任 峰，向 月

（1. 四川大學(xué)電氣工程學(xué)院，四川 成都 610065；2. 四川西昌電力股份有限公司，四川 西昌 615000）

0 引言

隨著對環(huán)境的重視程度越來越高，綠色出行受到越來越多的關(guān)注，以電動汽車（EV）為代表的新能源汽車得到了大力發(fā)展。隨著EV 保有量的不斷增加，EV 長期儲存了超過50%的電能，不利于能源的利用。而在車網(wǎng)互動（V2G）技術(shù)的支持下，EV 不僅能夠提高能源利用率［1］，還能為電網(wǎng)提供一定的輔助服務(wù)，提高電網(wǎng)的穩(wěn)定性［2］。2020年4月15日，國家電網(wǎng)有限公司華北分部在國內(nèi)首次將V2G 充電樁資源正式納入華北電力調(diào)峰輔助服務(wù)市場并正式結(jié)算?；赩2G技術(shù)，EV可由單一充電形態(tài)拓展為充電、放電2 種形態(tài)，從而參與電網(wǎng)的實(shí)時調(diào)控和調(diào)峰輔助服務(wù)［3］。由于社會各界對電力的需求越來越多，會造成用電高峰時段電網(wǎng)的安全性下降，將EV作為移動式儲能元件在特定的時段、地點(diǎn)對電網(wǎng)放電進(jìn)行調(diào)峰［4］，成為“快閃調(diào)峰電廠”，有助于提升電網(wǎng)的安全性。2020 年11 月，國務(wù)院辦公廳印發(fā)的《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃（2021—2035 年）》［5］中指出，加強(qiáng)新能源汽車與電網(wǎng)能量互動，鼓勵地方開展V2G 示范應(yīng)用。為此，本文以純電動出租車為研究對象，對電動出租車這類特殊集群以V2G 模式參與電網(wǎng)協(xié)同削峰及其效益進(jìn)行分析。

目前，已有較多關(guān)于V2G 經(jīng)濟(jì)效益及V2G 對電網(wǎng)削峰平谷響應(yīng)能力的研究：文獻(xiàn)［6］提出了單輛EV的V2G模型，基于此對EV集群的V2G響應(yīng)能力進(jìn)行評估，探索了EV參與電網(wǎng)運(yùn)行的可行性；文獻(xiàn)［7］分析了峰谷分時電價對EV 充電過程的影響；文獻(xiàn)［8］在文獻(xiàn)［7］的基礎(chǔ)上，考慮了不同深度放電情況對EV 電池壽命的影響，從單輛EV 的V2G 響應(yīng)機(jī)制推廣到EV 集群。上述研究表明只有量大、集中、充放電可控的EV 參與V2G 才能發(fā)揮更大的價值，特別是在一些微電網(wǎng)局部區(qū)域內(nèi)可發(fā)揮重要的作用［9］。但在目前沒有充放電價格機(jī)制引導(dǎo)的情況下，EV 用戶只會根據(jù)EV 需求隨機(jī)充電。文獻(xiàn)［10］提出只有在市場能對EV 用戶進(jìn)行有效經(jīng)濟(jì)補(bǔ)償時，EV 用戶才會參與輔助服務(wù)市場。但單輛EV 難以主動響應(yīng)市場，往往只能通過第三方平臺［11］實(shí)現(xiàn)“抱團(tuán)”響應(yīng)。

上述研究均指出V2G 不是單一EV 所能承擔(dān)的，同時也提出電價因素是影響V2G 的重要指標(biāo)。在目前低碳出行的大背景下，各城市內(nèi)的電動出租車數(shù)量日漸增長，同時城市用電負(fù)荷需求越來越高，關(guān)于如何能召集電動出租車集群，在V2G 技術(shù)的支持下，與相適應(yīng)的電網(wǎng)協(xié)同參與削峰的問題尚未得到解決。為此，本文結(jié)合城市出租車的運(yùn)行軌跡數(shù)據(jù)，找到供電區(qū)域內(nèi)最適合調(diào)用的電動出租車集群；基于需求響應(yīng)電價，進(jìn)行V2G 協(xié)同負(fù)荷削峰策略與效益分析，以此分析電動出租車的經(jīng)濟(jì)效益及其對行駛區(qū)域內(nèi)電網(wǎng)的削峰效果。

1 電動出租車的行駛軌跡分區(qū)

電動出租車行駛在城市區(qū)域內(nèi)的所有道路上，且行駛軌跡具有一定的規(guī)律性。對于城市規(guī)模較大的地區(qū)而言，電動出租車車主會習(xí)慣性地選擇熟悉的地區(qū)行駛，除非接單收益很大，否則不會行駛到過遠(yuǎn)的區(qū)域。通過對行駛軌跡進(jìn)行分析，可以得到各電動出租車經(jīng)常行駛的區(qū)域。

在目前處于運(yùn)營狀態(tài)的電動出租車上裝設(shè)全球定位系統(tǒng)（GPS）［12］，間隔一定的時間采集1 組經(jīng)度、緯度數(shù)據(jù)。K-means 算法是一種簡單的迭代型聚類算法，采用距離作為相似性指標(biāo)，電動出租車的行駛軌跡與其不謀而合，本文考慮從已采集的經(jīng)度、緯度數(shù)據(jù)中，剝離出合適的數(shù)據(jù)進(jìn)行K-means［13］聚類，從而發(fā)現(xiàn)給定的電動出租車位置數(shù)據(jù)可聚類為K個類別，且每個類別的聚類中心是根據(jù)各類別中電動出租車經(jīng)度、緯度數(shù)據(jù)的均值得到，為此各類別可用聚類中心進(jìn)行描述。對于一個給定的數(shù)據(jù)集X，選取歐氏距離作為相似性指標(biāo)，以最小化各類別的聚類平方和為聚類目標(biāo)，確定各聚類類別和聚類中心。

給定訓(xùn)練集如式（1）所示。

式中：xi（i=1，2，…，N）為電動出租車i的經(jīng)緯度向量；N為電動出租車的數(shù)量；Rn為2 維向量（經(jīng)度、緯度），n為2 維向量的數(shù)量。隨機(jī)選取K個聚類中心，結(jié)合最小二乘法和拉格朗日原理，聚類中心為對應(yīng)類別中各數(shù)據(jù)點(diǎn)的平均值，同時為了使算法能夠收斂，在迭代過程中應(yīng)使最終的聚類中心J的位置盡可能不變，則有：

式中：uk∈Rn為隨機(jī)選取的第k個聚類中心。

初始聚類中心的選取對最終的聚類結(jié)果會產(chǎn)生影響，因此本文通過多次選取聚類中心進(jìn)行迭代，同時與變電站供電區(qū)進(jìn)行匹配，尋求電動出租車與具有削峰需求的變電站相耦合的最優(yōu)解。

2 需求響應(yīng)下電動出租車集群參與削峰

2.1 現(xiàn)有電動出租車的基本情況

根據(jù)現(xiàn)有出租車的運(yùn)行習(xí)慣及EV 電池容量可知，目前各城市的電動出租車?yán)m(xù)航里程普遍多于400 km：2019年廣州市投入1500輛某全新車型作為電動出租車［14］，其電池續(xù)航里程為410 km；2020年成都所采用電動出租車［15］的最大續(xù)航里程為450 km。根據(jù)當(dāng)前EV的續(xù)航里程表現(xiàn)，一天一充基本能滿足其出行需求，且隨著EV 的發(fā)展，續(xù)航里程會越來越長，未來完全能做到一天一充。考慮到白天均為有電驅(qū)動的情況，對于EV作為高度靈活的移動儲能單元參與負(fù)荷調(diào)節(jié)時，可參考文獻(xiàn)［16］中的參與方式和激勵措施。但若EV的放電功率過大，則會加速電池壽命縮減［8］，用戶將不愿意以V2G 的方式進(jìn)行放電；若放電功率過小，則會影響削峰效果。因此，需考慮EV放電功率與電池容量（車型）相匹配。

2.2 電動出租車集群的分組安排

為了使更多的車輛有時間思考是否參與削峰，同時也為電網(wǎng)提供調(diào)整運(yùn)行方式的時間，通過電網(wǎng)內(nèi)部進(jìn)行削峰負(fù)荷測算后，提前24 h 對外發(fā)布削峰需求，由聚合商進(jìn)行車輛分配和調(diào)用。同時為了避免某時段有過多的電動出租車參與，且一天中有2 個用電高峰時段，本文將電動出租車集群分為Team A和Team B，其運(yùn)營模式如圖1所示。

圖1 電動出租車的運(yùn)營模式Fig.1 Operation mode of electric taxis

通過分組參與，能避免任意用電高峰時段大部分電動出租車前往參與調(diào)度放電，使城市內(nèi)用于居民出行的出租車數(shù)量驟減。本文規(guī)定Team A 和Team B 的電動出租車在一天內(nèi)最多只能響應(yīng)1 次，使每個用電高峰時段內(nèi)都有一定數(shù)量的電動出租車滿足居民的出行需求，同時當(dāng)前各種網(wǎng)約車的加入，使得在調(diào)度電動出租車進(jìn)行削峰的過程中，居民的出行需求能夠得到滿足，有效保障交通網(wǎng)的正常運(yùn)行。由于居民在夜間的出行需求較少，且不具有特別明顯的規(guī)律，本文方案并未考慮夜間電力低谷時段的運(yùn)行情況。

根據(jù)目前電動出租車的電池容量情況，電動出租車在用電高峰時段（2 h）之后需進(jìn)行就地充電，考慮環(huán)境空間的最優(yōu)利用率，在安裝充電樁的停車位安裝V2G反向放電設(shè)備，能有效提高空間利用率。

目前，各廠家充電樁的充電功率在逐步增大，但是大規(guī)模電動出租車批量充電也會給電網(wǎng)的安全運(yùn)行帶來隱患。為了避免V2G 后就地充電引起新一輪的用電高峰問題，可以采用充電功率可變的充電樁，假設(shè)［0，20）min 內(nèi)的充電功率為P1，［20，40）min 內(nèi)充電功率上升為P2，［40，60）min內(nèi)充電功率上升為P3（P3為充電樁的峰值充電功率），則充電樁的平均充電功率Pvar如式（3）所示，其值小于日?？斐涞某潆姽β剩苡行Ы档驮摃r段內(nèi)負(fù)荷的增長速度。

未來隨著EV 的發(fā)展，車載電池容量逐步增加，EV 放電后可能不再需要就地充電，這樣能夠更加有效地避免產(chǎn)生新的用電高峰。

2.3 V2G對車輛剩余電量的影響

V2G削峰收益對電動出租車的常規(guī)行駛接單有很大的影響。若V2G 綜合費(fèi)用很高，則對車主會有很強(qiáng)的吸引力，車主會盡可能少地接單以留存更多的電量參與V2G，這樣就有悖于出租車的本職工作。為了避免類似事件的發(fā)生，可以采用以下限制方式：①限制電動出租車參與V2G 放電前的最大剩余電量U，避免車主留存過多的電量；②由于單輛電動出租車難以主動響應(yīng)市場，往往只能通過第三方平臺［11］實(shí)現(xiàn)“抱團(tuán)”響應(yīng)，規(guī)定電動出租車通過聚合商參與V2G；③每輛電動出租車的放電量由聚合商進(jìn)行代理安排。則可調(diào)用電量可分為以下2種情況：

1）情況1，聚合商與電網(wǎng)確定削峰總量后，安排每輛參與電動出租車的最大放電量Uass；

2）情況2，電動出租車從行駛到放電時刻，留存的剩余可調(diào)用電量Urated-15%Urated-100xt(Urated/Lsta)。

則可調(diào)用電量Uad的計(jì)算式為：

式中：Urated為電池的額定容量；xt為車輛從滿電或者補(bǔ)充電量后，行駛到t時段時電動出租車的平均行駛里程；Lsta為最大行駛里程；15%Urated為保護(hù)電動出租車電池設(shè)置的最低保護(hù)電量［17］。

考慮車載電池容量，為了在V2G放電后能滿足后續(xù)電動出租車的接單運(yùn)營，規(guī)定V2G 放電后進(jìn)行就地充電的最小電量（或放電前的最小充電電量）Uc為：

式中：xt，ave為充放電時間內(nèi)，在常規(guī)運(yùn)營模式下的平均行駛里程。

為了使電網(wǎng)能更精確地進(jìn)行負(fù)荷調(diào)整，對于愿意參與V2G 放電的電動出租車而言，應(yīng)對其電量進(jìn)行約束（由于單一電動出租車不便于管理，電量約束由聚合商代為管理）。

1）強(qiáng)約束（V2G 放電前最大行駛里程為xt，max）：接受參與第二天放電的電動出租車需要保證其第二天的放電量，以獲得高額的服務(wù)費(fèi)；約定的最大放電量，考慮調(diào)峰時間為2 h，所以設(shè)置2 h的最大放電量為2倍放電功率對應(yīng)的電量。

2）弱約束（V2G 放電前最大行駛里程為xt，f）：對于接受參與第二天放電的電動出租車，無需保證其第二天規(guī)定的最大放電量，但需保證最低放電量為Urated-15%Urated-100xt，f(Urated/Lsta)。

相較于強(qiáng)約束，弱約束下車主對行駛里程及接單有更充足的選擇，但是V2G 削峰收益相對較低，設(shè)此時的V2G削峰收益為強(qiáng)約束下的某一比例。

2.4 電動出租車V2G削峰收益

電動出租車的主要收益來源為接單，只有當(dāng)削峰收益大于充電支出與損耗費(fèi)用時，其才會參與放電。V2G模式下使電動出租車的日收益M最大化的目標(biāo)函數(shù)為：

式中：T為時段總數(shù)，本文中取值為24；R(t)為t時段的平均接單收益；Cdis為V2G削峰收益；Ccha為額外電量的充電支出；kDOD為單次快速放電損耗費(fèi)用；mave為單位時段的平均接單收益；pdis為放電電價、服務(wù)費(fèi)和需求響應(yīng)補(bǔ)償電價之和；pcha為充電電價。

根據(jù)文獻(xiàn)［18］提出的V2G 電池?fù)p耗費(fèi)用，定義電池的放電深度DDOD為：

式中：Ssoc1、Ssoc2分別為放電前、后的電池容量。

電池的循環(huán)壽命與工作方式密切相關(guān)，放電深度越大，則循環(huán)壽命越短，放電深度與循環(huán)壽命之間的關(guān)系曲線被稱為電池的放電特性曲線。文獻(xiàn)［18］通過曲線擬合得到某型號鋰電池在經(jīng)典模型下的放電特性曲線為：

式中：Cbat為電池的購電成本；ES為電池容量。

考慮到活躍在不同區(qū)域的電動出租車以V2G模式進(jìn)行放電的單價相同，但其在不同約束條件下的放電量所帶來的收益會不同，因此車主會有不同的參與度。本文定義電動出租車車主的參與度β為：

式中：CV2G為V2G凈收益，CV2G=Cdis-Ccha-kDOD；Cbusiness，t為V2G 模式下剩余時間的接單收益；C′business為常規(guī)運(yùn)營模式的接單收益。若β≥1，則表示車主愿意參與V2G；若β<1，則表示車主不愿意參與V2G。

對于電動出租車車主而言，如果其參與V2G 削峰，則還能獲得額外的休息時間Ttest，如式（16）所示。

式中：xt，max/f為強(qiáng)／弱約束下的行駛里程；z為參與V2G放電的車輛數(shù)量；m為削峰小時數(shù)。

2.5 協(xié)同策略

電動出租車以V2G 模式與電網(wǎng)協(xié)同進(jìn)行削峰的流程圖見附錄A 圖A1。電網(wǎng)內(nèi)部進(jìn)行削峰負(fù)荷測算后，提前24 h 對外發(fā)布削峰需求；利用K-means算法對電動出租車按行駛軌跡習(xí)慣進(jìn)行分類，找出該區(qū)域內(nèi)的電動出租車并對其發(fā)布激勵，并指明第二天所要前往的地點(diǎn)（某商場停車場或某車站停車場），車主根據(jù)自身的行駛習(xí)慣，可選擇不參與V2G削峰或選擇在強(qiáng)／弱約束下參與V2G 削峰以獲取相應(yīng)的收益?；谏鲜龇椒晌嗟碾妱映鲎廛噮⑴c削峰，可得到電動出租車集群單位時段的削峰電量，進(jìn)而可以得到對電網(wǎng)的削峰量，基于此電力調(diào)度人員可以更好地安排第二天電網(wǎng)的運(yùn)行方式。

3 算例分析

3.1 基礎(chǔ)數(shù)據(jù)

以成都市出租車的運(yùn)行軌跡為參考數(shù)據(jù)，對某天出租車軌跡數(shù)據(jù)進(jìn)行聚類，結(jié)果如附錄A 圖A2所示。基于該結(jié)果，電動出租車可就近提供V2G 放電服務(wù)。電動出租車采用吉利幾何A型轎車，基礎(chǔ)參數(shù)如附錄A表A1所示，并設(shè)其V2G放電功率為20 kW，基準(zhǔn)耗電量為0.15 kW·h／km。由圖A2 可知，為了更好地調(diào)用電動出租車進(jìn)行削峰，除了需要進(jìn)行經(jīng)濟(jì)方面激勵外，還應(yīng)該從各車輛的行駛習(xí)慣進(jìn)行考慮。根據(jù)城市固有的分區(qū)可知，每一個區(qū)域?qū)?yīng)一個供電公司，而各供電公司又相對獨(dú)立，因此盡可能以各個供電區(qū)域范圍的中心作為聚類中心J，根據(jù)式（1）和式（2）以及成都市電動出租車集群的GPS數(shù)據(jù)，對電動出租車進(jìn)行分類，便于各區(qū)域供電公司調(diào)用。根據(jù)2019 年11 月28 日成都市發(fā)布的《成都市中心城區(qū)巡游出租汽車區(qū)域融合改革實(shí)施方案》［19］可知，出租車長期以來存在收取跨區(qū)費(fèi)用或者以各種借口為由拒絕前往其他區(qū)域的現(xiàn)象，導(dǎo)致其運(yùn)行軌跡常年處于特定區(qū)域及該區(qū)域附近，從而為區(qū)域內(nèi)電網(wǎng)削峰提供了充足的車輛條件。

根據(jù)趕集網(wǎng)［20］發(fā)布的成都地區(qū)出租車車主的平均工資，設(shè)置單位時段平均接單收益為12.78元／h；根據(jù)成都出租車網(wǎng)發(fā)布的2019 年出租汽車燃油消耗數(shù)據(jù)［21］，成都市直屬地區(qū)車輛的日均行駛里程為357.91 km，每小時平均行駛里程xt，ave=22.7 km。

假設(shè)強(qiáng)約束下需保證削峰時間為2 h，電動出租車的最大削峰電量為40 kW·h，而弱約束下最大削峰電量為20 kW·h。設(shè)弱約束下1 kW·h 削峰電量的收益為強(qiáng)約束下的80%。對于放電后立即充電的電動出租車而言，選用充電功率可變式充電樁，且為了避免造成新的用電高峰，設(shè)［0，20）min 內(nèi)的充電功率為20 kW，［20，40）min內(nèi)充電功率上升為40 kW，［40，60）min內(nèi)充電功率繼續(xù)上升為60 kW。

考慮成都地區(qū)的電價［22］和電動出租車在需求響應(yīng)電價下參與削峰的補(bǔ)償單價作為電網(wǎng)側(cè)的輸入?yún)?shù)。目前上海、江蘇等省市因地制宜地開展了需求響應(yīng)試點(diǎn)，四川省目前暫未開展，故本文參考已有地區(qū)的實(shí)際削峰需求響應(yīng)補(bǔ)償單價2.4 元／（kW·h）（提前24 h方式通知參與響應(yīng)）［16］進(jìn)行算例仿真分析。

3.2 單輛電動出租車V2G削峰收益仿真

對電動出租車的行駛軌跡習(xí)慣數(shù)據(jù)進(jìn)行分析處理，取附錄A 圖A2 中某區(qū)域內(nèi)的電動出租車（部分車輛的經(jīng)度、緯度數(shù)據(jù)如附錄A 表A2 所示），并參照圖1中Team A 的運(yùn)營時段進(jìn)行調(diào)度，仿真結(jié)果如表1 所示。由表可知：對于該區(qū)域內(nèi)的電動出租車而言，車主在強(qiáng)約束V2G 模式下的參與度β≥1，收益（210.23 元）大于常規(guī)運(yùn)營模式下的收益；車主在弱約束V2G 模式下的參與度β<1，收益小于常規(guī)運(yùn)營模式下的收益。

表1 電動出租車在不同模式下的收益與參與度Table 1 Benefits and participation degree of electric taxis under different modes

由于附錄A 圖A2 是根據(jù)實(shí)際城市區(qū)域中心點(diǎn)作為聚類中心進(jìn)行分類所得結(jié)果，在供電區(qū)域內(nèi)調(diào)度其電動出租車，更適合與該區(qū)域的供電公司進(jìn)行協(xié)同削峰，削峰放電電量及損耗費(fèi)用結(jié)果如表2 所示。由表可知：無論是在強(qiáng)約束還是弱約束下，都能夠利用電動出租車的剩余電量進(jìn)行削峰，強(qiáng)、弱約束下的放電電量分別為40、20 kW·h；隨著放電電量的增加，損耗費(fèi)用也相應(yīng)增加，強(qiáng)、弱約束下的損耗費(fèi)用分別為38.30、20.08 元，隨著放電深度的增加，V2G削峰收益增加，但損耗費(fèi)用也在增加。

表2 電動出租車的放電電量和損耗費(fèi)用Table 2 Discharging energy and loss cost of electric taxis

對于電動出租車車主而言，其在常規(guī)運(yùn)營模式下很難有相對穩(wěn)定的休息時間，而在V2G 技術(shù)的支持下，電動出租車車主只要參與V2G，均可獲得一定的休息時間，結(jié)果如表3 所示。由表3 可知：V2G 技術(shù)能為電動出租車車主提供休息時間，強(qiáng)約束下車主一共能獲得2.96 h 的休息時間，弱約束條件下車主一共能獲得1.75 h的休息時間。

表3 電動出租車車主獲得的休息時間Table 3 Rest time of electric taxi owners

Team B 所調(diào)度的電動出租車是與Team A 運(yùn)行在同一區(qū)域的車輛，以確保能與該區(qū)域電網(wǎng)進(jìn)行需求響應(yīng)下最便捷的削峰。在目前車輛電池容量的條件下，對Team B經(jīng)濟(jì)效益的計(jì)算有別于Team A。在放電前，Team B 的剩余電量已經(jīng)不多，因此Team B 會先進(jìn)行充電，再進(jìn)行放電，且同樣以強(qiáng)、弱約束方式進(jìn)行。調(diào)度Team A、Team B 時的結(jié)果對比如表4所示。

表4 調(diào)度Team A、Team B時的結(jié)果對比Table 4 Result comparison between scheduling Team A and scheduling Team B

由表4 可知，調(diào)度Team B 的效果與調(diào)度Team A的效果相同。如果2組的收益有較大的差距，就可能造成電動出租車車主集中在某個調(diào)度時段進(jìn)行放電，進(jìn)而影響電網(wǎng)的削峰效果以及城市交通網(wǎng)絡(luò)運(yùn)營狀態(tài)。通過仿真計(jì)算同一時段的調(diào)度過程可知，在需求響應(yīng)補(bǔ)償電價為2.4 元／（kW·h）的條件下，只有采用強(qiáng)約束V2G 模式，車主才能獲得比常規(guī)運(yùn)營模式更多的收益；在弱約束V2G 模式下，車主僅能獲得額外的休息時間，收益相比于常規(guī)運(yùn)營模式有所下降。

3.3 不同需求響應(yīng)補(bǔ)償電價的靈敏度分析

考慮不同地區(qū)的需求響應(yīng)補(bǔ)償電價存在差異，通過設(shè)置不同的需求響應(yīng)補(bǔ)償電價探討其對電動出租車調(diào)度策略的影響。在基礎(chǔ)算例的基礎(chǔ)上，設(shè)置需求響應(yīng)補(bǔ)償電價為2.0、2.6、3.0元／（kW·h），基于Team A 的運(yùn)營時段對該區(qū)域內(nèi)的電動出租車進(jìn)行調(diào)度，所得結(jié)果如表5所示。

由表5 可知：需求響應(yīng)補(bǔ)償電價直接影響收益，但不會影響損耗費(fèi)用；隨著需求響應(yīng)補(bǔ)償電價增大，V2G模式下車主的收益隨著增大。在強(qiáng)約束條件下，當(dāng)需求響應(yīng)補(bǔ)償電價為2.0 元／（kW·h）時，車主的收益低于常規(guī)運(yùn)營模式，車主可能不會選擇進(jìn)行放電；當(dāng)需求響應(yīng)補(bǔ)償電價為2.6元／（kW·h）時，車主可能選擇不參與或者以弱約束條件進(jìn)行V2G，因?yàn)槿跫s束條件下其收益約等于常規(guī)運(yùn)營模式下的收益；當(dāng)需求響應(yīng)補(bǔ)償電價為3.0元／（kW·h）時，無論是在強(qiáng)約束條件下還是弱約束條件下，車主都將獲得多于常規(guī)運(yùn)營模式的收益，且在強(qiáng)約束條件下的收益遠(yuǎn)高于常規(guī)運(yùn)營收益，車主可能更愿意參與V2G削峰放電。上述結(jié)果表明需求響應(yīng)補(bǔ)償電價是影響電動出租車以V2G模式進(jìn)行削峰放電的重要因素。

表5 不同需求響應(yīng)補(bǔ)償電價下的收益和參與度Table 5 Benefits and participation degree with different demand response compensation prices

3.4 電動出租車參與削峰對負(fù)荷削減的效果

根據(jù)圖1 所示電動出租車的運(yùn)營模式，以及成都出租車網(wǎng)發(fā)布的2019 年出租汽車燃油消耗數(shù)據(jù)［21］，折算平均每小時行駛里程下單一車輛的電量變化曲線如圖2所示。

圖2 電動出租車的電量變化曲線Fig.2 Electricity change curves of electric taxis

當(dāng)電動出租車的電池容量為51.9 kW·h 時，匹配的放電功率為20 kW，若要在中午用電高峰時段進(jìn)行最大限度的電量調(diào)度，就必須限制車輛的行駛里程。由圖2 可知：V2G 模式下的Team A 在07:00之后限制了行駛里程，相較于常規(guī)運(yùn)營模式，其電量下降趨勢有所減緩；11:00—13:00時段為Team A 車輛的放電時段。對于V2G 模式下的Team B 而言，其在被調(diào)度前的電量變化趨勢與常規(guī)運(yùn)營模式下車輛的變化趨勢相同，在目標(biāo)調(diào)度時刻18:00 之前，需要先進(jìn)行一定電量的充電，這樣才能滿足18:00—19:00時段的削峰調(diào)度電量需求。

當(dāng)該區(qū)域電網(wǎng)有削峰需求時，通過對長期行駛在該區(qū)域的電動出租車進(jìn)行激勵，在強(qiáng)約束條件下各調(diào)度Team A 和Team B 的200 輛電動出租車為該區(qū)域某變電站（主接線圖見附錄A 圖A3）提供削峰服務(wù)，在用電高峰時段削峰前、后的負(fù)荷對比如圖3所示。

圖3 電動出租車參與削峰前、后的負(fù)荷對比Fig.3 Comparison of load between before and after participation of electric taxis in peak load shifting

由圖3 可知，通過在特定的時段調(diào)度一定量的電動出租車參與削峰可以對變電站負(fù)荷進(jìn)行削減，進(jìn)而緩解主變負(fù)荷壓力。新能源汽車正在大力發(fā)展，特別是續(xù)航和充放電技術(shù)正逐步發(fā)展成熟，未來城市區(qū)域內(nèi)的所有出租車可能全部采用電動出租車。由圖3 可以看出，隨著電動出租車數(shù)量的增加，利用V2G 技術(shù)參與電網(wǎng)削峰可提高電網(wǎng)運(yùn)行的安全性?；诔啥际鞋F(xiàn)有出租車保有量進(jìn)行估計(jì)，未來約有10 000 輛電動出租車加入綠色出行，此時調(diào)度25%～35%的電動出租車以V2G 模式參與削峰服務(wù)能夠調(diào)節(jié)約37 500～52 500 kW·h 的負(fù)荷，可以預(yù)見EV 的發(fā)展以及V2G 技術(shù)的成熟將對當(dāng)?shù)仉娏ο到y(tǒng)的安全穩(wěn)定性起到一定的積極作用。

4 結(jié)論

本文對電動出租車參與削峰的潛在價值及車輛參與的可行性進(jìn)行了分析，同時對成都地區(qū)出租車的行駛習(xí)慣數(shù)據(jù)進(jìn)行分析，對電動出租車這類特殊集群以V2G 模式與電網(wǎng)進(jìn)行協(xié)同削峰進(jìn)行了建模。通過仿真分析可得到如下結(jié)論：

1）借助出租車的歷史行駛軌跡與電網(wǎng)供電區(qū)域相耦合的關(guān)系，找到供電區(qū)域內(nèi)最適合調(diào)用的電動出租車，為調(diào)用車輛以V2G 模式參與削峰提供地理位置優(yōu)勢的前提條件；

2）結(jié)合V2G 技術(shù)和需求響應(yīng)激勵，能有效地刺激部分車輛進(jìn)行V2G 削峰，且以V2G 模式參與削峰的電動出租車能獲得額外的休息時間；

3）隨著電動出租車數(shù)量的增加，利用V2G 技術(shù)對電網(wǎng)進(jìn)行削峰能提高電網(wǎng)的安全穩(wěn)定性。

綜上所述，目前許多城市已經(jīng)開啟純電綠色公共交通模式，隨著EV購車成本的降低以及車載電池容量的增大，V2G 削峰的可行性及其放電功率將逐漸增大，對電網(wǎng)削峰的效果也會更加明顯。同時得益于車載電池容量的增加，電動出租車在參與V2G削峰后的剩余電量仍能滿足后序的接單運(yùn)營需求，其將不再進(jìn)行電量補(bǔ)充，能獲取更大的收益。借助于V2G 技術(shù)進(jìn)行削峰，不僅能增加電動出租車車主的收入并使其獲得額外的休息時間，還能為電力系統(tǒng)提供削峰增量服務(wù)。

附錄見本刊網(wǎng)絡(luò)版（http：//www.epae.cn）。