住宅区电动汽车充电电费定价的双层规划模型研究

安科瑞鲁一扬15821697760

摘要:随着环境污染与能源危机加剧，电动汽车以低排放等优势备受瞩目。然而大量电动汽车于电网高峰时段无序充电，尤其在住宅区，会给供电系统带来安全隐患并影响电网运行。本文构建以 “削峰填谷” 为核心的住宅区内电动汽车充电电费定价双层规划模型，下层为个人用户充电电费最小化模型以获充电负荷，上层是电网负荷时间分布均衡模型来确定快慢充电方式的分时电价，借分时电价引导居民错峰充电，经算例表明电网供电稳定性提升 57.66%。

关键词:电动汽车:分时电价:双层规划模型:削峰填谷

一、引言

传统能源渐趋枯竭，环境问题愈发突出，电动汽车作为新能源产业代表，因低污染与高转换率获政府大力扶持。伴随汽油成本上升与电池技术进步，其渐成传统燃油汽车替代品并广受欢迎，未来市场规模将持续扩大。但大规模电动汽车无序接入电网充电，其负荷峰值可能超电网传输极限，打破供需平衡并影响电压稳定。为此可从有序智能充电、充电定价策略等方面探讨，本文从价格视角出发，兼顾电网与用户，借价格引导充电行为以保障电网平稳运行。

二、问题背景

2.1问题描述

多数电动汽车通勤用户倾向于在自家住宅区充电，下班后在居民用电高峰时段立即充电，致使充电负荷与生活用电负荷在高峰期高度重合。本文聚焦居民住宅区内电动汽车，考量电网负荷波动与用户利益，构建双层规划模型制定不同时段快慢充电电价，借价格杠杆改变用户充电行为，达成 “削峰填谷”，保障居民用电与电网安全稳定。

2.2问题假设

研究基于以下假设：居民住宅区充电桩一车一桩，用户依电价自主选充电时段与方式且互不干扰；用户需求电量不超停车时间内可充电量；未实施分时电价时，用户归家即慢充；每辆电动汽车固定充电方式下电池电量与时间呈线性关系。

三、模型建立

电网总负荷由电动汽车充电负荷与小区基础负荷构成，电动汽车充电负荷可依各车充电方案确定，而充电方案受充电电价左右，故充电电价可依电网总负荷制定。

3.1下层模型

将一天分 24 个时段，以 t 表示。下层模型针对使用电动汽车且回小区充电的用户，设电动汽车总量为 N，编号 n∈N={1,2,…,k}，可充电时段在用户回小区时间 in 后至离小区时间 jn 前，起始时段以归家时刻所在小时段 t = shn 表示，结束时段以离家时刻所在小时段 t = ehn 表示，依据归家和离家时间及需求充电电量 Q，规划电动汽车在小区停车期间各时段充电方案。下层模型目标为使电动汽车 n 的充电费用最小化，通过各时段不同充电方式充电量与单位电价乘积之和计算，进而输出各车充电方案。

3.2上层模型

上层模型针对小区整个电网，考量居民生活基础负荷与电动汽车充电负荷叠加对电网波动的影响以及居民电费变动程度，尽量降低电费变动幅度，一定程度维护电力供应商利益。目标函数为使一天 24 小时各时段总负荷标准差及电价改变前后用户充电总费用变动最小化，由此确定各时段快慢充电价。

四、 应用方案

图1 有序充电管理系统示意图

图2平台结构图

充电运营管理平台依托物联网与大数据技术，可对充电桩进行监控、调度与管理，提升利用率与充电效率，优化用户体验与服务质量。用户可借 APP 或小程序提前预约充电，避免排队并为调度管理提供精准数据。平台能实时监控充电桩功率、电压、电流等参数，及时处理故障异常，管控功率以防电网过载。

五、安科瑞充电桩云平台具体的功能

平台除了对充电桩的监控外，还对充电站的光伏发电系统、储能系统以及供电系统进行集中监控和统一协调管理，提高充电站的运行可靠性，降低运营成本，平台系统架构如图3所示。

图3 充电桩运营管理平台系统架构

大屏显示：展示充电站设备统计、使用率排行、运营统计图表、节碳量统计等数据。

图4 大屏展示界面

站点监控：显示设备实时状态、设备列表、设备日志、设备状态统计等功能。

图5 站点监控界面

设备监控：显示设备实时信息、配套设备状态、设备实时曲线、关联订单信息、充电功率曲线等。

图6 设备监控界面

运营趋势统计：显示运营信息查询、站点对比曲线、日月年报表、站点对比列表等功能。

图7 运营趋势界面

收益查询：提供收益汇总、实际收益报表、收益变化曲线、支付方式占比等功能。

图8 收益查询界面

故障分析：提供故障汇总、故障状态饼图、故障趋势分析、故障类型饼图等功能。

图9 故障分析界面

订单记录：提供实时/历史订单查询、订单终止、订单详情、订单导出、运营商应收信息、充电明细、交易流水查询、充值余额明细等功能。

图10 订单查询界面

六、产品选型

安科瑞提供慢充、快充及便携式、壁挂式、落地式等多种类型充电桩，如智能 7kW/21kW 交流充电桩，30kW 直流充电桩，60kW/80kW/120kW/180kW 直流一体式充电桩等，以满足新能源汽车行业运营需求。其具备智能监测（控制器可测量、控制与保护）、智能计量（配置电能表计量）、云平台连接（实现实时监控与报表分析）、远程升级（可远程升级设备软件）、保护功能（防雷、过载等保护）及适配国标车型（适配各符合国标的电动汽车及不同功率）等特性，并附具体产品型号与技术参数。

产品图	名称	技术参数
	AEV200-AC007D	额定功率：7kW 输出电压：AV220V 充电枪：单枪 充电操作：扫码/刷卡 防护等级：IP65 通讯方式：4G、Wifi 安装方式：立柱式/壁挂式
	AEV210-AC007D	额定功率：7kW 输出电压：AV220V 充电枪：单枪 人机交互：3.5寸显示屏 充电操作：扫码/刷卡 防护等级：IP54 通讯方式：4G、Wifi 安装方式：立柱式/壁挂式
	AEV300-AC021D	额定功率：21kW 输出电压：AV220V 充电枪：单枪 人机交互：3.5寸显示屏 充电操作：扫码/刷卡 防护等级：IP54 通讯方式：4G、Wifi 安装方式：立柱式/壁挂式
	AEV200-DC030D	额定功率：30kW 输出电压：DC200V-750V 充电枪：单枪 人机交互：7寸触摸屏 充电操作：扫码/刷卡 防护等级：IP54 通讯方式：以太网、4G（二选一）
	AEV200-DC060D/ AEV200-DC080D	额定功率：60kW/80kW 输出电压：DC200V-1000V 充电枪：单枪 人机交互：7寸触摸屏 充电操作：扫码/刷卡 防护等级：IP54 通讯方式：以太网、4G（二选一）
	AEV200-DC060S/ AEV200-DC080S	额定功率：60kW/80kW 输出电压：DC200V-1000V 充电枪：双枪 人机交互：7寸触摸屏 充电操作：扫码/刷卡 防护等级：IP54 通讯方式：以太网、4G（二选一）
	AEV200-DC120S/ AEV200-DC180S	额定功率：120kW/180kW 输出电压：DC200V-1000V 充电枪：双枪 人机交互：7寸触摸屏 充电操作：扫码/刷卡 防护等级：IP54 通讯方式：以太网、4G（二选一）
	AEV200-DC240M4/ AEV200-DC480M8/ AEV200-DC720M12	额定功率：240kW/480kW/720kw 输出电压：DC150V-1000V 充电终端支持:常规单双枪终端 防护等级:IP54
	AEV200-DC250AD	最大输出：250A 1个充电接口； 支持扫码、刷卡支付； 4G、以太网通讯（二选一）
	AEV200-DC250AS	最大输出：250A 2个充电接口； 支持扫码、刷卡支付； 4G、以太网通讯（二选一）

七、现场图片

八、结论

针对住宅区内电动汽车无序接入电网现象构建双层规划模型，为 24 时段分别制定电价。下层模型依上层分时电价引导用户错峰充电并使充电费用最小，上层模型依据下层充电负荷优化分时电价以平抑电网波动，实现 “削峰填谷” 保障电网安全。

该模型显著减小电网负荷波动，供电稳定性提升 57.66%，且降低用户充电费用，电动汽车平均充电时长缩减 29.17%。

模型优化无时间限制，适用于周末节假日。

考虑到电动汽车用户归家、离家时间的随机性，后续需强化模型鲁棒性；鉴于小区充电桩数量有限且本文基于一车一桩假设，未来可深入探究共享充电桩情境下的充电定价策略。

参 考 文 献：

[1]CLEMENTNYNS K,HAESEN E,DRIESEN J. The impact of charging plugin hybrid electric vehicles on a residential distribution grid[J]. IEEE Transactions on Power Systems2010,25(1):371-380.

[2]MITRA P,VENAYAGAMOORTHY G K. Wide area control for improving stability of a power system with plug in electric vehicles[J]. IET Generat Transmiss Distrib ,2010, 10(4):1151-1163.

[3] MAKASA KJ,VENAYAGAMOOTRHY G K. Estimation of voltage stability index in a power system with Plug -in Electric Vehicles[C]//2010 IREP Symposium Bulk Power System Dynamics and Control-VII (IREP). IEEE ,2010 :1-7.

[4] SORTOMME E,HINDI M,MACPHERSON S,et al. Coordinated charging of plugin hybrid electric vehicles to minimize distribution system losses[J], EEE Transactions on Smart Grid,2011,2(1):198-205.

[5]DEILAMI S,MASOUM A S,MOSES P S,et al. Real-time coordination of plug-in electric vehicle charging in smart grids to minimize power losses and improve voltage profile[J].IEEE Transactions on Smart Grid,2011,2(3):456-467.

[6]WU X,HU X,YIN X,et al. Stochastic optimal energy management of smart home with PEV energy storage[J]. EEE Transactions on Smart Grid,2016,9(3):2065-2075.

[7]李秋硕,肖湘宁,郭静,等.电动汽车有序充电方法研究[J].电网技术, 2012.36(12):32-38.

LI Q S,XIA0 X N,GUO J,et al. Research on orderly charging method of electric vehicle[J]. Power Grid Technology,2012,36(12):32-38.

[8]杨秀菊,白晓清,李佩杰,等.电动汽车规模化接入配电网的充电优化[J].电力自动化设备,2015,35(6):31-36.

YANG X J,BAI X O,L P J,et al. Charging optimization of electric vehicles scaled to the distribution network[J]. Power Automation Equipment,2015,35(6):31-36.

[9]CAO Y,TANG S,LI C,et al. An optimized EV charging model considering TOU price and SOC curve[J]. EEE Transactions on Smart Grid,2011,3(1):388-393.

[10] MOGHADDAM Z,AHMAD I,HABIBI D,et al. A coordinated dynamic pricing model for electric vehicle charging stations[J],IEEE Transactions on Transportation Electrification,2019,5(1):226-238.

[11] RUI T,HU C,LI G,et al. A distributed charging strategy based on day ahead price model for PV-powered electric vehicle charging station[J]. Applied Soft Computing,2019,76:638-648.

[12]常方宇,黄梅,张维戈.分时充电价格下电动汽车有序充电引导策略[J].电网技术,2016,40(9):2609-2615.

CHANG F Y,HUANG M,ZHANG W G. Orderly charging guidance strategy for electric vehicles under time-sharing charging price[J]. Power Grid Technology , 2016, 40(9):2609-2615.

[13]项顶,宋永华,胡泽春,等.电动汽车参与 V2G的最优峰谷电价研究[J].中国电机工程学报,2013,33(31):15-25.

XIANG D,SONG Y H,HU Z C,et al. Research on the optimal peak-to-valley tariff for electric vehicle participation in V2G[J]. Chinese Journal of Electrical Engineering,2013,2013,33(31):15-25.

审核编辑 黄宇