可再主能源
Renewable  Energy  Resources
第39卷第5期2021年5月
Vol.39 No.5May  2021
远期大规模的电动汽车与分布式光伏
接入配电网的负荷预测模型
黄汉远,顾丹珍,郑德博
(上海电力大学电气工程学院,上海200090)
摘 要:文章提出了大规模的电动汽车和分布式光伏并网预测模型。该模型以千人汽车保有量法预测远期电
动汽车数量,结合不同种类的汽车充电行为,建立不同车型的负荷模型。以可安装分布式光伏的屋顶面积确立 装机容量,并考虑了四季和晴、雨天等因素聚合下对光伏的日出力模型的影响。用该模型对某市
远期的日充电
负荷和分布式光伏的日出力做出了预测,并对其接入城市配电网后的负荷影响做出了分析。关键词:电动汽车;分布式光伏;充电行为;日出力模型;负荷预测
中图分类号:TK81 文献标志码:A  文章编号:1671-5292(2021)05-0650-08
0引言
电动汽车(EV)因其V2G  (Vehicle  to
Grid)特性,在放电的时刻也可等效为分布式
电源。随着电动汽车技术的不断发展,电动汽 车的保有量将会进入快速增长时期。由于屋
顶分布式光伏技术的成熟和当前所具备屋顶 安装潜力,使发展分布式光伏成为解决城市
用电紧张的有效措施之一。当城市配电网中接入了大规模的电动汽车 和分布式光伏后,配电网的日负荷特性会受到
影响,因此,对电动汽车和分布式光伏的长期负 荷预测是分析未来配电网稳定运行和规划电力 设备的
重要基础。目前,在该领域已经展开了许 多研究。文献[1]考虑4种不同功能类型的新能 源汽车的充电习惯,使用蒙特卡洛抽样方法计
算充电需求。文献⑵提出了考虑多因素的改进
Bass 模型和车辆行为的私家车充电负荷的长期
预测方法,但该方法仅考虑了单一类型的车辆, 对远期多类型的电动汽车的充电需求预测的误
差较大。文献[3]提出了不同区域接入电动汽车 和分布式光伏后的空间负荷预测方法。文献[4]
研究了电动汽车及分布式光伏接入配电网后,
对城市配电网及分区配电网的影响。但其光伏 出力模型单一,缺少对于其他影响因素的考量, 对预测结果的准确性造成了影响。
随着大规模分布式光伏及电动汽车以V2G 形
式接入配电网,配电网中分布式电源的渗透率将 大幅度提高。分布式电源的负荷出力具有随机性
和波动性,现有配电网构架以单辐射状为主导,难 以满足分布式电源接入后对供电可靠性的要求。 为
了应对城市配电网的规划,本文以华东某市电 动汽车和分布式光伏的发展情况为基础,建立了
千人汽车保有量模型、各类车型的日充电负荷模
型,考虑可利用屋顶面积来确定屋顶光伏容量;考 虑天气季节等多种因素影响下的光伏日出力模
型;最后,以某市的实际数据为基础,结合上述模
型预测了 2025年某市的电动汽车日充电需求和
分布式光伏的日出力,并分析其接入城市配电网 对原始负荷的影响。
1电动汽车长期充电负荷预测
电动汽车充电负荷的远期预测主要分为以 下两个方面:①远期目标,年份汽车的保有量预
测;②不同功能类型的电动汽车的充电行为的差
电动汽车网
别。在确定了各类功能车的规模以后,通过蒙特卡 洛法模拟出各类汽车的充电负荷,最后将各类功
能车的充电负荷叠加得到单日总体的充电负荷。
1.1电动汽车保有量预测
EV 的发展与人们消费水平相关,本文以 Gompertz 曲线对某市2025年的汽车千人保有量
做出了评估,并参考他国汽车的发展历程,通过类
收稿日期:2020-02-23o
基金项目:上海绿能源并网工程技术研究中心资助项目(13DZ2251900)。
通讯作者:顾丹珍(1971-),女,博士,副教授,硕士生导师,研究方向为电力系统建模和优化。E-mail : *****************
•650-
黄汉远,等远期大规模的电动汽车与分布式光伏接入配电网的负荷预测模型比假定高、低两方案的阈值,以此来测算某市未来
的EV保有量。
汽车保有量Gompertz函数可描述为冈
匕”严⑴式中:匕为第i年的千人汽车保有量;V*为千人汽车保有量的最终水平;&用为人均GDP在i年的情况;函数a,b决定了汽车保有量与经济增长关系,同时确立了函数形状。
预测式(1)中第亍年的千人汽车保有量,首先须预测该地区的人均GDP和千人汽车保有量的最终水平;然后通过该地区的常住人口预测该地区的汽车保有量,最后根据该地区的政策以及其他发展趋势预估电动汽车的渗透率,以此来确定电动汽车的保有量。
1.2电动汽车的充电负荷模型
EV的初始SOC情况、充电起始时刻的分布、充电方式的选择,决定了EV的日充电需求,为使更加准确地预测长期充电负荷,不同类型的功能车的各种参数不尽相同,本文对4种EV充电特性进行分析。对于进行充电的EV(公交车除外,公交车满足均匀分布),其初始充电时刻满足:
fM=
程e啣32*24
1(舛24*)2
------e2a-.2—12
式中讥为车辆初始充电时刻;耳为期望值;5为标准差。
EV参与充电时刻的SOC(荷电状态)决定了电动汽车的充电时长,也影响了负荷的预测,电动汽车的充电时长为
Tc_(1-SOC)P K
yPe⑶式中:SOC为电池在充电初始时刻所剩的电量; P k为各类功能车的电池额定容量E为充电效率,本文取0.9;代为单位时间的充电功率(各类车型的功率快充慢充功率不相同)。
充电完成后,总负荷为
N
P辽PK,t
n=1
⑷式中出为该时刻的充电负荷;N为参与充电的汽车数。
各类型电动汽车的充电行为如表1所示。
表1各类用户行为表
Table1Various user behavior tables
车辆类型充电时段起始荷电状态充电方式开始充电时间(G为正态分布)
私家车7:00-17:00
18:00-7:00
G(0.69,0.12)
慢充
慢充
G(11.4,3.12)
G(20.9,1.72)
公交车23:00-5:30G(0.50.12)慢充均匀分布
出租车
4:00-7:00
16:30-19:00
G(0.3,0.12)快充
快充
G(5.61.22)
G(17.11.22)
专用车17:00-8:00G(0.480.22)慢充G(l&33.92)
在Matlab中通过蒙特卡洛法抽取充电开始时间和初始SOC,并计算充电时长,开始充电时间和起始荷电状态的概率分布见表1。模拟各类车型的充电负荷曲线。模中各类车型数量均为1000辆,模拟循环5000次,方差系数小于0.05%,曲线如图1所示。
Fig.l Charging load curves of various models 2远期分布式光伏出力预测
本文将可安装分布式光伏的屋顶面积与光伏板参数相结合,来预测未来年份分布式光伏的装机容量,然后再考虑天气季节等因素对光伏日出力的影响,建立光伏日出力的模型,最后对光伏的日出力做出预测。
2.1可安装分布式光伏屋顶面积预测
预测分布式光伏长期出力,首先须要确定可安装分布式光伏的屋顶面积,屋顶面积须要确定各类建筑的建筑面积。各类建筑的平均楼层选取以及可安装面积的利用率的表达式为
S尸£警(5)
式中:S为可安装分布式光伏的屋顶面积;S,为
•651
可再主能狐
2021,39(5)
某类建筑面积;入为某类建筑屋顶可利用率;K t  为某类建筑的平均楼层。
由式(5)可得屋顶分布式光伏面积为
P 日汨只
(6)
式中:P az 为装机容量;[]为取整;S1为单块光伏板
的面积;P1为单块光伏板的出力功率。
表2为某市典型建筑的建筑面积及平均楼层
的选取。
表2某市2017年典型建筑可利用屋顶资源分析Table  2 Analysis  on  available  roof  resources  of  typical
buildings  in  a  city  in  2017
建筑类型建筑面积lOW 平均楼层屋顶面积lOW 平均楼层 选取多层公寓16 93162 8226层高层公寓45 52220
2 27620层别墅
3 4052
17032层工厂27 206  2.510 882  2.5层商场店铺7 804515615层仓库堆栈
1954
1
1954
1层
通过对某市历年的建筑面积的调研,选取各
类建筑的平均楼层,求取历年各类建筑的屋顶面
积。采用趋势预测法以历年的屋顶面积预测远期 目标年份的屋顶面积。
2.2影响光伏出力的因素
对于分布式光伏的建模须考虑季节和天气因 素,不同天气季节的光伏日出力曲线也不相同,图
2为某地区不同季节,不同天气情形下光伏出力
o  o  o  o  O
o  o  o  o  O  0 6 2 8 42 11o  ------------“
----------------1:00 4:00 8:00
12: 00 16: 00 20: 00 24: 00
时刻
-----春
(a)晴天光伏四季出力曲线
—春 •夏 ■秋 *冬
2000
(b)多云光伏四季出力曲线O
2000
—春 •夏 ■秋 一》冬
(C )阴天光伏四季出力曲线
o  ________Q  __________
1:00 4:00 8:00
12:00 16: 00 20: 00 24: 00
时刻
(d)雨天光伏四季出力曲线
图2某地光伏电站不同天气四季光伏出力曲线Fig.2 PV  output  curve  of  a  certain  photovoltaic  power
station  in  different  weather  seasons
曲的比
'由图2金知,不同季节的光伏日出力时长和
最大出力不同。不同天气会影响光伏日出力的波 动性和峰值。晴天光照稳定,不同季节下光伏的日 出力波动性较小。多云、阴、雨天受天气影响变化
大,最大出力时刻呈随机性。
光伏组件的出力主要受光照强度的影响,与 光伏组件的光电流成正比,如图3所示。
2・上食、趣竄籃罄
图3晴夭典型日太阳辐照强度与光伏出力
Fig.3 Solar  radiation  intensity  and  photovoltaic  output  on
a  typical  day  in  sunny  days
由图3可以看出,光伏出力与辐照强度的曲
线趋势及形状近乎一致,呈现出正相关的关系。
温度也是影响光伏出力效率的因素,其表达
式为
P m =(l+g4OPi  (7)
式中屮皿为经过温度修正系数后实际的输出功
率。一般来说典型温度系数E 为-0.35%/兀。
•652
-
黄汉远,等远期大规模的电动汽车与分布式光伏接入配电网的负荷预测模型
2.3分布式光伏的日出力模型
光照强度及组件的输出效率决定了光伏系统的出力功率,其表达式为凹
N s i=TQ z P az(8)
式中:为光伏发电系统的出力功率;7为光伏系统出力功率的综合修正系数,即组件转换效率温度修正系数、组件安装倾斜角修正系数、组件中逆变器效率系数、系统线损修正系数以及阳光辐照强度和标准辐照强度的比值等各个参量的乘积。
由式(8)可得到每个月的综合修正系数,取每一季度的平均值作为四季修正系数弘。同时考虑季节因素造成日出日落时刻的不同,导致光伏出力时长不同,以某市的实测数据为准,取春秋两季的起始终止时刻为6:00,18:00;夏季为5:00, 19:00,冬季为7:00,17:00。
考虑天气情况和分布式光伏同时率的影响,将光伏模型改进为
汕二帅巾巴Z(9)
式中:弘为季节修正系数;弘为天气修正系数;巾为同时率,本文中取0.8。
晴天时,光伏出力稳定。多云、阴天及雨天出力曲线无明显的规律性,文中取实测的出力波形为典型日的天气变化曲线,如图4所示。
Fig.4The sunrise force characteristic curve of photovoltaic
under different weather types
春季晴天为1,其余的按照比率折算,各类天气最大出力的修正系数分别为多云(0.9),阴(0.5),雨(0.4)。
由式(9)可以得到光伏的出力功率,根据某地的单日各时刻光伏日出力曲线,通过比例折算就可得到光伏的日出力负荷。
3算例分析
为验证文中所提模型的准确性,根据本文提出的预测模型,分别对电动汽车的保有量与某市电动汽车近年实际保有量预测、光伏出力曲线与某光伏电站的实际出力曲线进行比较。
华东某市2017年和2018年电动汽车累计示范推广量分别达到166369辆和239784辆,根据千人汽车保有量法饱和点低值得到的低方案预测得到的2017年和2018年的电动汽车数量为162512辆和233167辆。
表3为实际电动汽车保有量和预测的电动汽车保有量的误差分析。
表3实际保有量和预测结果误差分析Table3Actual holding amount and error analysis of
prediction results%误差率2017年2018年
低方案  2.3  2.7
高方案0.2  1.2
图5为以某光伏电站的晴天最大出力为基准值折算得到的晴雨天出力标幺值曲线。
图5某光伏电站实际出力图
Fig.5Actual output diagram of a photovoltaic power station 图5呈现较为饱满的半包络状,雨天曲线出力都较小,出力基本不超过晴天出力的0.4。可见文中采用的模型有着较好的准确性。
3.1电动汽车的负荷预测
通过类比他国数据,估算某市千人电动汽车的饱和值,取某市千人汽车保有量的饱和点的低值为200,高值为300。通过上述方法可以预测某市2025年的EV保有量。根据其GDP增速,预计到2025年全市人均GDP约20.2万元。根据某市发展规划及人口平均增幅率,预计到2025年有2553.5万。如图6所示。以保有量模型预测2025年电动汽车保有量数值,出租车、公交车和专用车(包括物流车、教练车及其他类型专用车)等功能车各年份的保有量分别为公交车1.8万辆,出租车4.6万辆,专用车8.4万辆,其余为私家车。表4
•653
-
可再生能源
2021,39(5)
为对各类功能车的规模预测的统计。
280240220
200180
16014012010080
展*
毎卅C Y
H-
26010 12
14
16 18 20 22 24 26人均GDP/万元
28
图6基于Gompertz 函数的上海千人汽车保有量预测Fig.6 Prediction  of  car  ownership  of  1 000 people  in
Shanghai  based  on  Gompertz  function
表4 2025年各类型电动汽车分类预测结果Table  4 Forecast  results  of  various  types  of
electric  vehicles  in  2025
车型低方案(万辆/%)高方案(万辆/%)
私家车79.2/84.26
102.2/87.3出租车  4.6/4.89  4.6/3.93
公交车  1.8/1.91
1.8/1.54专用车&4/&94&4/7.18总体
93.5
116.9
各类车型的典型车型选取如表5所示。
表5各类汽车典型车型
Table  5 Typical  models  of  various  types  of  automobiles
车辆类型电池容量/kW ・h
私家车35出租车80公交车145专用车
50
基于电动汽车的充电行为及车型保有量的预
测,2025年电动汽车的充电负荷,如图7所示。
为造成的。
依据Gompertz 函数和千人汽车保有量做出 的电动汽车趋势预测,可以看出电动汽车的发展 仍处于商品发展模型的前中期,仍有较大的发展
潜力,未来10 a 电动汽车市场不会趋于饱和,因
此预测未来年份的充电负荷对配电网的规划是有 必要的。
3.2光伏出力预测
通过对某市历年各类建筑面积的调研以及各
类建筑平均楼层的选定,通过趋势预测,预计到
2025年的屋顶面积为28 780万 廿;其中有4 650
万m 2的屋顶面积可安装光伏系统,分布式光伏的
最大装机容量为3 487.5 MW 。
考虑到晴天时光伏出力最大,雨天出力最小,
阴雨天的出力介于两者间,本文算例中仅考虑晴、 雨这两种天气情况。根据季节和天气,划分为春、
夏、秋、冬4种典型季节,及晴天和雨天两种典型 气候条件,分别建立光伏0出力特性曲线。春夏秋 冬四季季节修正系数分别为0.860,0.845,0.820 和0.800;晴天和雨天的天气修正系数分别取1.0 和0.4,如图8所示。
2500
时刻
(a)春季晴雨天光伏出力曲线
3000
Fig.7 Daily  curve  of  EV  charging  load  in  a  city  in  2025
(b)夏季晴雨天光伏出力曲线
图中电动汽车的日充电负荷在下午和夜间有
两个充电需求高峰,下午时的充电高峰是因为出 租车的快速补电行为以及部分私家车的工作时段
充电行为,夜间的充电高峰主要是出租车的快充 以及公交车的充电行为导致的。此外,在19:00以 后的小充电高峰是私家车和专用车的集中充电行
500000
2
200
500
0 __________" __________
1:00 4:00 8:00 12:00 16: 00 20: 00 24: 00
时刻
(c)秋季晴雨天光伏出力曲线
睛•654
-