集中式V2G技术的研究综述

2017-09-12王伊琳张清勇龚康

山东工业技术 2017年18期

王伊琳+张清勇+龚康

摘要：随着电动汽车技术的发展，V2G技术受到越来越多的关注，尤其是可靠性更高的集中式V2G技术。因此本文对集中式V2G的研究进展进行了总结，首先本文对国内外电动汽车的发展趋势进行了调研，然后针对集中式V2G技术的优化调度问题，分优化目标、电动汽车建模、模型求解三个部分进行了分析，最后对集中式V2G发展进行了展望。

关键词：电动汽车；V2G；综述

DOI：10.16640/j.cnki.37-1222/t.2017.18.009

1 引言

随着化石能源短缺的日益加剧以及城市环境污染问题的日益严重，具有高效率、无污染、低噪音等特点的电动汽车逐渐得到关注和认可，被认为将取代传统汽车，成为未来的主要交通工具之一[1]。电动汽车大规模入网会给电网带来两个方面的影响：一是未经引导的电动汽车充电负荷可能会产生新的负荷高峰，给电网的运营带来挑战[2]；二是电动汽车的空闲时间较长，尤其是私家车，拥有大容量电池的电动汽车就可以作为电网的分布式的储能装置，可以用于电网负荷的削峰填谷、提高供电质量、解决新能源发电的随机性和间歇性问题。

V2G技术是指通过电价等激励手段引导电动汽车在电网有功率缺额时放电、在电网功率过剩时候充电，实现电动汽车与电网的互动[3]。一方面，V2G技术给电网提供了更灵活、更具有经济性的储能方式，给电网解决新能源并网、电网经济调度提供了新的解决方案；另一方面，V2G技术也使得电动汽车主可以通过激励政策获得一定收益，充分的利用闲置资源，分担购车压力。

自1995年Amory Lovins提出V2G这个概念以来，V2G技术获得了广泛的关注，研究者们针对V2G技术的优化调度、经济性论证[4，5]等关键问题进行了深入的研究，已经取得了一定的成果。目前V2G的主要实现方式分为集中式V2G、分布式V2G和换电式V2G。集中式V2G是指某一区域的电动汽车集中在一个充电站中，根据电网的指令进行统一调度，充电站一般作为中间代理环节；分布式V2G是指电动汽车通过分散的充电桩进行充电，电动汽车根据电价等激励措施自主进行充放电；换电式V2G是指基于电动汽车换电模式的V2G，利用电动汽车换电站内用于更换的电池进行V2G。分布式V2G由电动汽车自主响应电网的激励政策，随机性较大，且有形成反高峰的可能[6]，难以达到最佳效果；换电式V2G则依托电动汽车换电站，一方面电动汽车换电模式的发展还存在着电池型号不统一等许多障碍[3]，另一方面，建立换电站需要有较多的电池冗余，成本相对于建充电站更高。总的来说，集中式V2G是目前较为可靠，投入成本相对较低，发展更为容易的V2G方式，因此，集中式V2G也得到更多学者的关注。

本文在调研大量文献之后，对电动汽车集中式V2G技术的研究进展进行了概述。论文主要讨论了电动汽车的发展趋势，集中式V2G优化调度过程中的目标函数确定、电动汽车建模、优化模型求解等几个问题。

2 电动汽车的发展趋势

考虑到电动汽车用户对汽车使用的随机性，只有当电网中的电动汽车达到一定比例以后才能为电网提供较为稳定且足够大的储能容量，才能在电网的削峰填谷、改善新能源并网特性等应用场合产生经济效益，补偿电动汽车充电站的建设成本等前期投资。电动汽车的规模决定了电动汽车对电网的影响能力，也决定了V2G技术的可靠性与经济性。因此，电动汽车的发展趋势决定了V2G技术的应用前景。

在美国，汽车的二氧化碳排放量占到全国总排放量的17%，因此发展电动汽车一直是美国政府的重要政策。美国政府在电动汽车的购置、上牌、充电等方面都给与了政策支持[7]。美国能源部2016 年能源展望报告数据显示，2014年美国纯电动汽车的销量就达9.4 万辆。经预计，到2030年，美国电动汽车的总数量将达到5000万辆[8]。

日本的电动汽车研究一直处于技术领先的地位，这得益于日本雄厚的汽车技术的基础和政府的高额补贴政策。日本对电动汽车电池的研究投入了大量的资金，从而在日本形成了全球最大的高性能电动汽车动力电池产业联盟。另外，日本还大量投资电动汽车的充电设施建设，计划于2020年前，建成电动汽车充电桩的数量达到200万个[9]。

欧盟于2010年正式发布了清洁节能汽车领域的战略发展计划，欧洲各国积极响应。德国政府计划使德国的电动汽车在2020年达到100万辆[10]，并且投入大量资金用于支持电动汽车的研发和电动汽车充电桩的建设；法国是欧洲电动汽车发展最为迅速的一个国家，其给予电动汽车“新车购置金”的补贴政策使得电动汽车的销售份额迅速的超过了传统汽车；英国则通过收取汽车二氧化碳排放税的方式来促进电动汽车的发展。

我国的电动汽车产业与国外发达国家相比起步较晚，但是发展势头却十分迅猛，我国从2015年起电动汽车的产销量就居于世界第一位，2016年的电动汽车产销量超过了50万辆[11]。根据我国电动汽车“十三五”发展规划，到2020年，我国要建立起完善的研发系统和产业链，实现电动汽车的产业化。经预计，到2030年，我国的电动汽车总量将达到6000万辆[12]。

3 集中式V2G技术的优化调度

集中式V2G的优势在于能够集中电动汽车进行统一调度，从而达到整体效益的最优，因此集中式V2G的核心内容就是电动汽车的优化调度。但是电动汽车的优化调度需要协同考虑电网的功率需求和入网电动汽车在时间和可用容量上的随机性，因此電动汽车的优化调度也是集中式V2G的技术难点。下面分优化目标、优化方法、电动汽车参与V2G的响应模型来进行分析。

3.1 优化目标

集中式V2G的优化目标是投资者们关心的利益产出，决定了其在经济效益和环境效益上的可行性。学者们针对电动汽车在新能源并网、配网负荷削峰填谷、与发电机组的联合调度、调频等应用场景进行了研究，分别以新能源利用率最高[13]、负荷平滑度[14]、电网发电成本最低[15]、CO2排放量最低[16]、电动汽车主收益最高[13]为优化目标进行了研究。endprint

由于集中式V2G的调度往往涉及到多个参与方的利益博弈，因此V2G的优化调度往往需要处理多目标优化的问题。文献[17]中提出了分层的优化思路，分调度中心和各代理机构两层进行优化，分别考虑电网与车主的利益。文献[13]则提出了分步的优化思路，首先考虑新能源的消纳和负荷方差得到电动汽车的初步调度结果，再考虑发电成本进行进一步優化。而文献[15]则采用多目标遗传算法和加权法相结合的思路同时对多个目标进行优化。

3.2 电动汽车的建模

电动汽车是V2G的主体，因此对电动汽车的合理建模是优化调度的重要内容，只有准确的建模才能正确模拟出电网中电动车的可用时间和电池的可用容量。电动汽车的建模主要包括两个内容，一个是电动汽车的驾驶特性，即电动汽车的出行时间特性和行驶距离的分布特性，另一个是电动汽车对V2G的参与程度。

对于电动汽车的驾驶特性的建模，目前已经有较多的研究。文献[18]根据美国私家汽车出行规律调研的数据得到了汽车的出行时间和行驶里程的正态分布模型，再根据蒙特卡洛模拟的方法得到仿真用的调度数据。文献[19]则根据电动汽车每日的行程数对电动汽车进行分类，先统计各类行程出现的概率，再对每类日行程的各个行程的时空特性、驾驶距离等进行统计建模。文献[20]则根据电动汽车的用途，将电动汽车分为了Home-Based-Work、Home-Based-Other和Non-Home-Based三种类型，分别统计这三类汽车的比例以及出行时间和驾驶距离的分布概率，该文献还进一步根据电动汽车的类型讨论了电动汽车电池容量的概率分布情况以及每公里行驶耗能的概率分布情况，从而更精确的对电动汽车的驾驶特性进行了描述。

电动汽车对V2G激励政策的响应程度关系到电动汽车主的经济行为习惯、电动汽车的成本以及激励政策的力度，是一个比较复杂的问题。文献[21]中采用了三段线性函数来描述电动汽车主参加V2G的比例随充放电价格差变化的关系；文献[20]则对该模型进行了改进，采用凹函数描述电动汽车的参与度与电价的关系，并且考虑放电带来的额外电池损耗，对在充电和反放电采用不同的特性曲线。文献[13]则采用价格系数弹性矩阵来描述电动汽车对电价的响应情况，该方法的优势在于可以同时考虑当前电价以及其他时刻电价的变化对电动汽车主的影响。这类方法都试图将电动汽车主的响应程度与电价直接关联起来，但是车主往往难以根据电价估算自身获益，而且还有一些其他非利益因素需要考虑，因此难以准确地描述电动汽车的参与度。文献[22]则采用了条件风险价值（CVaR）来衡量电动汽车主在参与V2G过程中的风险与价值，让电动汽车住根据一定置信水平下的收益来做出决定，该方法的优点在于能够充分考虑电动汽车主的心理因素以及收益上的不确定性。

3.3 优化方法

由于集中式V2G最优调度方案的求解往往需要处理复杂的约束条件、多个待优化量，所以选择合适的求解方法十分重要。目前，主要使用的是智能算法，其在处理这类非线性问题上具有计算效率高、约束条件宽松等优势，遗传算法[23]、离散细菌群体趋药性算法[16]等智能算法都得到了应用。然而智能算法在处理复杂的非线性问题时往往有早熟问题，容易陷入局部最优，求解结果不精确，文献[24]则在粒子群算法的基础上引入了选择机制和交叉机制，改进其搜索能力。文献[25]则使用了粒子群-退火混合算法，从而同时发挥这两种算法的优势。

还有一些文献则使用了其他方法，文献[26]采用了拉格朗日松弛法来求解电动汽车的最优调度方案，利用对偶因子将约束条件解耦，从而将待优化量分解，有效的减少了计算时间。文献[18]则使用优先顺序法，将多时段的优化问题分解到各时段分别求解，计算过程更为简单，效率更高。

4 总结与展望

目前，电动汽车集中式V2G技术的经济性和改善电网特性的能力已经得到了较多的理论验证，一些机构也正着手开展实体项目来论证其可行性。相信随着电动汽车规模的发展、动力电池性能的提升，集中式V2G的可靠性会进一步提升、电动汽车参与V2G的成本会进一步降低，集中式V2G技术会逐步走向商业化的道路。

参考文献：

[1]胡泽春，宋永华，徐智威等.电动汽车接入电网的影响与利用[J]. 中国电机工程学报，2012，32（04）：1-10.

[2]刘晓飞，张千帆，崔淑梅.电动汽车V2G技术综述[J].电工技术学报，2012，27（02）：121-127.

[3]Hadley S W，Tsvetkova A A.Potential Impacts of Plug-in Hybrid Electric Vehicles on Regional Power Generation[J]. Electricity Journal，2009，22（10）：56-68.

[4]Kempton W，Kubo T.Electric-drive vehicles for peak power in Japan[J].Energy Policy，2000，28（01）：9-18.

[5]Kempton W，Tomi? J.Vehicle-to-grid power fundamentals： Calculating capacity and net revenue[J].Journal of Power Sources，2005，144（01）：268-279.

[6]Shafiq S，Al-Awami A T.Reliability and economic assessment of renewable micro-grid with V2G electric vehicles coordination[C].Applied Electrical Engineering and Computing Technologies.IEEE，2015.endprint

[7]杜志彬，庄恒国.美国电动汽车激励政策简析[J].汽车工程师， 2016（10）：14-16.

[8]Ota Y，Taniguchi H，Nakajima T，et al.An autonomous distributed vehicle-to-grid control of grid-connected electric vehicle[C].International Conference on Industrial and Information Systems，2009：414-418.

[9]吳翠玉，张美霞，陈海燕等.国内外电动汽车扶持政策比较与分析[J].上海电力学院学报，2016，32（02）：188-192.

[10]夏德建.电动汽车研究综述[J].能源技术经济，2010，22（07）：49-55.

[11]蔡仲旺，王广凤.我国电动汽车产业现状与发展策略研究[J]. 现代经济信息，2016（01）：351-352.

[12]杨玉青，苏粟，姜久春等.改善配电网负荷特性的充电站有序充电优化策略[J].电力系统保护与控制，2014，42（07）：60-66.

[13]孙波，孙佳佳，董浩.基于分时充电电价的电动汽车消纳风电的机组调度优化模型[J].可再生能源，2017（01）：110-118.

[14]侯建朝，胡群丰，谭忠富.计及需求响应的风电-电动汽车协同调度多目标优化模型[J].电力自动化设备，2016，36（07）：22-27.

[15]刘东奇，王耀南，袁小芳.电动汽车充放电与风力/火力发电系统的协同优化运行[J].电工技术学报，2017，32（03）：18-26.

[16]卢志刚，姜春光，李学平等.清洁能源与电动汽车充电站协调投资的低碳效益分析[J].电工技术学报，2016，31（19）：163-171.

[17]姚伟锋，赵俊华，文福拴等.基于双层优化的电动汽车充放电调度策略[J].电力系统自动化，2012，36（11）：30-37.

[18]吴红斌，侯小凡，赵波等.计及可入网电动汽车的微网系统经济调度[J].电力系统自动化，2014，38（09）：77-84.

[19]李明洋，邹斌.电动汽车充放电决策模型及电价的影响分析[J]. 电力系统自动化，2015（15）：75-81.

[20]王明深，穆云飞，贾宏杰等.考虑用户出行时间和补偿价格的电动汽车集群响应能力评估模型[J].华北电力技术，2017（03）：23-31.