電動汽車調(diào)峰規(guī)模的統(tǒng)計學分析

我國電動汽車市場保持著高速增長態(tài)勢，自2013年起中國電動汽車產(chǎn)銷規(guī)模年均增長率超過110%。按國務院頒布的發(fā)展規(guī)劃，2020年我國電動汽車規(guī)模將超過600萬輛，以每輛車7kW的最低充電功率計算，屆時總需求將達到42000MW。

電動汽車作為交通工具在使用上具有隨機性和間歇性，可能出現(xiàn)大規(guī)模電動汽車在特定時間段集中充電從而增加高峰時段負荷，造成“峰上加峰”的出現(xiàn)，現(xiàn)有的配電網(wǎng)絡難以滿足大規(guī)模電動汽車間歇性的充電需求。據(jù)調(diào)查私家車每日停駛時間在20h 以上，即便在高峰時段，仍有超過90%的車輛處于停駛狀態(tài)[1]。因此行業(yè)專家提出了V2G（Vehicle to Grid）技術(shù)用以解決電動汽車充電對電網(wǎng)造成“峰上加峰”的問題。相比于發(fā)電機組預留旋轉(zhuǎn)備用的傳統(tǒng)調(diào)峰方式，V2G調(diào)峰具有響應快、成本低、網(wǎng)損小、配合新能源發(fā)電等方面的優(yōu)勢[2]。

文獻[3]針對我國的電力體制提出了一種電動汽車參與V2G的電價制定方法，建立了車網(wǎng)互動的最優(yōu)峰谷電價模型，為引導車主參與V2G提供了切實可行的定價方案。文獻[4]在考慮車輛日行駛里程以及充放電功率在時空上的隨機性的基礎(chǔ)上，分析了電動汽車V2G對配電網(wǎng)的影響，其結(jié)論表明，由于電動汽車充放電時間得到了合理控制，實施V2G可以有效減少電力負荷峰谷差，進而減少網(wǎng)絡損耗，提高電能質(zhì)量。文獻[5]通過建立電動汽車V2G模型，定量計算了大規(guī)模電動汽車參與V2G從而減少電網(wǎng)裝機容量帶來的經(jīng)濟效益。

當前大多數(shù)研究圍繞電動汽車V2G對電力系統(tǒng)各個部分的影響以及V2G背景下電動汽車充電規(guī)則及價格制定展開，多數(shù)是對于其效果的定性分析。本文針對中國的交通數(shù)據(jù)，從車主的出行習慣入手，結(jié)合中國電動汽車市場調(diào)查，利用數(shù)理統(tǒng)計方法得出電動汽車在日常使用場景下參與V2G的能力，再結(jié)合典型日負荷數(shù)據(jù)，給出滿足削峰填谷所需要的電動汽車規(guī)模。

1 車輛調(diào)峰能力估算

V2G的實施既要做到有效利用電動汽車電池的儲能資源，又不能對車主的日常出行造成過多影響。因此，有必要研究車主的用車規(guī)律，以合理安排電動汽車的充放電。如果用戶的預期出行時間過早，則無法利用谷時電價為車輛充滿電量；如果用戶的出行結(jié)束時間較晚，則無法在負荷峰時向電網(wǎng)放電；如果用戶的日行駛里程較長，車輛剩余電量不足以滿足第二天的出行需求，則不能參與V2G向電網(wǎng)放電。綜上所述，為了不影響車主的正常出行，電動汽車在負荷峰時參與向電網(wǎng)放電需要滿足以下條件：動力電池剩余電量充足；車輛接入充電設施時間早于或處于負荷峰時；車輛下一次出行時間晚于負荷谷時。

1.1 車輛參數(shù)計算

根據(jù)上述條件，首先分析單臺電動汽車參與V2G時的放電能力。通過總結(jié)歸納市面上常見車型的基本參數(shù)對單臺車的V2G能力進行估算。由表1、表2可以看出，除特斯拉Model S 與比亞迪e6等個別車型電池容量較大（大于50kWh）外,大多數(shù)純電動汽車的電池容量均在24kWh 左右，而插電式混合動力汽車的電池容量普遍在10kWh 左右。

表1 純電動汽車電池參數(shù)

表2 常見插電式混合動力汽車電池參數(shù)

電動汽車的每公里耗電量可以表示為：

其中Q為電動汽車的電池容量（kWh），R為電動汽車滿電量狀態(tài)下的續(xù)航里程（km）。據(jù)式（1）可知，表1中常見的電動汽車百公里耗電量均值為16kWh。相關(guān)調(diào)查研究表明，電動汽車的日行駛里程均值為40km[6]，因此當電動汽車剩余續(xù)航里程不足日均行駛里程時，為保障電動汽車的正常行駛，車輛需停止向電網(wǎng)放電。由于插電式混合動力汽車除電池外主要依靠燃油提供動力，暫時不考慮其動力電池的剩余電量情況。

1.2 車輛充電功率

根據(jù)現(xiàn)行的《電動汽車傳導充電用連接裝置》國家標準[6-7]，電動汽車額定充電電流、電壓如表3，考慮到對電池壽命的保護，本文使用日常生活中最普遍的交流充電（7kW）作為默認充電方式。為了便于計算，本文結(jié)合實際情況進行以下假設[8]：電動汽車的充電速率和放電速率均為0.3C；每輛車每天行駛開始時的電池SOC 均為100%，即每輛車在負荷谷時充滿電；每輛車的百公里耗電量16kWh。

表3 中國電動汽車充電標準

2 出行習慣建模

本文交通數(shù)據(jù)來源于2019年8月在湖南省株洲市進行的社會問卷調(diào)查，通過匯總調(diào)查結(jié)果得到當?shù)鼐用耨{車出行數(shù)據(jù)。將一天按小時分為24個時間段，統(tǒng)計每個時間段中開始第一次出行的車輛數(shù)量、結(jié)束最后一次出行的車輛數(shù)量以及每輛車出行距離等數(shù)據(jù)，利用極大似然參數(shù)估計法對數(shù)據(jù)進行擬合[4,8]，分別得到各組數(shù)據(jù)的概率密度圖像。

出行開始時間。用戶每天的首次出行開始時間決定了電動汽車在夜間所能充電的時長，在本文的假設條件下，電動汽車參與V2G向電網(wǎng)放電的前提是其可在負荷谷時段將動力電池SOC 充電至100%。首次出行開始時間滿足正態(tài)分布，根據(jù)數(shù)據(jù)的擬合結(jié)果可得其概率密度函數(shù)式（2），其中μ=14.09，σ=4.28：

圖1 出行開始時間

出行結(jié)束時間。用戶的每日出行結(jié)束時間直接決定了該電動汽車能否在負荷高峰時段參與向電網(wǎng)放電，如果車輛結(jié)束最后一次出行的時間過晚，當天用電高峰期已過，則沒有必要再向電網(wǎng)放電。與出行開始時間類似，用戶最后一次出行結(jié)束時間服從正態(tài)分布，經(jīng)過極大似然參數(shù)估計后得到其概率密度函數(shù)式（3），其中μ=14.37，σ=4.30：

圖2 出行結(jié)束時間

日出行距離。用戶的每日出行距離決定了電動汽車在結(jié)束一天的使用后剩余的電量，根據(jù)本文所提出的V2G規(guī)則，電池SOC＜30%后為保證車輛正常行駛，需停止向電網(wǎng)放電。通過分析用戶的日出行距離數(shù)據(jù)可以發(fā)現(xiàn)，用戶的日出行距離負荷對數(shù)正態(tài)分布，概率密度函數(shù)為式（4），其中μ=2.38，σ=0.79：

圖3 日出行距離

3 電動汽車調(diào)峰目標

圖4為我國北方某城市夏季某日的負荷曲線，由負荷曲線可以看出，該市用電負荷均值在5000MW左右，且負荷波動較大，曲線呈現(xiàn)“兩峰一谷”的特點，在用電高峰時段符合V2G條件的汽車會向電網(wǎng)供電，以緩解此時段用電緊張的情況。在負荷低谷時段，用電負荷低于全天平均值，有充電需求的電動汽車可在此時段進行充電。由負荷數(shù)據(jù)可知，該市當日的負荷峰谷差為1518.9MW。假定電動汽車削峰填谷的目標為使全天的負荷峰谷差減小到800MW，即負荷在4400MW 與5200MW 之間波動。

4 電動汽車V2G規(guī)模

本文中電動汽車參與V2G并向電網(wǎng)放電的具體條件：電動汽車在晚上22：30之前完成當天最后一次出行；電動汽車動力電池SOC＞30%；電動汽車次日第一次出行時間晚于早晨6：00。以上條件保證了電動汽車可以有效參與調(diào)峰，并且避免了過度放電對車主的正常出行造成影響。下面分別根據(jù)式（2）（3）（4）計算電動汽車滿足向電網(wǎng)放電條件的概率。

電動汽車最后一次出行結(jié)束時間早于tfn時刻的概率：μ=14.37，σ=4.30；電動汽車第一次出行時間晚于tst時刻的概率：

μ=14.09，σ=4.28；電動汽車的剩余電量E0與行駛里程d 有如下關(guān)系:

其中R 代表電動汽車滿電狀態(tài)下的續(xù)航里程，結(jié)合式（4）可以得到電動汽車動力電池SOC 大于某一數(shù)值e的概率p3為式（8）[4]，其中μ=2.38，σ=0.79：

假設出行開始時間、出行結(jié)束時間、每日行駛里程為相互獨立的隨機變量，由p1、p2、p3，可得電動汽車滿足上述參與V2G并向電網(wǎng)放電的概率為

以本文擬定的電動汽車向電網(wǎng)放電所要滿足的條件tfn=22.5、tst=6、e=0.3帶入進行計算，可得一輛電動汽車在經(jīng)過一天的使用后可以參與V2G向電網(wǎng)放電的概率為93%，以每輛車放電功率7kW 計算，若要滿足調(diào)峰目標，則該市至少需要51920輛電動汽車才能滿足本文利用電動汽車進行削峰填谷的需要。削峰填谷所需電動汽車數(shù)量與目標的負荷波動程度有關(guān)，要求的負荷波動越小，所需的電動汽車數(shù)量越大。