陈伟伟
安徽江淮汽车集团股份有限公司安徽合肥230601
摘要：在自然资源紧张和环境污染加剧的双重压力下，在城市交通系统的节能减排方面具有优势的电动汽车受到了人们关注。随着相关技术的不断成熟，电动汽车的规模化应用必将成为未来城市交通系统的重要特征，是解决城市环境问题的最有效途径。本文针对当前电动汽车的规模化发展趋势以及电动汽车到电网V2G（Vehicle-to-Grid）技术的应用，对电动汽车大规模接入后的配电系统可靠性进行相关研究。
关键词：电动汽车负荷；配电网；可靠性影响；量化分析
前言
电动汽车技术的进步及其充电设施的建设是电动汽车产业发展的重要组成部分。随着电动汽车保有量的增加，电动汽车的规模化应用将对配电网产生一定的影响。可靠性是衡量配电网的一个重要指标，随着电动汽车的规模化发展，充电站类型、接入电网的规模、接入位置、充电策略等因素，都会对配电网的可靠性产生影响。本文建立了不同类型的电动汽车充放电功率模型以及时序负荷模型，提出了故障情况下采用V2G技术恢复供电的孤岛形成策略，采用序贯蒙特卡罗法对包含电动汽车的配电网可靠性进行评估。针对不同电动汽车类型、渗透率、接入位置场景下的可靠性仿真结果进行量化分析，分析结论对电动汽车充电站入网的优化设计提供了有益的参考。
1配电网时变负荷建模
1.1电动汽车充放电功率模型
大量的电动汽车负荷对电网负荷的增长将产生十分可观的影响。由于电动汽车动力电池、充电设施的不同以及充电场所、充电时间、时长等不固定，电动汽车充放电功率存在较多不确定性与随机性。在一定市场规模下，影响电动汽车电力需求的因素可概括为动力电池、充电设施、用户行为3个方面。本文结合电动汽车充放电影响因素，考虑随机充电的纯电动汽车BEV（batteryelectricvehicle）和V2G控制下的可插电混合动力电动汽车（PHEV）两种类型的电动汽车，建立充放电功率模型，得出不同类型电动汽车的充放电功率曲线。
1.1.1BEV充电功率曲线
本文利用统计学的建模方法，考虑充电功率、开始充电时刻和日行驶里程3个因素的概率分布，求出BEV充电功率对时间的分布情况。假设条件及具体概率模型参考文献。开始充电时刻的概率密度函数为
其中，μs=17.6，σs=3.4。充电时长的概率密度函数为
BEV在1天中某时刻t0的功率需求为Pt0=ξt0PC，设BEV正在充电时随机变量ξt0为1，已经充好电或未开始充电时ξt0为0，则Pt0的概率分布满足
P（Pt0=0）=P（ξt0=0）
P（0＜Pt0≤P0）=P（ξt0=1）P（0＜PC≤P0）
通过计算，得出1天各时刻一台BEV的充电需求概率分布。假设一个纯电动汽车充电站可为100辆BEV提供24h不间断能源供给，利用蒙特卡罗仿真求出1天内24时刻电动汽车充电站的充电功率需求期望值，作为本文的时序电动汽车负荷以待后续可靠性计算。
1.1.2PHEV充放电功率曲线
针对BEV依赖于单一的碳氢燃料且仅能提供有限的行驶距离这一问题，可插电混合动力电动汽车（PHEV）通过大容量的电池和插入式充电器来获得更长的行驶里程。同时，随着智能电网相关工作的启动，将电动汽车和智能电网相结合的V2G技术实现了电网与电动汽车的双向互动[9]，控制大量的PHEV在负荷低谷时段自动充电，在负荷高峰时段向电网放电，既解决了电动汽车大规模发展带来的电网负荷压力，又可将电动汽车作为移动的分布式储能单元接入电网，对于提高配电系统的可靠性、降低需求侧峰谷差、提高电力供需平衡和电力设备负荷效率等，具有重要的意义。本文针对PHEV的V2G技术，同样利用概率分析方法，得出PHEV的充放电功率曲线。
PHEV的充放电功率特性通过蒙特卡罗随机抽样方法来实现数值仿真。对于每一辆PHEV，在其充放电时间段内，随机抽取PHEV的开始充放电时间和日行驶里程，并假设PHEV开始充电直至充满结束充电状态，充电所需的时长决定于PHEV的初始荷电状态。通过仿真计算得出一个可为100辆PHEV提供24h不间断能源供给充电站的充电功率曲线以及放电功率曲线。
1.2时序负荷模型
为使仿真中系统状态更贴近实际，时变负荷模型的建模方法为：首先，根据日最大负荷生成日负荷曲线（24h）；其次，根据周最大负荷生成周负荷曲线（7d）；再根据年最大负荷生成年负荷曲线（52周）；最后，求每小时负荷的期望值：
L（t）=Pweek（t）Pday（t）Phour（t）PLmax
其中，PLmax为年最大负荷；Pweek（t）为周负荷峰值占年负荷峰值的百分比；Pday（t）为日负荷峰值占周负荷峰值的百分比；Phour（t）代表时负荷峰值占日负荷峰值的百分比。
2V2G技术下的孤岛策略配电网发生故障情况下，V2G控制下的PHEV作为分布式储能单元在配电系统中可形成局部电力孤岛，减少失电范围及停电时间。由于PHEV的输出功率限制，PHEV不一定能满足孤岛范围内所有负荷点的供电。
因此，故障后控制策略为：当PHEV输出功率小于孤岛内总负荷量，则需采用负荷削减策略切除多余的负荷，以确保形成的孤岛内的功率平衡和静态稳定。负荷削减策略为PHEV优先为一类负荷供电，在满足一类负荷的基础上再依次为二类、三类负荷供电。
2考虑元件寿命可靠性量化计算
建立计及元件寿命的元件设备故障率模型，基于同步抽样的序贯蒙特卡罗法对计及电动汽车和时序负荷的配电网可靠性进行量化评估。
2.1考虑元件寿命的设备故障率
传统的可靠性分析中通常把元件的故障率设为定值。而实际上大多数元件都有寿命周期，其故障率随时间变化而变化。元件一个周期的故障率曲线浴盆型曲线。上图所示元件在磨合期与磨损期的故障率都要比有用寿命时期大，则采用蒙特卡罗方法进行可靠性分析时，由于时间跨度较大，所以应该考虑元件在不同寿命时期故障率对可靠性的影响。
2.2基于序贯蒙特卡罗法的可靠性评估流程
利用蒙特卡罗法形成电动汽车充电站一年中各小时平均输出功率，令系统中所有设备的初始状态均为无故障工作状态，进行序贯蒙特卡罗仿真，并计算系统可靠性指标：系统平均停电频率指标SAIFI、系统平均停电持续时间指标SAIDI、用户平均停电持续时间指标CAIDI、平均供电可用率指标ASAI以及电量不足指标EENS。
3结语
随着电动汽车技术的不断发展，电动汽车的规模化应用为拓展电力市场、平衡电网负荷提供机遇的同时，也为电网的运营带来重大挑战。在本文相关研究的基础上，电动汽车与可再生能源的配合问题，电动汽车接入对配电系统网损、电能质量、电力平衡等方面的影响仍是今后研究的重点。
参考文献：
［1］李惠玲，白晓民．电动汽车充电对配电网的影响及对策［J］．电力系统自动化，2011，35(17):38-43．
［2］白高平．电动汽车充(放)电站规模化建设与电网适应性研究［D］．北京:北京交通大学，2011．