摘要：分析电动汽车充电对电网产生的影响,主要研究电动汽车对电网负荷平衡的影响。对电动汽车充电负荷建模，分析其用户出行等的时间概率分布，通过蒙特卡罗模拟法对电动汽车充电负荷需求进行计算，研究3 000辆电动汽车全天的充电需求时间分布。建立含光伏发电系统的区域供电系统优化模型，同时以动态电价为激励引导电动汽车进行有序充电，以参与电网辅助服务。以联络线交换功率波动乘积较小和充电成本较低为目标，并以其加权后的函数作为目标函数，结合4个约束条件，通过遗传算法求解模型，得到符合目标函数的较优充电方案。较终通过算例验证该模型能够实现平移负荷、削峰填谷的作用。

关键词：负荷平衡；蒙特卡罗模拟法；动态电价；有序充电；削峰填谷；

0引言

由于二氧化碳排放增加和环境污染等问题，以及原油价格和其他燃料资源的不稳定性，电动汽车自21世纪以来已经逐渐进入人们的生活，电动汽车的普及也对电力系统产生了巨大的冲击。文献［1］—文献［2］分析了我国电动汽车的发展现状及未来趋势，根据实际情况，指明该过程中面临的问题。文献［3］提出基于随机森林的充电行为聚类技术，分析电动汽车充电行为特性，结果表明该方法较欧氏距离法更准确。文献［4］提出基于主动配电网的源网荷优化调度方法，可减少电动汽车接入电网产生的波动，具有重要的指导意义。文献［5］通过采集居民电动汽车接入电网的充电数据，研究其充电特性，结果表明充电负荷的聚集会使总负荷曲线恶化。文献［6］为确定电气设备的空间分布及选型，基于对电动汽车充电负荷和分布式能源出力特性的分析，建立对应的空间负荷预测模型，并通过算例分析证明其可行性。文献［7］结合全球定位系统，建立了电动汽车快速预约充电模型，通过Dijkstra算法求解模型，通过算例证明该模型的有效性。文献［8］提出一种混合储能虚拟电厂参与电力市场的优化调度策略，包含了电动汽车充电的不确定性参数，通过算例证明该策略的可行性，为虚拟电厂参与电力市场调度奠定了基础。基于上述背景，本文以区域内私人电动汽车为主体，通过对电动汽车用户出行规律进行归纳总结，对出行、返回、日行驶里程及电池剩余荷电量（state of charge，SOC）概率分布特征进行拟合，对比工作日、休息日私人电动汽车的充电行为，并以工作日的充电行为作为输入，基于蒙特卡罗模拟法对私人电动汽车的充电负荷进行仿真预测。进而考虑配电网和电动汽车用户的利益以及光伏消纳情况，建立计及光伏发电系统的区域供电系统优化模型，根据全天日照强度较大化吸收光伏输出，改善综合负荷曲线，同时以动态电价为激励引导电动汽车进行有序充电。以联络线交换功率波动乘积较小和充电成本较低为目标函数，结合4个约束条件，通过遗传算法求解模型，得到符合目标函数的较优充电方案。通过算例验证该模型能够实现平移负荷、削峰填谷。

1电动汽车对配电网的影响

我国电动汽车的普及给电力系统带来了不稳定性和不确定性，电动汽车聚集性地接入电网充电，将对电力系统产生巨大的冲击，增加其运行控制难度。其主要影响包括：

（1）电能质量电动汽车接入充电桩进行充电时相当于大功率、非线性负荷，在其充电过程中电网需要提供稳定可靠的大电流进行供电，同时对电力电子设备产生很高的谐波电流和冲击电压，若不采取相应的措施，可能会带来谐波污染、功率因数降低以及系统电压波动方面的影响。

（2）电网运行控制难度

聚集性地充电会给电网带来巨大的冲击，而且电动汽车用户出行方式、充电特性、充电时长都具有随机性，会给充电负荷带来不确定性，影响电网运行控制。大多用户出行的较终目的地都是高度随机的，所以其行驶里程也是随机的。每一辆电动汽车的充电模式不一定相同，加入外界影响因素，其充电曲线是不同的，所以其充电特性具有随机性。充电时间取决于驾驶习惯，用户在充电时往往表现出随机行为，应由在这些实体内优化和安排充电时间的

集中代理进一步控制。

（3）负荷不平衡2020—2030年，在无序充电情形下，国家电网公司经营区域峰值负荷预计增加1 361万kW和1.53亿kW，相当于当年区域峰值负荷的1.6%和13.1%，导致区域负荷的不平衡。电动汽车集中在某些时段进行充电，或电动汽车充电行为在平时段的叠加，将进一步变大电网负荷峰谷差，加重电网侧的负担。如果将多辆电动汽车接入一个接近其极限的充电网络，附近变压器上的额外负载可能会导致其故障。从不同类型充电基础设施的用电特性来看，公共充电设施的用电行为较为分散，没有明显的峰谷差别，而专用设施的用电行为相对集中，峰谷差别更为明显。综合来看，在无序充电前提下，充电基础设施负荷较大的时刻应为傍晚大量私家车主回到居住地，开始使用私人充电桩为私家车充电的时刻。本文对电动汽车接入电网时的负荷平衡进行研究，通过电价激励引导电动汽车用户进行有序充电，以达到平移负荷、削峰填谷的效果。

2 电动汽车充电负荷建模

本文基于对NHTS数据库2019年基础数据的分析，筛选出10万辆私人电动汽车接入充电桩时的充电数据及充电行为等因素，为构建电动汽车有序充电行为提供数据基础。

2.1 时间变量概率分布拟合

私人电动汽车用户出行概率主要受日常生活习惯和生活规律影响，首先需要得到初始出发时间的分布。出发时间分布可用正态分布的形式进行拟合，其时间概率分布如图1所示。用户日出行概率密度函数为：

( 1 )式中：x1 为电动汽车用户较后出行时间；μ1 为期望值，取7.42；σ1 为标准差，取3.54。

用户返回时刻概率密度函数为：

( 2 )式中：x2 为电动汽车用户返回时刻；μ2 为期望值，取16.92；σ2 为标准差，取3.43。其时间概率分布如图2所示。

根据出行习惯及规律分析，大部分用户驾驶的较终目的地都是高度随机的，但在任何一天的平均行驶里程都约为38 km/d。电动汽车用户日行驶里程服从对数正态分布，其概率分布如图3所示，概率密度函数为:

( 3 )式中：x3 为电动汽车平均日行驶里程；μ3 为期望值，取2.92；σ3 为标准差，取0.93。

对电动汽车电池 SOC 、日均行驶距离以及充电规律、充电时间等因素进行统计［9］电动汽车返回时剩余 SOC 也可用正态分布的形式进行拟合，其电动汽车剩余 SOC 的概率分布如图4所示，概率密度函数为态分布，其概率分布如图3所示，概率密度函数为:

( 4 )式中：x4 为电动汽车返回时的剩余 SOC ；μ4 为期望值，取51.3；σ4 为标准差，取14.7。

私人电动汽车工作日主要用于上下班，到达公司后基本属于闲置状态，也可进行充电，而休息日私人电动汽车大多外出娱乐，时间分布与工作日有所区别，图5为工作日与休息日私人电动车充电时间分布。

由图5可知私人电动汽车在工作日上午到达公司后即可进行充电，晚上下班后为充电高峰期，且晚上充电的频率高于上午；在14:00—16:00，休息日充电频率高于工作日，但晚高峰时，其充电频率低于工作日。后续将重点研究工作日私人电动汽车的充电行为。

2.2基于蒙特卡罗模拟法的充电负荷计算

2.2.1 充电负荷模型建立

由蒙特卡罗模拟法设置基础参数，如模拟次数、电动汽车数量、快充慢充比例等。由式（4）生成初始 SOC 。由于汽车充电行为具有随机性，所以按图5生成电动汽车开始充电时刻。使用蒙特卡罗模拟法对电动汽车充电负荷曲线进行模拟，由上述得到的电动汽车充电起始时间及初始SOC ，对单辆电动汽车充电负荷进行模拟，随后将所有电动汽车的充电负荷累加，可以得到完整的区域电动汽车总充电负荷曲线。区域内电动汽车总充电功率为:

( 5 )式中：M 为全天总时长，取为1 440 min；N 为电动汽车总数，设为3 000辆，作为初始数据输入蒙特卡罗模拟法进行仿真；Pi, j 为第 j 辆电动汽车在i时刻的充电功率。

2.2.2 地区基本负荷保持一定

有序充电是一种调度手段，通过这种手段可以使电动汽车避免在高峰期给电网带来的峰上加峰现象，同时也避免大部分用户避开高峰期进行充电而出现的第二高峰期，但应保持原负荷不变，即不影响用户生活及正常行动之外进行合理“减负”。

2.2.3电动汽车充电负荷计算

假设电动汽车充电过程不被干预且直至 SOC充满，即充电时长不受限制，抽取初始电动汽车SOC 、日行驶里程以及开始充电时刻，在满足充满电所需时长的约束下，计算一天中各个时段电动汽车的充电功率。在这个过程中，将电动汽车分为快速充电和常规慢充，分别计算每个时刻的负荷，较后进行累加，其流程图如图6所示。

使用蒙特卡罗模拟法计算一天 24 h 内每个时间点电动汽车负荷的充电需求概率，并在 1 500 次操作后重复平均值，以获得区域总电动汽车负荷需求的预期曲线。曲线如图7所示。设置电动汽车数量为3 000辆，且采用一天一充模式，充电过程为快速充电模式的功率为24 kW，常规慢充模式的功率为12 kW，各占50%。其结果如图7所示。

由图7可知，电动汽车充电存在两个峰值时刻，大规模电动汽车接入电网会带来电网频率波动以及电能质量不稳定等问题，后续通过电价激励政策与光伏发电系统的接入缓解电网侧的压力。