車網互動過程的系統(tǒng)動力學分析

　　摘要：車網互動過程的影響因素眾多，關聯(lián)關系復雜。為分析車網互動過程中各因素之間的相互影響及相互作用關系，文章建立了車網互動過程的系統(tǒng)動力學分析模型，分析了車網互動過程的因果回路圖，細化了電動汽車與電網子模塊內部因素間的流量關系，探討電價及出行計劃對電動汽車充放電響應的影響規(guī)律，得出電網功率需求與電網電價調整之間的關系。算例仿真表明，車網互動過程的系統(tǒng)動力學模型可反映車網內部各變量之間的反饋結構關系，模擬車網互動的動態(tài)演變過程，分析車網互動決策的影響因素，繼而為實際車網互動的實施提供了一種有效的分析方法。

　　關鍵詞：車網互動;系統(tǒng)動力學;因果回路;演進分析

　　0引言

　　在國家政策的大力扶持下，電動汽車(ElectricVehicle，EV)產業(yè)迅猛發(fā)展，規(guī)�；�的電動汽車車載電池成為智能電網中重要的儲能元件。由于電動汽車充電具有時間和空間上的不確定性，若不對其進行合理調控，電動汽車的充放電行為有可能會使電網負荷出現(xiàn)峰峰疊加，使峰谷差進一步擴大，惡化電網的運行狀態(tài)，從而影響電網運行的可靠性[1];如能對電動汽車的充放電行為進行有效調控，使電動汽車在用電低谷時段充電，在用電高峰時放電，從而可有效利用電動汽車電池的儲能能力，為電網的運行提供功率支撐，達到削峰填谷的作用，電動汽車也可從能量互動中獲取收益，從而為車網雙方都帶來好處[2]。

　　要實現(xiàn)車網雙方之間的良性互動，需要制定有針對性的激勵措施，從而引導車網雙方朝著合作互動的方向發(fā)展。但在車網互動的過程中，電動汽車用戶與電網的互動決策受到自身眾多因素的影響，而且車網雙方的決策相互之間也會產生影響，兩者之間存在著比較復雜的耦合關系，分析車網互動決策的影響因素，明確影響因素相互之間的關聯(lián)關系及影響規(guī)律，是制訂出合理有效激勵措施的前提。

　　當前對車網雙方互動收益的分配研究較多，為吸引電動汽車用戶參與充放電優(yōu)化，通過充放電策略協(xié)調車網雙方的利益是一種常見的辦法[3]。文獻[4-6]將EV作為受控對象，在不同的優(yōu)化目標下(電網收益最大、電網負荷波動最小、EV用戶花費最小)，通過優(yōu)化算法對EV的充放電策略進行求解。文獻[7-9]利用博弈論思想，充分考慮雙方在互動過程中的選擇權，將車網互動過程轉化成雙方的博弈過程，利用博弈方法確定了車網雙方各自的互動策略。文獻[10]則進一步深化，通過代理商將EV群體聚合成一個或多個整體，由代理商調度安排EV的充放電計劃，并通過代理商與電網進行博弈互動，達到削峰填谷、調頻、備用等目的。

　　文獻[11]提出以需求側為決策主體、供需兩側協(xié)同優(yōu)化的EV充放電需求響應方法，在保證用戶經濟性的同時實現(xiàn)平抑系統(tǒng)負荷波動。文獻[12-15]從電網和充(換)電站利益最大化、用戶利益最大化和供需雙方共贏等宏觀角度解析了電動汽車有序充放電定價模型的實現(xiàn)機理以及各模型存在的優(yōu)缺點，并在此基礎上闡述了其優(yōu)化方向。上述研究從宏觀角度對電動汽車和電網可以采取的互動策略進行了分析，利用優(yōu)化方法得到了互動各方可以采取的互動策略，但對車網內部影響這些互動策略選擇的因素及影響規(guī)律沒有進行具體分析。

　　車網內部都存在著眾多因素會對車網雙方的互動決策產生影響，如電動汽車用戶的出行需求對充放電電價波動的敏感性、電動汽車參與互動的成本損耗，電網的出力波動、負荷波動、電網結構的變化等，各個因素變化都會導致雙方互動決策的波動并最終趨于一個穩(wěn)定的最優(yōu)策略。因此，車網雙方的影響因素眾多，關聯(lián)關系復雜，研究清楚雙方的影響因素及影響規(guī)律是制訂合理激勵、促進車網互動的關鍵。系統(tǒng)動力學(systemdynamics，SD)是研究復雜系統(tǒng)工程的一種重要方法[16-18]，他通過分析系統(tǒng)內部各變量之間的反饋結構關系來研究系統(tǒng)的整體行為，實現(xiàn)對系統(tǒng)整體運作本質的分析。

　　可為車網互動這個復雜性及動態(tài)性兼具的系統(tǒng)問題提供了一個有力的分析工具。通過分析車網互動過程中的相互作用關系，采用定性分析與定量描述相結合的方法，分析了互動過程中電動汽車與電網子模塊的系統(tǒng)動力學模型，利用Vensim軟件模擬分析了車網互動過程中互動決策的動態(tài)演化過程，分析了不同因素變化對互動效果的影響，為智能電網中車網互動的演化分析提供了一種有效的方法，對認識清楚車網互動過程的動力機制，從而有針對性地提出切實有效的激勵措施提供了依據(jù)。

　　1車網互動過程的因果回路分析

　　車網互動的本質是能量流和效益流的相互轉移，互動的過程實際上是車網雙方相互作用的過程：電網的定價策略影響電動汽車的充放電決策，而電動汽車的充放電決策會影響電網的狀態(tài)進而促使電網改變自己的定價策略。 車網互動過程的系統(tǒng)因果回路圖包括3個部分：電動汽車子模塊、電網子模塊以及兩者之間的聚合子模塊。電動汽車子模塊通過提供自身的儲能能力為電網子模塊提供功率支撐，電網子模塊通過充放電電價引導并利用電動汽車的儲能能力以維護電網自身的功率平衡，雙方通過充放電電價和充放電電量聚合在一起實現(xiàn)互動，在互動的過程中完成能量流和效益流的轉移。

　　電動汽車子模塊所能提供的儲能能力主要由電池的荷電狀態(tài)和用戶的出行需求決定，兩者共同決定了電動汽車所能提供的儲能服務能力的大小：電池荷電多、用戶出行需求功率少，電動汽車可用來放電的富余電量就多;電池荷電少、用戶出行需求多，電動汽車可用來充電的可充電容量就多，電動汽車可用來交易的儲能服務能力就大。不同于一般的儲能裝置，電動汽車需要優(yōu)先滿足用戶的出行需求，用戶的出行距離、出行時間會對電動汽車的充放電電量和充放電時間產生影響，進而影響電動汽車的充放電決策。

　　電網子模塊調控的核心任務是實現(xiàn)電網的功率平衡，由于電廠出力的變化以及電網負荷的波動，可能會導致電網功率的不平衡，此時，規(guī)�；�的電動汽車電池就成為一個理想的調控源：在電網負荷高峰、存在功率缺額時，電動汽車可停止從電網充電，并將自己的富余電量向電網放電，以補充電網的功率缺額;當電網負荷低、存在著功率盈余時，此時，電動汽車可從電網充電，以增加電網的負荷、減小電網的功率損失。

　　因此，充電電價和放電電價是電網調節(jié)電動汽車充放電行為的調節(jié)手段，而充電電量和放電電量則是電動汽車對電網調節(jié)行為的響應手段。但由于電動汽車數(shù)量龐大、用戶需求各異，電網內部的環(huán)節(jié)眾多，電價和電量對車網內部決策產生影響的規(guī)律比較復雜，還需進行深入分析。

　　2車網互動子模塊的系統(tǒng)動力學分析

　　車網互動的因果回路圖將車網內部要素的相關性及相互之間的反饋關系定性表示了出來，為更加直觀的表達系統(tǒng)內部的反饋形式和控制規(guī)律，以流量圖的形式細化互動中各子模塊的內部結構，并分析變量之間的因果動態(tài)關系。

　　2.1EV子模塊

　　電動汽車的有序充放電一方面可以減小EV負荷對電網的沖擊，另一方面還可為電網提供有益的功率支撐，而電動汽車用戶自身也能從互動中獲取經濟收益。在互動中，電動汽車在電池當前荷電狀態(tài)的基礎上，在滿足用戶出行需求的前提下，對電網的電價做出響應。

　　與一般儲能裝置不同，電動汽車用戶的出行需求不同、對價格變動的敏感程度也不相同，因而電動汽車群體內部因素的關聯(lián)關系及影響規(guī)律比較復雜。保證用戶出行需求是電動汽車決策時的首要目標，因此，用戶的出行需求是電動汽車模塊中的重要變量。出行需求一方面決定了在規(guī)定的出行時刻到來前電動汽車電池所要達到的最小荷電狀態(tài)，另一方面決定了電動汽車距出行的剩余時間，即電動汽車參與互動的可用時間，而這個可用時間的長短會對電動汽車參與互動的參與率產生影響。

　　3算例分析

　　3.1算例基本參數(shù)

　　以某市EV與電網為例，設該市EV保有量為5萬輛，單臺EV電池容量為22kW·h，單位電池損耗為0.3元/(kW·h);EV充電樁價格為14900元，輸出最大功率為8.9kW，使用壽命10年;電網運行過程中的最大功率缺額為252MW;初始EV用戶參與度設為35%，初始電價設為0.57元/(kW·h)。根據(jù)前述的因果反饋關系，在Vensim軟件中用箭頭記號連接各變量，畫出車網互動過程完整的流量圖，輸入變量之間的關系方程，即可得到車網互動過程的系統(tǒng)動力學模型。模型中，電動汽車電池的荷電狀態(tài)、電網的充放電電量及電網的削峰填谷收益等起到累積作用的量視為狀態(tài)變量，電動汽車的充放電功率、電網的充放電功率等視為速率變量。

　　3.2車網互動決策的演進分析在給定初始電價下，電動汽車子系統(tǒng)會根據(jù)自身情況給出一個響應的充放電電量，電網結合自身需求對該電量所帶來的互動效用進行衡量，并根據(jù)效果對電價進行調整，電動汽車子系統(tǒng)根據(jù)電網更新后的電價再對響應電量做出調整，以此循環(huán)直至得到穩(wěn)定的互動策略。

　　電力論文投稿刊物：電工技術學報是核心期刊，在1986年正式創(chuàng)刊，目前已經成為電工技術類博士學位評定、國家重點實驗室評估的重要雜志，注重理論聯(lián)系實際，在教育界、工程界享有比較高的聲譽。為提升中國電氣工業(yè)的技術水平起到重要作用。

　　4結論與展望

　　1)車網互動是一個動態(tài)演化過程，系統(tǒng)動力學模型可以描述車網互動過程中不同變量之間的反饋結構關系，為分析車網互動決策的動態(tài)演進過程、研究不同因素變化對車網互動決策及效果的影響提供了一種有效的方法。2)車網互動的影響因素眾多、關聯(lián)關系復雜，車網互動過程的因果分析回路可將車網內部復雜的要素及其相關性定性的表示出來，為分析各因素對互動決策的影響提供基礎。

　　3)車網互動子模塊的流量圖細化了電動汽車和電網子模塊的內部結構，為定量分析車網子模塊內部變量之間的因果動態(tài)關系提供了方法。4)基于Vensim的車網互動過程系統(tǒng)動力學算例分析表明，車網互動的最終決策是動態(tài)演進的結果，車網模塊內部不同因素的變化會對互動決策產生不同的影響，可為車網互動激勵措施的制定提供參考。

　　參考文獻

　　[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].電力自動化設備，2015，35(06)：1-9+30.GuoJianlong，WenFuzhen.TheInfluenceofElectricVehicleChargingonPowerSystemandItsCountermeasures[J].ElectricPowerAutomationEquipment，2015，35(06)：1-9+30.

　　[2]潘樟惠，高賜威，劉順桂.基于需求側放電競價的電動汽車充放電調度研究[J].電網技術，2016，40(04)：1140-1146.PanZhanghui，GaoCiwei，LiuShungui.ResearchonChargingandDischargingDispatchofElectricVehiclesBasedonDemandSideDischargeBidding[J].PowerSystemTechnology，2016，40(04)：1140-1146.

　　[3]楊曉東，張有兵，翁國慶，等.基于虛擬電價的電動汽車充放電優(yōu)化調度及其實現(xiàn)機制研究[J].電工技術學報，2016，31(17)：52-62.YangXiaodong，ZhangYoubing，WengGuoqing，etal.VirtualTime-of-UseTariffsBasedOptimalSchedulingandImplementationMechanismofElectricVehiclesChargingandDischarging[J].TransactionsofChinaElectrotechnicalSociety，2016，31(17)：52-62.

　　[4]胡澄，劉瑜俊，徐青山，等.面向含風電樓宇的電動汽車優(yōu)化調度策略[J].電網技術，2020，44(02)：564-572.HUCheng，LIUYujun，XUQingshan，etal.OptimalSchedulingStrategyforElectricVehiclesinBuildingsWithWindPower[J].PowerSystemTechnology，2020，44(02)：564-572.

　　作者：程宏波1，商子軒1，郭源曦1，康琛2，曾偉2

轉載請注明來自發(fā)表學術論文網：http:///dzlw/25890.html