李敏，蘇小林，閻曉霞，張艷娟

（山西大學(xué)，山西太原 030001）

我國已制定和頒布了適合國情的電動汽車發(fā)展規(guī)劃，以推進(jìn)電動汽車產(chǎn)業(yè)化進(jìn)程，提高車網(wǎng)融合程度[1-4]。電動汽車大規(guī)模接入電網(wǎng)，將對電力系統(tǒng)規(guī)劃和運(yùn)行帶來諸多方面的影響，尤其是配電網(wǎng)。在配電網(wǎng)中，電動汽車無論是通過分布式的充電樁接入，還是通過集中式充換電站接入，在無序充電的情況下，將會導(dǎo)致配電網(wǎng)升級擴(kuò)容壓力[5]。采用電動汽車時空協(xié)調(diào)的有序充電控制，可以實現(xiàn)在滿足電動汽車用戶充電需求的前提下，最大限度地利用現(xiàn)有配電網(wǎng)并減少其對配電網(wǎng)的影響。作為電網(wǎng)友好型設(shè)備，采用V2G（vehicle to grid）技術(shù)依靠先進(jìn)的通信基礎(chǔ)設(shè)施及通信協(xié)議，電動汽車和電網(wǎng)之間能量與信息的雙向互動將得以實現(xiàn)[5-6]。電動汽車可以為電網(wǎng)提供輔助服務(wù)[7]，如調(diào)頻，增加旋轉(zhuǎn)備用等，不僅能減小對電網(wǎng)產(chǎn)生的負(fù)面影響，而且可以為電動汽車用戶增加額外收益，實現(xiàn)電網(wǎng)企業(yè)與電動汽車用戶的雙贏。

電動汽車規(guī)模接入電網(wǎng)的研究工作涉及諸多方面，如商業(yè)運(yùn)營模式、充換電站規(guī)劃、新能源與電動汽車聯(lián)合調(diào)度、機(jī)組組合、有序充放電控制策略、充換電設(shè)備等，本文僅對電動汽車有序充放電控制與利用的最新研究進(jìn)展進(jìn)行評述，并指出可能的研究方向。

1 充電負(fù)荷計算

充電負(fù)荷是研究有序充電問題的基礎(chǔ)。目前，對充電負(fù)荷的建模和計算有確定性方法和不確定性方法2類。

1.1 確定性充電負(fù)荷計算

確定性方法是假設(shè)傳統(tǒng)汽車電動化后不會對原有出行需求產(chǎn)生影響。此方法以傳統(tǒng)汽車的原有確定性出行數(shù)據(jù)為基礎(chǔ)，結(jié)合電動汽車滲透率，計算電動汽車充電負(fù)荷[8-9]。確定性出行數(shù)據(jù)可取自車載GPS行駛數(shù)據(jù)記錄統(tǒng)計或政府部門公布的車輛調(diào)查結(jié)果。

這種方法沒有考慮影響電動汽車充電的諸多不確定性因素，如電池的荷電狀態(tài)（state of charge，SOC）、充電時間、充電地點等。這些影響因素隨機(jī)性大，所以采用確定性方法對電動汽車充電負(fù)荷進(jìn)行建模誤差較大。

1.2 不確定性充電負(fù)荷計算

不確定性方法是將電動汽車充電作為一個隨機(jī)過程，以概率統(tǒng)計方法來計算充電負(fù)荷。目前，對這類方法的研究和應(yīng)用主要集中在蒙特卡洛仿真法[10-16]和基于充電站的充電負(fù)荷仿真法[17-19]。

蒙特卡洛仿真法的實質(zhì)是通過大量隨機(jī)試驗來建模，當(dāng)試驗次數(shù)趨于無窮大時，可用事件出現(xiàn)的頻率來近似作為事件概率[10-11]。其基本步驟如圖1所示。

圖1 蒙特卡洛仿真法基本步驟Fig.1 Basic steps of the Monte Carlo Simulation method

1）通過分析，構(gòu)造出或擬合出影響電動汽車充電負(fù)荷關(guān)鍵因素的概率密度。

2）采用蒙特卡洛仿真法隨機(jī)抽取獲得關(guān)鍵因素的值，計算出每一臺車的充電負(fù)荷曲線，疊加得到所有車輛總充電負(fù)荷曲線。

3）檢驗總充電負(fù)荷曲線是否收斂。重復(fù)過程2）直至滿足收斂精度要求。求所有總充電負(fù)荷曲線的期望。

蒙特卡洛仿真法的關(guān)鍵在于構(gòu)造出符合實際的影響充電負(fù)荷關(guān)鍵因素的概率密度。例如，文獻(xiàn)[12]對電動汽車進(jìn)行分類，針對不同行駛行為的電動汽車構(gòu)造出起始荷電狀態(tài)和充電時間的概率密度；文獻(xiàn)[13]采用實際數(shù)據(jù)擬合出起始充電時刻和日行駛里程的概率密度；與文獻(xiàn)[13]類似，文獻(xiàn)[14-16]也從不同的角度出發(fā)得到充電功率的概率分布；文獻(xiàn)[8]以條件概率的形式考慮了行駛距離和出行時刻之間的相關(guān)性，成功地得到了更為精確的充電負(fù)荷仿真結(jié)果。

蒙特卡洛仿真法的不足之處在于只能得到時序上的充電負(fù)荷曲線，無法將電動汽車的空間分布考慮在內(nèi)，只能在時間維度上宏觀地反映電動汽車的充電需求。

基于充電站的充電負(fù)荷仿真法[17-19]，主要是根據(jù)實際交通流量和排隊論模型，以充電站為研究對象對電動汽車的充電行為進(jìn)行仿真。其仿真的基本步驟為：

1）根據(jù)充電站或居民小區(qū)不同的仿真場景，采用不同的排隊論概率分布模型。隨機(jī)抽取在同一時刻正在充電的電動汽車數(shù)量n。

2）對這n臺電動汽車中的每一輛電動汽車，隨機(jī)選擇為不同類型的電動汽車，隨機(jī)選擇行駛里程等相關(guān)參數(shù)。

3）隨機(jī)抽取充電時間并計算出充電功率，最終計算出所有車輛的總充電功率。

如圖2所示，這種方法的優(yōu)勢在于可對電動汽車的到站、排隊等候和充電進(jìn)行全過程仿真。

圖2 充電站內(nèi)排隊論模型示意圖Fig.2 The model of queuing theory in the charging station

針對不同的充電站所進(jìn)行的仿真，實際上已將電動汽車的空間不確定性考慮在內(nèi)了。在已有研究中，有的研究是基于充電站的電動汽車不受控制的假設(shè)進(jìn)行的[17]，未考慮電動汽車的有序充電情況；有的研究是基于流體動力學(xué)模型預(yù)測到達(dá)某一充電站待充電的電動汽車數(shù)量，再以排隊論進(jìn)行充電負(fù)荷曲線預(yù)測[18]，但研究中只涉及高速公路網(wǎng)上的充電站，未涉及一般城市路網(wǎng)的分析。

2 電動汽車規(guī)模接入對電網(wǎng)產(chǎn)生的影響

電動汽車大規(guī)模接入配電網(wǎng)，由于其充電時間、地點的高度隨機(jī)性，會對配電網(wǎng)網(wǎng)損，電能質(zhì)量，可靠性，穩(wěn)定性等方面產(chǎn)生影響[20-28]。國內(nèi)外專家學(xué)者在該方面做了大量的研究工作，迄今為止，大部分研究集中在網(wǎng)損和電能質(zhì)量兩方面。

2.1 對配電網(wǎng)網(wǎng)損的影響

電動汽車規(guī)模化接入增加了配網(wǎng)負(fù)荷，改變了潮流分布，主要影響配網(wǎng)饋線和變壓器的損耗。文獻(xiàn)[21]分析表明電動汽車在高滲透率下，峰荷時段充電最高可增加40%的網(wǎng)損。文獻(xiàn)[22]采用蒙特卡洛仿真法研究了充電負(fù)荷對兩個島嶼配電網(wǎng)網(wǎng)損的影響。文獻(xiàn)[23]研究了不同滲透率下的電動汽車充電負(fù)荷對100 kV·A配電變壓器的有功損耗、溫度、老化速度的影響。并預(yù)測在2020年25%的汽車電動化后，由于配電變壓器的損耗和油溫限制，現(xiàn)有配電網(wǎng)將無法接納電動汽車的充電需求。

2.2 對配電網(wǎng)電能質(zhì)量的影響

對電能質(zhì)量的影響研究主要集中在充電產(chǎn)生的諧波污染、電壓跌落和三相不平衡。電動汽車的充電方式有快充和慢充，有直流充電和交流充電，應(yīng)該注意到不同充電方式、不同充電機(jī)對電能質(zhì)量的影響也有所區(qū)別。

電動汽車充電負(fù)荷屬于非線性負(fù)荷，單臺電動汽車充電產(chǎn)生的諧波污染微不足道，但多臺電動汽車同時充電產(chǎn)生的諧波對配電網(wǎng)的影響不容忽視[24]，持續(xù)畸變的諧波會增加變壓器損耗，引起變壓器溫升，加速變壓器老化和過早故障。也有研究指出電動汽車在夜間充電，將成為電網(wǎng)主要的諧波源[25]。

高滲透率充電導(dǎo)致的電壓跌落也同樣不容忽視，文獻(xiàn)[26]對一個典型的低壓配電饋線系統(tǒng)進(jìn)行實驗，表明當(dāng)電動汽車滲透率達(dá)到20%～40%時，配電網(wǎng)將到達(dá)安全運(yùn)行的極限；當(dāng)滲透率超過40%時，三相電壓將降低到0.8 pu。充電地點的變化對配電網(wǎng)電壓影響較大，由于接入地點的隨機(jī)性，充電負(fù)荷將產(chǎn)生嚴(yán)重的三相不平衡問題[26]，在研究時需要將三相分開研究。

2.3 對配電網(wǎng)可靠性的影響

規(guī)?；妱悠囄唇?jīng)合理的調(diào)度和管理接入電網(wǎng)，會增加電網(wǎng)負(fù)荷峰值，若不能增加額外的發(fā)電量，就會損失部分負(fù)荷。此外，大量電動汽車集中在某節(jié)點接入配電網(wǎng)，很可能導(dǎo)致配電網(wǎng)阻塞，降低配電網(wǎng)的供電可靠性。因此，有研究者提出應(yīng)采用V2G技術(shù)，即在需要時由電動汽車反向電網(wǎng)提供額外的電能。通過優(yōu)化電動汽車充電和放電，在負(fù)荷低谷時充電，在負(fù)荷高峰時釋放額外電能，以達(dá)到削峰填谷的效果，增加供電可靠性[27]。

2.4 對電網(wǎng)穩(wěn)定性的影響

高滲透率電動汽車接入電網(wǎng)，特別是大量采用V2G技術(shù)后，會在電網(wǎng)和電動汽車之間增加許多雙向潮流。當(dāng)電動汽車群響應(yīng)動態(tài)電價，頻繁在充電和放電之間切換，將會在網(wǎng)絡(luò)上產(chǎn)生大量的功率搖擺，勢必會影響電網(wǎng)穩(wěn)定性。因此，已有研究針對電動汽車群充放電切換產(chǎn)生的功率搖擺，通過優(yōu)化廣域控制系統(tǒng)的調(diào)制指數(shù)，增加系統(tǒng)的阻尼，以減小其對電網(wǎng)穩(wěn)定性的影響[28]。

3 電動汽車有序充電控制

電動汽車有序充電控制可以有效緩解大規(guī)模電動汽車接入電網(wǎng)所帶來的負(fù)面影響。按照電動汽車用戶的充電行為是否接受電網(wǎng)或第三方控制，可分為直接控制和間接控制兩類，如圖3所示。

圖3 電動汽車有序充電控制分類Fig.3 The category of PEV coordinated charging control methods

3.1 直接控制

直接控制是基于全部或部分電動汽車充電行為受電網(wǎng)或第三方操縱的控制模式。按照時空兩個維度可細(xì)分為時間可控[29-34]和空間可控[35]。其中，時間可控即優(yōu)化控制電動汽車用戶充電的時間，如起始充電的時間，充電時長等；空間可控即控制用戶充電的位置，如駛達(dá)哪個充電站或充電樁進(jìn)行充電。時間控制和空間控制不可分離，但在理論研究上可以進(jìn)行一些假設(shè)進(jìn)行簡化，如充電設(shè)施覆蓋密度很大，可只研究時間維度的有序控制。目前大多數(shù)研究側(cè)重于在時間維度上進(jìn)行優(yōu)化。

有序充電控制本質(zhì)上是優(yōu)化問題。由于優(yōu)化的目標(biāo)函數(shù)多種多樣，控制策略各不相同，優(yōu)化求解方法也不盡相同。如何構(gòu)建符合實際的目標(biāo)函數(shù)，快速高效的求解方法是解決有序充電問題的關(guān)鍵。

早期文獻(xiàn)采用單一目標(biāo)函數(shù)進(jìn)行優(yōu)化：如以第三方運(yùn)營的充電站利潤為目標(biāo)函數(shù)[29]；以配網(wǎng)網(wǎng)損為目標(biāo)函數(shù)[30]，通過優(yōu)化電動汽車充電功率，使網(wǎng)損最小。為減少計算時間并加快收斂速度，文獻(xiàn)[31]進(jìn)一步提出以負(fù)荷率和負(fù)荷方差代替網(wǎng)損作為目標(biāo)函數(shù)。

寶寶的哭鬧都有個原因，簡單地說，就是“無路可走”。這個“路”包括兩個方面：一是滿足要求，一是獲得情緒上的撫慰，讓寶寶感覺自己受到關(guān)愛。

相比于單一目標(biāo)函數(shù)，采用多目標(biāo)函數(shù)分層進(jìn)行優(yōu)化更具有實際指導(dǎo)價值：如以發(fā)電成本和網(wǎng)絡(luò)損耗為目標(biāo)函數(shù)[32]；以響應(yīng)分時電價和負(fù)荷波動最小為目標(biāo)函數(shù)[33]，實施兩層優(yōu)化的有序充電控制等。

恰當(dāng)?shù)募s束條件對優(yōu)化結(jié)果也至關(guān)重要，一般采用配電變壓器容量、用戶充電需求[29]和電網(wǎng)安全[30]等作為約束條件。文獻(xiàn)[34]新增加了節(jié)點電壓波動作為約束條件，設(shè)定只有在電壓波動最大節(jié)點的波動在限值范圍內(nèi)時才能進(jìn)行充電。

在時間可控的基礎(chǔ)上，已有研究者開始考慮空間可控的問題。例如，文獻(xiàn)[35]假定充電負(fù)荷在各充電站均勻分配的條件下，以到充電站的路程、充電時間最小為目標(biāo)函數(shù)，采用粒子群算法和遺傳算法分別對問題進(jìn)行優(yōu)化求解，研究電動汽車充電負(fù)荷的空間優(yōu)化分配問題。但存在的問題是負(fù)荷均勻分配是否為配電網(wǎng)運(yùn)行的最佳狀態(tài)，同時也需要進(jìn)一步考慮用戶改變充電地點的成本等問題。

3.2 間接控制

間接控制方法通過電價機(jī)制對電動汽車充電進(jìn)行引導(dǎo)，電網(wǎng)或第三方并不直接干預(yù)用戶的充電行為，由用戶自行進(jìn)行決策，通過響應(yīng)電價達(dá)到有序充電。間接控制的優(yōu)勢在于避免直接控制電動汽車用戶，減少充電機(jī)頻繁啟停對電池壽命的影響，給予用戶自主權(quán)，更加易于實際應(yīng)用。在進(jìn)一步研究工作中還需加強(qiáng)用戶對電價響應(yīng)[36]方面的研究。

如圖3所示，電價機(jī)制可以分為靜態(tài)電價和動態(tài)電價。靜態(tài)電價是指電價機(jī)制固定，不會隨電動汽車充電負(fù)荷變化而調(diào)整，如峰谷電價。動態(tài)電價是隨充電負(fù)荷的變化而實時地調(diào)整電價，以引導(dǎo)電動汽車接入電網(wǎng)的時間和地點，進(jìn)而達(dá)到控制目的。

動態(tài)電價機(jī)制由于其靈活性和自適應(yīng)性而成為當(dāng)前國內(nèi)外研究的熱點：文獻(xiàn)[6]提出了一種分布式的動態(tài)電價機(jī)制，其電價是全網(wǎng)負(fù)荷的函數(shù)。特別的是其電價的計算是分布式進(jìn)行的，并不存在一個集中式的計算控制中心。文獻(xiàn)[36]新提出了一種基于非線性電價的需求管理方法。該方法的突出特點是考慮了電動汽車用戶對電價的響應(yīng)，并通過需求管理來解決配電網(wǎng)阻塞的問題。有的研究者還利用博弈論原理設(shè)計動態(tài)電價，如文獻(xiàn)[37]提出了一種激勵相容的動態(tài)電價機(jī)制，使電網(wǎng)與電動汽車用戶的博弈達(dá)到納什均衡狀態(tài)。通過充電負(fù)荷的異步更新過程，使單臺電動汽車充電的最優(yōu)解收斂于整個電網(wǎng)效益的最優(yōu)解，從而實現(xiàn)用戶充電費(fèi)用最省和電網(wǎng)效益最大的共同最優(yōu)。

4 電動汽車為電網(wǎng)提供輔助服務(wù)

V2G技術(shù)指電動汽車采用適當(dāng)?shù)呐c電網(wǎng)的連接技術(shù)與控制方法，釋放額外的儲存在電池內(nèi)的能量，以向電網(wǎng)送電的方式參與電網(wǎng)調(diào)控。V2G技術(shù)將電動汽車轉(zhuǎn)化為可移動的大規(guī)模分布式電源，與傳統(tǒng)電源相比，電動汽車具有響應(yīng)速度快，單位電價高，時空不確定性的特性，該技術(shù)使得用戶與電網(wǎng)的協(xié)調(diào)互動成為可能。采用V2G技術(shù)不僅可以在同等條件下增加接入數(shù)量，減少對電網(wǎng)的影響，還可以向電網(wǎng)提供輔助服務(wù)。目前研究熱點主要集中在提供調(diào)頻，旋轉(zhuǎn)備用，電壓支持等服務(wù)。電動汽車向電網(wǎng)提供輔助服務(wù)與儲能設(shè)備類似，其區(qū)別在于要考慮電動汽車用戶的出行需求。

4.1 電動汽車參與調(diào)頻

鑒于電動汽車具有快速的響應(yīng)能力和靈活的調(diào)節(jié)能力，因此其適合參與電網(wǎng)頻率調(diào)節(jié)。文獻(xiàn)[38]提出了一種分布式的V2G控制方法，該方法能實現(xiàn)在考慮電動汽車用戶充電需求的情況下控制車輛參與電網(wǎng)一次調(diào)頻，文中提出的BSH（Battery SOC Holder）和CFR（Charging with Frequency Regulation）控制方法，分別實現(xiàn)在電網(wǎng)頻率降低時的放電控制和在SOC不能滿足用戶出行需求時的充電控制。

4.2 電動汽車提供旋轉(zhuǎn)備用

4.3 電動汽車提供電壓支持

研究車網(wǎng)協(xié)調(diào)技術(shù)，使電動汽車為新能源提供電壓支持是新的研究方向。通過優(yōu)化協(xié)調(diào)電動汽車與新能源的隨機(jī)性，利用電動汽車充放電的靈活性與快速響應(yīng)性，可以減小新能源對電網(wǎng)電壓的影響，增加新能源消納。例如，文獻(xiàn)[41]根據(jù)電價以及光伏的輸出，控制電動汽車的充電功率，為光伏提供電壓支持。仿真表明，提供電壓支持的成本為每車每年50美元，優(yōu)于改造、維護(hù)有載調(diào)壓變壓器的費(fèi)用。不足之處在于文章只考慮充電功率可控的情形，并未涉及V2G技術(shù)。

5 結(jié)論

電動汽車作為一種用戶所有的可移動負(fù)荷和儲能設(shè)備，由于其存在時空不確定性，可以被電網(wǎng)側(cè)控制，以達(dá)到網(wǎng)側(cè)優(yōu)化運(yùn)行的目的。采用有序充電控制作為電網(wǎng)友好型設(shè)備接入電網(wǎng)，可以減少配電網(wǎng)升級擴(kuò)容壓力，降低配網(wǎng)網(wǎng)損，穩(wěn)定電壓。同時可以將風(fēng)能、光伏等新能源與電動汽車聯(lián)合調(diào)度考慮在內(nèi)，增加電網(wǎng)對新能源的消納，降低碳排放。V2G技術(shù)使電動汽車合理釋放所儲存的電能，作為激勵接入電網(wǎng)，可以提供調(diào)頻、旋轉(zhuǎn)備用、穩(wěn)定電壓等輔助服務(wù)，降低了電動汽車用戶的成本，豐富了電網(wǎng)運(yùn)行方式。所以，深入研究電動汽車充放電負(fù)荷特性以及相應(yīng)調(diào)度控制策略十分必要。

在進(jìn)一步的研究中需要注意以下問題：在充放電負(fù)荷特性研究中要體現(xiàn)電動汽車的時空隨機(jī)性；在控制策略研究中，要考慮滿足用戶的出行需求，還需要考慮將控制策略具體分解到每一輛受控的電動汽車；采用電價機(jī)制進(jìn)行間接控制時，需要加入用戶對電價響應(yīng)的環(huán)節(jié)；研究電動汽車提供V2G輔助服務(wù)需要權(quán)衡成本與收益。為此，有以下幾個研究方向值得特別關(guān)注。

1）電動汽車對電網(wǎng)影響綜合評價研究。電動汽車規(guī)模接入對配電網(wǎng)網(wǎng)損、電能質(zhì)量、可靠性、穩(wěn)定性等各方面會產(chǎn)生不同影響，需要進(jìn)行綜合分析和評價，以指導(dǎo)配電網(wǎng)的規(guī)劃、運(yùn)行和控制等。

2）分區(qū)分層協(xié)調(diào)的有序充電控制。充電站內(nèi)，以站內(nèi)電動汽車充電最優(yōu)為目標(biāo)進(jìn)行控制；充電站間，以系統(tǒng)運(yùn)行最優(yōu)為目標(biāo)進(jìn)行控制。進(jìn)行分區(qū)分層協(xié)調(diào)的有序充電控制研究對電網(wǎng)側(cè)應(yīng)對大規(guī)模電動汽車接入有重要意義。

3）考慮電動汽車時空協(xié)調(diào)的有序充電控制。從時間與空間兩個維度對電動汽車有序充電進(jìn)行優(yōu)化，將更加細(xì)致和實際，但復(fù)雜性也會更大?；跁r空協(xié)調(diào)的有序充電有利于有限的電力資源的充分利用，有利于電網(wǎng)安全與經(jīng)濟(jì)運(yùn)行水平的提高，有利于減少大規(guī)模電動汽車充電對電網(wǎng)產(chǎn)生的影響。

4）風(fēng)-車、光伏-車、新能源-車聯(lián)合調(diào)度優(yōu)化。新能源與電動汽車均有高度的隨機(jī)性特點，研究其聯(lián)合調(diào)度不僅可以降低新能源的隨機(jī)性對電網(wǎng)的影響，增加新能源消納，更可以實現(xiàn)電動汽車的清潔化、低碳化。

5）電動汽車用戶對電價的響應(yīng)。在實際應(yīng)用中，電價發(fā)生波動時用戶不會即刻響應(yīng)。研究用戶在何種程度以何種方式響應(yīng)電價對電價機(jī)制的最終實現(xiàn)效果有很大的指導(dǎo)意義。

6）有序充電控制器的設(shè)計。不論采用何種充電控制策略體系，均需最終落實在物理層面，能否設(shè)計出優(yōu)質(zhì)、高效、準(zhǔn)確實現(xiàn)控制策略的有序充電控制器非常關(guān)鍵。

7）V2G輔助服務(wù)的成本與收益。電動汽車提供的輔助服務(wù)當(dāng)其收益大于成本時才有研究和應(yīng)用的價值。對于其成本與收益的分析研究對日后V2G應(yīng)用推廣有很大參考價值。

8）電動汽車低碳性評估。根據(jù)我國能源結(jié)構(gòu)[42-44]，節(jié)能技術(shù)[45-47]，從充電的來源上評估電動汽車的低碳性，研究在哪些區(qū)域推廣電動汽車更加低碳。

[1]王錫凡，邵成成，王秀麗，等．電動汽車充電負(fù)荷與調(diào)度控制策略綜述[J]．中國電機(jī)工程學(xué)報，2013，33（1）：1-10．WANG Xifan，SHAO Chengcheng，WANG Xiuli，et al.Survey of electric vehicle charging load and dispatch control strategies[J].Proceedings of the CSEE，2013，33（1）：1-10（in Chinese）.

[2]賈俊國，倪峰．電動汽車充電接口標(biāo)準(zhǔn)化探[J]．電力系統(tǒng)自動化，2011，35（8）：76-80．JIA Junguo，NI Feng.A discussion on standardization of electric vehicle’s charging coupler[J].Automation of Electric Power Systems，2011，35（8）：76-80（in Chinese）.

[3]傅小康.新一輪新能源汽車補(bǔ)貼政策細(xì)則正式出臺[EB/OL].[2013-09-17].http://auto.people.com.cn/n/2013/0917/c1005-22951929.FU Xiaokang.A new round of new energy vehicles subsidy policy rules formally introduced[EB/OL].[2013-09-17].http://auto.people.com.cn/n/2013/0917/c1005-22951929（in Chinese）.

[4]閆曉虹.專家：2015年底50萬輛新能源汽車產(chǎn)銷目標(biāo)有望實現(xiàn)[EB/OL].[2013-12-12].http://finance.chinanews.com/auto/2013/12-12/5612985.shtml.YAN Xiaohong.Experts:0.5 million of new energy vehicles is expected to sell by the end of 2015[EB/OL].[2013-12-12].http://finance.chinanews.com/auto/2013/12-12/5612985.shtml（in Chinese）.

[5]MOHSENI P，STEVIE R G.Electric vehicles:Holy grail or fool’s gold[C]//Power and Energy Society General Meeting.Calgary，IEEE，2010:1-5.

[6]ZHONG Fan.A distributed demand response algorithm and its application to PHEV charging in smart grids[J].IEEE Transactions on Smart Grid，2012，3（3）:1280-1290.

[7]LUO Zhuowei，HU Zechun，SONG Yonghua，et al.Economic analyses of plug-in electric vehicle battery providing ancillary services[C]//Electric Vehicle Conference（IEVC）.Greenville，IEEE，2012:1-5.

[8]ASHTARI A，BIBEAU E，SHAHIDINEJAD S，et al.PEV charging profile prediction and analysis based on vehicle usage data[J].IEEE Transactions on Smart Grid，2012，3（1）:341-350.

[9]GUO Qinglai，WANG Yao，SUN Hongbin，et al.Factor analysis of the aggregated electric vehicle load based on data mining[J].Energies，2012，5:2053-2070.

[10]Wikipedia，Monte carlo method[EB/OL].[2013-11-11].http://en.wikipedia.org/wiki/Monte_Carlo_method.

[11]荊朝霞，鐘童科，林志龍，等．電動汽車充電行為對電網(wǎng)負(fù)荷曲線的影響[J]．南方電網(wǎng)技術(shù)，2013，7（1）：80-84．JING Chaoxia，ZHONG Tongke，LIN Zhilong，et al.The impact of electric vehicles charging behavior on the load curve of power grid[J].Southern Power System Technology，2013，7（1）：80-84（in Chinese）.

[12]羅卓偉，胡澤春，宋永華，等．電動汽車充電負(fù)荷計算方法[J]．電力系統(tǒng)自動化，2011，35（14）：36-42．LUO Zhuowei，HU Zechun，SONG Yonghua，et al.Study on plug-in electric vehicles charging load calculation[J].Automation of Electric Power Systems，2011，35（14）：36-42（in Chinese）.

[13]田立亭，史雙龍，賈卓．電動汽車充電功率需求的統(tǒng)計學(xué)建模方法[J]．電網(wǎng)技術(shù)，2010，34（11）：126-130．TIAN Liting，SHI Shuanglong，JIA Zhuo.A statistical model for charging power demand of electric vehicles[J].Power System Technology，2010，34（11）：126-130（in Chinese）.

[14]QIAN Kejun，ZHOU Chengke，ALLAN M，et al.Modeling of load demand due to EV battery charging in distribution systems[J].IEEE Transactions on Power Systems，2011，26（2）:802-810.

[15]DARABI Z，F(xiàn)ERDOWSI M.Aggregated impact of plug-in hybrid electric vehicles on electricity demand profile[J].IEEE Transactions on Sustainable Energy，2011，2（4）:501-508.

[16]DI Wu，ALIPRANTIS D C，GKRITZA K.Electric energy and power consumption by light-duty plug-in electric vehicles[J].IEEE Transactions on Power Systems，2011，26（2）:738-746.

[17]GAN Li，ZHANG Xiaoping.Modeling of plug-in hybrid electric vehicle charging demand in probabilistic power flow calculations[J].IEEE Transactions on Smart Grid，2012，3（1）:492-499.

[18]SUNGWOO B，KWASINSKI A.Spatial and temporal model of electric vehicle charging demand[J].IEEE Transactions on Smart Grid，2012，3（1）:394-403.

[19]LEUNG K K，MASSEY W A，WHITT W.Traffic models for wireless communication networks[J].IEEE Journal on Selected Areas in Communications，1994，12（8）:1353-1364.

[20]GREEN R C，WANG Lingfeng，ALAM M.The impact of plug-in hybrid electric vehicles on distribution networks:a review and outlook[C]//Power and Energy Society General Meeting.Minneapolis，IEEE，2010:1-8.

[21]FERNANDEZ L P，ROMAN T G S，OSSENT R，et al.Assessment of the impact of plug-in electric vehicles on distribution networks[J].IEEE Transactionson Power System，2011，26（1）:206-213.

[22]SOARES F J，LOPES J A P，ALMEIDA P M R，et al.A monte carlo method to evaluate electric vehicles impacts in distribution networks[C]//IEEE Conference on Innovation Technologies for Efficient and Reliable Electricity Supply（CITRES）.Waltham，2010:365-372.

[23]KAZEROONI M，KAR N C.Impact analysis of EV battery charging on the power system distribution transformers[C]//Electric Vehicle Conference（IEVC）.Greenville，IEEE International，2012:1-6.

[24]AL-MUSAWI L，TRAN R.The impact of EV/PHEV chargers on residential loads-A case study[C]//Transportation Electrification Conference and Expo.Detroit，2013:1-4.

[26]RICHARDSON P，F(xiàn)LYNN D，KEANE A.Impact assessment of varying penetrations of electric vehicles on low voltage distribution systems[C]//Power and Energy Society General Meeting.Minneapolis，IEEE，2010:1-6.

[27]CHAKRABORTY S V，SHUKLA S K，THORP J.A detailed analysis of the effective-load-carrying-capacity behavior of plug-in electric vehicles in the power grid[C]//Innovative Smart Grid Technologies（ISGT）.Washington，IEEE，2012:1-8.

[28]MITRA P，VENAYAGAMOORTHY G K.Wide area control for improving stability of a power system with plug-in electric vehicles[J].Generation，Transmission and Distribution，IET，2010，4（10）:1151-1163.

[29]徐智威，胡澤春，宋永華，等．充電站內(nèi)電動汽車有序充電策略[J]．電力系統(tǒng)自動化，2012，36（11）：38-43．XU Zhiwei，HU Zechun，SONG Yonghua，et al.Coordinated charging of plug-in electric vehicles in charging stations[J].Automation of Electric Power Systems，2012，36（11）：38-43（in Chinese）.

[30]占愷嶠，宋永華，胡澤春，等．以降損為目標(biāo)的電動汽車有序充電優(yōu)化[J]．中國電機(jī)工程學(xué)報，2012，32（31）：11-18．ZHAN Kaijiao，SONG Yonghua，HU Zechun，et al.Coordination of electric vehicle charging to minimize active power losses[J].Proceedings of the CSEE，2012，32（31）：11-18（in Chinese）.

[31]SORTOMME E，HINDI M M，MACPHERSON S J，et al.Coordinated charging of plug-in hybrid electric vehicles to minimize distribution system losses[J].IEEE Transactions on Smart Grid，2011，2（1）:198-205.

[32]DEILAMI S，MASOUM A S，MOSES P S，et al.Realtime coordination of plug-in electric vehicle charging in smart grids to minimize power losses and improve voltage profile[J].IEEE Transactions on Smart Grid，2011，2（3）:456-467._nf54649de600ad42c78c94ffb8ecc49fa5.

[33]DAI Wang，WANG Hanlin，JIANG Wu，et al.Optimal aggregated charging analysis for PEVs based on driving pattern model[C]//Power and Energy Society General Meeting（PES）.Vancouver，2013:1-5.

[34]MOGHBEL M，MASOUM M S，SHAHNIA F.Coordinated charging of PEVs in unbalanced residential network based on worst node voltage profile[C]//Power and Energy Society General Meeting（PES）.Vancouver，2013:1-5.

[35]田文奇，和敬涵，姜久春，等．電動汽車充電負(fù)荷空間分配優(yōu)化算法[J]．電工技術(shù)學(xué)報，2013，28（3）：269-276．TIAN Wenji，HE Jinghan，JIANG Jiuchun，et al.Electric vehicle charging load spatialallocation optimization algorithm[J].Transactions of China Electrotechnical Society，2013，28（3）：269-276（in Chinese）.

[36]MATTHIAS D G，ANDERSSON G.Demand management of grid connected plug-in hybrid electric vehicles（phev）[C]//Energy 2030 Conference.Atlanta，IEEE，2008:1-8.

[37]GHAVAMI A，KAR K，BHATTACHARYA S，et al.Pricedriven charging of plug-in electric vehicles:nash equilibrium，social optimality and best-response convergence[C]//Information Sciences and Systems（CISS）.Baltimore，2013:1-6.

[38]HUI Liu，HU Zechun，SONG Yonghua，et al.Decentralized vehicle-to-grid control for primary frequency regulation considering charging demands[J].IEEE Transactions on Power Systems，2013，28（3）:3480-3489.

[39]DALLINGER D，KRAMPE D，WIETSCHEL M.Vehicleto-grid regulation reserves based on a dynamic simulation of mobility behavior[J].IEEE Transactions on Smart Grid，2011，2（2）:302-313.

[40]張謙，史樂峰，任玉瓏，等．計及V2G備用服務(wù)的交易模式[J]．中國電機(jī)工程學(xué)報，2012，32（31）：59-67．ZHANG Qian，SHI Lefeng，REN Yulong，et al.The reserve trading model considering vehicle-to-grid reserve[J].Proceedings of the CSEE，2012，32（31）：59-67 （in Chinese）.

[41]FOSTER J M，TREVINO G，KUSS M，et al.Plug-in electric vehicle and voltage support for distributed solar:theory and application[J].IEEE Systems Journal，2013，7（4）:881-888.

[42]王桂榮，蘇錦輝，趙敏，等．中外發(fā)展低碳經(jīng)濟(jì)的比較分析[J]．節(jié)能技術(shù)，2012，30（175）:458-460．WANG Guirong，SU Jinhui，ZHAO Min，et al.Comparison analysis of the low carbon economic development between Chinese and foreign countries[J].Energy Conservation Technology，2012，30（175）:458-460（in Chinese）.

[43]劉俊杰，李樹林，范浩杰，等．情景分析法應(yīng)用于能源需求與碳排放預(yù)測[J]．節(jié)能技術(shù)，2012，30（171）:70-75．LIU Junjie，LI Shulin，F(xiàn)AN Haojie，et al.Energy demand and carbon emissions forecasting by the method of scenario analysis[J].Energy Conservation Technology，2012，30（171）:70-75（in Chinese）.

[44]林伯強(qiáng)．中國能源戰(zhàn)略調(diào)整和能源政策優(yōu)化研究[J]．電網(wǎng)與清潔能源，2012，28（1）:1-3．LIN Boqiang.Research on China’s energy strategies adjustment and energy policy optimization[J].Power System and Clean Energy，2012，28（1）:1-3（in Chinese）.

[45]黃生琪，周菊華．我國節(jié)能減排的意義、現(xiàn)狀及措施[J]．節(jié)能技術(shù)，2008，26（148）:172-175．HUANG Shengqi，ZHOU Juhua.Studies on energy saving and pollution reduction[J].Energy Conservation Technology，2008，26（148）:172-175（in Chinese）.

[46]施強(qiáng)，烏曉江，徐雪元，等．整體煤氣化聯(lián)合循環(huán)（IGCC）發(fā)電技術(shù)與節(jié)能減排[J]．節(jié)能技術(shù)，2009，27（153）:18-20．SHI Qiang，WU Xiaojiang，XU Xueyuan，et al.IGCC powerplantwith energy conservation and emissions reduction[J].Energy Conservation Technology，2009，27（153）:18-20（in Chinese）.

[47]楊春，王靈梅，劉麗娟．電力工業(yè)節(jié)能減排政策及現(xiàn)狀分析[J]．節(jié)能技術(shù)，2010，28（161）:232-235．YANG Chun，WANG Lingmei，LIU Lijuan.Current status of energy-saving and emission-reduction in electric power industry[J].Energy Conservation Technology，2010，28（161）:232-235（in Chinese）.