yōu)化。而文獻(xiàn)[15]則采用多目標(biāo)遺傳算法和加權(quán)法相結(jié)合的思路同時對多個目標(biāo)進(jìn)行優(yōu)化。

3.2 電動汽車的建模

電動汽車是V2G的主體，因此對電動汽車的合理建模是優(yōu)化調(diào)度的重要內(nèi)容，只有準(zhǔn)確的建模才能正確模擬出電網(wǎng)中電動車的可用時間和電池的可用容量。電動汽車的建模主要包括兩個內(nèi)容，一個是電動汽車的駕駛特性，即電動汽車的出行時間特性和行駛距離的分布特性，另一個是電動汽車對V2G的參與程度。

對于電動汽車的駕駛特性的建模，目前已經(jīng)有較多的研究。文獻(xiàn)[18]根據(jù)美國私家汽車出行規(guī)律調(diào)研的數(shù)據(jù)得到了汽車的出行時間和行駛里程的正態(tài)分布模型，再根據(jù)蒙特卡洛模擬的方法得到仿真用的調(diào)度數(shù)據(jù)。文獻(xiàn)[19]則根據(jù)電動汽車每日的行程數(shù)對電動汽車進(jìn)行分類，先統(tǒng)計各類行程出現(xiàn)的概率，再對每類日行程的各個行程的時空特性、駕駛距離等進(jìn)行統(tǒng)計建模。文獻(xiàn)[20]則根據(jù)電動汽車的用途，將電動汽車分為了Home-Based-Work、Home-Based-Other和Non-Home-Based三種類型，分別統(tǒng)計這三類汽車的比例以及出行時間和駕駛距離的分布概率，該文獻(xiàn)還進(jìn)一步根據(jù)電動汽車的類型討論了電動汽車電池容量的概率分布情況以及每公里行駛耗能的概率分布情況，從而更精確的對電動汽車的駕駛特性進(jìn)行了描述。

電動汽車對V2G激勵政策的響應(yīng)程度關(guān)系到電動汽車主的經(jīng)濟(jì)行為習(xí)慣、電動汽車的成本以及激勵政策的力度，是一個比較復(fù)雜的問題。文獻(xiàn)[21]中采用了三段線性函數(shù)來描述電動汽車主參加V2G的比例隨充放電價格差變化的關(guān)系；文獻(xiàn)[20]則對該模型進(jìn)行了改進(jìn)，采用凹函數(shù)描述電動汽車的參與度與電價的關(guān)系，并且考慮放電帶來的額外電池?fù)p耗，對在充電和反放電采用不同的特性曲線。文獻(xiàn)[13]則采用價格系數(shù)彈性矩陣來描述電動汽車對電價的響應(yīng)情況，該方法的優(yōu)勢在于可以同時考慮當(dāng)前電價以及其他時刻電價的變化對電動汽車主的影響。這類方法都試圖將電動汽車主的響應(yīng)程度與電價直接關(guān)聯(lián)起來，但是車主往往難以根據(jù)電價估算自身獲益，而且還有一些其他非利益因素需要考慮，因此難以準(zhǔn)確地描述電動汽車的參與度。文獻(xiàn)[22]則采用了條件風(fēng)險價值（CVaR）來衡量電動汽車主在參與V2G過程中的風(fēng)險與價值，讓電動汽車住根據(jù)一定置信水平下的收益來做出決定，該方法的優(yōu)點(diǎn)在于能夠充分考慮電動汽車主的心理因素以及收益上的不確定性。

3.3 優(yōu)化方法

由于集中式V2G最優(yōu)調(diào)度方案的求解往往需要處理復(fù)雜的約束條件、多個待優(yōu)化量，所以選擇合適的求解方法十分重要。目前，主要使用的是智能算法，其在處理這類非線性問題上具有計算效率高、約束條件寬松等優(yōu)勢，遺傳算法[23]、離散細(xì)菌群體趨藥性算法[16]等智能算法都得到了應(yīng)用。然而智能算法在處理復(fù)雜的非線性問題時往往有早熟問題，容易陷入局部最優(yōu)，求解結(jié)果不精確，文獻(xiàn)[24]則在粒子群算法的基礎(chǔ)上引入了選擇機(jī)制和交叉機(jī)制，改進(jìn)其搜索能力。文獻(xiàn)[25]則使用了粒子群-退火混合算法 ，從而同時發(fā)揮這兩種算法的優(yōu)勢。

還有一些文獻(xiàn)則使用了其他方法，文獻(xiàn)[26]采用了拉格朗日松弛法來求解電動汽車的最優(yōu)調(diào)度方案，利用對偶因子將約束條件解耦，從而將待優(yōu)化量分解，有效的減少了計算時間。文獻(xiàn)[18]則使用優(yōu)先順序法，將多時段的優(yōu)化問題分解到各時段分別求解，計算過程更為簡單，效率更高。

4 總結(jié)與展望

目前，電動汽車集中式V2G技術(shù)的經(jīng)濟(jì)性和改善電網(wǎng)特性的能力已經(jīng)得到了較多的理論驗(yàn)證，一些機(jī)構(gòu)也正著手開展實(shí)體項(xiàng)目來論證其可行性。相信隨著電動汽車規(guī)模的發(fā)展、動力電池性能的提升，集中式V2G的可靠性會進(jìn)一步提升、電動汽車參與V2G的成本會進(jìn)一步降低，集中式V2G技術(shù)會逐步走向商業(yè)化的道路。

參考文獻(xiàn)：

[1]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（04）：1-10.

[2]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（02）：121-127.

[3]Hadley S W，Tsvetkova A A.Potential Impacts of Plug-in Hybrid Electric Vehicles on Regional Power Generation[J]. Electricity Journal，2009，22（10）：56-68.

[4]Kempton W，Kubo T.Electric-drive vehicles for peak power in Japan[J].Energy Policy，2000，28（01）：9-18.

[5]Kempton W，Tomi? J.Vehicle-to-grid power fundamentals： Calculating capacity and net revenue[J].Journal of Power Sources，2005，144（01）：268-279.

[6]Shafiq S，Al-Awami A T.Reliability and economic assessment of renewable micro-grid with V2G electric vehicles coordination[C].Applied Electrical Engineering and Computing Technologies.IEEE，2015.endprint

[7]杜志彬，莊恒國.美國電動汽車激勵政策簡析[J].汽車工程師， 2016（10）：14-16.

[8]Ota Y，Taniguchi H，Nakajima T，et al.An autonomous distributed vehicle-to-grid control of grid-connected electric vehicle[C].International Conference on Industrial and Information Systems，2009：414-418.

[9]吳翠玉，張美霞，陳海燕等.國內(nèi)外電動汽車扶持政策比較與分析[J].上海電力學(xué)院學(xué)報，2016，32（02）：188-192.

[10]夏德建.電動汽車研究綜述[J].能源技術(shù)經(jīng)濟(jì)，2010，22（07）：49-55.

[11]蔡仲旺，王廣鳳.我國電動汽車產(chǎn)業(yè)現(xiàn)狀與發(fā)展策略研究[J]. 現(xiàn)代經(jīng)濟(jì)信息，2016（01）：351-352.

[12]楊玉青，蘇粟，姜久春等.改善配電網(wǎng)負(fù)荷特性的充電站有序充電優(yōu)化策略[J].電力系統(tǒng)保護(hù)與控制，2014，42（07）：60-66.

[13]孫波，孫佳佳，董浩.基于分時充電電價的電動汽車消納風(fēng)電的機(jī)組調(diào)度優(yōu)化模型[J].可再生能源，2017（01）：110-118.

[14]侯建朝，胡群豐，譚忠富.計及需求響應(yīng)的風(fēng)電-電動汽車協(xié)同調(diào)度多目標(biāo)優(yōu)化模型[J].電力自動化設(shè)備，2016，36（07）：22-27.

[15]劉東奇，王耀南，袁小芳.電動汽車充放電與風(fēng)力/火力發(fā)電系統(tǒng)的協(xié)同優(yōu)化運(yùn)行[J].電工技術(shù)學(xué)報，2017，32（03）：18-26.

[16]盧志剛，姜春光，李學(xué)平等.清潔能源與電動汽車充電站協(xié)調(diào)投資的低碳效益分析[J].電工技術(shù)學(xué)報，2016，31（19）：163-171.

[17]姚偉鋒，趙俊華，文福拴等.基于雙層優(yōu)化的電動汽車充放電調(diào)度策略[J].電力系統(tǒng)自動化，2012，36（11）：30-37.

[18]吳紅斌，侯小凡，趙波等.計及可入網(wǎng)電動汽車的微網(wǎng)系統(tǒng)經(jīng)濟(jì)調(diào)度[J].電力系統(tǒng)自動化，2014，38（09）：77-84.

[19]李明洋，鄒斌.電動汽車充放電決策模型及電價的影響分析[J]. 電力系統(tǒng)自動化，2015（15）：75-81.

[20]王明深，穆云飛，賈宏杰等.考慮用戶出行時間和補(bǔ)償價格的電動汽車集群響應(yīng)能力評估模型[J].華北電力技術(shù)，2017（03）：23-31.

[21]佟晶晶，溫俊強(qiáng)，王丹等.基于分時電價的電動汽車多目標(biāo)優(yōu)化充電策略[J].電力系統(tǒng)保護(hù)與控制，2016，44（01）：17-23.

[22]楊曉東，張有兵，趙波等.供需兩側(cè)協(xié)同優(yōu)化的電動汽車充放電自動需求響應(yīng)方法[J].中國電機(jī)工程學(xué)報，2017，37（01）：120-129.

[23]潘樟惠，高賜威.基于需求響應(yīng)的電動汽車經(jīng)濟(jì)調(diào)度[J].電力建設(shè)，2015，36（07）：139-145.

[24]魏大鈞，張承慧，孫波等.基于分時電價的電動汽車充放電多目標(biāo)優(yōu)化調(diào)度[J].電網(wǎng)技術(shù)，2014，38（11）：2972-2977.

[25]李博彤，唐鍇.計及電動汽車儲能特性的微電網(wǎng)規(guī)劃模型與算法[J].電力建設(shè)，2017，38（02）：60-65.

[26]邵成成，王錫凡，王秀麗.發(fā)電成本最小化的電動汽車分布式充放電控制[J].電力自動化設(shè)備，2014，34（11）：22-26.

作者簡介：王伊琳（1990-），女，碩士，助理實(shí)驗(yàn)師，研究方向：電動汽車、儲能技術(shù)。endprint