摘要：针对居住区电动汽车有序充电问题，提出一种基于二次规划的台区电动汽车有序充电动态控制策略。首先，分析居住区充电负荷现状；其次，基于居住区居民离开台区时间、返回台区时间等出行特性，采用蒙特卡洛法构建居住区电动汽车充电负荷模型；然后，以居住区配电变压器负荷波动最小为优化目标，计及用户的随机充电行为，构建基于二次规划的台区电动汽车有序充电控制模型，并通过内点法进行优化求解，得到有序充电策略下台区中每辆电动汽车的最优充电时段和充电功率；最后好配资线上app，通过仿真算例验证所提方法的有效性。相较于无序充电，该方法可使居住区配电变压器负荷方差和负荷峰谷差显著降低，优化效果显著。

关键词：电动汽车；有序充电；峰谷差；蒙特卡罗法；二次规划；动态控制

技术咨询：187-1796---4689好配资线上app

0 引言

近年来EV（电动汽车）快速发展，新增乘用车辆中EV渗透率超过30%，累计渗透率已突破7%。由于居民出行习惯，EV集中于夜间充电，与居民用电晚高峰重叠，加剧了居住区配电变压器的负荷峰谷差和负荷波动，降低了配电变压器运行经济性。通过经济或技术手段引导EV实施有序充电，能有效削减负荷峰值，对改善电网运行状态、提高配电变压器运行经济性、推动能源转型具有重要意义，是未来EV充电发展的必然方向。

针对EV有序充电，国内外学者开展了诸多研究，主要可归类为控制性策略和引导性策略。引导性策略是指通过合理的电价或激励引导用户的充电行为，使其积极参与调度过程。文献提出了一种EV有序充电方法，利用分时电价引导用户合理安排充电时间，将入网时间调控在谷电时段。文献采用基于模糊函数的分时电价划分方法，引导EV有序充电。但分时电价引导策略会使得充电负荷向谷时段聚集，可能产生新的负荷高峰，不能从根本上解决集中充电问题。

针对上述问题，本文提出了基于动态分时电价的有序充电策略，综合考虑用户充电需求和系统运行状态，动态制定用户分时电价。综合考虑电网供电裕度和用户充电需求，通过构建激励需求响应模型，引导用户在裕度较大时段进行充电。考虑到电力公司无法制定时间歧视性电价，上述策略的执行主体只能是充电设施运营商；但是，目前运营商难以准确获取电网负荷数据，无法实现充电负荷全局最优调度。

控制性策略是指通过有序充电策略的制定，直接对EV的充电过程进行控制。综合考虑了电网侧和用户侧利益，提出一种有序充电策略，利用启发式算法直接控制EV实现有序充电；但其算法普适性较差，未充分考虑用户的随机充电行为。

针对以上问题，本文提出一种面向工程应用的有序充电方案，以配电变压器为最小优化单元，构建基于QP（二次规划）的EV有序充电动态控制模型，并通过算例进行仿真分析。

1 居住区充电负荷现状分析

研究表明，无序充电下EV充电负荷与基础负荷高峰时段基本一致，均集中在18：00—22：00期间，这是居民用电习惯和EV使用规律共同作用的结果。随着居民台区EV渗透率的提高，EV无序充电将导致负荷尖峰问题，引发配电变压器超容量运行风险，降低其运行经济性。

台区居民用电负荷具有晚高峰特征，对台区负荷进行标幺化处理，得到台区负荷曲线如图1所示。

从图1可以看出，18：00—22：00的台区居民用电晚高峰在叠加EV充电负荷后，产生负荷尖峰，加剧了台区负荷峰谷差。通过分时电价策略对充电负荷进行引导，虽然可以利用电价调节EV充电时间，实现有序充电，但会使充电负荷集中于22：00后的谷电时段，形成新的负荷高峰，影响台区配电变压器运行经济性。

图1台区负荷曲线

2 EV充电负荷模型

本文基于2021年北京市交通发展年报及相关文献，拟合EV离开台区时间Tl、返回台区时间Tr和返回时电池荷电状态Sr的概率密度函数，并通过蒙特卡洛法建立EV充电负荷模型。

2.1居住区居民出行特性

根据2021年北京市交通发展年报，2020年私家车工作日出行出发时间集中在早晚高峰时段；居民的出行出发时间和到达时间集中在07：00—09：00和17：00—20：00［17］。研究表明，EV离开台区时间Tl和返回台区时间Tr符合正态分布。

2.2基于蒙特卡洛法的充电负荷模型

蒙特卡洛法是一种基于概率统计理论的数值计算方法，在诸多领域广泛应用。蒙特卡洛法以计算机为平台，通过合理统计建模，将复杂的研究问题转化为对随机数及其数字特征的模拟和计算，从而简化研究问题。

单一EV的充电行为具有较强的随机性，难以预测；但通过大数据可将居民出行特性归纳为近似概率分布，如式（1）、式（2）、式（5）所示。对10000辆EV数据进行仿真模拟，得到其分布如图2所示。

蒙特卡洛法通过随机抽样生成大量的EV充电行为样本，这些样本反映了EV用户的实际充电需求和行为模式，为后续控制模型提供关键输入数据，使得模型能够有效调控充电负荷，实现负荷优化。

基于蒙特卡洛法生成的样本，提取每辆EV的返回台区时间、离开台区时间以及返回时的荷电状态等关键信息，作为优化模型的输入变量，构建优化模型中的充电负荷曲线，通过模型进行优化计算，进而确定每辆EV的最优充电时段和充电功率。

利用蒙特卡洛法建立EV充电负荷模型，具体步骤如下：

1）根据台区EV渗透率，随机抽样EV。

2）对每辆EV，提取其返回台区时间Tr、离开台区时间Tl及返回时荷电状态Sr。

3）根据提取数据计算EV充电时间，并将充电时间与充电功率累加至负荷曲线中。

4）对下一辆EV重复上述步骤，直至涵盖台区内所有EV。

5）导出EV充电负荷曲线。

3 基于QP的台区EV有序充电动态控制模型

3.1台区EV有序充电控制模型

3.1.1目标函数

对于电网，其电价固定且不能制定歧视电价。因此，本文将电价机制与控制策略解耦，以减小负荷波动为目标，以各时段EV充电功率为优化变量，建立优化调度模型。用负荷曲线方差指数表征电网负荷波动大小，负荷曲线方差越大，负荷波动越大。

3.1.2约束条件

1）台区变压器容量约束。为保障台区电网运行安全，台区总负荷应小于台区配电变压器容量上限。

2）EV荷电状态约束。为保证用户出行需求，EV离网时，参与有序充电的EV荷电状态应不小于用户设定的荷电状态期望值，且不超过100%，避免深度充电对电池的损伤。

3）EV充电功率约束。为保障EV电池安全，EV充电功率应不超过额定充电功率，不为负值。

3.2基于内点法的优化求解

QP是一种特殊的数学优化问题，属于凸优化的范畴，其目标函数为二次形式，约束条件线性。将目标函数与约束条件转化为标准QP模型，并通过内点法进行求解，具体流程如图3所示。

图3EV有序充电QP流程

3.3计及随机特性的动态充电控制策略

本文基于电力公司低压用电信息采集系统，提出一种台区EV有序充电架构，如图4所示，其中HPLC为高速电力线载波通信。

图4台区EV有序充电架构

该架构基于低压用电信息采集系统，构建一个有序充电网络。智能电表作为信息采集的前端设备，实时监控台区负荷，采集数据传输至台区调控终端，并将台区调控终端的调度策略下发；台区调控终端作为控制中心，利用电表数据进行优化计算，对EV进行有序充电规划；充电桩作为执行单元，执行台区调控终端指令，通过通信网络与EV用户进行交互。

蒙特卡洛法生成的采样结果不仅反映EV用户的典型充电行为，还对用户的随机充电行为进行模拟。针对用户充电行为的随机性，如用户原充电计划的变更、额外充电需求的产生等，本文提出了基于时间滑窗的动态控制策略，旨在实现对EV充电行为的实时监控与优化管理，降低用户随机行为对后续规划的潜在影响。

时间滑窗是一种动态处理时间序列数据的技术，通过在时间轴上滑动一个固定大小的窗口，对窗口内的数据进行处理和分析。在本文所提策略中，时间滑窗能够动态调整充电计划，以适应用户的随机性行为。时间滑窗的大小和滑动步长是两个关键参数，它们决定了充电计划的灵活性和实时性。本文中，时间滑窗的窗口大小和滑动步长均设置为15min。这样的设置与电网调度和负荷管理的常规时间尺度一致，保证了充电计划的灵活性，能够及时响应用户的随机性行为，避免过于频繁的更新带来的计算负担。

动态充电控制策略流程如图5所示。具体步骤如下：

图5EV动态充电控制策略流程

1）用户充电申请：用户与有序充电桩。

2）车辆信息数据上传：充电桩经智能电表将车辆数据上传至台区调控终端。

3）创建/更新车辆信息映射对象：对入网的车辆创建映射对象，避免信息更新时对原有模型造成影响；更新已入网车辆的映射对象信息。

4）台区负荷预测及更新：基于台区基础负荷数据进行预测，在此基础上进行有序充电调度；将EV充电功率与预测基础负荷进行叠加，更新台区负荷信息。

5）判断驻车时间是否充足：利用车辆返回台区时间、返回时荷电状态和设定的离开台区时间，计算充电时长，并对其进行判断。若以额定功率充电，无法满足用户充电需求，则在充电时限内以额定功率进行充电；若满足，则进行有序充电。

6）对车辆进行充电规划：根据步骤5的判断结果选择充电策略，规划EV充电功率；选取当前时段的充电功率，由充电桩执行。

7）时间滑窗下移：完成上述步骤后，更新车辆荷电状态，处理下一时段用户充电申请，更新映射对象与台区负荷信息，依此类推，重复上述步骤。

4 算例验证

4.1仿真场景及参数设定

为验证本文所提动态控制策略的有效性，基于某小区台区负荷数据进行仿真验证。详细参数如下：台区配电变压器额定容量为800kVA，台区内有80户居民，平均每户1辆车，且EV用户一车一桩；EV渗透率为12.5%，即10辆EV，单台EV电池容量为60kWh；充电桩额定充电功率为7kW/h，充电效率为0.85；EV离网时的用户期望荷电状态设定为90%，EV离开台区时间Tl服从N(8.75，4.312)分布，返回台区时间Tr服从N(18，4.202)，返回时的荷电状态Sr服从4算例验证

4.1仿真场景及参数设定

为验证本文所提动态控制策略的有效性，基于某小区台区负荷数据进行仿真验证。详细参数如下：台区配电变压器额定容量为800kVA，台区内有80户居民，平均每户1辆车，且EV用户一车一桩；EV渗透率为12.5%，即10辆EV，单台EV电池容量为60kWh；充电桩额定充电功率为7kW/h，充电效率为0.85；EV离网时的用户期望荷电状态设定为90%，EV离开台区时间Tl服从N(8.75，4.312)分布，返回台区时间Tr服从N(18，4.202)，返回时的荷电状态Sr服从N(0.6，0.12)分布。

4.2仿真结果分析

EV用户的随机行为是指用户在充电计划上的不确定性和不可预测性，即用户临时决定入网充电或改变原充电计划。本文以有无随机行为的两种充电场景为例进行仿真分析。

4.2.1无随机行为下的台区负荷

无随机行为下的台区负荷仿真结果如图6所示。

图6无随机行为下的台区负荷

无序充电下，随着EV入网，台区负荷升高，产生负荷尖峰，加剧台区负荷峰谷差和负荷波动，负荷峰谷差和负荷方差分别达到86.13kW和444.66kW2。QP算法下，充电负荷转移，有效平抑了电网负荷波动，实现了削峰填谷，负荷峰谷差和方差分别降低了63.93%和88.73%，仅为31.07kW和50.10kW2。遗传算法下，负荷峰谷差与负荷方差分别降至55.44kW和227.39kW2，降低了35.63%和48.86%。粒子群算法下，负荷峰谷差与负荷方差分别降至62.42kW和234.29kW2，降低了27.53%和47.31%。经对比，本文所提策略在台区电网负荷优化方面表现最佳，有效提高了台区配电变压器运行经济性。

4.2.2随机行为下台区负荷

鉴于EV充电行为的随机性，为验证本文所提策略在实际工程应用中的适应性，引入以下三类随机行为进行仿真分析：

1）修改退网时间：修改3辆车的离开台区时间。

2）临时入网：从充电负荷模型中抽样选取2辆EV数据，模拟已离网用户临时入网。

3）临时入离网：修改临时入网车辆的离开台区时间。

仿真结果如图7所示，台区负荷特性如表1所示

图7随机行为下的台区负荷。

表1台区负荷特性

从图7和表1可以看出：当用户临时修改原充电计划时，本文所提策略能够及时对原有规划进行调整，台区负荷峰谷差和方差变化较小；临时入网时，由于规划时间内车辆的增加，使得可规划的时间节点增加，进一步降低负荷方差；临时入离网时，台区负荷方差变化较小。因此，本文所提策略对于用户的随机性行为具有良好的适应性，可保障台区电网在实际运行环境中的可靠运行。

5 安科瑞充电桩收费运营云平台系统选型方案

5.1概述

AcrelCloud-9000安科瑞充电柱收费运营云平台系统通过物联网技术对接入系统的电动电动自行车充电站以及各个充电整法行不间断地数据采集和监控，实时监控充电桩运行状态，进行充电服务、支付管理，交易结算，资要管理、电能管理，明细查询等。同时对充电机过温保护、漏电、充电机输入/输出过压，欠压，绝缘低各类故障进行预警；充电桩支持以太网、4G或WIFI等方式接入互联网，用户通过微信、支付宝，云闪付扫码充电。

5.2应用场所

适用于民用建筑、一般工业建筑、居住小区、实业单位、商业综合体、学校、园区等充电桩模式的充电基础设施设计。

5.3系统结构

系统分为四层：

1)即数据采集层、网络传输层、数据层和客户端层。

2）数据采集层：包括电瓶车智能充电桩通讯协议为标准modbus-rtu。电瓶车智能充电桩用于采集充电回路的电力参数，并进行电能计量和保护。

3）网络传输层：通过4G网络将数据上传至搭建好的数据库服务器。

4）数据层：包含应用服务器和数据服务器，应用服务器部署数据采集服务、WEB网站，数据服务器部署实时数据库、历史数据库、基础数据库。

5）应客户端层：系统管理员可在浏览器中访问电瓶车充电桩收费平台。终端充电用户通过刷卡扫码的方式启动充电。

小区充电平台功能主要涵盖充电设施智能化大屏、实时监控、交易管理、故障管理、统计分析、基础数据管理等功能，同时为运维人员提供运维APP，充电用户提供充电小程序。

5.4安科瑞充电桩云平台系统功能

5.4.1智能化大屏

智能化大屏展示站点分布情况，对设备状态、设备使用率、充电次数、充电时长、充电金额、充电度数、充电桩故障等进行统计显示，同时可查看每个站点的站点信息、充电桩列表、充电记录、收益、能耗、故障记录等。统一管理小区充电桩，查看设备使用率，合理分配资源。

5.4.2实时监控

实时监视充电设施运行状况，主要包括充电桩运行状态、回路状态、充电过程中的充电电量、充电电压电流，充电桩告警信息等。

5.4.3交易管理

平台管理人员可管理充电用户账户，对其进行账户进行充值、退款、冻结、注销等操作，可查看小区用户每日的充电交易详细信息。

5.4.3故障管理

设备自动上报故障信息，平台管理人员可通过平台查看故障信息并进行派发处理，同时运维人员可通过运维APP收取故障推送，运维人员在运维工作完成后将结果上报。充电用户也可通过充电小程序反馈现场问题。

5.4.5统计分析

通过系统平台，从充电站点、充电设施、、充电时间、充电方式等不同角度，查询充电交易统计信息、能耗统计信息等。

5.4.6基础数据管理

在系统平台建立运营商户，运营商可建立和管理其运营所需站点和充电设施，维护充电设施信息、价格策略、折扣、优惠活动，同时可管理在线卡用户充值、冻结和解绑。

5.4.7运维APP

面向运维人员使用，可以对站点和充电桩进行管理、能够进行故障闭环处理、查询流量卡使用情况、查询充电\充值情况，进行远程参数设置，同时可接收故障推送

5.4.8充电小程序

面向充电用户使用，可查看附近空闲设备，主要包含扫码充电、账户充值，充电卡绑定、交易查询、故障申诉等功能。

6 结语

为解决居住区EV有序充电问题，提高居民台区配电变压器运行经济性，本研究从电网视角出发，以减小居住区电网负荷波动为目标，将EV充电功率作为优化变量，建立优化调度模型，提出了一种EV有序充电方案，并通过算例进行仿真验证。

所得结论如下：

1）本文提出的基于QP的台区EV有序充电动态控制策略能够在满足居民充电需求的同时，显著降低配电变压器负荷波动，实现削峰填谷，提高配电变压器运行经济性。

2）本文所提策略可充分计及用户充电行为的随机特性并进行有效调度，具有良好的适应性。

本文为EV有序充电提供了一种切实可行的技术方案，对于优化电网运行状态、实现有序充电具有重要意义。本文方案面向工程实际，具有工程应用价值，若配合电力公司电价政策，可实现居民台区有序充电。未来，鉴于车网互动涉及多个环节，可综合考量多种因素，深入研究各环节协同机制、优化技术与市场策略，探索分布式能源与充电协同，推动EV与电网协同发展。

技术咨询：187-1796---4689

• 好配资线上app