安科瑞 陳聰

摘要：大量家用電動汽車集中時段充電，給區域配電網帶來較大的壓力。為了在滿足充電負荷需求的情況下，減少對配電網的影響，需要開展有序充電。文中建立了變電站一小區充電樁接入控制模式，通過對小區電動汽車充電行為的分析，提出了兩階段優化調度策略。首先，在滿足電動汽車充電負荷需求的約束條件下，提出以變電站側負荷水平均衡為目標的區域充電樁接入控制策略，獲得區域充電樁整體分時段接入量；而后以各傳輸線路負載均衡為目標，優化得到各小區分時段接入的電動汽車數量。針對某變電站供電區域內、不同滲透比例下的電動汽車充電進行了優化調度仿真，研究了不同運行方式下充電負荷對電網負荷峰谷差和運行參數的影響，結果表明所建模型正確，并通過分析給出了配電網改造的建議。

關鍵詞：充電樁調度；電動汽車；有序充電；區域負荷優化；粒子群優化；分支定界法

0引言

電動汽車的*排放和不依賴于石化能源兩大優勢使其在新能源汽車領域一直備受關注，成為了汽車產業應對環境問題的重要突破口。然而，大量電動汽車的無序并網充電，尤其是負荷高峰時接入充電，進一步加劇了負荷峰谷差，給區域電網帶來負荷壓力和電能質量影響。文獻表明電動汽車滲透率達到20%時會給配電網帶來35.8%的負荷增長。文獻研究了不同電動汽車匯聚度和接入水平下充電行為給配電網電壓水平帶來的不利影響。文獻表明如果不能對電動汽車充電進行協調控制，將導致區域配電變壓器和線路的過載，大大降低配電網運行經濟性和安全可靠性。

目前，針對電動汽車并網充電帶來的問題，國內外學者結合電網的實時運行狀態、充電需求等動態信息，提出電動汽車有序充電優化控制策略，改善區域的負荷水平與電能質量。文獻以充電成本和網損最小為目標，通過基于網損靈敏度選擇優先的實時有序充電控制策略有效降低配電網的網損，并改善配電網的節點電壓波形。文獻[5]提出電動汽車有序控制的二級優化算法，在離散的充電時間點結合風能轉移充電負荷并進行頻率調整。文獻則通過動態響應分時電價，提出最小化客戶充電成本和削峰填谷的有序充電啟發式算法。

目前控制電動汽車有序充電的策略已有研究，但都是對整體區域進行協調控制，達到改善負荷特性的目的，沒考慮區域電網結構與充電負荷分布的影響，不能實際指導有序充電的控制過程。根據中國電動汽車現狀以及發展規劃，電動私家車將在未來電動汽車消費市場中占據極大的比例，具有量大、分散且充電時間集中等特點，易于實現有序充電。因此，研究私人電動汽車并網充電的有序控制策略可以有效減少電網基礎設施投資，同時指導配電網合理規劃與運行。

本文以變電站供電范圍內各小區充電樁為整體研究對象，提出變電站-小區充電樁優化接入控制模式及策略，在滿足區域充電負荷需求條件下，計及網絡結構因素，以變電站和配電線路負載均衡為目標，實現各住宅區電動汽車充電的有序控制，并采用優化理論進行兩階段求解。

1變電站-小區充電樁的接入控制

交流充電樁是電動汽車進行常規慢速充電的重要設施，通常安裝于電動汽車充電站、公共停車場、住宅小區停車場、大型商場停車場等場所。其中，住宅小區停車場內私人電動汽車的夜間長時間泊車為電動汽車有序充電的接入控制提供了可能性。

1.1小區充電樁的接入模式與策略

城市中各小區充電樁在地理位置上較為分散，為了有效實現充電樁的優化接入，本文提出“分散接入，集中管控”的接入控制模式，將整體充電控制分為3層：在用電層進行充電樁接入的管理控制，在配電層實現數據通信，在輸變電層實現優化接入控制，如圖1所示。

圖1變電站-小區充電樁接入控制模式圖

為實現該控制模式，需要在配電網中增加充電樁接入控制中心、充電樁管理系統、變電站-充電樁通信信道3部分，具體功能如下。

充電樁接入控制中心位于110kV變電站內，主要功能包括采集各小區充電管理系統提供的可充電的電池數量及狀態預測數據，結合變電站側的基礎負荷(居民用電、商業用電和工業用電等)進行優化計算，計算出可調度時段內充電樁*優接入充電數量，再結合10kV線路實時負載率和電池待充量，將充電樁接入量優化分配至各條線路上。

充電樁管理系統位于居民住宅區內，與10kV線路建立多對一、一對一的映射，主要功能包括采集小區內充電樁中待充電池的數量、荷電狀態(SOC)及其可調度性，預測管理區域內電動汽車接入規律，將數據實時傳送至變電站調度中心，再根據調度中心分配的充電計劃安排各小區電動汽車并網充電。

變電站至小區的通信信道是充電樁優化調度的數據傳輸基礎，包括主干傳輸層、匯聚層和接入層。主干傳輸層主要利用目前配電通信網為變電站至各個充電樁管理系統之間提供信息傳輸；匯聚層則利用光線路終端(OLT)和光分配節點(ODN)將接入層信息進行匯集；接入層功能為利用有線或無線組網為充電樁管理系統與小區內各充電樁之間提供數據通信服務7

接入控制的優化計算在變電站內控制中心進行，電動汽車的接入充電則由各個小區充電樁管理系統完成，優化計算的計算流程如圖2所示。

圖2電動汽車兩階段優化接入控制流程圖

接入控制策略包含2個優化過程，第1次優化過程為整體車輛*優接入調度。已知量為變電站供電范圍內的待充電池預測數量及其SOC、接入規律預測、變電站基礎負荷，決策變量為*優整體充電樁接入方案，尋優目標為變電站供電區域內的*優負荷水平。第2次優化過程為對*優整體電池接入方案進行優化分配，已知量為某調度時刻的整體充電接入方案，尋優目標為均衡各小區接入充電后的傳輸線路的負載率，從而降低整體線損。決策變量為各個小區待充電的各類SOC的電動汽車數量。

1.2小區電動汽車充電負荷模型

小區內電動汽車充電負荷特性與居民的生活習慣等因素密切相關，居民固有的生活規律造成了小區內電動車充電負荷具有短時聚集性的特點，因此有必要對各小區電動汽車進行統計分析，以獲取充電負荷建模的3個基本屬性：車輛電池達到時刻、電池初始SOC、車輛電池可調度性。

一般而言，車輛電池達到時刻即為有充電需求的電動汽車最后一次出行結束后泊車的時刻，待充時刻x服從正態分布[8],其概率密度fs(x)為：

fs(x)=

式中：μ=17.6;σ=3.4。

初始SOC與車輛行駛距離相關，根據對私人電動汽車日行駛里程的統計分析，SOC(公式中用E。表示)的概率密度函數[9]為：

式中：S為私家車電池容量；po為充電樁充電功率，本文假設電池為恒功率充電。

充電的可調度性指接入充電樁待充的私家車用戶選擇由變電站-小區充電樁管理系統統一安排充電或立即并網充電，因此根據用戶意愿把用戶的充電需求分為接入即充和可控充電2類。同時，為了簡化調度控制，根據電池SOC的不同將待充車輛電池分為A(SOC為10%～30%)、B(SOC為30%~50%)、C(SOC為50%～70%)3類。

通常而言，小區的負荷從晚上6點至早上7點經歷了高峰到低谷的整個過程[10],而考慮到居民在下班后通常集中選擇給電動汽車充電，而該時刻剛好位于居民區用電負荷高峰時段，大大加劇了配電網負荷壓力和負荷峰谷差，因此在該時間段應進行充電接入控制，保障配電網安全運行，即該時段為電動汽車*優調度時段。

1.3兩階段優化建模

1.3.1一次優化調度建模

變電站一次優化調度是在已知變電站基礎負荷和各小區電動汽車充電需求的情況下，通過分時段調度接入電網的充電樁數量，平抑負荷曲線，從而降低配電網的峰谷差和線路損耗。為此，有如下假設。

（1）調度時段為18:00至次日07:00,每隔30min進行一次充電樁優化接入，共計26個調度時刻。

（2）居民區電動汽車僅利用充電樁進行充電，泊車后即接入充電樁待充。

（3）不可控充電負荷的比例預測依賴于充電管理系統的歷史數據統計。

基于以上假設，本文提出以等效負荷曲線方差為優化目標的充電樁接入策略[11]。目標函數為：

式中：Pa為t時刻變電站基礎負荷；Pv為電動汽車實時充電負荷；Pav為第i個時間窗口內等效負荷的平均值；P1為可調度充電負荷；P2為不可控充電負荷；i=1,2,…,T—M+1。

可調度充電負荷和不可控充電負荷的計算如下：

式中：nx-c為t時刻正在充電的3類可控電池數量，nx-c=nx+nx-AT—nxTx,X取A,B,C,Tx為X類電池充滿電平均所需時間，nx為t時刻變電站接入充電的X類可控電池數量，△T為調度時間間隔；po為充電樁充電功率。

式中：β為不可控系數；N為區域電動汽車電池總量；Xmax和Xmin為X類電池SOC上下限；to為起始調度時刻；t?=t—Tx;[]為取整符號。

經過上述分析，優化調度目標函數建立如下：

有以下3個約束條件。

（1）充電需求總量約束

式中：Ntota為有充電需求的電動汽車的電池總量。

（2）可調度電池數量約束

式中：nx-ready為t時刻累積待充的X類電池數量，其迭代計算公式如式(13)所示。

式中：nx-new為t—△T到t個調度時刻之間到達的X類待充電池數量。

（3）變電站主變負載率約束

式中：Strans為變電站變壓器額定容量；αmax為變壓器負載率上限。

1.3.2二次優化分配建模

二次優化分配是指將一次優化調度獲得的*優充電樁接入數量分配至各充電樁管理系統，指導各小區電動汽車接入充電。為了便于優化計算，將充電管理系統與對應10kV線路結合，決策變量為每個時刻每條線路各類電池接入量，已知量為各類電池接入總量，以及數據采集與監控(SCADA)系統采集的各條10kV線路的實時負載。由于均衡各線路的負荷有利于降低區域綜合線損，提高區域負荷水平和電壓水平[12],因此二次優化目標為各線路負載率的方差最小。

為直觀表示各類電池分配方案，建立如下電池接入矩陣Ibet:

式中：n,為第i條線路上接入的第j類電池數量，j=1,2,3時分別表示A,B,C類電池。

接入電池后的線路l,負載率β;為：

式中：Pi;為線路i的負載；Srated為線路額定容量。

根據上述分析，二次優化分配目標函數建立如下：

式中：β為接入電池后各條線路平均負載率。其有以下3個約束條件。

1. 各小區待接入的電池上限約束

式中：nredy為優化時刻第i條線路上j類電池待充電數量上限，可由各小區充電管理系統提供。

（2）*優充電接人總量約束

1. 線路負載率約束

2優化調度模型求解

粒子群算法(PSO)是一種啟發式隨機優化算法，每個粒子通過追逐自身的*優位置和全局*優位置進行搜索，最終收斂于群體*優粒子，具有快速全局搜索能力。分支定界法則是整數規劃經典求解方法，適用于電池矩陣的求解。本文綜合上述2種方法，提出二階段優化算法求解優化調度和分配模型。PSO應用于第一優化階段，即變電站整體負荷優化。其中，參數初始化中輸入變量包括變電站基礎負荷、線路容量約束、小區電動汽車規模等。種群初始化則采用隨機初始化初始充電方案。編碼方式為實數編碼，由于接入電池數量為整數，因此需對實數進行取整：

式中：B為電池接入方案；BA,Bp,Bc為采用實數表述的各類電池實時接入量。

由于在變電站負荷優化中，為滿足用戶的充電需求，電池優化方案需滿足等式約束，而采用隨機初始化和進化過程中的個體可能不滿足此約束。在進化算法中，多采用罰函數實現個體向可行域的進化，然而罰函數難以選取，本文提出了如下的個體修正策略(以A類電池為例):

粒子速度和位置的更新為：

式中：w為慣性權重；r?和r?為(0,1)間均勻分布的隨機數；c?和c?為學習因子；vi和z1分別為粒子i第k次迭代時的速度和位置；Pbest為粒子個體*優解；gbes為群體*優解。

通過調整權重系數w來實現算法全局搜索和局部搜索的平衡，因此w是影響算法性能的重要因素。通過對不同粒子的進化速度h和種群整體的收斂程度s進行分析，動態調整不同粒子的w可有效提高算法的局部搜索能力和全局收斂性，相比w的線性調整策略，可更顯著提高算法的性能[13]。

二次優化分配則借助于整數規劃中的分支定界法實現充電負荷的優化分配[14]。整體優化算法流程如圖3所示。

3算例分析

3.1參數設置

某110kV變電站，主變容量為2×40MW,以其供電范圍內的8個居民小區為例，由8條10kV線路供電，小區規模如附錄A表A1所示，假設戶均擁有私家車0.75輛，表A1給出了電動汽車滲透率為10%和30%下的車輛數。

10kV線路容量為3MW,私家電動汽車電池容量為165Ah,充電功率為7kW¹5],充電樁與電動汽車按1:1配置，接受調度的電動汽車比例為

開始

負荷信息、充電需求信息等

優化參數初始化

個體修正

權重系數計算個體修正

*優位置更新

N

變電站負荷優化

整數規劃

輸出記錄充電方案

充電負荷優化分配

粒子速度更新

粒子位置更新

優化線路充電負荷

數據初始化

是否停機?

種群初始化

結束

圖3優化算法計算流程

80%。優化算法中學習因子c?和c?取2;慣性權重w則根據進化速度h與收斂程度s自適應調整。根據變電站負荷情況分為典型日和夏高峰日2種研究場景，基礎數據見附錄A表A2,線路負載率約束為60%。

3.2不同電動汽車滲透比例下變電站負荷的變化

在典型日下，分別對電動汽車滲透率為10%和30%的2種情況進行目標尋優，等效負荷曲線方差值經過50次左右迭代后快速收斂(見圖4),分別為5.33和4.37,充電樁接入總量滿足整體充電需求。

等效負荷曲線方差值

迭代次數

圖4等效負荷曲線方差的迭代收斂圖

根據獲得的*優調度方案進行充電樁接入充電，優化前后的負荷曲線如圖5所示，同時，對優化前后的負荷峰谷值進行比較，如表1所示。

在10%和30%這2種電動汽車滲透率下，無序接入充電將導致負荷峰谷差率分別增加4.5%和7.1%,而經過充電優化調度后的變電站負荷峰谷差率分別比無序充電時降低了8.5%和19.6%,移峰填谷效果十分明顯，表明了控制策略的必要性和有效性。

圖5優化調度前后的負荷對比

表1變電站負荷水平比較

附錄A表A3給出了A,B,C這3類電池接入數量的時序安排。經分析可知，為了滿足充電需求，大多優先安排荷電量低的電池充電(接近高峰時段),再加上不接受調度的負荷，使得最大負荷比基礎負荷增長了3.6%,變電站負載率從41%提高到43%,其中不可調度電動汽車的比例對變電站最大負荷的增長影響較大，可通過電價刺激、政策優惠等方式對用戶進行引導。

3.3大方式下電動汽車充電對電網運行的影響

當電動汽車滲透率為30%(充電車輛共有1300輛),變電站負荷處于夏季高峰時，一天內充電電量為22.4MW·h。優化調度后變電站負荷曲線見圖6。

圖6不同基礎負荷下的負荷優化曲線

由圖6可見，夏高峰時變電站最高負荷為39.7MW、谷段平均值為28.1MW,峰谷差14.5MW,降低了11%,最大負荷增長0.9MW,變電站整體負載率增長為49.25%。如果變電站或電動汽車充電負荷進一步增加，變電站主變負載率將增大，導致電網變壓器故障和檢修時不能實現站內負荷轉移，降低了供電可靠性。

在一次優化獲得3類電池*優接入時序的基礎上，根據2次充電樁優化分配模型求解各調度時刻*優電池接入方案，指導各小區進行有序充電。計算結果見附錄A表A4和A5,接入前后為住宅區供電的8條10kV線路負載率變化情況如表2所示。

表2電池優化分配前后10kV線路負載率對比

優化分配結果顯示，獲得的*優電池接入矩陣滿足充電接入需求，典型日和夏高峰線路負載率變化分別減少70%和33%,并實現了各線路接入充電負荷后負載率的均衡性，典型日下避免了高負載率線路的接入充電，表明了分配策略和算法的有效性，提高了設備利用率。同時可知，夏季晚高峰時充電樁接入充電導致最高線路負載率由原來48%增加到52%,對于單聯絡線路，當負載率高于50%時，引起供電可靠性下降。因此，在設計電動汽車供電方案時，要以保證供電線路和變電站可靠性為約束，根據變電站范圍內各小區充電負荷大小、不接受調度

用戶比例的具體情況進行設計。必要時采用新增線路、擴建線路、改進接線模式等方法保證供電線路的可靠性。

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

本文針對未來居民小區私人電動汽車充電有序控制問題開展研究，建立了變電站-小區充電樁接入控制模式，提出了兩階段優化調度與分配策略，考慮了變電站和線路的可靠性約束，采用了改進粒子群和分支定界法求解模型。仿真結果表明：電動汽車充電的有序控制限制了變電站和線路最大負荷的增加，降低了峰谷差，增加了企業效益。隨著電動汽車滲透比例的增加，削峰填谷的效果更明顯，同時可能引起電網供電設備的過載，影響電網的檢修和故障負荷轉移，必須通過改進供電方案，以保證供電可充電的深入研究提供了很好的借鑒。該控制系統在實際應用中涉及變電站控制中心和小區控制中心運營管理模式的協調，另外隨著系統規模的增大，為了保證實時性必須進行通信系統的升級改造。

參考文獻：

[1]徐立中，楊光亞，許昭，等.電動汽車充電負荷對丹麥配電系統的影響[J]. 電力系統自動化，2011,35(14):18-23.

[2]林弘宇，田世明.智能電網條件下的智能小區關鍵技術[J]. 電網 技術，2011,35(12):1-7.

[3]田立亭，史雙龍，賈卓.電動汽車充電功率需求的統計學建模方法[J]. 電網技術，2010,34(11):126-130.

[4]王輝，文福拴，辛建波.電動汽車充放電特性及其對配電系統的影響分析[J].華北電力大學學報，2011,38(5):17-24.

[5]羅卓偉，胡澤春，宋永華，等.電動汽車充電負荷計算方法[J]. 電力系統自動化，2011,35(14):36-42.

[6]于大洋，宋曙光，張波，等.區域電網電動汽車充電與風電協同調度的分析[J]. 電力系統自動化，2011,35(14):24-29.

[7]張杰.配電網負荷均衡及降低網損的重構算法研究[D].吉林： 東北電力大學，2008.

[8]陽明盛，羅長童.*優化原理、方法及求解軟件[M].北京：科學出版社，2007.

[9]電動汽車傳導充電用連接裝置：第2 部分交流充電接口[S]. 北京：中國標準出版社，2012.

[10]劉文霞，劉流，趙天陽.變電站區域充電樁接入控制模式及策略

[11]安科瑞企業微電網設計與應用手冊.2022.05版