💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。
⛳️座右铭：行百里者，半于九十。
⛳️赠与读者
👨💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。当哲学课上老师问你什么是科学，什么是电的时候，不要觉得这些问题搞笑。哲学是科学之母，哲学就是追究终极问题，寻找那些不言自明只有小孩子会问的但是你却回答不出来的问题。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能让人胸中升起一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它居然给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。
或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎
💥1 概述
参考文献：
编辑
电动汽车参与运行备用能力评估及仿真分析研究
现有电力系统主要利用发电侧的备用措施( reserve measure, RM)资源实现功率的实时平衡:在需要向上调节时,一般通过调度传统发电机组,如煤电、气电,水电等来实现[1;在需要向下调节时,可调源可进一步扩大到风、光等新能源电源。尤以中国这样以煤电为主的电源结构,煤电机组启动慢、存在最小技术出力约束,依赖煤电调节风电、光伏等新能源发电波动存在较大的局限性:要么因煤电开机量过多产生弃风弃光问题,引起清洁能源资源的极大浪费;要么因煤电来不及开机或调节速率不足，导致调节跟不上可再生能源的快速波动,引起停电风险[2]。因此,常规的RM资源及调度手段越来越不能适应新形势的发展,有必要充分发现、挖掘其他快速功率调节资源,例如发挥需求侧RM资源的作用,寻找技术上可靠、经济上可行的智能电网解决方案。
从经济层面来看,将来绝大多数EV由私人用户所有,电网公司无需分摊其购置费用。但电网公
司为了获取EV的调度权﹐仍需依赖有效运转的发电及辅助服务市场,引入合理的激励机制,付出相应的控制成本。辅助服务市场机制设计的复杂性决定了它是现阶段中国电力改革面临的主要
难题之
—[7]。EV的分布式特性令其无法直接接入较为集中的批发性电力市场,而便于管理和分析的EV集群在分类特征识别上又极为复杂[8]。文献[9]提出了区域电力市场环境下EV参与RM能力市场交易的机制设计,但并未给出EV参与RM调度的可用容量评估。当前的研究缺乏对EV参与运行备用的能力进行实时评估的方法。
电动汽车作为未来电力系统中一种重要的备用资源，其调控应以满足用户需求为前提。因此，对电动汽车备用能力的评估需要考虑市场机制，兼顾系统调控和用户出行需求。设计合理的充电合约机制，并制定EV短时备用能力计算方法和响应电价变化的充/放电策略，以确保向电网提供可调控备用容量。通过实例分析典型EV单体和集群在不同充电策略下的备用能力，同时考虑备用容量价格、备用市场设计等因素对EV备用容量的影响。
编辑
编辑
一、运行备用的定义与评估体系
- 核心定义
运行备用是为应对电力系统供需不平衡而预留的额外容量，包括发电侧与负荷侧资源（如电动汽车）。其核心功能是平衡负荷波动、新能源出力随机性及设备故障等不确定性事件。国际能源署（IRENA）强调，随着可再生能源渗透率提升，运行备用需满足更快的响应速度（如秒级至分钟级）。 - 分类与响应时间
- 旋转备用：已并网的机组可快速（10分钟内）调整出力，如火力发电机组余力或水力机组待机容量。
- 非旋转备用：需短时启动的资源（如快速启停燃气轮机或电动汽车集群），响应时间通常在10-30分钟。
- 黑启动备用：用于系统崩溃后恢复供电，需具备独立启动能力。
- 评估指标体系 吴思嘉等人（2023）提出多维评估框架：
- 备用覆盖率（RCP） ：评估备用容量满足实际需求概率，公式为 RCP=P(R实际≥D备用)RCP=P(R实际≥D备用)，需覆盖负荷预测误差与机组故障风险。
- 同步系数：衡量备用响应与需求波动的匹配度，避免容量冗余或不足。
- 无效备用率：量化未实际调用的冗余容量占比，优化资源配置。
- 备用容量不足概率（LOLE） ：基于随机规划模型计算需求超过供给的概率，动态反映系统可靠性。
二、电动汽车参与备用服务的技术基础
- V2G技术原理 通过双向充放电实现车网互动（Vehicle-to-Grid），关键技术包括：
- 双向逆变器：支持能量双向流动。
- 智能通信协议：实时接收电网调度指令（如分时电价或备用需求信号）。
编辑 - 电池管理系统（BMS） ：优化充放电深度（DOD）与荷电状态（SOC），降低电池退化。
- 备用服务类型
- 调频备用：响应频率偏差（秒级），利用电动汽车集群的快速功率调节能力。
- 旋转备用替代：替代传统机组提供10分钟级响应，如浙江电网实现2万千瓦中标容量。
- 削峰填谷：通过分时电价引导充放电，平抑负荷峰谷差。
- 技术挑战
- 电池寿命影响：频繁充放电加速容量衰减（容量衰减率与能量通量正相关）。
- 用户行为不确定性：出行需求与响应意愿动态变化，需建立概率模型。
- 通信与标准化：跨平台协议兼容性与信息安全问题亟待解决。
三、电动汽车备用能力评估方法
- 单体车辆建模
- 能量-功率约束：基于电池容量、充放电效率及SOC限制，定义可调度区间。
- 退化成本模型：量化充放电循环对电池寿命的折损，公式为 C退化=f(DOD,SOC,T)C退化=f(DOD,SOC,T)。
- 集群聚合建模
- 用户意愿模型：结合心理学原理与社会行为理论，预测参与率。
- 优化调度模型：以聚合商收益最大化为目标，联合优化能量市场与备用市场投标策略。
目标函数示例：
编辑
约束条件包括用户出行需求、电网功率限制等。
- 不确定性处理
- 随机规划：考虑备用调用概率分布，构建多场景优化模型。
- 鲁棒优化：基于最恶劣场景下的容量需求，确保备用可靠性。
四、仿真分析工具与应用
- 主流仿真工具
| 工具名称 | 特点 | 适用场景 |
| OpenDSS | 开源配电系统仿真，支持分布式资源建模 | 微电网与V2G互动分析 |
| GridLAB-D | 集成需求响应与市场模块，适合用户行为模拟 | 负荷聚合经济性评估 |
| RT-LAB | 实时硬件在环（HIL）测试，高精度模拟通信延迟 | 控制策略验证 |
| HELICS | 支持输配电网协同仿真，兼容多种电力与通信模型 | 大规模DER动态分析 |
- 案例分析：浙江电网V2G备用服务
- 技术路径：通过聚合商整合私家车与公交车辆，参与旋转备用市场。
- 成效：最大中标容量2万千瓦，累计调节电量34.9万千瓦时，缓解峰时备用短缺。
- 仿真验证：采用实时电价信号与车辆状态预测模型，优化充放电计划。
五、商业化运营模式创新
- 聚合商主导模式
- 角色定位：作为用户与电网的中间商，聚合分散的EV资源参与市场。
- 收益来源：能量市场价差、备用服务补偿及碳交易收益。
- 合约机制设计
- 双重激励（DIM） ：结合充电折扣与放电补贴，提升用户参与度。
- 风险共担：通过期权合约锁定备用调用风险，平衡聚合商与用户利益。
- 国际实践
- 澳大利亚昆士兰试验：全球首个特斯拉车主行为研究，分析V2G备用潜力。
- 日本应急备用：利用EV电池为大楼与家庭供电，实现灾备与峰谷套利。
六、未来研究方向
- 技术层：开发低退化率电池与高效热管理技术，延长EV备用服务寿命。
- 政策层：完善备用市场定价机制，明确V2G参与辅助服务的准入标准。
- 仿真层：融合数字孪生与人工智能，提升高比例新能源电网的模拟精度。
结论
电动汽车作为分布式储能资源，在运行备用服务中展现出快速响应、灵活调节的优势，但其能力评估需综合考虑技术可行性、经济性与用户行为复杂性。未来需通过跨学科仿真工具开发与商业模式创新，推动车网互动从试点走向规模化应用。
📚2 运行结果
编辑
编辑
编辑
编辑
编辑
编辑
编辑
编辑 
编辑
部分代码：
%********************有序充电-考虑现货市场-考虑备用收益
clc;
clear;
e_price=[0.3583 0.3583 0.3583 0.3583 0.3583 0.3583 0.3583 0.3583 0.5583 0.5583 0.5583 0.5583 0.5583 0.5583 0.5583 0.5583 0.5583 0.5583 0.5583 0.5583 0.5583 0.3583 0.3583 0.3583]; %现货电量价格
cu_price=ones(1,24); cu_price=0.05*cu_price; %上调峰容量价格
cd_price=ones(1,24); cd_price=0.05*cd_price; %下调峰容量价格
eu_price=e_price; %上调峰电量价格，等于现货电价
ed_price=0; %下调峰电量价格
PLmax=3.3; %充电功率
PGmax=3.3; %放电功率
N=1000; %ev集群的数量
e_max=textread('e_max.txt'); %每个代理的电池容量
start_soc=textread('start_soc.txt'); %每个代理的充电起始SOC
t_start=textread('t_start.txt'); %每个代理的充电开始时间
contract_status=textread('contract_status.txt'); %每个代理的合约形式，-1不参与受控，0参与G2V，1参与V2G
%************************************************************************************************设置每个代理的充电结束SOC
exp_soc=ones(1,N);
exp_soc=0.95*exp_soc; %假设每个代理均充至95%soc，exp_soc(i)
%************************************************************************************************设置每个代理的保底电量
ms_soc=ones(1,N);
ms_soc=0.5*ms_soc; %假设每个代理的保底电量均设为50%，ms_soc(i)
%************************************************************************************************生成每个代理的充电弹性
%c_elasticity=zeros(1,N);
%for i=1:N
% c_elasticity(i)=e_max(i)*(exp_soc(i)-start_soc(i))/(PLmax*12); %充电时间为12个小时,texp-tstart=12h
%end
%************************************************************************************************充电弹性排序
%[rank_c_elasticity,rank_num]=sort(c_elasticity);
%rank_c_elasticity为排序后的结果，rank_num里的元素对应在c_elasticity里的序号:c_elasticity(rank_num(i))
P=zeros(N,24); %每辆车每个时间段的充电功率
e=zeros(N,13); %每辆车充电时间段的电量情况，每辆车在线充12h，因此有13个电量点
eprice=zeros(N,12); %偏移后的现货电价
cuprice=zeros(N,12); %偏移后的上备用价格
cdprice=zeros(N,12); %偏移后的下备用价格
e_min=zeros(N,13); %记录每辆车的最小电量要求
for i=1:N
e_min(i,13)=e_max(i)*exp_soc(i);
for j=12:(-1):1
e_min(i,j)=e_min(i,j+1)-PLmax;
if e_min(i,j)<e_max(i)*ms_soc(i)
e_min(i,j)=e_max(i)*ms_soc(i);
end
end
end
%充电策略优化
for i=1:N
if contract_status(i)>=0
f=0;
if e_max(i)*(exp_soc(i)-start_soc(i))/(PLmax*12)>=1 %充电无弹性用户
🎉3 参考文献
文章中一些内容引自网络，会注明出处或引用为参考文献，难免有未尽之处，如有不妥，请随时联系删除。
[1]吴巨爱,薛禹胜,谢东亮,等.电动汽车参与运行备用的能力评估及其
