摘 要：針對電動汽車在居民小區(qū)無序充電對電網系統(tǒng)產生嚴重隱患及充電間時過長問題，提出一種采用延遲充 電的電動汽車有序充電控制策略，并在分析國內外電動汽車有序充電的研究現狀后，設計了居民小區(qū)電動汽車有序充電策略的總體框架。該策略采用延遲充電對電動汽車進行有序充電控制，通過計算電動汽車的充電優(yōu)先級來 確定用戶開始充電的時間以保證離開時電動汽車的荷電狀態(tài)，很大程度達到用戶期望荷電狀態(tài)。通過算例仿真分析，證明提出的延遲充電策略可在滿足用戶對電動汽車充電量期望的同時達到削峰填谷的作用。

關鍵詞：電動汽車；有序充電；延遲充電；削峰填谷；儲能

1 引言

隨著世界經濟的快速發(fā)展和人類對能源需求的不斷增長，能源被大量消耗，產生大量的環(huán)境污染。機動車輛已經成為生產生活中的一部分，使用燃油車無疑會增加CO₂的排放。雖然新能源發(fā)電被越來越多地引入電網，如光伏發(fā)電，風力發(fā)電等，但由于二者的功率輸出是隨機波動的，會對電力系統(tǒng)造成影響，產生電能質量問題。因此，減少燃油車的使用，從燃油動力汽車轉向電動汽車是解決汽車造成的環(huán)境污染的有效手段。當前電網系統(tǒng)的有基金項目：北京市教委科研計劃項目序充電對智能電網的發(fā)展起著越來越大的作用。隨著EV的大規(guī)模使用，有序充電對電網及分布式能源的重要性日益增強，需要解決EV充電問題。目前針對EV充電的研究內容主要涉及充電負荷預測、V2G、EV參與輔助服務、配電網規(guī)劃、充電站規(guī)劃等，也有一些學者對EV充電分層分區(qū)調度策略進行了研究。

居民小區(qū)具有用車規(guī)律性強、可控性強、方便調研等優(yōu)勢，因此將居民小區(qū)作為研究對象，針對EV在居民小區(qū)充電過程中隨機停放且無序充電對電網系統(tǒng)產生的嚴重隱患及充電間時過長的問題，提出一種采用延遲充電的EV有序充電控制策略。

1.1EV有序充電策略

1.1.1EV有序充電控制架構

EV充電將成為居民區(qū)電力需求的重要組成部分，需要從配電網規(guī)劃原則和負荷分布的影響等方面展開研究。結合概率收費模型和電力消費數據，在標準中定義的不同充電功率下，隨機模擬不受控制、限制和價格優(yōu)化的EV充電產生的影響。將大量EV推遲至用電谷時段進行充電以減小EV充電對小區(qū)變壓器的沖擊，并且考慮到分時電價可減少用戶充電費用，提高經濟性，保證EV與電網的協調互動發(fā)展。EV有序充電控制架構如圖1所示。

圖1 EV有序充電控制框架

1.2延遲充電的充電變量定義

EV返回后駐車時長的計算方法為TS = t_out - t_back ，（1）式中：TS為用戶駐車時長，h；tout為用戶外出時刻；tbac 為用戶返回時刻。EV 結束充電時刻t_over的表達式為t_over = t_start+ T_cha ，（2）式中：t_start 為充電開始時刻；T_cha 為充電時長，h。設t時刻共有m輛EV進行充電，則EV充電總功率 P_t，EV和功率P_a.t的表達式為P_t，EV =_EV，（3）

式中：P_EV 為EV荷電功率。P_a.t = P_max - P_load - P_t，EV，（4）式中：Pmax為功率限值，kW；Pload為除EV充電之外的日常負荷，kW。EVi進行有序充電的優(yōu)先級計算方法為，（5）式中：γ為EV充電優(yōu)先級。

在設計EV的充電優(yōu)先級時，設置當γ= 1時的優(yōu)先級高，EV優(yōu)先進行充電；當γ=0時的優(yōu)先級低，EV最后進行充電。為了讓EV在車主離開小區(qū)時處于滿電狀態(tài)，需要設置車主的優(yōu)先級γ= 1，確保EV電池狀態(tài)達到滿電狀態(tài)。

1.3有序充電策略具體執(zhí)行方式

EV有序充電設計重要的部分是對延遲充電條件的設置，通過對滿足條件的EV延遲充電且不影響用戶的期望充電量為基礎，完成對居民小區(qū)EV有序充電的控制。當用戶把EVi連接到充電樁時,可通過充電樁的人機交互界面對EV的期望荷電狀態(tài)、用戶預計離開時刻進行設定。充電樁通過充電控制系統(tǒng)獲得EVi的電池信息，并將EV的充電負荷信息上傳至有序充電控制器，有序充電控制器獲得各個EV的充電負荷信息后對EV的充電進行控制，其實施流程如圖2所示，具體如下。

圖2 采用延遲充電的EV有序充電流程

（1）在t時刻將已經充電完成的EV從計算充電序列中剔除。

（2）檢測有無EV接入，若有則判斷是否符合延遲充電條件，若無EV接入則轉入步驟（4）。

（3）延遲充電條件：EV離開時刻在谷時段開始之后，且用戶返回時刻到遲充電完成時刻的時長大于EV充電所需時間。若上述延遲充電條件均滿足則EV進入有序充電控制器的充電等待序列中，否則立即對EV充電以保證充電結束時的電池電量很大程度接近用戶期待荷電。

（4）有序充電控制中臺采集t時刻該小區(qū)實時 負荷信息，尋找充電等待序列優(yōu)先級高的EV。

（5）若EV充電優(yōu)先級γ= 1，則有序充電控制器對充電樁下達命令使其對EV進行充電，若充電先級γ≠1，則采用當日制定的功率限制值計算t時刻功率裕度判斷功率裕度是否大于EV充電功率。

（6）若功率裕度大于EV充電功率則對EV進行充電，記錄開始時間，計算結束時間。并更新功率裕度，繼續(xù)尋找本時刻高優(yōu)先級的EV，判斷是否可以進行充電，直到充電優(yōu)先級γ≠1且功率裕度小于EV充電功率（判定先級γ= 1的邏輯為：當EV在t時刻到完成充電時刻等于充電所需時長時開始充電、當停留時長等于充電時長時開始充電 。其他充電優(yōu)先級γ≠1的車輛均根據功率裕度判斷是否進行充電）。

（7）判斷t時刻是否晚于谷時段開始時刻，是則結束循環(huán)，控制結束，否則重新執(zhí)行步驟（1）。為更加直觀地展現上述過程，通過問卷收集了15條居民小區(qū)EV充電數據，見表1。

假設該小區(qū)的峰谷時段為21：00 至次日 08：00。在不考慮功率限制、僅滿足優(yōu)先級但不具體根據優(yōu)先級進行有序充電的情況下，對上述控制邏輯進行簡單的模擬，結果如圖 3 所示，并與即充即走的無序充電模式進行對比 。圖3中藍色為 EV充電時間，紅色為 EV 可以進行充電的時間 。 由圖3可見：C，G， H，I，J，K，L號 EV 均可在峰谷時進行充電 。但由于沒有有序充電策略的幫助，導致原本可以延遲充電的EV在到達小區(qū)時就立即開始充電，導致用電高峰時有大量EV接入電網進行充電，給小區(qū)的變壓器帶來很大的負擔，甚至會產生安全隱患。

圖3 即充即走的無序充電模式

如果采用有序充電策略，如圖 4 所示，21：00 前用電高峰階段進行充電的 EV 數量明顯減少，從9 輛減少為5 輛。 同時，21：00 后用電峰谷時段的充電EV由3 輛增加至7輛，顯著降低用電高峰期變壓器負荷，同時利用夜晚用電谷時段進行充電，達到了削峰填谷的目的。

圖4 有序充電模式

2 EV有序充電算例分析

對提出的EV有序充電策略進行試驗算例分析，并利用仿真結果證明有序充電策略的有效性。

2.1參數設置

為進行仿真分析，通過問卷調查獲取小區(qū)EV回到社區(qū)的時間如圖5所示。所采訪小區(qū)的用電負荷高峰出現在20：00，功率峰值約900kW，其次為12：00，功率峰值約600kW。EV返回后電池平均剩余容量為50%。通過問卷獲取EV離開社區(qū)的時間和EV充滿電所用時間分別如圖6及圖7所示。

圖5 EV返回小區(qū)時間

圖6 EV離開小區(qū)時間

圖7 EV充電時長

對用戶充電行為進行如下假設。

（1）用戶出行數據取自圖5—7，共計44輛 EV，充電樁的配比為1∶1，可隨時接入充電樁，等待有序充電控制器的控制。

（2）所用充電樁為慢速交流充電裝置，充電功率為7kW，谷時段為22：00—次日08：00。

（3）EV 每天返回后均進行充電，用戶期望駕車離開時EV電池電量為100%。

（4）變壓器的負荷紅線為1100kW。

2.2仿真結果

利用提出的EV有序充電策略對案例進行仿真分析，可得出有序充電和無序充電波動曲線如圖8所示。從有序充電和無序充電曲線的波動可以看出，不采用有序充電策略，EV充電處于大規(guī)模無序狀態(tài)，且EV的充電高峰期出現在一天中的用電高峰期到凌晨。此時電網系統(tǒng)的用電量即為負荷的達高峰，電網系統(tǒng)的負荷壓力也大。

而在有序充電模式下，通過合理地安排EV充電順序，可有效縮短EV充電時間，并將原本在用電高峰期充電的EV安排到其他時間段充電，提高電網的安全運行，降低電網系統(tǒng)的負荷壓力。

圖8 EV有序充電與無序充電負荷對比

為了更直觀地體現有序充電的控制效果，計算44輛 EV 在無序充電充電模式和有序充電模式下的峰谷差，結果見表2。

表2無序充電模式和有序充電模式下的負荷對比

從表2無序充電充電模式和有序充電模式下負荷數據對比可見：在EV數量相同的情況下，有序充電模式的負荷總峰值遠小于無序充電充電模式時的總峰值，且無序充電充電模式已經超過負荷的紅線（1100kW），而有序充電模式可以保證負荷的穩(wěn)定性；從負荷的峰谷差可以看出，有序充電模式的峰谷差僅為無序充電充電模式峰谷差的1/2 。可見提出的基于EV 延遲充電的有序充電策略可以有效控制EV充電安全，并達到削峰填谷、錯峰充電的目的，對EV的推廣具有一定的積極意義。

3 安科瑞充電樁收費運營云平臺

3.1概述

AcrelCloud-9000安科瑞充電樁收費運營云平臺系統(tǒng)通過物聯網技術對接入系統(tǒng)的汽車充電站、電動自行車充電站以及各個充電樁進行不間斷地數據采集和監(jiān)控，實時監(jiān)控充電樁運行狀態(tài)，進行充電服務、支付管理，交易結算，資源管理、電能管理、明細查詢等，同時對充電機過溫保護、漏電、充電機輸入/輸出過壓、欠壓、絕緣低各類故障進行預警；充電樁支持以太網、4G或WIFI等方式接入互聯網，用戶通過微信、支付寶、云閃付掃碼充電。

3.2應用場合

適用于住宅小區(qū)等物業(yè)環(huán)境、各類企事業(yè)單位、醫(yī)院、景區(qū)、學校、園區(qū)等公建、公共停車場、公路充電站、公交樞紐、購物中心、商業(yè)綜合體、商業(yè)廣場、地下停車場、高速服務區(qū)、公寓寫字樓等場合。

3.3系統(tǒng)結構

現場設備層：連接于網絡中的各類傳感器，包括多功能電力儀表、汽車充電樁、電瓶車充電樁、電能質量分析儀表、電氣火災探測器、限流式保護器、煙霧傳感器、測溫裝置、智能插座、攝像頭等。

網絡通訊層：包含現場智能網關、網絡交換機等設備。智能網關主動采集現場設備層設備的數據，并可進行規(guī)約轉換，數據存儲，并通過網絡把數據上傳至搭建好的數據庫服務器，智能網關可在網絡故障時將數據存儲在本地，待網絡恢復時從中斷的位置繼續(xù)上傳數據，保證服務器端數據不丟失。

平臺管理層：包含應用服務器和數據服務器，完成對現場所有智能設備的數據交換，可在PC端或移動端實現實時監(jiān)測充電站配電系統(tǒng)運行狀態(tài)、充電樁的工作狀態(tài)、充電過程及人員行為，并完成微信、支付寶在線支付等應用。

3.4平臺功能描述

3.4.1充電服務

充電設施搜索，充電設施查看，地圖尋址，在線自助支付充電，充電結算，導航等。

3.4.2首頁總覽

總覽當日、當月開戶數、充值金額、充電金額、充電度數、充電次數、充電時長，累計的開戶數、充值金額、充電金額、充電度數、充電次數、充電時長，以及相應的環(huán)比增長和同比增長以及樁、站分布地圖導航、本月充電統(tǒng)計。

3.4.3交易結算

充電價格策略管理，預收費管理，賬單管理，營收和財務相關報表。

3.4.4故障管理

故障管理故障記錄查詢、故障處理、故障確認、故障分析等管理項，為用戶管理故障和查詢提供方便。

3.4.5統(tǒng)計分析

統(tǒng)計分析支持運營趨勢分析、收益統(tǒng)計，方便用戶以曲線、能耗分析等分析工具，瀏覽樁的充電運營態(tài)勢。

3.4.6運營報告

按用戶周期分析汽車、電瓶車充電站、樁運行、交易、充值、充電及報警、故障情況，形成分析報告。

3.4.7APP、小程序移動端支持

通過模糊搜索和地圖搜索的功能，可查詢可用的電樁和電站等詳細信息。掃碼充電，在線支付:掃描充電樁二維碼，完成支付，微信支付完成后，即可進行充電。

3.4.8資源管理

充電站檔案管理，充電樁檔案管理，用戶檔案管理，充電樁運行監(jiān)測，充電樁異常交易監(jiān)測。

4.5選型配置

4結束語

EV的充電周期與人們的生活習慣密切相關。隨著全國EV保有量逐年增多，EV大量無序充電的充電模式將對電網產生較大的影響，因此有必要對居民區(qū)的EV充電進行合理規(guī)劃，提出合理的家用EV充電策略，確保電網充電區(qū)域的安全穩(wěn)定運行。

（1）從EV充電的選擇策略著手進行研究，介紹了EV有序充電的基礎理論，分析了大規(guī)模EV充電過程中遇到的問題。

（2）介紹了EV充電策略的理論基礎，對EV充電的模式進行了分析，然后針對居民小區(qū)EV無序充電充電模式提出了一種基于延遲充電的EV有序充電策略，并對充電策略的總體框架進行了分析。

（3）以實際居民小區(qū)EV充電為例進行仿真分析，證明了本文提出的EV有序充電策略的方法能夠實現EV有序充電，并有效降低充電總峰值，達到削峰填谷、錯峰充電的目的，表明提出的有序充電策略方法設計的有效性。

參考文獻

[1]葛磊蛟，崔慶雪，李明瑋，等.風光波動性電源電解水制氫技術綜述［J］.綜合智慧能源，2022，44(5)：1-14.

[2]李景麗，時永凱，張琳娟，等.考慮電動汽車有序充電的光儲充電站儲能容量優(yōu)化策略［J].電力系統(tǒng)保護與控制,2021，49（7）：94- 102.

[3]賀瑜環(huán)，楊秀媛，陳麒宇，等.電動汽車智能充放電控制與應用綜述［J].發(fā)電技術，2021，42（2）：180- 192.

[4]董偉杰等.居民小區(qū)電動汽車有序充電策略研究第一期. 綜合智慧能源

[5]安科瑞企業(yè)微電網設計與應用手冊2020.06