《电工技术学报》2016年增刊1上撰文指出，实时电价为优化电动汽车（EV）充电机充电蓄电池充放电负荷提供了手段，从而实现经济调度。首先建立用户最优充电机充电蓄电池充放电策略模型：以计及EV充电机充电蓄电池退化成本的用户成本最小为目标，以满足EV行驶荷电状态和充电机充电蓄电池充放电荷电状态等为约束。

在此基础上建立电动汽车用户实时电价响应模型，通过实时电价计算用户充电机蓄电池充电成本，使电动汽车充电机充电蓄电池充放电负荷与电价联动调整，并将该模型嵌入电动汽车充电机充电蓄电池充放电策略优化目标函数。求解过程中，用“停泊时长”确定单车一日可多次充电机充电蓄电池充放电的时段和行驶时段，从而在EV可充电机充电蓄电池充放电时长范围内优化每时段充电机充电蓄电池充放电负荷。

最后建立经济调度模型：目标中计及机组阀点效应、约束中考虑EV充电机充电蓄电池充放电负荷以及机组爬坡速率等限制的多目标经济调度模型，提出一种改进模式搜索算法求解该时间耦合、非线性、非凸模型。以IEEE 39节点为例，验证了所建立模型和求解算法的有效性。

大量电动汽车（Electric Vehicle，EV）无序充电机蓄电池充电会影响电网安全经济运行[1]。引导电动汽车有序充电机充电蓄电池充放电，可以为电网、用户及社会带来效益[2]。通过实时电价引导电动汽车充电机充电蓄电池充放电，既能优化充电机充电蓄电池充放电负荷，又能优化机组出力，使用户侧和电网侧的技术经济性最佳。

电价对于电动汽车负荷的时空分布有着重要影响[3,4]。文献[5]针对电动汽车调度机构建立了V2G（vehicle to grid）模式和分时电价制度与负荷波动的多目标优化模型，但是没有考虑电动汽车可调用时间等。文献[6]设计了电动汽车充电机充电蓄电池充放电峰谷时段与峰谷电价优化模型，但是没有考虑用户侧经济效益。文献[7]利用回归模型研究了实时电价与负荷、风机出力、水电出力、燃气和燃煤价格之间的关系，但是对电动汽车行驶模式考虑不够充分。

文献[8]指出，充电机充电蓄电池退化成本和实时电价带来的不确定性在V2G车主经济性中有很大影响，并利用Bertsimas的鲁棒模型对电价变动影响进行建模，但是本文的模型建立在线性优化基础上。另外在分时电价下会出现大量用户同时对电价模型作出响应可能会引发新的负荷高峰，即“雪崩效应[9]”。目前关于分时电价研究较多，但是电动汽车以实时电价充电机充电蓄电池充放电的研究较少，在这个过程中对充电机充电蓄电池循环充电机充电蓄电池充放电退化成本的考虑更少。

将电动汽车充电机充电蓄电池充放电纳入电网调度能带来效益[10]，国内外学者已经在含电动汽车的经济调度优化方面做出了一些研究，包括考虑火电、风电、V2G储能负荷的安全约束发电调度[11,12]、基于燃料成本优化的电动汽车智能机组优化[13]、智能电网环境下电动汽车动态经济调度[14]等。已有的研究针对电动汽车的约束都做了简化处理，在考虑经济效益时很少计及电动汽车行驶模式、基本行驶需求、充电机充电蓄电池退化成本等。

本文提出一种EV充电机充电蓄电池充放电负荷与实时电价联动优化模型，以用户成本最小优化EV充电机充电蓄电池充放电负荷，电网基于此负荷进行经济调度。由于电动汽车V2G循环充电机充电蓄电池充放电对充电机充电蓄电池寿命带来影响，计及充电机充电蓄电池退化成本。EV充电机充电蓄电池充放电策略优化时采用了依据“停泊时长”确定充电机充电蓄电池充放电时长限制的优化求解策略；对于含阀点效应、机组爬坡出力的时间耦合、非线性、非凸多目标优化问题，提出以模式搜索（pattern search）算法为核心、并用遗传算法确定初值及拉格朗日罚函数确定约束条件的混合求解算法。

以IEEE 39节点为例，对大规模电动汽车入网负荷、电价、机组出力等进行了仿真，分析了EV负荷对电网电压、潮流的影响等，验证了模型的有效性。

图1  纳米磷酸铁锂充电机充电蓄电池循环次数-寿命曲线关系

结论

1）分别建立了EV最优充电机充电蓄电池充放电策略模型、实时电价模型和经济调度模型并进行求解。结论表明，实时电价在电网侧能够优化含电动汽车的负荷曲线，减少系统峰谷差，在电压、有功功率方面保证系统安全稳定，配合经济调度优化机组出力，减少系统总成本；实时电价可以使用户合理安排EV充电机充电蓄电池充放电计划，取得良好的经济性。

2）本文根据一阶泰勒公式对电价曲线线性化处理，使负荷曲线峰谷差减小，但是还没有完全平抑负荷波动，这与电价模型选取有关。下一步研究可以选取二阶模型或者指数模型以及更加细致的电价参数以及具体的电价制定理论来呈现更加符合实际的关系。