通過實時調度與日前調度的協調使換電站抑制波動影響同時兼顧用戶利益

（流體及動力機械教育部重點實驗室（西華大學）的研究人員劉靈愷、雷霞、李竹、黃貴鴻、雷海，在2017年第22期《電工技術學報》上撰文指出，電動汽車換電站由于其換電過程耗時短、便于統一管理等優點，成為了電動汽車電能補充的重要方式。但由于電動汽車用戶的換電需求具有隨機性，目前的預測方法不能很準確地對其進行預測，因此對換電站精確地制定充放電調度計劃有較大難度。

針對這一問題，建立換電站日前調度與實時調度模型，并通過粒子群算法在Matlab中完成仿真計算。在日前調度模型中通過對用戶換電需求的預測制定日前調度計劃，在滿足各時段需求的前提下優化換電站各時段充放電功率；在實時調度模型中根據各時段需求預測的誤差，來動態調整后續時段的調度計劃。通過實時調度與日前調度的協調，使換電站抑制了用戶實際需求波動影響，同時合理兼顧用戶利益、換電站收益與電網的優化運行。

隨著全球氣候變暖趨勢加劇、石油資源的枯竭，發展新能源電動汽車已是大勢所趨[1,2]。相比于以化石能源作為燃料的傳統汽車，電動汽車在節能減排、保護環境方面具有不可比擬的優勢。隨著未來電動汽車的普及，電動汽車大規模接入電網，無序的充放電會對電網的安全穩定運行帶來不可忽視的影響[3-5]。因此，針對電動汽車規?；浞烹?，有必要采用可靠的調度策略對電動汽車進行集中調度。

文獻[6]基于用戶的申報信息和評價指標體系確定車輛的調度優先權，代理商根據調度優先權制定車輛的調度計劃。文獻[7]提出用戶滿意度概念，以充放電成本與調度計劃合理性的加權組合來描述用戶的滿意度，建立了以用戶滿意度最大化為目標的優化調度模型。

文獻[8,9]將雙層優化模型應用于電動汽車充放電調度，其中文獻[8]在文獻[7]的基礎上將風力發電模型加入到優化調度模型中，實現運營商、電網、用戶三者之間利益的有機協調。文獻[9]以系統總負荷水平的方差最小化為上層目標、以與上層調度計劃一致性為下層目標建立雙層優化模型，但采用日前車主申報制度，執行較困難。

上述文獻均針對整車充電模式進行研究，然而整車充電模式下電動汽車的充放電權限歸屬于各用戶，使充電站不能進行統一調度決策[10]。與整車充電模式相比，換電模式實現了動力電池與車輛的解耦，電池的充放電行為更具有可控性和靈活性，更能有效地抑制對電網的不良影響，同時更符合用戶零等待時間的意愿[11,12]。

文獻[13]在文獻[9]基礎上采用動態優化機制，并計及未進站汽車的充放電預測，實現了換電站實時充放電調度，但調度結果受預測準確性影響。文獻[14]分析了基于響應分時電價的換電站電池調度策略，在平抑電網負荷波動的同時節約了換電站的充電成本。文獻[15]提出換電站在換電高峰時期將未完全充滿的電池提供給用戶，根據電池電量給予用戶一定費用折扣，以減少客戶的流失，提高換電站收益。

文獻[16]針對電動汽車規?；髶Q電站的不同時段電池組數配置問題提出電池冗余度概念，通過分析車主用車習慣求出換電需求發生時刻的條件，從而得到不同時段的電池儲備組數。文獻[17]在文獻[6]的基礎上，以充電總功率為優化變量，以抑制電網負荷波動為優化目標，分析了換電站內不同電池冗余度情況下的調度結果，并分析了不同電池冗余度的利弊。

綜上可見，目前針對電動汽車調度的文獻多為日前靜態調度模式，且實際用戶需求的波動對調度影響較大。本文以換電模式為基礎，以系統分時電價為前提，建立日前調度和實時調度模型。

日前調度模型中，換電站根據用戶需求的日前預測制定日前調度計劃，在滿足用戶需求的前提下，以平抑電網負荷波動、增加換電站收益為優化目標；實時調度模型中，換電站根據次日各時段實際用戶需求修正后續時段的需求預測，在日前調度的基礎上對后續時段的調度計劃做動態調整，以換電站實時調度的調整結果與日前調度計劃的偏差最小為優化目標。

通過日前調度和實時調度模型，使換電站抑制了實際用戶需求波動影響，同時合理兼顧用戶利益、換電站收益與電網的優化運行。

圖1私家車各時段行駛距離占日行駛距離百分數

結論

本文根據各時段的用戶實際需求對后續的需求預測進行修正，在日前調度的基礎上對調度計劃做動態調整，在換電站能夠最大化滿足用戶需求的基礎上以換電站自身收益與電網負荷曲線改善的協調為優化目標建立充放電調度模型，并采用粒子群算法求解。結果表明，優化調度能避免產生電池缺額，并充分利用電池的儲能特性對電網的負荷波動進行有效抑制，起到削峰填谷的作用，并使換電站收益最大化。