新型電力系統(tǒng)下綜合電動(dòng)汽車(chē)充電站的優(yōu)化運(yùn)行

顏勤 涂曉帆

摘要：構(gòu)建以新能源為主體、用電負(fù)荷多元化發(fā)展的新型電力系統(tǒng)是實(shí)現(xiàn)中國(guó)“雙碳”目標(biāo)的重要途徑.源與荷雙重不確定性的考驗(yàn)，對(duì)電力系統(tǒng)調(diào)控平衡能力及運(yùn)行調(diào)度方式提出了更高的要求.本文提出一個(gè)集成了插電式電動(dòng)汽車(chē)（Plug-in Electric Vehicles，PEV）、新能源發(fā)電、固定儲(chǔ)能，并與商業(yè)建筑物相結(jié)合的雙向綜合電動(dòng)汽車(chē)充電站（Integrated Electric Ve?hicle Charging Station，IEVCS），建立了一個(gè)考慮其時(shí)間特性及協(xié)同互動(dòng)的四階段智能優(yōu)化控制算法.目標(biāo)在于最大程度地降低考慮了用戶滿意度及潛在不確定性的IEVCS運(yùn)行成本，同時(shí)通過(guò)調(diào)整PEV充放電、電池儲(chǔ)能充放電、電網(wǎng)供給電量、可調(diào)整負(fù)荷等的優(yōu)化調(diào)度來(lái)保障實(shí)時(shí)供需平衡.文中分析了該算法每個(gè)階段的作用，并驗(yàn)證了每個(gè)階段在應(yīng)對(duì)源荷不確定性狀況時(shí)為電力供給提供更多彈性及冗余度的必要性.

關(guān)鍵詞：綜合電動(dòng)汽車(chē)充電站;插電式電動(dòng)汽車(chē);光伏發(fā)電;電池儲(chǔ)能;商用建筑物;優(yōu)化控制算法

中圖分類號(hào)：TM73

文獻(xiàn)標(biāo)志碼：A

“雙碳”目標(biāo)下，新能源發(fā)電在中國(guó)能源結(jié)構(gòu)中將逐漸占據(jù)主導(dǎo)地位，交通電氣化也成為了一個(gè)重要的發(fā)展趨勢(shì).作為新能源交通工具，插電式電動(dòng)汽車(chē)（Plug-in Electric Vehicles，PEV）是一種極佳的可控負(fù)荷和電源資源，可通過(guò)調(diào)控來(lái)緩解新能源發(fā)電帶來(lái)的功率波動(dòng)，提升新能源消納水平，其技術(shù)發(fā)展和推廣使用將加快實(shí)現(xiàn)“雙碳”目標(biāo)，助力構(gòu)建新型電力系統(tǒng)[1].

中國(guó)建筑運(yùn)行能耗占全國(guó)能源消耗總量21.7%，碳排放占比21.9%[2]，加之商業(yè)用電負(fù)荷呈大都市化趨勢(shì)，負(fù)荷波動(dòng)性強(qiáng)及用電峰谷差較大等問(wèn)題突出，將商業(yè)建筑物用電與新能源及靈活資源（如電動(dòng)汽車(chē)到建筑物（V2B）的運(yùn)行模式）相融合進(jìn)行統(tǒng)一調(diào)度，不僅能降低碳排放、降低能源成本、提高電能供應(yīng)可靠性[3]，還具有巨大的商業(yè)潛力[4].大型住宅樓和商業(yè)樓上寬敞的屋頂空間及光伏板作為遮蓋保護(hù)汽車(chē)免遭暴曬的能力使得光伏發(fā)電（Photovoltaic Generation，PV）的利用成為了滿足建筑能耗的有效途徑[3].

許多研究將PEV充電站與光伏發(fā)電結(jié)合起來(lái)以幫助降低成本及減少碳排放[5-6].為解決可再生能源的隨機(jī)性，常使用額外的儲(chǔ)能或旋轉(zhuǎn)備用[7-8].

針對(duì)PEV、充電站與樓宇之間的關(guān)系，目前已提出了一些優(yōu)化模型和調(diào)度策略[5，9-11].文獻(xiàn)[9]考慮用戶響應(yīng)度和樓宇用電最大需求量約束，建立了基于V2B的PEV智慧充電樁群模型;文獻(xiàn)[5]為實(shí)現(xiàn)不間斷充電及成本最小化，提出了一種集成PV、儲(chǔ)能、電網(wǎng)和柴油發(fā)電機(jī)組的充電站;文獻(xiàn)[10]考慮分布式發(fā)電市場(chǎng)化交易和用戶充放電意愿，提出帶PV的智能樓宇與PEV之間的能量調(diào)度策略;文獻(xiàn)[11]提出“專變共享”模式，充電站靠租借樓宇的冗余容量來(lái)滿足PEV需求.但目前研究中很少提出將集成儲(chǔ)能及PV的PEV充電站直接與樓宇相結(jié)合的方式，也沒(méi)有綜合考慮運(yùn)營(yíng)成本、用戶滿意度、負(fù)荷損失及充電站利潤(rùn).文獻(xiàn)[12]按照不同的用途、[13]根據(jù)各車(chē)型充電方式與出行特點(diǎn)對(duì)PEV進(jìn)行分類，但根據(jù)實(shí)時(shí)狀態(tài)和收費(fèi)標(biāo)準(zhǔn)對(duì)PEV分類更有實(shí)時(shí)性.不少文獻(xiàn)研究了降低優(yōu)化算法復(fù)雜度的方法，如通過(guò)舍棄最小性能差，如文獻(xiàn)[14]中的計(jì)算復(fù)雜度為O（T3），各階段計(jì)算時(shí)間為1～10s/PEV，要實(shí)現(xiàn)實(shí)時(shí)調(diào)控就需減少計(jì)算時(shí)間.

針對(duì)上述問(wèn)題，本文針對(duì)集可再生能源（如太陽(yáng)能光伏發(fā)電PV）、固定蓄電池和商業(yè)建筑于一體的綜合電動(dòng)汽車(chē)充電站（Integrated Electric Vehicle Charging Station，IEVCS），提出了一種新的四階段優(yōu)化控制算法.算法分為日前及時(shí)前預(yù)測(cè)優(yōu)化調(diào)度和實(shí)時(shí)控制兩大部分，以降低綜合運(yùn)行成本為目標(biāo)，建立考慮潛在不確定性和顧客滿意度指標(biāo)的運(yùn)營(yíng)成本優(yōu)化模型，再實(shí)時(shí)分層控制協(xié)調(diào)供需平衡，同時(shí)可節(jié)省總體計(jì)算時(shí)間.用電負(fù)荷按重要性及靈活性、PEV按電池狀態(tài)及充電需求進(jìn)行實(shí)時(shí)分類.通過(guò)最大化用戶參與獎(jiǎng)勵(lì)來(lái)鼓勵(lì)吸引更多PEV用戶參與到放電方案中，提供更大的彈性來(lái)應(yīng)對(duì)不可預(yù)測(cè)的情況，更可靠地為用戶服務(wù).

1綜合電動(dòng)汽車(chē)充電站模型

雙向IEVCS新模式，如圖1所示，連接配電網(wǎng)及終端電力用戶，其設(shè)計(jì)位于商業(yè)建筑物內(nèi)或周邊停車(chē)場(chǎng)，屬于商業(yè)建筑物附屬充電站或合作關(guān)系.

當(dāng)電力供給與需求失衡時(shí)，優(yōu)先內(nèi)部自我消化.建筑物負(fù)荷應(yīng)是IEVCS的“責(zé)任”，其電費(fèi)或負(fù)荷損失都?xì)w為其運(yùn)營(yíng)成本.當(dāng)IEVCS有電力剩余時(shí)用來(lái)支持建筑物負(fù)荷需求，仍有富余且電網(wǎng)處于峰值負(fù)荷需額外供給時(shí)，允許返售電量給電網(wǎng)，但需優(yōu)先保障內(nèi)部負(fù)荷供應(yīng)并根據(jù)負(fù)荷種類優(yōu)先級(jí)進(jìn)行調(diào)配，包括PEV充電、儲(chǔ)能充電及建筑物負(fù)荷需求.在滿足用戶用電要求及電網(wǎng)需求的前提下，可調(diào)整或平移PEV充/放電、儲(chǔ)能充/放電或建筑物靈活負(fù)荷.考慮到電池充放電效率，當(dāng)有其他可用能源時(shí)儲(chǔ)能放電不是優(yōu)先選擇.根據(jù)光伏板輸出功率大小、電網(wǎng)供需狀態(tài)、PEV充電需求、固定儲(chǔ)能電量狀態(tài)及當(dāng)前電價(jià)等條件，針對(duì)不同的優(yōu)化目標(biāo)，IEVCS可運(yùn)行在不同模式下，電力潮流方向也會(huì)隨之改變.

2四階段優(yōu)化控制模型

該優(yōu)化控制模型可按時(shí)間線分為四個(gè)階段（如圖2所示）：1）日前優(yōu)化：制定日前優(yōu)化能源管理計(jì)劃;2）根據(jù)日前計(jì)劃，更新多層PEV充電分時(shí)定價(jià)方案，計(jì)算放電參與補(bǔ)貼上限;3）時(shí)前優(yōu)化：制定時(shí)前優(yōu)化能源管理計(jì)劃;4）實(shí)時(shí)控制：根據(jù)時(shí)前計(jì)劃及實(shí)時(shí)數(shù)據(jù)反饋，實(shí)施實(shí)時(shí)控制策略.

各階段優(yōu)化控制算法流程圖如圖3所示.日前優(yōu)化計(jì)劃會(huì)改變負(fù)荷需求預(yù)測(cè)，因此根據(jù)負(fù)荷峰谷時(shí)間段，在階段II中將基于多層分時(shí)定價(jià)方案[15]對(duì)PEV充電電價(jià)及在保證特定成本邊界條件下的PEV放電參與補(bǔ)貼上限進(jìn)行更新，滿足充電站需求的同時(shí)給PEV用戶帶來(lái)最大程度的經(jīng)濟(jì)激勵(lì)以深入?yún)⑴c市場(chǎng)調(diào)控.階段III的優(yōu)化在時(shí)前15min進(jìn)行，考慮了時(shí)前預(yù)測(cè)數(shù)據(jù)及階段II中的價(jià)格更新，每次的優(yōu)化涵蓋了下一個(gè)小時(shí)至最后一輛PEV離開(kāi)時(shí)間.因此設(shè)計(jì)時(shí)前優(yōu)化是為了使優(yōu)化更加精確以及考慮當(dāng)天的突發(fā)狀況，而階段IV是為了處理實(shí)時(shí)數(shù)據(jù)與預(yù)測(cè)數(shù)據(jù)之間的偏差來(lái)調(diào)整時(shí)前計(jì)劃.基于時(shí)前結(jié)果的實(shí)時(shí)控制不僅可節(jié)省更多的運(yùn)行成本，也可更大程度地使IEVCS具備應(yīng)對(duì)供需關(guān)系變化的能力.

2.1PEV及建筑物負(fù)荷建模

通常來(lái)說(shuō)，一天（24h）是一個(gè)完整的仿真周期，但充電站里一天之中最后一個(gè)離開(kāi)的PEV通常會(huì)停留至凌晨之后.因此，在提出的算法中，仿真周期依然是24h（從凌晨開(kāi)始算），但每次仿真的覆蓋時(shí)間由一天之內(nèi)到達(dá)但最后離開(kāi)的PEV決定.

日前PEV行程預(yù)測(cè)數(shù)據(jù)通過(guò)統(tǒng)計(jì)分析方法計(jì)算.每一輛到達(dá)的PEV用戶都會(huì)設(shè)置目標(biāo)離開(kāi)時(shí)間及目標(biāo)電量值.當(dāng)電池容量為emax的PEVi在T0時(shí)刻iiTiin接入時(shí)電量為e（初始電荷狀態(tài)SOC為SOC），離開(kāi)時(shí)的目標(biāo)電量為E（i目標(biāo)電荷狀態(tài)SOC為SOCi），在連接時(shí)間段Ti內(nèi)每一時(shí)刻t的充電、放電功率為

負(fù)荷可大致分為4類：重要負(fù)荷、功率可控負(fù)荷、可平移負(fù)荷、一般負(fù)荷.重要負(fù)荷的電能供給需保障;功率可控負(fù)荷重要但靈活可控，如空調(diào)、取暖器之類的溫控設(shè)備;可平移負(fù)荷一般為洗衣機(jī)、洗碗機(jī)之類的可平移用電時(shí)間段的設(shè)備;余下的可靈活選擇性負(fù)荷為一般負(fù)荷.一個(gè)商業(yè)建筑物的各種類負(fù)荷大致分布如圖4所示[16].

2.2階段I及III中的優(yōu)化模型

優(yōu)化模型的目標(biāo)函數(shù)包括了每一時(shí)刻t的電網(wǎng)供電成本Ct、光伏發(fā)電及儲(chǔ)能設(shè)備的運(yùn)行成本Ct、CtBS、負(fù)荷損失成本（expected en∑ergy not supplied，EENS）CEENS，t、PEV放電補(bǔ)貼成本Ct、PEV充電收益∑Prti以及電量返售電網(wǎng)收益PrtG.

式中：σ為單位電網(wǎng)電價(jià);oc、σv分別為返售電網(wǎng)單位電價(jià)及參與放電業(yè)務(wù)的PEV的單位放電電價(jià);P、P分別為IEVCS與電網(wǎng)之間買(mǎi)、賣(mài)電交易功率;0、Ov、0s分別為PEV充電、PV運(yùn)行及儲(chǔ)能設(shè)備運(yùn)行的單位成本;Pv、ss為PV的發(fā)電容量及儲(chǔ)能的電池容量;EENS的計(jì)算根據(jù)負(fù)荷需求D及實(shí)際負(fù)荷供給b決定，每種負(fù)荷根據(jù)其重要性與緊急性而有不同的單位負(fù)荷損失成本cs對(duì)于IEVCS中的每一個(gè)元件在任一時(shí)刻都要滿足其約束條件.例如，對(duì)于每一輛PEV需滿足：

此外，任一時(shí)刻需滿足功率平衡方程、潮流方程、電壓限制及節(jié)點(diǎn)功率傳輸限制等條件[17].

2.3階段IV中的控制策略

本文運(yùn)用的控制策略重點(diǎn)在于不同比較結(jié)果下的場(chǎng)景區(qū)分、PEV實(shí)時(shí)分類、針對(duì)不同預(yù)測(cè)偏差的優(yōu)化邏輯等.

具體流程見(jiàn)圖5.Dif表示在實(shí)時(shí)狀況下是否存在發(fā)電量多于用電需求或用電負(fù)荷增加的情況.控制路徑取決于Dif、各類用電電價(jià)、各類負(fù)荷單位損失成本cEENS等，其中電網(wǎng)電價(jià)的高低體現(xiàn)了該時(shí)刻b負(fù)荷的峰谷情況.該實(shí)時(shí)控制的基本原則為：

1）為減少新能源棄風(fēng)棄光現(xiàn)象，采取“能并盡并”、“多發(fā)滿發(fā)”原則

2）實(shí)時(shí)數(shù)據(jù)跟預(yù)測(cè)數(shù)據(jù)進(jìn)行比較，比較變量有PV輸出功率、建筑物負(fù)荷需求、在站PEV數(shù)量及充電需求、儲(chǔ)能設(shè)備的電荷狀態(tài)等.

3）PEV根據(jù)其充電需求及出發(fā)時(shí)間分為3大類：①現(xiàn)時(shí)刻必須充電以滿足用戶要求;②可以按需求靈活調(diào)控充電時(shí)間;③與預(yù)測(cè)值一致，按時(shí)前優(yōu)化計(jì)劃操作.

4）判斷邏輯和優(yōu)先級(jí)根據(jù)控制路徑有區(qū)別.

5）當(dāng)發(fā)電量大于預(yù)測(cè)值，如果電網(wǎng)電價(jià)高則減少電網(wǎng)供電量，反之則堿少儲(chǔ)能設(shè)備供電或增加電量?jī)?chǔ)備.

6）當(dāng)負(fù)荷需求大于預(yù)測(cè)值，需根據(jù)電網(wǎng)電價(jià)高低考慮從儲(chǔ)能還是電網(wǎng)增加供電，再依次考慮調(diào)整第2類、第3類PEV用戶的充放電安排，以及第3類建筑物負(fù)荷的用電時(shí)間.

該控制策略根據(jù)優(yōu)先級(jí)順序進(jìn)行調(diào)控，為突發(fā)天氣變化或負(fù)荷變化狀況提供了很大的富余.事實(shí)上，由于PEV及新能源發(fā)電的高隨機(jī)性及不確定性，預(yù)測(cè)數(shù)據(jù)通常有很大可能的偏差，這些所有可能的場(chǎng)景都在控制策略中有所考慮.該實(shí)時(shí)控制的大致流程如表1所示.

3仿真驗(yàn)證

圖1中的整個(gè)IEVCS連接在IEEE33節(jié)點(diǎn)測(cè)試系統(tǒng)[18]的節(jié)點(diǎn)18上.設(shè)置目標(biāo)區(qū)域人口為300人，PEV市場(chǎng)占有率約30%，再根據(jù)統(tǒng)計(jì)數(shù)據(jù)估計(jì)PEV的日前預(yù)測(cè)數(shù)據(jù)，每次優(yōu)化的仿真時(shí)間涵蓋至隔天的凌晨5：00（29h）.儲(chǔ)能的最大容量設(shè)定為113.4kWh，最大充放電功率為70.875kW/h;PV的最大輸出功率設(shè)定為153kW.充電站內(nèi)設(shè)置有18個(gè)充電樁，最大充電功率為7.2kW/h.

為了驗(yàn)證該四階段優(yōu)化控制算法中每個(gè)階段及對(duì)于涵蓋時(shí)間延長(zhǎng)的作用及必要性，本文假定PV受到突發(fā)天氣影響導(dǎo)致發(fā)電功率在9：00-15：00受限的情況[19]，以及PEV實(shí)時(shí)隨機(jī)數(shù)據(jù)與日前預(yù)測(cè)數(shù)據(jù)的差別，并設(shè)置了多種場(chǎng)景進(jìn)行仿真比較.

3.1日前計(jì)劃與時(shí)前計(jì)劃比較

為了驗(yàn)證加入時(shí)前優(yōu)化的作用，場(chǎng)景比較設(shè)置為直接用日前優(yōu)化進(jìn)行基本控制（場(chǎng)景1）與加入時(shí)前優(yōu)化后再進(jìn)行基本控制（場(chǎng)景2）.顯然時(shí)前預(yù)測(cè)數(shù)據(jù)比日前預(yù)測(cè)數(shù)據(jù)要更精確，但由于每小時(shí)進(jìn)行的時(shí)前優(yōu)化調(diào)整該小時(shí)開(kāi)始直至隔天凌晨5點(diǎn)的運(yùn)行計(jì)劃，可平移負(fù)荷可能會(huì)因?yàn)榍皫仔r(shí)的發(fā)電不足推遲至25～29h內(nèi)，但平移的負(fù)荷需要在一天之內(nèi)補(bǔ)償，所以盡管時(shí)前優(yōu)化會(huì)給出當(dāng)前小時(shí)的最優(yōu)計(jì)劃，也可能導(dǎo)致調(diào)整的負(fù)荷堆積在后面幾個(gè)小時(shí)內(nèi)，造成更高的運(yùn)行成本.

比較結(jié)果如圖6所示，突發(fā)狀況確實(shí)會(huì)導(dǎo)致供電負(fù)擔(dān)集中在當(dāng)日后幾小時(shí)內(nèi)，但較場(chǎng)景1中靈活負(fù)荷因8：00-11：00電價(jià)高而大量推后，場(chǎng)景2因每小時(shí)的及時(shí)反饋使得儲(chǔ)能在電價(jià)低的時(shí)段（2：00-7：00）存儲(chǔ)大量電能，為10：00-15：00應(yīng)對(duì)天氣變化節(jié)省了大量成本，總運(yùn)行成本約為場(chǎng)景1的1/15.

3.2基本控制與實(shí)時(shí)控制比較

為了驗(yàn)證加入實(shí)時(shí)控制策略的作用，場(chǎng)景比較設(shè)置為采用基本控制策略（場(chǎng)景3）與采用所提出的實(shí)時(shí)控制策略（場(chǎng)景4）.基本控制策略的原則是，當(dāng)發(fā)電功率高于負(fù)荷需求時(shí)，優(yōu)先將電量存儲(chǔ)在儲(chǔ)能設(shè)備中，反之則多出的負(fù)荷需求由電網(wǎng)供應(yīng).

從比較結(jié)果來(lái)看，場(chǎng)景3的總運(yùn)行成本是場(chǎng)景4的1.55倍，實(shí)時(shí)控制使得10：00PV發(fā)電功率變化時(shí)儲(chǔ)能放電更多（如圖7所示），11：00時(shí)可平移負(fù)荷消耗更少，在電價(jià)不高時(shí)段存儲(chǔ)在儲(chǔ)能里的電量更多.可見(jiàn)，當(dāng)預(yù)測(cè)數(shù)據(jù)相對(duì)準(zhǔn)確時(shí)，兩場(chǎng)景成本差異不大，不可預(yù)見(jiàn)性越大，成本差異越明顯.因此，實(shí)時(shí)控制策略更有效地利用儲(chǔ)能設(shè)備及可調(diào)整負(fù)荷為可能發(fā)生的不利情況做了更充分的準(zhǔn)備.

3.3階段I價(jià)格與階段II價(jià)格比較

為了驗(yàn)證加入階段Ⅱ的PEV充電價(jià)格及放電補(bǔ)貼更新后運(yùn)行成本是否會(huì)變化，場(chǎng)景比較設(shè)置為采用階段I價(jià)格（場(chǎng)景5）與采用階段Ⅱ更新后價(jià)格進(jìn)行后續(xù)優(yōu)化控制（場(chǎng)景6）.價(jià)格根據(jù)日前優(yōu)化給出的建筑物及PEV負(fù)荷曲線進(jìn)行更新.給PEV用戶提供更大的經(jīng)濟(jì)激勵(lì)必然會(huì)導(dǎo)致EVCS的整體成本增加，且PEV放電需求量越大，成本增加越多.為了權(quán)衡收益，當(dāng)需要額外供電時(shí)，PEV放電的優(yōu)先級(jí)也會(huì)相應(yīng)降低.因此該比較目的在于，判斷為了更大的經(jīng)濟(jì)激勵(lì)而付出的成代價(jià)是否值得.比較結(jié)果見(jiàn)表2，總成本差別幾乎可以忽略.

3.4涵蓋24h與涵蓋時(shí)間延長(zhǎng)至最后的PEV離開(kāi)時(shí)間比較

為了驗(yàn)證采用覆蓋到達(dá)PEV所有時(shí)間段的方法是否優(yōu)于固定24h，場(chǎng)景比較設(shè)置為仿真時(shí)間覆蓋凌晨至次日凌晨（場(chǎng)景7）與延長(zhǎng)覆蓋凌晨至次日最后一輛PEV離開(kāi)（場(chǎng)景8）.雖然每次仿真時(shí)間延長(zhǎng)了，但控制周期仍然是24h.延長(zhǎng)的目的在于不把過(guò)夜PEV分至兩天優(yōu)化，設(shè)置當(dāng)天結(jié)束的中間目標(biāo)SOC會(huì)縮小優(yōu)化模型的可行域從而限制優(yōu)化結(jié)果.但基于3.1節(jié)中提到可平移負(fù)荷的消耗問(wèn)題，這個(gè)比較是非常必要的.為了簡(jiǎn)化仿真，該比較基于場(chǎng)景1的基礎(chǔ)進(jìn)行.

比較結(jié)果見(jiàn)圖8，場(chǎng)景8選擇在電價(jià)高的時(shí)間段供應(yīng)更多可平移負(fù)荷來(lái)減少一天的負(fù)荷損失，場(chǎng)景7的總成本是場(chǎng)景8的1.4倍.可見(jiàn)延長(zhǎng)覆蓋時(shí)間為未知狀況提供了更大的包容性和靈活性.

3.5計(jì)算效率分析

為節(jié)省計(jì)算時(shí)間及簡(jiǎn)化仿真，非線性潮流方程用來(lái)檢驗(yàn)優(yōu)化結(jié)果是否滿足電壓限制，不滿足則繼續(xù)求解.一臺(tái)四核處理器（1.6GHzInteli58GBRAM）計(jì)算機(jī)處理階段III的優(yōu)化模型耗時(shí)約17s，另外0.0136s來(lái)獲得實(shí)時(shí)數(shù)據(jù).一臺(tái)二核處理器（2GHzInteli58GBRAM）計(jì)算機(jī)耗時(shí)0.03403s完成實(shí)時(shí)控制，其中包括實(shí)時(shí)數(shù)據(jù)的提取.不同的計(jì)算機(jī)偏差在0.02s內(nèi).相較于文[24]中的計(jì)算復(fù)雜度，本文算法可將計(jì)算時(shí)間進(jìn)一步縮短.雖然采用實(shí)時(shí)優(yōu)化會(huì)使結(jié)果更加理想，但優(yōu)化效果僅差0.4%，計(jì)算時(shí)間卻大大增加.

4結(jié)論

該文提出的雙向IEVCS新集成模式及其協(xié)同互動(dòng)的四階段智能優(yōu)化控制算法，涵蓋了日前、時(shí)前及實(shí)時(shí)3個(gè)時(shí)間維度，綜合考慮了其運(yùn)行成本并充分融入了用戶滿意度及市場(chǎng)經(jīng)濟(jì)激勵(lì)，提供了新的控制策略來(lái)提高運(yùn)行效果，將PEV負(fù)荷及建筑物負(fù)荷進(jìn)行實(shí)時(shí)分類來(lái)提高負(fù)荷的可控性，通過(guò)IEVCS的靈活調(diào)節(jié)能力及自愈能力給電網(wǎng)提供更大的彈性，大幅提升電網(wǎng)性能和供電可靠性.

參考文獻(xiàn)

[1]王志軒.新型電力系統(tǒng)構(gòu)建論綱：構(gòu)建新型電力系統(tǒng)頂層設(shè)計(jì)思考[J].中國(guó)電業(yè)，2021（9）：12-15

[2]中國(guó)建筑節(jié)能協(xié)會(huì).中國(guó)建筑能耗研究報(bào)告2020[J].建筑節(jié)能，2021，49（2）：1-6.

[3]潘軍，吳紅斌，許道強(qiáng)，等.光伏/電動(dòng)汽車(chē)/負(fù)荷博弈的屋頂光伏容量?jī)?yōu)化[J].電力系統(tǒng)自動(dòng)化，2019，43（1）：186-193.

[4] LIU Z X，WU Q W，SHAHIDEHPOUR M，et al.Transactive real- time electric vehicle charging management for commercial build?ings with PV on-site generation[J].IEEE Transactions on Smart G r i d ，2 0 1 9 ，1 0（ 5 ）：4 9 3 9 - 4 9 5 0 .

[5]VERMA A，SINGH B.A solar PV，BES，grid and DG set based hybrid charging station for uninterruptible charging at minimized charging cost[C]//2018 IEEE Industry Applications Society An?nual Meeting（IAS）. Portland，OR，USA：IEEE，2018：1-8.

[6]SHIN M，CHOI D H，KIM J.Cooperative management for PV/ ESS-enabled electric vehicle charging stations：a multiagent deep reinforcement learning approach[J].IEEE Transactions on In?dustrial Informatics，2020，16（5）：3493-3503.

[7]桑博，張濤，劉亞杰，等.多微電網(wǎng)能量管理系統(tǒng)研究綜述[J].中國(guó)電機(jī)工程學(xué)報(bào)，2020，40（10）：3077-3093.

[8]吳俊，薛禹勝，舒印彪，等.大規(guī)?？稍偕茉唇尤胂碌碾娏ο到y(tǒng)充裕性優(yōu)化（一）旋轉(zhuǎn)級(jí)備用的優(yōu)化[J].電力系統(tǒng)自動(dòng)化，2019，43（8）：101-109.

[9]余蘇敏，杜洋，史一煒，等.考慮V2B智慧充電樁群的低碳樓宇優(yōu)化調(diào)度[J].電力自動(dòng)化設(shè)備，2021，41（9）：95-101.

[10]劉偉.考慮電動(dòng)汽車(chē)用戶參與充放電意愿的綜合能源園區(qū)用戶優(yōu)化調(diào)度策略[D].太原：山西大學(xué)，2021.

[11]楊景旭，周來(lái)，張勇軍，等“.專變共享”模式下考慮時(shí)變電價(jià)和轉(zhuǎn)移概率的EV有序充電[J].電力自動(dòng)化設(shè)備，2020，40（10）：173-180.

[12]王浩林，張勇軍，毛海鵬.基于時(shí)刻充電概率的電動(dòng)汽車(chē)充電負(fù)荷預(yù)測(cè)方法[J].電力自動(dòng)化設(shè)備，2019，39（3）：207-213.

[13]張謙，王眾，譚維玉，等.基于MDP隨機(jī)路徑模擬的電動(dòng)汽車(chē)充電負(fù)荷時(shí)空分布預(yù)測(cè)[J].電力系統(tǒng)自動(dòng)化，2018，42（20）：59-66.

[14]TANG W R，ZHANG Y J. A model predictive control approach for low-complexity electric vehicle charging scheduling：optimal?ity and scalability[J]. IEEE Transactions on Power Systems， 2 0 1 7 ，3 2（ 2 ）：1 0 5 0 - 1 0 6 3 .

[15]YAN Q，MANICKAM I，KEZUNOVIC M，et al. A multi-tiered real-time pricing algorithm for electric vehicle charging stations[C]//2014 IEEE Transportation Electrification Conference and Expo（ITEC）. Dearborn，MI，USA：IEEE，2014：1-6.

[16] Reload database documentation and evaluation and use in NEMS [EB/OL]. http：//www.onlocationinc.com.

[17] YAN Q，ZHANG B，KEZUNOVIC M.Optimized operational cost reduction for an EV charging station integrated with battery energy storage and PV generation[J].IEEE Transactions on Smart Grid， 2 0 1 9 ，1 0（ 2 ）：2 0 9 6 - 2 1 0 6 .

[18] IEEE 33-bus test distribution system[EB/OL]. https：//www. scribd. com/doc/143306826/IEEE-33-Bus-Test-Distribution- System.

[19] California Irrigation Management Information System （CIMIS） [EB/OL]. http：//www.cimis.water.ca. gov/.