基于成长体系的电动汽车充电站需求响应方法研究

唐冬来,李擎宇,龚奕宇,钟 声,谢 飞,聂 潇

(1.四川思极科技有限公司,四川 成都 610047;2.国网四川省电力公司,四川 成都 610041)

0 引言

随着新型电力系统建设的逐步开展,需求响应作为优化电网调控的方式之一,在新型电力系统中得到了广泛应用[1]。随着中国电动汽车(electric vehicle,EV)的大规模普及,需求响应的对象由空调、建筑楼宇等负荷对象,逐步延伸到EV[2]。EV兼具储能和负荷双重特征,可灵活参与需求响应。但EV充电时段随机性大,不能满足单独参与需求响应的条件[3]。因此,亟需通过电动汽车充电站(electric vehicle station,EVS)整合零散的EV资源,以参与需求响应。

国内外许多学者对EV参与需求响应作了大量研究。目前的需求响应主要为价格激励。文献[4]提出了基于时空规律的EVS需求响应方法,通过EV出现时间、车辆行驶路径等因素优化EVS需求响应。文献[5]提出了基于竞争图谱的EVS需求响应方法,通过博弈定价的方式提高了EV参与需求响应的积极性。文献[6]提出了基于长短期记忆(long short-term memory,LSTM)网络的EVS需求响应方法,通过LSTM建立供电功率与成本的映射模型,从而有针对性地进行需求响应。文献[7]提出了基于云边协同的EVS需求响应方法,采用云边协同技术实现EVS需求响应任务的装载,从而提高EVS需求响应水平。但上述方法仅针对单一场景,部分EV用户出于车辆充电时间等待过长和电池损耗等原因的考虑,可能不愿与EVS签署需求响应合作协议,从而导致EVS不能对该类EV进行需求响应调控。

为解决EVS对不同类型EV用户激励不足的问题,本文提出了1种基于成长体系的EVS需求响应方法。该方法在考虑不同类型的EV用户需求响应参与特点,结合EV电池退化成本的基础上制定。该方法通过成长值浮动,实现多类型的EV用户激励。某市的应用实例证明,该方法有效提高了EV用户参与EVS需求响应的积极性。

1 EVS需求响应流程

基于成长体系的EVS需求响应方法分为建立EV成长体系、EVS需求响应分析与执行、EVS需求响应交易结算这3个部分。

(1)建立EV成长体系。

①采集EV用户数据,获取EV用户的充电车辆、充电时间、充电功率等信息。

②进行EV充放电需求分析,并统计参与需求响应意愿的强弱。

③计算EV电池退化成本及EV给电网(vehicle-to-grid,V2G)送电的电池损耗成本,并将其作为EV成长体系的补偿部分。

④结合EV用户特征、充电需求和电池退化成本,基于EV需求响应次数、需求响应电量等信息制定EV成长体系。

(2)EVS需求响应分析与执行。

①计算EVS需求响应所产生的成本。

②结合电网的需求响应补偿制定本地的EVS需求响应策略。

③在EVS盈利的情况下参加需求响应。

(3)EVS需求响应交易结算。

在EVS需求响应交易结算环节,按照EV成长体系的不同等级给予EV用户不同的激励,并对EV成长值进行更新。

2 EVS需求响应模型

2.1 建立EV成长体系

EV成长体系是1种EVS需求响应运营激励体系。该体系采用激励制度,保持前段EV用户的需求响应活跃度,提升中段和尾段EV用户的需求响应次数[8]。EV成长体系结合成长值机制实施。EVS运营商根据EV用户的参与需求响应次数、需求响应时间、需求响应电量记录EV值。EV用户参与需求响应越多,则成长值越高。当EV成长值达到对应的阶梯式标准时,EVS运营商给予EV用户不同的激励,从而提升EV用户参与需求响应的积极性。

EV成长体系通过应用程序接口(application programming interface,API)[9],采集EVS运营系统中EV的基础数据。EV数据Da为:

Da={d1a,d2a,…,dna}

(1)

式中:na为EVS运营商采集的EV用户指标数量;{d1a,d2a,…,dna}为EV用户不同的指标采集数据。

EV是用户设备,EVS运营商不能直接控制EV的充放电行为,而是由EV司机主动参与EVS的需求响应调度。EV充、放电量Lin和Lout分别为:

(2)

式中:nb为EV在EVS需求响应时段充电需求的时间点数,本文方法为15 min/点,每天96点;lai为不同时间点的EV需求充电量。

(3)

式中:nc为EV在EVS需求响应时段放电需求的时间点数;lbi为不同时间点的EV需求放电量;losi为不同时间点的EV放电线损电量。

为激励EV自主参与需求响应,除EV需求响应收益外,还应考虑补偿EV的电池退化成本。EV电池退化成本Ca为:

(4)

式中:nd为EV电池衰退的区段数量;cci为不同电池衰退区段所需的退化成本;pai为不同电池衰退区段的EV放电功率。

本文在计及EV电池退化成本的基础上,依据EV需求响应次数、需求响应时间、需求响应电量等制定EVS成长体系。EV成长值Ja为:

(5)

式中:ne为EV成长体系指标数量;jai为不同指标成长值;wai为不同指标权重。

2.2 EVS需求响应分析与执行

EVS参与需求响应以盈利为目的。EVS接收到电网公司发出的需求响应信号后,首先计算当前EVS中EV的数量与功率,从而获得EVS参与电网公司需求响应的收益;其次计算EVS在需求响应中,分别需要支付给EV充电负荷响应用户和V2G的EV用户成本,并判断EVS是否盈利;最后,在EVS盈利的前提下,针对不同成长值的EV用户,制定浮动的EVS需求响应激励标准。

EVS参与电网公司需求响应的收益Cin为:

(6)

式中:nf为电网需求响应时间段内,EVS可参与需求响应的EV数量;pbi为不同的EV用户参与需求响应的功率;tai为不同的EV用户参与需求响应的时间;vai为不同的EV用户参与需求响应所获得的电网收益。

EVS支付给EV用户的成本Cout为:

(7)

式中:ng为电网需求响应时间段内,EVS可参与需求响应的EV充电负荷响应用户;nh为电网需求响应时间段内,EVS内可参与需求响应V2G的EV用户;pci为不同的EV充电负荷响应用户参与需求响应的功率;tci为不同的EV充电负荷响应用户参与需求响应的时间;gci为不同的EV充电负荷响应用户参与需求响应的价格;pdi为不同V2G的EV用户参与需求响应的功率;tdi为不同V2G的EV用户参与需求响应的时间;gdi为不同V2G的EV用户参与需求响应的价格;Δf为EVS为支付成长体系EV用户所花费的额外成本。

当EVS参与电网公司需求响应的收益大于成本时,EVS参与电网需求响应,并制定不同EV成长值的激励标准。

EV成长值激励标准如表1所示。

表1 EV成长值激励标准表

由表1可知,EV成长值激励标准按成长值排序范围分为5个级别。其中:差和极差这2个级别在EV需求响应基准价格的基础上进行下浮;优秀、良好、及格这3个级别在EV需求响应基准价格的基础上进行上浮。

2.3 EVS需求响应交易结算

EVS需求响应需确定需求响应的基准价格。斯坦克尔伯格(Stackelberg)模型是一种静态博弈模型[9-10]。在该模型中,领导者EVS作出决策后,EV跟随EVS的决策调整策略并不断重复,直至达到纳什均衡[11]。因此,本文采用Stackelberg模型确定需求响应基准价格。

EVS需求响应的基准价格vsd为:

vsd={vevs∪vev∪vv2g}

(8)

式中:vevs为EVS的需求响应报价,是Stackelberg模型的领导者;vev、vv2g分别为EV充电负荷响应用户和V2G的EV用户报价,是Stackelberg模型的跟随者。

上述博弈不断重复,直至EV需求响应报价达到纳什均衡。

在EV需求响应基准价格的基础上,本文按照表1的标准进行激励,并在激励后对EV成长值进行更新。

EV成长值更新如表2所示。

表2 EV成长值更新表

由表2可知,在EV成长级别中:极差级别采用标准成长值进行更新;优秀、良好、及格、差这4个级别分别采用从高到低的成长值比例进行激励。此类激励方式可保持前段EV用户的需求响应活跃度,从而提升中段和尾段EV用户的需求响应次数。

3 算例分析

3.1 场景与参数设定

本文方法在中国某城市的EVS运营商进行了验证。该EVS运营商有107个充电站,充电功率共计138.5 MW,有EV用户5.8万户。其中,V2G用户为0.9万户。EVS充电桩通过无线网关接入EVS分布式边缘计算节点。EVS边缘部署节点与服务器采用光纤连接。EVS需求响应服务器采用的中央处理器(central processing unit,CPU)为第三代英特尔至强E5-2600v3版本;CPU 4颗、14核、线程数28;运行频率为2 GHz;服务器内存为256 GB;硬盘容量大小为64 TB。本文EVS需求响应方法采用Python开发。本文采用文献[12]中的多时间尺度随机优化EV需求响应方法作为对比方法。该方法在EVS中广泛使用,具有行业通用性。

3.2 算例运行分析

①EV需求响应成本分析准确性。

EV需求响应成本分析准确性是评估本文方法EV需求响应成本计算是否准确的核心指标。该指标的计算方式为:在EV需求响应成本计算中,将算法计算出的成本与人工依据行业标准计算出的成本进行比较。两者一致即为准确。两者的比值则为准确率。

本文分别选择1 000个、2 000个、3 000个、4 000个、5 000个、6 000个、8 000个和10 000个EV需求响应用户,采用本文方法与文献[12]方法,比较EV需求响应成本分析准确性。

EV需求响应成本分析准确率比对如表3所示。

表3 EV需求响应成本分析准确率比对表

由表3可知,本文方法EV需求响应成本分析平均准确率为99.7%,高于多时间尺度随机优化EV需求响应方法的平均准确率(96.4%)。因此,本文方法的EV需求响应成本分析更准确。

②EV需求响应基准价格博弈分析。

EV需求响应基准价格博弈分析的目的是为了评估EV需求响应各方博弈的最优价格求解的性能。获得最优求解博弈的次数越少,则说明博弈分析的效果越好。其计算方法为将EV需求响应博弈价格最优质的博弈次数作为EV博弈分析性能评估指标进行分析。与本文方法进行对照的试验博弈方法主要为动态博弈方法和重复博弈方法。其中,动态博弈指参与者行动包含先后顺序。后行动者可根据前者的行动进行选择。动态博弈在EV需求响应博弈中广泛使用,具有行业通用性。重复博弈是对相同的结构进行多次博弈。而本文方法中,EVS和EV的调整策略博弈结构不尽相同,不能将重复博弈方法作为对照试验的方法。因此,本文选择动态博弈方法与本文所提方法进行对照试验。

本文选择100次、200次、300次、400次、500次、600次博弈,分别采用所提Stackelberg模型与动态博弈方法比较EV需求响应基准价格博弈次数。

EV需求响应基准价格博弈次数如表4所示。

表4 EV需求响应基准价格博弈次数

由表4可知,Stackelberg博弈基准价格收敛次数平均为58次,实现了EV需求响应基准价格最优解的求解。Stackelberg模型在博弈时,领导者EVS和EV的调整策略快速达成一致,从而完成收敛。动态博弈的博弈基准价格收敛次数平均为251次。动态博弈方法EVS和EV的调整策略博弈过程较长,在博弈210次左右时实现了对EV需求响应基准价格最优解的求解。由此可见,本文所提Stackelberg模型博弈性能更好。

③EVS需求响应利润分析。

EVS需求响应利润分析的目的是为了评估本文方法的盈利能力。其计算方法为EVS参与电网需求响应所获得的收益减去EVS支付给EV参与需求响应的成本。计算结果的值越大,则说明EVS盈利能力越强。

本文分别选择所研究城市7个区域各5个充电站,采用本文方法和文献[5]方法,比较参与20次电网需求响应的利润。每次需求响应时长为1 h。电网需求响应价格依据某省规定设置为4.8元/(kW·h)。

EVS需求响应利润分析如表5所示。

表5 EVS需求响应利润分析表

由表5可知,本文方法在上述区域的平均利润为2.45万元。该结果在文献[5]方法区域平均利润1.38万元的基础上提升了77.97%。因此,本文方法的盈利能力更强。

4 结论

为解决EVS对不同类型的EV用户激励不足的问题,本文提出了1种基于成长体系的EVS需求响应方法。该方法具有以下优点。

①采用EV需求响应成长值等级激励措施,实现了对不同需求的EV用户需求响应价格的浮动,从而保持了前段EV用户的需求响应活跃度、提升了EVS需求响应的盈利能力。

②除EV需求响应收益外,本文方法在EVS需求响应的收益部分考虑了补偿EV的电池退化成本,从而减少了EV用户的电池退化损失、提高了EV用户参与需求响应的积极性。

③Stackelberg模型可以快速完成博弈收敛,从而减少EVS和EV之间达成一致策略的时间、提高需求响应速度。