摘要：提出一種電動汽車充電起始時間隨機選取方法。由控制決策生成器獲取當前控制區域電價與負載信息，并根據負載曲線，對負荷曲線中谷時段進行分段處理，計算電網在各時段的負荷容納能力。各充電樁根據負荷容納能力計算不同充電時長的用戶對應的充電起始時刻概率分布，并依據概率分布隨機決定接入用戶充電起始時間。該方法將谷時段電網負荷容納能力量化為充電概率分布，按各時段負荷容納能力隨機生成充電任務，達到均衡利用谷時段電力資源的目的。

關鍵詞：電動汽車；有序充電；削峰填谷；隨機控制策略

0引言

本文以峰谷分時電價為背景，以居民小區家用電動汽車慢速充電為研究對象，由控制決策生成器獲取當前控制區域電價與負載信息，提出一種充電樁自決策的電動汽車充電負荷隨機接入控制策略，實施流程無須通過集中式網絡進行實時的通信和控制，可由充電設備獨立完成。控制策略能將電動汽車充電負荷有效轉移至谷電價時段，并且轉移后的負荷曲線平滑無劇烈變化，實現削峰填谷、平抑負荷波動，減少系統和用戶成本，適用于較大規模居民小區，是一種高效率低成本的有序充電控制方案。

1有序充電及其系統架構

由國家發展和改革委員會于2014年下發的《關于電動汽車用電價格政策有關問題的通知》中指出，中國居民區電動汽車充電設施執行峰谷分時電價政策，鼓勵電動汽車用戶選擇谷電價時段進行充電。但若只是單純地使用戶等到谷時段再充電而不加調控，不僅無法達到預期的引導效果，反而會使谷時段產生劇烈的負荷變化，影響電網安全穩定。為此，本文提出一種有序地將大量充電負荷轉移至谷時段的控制方案。

本系統包含如下運行步驟。

1）獲取小區負載曲線：用電信息采集系統根據居民區歷史負荷數據，預測當日小區常規（不含電動汽車充電）用電負荷，并生成負荷曲線。

2）決策參數表生成：控制策略生成器獲取常規負荷曲線，基于所提策略生成決策參數表，并發送給區域內各充電樁。

3）充電樁獨立控制：充電樁由電動汽車電池管理系統得到接入電動汽車的電池信息，由用戶通過人機交互界面輸入得到充電需求相關信息，計算得出該電動汽車需要的充電時長及功率。當用戶確認參與有序充電策略后，充電樁依照決策參數表，計算充電時間概率分布，并隨機決定充電起止時間。對于不參與策略的用戶，充電樁立即開始充電。

2充電負荷隨機接入控制策略

2.1控制決策生成器策略流程

控制決策生成器是本文所提控制策略的中樞，獲取當前控制區域電價與負載信息，并根據負載曲線，對負荷曲線中谷時段進行分段處理，計算電網在各時段的負荷容納能力，計算不同充電時長的用戶對應的分組規則。具體包含如下流程。

1）谷時段劃分：控制策略生成器在接收用電信息采集系統提供的小區常規負荷曲線后，首先需要定位谷時段開始時刻tval，s以及結束時刻tval，e，隨后對谷時段進行劃分，將谷時段劃分為N個長度相等的子時段，需要說明的是，子時段數量直接影響概率計算和負荷控制的精細度，在實際應用中應考慮適當增大N值。下文中為計算與說明簡便，以圖1中N=4為準。谷時段為23：00至次日07：00。

圖1谷時段劃分方案及負荷裕度計算示意圖

2）計算各子時段負荷裕度：負荷裕度表征了電網在某時段承載負荷的能力。將谷時段劃分后形成的子時段記為Sj，則Sj時段的負荷裕度定義為：

式中：P（t）為小區負荷隨時間t變化的函數關系表達式；Pref為基準負荷值，它等于谷時段負荷的Zui大值，它與P（t）的差隨時間積分形成的面積即為tj到tj+1時段的負荷裕度。

3）按充電時長對待充電電動汽車集群進行分組：根據谷時段劃分情況，設所有可能的充電起始時刻集合為T，在圖1樣例中T=｛23：00，00：00，…，06：00｝，以充電時間第i輛電動汽車（記為EVi）所需充電時長，Tval表示谷時段時長。

①TEVi≤Tval：該組電動汽車能夠在谷時段內完成充電需求。以各子時段起始時刻為可用起始充電時刻，則TEVi為0~1h的電動汽車群歸于電動汽車集合1，其對應的可用起始充電時刻為T集合內所有4個時刻。TEVi在1~2h范圍的電動汽車群分入電動汽車集合2,這部分電動汽車如果在06:00開始充電，則不能在谷時段結束前(07:00前）完成充電，故該組電動汽車對應的可用起始充電時刻為T集合內除去06:00外的7個時刻。以此類推，TEVi為7~4h的電動汽車群歸于電動汽車集合4, 其對應的可用起始充電時刻僅能取23:00。

②TEVi>Tval：該組電動汽車不能完全在谷時段內完成充電需求，均歸為電動汽車集合0,該集合內的電動汽車默認在谷時段開始時刻進行充電。若默認安排使用戶充電結束時刻晚于離去時刻，則將充電起始時刻提前至在離去時刻完成充電需求即可。

2.2充電樁策略流程

本文所提控制策略中，充電樁具有自決策的權力，各臺充電樁只需從控制決策生成器下載決策參數表，隨后可由充電樁按概率獨立執行充電任務，無需復雜的集中式通信控制。具體操作流程如下。

1)讀取接入電動汽車相關信息并計算充電時長：當有新車EVi接入充電樁時，用戶通過樁上人機交互界面輸入充電模式、需求荷電狀態Sde,i和離去時刻tdep,i。本策略僅針對選擇慢充模式，且愿意參與谷時段有序充電的用戶。由電池管理系統獲取初始荷電狀態Sini,i與電池容量Wi,由用戶輸入獲取Sde,i與tdep,i,則該EVi充電時長TEVi計算如下：

TEVi=

式中：ηi為EVi的充電效率；PEVi為EVi的充電功率。

2)充電樁從控制決策生成器下載決策參數表，并根據接入電動汽車的充電時長TEVi,找到該電動汽車可用的起始充電時刻分布情況以及在這些時刻開始充電的概率。例如，圖1樣例中，接入某臺充電樁的電動汽車，其充電時長TEVi計算結果為45min,則充電樁由決策參數表找到該電動汽車屬于電動汽車集合1,其可用起始充電時刻為T集合所有4個時刻。

3)按接入用戶時間約束條件調整充電時刻：若因個體電動汽車接入時間晚于或離去時間早于某些可用起始充電時刻，充電樁只需篩除這些可用時刻即可。例如電動汽車集合1內有個體在23:45到達，則此時可用起始充電時刻23:00已過，需篩除。相應地，有個體需在05:50離開，則可用起始充電時刻06:00需篩除。篩除過后該個體可用起始充電時刻產生了變化，充電樁調整電動汽車個體可用起始充電時刻分布。

4)為了達到均衡利用谷時段電力資源的目的，

充電樁根據決策參數表，將谷時段電網負荷容納能力量化為充電概率分布，按各時段負荷容納能力隨機生成充電任務。對滿足TEVi≤Tval的某EVi,根據需求充電時長，該EVi的充電時間可能包含數個子時段的集合。設該EVi總共可以選擇M個子時段集合來完成充電，其中第m個子時段集合記為Ωm,m∈[1,M]。Ωm所對應的負荷裕度總和為Pset,m,則有

Pset,m=jPsup,j(3)

每個子時段集合具有特定的負荷裕度值。充電樁從所有M個可用子時段集合中隨機選擇一個作為實際充電時段，選擇第m個子時段集合的概率為：

式中：Ci為EVi在第m個可用子時段集合充電的概率。例如某電動汽車的可用充電子時段集合為Ω1,Ω2,Ω3,經計算，這三個子時段集合對應的充電概率分別為20%,30%,50%,充電樁按此概率選定子時段集合充電。每臺充電樁的策略流程是獨立的，相互間不影響決策，也不需要信息交換。

2.3策略激勵措施

本策略擬為用戶提供激勵措施，以增加用戶參與調控的積極性。本策略按照電網谷時段負荷承載能力轉移電動汽車充電時間，充分利用谷時段電力資源，節省電網維護成本，為電網帶來經濟效益。相對地，電網可與充電用戶進行雙向互動，為參與優化策略的用戶提供價格激勵措施，使用戶享受低于谷時段電價的優惠，從而節省用戶充電開銷，讓更多用戶參與調控。

3算例分析

3.1相關參數設置

本文按該比例設置參與控制策略的電動汽車比例，且BEV充電功率取10kW,PHEV充電功率取3kW,為簡便起見，充電效率ηi均取1。用戶出行行為相關參數，包括出行時刻、日行駛里程與返回時刻及返回時對應荷電狀態等，沿用2009年全美家庭出行調查(NHTS)中的結果，其返回時刻和日行駛里程分別近似服從正態分布和對數正態分布，其概率密度函數式見文獻。

3.2仿真過程及結果

本文在3.1節所述的參數設置下，使用蒙特卡洛方法隨機產生電動汽車接入數據，包括tdep,i、EVi到達時刻tarr,i和Sini,i。令Sde,i=1,為驗證參與調控電動汽車規模對本策略效果的影響，令參與有序充電電動汽車數量分別為10,200,300輛，Zui后得到小區負荷曲線如圖2所示。

圖2居民區電動汽車有序充電負荷曲線

三種電動汽車數量下負荷曲線的方差見表1。

表1不同規模電動汽車負荷方差對比

由圖2中負荷曲線可以看出，本策略能夠將居民區大量電動汽車充電負荷平穩轉移至谷時段，并且能根據谷時段常規負荷波動情況控制各時段轉移量的大小，使整體負荷曲線趨勢緩和。結合表1中方差數據可知，參與調控的電動汽車規模越大，負荷曲線將越趨于平緩，調控效果越好。從整體負荷曲線看，雖然充電樁是以相互間不影響的獨立決策方式運作的，但其對負荷的調控效果與集中式控制策略并無明顯差異。

為進一步簡化策略流程，降低系統復雜度，本文提出一種充電負荷均勻轉移至谷時段的模式。該模式簡化了負荷裕度的計算，認為各時段負荷裕度均相等。在電動汽車分組完成后，充電樁等概率地選擇谷時段某一滿足用戶充電需求的時刻開始充電。

本文提出的雙序谷時段充電模式加入對比分析，比較無序充電模式、雙序谷時段充電模式、基于負荷裕度的隨機充電方法和等概率均勻轉移負荷的隨機充電方法的性能。其余參數同3.1節中設置。負荷曲線及峰谷差、負荷方差、總電價仿真結果分別如圖3、表2所示。

圖34種模式下的充電負荷曲線

表24種模式下充電負荷指標對比

由仿真結果可知，無序充電模式下，電動汽車用戶的充電時間集中在16:00—22:00,這個時間段是一天中的第二個用電高峰期，常規負荷疊加電動汽車充電負荷，造成“峰上加峰”現象，易導致配電網過載等問題出現。表2中負荷指標表明，本文所提等概率均勻轉移負荷模式與基于裕度轉移模式均能有效減小峰谷差并平抑負荷波動，但基于裕度轉移模式負荷峰谷差與方差更低。等概率均勻轉移模式削峰填谷、平抑負荷波動的效果不及基于裕度轉移，但省略了負荷裕度的計算過程，更易實現。因此，實行本文所提電動汽車有序充電控制策略，不僅能削峰填谷，平抑負荷波動，也能減少用戶充電成本，達到電網與用戶間的雙贏。

4安科瑞充電樁收費運營云平臺系統選型方案

4.1概述

AcrelCloud-9000安科瑞充電柱收費運營云平臺系統通過物聯網技術對接入系統的電動電動自行車充電站以及各個充電整法行不間斷地數據采集和監控，實時監控充電樁運行狀態，進行充電服務、支付管理，交易結算，資要管理、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。

4.2應用場所

適用于民用建筑、一般工業建筑、居住小區、實業單位、商業綜合體、學校、園區等充電樁模式的充電基礎設施設計。

4.3系統結構

系統分為四層：

1)即數據采集層、網絡傳輸層、數據層和客戶端層。

2）數據采集層：包括電瓶車智能充電樁通訊協議為標準modbus-rtu。電瓶車智能充電樁用于采集充電回路的電力參數，并進行電能計量和保護。

3）網絡傳輸層：通過4G網絡將數據上傳至搭建好的數據庫服務器。

4）數據層：包含應用服務器和數據服務器，應用服務器部署數據采集服務、WEB網站，數據服務器部署實時數據庫、歷史數據庫、基礎數據庫。

5）應客戶端層：系統管理員可在瀏覽器中訪問電瓶車充電樁收費平臺。終端充電用戶通過刷卡掃碼的方式啟動充電。

小區充電平臺功能主要涵蓋充電設施智能化大屏、實時監控、交易管理、故障管理、統計分析、基礎數據管理等功能，同時為運維人員提供運維APP，充電用戶提供充電小程序。

4.4安科瑞充電樁云平臺系統功能

4.4.1智能化大屏

智能化大屏展示站點分布情況，對設備狀態、設備使用率、充電次數、充電時長、充電金額、充電度數、充電樁故障等進行統計顯示，同時可查看每個站點的站點信息、充電樁列表、充電記錄、收益、能耗、故障記錄等。統一管理小區充電樁，查看設備使用率，合理分配資源。

4.4.2實時監控

實時監視充電設施運行狀況，主要包括充電樁運行狀態、回路狀態、充電過程中的充電電量、充電電壓電流，充電樁告警信息等。

4.4.3交易管理

平臺管理人員可管理充電用戶賬戶，對其進行賬戶進行充值、退款、凍結、注銷等操作，可查看小區用戶每日的充電交易詳細信息。

4.4.4故障管理

設備自動上報故障信息，平臺管理人員可通過平臺查看故障信息并進行派發處理，同時運維人員可通過運維APP收取故障推送，運維人員在運維工作完成后將結果上報。充電用戶也可通過充電小程序反饋現場問題。

4.4.5統計分析

通過系統平臺，從充電站點、充電設施、、充電時間、充電方式等不同角度，查詢充電交易統計信息、能耗統計信息等。

4.4.6基礎數據管理

在系統平臺建立運營商戶，運營商可建立和管理其運營所需站點和充電設施，維護充電設施信息、價格策略、折扣、優惠活動，同時可管理在線卡用戶充值、凍結和解綁。

4.4.7運維APP

面向運維人員使用，可以對站點和充電樁進行管理、能夠進行故障閉環處理、查詢流量卡使用情況、查詢充電\充值情況，進行遠程參數設置，同時可接收故障推送

4.4.8充電小程序

面向充電用戶使用，可查看附近空閑設備，主要包含掃碼充電、賬戶充值，充電卡綁定、交易查詢、故障申訴等功能。

4.5系統硬件配置

5結語

峰谷電價背景下居民區家用電動汽車無序充電時間過于集中，會加劇電網峰值壓力，造成負荷沖擊，而基于有序充電的集中式控制系統復雜度高，不易實現。本文提出一種電動汽車充電起始時間隨機選取方法。通過理論分析與仿真驗證，結論如下。

1)本文所提基于負荷裕度的隨機充電策略能夠有效實現負荷平穩轉移，削減峰谷差，降低負荷方差，合理分配谷時段電力資源。策略實施過程只需定時更新控制決策生成器中相關參數，其余工作可由充電樁自決策獨立完成，無需集中式通信控制，避免了大量的實時通信流程，便于實際應用，適用于各類充電場景。

2)本文所提等概率均勻轉移負荷的隨機充電方法相比基于負荷裕度的隨機充電策略實施流程更為簡單，系統成本更低，但削峰填谷、平抑負荷波動的效果稍差。在區域電網無法獲得可用負荷曲線數據，不具備計算負荷裕度的條件時，可考慮采用等概率均勻轉移法作為簡化方案。

3)由于目前中國電動汽車處于發展中，規模有限，尚不能提供大量實際運行數據，本文工作還較多停留在理論階段，可能存在一些未考慮到的問題，具有一定的局限性。另外，使用概率控制的方式本身有一定不確定性無法避免，具有改進的空間。在進一步的研究中，應結合真實場景可能存在的約束條件，對優化目標和調控手段進行完善。

參考文獻

[1]胡澤春，宋永華，徐智威，等．電動汽車接入電網的影響與利用[J].中國電機工程報，2012,32(4):1-10.

[2]高賜威，張亮．電動汽車充電對電網影響的綜述[J].電網技術，2011,35(2):127-131.

[3]徐智威，胡澤春，宋永華，等．充電站內電動汽車有序充電策略[J].電力系統自動2012,36(11):34-43.

[4]安科瑞企業微電網設計與應用手冊.2022.05版

[5]王毅，王飛宏，侯興哲，孫洪亮，朱彬，劉國平.住宅區電動汽車充電負荷隨機接入控制策略