7.电动汽车与电网互动的关键问题研究综述VIP专享VIP免费

1 2 4
2 0 2 2 7
Chinese Journal of Automotive Engineering
Vol.1 2 No.4
July 2022
电动汽车与电网互动的关键问题研究综述
吴佳琦,张 谦吴小黄耀
重庆大学 输配电装备及系统安全与新技术国家重点实验室, 重庆 400044
摘 要电动汽车大规模无序接入将给电网带来峰谷差增大、电能质量下降、电网运行优化控制难度增加等不利影响。
应用电动汽车与电网互动技术 (Vehicle-to-GridV2G) 控制电动汽车的充放电过程,可有效缓解上述问题,并起到削峰
填谷、平抑可再生能源的作用。近十年来,该项技术已成为电动汽车与电力系统领域的研究热点。阐述了电动汽车与电
网互及发从电充电力的V2G的协同调度、市场机制
及经济运营三方面进行梳理,分析了 V2G在“的机电动应用用的
解方进行总结同时望了 V2G的未究方
关键汽车电动车入技术 (V2G;时空布;同调市场制;“双”目
中图类号TM73 文献标志码:ADOI10.3969/j.issn.20951469.2022.04.07
A Review of Key Issues in Electric Vehicle and Power
Grid Interaction
WU JiaqiZHANG QianWU XiaohanHUANG YaoyuLI Chunyan
State Key Laboratory of Power Transmission Equipment & System Security and New TechnologyChongqing
UniversityChongqing 400044China
Abstract: The disorderly charging of large-scale electric vehicles will bring negative effects to the power
grid, such as the increased peak-to-valley difference, poor power quality and difficulties in grid operation
optimization. The application of vehicle-to-grid (V2G)technology to control the charging and discharging
processes of electric vehicles can effectively alleviate the problems above by peak shaving and valley filling
management and smoothing out renewable energy. In the past decade, this technology has become a hot
research topic in the field of electric vehicles and power systems. Firstly, the paper introduces the basic
concept and development status of EV-grid interaction. Then the paper discusses the following three aspects:
the spatial and temporal distributions of both the EV charging demand and discharging capacity, the V2G-
based cooperative scheduling, and the market mechanisms and economic operations. In addition this paper
analyzes the opportunities and challenges of V2G under the "dual-carbon" target and summarizes the
methods commonly used in electric vehicle scheduling. Finally the prospect of V2G technology is described.
Keywords: electric vehicle; vehicle-to-grid(V2G); spatial-temporal distribution; collaborative scheduling;
economic operation; dual-carbon target
收稿日期20220514 改稿期:20220527
基金项目国家自然科学基金52177073
参考文献引用格式:
吴佳琦,张谦吴小汉.电动汽车与电网互动的关键问题研究综述J.汽车工程学报,2022124411-430.
WU JiaqiZHANG QianWU Xiaohanet al. A Review of Key Issues in Electric Vehicle and Power Grid InteractionJ.Chinese
Journal of Automotive Engineering2022124411-430.in Chinese
汽车工程学报 12
车 (Electric VehicleEV) 有
环境能减
发展,助碳”。然
电动力系
1
2
、电网运行优化控制
难度3等不利影响。
电 动 汽 车 与 电 网 双 向 互 动 技 术 Vehicle-to-
GridV2G) 是4
实时、可在车间的
流动问题V2G技术
汽车谷时
峰时期,向电方面
电动统造
面影响4-6
;另一方面还能降低总充电成本与系统
起到源间
7-9
V2G
调度侧带
效益,实现互利共赢,促进电动汽车的发展。
便散性特点
电 动 汽 车 , 提 出 电 动 汽 车 集 群 Electric Vehicle
Aggregator) 的10
,能够提的可电网
进行参与场的
EV
EV 集群并参与电力市场交易,上层与电
网 互 动 Aggregator-to-GridA2G
11-12, 下 层 与
电动汽车互动 (Vehicle-to-AggregatorV2A
13
EV 集群与电网的关键作用,形成了网-
-1所示。在车网互动上
EV 代理商向电网提供车群不同时间尺度的可
,在电能助服各参
14
。在车网互动下
EV 代理商根据调度策略制定电动汽车个体充
机制,激电网实现
电动放电15
V2AA2G互动的调度策略,现有研究
主要以下
1) 电动汽车集群充电需求和放电能力的时空
16-21
。精确的电动汽车时空分布测算是车
动的动汽
性、充放运行电动
体充定调
V2G可调度容量的基础,是实现 V2G
的关键22
2) 基V2G的协同调度策略1323-30
调度策略的研究是 V2G上层的重点研究方向。通过
优化控制电动汽车充放电,可为电网提供调
132324、 备 用 服 务25-26, 参 与 系 统 削 峰 填
27-28以及可再生能源联合运行29-30
3) 市场31-34
。市场机制的确
定是激励大规模电动汽车响应 V2G的核
车参激励
车网互动的市场交易机制31-33
34
术和业模的双,拓V2G
下层广度
上述三方面研究也是 V2G工程应用中的关键问
题,了上V2G技术
的工
双碳”目的提出,V2G技术
迎接新机遇的同时也面临着新的挑战35-36
能减网荷
V2G研究不仅能有效挖掘电力系
电力市场及市场调度中心
新能源发电
电动汽车 电动汽车 电动汽车
能量流
信息流
竞争
竞争
火电
电能交易 价格申报
电能交互
信息交互
EV代理商
竞争
EV代理商
1电动汽车与电网互动分层调度示意图
412
4 吴佳琦 等:电动汽车与电网互动的关键问题研究综述
统、交通系统和氢能系统消纳可再生能源潜力,推
-
经济性的基础上推动我国节能减排战略的进一步发
展,国“目标
V2G的基本概念及发展现状,
其次重点从电动汽车集群充电需求和放电能力的时
V2G的协同调度策略、V2G
然后V2G背景,总
结电动汽车调度及应用问题研究中常用的求解方
法。讨论V2G技术的潜在研究方向。
1V2G 基本
1.1 V2G 基本概念
V2G的概念由美国德拉华大学的 Willett
Kempton Letendre 1997 年提出37
,即通过充电
设施在特定时段反调用电动汽车的电量以供电网支
配,参与电网优化运行、备用等辅助服务。在满足
打开网-车双赢的局面22
V2G广定义只具单向电能
的电动汽车通过充电时间、地点等的控制,为电网
提供服务视为 V2G38
1.2 V2G 发展现状
目前V2G项目的开展主要集中在电动
汽车有序充电领域及其参与电力市场探索方面。
1.2.1 电动汽车有序充电模式发展现状
该模式是指采用经济或技术措施引导、控制有
谷、平抑可再生能源间歇性和波动性的作用,保证
电动汽车与电网的协调互动发展的模式39
2016 年日产已经在其位于英国克兰菲尔德的日
心 (Nissan Technical Centre Europe
NTCE 100 V2G
了快速为电动汽车充电,并可将多余的电力输送回
电网
18 个省市的国家电网已开展有
序充电桩的建设和推广工作。目前已实现有序充电
桩建设规模达到 12
模达到 15 43 kWh
有序充电试点项目的应用缺乏多样性,仅针对配电
网扩容问题展开,亟须进行用户激励以及商业模式
的探索39
1.2.2 电动汽车参与电力市场现状
2008 PJM Pennsylvania-New Jersey-
Maryland) 电力市场与特拉华大学联合设计了控制
算法通信使V2G功能
的电动汽车成功响应了 PJM
验证了其参与调频的可行性。得益于通信手段和储
V2G项目呈现快速上升
趋势
国外在电动汽车参与电力市场方面已开展的试
点项目主要集中在美国及欧洲地区40
。美国加利
2012 年设定了到 2025
汽车保有量达到 150 万辆的目标,并制定了零排放
车辆行动计划,明确要解决电动汽车为电网提供服
2013 年加利福尼亚州在洛杉矶空军基地
开展了电动汽车参与辅助服务市场的试点项目。丹
2016 年开展了 Parker
明了电动汽车参与智能电网服务的可行性,还与哥
本哈V2G充电站商业试点合作,开展电动汽车
参与助服
我国在电动汽车参与电力市场方面相对起步较
39
华北电力市场开展了相关试点,电动汽车等第三方
主体于 2019
服务。华中电力市场也开始对电动汽车参与电力市
见,制定与电服务
网西2021 2月开展
车用目前
2021 8月浙江省在国内首次
动汽与的
助服化出价。
虽然V2G技术才刚开始起步,但其发展势
413
第12卷第4期2022年7月汽车工程学报ChineseJournalofAutomotiveEngineeringVol.12No.4July2022电动汽车与电网互动的关键问题研究综述吴佳琦,张谦,吴小汉,黄耀宇,李春燕(重庆大学输配电装备及系统安全与新技术国家重点实验室,重庆400044)摘要:电动汽车大规模无序接入将给电网带来峰谷差增大、电能质量下降、电网运行优化控制难度增加等不利影响。应用电动汽车与电网互动技术(Vehicle-to-Grid,V2G)控制电动汽车的充放电过程,可有效缓解上述问题,并起到削峰填谷、平抑可再生能源的作用。近十年来,该项技术已成为电动汽车与电力系统领域的研究热点。阐述了电动汽车与电网互动的基本概念及发展现状,重点从电动汽车集群充电需求和放电能力的时空分布、基于V2G的协同调度、市场机制及经济运营三方面进行梳理,分析了V2G在“双碳”背景下的机遇和挑战,对电动汽车调度及应用问题研究中常用的求解方法进行了总结,同时展望了V2G技术的未来研究方向。关键词:电动汽车;电动汽车入网技术(V2G);时空分布;协同调度;市场机制;“双碳”目标中图分类号:TM73文献标志码:ADOI:10.3969/j.issn.2095‒1469.2022.04.07AReviewofKeyIssuesinElectricVehicleandPowerGridInteractionWUJiaqi,ZHANGQian,WUXiaohan,HUANGYaoyu,LIChunyan(StateKeyLaboratoryofPowerTransmissionEquipment&SystemSecurityandNewTechnology,ChongqingUniversity,Chongqing400044,China)Abstract:Thedisorderlychargingoflarge-scaleelectricvehicleswillbringnegativeeffectstothepowergrid,suchastheincreasedpeak-to-valleydifference,poorpowerqualityanddifficultiesingridoperationoptimization.Theapplicationofvehicle-to-grid(V2G)technologytocontrolthecharginganddischargingprocessesofelectricvehiclescaneffectivelyalleviatetheproblemsabovebypeakshavingandvalleyfillingmanagementandsmoothingoutrenewableenergy.Inthepastdecade,thistechnologyhasbecomeahotresearchtopicinthefieldofelectricvehiclesandpowersystems.Firstly,thepaperintroducesthebasicconceptanddevelopmentstatusofEV-gridinteraction.Thenthepaperdiscussesthefollowingthreeaspects:thespatialandtemporaldistributionsofboththeEVchargingdemandanddischargingcapacity,theV2G-basedcooperativescheduling,andthemarketmechanismsandeconomicoperations.InadditionthispaperanalyzestheopportunitiesandchallengesofV2Gunderthe"dual-carbon"targetandsummarizesthemethodscommonlyusedinelectricvehiclescheduling.FinallytheprospectofV2Gtechnologyisdescribed.Keywords:electricvehicle;vehicle-to-grid(V2G);spatial-temporaldistribution;collaborativescheduling;economicoperation;dual-carbontarget收稿日期:2022‒05‒14改稿日期:2022‒05‒27基金项目:国家自然科学基金(52177073)参考文献引用格式:吴佳琦,张谦,吴小汉,等.电动汽车与电网互动的关键问题研究综述[J].汽车工程学报,2022,12(4):411-430.WUJiaqi,ZHANGQian,WUXiaohan,etal.AReviewofKeyIssuesinElectricVehicleandPowerGridInteraction[J].ChineseJournalofAutomotiveEngineering,2022,12(4):411-430.(inChinese)汽车工程学报第12卷大力发展电动汽车(ElectricVehicle,EV)有助于缓解环境和能源问题,推动我国节能减排战略的进一步发展,助力我国“双碳”目标的实现。然而大规模电动汽车的无序接入,将给电力系统带来负荷增长[1]、电能质量下降[2]、电网运行优化控制难度增加[3]等不利影响。电动汽车与电网双向互动技术(Vehicle-to-Grid,V2G)是一种新型电网技术[4],能够体现能量双向、实时、可控、高速地在车辆和电网之间的流动,是解决上述问题的有效途径。应用V2G技术控制电动汽车的充放电过程,在负荷低谷时期,由电网调度电动汽车充电以存储电网过剩的发电量,在负荷高峰时期,由电动汽车向电网馈电,一方面可以削弱电动汽车规模化发展对电力系统造成的负面影响[4-6];另一方面还能降低总充电成本与系统网损,并起到削峰填谷、平抑可再生能源间歇性和波动性的作用[7-9]。在V2G模式下,大规模电动汽车的有序调度可以同时给电网侧和用户侧带来经济效益,实现互利共赢,促进电动汽车的发展。为便于管理具有分散性、随机性特点的大规模电动汽车,提出电动汽车集群(ElectricVehicleAggregator)的概念[10],即由一定数量电动汽车聚合形成的,能够提供一定规模的可调度容量与电网进行互动、参与电力市场的集群。在电动汽车与电网互动的体系中,EV代理商管理区域EV集群并参与电力市场交易,上层与电网互动(Aggregator-to-Grid,A2G)[11-12],下层与电动汽车互动(Vehicle-to-Aggregator,V2A)[13],起到衔接EV集群与电网的关键作用,形成了网-商-车分层互动架构,如图1所示。在车网互动上层,EV代理商向电网提供车群不同时间尺度的可调度功率,在电能量市场与辅助服务市场中与各参与主体竞争博弈,以获得收益[14]。在车网互动下层,EV代理商根据调度策略制定电动汽车个体充放电引导机制,激励用户参与电网良性互动,实现电动汽车充放电优化调度[15]。针对V2A与A2G互动的调度策略,现有研究主要集中在以下三方面:(1)电动汽车集群充电需求和放电能力的时空分布研究[16-21]。精确的电动汽车时空分布测算是车网良好互动的前提和基础。通过研究电动汽车的空间分布特性、充放电特性及其运行规律,估算电动汽车的整体充电需求和放电能力,是确定调度模型中V2G可调度容量的基础,是实现V2G优化调度的关键[22]。(2)基于V2G的协同调度策略[13,23-30]。协同调度策略的研究是V2G上层的重点研究方向。通过优化控制电动汽车充放电,可为电网提供调频[13,23,24]、备用服务[25-26],参与系统削峰填谷[27-28]以及可再生能源联合运行[29-30]。(3)市场机制及经济运营[31-34]。市场机制的确定是激励大规模电动汽车响应V2G的核心。通过明确电动汽车参与电力市场的准入条件、激励方式及车网互动的市场交易机制[31-33],综合电网企业、电动汽车车主、充电运营商等各方利益[34],可以实现用户和系统、技术和商业模式的双赢,拓宽V2G下层互动的广度和深度。上述三方面研究也是V2G工程应用中的关键问题,只有有效解决了上述问题,才能促进V2G技术的工程应用。同时,随着“双碳”目标的提出,V2G技术在迎接新机遇的同时也面临着新的挑战[35-36]。新能源汽车不仅能减少碳排放,还能作为“源网荷储”互动的有效调度资源,参与大规模可再生能源消纳。含新能源汽车的V2G研究不仅能有效挖掘电力系电力市场及市场调度中心新能源发电电动汽车电动汽车电动汽车能量流信息流竞争竞争火电电能交易价格申报电能交互信息交互车网互动上层车网互动下层EV代理商竞争EV代理商图1电动汽车与电网互动分层调度示意图412第4期吴佳琦等:电动汽车与电网互动的关键问题研究综述统、交通系统和氢能系统消纳可再生能源潜力,推进能源-交通系统脱碳,还能在保障安全性,提高经济性的基础上推动我国节能减排战略的进一步发展,助力我国“双碳”目标的实现。本文首先阐述了V2G的基本概念及发展现状,其次重点从电动汽车集群充电需求和放电能力的时空分布研究、基于V2G的协同调度策略、V2G模式下的市场机制及经济运营研究三方面进行梳理,然后分析V2G在“双碳”背景下的机遇和挑战,总结电动汽车调度及应用问题研究中常用的求解方法。最后,讨论了V2G技术的潜在研究方向。1V2G基本概念及发展现状1.1V2G基本概念V2G的概念由美国德拉华大学的WillettKempton和Letendre于1997年提出[37],即通过充电设施在特定时段反调用电动汽车的电量以供电网支配,参与电网优化运行、备用等辅助服务。在满足用户充电需求的同时,为电动汽车用户带来收益,打开网-车双赢的局面[22]。此后,在此基础上,V2G被赋予了更广泛的定义,只具有单向充电能力的电动汽车通过充电时间、地点等的控制,为电网提供相关的服务也可被视为V2G[38]。1.2V2G发展现状目前,国内外V2G项目的开展主要集中在电动汽车有序充电领域及其参与电力市场探索方面。1.2.1电动汽车有序充电模式发展现状该模式是指采用经济或技术措施引导、控制有充电需求的电动汽车进行有序充电,起到削峰填谷、平抑可再生能源间歇性和波动性的作用,保证电动汽车与电网的协调互动发展的模式[39]。2016年日产已经在其位于英国克兰菲尔德的日产欧洲技术中心(NissanTechnicalCentreEurope,NTCE)安装了100个V2G充电桩,该充电桩实现了快速为电动汽车充电,并可将多余的电力输送回电网。目前,我国已有多项有序充电试点项目。北京、上海、天津等18个省市的国家电网已开展有序充电桩的建设和推广工作。目前已实现有序充电桩建设规模达到12万个,参与有序充电的用户规模达到15万个,单月调峰电量43万kWh。但我国有序充电试点项目的应用缺乏多样性,仅针对配电网扩容问题展开,亟须进行用户激励以及商业模式的探索[39]。1.2.2电动汽车参与电力市场现状2008年,美国PJM(Pennsylvania-NewJersey-Maryland)电力市场与特拉华大学联合设计了控制算法、连接设备及通信协议,使一辆具有V2G功能的电动汽车成功响应了PJM调频市场的控制信号,验证了其参与调频的可行性。得益于通信手段和储能技术的飞速发展,全球V2G项目呈现快速上升趋势。国外在电动汽车参与电力市场方面已开展的试点项目主要集中在美国及欧洲地区[40]。美国加利福尼亚州于2012年设定了到2025年为止,新能源汽车保有量达到150万辆的目标,并制定了零排放车辆行动计划,明确要解决电动汽车为电网提供服务的问题。2013年加利福尼亚州在洛杉矶空军基地开展了电动汽车参与辅助服务市场的试点项目。丹麦于2016年开展了Parker示范项目,该项目不仅证明了电动汽车参与智能电网服务的可行性,还与哥本哈根的V2G充电站商业试点合作,开展电动汽车参与调频辅助服务。我国在电动汽车参与电力市场方面相对起步较晚,试点工程较少,但其规模相比于国外较大[39]。华北电力市场开展了相关试点,电动汽车等第三方主体于2019年年底正式参与了华北电网提供调峰服务。华中电力市场也开始对电动汽车参与电力市场征求意见,制定新型主体参与电力调峰辅助服务市场的规则。国家电网西北分部于2021年2月开展了电动汽车用户参与调峰服务的试点,目前相关机制流程仍在完善中。2021年8月浙江省在国内首次实现了电动汽车作为第三方独立主体参与的备用辅助服务市场化出清与定价。虽然国内V2G技术才刚开始起步,但其发展势413汽车工程学报第12卷头却十分迅猛。电动汽车集群充电需求和放电能力的时空分布、基于V2G的协同调度和V2G市场机制及经济运营三方面的研究是推进电动汽车与电网互动从理论研究走向实际工程的关键。2电动汽车充电需求和放电能力时空分布电动汽车具有移动特性,其可控容量与时间、空间相关,因此,需充分考虑电动汽车在路网中的随机性,研究电动汽车整体充电需求和放电能力的时空分布,以准确测算调度模型中V2G的可用容量。2.1电动汽车充电需求时空分布如何准确模拟电动汽车的出行规律是研究其充电需求时空分布的关键。已有研究将出行链概念[17,21,41]引入电动汽车用户行为的刻画,通过蒙特卡洛方法对出行链中各特征量的概率分布进行随机抽样,有效刻画电动汽车用户的出行行为,从而在时空尺度上对各功能区的充电需求进行预测[41]。在此基础上,结合道路拓扑结构、交通情况、天气状况、充电设施、电池情况等实际因素,更精准地模拟用户日常出行情况下电动汽车充电需求的时空分布[17]。电动汽车负荷时空分布预测框架具体如图2所示。在电动汽车空间行驶行为的刻画中,常用的是最短路径算法(Dijkstra),这种算法的缺点是对用户的主观能动性考虑不足,没有模拟电动汽车随机移动过程中带来的负荷时空分布变化。以下3种方法弥补了最短路径算法的不足:第1种是交通起止点(OriginDestination,OD)分析法[5,18,20,42-43],通过对道路拓扑结构和交通情况的精确建模,得到电动汽车在道路网络中的出行特性;第2种是通过马尔可夫决策理论对出行路径进行实时动态随机模拟[19];第3种是通过基于结点的动态路径规划方法[44]来解决模型中电动汽车的路径规划问题。2.1.1OD分析法通过OD时空矩阵可以获取不同充放电方式下(充放电桩、充放电站、换电站)电动汽车的充放电特性。在此基础上,对单体电动汽车、道路结构、交通网络具体建模,可以得到融合车-路-网三方特性的电动汽车充电需求分布预测[42-43];通过考虑价格因素和用户的主观能动性以提高负荷预测的可行性[18];对网约电动汽车进行特性分析与建模,以拓宽V2G的应用场景,开展新型电动汽车应用模式下的充电需求分布研究[20]。2.1.2马尔可夫决策理论通过马尔可夫决策理论,可以实时模拟电动汽车的出行路径,避免最短路径算法中相同始终点电动汽车在固定地点充电的问题,解决传统模型对用户路径选择随机性考虑不足的问题[19]。2.1.3动态路径规划法通过动态路径规划法,在建立微观交通模型的基础上,精确刻画电动汽车位置与其荷电状态(StateofCharge,SOC)之间的动态变化[44]。在电动汽车负荷时空分布预测研究的基础上,文献[45]建立了实时电力系统和交通系统相互耦合的快速综合导航系统ITS(IntelligentTransportSystem),在服务于电动汽车路径规划的同时,缓解其对城市配电网的影响。文献[46]、[47]更进一步结合中国城市道路交通的特点,提出了缓解用户里程焦虑的充电站选择及导航策略。2.2V2G下电动汽车可调度容量动态变化电动汽车作为一种可控型负荷和分布式储能资源,在不同地点、不同层面都可以对电网提供支持。因此,分析电动汽车可用容量影响因素,结合电动汽车充电需求动态时空分布,有助于准确测算电动汽车集群的可调度容量,进而有效执行V2A调度计划[21]。路网拓扑信息节点坐标、节点连接、道路等级区域信息区域功能、速度限制、红绿灯出行信息出行时间出行目的车辆信息电池容量续航里程设施信息充电功率、效率交通路网模型充电模式出行模型电动汽车负荷时空分布荷电状态时空分布路径信息路径选择路径规划图2电动汽车负荷时空分布预测框架414第4期吴佳琦等:电动汽车与电网互动的关键问题研究综述在进行电动汽车实时可控能量研究时,通常简化各类型电动汽车的交通属性、状态转换特性以及车辆行驶的随机性,导致各时段参与V2G调度的电动汽车实时可控能量计算不准确。基于此,文献[48]研究了目前电动汽车的多种调控模式,据此提出了评估测算电动汽车集群实时可调度容量的方法,并将其应用于各类调频场景。电动汽车的电池寿命也是约束电动汽车的上下可调度容量的一大因素,文献[49]通过深入挖掘电动汽车电池的特性,并将其作为频率调节的依据,使电动汽车可调度容量的预测更加准确。此外,文献[50]将电动汽车负荷按照可调度能力划分为无序充电负荷、可调度充电负荷和可调度充放电负荷,将电动汽车充放电功率作为机组组合中的变量,建立电动汽车与风力发电协同参与的机组组合模型,在提高风电消纳能力的同时降低车网互动成本,具体如图3所示。综上所述,深入研究电动汽车的空间分布特性、充放电特性及其运行规律,不仅可以准确测算电动汽车的整体充电需求和放电能力,确定调度模型中V2G的可用容量,并为V2G上层协同调度策略研究及下层充放电电价的制定奠定基础。3V2G协同调度研究国内外对V2G调度问题的研究,通常是集中在上层调度,即A2G,且重点关注以下四方面:V2G参与电网调峰研究;V2G参与电网频率调节研究;V2G模式下电动汽车与可再生能源联合运行的调度策略;基于优先权的V2A调度。3.1V2G参与电网调峰研究目前,控制电动汽车有序充放电对电网进行削峰填谷主要通过以下两方面制定调度策略。3.1.1电动汽车负荷直接调度策略充电负荷直接调度策略充分利用了电动汽车作为电源-负荷的双重属性。文献[51]将电动汽车与储能系统相结合,提出了能够达到调节配电网峰谷值、同时平抑负荷曲线波动的有序充电策略。文献[52]通过研究馈线损失、负载系数和负载变化之间的关系,提出了降低电动汽车对连接的配电系统影响的充电策略,在服务于电网削峰填谷的同时降低了配网网损。文献[27]针对实际三相运行时电动汽车充放电对电网的潜在影响,提出了一种考虑三相负荷平衡的电动汽车有序充电策略。通过充电桩独立决策充电任务,可以免除复杂的集中式通信控制[53-54],然而,电动汽车的直接调度策略需要频繁调节充电桩的充电功率,会对电动汽车的电池产生负面影响,难以激励用户参与互动。因此,需要研究用户的充电引导策略,在服务电网峰谷值调节的同时,激励用户有序充放电。3.1.2基于峰谷电价引导的调度策略电价引导策略充分利用了电动汽车负荷的时空灵活性以及用户的主观能动性。通过深入研究电动汽车自主响应充电站的动态分时电价的行为特性,可以降低用户充电成本,从而引导用户有序充电,平抑电网的负荷波动[55-56]。除此之外,随着电动汽车应用场景及其服务行业的不断拓展,相关充电策略也在不断更新。根据不同区域微电网的特点,制定匹配不同微电网特性的充放电策略,可以提高电动汽车对区域电网波动的调整响应速度[57]。3.2V2G参与电网频率调节研究大规模的电动汽车大多以集群形式参与电网频率调度。电动汽车入网的一次调频策略主要是通过构造电池荷电状态与充/放电下垂之间的解析关系,从而实现维持电池能量调频控制和电池计划充电调频控制[23]。在此基础上,根据电池荷电状态按比传统负荷预测曲线可再生能源预测曲线电网调度Aggregator辖区内EV负荷及其可调度充放电容量预测辖区内EV负荷充放电指令机组出力指令参与互动不参与互动可调度充电负荷可调度充放电负荷无序充电负荷发电机图3电动汽车集中管理器参与电网互动模型415汽车工程学报第12卷例分配电动汽车参与功率调节,可以挖掘电动汽车容量大、响应速度快的储能特性,实现对电网的二次调频,显著抑制频率偏差[13,58]。单个电动汽车的可调度容量有限,需将电动汽车聚合起来,由代理商参与市场调度,以提高电动汽车集群整体的可响应容量[59-61],具体如图4所示。调频控制中心通常根据电动汽车功率调整特性,合理分配系统调频任务,控制电动汽车集群参与系统频率调节,在最大程度上支持双向V2G,实现单区域的系统频率调节[62]。在此基础上,将V2G单区域负荷频率控制模型拓展到两区域互联,均衡每个区域的发电和负荷[63-65]。文献[63]建立了电动汽车的充放电静态频率特性模型,并将单区域系统负荷频率控制模型扩展为两区域互联系统,提高了系统频率调整的速度,具体如图5所示。文献[64]、[65]在此基础上建立了计及电动汽车用户用车便利性的电动汽车集群调频控制策略,有助于在日常场景下平衡区域间的电动汽车负荷。然而,电动汽车与传统单元的调频需求功率分配比例固定,会降低电动汽车资源的利用率。文献[66]提出了基于电动汽车集群容量实时预测的负荷频率控制策略,该策略能够实时调整电动汽车集群的功率分配,既满足了电动汽车用户的行驶需求,又通过源荷互动提高了电网的频率稳定性。为了解决调度中存在的频繁充放电、深度放电及高位放电等不利行为,文献[67]综合考虑了频繁充放电次数、放电深度及放电区间对电池寿命的影响,提出了计及电池寿命损耗的电动汽车参与系统调频的协同优化策略,缓解了参与调频时电池容量快速减少的情况,提高了用户集群化管理的参与意愿。除此之外,电动汽车可作为虚拟同步机为微电网提供电压、惯量支持[66,68-73]。通过分析用户参与辅助调频服务受电价影响的行为特征,可以有效评估实时电价影响下电动汽车参与系统调频服务的响应能力[74]。3.3V2G模式下与可再生能源联合运行研究大规模电动汽车集群可以作为一种具备灵活移动性的分布式储能参与可再生能源的协同调度,在平抑可再生能源波动的同时减少资源浪费[9,75-77]。目前参与调度的可再生能源主要有光伏和风电。文献[30]在光储充电站内将光伏发电系统和电池储能结合,预测了电动汽车可转移充电负荷的响应容量,降低了储能配置的成本。文献[29]和文献[78]研究了电动汽车与风电、光伏等混合可再生能源联合运行的策略,不仅实现了综合能源系统的平稳运行,同时提高了电动汽车用户的经济性,具体如图6所示。3.4基于优先权的V2A调度基于优先权的V2A调度研究将电动汽车聚合商调频控制中心电动汽车聚合商传统机组电力负荷充放电站1充放电站4...风电机组信息流功率流光伏机组VSG控制VSG控制VSG控制PI控制图4基于V2G的系统调频控制模型++++−1fLFC11scarK1sgovcarK1sbusKST+−火电机组1电动私家车出力等效模型1111DsM+区域1区域2221DsM+2f电动公交车出力等效模型1电动公务车出力等效模型1风电1负荷11sgK+++++−LFC2火电机组2电动私家车出力等效模型2电动公交车出力等效模型2电动公务车出力等效模型2风电2负荷2+−+2sgovcarK2sgK2scarK2sbusK()1/delaysT+()1/delaysT+()1/delaysT+()1/delaysT+()1/delaysT+()1/delaysT+++++图5电动汽车集群两区域互联系统模型416第4期吴佳琦等:电动汽车与电网互动的关键问题研究综述的充放电计划,分解到对每辆电动汽车的具体控制[79]。在上层调度模型基础上[80],文献[81]和文献[82]建立了基于优先权的电动汽车集群充放电优化模型。通过分析电动汽车各项申报信息对代理商制定策略的影响,建立电动汽车评价指标体系,以电动汽车申报容量和时段、诚信度及电池损耗为评价指标,确定电动汽车调度优先权,从而得到电动汽车代理商所辖区域电动汽车集群充放电优化控制策略[83]。电动汽车优先权调度方案如图7所示。除此以外,基于优先权的V2A调度可以避免荷电状态超限和充放电电流倍率过大对电动汽车电池造成的不利影响[84-86]。由上述分析可知,对V2G协同调度的研究目前主要集中于上述四方面。V2G上下层互动策略在经济性及可靠性两个维度相互耦合,其潜在风险相互传递,而目前研究大多对上下层交互策略耦合作用机理分析不足、风险传递被忽视、交互策略设计过程相互割离,因此,需开展计及风险传递的A2G与V2A互动策略耦合作用机理分析,明晰上下层策略间的耦合作用关系,为网-商-车上下层互动策略一体化设计提供理论基础,有效推进网-商-车互动从理论研究走向实际工程。4V2G市场机制与经济运营研究满足车主的行驶需求是电动汽车参与电网调度的前提,所以电动汽车调度时需充分尊重电动汽车车主的意愿。如何制定合理的充放电电价以推进车-网良性互动是促进电动汽车用户参与V2G服务的核心问题。通过评估不同实际情景需求以制定相应的充放电电价,可以在充分考虑用户经济性的前提下,最大程度地引导电动汽车服务于电网,以保证车网双方共同利益最大化。本节主要梳理了国内外V2G模式下的充放电电价制定策略及V2G模式下的电网、电动汽车用户和EV代理商的经济效益。4.1V2G模式下充放电电价制定策略目前,EV充电电价制定方法主要有静态峰谷电价[87]和动态分时电价[88-90]两类。文献[87]评估了不同充电电价条件下电动汽车车主对电网调度需求的响应情况,制定了优化电动汽车充放电行为的分时定价策略。然而电网负荷存在不规律的剧烈波动性,静态峰谷电价无法规避因此产生负荷新高峰的风险,从而影响配网安全运行。为了解决此问题,文献[88]和文献[89]设计了EV充放电负荷与实时电价联动优化模型,更好地平滑了网内负荷曲线。文献[90]充分考虑了电动汽车用户的个体行驶特性和自主选择性,设计了用于表征EV综合满意度的分项评价指标,提出了计及用户满意度的电动汽车动态分时充电电价制定策略。充电电价的制定有助于避免大规模电动汽车无序入网充电,然而,放电电价的制定才是引导电动汽车用户积极地参与V2G服务的关键[31-33,91]。目前关于EV参与备用电能市场交易的放电电价研究主要分为以下两种:一是针对平抑负荷曲线波动或者提高车主经济效益等特定目标制定的电动汽车放电电价。文献[92]以峰谷差最小及用户参与V2G成本最低为目标获得最优峰谷时段,并在此基础上,兼顾EV成本和电网公司利益求解了EV充放电电价的4个限值。文献[93]在综合考虑用户、电网等多方可再生能源日前预测出力控制中心上报的最大充放电曲线滚动更新的可再生能源超短时预测出力联合系统初步出力曲线联合系统出力曲线分布式发电实测值电动汽车分布式储能指令图6V2G模式下与可再生能源联合调度运行策略优先调度备用调度不调度优先权阈值较高中等较低评价分级申报计划内的电动汽车群图7电动汽车优先权调度方案417汽车工程学报第12卷效益的基础上制定了相应的放电定价方案,结果表明,用户的日常充放电行为受主观价格满意度的影响。二是采用博弈理论制定EV放电电价[94]。文献[95]提出采用博弈论方法研究了用户期望电价与实际电价之间差异的满意度模型,并在此基础上求解得到了平衡用户预期与电网利益的放电电价。文献[96]引入合作博弈的思想,兼顾电动汽车集群代理商与车主合作联盟的经济效益,建立了电动汽车的动态分时优化充放电模型,结果表明所提策略能有效减小峰谷差,同时提高了代理商和电动汽车用户的收益。文献[97]提出了在多代理情况下电动汽车参与优化调度的谈判策略,采用一对多两阶段放电电价的谈判流程,可获得均衡双方利益的成交价格,并不会增加谈判轮数。目前,国外在电动汽车参与电力市场方面已有较为成熟的试点项目。文献[98]详细分析了V2G模式下北美以及欧洲几个最具代表性的频率调节结算规则,深入探讨了引导电动汽车聚合商准确上报容量的策略,如图8所示。文献[40]梳理了美国宾夕法尼亚-新泽西-马里兰州联合电力系统(PJM)、加利福尼亚州独立系统运营商(CAISO)和美国得克萨斯州电力可靠性委员会(ERCOT)的调频市场定价机制,横向对比了其主要环节的具体做法及适用情况,并结合当前中国电力市场改革现状,针对不同市场阶段提出建设调频市场定价机制的具体建议。4.2V2G模式下经济性分析对V2G经济效益的分析有助于完善电力市场建设,在综合考虑电网企业、电动汽车车主、EV代理商等各方利益的基础上,制定车网友好互动的市场交易机制。迄今为止,关于V2G经济效益评估方面的研究在不断深入[34]。针对提升V2G下配电网侧成本的问题[99],文献[100]建立无功补偿装置投资和网损之和年度费用最小的优化配置模型,以减少大规模电动汽车入网对电网带来的冲击并提高了经济效益。文献[101]充分利用电动汽车的可调度性,将V2G引入分布式电源与配网公司的优化运行,协调了电网公司、V2G和分布式电源投资商之间利益。文献[102]定量评估了不同V2G调度策略下的各方收益,揭示了V2G技术为电网带来的巨大经济效益。用户侧的经济效益分析也是优化V2G经济运营的主要部分。目前文献中多采用虚拟电价理论,在构建以服务电网调峰为目的、兼顾用户电能损失费用及电池损耗成本的EV充放电优化调度模型的基础上,将用户侧的效益最大化[103]。文献[7]深入研究了巴西综合能源市场上促进电动汽车用户参与可再生能源联合运行的价格制定策略,通过案例分析了实际运营中“高峰电价与消费者需求”成反比的情况。除此之外,V2G代理商调频服务经济效益评估[104]、辅助服务市场提供调频服务的各方综合利润评估[105]以及应用于电动汽车负载管理和资源调度的虚拟发电厂效益评估[106]都是V2G经济运营的主要研究方向。由上述分析可知,目前V2G市场机制与经济运营研究主要集中于V2G模式下的充放电电价制定策略及各方经济效益评估展开。然而,针对如何建立便捷高效、安全可行的电力交易管理平台的研究较少,缺乏技术手段保障电动汽车参与电力市场交易的公开透明与数据安全。区块链技术具有去中心化、信息安全、信息开放等特点。因此,将V2G与区块链技术结合,可以开展电动汽车能源交易策略与模型、充电运营商之间的利润博弈策略及电动汽车充电引导优化研究,进一步实现安全的自治交易,刺激电动汽车用户积极参与V2G服务。电力市场数据收益因子调频需求历史调频性能指标供应商数据容量报价里程报价申报容量运行成本曲线市场价格调频功率图8调频市场出清过程418第4期吴佳琦等:电动汽车与电网互动的关键问题研究综述5V2G在“双碳”背景下的机遇和挑战建设以非碳能源为主体的新型电力系统和发展零排放的低碳交通系统是实现我国“双碳”目标的重要举措。随着燃料电池汽车的规模不断扩大,电动汽车与其在道路网络上相互联系,能源转换站中电-氢相互转换。电-氢综合系统能有效挖掘电力系统、交通系统和氢能系统消纳可再生能源潜力,推进能源-交通系统脱碳。本节主要从燃料电池汽车的发展现状、电-车-氢互联系统的发展现状以及多能耦合协同作用的V2G调度研究3个层面阐述了V2G在“双碳”背景下的机遇和挑战。5.1燃料电池汽车的发展氢能是综合系统脱碳的理想能源载体之一,不仅能大规模消纳可再生能源,还能与电力系统互动,提高系统灵活性,是实现各类能源转换的“枢纽”。目前燃料电池汽车是氢能应用发展得较为迅速的主要方向。燃料电池汽车(FuelCellElectricVehicle,FCEV)[107]将氢能作为燃料,利用能源转换装置为电动机提供动能。燃料电池汽车能够保证高效的能量转化,具有安全、舒适地实现高速度、长距离行驶的性能。在此基础上,相比于传统内燃机汽车还可以减少碳排放,作为“源网荷储”互动的有效调度资源,参与大规模可再生能源消纳[108-109],有效带动氢能的全面利用[110]。燃料电池汽车具有移动性、储能性、可控性多种负荷特性,能够满足多能源耦合系统的综合需求侧响应。对电动汽车的有序充放电、燃料电池汽车有序充放能引导策略展开深入研究,不仅能满足系统的综合需求,还可以实现多能源系统“源-网-荷-储”多个环节灵活互动,因此,研究电-车-氢综合系统能有效挖掘电力系统、交通系统和氢能系统消纳可再生能源潜力,推进能源-交通系统脱碳。5.2电-车-氢综合系统协同调度发展现状电-车-氢综合系统是一种规模化应用氢能和新能源汽车消纳可再生能源的新型手段。随着燃料电池汽车的大规模发展,电力系统、交通系统与氢能系统将深度耦合,电-车-氢综合系统将成为氢能应用的核心场景。随着氢燃料汽车和电动汽车的稳步发展,电氢转换站和电氢能源站可作为连接氢能系统、交通系统和电力系统的耦合枢纽,实现资源的优化配置。一方面,由可再生能源转换而来的氢能可输送到各电氢能源站,供新能源汽车充电加氢;另一方面,电氢转换站内储存的氢气可通过燃气轮机发电。同时,新能源汽车又可向电力系统放电,最终在能源-交通系统中实现了电-氢的闭环利用,在多能互补中扩大了资源的优化配置。图9为电-车-氢综合系统的典型架构[36]。文献[36]建立了燃料电池汽车参与的能源交通系统优化调度模型,深入挖掘了燃料电池汽车的多种负荷特性,在满足车主需求的同时合理安排燃料电池汽车的充氢、充电和放电的调度计划,在优化电网运行的基础上,降低了系统的成本,并显著提高了系统消纳可再生能源的水平。5.3多能耦合协同作用的V2G调度研究多能耦合为提升电力系统灵活性、促进可再生能源消纳提供了一条有效途径。通过多能耦合对不同能源进行协同调度,可以充分利用各能源的互补性和协同效应,实现更大范围内资源的优化配置[111-112]。目前,已有文献从电-氢-交通网耦合的角度,研究了V2G框架下的电-车-氢综合系统协同调度。文献[113]建立综合风、光、氢、储、新能源汽车为一体的充能站模型,并在充分考虑电动汽车与燃料电池汽车各自特性与优势的基础上,建立了满电氢能源站电能氢能火电厂风电场光伏电站可再生能源系统水电厂电源货罐运输电力网络充放电机电动汽车氢燃料汽车储氢罐交通系统氢气运输电力传输管道运输电氢转换站电转氢装置燃气轮机加氢机图9电-车-氢综合系统架构419汽车工程学报第12卷足各方充能需求的优化调度模型;文献[36]提出电-氢-车互联优化调度策略,协同调度新能源发电转氢和氢燃料车充能,以提高电力系统的灵活性和新能源的消纳能力。文献[114]建立了多能源系统的协调调度模型,通过提出电动汽车与燃料电池汽车在价格激励的引导下有序响应V2G的调度模型,在降低了综合能源系统的运行成本的基础上实现了环境污染影响最小化。除此以外,氢气与其他能源系统的整合方式也对综合能源系统调度的优化有重要影响,文献[115]提出了一个电、热、氢和交通系统耦合的综合能源模型,研究不同的氢气生产方式对V2G优化调度效果的影响。从上述分析可知,关于电-氢系统、电-车系统的研究相对较成熟,但综合考虑电力系统、氢能系统和交通系统,对电-氢-交通网耦合的能源互联网协同调度研究还处于初始阶段,尚未充分挖掘新能源汽车参与电力系统调度的响应特性,而上述特性对于电-车-氢综合系统的协同调度、可再生能源消纳能力的提升具有重要意义。6V2G中常用的求解算法研究目前为解决电动汽车与电网互动策略,已涌现出了多种求解方法,大致可归为以下两类:(1)启发式算法。基于人工智能的启发式算法(如进化算法[29]、粒子群算法[116]、遗传算法[117]等),因其简单、易模拟复杂约束等优势,可以用来求解非线性规划模型。(2)规划式算法。使用数学变换处理混合整数非线性规划问题中的离散和非凸部分,以降低求解难度,如:改进的McCormickEnvelope方法[31]、Karush-Knhn-Tuck最优条件[118]等,然后交由求解器(CPLEX、AMPL/IPOPT)计算[60,119-120]。在电动汽车充电需求和放电能力时空分布方面,多种启发式算法被广泛应用于模拟电动汽车充电需求的动态演化中,例如元胞自动机[44]、孤雌遗传算法[117]等。在V2G协同调度研究中,启发式算法如粒子群算法[28,51]、非支配排序遗传算法[56]、化学反应优化算法[29]、模糊控制等[121]智能算法具有很强的寻优能力,很适合多目标问题的求解。此外,通过规划式算法[60,119-120]根据问题本身特性进行专门的数学变换,再带入CPLEX等求解器中计算,也可以对多目标问题进行高效求解。在V2G模式下的市场机制与经济运营研究中,规划式算法在充放电电价制定问题的求解模型进行转化处理时起到了很大作用,例如改进的McCormickEnvelope方法[31]、Karush-Knhn-Tuck最优条件[118]等,YALMIP工具箱[26]等手段在上述问题求解中的应用。启发式算法则是分析电动汽车应用于电力辅助服务市场经济性问题的有效手段,最常使用的例如改进模式搜索算法[88]、NAGA-Ⅱ[92]、混合编码的自适应遗传算法[101]等。在V2G框架下新能源汽车参与的多能耦合调度优化的研究中,启发式算法例如混合差分进化算法[109]、粒子群算法[122]、遗传算法[113,123-124]以及天牛须-粒子群混合搜索算法(BAS-PSO)[114]凭借其易模拟复杂约束的优势,在求解优化问题时得到了较为广泛的应用。部分文献也采用了规划式算法,采用YALMIP工具箱对约束进行优化,然后调用CPLEX求解器求解[36]。图10展示了现有文献中启发式算法与规划式算法在与V2G相关的各类问题求解中的应用情况。38%7%31%8%8%8%33%10%7%13%17%20%调峰、调频调度新能源消纳市场机制与商业模式设计充放电电价制定策略经济性分析新能源汽车参与V2G调度优化启发式算法规划式算法图10V2G中常用求解算法420第4期吴佳琦等:电动汽车与电网互动的关键问题研究综述7结论与展望本文介绍了电动汽车与电网互动的基本概念及发展现状,重点从电动汽车集群充电需求和放电能力的时空分布研究、基于V2G的协同调度研究、市场机制及经济运营研究三方面梳理了目前V2G调度及其应用研究相关工作,并分析了V2G在“双碳”背景下的机遇和挑战,进一步总结了电动汽车调度及应用问题研究中常用的求解方法。随着电动汽车参与电网优化运行的程度不断加深,拟从以下方面开展进一步研究:(1)计及风险传递的V2G机制研究。在车网互动系统中,V2A交互策略受A2G交互策略及代理商经济收益的影响,并直接影响下层用户响应度及不确定度;而用户响应度及不确定度又反过来影响代理商参与上层的交互策略及其经济收益,上下层交互策略相互耦合,任一策略的改变将引起潜在风险在上下层间传递。因此,针对上下层交互策略耦合作用机理分析不足、风险传递被忽视、交互策略设计过程相互割离的问题,需计及风险传递制定合理的互动机制保障互动系统经济可靠,综合考虑网-商-车三者之间两两互动的关键因素,探讨两层互动策略相互影响的数学关系,明确A2G与V2A互动策略的耦合作用机理,探究上下层间风险传递效应,以网-商-车体系长期运营稳定及多方共赢为目标,进行计及风险传递的网-商-车互动策略一体化设计,从而推进V2G从理论研究走向实际工程。(2)V2G与区块链技术的结合。区块链加入EV充电交易可以实现交易自治,极大程度地保证交易公开透明及数据安全,为电力交易提供便捷高效、安全可行的管理平台。因此,需将区块链技术与V2G相结合,开发去中心化的共享充放电交易平台,在保证用户信息安全的基础上,挖掘私有充电桩利用潜力,兼顾各方效益和各区域电动汽车充电负荷的压力,建立电动汽车能源交易策略与模型,充电运营商之间的利润博弈策略及电动汽车充电引导优化研究。(3)电-车-氢多能耦合系统协同调度研究。随着新能源汽车大规模接入交通系统与能源系统,使交通-能源网耦合程度不断提升。新能源汽车由于其交通属性,在与其他系统协同优化调度、功率分配时具有高度不确定性。因此,仍需结合V2G技术,研究电动汽车、氢燃料汽车等新能源汽车如何参与电力系统调度,实现能源系统和交通系统之间的高度融合。参考文献(References)[1]胡泽春,宋永华,徐智威,等.电动汽车接入电网的影响与利用[J].中国电机工程学报,2012,32(4):1-10,25.HUZechun,SONGYonghua,XUZhiwei,etal.ImpactsandUtilizationofElectricVehiclesIntegrationintoPowerSystems[J].ProceedingsoftheCSEE,2012,32(4):1-10,25.(inChinese)[2]张谦,韩维健,俞集辉,等.电动汽车充电站仿真模型及其对电网谐波影响[J].电工技术学报,2012,27(2):159-164.ZHANGQian,HANWeijian,YUJihui,etal.SimulationModelofElectricVehicleChargingStationandtheHarmonicAnalysisonPowerGrid[J].TransactionsofChinaElectrotechnicalSociety,2012,27(2):159-164.(inChinese)[3]郑颖,孙近文,张冲,等.考虑电动汽车接入的配电系统静态电压稳定裕度研究[J].电工技术学报,2014,29(8):20-26.ZHENGYing,SUNJinwen,ZHANGChong,etal.StudyofVoltageStabilityMarginfortheDistributionNetworkwithElectricVehicleIntegration[J].TransactionsofChinaElectrotechnicalSociety,2014,29(8):20-26.(inChinese)[4]YILMAZM,KREINPT.ReviewoftheImpactofVehicle-to-GridTechnologiesonDistributionSystemsandUtilityInterfaces[J].IEEETransactionsonPowerElectronics,2013,28(12):5673-5689.[5]MUYunfei,WUJianzhong,JENKINSN,etal.ASpatial-TemporalModelforGridImpactAnalysisofPlug-inElectricVehicles[J].AppliedEnergy,2014,114:456-465.[6]陈忠华,王才倩,陈嘉敏,等.V2G模式下的电动汽车421汽车工程学报第12卷有序充放电控制模型研究[J].浙江电力,2019,38(8):37-42.CHENZhonghua,WANGCaiqian,CHENJiamin,etal.StudyonCoordinatedChargingandDischargingControlModelofElectricVehiclesUnderV2GMode[J].ZhejiangElectricPower,2019,38(8):37-42.(inChinese)[7]DRUDEL,PEREIRALC,RUTHERR.Photovoltaics(PV)andElectricVehicle-to-Grid(V2G)StrategiesforPeakDemandReductioninUrbanRegionsinBrazilinaSmartGridEnvironment[J].RenewEnergy,2014,68:443-451.[8]LINJunhao,LEUNGKC,LIVOK.OptimalSchedulingwithVehicle-to-GridRegulationService[J].IEEEInternetofThingsJournal,2014,1(6):556-569.[9]郭春林,杨晓言,徐轩,等.V2G模式下电动汽车与可再生能源双层协调优化[J].电力系统及其自动化学报,2019,31(9):72-77.GUOChunlin,YANGXiaoyan,XUXuan,etal.Bi-LevelCoordinatedOptimizationofElectricVehiclesandRenewableEnergySourcesinV2GMode[J].ProceedingsoftheCSU-EPSA,2019,31(9):72-77.(inChinese)[10]唐佳,王丹,贾宏杰,等.基于迟滞模型的集群电动汽车参与实时需求响应V2G控制策略研究[J].电网技术,2017,41(7):2155-2165.TANGJia,WANGDan,JIAHongjie,etal.AStudyofV2GControlStrategiesofAggregatedElectricVehiclesforReal-TimeDemandResponseBasedonHysteresisModel[J].PowerSystemTechnology,2017,41(7):2155-2165.(inChinese)[11]潘樟惠,高赐威,刘顺桂.基于需求侧放电竞价的电动汽车充放电调度研究[J].电网技术,2016,40(4):1140-1146.PANZhanghui,GAOCiwei,LIUShungui.ResearchonChargingandDischargingDispatchofElectricVehiclesBasedonDemandSideDischargeBidding[J].PowerSystemTechnology,2016,40(4):1140-1146.(inChinese)[12]张谦,蔡家佳,李春燕,等.基于模糊贝叶斯学习的电动汽车放电电价谈判策略[J].中国电机工程学报,2018,38(1):61-71,343.ZHANGQian,CAIJiajia,LIChunyan,etal.TheNegotia-tionStrategyofDischargingPriceofElectricVehicleBasedonFuzzyBayesianLearning[J].ProceedingsoftheCSEE2018,38(1):61-71,343.(inChinese)[13]李家壮,艾欣,胡俊杰.电动汽车参与电网二次调频建模与控制策略[J].电网技术,2019,43(2):495-503.LIJiazhuang,AIXin,HUJunjie.SupplementaryFrequen-cyRegulationModelingandControlStrategywithElectricVehicles[J].PowerSystemTechnology,2019,43(2):495-503.(inChinese)[14]程宏波,罗通,康琛,等.电动汽车代理商参与需求响应的多层博弈竞标模型[J].电工电能新技术,2020,39(2):46-56.CHENGHongbo,LUOTong,KANGChen,etal.Multi-LayerGameBiddingModelforElectricVehicleAggregatorsParticipatinginDemandResponse[J].AdvancedTechnologyofElectricalEngineeringandEnergy,2020,39(2):46-56.(inChinese)[15]张谦,丁铸玮,谭维玉,等.计及多代理的电动汽车放电电价两阶段谈判策略[J].电工技术学报,2018,33(S2):616-627.ZHANGQian,DINGZhuwei,TANWeiyu,etal.ATwo-StageNegotiationStrategyofDischargingPriceforElectricVehicleConsideringMulti-Agent[J].Transac-tionsofChinaElectrotechnicalSociety,2018,33(S2):616-627.(inChinese)[16]BAES,KWASINSKIA.SpatialandTemporalModelofElectricVehicleChargingDemand[J].IEEETransactionsonSmartGrid,2012,3(1):394-403.[17]陈丽丹,张尧,FIGUEIREDOA.融合多源信息的电动汽车充电负荷预测及其对配电网的影响[J].电力自动化设备,2018,38(12):1-10.CHENLidan,ZHANGYao,FIGUEIREDOA.ChargingLoadForecastingofElectricVehiclesBasedonMulti-SourceInformationFusionandItsInfluenceonDistributionNetwork[J].ElectricPowerAutomationEquipment,2018,38(12):1-10.(inChinese)[18]龙雪梅,杨军,吴赋章,等.考虑路网-电网交互和用户心理的电动汽车充电负荷预测[J].电力系统自动化,2020,44(14):86-93.LONGXuemei,YANGJun,WUFuzhang,etal.PredictionofElectricVehicleChargingLoadConsideringInteractionBetweenRoadNetworkandPowerGridandUser’sPsychology[J].AutomationofElectricPowerSystem,2020,44(14):86-93.(inChinese)[19]张谦,王众,谭维玉,等.基于MDP随机路径模拟的电动汽车充电负荷时空分布预测[J].电力系统自动化,2018,42(20):59-66.ZHANGQian,WANGZhong,TANWeiyu,etal.Spatial-TemporalDistributionPredictionofCharging422第4期吴佳琦等:电动汽车与电网互动的关键问题研究综述LoadforElectricVehicleBasedonMDPRandomPathSimulation[J].AutomationofElectricPowerSystems,2018,42(20):59-66.(inChinese)[20]邢强,陈中,黄学良,等.基于数据驱动方式的电动汽车充电需求预测模型[J].中国电机工程学报,2020,40(12):3796-3813.XINGQiang,CHENZhong,HUANGXueliang,etal.ElectricVehicleChargingDemandForecastingModelBasedonData-DrivenApproach[J].ProceedingsoftheCSEE,2020,40(12):3796-3813.(inChinese)[21]李含玉,杜兆斌,陈丽丹,等.基于出行模拟的电动汽车充电负荷预测模型及V2G评估[J].电力系统自动化,2019,43(21):88-96.LIHanyu,DUZhaobin,CHENLidan,etal.TripSimulationBasedChargingLodadForecastingModelandVehicle-to-GridEvaluationofElectricVehicles[J].AutomationofElectricPowerSystems,2019,43(21):88-96.(inChinese)[22]崔岩,胡泽春,段小宇.考虑充电需求空间灵活性的电动汽车运行优化研究综述[J].电网技术,2022,46(3):981-994.CUIYan,HUZechun,DUANXiaoyu.ReviewontheElectricVehiclesOperationOptimizationConsideringtheSpatialFlexibilityofElectricVehiclesChargingDemands[J].PowerSystemTechnology,2022,46(3):981-994.(inChinese)[23]刘辉,魏岩岩,汪旎,等.电动汽车入网一次调频控制策略研究[J].电力系统保护与控制,2015,43(23):90-95.LIUHui,WEIYanyan,WANGNi,etal.V2GControlforEVsParticipatinginPrimaryFrequencyRegulation[J].PowerSystemProtectionandControl,2015,43(23):90-95.(inChinese)[24]YANGHongming,CHUNGCY,ZHAOJunhua.ApplicationofPlug-inElectricVehiclestoFrequencyRegulationBasedonDistributedSignalAcquisitionviaLimitedCommunication[J].IEEETransactionsonPowerSystems,2013,28(2):1017-1026.[25]吴洲洋,艾欣,胡俊杰.电动汽车聚合商参与调频备用的调度方法与收益分成机制[J].电网技术,2021,45(3):1041-1050.WUZhouyang,AIXin,HUJunjie.DispatchingandIncomeDistributingofElectricVehicleAggregators’ParticipationinFrequencyRegulation[J].PowerSystemTechnology,2021,45(3):1041-1050.(inChinese)[26]吴巨爱,薛禹胜,谢东亮,等.电动汽车参与运行备用的能力评估及其仿真分析[J].电力系统自动化,2018,42(13):101-107,68.WUJuai,XUEYusheng,XIEDongliang,etal.EvaluationandSimulationAnalysisofReserveCapabilityforElectricVehicles[J].AutomationofElectricPowerSystem,2018,42(13):101-107,68.(inChinese)[27]占恺峤,胡泽春,宋永华,等.考虑三相负荷平衡的电动汽车有序充电策略[J].电力系统自动化,2015,39(17):201-207.ZHANKaiqiao,HUZechun,SONGYonghua,etal.ACoordinatedChargingStrategyforElectricVehicleThree-PhaseLoadBalance[J].AutomationofElectricPowerSystem,2015,39(17):201-207.(inChinese)[28]彭晶,黄虹,刘福潮,等.基于V2G技术的电动汽车有序充放电策略研究[J].电动汽车技术,2020,42(5):12-15.PENGJing,HUANGHong,LIUFuchao,etal.ResearchonPHEVOrderlyCharge/DischargeStrategyBasedonV2GTechnology[J].ElectricVehicleTechnology,2020,42(5):12-15.(inChinese)[29]张智晟,温令云,李国,等.基于改进化学反应优化算法的电动汽车与可再生能源多目标协同调度[J].电网技术,2014,38(3):633-637.ZHANGZhisheng,WENLingyun,LIGuo,etal.Multi-ObjectiveCoordinatedSchedulingofElectricVehiclesandRenewableGenerationBasedonImprovedChemicalReactionOptimizationAlgorithm[J].PowerSystemTechnology,2014,38(3):633-637.(inChinese)[30]杨丽君,杨博,安立明,等.考虑电动汽车响应的光储微电网储能优化配置[J].太阳能学报,2020,41(4):340-347.YANGLijun,YANGBo,ANLiming,etal.OptimalConfigurationofGrid-ConnectedPV-and-StorageMicro-GridConsideringEvs’DemandResponse[J].ActaEnergiaeSolarisSinica,2020,41(4):340-347.(inChinese)[31]史一炜,冯冬涵,ZHOUE,等.基于主从博弈的充电服务商充电引导方法及其定价策略[J].电工技术学报,2019,34(S2):742-751.SHIYiwei,FENGDonghan,ZHOUE,etal.StackelbergGameBasedonSupervisedChargingMethodandPricingStrategyofChargingServiceProviders[J].TransactionsofChinaElectrotechnicalSociety,2019,34(S2):742-751.(inChinese)[32]杨国清,罗航,王德意,等.分时电价与电动汽车优化调度的主从博弈模型[J].电力系统及其自动化学报,2018,30(10):55-60.YANGGuoqing,LUOHang,WANGDeyi,etal,423汽车工程学报第12卷Leader-FollowerGameModelofTime-of-UseElectricityPriceandOptimizedPlug-inElectricVehicleDispatching[J].ProceedingsoftheCSU-EPSA,2018,30(10):55-60.(inChinese)[33]陈吕鹏,潘振宁,余涛,等.基于动态非合作博弈的大规模电动汽车实时优化调度[J].电力系统自动化,2019,43(24):32-40,66.CHENLüpeng,PANZhenning,YUTao,etal.Real-TimeOptimalDispatchforLarge-ScaleElectricVehiclesBasedonDynamicNon-CooperativeGameTheory[J].AutomationofElectricPowerSystem,2019,43(24):32-40,66.(inChinese)[34]陆凌蓉,文福拴,薛禹胜,等.电动汽车提供辅助服务的经济性分析[J].电力系统自动化,2013,37(14):43-49,58.LULingrong,WENFushuan,XUEYusheng,etal.EconomicAnalysisofAncillaryServiceProvisionbyPlug-inElectricVehicles[J].AutomationofElectricPowerSystem,2013,37(14):43-49,58.(inChinese)[35]魏一凡,韩雪冰,卢兰光,等.面向碳中和的新能源汽车与车网互动技术展望[J].汽车工程,2022,44(4):449-464.WEIYifan,HANXuebing,LULanguang,etal.TechnologyProspectsofCarbonNeutrality-OrientedNew-EnergyVehiclesandVehicle-GridInteraction[J].AutomotiveEngineering,2022,44(4):449-464.(inChinese)[36]赵德洁.考虑电转氢的电-车优化调度研究[D].北京:华北电力大学,2021.ZHAODejie.ResearchonOptimalSchedulingofElectri-cityandVehicleConsideringPowertoHydrogen[D].Beijing:NorthChinaElectricPowerUniversity,2021.(inChinese)[37]KEMPTONW,LETENDRESE.ElectricVehiclesasaNewPowerSourceforElectricUtilities[J].TransportResearchPartD-TransportandEnvironment,1997,2(3):157-175.[38]SORTOMMEE,EL-SHARKAWIMA.OptimalChargingStrategiesforUnidirectionalVehicle-to-Grid[J].IEEETransactionsonSmartGrid,2011,2(1):131-138.[39]祝月艳,石红,方海峰.我国电动汽车与电网协同发展现状分析与发展建议[J].汽车工业研究,2021(4):8-11.ZHUYueyan,SHIHong,FANGHaifeng.AnalysisoftheCurrentSituationandDevelopmentSuggestionsfortheSynergisticDevelopmentofElectricVehiclesandPowerGridsinChina[J].AutoIndustryResearch,2021(4):8-11.(inChinese)[40]陈中飞,荆朝霞,陈达鹏,等.美国调频辅助服务市场的定价机制分析[J].电力系统自动化,2018,42(12):1-10.CHENZhongfei,JINGZhaoxia,CHENDapeng,etal.AnalysisonPriceingMechanisminFrequencyRegulationAcillaryServiceMarketofUnitedState[J].AutomationofElectricPowersystem,2018,42(12):1-10.(inChinese)[41]温剑锋,陶顺,肖湘宁,等.基于出行链随机模拟的电动汽车充电需求分析[J].电网技术,2015,39(6):1477-1484.WENJianfeng,TAOShun,XIAOXiangning,AnalysisonChargingDemandofEVBasedonStochasticSimulationofTripChain[J].PowerSystemTechnology,2015,39(6):1477-1484.(inChinese)[42]邵尹池,穆云飞,余晓丹,等.“车–路–网”模式下电动汽车充电负荷时空预测及其对配电网潮流的影响[J].中国电机工程学报,2017,37(18):5207-5219.SHAOYinchi,MUYunfei,YUXiaodan,etal.ASpatial-TemporalChargingLoadForecastandImpactAnalysisMethodforDistributionNetworkUsingEVs-Traffic-DistributionModel[J].ProceedingsoftheCSEE,2017,37(18):5207-5219.(inChinese)[43]张智禹,王致杰,杨皖昊,等.基于充电需求预测的电动汽车充电站选址规划研究[J].电测与仪表,2021-09-09,https://kns.cnki.net/kcms/detail/23.1202.TH.20210909.1052.002.html.ZHANGZhiyu,WANGZhijie,YANGWanhao,etal.ResearchonLocationPlanningofElectricVehicleChargingStationBasedonPredictionofChargingDemand[J].ElectricalMeasurement&Instrumentation,2021-09-09,https://kns.cnki.net/kcms/detail/23.1202.TH.20210909.1052.002.html.(inChinese)[44]苏舒,林湘宁,张宏志,等.电动汽车充电需求时空分布动态演化模型[J].中国电机工程学报,2017,37(16):4618-4629.SUShu,LINXiangning,ZHANGHongzhi,etal.SpatialandTemporalDistributionModelofElectricVehicleChargingDemand[J].ProceedingsoftheCSEE,2017,37(16):4618-4629.(inChinese)[45]GUOQinglai,XINShujun,SUNHongbin,etal.Rapid-ChargingNavigationofElectricVehiclesBasedonReal-TimePowerSystemsandTrafficData[J].IEEETransactionsonSmartGrid,2014,5(4):1969-1979.[46]严弈遥,罗禹贡,朱陶,等.融合电网和交通网信息的电动车辆最优充电路径推荐策略[J].中国电机工程学424第4期吴佳琦等:电动汽车与电网互动的关键问题研究综述报,2015,35(2):310-318.YANYiyao,LUOYugong,ZHUTao,etal.OptimalChargingRouteRecommendationMethodBasedonTransportationandDistributionInformation[J].ProceedingsoftheCSEE,2015,35(2):310-318.(inChinese)[47]邢强,陈中,冷钊莹,等.基于实时交通信息的电动汽车路径规划和充电导航策略[J].中国电机工程学报,2020,40(2):534-550.XINGQiang,CHENZhong,LENGZhaoying,etal.RoutePlanningandChargingNavigationStrategyforElectricVehiclesBasedonReal-TimeTrafficInformation[J].ProceedingsoftheCSEE,2020,40(2):534-550.(inChinese)[48]张聪,张祥文,夏俊荣,等.电动汽车实时可调度容量评估方法研究[J].电力系统保护与控制,2015,43(22):99-106.ZHANGCong,ZHANGXiangwen,XIAJunrong,etal.ResearchonEstimationofElectricVehiclesReal-TimeSchedulableCapacity[J].PowerSystemProtectionandControl,2015,43(22):99-106.(inChinese)[49]何晨颖,耿天翔,许晓慧,等.利用电动汽车可调度容量辅助电网调频研究[J].电力系统保护与控制,2015,43(22):134-140.HEChenying,GENGTianxiang,XUXiaohui,etal.ResearchonGridFrequencyRegulationUsingSchedulableCapacityofElectricVehicles[J].PowerSystemProtectionandControl,2015,43(22):134-140.(inChinese)[50]师景佳,袁铁江,KHANSA,等.计及电动汽车可调度能力的风/车协同参与机组组合策略[J].高电压技术,2018,44(10):3433-3440.SHIJingjia,YUANTiejiang,KHANSA,etal.UnitCommitmentStrategyConsideringCooperatedDispatchofElectricVehiclesBasedonSchedulingCapacityandWindPowerGeneration[J].HighVoltageEngineering,2018,44(10):3433-3440.(inChinese)[51]王守相,陈建凯,王洪坤,等.综合考虑电动汽车充电与储能及可中断负荷调度的配电网两阶段灵活性提升优化方法[J].电力自动化设备,2020,40(11):1-10.WANGShouxiang,CHENJiankai,WANGHongkun,etal.Two-StageFlexibilityImprovementOptimizationMethodofDistributionNetworkConsideringEVChargingandSchedulingofEnergyStorageandInterruptibleLoads[J].ElectricPowerAutomationEquipment,2020,40(11):1-10.(inChinese)[52]SORTOMMEE,HINDIMM,MACPHERSONSDJ,etal.CoordinatedChargingofPlug-inHybridElectricVehiclestoMinimizeDistributionSystemLosses[J].IEEETransactionsonSmartGrid,2011,2(1):198-205.[53]王毅,王飞宏,侯兴哲,等.住宅区电动汽车充电负荷随机接入控制策略[J].电力系统自动化,2018,42(20):53-58.WANGYi,WANGFeihong,HOUXingzhe,etal.RandomAccessControlStrategyofChargingforHouseholdElectricVehicleinResidentialArea[J].AutomationofElectricPowerSystem,2018,42(20):53-58.(inChinese)[54]张建业,何玲,周晓欢,等.电动汽车充电预约的安全认证技术研究[J].电测与仪表,2021-04-30,https://kns.cnki.net/kcms/detail/23.1202.TH.20210430.1037.004.html.ZHANGJianye,HELing,ZHOUXiaohuan,etal.ResearchontheAuthenticatedElectricVehicleChargingReservationScheme[J].ElectricalMeasurement&Instrumentation,2021-04-30,https://kns.cnki.net/kcms/detail/23.1202.TH.20210430.1037.004.html.(inChinese)[55]徐智威,胡泽春,宋永华,等.基于动态分时电价的电动汽车充电站有序充电策略[J].中国电机工程学报,2014,34(22):3638-3646.XUZhiwei,HUZechun,SONGYonghua,etal.Coordi-natedChargingStrategyforPEVChargingStationsBasedonDynamicTime-of-UseTariffs[J].ProceedingsoftheCSEE,2014,34(22):3638-3646.(inChinese)[56]佟晶晶,温俊强,王丹,等.基于分时电价的电动汽车多目标优化充电策略[J].电力系统保护与控制,2016,44(1):17-23.TONGJingjing,WENJunqiang,WANGDan,etal.Multi-ObjectiveOptimizationChargingStrategyforPlug-inElectricVehiclesBasedonTime-of-UsePrice[J].PowerSystemProtectionandControl,2016,44(1):17-23.(inChinese)[57]陈明强,高健飞,畅国刚,等.V2G模式下微网电动汽车有序充电策略研究[J].电力系统保护与控制,2020,48(8):141-148.CHENMingqiang,GAOJianfei,CHANGGuogang,etal.ResearchonOrderlyChargingStrategyofMicro-GridElectricVehiclesinV2GModel[J].PowerSystemProtectionandControl,2020,48(8):141-148.(inChinese)[58]杨健维,董鸿志,廖凯,等.计及电动汽车辅助调频的负荷频率控制联合优化[J].电力自动化设备,2019,39(3):200-206.YANGJianwei,DONGHongzhi,LIAOKai,etal.JointOptimizationofLoadFrequencyControlConsidering425汽车工程学报第12卷AuxiliaryFrequencyRegulationofElectricVehicles[J].ElectricPowerAutomationEquipment,2019,39(3):200-206.(inChinese)[59]HUJunjie,MORAISH,SOUSAT,etal.ElectricVehicleFleetManagementinSmartGrids:AReviewofServices,OptimizationandControlAspects[J].RenewableandSustainableEnergyReviews,2016,56:1207-1226.[60]姚伟锋,赵俊华,文福拴,等.集中充电模式下的电动汽车调频策略[J].电力系统自动化,2014,38(9):69-76.YAOWeifeng,ZHAOJunhua,WENfushuan,etal.FrequencyRegulationStrategyforElectricVehicleswithCentralizedCharging[J].AutomationofElectricPowerSystem,2014,38(9):69-76.(inChinese)[61]鲍谚,贾利民,姜久春,等.电动汽车移动储能辅助频率控制策略的研究[J].电工技术学报,2015,30(11):115-126.BAOYan,JIALimin,JIANGJiuchun,etal.ResearchontheControlStrategyofElectricVehicleMobileEnergyStorageinAncillaryFrequencyRegulation[J].TransactionsofChinaElectrotechnicalSociety,2015,30(11):115-126.(inChinese)[62]KAURK,SINGHM,KUMARN.MultiobjectiveOptimizationforFrequencySupportUsingElectricVehicles:AnAggregator-BasedHierarchicalControlMechanism[J].IEEESystemsJournal,2019,13(1):771-782.[63]张谦,周林,周雒维,等.计及电动汽车充放电静态频率特性的负荷频率控制[J].电力系统自动化,2014,38(16):74-80.ZHANGQian,ZHOULin,ZHOULuowei,etal.LoadFrequencyControlforChargingandDischargingStaticFrequencyCharacteristicsofElectricVehicles[J].AutomationofElectricPowerSystem,2014,38(16):74-80.(inChinese)[64]ZHANGQian,LIYan,LIChen,etal.GridFrequencyRegulationStrategyConsideringIndividualDrivingDemandofElectricVehicle[J].ElectricPowerSystemResearch,2018,163:38-48.[65]李嫣.微电网内电动汽车及风光机组协同二次调频策略[D].重庆:重庆大学,2020.LIYan.CoordinatedSecondaryFrequencyRegulationStrategyofElectricVehiclesandWind/PhotovoltaicGenerationinMicro-Grid[D].Chongqing:ChongqingUniversity,2020.(inChinese)[66]ZHANGQian,LIYan,LIChen,etal.Real-TimeAdjustmentofLoadFrequencyControlBasedonControllableEnergyofElectricVehicles[J].TransactionsoftheInstituteMeasurmentandControl,2020,42(1):42-54.[67]张谦,邓小松,岳焕展,等.计及电池寿命损耗的电动汽车参与能量-调频市场协同优化策略[J].电工技术学报,2022,37(1):72-81.ZHANGQian,DENGXiaosong,YUEHuanzhan,etal.CoordinatedOptimizationStrategyofElectricVehicleClusterParticipatinginEnergyandFrequencyRegulationMarketsConsideringBatteryLifetimeDegradation[J].TransactionsofChinaElectrotechnicalSociety,2022,37(1):72-81.(inChinese)[68]刘其辉,逯胜建.参与微电网调频的电动汽车虚拟同步机充放电控制策略[J].电力系统自动化,2018,42(9):171-179.LIUQihui,LUShenjian.ChargingandDischargingControlStrategyBasedonVirtualSynchronousMachineforParticipatinginMicrogridFrequencyRegulation[J].AutomationofElectricPowersystem,2018,42(9):171-179.(inChinese)[69]袁桂丽,苏伟芳.计及电动汽车不确定性的虚拟电厂参与AGC调频服务研究[J].电网技术,2020,44(7):2538-2548.YUANGuili,SUWeifang.VirtualPowerPlantsProvidingAGCFMServiceConsideringUncertaintyofElectricVehicles[J].PowerSystemTechnology,2020,44(7):2538-2548.(inChinese)[70]ZHONGJin,HELina,LICanbing,etal.CoordinatedControlforLarge-ScaleEVChargingFacilitiesandEnergyStorageDevicesParticipatinginFrequencyRegulation[J].AppliedEnergy,2014,123:253-262.[71]WANGMingshen,MUYunfei,JIAHongjie,etal.APreventiveControlStrategyforStaticVoltageStabilityBasedonanEfficientPowerPlantModelofElectricVehicles[J].JournalofModernPowerSystemsandCleanEnergy,2015,3(1):103-113.[72]ZHANGQian,LIYan,DINGZhuwei,etal.Self-AdaptiveSecondaryFrequencyRegulationStrategyofMicro-GridwithMultipleVirtualSynchronousGenerators[J].IEEETransactionsonIndustryApplications,2020,56(5):6007-6018.[73]ZHANGQian,LIYan,LIChen,etal.CoordinatedSecondaryFrequencyRegulationStrategyofDoubly-FedInductionGeneratorandElectricVehicle[J].AppliedSciences,2019,9(14):2815.426第4期吴佳琦等:电动汽车与电网互动的关键问题研究综述[74]孟健,葛贤军,陈乃仕,等.实时电价下电动汽车变参与度动态频率控制策略[J].电力建设,2015,36(7):153-159.MENGJian,GEXianjun,CHENNaishi,etal.EVDynamicLFCStrategywithVariableParticipationFactorUnderRTP[J].ElectricPowerConstruction,2015,36(7):153-159.(inChinese)[75]陈中,刘艺,陈轩,等.考虑移动储能特性的电动汽车充放电调度策略[J].电力系统自动化,2020,44(2):77-85.CHENZhong,LIUYi,CHENXuan,etal.ChargingandDischargingDispatchingStrategyforElectricVehiclesConsideringCharacteristicsofMobileEnergyStorage[J].AutomationofElectricPowersystem,2020,44(2):77-85.(inChinese)[76]刘坚.电动汽车储能技术应用潜力及功能定位研究[J].全球能源互联网,2020,3(1):44-50.LIUJian.AnAnalysisontheApplicationPotentialandPositionofElectricVehicleEnergyStorage[J].JournalofGlobalEnergyInterconnection,2020,3(1):44-50.(inChinese)[77]李志伟,赵书强,刘应梅.电动汽车分布式储能控制策略及应用[J].电网技术,2016,40(2):442-450.LIZhiwei,ZHAOShuqiang,LIUYingmei.ControlStrategyandApplicationofDistributedElectricVehicleEnergyStorage[J].PowerSystemTechnology,2016,40(2):442-450.(inChinese)[78]王贵斌,赵俊华,文福拴,等.配电系统中电动汽车与可再生能源的随机协同调度[J].电力系统自动化,2012,36(19):22-29.WANGGuibin,ZHAOJunhua,WENFushuan,etal.StochasticOptimizationDispatchofPlug-inHybridElectricVehiclesinCoorinationwithRenewableEnergyinDistributionSystems[J].AutomationofElectricPowerSystem,2012,36(19):22-29.(inChinese)[79]王锡凡,邵成成,王秀丽,等.电动汽车充电负荷与调度控制策略综述[J].中国电机工程学报,2013,33(1):1-10.WANGXifan,SHAOChengcheng,WANGXiuli,etal.SurveyofElectricVehicleChargingLoadandDispatchControlStrategies[J].ProceedingsoftheCSEE,2013,33(1):1-10.(inChinese)[80]张谦,刘超,周林,等.计及可入网电动汽车最优时空分布的双层经济调度模型[J].电力系统自动化,2014,38(20):40-45.ZHANGQian,LIUChao,ZHOULin,etal.ABi-LevelEconomyDispatchModelConsideringTemporalandSpatialOptimalDistributionofElectricVehicles[J].AutomationofElectricPowerSystemns,2014,38(20):40-45.(inChinese)[81]张谦,蔡家佳,刘超,等.基于优先权的电动汽车集群充放电优化控制策略[J].电工技术学报,2015,30(17):117-125.ZHANGQian,CAIJiajia,LIUChao,etal.OptimalControlStrategyBasedonthePriorityofClusterChargingandDischargingofElectricVehicles[J].TransactionsofChinaElectrotechnicalSociety,2015,30(17):117-125.(inChinese)[82]ZHANGQian,LIUHuazhen,LIChen.AHierarchicalDispatchModelforOptimizingReal-TimeChargingandDischargingStrategyofElectricVehicles[J].IEEJTransactionsonElectricalandElectronicEngineering,2018,13(4):537-548.[83]刘超.计及电动汽车最优时空分布的分级调度模型研究[D].重庆:重庆大学,2014.LIUChao.AHierarchicalDispatchingModelConsideringTemporalandSpatialOptimalDistributionofElectricVehicles[D].Chongqing:ChongqingUniversity,2014.(inChinese)[84]WENZELG,NEGRETE-PINCETICM,OLIVARESDE,etal.Real-TimeChargingStrategiesforanElectricVehicleAggregatortoProvideAncillaryServices[J].IEEETransactionsonSmartGrid,2018,9(5):5141-5151.[85]LIUHui,HUANGKai,WANGNi,etal.OptimalDispatchforParticipationofElectricVehiclesinFrequencyRegulationBasedonAreaControlErrorandAreaRegulationRequirement[J].AppliedEnergy,2019,240:46-55.[86]杨家琪,喻洁,田宏杰,等.考虑新能源性能风险的调频辅助服务市场出清与调度策略[J].电力系统自动化,2020,44(8):66-73.YANGJiaqi,YUJie,TIANHongjie,etal.ClearingandSchedulingStrategyofFrequencyRegulationAncillaryServiceMarketConsideringPerformanceRiskofRenewableEnergy[J].AutomationofElectricPowerSystems,2020,44(8):66-73.(inChinese)[87]高亚静,王辰,吕孟扩,等.计及车主满意度的电动汽车最优峰谷分时电价模型[J].电力自动化设备,2014,34(2):8-13.GAOYajing,WANGChen,LYUMengkuo,etal.OptimalTime-of-UsePriceModelConsideringSatisfactionDegreeofElectricVehicleOwners[J].ElectricPowerAutomationEquipment,2014,34(2):8-13.(inChinese)427汽车工程学报第12卷[88]麻秀范,王超,洪潇,等.基于实时电价的电动汽车充放电优化策略和经济调度模型[J].电工技术学报,2016,31(S1):190-202.MAXiufan,WANGChao,HONGXiao,etal.OptimalSchedulingofChargingandDischargingofElectricVehicleBasedonRealTimePriceandEconomicDispatchModel[J].TransactionsofChinaEletrotechnicalSociety,2016,31(S1):190-202.(inChinese)[89]李明洋,邹斌.电动汽车充放电决策模型及电价的影响分析[J].电力系统自动化,2015,39(15):75-81.LIMingyang,ZOUBin.ChargingandDischargingDecision-MakingModelofElectricVehiclesandtheInfluenceAnalysisofElectricityPrice[J].AutomationofElectricPowerSystem,2015,39(15):75-81.(inChinese)[90]ZHANGQian,HUYue,TANWeiyu,etal.DynamicTime-of-UsePricingStrategyforElectricVehicleChargingConsideringUserSatisfactionDegree[J].AppliedSciences,2020,10(9):23.[91]史乐峰,吕胜男,吕通.考虑动态损失厌恶的V2G市场交易激励机制设计[J].管理工程学报,2021,35(2):233-242.SHILefeng,LYUShengnan,LYUTong.TransactionIncentiveMechanismDesigninV2GMarketConsideringDynamicLossAversion[J].JournalofIndustrialEnginee-ringandEngineeringManagement,2021,35(2):233-242.(inChinese)[92]闫志杰,张蕊萍,董海鹰,等.基于需求响应的电动汽车充放电电价与时段研究[J].电力系统保护与控制,2018,46(15):16-22.YANZhijie,ZHANGRuiping,DONGHaiying.PriceandPeriodResearchofElectricVehiclesChargingandDischargingBasedonDemandResponse[J].PowerSystemProtectionandControl,2018,46(15):16-22.(inChinese)[93]崔金栋,罗文达,周念成.基于多视角的电动汽车有序充放电定价模型与策略研究[J].中国电机工程学报,2018,38(15):4438-4450.CUIJindong,LUOWenda,ZHOUNiancheng.ResearchonPricingModelandStrategyofElectricVehicleChargingandDischargingBasedonMultiView[J].ProceedingsoftheCSEE,2018,38(15):4438-4450.(inChinese)[94]丁铸玮.基于博弈方法的电动汽车充放电电价制定策略及其应用研究[D].重庆:重庆大学,2020.DINGZhuwei.ResearchonStrategyandApplicationofChargingandDischargingElectricityPriceforElectricVehiclesBasedonGameTheory[D].Chongqing:ChongqingUniversity,2020.(inChinese)[95]YANGPeng,TANGGongguo,NEHORAIA.AGame-TheoreticApproachforOptimalTime-of-UseElectricityPricing[J].IEEETransactionsonPowerSystems,2013,28(2):884-892.[96]程杉,陈梓铭,徐康仪,等.基于合作博弈与动态分时电价的电动汽车有序充放电方法[J].电力系统保护与控制,2020,48(21):15-21.CHENGShan,CHENZiming,XUKangyi,etal.AnOrderlyChargingandDischargingMethodforElectricVehiclesBasedonaCooperativeGameandDynamicTime-of-UsePrice[J].PowerSystemProtectionandControl,2020,48(21):15-21.(inChinese)[97]ZHANGQian,DINGZhuwei,TANWeiyu,etal.NegotiationStrategyofDischargingPriceBetweenPowerGridandElectricVehiclesConsideringMulti-Agent[J].IETGenerationTransmissionDistribution,2020,14(5):833-844.[98]KOKS,HANS,SUNGDK.Performance-BasedSettlementofFrequencyRegulationforElectricVehicleAggregators[J].IEEETransactionsonSmartGrid,2018,9(2):866-875.[99]ALUISIOB,CONSERVAA,DICORATOM,etal.OptimalOperationPlanningofV2G-EquippedMicrogridinThePresenceofEVAggregator[J].ElectricPowerSystemsResearch,2017,152:295-305.[100]艾圣芳.考虑电动汽车V2G效应的配电网规划研究[D].武汉:华中科技大学,2013.AIShengfang.StudyoftheDistributionNetworkPlanningConsideringV2GEffectofElectricVehicles[D]Wuhan:HuazhongUniversityofScience&Technology,2013.(inChinese)[101]江凯,刘达伟,王万平,等.含可入网电动汽车(V2G)和分布式电源的配电网优化规划[J].电器与能效管理技术,2014,(12):39-44,57.JIANGKai,LIUDawei,WANGWanping,etal.DistributionNetworkStochasticPlanningIncludingElectricV2GandDistributedGeneration[J].Electrical&EnergyManagementTechnology,2014,(12):39-44,57.(inChinese)[102]NWORGUOA,CHUKWUUC,OKEZIECG,etal.EconomicProspectsandMarketOperationsofV2GinElectricDistributionNetwork[C]//ProceedingsoftheIEEE/PESTransmissionandDistributionConferenceandExposition(T&D),May3-5,2016,Dallas,TX,USA.PiscatawayNJ:IEEE:2016.428第4期吴佳琦等:电动汽车与电网互动的关键问题研究综述[103]杨晓东,张有兵,翁国庆,等.基于虚拟电价的电动汽车充放电优化调度及其实现机制研究[J].电工技术学报,2016,31(17):52-62.YANGXiaodong,ZHANGYoubing,WENGGuoqing,etal.VirtualTime-of-UseTariffsBasedOptimalSchedulingandImplementationMechanismofElectricVehiclesChargingandDischarging[J].TransactionsofChinaElectrotechnicalSociety,2016,31(17):52-62.(inChinese)[104]叶丽雅,汪震,文福拴,等.V2G代理商调频服务经济效益评估[J].浙江大学学报(工学版),2016,50(9):1831-1840.YELiya,WANGZhen,WENFushuan,etal.EconomicBenefitEvaluationofV2GAggregatorforFrequencyRegulation[J].JournalofZhejiangUniversity(Enginee-ringScience),2016,50(9):1831-1840.(inChinese)[105]HANS,HANS,SEZAKIK.DevelopmentofanOptimalVehicle-to-GridAggregatorforFrequencyRegu-lation[J].IEEETransactionsonSmartGrid,2010,1(1):65-72.[106]ARSLANO,KARASANOE.CostandEmissionImpactsofVirtualPowerPlantFormationinPlug-inHybridElectricVehiclePenetratedNetworks[J].Energy,2013,60:116-124.[107]陈开明,王红钢.燃料电池电动汽车的发展及技术关键[J].中国科技财富,2008(9):107.CHENKaiming,WANGHonggang.DevelopmentandTechnologyKeyofFuelCellElectricVehicles[J].ChinaScienceandTechnologyWealth,2008(9):107.(inChinese)[108]AHNK,RAKHAHA.DevelopingaHydrogenFuelCellVehicle(HFCV)EnergyConsumptionModelforTransportationApplications[J].Energies,2022,15(2):15.[109]LIYuanzheng,NIZhixian,LIUYun,etal.CoupledMultinetworkConstrainedPlanningofEnergySupplyingFacilitiesforHybridHydrogen-ElectricVehicles[J].IEEETransactionsonIndustryApplications,2022,58(2):2848-2862.[110]GUILBERTD,VITALEG.HydrogenasaCleanandSustainableEnergyVectorforGlobalTransitionfromFossil-BasedtoZero-Carbon[J].CleanTechnol,2021,3(4):881-909.[111]程林,张靖,黄仁乐,等.基于多能互补的综合能源系统多场景规划案例分析[J].电力自动化设备,2017,37(6):282-287.CHENGLin,ZHANGJing,HUANGRenle,etal.CaseAnalysisofMulti-ScenarioPlanningBasedonMulti-EnergyComplementationforIntegratedEnergySystem[J].ElectricPowerAutomationEquipment,2017,37(6):282-287.(inChinese)[112]屈小云,吴鸣,李奇,等.多能互补综合能源系统综合评价研究进展综述[J].中国电力,2021,54(11):153-163.QUXiaoyun,WUMing,LIQi,etal.ReviewonComprehensiveEvaluationofMulti-EnergyComplemen-taryIntegratedEnergySystems[J].ElectricPower,2021,54(11):153-163.(inChinese)[113]陈中,陈妍希,车松阳.新能源汽车一体充能站框架及能量优化调度方法[J].电力系统自动化,2019,43(24):41-49.CHENZhong,CHENYanxi,CHESongyang.FrameworkofIntegratedChargingStationforRenewableEnergyVehicleandEnergyOptimalDispatchingMethod[J].AutomationofElectricPowerSystem,2019,43(24):41-49.(inChinese)[114]钟磊.基于价格博弈的电氢汽车充放能协调调度研究[D].沈阳:沈阳工业大学,2021.ZHONGLei.ResearchonCoordinationandSchedulingofElectric-HydrogenVehicleChargingandDischargingBasedonPriceGame[D].Shenyang:ShenyangUniver-sityofTechnology,2021.(inChinese)[115]FUP,PUDJIANTOD,ZHANGX,etal.IntegrationofHydrogenintoMulti-EnergySystemsOptimisation[J].Energies,2020,13(7):19.[116]李景丽,时永凯,张琳娟,等.考虑电动汽车有序充电的光储充电站储能容量优化策略[J].电力系统保护与控制,2021,49(7):94-102.LIJingli,SHIYongkai,ZHANGLinjuan,etal.OptimizationStrategyfortheEnergyStorageCapacityofaChargingStationwithPhotovoltaicandEnergyStorageConsideringOrderlyChargingofElectricVehicles[J].PowerSystemProtectionandControl,2021,49(7):94-102.(inChinese)[117]YANGHongming,YANGSongping,XUYan,etal.ElectricVehicleRouteOptimizationConsideringTime-of-UseElectricityPricebyLearnablePartheno-GeneticAlgorithm[J].IEEETransactionsonSmartGrid,2015,6(2):657-666.[118]魏韡,陈玥,刘锋,等.基于主从博弈的智能小区代理商定价策略及电动汽车充电管理[J].电网技术,2015,39(4):939-945.429汽车工程学报第12卷WEIWei,CHENYue,LIUFeng,etal.StackelbergGameBasedRetailerPricingSchemeandEVChargingManagementinSmartResidentialArea[J].PowerSystemTechnology,2015,39(4):939-945.(inChinese)[119]张良,严正,冯冬涵,等.采用两阶段优化模型的电动汽车充电站内有序充电策略[J].电网技术,2014,38(4):967-973.ZHANGLiang,YANZheng,FENGDonghan,etal.Two-StageOptimizationModelBasedCoordinatedChargingforEVChargingStation[J].PowerSystemTechnology,2014,38(4):967-973.(inChinese)[120]李怡然,张姝,肖先勇,等.V2G模式下计及供需两侧需求的电动汽车充放电调度策略[J].电力自动化设备,2021,41(3):129-135,143.LIYiran,ZHANGShu,XIAOXianyong,etal.ChargingandDischargingSchedulingStrategyofEvsConsideringDemandsofSupplySideandDemandSideUnderV2GMode[J].ElectricPowerAutomationEquipment,2021,41(3):129-135,143.(inChinese)[121]张怡冰,刘其辉,洪晨威,等.基于模糊控制的区域电动汽车入网充放电调度策略[J].电力自动化设备,2019,39(7):147-153.ZHANGYibing,LIUQihui,HONGChenwei,etal.ChargingandDischargingDispatchStrategyofRegionalV2GBasedonFuzzyControl[J].ElectricPowerAutomationEquipment,2019,39(7):147-153.(inChinese)[122]李咸善,杨宇翔.基于双向电价补偿的含氢储能风电和梯级水电联合优化调度[J].电网技术,2020,44(9):3297-3306.LIXianshan,YANGYuxiang.OptimizationDispatchingforJointOperationofHydrogenStorage-WindPowerandCascadeHydropowerStationBasedonBidirectionalElectricityPriceCompensation[J].PowerSystemTechnology,2020,44(9):3297-3306.(inChinese)[123]赵军超,陈洁,马小晶,等.计及调度计划与经济性的风/氢系统储能容量优化[J].电测与仪表,2018,55(24):94-99.ZHAOJunchao,CHENJie,MAXiaojing,etal.EnergyStorageCapacityOptimizationforWindPower/HydrogenSystemConsideringDispatchingProgramandEconomy[J].ElectricalMeasurement&Instrumen-tation,2018,55(24):94-99.(inChinese)[124]万立新,陆立民,陆怀谷,等.基于主从博弈的电氢综合能源系统优化运行方法[J].电器与能效管理技术,2021(7):14-22.WANLixin,LULinmin,LUHuaigu,etal.OptimalOperationMethodofElectric-HydrogenIntegratedEnergySystemBasedonMaster-SlaveGame[J].Electrical&EnergyManagementTechnology,2021(7):14-22.(inChinese)作者简介吴佳琦(1998-),女,江苏无锡人,硕士研究生,主要研究方向为电动汽车与电网互动技术。Tel:13812045247E-mail:277981086@qq.com通信作者张谦(1980-),女,四川内江人,博士,副教授,主要研究方向为电动汽车与电网互动、电力市场和分布式能源入网。Tel:18523180411E-mail:zhangqian@cqu.edu.cn430

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

碳中和
已认证
内容提供者

碳中和

确认删除?
回到顶部
微信客服
  • 管理员微信
QQ客服
  • QQ客服点击这里给我发消息
客服邮箱