V2G应用进展综述

谭泽富,周正洋,高树坤,蔡 黎,代妮娜

(重庆三峡学院 电子与信息工程学院, 重庆 404000)

当今世界对能源需求的快速增长导致不可再生能源消耗急剧增加,加剧了全球环境污染。电动汽车(electric vehicles,EV)相比传统汽车具有不排放有害物质、可改善能源结构、调节电网负荷曲线等优势。近年来,世界EV行业发展迅速。预计2030年全球约36%的汽车为EV[1]。截至2022年6月底,根据公安部数据,我国新能源汽车保有量达1 001万量,其中EV达810.4万量,占比为80.93%。当数量巨大的EV同时充电时,将会给电网运行造成巨大压力,因此研究如何减轻电网运行负担十分必要。1997年,V2G被提出,目的是作为一种新型储能设备[2]。其核心理念是:EV与电网交互作用,将EV储蓄的能量作为电网和可再生资源的缓冲器[3]。V2G技术经过数十年的发展,可以转移负荷、协助电网调频、充当备用旋转以提高电网运行经济性[4]。

目前,国内外V2G技术仍处于前期研究阶段,尚未形成普遍商用的标准。V2G技术是电网和EV双向互动的过程,除了技术上有要求之外,还需要满足电网和车辆(用户方面)双方的需求。本研究从V2G实践角度进行分析,首先介绍了规模庞大的EV接入电网情况下产生的影响及负荷预测;其次,分析了影响用户参与车网互动的抉择因素,包括分时电价引导策略以及充放电产生的电池损耗,提出了一个间接引导EV充放电的构想;之后介绍了EV未来在可再生能源市场和虚拟电厂方面的应用潜力;最后进行了总结与展望。

1.1 国外V2G应用现状

现阶段,欧美等国对V2G技术尤为重视。NRG和EVgo公司与加利福尼亚大学圣迭戈分校(UCSD)合作,车辆中安装双向电动汽车供电设备(EVSE),用来测试V2G在微电网中的应用[5]。丹麦推出了世界上第1个V2G商业模式(Parker),参与频率调节、电压控制等服务[6]。英国政府宣布将拨款约3 000万英镑支持21个V2G项目,此项拨款旨在测试V2G技术研发成果,同时为V2G技术寻找市场[7]。西班牙公司Endesa与Nissan计划合作部署V2G。Nissan承诺在工厂安装Leaf和e-NV200,以与Endesa的5和10 kW双向充电站兼容。两家公司计划在丹麦、荷兰和德国开展第一批V2G应用[8]。

1.2 国内V2G应用现状

自2020年以来,国家出台多项政策推动V2G技术进步,其中国务院印发的《新能源汽车产业发展规划(2021—2035)》以及国家发改委、国家能源局联合发布的《进一步提升充换电基础设施服务保障能力的实施意见(意见稿)》都明确提出支持地方开展V2G试点工作,推动V2G发展。目前,上海有3个V2G示范区,共有10余台EV参与,每月参与放电约500度,每度收益为0.8元。2022年,重庆完成了某EV 48 h全响应充放电,累计消纳电量44度。此外,国内其他地区也在积极探索V2G试点,如北京人济大厦V2G示范项目、北京中再中心V2G示范项目[9]。

1.3 小结

对比国内外V2G应用现状可以发现,国外V2G技术多数是车企牵头或联合高校进行,V2G应用场合、盈利方式多元化,且取得阶段性成果,部分进入商用阶段;而我国V2G试点项目较少,多数项目由电网公司牵头统筹安排,形式单一。我国V2G技术应用属于起步阶段,V2G应用仍有不小难度,所以分析V2G应用难度十分重要。

规模庞大的EV接入电网会对电网基本运行要求带来巨大影响,尤其突出表现在图1所示的几个方面:

1) 电网稳定性:EV无序充电会使电网产生较大波动,提高电网控制难度。过量EV接入电网会导致电网电压下降,部分设备无法正常工作[10]。

2) 电能优质性:由于EV是非线性负载,接入电网时会产生谐波污染,这些污染会造成电能波形的畸变,甚至影响变压器的使用寿命[11]。

3) 电网经济性:EV无序充电会造成电网负荷增加,导致电网投资成本与耗能的提高[12]。

图1 EV入网影响框图

由于电能不能长时间保存,因此在EV大规模接入电网的情况下实现电能的产耗平衡较为困难。另外,EV大规模接入电网使电网负荷结构及特性发生变化,导致配电网规划需要做出改变[13]。精准的负荷预测是设备提高利用率、电网提高稳定性、电能质量改善的必要条件。充电负荷预测是根据过往数据探索充电负荷变化趋势,其流程如图2所示。

图2 充电负荷流程框图

2.1 规模化EV入网对配电网的影响

Dharmakeerthi 等[14]将EV作为静态负荷评估EV集中快速充电对电网电压的影响。将EV负载功率因素设置为0.98,仿真通过包含城市配电网的系统进行。仿真结果显示,电阻参数、负荷类型、充电桩位置的不同都会导致电网电压波动。

Chang等[15]分析电网中充电装置的线路拓扑及控制策略,建立了一个模拟充电过程中重合闸等瞬态故障时的仿真系统。研究发现,电网闭合后,EV充电模式下电压稳定耗时从0.7 s延长到0.8 s,电流稳定耗时从0.07 s延长到0.21 s;放电模式下电压稳定在0.3 s,电流稳定耗时几乎没有变化。杨乐等[16]为阐明整流电路负载改变时谐波的变化情况,研究了6脉冲不可控充电桩,把充电负载部分等值为一个非线性电阻,仿真结果表明:充电桩数量越多,产生谐波影响反而越小,谐波会变得更加复杂。陈男等[17]将配电网等效成一个含有10 kV/0.4 kV降压变压器的电网,将功率变换器和蓄电池用非线性电阻代替,发现低压侧电流总THD为23.44%,总电压THD为20.41%,6k±1(k为正整数)次谐波较为典型,与理论结果相符。

EV接入配电网最常见的问题是不对称负荷导致电网三相电压的不对称与谐波污染。对于三相不平衡,可以采用三相电压型变流器联络配电网中的各个变压器实现负载合理配置,合理规划充电桩位置,降低电网电压失衡。对于EV充电时产生谐波污染引起电网电压和电流波形的畸变的问题,较为成熟的抑制方法有有源滤波与无源滤波。无源滤波电路结构相对简单,可靠性高,但只能消去特定次数谐波;有源滤波最大的优势在于可以动态抑制,还可进行无功补偿。目前,绝大多数EV在快充过程中使用高压,而我国有源滤波技术仍处于低压阶段,高压侧研究较少[18-19]。若考虑新能源出力情况,可以合理规划充电桩的台数、优化控制方法以降低谐波污染。此外,EV充放电还会造成孤岛效应,威胁电力施工人员生命安全,因此如何将EV入网的不利影响降到最低仍是当前重点研究方向。

2.2 EV充电负荷预测

Dabbaghjamanesh等[20]提出了基于Q学习的EV负荷预测方法,与人工神经网络(ANN)和神经网络(RNN)2种机器学习方法进行对比。仿真结果表明,无序充电情况下,当EV渗透率为30%时,ANN和Q学习方法在负荷均方差的预测精度更高;当EV渗透提高到50%,Q学习方法比RNN有更高的精度。有序充电情况下类似。证明了Q学习方法的优越性。Buzna等[21-22]提出了一种针对不同地理区域的概率EV负荷预测方法,采用层次分析法,将高级问题分解为低级问题,接着确定分层透视图,通过基于惩罚线性分位数回归模型的集成方法来预测充电负荷。王浩林等[23]将EV划分为4种不同类型,各自建立影响因子的概率模型和不同时间节点的充电概率分布函数,通过仿真分析发现私家车日负荷出现在9∶00、15∶00、20∶00;公务车日负荷峰值出现在20∶00;公交车日负荷峰值出现在15∶00。与基于静态时段充电负荷相比,较为准确地描述了充电行为的随机性,能具体描述特定时刻充电负荷,体现了该方法的科学性和准确性。陈勇等[24]建立了EV保有量的优化bass模型。bass模型是用来对耐用销售品销售数量进行评估的模型,EV保有量N(t)的销售bass模型是:

其中:m表示最大市场潜力;p表示创新系数;q表示模仿系数。

使用德尔菲法将传统燃油车的数量结合起来预测EV保有量,有效提高EV保有量的预测精度,最后根据用户的出行特征,对EV充电负荷进行预测。

近年来,国外研究人员对EV充电负荷进行了较多研究。基于我国特殊的国情,EV数量规模与其他国家差异巨大,执行标准不够完善,欧美国家的负荷预测方法并不完全适用我国[25]。目前,我国多数研究EV充电负荷的预测方法是通过蒙特卡罗法进行抽样模拟。但使用蒙特卡洛法进行抽样时,EV充电概率密度函数考虑影响因子较少,仅通过划分车型、单纯考虑用户出行特征、预测时间固定,并存在参数设置主观等问题,较少考虑城市发展程度、产业结构差别、交通情况、地形差异、用户充电心理、排队时间以及有关用户充电行为成本等因素影响预测EV充电负荷。此外,由于EV渗透率、充电桩类型、普及现状、地理位置都对充电负荷有所影响,所以EV充电负荷预测也需“因地制宜”。

V2G的普及并不仅是单方面满足电网方面要求,还需要兼顾EV用户利益,只有同时保证双方利益才可能实现。现阶段,对于EV充放电行为引导主要有2种形式:一是直接引导,这种引导以电力系统稳定性、电能优质性、发电经济性为直接目的,主要方式是有序充放电;二是间接引导,主要形式是通过分时电价(time of use)的引导。无论是直接引导还是间接引导都需要符合用户和电网的利益[26]。

影响EV用户充放电行为的除了电价,还有其他很多因素,包括充电桩的位置、电池的荷电状态、充放电对电池的损耗、交通情况等。当前,我国正处于从全面小康迈入共同富裕的历史新阶段[27],购车者富裕后,会更加关注车辆的舒适度、体验感、性能等问题,续航问题就是重要方面。购车者很多时候会在电池多次充放电影响EV续航时将EV“PASS”掉,所以引导EV用户进行有序充放电时需要考虑电池损耗。

3.1 分时电价引导EV充放电

Vuelvas等[28]提出了一种对于EV集群的分时电价管理策略,其价格信号为:固定电价为0.051欧/度,动态电价前10 h为0.065欧/度,11～20 h为0.04欧/度,最后4 h电价为0.035欧/度。研究发现,开始时电价虽高,但EV集群仍进行充电,之后缓慢放电;当电价下降又进行充电,对比静态电价,聚合商获利提高约27.4%,EV用户花费变化不大。于明浩等[29]将EV作为家庭充放电设备,根据电网给出的充放电功率限制、电价信息等,加入激励因素,改善不同时间充放电功率,以用户花费最低为目标函数,使用单纯形方法求得最优解,此时总支出为-5.75元,证明该策略给EV用户带来了额外经济效益。佟欣[26]评估EV接入电网参与调频和旋转备用的经济收益,当EV参与向下调频、充电功率为3 kW、调频电价为0.1元/(kW·h)时,单辆EV的获得收益为2.46元;调频电价为1.0元/(kW·h),单辆EV获得收益为8.53元;当EV参与双向调频、充电功率在3 kW、频电价为0.1元/(kW·h)时,单辆EV获得收益为9.45元,调频电价为1.0元/(kW·h),单辆EV平均收益为15.5元;当EV参与旋转备用、放电电价在0.32元/(kW·h)以上时,用户获得的收益大。高亚静等[30]将EV划分为4种类型,同时兼顾用户侧与电网侧的利益,建立了未采用分时电价无序充放电模型以及采用分时电价的有序充放电负荷模型,发现采用优化后的分时电价可以使电网和EV都得到收益。

目前,国内现有分时电价较为单一,一般为静态分时电价或阶梯电价。国外对EV分时电价的研究相对多样化,以欧美为例,美国流行静态分时电价、临界峰值电价、高峰期折扣电价、实时分时电价。相比灵活的美国电价政策,欧洲更注重电表计价智能化[31]。我国多数考虑分时电价的研究都是以稳定充电负荷为目的,大多为静态电价或静态时间段,缺乏从用户参与感的角度考虑电价的划分,若碰上天气变化等意外情况,不合适的电价设定和时间段划分都会导致电能资源的浪费或者供电紧缺,且少有包含EV充放电行为的专用分时电价。对于电价设定和时间划分应是实时变化的,这方面就需要加强研究电价反馈信息,增强车网信息的交互,利用反馈信息提高EV用户参与V2G响应程度。

3.2 EV参与V2G对电池的影响

Sarazin等[32]分析了低温环境下快速充电对锂电池的影响,以指导EV电池优化。测试结果表明,电池在23 ℃下重复快速充电时性能没有显著改变,但在10 ℃条件下电池性能迅速下降,阳极固体电解质相界面(SEI)异常增长导致的离子含量降低。Zhou等[33]分析了EV频繁参与V2G导致电池寿命缩短的问题,发现充放电次数、放电深度(DoD)、环境温度对电池都有影响,其中DoD和环境温度影响最大;同样电价驱动,中英两国电池成本效益不同。梁海强等[34]基于大数据平台,利用EV数据,研究了不同因素对于电池老化的影响,发现用户充电模式不同对于电池老化的影响最大,快充模式充电电池老化速度比慢充快33.45%～56.24%;北京地区EV电池老化速度比广州地区要快10.59%～19.09%;驾驶习惯对于电池老化的影响最小。许志宇[35]统计EV信息,使用密度估计法表示充电行为参数,并用安时积分法计算SOH,得到电池包的健康衰减率,进而探究充电行为参数与电池衰减之间的关系,对于容量衰减率进行回归分析。结果表明充电电流、环境温度、充电次数、SOC都会对容量衰减率有所影响。

有研究表明,EV锂电池在容量降低至60%时可以给新型能源当作储能电池[36],结合间接引导策略和V2G,提出了如图3所示的设想。在EV用户购车的时候,与电力公司或汽车销售商(甲方)签订协议:在EV电池容量低于某个阈值之前进行一定次数(时长)的充放电,满足该条件可以免费更换新电池,甲方对用户锂电池进行回收,再运输给可再生能源电厂或者微电网充当储能或者调频设备;当电池使用至完全报废时进行贵重金属的回收,既解决了EV锂电池的回收利用问题,改善了EV用户驾驶EV的体验感,还能加速EV市场的进一步扩大,实现多方得利。

图3 电池梯利用引导V2G设想示意图

随着EV数量的持续增长,未来必定会面临EV同时接入电网的情况。若对EV进行合理控制、规划,EV储存的电能可对电网进行充电,实现“削峰填谷”,降低电力系统投资成本,提高电网稳定性[37]。EV作为一种拥有巨大储能潜力的资源,EV参与储能的电网结构如图4所示。

图4 EV参与储能的电网结构示意图

虽然我国EV储能潜力巨大,但我国参与响应的EV负荷不足1%[38],亟待有效调动消纳新型能源。

此外,由于分布式能源的不断发展,虚拟电厂也从概念阶段逐渐实体化,EV作为新型储能设备的代表,是虚拟电网中不可或缺的一环。研究EV联合调度不仅可以缓解分布式能源与EV充放电随机性对电网的影响,还能帮助新能源消纳,实现EV的清洁化、低碳化,但对平台和调度策略的要求高。而虚拟电厂的应用则可以解决EV与可再生能源调度难的问题。虚拟电厂通过信息技术与软件算法将分布式电源聚合,储能可控负荷设备,优化电力调度,参与需求侧响应,相比其他类型的电网,虚拟电厂具有成本低、效率高的优点[39]。

4.1 EV为可再生能源及微电网储能

Keck等[40]评估了电池储能对澳大利亚可再生能源电网的影响。仿真结果表明,在可再生能源占比较高的情况下,澳大利亚90～180 GWh的EES容量能够节约1 000澳元/(kW·h);能够降低平准化度电成本约13%～22%,装机容量减少22%,减少再生能源浪费约76%。Matsumoto等[41]提出了一种实现REIOO的可行储能智慧城市设计方法,仿真评估获得的分配计划的时间序列。结果表明,通勤用EV在上午或下午出行,中午进行储能;商务用EV白天充电空间较小,而晚间较大;合理的电池分配可以大幅降低微电网储能成本。李清涛等[42]提出两阶段消纳分布式新能源的策略,考虑电网邻近地区电力互补能力,使用方向乘子法简化计算,考虑预测偏差,引导EV快速响应,实现新能源消纳。算例分析标明,所提出的两阶段新能源消纳策略可有效协调区域间的能源分配,推动过剩能源的消纳。孟明等[43]给出了基于光热电站(CSP)和EV综合消纳风电的策略,仿真结果表明,在消纳弃风方面,在电源侧利用CSP可打破热电联产(CHP)机组的运行约束,充分释放CHP调峰能力;在负荷侧通过V2G充电模式有效弥补充电负荷在风电高峰时期的匮乏,对比不同场景,有光热电站与V2G充电方式比无光热电站无序充电弃风率降低了55.6%。

在消纳新型能源方面,EV较其他储能设备具有响应快、投资成本低等优势。此外,EV拥有储存电能较大的能力,非常适合与可再生能源配合使用[44]。将EV与可再生能源配合进行合理调度,利用其储能变流器进行有源滤波还能降低谐波污染,提升电能质量;将EV的退役电池集中起来梯次利用,充分挖掘其剩余的价值,在消纳可再生能源发电方面有着常规储能电站等调节消纳手段无法比拟的优势[45]。目前,EV大部分都是源自火力发电,如果推进EV消纳可再生能源,将会形成正向反馈,推动可再生能源和EV行业发展,加速实现碳中和。

4.2 EV在虚拟电厂中的应用

Mustafa等[46]讨论了将EV集合为虚拟电厂,分析了V2G技术、拓扑结构和市场效益。研究发现,车网整合(VGI)是虚拟电厂中经济且实用的一种方案,该技术能推动EV参与调频等辅助服务,并能鼓励清洁能源在电网中占比的提高。Kahlen等[47]针对北欧电力市场建立了包含1 500辆EV虚拟电厂的模型,使用具有非对称收益的加权目标函数和傅里叶方法分析EV的需求模式。仿真结果表明,当EV占比小于20%时,每年可获得利润为168～173美元;EV占比超过20%时,利润为135～151美元。华远鹏等[48]提出了包含EV的虚拟电厂分层博弈优化模型,上层以降低电厂运行维护成本为目标,考虑功率及储能约束条件;下层以电价为基础,以EV充电价格最小为目标,求解EV充电功率,并将功率信息返送上层模型。算例结果表明,车网互动功率受博弈电价和新能源出力影响,分层博弈优化方法可以兼顾虚拟电厂与EV用户的利益,还能提高系统稳定性。张卫国等[49]根据负荷及可再生能源发电能力计算供需平衡差,提出分层电力负荷调度策略,并提出一种实时跟踪机制降低发电和EV充电误差。算例结果表明,包含各类能源和EV的虚拟电厂能够充分发挥互补优势,均衡负荷。

目前虚拟电厂主流方向有2种,如表1所示。我国虚拟电厂市场潜力巨大,上海早在2014年开展虚拟电厂进行试点工作,虚拟电厂多数以聚合式参与调度,将各级虚拟电厂统筹,协同参与电力市场运行。申能储能虚拟电厂以用户侧聚合的方式接入电力交易平台,统一参与响应,将负荷自动且合理地分配给各场站。这种基于大数据分析的形式不仅能够预测储能设备的充放电响应能力,还能提高响应精度[50]。

表1 VPPde的2个主流方向

V2G技术应用潜力巨大,通过多年的升级已不再局限用于储能缓冲,还能协助电网转移负荷、参与调频、消纳新型能源、抑制波动。因此,应充分发挥V2G的应用潜力,以多种形式实现V2G。我国的V2G技术虽取得了一定成果,但仍处于发展阶段,要想实现大范围普及具有不小难度,对此提出如下建议:

1) 优化充电站位置、数量,解决EV入网造成的三相不平衡与谐波污染问题,这是较为简单、经济的方法。此外,有源滤波技术也是抑制谐波有效的方法,但有源滤波技术成本较高,可以考虑有源-无源滤波结合的混合滤波技术。

2) 充电负荷预测需结合城市发展背景,优化EV充电概率密度函数各影响因子权重;未来负荷预测还需考虑可再生能源入网和消纳新型能源的情况。

3) 为降低因不合理电价造成“高峰转移、峰上加峰”的风险,应加强对EV入网电价反馈信号的研究,对分时电价进行实时调整,滚动优化。

4) 推动车网信息实时互通,当EV进行充放电时用户能够了解电价信息;电网能感知用户驾驶特性、电池状态、充放电喜好信息,从而给出有效策略,提高用户V2G响应程度。

5) 加大对EV电池的梯次利用,研究电池利用回收技术,增加间接引导EV充放电的手段,如电池梯次利用引导、分地电价引导。

6) 提高车网协同控制及管理效率。EV作为新型储能设备拥有天然优势,充分发挥其对虚拟电厂、新型能源以及微电网实现负荷均衡、提高电能质量、提高设备使用效率、消纳新能源有效减少资源浪费。

猜你喜欢电价充放电储能V2G模式下电动汽车充放电效率的研究新能源汽车供能技术(2021年1期)2021-10-14相变储能材料的应用煤气与热力(2021年6期)2021-07-28基于SG3525的电池充放电管理的双向DC-DC转换器设计电子制作(2019年23期)2019-02-23德国：电价上涨的背后逻辑能源(2018年10期)2018-12-08探索电价改革商周刊(2018年16期)2018-08-14储能技术在电力系统中的应用通信电源技术(2018年3期)2018-06-26储能真要起飞了?能源(2017年12期)2018-01-31可再生能源电价附加的收支平衡分析当代经济(2016年26期)2016-06-15争议光伏标杆上网电价能源(2016年11期)2016-05-17直流储能型准Z源光伏并网逆变器电源技术(2016年2期)2016-02-27