摘要：大量家用电动汽车集中时段充电，给区域配电网带来较大的压力。为了在满足充电负荷需求的情况下，减少对配电网的影响，需要开展有序充电。文中建立了变电站一小区充电桩接入控制模式，通过对小区电动汽车充电行为的分析，提出了两阶段优化调度策略。首先，在满足电动汽车充电负荷需求的约束条件下，提出以变电站侧负荷水平均衡为目标的区域充电桩接入控制策略，获得区域充电桩整体分时段接入量；而后以各传输线路负载均衡为目标，优化得到各小区分时段接入的电动汽车数量。针对某变电站供电区域内、不同渗透比例下的电动汽车充电进行了优化调度仿真，研究了不同运行方式下充电负荷对电网负荷峰谷差和运行参数的影响，结果表明所建模型正确，并通过分析给出了配电网改造的建议。
关键词：充电桩调度；电动汽车；有序充电；区域负荷优化；粒子群优化；分支定界法
0引言
电动汽车的零排放和不依赖于石化能源两大优势使其在新能源汽车领域一直备受关注，成为了汽车产业应对环境问题的重要突破口。然而，大量电动汽车的无序并网充电，尤其是负荷高峰时接入充电，进一步加剧了负荷峰谷差，给区域电网带来负荷压力和电能质量影响。文献表明电动汽车渗透率达到20%时会给配电网带来35.8%的负荷增长。文献研究了不同电动汽车汇聚度和接入水平下充电行为给配电网电压水平带来的不利影响。文献表明如果不能对电动汽车充电进行协调控制，将导致区域配电变压器和线路的过载，大大降低配电网运行经济性和安全可靠性。
目前，针对电动汽车并网充电带来的问题，国内外学者结合电网的实时运行状态、充电需求等动态信息，提出电动汽车有序充电优化控制策略，改善区域的负荷水平与电能质量。文献以充电成本和网损小为目标，通过基于网损灵敏度选择优先的实时有序充电控制策略有效降低配电网的网损，并改善配电网的节点电压波形。文献[5]提出电动汽车有序控制的二级优化算法，在离散的充电时间点结合风能转移充电负荷并进行频率调整。文献则通过动态响应分时电价，提出小化客户充电成本和削峰填谷的有序充电启发式算法。
目前控制电动汽车有序充电的策略已有研究，但都是对整体区域进行协调控制，达到改善负荷特性的目的，没考虑区域电网结构与充电负荷分布的影响，不能实际指导有序充电的控制过程。根据中国电动汽车现状以及发展规划，电动私家车将在未来电动汽车消费市场中占据极大的比例，具有量大、分散且充电时间集中等特点，易于实现有序充电。因此，研究私人电动汽车并网充电的有序控制策略可以有效减少电网基础设施投资，同时指导配电网合理规划与运行。
本文以变电站供电范围内各小区充电桩为整体研究对象，提出变电站-小区充电桩优化接入控制模式及策略，在满足区域充电负荷需求条件下，计及网络结构因素，以变电站和配电线路负载均衡为目标，实现各住宅区电动汽车充电的有序控制，并采用优化理论进行两阶段求解。
1变电站-小区充电桩的接入控制
交流充电桩是电动汽车进行常规慢速充电的重要设施，通常安装于电动汽车充电站、公共停车场、住宅小区停车场、大型商场停车场等场所。其中，住宅小区停车场内私人电动汽车的夜间长时间泊车为电动汽车有序充电的接入控制提供了可能性。
1.1小区充电桩的接入模式与策略
城市中各小区充电桩在地理位置上较为分散，为了有效实现充电桩的优化接入，本文提出“分散接入，集中管控”的接入控制模式，将整体充电控制分为3层：在用电层进行充电桩接入的管理控制，在配电层实现数据通信，在输变电层实现优化接入控制，如图1所示。
图1变电站-小区充电桩接入控制模式图
为实现该控制模式，需要在配电网中增加充电桩接入控制中心、充电桩管理系统、变电站-充电桩通信信道3部分，具体功能如下。
充电桩接入控制中心位于110kV变电站内，主要功能包括采集各小区充电管理系统提供的可充电的电池数量及状态预测数据，结合变电站侧的基础负荷(居民用电、商业用电和工业用电等)进行优化计算，计算出可调度时段内充电桩优接入充电数量，再结合10kV线路实时负载率和电池待充量，将充电桩接入量优化分配至各条线路上。
充电桩管理系统位于居民住宅区内，与10kV线路建立多对一、一对一的映射，主要功能包括采集小区内充电桩中待充电池的数量、荷电状态(SOC)及其可调度性，预测管理区域内电动汽车接入规律，将数据实时传送至变电站调度中心，再根据调度中心分配的充电计划安排各小区电动汽车并网充电。
变电站至小区的通信信道是充电桩优化调度的数据传输基础，包括主干传输层、汇聚层和接入层。主干传输层主要利用目前配电通信网为变电站至各个充电桩管理系统之间提供信息传输；汇聚层则利用光线路终端(OLT)和光分配节点(ODN)将接入层信息进行汇集；接入层功能为利用有线或无线组网为充电桩管理系统与小区内各充电桩之间提供数据通信服务7
接入控制的优化计算在变电站内控制中心进行，电动汽车的接入充电则由各个小区充电桩管理系统完成，优化计算的计算流程如图2所示。
图2电动汽车两阶段优化接入控制流程图
接入控制策略包含2个优化过程，第1次优化过程为整体车辆优接入调度。已知量为变电站供电范围内的待充电池预测数量及其SOC、接入规律预测、变电站基础负荷，决策变量为优整体充电桩接入方案，寻优目标为变电站供电区域内的优负荷水平。第2次优化过程为对优整体电池接入方案进行优化分配，已知量为某调度时刻的整体充电接入方案，寻优目标为均衡各小区接入充电后的传输线路的负载率，从而降低整体线损。决策变量为各个小区待充电的各类SOC的电动汽车数量。
1.2小区电动汽车充电负荷模型
小区内电动汽车充电负荷特性与居民的生活习惯等因素密切相关，居民固有的生活规律造成了小区内电动车充电负荷具有短时聚集性的特点，因此有必要对各小区电动汽车进行统计分析，以获取充电负荷建模的3个基本属性：车辆电池达到时刻、电池初始SOC、车辆电池可调度性。
一般而言，车辆电池达到时刻即为有充电需求的电动汽车后一次出行结束后泊车的时刻，待充时刻x服从正态分布[8],其概率密度fs(x)为：
fs(x)=
式中：μ=17.6;σ=3.4。
初始SOC与车辆行驶距离相关，根据对私人电动汽车日行驶里程的统计分析，SOC(公式中用E。表示)的概率密度函数[9]为：
式中：S为私家车电池容量；po为充电桩充电功率，本文假设电池为恒功率充电。
充电的可调度性指接入充电桩待充的私家车用户选择由变电站-小区充电桩管理系统统一安排充电或立即并网充电，因此根据用户意愿把用户的充电需求分为接入即充和可控充电2类。同时，为了简化调度控制，根据电池SOC的不同将待充车辆电池分为A(SOC为10%～30%)、B(SOC为30%~50%)、C(SOC为50%～70%)3类。
通常而言，小区的负荷从晚上6点至早上7点经历了高峰到低谷的整个过程[10],而考虑到居民在下班后通常集中选择给电动汽车充电，而该时刻刚好位于居民区用电负荷高峰时段，大大加剧了配电网负荷压力和负荷峰谷差，因此在该时间段应进行充电接入控制，保障配电网安全运行，即该时段为电动汽车优调度时段。
1.3两阶段优化建模
1.3.1一次优化调度建模
变电站一次优化调度是在已知变电站基础负荷和各小区电动汽车充电需求的情况下，通过分时段调度接入电网的充电桩数量，平抑负荷曲线，从而降低配电网的峰谷差和线路损耗。为此，有如下假设。
（1）调度时段为18:00至次日07:00,每隔30min进行一次充电桩优化接入，共计26个调度时刻。
（2）居民区电动汽车仅利用充电桩进行充电，泊车后即接入充电桩待充。
（3）不可控充电负荷的比例预测依赖于充电管理系统的历史数据统计。
基于以上假设，本文提出以等效负荷曲线方差为优化目标的充电桩接入策略[11]。目标函数为：
式中：Pa为t时刻变电站基础负荷；Pv为电动汽车实时充电负荷；Pav为第i个时间窗口内等效负荷的平均值；P1为可调度充电负荷；P2为不可控充电负荷；i=1,2,…,T—M+1。
可调度充电负荷和不可控充电负荷的计算如下：
式中：nx-c为t时刻正在充电的3类可控电池数量，nx-c=nx+nx-AT—nxTx,X取A,B,C,Tx为X类电池充满电平均所需时间，nx为t时刻变电站接入充电的X类可控电池数量，△T为调度时间间隔；po为充电桩充电功率。
式中：β为不可控系数；N为区域电动汽车电池总量；Xmax和Xmin为X类电池SOC上下限；to为起始调度时刻；t₁=t—Tx;[]为取整符号。
经过上述分析，优化调度目标函数建立如下：
有以下3个约束条件。
（1）充电需求总量约束
式中：Ntota为有充电需求的电动汽车的电池总量。
（2）可调度电池数量约束
式中：nx-ready为t时刻累积待充的X类电池数量，其迭代计算公式如式(13)所示。
式中：nx-new为t—△T到t个调度时刻之间到达的X类待充电池数量。
（3）变电站主变负载率约束
式中：Strans为变电站变压器额定容量；αmax为变压器负载率上限。
1.3.2二次优化分配建模
二次优化分配是指将一次优化调度获得的优充电桩接入数量分配至各充电桩管理系统，指导各小区电动汽车接入充电。为了便于优化计算，将充电管理系统与对应10kV线路结合，决策变量为每个时刻每条线路各类电池接入量，已知量为各类电池接入总量，以及数据采集与监控(SCADA)系统采集的各条10kV线路的实时负载。由于均衡各线路的负荷有利于降低区域综合线损，提高区域负荷水平和电压水平[12],因此二次优化目标为各线路负载率的方差小。
为直观表示各类电池分配方案，建立如下电池接入矩阵Ibet:
式中：n,为第i条线路上接入的第j类电池数量，j=1,2,3时分别表示A,B,C类电池。
接入电池后的线路l,负载率β;为：
式中：Pi;为线路i的负载；Srated为线路额定容量。
根据上述分析，二次优化分配目标函数建立如下：
式中：β为接入电池后各条线路平均负载率。其有以下3个约束条件。
各小区待接入的电池上限约束
式中：nredy为优化时刻第i条线路上j类电池待充电数量上限，可由各小区充电管理系统提供。
（2）
优充电接人总量约束
线路负载率约束
2优化调度模型求解
粒子群算法(PSO)是一种启发式随机优化算法，每个粒子通过追逐自身的优位置和全局优位置进行搜索，终收敛于群体优粒子，具有快速全局搜索能力。分支定界法则是整数规划经典求解方法，适用于电池矩阵的求解。本文综合上述2种方法，提出二阶段优化算法求解优化调度和分配模型。PSO应用于优化阶段，即变电站整体负荷优化。其中，参数初始化中输入变量包括变电站基础负荷、线路容量约束、小区电动汽车规模等。种群初始化则采用随机初始化初始充电方案。编码方式为实数编码，由于接入电池数量为整数，因此需对实数进行取整：
式中：B为电池接入方案；BA,Bp,Bc为采用实数表述的各类电池实时接入量。
由于在变电站负荷优化中，为满足用户的充电需求，电池优化方案需满足等式约束，而采用随机初始化和进化过程中的个体可能不满足此约束。在进化算法中，多采用罚函数实现个体向可行域的进化，然而罚函数难以选取，本文提出了如下的个体修正策略(以A类电池为例):
粒子速度和位置的更新为：
式中：w为惯性权重；r₁和r₂为(0,1)间均匀分布的随机数；c₁和c₂为学习因子；vi和z1分别为粒子i第k次迭代时的速度和位置；Pbest为粒子个体优解；gbes为群体优解。
通过调整权重系数w来实现算法全局搜索和局部搜索的平衡，因此w是影响算法性能的重要因素。通过对不同粒子的进化速度h和种群整体的收敛程度s进行分析，动态调整不同粒子的w可有效提高算法的局部搜索能力和全局收敛性，相比w的线性调整策略，可更显著提高算法的性能[13]。
二次优化分配则借助于整数规划中的分支定界法实现充电负荷的优化分配[14]。整体优化算法流程如图3所示。
3算例分析
3.1参数设置
某110kV变电站，主变容量为2×40MW,以其供电范围内的8个居民小区为例，由8条10kV线路供电，小区规模如附录A表A1所示，假设户均拥有私家车0.75辆，表A1给出了电动汽车渗透率为10%和30%下的车辆数。
10kV线路容量为3MW,私家电动汽车电池容量为165Ah,充电功率为7kW¹5],充电桩与电动汽车按1:1配置，接受调度的电动汽车比例为
开始
负荷信息、充电需求信息等
优化参数初始化
个体修正
权重系数计算个体修正
优位置更新
N
变电站负荷优化
整数规划
输出记录充电方案
充电负荷优化分配
粒子速度更新
粒子位置更新
优化线路充电负荷
数据初始化
是否停机?
种群初始化
结束
图3优化算法计算流程
80%。优化算法中学习因子c₁和c₂取2;惯性权重w则根据进化速度h与收敛程度s自适应调整。根据变电站负荷情况分为典型日和夏高峰日2种研究场景，基础数据见附录A表A2,线路负载率约束为60%。
3.2不同电动汽车渗透比例下变电站负荷的变化
在典型日下，分别对电动汽车渗透率为10%和30%的2种情况进行目标寻优，等效负荷曲线方差值经过50次左右迭代后快速收敛(见图4),分别为5.33和4.37,充电桩接入总量满足整体充电需求。
等效负荷曲线方差值
迭代次数
图4等效负荷曲线方差的迭代收敛图
根据获得的优调度方案进行充电桩接入充电，优化前后的负荷曲线如图5所示，同时，对优化前后的负荷峰谷值进行比较，如表1所示。
在10%和30%这2种电动汽车渗透率下，无序接入充电将导致负荷峰谷差率分别增加4.5%和7.1%,而经过充电优化调度后的变电站负荷峰谷差率分别比无序充电时降低了8.5%和19.6%,移峰填谷效果十分明显，表明了控制策略的必要性和有效性。
图5优化调度前后的负荷对比
表1变电站负荷水平比较
充电模式 | 峰荷/MW | 谷荷/MW | 峰谷差率/% |
10%渗透率30%渗透率 无序充电 有序充电 10%渗透率 30%渗透率 基础负荷 | 36.7 | 17.0 | 53.7 |
40.3 | 17.6 | 56.3 | |
33.6 | 18.4 | 45.2 | |
34.3 | 21.8 | 36.7 | |
33.1 | 16.8 | 49.2 |
附录A表A3给出了A,B,C这3类电池接入数量的时序安排。经分析可知，为了满足充电需求，大多优先安排荷电量低的电池充电(接近高峰时段),再加上不接受调度的负荷，使得大负荷比基础负荷增长了3.6%,变电站负载率从41%提高到43%,其中不可调度电动汽车的比例对变电站大负荷的增长影响较大，可通过电价刺激、政策优惠等方式对用户进行引导。
3.3大方式下电动汽车充电对电网运行的影响
当电动汽车渗透率为30%(充电车辆共有1300辆),变电站负荷处于夏季高峰时，内充电电量为22.4MW·h。优化调度后变电站负荷曲线见图6。
图6不同基础负荷下的负荷优化曲线
由图6可见，夏高峰时变电站高负荷为39.7MW、谷段平均值为28.1MW,峰谷差14.5MW,降低了11%,大负荷增长0.9MW,变电站整体负载率增长为49.25%。如果变电站或电动汽车充电负荷进一步增加，变电站主变负载率将增大，导致电网变压器故障和检修时不能实现站内负荷转移，降低了供电可靠性。
在一次优化获得3类电池优接入时序的基础上，根据2次充电桩优化分配模型求解各调度时刻优电池接入方案，指导各小区进行有序充电。计算结果见附录A表A4和A5,接入前后为住宅区供电的8条10kV线路负载率变化情况如表2所示。
表2电池优化分配前后10kV线路负载率对比
优化分配结果显示，获得的优电池接入矩阵满足充电接入需求，典型日和夏高峰线路负载率变化分别减少70%和33%,并实现了各线路接入充电负荷后负载率的均衡性，典型日下避免了高负载率线路的接入充电，表明了分配策略和算法的有效性，提高了设备利用率。同时可知，夏季晚高峰时充电桩接入充电导致高线路负载率由原来48%增加到52%,对于单联络线路，当负载率高于50%时，引起供电可靠性下降。因此，在设计电动汽车供电方案时，要以保证供电线路和变电站可靠性为约束，根据变电站范围内各小区充电负荷大小、不接受调度
用户比例的具体情况进行设计。必要时采用新增线路、扩建线路、改进接线模式等方法保证供电线路的可靠性。
4安科瑞充电桩收费运营云平台系统选型方案
4.1概述
AcrelCloud-9000安科瑞充电柱收费运营云平台系统通过物联网技术对接入系统的电动电动自行车充电站以及各个充电整法行不间断地数据采集和监控，实时监控充电桩运行状态，进行充电服务、支付管理，交易结算，资要管理、电能管理，明细查询等。同时对充电机过温保护、漏电、充电机输入/输出过压，欠压，绝缘低各类故障进行预警；充电桩支持以太网、4G或WIFI等方式接入互联网，用户通过微信、支付宝，云闪付扫码充电。
4.2应用场所
适用于民用建筑、一般工业建筑、居住小区、实业单位、商业综合体、学校、园区等充电桩模式的充电基础设施设计。
4.3系统结构
系统分为四层：
(1)即数据采集层、网络传输层、数据层和客户端层。
(2)数据采集层：包括电瓶车智能充电桩通讯协议为标准modbus-rtu。电瓶车智能充电桩用于采集充电回路的电力参数，并进行电能计量和保护。
(3)网络传输层：通过4G网络将数据上传至搭建好的数据库服务器。
(4)数据层：包含应用服务器和数据服务器，应用服务器部署数据采集服务、WEB网站，数据服务器部署实时数据库、历史数据库、基础数据库。
(5)应客户端层：系统管理员可在浏览器中访问电瓶车充电桩收费平台。终端充电用户通过刷卡扫码的方式启动充电。
小区充电平台功能主要涵盖充电设施智能化大屏、实时监控、交易管理、故障管理、统计分析、基础数据管理等功能，同时为运维人员提供运维APP，充电用户提供充电小程序。
4.4安科瑞充电桩云平台系统功能
4.4.1智能化大屏
智能化大屏展示站点分布情况，对设备状态、设备使用率、充电次数、充电时长、充电金额、充电度数、充电桩故障等进行统计显示，同时可查看每个站点的站点信息、充电桩列表、充电记录、收益、能耗、故障记录等。统一管理小区充电桩，查看设备使用率，合理分配资源。
4.4.2实时监控
实时监视充电设施运行状况，主要包括充电桩运行状态、回路状态、充电过程中的充电电量、充电电压电流，充电桩告警信息等。
4.4.3交易管理
平台管理人员可管理充电用户账户，对其进行账户进行充值、退款、冻结、注销等操作，可查看小区用户每日的充电交易详细信息。
4.4.4故障管理
设备自动上报故障信息，平台管理人员可通过平台查看故障信息并进行派发处理，同时运维人员可通过运维APP收取故障推送，运维人员在运维工作完成后将结果上报。充电用户也可通过充电小程序反馈现场问题。
4.4.5统计分析
通过系统平台，从充电站点、充电设施、、充电时间、充电方式等不同角度，查询充电交易统计信息、能耗统计信息等。
4.4.6基础数据管理
在系统平台建立运营商户，运营商可建立和管理其运营所需站点和充电设施，维护充电设施信息、价格策略、折扣、优惠活动，同时可管理在线卡用户充值、冻结和解绑。
4.4.7运维APP
面向运维人员使用，可以对站点和充电桩进行管理、能够进行故障闭环处理、查询流量卡使用情况、查询充电\充值情况，进行远程参数设置，同时可接收故障推送
4.4.8充电小程序
面向充电用户使用，可查看附近空闲设备，主要包含扫码充电、账户充值，充电卡绑定、交易查询、故障申诉等功能。
5结语
本文针对未来居民小区私人电动汽车充电有序控制问题开展研究，建立了变电站-小区充电桩接入控制模式，提出了两阶段优化调度与分配策略，考虑了变电站和线路的可靠性约束，采用了改进粒子群和分支定界法求解模型。仿真结果表明：电动汽车充电的有序控制限制了变电站和线路大负荷的增加，降低了峰谷差，增加了企业效益。随着电动汽车渗透比例的增加，削峰填谷的效果更明显，同时可能引起电网供电设备的过载，影响电网的检修和故障负荷转移，必须通过改进供电方案，以保证供电可充电的深入研究提供了很好的借鉴。该控制系统在实际应用中涉及变电站控制中心和小区控制中心运营管理模式的协调，另外随着系统规模的增大，为了保证实时性必须进行通信系统的升级改造。
参考文献：
[1]徐立中，杨光亚，许昭，等.电动汽车充电负荷对丹麦配电系统的影响[J]. 电力系统自动化.
[2]林弘宇，田世明.智能电网条件下的智能小区关键技术[J]. 电网 技术.
[3]田立亭，史双龙，贾卓.电动汽车充电功率需求的统计学建模方法[J]. 电网技术.
[4]王辉，文福拴，辛建波.电动汽车充放电特性及其对配电系统的影响分析[J].华北电力大学学报.
[5]罗卓伟，胡泽春，宋永华，等.电动汽车充电负荷计算方法[J]. 电力系统自动化.
[6]于大洋，宋曙光，张波，等.区域电网电动汽车充电与风电协同调度的分析[J]. 电力系统自动化.
[7]张杰.配电网负荷均衡及降低网损的重构算法研究[D].吉林： 东北电力大学.
[8]阳明盛，罗长童.优化原理、方法及求解软件[M].北京：科学出版社.
[9]电动汽车传导充电用连接装置：第2 部分交流充电接口[S]. 北京：中国标准出版社.
[10]刘文霞，刘流，赵天阳.变电站区域充电桩接入控制模式及策略
[11]安科瑞企业微电网设计与应用手册.2022.05版
作者介绍：
翟雪玲，任职安科瑞电气股份有限公司,从事电动汽车有序充电的设计及商务咨询。