电动汽车准实时协同充放电策略

电动汽车(ElectricVehicle,EV)作为能源互联网的重要组成部分，不仅在缓解能源危机、促进人类与环境和谐发展等方面具有传统内燃机汽车无法比拟的优势，而且未来随着电动汽车的大量增加，其产业也将成为能源互联网最大的商业模式。因此，EV及其相关技术受到了各国政府、科研机构、汽车制造商以及能源企业的广泛关注。

保守预计到2030年，中国EV保有量将达到6千万辆，按每辆EV百公里耗电15kWh、年平均行驶里程1.5万km估算，每辆EV年耗电量为2250kWh，六千万辆EV总耗电量为1350亿kWh，占2030年全国预计用电量10.37万亿kWh的1.3%左右，有可能突破2%。

假设每辆EV采用慢充方式充电，瞬时充电功率10kW预测，在最极端的情况下，同时充电的峰值充电功率将达到6亿kW，占2030年全国预计总装机容量23.2亿kW的26%。

如果采用快充方式，其峰值充电功率将远远高于这个数字。可见EV规模化应用后，其总体充电功率十分庞大。EV充电负荷在时间和空间上具有一定随机性，如果不对EV充电加以控制，必然导致电网负荷高峰增加，这不仅需要电网新增装机容量，而且一些配电网将不能承载其能量需求，造成系统过载危害。

此外，EV集中充电产生的负荷还会对配电网电压水平、三相负载平衡以及变压器寿命产生极大负面影响。虽然，目前EV还处于示范运营阶段，但在其广泛应用的前景下，如何对大量EV充电进行有序调控已成为学术界研究的焦点。

采用时段充电控制策略，通过时段分时电价划分原则，并考虑EV行驶规律，引导用户在负载低谷时段充电。该策略易于执行，可有效实现EV充电负荷的转移，避免无序充电峰值与自然峰值的重叠。但该调控策略过于机械化、缺乏灵活性。

基于对未来时间段(一天)配电网常规负载、EV负载需求的预测，提出了实现电网和用户效益最大化的协同充放电优化方法。然而，这些文献并没有依据电网实时负载情况进行短期预测，无法实现充放电管理的时效性，而且其预测结果也不能反映电网负载的实际情况。

提出了一个基于云计算的EV智能电池能量管理与控制机制。该机制通过减少EV与电网、充电站之间的重复交互，提高了EV充放电管理的实时性。然而文中提出的充放电决策优化并没有考虑配电网的限制以及充放电对电网所造成的影响。