王 敏，呂 林，向 月

（四川大學(xué) 電氣工程學(xué)院，四川 成都 610065）

0 引言

2020 年國務(wù)院辦公廳印發(fā)了《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃（2021—2035 年）》，明確提出了推動新能源汽車與能源、交通、信息通信全面深度融合，促進能源消費結(jié)構(gòu)優(yōu)化、交通體系和城市智能化水平提升，構(gòu)建產(chǎn)業(yè)協(xié)同發(fā)展新格局［1］，并深化“三縱三橫”研發(fā)局面，這為電動汽車EV（Electric Vehicle）入網(wǎng)參與削峰調(diào)度提供了技術(shù)保障。同時，文件指出進一步鼓勵地方開展車網(wǎng)互動V2G（Vehicle to Grid）示范應(yīng)用，統(tǒng)籌新能源汽車充放電與電力調(diào)度需求，綜合運用峰谷電價差、新能源汽車充電優(yōu)惠等政策，實現(xiàn)新能源汽車與電網(wǎng)能量的高效互動，降低新能源汽車的用電成本［2］。EV 作為一類高度靈活的移動儲能設(shè)備，在優(yōu)化負荷曲線、改善電能質(zhì)量、提供應(yīng)急輔助服務(wù)等方面具有巨大的應(yīng)用潛力［3］。目前，江蘇等多地已經(jīng)開展了V2G 示范應(yīng)用，但是由于缺乏針對分散性用戶側(cè)資源的準(zhǔn)入政策和具有吸引力的補償機制［4］，EV 用戶參與輔助服務(wù)市場的競價體系缺乏持續(xù)性［5］。同時，我國城市的峰谷電價差往往較小，EV 用戶利用電價峰谷差進行套利的空間十分有限［6］，因此需要針對EV 設(shè)置不同于分時電價機制的靈活V2G 激勵機制以提升EV 用戶的利益［7］。

目前，關(guān)于EV 參與輔助服務(wù)市場經(jīng)濟調(diào)度的研究往往集中考慮配電網(wǎng)運營商DSO（Distribution System Operator）、EV 聚合商EVA（Electric Vehicle Aggregator）和EV 用戶三方的利益。文獻［8］從考慮DSO 的利益出發(fā)，提出了EV 實現(xiàn)城市配電網(wǎng)系統(tǒng)削峰填谷的動態(tài)經(jīng)濟調(diào)度策略，獲取EV 的可調(diào)度容量，并分析了V2G 和網(wǎng)車互動G2V（Grid to Vehicle）負荷對動態(tài)經(jīng)濟調(diào)度的影響，但未考慮EV 用戶的利益。在同時考慮DSO 和EV 用戶經(jīng)濟性的基礎(chǔ)上，文獻［9］提出了EV多目標(biāo)優(yōu)化調(diào)度方案，但未從電網(wǎng)側(cè)考慮減少系統(tǒng)負荷的波動。文獻［10］考慮電力調(diào)度中心、EVA 和EV 用戶三方的利益，以電力調(diào)度成本最小、EV 用戶用電成本最小和EV 代理商收益最大為目標(biāo)，建立了智能合約模型以優(yōu)化充放電電價。雖然上述文獻都從不同方面考慮了DSO、EVA 和EV 用戶三者的利益，但是在對EV 用戶的用電成本進行考量時，未區(qū)分EV參與經(jīng)濟調(diào)度的充電電價和放電電價。

此外，在同時考慮EV用戶參與削峰填谷的經(jīng)濟效益和負荷峰谷差值最優(yōu)的目標(biāo)下，文獻［11］提出了最小化系統(tǒng)網(wǎng)損成本、EV 用戶成本和系統(tǒng)總負荷均方差的多目標(biāo)雙層優(yōu)化模型，以優(yōu)化EV參與日前調(diào)度的充放電功率，但是未考慮EV 用戶的出行需求。文獻［12］考慮用戶參與調(diào)度的荷電狀態(tài)SOC（State Of Charge），提出了采用分群優(yōu)化的V2G 策略；文獻［13］考慮EV 用戶參與調(diào)度的意愿，建立了兩階段優(yōu)化模型以得到EV 充放電調(diào)度策略。但是文獻［12-13］沒有對EV 用戶的出行行為不確定性進行建模分析。文獻［14］提出了一種基于模糊控制的V2G調(diào)度策略，以避免電網(wǎng)負荷低谷時段大量EV接入引起新負荷尖峰問題的發(fā)生。文獻［15］提出了考慮EV 可轉(zhuǎn)移充放電電量裕度的EV 實時調(diào)度策略，實現(xiàn)了系統(tǒng)削峰填谷的目標(biāo)。可以看出，上述研究往往沒有將EV 的移動特性以及出行需求的不確定性同時納入用戶參與輔助服務(wù)所獲經(jīng)濟效益的考量中。

上述研究大多考慮EV 用戶基于分時電價參與輔助服務(wù)市場經(jīng)濟調(diào)度，并假定EV參與削峰的充電電價與放電電價一致，EV 用戶利用電價峰谷差進行套利，沒有制定EV入網(wǎng)參與削峰輔助服務(wù)的放電電價，且部分研究未將EV 用戶的出行行為納入考量?；谏鲜龇治?，借鑒我國EV需求響應(yīng)試點項目的定價方式［16］，本文首次引入基于DSO 削峰需求的V2G激勵價格機制?？紤]到EV用戶的隨機出行行為，采用出行鏈模擬EV用戶的出行需求和移動特性，從而獲得EV 集群的可調(diào)度容量，并將其作為DSO 與EVA 雙方制定EV 參與削峰協(xié)同調(diào)度策略的約束條件。進一步地，提出考慮DSO 平滑負荷波動和EVA使EV用戶用電成本最少的雙目標(biāo)協(xié)同調(diào)度模型，以優(yōu)化EV參與削峰服務(wù)的放電容量。

1 面向削峰的V2G激勵價格設(shè)計

根據(jù)上海市EV 參與電力需求響應(yīng)的試點報告［6］，EV 在不同充換電場所實現(xiàn)的響應(yīng)效果存在較大的差別，其中私人充電樁的數(shù)量較多，但響應(yīng)率較低，其需求響應(yīng)的潛力仍有待提升，這是因為當(dāng)前所執(zhí)行的峰谷電價差較窄［16］，EV用戶能獲利的空間有限［17］。隨著電池成本的降低，EV充放電的優(yōu)勢也將顯現(xiàn)。因此，制定合理的EV集群參與削峰的放電服務(wù)價格，以激勵更多的EV 用戶參與電網(wǎng)削峰，這對于提升電網(wǎng)效益和EV 用戶利益具有重要的意義［18］。EV 用戶參與區(qū)域電力系統(tǒng)削峰調(diào)度的結(jié)構(gòu)如附錄A圖A1所示。

制定EV參與削峰輔助服務(wù)的放電服務(wù)價格時，應(yīng)將系統(tǒng)的負荷情況和電價納入考量。若EV 用戶在電網(wǎng)負荷波動較大時參與削峰，則其獲利較多。將1 d 以1 h 為時間間隔分為24 個時段，若配電網(wǎng)在時段t的負荷Pt大于控制目標(biāo)值——配電網(wǎng)的日平均負荷Pavr，則定義該時段為削峰時段。為了體現(xiàn)EV 用戶在不同時段參與系統(tǒng)削峰的差異性，DSO 根據(jù)EV 參與輔助服務(wù)的質(zhì)量制定V2G 服務(wù)補償價格。引入削峰補償系數(shù)KP，并設(shè)計如下補償系數(shù)規(guī)則。削峰補償系數(shù)KP與DSO 削峰需求量系數(shù)和EV用戶參與度系數(shù)有關(guān)，可表示為：

式中：Kq為DSO 削峰需求量系數(shù)，DSO 根據(jù)系統(tǒng)負荷待削減量Pn確定其數(shù)值大?。籏j為EV 用戶參與度補償系數(shù)；ζ為削峰需求量價格補償系數(shù)，本文取值為1.1［6］；kj為EV用戶參與度調(diào)整系數(shù)；kjb為EV用戶的參與度；Ntj為響應(yīng)時段t簽約參與V2G 的EV 用戶數(shù)量；Na為EVA內(nèi)EV用戶總數(shù)量。

在結(jié)合城市分時電價λc，t的基礎(chǔ)上，本文定義EV 參與削峰輔助服務(wù)的放電服務(wù)價格為λdc，t，且其滿足一定的上下限約束，如式（3）所示。

式中：λdc，t，min、λdc，t，max分別為EV 參與削峰輔助服務(wù)的最小、最大放電服務(wù)價格。

2 V2G可調(diào)度容量

以電動私家車為研究對象，假設(shè)每輛EV均有雙向V2G 設(shè)備，當(dāng)EV 空閑時，均可連接到V2G 設(shè)備。同時，EVA 可通過V2G 設(shè)備的通信功能獲取EV 用戶的SOC、參與V2G削峰輔助服務(wù)的意愿、位置信息等。采用出行鏈模擬EV 用戶的出行行為［18］，結(jié)合交通路網(wǎng)模型模擬EV 用戶的行駛路徑，預(yù)測EV 用戶出行期間SOC的變化，進而確定每個調(diào)度時段EV用戶的V2G可調(diào)度容量。

2.1 EV出行鏈模型

V2G 可調(diào)度容量具有時空雙重屬性，基于出行鏈理論，結(jié)合EV用戶的出行時刻、行駛里程、行駛時長的概率分布，以城市交通路網(wǎng)為載體，采用蒙特卡洛抽樣方法模擬EV 用戶在出行期間SOC 的變化情況。電動私家車在工作日的行駛目的地較為固定，故本文僅考慮家庭地點（H）、商業(yè)休閑地點（S）和工作地點（W）作為電動私家車用戶的主要出行目的地。EV 在上述3 個地點之間行駛，行駛過程中其充放電行為可能發(fā)生在這3 類節(jié)點。定義簡單出行鏈H-W-H 表示用戶從家庭地點出發(fā)到達工作地點且下班后回到家庭地點的出行路徑；復(fù)雜鏈H-W-S-H則表示用戶從家庭地點出發(fā)到達工作地點上班，下班后到商業(yè)休閑地點休息，最后返回家庭地點的出行路徑。將EV用戶的家庭地點作為行程起始點，可得EV 用戶以家庭地點為起點的各種出行路徑方案如附錄A 表A1 所示。EV 與交通路網(wǎng)耦合的出行鏈?zhǔn)疽鈭D如附錄A圖A2所示。

2.2 EV出行行為的時空隨機性建模

EV 用戶的隨機出行路徑方案Etra可以由行程起始點Xs、目的地Xe、行駛里程Ltra、出行時刻Ts、停止時刻Te、行駛時長Ttra、停車時長Tl等狀態(tài)變量表示，如式（4）所示。

假設(shè)EV用戶每日的出行時刻Ts、停止時刻Te均服從正態(tài)分布［18］，其概率密度函數(shù)分別如式（5）和式（6）所示。假設(shè)EV 用戶選擇最短路徑行駛，EV 用戶在各個地點之間的行駛路徑由Dijkstra 算法獲取，行駛里程Ltra的概率密度函數(shù)如式（7）所示。EV 在不同地點之間的行駛時長如式（8）所示。

式中：μ1=6.92；σ1=1.24；μ2=17.47；σ2=1.80；μ3=2.78；σ3=0.82；T0a為道路零車流時的行駛時長；xa為道路的實時車流量；Ca為道路容量；αT、βT為模型參數(shù)，取值分別為0.15、0.4。

2.3 EV耗電量模型

本文近似認為在EV的行駛過程中，隨著行駛距離Ld的增加，其SOC 和實時電量均線性減小［18］。單輛EV 的充放電模型如式（9）所示，EV 在行駛過程中實時電量Ci，t的計算式如式（10）所示，EV 到達下一地點時的SOC如式（11）所示。

2.4 EV集群參與V2G可調(diào)度容量計算

V2G 可調(diào)度容量的計算流程圖如圖1 所示。圖中：Nr為出行鏈鏈長，若出行鏈為簡單鏈則Nr=2，若為復(fù)雜鏈則Nr=3；N為EV 數(shù)量。EV 用戶參與V2G 的可調(diào)度容量與EV 電池的SOC 有關(guān)，SOC 主要與EV 用戶的行駛里程有關(guān)，為此首先構(gòu)建關(guān)于EV行駛里程、行駛時長等的概率模型；然后，利用蒙特卡洛方法隨機模擬得到EV用戶的時空分布特征；最后，統(tǒng)計仿真結(jié)果，將EVA 內(nèi)愿意參與削峰輔助服務(wù)的EV 用戶在可調(diào)度時段內(nèi)參與V2G 的可調(diào)度容量進行疊加，得到每個調(diào)度時段的總V2G 可調(diào)度容量。

圖1 V2G可調(diào)度容量的計算流程圖Fig.1 Flowchart of calculating V2G available scheduling capacity

EV 集群參與V2G 的可調(diào)度容量和最大可調(diào)度容量的計算步驟具體如下。

3 計及V2G激勵價格的EV削峰協(xié)同調(diào)度模型

在本文所提EV 參與削峰輔助服務(wù)的協(xié)同調(diào)度模型中，DSO 向EVA 發(fā)布系統(tǒng)的削峰需求量、分時充電電價、EV 用戶參與削峰的放電服務(wù)價格等數(shù)據(jù)信息；EVA 作為中間機構(gòu)，獲取有意愿參與削峰的EV 用戶的電池SOC，在滿足用戶行駛需求和所設(shè)定SOC閾值的前提下，將每輛EV 的可調(diào)度電量納入削減容量的范圍，以最大限度地發(fā)揮EV集群的儲能潛力，達到較好的削峰效果。

3.1 目標(biāo)函數(shù)

3.2 約束條件

3.3 多目標(biāo)協(xié)同調(diào)度模型的求解算法

為了加快求解速度，本文采用等分線性化方法［19］對DSO 的目標(biāo)函數(shù)進行線性化。時段t的負荷均方差可表示為：

式中：Fe，max為配電網(wǎng)系統(tǒng)原日負荷均方差；Ce，max為EV 用戶不參與削峰服務(wù)時的用電成本；ω1、ω2為2個目標(biāo)函數(shù)的權(quán)重系數(shù)，且滿足ω1+ω2=1。

多目標(biāo)協(xié)同調(diào)度模型的具體求解步驟如下。

步驟1：設(shè)置原始數(shù)據(jù)，包括EV 數(shù)量、SOC 信息等，根據(jù)式（15）求解EV參與V2G的可調(diào)度容量。

步驟2：輸入常規(guī)負荷數(shù)據(jù)，構(gòu)建目標(biāo)函數(shù)F，并滿足相關(guān)約束條件。

步驟3：以最小化F為目標(biāo)求解每個時段EV 參與V2G的最優(yōu)響應(yīng)容量。

4 算例分析

4.1 算例描述

以我國某城市區(qū)域的典型日負荷曲線為例進行仿真分析，如附錄A 圖A3所示。采用峰時段和谷時段電價數(shù)據(jù)。交通網(wǎng)結(jié)構(gòu)如附錄A 圖A4所示，共有45 條道路和26 個節(jié)點，分為W 區(qū)、H 區(qū)、S 區(qū)。在算例仿真中，設(shè)置優(yōu)化調(diào)度周期為1 d，以1 h為時段間隔將其劃分為24 個時段，EV 接受削峰調(diào)度的周期為1 h。分時電價數(shù)據(jù)如附錄A 表A2 所示。為了保證DSO 和EVA 的效益最大化，將多目標(biāo)函數(shù)中的權(quán)重系數(shù)設(shè)置為ω1=ω2=0.5［11］。其他算例參數(shù)說明如下：設(shè)置該區(qū)域內(nèi)有200 輛EV，EV 類型及相關(guān)性能參數(shù)如附錄A 表A3 所示，EV 設(shè)備性能參數(shù)參照比亞迪E5系列設(shè)置；為了維持EV 電池性能，采用慢充慢放模式，慢充慢放功率為7 kW，充放電效率為98%；設(shè)定用戶均可以進行多次放電，且1 d 內(nèi)只充電1 次，每次的充放電行為由用戶自身決定，且所有EV 用戶在夜間低谷時段進行充電；不同時序下的路段飽和參數(shù)、路段長度分別如附錄A 表A4 和表A5所示；考慮EV 用戶的出行鏈包括簡單鏈H-W-H、HS-H 以及復(fù)雜鏈H-W-S-H、H-S-W-H，占比分別為65%、25%、5%、5%；EV 用戶的行程時間參考文獻［18］設(shè)定。

4.2 算例結(jié)果分析

DSO 制定的EV 參與V2G 的激勵價格如圖2 所示。由圖2 可以看出，V2G 激勵價格根據(jù)DSO 的削峰需求實時變化。當(dāng)系統(tǒng)削峰需求量較大時，DSO制定的V2G 激勵價格較高；當(dāng)系統(tǒng)削峰需求量較小時，制定的V2G 激勵價格較低。同時，在削峰時段即當(dāng)網(wǎng)絡(luò)有削峰需求時，DSO 制定的V2G 激勵價格總是大于此時的充電價格，相比于用戶僅從峰谷電價差獲取收益的方式，EV 參與削峰的策略不僅滿足了系統(tǒng)自身削峰的需求，而且增大了用戶參與V2G獲取收益的空間，進而提高了EV用戶參與削峰經(jīng)濟調(diào)度的積極性。

圖2 EV參與V2G的激勵價格曲線Fig.2 Incentive price curve of EVs’participation in V2G

改變用戶參與度系數(shù)，可得不同用戶參與度系數(shù)下DSO 制定的V2G 激勵價格曲線如圖3所示。由圖可知：當(dāng)用戶參與度系數(shù)提升至95%時，根據(jù)第1節(jié)所述機制確定EV參與削峰服務(wù)價格，V2G激勵價格相應(yīng)增大，相較于用戶參與度系數(shù)為85%時的激勵價格，兩者最大的價格差值達到0.237元／kW，最小的價格差值為0.092 元／kW；當(dāng)提升用戶參與度系數(shù)后，EV參與V2G的激勵價格與當(dāng)前系統(tǒng)的削峰需求呈正相關(guān)增長趨勢。

圖3 不同用戶參與度系數(shù)下的激勵價格Fig.3 Incentive prices with different user participation coefficients

DSO 改變V2G 激勵價格，EVA 內(nèi)的EV 用戶在圖3 所示V2G 激勵價格激勵下各時段的總放電功率如圖4 所示。圖中V2G 激勵價格1 和V2G 激勵價格2 分別對應(yīng)圖3 中用戶參與度系數(shù)為85%和95%時的激勵價格。由圖4 可以看出：在V2G 激勵價格1 和V2G 激勵價格2 下，DSO 與EV 用戶交易的總放電功率均在時段21 達到最大值，分別為578.90、600.77 kW，雙方交易的功率受V2G 激勵價格的刺激，增長趨勢較為明顯，但是受EV出行需求的約束，用戶在時段17、18 的總放電功率增長趨勢不明顯；在時段10—12、21、22 均出現(xiàn)EVA 內(nèi)EV 用戶參與V2G 的放電功率小高峰，這是因為此時系統(tǒng)的削峰需求大，且DSO 制定的V2G 激勵價格較高，更多的EV 用戶選擇參與V2G；在V2G 激勵價格1 的引導(dǎo)下，EV 用戶在時段10、11、21、22 的總放電功率分別為555.75、532.25、578.90、545.75 kW，可見EV 用戶參與系統(tǒng)削峰的效果明顯；在V2G 激勵價格2 的激勵下，EV 用戶在時段10、21 的總放電功率分別為582.62、600.77 kW，相較于V2G 激勵價格1，此時的放電功率增幅較為明顯。受用戶出行需求的約束，從圖4 中還可以發(fā)現(xiàn)：雖然時段17、18 的V2G 激勵價格均大于時段15、16 的價格，但是時段17、18 的EV 總放電功率明顯減少，時段15 的EV 總放電功率占總負荷的比例為8.144%，時段17 的EV 總放電功率占總負荷的比例為2.403%，這是因為采用出行鏈模型模擬用戶的出行行為，時段17 的大多數(shù)私家車用戶處于不可調(diào)度時段，所以此時用戶參與V2G的可調(diào)度容量較少，這與用戶的日常出行規(guī)律相一致。

圖4 EV參與V2G后的系統(tǒng)日負荷對比Fig.4 Comparison of system daily load after EVs’participation in V2G

V2G 激勵價格1、2 下EV 用戶的收益與采用分時電價參與V2G 削峰的收益對比如圖5 所示。由圖可看出：在考慮DSO 削峰需求的V2G 激勵價格1下，時段21 的EV 用戶放電收益最大，達到515.17 元，而EV 用戶采用分時電價進行削峰時的最大收益為196.82 元；在V2G 激勵價格2 下，相較于采用分時電價進行削峰的收益差值最大為452.00 元。綜上可知，EV 用戶采用分時電價參與削峰協(xié)同調(diào)度和采用基于削峰需求的V2G 激勵價格進行協(xié)同調(diào)度的收益差距較大，且在時段21達到差值最大值。

圖5 EV用戶的收益對比Fig.5 Comparison of EV users’revenue

5 結(jié)論

本文提出了計及V2G 價格激勵的EV 入網(wǎng)削峰協(xié)同調(diào)度策略，建立了考慮DSO 及EV 用戶利益的多目標(biāo)優(yōu)化模型，并結(jié)合某城市配電網(wǎng)的典型日負荷曲線和交通網(wǎng)數(shù)據(jù)進行算例分析，結(jié)果驗證了所提策略的有效性，所得結(jié)論如下：

1）所制定的V2G 激勵價格能夠在改善系統(tǒng)負荷波動性的同時，有效地提升EV用戶參與削峰服務(wù)的利益空間以及積極性；

2）所提面向削峰的EV 用戶參與V2G 的激勵價格制定策略使用戶在非高峰時段接受調(diào)度也有一定的利益空間，將本文制定的V2G 激勵價格獲取的收益與用戶直接采用分時電價參與削峰獲取的收益進行對比，可得EV用戶的收益提升空間達26.42%；

3）通過比較EV 用戶在不同削峰需求下的調(diào)度結(jié)果可知，EV 用戶的可用削峰容量受出行需求的影響較為明顯。

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