淺談安科瑞面向需求響應的電動(dòng)汽車(chē)——充電樁負荷聚合調度的優(yōu)化策略

安科瑞電氣股份有限公司 上海嘉定 201801

摘要：近年來(lái)，城市電力峰谷差不斷，僅僅依靠發(fā)電側資源很難維持電力系統的實(shí)時(shí)平衡。電動(dòng)汽車(chē)-充電樁負荷作為一種典型的柔性負載，可以利用網(wǎng)絡(luò )信息技術(shù)、大數據分析手段和市場(chǎng)機制，將區域內可調度的電動(dòng)汽車(chē)負荷資源聚集參與需求響應。從負荷聚合商角度出發(fā)，提出了一種基于隨機選擇電動(dòng)汽車(chē)影響因素，按照概率密度計算電動(dòng)汽車(chē)集群負荷情況的建模方法，并制定了優(yōu)化調節策略，聚合電動(dòng)汽車(chē)集群參與需求響應市場(chǎng)，削減了區域內電力峰值，降低了參與響應用戶(hù)的充電成本。未來(lái)，在電力市場(chǎng)化背景下，利用需求側大量微小負荷資源聚集響應將成為確保資源有效分配的重要工具。

關(guān)鍵詞：需求響應；負荷聚合商；電動(dòng)汽車(chē)-充電樁負荷

0引言

2021年發(fā)布的《世界能源藍皮書(shū):世界能源發(fā)展報告》指出",到2050年,可再生能源將滿(mǎn)足全球80%的電力需求,其中太陽(yáng)能和風(fēng)力發(fā)電將占52%。新能源發(fā)電比例增加和電力系統建設加劇了電源與用戶(hù)之間的供需平衡矛盾。因此,將靈活的需求側負載資源納人電網(wǎng)運行已成為推司電力系統安全、有效和經(jīng)濟運行的重要方法。

需求側柔性負荷資源是區域網(wǎng)絡(luò )中廣泛分布的高價(jià)值配電資源,電動(dòng)汽車(chē)、溫控負荷和分布式儲能等資源的有效靈活調度,可以很大程度上緩解新能源接人對電力系統的沖擊口。電力需求響應作為重要的電力調度手段,可以推動(dòng)電力系統穩定可靠運行,減少負荷壓力,提高能源效率。文獻[3]證明了需求響應技術(shù)促進(jìn)間歇性可再生能源消費的可行性,但存在一定的局限性。文獻[45]在愛(ài)爾蘭電力系統中引人需求響應模型,證明了部分傳統發(fā)電可被需求響應取代,大規模部署需求響應項目的關(guān)鍵是評估需求響應的靈活性和合理性。

作為新型交易市場(chǎng)的參與者,負荷聚合商將具有調節能力的需求側資源聚合起來(lái),成為溝通需求側消費者和電力市場(chǎng)之間的橋梁。負荷聚合商不僅可與供電方共同參與各類(lèi)電力市場(chǎng)交易,在獲取自身經(jīng)濟利益的同時(shí)提高社會(huì )公共效益,還可與消費者達成代理合同,使運營(yíng)利益和用電效益。電動(dòng)汽車(chē)-充電樁負荷是目前數量應用廣泛的需求側柔性負荷資源。建立電動(dòng)汽車(chē)充電負荷模型常用的方法是蒙特卡洛方法。在針對電動(dòng)汽車(chē)有序充放電的研究中,文獻[9]使用啟發(fā)式算法對電力系統網(wǎng)絡(luò )進(jìn)行建模,以投人和能源消耗量為目標,制定了合理的控制策略。文獻[10-11]運用粒子群算法得出1日內充放電時(shí)間,提出了一種以減少峰谷差為目標的優(yōu)化充電策略,減少了峰谷負荷差。在上述研究基礎上,本文通過(guò)建立負荷參與需求響應調節模型和聚合調節模型,從園區負荷聚合商的視角,優(yōu)化負荷側資源參與需求響應的市場(chǎng)行為。

1電動(dòng)汽車(chē)充放電負荷特性及單體設備模型

電池荷電狀態(tài)（StateofCharge，SOC）是計算電動(dòng)汽車(chē)充電和放電的關(guān)鍵參數。當電動(dòng)汽車(chē)

在t時(shí)段以功率充放電時(shí)，t時(shí)段電池SOC變化公式為

電池SOC充電功率的關(guān)鍵參數和容量是計算并網(wǎng)電動(dòng)汽車(chē)可調，而電動(dòng)汽車(chē)的日行駛里程直接影響電池SOC。因此，假設在電動(dòng)汽車(chē)運行過(guò)程中，電池電量勻速下降，則電動(dòng)汽車(chē)電池SOC與其行駛距離間的關(guān)系為

根據美國交通部2009年對全美車(chē)輛出行情況調查結果可知，電動(dòng)汽車(chē)接入電網(wǎng)時(shí)間的概率密度函數fx(tstart)符合正態(tài)分布［12］，公式為

式（1）至式（4）構成了電動(dòng)汽車(chē)充放電模型。

2電動(dòng)汽車(chē)-充電樁參與需求響應調節模型

首先,基于蒙特卡洛方法,按照概率密度隨機抽取電動(dòng)汽車(chē)電池容量、行駛里程、初始時(shí)刻電池SOC等參數:然后,結合電動(dòng)汽車(chē)允許的放電下限、離開(kāi)時(shí)的電量期望值、充電樁充放電模式等設定,建立電動(dòng)汽車(chē)聚合負荷模型,以聚集區域內的電動(dòng)汽車(chē)并參與電力市場(chǎng)需求響應。同時(shí),制定相應優(yōu)化調節策略,激勵電動(dòng)汽車(chē)參與非高峰時(shí)段充電,并在高峰時(shí)段通過(guò)電動(dòng)汽車(chē)人網(wǎng)技術(shù)(Vchicle-to-Grid,V2G)轉移其充電功率,供虛擬儲能系統使用,使電動(dòng)汽車(chē)既可作為系統負載,也可作為儲能和分布式電源,從而減輕電網(wǎng)高峰時(shí)段的負荷壓力,減少電動(dòng)汽車(chē)用戶(hù)的充電成本。

2.1電動(dòng)汽車(chē)充電過(guò)程的影響因素

2.1.1電動(dòng)汽車(chē)行駛里程

對美庭出行情況的調查研究(NationalHouscholdTravelSurvey,NHTS)顯示,私家電動(dòng)汽車(chē)1天出行的可能性遵循對數正態(tài)分布。車(chē)輛1天出行可能的行駛里程概率密度函數的計算公式為

2.1.2電動(dòng)汽車(chē)電池初始SOC

為確定電動(dòng)汽車(chē)并網(wǎng)后的電池初始SOC,對包括電動(dòng)汽車(chē)出行前的電池SOC、容量、能耗等參數進(jìn)行抽樣整理,得到:

2.2負荷聚合商對電動(dòng)汽車(chē)的調節模型

2.2.1負荷聚合商對電動(dòng)汽車(chē)的調節成本

為了激勵電動(dòng)汽車(chē)參與需求響應,對電動(dòng)汽車(chē)的實(shí)際調節和由于頻繁充放電導致的電池損傷進(jìn)行額外補償,其充電調節成本為為

2.2.2電動(dòng)汽車(chē)-充電樁負荷優(yōu)化實(shí)施框架和調節策略

電動(dòng)汽車(chē)-充電樁負荷優(yōu)化實(shí)施框架如圖1所示。電動(dòng)汽車(chē)-充電樁調節策略如圖2所示。由圖1和圖2可知,負荷聚合商綜合考慮區域內通過(guò)V2G充電樁人網(wǎng)電動(dòng)汽車(chē)電池SOC和需求響應要求,以及用戶(hù)結束充電后的出行需求、電動(dòng)汽車(chē)電池的狀態(tài)上下限約束條件和電動(dòng)汽車(chē)調節成本,確定車(chē)-樁負荷調節量,在保證實(shí)時(shí)功率削減量不少于要求的前提下，使負荷聚合商調節電動(dòng)汽車(chē)-充電樁負荷參與需求響應的收益為好。

2.2.3電動(dòng)汽車(chē)-充電樁調節模型

在滿(mǎn)足規定負荷削減量前提下,以負荷聚合商經(jīng)濟性?xún)?yōu)為目標,對包含n輛電動(dòng)汽車(chē)和n個(gè)充電樁的電動(dòng)汽車(chē)群進(jìn)行需求響應控制。在實(shí)現用戶(hù)充電目標的前提下,通過(guò)有序充電、V2G反向向電網(wǎng)輸電等措施,使用戶(hù)通過(guò)V2G充電樁進(jìn)行充電所產(chǎn)生的費用與電網(wǎng)對電動(dòng)汽車(chē)反向供電的激勵收益之差小,其目標函數fmin為

相關(guān)研究將電動(dòng)汽車(chē)狀態(tài)簡(jiǎn)化為充電或放電兩種［8］，但電動(dòng)汽車(chē)慢速充電6~7h就能充滿(mǎn)，因此本研究設定的電動(dòng)汽車(chē)充電、放電和待機3種（即不充電或不放電）狀態(tài)，為

3仿真結果與分析

3.1仿真背景及條件設定

運用蒙特卡洛模擬的負荷聚合方法，通過(guò)概率密度對包括電動(dòng)汽車(chē)電池容量、行駛里程、接人電網(wǎng)初始時(shí)刻的SOC等主要參數進(jìn)行隨機抽樣所有抽樣模型的集合即為電動(dòng)汽車(chē)充電樁負荷集群模型[5]

根據上文提出的電動(dòng)汽車(chē)充電負荷聚合調節方法,以上海某大型工商業(yè)園區為例,建立電動(dòng)汽車(chē)負荷聚合商聚合區域內電動(dòng)汽車(chē)參與電力市場(chǎng)需求響應模型,制定聚合調節區域內電動(dòng)汽車(chē)集群參與電力系統需求響應的優(yōu)化調節策略。假設園區內配備V2G智能充電樁1000個(gè)，其中30%是充放電效率為60kw的快充充電樁,其余為充放電效率為7kw的普通充電樁,充放電效率均為90%;對應1000輛電池容量值為62.5kw的電動(dòng)汽車(chē),初始時(shí)刻電量在20%-50%之間隨機分布;電動(dòng)汽車(chē)離開(kāi)時(shí)S(i)為80%,設定仿真過(guò)程中SOC允許放電下限為20%,其余參數由蒙特卡洛方法抽樣確定。設定仿真過(guò)程中，電動(dòng)汽車(chē)接受調節時(shí)段為09:00-17:00,負荷聚合商對用戶(hù)的放電補貼成本價(jià)格為2.5元kwh。其中,在09:00-11:00和13:00-15:00,電動(dòng)汽車(chē)通過(guò)智能充電樁充電的費用為2.6元/kwh，在11:00-13:00和15:00-17:00,充電費用為1.15元/kwh,要求園區內電動(dòng)汽車(chē)在13:00-15:00內實(shí)現平均不少于6MW的負荷削減量。

3.2結果分析

運用電動(dòng)汽車(chē)-充電樁聚合優(yōu)化調節策略進(jìn)行MATLAB仿真。電動(dòng)汽車(chē)電池容量變化對比和人網(wǎng)時(shí)段內容對比如圖3、圖4所示。

由圖3和圖4可知，在可接受調節時(shí)間內，由于未接受調節的電動(dòng)汽車(chē)將持續正常充電，從而不僅增加了用戶(hù)的充電成本，電網(wǎng)的調節壓力。而在保證電動(dòng)汽車(chē)電池容量大于20%的前提下,通過(guò)優(yōu)化調節策略,可大大減少區域內電動(dòng)汽車(chē)在用電高峰時(shí)段(09:00-11:00和13:00-15:00)的充電功率。同時(shí),優(yōu)化調節策略使得電動(dòng)汽車(chē)在11:00-13:00和15:00-17:00利用較低電價(jià)盡快充電,在達到用戶(hù)期望離網(wǎng)電量的同時(shí),保證了電動(dòng)汽車(chē)在用電高峰時(shí)段參與需求響應,向電網(wǎng)反向輸電降低電網(wǎng)壓力。

由實(shí)驗結果可知,相比于未經(jīng)調節直接充電，負荷聚合商優(yōu)化調節參與需求響應使得用戶(hù)充電費用從93.93元減少至26.36元。這表明電動(dòng)汽車(chē)負荷聚合商通過(guò)調節區域內電動(dòng)汽車(chē)-充電樁負荷參與需求響應行為,既降低了電力峰值,又節省了用戶(hù)支出。

4安科瑞充電樁收費運營(yíng)云平臺系統選型方案

4.1概述

AcrelCloud-9000安科瑞充電柱收費運營(yíng)云平臺系統通過(guò)物聯(lián)網(wǎng)技術(shù)對接入系統的電動(dòng)電動(dòng)自行車(chē)充電站以及各個(gè)充電整法行不間斷地數據采集和監控，實(shí)時(shí)監控充電樁運行狀態(tài)，進(jìn)行充電服務(wù)、支付管理，交易結算，資要管理、電能管理，明細查詢(xún)等。同時(shí)對充電機過(guò)溫保護、漏電、充電機輸入/輸出過(guò)壓，欠壓，絕緣低各類(lèi)故障進(jìn)行預警；充電樁支持以太網(wǎng)、4G或WIFI等方式接入互聯(lián)網(wǎng)，用戶(hù)通過(guò)微信、支付寶，云閃付掃碼充電。

4.2應用場(chǎng)所

適用于民用建筑、一般工業(yè)建筑、居住小區、實(shí)業(yè)單位、商業(yè)綜合體、學(xué)校、園區等充電樁模式的充電基礎設施設計。

4.3系統結構

系統分為四層：

1）即數據采集層、網(wǎng)絡(luò )傳輸層、數據層和客戶(hù)端層。

2）數據采集層：包括電瓶車(chē)智能充電樁通訊協(xié)議為標準modbus-rtu。電瓶車(chē)智能充電樁用于采集充電回路的電力參數，并進(jìn)行電能計量和保護。

3）網(wǎng)絡(luò )傳輸層：通過(guò)4G網(wǎng)絡(luò )將數據上傳至搭建好的數據庫服務(wù)器。

4）數據層：包含應用服務(wù)器和數據服務(wù)器，應用服務(wù)器部署數據采集服務(wù)、WEB網(wǎng)站，數據服務(wù)器部署實(shí)時(shí)數據庫、歷史數據庫、基礎數據庫。

5）應客戶(hù)端層：系統管理員可在瀏覽器中訪(fǎng)問(wèn)電瓶車(chē)充電樁收費平臺。終端充電用戶(hù)通過(guò)刷卡掃碼的方式啟動(dòng)充電。

小區充電平臺功能主要涵蓋充電設施智能化大屏、實(shí)時(shí)監控、交易管理、故障管理、統計分析、基礎數據管理等功能，同時(shí)為運維人員提供運維APP，充電用戶(hù)提供充電小程序。

4.4安科瑞充電樁云平臺系統功能

4.4.1智能化大屏

智能化大屏展示站點(diǎn)分布情況，對設備狀態(tài)、設備使用率、充電次數、充電時(shí)長(cháng)、充電金額、充電度數、充電樁故障等進(jìn)行統計顯示，同時(shí)可查看每個(gè)站點(diǎn)的站點(diǎn)信息、充電樁列表、充電記錄、收益、能耗、故障記錄等。統一管理小區充電樁，查看設備使用率，合理分配資源。

4.4.2實(shí)時(shí)監控

實(shí)時(shí)監視充電設施運行狀況，主要包括充電樁運行狀態(tài)、回路狀態(tài)、充電過(guò)程中的充電電量、充電電壓/電流，充電樁告警信息等。

4.4.3交易管理

平臺管理人員可管理充電用戶(hù)賬戶(hù)，對其進(jìn)行賬戶(hù)進(jìn)行充值、退款、凍結、注銷(xiāo)等操作，可查看小區用戶(hù)每日的充電交易詳細信息。

4.4.4故障管理

設備自動(dòng)上報故障信息，平臺管理人員可通過(guò)平臺查看故障信息并進(jìn)行派發(fā)處理，同時(shí)運維人員可通過(guò)運維APP收取故障推送，運維人員在運維工作完成后將結果上報。充電用戶(hù)也可通過(guò)充電小程序反饋現場(chǎng)問(wèn)題。

4.4.5統計分析

通過(guò)系統平臺，從充電站點(diǎn)、充電設施、、充電時(shí)間、充電方式等不同角度，查詢(xún)充電交易統計信息、能耗統計信息等。

4.4.6基礎數據管理

在系統平臺建立運營(yíng)商戶(hù)，運營(yíng)商可建立和管理其運營(yíng)所需站點(diǎn)和充電設施，維護充電設施信息、價(jià)格策略、折扣、優(yōu)惠活動(dòng)，同時(shí)可管理在線(xiàn)卡用戶(hù)充值、凍結和解綁。

4.4.7運維APP

面向運維人員使用，可以對站點(diǎn)和充電樁進(jìn)行管理、能夠進(jìn)行故障閉環(huán)處理、查詢(xún)流量卡使用情況、查詢(xún)充電\充值情況，進(jìn)行遠程參數設置，同時(shí)可接收故障推送

4.4.8充電小程序

面向充電用戶(hù)使用，可查看附近空閑設備，主要包含掃碼充電、賬戶(hù)充值，充電卡綁定、交易查詢(xún)、故障申訴等功能。

4.5系統硬件配置

5結語(yǔ)

本文以電動(dòng)汽車(chē)-充電樁負荷為切人點(diǎn),通過(guò)分析電動(dòng)汽車(chē)接人狀態(tài)、充電樁特性等各類(lèi)約束條件,建立了精細化的單體設備模型和參與需求響應調節模型,提出了優(yōu)化調度策略和激勵補償措施,從不同層面和角度探討了需求側資源參與電網(wǎng)調節的可行性和有效性,為需求側資源在電力市場(chǎng)中的運用提供了理論和實(shí)踐支撐,為電力系統的供需平衡和新能源消納提供了新的思路和方法。

參考文獻

[1]劉婕,世界能源發(fā)展報告2021發(fā)布[J].天然氣勘探與開(kāi)發(fā),2021.44(4):14.

[2]KOLIOUE.EIDC,CHAVES-LAJP,etal.Demandresponseinlibemlizedclecticitymakets:analysisofaggregatedloadparticipationintheGermanbalancingmechanism1],Energy,2014,71:245-254.

KEANEA.TUOHYA,MEIBOMP,etal.Demandsideresoureeoperationonthelrishpowersystemwithhighwindpowerpenetration[1],EnergyPolicy,2011,39(5):29252934.

[5]KIMJ,SHCHERBAKOVAA,Commonfiluresofdemandresponsel1].Energy,2011.36(2):873-880.

[6]HENRIOUEZR.WENZELG.OLIVARESDE.etalParticipationofdemandresponseaggregatorsinelectricitymarkets:optimalportfoliomanagement[].EETransactionsonSmartGnd,2018.9(5):4861-4871.[7]汪聰慧.需求側資源聚合運行特性及其不確定性研究[D].北京:北京交通大學(xué),2021.

[8]王浩林,張勇軍,毛海鵬.基于時(shí)刻充電概率的電動(dòng)汽車(chē)充電負荷預測方法[J],電力自動(dòng)化設備,2019,39(3):213-219.

[9]YAOY,GAOW,LIY.OptimizationofPHEVchargingscheduleforloadpeakshaving[C]/TransportationElectrificationAsia-pacifc.Beijing,China:IEEE,2014:1.6.

[15]LIZS,GUOQL,SUNHB,etal.Storage-likedevicesinloadleveling:complementarityconstraintsandanewandexactrelaxationmethod[j].AppliedEnergy,2015,151:13-22.

[16]陳亞臨，楊涌文，趙一涵.面向需求響應的電動(dòng)汽車(chē)-充電樁負荷聚合調度優(yōu)化策略

[17]企業(yè)微電網(wǎng)設計與應用手冊2022.05版.