发布时间: 2019-04-10
摘要点击次数:
全文下载次数:
DOI: 10.3969/j.issn.1006-4729.2019.02.008
2019 | Volume 35 | Number 2

V2G模式下电动汽车的有序充放电策略

王皓靖¹, 王育飞², 张宇¹, 方陈¹, 薛花², 王成龙²

1. 国网上海市电力公司电力科学研究院, 上海 200090;

2. 上海电力学院, 上海 200090

收稿日期: 2018-04-18

基金项目: 国家重点研发计划项目(2016YFB0101800);国家电网公司总部科技项目(520940170017)

中图法分类号: U496.72;TM910.6

文献标识码: A

文章编号: 1006-4729(2019)02-0137-06

摘要

电动汽车规模化接入电网会对配电网的安全运行造成负面影响, 研究如何控制电动汽车的充放电过程有利于配电网的安全经济运行。以削峰填谷作为优化目标, 建立了基于电动汽车与电网互动(V2G)技术的光储式电动汽车充电站系统模型, 提出了电动汽车定时模式、定峰模式、负荷整形模式以及V2G与储能配合模式4种有序充放电策略。基于MATLAB软件平台的算例仿真结果表明, 所提策略可在一定程度上起到削峰填谷的作用, 验证了所提策略的可行性和有效性。

关键词

削峰填谷; V2G; 有序充电; 光储式充电站

On Sequential Charging and Discharging Strategy of Electric Vehicle in V2G Mode

WANG Haojing¹, WANG Yufei², ZHANG Yu¹, FANG Chen¹, XUE Hua², WANG Chenglong²

1. State Grid Shanghai Electric Power Research Institute, Shanghai 200437, China;

2. Shanghai University of Electric Power, Shanghai 200090, China

Abstract

Large-scale access of electric vehicles to the power grid has a negative impact on the safe operation of the distribution network.The study on how to control the charging and discharging process of electric vehicles is conducive to safe and economical operation of the distribution network.Taking peak load shifting as the optimization target, the V2G-based PV charging station system model is established.Four sequential charge and discharge strategies are proposed:electric vehicle timing mode, fixed peak mode, load shaping, V2G and energy storage coordination.The simulation results based on the MATLAB/Simulink software platform show that the proposed strategy can play a role of peak load shifting to a certain extent, and verify the feasibility and effectiveness of the proposed strategy.

Key words

peak load shifting; vehicle to grid; orderly charging; PV charging station

电动汽车(Electric Vehicle, EV)作为动态负荷, 其充电行为具有很强的随机性, 对电网的影响不容忽视。大规模电动汽车无序充电会降低电网运行的经济性、稳定性和可靠性, 危害电网的安全运行^[1-3], 所以有必要采取适当的控制策略来引导电动汽车用户进行有序充电, 以改善目标区域电网的负荷特性。

为充分发挥电动汽车车载储能电池能量双向流动的特性, 电动汽车与电网互动(Vehicle to Grid, V2G)技术已成为当下的研究热点^[4-6]。V2G技术通过设定电动汽车充放电约束条件, 使其满足有序充放电策略的要求, 从而实现对电网负荷曲线削峰填谷的效果。

本文基于V2G技术, 提出了电动汽车定时模式、定峰模式、负荷整形模式以及V2G与储能配合4种有序充放电策略。通过MATLAB/Simulink的算例仿真对4种模式的仿真结果进行了分析对比, 验证了所提策略的可行性和有效性。

1 光储式V2G充电站系统建模

1.1 V2G特性分析

搭建V2G充放电系统模型如图 1所示。该模型属于两级型拓扑结构。当电动汽车充电时, 电网作为供电电源, 经整流后通过DC/DC变换器向电动汽车充电; 当电动汽车向电网反馈电能时, 电动汽车车载动力电池作为电源, 经过DC/DC升压变换以及脉冲宽度调制(Pulse Width Modulation, PWM)变流器逆变为交流电后送入电网^[7]。在电动汽车充放电过程中, 无功功率始终为零, 电动汽车负载功率因数近似为1.0。

图 1 V2G充放电系统结构

根据应用对象的不同, 可将V2G的实现方法分为集中式V2G、自治式V2G、基于微电网的V2G和基于更换电池组的V2G 4类^[8]。集中式V2G是指通过聚集特定区域内的电动汽车, 按照电网需求对电动汽车车载电池能量进行统一调度, 并由相应的管理策略来控制单台电动汽车充放电的过程。由于采用统一的调度和集中式的管理, 因而易于实现整体上的最优。此外, 这种方式具有可控性强的特征, 可调度的电能也相对充裕。

1.2 光储式电动汽车充电站系统建模

基于上海汽车城相关项目的实际数据, 搭建如图 2所示的含有电网供电、光伏电源、V2G充电桩、基础负荷(普通充电桩、照明负荷)和储能电池的光储式充电站, 从而为电动汽车有序充放电策略的设计提供基础平台。

图 2 光储式充电站系统结构

光储式充电站主电路拓扑与直流微电网结构类似。它利用光伏发电和储能系统与电网供电相结合的方式, 可充分利用光伏发电^[9-11]。太阳光照强度在12:00左右最大, 此时光伏电源出力最大。但光照强度具有间歇性、波动性的特点, 储能电池可以弥补能量缺额, 其与光伏的配合使用有利于光伏能源的就地消纳, 同时可在一定程度上改善电网的负荷曲线。

图 2中, 电网侧实际负荷表示为基础负荷功率减去光伏功率。基础负荷在24 h内的不同时段负荷值P_Load不同, 其最大值可表示为P_Load-max。实际负荷曲线在上午9:00以及夜间20:00左右存在负荷高峰。

为有效实现V2G技术, 应首先检测电动汽车车载锂电池荷电状态(State of Charge, SOC)是否符合充放电要求。为方便考虑, 认为在规定充放电时间段内储能电池与车载动力电池均可支配。

2 有序充放电控制策略

本文提出了电动汽车定时模式、定峰模式、负荷整形模式以及V2G与储能配合模式4种有序充放电策略。其中, 定时模式、定峰模式以及负荷整形模式下单独使用车载储能电池调整负荷曲线; V2G与储能配合模式采用车载电池与储能电池共同改善负荷曲线。

控制策略以电动汽车为主要削峰填谷的电源, 同时配以储能电池。针对确定的24 h负荷曲线, 在满足每辆连网电动汽车的SOC以及每辆电动汽车充放电可变功率的前提下削峰填谷, 平抑负荷曲线。

2.1 定时模式策略

据统计, 电动汽车平均每天有90%的时间处于闲置状态, 这为V2G定时充电模式提供了可能。

在峰荷时段将可调度的电动汽车进行集中放电; 在谷荷时段则集中充电, 从而达到削峰填谷的目的。

图 3为定时模式流程。

图 3 定时模式流程

定时模式只需在设定好充放电时间后, 判断当前是否处于充电时段以及车载电池是否满足充电条件, 即可向动力电池发出指令。

2.2 定峰模式策略

以负荷量作为边界条件, 在满足边界条件时, 将V2G系统中的电动汽车集群进行集中充放电, 以实现电网负荷曲线削峰填谷。负荷量的选取由变压器容量决定, 当设定参量超过变压器额定容量的80%时, 电动汽车放电; 当设定参量低于变压器额定容量的70%时, 电动汽车充电; 设定参量在变压器额定容量的70%~80%时, 电动汽车不参与负荷曲线的调整。上边界条件(定峰上限)功率和下边界条件(定峰下限)功率分别用P_Higher-limit和P_Lower-limit表示。图 4为定峰模式流程。

图 4 定峰模式流程

在设置好定峰上下限后, 对负荷曲线所在区间进行检测, 并判断电动汽车车载电池是否满足充放电条件, 随后向车载动力电池发出充放电指令。

2.3 负荷整形模式策略

以负荷曲线的平均值作为基准负荷功率P_Base, V2G充电桩以可变功率充放电。通过实时计算当前负荷功率与设定值的差值ΔP₁判断电动汽车充放电状态。图 5为负荷整形模式流程。

图 5 负荷整形模式流程

首先设定基准负荷功率P_Base, 然后检测并计算ΔP₁。若ΔP₁为零, 则电动汽车不进行充放电操作; 若ΔP₁不为零, 则电动汽车进行充放电操作。

2.4 V2G与储能配合模式策略

在负荷整形模式的基础上, 将ΔP₁超出电动汽车充放电功率范围的部分表示为ΔP₂, 通过储能电池消纳ΔP₂以实现对电网负荷曲线的进一步削峰填谷。图 6为V2G与储能配合模式流程。图 6中, P_EV为V2G充电桩的充放电功率, P_BA为储能电池的充放电功率。

图 6 V2G与储能配合模式流程

V2G与储能配合模式是在负荷整形的基础上引入储能电池, 通过对ΔP₁超出电动汽车充放电功率范围的部分ΔP₂进行补偿而实现。

3 算例分析

设P_Grid为电网功率; P_Solar为光伏电源功率; P_V2G为VAG充电桩功率; P_Battery为储能电池功率; 当V2G充电桩以及储能电池未投入使用时, 光储式充电站的负荷由普通充电桩和照明负荷组成, 其供电电源由电网与光伏共同构成。此时有功功率曲线如图 7所示。由图 7可知, 电网负荷曲线峰谷差为153.8 kW。

图 7 光储式充电站基本功率

表 1所示为系统部分参数。

表 1 系统部分参数 kW

下载CSV

V2G充电桩功率P_V2G	储能电池额定功率P_Battery	光伏电源最大出力P_PV-max	基准负荷功率P_Base	定峰上限功率 P_Higher-limit	定峰下限功率 P_Lower-limit	普通负荷最大功率 P_Load-max
30	130	82	248.4	267.9	232.1	320

3.1 无序充放电仿真结果与分析

无序充放电场景下, 假设电动汽车的充电时间安排在7:00~12:00, 电动汽车以30 kW的功率进行充电; 电动汽车的放电时间安排在12:00~17:00, 电动汽车以30 kW的功率放电。进行无序充放电得到24 h负荷曲线如图 8所示。

图 8 无序充放电系统功率

由图 8可知, 电动汽车的无序充放电模式可在一定程度上扩大负荷曲线峰谷差值, 此时负荷曲线峰谷差值相较V2G充电桩未投入使用的情况增大为179.3 kW。

3.2 定时模式仿真结果与分析

定时有序充放电模式下, 电动汽车在1:00~6:00进行充电, 18:00~23:00进行放电。V2G充电桩以可变功率充放电, 其额定充放电功率为30 kW。图 9为定时模式下的功率曲线。

图 9 定时模式系统功率

由图 9可知, 定时模式策略使得峰谷差减小为123.8 kW。但由于V2G充电桩的额定功率为30 kW, 因此当瞬时负荷超过平均值±30 kW时, 将无法进一步改善负荷曲线。

3.3 定峰模式仿真结果与分析

定峰模式规定了V2G充电桩具体工作计划, 根据日负荷曲线选择定峰上限(267.9kW)与定峰下限(232.1kW), 从而将负荷曲线的波动平抑在定峰区间内。此时功率曲线如图 10所示。

图 10 定峰模式系统功率

由图 10可知, 定峰模式的控制更加灵活, 电动汽车的充放电随着负荷曲线在定峰边界而变化, 其削峰填谷的效果更好, 峰谷差降低为93.8 kW。

3.4 负荷整形模式仿真结果与分析

负荷整形策略是在定峰模式的基础上将定峰区间宽度压缩为零, 选取基准负荷功率P_Base为248.4 kW。图 11为负荷整形模式下的功率曲线。

图 11 负荷整形模式系统功率

由图 11可知, 负荷整形模式在很大程度上使得负荷曲线近似平整, 峰谷差降低到93.8 kW。但受限于V2G充电桩功率, 无法进一步降低峰谷差。

3.5 V2G与储能配合模式仿真结果与分析

V2G与储能配合模式的实质是在负荷整形模式的基础上引入储能电池, 将V2G充电桩无法消纳的部分功率进行平抑或补偿。储能电池的容量便于调整掌控, 其电能也易于调度。

V2G与储能配合模式下的功率变化曲线如图 12所示。

图 12 V2G与储能配合模式系统功率

由图 12可知, 由于储能电池可补偿ΔP₁超出电动汽车车载电池的功率部分ΔP₂, 所以在系统设定功率内, 将负荷曲线近似优化为直线, 峰谷差约为零。

表 2为不同充放电策略下负荷数据对比。由表 2可知, 本文设计的4种电动汽车有序充放电控制策略可有效改善负荷曲线, 其中V2G与储能配合模式对负荷曲线整形效果最佳。

表 2 不同充放电策略下负荷数据对比kW

下载CSV

运行模式	功率峰值	功率谷值	峰谷差
不含V2G	333.0	179.2	153.8
无序充放电	333.0	153.7	179.3
定时模式	303.0	179.2	123.8
定峰模式	303.0	209.2	93.8
负荷整形模式	303.0	209.2	93.8
V2G与储能混合模式	248.4	248.4	0

4 结语

相比于电动汽车无序充放电的场景, 本文提出的基于V2G技术的4种电动汽车有序充放电控制策略均能有效降低电网负荷曲线的峰谷差, 在相同负荷功率设定范围内, V2G与储能混合模式对负荷曲线的削峰填谷效果最佳。由于本文负荷模型容量较小, 所选取的电动汽车充电桩数量有限, 因此下一步将针对大规模V2G对区域负荷曲线产生的影响展开研究。

参考文献

[1]

电动汽车协调充放电对电网的影响[J]. 上海电力学院学报, 2015, 31(1): 7-10.

[2]

TENG J H, LIAO S H, WEN C K. Design of a fully decentralized controlled electric vehicle charger for Mitigating charging impact on power grids[J]. IEEE Transactions on Industry Applications, 2017, 53(2): 1497-1505. DOI:10.1109/TIA.2016.2622221

[3]

电动汽车充放电对电网影响研究综述[J]. 电力系统保护与控制, 2013, 41(3): 140-148. DOI:10.7667/j.issn.1674-3415.2013.03.025

[4]

一种V2G模式下计及开断概率和负荷转移概率的配电网可靠性评估算法[J]. 电网技术, 2014, 38(8): 2213-2219.

[5]

具有V2G功能的电动汽车快速充放电方法[J]. 电力自动化设备, 2014, 34(2): 30-34. DOI:10.3969/j.issn.1006-6047.2014.02.006

[6]

应用于V2G的AC/DC矩阵变换器[J]. 中国电机工程学报, 2013, 33(9): 34-41.

[7]

电动汽车蓄电池双向充放电系统的研制[J]. 上海电力学院学报, 2017, 33(1): 44-48.

[8]

电动汽车V2G技术综述[J]. 电工技术学报, 2012, 27(2): 121-127.

[9]

基于混合储能技术的光储式充电站直流微网系统协调控制[J]. 高电压技术, 2016, 42(7): 2073-2083.

[10]

CHAUDHARI K, UKIL A, KUMAR K N, et al. Hybrid optimization for economic deployment of ESS in PV-integrated EV charging stations[J]. IEEE Transactions on Industrial Informatics, 2018, 14(1): 106-116. DOI:10.1109/TII.2017.2713481

[11]

CHEN Q F, WANG F, HODGE B M, et al. Dynamic price vector formation model-based automatic demand response strategy for PV-assisted EV charging stations[J]. IEEE Transactions on Smart Grid, 2017, 8(6): 2903-2915. DOI:10.1109/TSG.2017.2693121