劉志強(qiáng)，張謙，栗堯嘉，朱熠，胡悅

V2G模式下電動(dòng)汽車有序充放電調(diào)度及其應(yīng)用研究

劉志強(qiáng)，張謙，栗堯嘉，朱熠，胡悅

(輸配電裝備及系統(tǒng)安全與新技術(shù)國(guó)家重點(diǎn)實(shí)驗(yàn)室(重慶大學(xué))，重慶 400044)

隨著電動(dòng)汽車的發(fā)展，電動(dòng)汽車大規(guī)模無(wú)序接入將給電網(wǎng)帶來(lái)負(fù)荷峰谷差增大，配電網(wǎng)負(fù)荷局部過(guò)載，電網(wǎng)部分母線電壓過(guò)低，線路損耗增大，配電網(wǎng)變壓器容量越限等一系列問(wèn)題。應(yīng)用電動(dòng)汽車與電網(wǎng)互動(dòng)控制電動(dòng)汽車的充放電過(guò)程，可有效緩解上述問(wèn)題，并起到削峰填谷、平抑可再生能源間歇性和波動(dòng)性的作用。從電動(dòng)汽車集群充電需求和放電能力的時(shí)空分布、電動(dòng)汽車與電網(wǎng)互動(dòng)的充放電電價(jià)制定策略和電動(dòng)汽車與電網(wǎng)互動(dòng)分級(jí)調(diào)度模型三方面總結(jié)了電動(dòng)汽車有序充放電調(diào)度及其應(yīng)用的研究現(xiàn)狀，并討論了下一步的研究方向。

電動(dòng)汽車與電網(wǎng)互動(dòng)；時(shí)空分布；調(diào)度；頻率調(diào)節(jié)；充放電電價(jià)

0 引言

隨著環(huán)境污染和傳統(tǒng)能源緊缺等問(wèn)題日益凸顯，具備節(jié)能和環(huán)保優(yōu)勢(shì)的電動(dòng)汽車(electric vehicle, EV)是新能源汽車的主要發(fā)展方向。大力發(fā)展電動(dòng)汽車是我國(guó)“節(jié)能減排”基本國(guó)策的要求之一[1]。近日，國(guó)務(wù)院辦公廳發(fā)布了新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃(2021-2035)，以推動(dòng)電動(dòng)汽車及其相關(guān)技術(shù)在中國(guó)的使用和發(fā)展。

大規(guī)模的電動(dòng)汽車無(wú)序接入，將給電力系統(tǒng)規(guī)劃和運(yùn)行帶來(lái)負(fù)荷增長(zhǎng)、峰谷差增大、電網(wǎng)運(yùn)行優(yōu)化控制難度增加等問(wèn)題，對(duì)新型配電網(wǎng)規(guī)劃提出新的要求。

應(yīng)用電動(dòng)汽車與電網(wǎng)互動(dòng)技術(shù)(Vehicle-to-Grid, V2G)控制EV的充放電過(guò)程，可以緩解EV規(guī)?；l(fā)展對(duì)電力系統(tǒng)造成的負(fù)面影響，并起到削峰填谷、平抑可再生能源間歇性和波動(dòng)性的作用[2]。同時(shí)，在電網(wǎng)發(fā)生故障時(shí)，電動(dòng)汽車可以作為備用電源，為孤島運(yùn)行的配電網(wǎng)提供電能，起到提高配網(wǎng)的可靠性的作用。隨著電池技術(shù)的迅速發(fā)展，電動(dòng)汽車可調(diào)度容量越來(lái)越大。如何合理地調(diào)度電動(dòng)汽車有序充放電以實(shí)現(xiàn)電網(wǎng)的優(yōu)化運(yùn)行，越來(lái)越受矚目[3]。

本文將重點(diǎn)圍繞V2G調(diào)度涉及的以下幾方面研究工作開展討論。

1) 電動(dòng)汽車集群充電需求和放電能力的時(shí)空分布研究

電動(dòng)汽車時(shí)空分布特點(diǎn)對(duì)V2G調(diào)度有著重要的影響。由于電動(dòng)汽車具有移動(dòng)特性，其可控容量不僅與時(shí)間有關(guān)系，也受到空間位置的影響，因此，需充分考慮電動(dòng)汽車在路網(wǎng)上的隨機(jī)性，對(duì)電動(dòng)汽車整體充電需求和放電能力的時(shí)空分布進(jìn)行研究，以獲取電動(dòng)汽車參與調(diào)度的可控容量大小。

2) 電動(dòng)汽車與電網(wǎng)互動(dòng)充放電電價(jià)制定策略

電動(dòng)汽車作為一種居民日常交通工具，首先必須滿足日常行駛要求。在滿足行駛要求的前提下，經(jīng)車主同意才能參與到電力系統(tǒng)調(diào)度當(dāng)中。因此，制定合理的電價(jià)機(jī)制以激勵(lì)車主參與V2G調(diào)度，對(duì)V2G的推廣顯得尤為重要[4]。

3) 電動(dòng)汽車與電網(wǎng)互動(dòng)分級(jí)調(diào)度模型研究

V2G調(diào)度逐漸由電網(wǎng)直接調(diào)度向分級(jí)調(diào)度轉(zhuǎn)換，如圖1所示。一級(jí)調(diào)度中心實(shí)現(xiàn)Aggregator與電網(wǎng)(aggregator-to-grid, A2G)之間的調(diào)度，二級(jí)調(diào)度中心實(shí)現(xiàn)電動(dòng)汽車與Aggregator(Vehicle-to- Aggregator, V2A)之間的調(diào)度[5]。

圖1 電動(dòng)汽車與電網(wǎng)互動(dòng)分層調(diào)度示意圖

大規(guī)模電動(dòng)汽車的充放電調(diào)度計(jì)劃是通過(guò)每一個(gè)電動(dòng)汽車個(gè)體的充放電行為聚合后形成的群體策略，在制定電動(dòng)汽車整體充放電策略時(shí)，需要進(jìn)一步研究如何將該群體策略向下延伸分配至每個(gè)個(gè)體，并充分考慮個(gè)體的自身?xiàng)l件和意愿，體現(xiàn)充電策略的公平性和合理性。要實(shí)現(xiàn)電動(dòng)汽車與電網(wǎng)互動(dòng)的最優(yōu)調(diào)度，不僅需研究A2G調(diào)度問(wèn)題，同時(shí)需研究V2A調(diào)度問(wèn)題。就目前而言，有關(guān)如何將區(qū)域電網(wǎng)層面的充電策略結(jié)果分解至每輛電動(dòng)汽車上的研究相對(duì)較少。

本文將從上述三方面總結(jié)目前V2G調(diào)度及其應(yīng)用研究相關(guān)工作，并討論進(jìn)一步的研究方向。

1 電動(dòng)汽車充電需求和放電能力時(shí)空分布

隨著電動(dòng)汽車滲透率不斷提升，未來(lái)大規(guī)模電動(dòng)汽車接入電網(wǎng)，其充、放電行為給電網(wǎng)的穩(wěn)定運(yùn)行帶來(lái)了挑戰(zhàn)，精確預(yù)測(cè)電動(dòng)汽車充電需求是研究電動(dòng)汽車對(duì)電網(wǎng)雙向互動(dòng)的基礎(chǔ)，對(duì)分析電動(dòng)汽車接入電網(wǎng)的影響、電力系統(tǒng)規(guī)劃及穩(wěn)定運(yùn)行具有重要意義。

1.1 電動(dòng)汽車充電需求時(shí)空分布

目前對(duì)電動(dòng)汽車充電負(fù)荷時(shí)空分布預(yù)測(cè)存在三個(gè)問(wèn)題：第一，電動(dòng)汽車空間行駛路徑常規(guī)模擬方法，如最短路徑算法、地塊劃分法與O－D反推法，都存在對(duì)駕駛者駕車隨機(jī)性考慮不足的問(wèn)題，并且電動(dòng)汽車按照固定路線行駛，將導(dǎo)致相同起始點(diǎn)的電動(dòng)汽車總是在固定的充電站充電；第二，考慮實(shí)時(shí)變化的交通狀況以及駕駛者對(duì)路徑隨機(jī)選擇的影響，采用動(dòng)態(tài)交通流的方式進(jìn)行模擬，但是現(xiàn)有方法為了追求模擬的準(zhǔn)確性，通常需要建立多個(gè)非線性方程，進(jìn)而產(chǎn)生巨大的計(jì)算量；第三，對(duì)電動(dòng)汽車時(shí)空分布研究中常忽略交通擁堵狀況與天氣狀況對(duì)電動(dòng)汽車的能耗的影響，電動(dòng)汽車在怠速與頻繁啟停和空調(diào)的開啟都將導(dǎo)致能耗增高。

針對(duì)上述問(wèn)題，文獻(xiàn)[6]計(jì)及實(shí)時(shí)交通與溫度，提出了一種基于馬爾可夫決策過(guò)程隨機(jī)路徑模擬的城市電動(dòng)汽車充電負(fù)荷時(shí)空分布預(yù)測(cè)方法，以計(jì)算出不同溫度、不同交通狀況下電動(dòng)汽車充電負(fù)荷的時(shí)空分布。該方法能夠避免最短路徑算法中相同始終點(diǎn)電動(dòng)汽車在固定地點(diǎn)充電的問(wèn)題，體現(xiàn)電動(dòng)汽車空間移動(dòng)的隨機(jī)性。算例仿真計(jì)算了電動(dòng)汽車充電負(fù)荷時(shí)空分布，結(jié)果表明節(jié)點(diǎn)充電負(fù)荷具有明顯峰谷差，并且承擔(dān)快充能力越強(qiáng)的節(jié)點(diǎn)峰谷差越明顯，交通樞紐節(jié)點(diǎn)負(fù)荷波動(dòng)情況最嚴(yán)重；環(huán)境溫度的升高對(duì)電動(dòng)汽車能耗有著顯著影響，導(dǎo)致節(jié)點(diǎn)充電負(fù)荷持續(xù)維持在高位；交通狀況的惡化一方面會(huì)導(dǎo)致電動(dòng)汽車充電負(fù)荷峰值增高，另一方面會(huì)導(dǎo)致峰值持續(xù)時(shí)間增長(zhǎng)。

傳統(tǒng)的蒙特卡洛方法不能及時(shí)更新每輛電動(dòng)汽車的狀態(tài)，而電動(dòng)汽車接入電網(wǎng)的狀態(tài)隨時(shí)隨地在發(fā)生改變，在電動(dòng)汽車狀態(tài)不變的情況下，傳統(tǒng)方法可能產(chǎn)生大量的無(wú)效計(jì)算。為了提高算法效率，文獻(xiàn)[7]提出了一種高效的準(zhǔn)動(dòng)態(tài)交通流模擬方法?；陟o態(tài)交通流分布，利用出行鏈理論描述電動(dòng)汽車車主的行駛習(xí)慣，同時(shí)在考慮交通擁堵對(duì)車主路徑選擇的影響下，利用改進(jìn)后的蒙特卡洛法，計(jì)算了電動(dòng)汽車的時(shí)空分布和實(shí)時(shí)荷電狀態(tài)。仿真結(jié)果表明，該方法提高了傳統(tǒng)蒙特卡洛法的計(jì)算速度；提高電動(dòng)汽車的普及率、充電閾值和電池容量有利于配電網(wǎng)和電動(dòng)汽車充電可靠性；降低放電閾值有利于提高配電網(wǎng)的可靠性，但不利于電動(dòng)汽車充電的可靠性；當(dāng)電動(dòng)汽車數(shù)量較少或電池容量較低時(shí)，增加電動(dòng)汽車數(shù)量和電池容量可以有效提高配電網(wǎng)和電動(dòng)汽車充電可靠性。

文獻(xiàn)[8]提出了改進(jìn)的LSTM神經(jīng)網(wǎng)絡(luò)，預(yù)測(cè)精度更高、泛化能力更強(qiáng)。分析了天氣因素、社會(huì)因素以及路網(wǎng)線路特性等因素對(duì)道路行車速度的影響，構(gòu)建了基于平均速度預(yù)測(cè)的電動(dòng)汽車能耗模型；提出考慮樣本相似度的長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)，對(duì)電動(dòng)汽車平均速度進(jìn)行了預(yù)測(cè)，計(jì)算了汽車行駛能耗，結(jié)合空調(diào)能耗得出單位里程電動(dòng)汽車總耗電。

文獻(xiàn)[9]考慮路況擁堵因素對(duì)電動(dòng)汽車荷電量的影響，提出了一種基于聚類分析的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)方法，在分析常規(guī)充電負(fù)荷影響因素并初步建立概率分布模型的基礎(chǔ)上，對(duì)每段行程的行駛里程和行駛時(shí)間構(gòu)成的二維出行特征數(shù)據(jù)進(jìn)行聚類分析。挖掘常規(guī)統(tǒng)計(jì)數(shù)據(jù)無(wú)法得到的道路擁堵因素，考慮不同路況條件下道路擁堵因素對(duì)電動(dòng)汽車荷電狀態(tài)的影響，并疊加該變量到負(fù)荷預(yù)測(cè)模型中，以實(shí)現(xiàn)電動(dòng)汽車充電負(fù)荷的精確預(yù)測(cè)。

1.2 電動(dòng)汽車可調(diào)度能量動(dòng)態(tài)變化

在進(jìn)行EV實(shí)時(shí)可控能量研究時(shí)，常簡(jiǎn)化各類型EV的交通屬性、狀態(tài)轉(zhuǎn)換特性以及由于車輛使用的隨機(jī)性，導(dǎo)致各時(shí)段參加調(diào)頻的EV實(shí)時(shí)可控能量計(jì)算不準(zhǔn)確?；诖耍墨I(xiàn)[10]分析了電動(dòng)汽車的調(diào)度控制模式，綜合考慮各類約束，設(shè)計(jì)了一種針對(duì)電動(dòng)汽車實(shí)時(shí)可調(diào)度容量的具備普適性的評(píng)估算法，然后基于此方法計(jì)算出了分別適用于一次、二次和三次調(diào)頻情景的電動(dòng)汽車集群可調(diào)度容量。文獻(xiàn)[11]根據(jù)用戶出行需求和電池壽命約束，對(duì)電動(dòng)汽車的可上調(diào)和可下調(diào)容量進(jìn)行了評(píng)估，作為頻率調(diào)節(jié)的依據(jù)。文獻(xiàn)[12]在分析我國(guó)4種類型EV行駛規(guī)律的基礎(chǔ)上，結(jié)合EV接入電網(wǎng)的狀態(tài)轉(zhuǎn)換特性，模擬計(jì)算EV可控?cái)?shù)量和初始儲(chǔ)能，其狀態(tài)轉(zhuǎn)換如圖2所示。

圖2 EV的狀態(tài)轉(zhuǎn)換

在此基礎(chǔ)上，文獻(xiàn)[12]以計(jì)及電動(dòng)汽車可控容量動(dòng)態(tài)變化的負(fù)荷頻率調(diào)整為目標(biāo)，基于EV行駛規(guī)律計(jì)算出電動(dòng)汽車的可控?cái)?shù)量，進(jìn)而計(jì)算出各類型電動(dòng)汽車的實(shí)時(shí)可控能量。區(qū)域內(nèi)EV實(shí)時(shí)可控能量動(dòng)態(tài)模型如3所示。仿真結(jié)果表明：在相同電池總能量下，電動(dòng)私家車在各類型EV中，參與系統(tǒng)調(diào)度的可控時(shí)段最多，實(shí)時(shí)可控能量最多。

圖3 EV實(shí)時(shí)可控能量動(dòng)態(tài)模型

2 電動(dòng)汽車與電網(wǎng)互動(dòng)充放電電價(jià)制定策略

EV用戶對(duì)電動(dòng)汽車充放電行為的決策通常取決于實(shí)時(shí)電價(jià)的高低、日常出行需求等因素，因此可以通過(guò)充放電電價(jià)激勵(lì)用戶合理安排充放電時(shí)間，以實(shí)現(xiàn)電網(wǎng)負(fù)荷調(diào)整。而如何制定合理的EV充放電電價(jià)對(duì)數(shù)量龐大的電動(dòng)汽車進(jìn)行有效引導(dǎo)顯得尤為重要。

2.1 電動(dòng)汽車與電網(wǎng)互動(dòng)的充電電價(jià)策略

目前制定的EV充電電價(jià)主要有靜態(tài)峰谷電價(jià)[13-14]和動(dòng)態(tài)分時(shí)電價(jià)[15-18]兩類。文獻(xiàn)[13]分析了電動(dòng)汽車用戶對(duì)電價(jià)變化的需求響應(yīng)模型，提出能夠影響電動(dòng)汽車充放電行為的最優(yōu)峰谷分時(shí)電價(jià)定價(jià)方案。2016年，深圳市率先出臺(tái)電動(dòng)汽車充電峰谷電價(jià)政策以引導(dǎo)用戶在夜間低谷進(jìn)行充電，其分時(shí)電價(jià)的費(fèi)率不隨電力系統(tǒng)實(shí)際運(yùn)行情況動(dòng)態(tài)調(diào)整[15]。然而靜態(tài)峰谷電價(jià)僅能反映地區(qū)基礎(chǔ)負(fù)荷情況，無(wú)法針對(duì)負(fù)荷激增或驟降等情景對(duì)充電電價(jià)進(jìn)行適當(dāng)調(diào)控，這可能導(dǎo)致系統(tǒng)負(fù)荷出現(xiàn)另一個(gè)高峰，從而影響配網(wǎng)安全運(yùn)行。

針對(duì)靜態(tài)峰谷電價(jià)可能給電網(wǎng)帶來(lái)新的問(wèn)題，國(guó)內(nèi)外學(xué)者逐步開展電動(dòng)汽車動(dòng)態(tài)分時(shí)電價(jià)研究。文獻(xiàn)[15]設(shè)計(jì)了一種EV充放電負(fù)荷與實(shí)時(shí)電價(jià)聯(lián)動(dòng)優(yōu)化模型，以用戶成本最小為目標(biāo)實(shí)現(xiàn)電網(wǎng)經(jīng)濟(jì)調(diào)度。文獻(xiàn)[16]提出基于動(dòng)態(tài)分時(shí)電價(jià)的電動(dòng)汽車有序充電控制方法，用戶通過(guò)響應(yīng)動(dòng)態(tài)分時(shí)電價(jià)激勵(lì)可顯著降低充電站的運(yùn)營(yíng)成本和電動(dòng)汽車用戶的充電成本。文獻(xiàn)[17]以EV充放電收益最大為目標(biāo)，并在此基礎(chǔ)上決策電動(dòng)汽車充放電行為，仿真結(jié)果顯示該模型能夠體現(xiàn)用戶對(duì)電價(jià)的響應(yīng)能力，進(jìn)一步說(shuō)明對(duì)實(shí)時(shí)電價(jià)進(jìn)行動(dòng)態(tài)調(diào)整將更好地平滑網(wǎng)內(nèi)負(fù)荷曲線。

但以上研究大多假設(shè)電動(dòng)汽車嚴(yán)格遵守電網(wǎng)的調(diào)度命令，而忽略了電動(dòng)汽車用戶偏好與個(gè)人選擇對(duì)整個(gè)系統(tǒng)調(diào)度結(jié)果的影響。為有效引導(dǎo)電動(dòng)汽車進(jìn)行有序充電行為，文獻(xiàn)[18]充分考慮了電動(dòng)汽車用戶的個(gè)體行駛特性和自主選擇性，建立了電動(dòng)汽車并網(wǎng)場(chǎng)景和可控容量預(yù)測(cè)模型，設(shè)計(jì)了用于表征EV綜合滿意度的分項(xiàng)評(píng)價(jià)指標(biāo)，并進(jìn)一步提出計(jì)及用戶滿意度的電動(dòng)汽車動(dòng)態(tài)分時(shí)充電電價(jià)制定策略。仿真結(jié)果表明，所制定的動(dòng)態(tài)分時(shí)充電電價(jià)能夠引導(dǎo)EV用戶轉(zhuǎn)移充電負(fù)荷，在實(shí)現(xiàn)削峰填谷的同時(shí)，抑制負(fù)荷波動(dòng)并提高了可再生能源的利用率。

2.2 電動(dòng)汽車與電網(wǎng)互動(dòng)的放電電價(jià)制定策略

目前關(guān)于EV參與備用電能市場(chǎng)交易的放電電價(jià)研究主要分為以下兩種。

一是以電網(wǎng)運(yùn)行效果或EV用戶收益為目標(biāo)優(yōu)化EV充放電行為。文獻(xiàn)[19]結(jié)合EV用戶日常行駛需求、電池容量及充放電功率建立了EV參與電網(wǎng)調(diào)峰的模型，結(jié)果表明放電電價(jià)能夠有效引導(dǎo)EV的放電行為。文獻(xiàn)[20]兼顧EV成本和電網(wǎng)公司利益求解EV充放電電價(jià)的4個(gè)限值，以峰谷差最小及用戶參與V2G成本最低為目標(biāo)獲得最優(yōu)峰谷時(shí)段。文獻(xiàn)[21]建立了計(jì)及多方利益的電動(dòng)汽車有序充放電定價(jià)模型，并驗(yàn)證了不同電價(jià)下的滿意度將影響EV用戶的日常充放電習(xí)慣。

二是采用博弈的思想制定EV放電電價(jià)。文獻(xiàn)[22]提出采用博弈論方法建立用戶對(duì)期望電價(jià)與實(shí)際電價(jià)之間的差異滿意度模型和雙方效用函數(shù)，并使用反向歸納法獲得納什均衡解。文獻(xiàn)[23]利用博弈論尋求電網(wǎng)和EV用戶的納什均衡，即合理的充放電電價(jià)，算例表明此電價(jià)能夠有效激勵(lì)EV參與V2G以降低峰荷。

文獻(xiàn)[24]提出了一種基于模糊貝葉斯學(xué)習(xí)的電動(dòng)汽車代理商與電力公司談判報(bào)價(jià)模型，著重研究了電網(wǎng)與EV運(yùn)營(yíng)商的放電電價(jià)談判過(guò)程，采用模糊貝葉斯學(xué)習(xí)以更新并修正估計(jì)值，通過(guò)談判得到雙方都可接受的放電電價(jià)。仿真結(jié)果表明，該策略為參與者增加了顯著的經(jīng)濟(jì)效益，降低了電動(dòng)汽車使用成本和電網(wǎng)運(yùn)行成本。文獻(xiàn)[25]基于合作博弈的思想，以電動(dòng)汽車代理商與電動(dòng)汽車用戶的合作聯(lián)盟收益最大為目標(biāo)，建立了電動(dòng)汽車的動(dòng)態(tài)分時(shí)優(yōu)化充放電模型，結(jié)果表明所提策略能有效減小峰谷差，同時(shí)提高了代理商和電動(dòng)汽車用戶的收益。

圖4 一對(duì)多兩階段放電電價(jià)談判流程圖

針對(duì)一對(duì)一放電電價(jià)談判模型未考慮多家電動(dòng)汽車代理商參與談判，競(jìng)爭(zhēng)不足導(dǎo)致所得放電電價(jià)不合理的問(wèn)題，文獻(xiàn)[26-27]提出了在多代理情況下電動(dòng)汽車參與優(yōu)化調(diào)度的談判策略，圖4顯示了一對(duì)多兩階段放電電價(jià)的具體談判流程。仿真結(jié)果表明，使用一對(duì)多談判模型得到的成交價(jià)格較為合理，也不會(huì)增加談判輪數(shù)，同時(shí)增大了成交概率，因此，所制定的放電電價(jià)可激勵(lì)電動(dòng)汽車參與電力系統(tǒng)調(diào)度，達(dá)到緩解電網(wǎng)供電壓力的目的。

3 電動(dòng)汽車與電網(wǎng)互動(dòng)分級(jí)調(diào)度模型

國(guó)內(nèi)外對(duì)V2G調(diào)度問(wèn)題的研究，通常是針對(duì)一級(jí)調(diào)度，且主要集中在以下兩方面：計(jì)及V2G的機(jī)組組合研究和計(jì)及V2G的調(diào)頻輔助服務(wù)研究。

3.1 計(jì)及V2G的機(jī)組組合

文獻(xiàn)[28]構(gòu)建了計(jì)及電動(dòng)汽車充放電行為的機(jī)組組合模型，以實(shí)現(xiàn)系統(tǒng)的運(yùn)行成本和碳排放成本最小，并進(jìn)一步研究了風(fēng)電、太陽(yáng)能發(fā)電等新能源發(fā)電對(duì)調(diào)度的影響[29-30]。文獻(xiàn)[31]將電動(dòng)汽車換電站引入傳統(tǒng)機(jī)組組合問(wèn)題中，計(jì)及了換電站的充放電效率、電量平衡和滿足日換電需求的最小儲(chǔ)能等約束，提出換電站與電網(wǎng)互動(dòng)的機(jī)組組合模型。

但上述研究?jī)H給出電動(dòng)汽車總體的充放電安排，尚未將控制分解到每輛電動(dòng)汽車[32]。此外，目前的研究通常主觀假定調(diào)度模型中V2G的可用容量為固定值，并能夠滿足調(diào)度需求[33]。且大多是以對(duì)電動(dòng)汽車的直接調(diào)度為基本假設(shè)，認(rèn)為調(diào)度人員在電動(dòng)汽車申報(bào)可調(diào)度時(shí)段內(nèi)可完全控制其充放電過(guò)程，未考慮電動(dòng)汽車的隨機(jī)性。

圖5 電動(dòng)汽車優(yōu)先權(quán)調(diào)度方案

基于此，在文獻(xiàn)[34]建立的一級(jí)調(diào)度模型基礎(chǔ)上，計(jì)及電動(dòng)汽車用戶用車便利性，文獻(xiàn)[35-36]建立了基于優(yōu)先權(quán)的電動(dòng)汽車集群充放電優(yōu)化模型。通過(guò)分析電動(dòng)汽車各項(xiàng)申報(bào)信息對(duì)代理商制定策略的影響，建立電動(dòng)汽車評(píng)價(jià)指標(biāo)體系，以電動(dòng)汽車申報(bào)容量和時(shí)段、誠(chéng)信度及電池?fù)p耗為評(píng)價(jià)指標(biāo)，基于熵權(quán)法確定電動(dòng)汽車調(diào)度優(yōu)先權(quán)，從而得到電動(dòng)汽車代理商所轄區(qū)域電動(dòng)汽車集群充放電優(yōu)化控制策略。電動(dòng)汽車優(yōu)先權(quán)調(diào)度方案如圖5所示。

3.2 計(jì)及V2G的調(diào)頻輔助服務(wù)

單輛電動(dòng)汽車的電池容量及輸出功率有限，故往往采取由聚合商統(tǒng)一管理電動(dòng)汽車集群，再以電動(dòng)汽車聚合商為單元提供調(diào)頻服務(wù)的模式。文獻(xiàn)[37]基于電動(dòng)汽車的充放電靜態(tài)頻率特性模型，在電力系統(tǒng)負(fù)荷擾動(dòng)發(fā)生時(shí)，實(shí)現(xiàn)了對(duì)電動(dòng)汽車充放電的協(xié)調(diào)控制。但文中電動(dòng)汽車與傳統(tǒng)單元的調(diào)頻需求功率分配比例固定，電動(dòng)汽車的儲(chǔ)能資源無(wú)法得到充分利用，調(diào)頻效果不佳。文獻(xiàn)[38]提出了基于電動(dòng)汽車集群容量實(shí)時(shí)預(yù)測(cè)的負(fù)荷頻率控制策略。該策略能夠?qū)崟r(shí)調(diào)整電動(dòng)汽車集群的功率分配，既滿足了電動(dòng)汽車用戶的行駛需求，又通過(guò)源荷互動(dòng)提高了電網(wǎng)的頻率穩(wěn)定性，避免了由于調(diào)頻功率分配不合理導(dǎo)致的調(diào)頻效果不佳或資源浪費(fèi)問(wèn)題。

隨著風(fēng)力在電力系統(tǒng)中滲透率的增加，要求風(fēng)力發(fā)電機(jī)具有控制有功輸出的能力。為了彌補(bǔ)雙饋感應(yīng)發(fā)電機(jī)因風(fēng)力發(fā)電的不確定性和波動(dòng)性而在調(diào)頻方面的不足，采用電動(dòng)汽車作為輔助存儲(chǔ)裝置，輔助風(fēng)力發(fā)電機(jī)參與系統(tǒng)的調(diào)頻。文獻(xiàn)[39]提出了一種雙饋感應(yīng)發(fā)電機(jī)和電動(dòng)汽車集群的協(xié)同控制策略。在合理劃分風(fēng)速區(qū)域和選擇槳距角運(yùn)行點(diǎn)的基礎(chǔ)上，提出了連續(xù)變化風(fēng)速下雙饋感應(yīng)發(fā)電機(jī)備用容量的預(yù)測(cè)模型?？紤]電動(dòng)汽車車主需求，通過(guò)系統(tǒng)實(shí)時(shí)分配基于調(diào)頻容量的調(diào)頻任務(wù)，提出了雙饋感應(yīng)發(fā)電機(jī)與電動(dòng)汽車集群的二次調(diào)頻協(xié)調(diào)控制策略。

圖6 系統(tǒng)調(diào)頻控制模型

針對(duì)風(fēng)電機(jī)組、光伏陣列和電動(dòng)汽車集群微電網(wǎng)，文獻(xiàn)[40]提出了一種基于虛擬同步發(fā)電機(jī)(VSG)的自適應(yīng)二次調(diào)頻策略。將改進(jìn)的虛擬同步發(fā)電機(jī)控制方法應(yīng)用于可再生能源發(fā)電機(jī)組和電動(dòng)汽車集群，通過(guò)將比例積分控制引入虛擬同步發(fā)電機(jī)的頻率控制器，實(shí)現(xiàn)無(wú)誤差頻率調(diào)節(jié)，結(jié)合風(fēng)電機(jī)組、光伏陣列和電動(dòng)汽車的實(shí)時(shí)調(diào)頻備用容量，建立了虛擬同步發(fā)電機(jī)二次調(diào)頻參數(shù)自適應(yīng)調(diào)整策略。其系統(tǒng)調(diào)頻控制模型如圖6所示。

目前電動(dòng)汽車調(diào)頻研究一般考慮了滿足車主的行駛需求或者最大化車主經(jīng)濟(jì)收益，但往往忽略了電動(dòng)汽車在接受以調(diào)頻為目的的調(diào)度之后，其需求充電負(fù)荷曲線因參與調(diào)頻而發(fā)生改變，從而產(chǎn)生對(duì)電網(wǎng)側(cè)造成不利影響的可能。

文獻(xiàn)[41]提出了計(jì)及車主行駛需求的電動(dòng)汽車集群調(diào)頻控制策略，設(shè)定電動(dòng)汽車均在臨近出發(fā)時(shí)退出調(diào)頻，然后充電至需求電量后立刻開始行駛。文獻(xiàn)[42]中的自主調(diào)頻控制方案也設(shè)定在接近車主預(yù)設(shè)的離網(wǎng)時(shí)刻時(shí)切換至智能充電模式，為滿足出行計(jì)劃而進(jìn)行充電。然而，由于同類型車輛的行駛規(guī)律相似，會(huì)出現(xiàn)大量電動(dòng)汽車聚集在相近時(shí)段進(jìn)行充電的情況，從而造成電網(wǎng)峰谷差加大。在文獻(xiàn)[43]的研究中，進(jìn)行單輛電動(dòng)汽車的調(diào)頻調(diào)用時(shí)，實(shí)時(shí)調(diào)整預(yù)定的V2G功率以補(bǔ)償由不確定性調(diào)度導(dǎo)致的電池電量變化，以保證離網(wǎng)時(shí)達(dá)到車主預(yù)期的荷電狀態(tài)。但是這種方法僅對(duì)充電功率進(jìn)行調(diào)整，并未對(duì)充電時(shí)段進(jìn)行安排設(shè)計(jì)，因此無(wú)法避免出現(xiàn)集中性的充電負(fù)荷高峰。文獻(xiàn)[44]提出了電動(dòng)汽車參與調(diào)頻的多目標(biāo)優(yōu)化控制策略，可以實(shí)現(xiàn)最小化電網(wǎng)頻率偏差，按容量比例分配調(diào)頻信號(hào)，最大程度支持雙向V2G，以及避免頻繁充放電造成電池退化，但并未將抑制充電負(fù)荷對(duì)電網(wǎng)的負(fù)面影響納入優(yōu)化目標(biāo)。

同時(shí)，針對(duì)電動(dòng)汽車集群參與調(diào)頻時(shí)的調(diào)度管理大多采用傳統(tǒng)的集中式控制結(jié)構(gòu)。文獻(xiàn)[45]設(shè)計(jì)了基于自適應(yīng)動(dòng)態(tài)規(guī)劃的電動(dòng)汽車聚合商調(diào)頻控制器，在穩(wěn)定智能電網(wǎng)頻率方面表現(xiàn)出優(yōu)越的性能，其中聚合商以集中式控制方式對(duì)單輛電動(dòng)汽車進(jìn)行調(diào)度。文獻(xiàn)[46]建立了包含多個(gè)電動(dòng)汽車聚合商的考慮時(shí)變時(shí)延的負(fù)荷頻率控制模型，其中控制中心對(duì)各聚合商、聚合商對(duì)所管理的電動(dòng)汽車均采用集中式控制。然而，對(duì)于包含大量車輛的電動(dòng)汽車集群而言，集中式控制結(jié)構(gòu)處理調(diào)頻相關(guān)信息時(shí)的計(jì)算量過(guò)大，對(duì)中心控制節(jié)點(diǎn)的要求極高，并且可靠性較低，一旦出現(xiàn)通信故障將嚴(yán)重影響調(diào)頻性能。因此，文獻(xiàn)[47]提出了考慮實(shí)際限制的風(fēng)電機(jī)組和電動(dòng)汽車協(xié)同調(diào)頻策略，并對(duì)比了集中式和分布式控制結(jié)構(gòu)對(duì)調(diào)頻的影響，證明分布式控制可以減小時(shí)間延遲，且不需要在通信網(wǎng)絡(luò)上耗費(fèi)過(guò)高成本。

更進(jìn)一步地，文獻(xiàn)[48]建立了電動(dòng)汽車分層分布式控制框架并引入負(fù)荷需求優(yōu)化，大幅度減輕了電動(dòng)汽車退出調(diào)頻后的無(wú)序充電現(xiàn)象。仿真結(jié)果表明，所提出的計(jì)及需求充電負(fù)荷優(yōu)化的電動(dòng)汽車集群分層分布式調(diào)頻策略，不僅能自適應(yīng)調(diào)整以保證預(yù)期的調(diào)頻效果，還能降低電網(wǎng)側(cè)的供電壓力，實(shí)現(xiàn)電動(dòng)汽車集群高效可靠的調(diào)度。

4 結(jié)論

本文主要從電動(dòng)汽車的時(shí)空分布、充放電價(jià)策略和電動(dòng)汽車與電網(wǎng)互動(dòng)的分級(jí)調(diào)度模型等方面，總結(jié)了目前V2G調(diào)度及其應(yīng)用研究相關(guān)工作，隨著電動(dòng)汽車有序充放電調(diào)度的推廣應(yīng)用，擬從以下兩方面開展進(jìn)一步研究：

1) “車-路-網(wǎng)”耦合下，充分考慮電動(dòng)汽車移動(dòng)特性，結(jié)合電動(dòng)汽車準(zhǔn)確時(shí)空分布和充電站對(duì)用戶吸引度，開展電動(dòng)汽車充電站選址定容研究。

2) 基于區(qū)塊鏈技術(shù)，開展電動(dòng)汽車能源交易策略與模型、充電運(yùn)營(yíng)商之間的利潤(rùn)博弈策略及電動(dòng)汽車充電引導(dǎo)優(yōu)化研究。

[1] 陳凱炎, 牛玉剛. 基于V2G技術(shù)的電動(dòng)汽車實(shí)時(shí)調(diào)度策略[J]. 電力系統(tǒng)保護(hù)與控制, 2019, 47(14): 1-9.

CHEN Kaiyan, NIU Yugang. Real-time scheduling strategy of electric vehicle based on vehicle-to-grid application[ J]. Power System Protection and Control, 2019, 47(14): 1-9.

[2] 彭晶, 黃虹, 劉福潮, 等. 基于V2G技術(shù)的電動(dòng)汽車有序充放電策略研究[J]. 電氣自動(dòng)化, 2020, 42(5): 12-15.

PENG Jing, HUANG Hong, LIU Fuchao, et al. Research on PHEV orderly charge/discharge strategy based on V2G technology[J]. Electrical Automation, 2020, 42(5): 12-15.

[3] 于會(huì)群, 尹申, 張浩, 等. 考慮電動(dòng)汽車用戶滿意度的微網(wǎng)分層優(yōu)化調(diào)度策略[J]. 中國(guó)電力, 2020, 53(12): 83-91.

YU Huiqun, YIN Shen, ZHANG Hao, et al. Optimization strategy of microgrid hierarchical scheduling considering electric vehicles user satisfaction degree[J]. Electric Power, 2020, 53(12): 83-91.

[4] 譚維玉, 雷雨, 李軍, 等. 計(jì)及動(dòng)態(tài)分時(shí)電價(jià)的電動(dòng)汽車參與電網(wǎng)調(diào)度研究[J]. 可再生能源, 2020, 38(11): 1515-1522.

TAN Weiyu, LEI Yu, LI Jun, et al. Research on the participation of electric vehicles in power system dispatching considering dynamic time-of-use price[J]. Renewable Energy Resources, 2020, 38(11): 1515-1522.

[5] 盧少平, 應(yīng)黎明, 王霞, 等. 基于用戶出行模擬的電動(dòng)汽車快充站負(fù)荷預(yù)測(cè)及其優(yōu)化調(diào)度[J]. 電力建設(shè), 2020, 41(11): 38-48.

LU Shaoping, YING Liming, WANG Xia, et al. Charging load prediction and optimized scheduling of electric vehicle quick charging station according to user travel simulation[J]. Electric Power Construction, 2020, 41(11): 38-48.

[6] 張謙, 王眾, 譚維玉, 等. 基于MDP隨機(jī)路徑模擬的電動(dòng)汽車充電負(fù)荷時(shí)空分布預(yù)測(cè)[J]. 電力系統(tǒng)自動(dòng)化, 2018, 42(20): 59-66.

ZHANG Qian, WANG Zhong, SU Yaojia, et al. Spatial- temporal distribution prediction of charging load for electric vehicle based on MDP random path simulation[J]. Automation of Electric Power Systems, 2018, 42(20): 59-66.

[7] ZHANG Qian, ZHU Yi, WANG Zhong, et al. Reliability assessment of distribution network and electric vehicle considering quasi-dynamic traffic flow and vehicle-to- grid[J]. IEEE Access, 2019, 7: 131201-131213.

[8] 程江洲, 余子容, 程杉, 等. 城市路網(wǎng)中考慮多方影響的電動(dòng)汽車能耗預(yù)測(cè)[J]. 電測(cè)與儀表, 2020, 57(20): 90-97.

CHENG Jiangzhou, YU Zirong, CHENG Shan, et al. Energy consumption prediction of electric vehicle considering multiple influences in urban road network[J]. Electrical Measurement & Instrumentation, 2020, 57(20): 90-97.

[9] 王睿, 高欣, 李軍良, 等. 基于聚類分析的電動(dòng)汽車充電負(fù)荷預(yù)測(cè)方法[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(16): 37-44.

WANG Rui, GAO Xin, LI Junliang, et al. Electric vehicle charging demand forecasting method based on clustering analysis[J]. Power System Protection and Control, 2020, 48(16): 37-44.

[10]張聰, 張祥文, 夏俊榮, 等. 電動(dòng)汽車實(shí)時(shí)可調(diào)度容量評(píng)估方法研究[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(22): 99-106.

ZHANG Cong, ZHANG Xiangwen, XIA Junrong, et al. Research on estimation of electric vehicles real-time schedulable capacity[J]. Power System Protection and Control, 2015, 43(22): 99-106.

[11]何晨穎, 耿天翔, 許曉慧, 等. 利用電動(dòng)汽車可調(diào)度容量輔助電網(wǎng)調(diào)頻研究[J]. 電力系統(tǒng)保護(hù)與控制, 2015, 43(22): 134-140.

HE Chenying, GENG Tianxiang, XU Xiaohui, et al. Research on grid frequency regulation using schedulable capacity of electric vehicles[J]. Power System Protection and Control, 2015, 43(22): 134-140.

[12]張謙, 李晨, 周林, 等. 計(jì)及電動(dòng)汽車實(shí)時(shí)可控能量動(dòng)態(tài)變化的負(fù)荷頻率控制[J]. 電力自動(dòng)化設(shè)備, 2017, 37(8): 234-241.

ZHANG Qian, LI Chen, ZHOU Lin, et al. Load frequency control considering dynamic change of real-time controllable EV energy[J]. Electric Power Automation Equipment, 2017, 37(8): 234-241.

[13] 高亞靜, 王辰, 呂孟擴(kuò), 等. 計(jì)及車主滿意度的電動(dòng)汽車最優(yōu)峰谷分時(shí)電價(jià)模型[J]. 電力自動(dòng)化設(shè)備, 2014, 34(2): 8-13.

GAO Yajing, WANG Chen, Lü Mengkuo, et al. Optimal time-of-use price model considering satisfaction degree of electric vehicle owners[J]. Electric Power Automation Equipment, 2014, 34(2): 8-13.

[14]深圳市發(fā)展和改革委員會(huì)關(guān)于明晰電動(dòng)汽車充電設(shè)施居民合表用戶電價(jià)政策的通知[EB/OL]. [2016-12-23]. http://www.szpb.gov.cn/fgzl/jgzc/jggl3/201707/t20170720_7909230.htm.

[15]麻秀范, 王超, 洪瀟, 等. 基于實(shí)時(shí)電價(jià)的電動(dòng)汽車充放電優(yōu)化策略和經(jīng)濟(jì)調(diào)度模型[J]. 電工技術(shù)學(xué)報(bào), 2016, 31(1): 190-202.

MA Xiufan, WANG Chao, HONG Xiao, et al. Optimal scheduling of charging and discharging of electric vehicle based on real time price and economic dispatch model[J]. Transactions of China Electrotechnical Society, 2016, 31(1): 190-202.

[16]徐智威, 胡澤春, 宋永華, 等. 基于動(dòng)態(tài)分時(shí)電價(jià)的電動(dòng)汽車充電站有序充電策略[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2014, 34(22): 3638-3646.

XU Zhiwei, HU Zechun, SONG Yonghua, et al. Coordinated charging strategy for PEV charging stations based on dynamic time-of-use tariffs[J]. Proceedings of the CSEE, 2014, 34(22): 3638-3646.

[17] 李明洋, 鄒斌. 電動(dòng)汽車充放電決策模型及電價(jià)的影響分析[J]. 電力系統(tǒng)自動(dòng)化, 2015, 39(15): 75-81.

LI Mingyang, ZOU Bin. Charging and discharging decision-making model of electric vehicles and influence analysis of electricity price[J]. Automation of Electric Power Systems, 2015, 39(15): 75-81.

[18] ZHANG Qian, HU Yue, TAN Weiyu, et al. Dynamic time-of-use pricing strategy for electric vehicle charging considering user satisfaction degree[J]. Applied Sciences- basel, 2020, 10(9): 3247.

[19]吳浩. 電動(dòng)汽車與電網(wǎng)互動(dòng)技術(shù)的研究[D]. 天津: 天津理工大學(xué), 2014.

WU Hao. Research on electric vehicle to interact with the grid technology[D]. Tianjin: Tianjin University of Technology, 2014.

[20]閆志杰, 張蕊萍, 董海鷹, 等. 基于需求響應(yīng)的電動(dòng)汽車充放電電價(jià)與時(shí)段研究[J]. 電力系統(tǒng)保護(hù)與控制, 2018, 46(15): 16-22.

YAN Zhijie, ZHANG Ruiping, DONG Haiying, et al. Price and period research of electric vehicles charging and discharging based on demand response[J]. Power System Protection and Control, 2018, 46(15): 16-22.

[21]崔金棟, 羅文達(dá), 周念成. 基于多視角的電動(dòng)汽車有序充放電定價(jià)模型與策略研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2018, 38(15): 4438-4450.

CUI Jindong, LUO Wenda, ZHOU Niancheng. Research on pricing model and strategy of electric vehicle charging and discharging based on multi view[J]. Proceedings of the CSEE, 2018, 38(15): 4438-4450.

[22] YANG P, TANG G, NEHORAI A. A game-theoretic approach for optimal time-of-use electricity pricing[J]. IEEE Transactions on Power Systems, 2013, 28(2): 884-892.

[23] ZHENG S, XIANG Y, SHI L, et al. A cooperative game-based negotiation strategy of electric vehicle discharging price[C] // 2019 IEEE Sustainable Power and Energy Conference (iSPEC), November 21-23, 2019, Beijing, China: 2437-2442.

[24]張謙, 蔡家佳, 李春燕, 等. 基于模糊貝葉斯學(xué)習(xí)的電動(dòng)汽車放電電價(jià)談判策略[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2018, 38(1): 61-71.

ZHANG Qian, CAI Jiajia, LI Chunyan, et al. The negotiation strategy of discharging price of electric vehicle based on fuzzy bayesian learning[J]. Proceedings of the CSEE, 2018, 38(1): 61-71.

[25]程杉, 陳梓銘, 徐康儀, 等. 基于合作博弈與動(dòng)態(tài)分時(shí)電價(jià)的電動(dòng)汽車有序充放電方法[J]. 電力系統(tǒng)保護(hù)與控制, 2020, 48(21): 15-21.

CHENG Shan, CHEN Ziming, XU Kangyi, et al. An orderly charging and discharging method for electric vehicles based on a cooperative game and dynamic time-of-use price[J]. Power System Protection and Control, 2020, 48(21): 15-21.

[26] 張謙, 丁鑄瑋, 譚維玉, 等. 計(jì)及多代理的電動(dòng)汽車放電電價(jià)兩階段談判策略[J]. 電工技術(shù)學(xué)報(bào), 2018, 33(增刊2): 616-628

ZHANG Qian, DING Zhuwei, TAN Weiyu, et al. A two-stage negotiation strategy of discharging price for electric vehicle considering multi-agent[J]. Transactions of China Electrotechnical Society, 2018, 33(S2): 616-628.

[27] ZHANG Qian, DING Zhuwei, TAN Weiyu, et al. Negotiation strategy of discharging price between power grid and electric vehicles considering multi-agent[J]. IET Generation, Transmission & Distribution, 2020, 14(5): 833-844.

[28] SABER A Y, VENAYAGAMOORTHY G K. Intelligent unit commitment with vehicle-to-grid—a cost emission optimization[J]. Journal of Power Sources, 2010, 195(3): 898-911.

[29] SABER A Y, VENAYAGAMOORTHY G K. Plug-in vehicles and renewable energy sources for cost and emission reductions[J]. IEEE Transactions on Industrial Electronics, 2011, 58(4): 1229-1238.

[30] SABER A Y, VENAYAGAMOORTHY G K. Resource scheduling under uncertainty in a smart grid with renewables and plug-in vehicles[J]. IEEE Systems Journal, 2012, 6(1): 103-109.

[31] 張舒, 胡澤春, 宋永華, 等. 考慮電動(dòng)汽車換電站與電網(wǎng)互動(dòng)的機(jī)組組合問(wèn)題研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 2012, 32(10): 49-55.

ZHANG Shu, HU Zechun, SONG Yonghua, et al. Research on unit commitment considering interaction between battery swapping station and power grid[J]. Proceedings of the CSEE, 2012, 32(10): 49-55.

[32] 王錫凡, 邵成成, 王秀麗, 等. 電動(dòng)汽車充電負(fù)荷與調(diào)度控制策略綜述[J]. 中國(guó)電機(jī)工程學(xué)報(bào), 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.

[33]劉文霞, 趙天陽(yáng), 邱威, 等. 規(guī)模化EV充電與風(fēng)力/火電發(fā)電系統(tǒng)協(xié)調(diào)運(yùn)行[J]. 電工技術(shù)學(xué)報(bào), 2013, 28(5): 49-57.

LIU Wenxia, ZHAO Tianyang, QIU Wei, et al. Coordinated operation of large scale electric vehicles charging with wind-thermal power system[J]. Transactions of China Electrotechnical Society, 2013, 28(5): 49-57.

[34]張謙, 劉超, 周林, 等. 計(jì)及可入網(wǎng)電動(dòng)汽車最優(yōu)時(shí)空分布的雙層經(jīng)濟(jì)調(diào)度模型[J]. 電力系統(tǒng)自動(dòng)化, 2014, 38(20): 40-45.

ZHANG Qian, LIU Chao, ZHOU Lin, et al. A bi-level economy dispatch model considering temporal and spatial optimal distribution of electric vehicles[J]. Automation of Electric Power Systems, 2014, 38(20): 40-45.

[35]張謙, 蔡家佳, 劉超, 等. 基于優(yōu)先權(quán)的電動(dòng)汽車集群充放電優(yōu)化控制策略[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(17): 117-125.

ZHANG Qian, CAI Jiajia, LIU Chao, et al. Optimal control strategy based on the priority of cluster charging and discharging of electric vehicles[J]. Transactions of China Electrotechnical Society, 2015, 30(17): 117-125

[36] ZHANG Qian, LIU Huazhen, LI Chen. A hierarchical dispatch model for optimizing real-time charging and discharging strategy of electric vehicles[J]. IEEJ Transactions on Electrical and Electronic Engineering. 2018, 13(4): 537-548.

[37]張謙, 周林, 周雒維, 等. 計(jì)及電動(dòng)汽車充放電靜態(tài)頻率特性的負(fù)荷頻率控制[J]. 電力系統(tǒng)自動(dòng)化, 2014, 38(16): 74-80.

ZHANG Qian, ZHOU Lin, ZHOU Luowei, et al. Load frequency control considering charging and discharging static frequency characteristics of electric vehicles[J]. Automation of Electric Power Systems, 2014, 38(16): 74-80.

[38] ZHANG Qian, LI Yan, LI Chen, et al. Real-time adjustment of load frequency control based on controllable energy of electric vehicles[J]. Transactions of the Institute of Measurement and Control, 2020, 42(1): 42-54.

[39] ZHANG Qian, LI Yan, LI Chen, et al. Coordinated secondary frequency regulation strategy of doubly-fed induction generator and electric vehicle[J]. Applied Sciences-basel, 2019, 9(14): 2815

[40] ZHANG Qian, LI Yan, DING Zhuwei, et al. Self-adaptive secondary frequency regulation strategy of micro-grid with multiple virtual synchronous generators[J]. IEEE Transactions on Industry Applications, 2020, 56(5): 6007-6018.

[41] ZHANG Qian, LI Yan, LI Cheng, et al. Grid frequency regulation strategy considering individual driving demand of electric vehicle[J]. Electric Power Systems Research, 2018, 163: 38-48.

[42] OTA Y, TANIGUCHI H, BABA J, et al. Implementation of autonomous distributed V2G to electric vehicle and DC charging system[J]. Electric Power Systems Research, 2015, 120: 177-183.

[43] LIU H, QI J, WANG J, et al. EV dispatch control for supplementary frequency regulation considering the expectation of EV owners[J]. IEEE Transactions on Smart Grid, 2018, 9(4): 3763-3772.

[44] KAUR K, SINGH M, KUMAR N. Multiobjective optimization for frequency support using electric vehicles: an aggregator-based hierarchical control mechanism[J]. IEEE Systems Journal, 2019, 13(1): 771-782.

[45] MU C, LIU W, XU W. Hierarchically adaptive frequency control for an EV-integrated smart grid with renewable energy[J]. IEEE Transactions on Industrial Informatics, 2018, 14(9): 4254-4263.

[46] KO K S, SUNG D K. The effect of ev aggregators with time-varying delays on the stability of a load frequency control system[J]. IEEE Transactions on Power Systems, 2018, 33(1): 669-680.

[47] ARANI M F M, MOHAMED Y A I. Cooperative control of wind power generator and electric vehicles for microgrid primary frequency regulation[J]. IEEE Transactions on Smart Grid, 2018, 9(6): 5677-5686.

[48] DENG Xiaosong, ZHANG Qian, LI Yan, et al. Hierarchical distributed frequency regulation strategy of electric vehicle cluster considering demand charging load optimization[C] // 2020 IEEE Student Conference on Electric Machines and Systems (SCEMS), December 4-6, 2020, Jinan, China.

Research on orderly charging and discharging scheduling and application of electric vehicle based on vehicle-to-grid

LIU Zhiqiang, ZHANG Qian, SU Yaojia, ZHU Yi, HU Yue

(State Key Laboratory of Power Transmission Equipment & System Security and New Technology (Chongqing University), Chongqing 400044, China)

With the development of electric vehicles, large-scale disordered access of electric vehicles will bring a series of problems to the grid, such as the further increase of peak-valley difference of load, local overload of load in power network, low bus voltage in some parts of the power network, increasing of line loss and the out of limit capacity of transformer in the distribution network. The application of vehicle-to-grid technology to control the charging and discharging process of electric vehicles can effectively alleviate the above problems. What’s more, it can reduce the peak, fill the valley and suppress the intermittency and volatility of renewable energy. This paper summarizes the research condition of electric vehicles orderly charging and discharging scheduling and application from three aspects: the spatial-temporal distribution of electric vehicles’ cluster charging demand and discharge capacity; the charging and discharging price strategy of electric vehicles interacting with the grid; the hierarchical scheduling model of electric vehicles interacting with the grid. In the end, this paper discusses the future research direction.

vehicle-to-grid; spatial-temporal distribution; scheduling; frequency regulation; charging and discharging price

2022-08-11；

2022-10-15

劉志強(qiáng)(1998—)，男，碩士研究生，研究方向?yàn)殡妱?dòng)汽車與電網(wǎng)互動(dòng)技術(shù)、電力系統(tǒng)頻率調(diào)節(jié)；E-mail: 1119597419@qq.com

張 謙(1980—)，女，通信作者，博士，副教授，研究方向?yàn)殡妱?dòng)汽車與電網(wǎng)互動(dòng)、電力市場(chǎng)、新能源消納；E-mail: zhangqian@cqu.edu.cn

栗堯嘉(1996—)，男，碩士研究生，研究方向?yàn)殡妱?dòng)汽車與電網(wǎng)互動(dòng)技術(shù)。E-mail: 1306765948@qq.com