电动汽车参与电网调峰的策略研究

张一康 张珂迎 冉微 徐莲 郭子承

（中国矿业大学（北京）机电与信息工程学院 北京市 100083）

近年，随着“双碳”目标的提出，我国新能源装机规模大幅上涨，新能源发电总量不断提高，电力结构与规模正在悄然转变。然而，风能、太阳能等新能源发电形式具有波动性和不确定性等缺点，若没有得到合理的解决，则会出现严重的“弃电现象”。 另一方面，对环境极其友好的新能源汽车也逐渐得到了大众的认可。据国家发改委、商务部等部门联合发布的数据，截至2021 年底，国内新能源汽车保有量达到784 万辆，占我国汽车总量的2.6%，占全球新能源汽车保有量的一半左右。其中纯电动汽车保有量为640 万辆，占新能源汽车总量的81.63%。作为用电负荷，电动汽车(Electric vehicles, EV)在无序充电时无疑会加重电网负担。但其作为储能单元，在消纳新能源、辅助电网调峰方面有着巨大的潜力。

1995 年 Amory Lovins 教授提出了车辆入网概念(vehicle to grid, V2G)，特拉华大学 William Kempton 教授促进了V2G 技术的进一步发展。在电动汽车同时具有用电和放电两种属性的情况下，以信息的实时监测、通信和交互为基础，对电动汽车充电和放电进行控制，给电网提供调峰服务。国内的专家学者在此方面也进行了大量研究。为充分利用电动汽车在电网能量调度中的高度灵活性，文献以降低充电成本和网损成本为目标，提出了一种基于V2G 技术的电动汽车实时调度策略。文献基于光伏(photovoltaic, PV)发电渗透率的不断提高，为平抑短时剧烈的光伏功率波动，提出了微网场景下集群电动汽车参与平抑光伏波动的控制框架，建立了利用EV 功率跟踪 PV 出力的凸优化模型,并验证了其模型的准确性与高效性。针对电动汽车无序充电带来的负荷峰谷差过大问题，文献提出了基于动态多目标优化模型的电动汽车充电调度控制策略，使优化后的负荷峰值下降约20%，节约充电成本40%～55%。文献从电动汽车的充电时刻、充电时长和充电量等特征进行分析，通过改进遗传算法实现了充电需求、经济成本和充电峰谷差的协调优化，有效保证了电网和电动汽车的稳定运行。文献采用改进粒子群优化算法(particle swarm optimization, PSO) 建立电动车参与电网负荷平抑的数学模型，验证了电动车充放电控制策略的有效性。目前，纯电动公交汽车的渗透率较大，充电频率较快，且电池容量是私人电动汽车的3 倍左右，在负荷调度方面具有更高的利用空间。文献基于谱聚类和长短期记忆(long short-term memory, LSTM)神经网络提出了电动公交车的充电负荷预测方法，但其预测误差达到了11%左右。文献基于动态分时电价对电动汽车有序和无序充电进行了分析比较，结果表明无序充电的负荷曲线与日负荷曲线有一定的重合，会进一步拉大峰谷差；而有序充电则可以实现负荷的时空平移，缩小峰谷差，这一研究表明了电动汽车参与电网调峰的潜力和必要性。

基于上述分析，本文提出了一种基于负荷需求曲线的电动汽车参与电网调峰的模型，以公交桩和私人桩为研究对象，通过调峰策略控制其向电动汽车充电的时间和功率，力求达到需求曲线的要求，降低负荷曲线的波动性，提升电网稳定性。

1 基于需求曲线的调峰模型

依据对电力调度区域的负荷需求预测，电网负荷调控部门发布此区域的调峰需求曲线图。第三方运营商合理调度电动汽车的充电时间和充电功率，以期达到调峰需求曲线的要求。因此，本文基于调峰需求曲线建立了电动汽车参与电网调峰的数学模型。

1.1 调峰目标

将调峰需求曲线离散化，以天为单位，平均划分为48个时段；以每时段为控制量，调控电动汽车的实际充电功率接近调峰需求曲线要求的负荷功率。

1.2 确定约束

在实际运行中，电动汽车参与电网调峰会受到多种主客观因素的制约。本文提出的模型只考虑了部分影响较大的因素，忽略了相对较小的影响。

1.2.1 最大充电功率

不同类型的电动汽车，其充电功率是不同的。基于电动汽车自身性能的影响，其充电功率存在最大的幅值限制。

1.2.3 可用时间约束

充电桩是实现电网和电动汽车能量传递的重要媒介，但并非每时每刻都有电动汽车接入电网。且不同类型的电动汽车运行时间不同，在上下班时段，能够参与电网调峰的电动汽车数量明显减少。

2 控制策略

根据给定的调峰需求曲线和实际负荷曲线，第三方运营商调控充电桩的充电功率，以减小二者差值为目标，力求实际负荷曲线达到调峰需求曲线的要求。具体的调峰过程为：

（1）将调峰需求曲线离散化，以天为单位，平均划分为48 个时段。

（2）计算当前时段i 调峰需求负荷和基础负荷的差值，并判断实际负荷的增减方向。

（3）若需要增加实际负荷，则提高充电功率待提升量最大的充电桩，更新差值，直到实际负荷满足目标负荷的要求。

（4）若要求减小实际负荷，则筛选出当前负荷最大的充电桩，减小为原来的λ 倍，更新差值，直到实际负荷满足目标负荷的要求。

（5）当前时段调峰任务完成，进入下一时段，直到48个时段全部完成，任务结束。

3 调峰算例仿真与分析

3.1 仿真参数设定

为验证上文建立的模型和策略的可行性与有效性，通过MATLAB 编写程序进行算例仿真。实际中每个区域的充电桩种类和数目均不同，且充电桩的工作时长也不同。方便起见，本文使用的公交桩数量为6 个，私人桩的数量为20 个。单个公交桩每天输出的最大能量为600 kW·h，私人桩为240 kW·h，依据上文提出的功率约束，规定公交桩最大功率为30 kW，私人桩为20 kW。考虑到可用时间约束，认为在上下班高峰期（7:00-9:00;17:00-19:00）有一半的充电桩不在工作状态。充电桩的参数设置如表1 所示。

表1： 充电桩参数设置

3.2 仿真结果与分析

参与电网调峰前，充电桩在各个时段的负荷功率如图1所示。图2 给出了电网下发的调峰需求曲线以及调峰前充电桩的实际负荷曲线。由图1 可知，公交桩和私人桩有着不同的充电负荷特性。公交桩在0:00-6:00 的充电负荷极小，几乎不参与电网的互动。而结合人们的生活充电规律，私人桩的充电高峰期为20:00-24:00。

图1： 充电桩基础负荷

图2： 调峰前负荷对比

从图2 可以看出在无序充电时，电动汽车充电负荷和日常负荷几乎重合。在2:00-6:00 间处于低水平状态，根据系统要求需要提高其负荷功率；在19:00-23:00 间负荷水平较高，需要降低其负荷。

采用本文所提调峰策略后，其负荷曲线与目标负荷曲线的跟踪对比如图3 所示。

图3： 调峰后负荷曲线

可以看到，在调峰容量充足的情况下，根据本文所提策略，可以满足式（2）中ε=0 的最高要求，即调峰后的实际负荷曲线与目标负荷曲线完全重合。

参与电网调峰前后私人桩和公交桩的负荷变动如图4 和图5 所示。

图4： 私人桩负荷变化曲线

图5： 公交桩桩负荷变化曲线

分别对图4 和图5 进行分析可以得出：

（1）在5-13（2:00-6:00）低负荷时段内，实际负荷量低于需求曲线的要求，系统大幅提升了公交桩的负荷功率，私人桩的负荷提升相对较小，辅助公交桩进行调节。

（2）15-35（7:00-17:00）时段内，纯电动公交车处于运营时段，公交桩负荷基本不变；私人桩负荷提高，以满足调峰需求。

（3） 40-48（19:30-23:30）时段内，调峰前实际负荷以较高水平运行，为减轻电网压力，满足调峰需求曲线的要求，公交桩和私人桩的充电负荷均有所下降，共同参与电网调峰。

4 结论

在“双碳”目标的大力推动下，新能源电动汽车得到了蓬勃的发展，其作为储能单元参与电网调节的能力正在被不断发掘。本文提出了一种基于需求曲线的电动汽车参与电网调峰的实时控制调度策略，在负荷总量能够满足电网调峰需求的基础上，建立数学模型，通过仿真分析验证了其可行性与有效性。主要结论有：

（1）通过算法合理调度电动汽车的充电功率和时间，可以有效减缓电网的负荷波动，降低峰谷差，初步实现电网的“削峰填谷”。

（2）公交桩在用电低谷期的高负荷运行、能够快速提高此时段的负荷水平。降低私人桩与公交桩在用电高峰期的负荷功率，能够实现负荷的时空平移，优化负荷曲线。