电力汽车

电力汽车（精选8篇）

电力汽车 篇1

1 引言

随着科学技术的发展, 越来越多的电子器件被应用到汽车领域。这些电子器件或是提供辅助驾驶功能, 或是提高汽车的舒适性, 或是用

来降低汽车尾气的排放, 或是用来呼救以及优化汽车性能。随之而来的问题是汽车电力电子架构越发的复杂, 带来了新的风险和更加复杂的安全研究需求。

EPS系统 (Electrical Power Supply System) 是汽车中所有产生、储存、控制和分配电能到使用设备的电源端的设备、电缆以及EPS控制软件等的总称。它是汽车的一个子系统, 服务于汽车的整个生命周期, 可以说一辆汽车的寿命就等于它的EPS系统的寿命。EPS的主要功能是保障汽车的电力续航, 其中包括:内燃机的电动旋转、为汽车电子设备提供电力供应和汽车自身的电力驱动。EPS系统总览如图1所示:

因此汽车EPS系统的风险分析在汽车的生命周期中占有非常重要的地位, 极大程度衡量了一辆汽车的安全与否。

FMEA (Failure Mode and Effects Analysis) 即失效模式与影响分析, 是研究系统可靠性的常用方法。这种方法既可以用来作预防阶段潜在的故障模式及成因分析, 也可以用来分析已发生的故障模式及其成因, 采取改进措施。它在制造业运用得较为广泛, 可以在设计阶段和在产品投产前分析产品, 也可以在制造、装配等过程中对各种过程加以分析。在非制造业, FMEA也同样可以作为过程管理的一个非常有效的工具。本文主要采用FMEA方法对汽车EPS系统进行风险分析。

2 ISO 26262简介

ISO26262的出现使得汽车FMEA分析有章可循。该标准是在CEI 61508的基础上, 专门针对汽车电力电子而建立的, 它为汽车工业的风险分析提供了一个解决方法, 来解决在整个研发过程中从研发直到制造的整个阶段所有与功能安全相关的问题。

这个标准还特别提供了一种导致事故的故障严重程度的分级方法——ASIL (汽车安全完整性等级) 。ISO26262规定安全风险需要按照三个指标来分析, 即暴露率、可控性以及严重性。

暴露率 (E) 是指在激活状态下, 一个功能可能导致风险的非正常运行发生的概率。它包括0到4五个等级, 其中0表示几乎不可能发生, 4表示发生概率很高。暴露率很大程度上决定于汽车自身的使用情况。

可控性 (C) 是指用户对与功能非正常运行的情形的可控能力。它包括0到3四个等级, 其中0表示没有任何人受伤, 3表示有人死亡。

严重性 (S) 是指不可控情况下的物理伤害等级。它包括0到3四个等级, 其中0代表失控情形非常有限并且不会产生对人的伤害, 3代表少于90%的用户可以控制。

暴露率、可控性及严重性的分级情况如表1所示。

ASIL正是基于上述三个指标来共同决定的, 它可以有四个等级, 即A、B、C、D。同时为不太重要的风险增加一个级别QM (质量管理) ,

表示按照质量管理体系开发系统或者功能就足够了, 不用考虑任何安全相关的设计。根据表1对影响ASIL的3个因素的分类, 确定3个因素

各自的等级之后, 给出了最终确定ASIL的规则, 如表2所示。

3 FMEA的工作流程

FMEA分析是一个不断更新和改进的过程。它首先要根据系统不同的-按照ISO26262标准确定暴露率、可控性和严重性三个指标, 获得ASIL值。最后, 根据ASIL的值, 确定相应的纠正和预防措施, 提高系统整体的可靠性。FMEA通过标准表格形式进行分析时的表格制作过程如图2所示。

根据FMEA的基本原理和方法要求, EPS系统的FMEA的建立需要进行以下几个步骤。

(1) 将EPS中各部件间的信息交互按信息本身的性质 (Data或者Energy) 分为两组, 即ID (Interface of Data) 和IE (Interface of Energy) , 并分别编号。

(2) 按照编号的顺序, 列出该编号对应的所有信息流、发送组件及接收组件。如图3所示。

(3) 确定整个EPS所有可能发生的风险, 我们以DE (Dreaded Event) 命名并给其赋编号。

DE_EPS_01:EPS提供的扭矩不足

DE_EPS_02:EPS提供的扭矩过大

DE_EPS_03:EPS提供了反方向的扭矩

DE_EPS_04:EPS提供的电力不足

DE_EPS_05:EPS提供的电力过大

DE_EPS_06:EPS系统过热

DE_EPS_07:爆炸

DE_EPS_08:漏液

DE_EPS_09:漏电

(4) 针对每条信息, 分析其可能的故障模式、产生原因及对系统产生的影响。

(5) 确定每个信息流的ASIL等级, 建立必要的安全屏障。

4 EPS系统的FMEA分析示例

由于涉及的信息流太多, 特以ID1中的个别信息为例说明整个分析过程。

ID1中有要求关闭高压电池接触器的一条信息, 可以把它暂且命名为HVB_Contact, 它是由管理组件发送给电力驱动子系统的, 属于逻辑信号, 只有0和1两个值, 那么对于这条信息而言, 它有如下四种故障模式。

(1) 传输值由0突然变成1;

(2) 传输值突然由1变成0;

(3) 0值传递丢失;

(4) 1值传递丢失。

对于情形1, 传输值突然变成1, 意味着电力驱动子系统收到了关闭开关的错误请求, 对系统产生的影响就是开关突然闭合, 在不需要高压电的情况下产生了高压电, 可能造成漏电即DE_EPS_09, 尤其是汽车在行驶中, 这种后果是很严重的。这种情形下, 由于漏电会造成伤亡S=S3, 情形很难由驾驶员控制C=C3, 暴露率由经验值得到为E=E3, 查表二得到ASIL等级为C。

对于情形2, 传输值突然变成0, 意味着电力驱动子系统收到断开开关的错误请求, 对系统产生的影响就是开关突然打开, 在需要高压电的情况下并没有提供足够的能量即DE_EPS_04。这种情形的ASIL要结合当前的速度值来研究, 因为在高速情况下, 突然间的能量消失相对于低速而言, 可能造成的后果会更加严重。一般选取25km/h作为临界点。在速度大于25km/h时, 突然间失去动力, 可能会引起相撞事故, 故S=S3, 情形仍然很难有驾驶员控制, C=C3, 暴露率同上, 此时ASIL等级为C。在速度小于25km/h时, S=S2, C=C3, E=E3, 得到ASIL等级为A。

对于情形3, 0值不能传输, 意味着在不要能量的情况下, 对系统产生的影响是开关无法打开, 高压电池持续提供能量, 一是可能造成漏电DE_EPS_09, 二是在停车时EPS系统无法关停会造成系统过热DE_EPS_06。这种情形下S=S3, C=C3, E=E4, ASIL等级为D。

对于情形4, 1值不能传输, 意味着在需要高压电池提供能量的时候, 其并未提供能量即DE_EPS_04, 对系统产生的影响是开关无法闭合, 汽车首次启动无法启动, 如果是在运行状态下则同第二种情形。由于首次无法启动S=S0, 故其并不影响ASIL的最终值, ASIL仍由运行状态下发生的情形决定, 故仍为ASIL A。

结合以上四种情形, 可以得出HVB_Contact这一条信息的FMEA分析结果。如表3所示。

当把EPS各组件的交互信息按照HVB_Contact的分析方法逐一分析之后, 即可建立EPS系统整体的FMEA表, 从而为汽车EPS系统的风险防范提供依据。

5 FMEA在EPS系统评估中的缺陷

由ISO26262标准给出的E、C、S的三个表可知, FMEA在给故障模式评分时带有一定的主观性, 比如就E而言, 暴露率是根据经验反馈或者是专家模型得出, 然而可能不同的专家对E的赋值也会因人而异, 导致最终FMEA的风险评估不尽客观严密, 不易得到综合评估的效果。

6 结语

汽车技术的日新月异, 将汽车变得越发的智能化, 从车联网到无人驾驶, 这些几十年前只是科幻小说中的片段, 却真真切切地进入了我们的生活, 然而在不断地赋予汽车更多功能的同时, 也会给汽车本身带来新的潜在风险。本文应用FMEA方法对汽车的EPS系统进行了风险分析, 将潜在的风险进行分级量化。然而, FMEA仍然具有一定的主观性, 在大数据时代的今天, 利用大量的样本得出的结果是否能够弥补这一缺陷, 还需要一定的实践证明。

摘要：近日来, 大宗的汽车召回案屡见不鲜, 或是设计上的缺陷, 或是零配件的缺陷, 造成这些后果的很大一部分原因是在设计汽车的同时没有很好地应用风险分析方法对汽车潜在的风险进行量化评估, FMEA能够帮助我们发现、评价产品潜在的失效模式及后果, 确定其产生原因, 以采取必要的措施减少和控制失效模式的发生机率。笔者着重阐述了汽车电力供应系统系统的FMEA分析。

关键词：汽车,电力供应系统系统,FMEA分析

参考文献

[1]Silva M M, Gusmão A P H D, Poleto T, et al. Amultidimensional approach to information security riskmanagement using FMEA and fuzzy theory[J]. InternationalJournal of Information Management, 2014, 34 (6) :733-740.

[2]Mader R, Armengaud E, Grießnig G, et al.OASIS:An automotive analysis and safety engineering instrument[J].Reliability Engineering[?]System Safety, 2013, 120 (12) :150-162.

[3]Bertsche B.Reliability in Automotive and Mechanical Engineering[J].Springer, 2008.

[4]马增建.汽车设计潜在失效模式及后果分析的外部关系[J].天津汽车, 2007.

[5]马林, 何桢.六西格玛管理[M].北京:中国人民大学出版社, 2004.

[6]Press D.Guidelines for Failure Mode and Effects Analysis (FMEA) , for Automotive, Aerospace, and General Manufacturing Industries[J].Pure&Applied Geophysics, 2003, 171 (7) :997-1011.

[7]奚立峰, 徐刚.FMEA在过程管理中的应用[J].工业工程与管理, 2002.

[8]樊晓浒.汽车可靠性设计分析方法研究[D].北京:北京航空航天大学, 2001.

[9]浦维达.汽车可靠性工程[M].北京:机械工业出版社, 1998.

电力汽车 篇2

【关键词】电力电子技术 混合动力电动汽车 技术应用

基金项目：本文是来自于陕西工业职业技术学院2011年度教研项目《电力电子课程理实一体化教学方案研究》编号JY11-08教研成果之一。

电力电子技术主要作用于大功率电能的转换与控制，该技术结合了电子、控制、电能转换器件这三个部分，当前电力电子装置应用非常普遍，例如在一些需要大功率电能来维持运行的设备当中，都可以轻易发现电力电子技术的身影。现阶段对于电力电子技术的研究大体分为三个方向，首先是变换器拓扑开关、电路仿真建模、电路控制等方面，此外在电子设计中，还能够作用于半导体器件的模型建立、测试工作以及仿真加工等，电力电子技术还可以应用于工控领域。进入21世纪以来，电动汽车得到了广泛青睐，它具有绿色节能环保的优势，并且对于城市环境改善具有深远意义，是一个值得长期研究的汽车产品种类，现在将电力电子技术引入到电动汽车当中，这对于双方面的应用价值无疑是一种考量，具有很高的研究价值。

电动汽车的特点及发展历程

根据不同的动力来源，电动汽车主流类型分为三种：纯电动汽车、燃料电池电动汽车、混合动力汽车。车载电池是纯电动汽车的动力来源，但是由于电池性能在很长一段时间里都没有实质性突破，因此纯电动汽车并没有更新到人们所预期的高度。而燃料电池电动汽车则有所不同，它的动力源可以实现高效率转换，不会对环境产生较大的污染，电池使用寿命具有优势，但燃料电池电动汽车的问世至今，在性能方面依旧未获得显著提高，所以燃料电池电动汽车也未能像人们所预想的那样普及。最后，混合动力电动汽车则是通过发动机驱动来为汽车提供可靠的动力，让电力电子控制系统与蓄电池紧密配合，在能量分布上非常均衡，混合动力电动汽车同样具有污染低、能耗低等特点。上世纪90年代中后期，各国汽车生产巨头开始着手研究电动汽车，对其应用与发展作出了规划，德国、日本、美国的汽车生产公司相继推出了各自的电动汽车，在车型方面涵盖轿车、货车与面包车等。

日本丰田公司始终是电动汽车的领军者，丰田所研制的电动汽车已经拥有15年商业化经验，第一批混合动力电动汽车的量产开始于上世纪90年代中期，紧接着又推出了混合动力四轮驱动面包车，并且为其搭载了专用动力控制系统。丰田公司在2003年确立了一套混合动力系统THS II，其油耗低，节能效果显著，接下来丰田公司开始面向欧洲拓展动力电动汽车业务，Lexus RX型混合动力轿车正式与欧洲消费者见面。2013年，丰田公司已经将自家生产的电动汽车悉数采用混合动力发动机，为环境保护和节省燃油带来了巨大帮助。

电动汽车分类概述

现阶段，汽车产业迎来了技术改革和产业结构调整的重要时期，以安全环保为前提的汽车成为了众人关注的焦点，电动汽车将成为汽车界的重要成员，在发达国家对于电动机车技术的研究始终没有间断，包括我国也同样在大力研发新能源汽车。21世纪汽车领域的发展，电动汽车会扮演一个重要角色，脱离了实验室阶段的电动汽车，开始慢慢向商品化过渡，很多知名汽车生产厂家都陆续推出了环保型电动汽车或概念电动汽车，引发新一轮汽车技术浪潮。

混合电动汽车根据不同的性能原理，可搭配合适的电力电子装置，为汽车提供有效的动力控制。混合电动汽车分为多种类型，并根据混合动力结构来为发动机分配功率。串联式系统需要利用发动机的驱动来供电，然后为汽车驾驶提供必要的电能转换，功率分配会参照发动机的工作原理和相应类型。因为动力源处于并行状态，所以混联式也被称作为串并联式，它可以极大程度上挖掘出并联式与串联式各自的性能优点，丰田公司推出的Prius系列动力系统便是采取这样的工作原理，将动力分配给发动机，然后驱动汽车行驶，加强电动机的运行效率。

电力电子技术在混合动力电动汽车中的应用

1.应用技术分析

因外部环境所限，混合动力电动汽车在使用电力电子技术时，应当关注功率、体积、安装以及成本这些问题，此外，具体技术应用细节也值得思考。首先是密封，电力电子装置在电动汽车内部必须得到密封，车身剧烈的晃动会导致机油或其他液体溢出，损坏电子电力装置。此外，蓄能系统作为混合动力中的变量，它会因为电流电压的变化对汽车构成负载，进而影响到直流母线，包括弱磁状态下的电机，这些负载最终都会对蓄能系统带来不利，致使母线电压超过理论承载范围。基于电动汽车复杂的驾驶情况，设计人员需要根据不同车型来调整和控制直流母线电压。电力电子装置的干扰问题。电磁干扰会减弱电力电子装置的控制能力，在车身空间内，集成了许多控制芯片和电路的装置很容遭到干扰，解决干扰的方法需要依靠设计工艺来完成，如何屏蔽或减弱这些干扰，为电力电子装置提供稳定的运行空间。最后，电力电子装置的系统控制问题。高采用率的开关系统被广泛应用于混合动力电动汽车，在交流传动系统中发挥着控制作用，这样的控制系统必须搭配精确的解算器和编码器，也就是说必须让电机呈现饱和或理想的温度梯度，这样才能满足控制需求。电动汽车电池组的供电电压是固定的，为了让电子电力装置能够发挥出良好的控制作用，可以通过设计来调节变压器输出电压，让电压对应电力电子装置和发电机的需求。

丰田THSⅡ对于电力电子装置的应用非常具有代表性，装载着“AtkinSon” 循环发动机的THSⅡ，再搭配交流电动机与动力调节装置，使得电池组可以持续稳定的输出电压，并且交由变压器来调整。高压电源电路，采取多种逆变器与14V蓄电池组成功率控制单眼，该单元将DSP控制器和保护电路集成一体。

2.控制策略分析

电力电子技术在混合动力电动汽车中的应用，还需要关注控制策略，当主要配件设计完成后，怎样针对控制策略展开优化变成了主要问题。为了符合电动汽车低排量、低油耗等特点，在汽车性能方面应该在保证正常运行的情况下，寻找一条最为科学的控制策略，让混合动力电动汽车的发动机与电机得以分配到合理的功率，节约混合动力电动汽车的能源消耗，在最低排放下取得最为平稳的驾驶感受。当前并联式混合动力电动汽车在控制方面依旧存在不足，包括一些主流汽车制造企业的电动汽车控制策略仍然对应电池SOC和油门踏板、驱动功率、车速等，在一定范围内限制发动机与电动机之间的转矩，让混合动力电动汽车的动轮驱动力矩得到满足。在控制策略方面应用电力电子技术，可以有效解决相关控制问题，其中包括自由切换系统控制工作程式，此外还能让多个动力源之间完成功率调配，想要让电子电力技术在控制策略中发挥出最高性能，需要遵循以下三个原则。第一，混合动力电动汽车的整体车速以及功率消耗大于设定值后，由电力电子装置自动转换发动机模式，让发动机为汽车提供功率，中止电机的工作。第二，混合动力电动汽车的整体车速和功率消耗若低于设定值，电力电子装置令发动机维持待机，汽车呈纯电动驱动模式。第三，当负荷过重时，电力电子装置自动将控制系统转换为混合工作模式，即电动机与发动机共同来驱动车轮，应对紧急加速或者高角度爬坡等驾驶情况。

结束语

随着电子电力技术研究加深，已经能够兼容越来越多的受用器件，为混合动力电动汽车提供稳定的控制与调节。当前商业电动汽车开始注重电力电子装置的使用，并且充分肯定了电力电子技术对大功率电能的调节能力，所以电力电子技术的广泛应用将会在汽车工业的未来得以验证。随着人们的环保意识的逐渐上升，绿色节能电动汽车将会得到更多消费者青睐，降低石油能源的使用，在提供可靠性能的同时，混合动力电动汽车还可以在低污染的情况下长时间驾驶，所以与之对应的电力电子技术也必将得到完善。

参考文献：

[1]张卫青.混合动力汽车的发展现状及关键技术[J].重庆工学院学报，2006（5）.

[2]马宪民.电动汽车的电气驱动系统[J].西安公路交通大学学报，2001，21（3）.

[3]麻友良，程全世.混合动力电动汽车的发展[J].公路交通科技，2001，18（1）.

[4]俞勇祥.电力电子技术的应用概况[J].新技术新工艺，2002（10）.

电力汽车 篇3

1 电动汽车发展存在的问题

1.1 电动汽车的充电将对电网造成考验

电动汽车的蓄电池充电属非线性负荷, 充电过程中会产生谐波。随着今后电动汽车群的增加, 将会对电网造成巨大污染。众所周知, 谐波会引起线路、变压器附加损耗增加和发热, 造成系统的电感、电容发生谐振后, 使谐波进一步放大。当谐波引起系统谐振时, 谐波电压升高, 谐波电流增大, 会引起继电保护及安全自动装置误动, 损坏系统设备, 引发系统事故, 严重威胁供配电系统的稳定与安全运行;同时, 相同频率的谐波电压与谐波电流要产生同次谐波的有功功率与无功功率, 从而降低电网电压, 浪费电网的容量。

另外, 当电动汽车采用大电流快速充电时, 会形成150~600A的大电流, 这可能会造成电网的不稳定。并且过分密集的集中充电可能导致充电站瞬时负荷过大, 这对电网的负荷调节能力、载荷能力以及电源容量造成考验。

1.2 电动汽车充电电价将牵动供电企业、车主和合作商的神经

电动汽车的充电电价, 目前全国各地暂时没有一个统一的政策及标准。执行何种类别的电价, 将成为供电企业、电动车主以及合作商最为关心的问题之一。

作为供电企业, 投入大量资本建立充电站、充电桩, 社会效益是一方面, 最终目的还是要收回成本, 并有所盈利。例如深圳市居民电价为0.78元/千瓦时, 深圳市发改委相关负责人表示未来的充电价格将提高0.2元左右以收回前期铺设充电桩的投入。上海电力公司将充电价格发布在2元/千瓦时才能收回成本, 高于2元/千瓦时, 国家电网才有钱可赚。

充电站、充电桩作为对外经营的性质, 按现行的电价政策理应属商业电价的执行范畴。但作为车主来讲, 当然希望充电电价越便宜越好, 一般会在不用车的休息时间进行汽车充电。如果以后条件允许, 车主更希望能在家中进行充电, 那么按现有的电价政策就只能执行居民电价。另外, 如果将来与中石化、中石油合作, 借用对方广泛的营业网点进行充电桩的建设、经营甚至转包, 与之同分一杯羹, 利益空间将逾发狭窄。

充电电价能否按商业电价执行?甚至另行制定一个充电电价类别?是亟待解决的问题。据悉, 国家电网和南方电网正在争取以各自企业内部的充电桩标准作为国家标准。这些都将直接影响充电站的布点与电价标准的制定。

1.3 电动汽车充电对电能计量提出更高的要求

电动汽车充电主要分为快充和慢充2种模式。当采用快充模式时, 充电时间较短, 但在充电回路中形成的负载电流却很大, 高者甚至会达到150~600A, 这就要求电能计量装置 (电能表) 必须具备大负荷载流能力以及大负荷准确计量能力。按照目前直接接入式电能表的载流能力, 高于40A的负荷电流都必须采取经互感器接入的计量方式;而当采用慢充模式时, 充电时间较长, 在充电回路中形成的负载电流较小, 这又要求电能计量装置 (电能表) 具备小负荷准确计量能力。这样一来, 若想同时满足快充和慢充两种模式下的计量要求, 则电能计量装置必须具备从小电流到几百安大电流的测量范围, 这对电能计量来讲, 是一个技术难题。对于能够同时为多台车辆充电的充电站, 这一计量问题更加突出。针对这一问题, 应考虑采用大过载倍数的S级电子型电能表和S级高动热稳定电流互感器来计量电动汽车充电装置的电能量。大过载倍数、S级高精度电子型电能表具有较宽的测量范围和较好的测量灵敏度;S级高动热稳定电流互感器同样具有较高的低负荷计量准确性以及大负荷的测量能力;两者配合, 能够最大限度的满足电动汽车充电装置的计量要求, 实现准确计量。

另外, 在按照其单套汽车充电装置的最大负荷 (600A) 来进行电源设计时, 很可能造成不必要的浪费, 增加充电桩的计量成本和家庭充电普及的难度。因此, 汽车充电装置的电源容量选择, 也是需要思考的问题。

电动汽车充电从电源方式上, 还分单相和三相、220V和380V、直流和交流几种模式。根据不同的电源模式, 要相应配置不同的电能计量装置 (如单相或三相计量装置) 。在为多台位 (单相电源方式) 电动汽车充电站配置计量装置时, 还要考虑负荷的平衡分配、负荷的冲击特点对计量以及电源稳定性带来的影响。

电动汽车充电设备所产生的谐波以及容性负荷性质, 也对电能计量装置提出了较高的工作要求。目前采用的电力测量仪表中有电子型和感应型, 它们受谐波的影响较大。特别是电能表, 当谐波较大时将产生计量混乱, 测量不准确。用于电动汽车充电设施的电能计量装置必须要具有谐波计量功能;电能计量装置 (特别是电能表) 在安装前的检定中, 必须针对谐波特点 (谐波含量、谐波次数) 及容性负荷性质增加必要的试验项目, 以此来确保计量的准确性。

2 供电企业在电动汽车发展中的市场机遇

2.1 电动汽车市场的发展将推动售电量的增长

大力发展电动汽车以后, 无疑将会推动供电企业售电量的增长。

电动车主一般会在两个时间段对汽车进行充电:一是上班后利用不用车的工作时间, 在单位停车场或公用停车场完成, 时间为9:00至17:00, 时长为8至9个小时。这段时间主要集中在用电平段期, 电量会以非居民照明或商业性质为主;二是下班回家后利用夜晚时间, 在小区或家中车库完成, 时间为21:00至次日7:00, 时长为9至10个小时。这段时间主要集中在用电低谷时段, 电量会以居民照明为主。

还是以比亚迪E6纯电动汽车为例, 如果一辆电动车平均每年行驶2万公里, 一年将充电3800kWh。相关部门预测, 到2015年, 我国纯电动汽车保有量有望达到266万辆, 全年电力需求在212亿kWh。

2.2 电动汽车市场的发展将推广新的收费方式

电动汽车充电电量的收费, 笔者认为, 对于公用充电桩可借鉴咪表泊车的方式, 采用投币或刷卡进行计费, 一方面可以减少供电企业的管理人员投入, 及时、无风险地收回电费, 另一方面也能方便用户随时进行充电。

用户还可以在各营业网点购买类似话费充值卡一样的电费充值卡, 将卡插入充电桩上的计量装置, 便能随时进行充电。按充电量扣减费用, 用户也能一目了然, 做到明明白白消费。这种充值卡也可用于电表户头的缴费, 用户拨打电力服务热线95598, 输入验证码及客户编号便可轻松搞定。虽然这种方便的缴费模式目前在营销服务手段上还是一项空白, 但是通过电动汽车市场的发展, 这种方便的缴费方式将会得到进一步得到推广。

随着智能电网建设的深入, 对电动汽车充电电量的计费还会提出更多样的要求, 如要求计费装置类似ATM机一样具有收费、充值功能等。

2.3 电动汽车充电设施的维护及后续服务将成为供电企业的又一个服务领域

有资料表明, 国家电网公司2010年在公司经营区域内27个省市 (区) 全面推进电动汽车充电站建设, 拟建公用充电站75座、交流充电桩6209台, 加快推动电动汽车产业化发展。可以预见, 随着电动汽车充电设施的发展, 电动汽车充电设施的维护及后续服务将成为供电企业的又一个服务领域。

作为供电企业, 将电池配送作为延续服务也是未来的发展方向。因为对于电动汽车充电, 慢充时间过长, 影响用户使用, 且充电时间分散, 供电企业不便于管理;快充影响电池寿命, 产生的大电流会造成电网不稳定, 产生的谐波也更大。如何统一调配充电时间, 方便电动汽车用户的使用, 同时供电企业也能从中更好地受益, 是一个必须解决的问题。在公共充电站更换电池就是一种很有效的解决途径。白天, 充电站回收空电池, 到了夜间再用小电流长时间对其充电, 充好电的电池循环提供给其他的客户使用。这样, 充电站不仅可以在低谷时段对电池集中充电, 起到削峰填谷、提高负荷利用率的作用;同时由于都采用慢充模式, 可以最大程度地降低对电网的影响, 对电源容量的要求也大大降低。

3 结束语

电力汽车 篇4

化石能源危机、气候变暖等一系列全球性问题促使电力系统向低排放、低能耗的方向发展。在发电侧,通过逐步淘汰高耗能机组和发展风力发电、太阳能光伏发电等可再生能源来降低碳排放量,采用热电联产(combined heat and power,CHP)实现能量的循环利用等来提高能源利用效率。在负荷侧, 通过引入智能家居、智能负荷等概念来改善电能利用效率;其中,电动汽车(electric vehicle,EV)作为替代传统化石燃料汽车的新型汽车,在节能减排方面具有明显优势。此外,EV具有比较灵活的调度性能,可以参与电力系统优化调度,改善系统运行的经济性。EV作为低耗 能交通工 具和灵活 电力负荷,在很多国家受到了重视[1,2]。

当接入电力系统的EV数量达到一定规模后, EV的充电行为就可能明显影响电力系统运行的安全性与经济性[3,4]。为了充分利用EV的灵活调度特性,使其为改善系统的安全性和经济性服务,针对EV接入电力系统的充电行为和控制策略国内外已经做了相当多的研究。例如,文献[5-6]对EV的行驶特性和其充电负荷时空特性进行了建模;文献[7] 研究了混合动力汽车充电行为对配电系统的影响; 文献[8]采用随机优化方法,研究了EV和风电的协调经济调度问题;文献[9]针对电力市场环境,研究了利用EV充电负荷 削峰填谷 的充电策 略;文献[10]对EV充电站内部的有序充电策略进行了优化分析;文献 [11]研究了EV在电动汽 车入网 (vehicle-to-grid,V2G)模式下为电力系统提供辅助服务的策略问题;文献[12]对EV提供辅助服务的经济性进行了分析;文献[13]对电力市场环境下的EV最优充电控制策略问题进行了研究;文献[14] 研究了包括EV和风电机组的虚拟电厂参与电力市场的竞价策略。

对于参与电力系统调度的EV,其调度模式可以分为集中式、分布式[15]和分层式[16]。集中调度 结构与目前的电力系统调度结构最为切合,但有一些缺点:1大量具有随机特征的EV会显著增加调度难度;2EV用户的使用情况和使用习惯属于用户隐私,用户一般不希望电力系统调度机构掌握其详细的用电信息[17]。另一方面,分布式调度结构具有较强的自治性,与现行的电力系统调度结构不太契合,从机理上讲更适于配电系统。分层调度结构则可以在现有调度结构的基础上,增加EV用户与电力系统调度的中间层,如EV充电代理商或零售商。EV代理商负责为EV用户提供充电服务,并参与上层的电力系统优化调度。因此,就目前的电力系统调度结构来看,采用包含代理商的EV调度结构相对容易实现和推广。

在上述背景下,本文针对EV通过代理商参与电力系统日前优化调度问题,研究EV代理商与电力公司的谈判策略。EV代理商参与系统调度,期望获得一定的收益,因为这会引入附加成本和给车主带来不便。本文根据EV代理商参与系统调度的相关成本和预期收益,申报EV负荷参与系统调度的价格,用于EV代理商与电力公司进行谈判。首先,建立了考虑EV代理商充电负荷调度的日前优化调度模型;之后,设计了EV用户和代理商的充电合同,并分析了EV充电负荷模型和代理商为EV提供的总充电负荷的特点。在这些工作基础上,根据代理商的总充电负荷模型,提出了EV代理商与电力公司进行谈判的报价策略和报价调整策略。最后,采用修改的IEEE 30节点系统对所提出的方法进行了算例分析。

1EV代理商充电模型

1.1EV代理商与用户的充电协议

EV充电负荷依赖于车主的行驶习惯、行驶里程、交给代理商管理的时间等,具有较强的不确定性。通常,EV用户在白天用车,夜晚交由代理商充电以供次日使用,但也有例外。本文假设代理商与EV用户签定协议,明确EV的充电功率、价格、时段要求等。EV用户与代理商签署协议后,代理商就获得了EV的调度权,可以利用EV灵活充电的特性参与电力系统日前和实时调度以获取经济利益;EV用户则通过移交EV的调度权,换取更为低廉的充电费用,节约充电成本。为降低EV充电带来的不确定性,这里假设代理商a与EV用户e的充电协议包括下述内容。

1)EV充电价格λch(a,e)。λch(a,e)可由代理商与EV用户协商确定。当系统内存在多个竞争性的EV代理商时,代理商可 以通过提 供较低的 λch(a,e)来吸引EV用户。

2)约定的EV接入电网 充电起始 时间Tstart(a,e)和EV充电完成时间Tend(a,e)。EV车主根据个人习惯,与代理商协商EV开始充电和需要完成充电的时间。为鼓励EV用户增加EV可调度的时段长度,可以使得λch(a,e)与Tstart(a,e)和Tend(a,e)相关联。若某车主交付EV于EV代理的时间经常晚于Tstart(a,e)或结束充电时间经常早于Tend(a,e),则代理商有权适当提高该车主的EV充电价格λch(a,e)。本文假定EV车主为了减少充电成本,均会遵守充电协议,在规定时间交付EV和结束充电。

3)Tend(a,e)对应的最低电能需求,即EV车主根据个人需求,与代理商协商在Tend(a,e)前满足EV车主的最低电能需求。通常用荷电状态(state of charge,SOC)表示EV电池的电量情况,EV最低电能需求用对应的SOC值表示为Send(a,e)。

4)EV充电时的最大充电功率Pch,max(a,e)、电池SOC的上下限约束SEV,max(a,e)和SEV,min(a,e)。 EV车主根据其EV的特性和对电池性能的期望, 与代理商协商确定这3个参数。

5)违约金额λvio(a,e)。若EV代理商无法完成EV用户的充电需求,则需按协议支付用户违约金。 在违约金给定很高的情况下,EV代理商不愿承担违约风险,会严格遵守充电协议,满足EV用户充电需求。

EV代理商与用户的协议可以通过较低的充电价格λch(a,e)来吸引EV车主,同时代理商可以利用EV参与系统调度获利。考虑到EV用户使用情况的随机性,在协议中并没有约定EV交付代理商时的电池SOC值Sstart(a,e),代理商可以根据同一用户一段时间内的EV使用情况,采用统计分析对Sstart(a,e)进行估计。

1.2EV充电负荷

EV的充电过程从EV车主将EV交付代理商的Tstart时刻开始。假设代理商a的第e辆EV在时段t的充电功 率为Pch(a,e,t),SOC值为SEV(a,e,t),电池容量为E(a,e),EV电池充电效率为δch,则第e辆EV在时段t的SOC值可根据 式(1)计算:

考虑到在EV充电协议中明确了EV用户最小充电需求,即充电结束时的最低SOC值Send(a,e), EV的充电负荷调度需要满足:

此外,EV的充电负荷还需要满足电池充电的物理约束,如式(3)和式(4)所示:

1.3EV代理商充电模型

EV代理商负责制定EV的充电计划,为所有与之签定充电协议的EV提供充电 服务。通过对EV充电行为进行调度,代理商可以通过改变其原有购电计划,减少运行成本,增加收益。以日前优化调度为例,假设代理商a可调度的EV总数量为NE(a),T为所考虑的时段,代理商的优化目标为最大化收益,可用式(5)表示:

式中:λS(t)为时段t的售电价格,该价格可以为固定的售电电价,也可以为分时售电电价,本文采用分时售电电价。

EV代理商在优 化EV充电方案 时,式 (2)— 式(4)对应的各个EV充电负荷约束将作为代理商优化充电模型的约束。式(2)—式(6)所对应的EV代理商充 电优化模 型为线性 规划模型,可采用CPLEX求解器求解。

2电力公司日前调度模型

在传统的优化调度中,电力公司基于负荷预测和各个发电机组的成本曲线,以系统总的运行成本最小化为目标进行调度。当EV数量和充电功率达到一定水平后,EV的充电调度会对系统的负荷曲线特性产生影响,进而对整个系统的运行成本产生影响。

以日前优化调度为例,传统优化调度模型以最小化系统总运行成本为目标,且成本函数一般采用二次函数描述。需要考虑的约束条件主要包含功率平衡约束、潮流约束、发电机组出力约束等。有很多文献介绍过传统优化调度模型[15],这里不再赘述。

在式(7)所示的功率平衡约束中,EV负荷的引入增加了负荷的灵活性。

式中:PG(g,t),PD(i,t),P0CH(a,t)分别为在时段t发电机组g的有功出力、节点i的负荷功率(不包括EV充电负荷)和代理商a申报的充电负荷;NG,N, NA分别为系统中发电机组的数目、系统节点数和EV代理商数目。

通常,PD(i,t)被视为不可控的负荷,而EV的充电负荷P0CH(a,t)具有一定的调度灵活性。电力公司可以通过调整EV充电负荷,改变系统负荷曲线,进而减少总运行成本。考虑EV参与系统优化调度后,EV充电负荷可能从初始的计划P0CH(a,t) 变为PC*H(a,t)。PC*H(a,t)可通过式(8)计算,EV的调度约束可用式(8)—式(11)表示。

式中:ΔPC+H(a,t)和 ΔP-CH(a,t)分别为EV代理商a在时段t上调和下 调的EV充电负荷, ΔPC+H,max(a,t)和 ΔP-CH,max(a,t)为其限值;u(a,t)为二进制变量,其值为1或0时分别表示代理商a在时段t上调充电 功率或下 调充电功 率,引入u(a,t)可以确保每个EV代理商在同一时刻不能同时上调和下调充电负荷。

EV代理商在参与电力公司日前调度的同时还需要满足所辖EV的充电需求。以EV集群为单 位,式(9)所示的总购电量约束可以保证EV代理商满足EV的总充电 需求。 式 (10)和式 (11)中的 ΔPC+H,max(a,t)和 ΔP-CH,max(a,t)可由代理 商根据式(2)—式(6)所示的EV充电约束和式(9)所示的总购电量约束计算得到。需要指出,式(9)对应的约束可以满足EV代理商在所有调度时段的总购电量保持不变,但忽略了EV充电协议的个性差异。在实际调度中,EV代理商在获得电力公司的调度结果后,仍需要校核并适当调整EV充电计划以满足EV充电协议。

3EV代理商与电力公司的谈判策略

虽然EV具有灵活的调度特性,但EV车主的利益同样需要加以考虑。EV车主及其代理商只会在保证自身用车需要和有一定收益的前提下响应电力公司的调度需求。在实际运行中,可以通过报价、 谈判、结算补偿等措施对EV代理商给予经济激励。 在成熟的电力市场环境下,EV车主或其代理商可以作为市场主体,通过竞价等方式参与电力市场交易[18,19]。而在垄断的电力工业环境下或电力市场机制尚不完善时,EV车主或其代理商可以通过与电力系统调度机构谈判来参与系统优化调度从而获得一定的收益。本文假设EV代理商通过与电力系统调度机构谈判,EV代理商对EV参与系统优化调度所期望得到的回报进行报价,并通过与电力系统调度机构谈判来确定所能获得的收益并在此基础上决定是否参与系统调度。现有的谈判策略研究大多针对大用户直购电双方或发电公司与购电机构的单对单谈判和多代理谈判,侧重于价格谈判,谈判成交量约束一般比较宽松[20,21,22,23]。而EV的充电需求决定了EV代理商对负荷的调度受到限制,且电力公司调度EV充电负荷量与调度时段相关,目前这方面的研究相对较少。

不妨视EV代理商为调整负荷服务的卖方,电力公司为调整负荷服务的买方。通常,当系统内存在多个EV代理商时,电力公司与EV代理商谈判为单一买方和多卖方的多边谈判。EV代理商和电力公司均无法准确获知对方以及其他参与者的信息,如期望收益、收益函数、报价策略等[17]。EV代理商和电力公司各自掌握和估计的信息见表1。

3.1EV代理商初始报价策略

EV代理商根据第1节的模型制定EV充电计划,并作为初始计划P0CH(a,t)上报给电 力调度中 心,同时申报代理商可以参与调度的EV负荷限值 ΔP+CH,max(a,t)和 ΔP-CH,max(a,t)。

结合式(9),EV代理商在T1时段内减少(或增加)的充电负荷 总量等于 在T2时段内增 加 (或减少)的充电负荷总量。假设电力公司和EV代理商的谈判价格为单位调整电量(上调或下调)的价格, EV代理商a的收益REVA(a)为谈判获得的收益与参与调度产生的额外运行成本之差,即

式中:λbid(a)为代理商a的报价。

假设EV代理商a期望的最低收益和期望的最高收益 所对应的 单位电量 调整价格 分别为 λbid,min(a)和λbid,max(a)。其中,λbid,min(a)为EV代理商估计的调度单位EV充电电量的额外成本和期望的最小收益之和,λbid,max(a)与EV代理商预计的参与系统调度对系统运行成本减少的贡献和EV代理商期望获得的效用有关,可由式(13)计算。

式中:分别为EV代理商a估估计的总减少运行成本和系统在t时段需要的调整电量;γex(a)为EV代理商a期望获得的效用占总减少运行成本的系数。

EV代理商a在第一次报价时会选择最高报价 λbid,max(a)。若未能与电力公司达成一致,则逐渐降低谈判报价,直至与电力公司达成协议或达到最低报价λbid,min(a)为止。谈判的报价策略可以根据EV代理商的偏好,选择耐心坚持型、常规型和急于成交型等不同的报价策略[17],本文采用常用的线性报价策略。假设谈判最大回合数为Kmax,EV代理商a在第k轮的谈判出价λkbid(a)为:

3.2电力公司的初始报价策略

电力公司根据日前优化调度模型求解总的运行成本;根据 ΔPC+H,max(a,t)和 ΔP-CH,max(a,t)以及式(7)—式(11)的约束,得到各时段期望的负荷调度量 ΔPD⊕(t)和通过调度EV负荷可以减少的系统运行成本 ΔCG,其中 ΔPD⊕(t)可由式(15)计算。

通过计算 ΔCG和 ΔPD⊕(t),电力公司可以求得调度EV充电负荷可能获得的最大效用和调度的负荷总量,则电力公司报价的最大值λSbid,max和最小值 λSbid,min可分别由式(16)和式(17)得到。

式中:πmax和πmin分别为电力公司期望获得的最大和最小效用占总可减少运行成本的系数。

类似于EV代理商的报价策略,电力公司在第一次报价时会申报最低的价 格λSbid,min。若未能与EV代理商达成一致,或在t时段达成一致的EV代理商所提 供的EV充电负荷 调整量还 达不到 ΔPD⊕(t),电力公司会逐渐提高谈判报价,直至达到最高报价λSbid,max或已达成一致的EV代理商所提供的调整负荷量满足 ΔPD⊕(t)的需求。这里同样假设电力公司采用常用的线性报价策略,在第k轮的谈判出价λkSbid为:

3.3谈判报价调整策略

由于在谈判开始前,EV代理商和电力公司不了解对方的需求等信息,3.1节和3.2节所给出的报价策略就依赖于估计的信息。尤其是EV代理商,他们掌握的信息量较少,且相互之间存在竞争关系,在谈判中处于自然的劣势。从式(12)可以看出, 谈判成交价格和成交电量共同决定了EV代理商的收益,而电力公司对调整电量的需求量也需要EV代理商估计。因此,EV代理商需要通过不断学习电力公司的报价信息,更改初始的报价策略。类似地,电力公司也可以根据EV代理商的报价信息,判断EV代理商的报价策略和期望收益,并依此改变自己的报价策略。

以EV代理商a为例,其初始报 价策略如 式(14)所示。此外,由于EV代理商a不了解电力公司期望的EV充电负荷调度量和收益,其可以通过预先估计电力公司的报价曲线,以实现对电力公司调度需求和收益的预测,如式(19)所示。在谈判过程中,EV代理商a可以根据估计的报价曲线和电力公司实际报价的差别,修正对电力公司调度需求和收益的预测。

式中:为代理商a估计的电力公司第k轮的报价;分别为代理商a估计的电力公司期望获得的最大和最小的效用占总可减少运行成本的系数。

当电力公司第k轮的实际报价高于EV代理商a的预期值,表明EV代理商低估了EV充电负荷调度对电力公司的总效用,则代理商可以考虑减少报价的让步幅度,反之亦然。此外,代理商a也可以根据代理商和电力公司的报价差调整让步策略,当报价相差较大时适当提高让步幅度,反之亦然。结合电力公司第k轮的报价 信息和式(14),EV代理商a在第k +1轮调整后 的谈判报 价可根据式(20)—式(22)得到。

式中:ε1(a,k)和ε2(a,k)分别为EV代理商对第k轮电力公司报价与代理商预期报价偏差的调整系数和第k轮电力公司报价与代理商报价差值的调整系数。

类似地,电力公司也会根据各EV代理商的报价调整自身的报价策略。考虑到多个EV代理商的竞争关系,报价最低的代理商会最早与电力公司达成协议,对成交价格和电力公司调整报价策略的影响最大。因此,考虑当代理商的最低报价与电力公司报价之差较大时,适当提高让步幅度,反之亦然。 结合式(18),电力公司第k+1轮调整后的谈判报价可根据式(23)、式(24)得到。

式中:σ(k)为电力公司对第k轮所有EV代理商的报价与电力公司报价差值的调整系数。

3.4EV代理商与电力公司谈判流程

根据3.1节至3.3节的初始报价策略和报价调整策略,EV代理商和 电力公司 可以通过 报价—学习—调整的方式,针对EV充电负荷的调 度达成一 致。在进行第k轮谈判时,所有NA个EV代理商同时向电力公司提交第k轮的报价λkbid⊕(a),电力公司也同时给出第k轮的报价λkSbid⊕。当EV代理商a在第k轮申报的价格λkbid⊕(a)不高于电力公司提供的价格λkSbid⊕时,电力公司会考虑是否调度代理商a的EV充电负荷。若多个代理商的报价均不高于电力公司报价时,电力公司有权决定是否调度某个或某些EV代理商的充电负荷。若电力公司决定采用代理商a的EV参与调度,最终和代理商a成交的价格λkclear(a)为双方报价的均值,即

电力公司对代理商a所辖的EV充电负荷的调度需通过优化实现,优化模型为第2节中所给出的日前调度模型,在目标函数中需要增加支付给代理商a的调度费用CA(a,k),可通过式(26)计算。

电力公司求解出EV负荷调度量后,提出包括调度量和支付价格的合约{ΔPC+H(a,t),ΔP-CH(a,t), CA(a,k)}。代理商a可以选择接受合约,也可以拒绝合约,继续与电力公司谈判以获取更多的收益。 下面分两种情况分析代理商a的策略。

1)EV代理商a在某一时刻能提供的调度量被电力公司完全利用。在这种情况下,代理商a认为EV的可调度能力已经被完全利用,其倾向于接受电力公司提供的合约。

2)EV代理商a在所有时刻均未达到能提供的调度上限。由于EV代理商不了解电力公司需求的调度量,因此代理商a无法判断降低成交价格是否会提高充电负荷的被调度量,即使充电负荷的调度量提高了,实际的收益CA(a,k)也可能降 低。EV代理商可以根据自身的风险偏好,选择是否接受电力公司的合约。这里假设EV代理商均为风险厌恶型,即代理商会接受电力公司的合约。

当然,也有可能EV代理商a的报价λkbid(a)低于电力公司报价λkSbid,而最终电力公司并未选择与代理商a签定协议,即代理商a的EV充电负荷未被电力公司调度(当电力公司期望调度的EV负荷很少时,就可能出现这种情况;在同一轮谈判中多个代理商的价格均低于电力公司的报价,电力公司通过调度最低价的代理商即可达到需求,则报价相对较高的代理商就不会被调度,即使他们的报价低于电力公司的报价)。在这种情况下,电力公司在满足需求后终止谈判进程,即使代理商a继续降低自身的报价,仍不会被调度。

4算例分析

以附录A图A1所示的修改的IEEE 30节点系统为例,对所提出的谈判策略进行分析和验证。该系统包括NG=6台发电机组,机组的详细参数见附录A表A1。模拟一日24h的优化调度情况,时间步长设为1h,总调度时段T=24h;假设有NA= 3个EV代理商,每个代理商分别可调度NE(a)= 2 500辆EV;假设EV的电池和 充电参数 均相同, 详见附录A表A2;谈判次数上限设置为Kmax=15。 电力公司的 谈判参数 πmax和 πmin分别为70% 和20%,EV代理商的谈判参数见附录A表A3。假设Tstart(a,e)和Tend(a,e)分别服从U[16:00,22:00] 和U [04:00,09:00]的均匀分 布,Sstart(a,e)服从U[10%,30%]的均匀分布,且为便于展示EV充电负荷参与系统优化调度的影响,测试时间起始时刻和终止时刻分别给定为首日中午12:00和次日中午12:00。

4.1谈判调度结果

由于EV代理商不 清楚电力 公司调度 的需求量,可以认为附录A表A3中EV代理商的谈判参数是固定的。电力公司根据每日负荷曲线的不同, 调度EV的期望收益也有区别。这里给定3种场景,对应3种不同的日负荷曲线,在这3种场景下EV充电负荷参与系统调度时可减少的系统运行成本不同,因此电力公司在这3种场景下的报价参数也就存在差别,细节如下。

场景1:电力公司报价λSbid,max和λSbid,min分别为27.16美元/(MW·h)和7.76美元/(MW·h)。

场景2:电力公司报价λSbid,max和λSbid,min分别为13.07美元/(MW·h)和3.74美元/(MW·h)。

场景3:电力公司报价λSbid,max和λSbid,min分别为5.21美元/(MW·h)和1.49美元/(MW·h)。

考虑上述3种不同的场景,利用本文所提出的谈判策略进行了仿真计算,谈判结果如表2所示。 为了展示谈判报价的让步过程和谈判结果,在场景1下调度EV充电负荷对日负荷曲线的改变如图1所示,在场景1和场景3下的EV代理商报价曲线和电力公司报价曲线对比如图2所示。

注:带大括号的数据格式为{EV 代理商a1数据,EV 代理商a2数据,EV 代理商a3数据}。

4.2结果分析

电力公司预期的最大收益为调度EV可减少的系统运行成本,而调度单位EV充电负荷对应的实际价值为可减少的运行成本与总的EV调整电量 (上调或下调)的比值。假设电力公司的最低报价为调度单位EV充电负荷实际价值的20%,即电力公司希望获得预期最大收益的80%。从表2的结果可以看出,在日负荷曲线不同的3种场景下,电力公司的收益占总减少运行成本的75%左右。考虑到电力公司在信息方面的优势及其单一买家的垄断地位,电力公司在不完全信息谈判中获取较多的效用是可以预见的。另一方面,EV代理商由于对电力公司信息估计的偏差和相互之间的竞争关系,在谈判中处于劣势,调度EV获得的收益相对有限。在所分析的3种场景中,EV代理商对电力公司预期的收益为相同的值,而实际电力公司的收益相差很大。在本文提出的报价调整策略下,EV代理商和电力公司的谈判均能在谈判回合限制内达成一致。

在场景1中,EV充电负荷的调度对系统运行成本减少的幅度最大,所有EV代理商均低估了这部分收益,因此在谈判报价过程中,各代理商均减少了报价让步的幅度,最后EV代理商与电力公司达成一致的价格也相对较高。在场景2中,电力公司期望调度的EV充电负荷量可由两个代理商满足, 而EV代理商a1没有在前12轮谈判中与电力公司就EV充电负荷的调度达成一致,导致a1在场景2中没有获得收益。其中,EV代理商a1的初始报价低于a2,但a2根据电力公司报价,自身报价让步的幅度更大,以较低的价格赢得了最大的EV调度电量。在场景3中,电力公司期望调度的EV充电负荷量最少,所有EV代理商均大大高估了对系统运行成本减少的贡献,因此在谈判过程中采用非常大的让步幅度。同样可以看出,代理商a2的让步幅度最大,最先与电力公司达成合约。

从3个场景的仿真结果可以看出,谈判调整策略和代理商对EV参与调度可以减少的总运行成本的估计对代理商的收益起决定性作用。在场景2和3中,代理商a2通过大的报价让步幅度,率先以最低的报价与电力公司成交,在3个EV代理商中收益最大。需要指出,申报低价不一定是代理商的最优策略。以场景1为例,代理商a3在第10轮谈判时就与电力公司达成了11.42美元/(MW·h)的EV负荷调整价格,而实际谈 判过程在 第13轮和第14轮的成交价格分别为11.94美元/(MW·h) 和12.05美元/(MW·h)。换言之,代理商a3至少存在0.52美元/(MW·h)的提价空间,使得a3可能得到更高的收益。在实际操作中,EV代理商可以根据谈判经验,改善对EV参与调度可减少的总运行成本的估计和谈判的报价调整策略,以取得更好的谈判效果。

为进一步说明本文所提方法的特征,假设电力系统调度机构可以调度每一辆EV的充电,对上述3种场景进行 求解,以进行对 比分析。 计算得到3种场景下可 减少的系 统运行成 本分别为2 084.1美元、682.58美元和168.55美元。这种情形下的调度结果与表2中,列出的结果相差很小,偏差分别为1.72%,3.48%,1.58%。

式(9)所表示的针对所有EV的总购电量约束忽略了EV充电需求的个体差异,事实上是一种简化处理,其对谈判结果是有影响的。若不考虑EV充电需求的个体差异,认为式(9)的约束是精确的, 则所提出的谈判策略在3个算例场景下能够减少的系统运行成本分别为2 054.4美元、661.31美元和166.36美元。在实际情况下,EV代理商需要考虑到每个EV的需求,最终减少的运行成本如表2所示,略小于简化约束的结果。

5结语

为充分调动EV车主和EV代理商参与电力系统优化调度的积极性,本文提出了一种EV代理商通过与电力公司谈判参与日前优化调度的谈判模型,在满足EV代理商调度意愿和经济效益的同时优化系统运行的经济性。算例结果表明,所提出的谈判策略可以缓和系统负荷的峰谷差,减少系统运行成本,同时EV代理商也会获得一定的经济收益。 所提出的谈判策略基于包含代理商的EV调度结构,在现有的电力系统调度架构下可以实现,且能够保护EV用户的隐私。

电力汽车 篇5

随着我国环境、能源问题的日益严峻,可再生能源和需求响应项目的并网应用逐渐增多。面对系统双侧随机性时代的到来,全社会更加注重通过通信、传感、自动化设备和智能化计算技术在电力系统中的创新应用[1,2,3],挖掘利用用户侧资源来促进提升电网可靠性、稳定性、经济性和环境的可持续发展。近年来,在政策的大力支持下,电动汽车因其清洁、节能的优势得到了飞速发展。2015年,我国累计生产新能源汽车37.90万辆,同比增长4倍,按照规划到2020年我国新能源电动汽车保有量将达到500万辆。随着电动汽车与电网电能交互技术的成熟,电动汽车既能够作为负荷为电网提供调峰备用,又能够作为储能在电力紧缺时提供电能,有效抚平可再生能源并网带来的波动,维持电网稳定性,推迟电网、电源投资建设,实现经济可持续发展[4,5]未来我国将拥有数量庞大而分散的电动汽车,有必要深入研究电动汽车并网充放电的有序管理问题。文献[6]针对电动汽车充放电成本、效益分析,构建了电动汽车充放电需求函数,提出了满足用户需求的最优峰谷差放电电价;文献[7]通过电动汽车动态响应分时电价,有序控制充放电负荷,能够有效降低峰时负荷并平滑负荷曲线,但由于夜间的低电价激励,有可能产生另一用电高峰;文献[8]构建了电动汽车双层优化充放电调度模型,上层优化确定多个负荷代理商各时段的调度控制,下层优化确定代理商对管辖内电动汽车的调度控制,实现负荷水平方差最小和代理商运营效益最大化;文献[9]基于区域电网电动汽车充电负荷特性分析,构建了电动汽车与风电协同调度模型,通过区域电网内电动汽车充电功率与风电功率的匹配,改善风电并网引起的波动,促进风电消纳并降低用户充电成本。已有研究多为电动汽车被动接受电价情况下对有序充电的经济性进行分析,而对于在开放的电力市场环境下,电动汽车作为需求侧资源主动参与电力市场竞标的充电策略优化问题研究较少。

随着电力市场化改革进入深化阶段,需求侧资源将成为我国电力市场竞争的重要组成部分。本文以插电式电动汽车为例,研究负荷集成商管理电动汽车有序充电参与电力市场的最优竞标策略。负荷集成商是将零散的需求侧资源与用户需求聚合为整体,参与电力市场竞标的独立机构。本文中负荷集成商聚合电动汽车充电需求参与市场竞争,通过电动汽车的有序充电管理,实现合理开发、有序利用,并且帮助中小型用户参与市场竞争,享受改革红利。负荷集成商综合配电网容量限制条件、电动汽车起始与期望荷电状态和充电完成时间等信息,通过模型优化竞标策略,实现满足用户个性化需求前提下的电动汽车充电成本最小化。

1 电力市场出清模型

构建了包含时前电力批发市场出清模型和负荷集成商竞标策略支持模型的双层市场结构模型。首先,构建了考虑需求侧资源参与即负荷集成商竞标的市场出清模型,模型旨在对需求侧电动汽车负荷资源的有效利用,在电能平衡约束、功率约束等条件下以发电成本最小化和需求侧资源参与最大化为目标求解市场出清。其次,构建了负荷集成商竞标策略支持模型,研究负荷集成商灵活竞标的市场交易结果。

在开放的市场环境中,负荷集成商控制用户端电动汽车有序充电与发电企业同等参与市场竞标,市场交易中心在满足电力平衡和调峰、调频备用辅助服务安全约束的条件下,优化电力市场出清,实现经济调度降低发电成本。负荷集成商参与市场竞标包含灵活竞标和固定竞标,t时段(每时段长度为1 h)的灵活竞标电价为Vts(元/kWh)、电量为Qts(kWh),固定竞标电量为Qtsg(kWh)。固定竞标按电能出清,交易中心向负荷集成商按出清价格收取电费。

(1)目标函数为

式中:Wtg和Ptg分别为t时段内发电机组g的边际成本(元/kWh)和发电量(kWh);qts为t时段负荷集成商s灵活竞标的中标量(kWh);vts为灵活竞标中标电价。目标函数为通过调度需求侧资源实现发电成本最小化和负荷集成商灵活竞标的中标量最大化,以此来激励负荷集成商。

(2)市场出清约束

市场操作人员接受市场参与者的竞标,并通过解决电力平衡和备用需求制约经济调度问题来优化电能和备用的出清。结合电力系统安全稳定的需求,构建时前电力批发市场出清约束条件,包含电能供需平衡约束、调峰调频备用容量约束、发电功率约束以及负荷集成商灵活竞标限制约束,实现电能与备用的经济调度。

电能平衡约束:发电企业的发电量等于负荷集成商的所有中标电量之和。

调峰、调频备用容量约束:由发电企业和负荷集成商提供的调峰调频备用之和应不小于系统所需备用容量的最小值。

式中:Rtg和Rts为t时段内分别由发电商和负荷集成商提供的调峰、调频备用容量;R为系统所需的备用容量。

最大最小发电功率限制条件:发电机组提供电能与备用须保证满足机组的发电功率最大最小约束限制。

式中:Ptg为t时段内发电机组功率。

负荷集成商最大最小灵活竞标限制条件:负荷集成商中标的电能与备用应不大于总竞标量,并且电能中标量需不小于备用中标量。

式中:Qts为t时段内负荷集成商s总的竞标量。

负荷集成商参与时前电力市场竞标的形式包含固定竞标和灵活竞标,固定竞标旨在满足电动汽车基本用电,灵活竞标旨在管理电动汽车有序充电,挖掘需求侧资源。固定竞标按电能出清,按中标价格收取电费,灵活竞标的出清存在3种可能:一是竞标按负荷以电能形式出清,二是竞标按储能装置以备用形式出清,三是竞标未中。本文不考虑电动汽车放电,所有竞标的实质均为电动汽车充电,但充电性质不同。灵活竞标按电能出清时,负荷集成商作为消费者向电力批发市场购买电量,需支付电费;按备用出清时,负荷集成商作为电力辅助服务的供应主体,按出清价格收取补偿。具体产生哪种出清事件取决于灵活竞标价格与市场出清价格之间的关系。

t时刻电能和备用的市场出清价格分别为Vt和VRt(元/kWh)。此时,市场交易机构结算负荷集成商的电能支出为1/2VtQts,以及负荷集成商提供备用服务的收入为1/2VRtQts,负荷集成商的灵活竞标一半以电能出清，一半以备用出清。

此时,市场交易机构结算负荷集成商的电能支出为VtQts,负荷集成商的灵活竞标全部以电能形式出清。

此时,市场交易机构拒绝负荷集成商的灵活竞标。

2 电动汽车充电策略支持模型

市场出清之前,负荷集成商无法制定确切的出清价格,但是能够通过历史资料估计出清价格的联合概率分布。时前竞价市场出清事件的概率和期望值能够通过对联合密度公式进行积分计算得出,且概率和期望值均为灵活竞标价格Vts的函数。本节基于动态规划方法,构建了电动汽车充电决策支持模型,以充电期间成本最小化为目标,在配电网容量约束、电池容量约束、充电功率约束条件下,求解最优电动汽车充电决策[10,11,12]。

电动汽车充电决策优化目标为总期间成本最小化,公式如下:

式(14)表示的电动汽车充电期间成本是4部分的总和:第一部分是电动汽车按调度安排未达到期望的充电状态就停止充电的边际惩罚成本,Φ为边际惩罚成本系数,Lt为电动汽车t时刻未完成的充电量;第二部分是固定竞标的成本期望值,αtk为在t时段,固定竞标中标量分配给离开时刻为k的电动汽车的充电量;第三部分是灵活竞标按备用出清时的成本期望值,r为备用,Pr为按备用出清的概率,βtk为在t时段,灵活竞标中标量分配给离开时刻为k的电动汽车的充电量;最后一部分是灵活竞标按电能出清时的成本期望值,e为电能,Pe为按电能出清的概率。

电动汽车充电动态系统t时段的状态取决于计划在不同时刻k完成充电的电动汽车数量mtk,以及电动汽车未完成的充电量Ltk。

预计k时刻完成充电的电动汽车在t结束时刻未完成的充电量Ltk等于1与此时电动汽车荷电状态SOC(State of Charge,SOC)差与电池容量c的乘积。SOC表示电动汽车电池中剩余电荷的可用状态。Ltk和mtk具备动态性[13].

θ表示市场出清事件对动态电池容量的影响,当灵活竞标按备用出清时值为1/2,当灵活竞标按电能出清时值为1,当灵活竞标未中时值为0。规定中标量在离开时刻k相同的电动汽车中平均分配。

电动汽车能够通过调整平均充电率来为电网提供备用,但尚不考虑电动汽车向电网提供电能的情况。因此,负荷集成商的灵活竞标和固定竞标的中标量存在3个约束,配电网容量约束、电动汽车功率约束以及电池缺电容量约束。

(1)配电网容量约束。在t时段,固定竞标中标量和灵活竞标中标量分配给离开时刻为k的电动汽车的充电量之和应不大于配电网容量Ct。

(2)电动汽车功率约束。在t时段,离开时刻为k的电动汽车的充电量之和应不大于电动汽车充电功率的最大值。

式中:p为电动汽车充电功率。

(3)电池缺电容量约束。在t时段,离开时刻为k的电动汽车的充电量之和应不大于电动汽车在t时段的缺电量。

3 寻优算法

人工蜂群算法是应用最为广泛的群智能优化算法,通过自组织性的个体行为与个体间的协作交互实现群体智能,个体行为规则简单,具备可扩充性和分布性,结合群体协作交互实现空间分布式信息的重组和传递,因此具有控制参数少和鲁棒性强的优点[14]。大规模充电汽车充电属于随机动态规划问题,求解维度高约束复杂问题,具有随机性、动态性和分布性特点[15]。因而人工蜂群算法对求解该问题具有较好的适应性,人工蜂群算法求解流程如图1所示。

初始解随机产生式(23),随机产生N个初始蜜源xi;

式中:i=1,2,…,N;xmin和xmax为x取值范围的最大最小值。

引领蜂和跟随蜂依据搜索式(24)在蜜源邻域进行随机搜索;

式中:j为优化问题参数个数;d与l为随机数。

蜜源适应值计算公式如下:

式中：Wi为第i个蜜源的适应值;wi为目标函数值。

跟随蜂根据蜜源选择概率选择蜜源,蜜源选择概率Pi计算公式如下;

当xi经过lim it次循环不变,则放弃xi,引领蜂重新变为侦查蜂按照随机产生式(23)产生新的蜜源重新进行搜索。

初始化负荷集成商灵活竞标量及固定竞标量,根据搜索式(24)计算充电成本并标记较好解,根据蜜源选择概率计算式(26)判断是否放弃标记解,满足迭代终止条件时输出最优解。电动汽车充电策略优化模型求解过程如图2所示。

4 算例分析

将构建的电动汽车充电市场竞标策略优化模型应用于包含100辆插电式混合动力电动汽车的低压住宅配电网。假设每户额定电压为10 kW,并运用最大似然估计法评估电能与备用的市场出清价格如图3所示,高、低2种阻塞水平情况下的电动汽车可用配电网充电容量Ct,如图4所示。

假定每辆电动汽车归来时电池电量全部耗尽,所有电动汽车在每天5点到12点之间完成充电,车主要求的充电完成时的SOC为100%,电动汽车电池的容量为6 kWh,惩罚成本Φ为0.6元/kWh。100位车主按实际情况随机进行充电,在5点到12点之间每小时完成充电的汽车数量如表1所示。

4.1 优化结果分析

为了清晰表明市场竞标策略对电动汽车充电成本的节约效果,将3种电动汽车充电策略的结果进行对比。市场竞标策略即为本文提出的负荷集成商控制电动汽车资源向时前电力市场进行固定竞标和灵活竞标;自我调度策略是负荷集成商仅提交固定电能竞标,并基于电价预测情况给电动汽车充电;在市场竞标策略和自我调度策略中,负荷集成商均对配电网可用容量限制进行监测;机会充电策略指电动汽车从插入开始充电，直到理想的充电状态达到为止,而不管配电网容量的可用性。

基于对时前电力市场电能与备用出清价格的估计值以及高/低阻塞水平下配电网可用容量估计值,运用CPLEX MIP优化引擎结合C++编程求解模型,得出优化结果如下。负荷集成商在时前市场竞标策略的优化结果如图5和图6所示。

由图5可以看出,在上午负荷集成商提交固定竞标和灵活竞标来保证所有的电动汽车达到期望的充电完成状态。在下午,负荷集成商只进行灵活竞价以避免延期成本。

3种电动汽车充电策略下的模型计算结果如表2所示。由表2可以看出,市场竞标策略在很大程度上节约了电动汽车充电的总期间成本。通过灵活竞标,使得在常规阻塞水平下成本下降了52%,在高阻塞水平下成本下降了38%。对于市场竞标策略,配电网阻塞增加导致灵活竞标期望值降低了10%以上,备用期望值降低了20%以上。

图7为低阻塞水平下市场竞标策略的负荷曲线。由图7可以得出,负荷集成商通过监测容量限制,调度电动汽车转移到低阻塞时期充电,实现削峰填谷平滑负荷曲线,但可能会导致负荷曲线中的第二个高峰,也被称为“反弹高峰”[16,17]。

4.2 敏感性分析

惩罚成本和电动汽车电池容量是影响电动汽车充电成本的主要影响因素,因此有必要对其进行敏感性分析。电动汽车的惩罚成本取决于电动汽车的性能,设置惩罚成本Ф的目的在于确保电动汽车在离开时达到期望的充电状态。高的惩罚成本会降低灵活竞标的比例,同时增加充电的期间成本,敏感性分析结果如图8所示。

图9显示了电动汽车电池容量敏感性分析的结果。电池容量从6 kWh增加到16 kWh时,成本期望值增加近100%,灵活竞标可能会被拒绝或是按备用出清,这种情况下,负荷集成商未得到的电能将少于允许缺电量的最大值。高的电池容量时,电能存在溢价,所以负荷集成商最佳的策略是提交更高比例的灵活竞标,而不是承担消耗更少电能的风险,同时产生一个惩罚成本[18]。

5 结论

电力汽车 篇6

电动汽车不是一项新技术。与传统的内燃机相比, 电机的许多优点在汽车时代的早期就已经很明显了。但是, 由于早年的电池容量小、寿命短,且当时电力系统的容量也很有限, 而石油则具有高能量密度、易于储存和供应量不断增长的优势, 因而早在20世纪初期以石油为基础的道路运输就得到了广泛采用。不过, 在20世纪随着电力工业的不断发展, 世界范围内的非交通能源需求则逐步采用了电力这种二次能源形式。

20世纪70年代发生的石油危机和部分地区,如美国加利福尼亚州,所面临的地区性空气污染问题使电动汽车再度受到了相关研究机构、工业界和政府部门的关注和重视。然而,全球实际运行的电动汽车数量仍然非常有限。

在过去的几年中, 由于电动汽车技术的进步, 特别是存储密度更高的电池和充电性能更好的电机及其控制系统的发展使得电动汽车的发展明显加快。更重要的是, 过去十多年间在很多国家,尤其是一些快速发展中的国家,如中国,汽车工业发展非常快速, 汽车数量持续快速增加, 石油消耗量不断攀升,空气和环境污染严重恶化,温室气体所引起的自然灾害趋于频繁和严重。在此背景下,不少发达国家采用了以提高经济效率、保障能源安全和减少环境污染为主要目标的能源政策。这样的政策、技术和环境背景以及下述优点促进了电动汽车的快速发展。

1)提高经济效率:

在一些发达国家如澳大利亚,电动汽车每千米的耗电成本约为燃油汽车耗油成本的三分之一。这样,如果电动汽车的投资成本结构合理, 那么车主采用电动汽车就会有明显的成本节约。需要指出, 与其他新能源汽车如氢燃料汽车相比,电动汽车更适应现有的电力设施,需要的附加投资更少。

2)有助于保障能源安全:

目前交通运输环节几乎完全依赖石油(天然气),导致油(气)价高企且波动剧烈。对于化石能源储备并不充裕的中国,可能导致越来越严重的能源安全问题。此外, 目前也没有其他液体燃料可以广泛替代石油。例如, 生物燃料的广泛使用要受可用土地的制约。相对而言, 国内的发电资源则较为充裕。

3)减少对环境的影响:

传统燃油(天然气)汽车的尾气排放占了温室气体排放中相当大的比重。电动汽车的广泛采用,不仅可以减少传统燃油汽车在人口密集地区所引起的区域空气污染,还可以减少整体的温室气体排放。与替代石油的可选液体燃料相比,现在已经有多种类型和容量的可再生、低(无)排放的发电资源可以选择,如风能和太阳能发电。

电动汽车的广泛应用会引发现代交通业的革命性变革,对电力系统的发展也会产生深远的影响。这种变革与影响的范围和程度取决于许多因素,包括技术进步、社会经济状况、财政状况、经营模式的创新、政策扶持、监管框架和广泛的社会认同等。在最近几年中, 与电动汽车应用有关的许多方面取得了明显进展,如技术进步、电动汽车主要部件的成本下降、公众对石油价格上升和来源受限而不断增加的担忧,以及政府在能源和环境政策方面越来越多的努力。

随着电动汽车的快速发展,系统地研究大量电动汽车广泛接入电力系统后对电力系统的影响以及对电动汽车进行智能化的充放电管理、最优调度控制就成为重要课题。本文主要对这两大方面的研究作了综述与研究展望。

1 电动汽车广泛应用对电力系统的影响

大量电动汽车的接入对电力系统的安全与经济运行带来了新的挑战。考虑到电动汽车充电行为的随机性,电动汽车接入会给电力系统的运行与控制带来显著的不确定性。电动汽车广泛采用后对电力系统的影响既有正面的, 也有负面的。就正面而言, 电动汽车广泛采用后, 会成为电力系统的一种新型、大容量的负荷: 对于每个家庭用户而言每天采用10～15 A的电流充电6～8 h将会是一个很大的负荷; 对于供电公司而言, 电动汽车的快速发展和广泛应用意味着销售电量的巨大增加, 这可以促进电力工业的发展; 从系统运行的角度看, 电动汽车相当于一个分布式储能器, 可以在负荷高峰时将电能反送回网络。从另一方面讲, 大量电动汽车的无序充电行为会给系统带来显著的负面影响, 甚至可能影响电力系统的安全与可靠运行。若数以百万计的电动汽车车主下班回家后立即 (差不多同时) 开始充电肯定会影响局部或者更大范围内电力系统的安全运行。这样,如果不适当控制充电负荷, 则可能引起一些时段负荷的明显上升, 在晚间负荷高峰时期这会产生更加不利的影响,如需要增加电力网络容量, 以及为满足高峰负荷需求而新增发电容量, 导致系统投资成本和运行成本增加;此外,也会引起电压控制、电能质量(谐波与次谐波)、供需平衡、继电保护等方面的问题。

1.1 电动汽车充放电时的负荷特性研究

与传统负荷不同, 电动汽车充电负荷在时间和空间上都具有不确定性,因此很有必要研究电动汽车充放电功率特性。文献[1]采用蒙特卡洛仿真比较深入地研究了电动汽车充电功率曲线,但没有研究电动汽车接入电力网络(vehicle to grid,V2G)模式下的放电容量曲线。文献[2]考虑了不同类型电动汽车的相关使用特点, 仿真了电动汽车的随机充、放电负荷曲线,但没有系统地分析大量电动汽车充放电行为对电力系统运行的影响,此外文中还给出了起始充电时间服从均匀分布的相当强的假设。文献[3]以GM EV1(铅酸电池)和Nissan Altra(锂离子电池)的实际充电负荷曲线、英国的实时电价以及美国交通部统计的家庭车辆行驶调查数据作为计算依据,并假设同一配电系统模型中包含工业负荷、居民负荷、商业负荷等多种负荷类型,研究了电动汽车接入对馈线负荷的影响。文献[4]建立了一个包含受控电压源和串联电阻的电池仿真模型, 以电池起始荷电状态(SOC)作为仿真模型唯一的状态变量, 最终通过与制造商提供的放电容量曲线比较, 证明了所建模型的正确性。文献[5]发展了一个较为复杂的电池仿真模型, 能够反映电池充放电时的开路电压、电流、持续时间等特性, 通过与实验数据相对比, 得出其充放电持续时间误差在0.4%以内, 开路电压误差在30 mV以内, 模型具有较高的准确性。文献[6]建立了一个包含锂离子电池、铅酸电池等多种类型电池的数学模型, 考虑了电池自放电以及充放电过程中的老化, 能够比较准确地仿真电池的起始荷电状态和伏安特性曲线等。

现有的研究工作大都忽视了电动汽车日行驶里程的统计规律,以及电动汽车充电功率在时间和空间上的随机特性,而一般简单给定电动汽车规模、起始荷电状态、起始充电时间等。这与实际情况有较大的差距。

1.2 电动汽车对电力系统的影响研究

1.2.1 电动汽车充电对电力系统的影响

电动汽车作为未来一种新型的重要负荷,其充电行为可能对系统有显著的影响。文献[7,8]展望了电动汽车在未来电力系统负荷中所占的比例,认为至2030年,在美国和部分欧洲国家,电动汽车在电力系统总负荷中所占比例保守估计将达到5%～8%。文献[9]的研究表明,大量电动汽车的无序充电会显著增大配电系统网损,并恶化电能质量;反之,如果对电动汽车的充电行为进行协调优化,则可以降低系统的峰荷需求,并在很大程度上减轻上述负面影响。文献[10]认为,夜间充电可以增加基荷机组的利用率;反之,如果允许电动汽车无序充电,则会降低系统的运行效率。文献[11]分析了不同的电动汽车普及水平对于网络投资和网损的影响, 得到的主要结论是:根据充电策略的不同,充电设施的投资占整个配电系统投资的比重最高可能上升至15%,而在60%的电动汽车渗透率下,低谷时期的能耗会减少近40%。文献[12]的研究表明,利用智能充电策略可以有效避免线路和变压器过载。文献[13]提出基于稳态和动态仿真评估电动汽车接入对系统影响的方法。文献[14]针对一个小型系统(峰荷水平约1 GW),分析应用3种不同的充电策略时系统能容纳的电动汽车数量。仿真结果表明:若无序充电,电动汽车渗透率可达9%(50 000辆);应用延迟充电策略,电动汽车渗透率可达18%(100 000辆);若应用智能充电策略,则电动汽车渗透率可达36%(200 000辆)。

文献[15]用Matlab/Simulink平台建立了电动汽车的电池充放电模型,并结合所研究的居民配电系统的春季和冬季负荷曲线,对不同充电策略下电动汽车对配电系统的影响进行了评估。仿真结果表明,在所研究的电动汽车渗透率水平下,将会产生新的负荷高峰;在一些情况下,配电变压器的负载水平会超过其容量。为此,提出了一些新的需求侧管理策略,如交错充电(stagger charge)、用户负荷控制等,以期使配电系统运行更加安全和有效。文献[16]提出了一个用于评估电动汽车负荷对配电系统运行影响的详细分析框架,主要包括确定性影响分析和随机影响分析2个方面。采用该框架对一个配电系统进行了分析,结果表明电动汽车负荷对配电系统运行的影响取决于电动汽车渗透率和电动汽车充电行为的特点。

文献[17]研究了电动汽车对配电系统的影响。研究结果表明仅仅依靠非峰荷时段有足够的发电容量来承担电动汽车负荷而不造成负面影响是不可能的,且较大的电动汽车负荷会造成新的峰荷。同时,在现有的电动汽车技术下,在电动汽车渗透率超过20%时,一个典型的配电系统将无法全部容纳电动汽车入网。文献[18]采用了橡树岭竞争电力调度 模型(Oak Ridge competitive electricity dispatch)对2018年电动汽车对Virginia-Carolinas电力系统的影响进行了评估。对电池容量不同的电动汽车在傍晚和深夜开始充电分别进行了评估并加以比较。

文献[19]研究了电动汽车对葡萄牙电力系统的影响。研究结果表明,在较高的电动汽车渗透率下,电动汽车负荷将会改变负荷曲线,也可能会引起局部线路容量越限。在不增加发电容量投资的情况下,由电动汽车构成的可调度负荷可以增加系统的最小负荷,即增加基荷机组利用率,并减少机组开停机。文献[20]采用电动汽车交通和电力系统运行相结合的仿真模拟方法对电动汽车交通和电力系统运行之间的交互影响作比较全面的研究,以评估不同充电策略下电动汽车运营模式及其对发电和碳排放的影响。

文献[21]从发电、输电、配电3个层面分析了电动汽车对电力系统的影响。

1)影响发电充裕性,使失负荷率增加。

2)对于输电网络和特定的配电线路而言,虽然整个区域可能有足够的发电容量,该区域内的输电线路或不同地区的配电线路裕度却可能不够大,无法承载大量的电动汽车负载。大部分的住宅馈电线路容量裕度有限,如果电动汽车的负荷水平较高且从傍晚开始持续充电2～6 h,就可能导致现有的住宅馈电线路负荷越限。此外,如果供给当地变电站的输电线路的输电裕度不随着电动汽车负荷水平相应增长,则供给当地变电站的输电线路也同样可能出现负荷越限的情况。

3)对配电系统而言,不同的家庭用户用电习惯的差异性将降低电动汽车接入对系统的负面影响。虽然对单个家庭而言,将所有电器的负荷简单叠加,其高峰负荷可能超过10 kW;但在绝大部分情况下,不会出现所有电器同时运行的情况,因此从整个配电系统的角度看,大量用户用电习惯的不同会降低峰荷水平。然而,若在其他电器正常使用的情况下大量接入电动汽车,由于电动汽车充电持续时间较长,且可能存在大部分家庭的电动汽车在同一时间处于充电状态的情况,整个配电系统的峰荷仍可能超出预想水平。

文献[22]研究了电动汽车充电对电力系统基础设施的影响和对一次燃料利用率的影响。仿真结果表明,电动汽车接入将使得配电变压器的预期寿命减少93%。通过对一次燃料利用率的研究,分析了电动汽车广泛接入对环境的影响。文献[23]对电动汽车在美国发展的现状、障碍、发展过程中可能出现的问题及解决方案作了阐述,深入分析了电动汽车的能源需求、电动汽车对电力系统的影响以及电力系统应对电动汽车接入的关键技术方案,如V2G和智能电网等。其中电动汽车对电力系统的影响主要体现在如下几个方面,电动汽车充电对电力系统负荷水平的影响;电动汽车对环境的影响;电力生产的增加及减少对石油依赖的经济影响。

文献[24]具体分析了电动汽车充放电对现有配电系统运行的影响,包括造成新的需求高峰、系统电压水平超出允许限值、电压电流波形畸变和单相运行时电压相位不平衡。研究结果表明,电动汽车的大规模发展可能导致电力系统供需失衡和电压超出允许范围,在某些运行状态下,可能导致电压、电流波形严重畸变和电压失稳。而如果将电动汽车合理地分布在三相上,则电压一般不会超出允许限值。此外,若对电动汽车充电行为进行控制并与调度中心通信,电动汽车可以作为储能设备运行,以提供辅助服务,如参与电压/频率的控制。文献[25]构造了分析大量电动汽车广泛采用对电力系统和运输系统影响的研究框架,主要包括相互作用的两部分,即电力系统仿真和运输系统仿真。利用运输系统仿真可以找到一个表示用户行为的平衡点,然后将该平衡点作为计及配电系统约束的电力系统仿真的输入。电力系统仿真的结果将反馈到运输系统仿真中。如此循环,直至仿真过程收敛。

文献[26]分析了在大扰动和小扰动情况下电动汽车负荷对电力系统动态行为的影响。分析结果表明:在特定运行状态下,电动汽车负载可能减少系统的阻尼变化幅度。采用小信号和时域分析在单机无穷大系统中对动态电动汽车负荷的影响进行了研究,表明系统可能出现振荡。非线性仿真结果可以通过小信号分析在一定程度上得到验证。

文献[27]简要回顾了现有的电动汽车研究,包括电动汽车的燃油消耗、成本与排放,电动汽车与发电充裕性,V2G及电动汽车对配电系统的影响,还介绍了一种电动汽车配电线路影响模型,其可以估计电动汽车对中低压配电系统的变压器和地下电缆的影响。文章还给出了该模型的具体细节和在佛蒙特州配电网的应用结果。电动汽车作为一种不同于常规负荷的新型设备接入电力系统后,新的需求高峰、配电线路的最大负荷、电力市场价格以及由电动汽车充电所带来的谐波问题和无功问题等可能对系统产生很大的影响。

文献[28]研究了电动汽车大规模接入对配电系统稳定性的影响。结果表明,电动汽车的接入使电力系统对扰动更加敏感,受到干扰后的系统稳定水平降低。通过奈奎斯特准则研究发现,没有电动汽车负荷时系统稳定水平较高,较能抵抗各种物理扰动。这主要是由于电动汽车充电器的特殊负荷特性,即产生电流谐波和需要较多无功支持的缘故。

上述文献得到的一个共同结论是,电动汽车的无序充电行为将导致系统安全性降低、网络阻塞加剧、电能质量恶化、网损增加等负面结果;而对电动汽车的充电进行优化调度则可以有效地减轻这些负面影响。

1.2.2 电动汽车放电对电力系统的影响

V2G的概念最早由Kempton和Letendre提出[29]。Kempton随后针对电动汽车作为储能设备的可行性与潜在效益进行了一系列的研究[30,31,32,33,34]。

可入网电动汽车可以被当做储能装置使用。现有的研究工作表明绝大多数电动汽车在一天中96%的时间里是被闲置的[29]。通过V2G技术[30],这些闲置的电动汽车可以在用电高峰期将电能反馈回电力系统中。电动汽车也可以在可再生能源机组不能发电时作为系统备用,从而减轻可再生能源的间歇性对电力系统运行的影响。因此,深入研究电动汽车放电的调度与控制方法,对降低电动汽车接入的负面效应和充分利用电动汽车的储能功能具有重要意义。目前,关于电动汽车与电网互动的研究在国内外还相当初步。

文献[32]计算了部分发达国家的V2G有功出力潜力。以美国为例,若将其国内保有机动车总数的10%更换为电动汽车并接入电力系统,则全美国的V2G功率将达到286.5 GW,约为其全国总负荷水平的68%。而在德国、英国、意大利等国家,其V2G功率甚至可能超过全国总负荷水平。从文献[32]的结果中可以看出电动汽车作为储能设备的巨大潜力。Kempton的研究引起了学术界对于电动汽车储能功能的广泛关注。目前,一些学者已经提出和分析了利用电动汽车作为储能设备的各种设想,如利用电动汽车作为峰荷电源[35,36]、调频[34,37,38,39]和旋转备用[34,40,41],利用电动汽车的储能功能平抑可再生能源的间歇性[30,32,42],利用电动汽车进行电压控制[43]等。

现有的研究一般都把电动汽车作为恒定功率负荷或利用电动汽车储能特性把其聚合成分布式电源,进而为电力系统提供调频和旋转备用等支持作用。

1.3 电动汽车对电力系统影响分析小结

电动汽车是配电系统中随时间和空间而变化的负荷。这样, 在空间上需要考虑用户的行驶习惯, 而在时间上, 则需要考虑用户的充电习惯。对每一辆电动汽车都进行仔细模拟并不现实, 尤其是在大量电动汽车广泛应用之后。这样, 电动汽车的集群效应就是一个值得研究的重要问题。负荷的多样性以及它们之间的交互作用意味着电动汽车对电力系统的影响涉及发电、输电和配电多个层面。在存在电力零售市场或用户侧采用分时电价时, 也有必要对用户的行为进行分析。

电动汽车对电力系统的影响范围与程度需要具体问题具体分析, 不能一概而论。虽然可以采用统一的数学模型和方法来分析这种影响, 但是必须考虑所研究的电力系统的实际情况和电动汽车渗透的范围与程度。

目前的研究重点在于与电动汽车充电/换电有关的问题。至于在电动汽车电池向电力系统反向送电方面虽然已经有些理论研究工作, 但总体上仍然相当初步, 要真正实施, 则必须要有电力市场机制相配合。

2 电动汽车的调度与控制研究现状

现有研究表明,电动汽车接入对于电力系统的影响是复杂的。学术界已经普遍意识到,有效的调度与控制方法是降低电动汽车负面影响、发挥其储能作用的关键。已经有了一些针对电动汽车调度与控制问题的研究报道。针对电动汽车充放电调度问题,文献[9]建立了以最小化配电系统网损和电压偏移为目标的电动汽车最优充电策略模型。模型中计及了负荷预测的不确定性和潮流约束,但仅研究了电动汽车的放电策略,而没有考虑电动汽车的V2G功能。文献[44]提出了一种电力市场环境下的电动汽车调度方法,通过选择电价较低的时段充电和向系统提供调频备用以最小化电动汽车的总充电成本。文献[45]建立了一个以丹麦电力市场为背景的电动汽车最优调度方法,其目标是最小化包括充电成本、燃油成本、电池折旧成本在内的大量电动汽车的总运行成本。文献[46]研究了计及电动汽车充放电行为的概率潮流问题。文献[47]构建了计及电动汽车充放电行为的机组组合模型,优化目标是系统的运行成本和碳排放成本最小。文献[48]提出了计及电动汽车、可调度负荷及自治微网的需求侧备用调度方法。文献[49]采用基于仿真的方法研究了电动汽车充放电行为的统计特性,构建了计及电动汽车和风能机组不确定性的经济调度模型,通过解析推导将随机问题转化为确定性问题,并应用内点法求解。

在电动汽车的充放电控制方面也有一些研究报道。文献[37]基于经典最优控制理论求解单个电动汽车的控制策略,通过控制电动汽车参与调频以实现其经济效益最大化。文献[38]研究了利用电动汽车实现负荷频率控制,提出了基于模型预测控制的电动汽车控制方法。文献[50]同样基于经典最优控制求解电动汽车的控制策略,并假设电动汽车可以同时参与电力现货市场和辅助服务市场。文献[43]提出了一种利用电动汽车进行无功控制的方法。文献[51]研究了包括电动汽车在内的负荷侧控制问题,提出了负荷侧控制的基本框架。文献[52]研究了利用电动汽车平抑可再生能源机组出力间歇性的问题,并首次研究了通信网络延迟对于电动汽车控制的影响。

3 电动汽车广泛接入对电力系统的经济价值评估

到目前为止,就大量电动汽车广泛接入电力系统后对电力系统安全性的影响国内外已经作了比较多的研究, 但对电力系统运行和规划的经济价值评估方面的研究报道则相对较少,尽管已经引起了比较广泛的关注。这种经济价值主要体现在以下几个方面。

1)合理的电动汽车充放电管理所起到的填谷和削峰作用,即通过拉平负荷曲线,可以少开机组以节约发电成本和推迟对承担高峰负荷的发电机组的投资。

2)大量电动汽车电池所储备的电能可用于调频和旋转备用,提高供电可靠性。

3)大量电动汽车合理的充放电管理与间歇性电源(如风能和太阳能发电)的协调互补作用,可以增强电力系统接纳间歇性电源的能力,进而提高系统运行的经济性。换言之,电力系统接纳风能和太阳能等间歇性清洁电源的能力有限, 电动汽车的广泛应用则有助于提高这种能力。对于前2方面,已经有些文献作过初步研究工作,而对于第3方面,虽然有少数文献提及过这一问题,但没有开展系统的研究。澳大利亚国家基金会最近开始资助这方面的研究工作。

到目前为止,还不存在严格的分析工具来评估针对不同间歇性可再生电源(风能和太阳能等)组合与渗透率情况下, 不同的电动汽车分布与渗透率对电力系统的经济价值,这种经济价值主要是电力系统运行和投资成本的潜在节约。需要建立评估经济价值的综合数学模型,并研究适当的充放电管理策略,以最大化电动汽车对电力系统规划和运行的经济价值。此外,在分析电动汽车对电力系统运行和规划的经济性的影响时,需要考虑所研究的配电系统的具体特征、相关的电力市场模式和监管政策。在电力市场环境下,电动汽车对电力系统经济性的影响尤其值得关注。

此外,电动汽车在减少温室气体排放方面的价值也是一个值得研究的重要问题,这在很大程度上取决于提供电动汽车充电的发电类型的组合情况, 即火电、水电、风电和太阳能的具体组合。发电组合情况在一天中一般会有典型的变化模式。

研究工作可以从下述3个层次开展:

1)基于家庭充电和商业设施充电的电动汽车集成研究。着重研究在典型的家庭、多个商业充电点或专门的电池充/换电站情形下的电动汽车充放电对电力系统的经济价值。

2)在配电系统特定位置电动汽车广泛渗透情况的研究。开发出能够评估在配电系统的特定位置有大量电动汽车在馈线到变电站层次接入时对电力系统经济性影响的工具。研究时要考虑民用为主和商用为主2种情况,因为这2种情况有明显的不同。

3)系统水平研究。重点研究大量电动汽车广泛接入电力系统后对电力批发市场和配电侧零售市场的影响。

针对每个层次,可以研究3种场景:

1)自由的、不加以管理的电动汽车充放电。

2)优化管理的电动汽车充放电。

3)智能电网和可再生能源利用环境下电动汽车充放电优化管理。

4 电动汽车调度与控制问题的研究思路

4.1 电动汽车的分层分区调度

电动汽车的调度与控制问题是相互关联的。电动汽车调度主要确定在一个相对较长的时段内(如未来24 h)电动汽车的最优充放电策略。电动汽车调度的主要目的是通过协调大量电动汽车的充放电行为以实现如减少总充电成本、降低网损、削峰填谷、平抑可再生能源间歇性等系统运行目标。在电动汽车的调度方案确定以后,电动汽车控制问题则主要解决在电力系统受到扰动时,如何通过改变部分电动汽车的运行状态以保证系统的稳定运行。基于上述考虑,可以将电动汽车的调度与控制问题作为一个整体进行研究。

大部分现有文献对电动汽车调度问题采取的是由输电系统调度机构进行直接调度的模式。但考虑到未来系统中保有电动汽车的数量可能非常庞大(可达数百万辆), 集中调度模式就会导致在相应优化问题中出现“维数灾”问题。另外,集中调度要求调度机构与每辆电动汽车之间都存在通信信道,以便于采集状态信息和发送调度指令。这对通信网络的可靠性和带宽提出了极高的要求。由此可知,尽管在理论上集中调度模式有利于获得调度问题的全局最优解,但在现有技术条件下,这种做法在大规模电力系统中实施有很大的困难。

比较现实的解决办法是采取分层分区调度方法[51]。分层分区模式如图1所示。分层分区调度的核心思想是将电力系统根据电压等级分成2层或更多层,然后再将表示配电系统的层次按照地域进一步分解为若干区域。对每一个区域,由配电系统调度机构或第三方电动汽车代理[53]负责区域内的电动汽车的协调调度。配电系统调度机构或电动汽车代理将作为一个单一实体参与输电系统调度机构的调度过程,输电系统调度机构不再关心每辆电动汽车的具体充放电策略。采用这一办法,电动汽车调度问题就分解成为了输电系统调度问题和若干区域调度问题。其中,输电系统调度问题在问题的性质和规模上和传统的电力系统调度问题差别不大,因此可以应用现有方法求解。而研究重点则可以放在配电系统内各区域的电动汽车最优调度问题上。

4.2 电动汽车调度问题的优化算法

针对配电系统内单个区域的调度问题,虽然电动汽车的数量已经大大减少了,但仍可能达到数千乃至数万辆的水平。因此,对于现有文献中应用的一些经典优化方法如动态规划法,区域电动汽车调度问题的维数仍然太高了。另外,由于在电动汽车调度问题中可能还需要考虑如车主的驾驶行为、分布式电源(如风能和太阳能)出力等不确定性因素,因此电动汽车调度问题的优化目标一般具有非线性、非凸的特点,这使得广泛应用于传统电力系统调度的优化算法如内点法不具有全局收敛性。因此,针对电动汽车调度问题维数高、非线性、非凸等特点,研究更为有效的全局优化算法就是一个亟待解决的问题。

视特定电动汽车调度问题的性质,可以考虑应用2类全局优化算法求解。对于目标函数和约束条件连续可导的情况,可以应用函数调整优化法如Gold-Price算法[54]求解。其核心思想是从解空间的任意一点出发,首先利用一种有效的局部优化算法(如内点法)搜索局部最优解。在得到一个局部最优解后,利用原目标函数的一个辅助函数来搜索一个过渡点,并以这个过渡点为起点继续搜索下一个局部最优解,直至无法找到新的过渡点为止。由于可以利用传统数学规划方法的局部优化能力,上述方法具有很快的计算速度,适用于大规模系统。

若调度问题的目标函数和约束条件不连续不可导,则可以考虑结合分布式计算技术(如网格计算)和启发式搜索算法如粒子群优化或微分进化算法求解。目前已经存在多种开源的网格计算平台例如Globus平台等。这些开源平台可以实现如计算负荷分配、数据存储管理等网格计算平台的基础功能。因此,研究重点可以放在攻克启发式算法本身的并行化问题上。

4.3 电动汽车的最优充放电控制

与电动汽车调度问题类似,电动汽车的充放电控制问题也可以采用分层分区模式加以解决,这有利于避免庞大数量的电动汽车所带来的维数灾问题。在分层分区模式下,一般由配电系统调度机构或电动汽车代理代表某一区域内的电动汽车参与整个电力系统控制过程。以调频控制为例,局部配电系统在控制过程中可以被视为一个“虚拟发电厂”。自动发电控制系统将首先决定该配电系统的总体控制策略。配电系统调度机构在收到自动发电控制系统的控制信号后,将在此基础上进一步决定每辆电动汽车的具体控制策略。传统的电力系统调频和调压控制已经得到了较为充分的研究。因此,未来的研究重点可以集中在配电系统调度机构或电动汽车代理在接收到控制信号之后,如何决定每辆电动汽车的具体控制策略方面。

电动汽车控制系统和调度机构之间必须依赖通信网络交换控制信号和系统信息。从这个意义上,大规模电动汽车控制问题是一个典型的网络化控制问题。在通信网络传递信息的过程中,可能出现非常明显的信息延迟和丢失现象。信息延迟是指从传感器采集数据到控制信号到达执行器之间的延时,一般包括通信延迟和计算延迟两部分[55]。另外,传感设备和通信网络的故障,以及通信网络阻塞等现象,可能造成信息丢失。控制领域的研究表明,信息延迟和丢失对控制系统性能有非常显著的影响,严重时甚至可能导致控制系统的失稳和崩溃。因此,在电动汽车的网络化控制问题中,必须显式计及信息延迟与丢失的影响。解决信息延迟与丢失问题的一个有效途径是信息延迟与丢失补偿[55,56], 即在发生信息延迟或丢失现象时,采用根据某种补偿算法预先算出的替代控制信号进行控制。网络化控制是控制领域近年来的研究热点, 有很多成果可以直接应用到电动汽车的控制问题之中。

5 结语

电动汽车近年来的快速发展有着明显的技术、经济、环境和政策背景,其广泛应用会引发现代交通业的革命性变革,对电力工业未来的发展也会产生深远影响。

大量电动汽车广泛应用后对电力系统尤其是配电系统的影响范围与程度需要具体问题具体分析, 不能一概而论。虽然可以采用统一的数学模型和方法来分析这种影响, 但是必须考虑所研究的电力系统的实际情况以及电动汽车渗透的范围与程度。

大量电动汽车的无序充放电可能给电力系统的安全与可靠运行带来严重的挑战,而对电动汽车进行智能化的充放电管理即采用有效的调度与控制方法则有可能明显改善整个电力系统运行的经济性与安全性。

大量电动汽车智能充放电管理与间歇性电源 (如风电和太阳能) 的协调互补作用能够增强电力系统接纳间歇性电源的能力, 进而提高系统运行的经济性。这个问题尚需要系统的定量研究。

电动汽车的最优调度与控制是一个值得研究的重要问题,这个问题解决的好坏从根本上决定了能否减弱或避免电动汽车对电力系统可能带来的负面影响和能否充分发挥其正面作用。

国内目前的研究重点在于与电动汽车充电/换电有关的问题, 至于在电动汽车电池向电力系统反向送电方面虽然已经有些理论研究工作, 但总体上仍然相当初步, 要真正实施, 则必须要有适当的电力市场机制相配合。

感谢研究生张晨曦、王辉、文丽、叶夏明、张勇、刘伟佳、王宏等同学在本文行文过程中协助查询和整理资料,同时感谢澳大利亚国家基金会提供的资助和新南威尔士大学提供的很好的研究环境。

电力汽车 篇7

1 电动汽车概述

早在19世纪就已经有了电动汽车的生产, 甚至一度电动汽车的销量还远远高于内燃机汽车。但是当时自动化制造能力有限, 且电力设施并不是非常完善, 电动汽车的制造就停止了, 随后内燃机汽车逐渐普及起来。近年来, 随着环境污染问题和能源匮乏问题的加重, 电动汽车又逐渐兴起起来, 此时又由于蓄电池、超级电容器、电子电力的技术获得了空前的发展, 为电动汽车产业化打下了坚实的基础, 电动汽车获得了能够与内燃机汽车相媲美的性能。在1997年, 日本丰田公司生产出Prius混合动力电动汽车, 使得电动汽车逐渐成为时尚。

电动汽车根据动力来源又可以分为纯电动汽车、混合动力电动汽车和燃料电池电动汽车3种类型, 这些类型的汽车都采用了电气动力系统。纯电动汽车是依靠电力电子装置把蓄电池或者超级电容器的能力转化成动力, 驱动汽车的行驶;混合动力电动汽车是内燃机和蓄电池或超级电容器共同提供动力, 以内燃机为主、蓄电池或超级电容器为辅;而燃料电池电动汽车主要是通过燃料电池提供能量, 少量辅助能力通过蓄电池来提供, 经过电力电子装置进行能力转化, 提供给电机负载进行驱动。

2 电力电子装置在电动汽车应用中存在的问题

电子电力装置具有强电磁性, 所以它会造成一定的电磁污染。大功率的电力电子装置属于电动汽车的核心部件, 由于它的强干扰性, 导致汽车运行不稳定。同时在电力电子装置运行过程中, 可能会对周围的电气产生干扰, 影响其运行情况。

2.1 差模干扰

差模干扰就是在电压电流的变化通过导线传输时产生的一种形态。这种干扰的产生主要是由于使用了两根导线作为信号往返线路。在混合电动汽车的电力电子装置内采用了通过母线作为往返路线, 通过母线、电池和逆变器作为往返线两条线路。所以在开关动作发生的时候, 就会形成差模干扰源。

2.2 共模干扰

共模干扰是电压电流变化的变化通过导线传输时产生的另外一种形态。这种干扰产生的主要是因为自身与其它设备相互交换的通信线路由两条线路组成, 这两条线路一条是去的线路, 一条是返回线路。

2.3 辐射干扰

此种形式的干扰是因为干扰源以辐射的形式向周围空间散发能量。实验证明, 在混合动力电动汽车的装置中, 逆变器、整个地盘都会产生强烈的辐射, 在两辆混合动力电动汽车靠近的时候, 辐射强度会加强。这种情况的出现是因为逆变器中的差模干扰向周围辐射能量, 同时流经地盘的共模干扰电流也在表面形成电流环路, 进而产生强烈的电磁干扰。由此可见, 降低辐射干扰最有效的手段就是降低差模、共模干扰的强度。

3 系统设备兼容问题解决方案

由实验可知, 电磁干扰的产生须具备干扰源、传播干扰的路径和敏感设备3个方面, 只要我们降低了任何一个条件, 对于电磁干扰的问题都能得到有效改善, 电子设备的兼容性就能得到提高。所以我们可以通过以下两个方案进行电磁干扰问题的解决。

3.1 衰减差模干扰及辐射干扰

多层功率电路板, 具有三明治结构, 在它的第二层和第三层布置母线电路。另外它具有对称结构、线宽布局合理, 介电质厚度形成一个大小合适的耦合电容, 可以吸收窜入母线的差模干扰, 进一步减少由此引发额电磁辐射。

3.2 衰减共模干扰及辐射干扰

我们可以采用接地电阻的方式有效衰减流向地面的共模干扰电流, 进一步减弱它引起来的电磁辐射。通常汽车只有轮胎部分接地, 而我们已知共模干扰电流经逆变器散热器底座或电机轴流向地盘, 这里面产生的电压对人体是最大的威胁。所以我们采取措施使散热器底座、电机外壳接地, 就能有效减弱共模干扰电流。

3.3 电动汽车线束走向与选材方式

实践显示, 线束是影响电动汽车电磁兼容的重要因素, 究其根本原因, 是由于线束电缆是一种高效的辐射和接收天线。同时, 线束导线平行传输距离较长, 导线存在一定的互电感和电容, 这很容易导致导线之间出现信号串扰问题。基于电动汽车安装空间因素的影响, 往往无法保证每一个导线都保持一定的间距。一般情况下, 电动汽车线束包括三种类型, 为了满足退耦需求, 需要控制好最小间距, 电池箱连接线、电池间连线与低压导线间距不能超过0.2 m。

4 结语

综上所述, 电力电子装置的电磁干扰对于汽车的性能有着极大的影响。我们在深入研究电磁干扰的基础上, 找出合理的手段降低电磁干扰, 加强电子装置的电磁兼容性, 就能够有效提高混合型动力电动汽车的整车性能, 为电动汽车的发展做出巨大的贡献。

摘要：电动汽车在近年来成为学界研究的热点问题, 受到了各个国家的重视, 电动汽车的发展已经上升成为一项国家战略, 这不仅可以解决能源问题, 也可以促进汽车产业的可持续发展, 但是, 在电动汽车的发展中, 电子装置电磁兼容性是一个广泛存在的问题。电磁干扰的产生须具备干扰源、传播干扰的路径和敏感设备3个方面, 只要我们降低了任何一个条件, 对于电磁干扰的问题都能得到有效改善, 该文主要就这一问题展开分析。

关键词：电动汽车,动力电子装置,电磁兼容性

参考文献

[1]王文伟, 姜卫远, 高丰岭, 等.基于拓扑优化的电动汽车车身结构概念设计[J].汽车安全与节能学报, 2016 (2) :182-187.

[2]Thomas Bitzer, Jacques Achard, Andreas Pascht.New energy‐saving multicarrier transceivers and their standardization[J].Bell Labs Tech J, 2010 (2) :53-58.

[3]严朝勇, 许均锐, 张飞.电动汽车充电站运行与管理的研究和思考[J].统计与管理, 2016 (5) :147-148.

[4]朱学军, 张逸成.电动汽车动力电力电子装置的电磁兼容性研究现状[J].安全与电磁兼容, 2009 (2) :81-85.

电力汽车 篇8

随着电力系统的快速发展以及自动控制装置和技术的不断进步,电力系统承受扰动的能力逐步加强。然而,大停电事故仍然难以避免,如2003年美加大停电事故[1]和2012年印度大停电[2]等。因此,制定合理、高效的电力系统恢复预案就非常重要。迄今为止,国内外一些专家学者已经就电力系统恢复方面的相关问题开展了很多研究工作。例如:文献[3-4]研究了电力系统大停电后黑启动方案的生成和优选;文献[5-7]探讨了单目标和多目标的网架重构优化问题;文献[8-9]对并行恢复方式下的系统恢复方案进行了研究;文献[10-12]提出了负荷恢复的优化模型和算法;文献[13]对整体电力系统恢复过程和相关的主要问题进行了探讨和建模。

近年来,风力发电等间歇性可再生能源和电动汽车(electric vehicle,EV)等主动负荷越来越多地接入电力系统。从电力系统恢复的角度来看,可再生能源和主动负荷的接入可以为系统恢复提供额外的电源和可调度的资源,同时其调度和控制的复杂程度也增加了系统恢复问题的难度。间歇性能源发电机组的出力具有间歇性和不确定性,可根据系统发生停电事故时间歇性能源发电机组的出力情况,为系统提供初始恢复电源或辅助恢复电源。可把EV视作灵活的储能单元,不仅可以为恢复过程提供电能,而且可以作为负荷来维持系统恢复过程中的功率平衡。目前已有一些关于间歇性能源发电在系统恢复中应用的研究报道[14,15,16],但由于间歇性电源自身的控制和稳定性问题,这些应用通常局限于配电系统和微网的恢复。就笔者所知,针对EV等主动负荷对系统恢复的影响方面尚未有研究报道。

在上述背景下,本文对EV在电力系统恢复中的作用进行初步探讨,并在考虑EV作用的基础上建立电力系统恢复的多目标优化模型。首先,针对EV的特点,考虑以EV充换电站为单位,分析EV充换电站在系统恢复阶段可能起到的辅助作用。其次,针对EV充换电站对恢复过程中维持有功功率平衡和改善潮流分布两个方面的作用,建立包括恢复线路数最少、非黑启动发电机组和重要负荷恢复速度最快、所形成网架的电压分布最均衡这3个目标的系统恢复优化模型。之后,采用带精英策略的非支配排 序遗传算 法 (non-dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ)求解该网架恢复多目标优化模型,并根据系统恢复问题的特点制定了恢复方案生成和进化规则。最后,以IEEE 30节点系统为例,对所提出的计及EV辅助作用的系统恢复方案优化模型进行了说明,并分析了EV充换电站对系统恢复方案的影响。

1 EV在系统恢复过程中的应用及特性

1.1 EV在恢复过程中可能的应用

EV作为可灵活调度的需求侧资源,可参与电力系统的优化调度,发挥削峰填谷、提供辅助服务(如调频)、平抑可再生能源出力波动等方面的积极作用。EV电池是灵活的储能单元,在电力系统发生大停电事故后,具有参与电力系统恢复优化的能力。基于中国电动汽车发展规划,在今后一段时间内,EV充电主要 采用换电 和集中充 电两种模 式。与家庭充电模式相比,在换电和集中充电模式下可以对大量EV电池的充放电进行调度。考虑到EV充放电调度的灵活特性,EV在电力系统恢复过程中可能提供的积极作用主要体现在以下几个方面。

1)在系统恢复初期提供负荷功率:在系统恢复初期,一般需恢复一些空载或轻载输电线路,适当投入负荷可以缓解线路充电可能产生的过电压;同时,通过黑启动机组为非黑启动机组提供启动功率,且随后非黑启动机组至少需要稳定运行在最小技术出力水平,接入可控的EV负荷有助于维持系统有功功率的实时平衡,进而加速系统恢复进程。

2)改善系统的电压和潮流分布:在系统恢复过程中的网架结构通常只包括重要变电站、线路和重要负荷节点,因此,恢复网架形成后系统的潮流和电压分布可能非常不均衡,在后续恢复其他线路、变电站和负荷时可能出现电压或潮流越限。通过调节EV的充电或放电负荷,可以改善系统潮流和电压分布,减少后续恢复过程中出现电压或潮流越限的可能性。

3)为恢复系统提供辅助服务:在系统恢复初期,系统很多控制功能还没有恢复,应对干扰的调节能力和速度有限。EV电池内存储的能量可以为系统提供调频和旋转备用容量,有助于维持系统稳定。

4)作为可再生能源的辅助电源:当系统发生大面积停电事故时,可再生能源发电机组可以在运行允许范围内恢复部分线路和负荷,并按孤岛模式运行,待大系统恢复后再与其并网。可再生能源机组出力具有很大的不确定性,可以通过调度EV充放电而在一定程度上平抑可再生能源机组的出力波动,从而有助于维持孤岛区域负荷的可靠供电。

5)作为黑启动电源:从理论上讲,EV可以利用自身储能作为黑启动电源,恢复停电线路和非黑启动发电机组。然而,在实际系统恢复过程中,EV充换电站存储的电能除了需要满足启动电源的要求外,还需要具备一定的调频和带负载能力。具备以上功能的EV充换电站可以在系统恢复时作为恢复电源,但就目前的EV充换电站配置而言,无法保证EV充换电站在系统恢复时可作为独立电源使用。

本文主要考虑EV在系统恢复过程中起到平衡有功功率以及改善系统潮流和电压分布等方面的作用,在此基础上探讨如何合理利用EV充换电站的调节能力,以构建优化的系统恢复方案。

1.2 EV在系统恢复过程中的特性

已有研究表明,EV在一天的大部分时间内是闲置/停驶的[17,18]。一般而言,采用换电站和集中充电站模式时便于调度中心对EV充放电进行调度,而家庭充电模式则较为分散而难以控制。因此,在这一部分闲置的EV中,停放于集中充电站充电的EV和换电站 中存储的EV电池可以 参与系统 调度,而车主停放于其他场所的闲置EV被认为是不可调度的。在本文中,将EV换电站内存储电池数量视为EV数量,即可与EV集中充电站统一考虑。

令 NEV,total,EEVS,total,NEV,max,NEV,min,EEVS,max和EEVS,min分别为系统内的EV总数量、EV电池总储能容量、EV充换电站内实际每天同一时刻最多和最少的EV停驶数量、实际每天EV电池总储存最大和最小电能。假设在一天的不同时刻t,EV充换电站内停驶的EV数量为NEV,avail(t),EV电池总储存的电能为EEVS,avail(t)。实际上,EV在一天的大部分时间内是闲置的,即NEV,min通常可达到NEV,total的80%~90%;EV电池储能的变化相对较为明显,通常EEVS,max和EEVS,min可以分别达到EEVS,total的60%~80%和20%~40%。对于给定数量的EV,在一天的不同时刻EV停驶的数量NEV,avail(t)和EV电池总储存电能EEVS,avail(t)的变化趋势可以用图1所示曲线近似表示[18]。

当EV充换电站被用作黑启动电源或辅助电源时,EV电池总储存电能EEVS,avail(t)对EV充换电站的供电能力和启动其他非黑启动电源的能力起着决定性影响。本文的研究侧重于利用EV充换电站协助非黑启动机组和负荷的恢复,且由于系统恢复初期的时间有限,不太可能对EV充换电站进行长时间调度。因此,相对于EEVS,avail(t),EV充换电站在t时刻可提供的最大充电功率PEV,CH(t)和最大放电功率PEV,DIS(t)显得更为 重要。 理论上,PEV,CH(t)和PEV,DIS(t)可通过式(1)和式(2)计算。

式中)分别为第e辆停驶EV在t时刻的最大充电和放电功率。

式(1)和式(2)隐含假设了EV充换电站中所有停驶的EV电池可以按最大充电或放电功率运行较短时间。然而,若EV电池储能接近其上限或下限,则EV电池可以承受的最大充电或放电功率将受限于电池容量。考虑到EV电池储能对EV充换电站充放电功率的影响,可将式(1)和式(2)修正为:

式中:ηch(t)和ηdis(t)分别为EV充换电站在t时刻可用的充电和放电功率调整系数。

调整系数用于粗略估计可以参与充电/放电的EV数量占接入电网EV的比例。考虑到针对每个EV进行统计不太现实,本文利用在t时刻EV总储能水平EEVS,avail(t)与所有EV额定储能 水平EEVS,total的比值作 为估算该 调整系数 的依据,如式(5)和式(6)所示。当EEVS,avail(t)较高时,会有较多的EV电池达到饱和或接近饱和,则可充电的EV比例会较低,而可放电的EV比例就较 高;反之亦然。式(3)和式(4)的修正可以视为对EV充换电站参与EV调度灵活性的估计。在系统发生停电事故后,调度中心可以根据所估计的EV充换电站可用充放电功率,来优化恢复网架方案。

2 多目标电力系统最优恢复方案

2.1 恢复线路数最少的恢复方案构造

电力系统恢复方案可基于图论、复杂网络理论等生成。在构建网架恢复的优化模型方面,现有的文献采用了多种指标,包括:1待恢复的非黑启动发电机组、线路、变电站和负荷的重要程度评估指标;2恢复时间和速度指标;3恢复操作数目和复杂性指标等。

1)恢复路径和节点重要度相关的指标,如路径重要度、节点重要度、拓扑的重要性指标等。通常根据网络的拓扑结构对此类指标赋权,并通过图论、复杂网络理论等方法的快速求解,得到恢复网架方案。缺点在于此类指标赋权方法的选择较为主观,不同方法得到的重要性权重不同。此外,问题的求解仅仅考虑了网络拓扑结构,难以准确衡量系统恢复时需要关注的其他问题。

2)恢复时间相关的指标,如非黑启动发电机组启动时间、负荷恢复供电时间等。此类指标结合系统恢复对时间的要求,从指标的意义上符合系统恢复的目标。然而由于恢复操作在时间上具有不确定性,因此在制定恢复方案时,恢复时间类指标通常与恢复的开关操作数目和恢复的变电站数目相关,从而在一定程度上降低了此类指标的指导意义。

3)恢复操作数目相关的指标,如恢复线路数目、恢复母线数目、恢复开关操作数目等。此类指标旨在衡量系统恢复操作的复杂程度和风险,对调度中心制定网架恢复方案具有更普遍的指导意义。

本文考虑建立以恢复线路数目最小作为构建恢复网架的目标。对于有N个节点、NL条线路的系统,记VB,VG,VD为N维列向量,其中VB为黑启动机组节点位置向量,VG为待启动非黑启动发电机组节点位置向量,VD为重要负荷节点位置向量。当黑启动机组、待启动非黑启动发电机组或待恢复重要负荷位于节点i时,对应的VB,VG或VD向量元素为1,i=1,2,…,N。 记MA为系统无 向拓扑的N×NL阶关联矩 阵,VL= [vl(1),vl(2),…,vl(NL)]T为NL维二进制决策列向量,用以表征恢复方案中恢复的线路集合,则优化模型为:

式中:diag为对角矩阵函数;∧ 表示逻辑“与”的关系。式(9)为恢复网架必须包括黑启动和待启动发电机组以及待恢复重要负荷的约束;式(10)为恢复网架的连通性约束。满足式(8)至式(10)的恢复网架VL即为可以恢复非黑启动发电机组和重要负荷的连通网架。

需要指出的是,此模型侧重于网络拓扑结构信息,忽略了电力系统的特性参数,如潮流、电压、频率等,因此,所构建的恢复网架难以为系统调度中心提供充分的决策支持。

2.2 计及 EV和恢复速度的恢复方案优化

发生大停电事故后的系统恢复速度主要与非黑启动发电机组的启动时间和重要负荷的恢复供电时间相关。若近似认为恢复相邻节点之间的空载线路的时间为固定值,则非黑启动机组的启动时间和重要负荷的恢复供电时间与恢复网架的拓扑结构密切相关。此外,非黑启动机组和重要负荷的恢复也依赖于系统的有功功率平衡,当系统内有功出力不足时,非黑启动机组和重要负荷的恢复仍可能被延后。若恢复网架中存在EV充换电站,则可以利用EV电池的放电功率平衡系统内缺额的有功功率,加速非黑启动机组和重要负荷的恢复过程。

以黑启动电源启动为时间起点,优化恢复速度的目标函数为:

式中:NG,ND,Te(g),Te(d)分别为待启动的非黑启动机组数目、待恢复供电的重要负荷数目、非黑启动机组g可实现外送功率的时间和重要负荷d的恢复时间;ωg和ωd分别为非黑启动机组和重要负荷的权重,可分别通过式(12)和式(13)计算得到,

式中:Ramp和PD分别为非黑启动机组爬坡速率和有功功率。

考虑到在恢复初期非黑启动发电机组的爬坡速率对系统恢复速度的影响更大,ωg的计算与非黑启动机组的爬坡速率相关;ωd则与重要负荷的有功功率相关。

在优化恢复速度的模型中需要计及的约束包括以下几类。

1)与拓扑结构相关的约束

式中:Te(VL,g)和T-e(VL,d)分别为在VL对应的恢复网架下,非黑启动机组g和重要负荷d的理论上的最快启动时间和恢复供电时间;Ts(g)为非黑启动机组g从获得启动电能到恢复外送功率能力的时间。如果假设恢复线路的时间 ΔT为固定值,则理论最快恢复时间Te(VL,g)仅与VL相关[9]。-

2)有功功率平衡约束

式中:PG(g,t)和DG(g,t)分别为非黑启动机组g在t时刻的有 功出力和 启动消耗 的有功功 率;PB(t),PD(d,t),PEV(k,t)分别为t时刻黑启动机组的有功出力、重要负荷d消耗的有 功功率和 第k个EV充换电站消耗/发出的有功功率;NEC为系统内EV充换电站数量;ζ为允许的有功功率不平衡量。其中,非黑启动机组的恢复过程包含机组的爬坡过程,详见文献[13],此处不再赘述。

-PEV,DIS(k,t)≤PEV(k,t)≤PEV,CH(k,t)(18)式中:PB,max和PB,min分别为黑启动机组有功出力的上下限;PEV(k,t)大于0时表示EV充换电站消耗有功功率,反之则表示发出有功功率。

式(16)至式(18)对应的非黑启动机组、重要负荷和EV充换电站的有功功率与其对应节点的恢复时间相关,即

式中:Te(k)为EV充换电站k对应节点的恢复时间。因为EV充换电站的节点为可选恢复节点,因此不计入式(11)的目标函数中。

对于给定的恢复方案VL,式(11)至式(21)通过对黑启动机组出力和EV充换电站的调度,优化非黑启动机组的启动时间和重要负荷的恢复供电时间。

2.3 计及 EV和电压均衡性的网架优化模型

在系统内非黑启动发电机组已经启动,重要负荷恢复供电之后,系统恢复将进入后续的全面恢复阶段,即在已有的恢复网架VL基础上,恢复其他未恢复的线路、节点和负荷。后续恢复过程的主要任务是恢复空载线路和其他负荷,有可能因为恢复空载线路的过电压问题和恢复负荷的欠电压问题,拖延整体系统恢复进程。这样,恢复网架的节点电压最好保持在较为适中的水平[19],电压较高或较低均有可能对后续恢复过程产生影响。EV充换电站可以通过调整消耗/发出的功率,改善恢复网架的潮流分布和电压分布。此外,恢复网架的电压均衡也可以在一定程度上减少系统中无功潮流的传输,进而减少网络损耗。因此,考虑EV充换电站作用的恢复网架电压均衡性优化模型如式(22)至式(32)所示。其中,式(22)为所有恢复节点的电压标准差最小的目标函数;式(23)为得到恢复的节点数目Nre的计算公式;式(24)和式(25)为所恢复系统的潮流方程;式(26)为所恢复节点的电压约束;式(27)为节点注入有功功率平衡方程;式(28)和式(29)分别为黑启动机组和非黑启动机组的输出有功功率约束;式(30)为EV充换电站消耗或输出有功功率约束;式(31)为节点注入无功功率平衡方程;式(32)为发电机组输出无功功率约束。

式中:U为恢复网 架形成后 的N维节点电 压列向量;‖·‖2为向量的2阶范数;P和Q分别为N维注入系统的有功和无功功率列向量;θ 为相位差矩阵;为矩阵的分素乘积运算;G和B为所恢复系统的节点导纳矩阵的实部矩阵和虚部矩阵,其中节点导纳矩阵与VL相关;Umax和Umin分别为N维节点电压上限和下限列向量;PG,PD,PEV分别为N维发电机组输出有功功率列向量、重要负荷和EV充换电站消耗/发出的有 功功率列 向量;PB,min,PB,max,PNG,min,PNG,max分别为N维黑启动机组有功出力下限、有功出力上限、非黑启动机组最小技术出力和最大出力列向量,黑启动机组则作为系统的平衡节点;PEV,DIS(t)和PEV,CH(t)为N维列向量,可通过EV充换电站所处的节点位置及PEV,CH(t)和PEV,DIS(t)计算,t时刻与VL和2.2节介绍的恢复时间相关,在这个模型内只计算非黑启动机组和重要负荷均恢复后的稳态电压均衡度;QG和QD分别为N维发电机组输出无功功率和重要负荷消耗无功功率列向量;QG,min和QG,max分别为N维机组无功出力下限和上限列向量。

对于给定的VL,式(22)至式(32)的优化模型中需要优化的变量包括P,Q和PEV。其中,PEV的约束式(28)与恢复网架形成的时间有关,即EV充换电站可提供的有功负荷或有功输出与恢复网架形成时刻EV充换电站内停驶的EV数量和EV电池储能情况有关,其可以根据式(3)和式(4)估算。

2.4 多目标优化模型的求解

同时考虑2.1节的恢复线路数目最少,2.2节非黑启动机组和重要负荷恢复速度最快和2.3节恢复网架电压分布最均匀这3个目标时,就形成了多目标优化问题。本文采用NSGA-Ⅱ求解该多目标优化问题。NSGA-Ⅱ的具体步骤在文献[20-21]中有详细介绍,这里不再赘述。采用NSGA-Ⅱ求解多目标恢复优化问题的流程见附录A图A1。

由于上述3个优化目标均基于恢复网架的结构VL,在使用NSGA-Ⅱ求解时,涉及线路是否恢复的0-1变量。考虑到所形成的恢复网架必须连通,若在NSGA-Ⅱ中直接随机生成初始种群,而将网架连通性作为罚函数进行处理,可能出现迭代收敛过慢的问题。可以考虑在生成种群的基因时,引入特定规则,减少生成种群所需计算量;在确保种群的每个个体所对应的网架均为连通网架之后进行下一步计算。考虑到恢复网架必须满足系统内发电机组和重要负荷的恢复,这里构建下述规则。

规则:对系统内任一节点i,与其相连的线路构成集合Ωi。若节点i是发电机组节点或重要负荷节点,则VL需满足式(33)对应的约束。

需要指出,式(33)对应的规则只是用于减少生成种群的计算量,VL对应的网架连通性仍然需要利用式(10)校验。同样,在对种群中的个体进行交叉和变异操作时,需要根据该规则判断个体是否对应于连通的网架结构。在交叉和变异操作结束后,利用式(10)对新形成的个体所对应网架的连通性进行检验。若所形成的网架不是连通的,则重复个体进化过程,直至生成对应于连通网架的个体。

3 算例分析

3.1 算例设置

以附录A图A2所示的IEEE 30节点系统为例,对所提出的恢复网架优化模型进行说明。其中,节点7,17和26各有一个EV充换电站。根据IEC61851-1关于电动汽车充电系统设计标准中对充电电流和电压的限制[22],假设常规充放电时为7.2kW。黑启动机组位于节点13,重要负荷位于节点4,8,16,18,21,30,给定 ΔT为5min,详细的发电机组参数和重要负荷参数分别列于附录A表A1和表A2。给定NSGA-Ⅱ种群数量为40,最大迭代次数为100。

在引入EV充换电站后,大停电后的系统恢复方案将与停电发生的时段相关。在制定系统恢复方案时,可以对多个场景进行模拟,以适用于不同的恢复需求。对以下两种场景进行了分析。

1)系统大停电事故发生在02:00—03:00左右,对应较高的EV停驶比例和EV电池储能水平。假设NEV,avail(t)分别为2 500,2 000和3 000辆,EEVS,avail(t)/EEVS,total估计为65%,ηch(t)和ηdis(t)分别约为60%和80%。

2)系统大停电事故发生在17:00—18:00左右,对应较低的EV停驶比例和EV电池储能水平。假设NEV,avail(t)分别为1 500,1 000和1 800辆,EEVS,avail(t)/EEVS,total估计为25%,ηch(t)和ηdis(t)分别约为87%和50%。

3.2 算例结果

利用NSGA-Ⅱ求解所发展的电力系统恢复多目标优化模型。求解结果为:场景1和场景2分别对应22个和23个非支配解,这两种场景下的帕累托前沿见附录A图A3。电力系统调度机构可以在这两种场景所对应的帕累托最优解中,根据需要选取某个解作为恢复方案。本文将帕累托最优解中3个目标函数值归一化后,选取距理想点距离最近的解为最终确定的恢复方案。该解的选取见附录A图A3,对应恢复方案如图2所示。

场景1和场景2的区别在于EV充换电站在系统恢复过程中可提供的功率支持不同。两种场景下得到的帕累托最优解集对应的3个目标函数的函数值如表1所示。

3.3 算例分析

从表1的结果可以看出,所提出的系统恢复多目标优化模型可以综合考虑恢复操作复杂程度f1、非黑启动机组和重要负荷的恢复速度f2,以及形成的初步恢复网架的电压均衡性f3这3个方面的目标,可以获得多个帕累托最优恢复方案,从而为电力系统调度机构进行恢复决策时提供参考方案。图2所示的恢复方案距理想点最近,在实际恢复过程中可以根据调度机构的需求和偏好,选择最满足要求的帕累托最优解作为实际恢复方案。

图2展示的两种场景下选取的系统恢复方案具有明显区别。场景1选取的最优恢复方案恢复了位于节点26的EV充换电站,并恢复了 线路22-24,24-25和25-26;而场景2中并没有恢复这些线路和节点26的EV充换电站。 在这两个 场景中,节点26的EV充换电站 均拥有数 量最多的 可调度EV,但需要增 加恢复线 路数目。在场景1中,节点26的可调度EV数量多于场景2,即EV充换电站可提供的充放电功率更大,因此,恢复节点26对场景1的系统恢复过程的贡献大于场景2。

图3展示了在这两种场景下,系统总有功负荷(包括非黑启动发电机组的启动负荷)随系统恢复过程的增长曲线以及所有恢复的EV充换电站的总放电功率曲线。EV充换电站通过放电为系统恢复过程提供支持。从图2可以看出,场景1由于多恢复了节点26的EV充换电站,且可调度的EV数量和EV放电能力均高于场景2,在恢复过程中提供的功率支持明显高于场景2。这是由于EV充换电站的放电能力降低时,非黑启动机组和重要负荷的恢复可能因为系统 有功功率 平衡而被 拖延。因此,从图3的总负荷曲线也可以看出,场景1恢复非黑启动发电机组和重 要负荷的 速度要快 于场景2。从表1中也可以得到类似结论,在帕累托解 集中,场景1的平均恢复 速度目标f2比场景2提前了1.09min,场景1中选取的恢复方案对应的f2也比场景2提前了1.77min。

在图2所示的两个恢复方案中,场景1恢复了所有3个EV充换电站,而场景2并没有恢 复节点26的EV充换电站。在这两种场景下,所有帕累托最优解集中EV充换电站恢复情况的统计如表2所示。由表2可以看出,在场景1对应的帕累托最优解集中,所有3个EV充换电站的恢复比例均高于90%。而在场景2的解集中,恢复节点7和17的EV充换电站的解的比例很高,但恢复节点26的解的比例仅有65.22%。为更进一步分析EV充换电站的充放电能 力及其被 恢复情况 的关系,在场景2的基础上对EV放电能力ηdis(t)分别为90%,70%,50%,30%和10%的情况进行了对比,结果如图4所示。

从图4可以看出,随着EV充换电站可用功率减少,3个EV充换电站的恢复比例呈现不同的变化趋势。节点26的EV充换电站恢复比例逐渐减少,而节点7的EV充换电站恢复比例则呈先增后减趋势。产生这种情况的原因为:当EV充换电站的充放电能力降低时,其对系统恢复进程的辅助作用也将随之减小,恢复更多的EV充换电站可以在一定程度上弥补原有EV充换电站的充放电能力;同时,恢复更多的EV充换电站节点意味着操作数和操作成本的增加。当增加EV充换电站的恢复对系统恢复过程的贡献低于这部分成本时,EV充换电站的恢复比例会减少,如节点26的EV充换电站;节点7对应的EV充换电站的恢复可以在充放电能力降低到一定程度时为系统作出更多贡献,而当充放电能力继续降低时其贡献也会低于恢复成本,因此节点7的EV充换电站的恢复比例呈现先增后降趋势。节点17的EV充换电站拥有的EV数量较少,但在拓扑上临近重要负荷和节点13的黑启动机组,即恢复节点17产生的额外恢复操作成本较低。在EV放电能力减少时,其他2个节点的EV充换电站因为恢复操作成本的增加,对系统恢复的贡献越来越少,相对而言节点17的EV充换电站的恢复价值会逐渐提高,因此,节点17的恢复比例随着EV放电能力的降低而提升。

需要指出,EV充换电站在系统恢复过程中所能起到的作用与其在电力系统中的位置密切相关。在上述算例中,EV充换电站选址和EV充换电参数均是直接给定的,这只是为了说明所提出的方法的基本特征。实际上,EV充换电站选址是近年来受到普遍关注的问题,需要考虑EV负荷需求分布、交通流量、电力网络结构等多种因素。由于系统大停电事故较为少见,在对EV充换电站进行规划时,一般不考虑其在系统恢复进程中可能发挥的作用。这样,可以直接借用现有的EV充换电站选址和定容方面的研究成果来获得EV充换电站的分布。考虑到EV充换电站选址和定容不是本文的研究内容,所给出的算例只是用于说明所提出方法的可行性和有效性,因而给定了EV充换电站所在节点和相关参数。如果有实际系统参数,则可以直接采用。

4 结语

考虑到EV的调度灵活性及其向系统放电的能力,本文引入EV充换电站作为电力系统恢复的辅助资源,建立了电力系统恢复多目标优化模型,综合考虑了恢复操作、系统拓扑、恢复速度和均衡性等多个方面,可以为电力系统调度机构提供较为全面而系统的恢复辅助决策支持。EV充换电站所能提供的功率随时段而变化,这主要影响系统中非黑启动发电机组和重要负荷的恢复速度。算例结果表明,EV充换电站是否被调度而参与辅助系统恢复,与其可提供的功率有密切关系。采用NSGA-Ⅱ求得的帕累托最优解集可以作为备选恢复方案,调度机构可以根据发生停电的时间、停电状况、恢复要求等不同需要选择不同的恢复方案。

附录见本 刊网络版 (http://www.aeps-info.com/aeps/ch/index.aspx)。

摘要：间歇性可再生能源和以电动汽车为代表的主动负荷广泛接入对电力系统恢复问题提出了新的挑战。现有电力系统恢复方面的研究工作尚未系统考虑电动汽车等主动负荷接入所带来的影响。在此背景下,构建了考虑电动汽车作用的多目标系统恢复方案优化模型。首先,以电动汽车充换电站为单位,分析了电动汽车在系统恢复过程中可能提供的辅助作用。其次,结合系统停电恢复需求,提出了恢复线路最少、恢复速度最快和网架电压最均衡3个系统恢复优化目标,构建了计及电动汽车辅助作用的多目标系统恢复方案优化模型。最后,以IEEE 30节点系统为例对所建立的多目标优化模型进行了验证,并分析了电动汽车对优化系统恢复方案的作用和效果。