1、40东北电力技术NOTHEAST ELECTIC POWE TECHNOLOGY2023 年第 44 卷第 2 期基于多时段动态电价的电动汽车有序充电策略优化陈嘉德1，徐海博2，孙瑞雪2，姚鑫1，苑舜1，3(1.沈阳工业大学电气工程学院，辽宁沈阳110870;2.国网辽宁省电力有限公司实业分公司，辽宁沈阳110059;3.国家能源局东北监管局，辽宁沈阳110006)摘要:引导电动汽车充电负荷向低谷转移时，现有的分时静态电价与峰谷区间存在不匹配的现象，针对这一问题，提出了多时段动态电价引导策略，建立以电网端负荷差最小和用户侧充电成本最经济为目标的数学模型，并采用带有精英选择的自适应遗传算法对充电
2、状态进行优化求解。采用蒙特卡洛随机抽样方法来模拟电动汽车无序充电状态下的负荷情况，与所提出带有多时段动态电价策略的有序充电方法对比，动态电价策略有效降低了电网峰谷差和用户充电费用，达到削峰填谷的效果。关键词:电动汽车;动态电价;自适应遗传算法;有序充电;削峰填谷 中图分类号 TM73 文献标志码 A 文章编号 10047913(2023)02004007Strategy Optimization of Electric Vehicles Orderly Charging Basedon Multi Period Dynamic Electricity PriceCHEN Jiade1，XU H
3、aibo2，SUN uixue2，YAO Xin1，YUAN Shun1，3(1.College of Electrical Engineering，Shenyang University of Technology，Shenyang，Liaoning 110870，China;2.Shiye Branch of State Grid Liaoning Electric Power Co，Ltd，Shenyang，Liaoning 110059，China;3.Northeast egulatory Bureau of National Energy Administration，Shenya
4、ng，Liaoning 110006，China)Abstract:When guiding the charging load of electric vehicles to the trough，the existing time-sharing static electricity price does notmatch the peak valley interval According to this problem，a multi period dynamic electricity price guidance strategy is proposed Amathematical
5、 model is established to minimize the load difference at the grid end and the most economical charging cost at the userside，and it adaptives genetic algorithm with elite selection is used to optimize the charging state The adaptive genetic algorithm withelite selection is used to optimize the chargi
6、ng state Monte Carlo random sampling method is used to simulate the load of electric vehi-cles in disorderly charging state Compared with the orderly charging method with multi period dynamic electricity price strategy，thedynamic electricity price strategy effectively reduces the peak valley differe
7、nce of power grid and user charging cost，which achieves theeffect of peak shaving and valley fillingKey words:electric vehicle;dynamic electricity price;adaptive genetic algorithm;orderly charging;peak cutting and valley filling电动汽车(electric vehicle，EV)接替燃油汽车有助于缓解全球温室现象，减轻化石能源危机。但大量电动汽车短时连接到配电网络进行充能
8、，无疑是对电力系统在高负载下能否正常稳定运行的一种重大考验1。随着电动汽车保有量逐步上升，充电负荷也会随之增加，且充电时间与电力系统居民日常用电密集时段相重合，势必突破负荷峰峰值，加大峰谷差距23。此外，负荷峰期也是电价峰期，时段重合导致用户充电费用过高，增加了使用电动汽车的成本，不利于新能源汽车推广45。因此，缓解电动汽车无序充电现状，引导电动汽车有序充电，对于提高电网运行安全和降低用户充电成本具有重要意义68。目前有文献对电动汽车充电负荷建模进行了大量研究，其中王姝凝等人采用网格选取法对居民区汽车充电进行有序调控9，孔祥玉等人分析了在分时电价环境下的用户需求响应情况10。但静态调控策略在面
9、对多变的负荷情况时，引导效率容易受到限制。电动汽车渗透率的提升会威胁到电网的稳定运行，但如果将需求响应机制结合到充电负荷的引导策略中，不仅可减轻电网的负担，也可减轻用户的使用成本，实现双赢目标1113。所以研究2023 年第 44 卷第 2 期陈嘉德，等:基于多时段动态电价的电动汽车有序充电策略优化41一种可动态调整的汽车充电策略具有一定的理论和实际意义。本文针对上述问题，提出了多时段动态电价引导策略，采用带有精英算子的自适应遗传算法求取最优解，并与无序充电情况做对比，分析策略的有效性。1负荷模型建立1.1动力电池充电特性当前国内的汽车动力电池主要以三元锂电池为主，其充电过程为“恒流恒压”两阶
10、段模式，充电早期，电流不变，电压不断提升，达到预定值后恒定，然后充电电流不断衰减至固定值。其充电功率曲线如图 1 所示，起始和结束阶段较为短暂，可以将整个充电过程考虑为恒功率特性充电过程。图 1动力电池充电功率简化过程电池的荷电状态(state of charge，SOC)可由式(1)求出。SOC0=SOCedE100C(1)式中:SOC0为起始充电;SOCe为总电池容量;E 为百公里电消耗量;C 为动力电池的容量;d为日行公里数。电动汽车现有的能量补充形式主要包括慢速充电、快速充电及更换电池 3 种1415。其中，慢速充电的特点是功率小，充电设施安装和充电费用成本低，但时间较长。快速充电模式
11、则是通过专门的整流变压装置将电网端的低压交流电整流变换为高压直流电后对电池进行充电，其安装成本较高，充电价格也相对较高，一般都会设置在专门的充电站处。更换电池的形式常用于出租车、公交车等城市运营车辆，私家车因动力电池参数、规格等各有不同，极少采用换电方式。据新能源汽车报告显示，我国各类新能源汽车使用快速充电的比例略有提高，其中出租车占比最高，私家车由于考虑经济性，仍以慢速充电为主，占据总充电频率的八成。其次，快速充电形式不具备作为调节负荷的条件，因此本文主要考虑 EV 在慢速充电情况下的充电负荷情况。电动汽 车 的 充 电 时 长 计 算 公 式 如 式(2)所示。Tc=(SOCeSOC0)C
12、Pcc(2)式中:Tc为充电所需时长;Pc、c分别为充电桩的充电功率和能量转换效率。1.2用户行为特性与燃油汽车相比，EV 仅是动力输出方式改变，对日常使用场合影响相对较小，所以仍然以传统燃油的用户出行方式考虑出行特性。参考美国2017 全国汽车出行数据统计分析(NHT2017)，认为 EV 用户每日行驶里程数近似满足对数正态分布，概率密度函数为fD(x)=1xD2exp(lnxD)222D(3)式中:D=3.20，D=0.88。其概率分布如图 2所示。图 2日行驶里程概率密度函数从美国交通部 2017 年对美区域住宅区私人用车的调查统计情况来分析，车辆的最后归程时间Tr符合正态分布，其概率密
13、度函数如式(4)。f(Tr)=12rexp(Trr)222r，r12Tr2412rexp(Tr+24r)222r，0Trr12(4)式中:r=17.63，r=2.41。按相同的统计方法，也可获得用户离家时间42东北电力技术2023 年第 44 卷第 2 期Td的概率密度近似正态分布，函数如式(5)。f(Td)=12dexp(Tdd)222d，0Tdd+1212dexp(Td24d)222d，d+12Td24(5)式中:d=7.92l，d=1.90，整体的出行特性概率分布如图 3 所示。图 3用户出行特性概率分布情况1.3蒙特卡洛模拟通常情况下，以 1 辆电动汽车分析，其充电行为是不确定且难以预
14、测的，无法将其与任何一种概率分布相结合，然而当电动汽车基数增大，范围逐步规模化时，充电行为就会服从一定概率分布，能够被随机模拟得到。蒙特卡洛模拟(monte carlosimulation，MCS)结合概率学理论，对事件中的变量做统计分析，拟合出概率分布函数，接着抽样生成满足该分布的近似数据，然后对这些近似数据采取进一步分析，从而对事件做出判断。假设用户从回到家的时刻起就给电动汽车进行充电，那么通过图 4 的充电过程就可以得到无序充电负荷的情况。首先结合前文所参考的统计数据，设定好会对充电行为造成影响的因素;接着通过MCS 方法进行随机抽样，完成参数的初始化;下一步是将相关参数带入计算，得出充
15、电时长;最后将每个时段正在充电的电动汽车数量叠加，乘以充电功率，便能够得到电动汽车的充电负荷需求。2负荷引导调控策略2.1分时电价引导分时峰谷电价是电网段调节用户侧需求的有效途径，电网运行商根据当地的基本负荷曲线来划分峰谷电价，电价的改变将会影响用电需求，从而引导充电负荷的变化，其目的是为了降低负荷的峰谷差，达到削峰填谷的效果。针对我国用电负荷呈现双峰形态，典型的分时图 4蒙特卡洛法无序充电负荷累计流程电价划分原则是将午、晚的基础用电高峰期划分为电价峰期，将夜晚的用电谷期划为电价谷期，其他时间为电价平期，某南方地区的分时电价区间段及价格见表 1。表 1某南方地区的分时电价区间段及价格项别时间段
16、价格/(元kWh1)峰期10:0012:00;14:0019:00;1.20谷期23:00次日 8:000.35平期8:0010:00;19:0023:00;12:0014:000.73图 5 为分时静态电价区间划分示意图，但由于静态电价划分好区间后就不再变化，而居民的基础负荷并非一成不变，随着不同地域、气候条件差异变化等影响，会发生新的变动，很容易与原区间的划分范围产生冲突，造成价格在峰值而负荷在谷值或平值的不匹配状况，因此综合上述因素考虑，进一步提出根据日前负荷预测为基础的多时段动态电价调控策略。2.2多时段动态电价策略调控根据对日前基础负荷预测的结果，将负荷分为多个分段，然后根据各个时间段的实际负荷计算当前时间段的价格，提出多时段动态电价策略，目的是为了结合实际不同的基础负荷情况来准确、有效地引导负荷转移，提高效益。L=LmaxLminH(6)2023 年第 44 卷第 2 期陈嘉德，等:基于多时段动态电价的电动汽车有序充电策略优化43图 5分时静态电价区间划分式中:Lmax，Lmin分别为日前基础负荷预测的最高负荷和最低负荷;H 为分段数量。Q*=(LiLmin)(QmaxQm