考慮用戶參與度的電動汽車能效電廠模型

王明深 ，于 汀 ，穆云飛 ，賈宏杰 ，魏 煒 ，蒲天驕，張亞朋

（1.天津大學(xué) 智能電網(wǎng)教育部重點實驗室，天津 300072；2.中國電力科學(xué)研究院，北京 100192）

0 引言

電動汽車EV（Electric Vehicle）規(guī)?；占笆菍崿F(xiàn)交通低碳化發(fā)展的重要途徑，在世界范圍內(nèi)受到廣泛關(guān)注。根據(jù)工業(yè)和信息化部發(fā)布的電動汽車發(fā)展戰(zhàn)略研究報告，預(yù)計到2030年我國電動汽車保有量將達(dá)到6000萬輛，總耗電量高達(dá)1.35×1011kW·h，預(yù)計約占全國用電量的1.3%，如此大規(guī)模的電動汽車接入，電網(wǎng)某些薄弱環(huán)節(jié)可能會因此而不堪重負(fù)［1-2］。

隨著電力電子技術(shù)、現(xiàn)代控制及通信技術(shù)的發(fā)展，電動汽車在車網(wǎng)互動V2G（Vehicle-to-Grid）控制下可以看作是一種電力儲能系統(tǒng)。電動汽車可改變其充電模式（如無序充電和智能充電等）以實現(xiàn)充電功率在時間尺度上的變換；或在緊急情況下，根據(jù)系統(tǒng)需求向系統(tǒng)反饋電能，輔助系統(tǒng)運行［3-4］。在V2G控制下，電動汽車既可以作為系統(tǒng)負(fù)荷，又可以作為儲能設(shè)備或分布式電源，成為協(xié)助系統(tǒng)運行的積極參與者［5-7］。一天中，大量車輛有較長的停車時間，往往以慢充方式進(jìn)行充電，能夠在該過程中進(jìn)行充放電控制［8-10］，因此，本文主要針對工作用途的電動汽車展開研究，該類型車輛出行規(guī)律明顯。

各國學(xué)者已針對電動汽車接入電網(wǎng)展開了大量研究。文獻(xiàn)［11-12］在考慮用戶出行習(xí)慣的基礎(chǔ)上，提出了電動汽車充電負(fù)荷預(yù)測模型；文獻(xiàn)［13］通過對電動汽車充電過程進(jìn)行有效控制，探索了電動汽車作為需求側(cè)響應(yīng)資源的可行性；文獻(xiàn)［14］構(gòu)建了基于下垂控制的電動汽車V2G調(diào)頻響應(yīng)模型，以提升系統(tǒng)的頻率質(zhì)量。上述文獻(xiàn)利用電動汽車集群EVA（EV Aggregator）的響應(yīng)能力參與系統(tǒng)的有功調(diào)控，尚未將EVA上升到能效電廠的概念，而能效電廠作為一種需求側(cè)資源，具有規(guī)模大且容易操作的優(yōu)勢，能夠為電網(wǎng)提供常規(guī)電廠等價服務(wù)支撐。文獻(xiàn)［15］驗證了需求側(cè)響應(yīng)資源構(gòu)建能效電廠的可能性和合理性；文獻(xiàn)［16］基于現(xiàn)代通信技術(shù)提出了電動汽車能效電廠E-EPP（Efficient Power Plant of EVs）的基本構(gòu)架，能夠?qū)崿F(xiàn)對地理上分散的電動汽車進(jìn)行集中管控；文獻(xiàn)［17］提出了基于蒙特卡洛方法的EVA有功響應(yīng)能力評估方法；文獻(xiàn)［18］提出了針對電動汽車的價格響應(yīng)模型，分析了補償電價對EVA有功響應(yīng)能力的影響；文獻(xiàn)［19］分析了EVA的有功響應(yīng)能力能夠參與電力市場交易的可行性。當(dāng)前研究主要針對電動汽車的有功功率進(jìn)行調(diào)度控制，而基于電力電子接口的充電樁能夠為電網(wǎng)提供無功支持［20］，文獻(xiàn)［21-22］驗證了電動汽車充電樁作為無功補償裝置的可行性，能夠根據(jù)需求調(diào)節(jié)與電網(wǎng)互動過程中的功率因數(shù)。

因此，EVA能夠作為能效電廠參與電網(wǎng)的調(diào)度控制，然而，目前的研究成果在以下3個方面需要進(jìn)一步探究：在評估EVA響應(yīng)能力過程中，忽略了電動汽車用戶參與電網(wǎng)調(diào)度控制的意愿和調(diào)度電動汽車的成本；電動汽車具有無功響應(yīng)能力，需要在保證有功充電的基礎(chǔ)上提出針對EVA無功響應(yīng)能力的評估方法；針對E-EPP的概念，需要對能效電廠的關(guān)鍵參數(shù)進(jìn)行更為全面且有效的定義，尤其是獲取能效電廠出力的成本函數(shù)，對能效電廠參與電力市場交易具有重要的意義。

為此，在充分研究用戶交通出行特征、電池約束條件等基礎(chǔ)上，同時考慮補償電價對用戶參與度的影響，提出了E-EPP模型，該模型可將EVA看作一種能效電廠，并對能效電廠的參數(shù)進(jìn)行定義，包括能效電廠有功和無功出力的上下邊界、能效電廠的儲能能力、能效電廠出力與補償電價的關(guān)系、能效電廠價格響應(yīng)的成本函數(shù)。該模型能夠從能效電廠運營商的角度，為E-EPP參與電網(wǎng)的調(diào)度控制提供關(guān)鍵的模型參數(shù)，能夠為能效電廠參與電力市場交易機制提供模型基礎(chǔ)，促進(jìn)E-EPP從概念提出到實際應(yīng)用的實現(xiàn)。

1 E-EPP實現(xiàn)框架

E-EPP的實現(xiàn)框架如圖1所示，圖中CMP表示充電管理系統(tǒng)。

圖1 E-EPP實現(xiàn)框架圖Fig．1 Implementation framework of E-EPP

E-EPP運營商是實現(xiàn)E-EPP參與電力市場的關(guān)鍵環(huán)節(jié)，也是實現(xiàn)與用戶進(jìn)行電力交易的重要環(huán)節(jié)，本文從E-EPP運營商的角度，對E-EPP的響應(yīng)能力進(jìn)行評估，對考慮用戶參與度的能效電廠價格響應(yīng)的成本進(jìn)行研究。

E-EPP運營商負(fù)責(zé)對所管轄范圍內(nèi)的充電設(shè)備、信息采集設(shè)備、數(shù)據(jù)服務(wù)器、通信設(shè)備等進(jìn)行統(tǒng)一的管理和維護(hù)，并與用戶簽訂交易合同。運營商根據(jù)電網(wǎng)實時電價和充電需求強弱，對電動汽車的充電電價進(jìn)行日前規(guī)劃，同時根據(jù)電動汽車市場的統(tǒng)計數(shù)據(jù)，對用戶參與電網(wǎng)響應(yīng)的補償電價進(jìn)行設(shè)置，從而影響用戶參與電網(wǎng)調(diào)控的意愿，達(dá)到管控電動汽車充放電行為的目的。

E-EPP控制中心是實現(xiàn)各個能效電廠協(xié)調(diào)控制的核心單元，負(fù)責(zé)對各個能效電廠上傳的數(shù)據(jù)進(jìn)行存儲和處理，根據(jù)補償電價和交易合同的內(nèi)容，確定能夠參與市場交易的電動汽車，并向各個EVA控制中心發(fā)出控制命令。

EVA控制中心對單個E-EPP進(jìn)行直接管理和控制，借助智能量測單元SM（Smart Meter）對電動汽車接入電網(wǎng)的狀態(tài)數(shù)據(jù)進(jìn)行采集、存儲，并能夠根據(jù)上層的控制命令，對所管轄區(qū)域內(nèi)的電動汽車充放電過程進(jìn)行調(diào)度和控制，并計算用戶在整個接入過程中的成本和收益。

2 單體電動汽車V2G模型

本文主要針對以分布式充電樁進(jìn)行常規(guī)慢速充電的電動汽車，建立其V2G模型。

電動汽車在接入電網(wǎng)的過程中，在保證用戶出行舒適度的基礎(chǔ)上，能夠靈活變換其接入狀態(tài)，如充／放電、吸收／發(fā)出無功等［23-26］。從功率的角度，單體電動汽車V2G運行區(qū)域如圖2所示，區(qū)域Ⅰ為放電，發(fā)出無功；區(qū)域Ⅱ為充電，發(fā)出無功；區(qū)域Ⅲ為充電，吸收無功；區(qū)域Ⅳ為放電，吸收無功。圖中，以放電（發(fā)出無功）為正方向，Pi，0和 Qi，0分別為電動汽車 i接入電網(wǎng)后的額定有功和無功功率；Si，0為電動汽車的額定視在容量，滿足Si，0=Pi，0=Qi，0；Pi（t）、Qi（t）和Si（t）分別為t時刻電動汽車與電網(wǎng)交換的有功、無功和視在功率，滿足約束條件

圖2 單體電動汽車V2G運行區(qū)域（功率角度）Fig．2 Operation area of V2G for individual EV（perspective of power）

從能量累積角度，單體電動汽車V2G運行區(qū)域如圖3所示。為防止電動汽車在V2G過程中充電或放電過度，為電動汽車 i的荷電狀態(tài)（SOC）上下限范圍；SOCi，s為電動汽車 i出行結(jié)束后，接入電網(wǎng)時的初始SOC值；SOCi，d為用戶出行前對電池 SOC 的需求；ti，s為電動汽車 i接入電網(wǎng)的時間；ti，d為電動汽車i離開電網(wǎng)并開始出行的時間。為獲取最大V2G可控區(qū)域，假設(shè)電動汽車i接入電網(wǎng)后立即以額定有功功率進(jìn)行充電，如圖中ab段所示，直到電動汽車SOC達(dá)到其上限值SOCi；假設(shè)電動汽車i接入電網(wǎng)后立即以額定有功功率進(jìn)行放電，如圖中ad段所示，直到電動汽車SOC達(dá)到其下限值SOCi；為保證電動汽車離開電網(wǎng)時（ti，d時刻），其SOC能夠滿足用戶需求，即保證SOC不低于SOCi，d，ef段為強制充電過程。

圖3 單體電動汽車V2G運行區(qū)域（能量角度）Fig．3 Operation area of V2G for individual EV（perspective of energy）

電動汽車接入電網(wǎng)過程中，以放電為正方向，電動汽車i的SOC變化如式（1）所示。

其中，SOCi（t）為 t時刻電動汽車的 SOC 值；Δt為仿真時間間隔；Pi（t）為t時刻電動汽車與電網(wǎng)交換的有功功率；為t時刻修正后電動汽車的電池容量，如式（2）所示。

其中，Di為電動汽車的實際電池容量；和分別為電動汽車的充電和放電效率。

在接入電網(wǎng)過程中，電動汽車有功功率上、下限和無功功率上、下限分別如式（3）和式（4）所示。

為了更加詳細(xì)地說明單體電動汽車在接入電網(wǎng)時的響應(yīng)能力，結(jié)合圖2和圖3，電動汽車i在接入電網(wǎng)過程中，各時刻有功功率上、下限和無功功率上、下限如表1所示。

3 電動汽車參與度響應(yīng)模型

3.1 電動汽車交通行為特征

本文主要是針對工作用途的電動汽車，該類型車輛的出行特征具有明顯的規(guī)律性，如圖4所示，該類型車輛在一天中的上午和下午各有一次出行時段，即上班途中和下班途中，而其他時段都接入電網(wǎng)進(jìn)行充電。根據(jù)該類型車輛所具有的行為特性，可以將電動汽車的充電場所分為工作區(qū)和住宅區(qū)。上班時間該類型電動汽車在工作區(qū)接入電網(wǎng)進(jìn)行充電，其接入電網(wǎng)時間在06∶00—09∶30時段內(nèi)服從如圖 5（a）所示的概率分布；下班后該類型電動汽車則在住宅區(qū)接入電網(wǎng)進(jìn)行充電，其接入電網(wǎng)時間在16∶15—19∶45 時段內(nèi)服從如圖 5（b）所示的概率分布［27］。 概率分布所服從的數(shù)學(xué)表達(dá)式如式（5）所示。

表1 電動汽車有功／無功功率上、下限Table1 Upper and lower boundaries of EV’s active／reactive power

圖4 電動汽車出行特征Fig．4 Travelling characteristic of EV

圖5 電動汽車接入電網(wǎng)時刻分布Fig．5 Distribution of integrating time of EVs

其中，為上班或下班時段電動汽車接入電網(wǎng)時間的取值范圍；針對上班的電動汽車，其接入電網(wǎng)時間的平均值 μs=7.87 h，標(biāo)準(zhǔn)差 σs=0.50 h，取值范圍為［6.25，9.50］h；而對于下班的電動汽車，其接入電網(wǎng)時間的平均值μs=17.88 h，標(biāo)準(zhǔn)差σs=0.51 h，取值范圍為［16.25，19.75］h。

電動汽車在接入電網(wǎng)前，其SOC值與行駛距離相關(guān)，可根據(jù)式（6）獲得。

其中，di為電動汽車接入電網(wǎng)前的行駛距離；di，max為電動汽車滿充狀態(tài)下的最大行駛距離；δi為電動汽車滿充狀態(tài)下的 SOC 值，0.8≤δi≤0.9。

3.2 電動汽車參與度響應(yīng)模型

為了構(gòu)建電動汽車的參與度響應(yīng)模型，本節(jié)提出了電動汽車參與度的概念，即表征電動汽車用戶在補償機制下參與電網(wǎng)響應(yīng)的意愿。根據(jù)電動汽車接入電網(wǎng)的狀態(tài)（充電、空閑、放電），本文定義了電動汽車的2種響應(yīng)方式：充電空閑、空閑放電。2種響應(yīng)方式均以增加對電網(wǎng)的功率輸出為目的。考慮到不同響應(yīng)方式下補償機制的差異性，同時為了降低建模過程的復(fù)雜度，假設(shè)電動汽車不允許直接從充電狀態(tài)轉(zhuǎn)換為放電狀態(tài)，而電動汽車由充電狀態(tài)轉(zhuǎn)換為放電狀態(tài)，則通過“充電空閑”的過程來實現(xiàn)。

根據(jù)電動汽車的響應(yīng)特性，研究不同響應(yīng)方式下電動汽車對補償電價的響應(yīng)，是構(gòu)建參與度響應(yīng)模型的關(guān)鍵步驟。在充電過程中，隨著補償電價的提高，電動汽車用戶的充電需求會減少（充電 空閑）；而在放電過程中，隨著補償電價的提高，電動汽車用戶的放電需求會增加（空閑 放電）。在考慮文獻(xiàn)［28］中價格對電力需求響應(yīng)影響的基礎(chǔ)上，參考所提出的電動汽車的不同響應(yīng)方式，將補償電價對電動汽車功率的影響定義為彈性系數(shù)，如式（7）所示。

其中，ΔPk，ev和 Δρk，ev分別為 k 響應(yīng)方式下電動汽車功率和補償電價的變化量；k取值1、2，分別代表電動汽車“充電空閑”、“空閑放電”響應(yīng)方式；Pk，ev和ρk，ev分別為k響應(yīng)方式下電動汽車功率和補償電價的基準(zhǔn)值。

在考慮不同響應(yīng)方式差異性的基礎(chǔ)上，同時兼顧電動汽車響應(yīng)對補償電價的敏感程度，結(jié)合文獻(xiàn)［29］中價格型需求響應(yīng)與電價的關(guān)系，如式（8）所示。

其中，ak，ev和 bk，ev為 k 響應(yīng)方式下的價格關(guān)系系數(shù)；和分別為k響應(yīng)方式下電動汽車有功出力的上、下限。

在此基礎(chǔ)上，為定義電動汽車參與度的數(shù)學(xué)模型，在不同響應(yīng)方式下，電動汽車參與度與補償電價的關(guān)系如式（9）所示。

其中，γk，ev為 k 響應(yīng)方式下電動汽車的參與度；αk，ev和βk，ev為參與度價格響應(yīng)的關(guān)系系數(shù)。

以峰谷分時充電電價為研究背景，假設(shè)用戶在充電前已設(shè)定好離開電網(wǎng)的時間，本文將工作用途的電動汽車按照響應(yīng)方式的差異性分為A、B、C 3種類型。

a.A類型電動汽車。

在峰谷分時電價實施后，A類型電動汽車不改變其充電時間，即接入電網(wǎng)后立刻以額定功率進(jìn)行充電且不參與V2G過程，該類型電動汽車對補償電價無任何響應(yīng)，可以看作不可控負(fù)荷。

以該類型的電動汽車i為例，其充電時長如式（10）所示，充電的成本費用如式（11）所示。

其中，為了區(qū)分不同類型的電動汽車，本文變量的上標(biāo) A、B、C 代表不同類型的電動汽車；ρ（t）為實時充電電價；為充滿電的時刻。

對于該類型EVA，不同響應(yīng)方式下的響應(yīng)能力如式（12）和式（13）所示。

由于該類型電動汽車對補償電價無任何響應(yīng)，其充電過程可參照圖3中的運行區(qū)域abc，根據(jù)式（9）、（12）和（13）易知，該類型電動汽車在各響應(yīng)方式下的參與度均為 0，即在不影響充電的情況下，電動汽車能夠為電網(wǎng)提供無功支撐，因此該類型電動汽車的作用是僅能夠在空閑時為電網(wǎng)提供無功支撐。

b.B類型電動汽車。

在峰谷分時充電電價實施后，B類型電動汽車改變其充電時間，以接入電網(wǎng)時段內(nèi)用戶的充電成本最低來規(guī)劃充電時間，即轉(zhuǎn)移充電負(fù)荷至電價較低的時段。在不增加用戶充電成本的基礎(chǔ)上，該類型電動汽車可以實現(xiàn)“充電 空閑”的響應(yīng)方式，該響應(yīng)方式延長了用戶的充電時間，因此需要對用戶延長的充電時間進(jìn)行補償，該類型電動汽車不參與V2G放電過程。

以該類型的電動汽車i為例，其規(guī)劃的充電過程滿足成本費用最低，同時要滿足SOC狀態(tài)約束、充電約束以及充電功率約束，如式（14）所示。在考慮補償電價后，由于延長了充電時間，需要對延長時段內(nèi)的電動汽車充電過程進(jìn)行補償，其充電的成本費用（包括充電成本和補償收益）如式（15）所示。

對于該類型EVA，不同響應(yīng)方式下的響應(yīng)能力如式（16）和式（17）所示。

其中為t時刻能夠?qū)崿F(xiàn)“充電 空閑”響應(yīng)方式的電動汽車數(shù)量。

由于該類型電動汽車不考慮V2G放電過程，其充電過程可參照圖3中的運行區(qū)域abcfg，根據(jù)式（9）、（16）和（17）易知，該類型電動汽車的參與度滿足和

c.C類型電動汽車。

在峰谷分時電價實施后，C類型電動汽車能夠以充電成本最低進(jìn)行充電，而在補償電價的刺激下能夠改變其接入電網(wǎng)的狀態(tài)，從而參與V2G過程（充電 空閑、空閑 放電）。

以該類型的電動汽車i為例，其規(guī)劃的充電過程同樣需滿足成本費用最低，類似式（14），將B改為C即可。在考慮補償電價后，其充電的成本費用（包括充電成本和補償收益）如式（18）所示。

對于該類型EVA，不同響應(yīng)方式下的響應(yīng)能力如式（19）和式（20）所示。

其中，分別為 t時刻能夠?qū)崿F(xiàn) “充電 空閑”、“空閑 放電”響應(yīng)方式的電動汽車數(shù)量。

由于該類型電動汽車考慮其V2G過程，其充電過程可參照圖3中的運行區(qū)域abcfed，根據(jù)式（9）、（19）和（20）易知，該類型電動汽車的參與度滿足和

4 E-EPP模型

本節(jié)在單體電動汽車V2G模型和參與度響應(yīng)模型的基礎(chǔ)上，針對EVA，構(gòu)建了E-EPP模型，并定義了能效電廠模型參數(shù)，將EVA等效為能效電廠，該能效電廠模型能夠評估EVA的響應(yīng)能力、儲能能力、價格響應(yīng)的成本，為EVA參與電力市場提供模型參考。

4.1 E-EPP響應(yīng)能力

為評估EVA的響應(yīng)能力，本文定義了E-EPP的出力范圍，包括各時刻能效電廠的實際有功出力值（如式（21）所示）、最小和最大有功出力值（如式（22）所示）；電動汽車無功出力與電動汽車類型無關(guān)，本文中無功僅作為服務(wù)商的輔助服務(wù)，在不影響單體電動汽車有功出力的前提下，同時滿足充電樁的容量約束，能效電廠無功出力的最小和最大值如式（23）所示。

其中，n（t）為t時刻EVA中電動汽車接入電網(wǎng)的數(shù)量。

4.2 E-EPP儲能能力

為評估EVA的儲能能力，本文定義了各時刻能效電廠的儲能能力，由于僅有C類型的電動汽車能夠?qū)Υ嬖陔姵刂械哪芰恳訴2G放電的形式來響應(yīng)電網(wǎng)的需求，因此，能效電廠的儲能能力主要是針對C類型的電動汽車。本文定義了EVA的儲能容量，如式（24）所示；定義了EVA的SOC值，如式（25）所示。

4.3 考慮參與度的E-EPP價格響應(yīng)

為評估EVA的價格響應(yīng)特性，在考慮參與度響應(yīng)模型的基礎(chǔ)上，根據(jù)式（9）中參與度γk，ev和補償電價ρk，ev的關(guān)系，“充電 空閑”響應(yīng)方式在補償電價為 ρ1，ev時的參與度為 γ1，ev，“空閑 放電”響應(yīng)方式在補償電價為 ρ2，ev時的參與度為 γ2，ev，如式（26）所示。在考慮用戶參與度后，能效電廠的有功出力變化 Δρev受參與度的響應(yīng)，如式（27）所示，結(jié)合參與度和補償電價的關(guān)系，獲取電動汽車出力受補償電價影響的價格響應(yīng)曲線。

考慮到ΔPev是補償電價ρev和時間t的函數(shù)，如式（28）所示，而ρev和t是相互獨立的變量，可以獲得ρev受 ΔPev和t影響的函數(shù)關(guān)系，如式（29）所示。 在式（29）的基礎(chǔ)上，以t0時刻為例，以ΔPev為變量對ρev進(jìn)行積分，如式（30）所示，可得 E-EPP 價格響應(yīng)的成本函數(shù)。

5 算例分析

5.1 算例數(shù)據(jù)

算例主要考慮工作用途的電動汽車，根據(jù)該類型電動汽車的工作特性，將配電網(wǎng)分為工作區(qū)和住宅區(qū)，對一天中配電網(wǎng)區(qū)域中電動汽車的響應(yīng)能力進(jìn)行評估，電動汽車的數(shù)據(jù)如下所示。

a.配電網(wǎng)區(qū)域中電動汽車數(shù)量為324輛，其中A、B、C 3種類型的電動汽車所占的比例分別為0.2、0.3、0.5，所有車輛均按照圖5中所示的概率分布接入電網(wǎng)進(jìn)行充電。

b.電動汽車充放電功率的額定值為7 kW，充放電的效率均為 0.90［30］。

c.電動汽車的電池容量為35 kW·h，其接入電網(wǎng)時的SOC值服從N（0.6，0.1）的正態(tài)分布，電動汽車離開電網(wǎng)時的 SOC 值服從［0.8，0.9］的均勻分布［31］。

d.電動汽車的充電采用公共充電設(shè)施執(zhí)行的峰谷分時充電電價［27］，如表2所示。

表2 電動汽車的充電電價Table 2 Charging price for EVs

e.電動汽車接入電網(wǎng)時間、離開電網(wǎng)時間、電池容量、接入電網(wǎng)時的SOC值、離開電網(wǎng)時的SOC值為相互獨立的變量。

f.電動汽車有“充電 空閑”和“空閑 放電”2種響應(yīng)方式，電動汽車不能由充電狀態(tài)直接轉(zhuǎn)換為放電狀態(tài)。

g.對于“充電 空閑”響應(yīng)方式的電動汽車，參與度初始補償電價為0.1元／（kW·h），參與度最高補償電價為 0.5 元 ／（kW·h）［29］；考慮到電池的損耗并不長時間處于極端狀態(tài)，對于“空閑 放電”響應(yīng)方式的電動汽車，參與度初始補償電價為 0.5 元／（kW·h）［27］，參與度最高補償電價為1.082元／（kW·h）。

本文采用MATLAB R2013b對研究工作進(jìn)行建模及仿真研究，根據(jù)統(tǒng)計數(shù)據(jù)的概率分布特性，本文利用蒙特卡洛抽樣方法對單體電動汽車模型參數(shù)進(jìn)行抽樣，包括電動汽車接入電網(wǎng)的時間、接入和離開電網(wǎng)前的SOC值、用戶出行需求等參數(shù)，構(gòu)建E-EPP模型，評估EVA響應(yīng)能力、儲能能力、價格響應(yīng)的成本等，仿真時間為10.786 s。

5.2 E-EPP響應(yīng)特性

為了詳細(xì)說明E-EPP的響應(yīng)特性，圖6給出了A、B、C 3種類型電動汽車的充電負(fù)荷以及峰谷分時電價，可以看出，A類型電動汽車的充電過程不受電價的影響，而B和C類型的電動汽車避開峰時電價選擇在價格較低的谷時段和平時段進(jìn)行充電，以最小化充電的成本費用。電動汽車在一天中的充電費用的概率分布如圖7所示，B和C類型電動汽車的充電成本大幅低于A類型電動汽車，A類型車輛一天的平均充電費用為18.7元，而B、C類型電動汽車一天的平均充電費用僅為8.3元。

圖6 3種類型電動汽車充電負(fù)荷Fig．6 Charging load of three kinds of EVs

圖7 3種類型電動汽車充電費用的概率分布Fig．7 Distribution of charging cost for three kinds of EVs

針對不同類型的電動汽車，在不同響應(yīng)方式下有功響應(yīng)能力的上、下邊界如圖8所示，可以看出電動汽車的響應(yīng)能力具有時間分布特性，能夠獲取不同時刻電動汽車所能提供的最大響應(yīng)能力，為運營商參與電力市場提供詳細(xì)的響應(yīng)能力參考。圖8（a）對應(yīng)式（16），其響應(yīng)能力主要來自B類型車輛“充電 空閑”響應(yīng)方式；圖8（b）對應(yīng)式（19），其響應(yīng)能力主要來自C類型車輛“充電 空閑”響應(yīng)方式，圖8（c）對應(yīng)式（20），其響應(yīng)能力主要來自C類型車輛“空閑 放電”響應(yīng)方式，圖8（d）對應(yīng)式（22），是 B、C類電動汽車響應(yīng)能力之和。

圖8 E-EPP有功響應(yīng)能力Fig．8 Active power response capacity of E-EPP

考慮到A、B、C 3種類型電動汽車的無功響應(yīng)能力，能效電廠在一天中各時刻的無功響應(yīng)能力如圖9所示。對應(yīng)式（23），通過獲取能效電廠的無功響應(yīng)能力，能夠為電動汽車運營商提供無功響應(yīng)能力的邊界信息，運營商與電網(wǎng)公司簽署的交易合同加入無功服務(wù)條款，在同等報價（有功功率服務(wù)）的前提下，該條款會提升電網(wǎng)公司選擇該運營商意愿，在參與電網(wǎng)有功調(diào)度的同時，為電網(wǎng)提供無功功率，實現(xiàn)無功的就地補償，改善配電網(wǎng)的電壓水平。

圖9 E-EPP無功響應(yīng)能力Fig．9 Reactive power response capacity of E-EPP

根據(jù)第4節(jié)中對E-EPP儲能能力的定義，能效電廠在一天中各時刻的儲能能力如圖10所示，能夠為電動汽車運營商提供能效電廠在各時刻的儲能容量值。在考慮電動汽車電池充放電約束的情況下，圖10中給出了能效電廠在各時刻可用的儲能總?cè)萘浚▽?yīng)式（24））和 SOC 值（對應(yīng)式（25）），在任一時刻，圖中儲能容量和SOC值的乘積即為當(dāng)前時刻能效電廠的儲能值。

圖10 E-EPP儲能能力Fig．10 Storage capability of E-EPP

5.3 考慮參與度的E-EPP價格響應(yīng)

在對E-EPP響應(yīng)能力進(jìn)行評估的基礎(chǔ)上，考慮補償電價對用戶參與調(diào)度控制的激勵作用，本文研究用戶參與度對能效電廠實際出力的影響。根據(jù)第4節(jié)提出的考慮用戶參與度的E-EPP價格響應(yīng)模型，在考慮電動汽車不同類型、不同響應(yīng)方式的基礎(chǔ)上，以 00∶00、04∶00、08∶00 和 12∶00 為例，圖 11 給出了能效電廠出力受補償電價的影響。

圖11 考慮補償電價的E-EPP出力Fig．11 Power output of E-EPP considering compensation price

根據(jù)E-EPP出力受補償電價的影響情況，結(jié)合式（30），仍以 00∶00、04∶00、08∶00 和 12∶00 為例，圖 12給出了E-EPP價格響應(yīng)的成本與出力大小的關(guān)系。

圖12 E-EPP出力的成本曲線Fig．12 Cost curves of power output of E-EPP

利用最小二乘法對各時刻E-EPP出力的成本曲線進(jìn)行擬合，以00∶00為例，并參考火力發(fā)電機的運行成本函數(shù)，擬合后的函數(shù)形式為b0ΔPev+c0［32］，根據(jù)獲得的二次多項式擬合結(jié)果，擬合前、后E-EPP價格響應(yīng)的成本與出力大小的關(guān)系如圖13所示。為進(jìn)一步詳細(xì)說明各時刻E-EPP出力與成本的關(guān)系，表3給出了各時刻二次多項式擬合后的參數(shù)結(jié)果以及響應(yīng)能力的范圍。

圖13 擬合后E-EPP出力的成本函數(shù)Fig．13 Cost function of power output of E-EPP after fitting

表3 擬合前、后E-EPP出力的成本曲線（00∶00）Table 3 Cost curves of power output of E-EPP at 00∶00 after fitting

6 結(jié)論

本文從E-EPP運營商的角度，針對工作用途的電動汽車，提出了考慮用戶參與度的E-EPP模型，用來評估不同時刻EVA的響應(yīng)能力、儲能能力以及參與價格響應(yīng)的成本函數(shù)，具體研究結(jié)論如下：

a.在考慮不同類型電動汽車響應(yīng)特性的基礎(chǔ)上，所提出的能效電廠模型能夠有效評估EVA的有功和無功響應(yīng)能力、儲能能力受出行時間和峰谷分時充電電價的影響，其響應(yīng)能力和儲能能力具有明顯的時間分布特性；

b.用戶參與度主要是受補償電價的直接影響，因此，E-EPP的實際出力受補償電價的影響，隨著補償電價的提高，用戶的參與度增大，E-EPP的出力也增加；

c.在補償電價的基礎(chǔ)上，根據(jù)E-EPP價格響應(yīng)的成本函數(shù)，能夠獲取各時刻能效電廠出力的成本曲線，參考火力發(fā)電廠的成本函數(shù)，獲取各時刻成本曲線擬合后的二次多項式系數(shù)，能夠為能效電廠參與電力市場報價提供參考的成本曲線；

d.區(qū)域中的EVA能夠作為一個等效的能效電廠，根據(jù)每個能效電廠的參數(shù)，包括有功和無功響應(yīng)能力、儲能能力、成本函數(shù)，E-EPP運營商能夠參與電力市場競爭，考慮到當(dāng)前時刻能效電廠的響應(yīng)能力受上一時段是否參加電網(wǎng)響應(yīng)的影響，同時結(jié)合電動汽車的快速響應(yīng)能力，能效電廠更適用于參加現(xiàn)貨市場交易。

參考文獻(xiàn)：

［1］郭建龍，文福拴．電動汽車充電對電力系統(tǒng)的影響及其對策［J］．電力自動化設(shè)備，2015，35（6）：1-9．GUO Jianlong，WEN Fushuan．Impact of electric vehicle charging on power system and relevant countermeasures［J］．Electric Power Automation Equipment，2015，35（6）：1-9．

［2］REZAEE S，F(xiàn)ARJAH E，F(xiàn)ARJAH B．Probabilistic analysis of plug-in electric vehicles impact on electrical grid through homes and parking lots［J］．IEEE Transactions on Sustainable Energy，2013，4（4）：1024-1033．

［3］吳凱，程啟明，李明，等．具有V2G功能的電動汽車快速充放電方法［J］．電力自動化設(shè)備，2014，34（2）：30-34．WU Kai，CHENG Qiming，LIMing，etal．Fastchargingand discharging method for electric vehicle with V2G function ［J］．Electric Power Automation Equipment，2014，34（2）：30-34．

［4］張穎達(dá)，劉念，張建華．電動汽車換電站V2G運行對中壓配電網(wǎng)故障特征的影響［J］．電力自動化設(shè)備，2014，34（11）：55-61．ZHANG Yingda，LIU Nian，ZHANG Jianhua．Impact of battery swap station using V2G technology on fault characteristics of medium voltage distribution network［J］．Electric Power Automation Equipment，2014，34（11）：55-61．

［5］MA Y，HOUGHTON T，CRUDEN A，et al．Modeling the benefits of vehicle-to-grid technology to a power system［J］．IEEE Transactions on Power Systems，2012，27（2）：1012-1020．

［6］MU Y，WU J，EKANAYAKE J，et al．Primary frequency response from electric vehicles in the Great Britain power system ［J］．IEEE Transactions on Smart Grid，2013，4（2）：1142-1050．

［7］陳思，張焰，薛貴挺，等．考慮與電動汽車換電站互動的微電網(wǎng)經(jīng)濟(jì)調(diào)度［J］．電力自動化設(shè)備，2015，35（4）：60-69．CHEN Si，ZHANG Yan，XUE Guiting，et al．Microgrid economic dispatch considering interaction with EV BSS［J］．Electric Power Automation Equipment，2015，35（4）：60-69．

［8］邵成成，王錫凡，王秀麗．發(fā)電成本最小化的電動汽車分布式充放電控制［J］．電力自動化設(shè)備，2014，34（11）：22-40．SHAO Chengcheng，WANG Xifan，WANG Xiuli.Coordinated charging and discharging of large-scale plug-in electric vehicles with cost and capacity benefit analysis［J］．Electric Power Automation Equipment，2014，34（11）：22-40．

［9］羅卓偉，胡澤春，宋永華，等．大規(guī)模電動汽車充放電優(yōu)化控制及容量效益分析［J］．電力系統(tǒng)自動化，2012，36（10）：19-26．LUO Zhuowei，HU Zechun，SONG Yonghua，etal.Coordinated charging and discharging of large-scale plug-in electric vehicles with cost and capacity benefit analysis［J］.Automation of Electric Power Systems，2012，36（10）：19-26.

［10］趙俊華，文福拴，薛禹勝，等.計及電動汽車和風(fēng)電出力不確定性的隨機經(jīng)濟(jì)調(diào)度［J］. 電力系統(tǒng)自動化，2010，34（20）：22-29.ZHAO Junhua，WEN Fushuan，XUE Yusheng，etal.Power system stochastic economic dispatch considering uncertain outputs from plug-in electric vehicles and wind generators［J］.Automation of Electric Power Systems，2010，34（20）：22-29.

［11］劉鵬，劉瑞葉，白雪峰，等.基于擴散理論的電動汽車充電負(fù)荷模型［J］. 電力自動化設(shè)備，2012，32（9）：30-34.LIU Peng，LIU Ruiye，BAI Xuefeng，et al.Charging load model based on diffusion theory for electric vehicles［J］.Electric Power Automation Equipment，2012，32（9）：30-34.

［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，etal.Studyon plug-in electric vehicles charging load calculating［J］.Automation of Electric Power Systems，2011，35（14）：36-42.

［13］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.

［14］OTA Y，TANIGUCHIH，NAKAJIMA T，etal.Autonomous distributed V2G（Vehicle-to-Grid） satisfying scheduled charging［J］.IEEE Transactions on Smart Grid，2012，3（1）：559-564.

［15］王丹，范孟華，賈宏杰.考慮用戶舒適約束的家居溫控負(fù)荷需求響應(yīng)和能效電廠建模［J］. 中國電機工程學(xué)報，2014，34（13）：2071-2077.WANG Dan，F(xiàn)AN Menghua，JIA Hongjie.User comfort constraint demand response for residential thermostatically-controlled loads and efficient power plant modeling［J］.Proceedings of the CSEE，2014，34（13）：2071-2077.

［16］MARRA F，SACCHETTI D，PEDERSEN A B.Implementation of an electric vehicle test bed controlled by a virtual power plant for contributing to regulating power reserves［C］∥Power and EnergySocietyGeneralMeeting.San Diego，CA，USA：IEEE，2012：1-7.

［17］WANG M，MU Y，JIA H，et al.Active power regulation for large-scale wind farms through an efficient power plant model of electric vehicles［J］.Applied Energy，2017，185：1673-1683.

［18］王明深，于汀，穆云飛，等.電動汽車能效電廠價格響應(yīng)模型［J］. 天津大學(xué)學(xué)報（自然科學(xué)與工程技術(shù)版），2016，49（12）：1320-1329.WANG Mingshen，YU Ting，MU Yunfei，et al.A price response model for efficient power plant of electric vehicles［J］.Journal of Tianjin University（Science and Technology），2016，49（12）：1320-1329.

［19］WU H，SHAHIDEHPOUR M，ALABDULWAHAB A，et al.A game theoretic approach to risk-based optimal bidding strategies for electric vehicle aggregators in electricity markets with variable wind energy resources［J］.IEEE Transactions on Sustainable Energy，2016，7（1）：374-385.

［20］楚皓翔，解大，婁宇成，等.電動汽車智能充放儲一體化電站無功電壓調(diào)控策略［J］. 電力自動化設(shè)備，2014，34（11）：48-54.CHU Haoxiang，XIE Da，LOU Yucheng，et al.Strategy of reactive power and voltage control for integrated EV station of intelligent charging，discharging and storage［J］.Electric Power Automation Equipment，2014，34（11）：48-54.

［21］MOJDEHI M N，GHOSH P.Modeling and revenue estimation of EV as reactive power service provider［C］∥PES General Meeting|Conference&Exposition.National Harbor，MD，USA：IEEE，2014：1-5.

［22］李付存.電動汽車V2G技術(shù)及其充電機的研究［D］.哈爾濱：哈爾濱工業(yè)大學(xué)，2013.LI Fucun.Research on V2G technology of electric vehicle and its charging system［D］.Harbin：Harbin Institute of Technology，2013.

［23］RABIEE A，F(xiàn)ARAHANI HF，KHALILI M.Integration of plug-in electric vehicles into microgrids as energy and reactive power providers in market environment［J］.IEEE Transactions on Industrial Informatics，2016，12（4）：1312-1320.

［24］KISACIKOGLU M C，KESLER M，TOLBERT L M.Single-phase on-board bidirectional PEV charger for V2G reactive power operation［J］.IEEE Transactions on Smart Grid，2015，6（2）：767-775.

［25］KISACIKOGLU M C，OZPINECI B，TOLBERT L M.EV／PHEV bidirectional charger assessment for V2G reactive power operation［J］.IEEE Transactions on Power Electronics，2013，28（12）：5717-5727.

［26］KESLER M，KISACIKOGLU M C，TOLBERT L M.Vehicle-togrid reactive power operation using plug-in electricvehicle bidirectional offboard charger［J］.IEEE Transactions on Industrial Electronics，2014，61（12）：6778-6784.

［27］潘樟惠，高賜威，劉順桂.基于需求側(cè)放電競價的電動汽車充放電調(diào)度研究［J］. 電網(wǎng)技術(shù)，2016，40（4）：1140-1146.PAN Zhanghui，GAO Ciwei，LIU Shungui.Research on charging and discharging dispatch of electric vehicles based on demand side discharge bidding［J］.Power System Technology，2016，40（4）：1140-1146.

［28］高亞靜，王辰，呂孟擴，等.計及車主滿意度的電動汽車最優(yōu)峰谷分時電價模型［J］. 電力自動化設(shè)備，2014，34（2）：8-13.GAO Yajing，WANG Chen，Lü Mengkuo，et al.Optimal time-ofuse price model considering satisfaction degree of electric vehicle owners［J］.Electric Power Automation Equipment，2014，34（2）：8-13.

［29］曾丹，姚建國，楊勝春，等.應(yīng)對風(fēng)電消納中基于安全約束的價格型需求響應(yīng)優(yōu)化調(diào)度建模［J］. 中國電機工程學(xué)報，2014，34（31）：5571-5578.ZENG Dan，YAO Jianguo，YANG Shengchun，et al.Optimization dispatch modeling for price-based demand response considering security constraints to accommodate the wind power［J］.Proceedings of the CSEE，2014，34（31）：5571-5578.

［30］王龍.電動汽車充放電對電網(wǎng)的影響及其優(yōu)化策略研究［D］.天津：天津大學(xué)，2014.WANG Long.Research on the impacts of electric vehicles charging and discharging on the power system and its optimal strategy［D］.Tianjin：Tianjin University，2014.

［31］MU Y，WU J，JENKINS N，et al.A spatial-temporal model for grid impact analysis of plug-in electric vehicle［J］.Applied Energy，2014，114：456-465．

［32］RAGLEND IJ，PADHY NP．Solutions to practical unit commitment problems with the operational，power flow and environmental constraints［C］∥Power Engineering Society General Meeting.Montreal，Canada：IEEE，2006：1-8．