预制舱变电站-电动汽车充/换电站综合服务模式下的优化运行策略

王彦峰，王兴华，雷翔胜

(广东电网有限责任公司电网规划研究中心，广州510080)

0 引言

随着土地资源的日益紧张和电力需求的不断提升，常规变电站暴露出占地面积大、建站效率低、投入运行慢等一系列问题[1]。预制舱变电站基于户外箱式变电站制造技术及标准配送式变电站技术的优势，整站所有设备均在工厂内完成安装和调试，在现场进行简单连接即可投入运行，工期缩短约100～200 d，模块化建站使占地缩小30%～70%，满足城市中心建站的环评需求等一系列优点，为未来城区新型变电站建站和老式换电站增容改造提供一种新的解决方案[2]。

图1 预制舱综合站的内部框架Fig.1 Internal frame of the prefabricated comprehensive station

随着交通电气化[3]的发展，电动汽车在私家车领域及公共出行领域[4 - 5]得到了巨大发展，但与之而来的充/换电站选址问题[6 - 7]成为了制约电动汽车行业发展的重要因素，采用“变电站+充电站”综合能源模式成为解决途径之一。深圳电网在对莲花山变电站进行改造，建立了全国第一个“变电站+充电站”站点[8]。山东滨州基于变电站、充/换电站建立了“八站合一”郭集智慧能源综合示范区[9]。“多站合一”模式不仅为充/换电补充提供解决方案，也对建设“三型两网”起着重要的支撑作用[10]。

综合能源是实现“双碳”的重要手段[11 - 13]。在综合能源变电站领域，文献[14]认为融合型变电站是数据中心与充电站选址的最佳选择，设计了融合型变电站运行架构，并提出了融合型变电站运行策略。文献[15]提出多站融合场景下各站的配置方法和协调运行策略，并验证了配置方法和协调运行策略的有效性。文献[16]提出储能电站在多站融合中发挥多重功能的复杂场景下优化运行策略，提升了多站融合的经济性。文献[17]基于全局协调、分区自治思想，提出多站融合辅助调峰自律运行调控策略，为大规模分布式电源并网提供解决方案。但当前融合型变电站研究对电动汽车充/换电站优化调控策略的关注甚少，“多站合一”背景下的“变电-充换电”综合服务不仅符合综合能源转变和电动汽车发展的双重大趋势，还有利于集约社会资源，降低因线路停电故障产生的EV无法充电的问题，提高充电可靠性，避免电力网故障传导至交通网[18]。

考虑到预制舱变电站及“多站合一”模式的优势，本文以城市交通电气化为基础，提出了“预制舱变电站-电动汽车充/换电站”综合服务模式下的优化运行策略。首先，提出“变电站-充/换电站”综合服务框架，阐述各站之间的联系；接着，在综合服务框架下，对“交通-多站”融合下电动私家车虚拟储能可控容量分析，并考虑可控容量对站级私家车充放电运行进行优化。最后，“交通-多站”融合下电动出租车换电需求进行分析，提出考虑换电需求约束的站级出租车充放电优化策略。

1 “预制舱变电站—充/换电站”综合服务框架分析

“变电站—充/换电站”综合服务框架如图1所示，包括预制舱式变电站、预制舱式换电站和预制舱式充电站。

1)预制舱式变电站：具有模块化特性的预制舱式变电站，主要应用于大型商住区、中央商务区及工业园区等区域，为城市中心负荷提供可靠的电力供应。预制舱式变电站通过舱内设备的不同来区分不同的舱体模块，主要包括GIS预制舱模块、变压器预制舱模块、开关柜预制舱模块、二次预制舱模块、综合预制舱模块和无功补偿、接地变预制舱等模块。预制舱系统通过内环境控制技术能维持舱内恒温、恒湿和无尘，通过防火保温技术和高耐候防腐技术使其适用于多种气候和地形条件，通过声屏障、电磁屏蔽和防火墙等技术对城市环境的影响，主要负责对站内预制舱式充/换电站及其他用电单位供电。

2)预制舱式换电站：主要为电动出租车提供快速电能补充，包括换电平台舱模块、电池待充舱模块、换电电池充电舱模块和电池库存舱模块。换电平台舱模块为电池更换的操作平台，是换电站与电动汽车进行交互的部分，后三者主要负责电池的充电和储存，换电站在满足换电需求的前提下，对电池荷电状态(state of charge state, SOC)进行控制，作为储能资源以充放电的形式积极参与电网调控，国内“北汽擎天柱计划”和“蔚来NIO Power 2025”换电站本身就是一种模块化预制舱构造，再次验证二者结合的可行性。

3)预制舱式充电站：主要为电动私家车提供慢速电能补充，包括智能充电桩模块、车位模块和顶棚光伏模块。智能充电桩模块负责计费、控制充电、接受调度中心指令等操作，车位模块负责规划停车位置，使预制舱综合站剩余面积利用率最大化。顶棚光伏模块充分利用充/换电站对电能的消纳能力，采取“自发自用、余电上网”的运营模式[8]，充分利用土地及光伏资源。

4)数据中心：作为信息流的核心，负责预制舱变电站、预制舱换电站、预制舱充电站的控制与监测，协调各模块间的数据交互，制定站内电池储能和电网间的能量互动策略。

基于预制舱变电站剩余面积和地下面积，可进一步拓展预制舱式充/换电站业务，实现“一站一功能”向“一站多功能”转变。

2 “交通-多站”融合下电动私家车虚拟储能可控容量分析

基于预制舱综合站的外部框架，充分考虑电动出租车和电动私家车的特性不同，认为电动出租车均采用快速换电模式，电动私家车均采用慢速充电模式。

2.1 电动私家车出行特性

本文在文献[19]的基础上对交通网和城市功能区分布进行了扩展，扩展部分见附录表A1。电动私家车出行链类型及所占比例参考文献[20]，电动私家车首次出行时刻等和时间相关的概率分布参考文献[21]。依据出行链起讫(origin-destination， OD)矩阵，根据以速度、距离为主要特征的出行特性，采用Dijkstra算法为电动私家车规划最优路径，通过文献[22]能耗因子模型即可计算电池电量损耗。

2.2 电动私家车虚拟储能调控假设条件

1)等待、充电和放电3种状态切换次数最多只允许有5次[23]，充电和放电之间的切换必须经过等待状态；

2)充放电时均采用恒功率充放电。

2.3 电动私家车虚拟储能调控区域分析

通过“多站合一”背景下预制舱式变电站数据中心对管辖范围内电动私家车的控制，将具有不同时空特性的电动私家车整合在一起，根据电网运行状况进行有序充放电，整合后的电动私家车电池整体称为虚拟储能，虚拟储能资源可从可延迟充电时间和最大放电量两个维度进行考虑，可延迟充放电时间可以平移充电时段，最大放电量可以评估放电潜力，即当前时刻可调用的最大容量。本文根据电动私家车到达时电量Sarr与最低放电电量Sdis,min的大小关系，将电动私家车虚拟储能调控区域分为3种情形，分别如附录图A1所示，实线和点划线分别代表不同的充放电方式。

1)情形1：当Sarr

当电动私家车接入后，其最大可延迟充电时间tde为到边界CD的水平距离，为避免后文重复，此处给出一种适用于边界和内部点的统一公式，设当前点O的坐标为(to,Soc,o)， 则有：

(1)

式中：Slea、Sarr、tlea、Bc、Pc分别标识为电动私家车离站电量、到站电量、离站时间、电池电量和充电功率。

因此充电起始时间tstart,c1和放电起始时间tstart,dis分别满足约束式(2)—(3)。

tarr≤tstart,c1≤tarr+tde

(2)

(3)

式中tarr为到站时间。

求得tstart,dis后，即可计算tstart,dis时刻的最大放电时间tdis,max和最大放电量Cdis,max。

(4)

Cdis,max=Pdis·tdis,max

(5)

式中Pdis为额定放电功率。

实际放电时长tdis满足：

0≤tdis≤tdis,max

(6)

由于放电使得电动私家车电量低于离站电量，因此需要二次充电，充电起始时间tstart,c2为：

tstart,dis+tdis≤tstart,c2≤tstart,dis+tdis+tde

(7)

结合式(1)，在式(7)中tde的to和Soc,o分别为：

to=tstart,dis+tdis

(8)

(9)

2)情形2：当Sarr≥Slea时，电动私家车车主并不会主动对电动汽车进行充电，即默认不充电，只存在放、放-充、不充不放3种状态。

本文以“放-充”状态切换为例，对虚拟储能可控容量进行分析，放电起始时间tstart,dis满足约束式(10)。

tarr≤tstart,dis≤tlea

(10)

因此tstart,dis时刻的最大放电时长tdis,max为：

(11)

(12)

式中ttarget为电池SOC从tstart,dis开始放电，电量从Sarr到达Slea所需要的时间。

最大放电量由式(5)得到，实际放电时长tdis应满足式(6)。放电结束时间tdis,final和放电结束剩余电量Sdis,final为：

tdis,final=tstart,dis+tdis

(13)

(14)

最大可延迟充电时间tde为：

(15)

充电起始时间应满足式(7)—(9)。

3)情形3：当Sdis,min≤Sarr

2.4 电动私家车虚拟储能调控容量分析

本文认为只有处于空闲或放电状态，且在状态切换约束下具有放电能力的车辆才具有虚拟调控容量CV2G(t)， 表示t时段内储备放电容量的数值。不同状态变换下第i辆私家EV在t时刻的可调控的最大虚拟储能容量Ci,V2G(t)和总容量CV2G(t)为：

(16)

CV2G(t)=∑Ci,V2G(t)

(17)

3 考虑可控容量的站级私家车充放电运行优化

3.1 电动私家车分类

本节根据到站和离站电量将私家车分为2类：

1)强制充电类：Sarr

2)非强制充电类：Sarr≥Slea， 这一类电动私家车在停留过程中，净放电量为正，这部分车辆是参与电网调控的重要组成部分，若不考虑放电则该非强制充电类EV默认不充电。

3.2 目标函数和调控自变量

为充分发挥电动私家车于削峰填谷、平抑负荷波动的作用，发挥虚拟储能对于负荷的缓冲和调整能力，本文以平抑负荷波动为目标函数。

(18)

(19)

式中：Pl(t)为区域负荷；T为离散的优化周期；Ppri(t)为私家车集群充放电功率；Pav为优化周期内负荷的平均值。

由2.3节介绍的各种状态切换模式，共有仅充电、充-放-充、放-充、仅放电，设置调控自变量为(tstart,c1,tstart,dis,tdis,tstart,c2,p1,p2,p3,p4)， 且满足：

p1+p2+p3+p4=1

(20)

式中p1、p2、p3、p4分别代表前述4种状态切换模式的占比。

仅充电状态切换下调控自变量为(tstart,c1,0,0,0,p1,0,0,0)， “充-放-充”状态切换下调控自变量为(tstart,c1,tstart,dis,tdis,tstart,c2,0,p2,0,0)， “放-充”状态切换下调控自变量为(0,tstart,dis,tdis,tstart,c2,0,0,p3,0)， 仅放电状态切换下调控自变量为(0,tstart,dis,tdis,0,0,0,0,p4)， “放-充”和仅放电状态的区别在于放电结束后电量是否低于离站电量，若低于离站电量则需要充电，否则不需要。

相关约束条件见2.3节。

4 “交通-多站”融合下电动出租车换电需求分析及换电站时序状态模型

4.1 “交通-多站”融合下电动出租车换电需求分析

根据电动出租车的出行、选站及换电行为，对其行驶路径和电池SOC进行监测，计算得到综合站在各调度时段初为满足出租运营所提供的电池数，即为“交通-多站”融合下的换电需求。

电动出租车在载客、空载寻客和空载换电选站状态中进行变换[24]，与电动私家车相比，电动出租车行程具有较强的连续性，且目的地具有较强的随机性，其出行行为适合采用OD分析法进行研究，本文电动出租车载客和空载寻客行为参考文献[20]的OD矩阵，当电动出租车空载换电时，需选择综合站进行电能补充，应综合考虑多种时间因素：1)考虑前往换电站时间T1；2)排队时间T2；3)所选换电站前往下一最佳寻客点时间T3。

因此选择换电站k时考虑的总时间Tall,k(t)为：

Tall,k(t)=T1,k(t)+T2,k(t)+T3,k(t)

(21)

选站结果se(t)为：

se(t)=argmin(Tall,k(t))，k=1,…,K

(22)

式中K为综合站的数量。

4.2 换电站电池组时序状态模型

电动出租车在换电站内的站内行为分析可参见文献[25]。

本文将电池分为待充电池、充、放电投入电池、在充电池、在放电池、充、放电产出电池、和储备电池8类。

在t时段初，换电站可以提供的储备电池Ns(t)数量为：

(23)

式中：y(t-1)为t-1时段末出电池量；U(t-1)为t-1时段换电需求；D(t)为t时段初投入放电的电池量。

D(t)受到储备电池Ns(t)和充放电设备的制约，投入电池量最大值Dmax(t)表示为：

Dmax(t)=min[Nr(t-1),N′s(t-1)]

(24)

式中Nr(t-1)为t-1时段末未连接电池的充电桩数量。

若D(t)确定后，投入量x(t)的最大值xmax(t)表示为：

xmax(t)=min[Nr(t-1)-D(t),Nw(t-1)]

(25)

式中Nw(t-1)为t-1时段末待充电池量。

t时段末Nr(t)受到充电桩总数Nall、t时段在充电池量Nc(t)、t时段末产出电池y(t)、t时段在放电池量Nd(t)、t时段末放电电池产出量m(t)的影响。

Nr(t)=max[0,Nall-Nc(t)-Nd(t)+y(t)+m(t)]

(26)

t时段在充电池量Nc(t)和在放电池量Nd(t)表示为：

Nc(t)=Nc(t-1)-y(t-1)+x(t)

(27)

Nd(t)=Nd(t-1)-m(t-1)+D(t)

(28)

t时段待充电池数Nw(t)为：

Nw(t)=max[0,Nw(t-1)+U(t)-x(t)+m(t)]

(29)

5 考虑换电需求约束的站级出租车充放电运行优化

5.1 假设条件

1)充放电功率恒定且不中断，充电功率为30 kW，放电功率为10 kW；

2)时间离散化，时段跨度设置为15min。

5.2 目标函数

综合考虑电动私家车和电动出租车的充放电负荷对于削峰填谷的作用，将目标函数式(18)改写为：

(30)

(31)

式中：Pc和Pdis分别为单个充电桩的充、放电功率；T为离散的优化周期。

5.3 约束条件

1)t时段初，投入充、放电的电池数x(t)、D(t)应大于等于0，即

(32)

2)t时段初，x(t)和D(t)之和应小于t-1时段末未连接电池的充电桩数量Nr(t)， 即：

x(t)+D(t)≤Nr(t-1)

(33)

3)t时段初，投入充电的电池数x(t)应小于待充电池数Nw(t-1)和未连接电池的充电桩数Nr(t-1)， 即：

x(t)≤min[Nw(t-1),Nr(t-1)]

(34)

4)t时段初，应保证储备电池量Ns(t)不小于换电需求U(t)， 即：

Ns(t)≥U(t)

(35)

6 算例分析

6.1 参数设置

本文路网拓扑及功能区分布参考文献[19]，共设置5个预制舱综合站，1～5号分别位于路网的第6、7、13、17、26节点，其中4号为220 kV预制舱综合站，1号、5号为110 kV预制舱综合站，2号、3号为综合站，各站配置10台换电设备，存贮的储备电池及换电充电舱的专用充电桩数量如附录表A2所示。假设换电式电动出租车数量为1 000辆，电动私家车为5 000辆，单位能耗均为0.15 kWh/km，电动出租车自6:00—9:00逐渐开始投入运营，21：00—24：00逐渐结束运营，电动私家车时间特性如2.1节所述，两类车型的初始荷电状态均匀分布在0.4～0.9范围内，两类车型的型号、电池容量及充放电功率如附录表A3所示。区域基本负荷曲线如附录图A2所示。

6.2 电动私家车虚拟储能可控容量分析

虚拟储能可控容量需要满足2.2、2.3节相关约束条件，并在一定充电策略下进行分析和评估，本文在以负荷波动最小为目标的充电策略下，对车主白天工作时，处于停驶状态的电动私家车虚拟储能可控容量进行计算，由于可控容量的计算受到状态转换的影响，假设所有强制充电类车辆均采用充-放-充状态切换方式，即认为只有充电结束后才具有V2G调控能力，工业区和商业区的虚拟储能V2G容量如图2—3所示。

图2 工业区虚拟储能V2G容量Fig.2 Virtual energy storage V2G capacity in industrial area

图3 商业区虚拟储能V2G容量Fig.3 Virtual energy storage V2G capacity in commercial area

由图2—3可知，强制充电类和非强制充电类EV的虚拟储能V2G容量峰值出现时间不一致，强制充电类EV的峰值时间滞后于非强制充电类EV，这是因为非强制充电类EV的电池SOC处于较高水平，到站就具有可调控的V2G容量，之后V2G容量随着EV的离站而逐渐减小；而强制充电类EV只有充电后才具有V2G放电能力。

定义虚拟储能峰值比κp为非强制类V2G容量峰值Wnf与强制类V2G容量峰值Wf之比，表示为：

(36)

计算得出工业区κp和商业区κf分别为5.04和18.76，κp越大，说明非强制类和强制类V2G容量峰值差距越大，非强制类EV占比也越大。由于商业区位于城市核心区域，车主到达商业区和返程所消耗的电量较小，离站目标电量Slea也越小，使得前往商业区工作的这部分车主的EV有更大的概率成为非强制类EV。

所有区域的强制充电类净V2G容量和总V2G储备容量如图4—5所示。

图4 所有区域的强制充电类净V2G容量Fig.4 Mandatory charging class net V2G capacity in all areas

图5 所有区域的净V2G总容量Fig.5 Total net V2G capacity in all areas

由图4—5可知，由于强制充电类EVSarr

6.3 电动私家车虚拟储能放电能力参与电网调控分析

本文只分析虚拟储能放电能力参与电网调控的效果，由于夜间处于负荷低谷，电动私家车在此期间不参与放电，故只分析电动私家车虚拟储能参与白天负荷高峰期时的调控能力。

假设无序场景为到站后立即充电且不参与虚拟储能放电调控，无序负荷与有序负荷如图6所示。

图6 无序和有序充放电负荷Fig.6 Disordered and ordered charge and discharge loads

由图6所示，非强制类私家车的无序充电活动在12:00之前就已经结束，没有充分发挥时间维度上的充电弹性和虚拟储能放电特性。相较于无序场景，参与虚拟储能放电调控能够有效降低区域负荷，负荷峰值功率降低了3.5 MW，在09：00—18：00负荷高峰时间尺度上，有效降低各处的负荷值。

参与优化后，强制类和非强制类充放电负荷、区域总充放电负荷如图7—8所示。

图7 强制类和非强制类充放电负荷Fig.7 Mandatory and non-mandatory charge and discharge loads

图8 区域总充放电负荷Fig.8 Total area charge and discharge load

图7中，总体上，强制类EV为充电负荷特性，非强制类EV为放电负荷特性。强制充电类EV参与放电调控的效果不明显，主要通过有序充电与区域负荷、非强制类EV放电向配合，起到降低日间负荷峰值和平滑负荷曲线的作用。非强制类EV的放电能力较强，净放电负荷峰值可达3.85 MW，在私家EV接入后就具有较强的放电能力，有效地将09：00—12：00负荷尖峰补偿掉。由图8所示，日间充电负荷避开9：00—12：00负荷尖峰，主要集中在15：00—18：00之间，但在此期间非充电类放电负荷可完全补偿掉充电负荷，整体上私家EV负荷呈放电性质，在日间负荷高峰期，不仅不会对电网造成冲击，还可以实现对电网的反向放电。

6.4 电动出租车换电需求

根据4.1节，可计算得到“预制舱变—充/换电”综合站的换电需求如图9所示。

图9 “预制舱变—充/换电”综合站的换电需求Fig.9 Swapping demand of prefabricated substation-charging/swapping “integrated station”

图9中，换电需求大小与综合站的地理位置分布有一定的影响，5号综合站位于城市中心的商业区，车流量和客户出行需求较大，所以其换电需求较高。在时间维度上，各综合站的换电需求变化趋势相似，总体大致呈“波浪形”分布，具有周期性的特点，主要是因为电动出租车具有连续的出行行为，持续的电池能量消耗使电动出租车每隔一段时间就要进行电池更换。

6.5 换电站参与电网调控优化

换电站无序充电场景为采用“即换即充”模式，各站无序充电负荷为附录图A3所示，换电站无序和有序充放电负荷如图10所示。

图10 换电站无序和有序充放电负荷Fig.10 Disordered and ordered charging and discharging loads of swapping stations

由图10可知，相较于区域负荷峰值，叠加换电站充放电负荷，在无序和有序场景下负荷峰值分别提高了7.53 MW和1.31 MW，无序充电较大幅度的提高负荷峰值，还使得负荷曲线出现“双高峰”。区域负荷、叠加有序负荷和叠加无序负荷场景下峰谷差为53.09 MW、48.53 MW和60.62 MW，在09：00～18：00日间负荷高峰期峰谷差分别为292.64 MW、274.52 MW和702.48 MW，预制舱式综合站内的换电站部分，通过有序安排电池充放电计划不仅使得峰谷差有所减小，还使得日间负荷高峰期的负荷波动降低。

7 结语

本文以预制舱变电站为基础，分析了预制舱变电站和充/换电站进行融合的可行性，提出了多站融合下“预制舱变电站-充/换电站”的站内、站外服务框架，在该框架的管辖范围内对电动私家车虚拟储能可控容量、电动出租车换电需求及充换/电站储能利用策略进行了分析，结果表明：以预制舱变电站为中心，融合充/换电站建立综合服务站，不仅可以集约社会土地资源，提供多元化服务，还具有较强的虚拟储能容量及换电储能容量，通过数据中心控制充/换电站充放电行为，可以起到平抑负荷波动、削峰填谷作用。本文可为未来城市中广泛建设的变电站和充/换电站的融合方案提供参考，考虑融合方案的商业化运行及更加多元的站间融合是下一步的研究方向。