周骏汇，查理，马钧

（同济大学汽车学院，上海201804）

电动汽车V2G接入电网对电网负荷的影响分析

周骏汇，查理，马钧

（同济大学汽车学院，上海201804）

随着电动汽车的大规模普及以及智能电网的应用，未来将会有大量电动汽车通过V2G（vehicle-to-grid）接入电网，电动汽车充电将会给电网负荷带来巨大的挑战。分析了电动汽车V2G接入电网的影响因素，建立了基于蒙特卡洛模拟的电动汽车充电负荷计算方法。通过分别建立随机充电和V2G充电2个模型，对比在不同的电动汽车渗透率下的电网充电负荷，得出V2G可控充电对于平衡电网高峰负荷以及利用低谷电力有着积极作用的结论。

电动汽车；V2G；充电负荷；蒙特卡洛模拟

0 引言

在环境恶化及传统化石能源短缺的背景下，各国在加紧开发利用新能源的同时，展开了大规模的电动汽车应用探索和研究。虽然由于电池的技术和成本限制，电动汽车的价格昂贵、续行里程短，但是电动汽车对有效解决能源问题和二氧化碳排放的作用是毋庸置疑的[1]。随着电池技术的发展以及制造成本的下降，未来电动汽车的使用一定更为广泛。各国政府已经认识到电动汽车的重要性并开始积极进行示范运行与推广[2]。

当电动汽车大规模接入电网后，由于其充电行为在时间和空间上具有一定随机性，可能导致电网高峰负荷增加，一些输配电网络将不能承载其能量需求[3]。电动汽车充电机产生的谐波还将对局部电网的电能质量产生影响[4]。V2G是一种车辆与电网的双向能量交换模式，电动汽车既可以作为负载也可以作为供能元件，对于电网负荷的削峰填谷有着积极的作用。

对于电动汽车V2G接入电网，有不少学者做了相关研究。文献[5]研究了电动汽车在不同季节、不同情景下对电网的影响。文献[6]提出了一种实际的评估模型，评估V2G系统在多能源系统中的影响。文献[7]开发了PHEV（插电式混合动力车）与分布式发电系统的数学模型，用来研究可控和不可控充电的影响。

本文主要研究电动汽车大规模接入电网后，随意的充电行为和可控的V2G充电行为对电网负荷的不同影响。通过建立不同充电行为的负荷计算模型，应用基于蒙特卡洛模拟的电动汽车充电负荷计算方法，最终计算出一定规模电动汽车的充电功率需求对原负荷曲线的影响。

1 电动汽车V2G接入电网的影响因素

1.1 电动汽车类型

在国家《节能与新能源产业发展规划（2012—2020）》中，工信部、发改委、科技部已经确立了以纯电驱动为未来新能源发展的主要方向。通过分析电动汽车的技术特点以及各省市发布的电动汽车发展规划，可以总结出未来电动汽车大致的发展方向：在2012—2015年，电动汽车主要以政府推广为主，在示范运行园区中运行电动公交车、电动公务车；在2015—2020年，如果电池的技术没有得到突破性进展，电动汽车将会在公交车和公务车中进一步推广，并逐步推动私人乘用车的电动化；到2020年之后，电动汽车将大规模市场化推广。

对于V2G接入的电动汽车，最好能满足几个条件：足够长的停靠时间，停靠地点规律，停靠时间可控。可以把现有的电动汽车分为公共使用和私人使用2种类型。对于公共使用的电动汽车，其特点是有着固定的行驶线路和停车点，但实际停靠时间不长，需要用快充或换电设备供给能量，而且在负荷高峰时段也正常运行，所以不太适合作为V2G的对象。私人使用的电动汽车有96%的时间都处于空闲状态[8]，可供电网支配的时间较长。随着私人使用的电动汽车渗透率不断提高，它们可以作为合适的V2G对象。本文主要考虑私人使用的电动汽车V2G接入电网的负荷影响。

1.2 电动汽车充电参数

在考察电动汽车充电负荷对电网的影响时，有以下几个关键因素：

（1）电池容量；

（2）充/放电功率；

（3）起始充/放电时刻；

（4）初始SOC（State of charge，荷电状态）；

（5）接入电网的车辆规模[9]。

其中，（2），（5）决定了参与V2G充/放电的总功率，（1），（4），（5）决定了充/放电过程的总电量。本文假定参与的电动汽车都是同一型号，搭载的电池容量为24 kWh，行驶时的能耗为0.206 kWh/km。

根据《电动汽车传导式充电接口》（QCT 841-2010）[10]，私人电动汽车的充电模式以220 V/16 A最为合适。本文假定充电、放电的功率相同，而且整个过程为恒功率，不考虑充/放电过程的能量损失。

1.3 使用者出行模式

对于电网负荷计算，电动汽车的主要影响因素是起始充/放电时间和每日行驶里程。私人使用汽车的主要用途是上下班以及其他休闲活动，所以充电地点假定为家里和工作地点。根据中国法定的工作时间，可以假设在上班地点的充电时间为9∶00—17∶30，在家的充电时间为19∶00—7∶00。一般人的习惯是到了汽车停放地点就开始充电，所以本文使用的起始充/放电时刻遵循分段的正态分布，概率密度函数分别为[11]：

式中：μs1=9；σs1=0.5。

式中：μs2=19；σs2=0.5。

根据2001年美国交通部对全美家用车辆的调查结果[12]，每日的行驶里程可以使用极大似然估计的方法，近似用对数正态分布表示。概率密度函数如下：

式中：μd=3.5；σd=0.91。

行驶里程反映了使用者每天的能量消耗，影响充/放电开始时的SOC。初始SOC可以用下式表述：

式中：B为电池容量；d为每日行驶里程；R为每公里电能消耗量。为了保证电池的高效和寿命，控制SOC的上、下限为0.9和0.2。

2 电动汽车充电负荷模型

2.1 充电负荷计算方法

一个地区所有电动汽车的充电负荷曲线可以通过累加所有电动汽车的充电行为得到。设置时间间隔为1 min，考察1天的负荷曲线。第i分钟的充电总功率可以通过下式表示：

式中：PTi是在i分钟所有的电动汽车充电负荷，i=1，2，…，1 440；N是电动汽车总量；Pn，i是第n辆车在i分钟的充电负荷。

2.2 情景设置

通过V2G接入电网的电动汽车不仅需要充电，同时在空闲时可以作为供能元件提供电力。为了分析V2G和一般随机充电的区别，对应建立2种充电负荷模式。

（1）随机充电模式：电动汽车只能从电网获得电能而不能供给电能。

（2）可控V2G充电模式：电动汽车可以从电网获得电能，也可以供给电能。假定这些电动汽车车主与电网运营商签订了协议，只在电网负荷低谷充电，在负荷高峰时段，只要不在行驶状态就可以接入电网并提供电能。

在本文中，界定每天有2个用电高峰：早高峰8∶30—11∶30和晚高峰18∶00—23∶00，和1个用电低谷23∶00—7∶00。

对于随机充电模式，其出行里程符合对数正态分布，而起始充电时间符合2个正态分布：N（9，0.5）和N（19，0.5）。通过系统生成1个随机数，使用二项分布决定是哪个充电阶段。蒙特卡洛仿真的流程图如图1所示。

图1 随机充电模型流程

在V2G模式下，控制电动汽车只能在用电低谷充电，即每天的23∶00之后进行充电。在每天的用电高峰时段，电动汽车则可能会进行放电，因此需要分别使用d/2来计算放电开始时的SOC。对于上午的用电高峰，如果初始SOC大于0.5，认为它可以供给电能，要控制上午放电结束时至少有50%的电能，以保证下午的出行需求。同理，对于晚间的用电高峰，如果初始SOC大于0.2就可以供给电能，同样要控制放电结束时至少有10%的电能，确保电池工作在高效的区段。蒙特卡洛仿真的流程图如图2所示。

图2 可控V2G充电模型流程

3 负荷计算与分析

3.1 参数输入

根据《节能与新能源产业发展规划（2012—2020）》，到2015年，纯电驱动车辆要初步实现产业化，市场保有量将超过50万辆；到2020年，纯电驱动车辆要实现产业化，市场保有量将达到500万辆。上海市是首批“十城千辆”示范城市之一，是六大私人购买电动汽车补贴试点城市之一，同时也是国内唯一的电动汽车国际示范城市。在狭义乘用车领域，上海地区的销量及保有量占全国乘用车的比重一般为10%左右。预计到2020年，上海大批量推广电动汽车的数量可以达到50万辆的规模。为此，选择上海市作为电动汽车V2G接入电网负荷分析的算例。

本文中，设置参数e为电动汽车渗透率，定义为电动汽车使用者中与电网运营商签订协议的比例。签订协议者的负荷计算使用可控V2G模式，而其他未签订协议的使用随机充电模式。按照前文所述，每日平均行驶里程、开始充电时刻和初始SOC按照式（1）—（4）得到，作为随机输入参数输入蒙特卡洛仿真模型。

3.2 结果分析

取渗透率e分别为0.1，0.3，0.5和0.8，电动汽车规模为50万辆，得出电动汽车通过V2G接入电网的充电负荷曲线如图3所示。从图上可以看到，如果电动汽车随机充电的比率较高，充电主要集中在早、晚用电高峰；而V2G可控充电增加了晚间电力的利用率。

图3 不同渗透率下的充放电负荷曲线

然后分别考察e=0，e=0.5和e=1的情况下，电动汽车充电对现有电网负荷的影响。图4为上海夏季某日的原用电负荷曲线；图5、图6分别为电动汽车规模为50万辆和100万辆时的负荷曲线。

从蒙特卡洛模拟的结果可以得到：

（1）如果完全放任电动汽车随机充电，电动汽车充电负荷和电网用电高峰正好重叠。那么随着电动汽车的大规模接入，电网负荷高峰的负担将会更重。

（2）现在预估的电动汽车规模还比较小，即使50万辆电动汽车完全采用V2G可控充电，也不足以有明显的削峰填谷效果。当将电动汽车的规模设置为100万辆时，使用V2G可控充电对电网负荷可以起到一定的平衡负荷作用。

（3）如果不考虑电池损耗，电动汽车渗透率的提高会给电网带来可观的效益。随着电动汽车的逐步普及，未来V2G对电网负荷将有积极的作用。

图4 上海某日的原负荷曲线

图5 不同渗透率对原负荷曲线的影响（50万辆规模）

图6 不同渗透率对原负荷曲线的影响（100万辆规模）

4 结语

鉴于电动汽车充/放电行为在时间、空间上的随机性，本文采用蒙特卡洛随机抽样法对电动汽车的充电负荷和V2G负荷进行预测，并分别建立了随机充电和可控V2G充电模型。通过对不同V2G渗透率下的充电行为分析，得出电动汽车随机充电会对原有的负荷高峰进一步叠加，而V2G可控充电对电网削峰填谷则有一定作用的结论。但现有的电动汽车规模很小，无法对电网的充电容量造成实质性影响。未来随着电动汽车的进一步普及，V2G的作用会更加明显。

本文对电动汽车的电池性能、充电方式和使用者出行习惯做了一些假设，在尽量不影响结果的情况下简化模型。如果要对电动汽车规模化应用后对电网各方面的影响做出评估，还需要开展大量细致的工作，例如消费者使用习惯、电动汽车的充电功率仿真，以及更精确的电动汽车容量预估等。

[1]H.HUO，Q.A.ZHANG,M.Q.WANG，etal.Environmental implication of electric vehicles in China[J].Environ mental Science&Technology，2010（7）∶4856-4861.

[2]H.M.GONG，M.Q.WANG，H.W.WANG.New energy vehicles in China∶policies,demonstration,and progress[J]. Mitigation and Adaptation Strategies for Global Change, 2013（2）∶207-228.

[3]J.AXSEN，K.S.KURANI.Anticipating plug-in hybrid vehicle energy impacts in California∶Constructing consumer-informed recharge profiles[J].Transportation Research Part D∶Transport and Environment，2010（6）∶212-219.

[4]陈玉进.电动汽车充电设备特点及对电网影响探讨[J].湖北电力，2009（33）∶48-50.

[5]G.A.PUTRUS，P.SUWANAPINGKARL，D.JOHNSTON，etal.Impact of electric vehicles on power distribution networks[C].Vehicle Power and Propulsion Conference，2009∶827-831.

[6]C.BATTISTELLI，L.BARINGO，A.J.CONEJO.Optimal energy management of small electric energy systems including V2G facilities and renewable energy sources[J]. Electric Power Systems Research，2012（12）∶50-59.

[7]S.PAUDYAL，S.DAHAL.Impact of Plug-in hybrid elec tric vehicles and their optimal deployment in smart grids [C].In Universities Power Engineering Conference（AUPEC）.2011∶1-6.

[8]W.KEMPTON，J.TOMIĈ.Vehicle-to-grid power implementation∶From stabilizing the grid to supporting largescale renewable energy[J].Journal of Power Sources，2005（6）∶280-294.

[9]L.TROVAO，H.M.JORGE.Power demand impacts of the charging of Electric Vehicles on the power distribution network in a residential area[C].Proceedings of the 2011 3rd International Youth Conference on,2011∶1-6.

[10]全国汽车标准化技术委员会.QCT 841-2010电动汽车传导式充电接口[S].北京：中国计划出版社，2011.

[11]W.SHOUXIANG，Z.NA，L.ZUYI，etal.Modeling and impact analysis of large scale V2G electric vehicles on the power grid[C].In Innovative Smart Grid Technologies-Asia（ISGT Asia）.2012 IEEE,2012∶1-6.

[12]J.TAYLOR，A.MAITRA，M.ALEXANDER，etal.Evaluations of plug-in electric vehicle distribution system im pacts[C].In Power and Energy Society General Meeting. 2010 IEEE，2010∶1-6.

[13]徐国钧，刘永胜，李题印，等.基于层次分析和概率模拟的电动汽车对配网负荷影响研究[J].电力系统保护与控制，2012，22∶38-45.

[14]谢莹华，谭春晖，张雪峰，等.电动汽车充放电方式对深圳电网日负荷曲线的影响[J].广东电力，2011（24）∶47-50.

[15]王辉，文福栓，辛建波.电动汽车充放电特性及其对配电系统的影响分析[J].华北电力大学学报，2011（38）∶17-24.

（本文编辑：龚皓）

Analysis on Power Grid Load after Electric Vehicles Connected to Power Grid by V2G

ZHOU Junhui，CHA Li，MA Jun
（School of Automotive Studies,Tongji University，Shanghai 201804，China）

With the large scale popularization of electric vehicles（EVs）and the application of smart grid，there will be large amounts of EVs connecting to power grid by V2G.EV charging will bring great challenges to power grid load.The paper analyzes influencing factors of EV connecting to power grid by V2G and establishes a load calculation method of EV charging based on Monte Carlo simulation.Through establishing random charging model and V2G charging model，the paper compares charging loads of power grid with different EV penetration rates and it draws a conclusion that the controllable V2G charging plays a positive role in balancing peak load power grid and valley power consumption.

electric vehicle；V2G；charging load；Monte Carlo simulation

TM715+.1

：B

：1007-1881（2014）08-0010-05

2014-05-14

周骏汇（1990-），男，江苏无锡人，硕士在读，研究方向为新能源汽车技术与产品、电动汽车接入电网相关技术。