浅析用户行为的V2G模式下电动汽车有序充电控制负荷预测研究

摘要：针对电动汽车充电负荷与运营经济收益的矛盾问题，以用户侧为研究对象，用户行为习惯为约束条件，建立粒子群控制策略模型。在保证电动汽车正常使用的情况下，利用粒子群算法计算出的充放电功率分布，使参与V2G的用户则可以在分时电价基础上选择出合适的时间段向电网馈电，进而获取经济收益。对基于用户行为的实时电价下电动汽车与电网交换功率进行仿真分析，验证其算法的可行性和有效性。

关键词：电动汽车；有序充放电；控制策略；V2G

电动汽车配套设施的充电网络系统提出了要求。一套智能充电系统及充电策略不仅可以使充电网络的负荷波动小，减少充电系统电网压力，也可以将用户经济成本降低，达到用户侧和电网侧双赢的结果。提出了：基于V2G技术的PHEV有序充放电策略和电压电流双闭环的电压空间矢量控制策略。考虑纳入车主行为的条件并满足电网功率进行有序充放电策略。采用混合式充电方式解决大规模车辆充电的影响和根据不同时间段制定充放电的电价，并提出目标函数有序充电策略。当前大多数的管理策略未能考虑分析，多数学者通常从电池的容量及剩余电量出发考虑，研究比较片面，仅侧重频率调节或负荷平衡，V2G技术的优势未能充分发挥。本文以用户侧为研究对象，车主行为习惯为约束条件，建立粒子群控制模型。1　1基于用户行为的V2G控制策略描述

文中所有采用V2G的车辆均是在特定时间内完成充电或放电，充放电时间段不同，经济收益也不同，这种方式并未改变电池的充放电次数，只进行时间上的调整，减少对电动车储能电池的伤害和冲击，不会折损其寿命。综合考虑电网企业目前实行的分时电价计价原则，将用户参与V2G获得的经济收益设定为目标函数，在一定的约束条件下，采用粒子群优化算法，寻求目标函数解。在实时电价的背景下，用户调整自身充电时间，在高峰期可以向电网馈电，辅助电网调频，削峰填谷，进而获取经济效益；在低峰期时，用户开始充电，降低经济费用。考虑到用户存在有些时间段不参与V2G技术，因此可实现在一天的部分时间段内设置与电网的交换功率为0。

2电动汽车充电负荷预测研究

电动汽车具有高能效、低污染、环境友好等优势，成为缓解能源危机与环境污染的重要手段。然而大量的电动汽车充电需求将引发新一轮的用电负荷增长，造成配电线路的“阻塞”，因此，电力企业除了从供给侧对电力系统进行规划与调度外，也着力于从需求侧提高电动汽车充电负荷的预测水平。

目前电动汽车的充电负荷建模主要分为时序建模和时空建模。综合考虑多重因素利用Bass回归分析模型预测EV保有量，根据用户充电行为的概率密度函数得到三种电动汽车的充电负荷预测结果。

时序建模是利用元日期窗口与大数定理，建立多日一充的模式，考虑EV用户充电习惯的不确定性，利用二项分布建立电动汽车充电负荷的计算模型。时序性建模方法大多根据车主出行结束到家时刻和日行驶里程进行建模，但是不同类型的电动汽车在不同时段停驶于不同目的地，将产生不同的充电需求，因而未能涉及到电动汽车的空间位移特性。

行链理论的时空建模方法考虑用户在不同功能分区的出行规律，采用出行链理论模拟充电负荷的时空分布。基于出行链理论随机生成一天的出行序列，结合居民出行调研数据建立EV充电负荷预测模型。综合考虑电动汽车类型和区域特性，通过改进重力模型进行充电负荷计算。于出行链理论，考虑分时电价、载客量以及温度的影响，分别建立了私家车、出租车以及公交车的充电负荷模型。上述大多基于出行链理论获得电动汽车充电负荷在不同功能分区的时空分布，但未能考虑实际道路交通与电网的耦合关系，也未能计及实际交通路网以及动态交通信息对充电负荷的影响，使得充电负荷预测精度不高。

时空预测方法通过建立全轨迹空间模型表征电动汽车的时空属性，考虑用户的充电意愿以及出行需求，叠加日充电功率获得充电负荷的时空分布。考虑动态交通路况建立车辆时空转移模型，通过建立出行时间和出行目的地的联合概率密度分布确定下一行驶特征，提出精度较

高的时空预测方法。

3有源配电网优化运行研究

传统调压方式包括有载调压变压器调节分接头挡位，投切电容器组、静止无功补偿器等无功装置就地补偿，但是随着大量电动汽车和高比例可再生能源并入电网，电动汽车充电的随机性以及分布式电源出力的不确定性对有源配电网的安全稳定运行提出了更高要求。传统调压方式难以应对大规模电动汽车充电以及分布式电源消纳带来的电压波动问题，而电动汽车与电网互动技术和DG逆变器技术的发展为电网、电源、负荷三者之间的协调优化提供了技术支撑，通过源源互补，网源协调以及源荷互动实现系统电压的优化控制，成为当前研究的热点。

针对电动汽车接入与分布式电源共存的配电网，建立了风电、光伏发电以及EV充电负荷的概率模型，并与无功补偿装置相结合建立概率调压模型，获得较好的电压稳定效果。对电动汽车充电进行有序调度，同时将传统调压方式与DG无功出力相结合，建立不同时段的无功电压协调优化模型，有效地改善了系统的运行电压。通过建立节点EV充电负荷模型提出了有源配电网的日前和日内优化运行模型，分两阶段优化电动汽车的有序充电，有效地降低了购电成本。上述仅将电动汽车作为充电负荷，适用于电动汽车规模较小的情况，且网、源、荷三者协调优化的效果不高，有源配电网接纳分布式电源的能力有限，也无法适应大规模电动汽车的充电需求。随着V2G技术的应用和分时电价的普及，电动汽车除了作为负

荷充电外，也可以作为移动储能元件进行放电参与电网的多源互补协调优化。协调电动汽车V2G模式与风电、光伏发电的有功出力，建立了多目标协同调度模型，能够使得电动汽车用户收益，避免了可再生能源间歇出力的影响。基于DG逆变器的有功、无功解耦控制，提出可跨地区消纳DG的多目标优化调度模型，能够挖掘分布式电源的无功潜力，促进DG的消纳以及提高其利用率。将有源配电网的优化控制划分为长周期有功、无功资源优化控制和短周期多源协调校正控制，前者进行优化实现潮流控制，后者对有源配电网进行分区划定，实现多源协同优化运行。考虑电动汽车的充电跳跃性，建立周期内多时段优化运行模型，实现了电动汽车V2G调节与其他调压方式的运行优化。基于V2G模式考虑需求侧具有储能特性和非储能特性的双向可控负荷，协同其他电压调节方式建立电压无功多目标优化模型，在提高需求响应的同时改善了有源配电网的潮流分布。

从无序充电到有序充放电策略，大多对电动汽车进行个体调度，实际可操作性不强，因此，当前的研究也有诸多采用集群控制策略。通过提取电动汽车集群控制模型的随机特征参数，跟踪电动汽车充电特性，获取充放电策略。考虑到EV充放电的灵活性，通过对电动汽车集群控制，并跟踪光伏发电出力曲线，建立了基于MPC的实时凸优化调度模型，有效避免过充或过放的同时降低了光伏发电出力的波动。集群调度需要提取电动汽车的随机特征，优化时间较长，也容易忽略单个电动汽车的特性参数。针对集群控制和个体调度存在的问题，提出一种分布式电动汽车调度策略，通过协调电动汽车集控和停车场协控获取充放电功率，减小了算法维度，提高了电动汽车的响应速度，但不包含其他无功补偿装置协调控制。通过对电动汽车分群，从充放电系统和网络拓扑两个层面搭建内外嵌套模型优化调度电动汽车的充放电功率，能够保证车主利益的同时优化配电网的运行工况，但将24小时根据充电时间和充电行为特性进行分群，忽略了各个时段以及不同功能分区充电负荷的随机性。针对高层住宅小区，对电动汽车充放电提出分层优化控制策略，三层优化控制模型相互补充，将分布控制与集中控制相结合，具有较好的经济效益与应用价值，但未能与上层配电网相结合，也未涉及分布式电源，适用范围较窄。

综上所述，针对电动汽车以V2G模式参与有源配电网的运行进行了诸多研究，但是随着电动汽车规模扩大，一方面要考虑电动汽车入网的控制策略，也要考虑电动汽车规模的调度方式，另一方面，不同区域内电动汽车类型以及充电负荷的时空分布对有源配电网的影响不同，需要根据各区域的负荷、电动汽车和分布式电源的分布特性，使之相互协调有针对性地制定相应区域的充放电调度。与此同时，将电动汽车与各调压方式相结合优化有源配电网的运行时，电动汽车调度往往以宏观的角度平抑负荷波动，而各调压方式则以各时段优化为主，因此，需要考虑两者不同的时间维度进行协调优化，充分调度电动汽车充放电以减少其他调压方式的成本，充分利用DG逆变器的复用技术发出无功以消纳过剩的出力，并平衡系统的运行电压，从而实现有源配电网的经济和安全运行。

4安科瑞充电桩收费运营云平台系统选型方案

4.1概述

AcrelCloud-9000安科瑞充电柱收费运营云平台系统通过物联网技术对接入系统的电动电动自行车充电站以及各个充电整法行不间断地数据采集和监控，实时监控充电桩运行状态，进行充电服务、支付管理，交易结算，资要管理、电能管理，明细查询等。同时对充电机过温保护、漏电、充电机输入/输出过压，欠压，绝缘低各类故障进行预警；充电桩支持以太网、4G或WIFI等方式接入互联网，用户通过微信、支付宝，云闪付扫码充电。

4.2应用场所

适用于民用建筑、一般工业建筑、居住小区、实业单位、商业综合体、学校、园区等充电桩模式的充电基础设施设计。

4.3系统结构

系统分为四层：

1）即数据采集层、网络传输层、数据层和客户端层。

2）数据采集层：包括电瓶车智能充电桩通讯协议为标准modbus-rtu。电瓶车智能充电桩用于采集充电回路的电力参数，并进行电能计量和保护。

3）网络传输层：通过4G网络将数据上传至搭建好的数据库服务器。

4）数据层：包含应用服务器和数据服务器，应用服务器部署数据采集服务、WEB网站，数据服务器部署实时数据库、历史数据库、基础数据库。

5）应客户端层：系统管理员可在浏览器中访问电瓶车充电桩收费平台。终端充电用户通过刷卡扫码的方式启动充电。

小区充电平台功能主要涵盖充电设施智能化大屏、实时监控、交易管理、故障管理、统计分析、基础数据管理等功能，同时为运维人员提供运维APP，充电用户提供充电小程序。

4.4安科瑞充电桩云平台系统功能

4.4.1智能化大屏

智能化大屏展示站点分布情况，对设备状态、设备使用率、充电次数、充电时长、充电金额、充电度数、充电桩故障等进行统计显示，同时可查看每个站点的站点信息、充电桩列表、充电记录、收益、能耗、故障记录等。统一管理小区充电桩，查看设备使用率，合理分配资源。

4.4.2实时监控

实时监视充电设施运行状况，主要包括充电桩运行状态、回路状态、充电过程中的充电电量、充电电压电流，充电桩告警信息等。

4.4.3交易管理

平台管理人员可管理充电用户账户，对其进行账户进行充值、退款、冻结、注销等操作，可查看小区用户每日的充电交易详细信息。

4.4.4故障管理

设备自动上报故障信息，平台管理人员可通过平台查看故障信息并进行派发处理，同时运维人员可通过运维APP收取故障推送，运维人员在运维工作完成后将结果上报。充电用户也可通过充电小程序反馈现场问题。

4.4.5统计分析

通过系统平台，从充电站点、充电设施、、充电时间、充电方式等不同角度，查询充电交易统计信息、能耗统计信息等。

4.4.6基础数据管理

在系统平台建立运营商户，运营商可建立和管理其运营所需站点和充电设施，维护充电设施信息、价格策略、折扣、优惠活动，同时可管理在线卡用户充值、冻结和解绑。

4.4.7运维APP

面向运维人员使用，可以对站点和充电桩进行管理、能够进行故障闭环处理、查询流量卡使用情况、查询充电充值情况，进行远程参数设置，同时可接收故障推送

4.4.8充电小程序

面向充电用户使用，可查看附近空闲设备，主要包含扫码充电、账户充值，充电卡绑定、交易查询、故障申诉等功能。

4.4.9系统硬件配置

5 总结

针对集中式充放电实现方式，以用户侧为研究对象，用户侧经济费用低、对电网扰动小为研究目标。结合当前电网企业实行的峰谷电价政策，给出电动汽车与电网每一时刻的交换功率，使整体达到双赢的结果。

本文尽管在分布式电源的时序建模、电动汽车充电负荷的时空预测以及有源配电网的优化运行方面取得了一定成果，但仍存在一些不足，有待进一步研究和完善：

(1)分布式电源出力的时序建模中主要基于状态数决策模型确定状态数，后续可研究历史功率序列的聚类分析确定状态数；滑动平均滤波法的时间窗设置依赖于经验，后续可制定相应的控制策略确定时间窗大小，也可综合考虑其他滤波方法进行对比分析。

(2)对于电动汽车充电负荷的时空预测，仅考虑了出租车和私家车，后续可研究其他类型电动汽车的时空分布情况，且电动汽车的出行规律基于全美家庭交通出行调查数据，随着电动汽车的广泛应用，未来可参考国内电动汽车用户的出行规律；路阻函数模型仅考虑道路交叉路口延迟和路段延迟，后续研究可基于交通道路规划情况，考虑电动汽车具体行驶车道，建立包含左转、右转和直行的路阻函数模型。

(3)有源配电网的双层优化运行模型以24小时为调度周期，对于上层优化模型来说，时间跨度相对较大，对算法寻优的性能要求较高，后续可分时段进行充放电的优化调度；分布式电源的短期功率预测误差虽满足预测标准，但需进一步优化神经网络以获得更高的精度；配电网优化运行研究仅开展了日前优化运行，开展实时滚动和反馈优化运行研究。