通过实时调度与日前调度的协调使换电站抑制波动影响同时兼顾用户利益

（流体及动力机械教育部重点实验室（西华大学）的研究人员刘灵恺、雷霞、李竹、黄贵鸿、雷海，在2017年第22期《电工技术学报》上撰文指出，电动汽车换电站由于其换电过程耗时短、便于统一管理等优点，成为了电动汽车电能补充的重要方式。但由于电动汽车用户的换电需求具有随机性，目前的预测方法不能很准确地对其进行预测，因此对换电站精确地制定充放电调度计划有较大难度。

针对这一问题，建立换电站日前调度与实时调度模型，并通过粒子群算法在Matlab中完成仿真计算。在日前调度模型中通过对用户换电需求的预测制定日前调度计划，在满足各时段需求的前提下优化换电站各时段充放电功率；在实时调度模型中根据各时段需求预测的误差，来动态调整后续时段的调度计划。通过实时调度与日前调度的协调，使换电站抑制了用户实际需求波动影响，同时合理兼顾用户利益、换电站收益与电网的优化运行。

随着全球气候变暖趋势加剧、石油资源的枯竭，发展新能源电动汽车已是大势所趋[1,2]。相比于以化石能源作为燃料的传统汽车，电动汽车在节能减排、保护环境方面具有不可比拟的优势。随着未来电动汽车的普及，电动汽车大规模接入电网，无序的充放电会对电网的安全稳定运行带来不可忽视的影响[3-5]。因此，针对电动汽车规模化充放电，有必要采用可靠的调度策略对电动汽车进行集中调度。

文献[6]基于用户的申报信息和评价指标体系确定车辆的调度优先权，代理商根据调度优先权制定车辆的调度计划。文献[7]提出用户满意度概念，以充放电成本与调度计划合理性的加权组合来描述用户的满意度，建立了以用户满意度最大化为目标的优化调度模型。

文献[8,9]将双层优化模型应用于电动汽车充放电调度，其中文献[8]在文献[7]的基础上将风力发电模型加入到优化调度模型中，实现运营商、电网、用户三者之间利益的有机协调。文献[9]以系统总负荷水平的方差最小化为上层目标、以与上层调度计划一致性为下层目标建立双层优化模型，但采用日前车主申报制度，执行较困难。

上述文献均针对整车充电模式进行研究，然而整车充电模式下电动汽车的充放电权限归属于各用户，使充电站不能进行统一调度决策[10]。与整车充电模式相比，换电模式实现了动力电池与车辆的解耦，电池的充放电行为更具有可控性和灵活性，更能有效地抑制对电网的不良影响，同时更符合用户零等待时间的意愿[11,12]。

文献[13]在文献[9]基础上采用动态优化机制，并计及未进站汽车的充放电预测，实现了换电站实时充放电调度，但调度结果受预测准确性影响。文献[14]分析了基于响应分时电价的换电站电池调度策略，在平抑电网负荷波动的同时节约了换电站的充电成本。文献[15]提出换电站在换电高峰时期将未完全充满的电池提供给用户，根据电池电量给予用户一定费用折扣，以减少客户的流失，提高换电站收益。

文献[16]针对电动汽车规模化后换电站的不同时段电池组数配置问题提出电池冗余度概念，通过分析车主用车习惯求出换电需求发生时刻的条件，从而得到不同时段的电池储备组数。文献[17]在文献[6]的基础上，以充电总功率为优化变量，以抑制电网负荷波动为优化目标，分析了换电站内不同电池冗余度情况下的调度结果，并分析了不同电池冗余度的利弊。

综上可见，目前针对电动汽车调度的文献多为日前静态调度模式，且实际用户需求的波动对调度影响较大。本文以换电模式为基础，以系统分时电价为前提，建立日前调度和实时调度模型。

日前调度模型中，换电站根据用户需求的日前预测制定日前调度计划，在满足用户需求的前提下，以平抑电网负荷波动、增加换电站收益为优化目标；实时调度模型中，换电站根据次日各时段实际用户需求修正后续时段的需求预测，在日前调度的基础上对后续时段的调度计划做动态调整，以换电站实时调度的调整结果与日前调度计划的偏差最小为优化目标。

通过日前调度和实时调度模型，使换电站抑制了实际用户需求波动影响，同时合理兼顾用户利益、换电站收益与电网的优化运行。

图1私家车各时段行驶距离占日行驶距离百分数

结论

本文根据各时段的用户实际需求对后续的需求预测进行修正，在日前调度的基础上对调度计划做动态调整，在换电站能够最大化满足用户需求的基础上以换电站自身收益与电网负荷曲线改善的协调为优化目标建立充放电调度模型，并采用粒子群算法求解。结果表明，优化调度能避免产生电池缺额，并充分利用电池的储能特性对电网的负荷波动进行有效抑制，起到削峰填谷的作用，并使换电站收益最大化。