基于需求响应的电动汽车充放电策略对比与分析

甘季伟，姚志垒

（1.江苏大学 电气信息工程学院，江苏 镇江212013；2.盐城工学院 汽车学院，江苏 盐城224051）

0 引言

随着环境污染和能源危机的日益加剧，电动汽车（electric vehicle，EV）作为环保、节能的交通工具，在能源结构调整方面潜力巨大，具有良好的发展前景。电动汽车通过充放电参与智能电网的调控，既可以作为电网中的可控负载，接受电网提供的供电服务（grid to vehicle，G2V），又可以作为储能单元提供汽车入网服务（vehicle to grid，V2G），实现车辆与电网之间能量和信息的双向传递，从而提高电网的能源利用效率［1］。然而，电动汽车的充放电行为具有随机性和间歇性，大规模电动汽车入网后，将会对电网负载平衡、电力质量和经济性产生巨大影响［2］。电动汽车作为一种灵活的需求侧响应资源，其充放电可通过需求响应（demand response，DR）策略进行合理有序控制，从而完善电动汽车与智能电网的双向互动，保证电网的安全稳定运行。

为了解决电动汽车入网所带来的一系列负面问题，同时推动电动汽车与智能电网的互联，本文对比总结国内外近年来针对电动汽车充放电调度提出的需求响应策略，分析其发展形势和可能面临的问题，为后续的相关研究提供参考。

1 电动汽车充放电的需求响应策略分类

1.1 基于价格的需求响应

价格型需求响应是利用消费者对价格的敏感，通过制定随时间变动的价格政策，引导EV用户自愿选择在电价较低时段进行充电，从而改变其能源使用模式，达到削峰填谷的目的。基于价格的需求响应（price-based demand response，PDR）适用于大规模电动汽车的充放电调度，包括分时电价（time of use，TOU），实时电价（real-time price，RTP）和尖峰电价（critical peak pricing，CPP）。

1.1.1 基于TOU的电动汽车充放电策略

TOU是在不同时间段有不同单位价格的费率机制。EV用户主观上愿意选择电价较低的时段充电以降低充电成本，但这可能会引发新的峰值，甚至出现峰荷倒置，对电网的安全稳定运行造成负面影响［3］。而且不同的TOU浮动比例对EV用户的充放电选择影响也各不相同。

峰谷电价是较为典型的TOU，文献［4］构建了以电网峰谷差率最小为目标的峰谷电价时段优化模型，但只考虑了电网侧的利益，忽略了对用户侧的影响。因此需要考虑多目标优化来兼顾电网与用户双方的利益。如文献［5］考虑了峰谷差率改善度和用户用电方式满意度2个指标。文献［6］考虑了提高用户和电力公司经济性和减小负荷波形3个优化目标。文献［7］考虑了用户成本最低和风光发电消纳最大2个指标。虽然这些定价模型同时考虑了用户侧和电网侧的某些指标，但就实际应用来看还远远不够。

此外，在未来电力市场改革和售电侧开放的大背景下，还可以引入负荷聚合商（load aggregator，LA）的概念，对电动汽车的充放电进行分层分区调度。LA可以看作是电力公司和EV用户之间的中介，在不同的DR策略下发挥不同的作用，其控制结构如图1所示。

图1 LA控制框架Fig.1 Control framework of LA

当前，TOU仍是引导EV用户有序充放电的有力措施，也比较适合我国国情。其动态性和经济性可以通过LA和动态TOU来优化。而在建立基于TOU的电动汽车充放电模型时，需要综合考虑电网峰谷差、风光发电消纳、用户经济性、满意度等优化目标的权重，建立一个全面的多目标优化模型。

1.1.2 基于RTP的电动汽车充放电策略

RTP是在给定的极短时间（如1 h）内向用户提供电能边际成本的费率机制，能让电动汽车充放电与电价联动调整，更精确地反映发电成本变化。RTP不仅可以使电动汽车有序充放电，降低用户的充电成本，还能大大降低电网设备的建设成本，提高用户侧和电网侧的经济性。

研究RTP下电动汽车的充放电优化策略，首先要能预测不同电价下用户的充电行为，即充电概率模型。为此，文献［8］研究了电动汽车充电负荷弹性跟踪算法。文献［9］提出了区域电动汽车集群响应的最优充电概率分布模型，在得到EV充电概率模型的基础上，利用两阶段优化模型来研究EV的最优充电状态。针对RTP下EV对可再生能源的消纳问题，文献［10］对光伏发电和风力发电的价格不确定性和预测不确定性进行建模，集成到RTP下的家庭能源管理系统中，从而最大限度地降低用户成本。上述优化方案对EV电池的退化成本考虑较少，不仅影响用户总成本，也影响充电方式，特别是RTP下EV的充电周期较多，对电池寿命影响较大。因此文献［11］在考虑EV电池退化成本的基础上，建立了RTP模型以实现用户成本最小化。

RTP能充分发挥电动汽车充电时间弹性大、响应迅速的优势，具有良好的经济性，但确定电动汽车用户在不同电价下的充放电概率模型是该策略的难点。另外，RTP动态性太强，容易导致用户无法对价格信号做出及时响应，进而让用户的接受度变低。只有完善好电网与电动汽车间的实时双向通信系统和能源管理系统等基础设施，才能使电动汽车在RTP下的充放电调度成为可能。

1.1.3 基于CPP的电动汽车充放电策略

CPP是在TOU的基础上叠加尖峰费率而形成的动态定价机制，虽然CPP的经济性比不上RTP，但其实现难度大幅降低，而且CPP激励用户在用电峰值减少负荷或转移负荷，经济性高于TOU，因此，CPP是TOU和RTP的折中方案。尖峰日的尖峰费率和非尖峰日的电价折扣共同组成了CPP方案。考虑电动汽车充电的CPP实施过程如图2所示。随着电动汽车数量的不断增长，CPP在降低电网峰值负荷方面也有显著效果［12］。

图2 考虑电动汽车充电的尖峰电价实施过程Fig.2 CPP implementation process considering EVs charging

在实行RTP时，其调度优化方案偏向于供给侧，虽然总体的经济性最优，但如果不顾及用户满意度和电池退化成本，反而会在得出最优调度方案后危及用户利益。CPP是TOU和RTP的折中方案，能够同时兼顾需求侧和供给侧的利益，我国也在借鉴国外经验的基础上进行试点。

1.2 基于激励的需求响应

激励型需求响应（incentive-based demand re-sponse，IDR）是基于电力公司与用户所签订的合同，通过经济补偿或者电价优惠政策来激励用户参与电力系统所需要的各种负荷削减项目，从而转移用电负荷［13］。激励费率一般独立或者叠加在PDR之上，包括电费折扣或中断补偿2种形式。IDR适用于小规模电动汽车的充放电调度，包括直接负荷控制（di-rect load control，DLC），可中断负荷（interruptible load，IL）和需求侧竞价（demand side bidding，DSB）。

1.2.1 基于DLC的电动汽车充放电策略

DLC是在电网负荷高峰时，电力公司通过支付给用户一定的电费折扣或中断补偿来远程关闭或调整用户用电设备的项目。参与DLC的可控负荷通常为短时间停电对其供电服务质量影响不大且具有储能的负荷。电动汽车是典型的可控负荷，电力公司通过控制中心来控制充电桩的开关和充电功率，从而优化电动汽车充放电时段和充电速率。随着电力公司的市场化改革，DLC也可以由LA进行控制，从而提高经济效益和用户满意度。

DLC策略往往从供电侧的角度出发，无法充分考虑用户需求，难以得到用户的支持和实际应用。因此，文献［14］提出将用户满意度引入DLC，在满足电动汽车充放电需求的同时，充分尊重用户的消费意愿和隐私。

1.2.2 基于IL的电动汽车充放电策略

IL是指电网在高峰时段或紧急情况下可以中断的负荷，作为一种简单易行的需求响应策略，能够帮助电力公司规避风险、提高收益，实现其与用户的双赢。补偿费用会直接影响到供需双方参与IL的积极性。补偿价格过高，电力公司的积极性降低；补偿价格过低，用户参与意愿降低。因此，合理的补偿价格是实施IL的关键。文献［15］提出了一种以发电成本、储能成本、负荷损失等总成本最小为目标的优化模型，并得到最终成本与IL容量及补偿价格的关系曲线。当补偿价格大于实际储能成本时，IL容量增加，反之则减小。

利用电动汽车提供IL服务，增加了电力系统的调控方式，拓宽了电力公司的盈利渠道，也降低EV用户的成本。但目前对于电动汽车提供IL服务的业务模式和技术架构仍处于探索阶段，有待进一步研究。

1.2.3 基于DSB的电动汽车充放电策略

DSB是指在需求高峰或系统意外情况下，用户以特定的投标价格限制部分用电量。DSB主要面向大用户（1 MW以上），针对EV用户则需要通过LA整合EV资源，代表其对用电量和电价进行投标，从而参与需求侧竞价。电动汽车的充电电价仍然依据电力公司发布的电价，其电费由电力公司收取，LA不参与电力的买卖，其作用只是整合闲置的电动汽车储能资源，为电力公司提供需求响应资源，获得相应报酬，并给予EV用户部分补偿。

竞价策略是一个双层问题。上层问题是LA充电成本的最小化，也就是EV用户充电成本的最小化，下层问题是市场结算。文献［16］将其用混合整数线性规划表现出来，并引入虚拟电池来估计电动汽车的使用需求，适用于不确定性日前电力市场。文献［17］基于市场价格和投标价格之间的联系，以LA成本最小化为目标，提出了最优投标模型。在条件风险值的约束下，将模型构造为一个凸规划问题，显示了投标价格，预期采购成本与中标概率之间的关系。

未来对于DSB的研究将集中在EV行为特性的预测模型和LA的投标决策模型，从而更方便地指导LA参与需求侧竞价。

2 不同电动汽车充放电的需求响应策略对比

利用DR策略调度电动汽车的充放电主要是为了削峰填谷，保证电网的稳定性以及降低用户和电力公司的成本。表1对不同DR策略进行了对比。

表1 不同需求响应策略对比Table 1 Comparison of different DR strategies

由于电价主要由电力公司进行调控，能深刻地影响电动汽车用户的充放电行为，因此，PDR适用于大规模电动汽车的充放电调度，IDR适用于小规模电动汽车的充放电调度，可与PDR形成互补。在3种PDR策略中，TOU的经济性和动态性弱，但是用户接受度较高；PTP的经济性和动态性都是理论上最优的，但对通信和能源管理系统的要求较高；CPP则是折中选择。DLC和IL都能应用于负荷高峰，其中，IL还可用于系统紧急情况下中断负荷以维护电网稳定。在实行DR策略时，需要同时考虑电力公司与用户的利益。在PDR中，电力公司的收益主要来源于削峰填谷所节约的成本，而用户的充电成本也大幅降低，其中CPP会对非尖峰日给予电费折扣。在IDR中，电力公司除了削峰和稳定电网运行所带来的收益外，DSB还能整合闲置的EV资源来降低成本，提高经济性。在IDR的实施过程中用户都有电费折扣，而实施DLC和IL时用户会额外收到中断补偿。

通过制定合理的需求响应策略，能引导电动汽车用户参与入网调度，消纳更多可再生能源发电。TOU对可再生能源的消纳能力取决于其峰谷电价的浮动幅度，RTP能够最大限度地促使电动汽车用户消纳可再生能源，CPP次之。IDR的3项策略在这方面较弱。

除此之外，在IDR中，DLC、IL策略多关注于电网和LA的收益，用户参与的积极性不高。而DSB以及3种PDR策略都充分考虑到了用户的利益，能促使用户主动参与到DR调度中。

3 结束语

本文介绍了将DR应用于电动汽车充放电调度的研究现状，针对PDR和IDR的相关技术及应用都分别进行了分析，对不同DR策略进行了对比。由于我国PDR所需要的各项历史数据来源较少，因此，可采用试点地区或者试点项目的形式，在小范围内试验各项PDR策略并收集用户信息，为将来推广至智能电网做准备。同时也需要从政策方面给LA公司一定的支持，从而加快DR在我国的推进速度。

当前对于电动汽车参与DR的研究，一般考虑了降低用户成本、增加电力公司收益、减小负荷峰谷差、提高系统稳定性、保证电池寿命、提高用户满意度、提高可再生能源消纳率这几方面，但通常只考虑其中某一两个方面，缺少对各个因素的优先级定位和系统的统一建模。为了兼顾用户侧与电网侧的利益，应将电网峰谷差率改善度和用户满意度列于第一优先级，其他目标次之。随着电动汽车的普及、智能电网的发展以及考虑到PDR和IDR各自的局限性，建立以需求侧为主体，供需两侧协调优化，综合利用PDR和IDR的电动汽车充放电策略将是未来的发展趋势。