宋汶秦， 靳攀潤(rùn)， 孫亞璐， 徐慧慧， 蘇 舒

(1. 國(guó)網(wǎng)甘肅省電力公司經(jīng)濟(jì)技術(shù)研究院， 甘肅 蘭州 730050；2. 強(qiáng)電磁工程與新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室， 華中科技大學(xué)， 湖北 武漢 430074)

1 引言

電動(dòng)汽車的推廣和普及有助于緩解化石能源危機(jī)，減輕環(huán)境污染[1-3]。隨著電動(dòng)汽車滲透率的逐步提高，用戶的充電需求也將不斷增大?？焖俪潆娮鳛橐环N重要的充電方式能夠在短時(shí)間內(nèi)滿足用戶急迫的充電需求，是未來(lái)充電技術(shù)發(fā)展的重要方向。對(duì)于電動(dòng)汽車用戶而言，充電導(dǎo)航功能能夠極大地提升其充電體驗(yàn)，完善的充電導(dǎo)航系統(tǒng)應(yīng)兼顧交通狀況和電網(wǎng)潮流狀態(tài)，考慮用戶的充電時(shí)間和充電成本，為用戶制定人性化的充電方案[4,5]。電動(dòng)汽車作為交通工具和電力負(fù)荷將同時(shí)作用于交通系統(tǒng)和電力系統(tǒng)，為了弱化電動(dòng)汽車充電所帶來(lái)的不利影響，需要對(duì)電動(dòng)汽車用戶的充電行為進(jìn)行引導(dǎo)，從而實(shí)現(xiàn)有序充電[6-8]。

對(duì)于集群化的電動(dòng)汽車的充電負(fù)荷分析，現(xiàn)有的充電負(fù)荷確定方法主要包括基于出行需求的分析法[9,10]和基于充電站的充電負(fù)荷分析法[11]。文獻(xiàn)[12]將家用車輛出行目的分為五大類，構(gòu)建簡(jiǎn)單和復(fù)雜出行鏈，提出了基于電動(dòng)汽車行駛出行鏈的考慮充電頻率的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)方法。文獻(xiàn)[13]提出了考慮電動(dòng)汽車多日一充模式時(shí)的負(fù)荷建模方法，該方法能夠提高充電負(fù)荷特性分析的準(zhǔn)確性。文獻(xiàn)[14]借鑒汽車加油統(tǒng)計(jì)規(guī)律建立了單臺(tái)電動(dòng)汽車功率需求的統(tǒng)計(jì)模型，并借助統(tǒng)計(jì)學(xué)原理分析了多臺(tái)電動(dòng)汽車同時(shí)充電的最大負(fù)荷功率。文獻(xiàn)[15]通過(guò)分析充電站的進(jìn)站車輛流量對(duì)充電負(fù)荷的影響，提出了描述充電站負(fù)荷的數(shù)學(xué)模型和動(dòng)態(tài)仿真方法。

在有序充電控制策略方面，文獻(xiàn)[16]總結(jié)了充電調(diào)度控制的效益，并綜述了充電控制策略領(lǐng)域的一些研究成果。目前的相關(guān)研究中，有序充電的控制目標(biāo)主要包括減小峰谷差、減少網(wǎng)損、抑制電壓偏移等，文獻(xiàn)[17]介紹了以削峰填谷、有功調(diào)頻調(diào)峰、電壓無(wú)功控制等作為控制功能的充電控制策略。文獻(xiàn)[18]提出了一種配電變壓器層面上的vTOU-DP策略，在減小峰谷差方面效果明顯；文獻(xiàn)[19]提出了一種以等效負(fù)荷曲線方差最小為目標(biāo)的有序充電調(diào)度策略，有效提高了負(fù)荷率；文獻(xiàn)[20]提出了一種基于配電系統(tǒng)網(wǎng)損最小的有序充電控制策略；文獻(xiàn)[21]從安全性和經(jīng)濟(jì)性兩方面出發(fā)，同時(shí)以最小化配電網(wǎng)功率損耗和減小電網(wǎng)等效負(fù)荷峰谷差為目標(biāo)，建立了各個(gè)節(jié)點(diǎn)上電動(dòng)汽車的最優(yōu)充電調(diào)度策略。

在考慮電網(wǎng)側(cè)的充電導(dǎo)航系統(tǒng)方面，文獻(xiàn)[22]提出了基于實(shí)時(shí)電價(jià)的智能充電導(dǎo)航系統(tǒng)，該系統(tǒng)能夠?yàn)橛脩籼峁r(shí)間最優(yōu)、成本最優(yōu)、綜合最優(yōu)三種充電策略，通過(guò)該系統(tǒng)能夠有效降低用戶的充電成本，同時(shí)改善配電系統(tǒng)電壓水平；文獻(xiàn)[23]提出了一種考慮實(shí)時(shí)交通狀況和電網(wǎng)運(yùn)行狀態(tài)的快速充電導(dǎo)航策略，計(jì)及行駛時(shí)間、等待時(shí)間和充電時(shí)間，基于用戶充電總時(shí)間最短的原則，為用戶提供充電位置導(dǎo)航，仿真結(jié)果顯示，該策略能夠減少用戶的充電總時(shí)間。

綜上所述，現(xiàn)有的相關(guān)研究在不同場(chǎng)景下的有序充電引導(dǎo)控制手段方面已經(jīng)獲得了豐富的研究成果，這為本文的相關(guān)研究打下了堅(jiān)實(shí)的理論基礎(chǔ)。但是，目前有序充電控制策略研究的控制對(duì)象主要是慢充用戶，研究中涉及的優(yōu)化策略大多是基于集群效應(yīng)，沒(méi)有具體到每一臺(tái)電動(dòng)汽車的充電行為，而且也鮮有空間尺度上的有序充電控制的相關(guān)研究。所以，這些研究基礎(chǔ)并不能直接套用到快充用戶的有序充電策略當(dāng)中。

為此，本文首先提出了電動(dòng)汽車充電導(dǎo)航系統(tǒng)架構(gòu)，該系統(tǒng)綜合了用戶側(cè)、電網(wǎng)側(cè)和交通側(cè)三個(gè)方面。對(duì)于用戶側(cè)，本文對(duì)電動(dòng)汽車用戶的充電位置選擇標(biāo)準(zhǔn)進(jìn)行了分類，對(duì)于不同類型的用戶，在進(jìn)行充電位置的選擇時(shí)應(yīng)當(dāng)考慮距離、時(shí)間、成本等不同的屬性；對(duì)于電網(wǎng)側(cè)，本文分析了快充站所在節(jié)點(diǎn)的配電系統(tǒng)電壓可承受度，該指標(biāo)將影響充電站內(nèi)充電樁的充電功率，并將進(jìn)一步影響用戶的充電時(shí)間；對(duì)于交通側(cè)，本文分析了充電導(dǎo)航過(guò)程中的最優(yōu)路徑規(guī)劃方法，結(jié)合交通側(cè)和電網(wǎng)側(cè)提供的信息，用戶能夠借助充電導(dǎo)航系統(tǒng)車載終端按照不同的選擇標(biāo)準(zhǔn)進(jìn)行充電導(dǎo)航。最后，通過(guò)基于IEEE33節(jié)點(diǎn)配電系統(tǒng)的仿真算例，對(duì)比分析I類用戶和II類用戶的充電導(dǎo)航結(jié)果，說(shuō)明了本文所提出的基于電動(dòng)汽車充電導(dǎo)航的快充負(fù)荷有序接入策略的有效性。

2 電動(dòng)汽車充電導(dǎo)航系統(tǒng)

目前已經(jīng)廣泛應(yīng)用的車輛導(dǎo)航系統(tǒng)只考慮交通狀況，在車主設(shè)定目的地后，為其提供最短方案或最快方案。隨著未來(lái)電動(dòng)汽車的普及，快速充電的需求將不斷增長(zhǎng)，在大規(guī)模無(wú)序快充負(fù)荷接入的場(chǎng)景下，現(xiàn)有的車輛導(dǎo)航系統(tǒng)不僅不能緩解電網(wǎng)的負(fù)荷接入壓力，而且不能為用戶提供更優(yōu)質(zhì)的導(dǎo)航結(jié)果。因此，針對(duì)電動(dòng)汽車的充電導(dǎo)航系統(tǒng)應(yīng)該考慮電網(wǎng)的運(yùn)行狀態(tài)。完整的電動(dòng)汽車充電導(dǎo)航系統(tǒng)如圖1所示。該系統(tǒng)包含三個(gè)部分：

(1)用戶部分，包括EV車主和充電導(dǎo)航系統(tǒng)車載終端。

(2)電網(wǎng)部分，包括配電管理系統(tǒng)(Distribution Management System, DMS)和快充站。

(3)交通部分，包括智能交通系統(tǒng)(Intelligent Transportation Systems, ITS)。

圖1 電動(dòng)汽車充電導(dǎo)航系統(tǒng)的構(gòu)成及數(shù)據(jù)流Fig.1 Architecture of smart charging navigation

隨著ITS的發(fā)展，用戶能夠獲取更豐富的交通信息，在ITS和DMS的基礎(chǔ)上，構(gòu)建電動(dòng)汽車充電導(dǎo)航系統(tǒng)，能夠?yàn)橛脩籼峁└鼮槿诵曰某潆婓w驗(yàn)。通過(guò)充電導(dǎo)航系統(tǒng)車載終端，用戶能夠結(jié)合ITS提供的交通路況、DMS和快充站提供的預(yù)期充電功率，考慮自身的充電需求，進(jìn)行充電方案選擇和充電路徑導(dǎo)航。

結(jié)合充電導(dǎo)航系統(tǒng)的數(shù)據(jù)流，用戶采用“預(yù)約式充電+消費(fèi)一體化”服務(wù)，完整過(guò)程如下：首先，由DMS根據(jù)配電系統(tǒng)當(dāng)前的負(fù)荷水平向快充站發(fā)布其所在節(jié)點(diǎn)的可接入負(fù)荷容量(本文將其定義為可承受度)；快充站以避免用戶排隊(duì)等待為原則，充分利用已有的充電樁，在可承受度的基礎(chǔ)上為各個(gè)充電樁分配充電功率，并向ITS發(fā)布其預(yù)期充電功率；ITS整合快充站的功率信息和交通信息，發(fā)布至充電導(dǎo)航系統(tǒng)車載終端；EV用戶借助充電導(dǎo)航系統(tǒng)車載終端，獲取可行的充電導(dǎo)航方案，并從中挑選符合自身需求的最佳方案。

綜上所述，EV充電導(dǎo)航策略的關(guān)鍵問(wèn)題包括以下三個(gè)方面：

(1)從用戶部分考慮，為了滿足用戶的多樣化充電需求，應(yīng)充分分析用戶的充電位置選擇傾向，從而為不同類型的用戶提供人性化的充電導(dǎo)航方案。

(2)從電網(wǎng)部分考慮，為了弱化規(guī)?；斐鋵?duì)配電系統(tǒng)產(chǎn)生的不利影響，應(yīng)對(duì)配電系統(tǒng)的不同節(jié)點(diǎn)在不同時(shí)間內(nèi)可接入負(fù)荷的能力進(jìn)行分析，并研究考慮配電系統(tǒng)可接入負(fù)荷容量的充電站內(nèi)充電樁的充電功率調(diào)節(jié)方法。

(3)從交通部分考慮，應(yīng)研究合適的最優(yōu)路徑規(guī)劃方法，為用戶提供不同屬性下最佳的充電導(dǎo)航路徑。

本文將對(duì)上述三方面的問(wèn)題展開(kāi)分析。

3 基于電動(dòng)汽車充電導(dǎo)航的快充負(fù)荷有序接入引導(dǎo)方法

3.1 電動(dòng)汽車快充用戶充電位置選擇標(biāo)準(zhǔn)分類

對(duì)于不同的EV用戶而言，其充電行為不盡相同。對(duì)EV用戶的行為分析主要包括用戶的充電開(kāi)始時(shí)間選擇分析、充電位置選擇分析兩方面。由于快充用戶的特殊性，在不考慮排隊(duì)等待時(shí)，用戶會(huì)在到達(dá)快充站的第一時(shí)間進(jìn)行充電，以解決急迫的快充需求，因此，充電時(shí)間是剛性的，充電開(kāi)始時(shí)間一般不能改變。本節(jié)主要對(duì)用戶充電位置的選擇標(biāo)準(zhǔn)進(jìn)行分析。

假設(shè)用戶都是理性的，電動(dòng)汽車用戶在產(chǎn)生快充需求之后，在車輛剩余荷電狀態(tài)(SOC)可達(dá)的前提下，其對(duì)充電站的選擇傾向大致可以分為以下幾類：

(1)I類用戶，在不能接入ITS的前提下，不能獲取實(shí)時(shí)路況，選擇最近的快充站。

(2)II類用戶，在能夠接入ITS的前提下，選擇最快完成充電過(guò)程的充電站。

(3)III類用戶，在能夠接入ITS的前提下，同時(shí)考慮充電總時(shí)間和充電總成本，綜合判斷來(lái)選擇充電站。

充電總時(shí)間的構(gòu)成如式(1)所示：

Td=Ta+Tq+Tc+Te

(1)

式中，Td為充電總時(shí)間(h)；Ta為到站時(shí)間，即行駛到充電站所耗費(fèi)的時(shí)間(h)；Tq為排隊(duì)時(shí)間(h)；Tc為充電時(shí)間，即從開(kāi)始充電到充電完畢所耗費(fèi)的時(shí)間(h)；Te為離站時(shí)間，即從充電站行駛到目的地所耗費(fèi)的時(shí)間(h)。

充電總成本的構(gòu)成如式(2)所示：

Cd=Ca+Cs+Ce=Ct+Cc+Cs+Ce

(2)

式中，Cd為充電總成本(元)；Ca為到站充電成本(元)，即考慮車輛行駛過(guò)程中的電量消耗，在車輛到達(dá)相應(yīng)充電站后充電時(shí)的充電成本；Cs為充電服務(wù)費(fèi)成本(元)；Ct為行駛成本(元)，即車輛在行駛到相應(yīng)充電站的過(guò)程中消耗的電量對(duì)應(yīng)的充電成本；Cc為即刻充電成本(元)，即車輛在產(chǎn)生快充需求時(shí)立即充電時(shí)的充電成本；Ce為離站充電成本(元)，即考慮車輛從充電站行駛到目的地的電量消耗，在車輛離開(kāi)相應(yīng)充電站后消耗的電量對(duì)應(yīng)的充電成本。

本文主要對(duì)I類用戶和II類用戶進(jìn)行分析。

3.2 基于配電網(wǎng)可承受度的快充站預(yù)期充電功率

連續(xù)潮流法(Continuation Power Flow, CPF)是電壓穩(wěn)定性分析的常用手段[24,25]，通過(guò)該方法繪制PV曲線可以得到負(fù)荷功率極限Pm。但是，該功率極限往往用于分析系統(tǒng)的電壓穩(wěn)定裕度，系統(tǒng)在正常的運(yùn)行狀態(tài)下距離PV曲線的臨界點(diǎn)非常遠(yuǎn)，該功率極限Pm不能反映快充站有可能存在的負(fù)荷接入情況。另一方面，配電系統(tǒng)的正常運(yùn)行需要滿足電能質(zhì)量的約束，通過(guò)PV曲線可以得到與電壓幅值限值(電能質(zhì)量約束)相對(duì)應(yīng)的負(fù)荷功率值，該負(fù)荷功率值相比功率極限Pm要更加嚴(yán)格，且更能反映快充站可能存在的負(fù)荷接入的實(shí)際情況。因此，將由配電系統(tǒng)的電能質(zhì)量約束所限定的快充接入功率上限Pssm作為快充站所在節(jié)點(diǎn)的配電系統(tǒng)電壓可承受度D，即

D=Pssm=λb

(3)

式中，λ為功率變化參數(shù)；b為功率變化向量?？沙惺芏菵反映的是快充站所在節(jié)點(diǎn)在當(dāng)前配電網(wǎng)的負(fù)荷條件下對(duì)快充負(fù)荷的接納能力。

快充站內(nèi)的充電樁位是固定的，當(dāng)快充站的快充需求較多時(shí)，本著充分利用充電設(shè)施且盡量避免用戶等待的原則，應(yīng)盡可能地滿足EV用戶的快充需求，將盡可能多的待充電車輛接入可用的充電樁。如果本時(shí)段內(nèi)該站所在節(jié)點(diǎn)的配電系統(tǒng)電壓可承受度較低，那么充電樁不能為用戶提供滿功率充電，而應(yīng)降低充電功率，避免配電網(wǎng)受到影響。

按充電功率平均分配的原則，每個(gè)快充樁分配的充電功率如式(4)所示：

從表3我們可以看出，在詞性、詞意和搭配錯(cuò)誤方面顯著性水平為.000，說(shuō)明詞匯是區(qū)分高低分作文的顯著性因素；在篇章結(jié)構(gòu)和文章主題方面的顯著性水平達(dá)到了.021和.025,在語(yǔ)法和句式方面的顯著性水平為.032，拼寫方面的顯著性水平也達(dá)到了.045，均低于0.05，說(shuō)明在區(qū)分高低分作文時(shí)，這些因素發(fā)揮著重要的作用。此外，我們注意到，篇章結(jié)構(gòu)的錯(cuò)誤數(shù)量雖然不多，但教師在批改時(shí)卻作為一個(gè)重要的評(píng)價(jià)標(biāo)準(zhǔn)。

(4)

式中，n為正在充電的快充樁的數(shù)量；Pmax為快充樁所能提供的最大快充功率。

根據(jù)圖1所示的充電導(dǎo)航系統(tǒng)，快充站需要向ITS反饋預(yù)期的充電功率。由于實(shí)際的充電功率需要考慮到電動(dòng)汽車的接入數(shù)量，是一個(gè)難以預(yù)計(jì)的值，因此，快充站可以將本時(shí)段內(nèi)的最小充電功率(即所有充電樁都接入負(fù)荷時(shí)的充電功率)和最大充電功率上傳至ITS，進(jìn)而為用戶的充電導(dǎo)航方案提供參考。

3.3 電動(dòng)汽車充電最優(yōu)路徑規(guī)劃

電動(dòng)汽車充電導(dǎo)航功能包括充電位置的確定和充電路徑的規(guī)劃。充電導(dǎo)航系統(tǒng)車載終端能夠采用路徑最短或通行時(shí)間最短的原則為用戶規(guī)劃從當(dāng)前位置到附近充電站的最合適路徑，用戶通過(guò)比對(duì)到達(dá)各個(gè)充電站的最合適路徑的屬性值(距離、時(shí)間、成本)，選擇最佳的充電位置，充電導(dǎo)航系統(tǒng)車載終端進(jìn)一步為用戶形成充電導(dǎo)航方案。用戶的充電位置選擇標(biāo)準(zhǔn)如式(5)所示：

Xs=min{X1,X2,…,Xn}

(5)

式中，Xs為用戶最終選擇的充電位置所對(duì)應(yīng)的屬性值；X1～Xn分別為到達(dá)附近n個(gè)快充站的最合適路徑的屬性值。

用戶所考慮的屬性與自身的選擇標(biāo)準(zhǔn)有關(guān)，在屬性確定后，充電導(dǎo)航問(wèn)題可以簡(jiǎn)化為最優(yōu)路徑規(guī)劃問(wèn)題。最優(yōu)路徑是交通網(wǎng)絡(luò)路徑分析的核心內(nèi)容，它不僅包括距離層面的最短路徑，還包括時(shí)間、費(fèi)用等屬性最優(yōu)的路徑，因此，最優(yōu)路徑也可以看作廣義的最短路徑。

城市交通網(wǎng)絡(luò)可以用有向帶權(quán)圖進(jìn)行建模，進(jìn)而借助圖論的相關(guān)理論進(jìn)行分析。采用有向帶權(quán)圖建模后，網(wǎng)絡(luò)圖中的節(jié)點(diǎn)代表城市交通網(wǎng)絡(luò)中的交叉路口，網(wǎng)絡(luò)圖中的帶權(quán)弧代表交叉路口之間的城市道路路段，城市道路網(wǎng)絡(luò)模型如式(6)所示：

G={V,E}

(6)

式中，G為路網(wǎng)模型；V為頂點(diǎn)(路段交叉口)集合；E為所有帶權(quán)弧的長(zhǎng)度(道路路段距離)集合。E中可以包含更為豐富的道路屬性，除了路段起止節(jié)點(diǎn)和路段長(zhǎng)度外，還可以包含路段等級(jí)、擁擠程度等。

圖2 Dijkstra算法計(jì)算流程Fig.2 Flow chart of Dijkstra algorithm

目前，已經(jīng)有多種成熟的方法可以解決最優(yōu)路徑問(wèn)題，其中，最具代表性的是Dijkstras算法。Dijkstra算法是一種寬度優(yōu)先搜索算法，其計(jì)算流程如圖2所示。圖2中，dik為頂點(diǎn)i和k的直接距離，若頂點(diǎn)之間無(wú)直連弧，則取為∞。在圖2所示的Dijkstra算法的基礎(chǔ)上，可以得到從源點(diǎn)出發(fā)到各個(gè)頂點(diǎn)的最優(yōu)路徑。

電動(dòng)汽車快充路徑規(guī)劃的過(guò)程是求取從產(chǎn)生快充需求的位置到附近充電站的最優(yōu)路徑的過(guò)程，由于電動(dòng)汽車用戶一般在道路路段上產(chǎn)生快充需求，在網(wǎng)絡(luò)建模時(shí)，如果以用戶產(chǎn)生快充需求時(shí)所在的位置作為源點(diǎn)，則需要在原來(lái)的道路交通網(wǎng)絡(luò)形成的有向帶權(quán)圖的基礎(chǔ)上新增一個(gè)頂點(diǎn)，這樣需要修改原圖的基礎(chǔ)數(shù)據(jù)，形成新的有向帶權(quán)圖G′。當(dāng)用戶在不同路段、不同位置產(chǎn)生充電需求時(shí)，將導(dǎo)致針對(duì)不同用戶的有向帶權(quán)圖G′不能共用，因而不適用于含大量快充負(fù)荷充電需求場(chǎng)景下的分析計(jì)算。

在城市交通網(wǎng)絡(luò)建模的過(guò)程中，通過(guò)對(duì)有向帶權(quán)圖的弧賦予不同屬性的權(quán)值，結(jié)合最優(yōu)路徑算法，可以得到考慮不同屬性的最優(yōu)路徑。將路段距離作為弧屬性，可以得到最短路徑，滿足I類用戶的需求；將路段行駛時(shí)間作為弧屬性，可以得到最快路徑，滿足II類用戶的需求。

對(duì)于II類用戶而言，充電導(dǎo)航系統(tǒng)車載終端通過(guò)最優(yōu)路徑規(guī)劃可以獲得最短的到站時(shí)間，此外，充電導(dǎo)航系統(tǒng)車載終端還需要結(jié)合快充站發(fā)布的預(yù)期充電功率計(jì)算充電總時(shí)間。由式(1)，在不考慮排隊(duì)的情況下，預(yù)期的充電總時(shí)間為：

(7)

式中，Cap為車輛電池容量；SOCa為車輛的到站荷電狀態(tài)；Pex為預(yù)期充電功率，可以取為快充站發(fā)布的最大充電功率Pmax和最小充電功率Pmin的平均值：

(8)

修正后的預(yù)期的充電總時(shí)間可以提供給用戶作為充電導(dǎo)航方案的選擇依據(jù)。

4 算例仿真

4.1 仿真參數(shù)設(shè)置

算例分析的區(qū)域如圖3所示，IEEE 33節(jié)點(diǎn)配電系統(tǒng)如圖4所示。圖3中給出了該區(qū)域的主干道路交通網(wǎng)絡(luò)，該區(qū)域的兩座快充站分別位于A、B兩點(diǎn)，進(jìn)站方向見(jiàn)圖3，其中A站與交叉路口11的距離為220m，B站與交叉路口25的距離為380m。所有路段均為雙向車道，車輛只能在交叉路口處掉頭?？斐湔続位于圖4所示的IEEE33節(jié)點(diǎn)配電系統(tǒng)節(jié)點(diǎn)23處，快充站B位于圖4所示的配電網(wǎng)節(jié)點(diǎn)7處。兩站的快充樁數(shù)量分別為20和30，快充樁所能提供的最大充電功率為80kW，功率因數(shù)為98%。為了便于分析，系統(tǒng)運(yùn)行狀態(tài)取在其負(fù)荷較高的21∶00左右，功率變化向量取為一臺(tái)電動(dòng)汽車接入時(shí)的最大快充功率，即b=[0 … 0 80 0 … … 0 16.25 0 … 0]T，其中16.25表示電動(dòng)汽車接入時(shí)的無(wú)功功率(kVar)，非零元位置與快充站所在節(jié)點(diǎn)編號(hào)相對(duì)應(yīng)。

圖3 目標(biāo)區(qū)域主干道路交通網(wǎng)絡(luò)示意圖Fig.3 Transport network of trunk road in target area

圖4 IEEE 33節(jié)點(diǎn)配電系統(tǒng)Fig.4 IEEE 33 nodes distribution system

目標(biāo)區(qū)域共有交叉路口33個(gè)，基于MATLAB圖論工具，形成目標(biāo)區(qū)域交通網(wǎng)絡(luò)所對(duì)應(yīng)的含33個(gè)頂點(diǎn)的有向帶權(quán)圖，如圖5所示，其中標(biāo)明了當(dāng)前時(shí)段內(nèi)各路段的交通狀況。

圖5 目標(biāo)區(qū)域交通網(wǎng)絡(luò)形成的有向帶權(quán)圖及交通狀況Fig.5 Directed weighted graph and traffic condition

4.2 兩座快充站同時(shí)接入快充負(fù)荷時(shí)對(duì)應(yīng)節(jié)點(diǎn)的配電系統(tǒng)電壓可承受度

在快充站節(jié)點(diǎn)7單獨(dú)加負(fù)荷，經(jīng)計(jì)算發(fā)現(xiàn)，節(jié)點(diǎn)18一直為系統(tǒng)的電壓最低點(diǎn)，繪制節(jié)點(diǎn)18的PV曲線如圖6所示。

圖6 節(jié)點(diǎn)18的PV曲線(在節(jié)點(diǎn)7增加快充負(fù)荷)Fig.6 PV curve of node 18 (increasing fast charge at node 7)

當(dāng)根據(jù)電能質(zhì)量的要求，電壓幅值最低為0.9pu(電源節(jié)點(diǎn)1的電壓為1.0pu)時(shí)，由圖6可見(jiàn)，功率變化參數(shù)λ為16時(shí)，電壓已經(jīng)下降到限值附近，所以快充站節(jié)點(diǎn)7的快充功率接入限值為：

Pssm(7)=λb=16×80=1280kW

(9)

因此，充電站所在的7號(hào)節(jié)點(diǎn)的配電系統(tǒng)電壓可承受度D為：

D(7)=Pssm(7)=1280kW

(10)

根據(jù)3.2節(jié)的分析，考慮快充樁位的限制，此時(shí)，7號(hào)節(jié)點(diǎn)充電站的快充樁所能提供的最小快充功率為：

(11)

同理，在快充站節(jié)點(diǎn)23單獨(dú)加負(fù)荷時(shí)，計(jì)算發(fā)現(xiàn)節(jié)點(diǎn)18的電壓率先達(dá)到電壓幅值限值，此時(shí)的PV曲線如圖7所示。

圖7 節(jié)點(diǎn)18的PV曲線(在節(jié)點(diǎn)23增加快充負(fù)荷)Fig.7 PV curve of node 18 (increasing fast charge at node 23)

由圖7可見(jiàn)，功率變化參數(shù)λ為69時(shí)，電壓下降到限值附近，所以快充站節(jié)點(diǎn)23的快充功率接入限值為：

Pssm(23)=λb=69×80=5520kW

(12)

因此，23號(hào)節(jié)點(diǎn)充電站的配電系統(tǒng)電壓可承受度D為：

D(23)=Pssm(23)=5520kW

(13)

考慮快充樁位的限制，此時(shí)，23號(hào)節(jié)點(diǎn)充電站的快充樁所能提供的最小快充功率為：

(14)

同理，當(dāng)以不同的比例在兩座快充站同時(shí)接入快充負(fù)荷時(shí)，兩座快充站所在節(jié)點(diǎn)的配電系統(tǒng)電壓可承受度數(shù)值變化如表1所示。

表1 兩座快充站同時(shí)接入快充負(fù)荷時(shí)對(duì)應(yīng)節(jié)點(diǎn)的配電系統(tǒng)電壓可承受度Tab.1 Distribution system voltage tolerance with fast charge load accessing

可以看出，由于IEEE33節(jié)點(diǎn)配電系統(tǒng)饋線之間存在耦合線路，各節(jié)點(diǎn)之間的配電系統(tǒng)電壓可承受度彼此之間相互牽制。當(dāng)本節(jié)點(diǎn)的充電負(fù)荷比例較小時(shí)，意味著大量的充電負(fù)荷接入到其他的快充站，導(dǎo)致本節(jié)點(diǎn)的配電系統(tǒng)電壓可承受度降低，且充電負(fù)荷比例越小，電壓可承受度也越小。當(dāng)充電負(fù)荷單獨(dú)接入本節(jié)點(diǎn)時(shí)，該節(jié)點(diǎn)存在最大的配電系統(tǒng)電壓可承受度，這個(gè)數(shù)值是由配電系統(tǒng)的網(wǎng)絡(luò)參數(shù)和基礎(chǔ)負(fù)荷水平?jīng)Q定的，不受充電負(fù)荷接入比例的影響，文后涉及的配電系統(tǒng)電壓可承受度指代的即是該節(jié)點(diǎn)的最大配電系統(tǒng)電壓可承受度。

4.3 基于電動(dòng)汽車充電導(dǎo)航的快充負(fù)荷有序接入

以圖3所示的用戶為研究對(duì)象，該用戶在圖示位置產(chǎn)生快充需求，其行駛方向見(jiàn)圖3，用戶與下一個(gè)交叉路口14的距離為300m。車輛電池容量為15kW·h，當(dāng)前SOC為35%，車輛的百公里耗電量為15kW·h。對(duì)于該用戶而言，其充電位置選擇過(guò)程為：通過(guò)充電導(dǎo)航系統(tǒng)車載終端，比對(duì)到快充站A和快充站B的最優(yōu)路徑所對(duì)應(yīng)的屬性值，最終決定充電導(dǎo)航方案。

基于3.1節(jié)的快充用戶充電行為分析，對(duì)于I類用戶，其考慮的屬性值為路段長(zhǎng)度，根據(jù)Dijkstra算法，其到A站和B站的最優(yōu)路徑如圖8所示。由圖8可知，電動(dòng)汽車無(wú)序充電時(shí)，兩方案對(duì)應(yīng)的路段長(zhǎng)度分別為：XA=4.75km、XB=2.83km。由于XB較小，用戶選擇到B站充電為其最佳充電方案。

圖8 I類用戶到達(dá)A、B兩座快充站的最優(yōu)路徑Fig.8 Optimal path when class I users arrive at A and B fast charge stations

對(duì)于II類用戶，其考慮的屬性值為充電總時(shí)間，將路段通行時(shí)間作為弧權(quán)，同樣，根據(jù)Dijkstra算法，其到A站和B站的最優(yōu)路徑如圖9所示。

圖9 II類用戶到達(dá)A、B兩座快充站的最優(yōu)路徑Fig.9 Optimal path when class II users arrive at A and B fast charge stations

兩方案對(duì)應(yīng)的到站時(shí)間分別為：XA=9.46min，XB=9.86min。結(jié)合4.2節(jié)的算例，快充站A的預(yù)期充電功率為80kW，快充站B的預(yù)期充電功率為72kW，考慮車輛行駛途中的電量消耗，在A、B兩站的預(yù)期充電時(shí)間為：TcA=7.85min，TcB=8.48min。因此到A、B兩站充電的總時(shí)間分別為：TdA=17.31min，TdB=18.34min。由于TdA較小，用戶選擇到A站充電為其最佳充電方案。

5 結(jié)論

目前的車輛導(dǎo)航系統(tǒng)沒(méi)有考慮電網(wǎng)側(cè)的影響，不完全適用于電動(dòng)汽車充電導(dǎo)航，針對(duì)此問(wèn)題，本文提出了考慮配電系統(tǒng)電壓可承受度的電動(dòng)汽車充電導(dǎo)航策略。從用戶側(cè)、電網(wǎng)側(cè)、交通側(cè)三個(gè)角度分析了電動(dòng)汽車充電導(dǎo)航策略的形成，對(duì)于電網(wǎng)側(cè)，提出了快充站所在節(jié)點(diǎn)的配電系統(tǒng)電壓可承受度指標(biāo)，并分析了快充樁相應(yīng)的充電功率調(diào)節(jié)方法；對(duì)于交通側(cè)，分析了基于Dijkstra算法的最優(yōu)路徑規(guī)劃方法。該充電導(dǎo)航策略結(jié)合了交通側(cè)和電網(wǎng)側(cè)提供的信息，能夠滿足電動(dòng)汽車用戶的多樣化需求，可為用戶提供更全面的信息以及更優(yōu)質(zhì)的充電體驗(yàn)。

參考文獻(xiàn)(References)：

[1] Boulanger A G，Chu A C，Maxx S，et al．Vehicle electrification：Status and issues[J]．Proceedings of the IEEE，2011, 99(6)：1116-1138．

[2] 歐陽(yáng)明高(Ouyang Minggao)．我國(guó)節(jié)能與新能源汽車發(fā)展戰(zhàn)略與對(duì)策(Chinese development strategy and countermeasure of energy-saving and new energy automotive)[J]．汽車工程(Automotive Engineering)，2006，28(4)：317-321．

[3] 吳憩棠(Wu Qitang)．我國(guó)“十城千輛”計(jì)劃的進(jìn)展(Progresses in “Ten Cities & Thousand Units” plan)[J]．新能源汽車(New Energy Vehicles)，2009，1(24)：15-19．

[4] Sortomme E，El-Sharkawi M A．Optimal charging strategies for unidirectional vehicle-to-grid[J]．IEEE Transactions on Smart Grid，2011，2(1)：131-138．

[5] 胡澤春，宋永華，徐智威，等(Hu Zechun，Song Yonghua，Xu Zhiwei，et al.)．電動(dòng)汽車接入電網(wǎng)的影響與利用(Impacts and utilization of electric vehicles integration into power systems)[J]．中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE)，2012，32(4)：1-10．

[6] Su W, Chow M Y. Performance evaluation of a PHEV parking station using particle swarm optimization[A]. 2011 IEEE Power and Energy Society General Meeting[C]. 2011. 1-6.

[7] Su W, Chow M Y. Performance evaluation of an EDA-based large-scale plug-in hybrid electric vehicle charging algorithm[J]. IEEE Transactions on Smart Grid, 2012, 3(1): 308-315.

[8] Su W, Chow M Y. Sensitivity analysis on battery modeling to large-scale PHEV/PEV charging algorithms[A]. IECON 2011 - 37th Annual Conference of the IEEE Industrial Electronics Society[C]. 2011. 3248-3253.

[9] Denholm P, Short W. An evaluation of utility system impacts and benefits of optimally dispatched[R]. National Renewable Energy Laboratory, 2006.

[10] 田立亭, 史雙龍, 賈卓(Tian Liting，Shi Shuanglong，Jia Zhuo). 電動(dòng)汽車充電功率需求的統(tǒng)計(jì)學(xué)建模方法(Evaluation and solutions for electric vehicles’ impact on the grid)[J]. 電網(wǎng)技術(shù)(Power System Technology), 2010, 34 (11): 126-130.

[11] Li G, Zhang X P. Modeling of plug-in hybrid electric vehicle charging demand in probabilistic power flow calculations[J]. IEEE Transactions on Smart Grid, 2012, 3(1): 492-499.

[12] 陳麗丹, 聶涌泉, 鐘慶(Chen Lidan，Nie Yongquan，Zhong Qing). 基于出行鏈的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)模型(A model for electric vehicle charging load forecasting based on trip chains)[J]. 電工技術(shù)學(xué)報(bào)(Transactions of China Electrotechnical Society), 2015, 30(4): 216-225.

[13] 徐浩, 苗世洪, 錢甜甜, 等(Xu Hao，Miao Shihong， Qian Tiantian，et al.). 計(jì)及多日一充模式的規(guī)?；妱?dòng)汽車充電負(fù)荷建模策略(A modeling strategy for charging loads of large-scale electric vehicles considering multi-days spaced charging mode)[J]. 電工技術(shù)學(xué)報(bào)(Transactions of China Electrotechnical Society), 2015, 30(9): 129-137.

[14] 葛少云，馮亮，劉洪，等(Ge Shaoyun，F(xiàn)eng Liang，Liu Hong，et al.)． 考慮用戶便捷性的電動(dòng)汽車充電站規(guī)劃(Planning of electric vehicle charging stations considering users’convenience)[J]． 電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy)，2014，33 (2): 70-75．

[15] 楊少兵, 吳命利, 姜久春, 等(Yang Shaobing，Wu Mingli，Jiang Jiuchun，et al.). 電動(dòng)汽車充電站負(fù)荷建模方法(An approach for load modeling of electric vehicle charging station)[J]. 電網(wǎng)技術(shù)(Power System Technology), 2013, 37(5): 1190-1195.

[16] 王錫凡, 邵成成, 王秀麗, 等(Wang Xifan，Shao Chengcheng，Wang Xiuli，et al.). 電動(dòng)汽車充電負(fù)荷與調(diào)度控制策略綜述(Survey of electric vehicle charging load and dispatch control strategies)[J]. 中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE), 2013, 33(1): 1-10.

[17] 中國(guó)電工技術(shù)學(xué)會(huì)電動(dòng)車輛專業(yè)委員會(huì)(Electric Vehicle Committee，China Electrotechnical Society)．我國(guó)電動(dòng)汽車市場(chǎng)化進(jìn)程中相關(guān)問(wèn)題綜述(Annual report on technical and industrial development of electric vehicle power supply and drive in China)[J]． 電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy)，2015，34 (7): 1-10．

[18] Geng B, Mills J K, Sun D. Coordinated charging control of plug-in electric vehicles at a distribution transformer level using the vTOU-DP approach[A]. 2012 IEEE Vehicle Power and Propulsion Conference (VPPC) [C]. 2012. 1469-1474.

[19] 黃潤(rùn), 周鑫, 嚴(yán)正, 等(Huang Run, Zhou Xin, Yan Zheng, et al.). 計(jì)及電動(dòng)汽車不確定性的有序充電調(diào)度策略(The controlled charging dispatch strategy by considering of the uncertainty of electric vehicles)[J]. 現(xiàn)代電力(Modern Electric Power), 2012, 29(3): 57-63.

[20] 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 Transactions on Smart Grid, 2011, 2(1): 198-205.

[21] 榮雅君，楊偉，牛歡，等(Rong Yajun，Yang Wei，Niu Huan，et al.)． 基于 BP-EKF 算法的電動(dòng)汽車電池管理系統(tǒng) SOC 精準(zhǔn)估計(jì)(Accurate estimation of SOC value of electric vehicle battery based on EKF algorithm optimized by BP neural network)[J]． 電工電能新技術(shù)(Advanced Technology of Electrical Engineering and Energy)，2015，34 (9): 22-28．

[22] 蘇舒, 孫近文, 林湘寧, 等(Su Shu，Sun Jinwen，Lin Xiangning，et al.). 電動(dòng)汽車智能充電導(dǎo)航(Electric vehicle smart charging navigation)[J]. 中國(guó)電機(jī)工程學(xué)報(bào)(Proceedings of the CSEE), 2013, 33(Suppl.): 59-67.

[23] Guo Q, Xin S, Sun H, et al. Rapid-charging navigation of electric vehicles based on real-time power systems and traffic data[J]. IEEE Transactions on Smart Grid, 2014, 5(4): 1969-1979.

[24] 祝達(dá)康, 程浩忠(Zhu Dakang，Cheng Haozhong). 求取電力系統(tǒng) PV 曲線的改進(jìn)連續(xù)潮流法(A modified continuation power system method for computing PV curve of power system)[J]. 電網(wǎng)技術(shù)(Power System Technology), 1999, 23(4): 36-40.

[25] 郭瑞鵬, 韓禎祥(Guo Ruipeng，Han Zhenxiang). 電壓穩(wěn)定分析的改進(jìn)連續(xù)潮流法(An improved continuation power flow method for voltage stability analysis)[J]. 電力系統(tǒng)自動(dòng)化(Automation of Electric Power Systems), 1999, 23(14): 13-16.