电动汽车充电模式对主动配电网的影响

和敬涵，谢毓毓，叶豪东，王小君，李智诚(北京交通大学电气工程学院，北京市100044)

电动汽车充电模式对主动配电网的影响

和敬涵，谢毓毓，叶豪东，王小君，李智诚
(北京交通大学电气工程学院，北京市100044)

主动配电网建设依托于大规模间歇式可再生能源并网运行控制、电网与充放电设施互动、智能配用电等电网分析与运行关键技术的发展。随着电动汽车的推广普及，用户充电时间和空间上的随机性将增加电网运行的不确定影响因素。文章重点研究电动汽车充电模式对配电网负荷曲线波动特性的影响，通过研究电动汽车充电的功率需求和能量需求特性，依据电动汽车用户行驶习惯的概率分布特性，建立规模化电动汽车充电负荷模型，进而分析电动汽车在无序充电和有序充电模式对区域配电网日负荷曲线的影响。结合实际充电站运行数据仿真验证配电网中电动汽车有序充电的主动控制作用。

主动配电网;电动汽车;无序充电;有序充电;负荷曲线

0 引言

进入21世纪后，在节能减排和低碳经济推进要求下，配电网发展进入新的章程。大量分布式电源、储能设备和客户双向负荷等分布式能源资源开始接入，打破传统配电网潮流单向辐射状供电［1］，带来规划和调度上的挑战，现有配电网的被动控制和被动管理模式已经难以适应。为应对以上问题，实现配电网向主动模式的转变，国际大电网会议CIGER C6．11项目组于2008年提出了主动配电网(active distribution network，ADN)的概念［2］，表明ADN是可以综合控制分布式能源(分布式发电、柔性负载和储能)的配电网，可以使用灵活的网络构架实现潮流的有效管理，分布式能源在其合理的监管环境和接入准则基础上承担对系统一定的支撑作用。主动配电网是智能配电网的一种发展模式，其基本定义和构成目前已得到国际学术界与业界的广泛认可，主要通过使用灵活的网络拓扑结构来管理潮流，以便对局部的DG进行主动控制和主动管理，组合控制各种分布式能源，加大配电网对于可再生能源的接纳能力。

在接入配电网的分布式能源中，新兴的电动汽车将成为未来新能源汽车的主要发展形式［3］。其自身具有电源负荷双向特性以及电能获取多元化、零(低)排放、高效率等优势，并且伴随着电池存储技术、电机充电技术及配套设施的大力发展，电动汽车将获得更大的推广价值与发展空间。目前，电动汽车在北美、欧洲、日本等发达国家已初步形成规模市场。我国《节能与新能源汽车产业发展规划(2011-2020年)》也提出到2020年电动汽车保有量应达到500万辆，而据工业和信息化部电动汽车发展战略研究报告预测，2030年全国电动汽车保有量将达到6 000万辆［4］。在现有政府政策扶持下，总结我国电动汽车未来发展趋势大体可归纳为:

(1)2010—2015年:电动汽车主要在公交车、公务车、出租车中示范运营。

(2)2016—2020年:在公共交通系统、公务车中实现电动汽车规模化运营，私家车大力发展。

(3)2021—2030年:电动私家车加速发展，其比例上升。

电动汽车作为负荷具有特殊性，在充电方式、地点及充电时间等方面都有很大随机性。其充电状况与车主用户行为、电力价格及政府调控策略有很大联系，负荷特性较为复杂。尤其规模日渐庞大后，接入电网产生的影响更不可忽略。在主动配电网中，对这种不确定性较大的负荷需进行主动控制，引导电动汽车进行有序充电控制，使得电网可以较好地消纳充电负荷。

本文旨在研究电动汽车充电模式进行主动控制带来的影响，分析电动汽车电池充电特性和用户行为，建立充电负荷模型，预测其充电负荷曲线。重点研究规模化电动汽车接入电网对区域配网负荷带来的影响，同时提出电动汽车有序充电的控制模式，通过对比无序充电，验证有序主动控制在减小负荷峰谷差方面的积极作用。

1 电动汽车负荷预测

1.1 充电负荷影响因素

1.1.1 电动汽车动力电池

建立电路模型是研究电池充电特性的基础，动力电池组充电方式一般采用“恒流-恒压”两阶段充电方式。综合考虑电动汽车制造工艺，未来广泛使用的电池是锂电池。锂电池的充电特性主要受充电电流、荷电状态(state of charge，SOC)、健康状态(state of health，SOH)、循环充放电次数的影响，其两段式充电特性如图1所示。在分析充电负荷对电力系统的影响时，大多数的研究假设各用户釆用相同规格型号的充电电池以简化研究。

1.1.2 电动汽车用户行为

电动汽车用户的行为是功率负荷建模的关键影响因素，具有明显的随机特性。对电动汽车充电负荷产生影响的用户行为主要包括起始充放电时刻和日行驶里程2个方面。电动汽车开始充电的时刻越集中，电网所需提供的充电功率则越大;日行驶里程则反映了用户当日的耗电量，将间接影响车载电池的充电初始SOC值，且在一定充电功率下，充电持续时间与行驶里程相关。

国内的研究通常将电动汽车分类为公交车、出租车、公务车和私家车4类。其中公交车和公务车的行驶特征较明显，充电时间和地点相对固定;出租车的充电时间规律明显，地点随机性强;私家车主要被用于上下班以及娱乐休闲生活等，充电时间和地点都很复杂，通常进行再次分类来统计规律［5］。由于公交车、出租车和公务车有运营制度和社会需要的限制，充电负荷的可控性主要针对私家车和公交车。

1.2 单辆汽车充电负荷模型

电动汽车本身具有以下特性:

(1)本质上是用户的交通代步工具，充电行为需要以满足用户出行为前提，即电动汽车的可用时间是有限的。

(2)充电行为在时间以及空间上都具有不确定性，主要依托于城市规划和社区建设。

这使得单辆电动汽车的充电行为在时间上的分布具有极大的随机性。综合考虑诸多影响因素后，单辆电动汽车的充电负荷可以表示为

图1 锂电池充电曲线Fig.1 Charging curve of lithium battery

其中:时间间隔以h为基准，则t表示第t个h，pi，t表示在第t个h内，第i辆电动汽车的充电功率值;，分别表示第i辆车的起始充电时间、终止充电时间、起始SOC、充电结束时的SOC和额定充电功率。

电动汽车起始和终止充电时间决定了电动汽车充电过程的时长;单辆汽车的额定充放电功率将影响其充放电所需时长及充电负荷的幅值;电池容量和初始SOC则决定了整个充电过程的总电量需求。

1.3 大规模电动汽车充电负荷模型

随着数量的增加，电动汽车充电行为特征将符合一定的概率模型，因此可以采用蒙特卡洛方法研究大量电动汽车接入电网的充电负荷模型。蒙特卡洛方法是一种随机模拟方法，将所求解的问题同一定的概率模型相联系，用电子计算机实现统计模拟或抽样，以获得问题的近似解。

研究表明电动汽车的出行和日均行驶里程均满足统计学规律。文献［6］提出车辆日均行驶里程满足正态分布，电动汽车能量消耗与行驶里程成正比。因此，电动汽车充电的初始SOC服从正态分布。文献［7］也明确了电动汽车起始充电时间即为最后1次出行返回时刻，且服从正态分布。本文结合以上调研结果，对概率特性进行分类分时讨论，如表1所示。

表1 电动汽车充电概率特性Table 1 EV charging probability characteristics

通过蒙特卡洛随机抽样的模拟方法获得每辆电动汽车的行驶情况、电池特性、充电时间以及充电方式等，得到日充电负荷曲线。充电负荷计算以天为计算单位，时间间隔以h为基准，一天有24个时段，则第i个时段的总充电负荷表示为

式中:pij表示在i时段内，第j辆电动汽车的充放电功率值;n表示在i时段内，总共有n辆电动汽车与电网进行功率交换。

将每一辆电动汽车充电负荷曲线按式(2)累加，可得到总充电负荷曲线。

2 电动汽车无序充电

2.1 无序充电模式

电动汽车并网时有多种方式可以进行充电，主流的主要有3种，分别是常规充电(慢充)、快速充电和更换电池。3种方式可以在某一充电站中并存，以满足不同用户的需求。

在电动汽车产业发展的初始阶段，考虑配套设施和用户使用舒适度等因素，电动汽车基本都采用无序充电方式。电动汽车换电站是新近出现的一种方式，其提供电能的主要形式为换电，并且电动汽车更换下来的电池采用随换随充的方式。这种方式并不考虑电网的负荷峰谷期及其运行情况，是一种无序充电方式。

2.2 无序充电日负荷预测

在无序充电的状态下，电动汽车用户完全按照自身的意愿和需求进行充电，不接受电价引导和充电时间控制。实际充电站运行中，为减小用户充电等待时间，采用更换电池的方式为电动汽车补充电能。为保证电池供应，更换下的电池在站内立即充电。在此方式下，换电行为所呈现的负荷特性类似“即到即充”的无序充电行为。

目前已经运营的电动汽车换电站，如奥运充电站和世博会充电站均遵循上述的随换随充的无序充电模式，奥运充电站某典型日的充电负荷预测曲线如图2所示。

图2 充电站日充电负荷曲线Fig.2 Daily load curve of charging station

2.3 对主动配电网的影响

对电动汽车规模化应用之后的充电负荷进行预测，对当地电网负荷曲线的影响如图3所示。可以看出，在随换随充的无序充电模式下，充电负荷峰谷期与电网负荷峰谷期相近，叠加充电负荷后总负荷峰谷差进一步加大，电网运行经济性降低，特别是由于特殊事件或者生产生活作息的调整，有可能造成局部地区拥塞和电网过负荷。

图3 含有无序充电的日负荷曲线Fig.3 Daily load curve with uncontrolled charging

另外，文献［8］深入分析了电动汽车无序充电对电网损耗和电压偏差的影响。文献［9］对无序充电行为可能引起的电能损耗、过负荷和电压波动问题进行研究。

更有文献［10］提出，除了以上主要讨论的加剧峰谷差方面的影响，电动汽车大规模接入充电对电网产生的影响还体现在:充电负荷具有较大的随机性，加大了电网运行控制难度;大量充电设施可能改变传统负荷结构和特性，影响配网规划准则;影响电能质量等。

3 电动汽车有序充电

为应对无序充电带来的问题，有必要通过技术或经济手段对电动汽车充电行为进行优化管理。在不影响电动汽车用户使用的前提下，合理地分配电动汽车的充电时间和充电功率，避开电网负荷的高峰时段，降低对电网的负荷冲击，减少不必要的发电容量建设与电网建设，同时减小负荷峰谷差，提高电网运行效益，使电动汽车与电网协调发展。

3.1 有序充电模式

电动汽车有序充电是指在满足电动汽车用户使用需求、电池及充电设施性能约束的前提下，通过有效的技术和经济手段引导和控制电动汽车充电行为，以达到减小规模化电动汽车充电对电网负面影响、提高电网建设和运行经济性的目的。

电动汽车有序充电应从时间和空间两方面进行综合调度。时间维度的调度是本文研究的重点。有序充电可分为TC(timed charging)模式、V1G (vehicles plug-in with logic)模式和双向V2G (vehicles to grid)模式［11］。TC模式为时间控制模式，电动汽车在给定的时刻开始充电。V1G模式指电动汽车的充电受电网控制，电动汽车与电网进行实时通信，可在电网允许时刻进行充电。双向V2G模式指电动汽车除了在谷负荷时段进行充电，还需在峰负荷时段反向输送电能回电网。

3.2 有序充电优化目标

为了减小系统负荷峰谷差，实现“避峰填谷”，提高电网负荷率，促进电网经济运行，现对有序充电的优化调度方法进行分析。假设区域内有100个充换电站，分别以平抑负荷波动和减小峰谷差作为调度方法优化的单目标函数，再将两函数加权后进行多目标优化。

3.2.1 平抑负荷波动

以平抑负荷波动为目标建立函数，可表示为

式中:PLk为区域电网不含充电负荷的k时段负荷，即调整前的原始负荷;Pav为调整前的日平均负荷;Pjk为k时段第j个换电站充电功率。

3.2.2 减小峰谷差

以减小负荷曲线峰谷差为目标函数，可表示为

式中:max(P'Lk)为调整后负荷峰值;min(P'Lk)为调整后负荷谷值。

3.2.3 多目标优化

多目标优化同时将F11和F12作为目标函数。由于存在2个目标函数，采用线性加权和法对目标函数进行处理，将多目标优化问题转化为单目标优化问题。同时，由于2个目标的量纲不同，需要对每个目标函数进行规范化，如式(6)所示:

3.3 优化算法

基本粒子群优化算法(particle swarm optimization，PSO)是Eberhart和Kennedy提出的模拟鸟群飞行觅食行为的算法，通过鸟之间的集体协作使群体达到最优。后来引入惯性权重改进基本粒子群算法的收敛性能，逐渐被大家默认为标准粒子群算法。

当进行复杂的优化问题求解时，标准粒子群算法容易出现早熟收敛问题，因此在粒子群优化算法的基本框架中增加随机变异算子，让算法在发生早熟收敛时，能够进入解空间的其它区域继续进行搜索，直到最后找到全局最优解，形成自适应变异的粒子群算法(adaptive mutation particle swarm optimization，AMPSO)。

使用PSO或AMPSO算法求解换电站有序充电调度策略时，将每个换电站每个时段的充电功率Pjk作为粒子的位置坐标，如式7所示。在一天当中共有24个调度时段，因此算法中粒子的维数为24M，M为参与调度的换电站数量。

4 算例验证

以2008年北京奥运会时投入运营的充换电站为例进行分析。采用标准粒子群算法分别对F11和F12目标函数进行单目标优化求解，计算数据不在此列出，负荷曲线变化情况如图4、5所示，图中原始负荷不含充电负荷，总负荷为原始负荷与充电负荷之和。

图4 平抑负荷波动Fig.4 Stabilizing the load fluctuation

图5 减小峰谷差Fig.5 Minimizing the peak-to-valley difference

采用自适应变异的粒子群算法对多目标转化为单目标的目标函数F2进行了优化求解，优化结果负荷曲线如图6所示。

图6 多目标优化Fig.6 Multi-objective optimization

综合图4～6可以看出，3种目标函数都可以准确找到负荷曲线的低谷时段进行充电，起到“填谷”的作用以改善负荷曲线，验证了电动汽车换电站有序充电时间调度方法的有效性。

5 电动汽车的有序主动控制

5.1 有序充电策略对比

经过粒子群算法的迭代计算，得到了对应三组优化目标函数的充换电站充电负荷，将换电站充电负荷叠加在原始负荷曲线上得到有序充电调度优化后的负荷曲线，同时将无序充电负荷叠加在原始负荷曲线上得到无序充电的负荷曲线，如图7所示。

但是对于不同的目标函数，采用减小峰谷差(目标函数F12)作为优化目标时，其填充“最低谷”的效果非常明显。当采用平抑负荷波动(目标函数F11)作为优化目标时，充电功率则较为均匀地分布于整个谷时段。可见，在奥运充电站提供的算例中，采用不同目标函数时对负荷曲线的改善效果不同。因此，将F11和F12结合起来转化为单目标优化的目标函数F2既能有效填充“最低谷”，又使充电负荷均匀地分布于整个谷时段，在3组调度结果中效果最优。

图7 有序充电调度优化结果对比Fig.7 Comparison with coordinated charging plans

5.2 与分布式电源的协调调度

在主动配电网中，分布式电源的渗透率将越来越高，为增强对分布式电源的消纳能力，可以将电动汽车与分布式能源联合起来进行协调调度。文献［12］建立了多时间尺度的电动汽车与风电协同调度数学模型，分析了电动汽车充电调度平滑电网负荷波动、消纳夜间过剩风电的可行性。文献［13］从配网的角度研究了电动汽车和分布式风电的协调问题，表明了电动汽车与风电协同调度可以增加分布式风力发电接纳能力，平抑风电功率和微网频率波动。

可以看出，计及电动汽车与可再生能源发电的电力系统协调调度的主要目标包括提高含有电动汽车的电网/微电网运行经济性、减少碳排放、扩大新能源发电接纳能力、平抑新能源发电波动等。采用的求解方法既有整数规划、线性规划等传统优化方法，也有粒子群等智能优化方法。求解的结果除了传统的发电计划以外，通常还含有电动汽车的优化充放电计划，从而实现对电动汽车充放电的集中调度。

6 结论

电动汽车充电的随机性增加了电网运行的不确定影响因素，电网的调度及运行规则面临着新的问题。而主动配电网技术可以通过对电网侧充电设施进行主动控制和调节，实现大规模电动汽车的有序充电。本文通过分析电动汽车规模化接入配电网产生的影响，重点研究了电动汽车充电控制策略及其对区域配电网负荷曲线的影响，对比了无序充电和有序充电的情况，通过实际充电站算例验证了电动汽车有序充电控制对区域配网负荷曲线“避峰填谷”的作用，电动汽车有序充电模式将成为协调分布式电源消纳和推动主动配电网发展的有利因素。

［1］尤毅，刘东，于文鹏，等．主动配电网技术及其进展［J］．电力系统自动化，2012，36(18):10-16．You Yi，Liu Dong，Yu Wenpeng，et al．Technology and its trends of active distribution netw ork［J］．Automation of Electric Pow er Systems，2012，36(18):10-16．

［2］Celli G，Ghiani E，Mocci S，et al．From passive to active distribution networks:methods and models for planning network transition and development［C］//42nd International Conference on Large High Voltage Electric Systems 2008，CIGRE 2008，Paris，France，2008．

［3］张文亮，武斌，李武峰，等．我国纯电动汽车的发展方向及能源供给模式的探讨［J］．电网技术，2009，33(4):1-5．Zhang Wenliang，Wu Bin，Li Wufeng，et al，Discussion on development trend of battery electric vehicles in China and its energy supply mode［J］．Power System Technology，2009，33(4):1-5．

［4］张德欣，陈金川，刘莹．北京市私人交通出行特征及发展对策［C］//第六届(2006)交通运输领域国际学术会议论文集，大连:大连理工大学，2006．

［5］Kempton W，Toru Kubo．Electric-drive vehicles for peak power in Japan［J］．Energy Policy，2000，28(1):9-18．

［6］杨洪明，熊脶成，刘保平．插入式混和电动汽车充放电行为的概率论分析［J］．电力科学与技术学报，2010，9，25(3):8-12．Yang Hongming，Xiong Luocheng，Liu Baoping．Probabilistic analysis of charging and discharging for plug-in hybrid electric vehicles［J］．Journal of Electric Power Science and Technology，2010，25(3):8-12．

［7］王辉，文福拴，辛建波．电动汽车充放电特性及其对配电系统的影响分析［J］．华北电力大学学报，2011，38(5):17-24． Wang Hui，Wen Fushuan，Xin Jianbo．Charging and discharging characteristics of electric vehicles as w ell as their impacts on distribution systems［J］．Journal of North China Electric Pow er University，2011，38(5):17-24．

［8］Kristien C N，Edw in H，Johan D．The impact of charging plug-in hybrid electric vehicles on a residential distribution grid［J］．IEEE Trans on Power Systems，，2010，25(1):371-380．

［9］Sara D，Amir S M，Paul S M，et al．Real-time coordination of plugin electric vehicle charging in smart grids to minimize power losses and improve voltage profile［J］．IEEE Trans on Smart Grid，2011，2 (3):456-466．

［10］胡泽春，宋永华，徐智威，等．电动汽车接入电网的影响与利用［J］．中国电机工程学报，2012，32(4):1-10，25．Hu Zechun，Song Yonghua，Xu Zhiw ei，et al．Impacts and utilization of electric vehicles integration into pow er systems［J］．Proceedings of the CSEE，2012，32(4):1-10，25．

［11］刘振亚．智能电网技术［M］．北京:中国电力出版社，2010，304-305．

［12］于大洋，宋曙光，张波，等．区域电网电动汽车充电与风电协同调度的分析［J］．电力系统自动化，2011，35(14):24-29．Yu Dayang，Song Shuguang，Zhang Bo，etal．Synergistic dispatch of PEVs charging and wind power in Chinese regional power grids［J］．Automation of Electric Pow er Systems，2011，35(14):24-29．

［13］Larsen E，Chandrashekhara D K，Ostergard J．Electric vehicles for improved operation of power systems with high wind pow er penetration［C］//IEEE Energy 2030 Conference．Atlanta，GA: IEEE，2008:1-6．

(编辑:刘文莹)

Influence of Electric Vehicles Charging Modes on Active Network Distribution

HE Jinghan，XIE Yuyu，YIP Tony，WANG Xiaojun，LI Zhicheng
(School of Electrical Engineering，Beijing Jiaotong University，Beijing 100044，China)

Active distribution network construction relies on the development of key technologies such as on-grid and operation control of large-scale intermittent renewable energy，interaction of charging and discharging facilities with grid and smart electricity use．With the increased popularity of electric vehicle，the random charging behavior of large-scale EV users in time and space will increase the uncertain influencal factors in power grid operation．The research mainly studied the influence of electric vehicle charging mode on grid daily load curve．Through analyzing the probability distribution of electric vehicle users’driving habits，a load model of electric vehicles was established according to the charging power and energy demand characteristics．Then the influence of electric cars in uncontrolled and coordinated charging modes was compared．The comparison was done by simulation with the actual charging station operating data，which verified the active role of coordinated charging in active distribution network．

active distribution network;electric vehicles;uncontrolled charging;coordinated charging;load curve

TM 72

A

1000-7229(2015)01-0097-06

10.3969/j．issn.1000-7229.2015.01.015

2014-11-13

2014-12-20

和敬涵(1964)，女，教授，博士生导师，研究方向为电力系统保护与控制、智能电网、电动汽车与V2G等;

谢毓毓(1991)，女，硕士研究生，研究方向为电动汽车充电控制及其故障保护;

叶豪东(1952)，男，研究员，硕士生导师，研究方向为智能电网、电力系统保护与控制;

王小君(1978)，男，硕士生导师，研究方向为电力系统分析与控制、新能源接入系统建模与分析、电动汽车与电网互动技术等;

李智诚(1988)，男，博士研究生，研究方向为智能配电网的保护与控制。