电价引导下的电动汽车负荷特性

尽量在电力负荷低的时候给电动汽车充电，减少电网压力。 #生活常识# #环保节能技巧# #电动汽车推广#

Load Characteristics of Electric Vehicles Guided by Electricity Price

ZANG Baozhi1, WU Changlong1, ZHU Hongguang1, WEI Zi1, GAO Jianhong1, LYU Qiannan2

1State Grid Yantai Power Supply Company, Yantai 264000, Shandong Province, China;

2College of Electrical and Control Engineering, North China University of Technology, Shijingshan District, Beijing 100144, China

0　引言

通过鼓励发展节能环保型汽车，能够达到节约能源、资源的目的。作为战略性新兴产业之一，新能源汽车是未来发展的重要方向，为我国汽车产业由大变强、转型升级，实现高质量发展提供了重要机遇[1]。目前，我国以电驱动为汽车工业转型的主要战略取向，重点推进纯电动汽车和插电式混合动力汽车产业化。

相对传统汽车，电动汽车(electric vehicles, EV)具有对环境影响较小的优点，目前在我国有良好的发展前景[2]，但仍存在部分因素限制EV发展，其中较为突出的问题为充电的便捷性与经济性[3]。

近几年研究发现，EV可以充分利用晚间用电低谷时富余的电力充电，使发电设备日夜都能充分利用，用户侧可支出较低的价格，大大提高经济效益和用户满意度。同时，电动汽车电池作为分散的储能元件接入电网[4]，可通过电动汽车入网(vehicle-to-grid, V2G)技术作为灵活的调度资源，合理地调整其充放电行为，平抑负荷波动。

为提高EV充电效率和用户充电效益，本文以文献调研和综述为基础，就电动汽车负荷特性领域的技术现状、最新进展及未来发展方向展开研究。首先分析电动汽车负荷的时空分布特性，对比EV有序、无序充放电模型，着重研究电价引导策略与EV充放电的关系，并在此基础上预测电力市场环境下的新型定价策略并展望电价引导策略的未来。

1　电动汽车负荷特性

根据车辆用途的不同，EV可分为电动轿车、电动货车和电动客车三大类。不同类型EV的电池特性、容量、充放电倍率不同；EV分布在大大小小的住宅区、商务区等地，分布的时间段也有所差别。由于私家车具有用户行为不确定性，加之车主行为受实时电价、天气、路况、电池荷电状态(state of charge, SOC)等因素的影响，EV充电负荷表现出显著的时空随机性和波动性。文献[5]通过构建道路拓扑及路阻函数模型模拟实际出行情况，表明家用EV具有复杂的时间分布特性和区域分布特性。下文从电动汽车负荷特性出发，依次论述无序及有序充电情景下的电动汽车负荷特性。

1.1　电动汽车负荷的时空分布特性1.1.1　时间分布特性

通过调研EV的集中充电时间可得出EV的时间分布特性，制定相对应策略以缓解电网负荷过大导致的电网不稳定情况。对于EV充电的时间分布，可根据工作日及休息日期间每小时的EV充电概率为数据进行分析。

工作日期间EV的主要出行应用在上下班途中，在早晚会出现用车高峰，文献[6]中通过对北京地区私家车调研，通过蒙特卡洛拟抽取车辆起始SOC和充电时间，计算电动汽车充电负荷，即

Li=N∑​n=1Pn,i

(1)

式中：Li为第i分钟总充电功率；N为电动汽车总量；Pn，i为第n辆车在第i分钟的充电功率。

文献[6]将EV按类型分类，针对不同类型的车辆使用时间，分别介绍了公交车、出租车、公务车、私家车等不同的充电时间分布，并得出充电负荷会随时间变化的结论。文献[7]通过对充电起始时间和充电持续时间的分析，建立了电动汽车充电负荷的时间分布模型，但该文献只提到了私家车的时间分布规律，对车辆的种类没有具体划分。

由于不同类型的EV出行目的不同，呈现出不同的负荷特性。文献[6]和文献[8]都提到了EV在不同时间的充电概率，经汇总得出EV在时间上的充电概率雷达图，如图1所示。其中0—24为时刻，4种颜色的线分别代表公交车、出租车、工作日的私家车和休息日的私家车。

图1

图1  各类型电动汽车充电概率雷达图

Fig.1  Radar chart of charging probability of various types of electric vehicles

对同一类型的EV，其出行规律与充放电行为也会呈现波动性和随机性。通过该雷达图得知：工作日期间(日间)家用EV在09：00—15：00时间段内充电概率较高，而文献[9]中显示在此时间段电网负荷也略高于负荷平均值，即此时间段为生活负荷较高阶段，此时若大量EV作为负荷接入电网，将会给电网带来负担和波动，容易造成供电不足等情况，对日常用电需求造成影响。

1.1.2　空间分布特性

充电装置的合理布局是提高EV用户体验、降低里程焦虑的有效措施之一，而准确掌握EV的空间分布特性对于充电装置的规划和建设具有指导意义。实地调研表明，私家车主要停放地点分布于各类停车场，其中工作日期间车辆主要停放于办公停车场和居民停车场，非工作日期间车辆主要停放于居民停车场和商场超市停车场[6]。

文献[6]和文献[7]研究的空间分布只局限于办公停车场、居民停车场、商场超市停车场，但文献[8]考虑了工作日和非工作日中较充分的车辆停放情况，包括工业区、景区、大学城等多种场景，并应用蒙特卡洛思想，构建充电时空负荷预测模型。通过理解该文献，绘制出以下工作日各区域车辆充电概率分布图2(a)及休息日各区域车辆充电概率分布图2(b)。

图2

图2  电动汽车各场景充电概率

Fig.2  Charging probability of EV in each scenes

虽然文献[8]考虑了EV停放的多种场景，但数据过于理想，与实际数值偏差较大，在后续的研究中可以应用该文献的预测方法与更贴近日常生活的数据结合，更精准地预测电动汽车负荷在不同区域的分布情况。

1.2　无序充电负荷

随着EV大量接入，时空上的随机性使电网调度迎来新的挑战，影响电网的稳定性因素主要分为加重电网负荷和产生电网谐波两方面。

由上述家用EV各时间段充电概率分布可得，家用EV在工作日的中午、傍晚、夜间、凌晨的充电概率较大，而这些时间段也通常是生活用电高峰，此时EV充电会加大电网负荷[9]。通过模拟多台电动汽车充电负荷，形成不受控充电模型，再用最大似然估计法计算日里程数和偏差值，绘制充电负荷曲线[10]，即可证明EV无序充电会加重电网波峰段负荷，如果负荷过大可能导致变压器过载、负荷开关异常关断、大面积停电等现象，会对居民生活、工业生产等造成影响。EV若不受电网调控，由用户自主选择充电时间，这对用户侧来说可能是非常便利的选择，但会对电网产生影响，EV开始充电时间会与电网负荷峰值时间重叠，叠加用电高峰，加大电网负荷峰谷差。

由于配电变压器的容量限制，当充电站大量接入EV时可能导致配电变压器过载[11]。另一方面，配电变压器过载会引起用户所需充电时间过长，使充电时间超出用户期望，从而导致用户满意度下降。

文献[12]从电网谐波角度分析无序充电对电能质量的影响，通过仿真验证了充电站(桩)在运行期间会对电网电能质量造成消极影响，其中谐波和无功功率为主要影响因素。大规模EV接入，由于工作状态与充电方式各有不同，会对供电系统产生谐波污染，导致电网损耗增加，同时会造成电压畸变、功率因数下降。并且随着充电时间的延长，产生的谐波电流也呈无序变化，同时各谐波电流相角、幅值、频率也存在迥异[13]。

如前所述，作为一种通过电力电子装置接入系统的非线性负荷，EV充电会产生谐波问题，而大量EV的无序接入可能会对电网的稳定性、电能质量及配电变压器产生不良影响。有序充放电策略在保证用户充电的便利性的同时，可以显著降低EV充电负荷对电网的消极影响，甚至可以平抑电网负荷波动，因而受到普遍关注。

1.3　有序充放电负荷

有序充放电是指在满足EV需求的前提下，运用实际有效的经济或技术措施引导、控制EV进行充电和放电，要确保同时充电的EV数量不能超过系统的最大服务能力[14]，并对电网负荷曲线进行削峰填谷，使负荷曲线方差减小，减少发电装机容量建设，保证EV与电网的协调互动发展。相比于早期无规则、无序充电，有序充电的优势体现在维持电网稳定性，减少电网负荷"峰上加峰"现象的产生，尽可能满足用户以最低的价格为EV充电。

图3给出了一种有序充放电策略的实施流程[9]，其中的约束条件考虑了平抑电网波动及用户利益最大化等多种因素。仿真研究证明，图3所示的V2G服务可以通过控制EV有序充放电达到降低电网电压峰谷差、平滑负荷曲线的目的。

图3

图3  有序充放电实施流程

Fig.3  Ordered charge and discharge analysis process

通过真实数据和预测数据分析，文献[9]验证了EV并网调节有平抑电网波动的功能。但该文献针对重庆地区夏季典型日负荷进行分析，在时间和空间维度稍显局限，在预测未来15年数据时对于基本负荷年增长率并没有给出明确的算法，容易出现计算数据与实际数据产生偏差的情况。

除粒子群优化算法外，还可运用传统的96点日负荷曲线预测法[15]，预测接入电网车辆的充电负荷，电网负荷曲线峰谷差与对充电分时电价做出响应的车主数量呈现反比关系。若此时EV进行充电行为，既利用了夜间富足的电力，又使用户支出更少的费用，在保证电网电能质量的同时考虑消费者心理，是一举两得的措施。

有序充放电策略中，可将决策环节集成在充电桩内，通过分析历史采集数据、预测常规负荷与充电负荷，对同意接受电网调配的EV，优化其充电、放电时间和功率[16]，以降低电网峰谷差，使电网负荷波动趋近平缓，提高配电设备运行效率。

有序充电不仅具有对电网负荷削峰填谷的作用，也具有平抑电网波动的能力。针对部分EV用户对参与电网调配可能影响出行便利的顾虑，文献[17]通过一种基于移动社交网络(microsoft service network, MSN)影响的粒子群优化(particle swarm optimization, PSO)算法进行仿真研究，得出EV可以在保证使用需求的前提下，灵活参与其他时段电网调度的结论。

电网调配EV的策略应当考虑到对电池寿命的影响。影响电池损耗的重要因素包括放电深度、电池温度、充放电功率等[18]。以放电深度为例，若放电深度超过70%可能会对电池使用寿命造成损害[19]。所以电网调配EV功率时，应当考虑到充放电深度及其对电池寿命的影响[20]，提高用户参与电网调配的积极性。

有序充放电是一种智能管理EV电池的策略，若能大范围应用将对电网侧起到削峰填谷的作用。但用户意愿仍是目前尚未解决的问题，通过合理规划使用户支出充电费用最小、放电收益最大，提高用户满意度是如今亟待完成的目标。

2　电价引导策略

在生活中，单一制电价、两部制电价、峰谷电价等多种电价策略都有广泛的应用，但针对电动汽车负荷，应考虑用户侧和电网侧的共同利益。本章节将分析三种电价策略的利弊，并研究这三种策略对EV充放电时间的引导性影响。

2.1　单一制电价

单一电价即用户用电量与电费用的乘积，以实际用电量为计费依据，与充电时间、设备容量无关，计算过程简单。目前居民的生活照明、商业照明等均使用的是单一制电价。

文献[21]在考虑车主用车需求及充放电代数费用最小、充放电次数尽量少等多种约束条件下，通过对车辆实行距离的概率密度函数分析，统计配电系统每日充电量代数和，经动态规划法优化EV充电功率。该文献的分析步骤如图4所示。

图4

图4  电价策略对电动汽车负荷的影响分析过程

Fig.4  Analysis of the impact of electricity price strategy on the load of electric vehicles

单一制电价情形下，EV无需放电，用户可即插即用，EV仅作为负载接入电网中。此时可调度EV的充电功率，即在快充与慢充之间切换，以实现负荷曲线填谷。

2.2　两部制电价

两部制电价是电量电价制中的一种，特点是可调控高峰期用电，鼓励低谷时间用电，从而改善系统负荷特性。两部制电价制是将与容量对应的基本电价和与用电量对应的电量电价结合起来决定电价的制度。

其中容量电价主要反映以投资成本为主的固定成本，文献[21]中定义了与容量对应的基本电价的计算方法，

Pc=Cc103×Ca×H

(2)

式中：Pc为与容量对应的基本电价；Cc为每年需要回收的总容量费用；Ca为可用容量；H为年可用小时数。

电量电价主要反映以燃料成本为主的变动成本，一般由燃料费(包括运输费)、水费、可变维修费及流动资金利息等组成。

因此，对于EV充电电价来说，用基本电价和电量电价构成的两部制电价来决定电费的方法，能够比较真实地反映成本构成。

2.3　峰谷电价

峰谷电价也称分时电价(time of use, TOU)，是指按系统运行状况，将1天24 h划分为若干个时段，每个时段按系统运行的平均边际成本收取电费。对于峰谷电价引导负荷的效果，不少学者开展了深入研究。文献[22]通过比较单一电价、峰谷分时电价、三阶分时电价引导用户充电，绘制了负荷曲线图考察优化效果，得出峰谷分时电价比三阶分时电价更有助于削峰填谷的结论。文献[23]推导了定价弹性系数的计算公式，并考虑了电价调控的引导程度和电网负荷波动情况，建立了EV充电的电价引导模型。基于该模型的仿真表明，在特定场景下峰谷电价可能会"引导"出现新的用电高峰，值得关注和深入研究。文献[24]从用户侧的角度出发，引入需求响应，将仿真算例植入微电网多目标经济调度模型，证明分时电价能够提升用户的用电效益。该文献的研究基于孤岛微电网场景，将相关模型和结论推广至配网场景仍需开展拓展研究。

峰谷电价机制中对应的高峰时段，一般用电单位较集中，电力供应相对紧张，收费标准较高；低谷时段的用电单位较少，电力供应较充足，收费标准较低。理论研究和工程实践表明，实行峰谷电价总体上有利于促使用电单位错开用电时间，充分利用设备和能源。以北京地区为例，表1给出了典型的峰谷时段划分标准[25]。

表1  北京地区峰谷电价时段划分

Table 1  Peak and valley electricity price periods in Beijing

高峰时段10：00—15：0018：00—21：00平时段07：00—10：0015：00—18：0021：00—23：00低谷时段23：00—07：00

新窗口打开|下载CSV

峰谷电价的最优定价策略也是当前的研究热点质疑，葛少云等针对城市电网负荷情况，采用遗传算法求解最优的峰谷时段和峰谷电价，对负荷峰谷特性的调控产生了良好效果[26]。考虑到购车价格、电池更换费用等因素，文献[27]制定了峰谷分时充、放电电价，并给出充、放电电价上下限。文献考虑多种贴合实际生活的因素，且给出了定价范围。

3　电动汽车充放电对电价的响应特性

3.1　行为特性

用户的行为受到诸多因素的影响，心理、决策机制、市场规则以及响应的时滞性等都是响应行为该考虑的因素。如图5所示，文献[28]通过分析用户行为揭示了用户响应电量变化与分时电价政策激励力度间的关系，证明当效益具有足够的吸引力时，电力用户即调整用电方式，做出响应行为。

图5

图5  分析用户响应行为过程

Fig.5  Analyze user response behavior process

电价的激励影响用户决策，使更多用户参与其中，即响应电价系统。若电网希望更多车辆被调配，则应规划出对用户更有吸引力的电价策略。

3.2　削峰填谷

有序进行的EV充放电可有效地对电网产生削峰填谷作用，减小用电高峰期电网压力，维持电网的稳定性、可靠性。当负荷增加或相对于历史数据有上升趋势时，需对EV充电行为进行调度，将用电高峰转移。由于接入EV数量较多，每辆车的充电需求时间也有所不同，首先为接入时间较早的车辆进行充电，并合理分配后续车辆的充电情况，以免出现高峰转移、峰谷倒置的现象[13]。与此对应，在用电低谷时段，则引导EV充电负荷接入电网，从而实现削峰填谷的作用。

对于电价引导EV负荷的策略及效果，文献[11]从配电变压器负荷、充电站运营经济效益和用户充电成本角度进行了仿真验证，证明相较无序充电方法，用户通过自主响应充电站制定的动态分时电价激励，可显著降低充电站的运营成本和EV用户的充电成本，并有效实现充电负荷削峰填谷。文献[16]模拟了不同EV数量接入电网，结果表明EV规模越大，充放电引导策略对电网"削峰填谷"效果越明显。上述文献的研究成果表明，EV有序充放电可平抑电网波动，其削峰填谷的效果会受到具体定价策略及EV规模等因素的影响。

3.3　充放电费用

充放电费用的变化是EV响应电价引导的主要考量因素。通过定价策略优化，可引导EV用户在夜间用电低谷、也即电价较低的时段进行充电，降低充电费用；在用电高峰时段进行放电，缓解电网压力，并为用户创造经济利益。文献[16]经仿真研究，验证了当用户响应系数提高到70%，产生的放电费用可以完全抵消其充电费用，该响应系数下的总电价已低于常规负荷总电价。可见EV用户在响应电价引导时的充放电费用相对于无序充电模式下的费用大幅减少，这有助于提升EV响应电价引导的积极性。总之，在多数用户都选择参与电网调配的情况下，EV用户不仅显著减少了充电费用支出，甚至可以获得收益。在这种激励下，可吸引更多EV用户参与电网调配，形成良性循环。

4　电力市场环境下的新型定价策略

多数纯电动汽车有两个充电接口，分别为快充接口和慢充接口，用户在充电时可自主选择快充或慢充模式[29]，其中快充模式即快速充电，该方式使用直流充电，直流电压一般大于电池电压，需要通过整流装置将交流电变换为直流电，但充电设备安装要求和成本非常高，且快速充电的电流电压较高，短时间内对电池的冲击较大，容易令电池的活性物质脱落和电池发热，长期快速充电会影响电池的使用寿命。慢充即常规充电，视电池组容量大小充电时间为5至8小时，充电时间较长。但以较低的速度给设备电池充电不仅可以减少热量和电池压力，而且有利于延长电池的使用寿命。

当用户对车辆使用灵活性要求较高时，则选择快充方式进行充电，充电接口与充电桩相连的瞬间立即开始充电；当用户不急于用车，但不愿接受电网调配时，则选用慢充方式进行充电，慢充对EV电池的损耗较小，由于慢充比快充对电网造成的负担稍小，则可略降低慢充时的充电价格；当用户愿意接受电网调配进行充电时，此时应收取优化计算出的最低充电费用，并支付给用户合理的放电费用。

通过用户主动选择充电方式及是否接受电网调配，收取不同的价格，充电到同等程度所需花费定价规则为快充>慢充(不接受调配)>慢充(接受调配)，再根据该地区的定价策略进行合理定价。

5　总结

合理的电价策略将引导用户的充电行为，从而引导EV的充电行为。若用户同意服从电网调配，则EV的充电、放电行为皆可对电网的平稳运行、削峰填谷起到积极作用，可以用电价激励的手段使用户参与度提升。因此，需继续探索参与电网调配的最佳用户数量及如何减小EV放电对电网电能质量产生的影响。

目前，EV放电并入电网的过程中仍存在部分问题，如：EV电池放出的电压、电流较小，需经过变压器将其升压后再并入电网，但目前满足条件的升压变压器效率较低。另外，亟待解决的问题是公交场站这样车辆数量较大的场景，应进行大规模调度才能使电能充分被利用，那么如何进行大规模调度是值得研究的领域。最后，电池接口标准未统一、换电成本高等问题的存在使EV仍有较大的发展空间。

参考文献

[1]

CHEN Qingquan, ZHENG Bin.

Development concept of new energy vehicle based on innovative thinking

[J]. Strategic Study of CAE, 2019, 21(03): 70-75.

[本文引用: 1]

陈清泉，郑彬.

创新思维下的新能源汽车发展理念

[J]. 中国工程科学，2019, 21(3): 70-75.

[本文引用: 1]

[2]

SHE Chengqi, ZHANG Zhaosheng, LIU Peng, et al.

Overview of the application of big data analysis technology in new energy vehicle industry: Based on operating big data of new energy vehicle

[J]. Journal of Mechanical Engineering, 2019, 55(20): 3-16.

[本文引用: 1]

佘承其，张照生，刘鹏，等.

大数据分析技术在新能源汽车行业的应用综述—基于新能源汽车运行大数据

[J]. 机械工程学报，2019, 55(20): 3-16.

[本文引用: 1]

[3]

HE Yong.

Research on the electric vehicle development strategy in china based on the progressive history of vehicle energy technology

[J]. Science and Technology Management Research, 2014, 3(14): 31-36.

[本文引用: 1]

何泳.

"以史为鉴"——从汽车能源技术发展史看我国电动汽车发展战略

[J]. 科技管理研究，2014, 34(14): 31-36.

[本文引用: 1]

[4]

CHENG Shan, WANG Xianning, FENG Yichen.

Decentralized optimization of ordered charging scheduling in electric vehicle charging station

[J]. Automation of Electric Power Systems, 2018, 42(1): 39-46.

[本文引用: 1]

程杉，王贤宁，冯毅煁.

电动汽车充电站有序充电调度的分散式优化

[J]. 电力系统自动化，2018, 42(1): 39-46.

[本文引用: 1]

[5]

LI Hanyu, DU Zhaobin, CHEN Lidan, et al.

Trip simulation based charging load forecasting model and vehicle-to-grid evaluation of electric vehicle

[J]. Automation of Electric Power Systems, 2019, 43(21): 88-102.

[本文引用: 1]

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): 88-102.

[本文引用: 1]

[6]

LUO Zhuowei, HU Zechun, SONG Yonghua, et al.

Study on plug-in electric vehicles charging load calculating

[J]. Automation of Electric Power Systems, 2011, 35(14): 36-42.

[本文引用: 5]

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): 36-42.

[本文引用: 5]

[7]

HE Jinghan, XIE Yuyu, ZHANG Jinguo.

Temporal and spatial distribution research for electric vehicle charging load and the impacts on distribution network

[J]. Electric Power Construction, 2015, 36(7): 83-88.

[本文引用: 2]

和敬涵，谢毓毓，张金国.

电动汽车充电负荷时空分布及其对配电网的影响

[J]. 电力建设，2015, 36(7): 83-88.

[本文引用: 2]

[8]

XU Qingshan, CAI Tingting, LIU Yujun, et al.

Location planning of charging stations for electric vehicles based on drivers' behaviors and travel chain

[J]. Automation of Electric Power Systems, 2016, 40(4):

59-65, 77.

[本文引用: 3]

徐青山，蔡婷婷，刘瑜俊，等.

考虑驾驶人行为习惯及出行链的电动汽车充电站站址规划

[J]. 电力系统自动化，2016, 40(4):

59-65, 77.

[本文引用: 3]

[9]

DONG Longchang, CHEN Minyou, LI Zhe, et al.

Ordered charging and discharging control strategy of EVs based on V2G

[J]. Journal of Chongqing University, 2019, 42(1): 1-15.

[本文引用: 4]

董龙昌，陈民铀，李哲，等.

基于V2G的电动汽车有序充放电控制策略

[J]. 重庆大学学报，2019, 42(1): 1-15.

[本文引用: 4]

[10]

WANG Xiaohan.

Modeling of charging and discharging behavior of electric vehicles and study on V2G

[D].

Nanning:

Guangxi University, 2014.

[本文引用: 1]

王晓涵.

电动汽车充放电行为建模及V2G研究

[D].

南宁：

广西大学，2014.

[本文引用: 1]

[11]

XU Zhiwei, HU Zechun, SONG Yonghua, et al.

Coordinated charging strategy for PEV charging stations based on dynamic time-of-use tariffs

[J]. Proceedings of the CSEE, 2014, 34(22): 3638-3646.

[本文引用: 2]

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.

[本文引用: 2]

[12]

LI Bin, ZHANG Yuanxing, XIE Hehe, et al.

The resonance phenomenon and analysis of electric vehicle charging station

[J]. Electrical Measurement & Instrumentation, 2019, 56(16):

73-78, 141.

[本文引用: 1]

李斌，张元星，谢呵呵，等.

电动汽车充电站谐振现象及其分析

[J]. 电测与仪表，2019, 56(16):

73-78, 141.

[本文引用: 1]

[13]

CHEN Kui, MA Zilong, SHEN Xinglai, et al.

Analysis of charging station multi-source harmonic characteristics based on charging mode

[J]. Smart Power, 2019, 47(9): 73-80.

[本文引用: 2]

陈奎，马子龙，沈兴来，等.

基于充电方式的充电站多源谐波特性分析

[J]. 智慧电力，2019, 47(9): 73-80.

[本文引用: 2]

[14]

ZHE Wei, YUE Li, LIN Cai.

Electric vehicle charging scheme for a park-and-charge system considering battery degradation costs

[J]. IEEE Transactions on Intelligent Vehicles, 2018, 3(3): 361-373.

[本文引用: 1]

[15]

CUI Jindong, LUO Wenda, ZHOU Niancheng.

Research on pricing model and strategy of electric vehicle charging and discharging based on multi view

[J]. Proceeding of the CSEE, 2018, 38(15):

4438-4450, 4644.

[本文引用: 1]

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, 4644.

[本文引用: 1]

[16]

WANG Yi, MA Xiu, WAN Yi, et al.

Sequential charge-discharge guidance strategy for electric vehicles based on time-sharing charging-discharging margin

[J]. Power System Technology, 2019, 43(12): 4353-4361.

[本文引用: 3]

王毅，麻秀，万毅，等.

基于分时充放电裕度的电动汽车有序充放电引导策略

[J]. 电网技术，2019, 43(12): 4353-4361.

[本文引用: 3]

[17]

LI Gang, DONG Yaozhong, WEN Fushuan, et al.

Charging and discharging behavior prediction of electric vehicles based on mobile social network platform

[J]. Automation of Electric Power Systems, 2016, 40(9):

64-70, 99.

[本文引用: 1]

李刚，董耀众，文福拴，等.

基于移动社交网络平台的电动汽车充放电行为预测

[J]. 电力系统自动化，2016, 40(9):

64-70, 99.

[本文引用: 1]

[18]

ZHANG Shuying, SUN Yingyun.

Analysis for V2G response cost of ev aggregator considering time-of-use tariffs and battery wear

[J]. Proceeding of the CSU-EPSA, 2017, 29(11): 39-46.

[本文引用: 1]

张书盈，孙英云.

考虑分时电价和电池损耗的电动汽车集群V2G响应成本分析

[J]. 电力系统及其自动化学报，2017, 29(11): 39-46.

[本文引用: 1]

[19]

GUO Fang, YANG Jun, YANG Chao.

Study on the electric vehicle routing problem in the present of charging strategy and battery consumption

[J]. Chinese Journal of Management Science, 2018, 26(9): 106-118.

[本文引用: 1]

郭放，杨珺，杨超.

考虑充电策略与电池损耗的电动汽车路径优化问题研究

[J]. 中国管理科学，2018, 26(9): 106-118.

[本文引用: 1]

[20]

LIU Libing, LIU Tianqi, ZHANG Tao, et al.

Orderly charging and discharging strategy optimization for electric vehicles considering dynamic battery-wear model

[J]. Automation of Electric Power Systems, 2016, 40(5): 83-90.

[本文引用: 1]

刘利兵，刘天琪，张涛，等.

计及电池动态损耗的电动汽车有序充放电策略优化

[J]. 电力系统自动化，2016, 40(5): 83-90.

[本文引用: 1]

[21]

WU Yulin, WEN Fushuan, DING Jianying, et al.

A two-part electricity price based on generation right trading mechanism

[J]. Journal of North China Electric Power University(Natural Science Edition), 2010, 37(5): 16-22.

[本文引用: 2]

伍玉林，文福拴，丁剑鹰，等.

基于两部制电价的发电权交易模式

[J]. 华北电力大学学报(自然科学版), 2010, 37(5): 16-22.

[本文引用: 2]

[22]

WU Chenxi, ZHANG Jie, ZHANG Xinyan, et al.

Load shifting level evaluation of EVs in the different energy price environment

[J]. Power System Protection and Control, 2019, 47(17): 14-22.

[本文引用: 1]

吴晨曦，张杰，张新延，等.

考虑电价影响的电动汽车削峰填谷水平评价

[J]. 电力系统保护与控制，2019, 47(17): 14-22.

[本文引用: 1]

[23]

TONG Xin, GUO Chunlin, ZHANG Mingzhi.

Price Guide of Electric Vehicles Charging Based on Cost Function

[J]. Electric Power Construction, 2016, 37(9): 30-35.

[本文引用: 1]

佟欣，郭春林，张明智.

基于价值函数的电动汽车充电价格引导研究

[J]. 电力建设，2016, 37(9): 30-35.

[本文引用: 1]

[24]

JIN Peng, AI Xin, XU Jiajia.

An economic operation model for isolated microgrid based on sequence operation theory

[J]. Proceedings of the CSEE, 2012, 32(25):

52-59, 10.

[本文引用: 1]

金鹏，艾欣，许佳佳.

基于序列运算理论的孤立微电网经济运行模型

[J]. 中国电机工程学报，2012, 32(25):

52-59, 10.

[本文引用: 1]

[25]

CAO Honghong.

Research on the rationality and sustainability of beijing's tiered electricity price scheme

[J]. Economic Research Guide, 2018, 4(7): 151-152.

[本文引用: 1]

曹红红.

北京市阶梯电价方案的合理性与可持续性评估研究

[J]. 经济研究导刊，2018, 4(7): 151-152.

[本文引用: 1]

[26]

GE Shaoyun, HUANG Liu, LIU Hong.

Optimization of peak-valley TOU power price time-period in ordered charging mode of electric vehicle

[J]. Power System Protection and Control, 2012, 40(10): 1-5.

[本文引用: 1]

葛少云，黄镠，刘洪.

电动汽车有序充电的峰谷电价时段优化

[J]. 电力系统保护与控制，2012, 40(10): 1-5.

[本文引用: 1]

[27]

YAN Zhijie, ZHANG Ruiping, DONG Haiying, et al.

Price and period research of electric vehicles charging and discharging based on demand response

[J]. Power System Protection and Control, 2018, 46(15): 16-22.

[本文引用: 1]

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.

[本文引用: 1]

[28]

LIU Jidong, HAN Xueshan, HAN Weiji.

Model and algorithm of customers' responsive behavior under time-of-use price

[J]. Power System Technology, 2013, 37(10): 2973-2978.

[本文引用: 1]

刘继东，韩学山，韩伟吉.

分时电价下用户响应行为的模型与算法

[J]. 电网技术，2013, 37(10): 2973-2978.

[本文引用: 1]

[29]

CHEN Liangliang, ZHANG Hao, NI Feng, et al.

Present situation and development trend for electric vehicle energy supply infrastructure

[J]. Automation of Electric Power Systems, 2011, 35(14): 11-17.

[本文引用: 1]

陈良亮，张浩，倪峰，等.

电动汽车能源供给设施建设现状与发展探讨

[J]. 电力系统自动化，2011, 35(14): 11-17.

[本文引用: 1]

网址：电价引导下的电动汽车负荷特性 https://www.yuejiaxmz.com/news/view/1392984

相关内容

汽车充电中负荷分布的定价策略
基于峰谷分时电价引导的电动汽车有序充电策略及优化模型研究，基于峰谷分时电价引导的电动汽车有序充电策略及其优化模型仿真验证
浅谈电动汽车充电对配电网负荷的影响及有序控制策略
许继电源申请电动汽车传导充换电系统负荷分配方法专利，减轻了电网负担
国网浙江电动汽车服务有限公司申请电动汽车充电负荷预测专利，实现对电动汽车的充电负荷进行准确预测
【有序充电】基于蒙特卡洛法的规模化电动车有序充放电及负荷预测附Matlab代码
智能电网下的电动汽车充电策略：有序充电削峰填谷，电动汽车智能充电：优化电网负荷，削峰填谷助力能源转型
深度文章｜分时电价下计及用户用电满意度的家庭负荷优化策略
浅谈基于峰谷电价的电动汽车有序充电策略
简析住宅小区有序充电价格响应的电动汽车有充电策略

随便看看