logo资料库

电动汽车充电对电力系统的影响及其对策.pdf

发布时间：2022-05-30 发布人：admin 分类：说明书 资料大小：1.15M 资料格式：pdf 举报 版权申诉
第1页 / 共10页
第2页 / 共10页
第3页 / 共10页
第4页 / 共10页
第5页 / 共10页
第6页 / 共10页
第7页 / 共10页
第8页 / 共10页
资料共10页，剩余部分请下载后查看
    电力正文2.pdf
    1-70.pdf
    1-81.pdf
    1-70.pdf
    电力正文.pdf
    71-81
    电力正文1.pdf
    71-81
    电力正文1.pdf
    82-83
    电力正文.pdf
    84
    电力正文1.pdf
    85-97
    电力正文.pdf
    98
    电力正文1.pdf
    99-171
    电力正文.pdf
    电力正文
    1-70.pdf
    1-81.pdf
    1-70.pdf
    电力正文.pdf
    71-81
    电力正文1.pdf
    71-81
    电力正文1.pdf
    82-83
    电力正文.pdf
    84
    电力正文1.pdf
    85-97
    电力正文.pdf
    98
    电力正文1.pdf
    99-171
    电力正文.pdf
    第 35 卷第 6 期 ２０15 年 6 月 电 力 自 动 化 设 备 Ｅｌｅｃｔｒｉｃ Ｐｏｗｅｒ Ａｕｔｏｍａｔｉｏｎ Ｅｑｕｉｐｍｅｎｔ Ｖｏｌ．35 Ｎｏ．6 Jun. ２０15 电动汽车充电对电力系统的影响及其对策 （1. 华南理工大学 电力学院，广东 广州 510640；2. 浙江大学 电气工程学院，浙江 杭州 310027） 郭建龙 1，文福拴 2 摘要： 归纳电动汽车有序充电研究的要点和现状，包括充电负荷描述、充电影响仿真、有序充电的策略方法。 基于建模机理，把负荷描述归纳为基于充电行为机理、概率模型以及智能算法 3 类，对影响充电负荷的各个 因素及其相互关系进行分析，指出基于概率统计的随机方法是分析大量电动汽车随机充电行为的主要建模 方法，充电影响因素的精确模拟是模型进一步改善的方向；从对系统可靠性影响、对电能质量影响和对系统 运行经济性影响 3 个维度概述大量电动汽车充电接入对系统的影响，分析充电影响的模拟结果及调控方法， 指出在充电影响仿真中需更多地计及充电的随机分散特性，充电影响的暂态过程也值得关注；针对有序充电 的策略方法，归纳为基于最优经济运行的充电模型、最优市场机制和商业运营模式、时空有序性 3 类方法，3 类方法本质上归结为随机系统的最优化问题。 展望指出配电系统的规划与电动汽车充电站有序充电之间的 关系研究及换电模式下充电电价的定价理论需进一步深入研究，为实现时间、空间 2 个维度上的有序充电提 供理论依据。 关键词： 电力系统； 电动汽车； 充电负荷； 充电影响； 有序充电； 模型 中图分类号： TM 7３；Ｕ 469.72 文献标识码： A DOI： 10.16081 ／ j.issn.1006-6047.2015.06.001 0 引言 电动汽车（EVs）以电作为动力驱动汽车，是一种 零排放或低排放的绿色交通工具。 电动汽车的推广 和使用无疑给能源危机、环境污染、气候变暖等问题 提供了一个解决途径，不仅可以实现低碳环保，而且 可以消纳不同形式的可再生能源。 特别是插入式混 合动力电动汽车 （PHEVs）的出现 ，可 以 充 分 利 用 现 有的配电系统实现车和电网的互联，作为充电负荷， 可以有效平衡峰谷差，提高电网利用率；作为分布式 储能装置，通过向电网回馈电能以提供旋转备用，参 与频率调节。 大量电动汽车接入电网充电时 ，在没有调节控 制情况下（本文定义为自然充电状态 ），电动汽车充 电具有时间和空间上的不确定性 ［1］。 基于大量实测 数 据 的 研 究 ［2鄄3］表 明 ，在 自 然 充 电 状 态 下 ，电 动 汽 车 的日充电负荷曲线与配网日负荷曲线具有一致性 。 随着电动汽车渗透率增加，配网负荷曲线可能出现 峰峰叠加，峰谷差将进一步扩大，线路变压器过负荷 风险加大，充电谐波的注入也使得供配电设备的运 行 风 险 进 一 步 增 加 ，直 接 影 响 系 统 运 行 的 可 靠 性 。 同时过负荷导致配网电压损失和功率损失增加 ，对 发电设备的容量需求将进一步增大，增加系统投入， 影响系统运行的经济性。 此时大量电动汽车有序充 收稿日期：2014 - 10 - 13；修回日期：2015 - 04 - 13 基金项目：国 家 重 点 基 础 研 究 发 展 计 划 （973 计 划 ）资 助 项 目 （2013CB228202 ） ； 国 家 自 然 科 学 基 金 资 助 项 目 （51107114 ， 51177145） Project supported by the National Basic Research Program of China（973 Program）（2013CB228202） and the National Natural Science Foundation of China（51107114，51177145） 电显得更为迫切和现实。 有序充电可理解为大量电动汽车接入充电时采 用合适的充电控制策略使得某些指标趋于最优 ，它 的效应是与大量电动汽车自然充电状态下的负面影 响相对立的。 有序充电目的就是消除汽车充电的负 面影响，发挥汽车充电积极作用，是一种大规模充电 负荷作用下各利益相关主体优化调度控制的策略。 本文将从充电负荷建模及负荷特性分析 、充电 负荷集聚对电力系统的影响、有序充电策略方法 3 个 方面对电动汽车有序充电 展开综述 ，特别是针对有 序充电实现的策略方法，从最优经济运行、最优市场 机 制 和 商 业 运 营 模 式 、基 于 时 空 维 度 的 有 序 充 电 3 个方面对实现的方法及其特点进行分析 ，基于此对 一些有待研究的关键问题进行展望。 1 电动汽车充电负荷描述 电动汽车充电负荷描述的方法可归纳为基于充 电行为机理、基于概率模型和基于启发式智能算法 3 类。 基于充电 行 为 机 理 的 确 定 性 建 模 方 法 ［2 鄄 4］建 立 在 典 型 场 景 的 试 验 数 据 基 础 上 ，结 论 缺 乏 通 用 性 。 而 且 电 动 汽 车 充 电 负 荷 缺 乏 典 型 的 历 史 数 据 和 经 验总结，基于时间序 列的传统预测方法很难有效应 用。 现代启发式算法中 ，灰色预测理论针对的是信 息 不完全系统而非随机系统 ，模糊论针对的是认知 不确定系统而非随机系统 ，神经网络模型需依赖典 型的学习训练样本 ，其他基于智能算法的现代启发 式预测方法 ［5鄄7］也很难有效应用。 基于概率统计的随
    电 力 自 动 化 设 备 第 35 卷 机方法适用于分析大量电动汽车的随机充电行为 ， 也是目前主要的充电负荷建模方法 ［８］。 该方法通过 经验假设确定充电负荷影响因素的概率分布 ，然后 的不确定性，所以某一时刻的充电功率需求也是不 确定的。 而且考虑到车主驾驶习惯 、不同类型车辆 的 出行规律、充电便利性和充电成本等因素的差异 进行多次概率抽样由概率模型预测负荷 ，不同方法 性，充电负荷在配电网中的空间分布也具有不确定 间的差异及预测精度体现在对电动汽车充电负荷影 性。 综合来看，由于充电影响因素具有随机性和多 响因素的模拟和处理上。 1.1 充电负荷影响因素 样 性，采用概率模型来描述电动汽车充电负荷是较 好的选择，但基于确定性的概率假设分布来处理有 采用概率统计的方法描述电动汽车充电负荷 ， 比较典型的就是蒙特卡洛概率抽样。 抽样对象主要 是影响电动汽车充电负荷的因素 ［９鄄１０］，包括电池荷电 状态、起始充电时刻等，同时要考虑电动汽车的渗透 率、车主的驾驶习惯、出行规律、充电电价、电池充电 特性等因素。 电动汽车初始荷电状态由相邻 2 次充 电 间 汽 车 的 平 均 行 驶 里 程 来 决 定 ， 同 时 要 考 虑 相 邻 2 次充电间车主的驾驶习惯的影响以及工作日和 节假日的区别。 起始充电时刻就是基于车辆出 行 统 计 规 律 ［1１ 鄄1２］的自然充电时刻 ，可根据车 辆 忙 闲 时 段 的分布得出可能的充电时间段 ，结合车主的驾驶习 惯确定起始充电时间分布规律。 考虑充电运营方充 电电价等政策导向作用 ，起始充电时间的自然分布 规律发生变化。 由电池的充电特性可知 ，电动汽车 在某时刻的某一充电功率需求的发生概率是由该车 的起始充电时间的概率和初始荷电状态的概率共同 决定的。 基于以上分析，本文得出电动汽车充电负荷 影响因素间的关系示意图如图 1 所示。 电动汽车充电功率需求（充电负荷） 不同类型车辆日平均行驶里程 分布规律（工作日和节假日） 不同类型车辆出行统计 规律（工作日和节假日） 相邻 ２ 次充电间的 时间间隔（驾驶习惯） 可能充电时间段内的 充电行为（驾驶习惯） 日平均行驶里程和电池 充电电价等政策的影响 初始荷电状态之间的关系 电池初始荷电状态分布 规律（工作日和节假日） 不同充电受控模式下起始 充电时刻的分布规律 （工作日和节假日） 单台电动汽车在某一时刻充电功率需求为 某一值时的概率分布（工作日和节假日） 特定类型电池的充电特性 单台电动汽车在某一时刻充电 功率需求（工作日和节假日） 电动汽车的渗透率 大量电动汽车在某个时间段的 充电负荷（工作日和节假日） 图 1 电动汽车充电负荷影响因素关系示意图 Fig.1 Schematic diagram of relations among influencing factors of electric vehicle charging loads 考虑到电动汽车初始荷电状态和起始充电时间 关因素有待改进和完善。 1.2 充电负荷概率模型 a. 概率平均模型。 文献 ［9］计及电价政策和车辆出行统计规律对 4 种不同充电模式下电动汽车的充电负荷进行概率 建模，模型考虑了起始充电时间、电池初始荷电状态 等主要充电影响因素的概率分布 ，并基于概率平均 的思想计算出各离散时间点的充电负荷 ，是典型的 关于电动汽车充电负荷概率建模的例证 ，并针对一 个 11 kV、38 节点的英 国 典 型 配 网 系 统 进 行 了 充 电 影响仿真，但建模仿真仅就英国国内私家车和商务 车展开，把起始充电时间假定为某一时间段的确定 性分布，条件太强且缺乏实际依据。 b. 蒙特卡洛抽样概率模型。 文献［13］将蒙特卡洛模拟方法引入电动汽车充 电负荷计算研究之中，使用蒙特卡洛方法抽取起始 荷电状态、起始充电时间，分析了不同类型电动汽车 在不同场合对应的充电方式及充电时段 ，并对我国 未来 20 a 的电动汽车充电负荷总量进行了预测。 但 文中假设除私家车外，其余类型车辆起始充电时间 在给定充电时段内均匀分布是不尽合理的。 c. 基于出行统计数据的概率模型。 文献［14］依据美国交通部对全美家用车辆的调 查结果，考虑了起始充电时刻和日行驶里程的概率 分布，但未考虑电池初始荷电状态 与充电功率的对 应关系，仅把充电功率假设为 满足 2 ~ 3 kW 范围内 的均匀分布，且未考虑充电电价、不同类型车辆对分 布规律的影响。 ３ 种典型概率模型的对比见表 1。 表 1 3 种典型概率模型的对比 Table 1 Comparison among three typical probability models 典型模型 特点 共同之处 概率 平均模型 ·深 入 模 拟 充 电 影 响 因 素 的 概 率 分 布规律； ·引入概率平均的思想； ·起 始 充 电 时 间 分 布 规 律 假 设 为 均 匀分布。 蒙特卡洛 抽样概率 模型 基于出行 统计数据的 概率模型 ·充电影响因素的确定性假设分布； ·采用蒙特卡洛概率抽样； ·起 始 充 电 时 间 分 布 规 律 假 设 为 均 匀分布。 ·基于大量的出行统计数据； ·充电功率取值缺乏依据。 ·考 虑 了 起 始 充 电时间、初 始 荷 电 状 态 等 主 要 充 电 影 响 因 素 的概率分布； ·计 及 不 同 类 型 车 辆 不 同 充 电 模 式 下 充 电 需 求的差异性； ·具 体 的 应 用 场 景。
    第 6 期 郭建龙，等：电动汽车充电对电力系统的影响及其对策 本文认为，起始充电时间应考虑政策导向、驾驶 行为和不同类型车辆出行统计规律等因素的影响 。 初始荷电状态由电池的续驶里程 、相邻 2 次充电间 车辆平均行驶里程、充电习惯等因素决定。 充电功率 取值遵循电池的充电特性 ，依据研究目的不同而做 适当取舍。 研究电动汽车充电负荷模型，应在坚持概 过载的高概率风险。 2.2 对电能质量影响 文 献 ［21鄄23］研 究 了 电 动 汽 车 充 电 对 配 电 变 压 器的影响。 指出电动汽车充电负荷渗透率不应超过 10 %，否则就需采用调控措施引导汽车充电，实时电 价下的灵活充电是减小电动汽车充电对配电变压器 率模型的基础上，将充电时间和状态进行离散，设定 谐波影响的有效方法。 直接充电对配电变压器寿命 描述的具体场景，依据出行规律数据，提高负荷描述 的针对性，进一步探索描述少样本随机性负荷的建 模问题。 2 电动汽车充电影响仿真 文献［15］以美国为例，预计 2015—2017 年期间 美国 PHEVs 保有量将达到 100 万辆，这些负荷大部 分集中在负荷中心区的大城市 ，在极端情况下它们 总的充电功率需求将达到数十至 上 百 MW，充 电 对 系统的影响是不可忽略的。 本文基于充电对系统可 靠性、电能质量、系统运行经济性的影响 3 个方面对 电动汽车充电影响进行分析。 2.1 对系统可靠性影响 文 献 ［16鄄19］评 估 了 现 有 发 电 容 量 是 否 能 够 满 足日益增长的电动汽车充电负荷需求，预测到 2030 年，由于电动汽车的渗透率增加，几乎大部分区域都 需要增加发电容量。 文献［9］研究了电动汽车充电对 峰荷的影响，以英国配网为例说明，电动汽车的渗透 率增加 10 %，对应增加 17.9 % 的日峰负荷 ，电 动 汽 车的渗透率增加 20 %，日峰负荷增加 35.8 %。 文献 ［20］评估了电动汽车充电功率需求对系统设备容量 的风险影响，具体结果如图 2 所示。 图中 Xfmr 表示 馈 线 变 压 器 ，Laterals 表 示 配 电 系 统 的 馈 线 ，Primary 表示母线。 103 102 101 100 ） A · V k （ ／ 量 容 备 设 10-1 100 有较大损害，特别是在高温和负荷率高的情况下 ，配 电 变 压 器 总 的 电 流 谐 波 率 应 控 制 在 25 % ~ 30 % 之 间。 文献［24鄄25］将研究聚焦于电动汽车充电站接入 电 力 系 统 后 对 公 共 电 网 产 生 谐 波 的 特 点 和 计 算 方 法，计算结果如图 3 所示。 Ａ ／ 流 电 波 谐 0.5 0.4 0.3 0.2 0.1 0 Ih5 Ih7 ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ ▲ 90 180 270 t ／ min 图 3 2 台充电机同时工作时的各次谐波特性 ［24］ Fig.3 Harmonic characteristics when two chargers are working［24］ 研究结果说明电动汽车充电机是电网的非线性 负荷，会产生注入电网的谐波电流，主要为 6 k ± 1（k 为大于 ０ 的正整数）次谐波电流，其中 5 次和 7 次谐 波电流 Ih5、Ih7 含有率较大，对电网 造成了污染 ，设备 可靠性和寿命降低。 但文献［24］研究结论存在于早 期 的充电机接 入情况下 ，目前的充电机整流侧采用 PWM 技术，注入电网的电流总畸变率可以小于 5 %， 相应各次谐波电流也小，如果 能 够 达 到 理 想 的 高 频 隔离，就会获得优良的动态性能。 2.3 对系统运行经济性影响 文献［26］根据私家车出行统计规律，把电动汽车 可能的充电时段划分为 21:00 至次日 06:00、18:00 — 21:00、10:00 — 16:00 这 3 段 ，采 用 向 前 向 后 迭 代 的 算法计算各个时间段给定配电拓扑的潮流 ，最终得 出不受控充电模式下配网功率损耗和最大的电压偏 移，具体计算结果见表 2、3。 101 102 用户数 103 104 Xfmr， Ｌaterals， Ｐrimary 表 2 不受控充电模式下配网功率损失 ［26］ Table 2 Power losses of distribution network in uncoordinated charging mode［26］ 图 2 电动汽车充电负荷对设备容量的风险评估 ［20］ Fig.2 Risk assessment of equipment capacity due to electric vehicle charging loads［20］ 研究表明，在馈线上存在过载风险的设备总是 接 近 负 荷 端 的 设 备 ，越 是 接 近 负 荷 端 ，充 电 影 响 越 充电时段 21:00 至次日 06:00 18:00 — 21:00 大。 一些运行中的设备接近额定容量 ，即使在电动 10:00 — 16:00 季节 夏季 冬季 夏季 冬季 夏季 冬季 不同渗透率下功率损失 ／ ％ 0 1.1 10 % 20 % 30 % 1.4 2.2 1.9 1.4 1.5 2.4 1.3 1.7 1.6 2.4 3.4 1.8 2.2 2.1 3.8 4.8 2.6 3.0 2.4 5.0 6.0 3.2 3.6 汽车充电负荷低渗透率情况下也可能出现部分设备 注：表中 ０、１０ ％、２０ ％、３０ ％ 表示电动汽车渗透率，后同。
    电 力 自 动 化 设 备 第 35 卷 表 3 不受控充电模式下配网最大电压偏移 ［26］ Table 3 Maximum voltage deviation of distribution network in uncoordinated charging mode［26］ 充电时段 21:00 至次日 06:00 18:00 — 21:00 10:00 — 16:00 季节 夏季 冬季 夏季 冬季 夏季 冬季 不同渗透率下最大电压偏移 ／ ％ 10 % 20 % 30 % 0 3.1 4.2 3.0 4.8 3.0 3.7 3.5 4.4 4.4 6.3 4.1 4.9 4.4 4.9 6.5 8.5 5.6 6.4 5.0 5.5 8.1 10.3 6.9 7.7 表 2、3 中算例针对的是 4 kW 充电机在不受控 的充电模式下，不同电动汽车渗透率对应的功率损 失百分数和最大电压偏移百分数 。 计算结果表明 ， 电 动汽车接入充电时，配电系统的网损和电压偏移 都增大，而且随着电动汽车渗透率的增加，网损和电 压偏移进一步增加，在配网负荷高峰时段，这种影响 表现更显著。 综上所述，随着电动汽车渗透率增加，充电影响 也成比例增加。 现有充电影响研究主要集中在可靠 性指标、电能质量指标和运行经济性指标方面，基本 上是基于具体的应用场景 ，假定电动汽车都是在负 荷低谷时段充电，虽然短期内系统现有发电容量可 以满足电动汽车充电功率需求 ，但车主更倾向于充 电的便利性，因此关于充电对系统可靠性的影响应 聚 焦 在 实 际 充 电 时 段 内 对 系 统 发 电 容 量 的 影 响 研 究，需更多地考虑和描述充电过程的随机特性。 此外 也有少数文献开展了大量电动汽车充电对电力市场 影响的研究 ［27鄄33］，分析了电动汽车参与 V2G 辅 助 服 务、电动汽车代理商参与市场竞价、电动汽车的分散 性特点等对市场运营机制的影响等 ，但此类研究较 少，有待进一步深入。 关于电动汽车充电影响过程的 暂态特性介绍很少，基本处于空白，这也是值得关注 的方向。 3 电动汽车有序充电策略方法 为了抑制或消除电动汽车充电的负面影响 ［34鄄39］， 有序充电的策略方法应运而生 ，且已成为目前研究 的热点。 本文对当前国内外研究现状进行了归纳总 结，并从基于最优经济运行的有序充电、基于最优市 场机制和商业模式的有序充电以及基于时空维度的 有序充电 3 个方面加以分析。 3.1 基于最优经济运行的有序充电 大量电动汽车充电对电网的影响主要集中在与 之直接相连的配电系统，因此大部分最优充电策略 都 是 围 绕 避 免 过 负 荷 、减 少 功 率 损 失 、降 低 充 电 成 本 ［40］等展开。 a. 以功率损失最小为目标。 比较典型的一部分文献 ［26，41］以最小功率损失作 为优化目标实现有序充电，具体描述为式（1）、（2）。 它们 从 电 网 侧 功 率 损 失 和 电 压 偏 移 的 角 度 研 究 了 大量 ＰＨＥＶs 充电对居民配电网的影响。 假设汽车全部在 家里充电且在夜间充电 ，假设电池开始充电时初始 荷电状态为零，每次充电都充满为止，给出了一个最 优化充电策略，以序列二进制规划求解。 结果证明对 电动汽车的充电行为进行协调优化，可以降低系统的 峰 荷 需 求 ，并 在 很 大 程 度 上 减 小 功 率 损 失 ，提 高 功 率因数。 文献［42］则指 出，以功率因数或负荷 波动 最小为目标函数时，较功率损失最小作为目标函数在 计算时间和计算复杂度上有一定的优势，这对于实时 调度是非常重要的。 tmax min鄱 t＝1 nl 鄱 l＝1 Rl I 2 l，t s.t. Smin，n，t≤Sn，t≤Smax，n，t 坌t，坌nVn tmax 鄱 t＝1 （Pn，t Δt Cn） = Badd 坌nVn （1） （2） 其中，Rl 表示线路 l 的电阻 ；Il，t 表示 t 时刻线路 l 的 电流；tmax 表示充电截止时刻；nl 表示线路总数；Vn 表 示网络节点空间；Smin，n，t 表示在 t 时刻节点 n 的最小 允许功率；Smax，n，t 表示在 t 时刻节点 n 的最大允许功 率 ；Sn，t 表示在 t 时刻 节 点 n 的 功 率 ；Pn，t 表 示 在 t 时 刻节点 n 的充电功率；Δt 表示充电功率的时间分段； Cn ｛0，1｝，Cn=1 表示节点 n 有电动汽车接入，Cn=0 表 示节点 n 没有电动汽车接入；Badd 表示节点 n 电动汽 车电池容量之和。 b. 以充电成本最小为目标。 另一部分文献则以最小充电成本或总的最小发 电成本为目标实现有序充电。 文献［４3鄄４4］考虑了充 电电价的影响，以充电成本最小为目标函数提出了 最优充电策略，具体可以表示为式（3）—（5）。 后者还 考虑了电池充电功率和荷电状态之 间的关系 ，采用 启发式算法求解，在多个不同的时间间隔内比较最 优 充 电 策 略 和 典 型 充 电 之 间 的 充 电 成 本 和 功 率 需 求。 研究结果表明，最优充电策略在减小充电成本和 平抑负荷曲线方面有很大的优势。 文献［45鄄47］在计 及电动汽车充电负荷 情况下 ，以总的发电成本最小 提出优化模型，实现大量电动汽车的有序充电，常用 约束条件包括发电容量约束、支路潮流约束、节点注 入功率等式约束和电动汽车充电负荷约束。 t0+ T t0+ T min C = t0乙 M（t）P（t）d t t0乙 P（t）d t = （1 - SOC）Bmax 0≤ P（t） ≤Pbattery（t）且 Pbattery（t） = f（SOC） （3） （4） （5） 其中，C 表示充电成本；t0 表示开始充电时间；T 表示 充电持续时间；t0+ T 表示充电的结束时间；M（t）表示 t 时刻 的 单 位 电 价 ；p（t）表示 t 时刻的充电功率；Ｂmax
    第 6 期 郭建龙，等：电动汽车充电对电力系统的影响及其对策 表示电池满电量时的电能量 ；SOC 表示电池的 初 始 荷 电 状 态 ；Pbattery（t）表 示 电 动汽车电池在 t 时刻的最 大允许充电功率，与电池的充电特性有关，还受到车 主充电行为、充电机最大充电功率的影响；f（ＳＯＣ）表 示电池的初始荷电状态与充电功率间的函数关系。 3.2 基于最优市场机制和商业运营模式的有序充电 3.2.1 最优市场机制 b. 充电服务模式。 文献［55］分析了电动汽车充 电站整车充电、更换电池 2 种运营模式，从其自身的 竞争力、盈利方式及对电网运行的影响等 3 个方面 对这 2 种运营模式进行了比较分析 ，最后得出以更 换电池为主、整车充电为辅的运营模式将成为我国 电动汽车充电站未来发展的主流模式 。 事实上 ，国 家 电网公司和南方电网公司早 在国家 《节能与新能 用来平衡和协调车主与系统需求矛盾的方法有 源汽车产业发展规划》正式出台前，也提出了以换电 3 种：一是通过增加额外的能量来解决，这是一种粗 放 的 办 法 ；二 是 统 一 进 行 计 划 调 度 ，服 从 既 定 的 安 池为主的充电设施发展思路。 尽管这一思路与现在 的“以充电为主的模式”相悖，但在换电模式下，车主 排，显然这种办法效果是有限的，不能完全发挥汽车 只需租赁电池并缴纳相应的费用，电池的回收、更换、 的潜能；三是采用智能控制办法，目前还处于理论探 充电和维护由另一方完 成 ，该模式便于电网侧对电 索阶段。 a. 基于需求侧响应理论的集中充电机制。 计及 供电侧填谷效果与用户成本，以实时电价为背景，文 献 ［48］提出了 基 于 需 求 侧 响 应 思 想 的 PHEVs 集 中 充电机制 ，通过基于动态估计插值的算法算例仿真 表明，文中提出的 PHEVs 集中充电策略可以有效地 降低峰谷差，节约用户充电成本。 b. 统一调控引导机制。 文献［49］在电动汽车充 电行为中引入排队论，提出通过广播信息来引导汽 车充电，考虑随机干扰的情况下采用 M ／ M ／ ∞ 模型模 拟了此情况下汽车充电的动态行为 ，给出了通过合 池充电行为进行集中统一 管理 ，最大限度发挥汽车 充电负荷的削峰填谷作用，减小谐波污染，同时电动 汽车的运营也更为便捷、高效和专业化。 换电池模式 具 体 又 表 现 为 换 电 和 充 电 在 同 一 地 点 的 充 换 电 模 式，以及换电和充电分立的集中充电统一配送模式。 相比较整车充电模式下的有序充电调控 ，换电模式 下的有序充电研究还比较少，文献［56鄄61］针对换电 模式下的有序充电策略方法从不同的角度做了一些 尝试，部分文献提出了基于 分时电价的以总充电费 用最小及日负荷曲线波动最小为目标的二阶段优化 模型，或者以换电站充电功率为控制对象的有序充 理选择播放信号实现在电网峰荷时间段充电汽车的 电调度策略，分别以负荷率最大 、峰谷差最小 、负荷 平均数量最小。 c. 代理商机制。 文献［50鄄51］阐述了代理商的必 要性，对于无代理和存在代理的 2 种控制架构，文献 ［５2］在电力辅助服务市场环境下从可行性 、可靠性 和经济效益这 3 个方面进行比较 。 结果表明 ，虽然 电 动汽车用户从代理控制架构中获利较少 ，但存在 波动最小为优化目标建立了优化模型 ，这些方法能 在一定程度上降低电网峰谷差，减小负荷波动，起到 移峰填谷的作用。 部分文献则以换电站运营收益最 大化为目标函数，建立换电站最优充放电策略的线 性优化模型，或者是以充电站内全天充电费用最低 为目标的换电站经济运行模型 ，实现最优经济运行 代理商的控制架构具有更好的可行性和可靠性 ；短 的目标。 换电模式下除了充电管理优化策略外 ，包 期内，考虑电动汽车参与电力辅助服务的可行性，代 含电池配送优化的服务网络规划设计及换电模式的 理商的控制架构是更加现实的方式。 3.2.2 最优商业运营模式 a. 代理商模式。 文献［５3鄄５4］从商业运营角度提 出代理商模式。 应用到大量电动汽车的充电行为中， 配套标准体系建设都值得进一步研究。 c. 增值服务模式。 文献［62］指出通过提供派生 产品和辅助增值服务的方 式 ，给出了电动汽车充电 站运营的一种商业模式。 派生产品主要是指满足充 从服务可行性和系统约束性考虑 ，大量的充电个体 电约束下的不同充电方案，增值服务如电池检测、合 与 电 力 系 统 之 间 必 须 通 过 中 间 代 理 的 角 色 完 成 交 同管理等。 当然类似的增值服务也可以来自电动汽 易，即充电运营的代理商模式。 若配电公司充当代理 商角色，提供充电服务的同时系统的运行可靠性也 能够得到保证，电动汽车厂商也可以充当充电服务 车群体，参与系统的调控，但需要结合上述代理商模 式加以实现。 文献［63］采用电动汽车交通和电力系 统运行相结合的仿真模拟方法对电动汽车交通和电 的代理商，为车辆提供全生命周期的服务，同时独立 力系统运行之间的交互影响做了比较全面的研 究 ， 的第三方机构也可能成为代理商。 在不同代理商运 以 评 估 不 同 充 电 策 略 下 电 动 汽 车 运 营 模 式 及 其 对 营模式下，如何促成各方利益体的平衡是一个关键 问题，这就需要对代理商模 式下的充电市场机制和 运营模式作深入研究和设计 ，但目前这方面的研究 发电和碳排放的影响。 3.3 基于时空维度有序性的充电研究 3.3.1 基于时间维度的有序充电 还较少见诸文献。 基于时间维度的有序充电就是要采用合适的方
    电 力 自 动 化 设 备 第 35 卷 法抑制峰谷差，进一步引导均衡充电，提高负荷率。 阶段方法，首先把道路信息量化为一些数据点，然后 文献［６4］通过充放电时间的控制来平抑电动汽 车充电负荷所带来的新的负荷高峰，提出分时电价， 引导大家夜间充电，在夜间集中充电时间段又可能会 出现新的负荷高峰，采用分区域交错充电的办法来 避免夜间充电高峰。 文献［６5］提出通过遗传算法选 取电动汽车最佳起始充电时间 ，使得电动汽车的充 电负荷曲线接近理想曲线。 文献［６6］提出一种时间 有序性的充电策略，指出在电网负荷低谷时，可用供 电容量为 30 % ~ 70 %，如果在时间上引导电动汽车 充电，就可以避免负荷新的高峰，减小峰谷差 ，提高 应用聚类分析方法确定覆盖城市主要道路的一些充 电站站址。 文献［73］依据网格划分的思想提出了一 种充电站选址和定容的方法 ，使得车主在到达充电 地点期间的成本最小。 选址模型主要依据充电总成 本最小，包括到达 充电站中间的功率损失成本和行 驶过程中的间接成本。 定容模型主要由充电站的交 通流量换算出总的充电功率需求所决定。 3.4 电动汽车有序充电小结 基于最优经济运行的有序充电主要针对充电模 式下功率损耗和电压偏移最小化 展开 ，部分文献也 电网利用率。 从另一个角度看，当大量电动汽车接入 以负荷波动或充电成本最小为优化目标。 研究结果 充 电时，解决发电容量不足的办法就是调节充电时 表明，这些优化策略除了减小功率损失外，同时可降 间，实现时间有序性充电，平抑峰谷差 ，电网功率损 低峰荷需求，提高负荷率，在一定程度上减小了充电 失和电压偏移的负面影响也将降低。 文中提出了局 部和全局 2 种优化充电策略。 前者是依据每辆车充 电信息实时控制充电行为 ，后者是针对某一区域一 对系统可靠性、经济运行的负面影响。 基于最优市场 机 制 和 商 业 运 营 模 式 ，则 从 降 低 系 统 峰 谷 差 、节 约 车主充电成本、避免配网过载阻塞、引导有序均衡充 定数量汽车且在一定的假设条件下通过充电时间分 电等方面给出了对 应的调控机制和运营策略 ，对于 割来实现每个时间段的控制。 文献［67］提出采用经 济激励措施来调节电动汽车充电时间 ，比如电价策 略 ，使得车主在 23:00 至次日 07:00 之间充电 ，避 开 负荷高峰并填谷，但并没有详细介绍具体的模型和算 法，只是给出了结论性的介绍。 3.3.2 基于空间维度的有序充电 车 辆 集 中 统 一 充 电 调 控 也 给 出 了 一 些 建 设 性 的 意 见，一定程度上也便于对充电谐波污染进行集中治理 优化，提高电能质量。 基于时空维度的有序充电，则 突出了系统侧对充电负面影响的应对策略，从时间、 空间 2 个维度进行调控，提出了控制充电时间、电价 政策引导、充电站最优选址定容等一系列措施，同样 考虑空间有序性 ，就是在满足配网运行约束的 可以减小峰谷差，降低功率损耗和电压偏移，最小化 前提下合理进行充电站的选址和定容 ，避免出现网 充电成本，实现充电站间的有序均衡充电等，对于系 络阻塞。 a. 充电设施服务优化。 文献［68］将电动汽车充 电设施规划划分为示范阶段 、公益阶段和商业运营 阶段，并分析每个阶段的特点；提出了充电方式的选 择优化模型，并基于此对各充电方式进行充电需求 预测。 文献［69］在分析电动汽车充电行为的基础上， 基于排队论建立了充电设施服务系统排队模型。 以 统可靠性、运行经济性和电能质量都有所帮助，也是 电力系统应对大量电动汽车充电接入的必要措施。 4 结论与展望 对大量电动汽车充电进行调控，可以实现不同角 度的有序最优充电。 实现有序充电的角度不同，策略 方法亦不同。 从车主或充电站运营商角度出发，实现 充电设施服务系统总费用 （包括充电服务费用和充 最优的充电策略，就是充电成本最低或收益最大。 从 电排队等待成本）最小为 目标函数建立了充电设施 政府或公用事业部门出发，考虑的是最优市场机制和 费用最优模型。 研究结果表明 ，通过合理配置充电 商业运营模式，以促进电动汽车推广和应用。 从电网 设施，可以提高充电设备综合利用效率，实现有序均 的角度出发，通过充电站最优选址 、定容 、布局以及 衡充电。 电价策略的制定实现电动汽车充电的时空有序性。 b. 充电站最优选址、定容。 文献［70］建立了以 充 电 成 本 和 充 电 投 资 最 小 为 目 标 的 多 目 标 优 化 模 实现电动汽车的有序充电，本质是一个关于充电 的最优化问题。 传统优化模型针对的主要是确定性 型，该模型主要考虑充电站的最优布局和规模，是对 系统，但电动汽车充电行为具有随机性，描述有序充 探索充电站优化布局的有益 尝试 ，为充电空间有序 性研究提供了借鉴。 文献［71］指出当前缺乏电动汽 车充电站布局规划的成熟理论，考虑充电站特点、充 电行为特点、充电需求的分布以及电网规划、城市规 划等因素，提出了一种充电站优化 布局的多目标优 化算法。 文献［72］给出了一种充电站布局优化的两 电的优化模型及其算法更要适用于随机系统。 基于 目前的研究现状，未来有序充电研究的重点和可能 突破包括但不限于以下方面： a. 计及多种现实约束和实 际场景 ，对电动汽车 的 充 电 负 荷 影 响 因 素 的 概 率 分 布 规 律 进 行 准 确 模 拟，掌握不确定性的充电负荷特性；
    第 6 期 郭建龙，等：电动汽车充电对电力系统的影响及其对策 b. 开 展 电 动 汽 车 充 电 影 响 的 暂 态 过 程 仿 真 模 IEEE Transactions on Power Systems，201l，26（2）：802鄄810. 拟，掌握充电影响的机理； c. 作为电力公司应对大量电动汽车充电接入在 决策支持和规划控制上的理论依据，主配网规划与电 ［10］ GUO Qinglai，WANG Yao，SUN Hongbin，et al. Factor analysis of the aggregated electric vehicle load based on data mining ［J］. Energies，2012，5（6）：2053鄄2070. ［11］ Federal Highway Administration，U. S. Department of Transportation. 动汽车充电站有序充电之间的关系研究至为重要； National household travel survey［EB ／ OL］.［2010鄄07鄄10］. http：∥ d. 基于博弈论的充电电价定价机理和基于排队 论的充电站选址定容策略，都是实现时间、空间维度 有序充电的重要方向； e. 不同代理商模式下 ，电动汽车充电市场机制 和运营模式的研究和设计 ，特别是换电模式下的电 动汽车充电电价的定价理论需要进一步深入研究。 本文关注的重点虽然是大量电动汽车接入电网 的充电研究，但有关电动汽车参与 V2G 模式以及电 动汽车与电网双向互动等问题也必将是另一个重要 的研究与应用方向。 参考文献： ［1］ SANTOS A，MCGUCKIN N，NAKAMOTO H Y，et al. Summary of travel trends：2009 national household travel survey ［R］. Washington，USA：U.S. Department of Transportation & Federal Highway Administration，2011. ［2］ LI Gan，ZHANG Xiaoping. Modeling of plug鄄in hybrid electric vehicle charging demand in probabilistic power flow calculations ［J］. IEEE Transactions on Smart Grid，2012，3（1）：492鄄499. ［3］ ASHTARI A，BIBEAU E，SHAHIDINEJAD S，et al. PEV charging profile prediction and analysis based on vehicle usage data ［J］. IEEE Transactions on Smart Grid，2012，3（1）：341鄄350. ［4］ 杨少兵，吴命利，姜久春，等. 电 动 汽 车 充 电 站 负 荷 建 模 方 法 ［J］. 电网技术，2013，37（5）：1190鄄1195. YANG Shaobing，WU Mingli，JIANG Jiuchun，et al. An approach for load modeling of electric vehicle charging station［J］. Power System Technology，2013，37（5）：1190鄄1195. ［5］ SUNGWOO B，KWASINSKI A. Spatial and temporal model of electric vehicle charging demand［J］. IEEE Transactions on Smart Grid，2012，3（1）：394鄄403. ［6］ JONG鄄RYUL W，YONG鄄BEUM Y，KYUNG鄄JIN L. Prediction of electricity demand due to PHEVs distribution in Korea by using diffusion model ［ C ］ ∥ IEEE Transmission & Distribution Con 鄄 ference & Exposition：Asia and Pacific. Seoul，Korea：IEEE，2009： 1鄄4. ［7］ 刘鹏，刘瑞叶，白雪峰，等. 基于扩散理论的电动汽车充电负荷模 型［J］. 电力自动化设备，2012，32（9）：30鄄34. LIU Peng，LIU Ruiye，BAI Xuefeng，et al. Charging load model based on diffusion theory for electric vehicles［J］. Electric Power Automation Equipment，2012，32（9）：30鄄34. nhts.ornl.gov ／ tables09 ／ FatCat. Aspx. ［12］ Transport NSW. Summary report of 2008 household travel survey ［ R ］ . Sydney ， Australia ： The Transport Data Centre of Transport NSW，2010. ［13］ 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，2011，35（14）：36鄄42. LUO Zhuowei，HU Zechun，SONG Yonghua，et al. Study on plug鄄in electric vehicles charging load calculating［J］. Automation of Electric Power Systems，2011，35（14）：36鄄42. ［14］ 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，2010，34（11）:126鄄130. TIAN Liting，SHI Shuanglong，JIA Zhuo. A statistical model for charging power demand of electric vehicles ［J］. Power System Technology，2010，34（11）：126鄄130. ［15］ UNGAR E，FELL K. Plug in ，turn on ，and load up ［J ］. IEEE Power and Energy Magazine，2010，8（3）：30鄄35. ［16］ HADLEY S W，TSVETKOVA A. Potential impacts of plug鄄in hybrid electric vehicles on regional power generation ［R］. Oak Ridge，USA：U.S. Department of Energy，2008. ［17］ MEYERS M K，SCHNEIDER K，PRATT R. Impacts assessment of plug鄄in hybrid vehicles on electric utilities and regional U . S . power grids part 1 ： technical analysis ［R］. Washington， USA：Pacific Northwest National Laboratory，2007. ［18］ SCOTT M J，MEYERS M K，ELLIOTT D B，et al. Impacts assess鄄 ment of plug鄄in hybrid vehicles on electric utilities and regional U.S. power grids part 2：economic assessment ［R］. Washington，USA：Pacific Northwest National Laboratory，2007. ［19］ LINDLY J，HASKEW T. Impact of electric vehicles on electric power generation and global environmental change［J］. Advances in Environmental Research，2002，6（3）：291鄄302. ［20］ TAYLOR J，MAITRA A，ALEXANDER M，et al. Evaluations of plug鄄in electric vehicle distribution system impacts ［C］∥IEEE PES General Meeting. Minneapolis，MN，USA：IEEE，2010：1鄄6. ［21］ ARGADE S，ARAVINTHAN V，JEWELL W. Probabilistic modeling of EV charging and its impact on distribution transformer loss of life［C］∥2012 IEEE International Electric Vehicle Conference （IEVC）. Greenville，SC，USA：IEEE，2012：1鄄8. ［22］ KAZERONI M，KAR N C. Impact analysis of EV battery charging on the power system distribution transformers ［C］ ∥ 2012 IEEE International Electric Vehicle Conference （IEVC）. Greenville，SC，USA：IEEE，2012：1鄄6. ［23］ GOMEZ J C，MORCOS M M. Impact of EV battery chargers on the power quality of distribution systems ［J ］. IEEE Tran鄄 ［8］ 周念成 ，熊 希 聪 ，王 强 钢. 多 种 类 型 电 动 汽 车 接 入 配 电 网 的 充 电 sactions on Power Delivery，2003，18（3）：975鄄981． 负荷概率模拟［J］. 电力自动化设备，2014，34（2）：1鄄7. ［24］ 黄梅，黄少芳. 电 动 汽 车 充 电 站 谐 波 的 工 程 计 算 方 法 ［J］. 电 网 ZHOU Niancheng，XIONG Xicong，WANG Qianggang. Simulation 技术，2008，32（20）：20鄄23. of charging load probability for connection of different electric vehicles to distribution network ［J ］. Electric Power Automation Equipment，2014，34（2）：1鄄7. HUANG Mei，HUANG Shaofang. A harmonic engineering calcu鄄 lation method for electric vehicle charging station ［J ］. Power System Technology，2008，32（20）：20鄄23. ［9］ QIAN Kejun，ZHOU Chengke，ALLAN M，et al. Modeling of load ［25］ 赵伟，姜飞，涂春鸣，等. 电 动 汽 车 充 电 站 入 网 谐 波 分 析 ［J］. 电 demand due to EV battery charging in distribution systems ［J］. 力自动化设备，2014，34（11）：61鄄66.
    电 力 自 动 化 设 备 第 35 卷 ZHAO Wei，JIANG Fei，TU Chunming，et al. Harmonic currents ［39］ DENHOLM P，SHORT W. An evaluation of utility system impacts of grid鄄connected EV charging station［J］. Electric Power Auto鄄 and benefits of optimally dispatched plug鄄in hybrid electric mation Equipment，2014，34（11）：61鄄66. vehicles［R］. ［S.l.］：National Renewable Energy Laboratory，2006. ［26］ CLEMENT鄄NYNS K，HAESEN E，DRIESEN J. The impact of ［40］ 王建 ，吴 奎 华 ，刘 志 珍 ，等. 电 动 汽 车 充 电 对 配 电 网 负 荷 的 影 响 charging plug鄄in hybrid electric vehicles on a residential 及有序控制研究［J］. 电力自动化设备，2013，33（8）：47鄄52. distribution grid［J］. IEEE Transactions on Power Systems，2010，25 WANG Jian，WU Kuihua，LIU Zhizhen，et al. Impact of electric （1）：371鄄380. vehicle charging on distribution network load and coordinated ［27］ CARNUS C，FARIAS T，ESTEVES J. Potential impacts assessment control［J］. Electric Power Automation Equipment，2013，33（8）： of plug鄄in electric vehicles on the Portuguese energy market 47鄄52. ［J］. Energy Policy，2011，39（10）：5883鄄5897. ［41］ CLEMENT K，HAESEN E，DRIESEN J. Coordinated charging of ［28］ JUSTINE J，FIONA O，TIM N. Electric vehicles in Australia’s multiple plug鄄in hybrid electric vehicles in residential distribution national electricity market：energy market and policy implications grid［C］∥IEEE ／ PES Power Systems Conference and Exposition. ［J］. The Electricity Journal，2012，25（2）：63鄄87. Seattle，WA，USA：IEEE，2009：1鄄7. ［29］ WANG Lizhi. Potential impacts of plug鄄in hybrid electric vehicles ［42］ SORTOMME E，HINDI M M，MACPHERSON S D J，et al. Coor鄄 on locational marginal prices［C］∥IEEE Energy 2030 Conference. dinated charging of plug鄄in hybrid electric vehicle to minimize Atlanta，GA，USA：IEEE，2008：1鄄7. distribution system losses［J］. IEEE Transactions on Smart Grid， ［30］ GRAHN P，SODER L. The customer perspective of the electric 2011，2（1）：198鄄205. vehicles role on the electricity market［C］∥The 8th International ［43］ ROTERING N，ILIC M. Optimal charge control of plug鄄in hybrid Conference on the European Energy Market（EEM）. Zagreb，Yu鄄 electric vehicles in deregulated electricity markets ［J ］. IEEE goslavia：IEEE，2011：141鄄148. Transactions on Power Systems，2011，26（3）：1021鄄1029. ［31］ PAPADASKALOPOULOS D，STRBAC G. Participation of electric ［44］ CAO Yijia，TANG Shengwei，LI Canbing，et al. An optimized EV vehicles in electricity markets through a decentralized mechanism charging model considering TOU price and SOC curve ［J］. ［ C ］ ∥ 2011 2nd IEEE PES International Conference and IEEE Transactions on Smart Grid，2011，2（4）：1鄄6. Exhibition on Innovative Smart Grid Technologies（ISGT Europe）. ［45］ SOJOUDI S，LOW S H. Optimal charging of plug鄄in hybrid Manchester，UK：IEEE，2011：1鄄8. electric vehicles in smart grids ［C］∥IEEE Power and Energy ［32］ 施泉生，平宗飞，陈敏骏. 计及电动汽车入网的电价联动模型［J］. Society General Meeting. San Diego，CA，USA：IEEE，2011：1鄄6. 电力自动化设备，2014，34（11）：34鄄40. ［46］ DEILAMI S，MASOUM A S，PAUL S M，et al. Real鄄time coor鄄 SHI Quansheng，PING Zongfei，CHEN Minjun. Electricity price dination of plug鄄in electric vehicle charging in smart grids to linkage model considering V2G ［J］. Electric Power Automation minimize power losses and improve voltage profile ［J ］. IEEE Equipment，2014，34（11）：34鄄40. Transactions on Smart Grid，2011，2（3）：456鄄467. ［33］ 王晛，谢鸣，张少华. 考虑电动汽车的电力市场均衡分析［J］. 电 ［47］ 赵俊 华 ，文 福 拴 ，薛 禹 胜 ，等. 计 及 电 动 汽 车 和 风 电 出 力 不 确 定 网技术，2014，38（11）：2993鄄2998. 性的随机经济调度［J］. 电力系统自动化，2010，34（20）：22鄄29. WANG Xian，XIE Ming，ZHANG Shaohua. Analysis on equilibrium ZHAO Junhua，WEN Fushuan，XUE Yusheng，et al. Power system of electricity market under grid鄄integration of electric vehicles stochastic economic dispatch considering uncertain outputs from ［J］. Power System Technology，2014，38（11）：2993鄄2998. plug鄄in electric vehicles and wind generators［J］. Automation of ［34］ SINGH M，KAR I，KUMAR P. Influence of EV on grid power Electric Power Systems，2010，34（20）：22鄄29. quality and optimizing the charging schedule to mitigate ［48］ 邹文，吴福保，刘志宏. 实时电价下插电式混合动力汽车智能集 voltage imbalance and reduce power loss［C］∥The 14th Inter鄄 中充电策略［J］. 电力系统自动化，2011，35（14）：62鄄67. national Power Electronics and Motion Control Conference ZOU Wen，WU Fubao，LIU Zhihong. Centralized charging strategies （EPE ／ PEMC）. Ohrid，Macedonia：IEEE，2010：196鄄203. of plug鄄in hybrid electric vehicles under electricity markets ［35］ PUTRUS G A，SUWANAPINGKARL P，JOHNSTON D，et al. Impact based on spot pricing［J］. Automation of Electric Power systems， of electric vehicles on power distribution networks ［C］∥IEEE 2011，35（14）：62鄄67. Vehicle Power and Propulsion Conference. Dearborn，MI，USA： ［49］ BAEK S J，KIM D，SEONG鄄JUN O，et al. A queuing model IEEE，2009：827鄄831. with random interruptions for electric vehicle charging systems ［36］ ACHA S，GREEN T C，SHAH N. Effects of optimized plug鄄in ［C］∥2011 IEEE International Conference on Consumer Electronics hybrid vehicle charging strategies on electric distribution （ICCE）. Las Vegas，NV，USA：IEEE，2011：679鄄680. network losses［C］∥IEEE Transmission and Distribution Conference ［50］ HAN S，HEE S，SEZAKI K. Design of an optimal aggregator and Exposition. New Orleans，LA，USA：IEEE，2010：1鄄6. for vehicle鄄to鄄grid regulation service［C］∥IEEE PES Conference ［37］ DOW L，MARSHALL M，XU Le，et al. A novel approach for on Innovative Smart Grid Technologies （ISGT ）. Gaithersburg ， evaluating the impact of electric vehicles on the power MD，USA：IEEE，2010：1鄄8. distribution system［C］∥IEEE Power and Energy Society General ［51］ SANDELS C，FRANKE U，INGVAR N，et al. Vehicle to grid鄄 Meeting. Minneapolis，MN，USA：IEEE，2010：1鄄6. Monte Carlo simulations for optimal aggregator strategies ［C］∥ ［38］ STAATS P T，GRADY W M，ARAPOSTATHIS A，et al. A 2010 International Conference on Power System Technology. procedure for derating a substation transformer in the presence Hangzhou，China：IEEE，2010：1鄄8. of widespread electric vehicle battery charging ［J］. IEEE Tran鄄 ［52］ QUINN C，ZIMMERLE D，BRADLEY T H. The effect of com鄄 sactions on Power Delivery，1997，12（4）：1562鄄1568. munication architecture on the availability，reliability，and
    分享到：
    赞 收藏

    相关推荐

    资料库

    开发技术

    共收录19306份资料，累计14个分类，关注成员有19位，主要包括：Actionscript,Javascript,PHP,VB,Perl,Delphi,Python,C#,C,Java,C++,Web开发,硬件开发,其它

    热门标签

    Actionscript Javascript PHP VB Perl Delphi Python C# C Java C++ Web开发 硬件开发 其它

    最新资料