鄭 鑫，邱澤晶，郭 松，廖 暉，黃玉萍，雷 霆

電動(dòng)汽車V2G調(diào)度優(yōu)化策略的多指標(biāo)評(píng)估方法*

鄭 鑫1,2，邱澤晶1,2，郭 松1,2，廖 暉3?，黃玉萍3，雷 霆4

（1. 南瑞集團(tuán)公司(國網(wǎng)電力科學(xué)研究院有限公司)，南京 211106；2. 國網(wǎng)電力科學(xué)研究院武漢能效測評(píng)有限公司，武漢 430077；3. 中國科學(xué)院廣州能源研究所，廣州 510640；4. 國網(wǎng)上海市電力公司，上海 200122）

隨著車網(wǎng)互動(dòng)（V2G）活動(dòng)頻繁，如何評(píng)價(jià)V2G調(diào)度策略效果成為V2G運(yùn)營的關(guān)鍵問題。從電網(wǎng)調(diào)度、電網(wǎng)安全與能源安全等多個(gè)角度，提出一種基于V2G調(diào)度策略運(yùn)行效果的多指標(biāo)評(píng)估方法。首先，系統(tǒng)剖析V2G調(diào)度系統(tǒng)的運(yùn)行方式與運(yùn)行特點(diǎn)，建立基于V2G調(diào)度系統(tǒng)的多指標(biāo)評(píng)估框架。其次，從V2G調(diào)度策略運(yùn)行效果層面，圍繞可再生能源消納比率、可調(diào)度容量、調(diào)度響應(yīng)時(shí)間、負(fù)荷平穩(wěn)度和調(diào)度運(yùn)行經(jīng)濟(jì)效益共五個(gè)指標(biāo)，構(gòu)建V2G調(diào)度策略運(yùn)行效果的多指標(biāo)評(píng)估模型。最后以某區(qū)域內(nèi)的電動(dòng)汽車集群為案例進(jìn)行分析，選取某市三個(gè)場景區(qū)域內(nèi)常規(guī)負(fù)荷，分別執(zhí)行分時(shí)電價(jià)、停車費(fèi)減免、可再生能源消納三種V2G調(diào)度策略，對(duì)系統(tǒng)調(diào)度運(yùn)行結(jié)果實(shí)施多指標(biāo)評(píng)估，評(píng)估結(jié)果驗(yàn)證了電動(dòng)汽車V2G調(diào)度優(yōu)化策略多指標(biāo)評(píng)估方法的有效性及優(yōu)越性。

電動(dòng)汽車；V2G；多指標(biāo)評(píng)估；調(diào)度策略；標(biāo)準(zhǔn)化

0 引 言

在應(yīng)對(duì)氣候變化與實(shí)現(xiàn)碳達(dá)峰、碳中和目標(biāo)過程中，電動(dòng)汽車（electric vehicle, EV）作為一種環(huán)境友好型交通工具，近年來在全球范圍內(nèi)得到大力推廣。EV作為一種可移動(dòng)儲(chǔ)荷資源，有別于電力系統(tǒng)中其他常規(guī)負(fù)荷，不僅能在電力系統(tǒng)任意節(jié)點(diǎn)充電，還能通過車網(wǎng)互動(dòng)（vehicle to grid, V2G）技術(shù)向系統(tǒng)中的節(jié)點(diǎn)進(jìn)行反向饋電。截至2021年底，全球道路上擁有1 000萬輛EV，且EV保有量繼續(xù)呈逐年攀升趨勢。預(yù)計(jì)2025年將達(dá)到5 000萬輛，屆時(shí)EV可向電網(wǎng)提供的最大容量達(dá)到600 GW[1]。EV的大規(guī)模發(fā)展在促進(jìn)減碳減排的同時(shí)，也使得電力系統(tǒng)的運(yùn)行面臨著巨大挑戰(zhàn)[2]。V2G調(diào)度策略通過研究EV的時(shí)空特性，進(jìn)一步挖掘EV移動(dòng)儲(chǔ)荷資源，從而支撐電網(wǎng)進(jìn)行移峰填谷，提高可再生能源消納比例。因此，合理引導(dǎo)EV在特定時(shí)空下參與V2G調(diào)度，以及開展V2G調(diào)度策略下多指標(biāo)評(píng)估分析具有重要的現(xiàn)實(shí)意義。

目前，V2G的理論技術(shù)研究已經(jīng)有大量豐富的研究成果[3]，尤其在調(diào)度技術(shù)上對(duì)V2G的調(diào)度策略研究方面。ANTúNEZ等[4]提出一種基于混合整數(shù)線性規(guī)劃的方法來求解考慮V2G技術(shù)的非平衡配電系統(tǒng)中EV的最優(yōu)充電協(xié)調(diào)問題。SCARABAGGIO 等[5]提出兩種控制策略來實(shí)現(xiàn)EV蓄電池在頻率調(diào)節(jié)過程中的最優(yōu)控制。為彌補(bǔ)大規(guī)模EV接入調(diào)度產(chǎn)生的各層級(jí)信息斷層與延遲問題，采用多層級(jí)調(diào)度策略來提高EV集群的響應(yīng)速度，最大化利用EV的儲(chǔ)荷資源[6-8]。文獻(xiàn)[9-11]通過研究EV的時(shí)空活動(dòng)特性，分析EV與EV集群的需求響應(yīng)潛力。文獻(xiàn)[12-14]以充分消納吸收可再生能源為目標(biāo)，研究V2G調(diào)度策略實(shí)現(xiàn)方法，充分利用EV的移動(dòng)儲(chǔ)荷資源提高多方參與主體的經(jīng)濟(jì)性。文獻(xiàn)[15-16]研究采用動(dòng)態(tài)的可再生能源電價(jià)取代現(xiàn)有的固定充放電價(jià)格模式，采用V2G策略消納更多的可再生能源，提高可再生能源利用率，增加了社會(huì)的經(jīng)濟(jì)效益。NEYESTANI等[17]建立一種基于城市EV不確定性的混合整數(shù)規(guī)劃V2G調(diào)度模型，該模型驗(yàn)證在適當(dāng)?shù)亩▋r(jià)方案下可以使得多方獲得更高的利潤。以上工作聚焦在技術(shù)層面對(duì)V2G調(diào)度進(jìn)行研究，通過V2G調(diào)度充分利用EV集群資源實(shí)現(xiàn)電網(wǎng)負(fù)荷的波動(dòng)小、可再生能源消納多、社會(huì)經(jīng)濟(jì)效益佳等效果，然而均未對(duì)調(diào)度效果進(jìn)行評(píng)估。

在可再生能源高滲透的背景下，基于時(shí)間序列方向矩陣，LIU等[18]提出二分法嵌入式粒子群優(yōu)化算法，充分利用EV儲(chǔ)荷特性消納盡可能多的可再生能源，該方法同時(shí)對(duì)調(diào)度效果進(jìn)行評(píng)估，指導(dǎo)V2G調(diào)度策略閉環(huán)優(yōu)化，提高了區(qū)域系統(tǒng)內(nèi)能源的自給率。文獻(xiàn)[19-20]提出“可調(diào)度能力”概念，建立了以配電網(wǎng)總負(fù)荷峰谷差最小化為指標(biāo)的EV可調(diào)度能力分析模型。張亞朋等[21]以大規(guī)模EV構(gòu)成的虛擬電廠（electric vehicle virtual power plant, EVPP）為分析對(duì)象，提出一種多時(shí)間尺度響應(yīng)能力評(píng)估模型，該模型能評(píng)估日前響應(yīng)能力并指導(dǎo)修正調(diào)控策略。WEI等[22]提出了一種基于改進(jìn)的NSGA-II算法，對(duì)V2G與綜合能源系統(tǒng)（integrated energy systems, IES）耦合作為靈活存儲(chǔ)的可行性的評(píng)估方法，主要評(píng)估經(jīng)濟(jì)和環(huán)境效益，評(píng)估結(jié)果準(zhǔn)確地描述V2G與IES耦合的可行性。TAN等[23]對(duì)風(fēng)?光電?水電混合動(dòng)力系統(tǒng)互補(bǔ)運(yùn)行的效益和風(fēng)險(xiǎn)進(jìn)行評(píng)估，通過量化不確定性風(fēng)險(xiǎn)指標(biāo)來建立可靠性指數(shù)，對(duì)可靠性進(jìn)行評(píng)估。以上文獻(xiàn)在優(yōu)化調(diào)度評(píng)估方面已有深入的研究，但是在EV V2G的可靠性和經(jīng)濟(jì)性評(píng)估方面還未形成體系，缺少從多個(gè)指標(biāo)對(duì)V2G調(diào)度策略效果進(jìn)行評(píng)估，無法為調(diào)度決策者提供全面的信息。

針對(duì)V2G調(diào)度策略執(zhí)行后的效果，提出一種多指標(biāo)評(píng)估模型，從電網(wǎng)和用戶的角度，圍繞可再生能源消納比率、可調(diào)度容量、調(diào)度響應(yīng)時(shí)間、負(fù)荷平穩(wěn)度和調(diào)度運(yùn)行經(jīng)濟(jì)效益共五個(gè)指標(biāo)來評(píng)估調(diào)度策略運(yùn)行效果。該模型可以分析在相同的情景條件下運(yùn)行不同的調(diào)度策略，直觀地展示V2G調(diào)度策略在不同指標(biāo)上的表現(xiàn)。為調(diào)度系統(tǒng)優(yōu)化、調(diào)度策略選型等提供依據(jù)和指導(dǎo)，提升調(diào)度決策全面性和可靠性，促進(jìn)調(diào)度理想度水平的提升。

1 V2G調(diào)度系統(tǒng)的多指標(biāo)評(píng)估框架

V2G調(diào)度系統(tǒng)由V2G充放電樁、電力負(fù)荷、可再生能源發(fā)電設(shè)備與傳統(tǒng)發(fā)電機(jī)組設(shè)備組成，所有系統(tǒng)組成單元均通過信息流和能量流雙向流通，實(shí)時(shí)交互。信息流包含V2G調(diào)度中心與分布式發(fā)電、充電樁運(yùn)營商、電力負(fù)荷以及EV之間的雙向交流。能量流包含電網(wǎng)與充電樁、充電樁與EV之間的能量雙向流通。

所提出的多指標(biāo)評(píng)估框架是建立于V2G日前調(diào)度模型基礎(chǔ)上，對(duì)調(diào)度時(shí)段內(nèi)調(diào)度結(jié)果狀態(tài)進(jìn)行評(píng)估，評(píng)估結(jié)果反映調(diào)度運(yùn)行的理想度水平。結(jié)合傳統(tǒng)儲(chǔ)能綜合評(píng)估模型[24]，借鑒於益軍等[25]提出電力系統(tǒng)調(diào)度運(yùn)行后評(píng)估方案與應(yīng)用架構(gòu)設(shè)計(jì)評(píng)估思路進(jìn)行拓展，從不同參與主體構(gòu)建可量化評(píng)估指標(biāo)，形成V2G調(diào)度策略多指標(biāo)評(píng)估體系，最后生成雷達(dá)圖來展示調(diào)度策略的運(yùn)行情況。區(qū)域 V2G調(diào)度系統(tǒng)的多指標(biāo)評(píng)估框架如圖1所示。

圖1 面向V2G調(diào)度系統(tǒng)的多指標(biāo)評(píng)估框架

V2G調(diào)度中心包含整個(gè)調(diào)度過程中的事前、事中及事后所有數(shù)據(jù)，其中事前對(duì)系統(tǒng)數(shù)據(jù)進(jìn)行預(yù)處理，模擬策略執(zhí)行過程，得到事中數(shù)據(jù)。根據(jù)事中數(shù)據(jù)對(duì)調(diào)度策略進(jìn)行反饋，最后獲得事后調(diào)度結(jié)果。對(duì)調(diào)度整個(gè)過程進(jìn)行多指標(biāo)評(píng)估，與調(diào)度策略的預(yù)期目標(biāo)進(jìn)行對(duì)比分析，閉環(huán)調(diào)整調(diào)度策略參數(shù)，使得模擬調(diào)度結(jié)果達(dá)到調(diào)度策略的期望。

2 V2G調(diào)度模型

2.1 目標(biāo)函數(shù)

在V2G調(diào)度系統(tǒng)中，日前、日內(nèi)的V2G調(diào)度模型重點(diǎn)考慮EV用戶出行距離、出行起止時(shí)間等出行需求以及電池類型、容量、單位里程能耗等車輛特性參數(shù)。V2G調(diào)度可以充分有效調(diào)度規(guī)?；疎V的移動(dòng)儲(chǔ)荷資源進(jìn)行充放電，使得系統(tǒng)達(dá)到預(yù)期的運(yùn)行目標(biāo)，如平衡電網(wǎng)負(fù)荷波動(dòng)、提升可再生能源消納比例和最大化調(diào)度運(yùn)行經(jīng)濟(jì)效益等?；谇捌谘芯刻岢龅腣2G經(jīng)濟(jì)調(diào)度模型及多級(jí)車網(wǎng)優(yōu)化調(diào)度方法[26]，調(diào)整不同場景下V2G調(diào)度參數(shù)與策略目標(biāo)方程，以實(shí)現(xiàn)各策略之間的擇優(yōu)。

V2G日前調(diào)度模型約束條件組包括EV服務(wù)約束、并網(wǎng)功率約束和電力系統(tǒng)平衡約束。

2.2 EV服務(wù)約束

V2G系統(tǒng)控制管理有個(gè)充放電樁，分布在個(gè)網(wǎng)絡(luò)節(jié)點(diǎn)，調(diào)度仿真周期為。在調(diào)度計(jì)劃時(shí)段內(nèi)，共有輛EV響應(yīng)V2G服務(wù)邀約，V2G調(diào)度系統(tǒng)的特征常量參數(shù)如表1所示，特征變量見表2。

表1 V2G系統(tǒng)特征常量參數(shù)表

表2 V2G系統(tǒng)特征變量表

圖2 V2G調(diào)度下EV服務(wù)狀態(tài)示意圖

2.3 EV并網(wǎng)功率約束

2.4 電力系統(tǒng)平衡約束

3 多指標(biāo)V2G調(diào)度策略評(píng)估方法

基于前述的V2G調(diào)度策略運(yùn)行框架，EV參與V2G給電網(wǎng)與運(yùn)營商帶來的收益及影響需要從多方面判斷和衡量，本文提出的V2G EV調(diào)度策略的多指標(biāo)評(píng)估方法，圍繞可調(diào)度容量、調(diào)度響應(yīng)時(shí)間、可再生能源消納比率、負(fù)荷平穩(wěn)度和調(diào)度運(yùn)行經(jīng)濟(jì)效益，建立五個(gè)獨(dú)立指標(biāo)，形成V2G調(diào)度的多指標(biāo)評(píng)估模型。

首先，V2G調(diào)度中心獲取區(qū)域內(nèi)的EV、充電樁等物理參數(shù)特征，對(duì)EV參與V2G的初始狀態(tài)、并離網(wǎng)要求及行駛計(jì)劃進(jìn)行初始化，設(shè)定調(diào)度策略的服務(wù)價(jià)格、充放電價(jià)格等參數(shù)，V2G調(diào)度中心統(tǒng)計(jì)接受邀約的車輛狀態(tài)信息，然后確定V2G調(diào)度優(yōu)化目標(biāo)，更新車輛充放電節(jié)點(diǎn)、起始時(shí)間與服務(wù)時(shí)長，求解獲得車輛參與V2G調(diào)度計(jì)劃，并判定當(dāng)前調(diào)度結(jié)果是否滿足特定評(píng)估指標(biāo)。若未能滿足該指標(biāo)，則調(diào)整V2G調(diào)度策略參數(shù)，激勵(lì)改變參與V2G邀約車輛的數(shù)量、充放電容量、充放電起始時(shí)間與時(shí)長，找到滿足特定指標(biāo)的最佳V2G策略和車輛調(diào)度計(jì)劃。V2G調(diào)度策略多指標(biāo)評(píng)估流程如圖3 所示。

圖3 V2G調(diào)度策略多指標(biāo)評(píng)估流程

3.1 可再生能源消納比率評(píng)估

3.2 EV可調(diào)度容量評(píng)估

EV可調(diào)度容量表征愿意參與調(diào)度的EV集群在滿足基本出行前提下，EV集群可以參與V2G的容量。

3.3 可再生能源消納比率評(píng)估

3.4 EV調(diào)度負(fù)荷平穩(wěn)度評(píng)估

3.5 EV調(diào)度運(yùn)行經(jīng)濟(jì)效益評(píng)估

EV調(diào)度運(yùn)行經(jīng)濟(jì)效益表征在EV參與調(diào)度下，V2G系統(tǒng)整體經(jīng)濟(jì)效益。合理引導(dǎo)EV在時(shí)間上和空間上參與V2G調(diào)度，不僅可以降低EV無序充電對(duì)電網(wǎng)的沖擊，還能通過移峰填谷、調(diào)峰調(diào)頻，提高多方主體的經(jīng)濟(jì)效益。用戶響應(yīng)服務(wù)收益為1，環(huán)境收益為2，節(jié)點(diǎn)負(fù)荷不能滿足造成的補(bǔ)償為3，電網(wǎng)過網(wǎng)費(fèi)用為4。

3.6 多指標(biāo)評(píng)估結(jié)果標(biāo)準(zhǔn)化

V2G調(diào)度策略需從多指標(biāo)中評(píng)估衡量，由于各指標(biāo)間的量綱單位不同，且結(jié)果值范圍不一致，難以判斷各自策略的優(yōu)缺點(diǎn)，需對(duì)評(píng)估結(jié)果進(jìn)行標(biāo)準(zhǔn)化處理。

(25)

4 算例分析

4.1 算例場景及參數(shù)設(shè)置

調(diào)研分析某市三個(gè)典型場景（工業(yè)區(qū)、商業(yè)活動(dòng)區(qū)、居民小區(qū)）內(nèi)的電力負(fù)荷消費(fèi)數(shù)據(jù)。調(diào)研結(jié)果顯示：①工業(yè)區(qū)內(nèi)光伏發(fā)電、風(fēng)力發(fā)電等可再生能源發(fā)電量占園區(qū)總負(fù)荷30%左右[27]，火力發(fā)電機(jī)組最低負(fù)荷為額定負(fù)荷的10%；②商場的電力負(fù)荷特性為當(dāng)23:00后停止?fàn)I業(yè)至次日8:00開始營業(yè)前，其間電力負(fù)荷降至最低點(diǎn)，在中午時(shí)段、傍晚至夜間時(shí)段迎來用電高峰[28]；③居民區(qū)電力負(fù)荷特性[29]在工業(yè)區(qū)下班后開始逐漸爬升。三個(gè)場景典型的負(fù)荷曲線、可再生能源發(fā)電曲線及EV集群充電功率曲線如圖4所示。

圖4 負(fù)荷、可再生能源發(fā)電與EV集群充電日負(fù)荷曲線

表4 EV集群類型及特性參數(shù)

表5 EV充放電分時(shí)電價(jià)

假定每個(gè)算例場景分別執(zhí)行分時(shí)電價(jià)、停車費(fèi)減免、可再生能源消納三種調(diào)度策略，三種策略的簡要特點(diǎn)如表6所示，三種調(diào)度策略的目標(biāo)函數(shù)如表7所示。

表6 V2G調(diào)度策略

表7 V2G調(diào)度策略的目標(biāo)函數(shù)

4.2 調(diào)度運(yùn)行結(jié)果分析

依次對(duì)工業(yè)區(qū)區(qū)域分別執(zhí)行分時(shí)電價(jià)、停車費(fèi)減免、可再生能源消納三種調(diào)度策略。得到不同場景下執(zhí)行不同調(diào)度策略后系統(tǒng)的峰谷負(fù)荷見表8。

表8 三種算例場景、三種調(diào)度策略充放電峰值

綜合表8可以得到，在工業(yè)區(qū)場景中，分時(shí)電價(jià)、停車費(fèi)減免和可再生能源消納調(diào)度策略的EV峰值充電功率分別降低65.5%、62.2%、18.5%；商業(yè)區(qū)場景中的調(diào)度策略EV的峰值充電功率分別降低76.6%、67.2%、47.5%；居民區(qū)場景的調(diào)度策略EV的峰值充電功率分別降低71.2%、51.6%、60.9%。同時(shí)發(fā)現(xiàn)，停車費(fèi)減免調(diào)度策略能顯著提升EV車主參與V2G的積極性，使峰值放電功率也相對(duì)更高,該策略尤適用于工業(yè)區(qū)和商業(yè)區(qū)。

4.3 多指標(biāo)評(píng)估結(jié)果分析

對(duì)工業(yè)區(qū)分別執(zhí)行分時(shí)電價(jià)、停車費(fèi)減免、可再生能源消納三種調(diào)度策略的結(jié)果進(jìn)行多指標(biāo)評(píng)估，評(píng)估結(jié)果如圖5所示。

由評(píng)估結(jié)果可以看出，在工業(yè)園區(qū)場景中，分時(shí)電價(jià)的V2G調(diào)度策略在可再生能源消納比率、可調(diào)度容量、調(diào)度響應(yīng)時(shí)間、負(fù)荷平穩(wěn)度和調(diào)度運(yùn)行經(jīng)濟(jì)效益五個(gè)指標(biāo)表現(xiàn)均衡。若提高工業(yè)園區(qū)V2G系統(tǒng)的可調(diào)度容量與縮短響應(yīng)時(shí)間，則需對(duì)V2G調(diào)度模型的容量約束條件以及響應(yīng)車輛規(guī)模進(jìn)行調(diào)整。通過停車費(fèi)減免和可再生能源消納，V2G調(diào)度系統(tǒng)的可調(diào)度容量與響應(yīng)時(shí)間指標(biāo)均能顯著提高。由于更多的EV參與V2G并網(wǎng)，在短時(shí)間總體負(fù)荷改變較大，重點(diǎn)影響了電網(wǎng)運(yùn)行過程中的負(fù)荷平穩(wěn)度，同時(shí)降低運(yùn)行的經(jīng)濟(jì)效益。

圖5 工業(yè)區(qū)場景下運(yùn)行不同的調(diào)度策略的評(píng)估結(jié)果

在商業(yè)區(qū)場景中，三種策略下新能源消納指標(biāo)無顯著差異，新能源發(fā)電高峰時(shí)段與商業(yè)區(qū)用電高峰時(shí)段無重疊，新能源發(fā)電能被日常運(yùn)營消納。分時(shí)電價(jià)策略較其他兩種策略具有更高經(jīng)濟(jì)效益，但在響應(yīng)時(shí)長和調(diào)度容量方面不及停車費(fèi)減免策略。而停車費(fèi)減免策略更適用于商業(yè)區(qū)，確保調(diào)度過程擁有更多EV可調(diào)度容量和更長服務(wù)時(shí)長，滿足調(diào)峰調(diào)頻任務(wù)的執(zhí)行。

在居民區(qū)場景中，由于大多數(shù)車主停車都是剛性需求，通過停車費(fèi)減免策略可以激發(fā)車主參與V2G的意愿，增大車輛并網(wǎng)概率，增加可調(diào)度容量。此外，峰谷時(shí)段負(fù)荷差異明顯，分時(shí)電價(jià)和停車費(fèi)減免策略均能獲得較佳的經(jīng)濟(jì)效益。

5 結(jié) 論

對(duì)調(diào)度策略的閉環(huán)管控是提高調(diào)度成效的重要手段。為此，首先分析了EV V2G調(diào)度策略的目標(biāo)方程和邊界約束，提出多指標(biāo)評(píng)估方法和流程。選取某市區(qū)的工業(yè)區(qū)、商業(yè)區(qū)、居民生活區(qū)三個(gè)典型應(yīng)用場景，分別基于分時(shí)電價(jià)、停車費(fèi)用減免、可再生能源消納的三種EV調(diào)度V2G優(yōu)化調(diào)度策略進(jìn)行仿真對(duì)比分析，得出以下結(jié)論：

（1）在相同場景下，調(diào)度策略在不同指標(biāo)下的表現(xiàn)結(jié)果不同，通過對(duì)調(diào)度策略的邊界約束進(jìn)行調(diào)整，可以提升V2G調(diào)度系統(tǒng)目標(biāo)指標(biāo)的調(diào)度結(jié)果，如在工業(yè)區(qū)使用分時(shí)電價(jià)調(diào)度策略，在可調(diào)度容量與調(diào)度響應(yīng)指標(biāo)上表現(xiàn)不理想，通過停車費(fèi)減免V2G調(diào)度措施，能夠增加EV的車網(wǎng)互動(dòng)響應(yīng)時(shí)長，從而使V2G調(diào)度系統(tǒng)整體調(diào)度容量提高66%。

（2）同一種調(diào)度策略應(yīng)用在不同場景，其調(diào)度評(píng)估指標(biāo)結(jié)果不盡相同。如分時(shí)電價(jià)調(diào)度策略在商業(yè)區(qū)具有很好的經(jīng)濟(jì)性，可以達(dá)到96%，但是在居民區(qū)，由于居民的剛性負(fù)荷需求，其經(jīng)濟(jì)效益只有70%。因此調(diào)度策略調(diào)整需要結(jié)合應(yīng)用場景的用能特點(diǎn)。

算例分析結(jié)果表明，提出的V2G調(diào)度策略多指標(biāo)方法能夠?qū)崿F(xiàn)調(diào)度策略的優(yōu)化和改進(jìn)，但同時(shí)也發(fā)現(xiàn)，不同主體間的利益對(duì)系統(tǒng)的運(yùn)行結(jié)果影響較大，后續(xù)為了更好地應(yīng)用本評(píng)估模型，需挖掘和發(fā)現(xiàn)影響V2G調(diào)度效果的其他因子，在滿足用戶出行需求與電網(wǎng)運(yùn)行平穩(wěn)的同時(shí)，最大限度提高社會(huì)效應(yīng)與多方的經(jīng)濟(jì)效益。

[1] International EnergyAgency. Global EV outlook 2021[R]. Paris: IEA, 2021.

[2] 萬佑紅, 王魯, 曹衛(wèi)濤, 等. 電動(dòng)汽車有序充電的方法: 201911164278.1[P]. 2020-04-07.

[3] 陳一凡, 劉廷章, 金勇, 等. 電動(dòng)汽車充電調(diào)度綜述[J]. 電氣自動(dòng)化, 2017, 39(3): 26-29. DOI: 10.3969/j.issn.1000-3886.2017.03.009.

[4] ANTúNEZ C S, FRANCO J F, RIDER M J. et al. A new methodology for the optimal charging coordination of electric vehicles considering vehicle-to-grid technology[J]. IEEE transactions on sustainable energy, 2016, 7(2): 596-607. DOI: 10.1109/TSTE.2015.2505502.

[5] SCARABAGGIO P, CARLI R, CAVONE G, et al. Smart control strategies for primary frequency regulation through electric vehicles: a battery degradation perspective[J]. Energies, 2020, 13(17): 4586. DOI: 10.3390/en13174586.

[6] GAO S, WANG L Y, GUO L, et al. A two-layer model to dispatch electric vehicles and wind power[J]. MATEC web of conferences, 2020, 309: 05015. DOI: 10.1051/matecconf/202030905015.

[7] WANG X Y, SUN C, WANG R T, et al. Two-stage optimal scheduling strategy for large-scale electric vehicles[J]. IEEE access, 2020, 8: 13821-13832. DOI: 10.1109/ACCESS.2020.2966825.

[8] 潘振寧, 張孝順, 余濤, 等. 大規(guī)模電動(dòng)汽車集群分層實(shí)時(shí)優(yōu)化調(diào)度[J]. 電力系統(tǒng)自動(dòng)化, 2017, 41(16): 96-104. DOI: 10.7500/AEPS20160919012.

[9] 錢甜甜, 李亞平, 郭曉蕊, 等. 基于時(shí)空活動(dòng)模型的電動(dòng)汽車充電功率計(jì)算和需求響應(yīng)潛力評(píng)估[J]. 電力系統(tǒng)保護(hù)與控制, 2018, 46(23): 127-134. DOI: 10.7667/ PSPC180763.

[10] 王明深, 穆云飛, 賈宏杰, 等. 考慮用戶出行時(shí)間和補(bǔ)償價(jià)格的電動(dòng)汽車集群響應(yīng)能力評(píng)估模型[J]. 華北電力技術(shù), 2017(3): 23-31. DOI: 10.16308/j.cnki.issn1003- 9171.2017.00.006.

[11] CHENG S, WEI Z B, SHANG D D, et al. Charging load prediction and distribution network reliability evaluation considering electric vehicles’ spatial-temporal transfer randomness[J]. IEEE access, 2020, 8: 124084-124096. DOI: 10.1109/access.2020.3006093.

[12] FATTORI F, ANGLANI N, MULIERE G. Combining photovoltaic energy with electric vehicles, smart charging and vehicle-to-Grid[J]. Solar energy, 2014, 110: 438-451. DOI: 10.1016/j.solener.2014.09.034.

[13] SHI R F, ZHANG P H, ZHANG J, et al. Multidispatch for microgrid including renewable energy and electric vehicles with robust optimization algorithm[J]. Energies, 2020, 13(11): 2813. DOI: 10.3390/en13112813.

[14] 潘軍, 吳紅斌, 許道強(qiáng), 等. 光伏/電動(dòng)汽車/負(fù)荷博弈的屋頂光伏容量優(yōu)化[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(1): 186-193. DOI: 10.7500/AEPS20180422006.

[15] FALKONI A, PFEIFER A, KRAJA?I? G. Vehicle-to-grid in standard and fast electric vehicle charging: comparison of renewable energy source utilization and charging costs[J]. Energies, 2020, 13(6): 1510. DOI: 10.3390/en13061510.

[16] 麻秀范, 王超, 洪瀟, 等. 基于實(shí)時(shí)電價(jià)的電動(dòng)汽車充放電優(yōu)化策略和經(jīng)濟(jì)調(diào)度模型[J]. 電工技術(shù)學(xué)報(bào), 2016, 31(S1): 190-202. DOI: 10.19595/j.cnki.1000-6753. tces.2016.s1.025.

[17] NEYESTANI N, DAMAVANDI M Y, CATAL?O J P S. Pricing G2V/V2G modes through characterizing the PEVs traffic behavior[C]//Proceedings of 2017 IEEE Manchester PowerTech. Manchester: IEEE, 2017: 1-6. DOI: 10.1109/PTC.2017.7981245.

[18] LIU X O. Research on flexibility evaluation method of distribution system based on renewable energy and electric vehicles[J]. IEEE access, 2020, 8: 109249-109265. DOI: 10.1109/ACCESS.2020.3000685.

[19] 楊曉東, 任帥杰, 張有兵, 等. 電動(dòng)汽車可調(diào)度能力模型與日內(nèi)優(yōu)先調(diào)度策略[J]. 電力系統(tǒng)自動(dòng)化, 2017, 41(2): 84-93. DOI: 10.7500/AEPS20160323006.

[20] 王浩林. 電動(dòng)汽車時(shí)空多維度負(fù)荷預(yù)測及其可調(diào)度潛力容量評(píng)估方法[D]: 華南理工大學(xué), 2020. DOI: 10.27151/d.cnki.ghnlu.2020.002226.

[21] 張亞朋, 穆云飛, 賈宏杰. 等. 電動(dòng)汽車虛擬電廠的多時(shí)間尺度響應(yīng)能力評(píng)估模型[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(12): 94-103. DOI: DOI: 10.7500/AEPS20180731009.

[22] WEI H Q, ZHANG Y T, WANG Y Z, et al. Planning integrated energy systems coupling V2G as a flexible storage[J]. Energy, 2022, 239: 122215. DOI: 10.1016/j. energy.2021.122215.

[23] TAN Q F, WEN X, SUN Y L, et al. Evaluation of the risk and benefit of the complementary operation of the large wind-photovoltaic-hydropower system considering forecast uncertainty[J]. Applied energy, 2021, 285: 116442. DOI: 10.1016/J.APENERGY.2021.116442.

[24] 王仁順, 趙宇, 馬福元, 等. 受端電網(wǎng)高比例可再生能源消納的運(yùn)行瓶頸分析與儲(chǔ)能需求評(píng)估[J]. 電網(wǎng)技術(shù), 2021: 1-12. DOI: 10.13335/j.1000-3673.pst.2021.2103.

[25] 於益軍, 馮樹海, 俞智鵬, 等. 調(diào)度運(yùn)行后評(píng)估方案與應(yīng)用架構(gòu)設(shè)計(jì)[J]. 電力系統(tǒng)自動(dòng)化, 2019, 43(22): 194-200. DOI: 10.7500/AEPS20190428006.

[26] GUO S, QIU Z J, XIAO C P, et al. A multi-level vehicle-to-grid optimal scheduling approach with EV economic dispatching model[J]. Energy reports, 2021, 7: 22-37. DOI: 10.1016/j.egyr.2021.10.058.

[27] LIAO H, HUANG Y P, ZHAO D Q. An optimal strategic portfolio of biomass-based integrated energy system[C]// Proceedings of 2019 IEEE PES Asia-Pacific Power and Energy Engineering Conference. Macao, China: IEEE, 2019: 1-6. DOI: 10.1109/APPEEC45492.2019.8994364.

[28] 梁哲誠, 陳穎, 肖小清, 等. 廣州市3棟商業(yè)建筑冷、熱、電負(fù)荷特性分析[J]. 建筑科學(xué), 2012, 28(8): 13-20. DOI: 10.3969/j.issn.1002-8528.2012.08.004.

[29] 高蓉, 徐迅, 周江昕, 等. 上海市安居小區(qū)電力負(fù)荷特性分析[J]. 華東電力, 2012, 40(6): 1064-1066.

[30] 楊蘋, 許志榮, 袁昊哲, 等. 考慮峰谷電價(jià)的串聯(lián)結(jié)構(gòu)光儲(chǔ)型多微網(wǎng)經(jīng)濟(jì)運(yùn)行[J]. 電力系統(tǒng)及其自動(dòng)化學(xué)報(bào), 2018, 30(1): 8-14. DOI: 10.3969/j.issn.1003-8930.2018. 01.002.

[31] 朱明成. 基于改進(jìn)分布式潮流計(jì)算的主動(dòng)配電網(wǎng)經(jīng)濟(jì)性綜合評(píng)估[D]. 廈門: 廈門大學(xué), 2018.

Multi-Index Evaluation Method Considering V2G Scheduling Optimization Strategy of EV Charging and Discharging

ZHENG Xin1,2, QIU Ze-jing1,2, GUO Song1,2, LIAO Hui3, HUANG Yu-ping3, LEI Ting4

(1. Nari Group Corporation/State Grid Electric Power Research Institute, Nanjing 211106, China; 2. State Grid Electric Power Research Institute Wuhan Efficiency Evaluation Co. Ltd., Wuhan 430077, China; 3. Guangzhou Institute of Energy Conversion, Chinese Academy of Science, Guangzhou 510640, China; 4. State Grid Shanghai Electric Power Company, Shanghai 200122, China)

With the frequent activities of vehicle network interaction (V2G), how to evaluate the effect of the V2G scheduling strategy has become a key problem of V2G operation. From the perspective of power grid dispatching, power grid security and energy security, a multi-index evaluation method based on V2G dispatching strategy was proposed. Firstly, the operation mode and characteristics of the V2G scheduling system were analyzed systematically, and a multi-index evaluation framework based on the V2G scheduling system was established. Secondly, from the perspective of the implementation effect of the V2G scheduling strategy, around the five dimensions of schedulability, scheduling response, renewable energy consumption, load stability and scheduling economy, a multi-index evaluation method for the implementation effect of the V2G scheduling strategy was constructed, and the evaluation results were normalized. Finally, the conventional load in three scene regions of a city was selected to compare three V2G scheduling strategies of time-of-use price, parking fee reduction, renewable energy consumption. The multi-index evaluation of the system operation results verified the effectiveness of the multi-index evaluation method considering the V2G scheduling optimization strategy of electric vehicles.

EV; V2G; multi-index evaluation; scheduling strategy; normalization

2095-560X（2022）05-0485-09

TK-9

A

10.3969/j.issn.2095-560X.2022.05.012

2022-04-10

2022-06-07

國家電網(wǎng)公司總部科技項(xiàng)目（5418-201917162A-0-0-00）

廖 暉，E-mail：liaohui@ms.giec.ac.cn

鄭 鑫（1986-），男，碩士，高級(jí)工程師，主要從事電氣工程及其自動(dòng)化研究。

廖 暉（1987-），男，博士研究生，主要從事電動(dòng)汽車V2G調(diào)度優(yōu)化研究。