本文发表在《全球能源互联网》2022年第6期，受国家自然科学基金项目（52177085）、广州市科技计划项目（202102021208）资助。欢迎品读。

随着我国“双碳”政策的出台，电动汽车并网数量和电池容量的不断增加，电网超载风险随之加重，有必要对电动汽车充电进行调度。由于电动汽车的日前调度策略无法考虑用户到达时间和初始电量的不确定性，难以满足部分用户的充电需求，而目前的实时调度策略少有考虑到聚合商侧和用户侧的利益问题，也忽略了电动汽车预测负荷的调度潜力。本文提出了计及预测负荷和电动汽车充电需求差异的实时调度优化模型，可以在削减负荷峰值的同时兼顾聚合商和用户的收益，为电动汽车大规模充电造成的电网过载问题提供了解决方案。

1）考虑到日前调度难以满足部分用户的充电需求，建立电动汽车的实时调度模型，计及电动汽车预测负荷的调度潜力，增强了模型的合理性；

2）考虑实际场景需求，将非签约用户纳入为需求响应对象，根据其充电需求差异分为不同类别并制定相应调度策略，充分利用了电动汽车的调度潜力；

3）提出以聚合商盈利和用户收益为综合目标、以电网侧控制目标功率为约束的优化模型，兼顾了各参与方的利益。

针对电动汽车(Electric Vehicle, EV)大规模接入电网充电造成的过载风险问题，提出了计及预测负荷和用户需求差异的电动汽车实时优化策略。首先，根据签约与否将入网EV分为签约用户和非签约用户，通过分析实际场景将非签约用户纳入为需求响应对象，并根据用户的充电需求差异将其分为不同类别并建立相应的模型。其次，引入非签约用户响应概率与补偿电价的关系模型，建立聚合商和用户的补贴机制，根据电网需求和各类用户潜力制定各时段的实时调度方案。然后以配电网控制目标功率为约束，以聚合商盈利增比和用户平均收益增比为综合优化目标，采用粒子群算法分时段求解参与需求响应的EV充电功率。最后，经过多组仿真分析，证明了所提优化策略在削减负荷峰值的同时可以兼顾聚合商和用户的收益，验证了所提实时调度策略的有效性及适用性。

在分时电价的背景下，提出电动汽车实时调度的框架和优化模型，并对所提策略进行仿真分析。

⬆ 图1  电动汽车实时调度框架

EV聚合商(EV aggregator, EVA)作为电网与电动汽车（Electric Vehicle, EV）用户的中介，可实现EV的分布式管理与调度，是本文所提模型的主体。

⬆ 图2  电动汽车电量边界模型

图中折线ABC为EV的电量上界，表示EV在到站时间t_ar就以P_cN从初始电量S₀充到期望电量S_ex，t_ml为其最快离开时间；折线ADC为EV的电量下界，表示EV在最迟开始充电时间t_mc才开始以P_cN充电，直到预期离开时间t_ex时电量恰好达到S_ex。

⬆ 图3  电动汽车参与响应前后总负荷曲线

⬆ 图4  电动汽车参与响应前后的功率对比

⬆ 图5  参与响应的车辆数与平均功率

本文以某商业区常规负荷为基础负荷，EV预测负荷由商业区EV充电时间和初始电量的概率分布抽样确定，调度目标功率取10kV电压等级下、导线载流量为381A、功率因数为0.95时的功率值，对所提策略的有效性进行了仿真分析。

由图3-图5可知，从10时开始，由于预测负荷超过控制目标，EVA对相应EV进行调度。经过调度，EV充电负荷降低，总负荷峰值下降。当负荷突然增大时，参与响应的EV数量迅速增加，同时参与响应EV的平均充电功率受到调控迅速下降。在原负荷峰值时段附近，削减的功率也接近峰值，验证了本文提出的实时调度策略的有效性。

 研究团队