動力電池參與電網調峰的研究

　　1 概述

　　隨著電動汽車的推廣應用和充電站的建設，人們對電動汽車和充電站的認識已經不僅僅局限在代步工具和“加油站”上， 而是希望開拓更廣泛的應用。雖然目前國內外運行和正在建設的充電站， 多數只具有為電動汽車供給能源的單一功能，但美國、德國等國家已經在進行V2G ( Vehicle to Grid)相關技術的研究。

　　V2G是指電動車輛作為移動儲能單元在受控狀態下實現與電網的能量與信息的雙向交換，電動汽車(充電站)不但從電網獲得能量， 而且實現在必要時電動汽車(充電站)向電網反送電， 從而提高電網運行的可靠性。

　　含有分布式移動儲能單元的電動汽車具有與大電網互補、可緩解電網供電緊張和提高電網可靠性等優點。隨著技術的發展， 電動汽車動力電池移動儲能應用還可進一步降低電力系統的投資和運營成本， 超大型的電站與分散微型電站的結合可以降低在輸配電線路上的投資， 提高電力系統運行的安全性和經濟性。特別地， 與眾多的分布式電源相比， 電動汽車動力電池移動儲能最大的優勢是， 當大電網出現大面積停電事故時， 電動汽車動力電池移動儲能仍能保持正常運行， 由此可提高電力系統的抗災能力。

　　2 V2G技術應用優勢與可行性

　　總體來看， 各大電網的峰谷差日趨增大， 電網的調峰能力和客觀上的調峰需要之間的矛盾十分尖銳， V2G參與電力系統調峰對于應對日趨嚴重的調峰問題具有極其重大的意義。

　　2. 1 V2G技術應用的優勢

　　(1) 調整容量可以保證。1 日24 h 當中90%的電動車輛都可以參加V2G 服務， 即使在交通的高峰期也有80% 多的車輛是停著的， 而且對于私家電動車絕大多數時間處于停駛狀態。

　　(2) 響應速度快。具有雙向功率調節功能的電動車充放電可達到ms級， 而傳統調峰電源由于要考慮到機械元件的壽命， 響應時間最快也在s級左右。

　　(3) 響應功率儲備裕度小。傳統調峰、調頻對AGC信號的不準確響應， 要求電網調度有更大的響應功率儲備裕度， 而V2G 對調峰、調頻命令響應快速準確， 可以減少功率儲備裕度。

　　(4) 綜合效率高。電池的充放電效率比一般的抽水蓄能電站運行的平均綜合能源效率要高。

　　(5) 具有明顯的社會效益和經濟效益。電動汽車可充分利用電網谷電， 并在電網處于高峰時提供服務。

　　2. 2 V2G技術應用的可行性

　　電動汽車/充電站具備功率雙向交換功能， 既可以向電網輸送功率(即電動汽車放電狀態) , 也可以從電網吸收功率(即電動汽車充電狀態) ; 其次， 電動汽車/充電站具有雙向通信功能， 能夠遠程接收指令和發送功率信息， 調峰指令由電網調度通過充電站內通信網絡發送給電動車， 電動汽車的響應被監測、記錄并通過通信網絡反饋給充電站(后臺管理系統)。如電動汽車發展到一定規模， 有相關政策和技術支持， 調峰指令也可通過無線通信直接發送給電動汽車， 電動汽車的響應可以被監測并記錄(各電動汽車響應結果也應該通過無線通信反饋給充電站后臺管理系統)。因此， 電動汽車可以按照電網要求實現有組織、有計劃的調峰。

　　3 實現V2G調峰應用的基本思路

　　電網依據調峰需求并按照各充電站的V2G統計信息， 通過相關策略制定V2G 充放電計劃下發給各充電站; 各充放電站接到計劃后， 通過相關策略及算法合理選擇車輛， 分配充放電功率， 保證充放電計劃合理執行。V2G 參與系統調峰的示意圖如圖1所示。

?

　　圖1 V2G參與系統調峰的示意圖

　　4 可用容量與可用時間的預測

　　從電網安全的角度來看， V2G 作為具有用戶參與性的分布式發電單元大量接入系統必然會對電網的運行帶來一定的影響， 因此準確預測V2G在調度過程中的各種參數必將成為電網調度運行機構關注的問題之一。正是由于V2G 具有與用戶能量雙向交互的互動性， 因此其可用容量的預測問題也比傳統的負荷預測更為復雜。從技術來分析， V2G儲能可用容量的獲得可以通過以下兩種方式。

　　(1) 采用用戶設置的方式

　　指用戶在一個周末設置好下一周車輛參與V2G的計劃。V2G 運營商和后臺管理中心以此為標準統計下一周的V2G可用容量， 在實際的充放電執行中優先執行計劃部分。該模式與電力市場中合同市場與實時市場的模式類似， 具有較好的推廣前景。

　　(2) 采用歷史數據進行預測的方式

　　V2G的容量受到天氣、節假日、價格、溫度、季節、經濟發展情況與電動汽車參與V2G 服務的數量密切相關。在V2G 服務推行初期， 由于參與的車輛相對較少， 因此， 可以采用高峰時段放電的模型進行。隨著技術和市場的成熟， 參與的車輛逐步增多， 而V2G 的歷史數據也會逐漸積累， 從而可以采取各種預測方法進行可用容量預測， 比如目前電力系統常用的回歸分析法、時間序列法、指數平滑法、灰色模型法、卡爾曼濾波法以及一些人工智能方法如專家系統、人工神經網絡、模糊預測等方法。