一种引导私家电动车分群错时响应的低谷电价调控方法

摘要

一种引导私家电动车分群错时响应的低谷电价调控方法，步骤包括利用区域电网冬季的风电出力信息、负荷信息，结合统调机组最小技术出力，统计冬季工作日与周末的弃风功率信息；利用出行链信息随机模拟PEV的出行与充电行为，统计PEV的自然充电特征信息与集群充电负荷信息；利用弃风功率信息与PEV自然充电特征信息调配PEV集群的低谷电价生效时间区间；将低谷电价生效时间方案调配到不同配电区域的充电桩电能表；确定PEV低谷充电电价。本发明技术实施难度和成本均较低；有助于PEV集群充电负荷与低谷期过剩风电的平稳互补协同，提高风电消纳率和PEV绿色化的″以电代油″率；可提高清洁电源、智能电网、绿色负荷系统的综合能效。

说明书

技术领域

本发明涉及电力系统需求侧响应技术领域，具体涉及一种引导私家电动车分群错时响应的低谷电价调控方法。

背景技术

发展可再生清洁能源与电动汽车(Plug-in Electric Vehicle，PEV)产业是我国缓解能源与环境压力、提高国民经济综合能效的重大国家战略。受电源结构不合理、电力交易机制不健全和电力产能过剩等因素影响，我国“三北”地区冬季供暖期间的弃风限电现象变得愈发严重。一旦PEV大规模普及，若采取完全自主的无序充电管理方式，则充电负荷很可能与电网常规负荷产生“峰峰叠加”效应，这不仅无助于缓解风电反调峰压力，甚至会变本加厉地增加电网调节负担并进一步加剧低谷弃风。由于我国北方一次能源呈煤多、气少、水缺的状况，若PEV在负荷高峰期扎堆充电，则电池能量将更多地来源于火电，即“以电代油”的初衷实际上被异化为“以煤代油”，导致PEV成为不了真正意义上的新能源汽车。大规模PEV的无序充电还会加剧输电系统的调控压力；无序充电负荷与常规馈线负荷“峰峰叠加”将造成配电系统局部重载，甚至危及其安全运行。此外，大规模无序充电负荷还会增加不必要的电源与输配电设备的投资与运营成本，降低负荷低谷时段电源与电网设备的利用效率。由于PEV充电负荷具备较强的时间转移潜力，若运用需求侧响应技术引导部分充电负荷有序转移至低谷时段，则可以降低PEV无序充电对电网造成的不良影响，并切实提高风电消纳率和PEV使用过程的绿色能效。

目前，常见的面向PEV有序充电的需求响应技术可分为两类。一类是将大量PEV交由中间代理管理，代理根据上层调度指令合理安排下层每辆PEV的充电计划。这类方案需配备广域闭环调控系统及复杂的调度支撑算法，控制难度与投资成本较高。为满足用户充电需 求，不得不实时或定时采集用户的充电状态信息，容易侵犯用户的隐私权；用户一旦签订相关合同，充电控制权将转归中间代理，用户的自主能动性将难以发挥。因此，车主一般会对此类方案持消极甚至反对态度。可见，采用此类方案实现PEV有序充电以提高风电消纳率，短期内还是存在较大的技术和经济障碍的。

另一类是基于峰谷分时电价引导PEV削峰填谷。目前，相关研究大多对所有PEV(充电桩)实施相同的峰谷电价政策，这虽然能够有效地把充电负荷转移到电网负荷低谷期，但因为大部分PEV车主往往会在低谷电价时段初期集中并网充电，故容易形成负荷功率短时陡升现象。这种不甚合理的电价引导方案会给电网带来新的冲击，不利于充电负荷与低谷时段过剩风电形成平稳互补基础上的协同态势，从而影响清洁电源(风电)—智能电网—绿色负荷(电动汽车)系统综合能效的进一步提高。

发明内容

发明人针对上述技术现状，利用PEV充电负荷较强的时间转移潜力，提供一种引导私家电动车分群错时响应的低谷电价调控方法。以便引导私家PEV分群、错时自主响应低谷电价，达到简化调控手段、降低调控成本和提高清洁电源(风电)、智能电网、色负荷(电动汽车)系统综合能效的目的。

本发明所采用的技术如下：一种引导私家电动车分群错时响应的低谷电价调控方法，包括以下步骤：

步骤一：利用区域电网冬季的日风电出力信息、日负荷信息，结合统调机组的最小技术出力，以充电调控日为时窗单位，统计工作日与周末的弃风功率信息；

步骤二：利用出行链信息，随机模拟PEV的出行与充电行为，以充电调控日为时窗单位，统计工作日与周末PEV在居住区的自然充电特征信息与集群充电负荷信息；

步骤三：利用步骤一统计的弃风功率信息与步骤二统计的PEV充电特征信息，制定具有分群错时响应特征的低谷电价生效时间区间；

步骤四：将步骤三的低谷电价生效时间区间方案分散调配至不同配电区域的充电桩电能表；

步骤五：确定PEV的低谷充电电价。

本发明还具有如下技术特征：

1、如上所述的步骤三中具有分群错时响应特征的低谷电价生效时间区间的制定方法如下：

步骤3.1)将步骤一统计的弃风电能占比的时段涵盖的时间区间作为弃风时段区间ε根据经验设置；

步骤3.2)将N辆PEV初步划分为CK个子集群，为便于后面优选，令CK分别等于1，2，…，针对每种子集群划分情形，以最大消纳弃风电量为目标，确定各子集群中的PEV数量，并配置对应的低谷电价生效时间区间，形成一种候选的分群错时响应的低谷电价方案；从所有低谷电价方案中优选出消纳弃风电量最多的方案。

2、如上所述的步骤四中将低谷电价生效时间区间方案调配到第m个居民小区的N^m块PEV电能表的方法如下：

4.1)把N^m块电能表划分为CK^opm组，第ck组电能表数量为：

式中：CK^opm和分别为步骤三确定的最优子集群数和第ck个子集群包含的PEV数量，N为PEV总数量，中括号[]为取整函数；

4.2)将第ck个子集群的低谷电价生效时间区间调配到该组电能表。

3、如上所述的步骤3.2)中把N辆PEV划分成CK个子集群时，各子集群低谷电价生效时间区间及子集群中包含的PEV数量的确定方法如下：

步骤3.2.1)建立车主理性响应低谷电价的集群充电负荷模型；车主理性响应低谷电价是指他们在充分享受低谷电价的同时，使PEV尽早充电。设PEV在时段i末次到家的概率为第ck个子集群理性响应低谷电价后，在时段j产生的充电负荷为

步骤3.2.2)初步配置各子集群的低谷电价生效时间区间；第ck个子集群的低谷电价生效时间区间的起始时段终止时段

步骤3.2.3)利用各时段弃风功率信息、车主理性响应低谷电价的集群充电负荷模型和初步配置的各子集群低谷电价生效时间区间，计算各子集群PEV数量ck＝1…CK；若求取的某个子集群包含的PEV数量为零，则舍弃该子集群以及为其初步配置的低谷电价生效时间区间；如此，便生成一种候选的分群错时响应的低谷电价方案。

4、如上所述的步骤3.2.1)中时段j的总充电负荷按如下式获取：

式中：为第ck个子集群理性响应低谷电价后，在时段j产生的充电负荷，按如下式获取：

i.若时段j在左侧，则

ii.若时段j在内部，则

iii.若时段j在右侧，则

式中：P_c为单车充电功率；为PEV在时段i末次到家的概率；f_i^wd为PEV在时段i充电的概率；是PEV在时段i需要充电的条件下，持续充电t个时段的概率；f_i^wd与由步骤二获取；T为最大的充电>

5、如上所述的步骤3.2.3)的求解模型如下：

目标函数：

EW→max

约束条件：

式中：EW是工作日消纳弃风电能的期望值，其计算关系如下：

其中，

式中：D^wd是冬季工作日的天数；是N辆PEV理性响应低谷电价后在时段j产生的充电负荷；是自然充电负荷；是车主理性响应低谷电价后增加的风电接纳空间；EW_j,1是时段j的时，消纳弃风电能期望值；EW_j,2是时段j的时，消纳弃风电能期望值；由于时段长度等于0.5h，故EW_j,1和EW_j,2的积分公式均应乘以0.5。

本发明的有益效果如下：

本发明的目的在于利用PEV充电负荷的时间转移潜力提供一种基于风、网、车单向协联方式的PEV集群时空有序化新型充电调控方法。

(1)本发明基于风—网—车单向协联和PEV分群错时自主响应方式，无需双向通信网络和闭环调控系统，技术实施难度和成本均较低；

(2)有助于PEV集群充电负荷与低谷时段过剩风电的平稳互补协同，提高风电消纳率和PEV绿色化的“以电代油”率；

(3)可将区域电网的PEV集群充电负荷有序引导到负荷低谷期，并将同一时段的充电负荷合理分散到不同的配电区域，在有效避免充电负荷功率短时陡升效应的基础上，可提高清洁电源(风电)—智能电网—绿色负荷(电动汽车)系统的综合能效。

附图说明

图1为低谷电价时空有序化调配方案示意图；

图2为工作日与周末各时段弃风概率；

图3为工作日与周末典型时段弃风功率概率分布；

图4为工作日与周末各时段弃风电能占总弃风电能的比例；

图5为工作日与周末各时段充电概率；

图6为工作日充电持续时间概率分布；

图7为周末充电持续时间概率分布；

图8为工作日与周末末次到家时间概率分布；

图9为工作日部分不同初始子集群划分情形的集群充电负荷曲线；

图10为周末部分不同子集群划分情形的集群充电负荷曲线；

图11为工作日不同初始子集划分情形的消纳弃风电量；

图12为周末不同初始子集群划分情形的消纳弃风电量。

具体实施方式

实施例1：

一种引导私家电动车分群错时响应的低谷电价调控方法，步骤如下：

步骤一：把当日0:00至次日6:00平均划分为60个时段，每个时 段30min，依次编号为1，2，…，60；把当日6:00至次日6:00，对应第13至第60时段，定义为一个充电调控日；调控对象为私家PEV；利用区域电网的冬季日风电出力信息、日负荷信息，结合统调机组的最小技术出力，以充电调控日为时窗单位，统计工作日与周末的弃风功率信息；

时段i的弃风概率记为弃风功率概率分布记为时段i的弃风电能占总弃风电能的比例记为i＝13，…60，其中，

式中：上标wd和we代表工作日和周末；是在时段i发生弃风的条件下，弃风功率为w的概率，w_min是最小弃风功率，w_max是最大弃风功率；

步骤二：利用出行链信息，随机模拟PEV的出行与充电行为，以充电调控日为时窗单位，统计工作日和周末PEV在居住区的自然充电特征信息与集群充电负荷信息；

时段i的充电概率记为充电持续时间概率分布记为集群充电负荷记为i＝13，…60,其中，

式中：h_i，t是PEV在时段i需要充电的条件下，持续充电t个时段的概率，T为最大的充电持续时段数，它取决于电池容量与单车充电功率；

步骤三：利用步骤一统计的弃风功率信息与步骤二统计的PEV充电特征信息，制定具有分群错时响应特征的低谷电价生效时间区间,

具体方法如下(以工作日为例，周末的制定方法与此类似)：

1)利用步骤一统计的弃风电能占比信息，将的时段涵盖的时间区间作为弃风时段区间ε根据经验设置；

2)将N辆PEV初步划分为CK个子集群，为便于后面优选，令CK分别等于1，2，…，针对每种子集群划分情形，以最大消纳弃风电量为目标，确定各子集群中的PEV数量，并配置对应的低谷电价生效时间区间，形成一种候选的分群错时响应的低谷电价方案；从所有低谷电价方案中优选出消纳弃风电量最多的方案；

当把N辆PEV划分成CK个子集群时，各子集群低谷电价生效时间区间及子集群中包含的PEV数量ck＝1，…CK，按如下步骤确定：

a)建立车主理性响应低谷电价的集群充电负荷模型；

车主理性响应低谷电价是指他们在充分享受低谷电价的同时，使PEV尽早充电,设PEV在时段i末次到家的概率为第ck个子集群理性响应低谷电价后，在时段j产生的充电负荷为其计算公式如下：

i.若时段j在左侧，则

ii.若时段j在内部，则

iii.若时段j在右侧，则

式(3)-(5)中：P_c为单车充电功率,

所有PEV子集群理性响应各自的低谷电价后，在时段j产生的总充电负荷为：

b)初步配置各子集群的低谷电价生效时间区间；

第ck个子集群的低谷电价生效时间区间的起始时段终止时段

c)利用各时段弃风功率信息、车主理性响应低谷电价的集群充电负荷模型和初步配置的各子集群低谷电价生效时间区间，构建如下优化模型：

目标函数：

EW→max (7)

约束条件：

式中：EW是工作日消纳弃风电能的期望值，其计算关系如下：

其中，

式中：D^wd是冬季工作日的天数；是N辆PEV理性响应低谷电价后在时段j产生的充电负荷；是自然充电负荷；是车主理性响应低谷电价后增加的风电接纳空间；EW_j,1是时段j的时，消纳弃风电能期望值；EW_j,2是时段j的时，消纳弃风电能期望值；由于本发明中的时段长度等于0.5h，故EW_j,1和EW_j,2的积分公式均应乘以0.5,该目标函数一般不存在解析式，采用智能算法求解；

d)利用上述优化模型计算各子集群包含的PEV数量ck＝1…CK；若求取的某个子集群包含的PEV数量为零，则舍弃该子集群以及为其初步配置的低谷电价生效时间区间；如此，便可生成一种候选的分群错时响应的低谷电价方案；

步骤四：将步骤三优选出的分群错时响应的低谷电价方案调配至不同配电区域的充电桩电能表；

设最优方案对应的PEV子集群数为CK^opm，第ck个子集群包含的PEV数为N辆PEV总共分散在M个居民小区中，第m个居民小区PEV电能表的数量为N^m,于是，将低谷电价方案调配至第m个居民小区的步骤为：

1)把N^m块电能表划分为CK^opm组，第ck组电能表数量为：

式中：中括号[]为取整函数，ck＝1，…，CK^opm；

2)设置各组电能表低谷电价生效时间区间：将第ck组电能表的低谷电价生效时间区间设置为

对M个居民小区内所有PEV的电能表，均按上述步骤设置低谷电价生效时间区间，即可完成N辆PEV低谷电价方案的空间调配工作；

步骤五：确定PEV的低谷充电电价

为保证公平，本发明对各PEV采用相同的低谷充电电价；为确保车主积极响应，低谷电价与普通充电电价差值应超过车主的心理阈值；该阈值可通过事前调研获取。

实施例2：

下面结合附图，以北方某区域电网与我国现有的主流PEV型号为例，对本发明作进一步说明。

该区域电网主要向7个大城市供电。经实际调研，2015年，这7个城市机动车总量为1247万辆。若模拟私家PEV规模发展至占总车辆数的16％，则为200万辆，即N＝2×10⁶。电源装机见表1，各类型PEV比例与典型参数见表2。车主SOC心理阈值与比例见表3。

步骤一：随机抽取该电网冬季日风电出力数据、日负荷数据，结合统调机组的最小技术出力，统计工作日与周末(充电调控日)各时段弃风功率信息。

表1 电网电源装机情况

表2 目前国内四类主流电动车型比例与典型参数

表3 不同充电习惯的车主SOC心理阈值与比例

工作日与周末(均指充电调控日)各时段弃风概率如图2所示； 典型时段(时段54，次日2:30-3:00)的弃风功率概率分布如图3所示；各时段弃风电能占总弃风电能的比例如图4所示。由图2和图4可知，弃风主要发生在夜间负荷低谷时期，由于负荷低谷期负荷先减少后增大，使得风电消纳空间先减少后增大，所以负荷低谷时段的弃风概率与弃风电能占比呈现先增大后减小的趋势；本实施例将弃风电能占总弃风电能比例大于0.01的时段组成的时间区间作为弃风时间区间，由图4可知工作日与周末的弃风时间区间均为[47,60](对应当日23:00-次日6:00，共14个调度时段)。

步骤二：按表2计算各类型PEV数量，并进一步按表3计算各类型各充电习惯的PEV数量；采用北京交通发展中心的出行数据构建出行链数据库，对各类型各充电习惯PEV的出行与充电行为进行蒙特卡诺模拟。PEV每次驻停时，如果当前的电池电量与下次出行所需电量之差小于车主的心理阈值(电池容量与车主SOC心理阈值的乘积)，则该PEV会在本次驻停期间充电。

各时段充电概率见图5。蒙特卡诺模拟显示,大部分时段的充电持续时间概率分布差异性不大，本实施例将6:30-16:00与16:00-次日3:00的充电持续时间概率分布分别合并统计，结果见图6与图7。

步骤三：调配200万辆PEV的低谷电价生效时间区间。

采用粒子群算法求解(7)-(10)的优化模型，计算初始子集群数分别为1，2，…14时，各子集群包含的PEV数、低谷电价生效时间区间与消纳的弃风电量。按上述方法形成14个候选的低谷电价方案，从中优选消纳弃风电量最多的方案。其中，计算理性响应低谷电价的集群充电负荷所需的PEV末次到家时间分布见图8。初始子集群数分别为1，3，5，7，9时，工作日与周末的集群充电负荷曲线见图9和图10。初始子集群数分别为1，2…14时消纳的弃风电量见图11和图12。

随着初始子集群数的增多，集群充电负荷功率在负荷低谷期的上升坡度逐渐变缓，充电负荷分布愈加分散，这使得消纳弃风电量呈先 增大后减小趋势。工作日与周末的PEV子集群数均为7时，消纳弃风电量最大，分别为460GW.h和194GW.h。工作日与周末的低谷电价时间方案如表4所示。由表4可知，第2个子集群在工作日与周末的PEV数为零，第4个子集群在工作日的PEV数为零。

表4 子集群包含的PEV数量及对应的低谷电价生效时间区间

步骤四：将表4的低谷电价生效时间区间方案分散调配到车主充电桩的电能表上。假设这200万辆PEV分散在不同配电区域的23000个居民小区中。以包含90块PEV电表的某个居民小区为例，阐述低谷电价生效时间区间方案的空间调配方法。

1)将该小区的PEV电能表分为7组，并按式(11)计算各组电能表的数量，结果见表5；

2)按表5方案设置该小区每块PEV电能表的低谷电价生效时间区间。

按上述方法设置每个居民小区PEV电能表的低谷电价生效时间区间，即可完成表4所示低谷电价生效时间方案的空间调配工作。

步骤五：确定PEV的低谷充电电价。为保证公平，应对各PEV采用相同的低谷充电电价；为确保车主积极响应，低谷电价与普通充 电电价差值应超过车主的心理阈值；该阈值可通过事前调研获取。将确定好的PEV低谷电价设置在各小区PEV电能表上即可。

实施例3：

节能减排效益分析

对实施例1的区域电网进行PEV集群时空有序化调控后，车主可以就地(就近)自主理性响应所在小区PEV电能表提示的低谷电价方案。在此调控模式下，每年可多消纳弃风电能654GW.h，节约煤炭215820t(该电网的火电平均供电煤耗为330g/kW.h)。按1t标煤排放2.66t二氧化碳计算，全年可减排二氧化碳574081t。该电网火电企业的排污情况见表6。按表6的排污结果，实施本发明的有序充电方案每年减少34870t烟尘，964t SO₂；直排方式、低氮燃烧及低氮燃烧加脱销三种方式下可分别减少578t、410t、276t氮氧化物。

表5 某居民小区的PEV低谷电价生效时间区间方案

表6 该电网火电企业的排污结果

注:1直排方式；2低氮燃烧方式；3低氮燃烧加脱销方式 。