TECHNICAL EXCHANGE‖技术交流计及电动汽车充电行为对配电网的影响研究于 涛1 田景超2 刁守斌3 祝永刚4 安 鹏5 张丽娜6（1.济南市规划设计研究院 2.烟台东方威思顿电气有限公司 3.国网济南市商河县供电公司 4.国网济南市历城区供电公司 5.国网山东省电力公司 6.中海油研究总院有限责任公司工程研究设计院）摘要：电动汽车（Electric Vehicle，EV）充电随机性对电网实时负荷产生波动，影响配电网的安全稳定运行。为平抑负荷波动，基于统计数据分析EV充电特性，建立规模化EV的充电行为预测模型。文章分析了EV充电时对配电网造成的负荷激增与节点电压偏移影响，对比无序充电与有序充电模型下配电网的指标，通过仿真算例结合IEEE33节点配电系统，验证了文章提出的两个目标优化模型符合潮流分布、节点电压值等配电网稳定运行指标的基本需求。优化模型同时兼顾用户的充电成本，体现分时电价对用户充电的引导作用，为EV充电提供协调控制的参考。关键词：电动汽车；有序充电；充电行为模型；分时电价2019.11.DQGY 0 引言相较于由化石能源提供燃料的传统汽车，EV由电能驱动，并且其具有零排放量，因此更加清洁环保。然而，EV在接入电网充电时，会对电网产生一定的影响[1-3]，尤其当大规模EV进行无序充电时，不仅大幅度增加了电网中的实时负荷，在调度不足的情况下，甚至会对充电节点所在的配电网造成负荷峰谷差增大、设备过载、用电成本增加等诸多后果。如何在兼顾电网基础运行负荷的前提下，让EV充电变得更方便快捷成为EV研究的热点[4-8]。为对EV进行有序充电控制，文献[9]提出智能化充电方式，使充电站可迅速实时采集EV充电信息，并根据电网实时状态，对用户提供较优的充电计划或反馈下一日的负荷预测。文献[10]基于该问题提出内层降低配电网网损、均衡三相负荷不平衡度，外层根据EV充电功率，运用三相前推回代法计算线路潮流的控制优化目标。在以上研究的基础上，文章提出了电网日负荷波动影响下的EV有序充电优化模型，旨在调整电网负荷波动，通过智能优化算法实现分时电价引导下的充电行为。文章利用蒙特卡洛法得到EV无序充电时的实时负荷。针对负荷波动提出优化控制目标与约束条件，在居民负荷用电的基础上调度EV充电模式，寻求目标函数的最优化。在分时电价的基础上为每一辆车提供最优的充电时间，使总充电费用达到最小，同时也使其满足潮流分布与节点电压的合理性。1 计及EV充电行为的配电网稳定性分析1.1 EV充电特性模型决定每辆车充电行为的因素主要有EV类型、充电起始时间、充电方式以及日行驶距离。在无序充电下，不受分时电价影响的EV起始充电时间服从正态分布，概率密度函数为： （1）EV日行驶距离服从如下的正态分布： （2）由于上述采用的比例为总体汽车保有量，因此还需考虑实际测得的地区EV渗透率情况。考虑到国内各地EV渗透率不足50%，相较其他发达国家发展较缓，因此考虑渗透率为50%的情况作为一段时间内对EV充电负荷对配电网影响的预估性研究。1.2 配电网波动性指标衡量负荷波动的指标除了采用对比负荷的峰值与谷值，负荷的标准差更能准确地描述总体负荷的波动程度，因为负荷标准差是对各时间点的总体负荷偏离负荷平均值的距离取平均值，即总体负荷一天内数据方差的算术平方根。 （3）62 （4）CHINA ELECTRICAL EQUIPMENT INDUSTRY电器工业2019－11.indd 742019.10.29 3:46:40 PMTECHNICAL EXCHANGE‖技术交流‖式（3）中，PLj为一天中第j个步长的基础负荷，第二项为该时间段内所有在充电的EV的充电功率总和，最后一项为一日负荷的总体平均值。1.3 基于电网负荷波动的控制策略当EV充电时，会对配电网产生一定的冲击。配电网线路参数使线路上的电压降落、损耗比输电线路高。EV充电负荷的接入对本身负荷波动比较大的配电网而言，可能使其叠加出短暂的负荷激增，尤其当EV大规模充电行为发生在配电网原先的负荷峰值时，“峰上加峰”的现象甚至会使充电节点的负荷过重导致电压过低甚至崩溃。为保障配电网的稳定运行，需要利用EV的充电负荷平抑电网基础负荷的波动，达到削峰填谷的目的。以每个时间段充电的EV数量作为变量，结合EV充电负荷对总体负荷曲线的叠加，实现系统负荷曲线标准差最小，优化的目标函数为： （5）控制各时间段内接入配电网进行充电的EV数量，使优化控制后的EV充电负荷能补偿配电网的基础用电负荷，从而使总体的负荷波动最小，实现系统负荷曲线标准差最小。2.2 用户充电需求用户的充电容量由每辆EV充电前的荷电状态（SOC）决定，服从正态分布[7]： （7） 一天范围内，每辆EV的充电需求为： （8）式中，C为EV的电池容量。由上式可知每辆EV当日需要进行充电的容量，因此可得到一天中EV需要进行充电的总时长。2.3 优化策略基于上述讨论的用户充电的总成本最小化的控制目标与用户实际充电需求：1）假设EV的充电需求服从上述正态分布。美国电力研究协会（EPRI）提供了三种典型EV电池特性，其中PHEV后的数字为该类型车的容量所能支持的最大公里数，假设EV种类数量仍旧保持PHEV48：PHEV64：PHEV96=7:2:1的比例；2019.11.DQGY 2）假设充电前每辆车的荷电状态为0，默认所有车从耗尽电量的状态开始充电，且充电状态一旦开始，充到达到用户需求的充电量停止，由于充电需求为用户充电到SOC=1.0状态，因此认为一天范围内一次充电即可满足正常的日行驶里程需求。分时电价模型遵循EV充电价格标准，每个步长内的分时电价与每辆车的充电功率相乘即可得到每辆车96个步长时间内的充电价格，得出优化控制目标函数： （9）式中，n为EV数量；j为步长时间。2 考虑用户需求的总充电成本优化策略2.1 优化思路结合EV的充电特性与充电需求，得到每辆EV一天范围内的充电时间，该模型能实现所有用户的总充电成本最小的目标，且能符合在配电网系统的潮流分布与节点电压要求。除了对配电网系统造成稳定性方面的影响外，EV充电成本也是用户最关心的，将EV用户的充电成本作为衡量用户满意度的标准，采用分时电价模型：≤≤≤≤633 算例仿真 （6） 3.1 电网日负荷波动优化模型为研究规模化EV入网充电对配电网影响，选取IEEE标准33节点配电网系统（见图1）作为参考，将EV充电负荷在居民负荷的4个节点随机分布，其余节点使用IEEE标准33节点的原始数据。由于该系统为单电源开环系统，0号节点位于系统的前端，因此设置为电源点，选取在系统各分支末尾的17号、21号、24号以及27号节点作为EV接入充电的居民点，由于靠近系统线路的末端，其节点电压能反映负荷较大时的较低值。四个居民充电节点一日峰值负荷分别为95.77kW、127.62kW、19.16kW、19.55kW，按比例得到EV数量分别为40、53、8、8辆。考虑到50%的EV渗透率，四个居民点的EV数量分别为分时电价模型选取国内目前EV拥有率最高的城市的价格报表，电价规定与电价执行时段按标准给出，可供充电用户与各集中换电站参考[13]，如表1所示。表1 分时电价收费标准峰单价平单价谷单价电度单价/（元/ kW·h）执行时段1.004410:00~15:00\\18:00~21:007:00~10:00\\15:00~18:00\\0.695021:00~23:000.394623:00~7:00CHINA ELECTRICAL EQUIPMENT INDUSTRY电器工业2019－11.indd 752019.10.29 3:46:40 PMTECHNICAL EXCHANGE‖技术交流图3可看出，所有节点的电压标幺值满足0.9~1.1的范围，个别负荷较重的节点在20至21时的用电高峰时刻达到了节点电压标幺值的最低。由于EV整体充电功率较小，4个居民负荷周围其他节点均为负荷容量较大的商用与工业负荷，因此总体潮流分布与图1 IEEE33节点系统分布20、21、4、4辆。得到进化后的最优解后，按照假设的条件得到15min为步长的EV充电功率，并叠加在无序充电之前的基础配电网负荷上，可得到有序充电后的IEEE标准33节点配电网负荷状态，进一步得到其他衡量配电网稳定性的指标。（1）负荷峰谷差图2为49辆EV进行无序充电时，一天内所有节点总体负荷波动，由图中可知，负荷较重的时间集中在20至21时，且负荷的波动较大。图4 无序充电状态节点电压标幺值与1.0绝对值波动电压偏移值没有明显差别，需对比有序充电时节点电压的标幺值与1.0的绝对值的变动量，对比结果如图4所示。64电器工业2019－11.indd 762019.11.DQGY 图2 15min步长无序充电4居民点总负荷波动（2）节点电压偏差值以15min为步长、一天内无序充电状态的节点负荷进行潮流计算，可得到IEEE33节点配电网模型中每条支路上的潮流分布，利用“前推回代”方法得到每个节点的电压标幺值，图3和图5为节点电压波动，图4和图6为节点电压值与标幺值1.0的绝对值波动。图5 负荷波动优化控制后节点电压标幺值波动图6 负荷波动优化控制后节点电压标幺值与1.0绝对值波动图3 无序充电状态节点电压标幺值波动CHINA ELECTRICAL EQUIPMENT INDUSTRY2019.10.29 3:46:42 PMTECHNICAL EXCHANGE‖技术交流‖综合负荷波动与负荷峰谷差情况，需要通过一定的优化控制手段对EV接入配电网充电的方式进行调度，使配电网的性能指标得到优化。由图3和图5可知， 33节点的大部分曲线几乎没区别，但与1.0绝对值较大的几个节点在个别时间段的差值变大。其原因在于差别较大的点产生在支路末端，其节点电压值较其他节点低。其次，由于EV充电功率较小，对比有序与无序充电时EV数量可知，有序充电时需要入网充电的EV数量增多，尤其在电价较低、系统基础负荷为谷负荷时间段内，这四个居民点在该时间段内的总体负荷较无序充电时重，导致此时节点电压偏移加剧，导致该现象产生。结合以上结果可得出，无序充电状态时会加重负荷水平，降低节点电压值。通过优化控制手段对EV充电方式进行调度后，配电网性能指标得到优化。3.2 充电成本引导下的优化模型3.2.1 寻优结果对比各节点的充电成本，将EV波动的无序充电功率与对应时段的充点电价相乘，可得到IEEE33节点中四个居民充电节点的用户充电成本，控制总目标最小时假设将所有EV接到同一节点进行充电，对比如表2所示。表2 四个居民点EV充电成本对比序号/元17号21号24号27号总价无序充电300.15339.3995.8940.96776.39负荷波动优化770.97809.52118.0750.441749.003.2.2 配电网稳定性分析为简化EV分布状态得到优化控制后的EV充电状态对配电网产生的影响，将充电节点从四个居民节点简化为一个，即将充电负荷全部接在21号居民节点上进行充电，以便于对比分析基于充电成本最小的优化策略对配电网产生稳定性的影响。将上节得到的EV全天充电负荷叠加在基础的居民负荷上时，得到的负荷峰谷差值如表3所示。表3 三种充电状态四个居民点一日负荷峰谷差工况峰值/kW谷值/kW差值/kW标准差/kW无序充电165.5310.59154.9534.67负荷波动最小119.6910.97108.7221.67充电成本最小109.969.9999.9821.05由上表可知，相较于随机的无序充电与以负荷波动最小为控制目标的优化模型，当计及用户充电需求时优化用户充电成本总和能更好地保证配电网的稳定运行，总体成因是充电负荷参与电网调度的比例大大降低，EV无需响应电网调峰的需求，而且假设条件中不再每个时刻都必须按照三种EV的比例进行充电，更加贴合实际情况，优化控制后的配电网节点电压波动如图7所示。图7 优化后一天内IEEE33节点的节点电压波动由图7可知，将49辆EV的充电负荷全部接入21号节点后，依然能得到合理的整体潮流分布与节点电压值，图8进一步对比了三种充电状态下的电压节点的电压偏差。2019.11.DQGY 65图8 优化后节点电压标幺值与1.0绝对值波动对比无序充电与基于负荷波动最小的有序充电控制的节点电压偏移曲线，可发现节点电压波动变小，可认为本次优化控制由于考虑了用户的充电需求，且每辆车在更新迭代过程中会按照谷电价时期充电，因此避开了某些负荷高峰值，反映在节点电压偏移波动上时，原本基础负荷较重的时间点没有叠加大量的充电负荷，且所有充电负荷全部接在某一个居民点上时，某种程度上补偿了总体负荷较小的居民点与周围负荷较重的工业与商用负荷点之间的差值，因此能够满足配电网潮流分布与节点电压上下限值的基本要求。4 结束语针对大规模EV充电对配电网稳定性造成的影响，根据实CHINA ELECTRICAL EQUIPMENT INDUSTRY电器工业2019－11.indd 772019.10.29 3:46:43 PMTECHNICAL EXCHANGE‖技术交流际测量的居民日负荷与统计局提供的数据估测EV规模，确定EV充电需求的决定因素。文章分析了配电网稳定性指标，以此为控制目标限定EV充电方式优化的边界条件，解决了负荷波动优化带来的用户充电成本增加问题。在计及用户充电需求的前提下，控制总充电成本最小以提高在上一个优化模型中由于充电成本增加带来的用户满意度问题。通过对比不同充电方式下的配电网指标，验证其性能指标皆得到了优化，可作为EV充电优化方法的参考。电 器of Plug-In Hybrid Electric Vehicles to Minimize Distribution System Losses[J]. IEEE Transactions on Smart Grid, 2011, 2（1）: 198-205.[6]Richardson P, Flynn D, Keane A. Optimal Charging of Electric Vehicles in Low-Voltage Distribution Systems[J]. IEEE Transactions on Power Systems, 2012, 27（1）: 268-279.[7]Sortomme E, El-Sharkawi M A. Optimal Charging Strategies for Unidirec-tional Vehicle-to-Grid[J]. IEEE Transactions on Smart Grid, 2011, 2（1）: 131-138.[8]崔张聪, 许晓慧, 孙海顺, 等. 基于自适应遗传算法的规模化电动汽车智能充电策略研究[J]. 电力系统保护与控制, 2014（14）: 19-24.[9]占恺峤, 胡泽春, 宋永华, 等. 考虑三相负荷平衡的电动汽车有序充电策略[J]. 电力系统自动化, 2015（17）: 201-207.[10]王鑫, 周步祥, 唐浩. 考虑用户因素的电动汽车有序充放电控制策略[J]. 电力系统保护与控制, 2018, 46（4）.[11]郑颖. 高渗透率电动汽车接入下的配电网静态稳定性分析及有序充电策略研究[D]. 武汉: 华中科技大学, 2014.[12]何佳艳. 北京规范电动车充电服务收费[J]. 投资北京, 2015（6）: 33-36.[13]姚伟锋, 赵俊华, 文福拴, 等. 集中充电模式下的电动汽车调频策略[J]. 电力系统自动化, 2014, 38（9）: 69-76.[14]李娜, 黄梅. 不同类型电动汽车充电机接入后电力系统的谐波分析[J]. 电网技术, 2011（1）: 170-174.参考文献：[1]赵俊华, 文福拴, 杨爱民, 等. 电动汽车对电力系统的影响及其调度与控制问题[J]. 电力系统自动化, 2011, 35（14）: 2-10.[2]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.[3]Deilami S, Masoum A S, Moses P S, et al. Real-Time Coordination of Plug In Electric Vehicle Charging in Smart Grids to Minimize Power Losses and Improve Voltage Profile[J]. IEEE Transactions on Smart Grid, 2011, 2（3）: 456-467.[4]Xu Z, Su W, Hu Z, et al. A Hierarchical Framework for Coordinated Charging of Plug-In Electric Vehicles in China[J]. IEEE Transactions on Smart Grid, 2017, 7（1）: 428-438.[5]Sortomme E, Hindi M M, Macpherson S D J, et al. Coordinated Charging 2019.11.DQGY 66CHINA ELECTRICAL EQUIPMENT INDUSTRY电器工业2019－11.indd 782019.10.29 3:46:43 PM