[论文解读] EV-based Smart E-mobility System -- Part II: Formulation and Case Study

Ivan Pavić, Hrvoje Pandžić+1 more|arXiv (Cornell University)|Sep 23, 2019

Electric Vehicles and Infrastructure参考文献 5被引用 9

一句话总结

该论文提出了一个基于电动汽车（EV）的聚合商（EVBA）模型，用于智能电动出行，证明了作为去中心化能源资源的电动汽车在成本效率和灵活性方面优于传统的基于充电站的聚合商（EVCA）。在高电价波动下，EVBA的总成本相比EVCA降低了3.87倍，而准确建模电池退化、电价和双重要求（OBC与CP）对于实现可行且盈利的套利至关重要。

ABSTRACT

This is the second paper of a two-paper series on smart e-mobility. The concept defined in the first paper is further elaborated and mathematically formulated in here. A case study is conducted to evaluate the differences between the proposed electric-vehicle-based and the existing charging-station-based emobility systems. Each of the four issues identified in the first paper are individually examined and omission of corresponding constraints are analyzed and quantified.

研究动机与目标

• 数学上构建一个基于电动汽车的聚合商（EVBA）模型，使电动汽车能够在电力市场中作为去中心化能源资源运行。
• 在真实世界约束和动态电价条件下，对比EVBA与传统基于充电站的聚合商（EVCA）的经济表现。
• 识别并量化省略关键约束和成本（如电池退化、电网电价、充电站费用以及双重要求（OBC与CP））对调度可行性与盈利能力的影响。
• 证明准确建模物理与经济约束可实现最优、可实现的充放电调度，并具备更高的套利潜力。
• 验证EVBA在电价波动环境下比EVCA更好地利用灵活性并实现能源套利。

提出的方法

• 为EVBA构建一个混合整数线性规划（MILP）优化模型，以最小化包括电力、电网、充电站及电池退化成本在内的总成本。
• 整合随时间变化的电价、动态充电电价（电网与充电站）、以及基于放电深度和能量吞吐量的电池退化成本。
• 建模双重要求：车载充电机（OBC）容量与外部充电桩（CP）容量，确保充放电调度的物理可行性。
• 使用荷电状态（SoE）动态模型跟踪电动汽车电池随时间的变化，包含最小/最大SoE以及到达/离开时间的约束。
• 应用车网互动（V2G）放电，引入效率因子η^DCH，以模拟双向能量流动与收益生成。
• 比较五种目标函数变体（OF1–OF5），以分离分析是否包含退化、电价与费用对套利潜力与成本结果的影响。

实验结果

研究问题

• RQ1 在动态电价条件下，基于电动汽车的聚合商（EVBA）与传统基于充电站的聚合商（EVCA）的经济表现有何差异？
• RQ2 省略关键约束（如OBC与CP功率限制）对电动汽车充电调度的可行性与盈利能力有何影响？
• RQ3 电池退化成本与不同电价结构如何影响基于电动汽车系统的能源套利吸引力？
• RQ4 准确的功率约束（OBC与CP）在实现最优、可实现的充放电投标中起到何种作用？
• RQ5 在现有模型中省略退化与费用成本在多大程度上导致不可行或次优的调度决策？

主要发现

• 在高电价波动下，EVBA模型相比EVCA模型，三辆电动汽车的总充电成本降低了3.87倍。
• EVBA模型仅在同时包含OBC与CP功率约束时才能实现最优结果；仅依赖其中一项会导致因功率限制违规而出现不可行调度。
• 仅使用OBC的案例在第3、8–10、23和24小时超出CP容量；仅使用CP的案例在第15、16、19–21小时超出OBC容量，表明在实际运行中存在不可行性。
• 在目标函数中包含所有成本分量（电力、退化、电网电价与充电站费用）（OF5）后，总套利电量从OF1的90.57千瓦时降至仅4.07千瓦时，凸显退化成本为最主要成本因素。
• 在OF2中，电池退化成本贡献2.2欧元的总成本，而充电站电价影响最小（OF4中为-1.9欧元），表明退化是套利的主要经济障碍。
• 固定4千瓦功率限制的案例属于过度约束，减少了套利机会并导致最高成本，证明过度严格的约束会降低系统性能。