基于充电桩选择策略的双馈线负荷优化和削峰潜力分析

2022-04-14杨景旭刘艳萍曾顺奇黄国华

电力自动化设备 2022年4期

李欣，杨景旭，刘艳萍，曾顺奇，黄国华

（1. 广东电网公司广州供电局，广东广州 510620；2. 广州市奔流电力科技有限公司，广东广州 510670）

0 引言

近年来，在碳减排和环境保护需求的驱动下，电动汽车EV（Electric Vehicle）迅猛发展，中大型充电站的运行可能使配电网的运行状态接近载荷极限［1-2］，若只通过1 条10 kV 馈线供电，常常会引发严重的过载问题。为此，从负荷控制的角度出发，一般可以通过改善负荷的时空特性［3-4］来解决馈线过载问题。但如何衔接配电网的规划和运行，以提高充电负荷的调控潜力、改善含充电负荷配电网的安全性，成为当前亟待解决的难题。

从充电站控制的角度出发，已有研究主要通过改善充电负荷的时序特性［5-6］来解决馈线过载问题，主要采取的措施包括基于电价引导的有序充电［7-8］、进行激励补偿的需求响应［9-10］、充电桩功率直接控制等。文献［11-12］通过动态分时电价引导用户将充电负荷从峰时段转移到其他时段，实现了削峰填谷；文献［13］通过模拟EV 用户对需求响应策略的接受度，确定EV负荷的概率分布，引导EV用户进行充电时间转移。在上述有序充电和需求响应策略中，EV用户响应往往具有较大的不确定性，导致负荷响应具有较大的随机性、波动性［14-15］，很难保证用户响应与电网需求相匹配。另一方面，对于快充站而言，EV在站内的停留时间较短，故充电桩功率直接控制的调控潜力有限［16］。此外，改变充电负荷时序特性往往需改变EV充电时间，这对用户出行的影响较大。

从电网控制的角度出发，主要可通过馈线之间联络开关的倒闸操作实现负荷转供［4］，从而通过改善负荷的空间特性以解决馈线过载问题。但是，联络开关的倒闸操作较繁琐，不能频繁切换，否则可能会对联络开关寿命产生不利的影响。同时，通过联络开关的倒闸操作进行负荷转供对备用馈线的负荷接纳能力有较高的要求，转供条件不易满足，难以满足电网侧需求。然而，通过负荷转供等方法改变充电负荷的空间特性，一般无需改变用户的充电时间，对用户的影响很小，因此通过充电负荷转供实现充电负荷调控可作为一种改善电网安全性的新思路。

实际上，在充电站内实现充电负荷转供需要充电站由双电源供电。根据负荷定位，在特殊场景下充电负荷可视为二级负荷，可采取双馈线供电［17］。因此，对于极易造成馈线严重过载的大型充电站而言，可通过2条10 kV 馈线共同供电。对某市充电站用户通过“一户多变”接入馈线（1 个充电站用户通过多台变压器接入配电网）的场景进行调研，共涉及357个“一户多变”用户，其中有352个用户的报装容量超过1 000 kV·A，属于中大型充电站用户。其中，有28 个用户接入2 条馈线，占比约为8%。在充电站通过“一户多变”接入双馈线的场景下，同一座充电站内包含接入不同馈线的充电桩，因此通过EV对充电桩进行选择就可改变充电负荷接入的馈线，从而实现充电负荷空间特性的优化。可见，在该场景下实现充电站内充电负荷的转供具有可行性。

通过充电负荷的空间特性优化，可提高双馈线负荷的均衡程度，避免负荷不均衡导致的有功损耗过大的问题，保证配电网的经济运行［18］；同时能实现削峰填谷，有效避免馈线过载，保证配电网安全运行。因此，在“一户多变”接入双馈线的场景下，配电网调度中心可根据馈线负荷优化等需求向充电站发布各时段接入不同馈线EV数量的调度指令，从而使充电站根据调度指令引导EV用户到相应的充电桩充电。

基于此，本文提出“一户多变”接入双馈线场景下EV 对充电桩的优化选择策略。首先，阐述了“一户多变”接入双馈线场景的接线方式和充电桩优化选择的原理，提出了充电桩选择策略的适用场景和实施条件；其次，提出了充电桩选择策略的优化目标；然后，提出了接入不同馈线下充电桩容量的合理分配方式，并设计了充电桩选择策略的优化流程和求解方法；最后，通过算例仿真分析验证了所提充电桩选择策略的有效性。

1 充电桩优化选择的原理

针对“一户多变”接入双馈线的场景，本文首先阐述了其接线方式和充电桩优化选择的原理，并提出了充电桩选择策略的适用场景和实施条件。

1.1 充电站接入双馈线的方式

充电站接入馈线主要有以下2种方式。

1）单电源供电方式：充电站内的充电桩都接入1 台或多台10 kV／400 V 专变，所有专变接入同一条10 kV馈线。在该方式下，充电站由单电源供电。

2）双电源供电方式：充电站通过2 台及以上10 kV／400 V 专变接入2 条10 kV 馈线，即“一户多变”接入双馈线。在正常运行方式下，各充电桩分别接入其中1 台专变的低压母线上。此时充电站负荷被分为两部分，这样极大地减小了接入单馈线的充电负荷，从而减轻了单馈线的供电压力。在双电源供电方式下，充电站通过充电桩选择进行EV负荷转供。当某条馈线负荷较大时，新到站的EV应尽量避免接入该馈线下的充电桩进行充电。

1.2 基于充电桩选择的充电负荷转供原理

在“一户多变”接入双馈线的场景下，充电站通过2 台及以上10 kV／400 V 专变接入2 条10 kV 馈线。接入馈线的实际充电负荷大小由接入该馈线的充电桩的充电情况决定。当其中1 条馈线或1 台专变因故障停运时，可由备自投开关结合另一条馈线的负荷能力将所有或者部分充电桩转接到正常运行的馈线下。在此基础上，通过新到站EV对不同馈线下的充电桩进行优化选择，可以使该场景具备一定的充电负荷转供能力。

基于此，配电网调度中心根据监测的负荷数据计算2 条馈线的实时负荷率，为充电站下发接入不同馈线下充电桩的EV数量指令，充电站根据配电网调度中心指令引导EV前往相应的充电桩进行充电。

1.3 充电桩选择策略的实施条件

配电网调度中心根据电网侧需求为充电站发布调度指令，充电站根据调度指令引导EV用户至接入不同馈线下的充电桩充电。为了实现该调度过程，充电桩选择策略需要具备一定的实施条件。

1）充电站内服务站的功能需求。

充电站的功能需求是指：主动上报充电站接入不同馈线的充电桩的运行监测数据，包括电压、电流、功率等电气量及充电事件记录数据等；支持配电网调度中心平台的主动召测；接收配电网调度中心平台发布的接入不同馈线下充电桩的EV 数量指令。基于此，充电站需配置服务站，包括服务器、通信装置。

（1）服务器具备优化功能以及上网功能，可将各充电桩的运行监测数据（包括电压、电流、功率等电气量以及充电事件等记录数据）打包上网，并下载接收接入不同馈线下充电桩的EV数量指令。

（2）充电站与配电网调度中心的通信可以通过光纤、移动通信服务器上网实现数据共享；充电站和充电桩之间的通信可以通过路由器实现。

2）充电桩的功能需求。

充电桩需具备与充电站进行通信以及引导EV用户选择充电桩的功能，因此需装设监测装置、通信装置、指示灯系统，并对充电桩进行编号。

（1）监测装置：需监测EV 用户的充电信息，包括到站时间、离站时间、初始荷电状态（SOC）、目标SOC、电池容量，同时还需监测电流、电压等电气量。

（2）通信装置：接收充电站分配的工作信息。

（3）指示灯系统：根据下发的调度指令控制指示灯颜色，黄灯表示充电桩处于闲置状态，红灯表示充电桩处于充电状态，绿灯表示建议接入指示。EV 用户根据指示灯的指引到指定充电桩进行充电。

（4）充电桩编号：充电站对充电桩进行编号，在指引EV 用户前往相应的充电桩时以充电桩编号作为引导指示，并以指示灯亮绿色作为辅助指引。

充电桩选择策略的原理如图1所示。

图1 充电桩选择策略的原理图Fig.1 Principle diagram of charging pile selection strategy

2 充电桩优化选择的目标

提高双馈线负荷的均衡程度有利于节能降耗，实现削峰填谷，避免馈线过载，改善电压越限问题等，从而保证配电网经济、安全运行。因此，本文以改善双馈线负荷均衡度为目标进行充电桩优化选择。

2.1 考虑充电负荷接入的馈线负荷率计算

设t时段馈线l下有kzc(l，t)台充电桩处于充电状态，则t时段馈线l的充电负荷Pcd(l，t)为：

式中：P0为充电桩的额定功率。

考虑充电负荷，t时段馈线l的总负荷Pw(l，t)为：

式中：Pg(l，t)为t时段馈线l的基础负荷，即不包括该充电站负荷的其他负荷。

则t时段馈线l的负荷率fw(l，t)为：

式中：Sl为馈线l的负荷容量；β为负荷的功率因数，本文中取值为0.95。

2.2 馈线负荷均衡度优化目标

通过充电桩选择可改善2 条馈线的负荷均衡程度，本文以2条馈线负荷率标准差均值最小为优化目标。t时段2条馈线负荷率的标准差σz(t)可表示为：

2.3 双馈线削峰潜力评估指标

针对双馈线间的削峰情况，本文定义削峰率为优化前、后双馈线最大负荷率的降低程度，计算式为：

式中：ηkf为双馈线的削峰率；fwmax_q、fwmax_h分别为优化前、后2条馈线的最大负荷率。

2.4 充电桩选择的约束条件

t时段馈线l下处于充电状态的充电桩数量kzc(l，t)需满足充电桩数量约束，即：

式中：kzh(l)为固定接入馈线l的充电桩数量。

3 充电桩选择策略的优化流程和求解方法

在“一户多变”接入双馈线的场景下，本文提出了接入不同馈线的充电桩容量合理分配方式，设计了充电桩选择策略的优化流程和求解方法，从而利用充电桩优化选择来为电网侧需求提供服务。

3.1 充电桩容量合理分配方式

在“一户多变”接入双馈线的场景下，为了充分利用2 条馈线的冗余容量来消纳充电负荷，在充电站建设阶段可按2 条馈线的冗余容量分配接入各馈线的充电桩数量。

馈线1、2 的负荷容量分别为S1、S2，接入充电负荷前馈线1、2的平均负荷率分别为f10、f20，充电站内的充电桩总数量为kzh0，则为了使接入充电负荷后馈线1、2的负荷更加均衡，规定固定接入馈线1、2的充电桩数量比例应与2 条馈线的冗余容量之比成正比，则固定接入馈线1、2的充电桩数量比例λzh为：

至此，大型充电站的负荷被分为两部分，接入单条馈线的充电负荷大幅减小，可以有效避免馈线过载等问题。

3.2 充电桩选择策略的优化流程

充电桩优化选择需要配电网调度中心与充电站之间的合作和信息共享。为了充分利用实时负荷信息，在实际工程应用中，本文所提充电站选择策略根据配电网调度中心和充电站的日前负荷预测与实时负荷信息采集，进行负荷的逐时段预测以及调度指令的逐时段优化。充电桩选择策略的优化流程如附录A图A1所示，具体步骤如下。

步骤1：输入双馈线网架潮流、充电站内充电桩的额定功率以及接入馈线1、2的充电桩数量等数据。

步骤2：充电站根据以往的充电信息，统计EV用户的到站时间分布、离站时间分布、到站SOC 分布，得到EV 用户的充电行为概率分布模型（该模型需根据季节性、节假日等进行调整），基于此可以预测各时段到达充电站的EV数量，并进行充电负荷预测，将其作为充电站的初始充电信息，同时充电站将预测充电负荷以及各时段接入馈线1、2 的闲置充电桩数量上传给配电网调度中心。

步骤3：配电网调度中心根据日前负荷预测信息，确定馈线的预测负荷，将其作为馈线的初始负荷信息，在闲置充电桩数量约束下根据优化目标优化各时段选择馈线1 和馈线2 的新到站EV 数量，并给充电站下发预调度指令。

步骤4：设当前调度时段为t时段（初始时段t=1），充电站根据实时充电信息和EV提前预约充电信息预测t+1 时段到达充电站的EV 数量，并更新充电站信息，将修正后的充电站信息以及接入馈线1、2的闲置充电桩数量上传至配电网调度中心。

步骤5：配电网调度中心根据实时监测的负荷数据计算t时段2 条馈线的实时负荷，并预测t+1 时段2条馈线的负荷功率，更新馈线的负荷信息。

步骤6：配电网调度中心根据修正后的馈线负荷信息和充电站充电信息，根据优化目标优化t+1时段接入馈线1、2 的新到站EV 数量，并为充电站下发调度指令。

步骤7：充电站根据配电网调度中心的调度指令引导EV前往相应的充电桩进行充电。

步骤8：令t=t+1，判断t是否大于mt，若是，则优化结束；否则，返回步骤4继续优化。

3.3 充电桩选择策略的求解方法

充电桩选择策略对各辆EV 选择的充电桩进行优化，本文采用粒子群优化算法［19］进行求解，规定粒子位置为各辆EV选择的馈线编号。

假设EV 在一天内充电1 次，充电站一天服务的EV 数量为M，则粒子位置的维度数为M。设粒子群体数量为m0，迭代次数为Im0，采用变量Zi，j表示粒子i中第j辆EV 的充电桩选择行为，其值为1表示选择馈线1 下的充电桩充电，值为2 表示选择馈线2 下的充电桩充电。则粒子i的位置向量Zi可表示为：

Zi=[Zi，1，Zi，2，…，Zi，j，…，Zi，M] （13）

在粒子群优化算法的迭代过程中，对于每个粒子的充电桩选择方案，先计算接入2 条馈线的充电负荷大小，然后计算2 条馈线的负荷率，再计算充电桩选择策略的优化目标，根据各粒子充电桩选择方案下的优化目标更新各粒子的个体极值和全局极值，从而更新各粒子的位置和速度；依此循环迭代，直至找到EV 最优的充电桩选择方案。根据所得最优的充电桩选择方案，充电站在EV到站时引导每辆EV前往相应的充电桩进行充电。

4 仿真算例

4.1 参数设置

本文以某市2 条10 kV 馈线（分别记为馈线1 和馈线2）作为仿真网架进行充电桩选择优化仿真。馈线1、2 的载流量分别为372、381 A，由此计算得到2 条馈线的容量S1、S2分别为6 765、6 929 kV·A。馈线1、2 的常规负荷曲线见附录A 图A2。EV 参数见附录A 表A1，EV 出行和充电行为概率分布［20］见附录A表A2。基于EV用户的充电行为概率分布进行2次抽样，将其分别作为当天充电站的预测充电负荷和实际充电负荷（即充电站的实时充电信息），见附录A图A3。此外，β=0.95，mt=96，P0=60 kW。

4.2 基于馈线负荷均衡度的充电桩优化选择

设充电站内包含80 台60 kW 的直流充电桩，充电站一天服务EV 数量为800 辆。假设接入充电负荷前，馈线1、2的平均负荷率分别为0.47、0.38，馈线过载的负荷率限值fm0=1。通过计算可得固定接入馈线1、2 的充电桩数量比例约为0.8。为了验证本文所提充电桩优化选择策略的有效性，对比分析以下场景：场景1，充电站负荷接入单馈线（馈线1）；场景2，充电站负荷接入双馈线，且不加以调控，EV 按照接入2 条馈线的充电桩数量比例均衡接入；场景3，充电站负荷接入双馈线，且按照冗余容量分配接入馈线的充电桩数量；场景4，在场景3的基础上，新到站EV 对不同馈线下的充电桩进行优化选择。以馈线负荷率标准差均值最小为目标对EV 选择的充电桩进行优化，采用粒子群优化算法进行求解，粒子群体数量m0=5000，迭代次数Im0=800。

不同场景下的负荷优化指标结果如表1 所示（若负荷率大于0.8，则认为负荷率不合格），馈线负荷率、负荷率标准差分别如图2 和图3 所示。场景4下选择2 条馈线下充电桩的EV 数量结果如图4 所示。场景3、4 下馈线的充电负荷如图5 所示，馈线2的闲置充电桩数量如图6所示。

图4 场景4中选择不同馈线下充电桩的EV数量Fig.4 Number of EVs selecting charging piles under different feeders in Scenario 4

图5 场景3、4下馈线的充电负荷Fig.5 Charging load of feeders in Scenario 3 and 4

图6 场景3、4下馈线2的闲置充电桩数量Fig.6 Number of idle charging piles under Feeder 2 in Scenario 3 and 4

1）馈线负荷均衡度优化效果分析。

由表1、图2 和图3 可知：相比于充电站接入单馈线的场景1，场景2 中充电站负荷通过2 台及以上专变接入2 条馈线，充电站负荷被分为两部分，极大地减小了接入单馈线的充电负荷，馈线1的最大负荷率由1.19下降为场景2下的0.96，降低了19.3%，馈线1 的负荷合格率由67%提升为74%，系统由严重过载状态转变为重载状态；场景3 按照馈线冗余容量分配接入充电桩的数量，使带负荷更少的馈线接入更多的充电桩，能够进一步提高2 条馈线的负荷均衡度，相较于场景2，场景3 下馈线1 的最大负荷率由0.96 降低为0.92，负荷合格率由74% 提升为78%，馈线负荷率标准差均值由0.063 降到0.055，降低了13%。由此可见，通过2 条馈线共同为中大型充电站供电，并按馈线冗余容量进行充电桩容量合理分配，可以有效解决充电站接入单条馈线造成的过载问题。

图2 不同场景下的馈线负荷率Fig.2 Load rate of feeders under different scenarios

图3 不同场景下的负荷率标准差Fig.3 Standard deviation of load rater under different scenarios

表1 不同场景下的负荷优化指标结果Table 1 Load optimization index results under different scenarios

进一步，场景4 通过新到站的EV 对不同馈线下的充电桩进行优化选择，可以使得馈线负荷更加均衡。由图4 和图5 可知，由于馈线1 的常规负荷率比馈线2 的常规负荷率大，EV 更偏向于接入馈线2 下的充电桩，因此在白天馈线1 的负荷高峰时段，大部分新到站的EV 都选择馈线2 下的充电桩进行充电。经过优化，在白天充电时段馈线2的负荷率与馈线1的负荷率差距明显变小，馈线之间的负荷更加均衡。相较于场景3，场景4 下馈线1 的最大负荷率由0.92进一步下降为0.8，系统由重载状态转变为安全运行状态。同时，2 条馈线的负荷率标准差大幅减小，馈线负荷率标准差均值由0.055 下降为0.013，降低了76%，实现了负荷高峰时段馈线负荷的均衡分配，减轻了单条馈线的供电压力。上述结果验证了本文所提充电桩选择策略的有效性。

2）充电桩选择策略的负荷控制特性分析。

充电桩选择策略通过各辆EV 对充电桩的优化选择来均衡2 条馈线的负荷，将负荷控制维度减少至每一辆EV 上，这样会使控制较精准，优化效果较好。但由于在EV 充电过程中充电桩的充电状态会一直受该EV 充电状态的影响，直至该EV 充满电离站，故无法根据后续馈线负荷的变化情况及时改变充电桩的充电状态。因此，在16:00 左右馈线1 负荷急剧下降时，为了保证后续2 条馈线负荷均衡，需要16:00前到站的部分EV在馈线1下的充电桩充电，导致16:00 左右馈线1 的负荷率比馈线2 的高很多。

另一方面，EV 只在2 条馈线下的充电桩都有闲置时才有选择权。由图6 可知，负荷高峰时段充电负荷转供需求最大，而在该时段馈线2 下的闲置充电桩数最少，因此在负荷高峰时段充电桩的利用率最大，充电桩的选择空间反而最小，充电负荷转供能力最弱，两者之间有一定的矛盾关系。正因为如此，场景4 下负荷高峰时段出现了馈线2 下闲置充电桩数量为0的现象，说明馈线2下的闲置充电桩无法完全满足充电负荷的转供需求。为了解决该问题，在配置充电站的充电桩数量需要留有一定的裕度。

4.3 充电桩选择策略的削峰填谷潜力分析

充电站采用商业区快充站，假设充电站内单台充电桩的额定功率为60 kW。馈线1 的最大常规负荷保持为4.5 MW 不变，改变充电负荷大小（以接入的充电桩数量体现）和馈线2 的最大常规负荷，进行充电桩选择优化。充电桩优化选择效果（以削减负荷／削峰率体现）如表2 所示，其中削减负荷表示场景3、4下馈线1最大负荷的差值。

由表2 可知，馈线2 的最大常规负荷越小，充电桩优化选择后的削减负荷量越大，削峰率越大。这是因为馈线2 的最大常规负荷越小，其可转供负荷的冗余容量越大，所以通过充电桩选择将原接入馈线1 的EV 转移到馈线2 下的数量越大，削峰效果越好。当馈线2 的冗余容量较大时，削峰率可达到15%以上，极大地增大了充电站（特别是快充站）负荷的削峰调控潜力。另一方面，削峰率随着充电站负荷占比的增大而减小，这是因为充电站负荷越大，接入双馈线的充电负荷也越大，馈线2 的可转供冗余容量变小，使得转供后的削减负荷量略微下降，削峰效果稍变差。