師瑞峰, 梁子航, 馬 源

(1. 華北電力大學(xué)控制與計(jì)算機(jī)工程學(xué)院, 北京市 102206; 2. 國網(wǎng)北京市電力公司昌平供電公司, 北京市 102200)

0 引言

近年來,中國超大城市電動(dòng)汽車產(chǎn)業(yè)在購車補(bǔ)貼與車輛限行等多重政策激勵(lì)下取得了飛速發(fā)展[1]。以北京市為例,政府通過購車指標(biāo)控制、出行限號(hào)等措施鼓勵(lì)和引導(dǎo)居民購買、使用電動(dòng)汽車,致使電動(dòng)汽車保有量呈現(xiàn)井噴式增長[2]。同時(shí),充電設(shè)施建設(shè)與電網(wǎng)配套則呈現(xiàn)發(fā)展滯后、難以滿足需求增長的態(tài)勢(shì),老舊居民小區(qū)由于早先設(shè)計(jì)的配電變壓器總功率限制,大量電動(dòng)汽車無法同時(shí)接入充電,因此,對(duì)合理的有序充電策略開展研究是保證小區(qū)正常用電、滿足充電需求亟待解決的問題。

作為小區(qū)物業(yè)管理公司或充電樁管理企業(yè),為避免變壓器過載,需要精細(xì)控制同時(shí)運(yùn)行的充電樁數(shù)量。傳統(tǒng)先到先充(early come early charge,ECEC)策略可能導(dǎo)致部分早出晚歸、通勤距離遠(yuǎn)的車主由于無法優(yōu)先補(bǔ)電而影響次日出行;若用戶都選擇剛剛進(jìn)入谷時(shí)電價(jià)階段開始充電,則可能導(dǎo)致小區(qū)負(fù)荷激增,進(jìn)而引發(fā)變壓器過載。

現(xiàn)有相關(guān)研究主要集中在以下3個(gè)方面:第1類是基于小區(qū)基礎(chǔ)負(fù)荷的有序充電策略研究,這類研究以居民區(qū)基礎(chǔ)負(fù)荷為約束條件,通過充電負(fù)荷平移、網(wǎng)格法、最佳充電初始時(shí)間選擇等有序充電策略實(shí)現(xiàn)削峰填谷的目的[3-5];第2類是電動(dòng)汽車充電需求側(cè)管理研究,這類研究通過模擬和預(yù)測電動(dòng)汽車出行行為,獲取充電需求,再進(jìn)行有序充電管理,實(shí)現(xiàn)電動(dòng)汽車用戶充電經(jīng)濟(jì)性最優(yōu)的充電策略[6-11];第3類是基礎(chǔ)負(fù)荷與需求側(cè)管理相結(jié)合的研究,這類研究在保證小區(qū)負(fù)荷不超限情況下,借助仿真分析工作實(shí)現(xiàn)充電成本與削峰填谷目標(biāo)的協(xié)同優(yōu)化[12-15]。

綜上可以看出,現(xiàn)有有序充電策略研究主要考慮用戶充電成本與充電負(fù)荷削峰填谷兩類因素,在相同計(jì)費(fèi)模式下,單位時(shí)間充電費(fèi)用相等,總充電成本下降意味著充電時(shí)間和充電量的減少,避開峰時(shí)充電策略在降低成本的同時(shí)犧牲了充電時(shí)長。理想決策方案應(yīng)同時(shí)優(yōu)化這兩類目標(biāo),獲取目標(biāo)折中的滿意解。

本文從居民區(qū)電動(dòng)汽車充電管理物業(yè)公司角度出發(fā),在分析電動(dòng)汽車充電需求基礎(chǔ)上,構(gòu)建了電動(dòng)汽車運(yùn)行、居民區(qū)充電的仿真系統(tǒng);提出基于理想解法(technique for order preference by similarity to ideal solution,TOPSIS)的有序充電決策模型;以北京市某小區(qū)為例開展仿真研究,對(duì)僅在谷時(shí)充電、谷時(shí)—平時(shí)充電及不分時(shí)段充電等策略下,用戶充電費(fèi)用、平均等待時(shí)間、充電完成率、小區(qū)總負(fù)荷波動(dòng)等指標(biāo)進(jìn)行分析,并與現(xiàn)有網(wǎng)格法所得結(jié)果進(jìn)行對(duì)比,驗(yàn)證本文方法的優(yōu)越性。通過對(duì)本文方法決策偏好權(quán)重的靈敏度分析,揭示不同決策偏好對(duì)充電方案的影響。

1 有序充電模型

1.1 問題描述

假設(shè)居民區(qū)每輛電動(dòng)汽車停車位上均配有充電樁,當(dāng)充電車輛過多時(shí),由于小區(qū)配電變壓器容量限制,部分電動(dòng)汽車需要排序等待充電。

本文研究居民區(qū)電動(dòng)汽車等待充電的排隊(duì)規(guī)則,通過綜合考慮相關(guān)因素,在滿足用戶充電需求和小區(qū)正常供電之間尋求平衡,實(shí)現(xiàn)用戶充電成本、充電等待時(shí)間、充電完成率、小區(qū)負(fù)荷平均波動(dòng)等多目標(biāo)折中優(yōu)化。本文決策優(yōu)化模型如式(1)至式(8)所示。

優(yōu)化目標(biāo):

(1)

約束條件:

(2)

Ci,t=0,1

(3)

SC,i,t=0,1

(4)

Wi,t=0,1

(5)

0

(6)

Ci,t=SC,i,t

(7)

Ci,t≤Wi,t

(8)

式中:f1(x)為充電服務(wù)費(fèi)用;Mi,t為電動(dòng)汽車i在t時(shí)刻的充電價(jià)格與服務(wù)費(fèi);Ci,t為t時(shí)刻電動(dòng)汽車i的充電狀態(tài),若正在充電為1,否則為0;Cnum為系統(tǒng)內(nèi)電動(dòng)汽車總數(shù)量;f2(x)為充電需求滿足率;FN為系統(tǒng)中充電車輛滿意度大于90%的充電統(tǒng)計(jì)次數(shù);CN為系統(tǒng)內(nèi)所有電動(dòng)汽車發(fā)生充電行為的總次數(shù);f3(x)為居民區(qū)功率負(fù)荷平穩(wěn)度;SD(Lt)為居民區(qū)負(fù)荷的標(biāo)準(zhǔn)差[16];Lt為t時(shí)刻居民區(qū)的功率負(fù)荷;f4(x)為用戶平均等待時(shí)間;Tw,i為電動(dòng)汽車單次充電時(shí)間;PC,i,t為第i個(gè)充電樁t時(shí)刻的充電功率;SC,i,t為第i個(gè)充電樁t時(shí)刻的充電狀態(tài),正在充電為1,否則為0;Llim為小區(qū)功率負(fù)荷上限;Wi,t為電動(dòng)汽車i在t時(shí)刻的位置狀態(tài),在居民區(qū)內(nèi)為1,外出為0;SOC,i為電動(dòng)汽車i的剩余電量。式(7)表示電動(dòng)汽車充電狀態(tài)與對(duì)應(yīng)充電樁狀態(tài)一致;式(8)表示電動(dòng)汽車充電狀態(tài)受其位置狀態(tài)約束,只有在回到小區(qū)內(nèi)才有可能表現(xiàn)為充電狀態(tài)。

第j次充電的滿意度RP,j和FN的計(jì)算公式為[15]:

(9)

(10)

(11)

式中:Ereal,j為第j次充電的實(shí)際充電量;CEV,j為電動(dòng)汽車第j次充電時(shí)的有效電池容量;Qexp,j為期望充電百分比;QSOC,j為充電初始電量百分比;fn,j為第j次充電的滿意統(tǒng)計(jì)次數(shù)。

1.2 電動(dòng)汽車出行及回程時(shí)間分布模型

根據(jù)2016年北京市交通發(fā)展年報(bào)的統(tǒng)計(jì)數(shù)據(jù),北京市2016年小汽車出行時(shí)間分布如圖1所示[17]。

圖1 北京市小汽車出行時(shí)間分布Fig.1 Travel time distribution of vehicles in Beijing

早高峰出行時(shí)間集中在08:00前后,晚高峰回程時(shí)間集中在17:30—19:30。文獻(xiàn)[18]通過正態(tài)分布擬合了全美家用汽車的出行時(shí)間分布規(guī)律。假設(shè)北京市小汽車出行時(shí)間服從正態(tài)分布,正態(tài)分布最高點(diǎn)計(jì)算方法如式(12)所示。

(12)

因此,由統(tǒng)計(jì)圖擬合可得出電動(dòng)汽車出行時(shí)間分布模型參數(shù)為:μ1=8,σ1=1.33;同理可得電動(dòng)汽車回程時(shí)間分布模型參數(shù)為:μ2=18.5,σ2=1.99。結(jié)合北京市2016年小汽車年平均出行距離12 566 km[17],得出每天平均行駛34.42 km?？紤]到交通擁堵造成的里程數(shù)波動(dòng),近似選取電動(dòng)汽車出行距離為:平均距離35 km為中值、半徑為15 km的均勻分布,其分布函數(shù)如式(13)所示,其中最大出行距離Dmax設(shè)為50 km,最小出行距離Dmin設(shè)為20 km。

(13)

根據(jù)北京市電動(dòng)汽車普及率較高的北汽和比亞迪品牌車輛性能,設(shè)定電動(dòng)汽車?yán)m(xù)航里程為200 km,電池電量采用慢充方式從零至充滿時(shí)間為8 h。

1.3 居民小區(qū)模型

假設(shè)某老舊小區(qū)的變壓器總額定功率為1 000 kW,住戶數(shù)量150戶,每戶有一輛汽車。假設(shè)電動(dòng)汽車滲透率為40%,則該小區(qū)的電動(dòng)汽車數(shù)量為60輛,且每輛電動(dòng)汽車的停車位都配有充電樁,即60輛電動(dòng)汽車對(duì)應(yīng)60個(gè)充電樁。根據(jù)相關(guān)研究方法,采用蒙特卡洛方法可模擬得到居民小區(qū)常規(guī)負(fù)荷曲線[3,4,12,19]。

電動(dòng)汽車信息及行程計(jì)劃由電動(dòng)汽車出行分布模型及回程分布模型獲得,其中出行及回程概率模型如式(14)、式(15)所示。

出行分布密度函數(shù)為:

(14)

回程分布概率密度函數(shù)為:

(15)

式中:出行分布參數(shù)為μ1=8,σ1=1.33,回程分布參數(shù)為μ2=18.5,σ2=1.99。是否外出則隨機(jī)產(chǎn)生,并假設(shè)居民總出行概率為0.8。

2 基于TOPSIS方法的電動(dòng)汽車有序充電算法

2.1 居民區(qū)電動(dòng)汽車有序充電的TOPSIS方法

TOPSIS方法是一種典型的多目標(biāo)決策方法,它具有簡單、靈活、決策效果合理的特點(diǎn)。通過數(shù)據(jù)預(yù)處理技術(shù)對(duì)不同決策方案對(duì)應(yīng)的屬性進(jìn)行去量綱、歸一化并引入偏好,然后計(jì)算每個(gè)決策方案距離“理想解”與“負(fù)理想解”的相對(duì)距離后確定其充電排序的優(yōu)先次序,實(shí)現(xiàn)各個(gè)決策屬性與偏好結(jié)果共同確定最終排序方案的目標(biāo)[20]。本文將TOPSIS方法引入居民區(qū)電動(dòng)汽車有序排隊(duì)充電問題,通過充電價(jià)格調(diào)整急需充電或等待時(shí)間較長的車主充電排序,在實(shí)現(xiàn)保證小區(qū)用電總負(fù)荷安全的前提下,盡可能提升電動(dòng)汽車用戶充電需求的整體滿意度的目標(biāo)。

本文電動(dòng)汽車有序充電決策屬性包括:用戶充電平均等待時(shí)間(最小化)、用戶充電成本(最小化)、用戶充電完成率(最大化)、小區(qū)總負(fù)荷變化率(最小化)。通過分析不同決策屬性偏好下的排序方案性能,可以獲得符合決策偏好的綜合滿意有序充電方案。

2.2 算法流程

本文設(shè)計(jì)的電動(dòng)汽車有序充電算法步驟如下(流程圖見附錄A圖A1)。

步驟1:基礎(chǔ)數(shù)據(jù)初始化。包括居民小區(qū)日常用電負(fù)荷,電動(dòng)汽車數(shù)量及充電樁數(shù)量,電動(dòng)汽車信息(包括慢充時(shí)間、電池容量、續(xù)航里程),電動(dòng)汽車行程計(jì)劃(包括是否外出、外出時(shí)間、歸來時(shí)間、次日外出時(shí)間),仿真步長和仿真時(shí)間,以及電價(jià)策略等初始參數(shù)的設(shè)定。

步驟2:判斷仿真是否結(jié)束,若仿真時(shí)間達(dá)到終止時(shí)間,則跳轉(zhuǎn)步驟6;若還未達(dá)到終止時(shí)間,則判斷當(dāng)天仿真是否結(jié)束,若結(jié)束,則仿真時(shí)鐘置0,仿真日期+1,若當(dāng)天仿真未結(jié)束,則更新充電樁的可用數(shù)量信息。充電樁可用數(shù)量更新策略:先計(jì)算當(dāng)前時(shí)刻滿足居民小區(qū)總需求負(fù)荷外的可用功率,再估算該可用功率下的可工作充電樁數(shù)量(可用功率除以單個(gè)充電樁的額定功率)。

步驟3:對(duì)系統(tǒng)中的每輛車進(jìn)行狀態(tài)掃描,首先判斷電動(dòng)汽車所在位置,若不在小區(qū)內(nèi),則將其充電時(shí)間和等待時(shí)間置0,更新剩余電量,同時(shí)TOPSIS參數(shù)置0;若在小區(qū)內(nèi),則判斷其是否需要充電,不需充電的車輛TOPSIS參數(shù)置0,需要充電的車輛,則根據(jù)其等待或充電狀態(tài)更新其等待時(shí)間或充電時(shí)間、充電金額及剩余電量,若充滿電則停止充電并將其TOPSIS參數(shù)置0。

步驟4:對(duì)電動(dòng)汽車狀態(tài)參數(shù)矩陣進(jìn)行TOPSIS排序計(jì)算,計(jì)算當(dāng)前時(shí)刻電動(dòng)汽車的充電排序。

步驟5:根據(jù)排序結(jié)果更新電動(dòng)汽車的充電及排隊(duì)狀態(tài),仿真時(shí)鐘增加15 min,轉(zhuǎn)至步驟2。

步驟6:仿真結(jié)束后,統(tǒng)計(jì)電動(dòng)汽車的時(shí)間序列信息,包括充電金額、等待時(shí)間、充電完成時(shí)間,以及居民小區(qū)負(fù)荷變化情況,包括平均功率、功率最大差值、功率標(biāo)準(zhǔn)差。輸出仿真結(jié)果,仿真結(jié)束。

3 算例仿真

3.1 算例描述

本文以北京市某居民小區(qū)為例,在小區(qū)配電變壓器總功率上限約束下,計(jì)算每一仿真時(shí)刻的可用充電樁數(shù)量,并選取電動(dòng)汽車用戶等待時(shí)間、停留時(shí)間及初始剩余電量為決策屬性,通過TOPSIS方法計(jì)算滿足決策偏好的有序充電方案,驗(yàn)證本文方法的有效性。

3.2 仿真實(shí)驗(yàn)設(shè)計(jì)

本文仿真模型對(duì)以下3類場景進(jìn)行分析。

場景1:考慮無充電限制或引導(dǎo)的管理策略,即在電價(jià)的峰、平、谷時(shí)階段均可充電。

場景2:考慮避開電價(jià)峰時(shí)的充電策略,即在電價(jià)峰時(shí),所有充電樁均不工作,電動(dòng)汽車在電價(jià)平時(shí)和谷時(shí)階段按照有序充電規(guī)則排隊(duì)充電。

場景3:考慮僅利用電價(jià)谷時(shí)充電策略,即電動(dòng)汽車僅在電價(jià)谷時(shí)階段按照有序充電規(guī)則排隊(duì)充電。

在每種情景下,分別對(duì)比ECEC和基于TOPSIS排序兩種排序策略所得方案的優(yōu)劣。

3.3 參數(shù)設(shè)置

根據(jù)國網(wǎng)北京市電力公司有關(guān)規(guī)定設(shè)定公共充電樁的峰谷充電電價(jià)(見附錄B表B1),所有時(shí)段的充電服務(wù)費(fèi)均為0.8元/(kW·h)[21]。仿真時(shí)長設(shè)置為一個(gè)月,仿真步長為15 min;居民區(qū)模型的居民區(qū)負(fù)荷上限設(shè)置為1 000 kW;電動(dòng)汽車數(shù)量及充電樁數(shù)量均為60;充電樁的額定功率為7 kW;電動(dòng)汽車出行分布服從N(8,1.33);電動(dòng)汽車回程分布服從N(18.5,1.99);出行概率為80%;出行距離服從U(20,50);慢充速率為0.125/h。

3.4 仿真結(jié)果分析

為分析不同時(shí)段充電排序策略對(duì)居民區(qū)電動(dòng)汽車充電的影響,分別對(duì)不限時(shí)段充電、平時(shí)谷時(shí)充電和僅限谷時(shí)充電3種充電策略的TOPSIS方法排序與ECEC排序(共6種情況)進(jìn)行仿真對(duì)比。

首先,考慮理想充電場景,即不設(shè)功率限制,用戶隨到隨充;其次,考慮不限時(shí)段充電場景,即在不超越小區(qū)負(fù)荷上限的情況下,電動(dòng)汽車可隨時(shí)接入充電;然后,考慮在電價(jià)峰時(shí)避免充電,在電價(jià)平時(shí)和谷時(shí)根據(jù)小區(qū)剩余可用負(fù)荷分配充電的情形;最后,考慮僅在電價(jià)谷時(shí)(即當(dāng)日23:00—次日07:00時(shí)段)根據(jù)小區(qū)剩余可用負(fù)荷進(jìn)行充電的情形。

以某小區(qū)30 d居民用電及充電負(fù)荷跟蹤為例,選取仿真時(shí)間內(nèi)某一日的用電負(fù)荷仿真結(jié)果,結(jié)果對(duì)比如圖2所示。

圖2 不同充電策略的小區(qū)負(fù)荷對(duì)比Fig.2 Load comparison with different charging strategies in residential areas

從圖2可以看出,如不對(duì)充電行為進(jìn)行限制,小區(qū)傍晚用電高峰會(huì)與通勤歸來的電動(dòng)汽車充電高峰時(shí)段疊加,極大地增加了小區(qū)用電負(fù)荷峰值(如圖2中無上限充電模式的用電總功率越限約15%),由此可能引發(fā)小區(qū)居民用電的電能質(zhì)量下降甚至引發(fā)停電事故。圖2中不限時(shí)段充電、平時(shí)和谷時(shí)充電、僅在谷時(shí)充電3種模式的TOPSIS權(quán)重向量設(shè)定為[0.25,0.25,0.5]。

從仿真結(jié)果可以看出,在不分時(shí)段充電情況下,同樣會(huì)產(chǎn)生居民用電高峰與充電高峰的疊加,其充電費(fèi)用、充電需求滿足率、平均出行電量及標(biāo)準(zhǔn)差與不分時(shí)段ECEC結(jié)果類似,但最大峰值負(fù)荷保持在額定功率上限,不會(huì)引發(fā)電能質(zhì)量明顯下降或停電事故的情況;將時(shí)段策略改為在電價(jià)平時(shí)及谷時(shí)充電,可以將部分在18:00—21:00高峰時(shí)段的充電負(fù)荷后移至21:00之后的平時(shí)、谷時(shí)階段,顯著降低充電費(fèi)用、改善居民用電負(fù)荷波動(dòng);最后,將電動(dòng)汽車充電負(fù)荷后推至23:00谷時(shí)電價(jià)階段后,即僅在電價(jià)谷時(shí)充電的策略,進(jìn)一步改善平滑了小區(qū)居民負(fù)荷的峰值、增強(qiáng)了小區(qū)居民供電系統(tǒng)的安全裕度。

上述3種有序充電策略的TOPSIS排序與ECEC排序策略的仿真結(jié)果比較如表1所示。

表1 基于TOPSIS排序和ECEC排序結(jié)果比較Table 1 Sorting results comparison between charging strategies of TOPSIS method and ECEC

從表1的對(duì)比可以看出,相同充電策略下,電動(dòng)汽車的單位時(shí)間充電成本相同,因此,充電金額高意味著電動(dòng)汽車可獲得更多電量;TOPSIS方法與ECEC排序策略獲得的充電金額相差不大,但可以獲得更高的充電完成率;衡量小區(qū)負(fù)荷穩(wěn)定性的負(fù)荷標(biāo)準(zhǔn)差越小,代表小區(qū)負(fù)荷越平穩(wěn),TOPSIS方法較ECEC策略獲得排序方案的負(fù)荷平穩(wěn)性也有明顯改善;此外,兩種排序策略獲得的充電平均等待時(shí)間也近似一致。因此,在相同充電策略下,TOPSIS方法排序結(jié)果要優(yōu)于ECEC的排序結(jié)果。值得注意的是,采用谷時(shí)充電策略將充電時(shí)段后移會(huì)導(dǎo)致居民充電的平均等待時(shí)間延長(約為3.7 h),但由于夜間居民出行需求非常少,因此這種情況對(duì)使用需求的影響可以忽略。如果進(jìn)一步實(shí)現(xiàn)自動(dòng)值班更換充電樁(車)的系統(tǒng),則可以完全忽略這種等待時(shí)長增加帶來的用戶體驗(yàn)劣化。

綜合考慮各優(yōu)化目標(biāo),僅在谷時(shí)充電的TOPSIS排序充電方法在充電成本和小區(qū)負(fù)荷穩(wěn)定性兩個(gè)目標(biāo)上均取得了最佳效果,充電完成率也達(dá)90%以上。為避免充電結(jié)果無法滿足用戶用車需求的情況,可在用戶排隊(duì)進(jìn)入充電等待系統(tǒng)時(shí)通過一定的方式告知用戶其充電排序及其后各時(shí)段內(nèi)車輛的預(yù)計(jì)充電量,以便用戶靈活調(diào)節(jié)行程安排,因此該策略對(duì)改善居民區(qū)用電負(fù)荷特性、增強(qiáng)電動(dòng)汽車充電服務(wù)能力發(fā)揮了積極作用。

3.5 仿真結(jié)果比較

為進(jìn)一步驗(yàn)證本文方法的有效性,選取網(wǎng)格法(grid picking method,GPM)進(jìn)行對(duì)比[4]。網(wǎng)格法與本文方法設(shè)計(jì)思想的差異如下:網(wǎng)格法在保證配電變壓器功率不超限前提下,采用網(wǎng)格方式計(jì)算變壓器的冗余功率(可接入負(fù)荷),并采用遺傳算法尋求最佳實(shí)時(shí)可用的充電分配策略;而本文方法考慮僅在谷時(shí)、平時(shí)和谷時(shí)、不限時(shí)段3種場景下,采用TOPSIS方法選擇同時(shí)考慮充電成本、充電需求滿意率、小區(qū)負(fù)荷穩(wěn)定程度(負(fù)荷標(biāo)準(zhǔn)差)多個(gè)決策目標(biāo)時(shí)的最佳充電策略。

采用兩種方法對(duì)同一電動(dòng)汽車出行數(shù)據(jù)及居民區(qū)用電基礎(chǔ)負(fù)荷數(shù)據(jù)進(jìn)行仿真,在采用僅在谷時(shí)充電的時(shí)段策略下,對(duì)比電動(dòng)汽車充電滿意率及居民區(qū)負(fù)荷波動(dòng)兩個(gè)指標(biāo)。為了突出對(duì)比效果,分別將小區(qū)電動(dòng)汽車數(shù)量設(shè)置為60輛和80輛,TOPSIS排序方法的權(quán)重設(shè)置為[0.25,0.25,0.5],假設(shè)用戶的充電期望都為100%,通過30 d的仿真,對(duì)比結(jié)果如表2所示。

表2 GPM與TOPSIS排序法對(duì)比結(jié)果Table 2 Sorting results comparison between GPM and TOPSIS method

從表中可以看出,本文方法在充電完成率指標(biāo)上優(yōu)于GPM;而GPM在小區(qū)負(fù)荷穩(wěn)定程度指標(biāo)上略優(yōu)于本文方法,但這種穩(wěn)定度的獲取代價(jià)是GPM確定充電策略時(shí),同一輛車的充電時(shí)間可能會(huì)被分配到幾個(gè)分散時(shí)段。這種方式盡管對(duì)電網(wǎng)側(cè)的負(fù)荷控制具備一定優(yōu)勢(shì),但對(duì)于車輛電池性能衰減和壽命折損具有非常不利的影響,而電動(dòng)汽車的電池價(jià)格大約占電動(dòng)汽車售價(jià)的一半,電動(dòng)汽車用戶很可能并不會(huì)同意選擇這種頻繁充電的有序充電策略,因此其實(shí)際應(yīng)用的可行性明顯劣于本文方法。TOPSIS有序充電方法在保證充電滿意率的情況下,對(duì)符合充電優(yōu)先級(jí)別的電動(dòng)汽車進(jìn)行連續(xù)充電,這種有序充電策略對(duì)居民區(qū)管理者及電動(dòng)汽車車主都有一定的吸引力,因此可以認(rèn)為TOPSIS排序方法在居民區(qū)電動(dòng)汽車有序充電中有效且可行。

3.6 TOPSIS權(quán)重靈敏度分析

為了進(jìn)一步考察TOPSIS方法權(quán)重設(shè)置的合理性,本節(jié)通過控制變量法進(jìn)行分析,將等待時(shí)間參數(shù)的權(quán)重設(shè)為aw,停留時(shí)間參數(shù)的權(quán)重設(shè)為as,剩余電量參數(shù)權(quán)重設(shè)為ap。

首先,采用仿真效果最好的僅在谷時(shí)充電的TOPSIS排序方法。為了使得實(shí)驗(yàn)結(jié)果更明顯,將模型中電動(dòng)汽車的數(shù)量增加到80輛,假設(shè)每輛車的預(yù)期充電量都為100%,最終電量充到100%記為一次滿意,選取充電滿意率和居民小區(qū)負(fù)荷標(biāo)準(zhǔn)差兩個(gè)指標(biāo)作為對(duì)比值。

接著,設(shè)置TOPSIS方法的權(quán)重。先測試等待時(shí)間參數(shù)的權(quán)重,令停留時(shí)間參數(shù)的權(quán)重與剩余電量參數(shù)的權(quán)重相等,即as=ap,aw與as和ap的比值如式(16)和式(17)所示。

(16)

(17)

同理,采用相同的方法對(duì)可充電時(shí)間和剩余電量參數(shù)進(jìn)行分析,對(duì)每個(gè)不同權(quán)重下的電動(dòng)汽車充電滿意率及居民區(qū)總負(fù)荷標(biāo)準(zhǔn)差指標(biāo)進(jìn)行仿真和對(duì)比。取10次不同初始數(shù)據(jù)集仿真下指標(biāo)的平均值進(jìn)行對(duì)比,充滿率隨權(quán)重系數(shù)變化如圖3所示。

圖3 權(quán)重變化對(duì)充滿率的影響Fig.3 Impact of weight change on charging satisfaction

由圖3可見,等待時(shí)間參數(shù)權(quán)重占比越小,充電滿意率越高,當(dāng)αw大于另外兩個(gè)參數(shù)的權(quán)重時(shí),滿意率基本穩(wěn)定;當(dāng)αs比另外兩個(gè)參數(shù)權(quán)重稍大時(shí),滿意率出現(xiàn)一個(gè)高峰,繼續(xù)增大αs則會(huì)降低滿意率;而αp占的比例越大,充電滿意率越高,在比例為5倍時(shí)達(dá)到最大值,符合現(xiàn)實(shí)規(guī)律。

因此,充電滿意率指標(biāo)與小區(qū)負(fù)荷標(biāo)準(zhǔn)差指標(biāo)為兩個(gè)互斥的指標(biāo),本文仿真采用的權(quán)重值為[0.25,0.25,0.5],更多考慮的是電動(dòng)汽車用戶充電的滿意程度。作為居民區(qū)停車場運(yùn)營管理方,可以根據(jù)實(shí)際需要調(diào)整TOPSIS排序方法的權(quán)重,使居民區(qū)有序充電更符合預(yù)期。

4 結(jié)語

老舊居民區(qū)由于早先設(shè)計(jì)時(shí)的變壓器負(fù)荷容限低,難以適應(yīng)電動(dòng)汽車迅猛增長的充電需求。本文提出基于TOPSIS方法的居民區(qū)電動(dòng)汽車有序充電策略,在兼顧用戶充電成本、充電完成率、充電等待時(shí)間的基礎(chǔ)上,提高了小區(qū)居民用電總負(fù)荷平穩(wěn)性。通過仿真研究對(duì)比了各種充電策略下基于TOPSIS方法與ECEC策略、GPM等方法的排序方案。結(jié)果表明,本文方法相對(duì)純粹的谷時(shí)充電策略或GPM充電方案,可以在相似的經(jīng)濟(jì)性前提下有效提高用戶充電的滿意率、降低小區(qū)總負(fù)荷峰值,并增加小區(qū)負(fù)荷平穩(wěn)性。

由于本文研究僅考慮了3個(gè)與充電完成率關(guān)系密切的屬性作為TOPSIS方法排序的參考依據(jù),未能考察其他可能影響充電排序的因素,在今后研究中應(yīng)進(jìn)一步全面考慮各種可能影響決策方案的其他屬性,增強(qiáng)方法的實(shí)用性,為相關(guān)部門解決好居民區(qū)電動(dòng)汽車有序充電難題做好決策支撐。

附錄見本刊網(wǎng)絡(luò)版(http://www.aeps-info.com/aeps/ch/index.aspx)。