多服务电力市场中分层基础设施配置对车网互动盈利能力的影响与优化

《ENERGY CONVERSION AND MANAGEMENT》:Impact and optimization of hierarchical infrastructure configuration for vehicle-to-grid profitability in multi-service electricity markets

【字体: 大 中 小 】 时间:2026年08月30日 来源:ENERGY CONVERSION AND MANAGEMENT 11.8

编辑推荐:

   **摘要** 车网互动(V2G)技术使电动汽车(EV)能够作为分布式储能装置运行,提供电网灵活性服务并产生可观收益。然而,现有研究往往忽略了变压器、V2G充电设备和EV电池等各层级基础设施容量约束对V2G服务经济可行性的影响,导致V2G盈利能力评估不切实际和基础设施投资不当

  

**摘要**

车网互动(V2G)技术使电动汽车(EV)能够作为分布式储能装置运行,提供电网灵活性服务并产生可观收益。然而,现有研究往往忽略了变压器、V2G充电设备和EV电池等各层级基础设施容量约束对V2G服务经济可行性的影响,导致V2G盈利能力评估不切实际和基础设施投资不当。为弥补这一空白,本研究提出了一个生命周期经济评估框架,用于评估多服务电力市场中不同层级基础设施配置和容量约束下的V2G盈利能力。该研究采用最优调度策略,在特定约束条件下通过动态分配V2G灵活性来获取最大经济效益,并对广泛采用的半经验电池退化模型进行了改进,以量化EV电池容量损失及相关成本。基于所提出的框架,本研究系统分析了层级基础设施配置和容量约束如何影响V2G灵活性分配和整体盈利能力。基于生命周期净现值(NPV)最大化推导出了最优基础设施配置。结果表明,EV放电限制与V2G充电设备之间的容量匹配对于提升V2G灵活性潜力至关重要,而灵活性分配则受变压器容量约束。总体而言,在变压器容量受限和充足的情况下,V2G充电设备功率与EV放电限制的协同优化分别将NPV提高了83,855美元(15.8%)和419,743美元(70.0%)。这些发现为政策制定者和规划者在大规模V2G部署方面提供了有价值的实用指导。

**引言**

交通和建筑部门是全球能源消耗和碳排放的主要贡献者,在提高能源效率和实现碳中和方面发挥着关键作用[1]、[2]。近年来,交通电气化进程加速。2022年全球电动汽车销量超过1000万辆,同比增长55%,预计到2030年电动汽车总保有量将比2022年增长八倍[3]。2024年,中国新增EV电池容量达到548吉瓦时[4],相当于新增并网级储能容量的5.4倍[5]。这种快速增长正在将全球电动汽车队转变为一个庞大的分布式储能网络[6]、[7]、[8]。

随着车网互动(V2G)技术的发展,电动汽车可以在闲置期间充放电,为电网提供各种灵活性服务,如削峰[9]、填谷[10]、[11]、[12]、旋转备用[13]、[14]、[15]和频率调节[16]、[17]、[18]。V2G应用带来诸多好处,包括提高电网性能[14]、[19]、减少碳排放[20]、增强可再生能源消纳能力[14]、[21]、[22]、提高经济效益[23]、[24]以及促进老旧小区电动汽车普及[25],这些优势引起了学术界和工业界的越来越多的关注。自2009年以来,已有27个国家开展了151个V2G项目(涉及超过12,200个EV充电设备)[26]。知名案例包括丹麦的Parker项目[27]、英国的"e-Flex"项目[28],以及中国国家电网智能电动汽车互联网技术有限公司领导的大规模V2G试点项目[29]。现场测试表明,具备V2G功能的电动汽车可在30分钟内降低11.5兆瓦的峰值负荷,展示了V2G系统在削峰方面的巨大潜力。凭借V2G电站卓越的灵活性能力,国家电网华北分部于2020年授权其参与尖峰负荷调节和辅助服务市场[29]。这需要更多的研发工作来支持大规模V2G应用。

在先前的研究中,主要关注点之一是评估V2G参与电力市场的经济表现[11]、[30]、[31]、[32]、[33]。Zheng等人[30]评估了不同场景下V2G服务的时间和经济可行性,发现在家庭和工作场所V2G应用中,参与电力市场提供V2G服务都具有成本效益。Wang等人[32]指出,在CAISO电力市场中,具备V2G功能的电动汽车每年平均可获得32至48美元的额外净收入,高于单向智能充电电动汽车,表明了V2G对EV用户的经济利益。Gough等人[31]分析了参与英国辅助服务市场的商业建筑V2G收益,表明V2G部署在10年内每辆车的净现值(NPV)最高可达约8,400英镑。Lei等人[15]提出了一种将日前市场和中日内市场耦合的两阶段V2G调度策略,以促进电动汽车参与备用服务提供,展示了巨大的经济价值。将碳排放因素纳入EV竞价策略可显著提高V2G在电力市场中运营的环境效益和盈利能力[34]。Li等人[35]分析了电力与碳市场之间的耦合关系,发现这两个市场在机制设计方面紧密相连。从电网角度来看,V2G技术可提供多种系统级效益[36]、[37],包括增强电网稳定性、降低峰值负荷和减少整体系统成本。这种可控充电管理可以显著减轻非受控EV充电对电网的影响,同时实现经济效益[37]、[38]。总体而言,与固定储能相比,利用V2G灵活性在电力市场中提供更低的平准化成本[11]、[39]。这一成本优势凸显了电动汽车作为未来储能系统关键组成部分的作用。

尽管已有大量研究证明V2G参与不同电力市场的经济效益,但大多数研究聚焦于特定的V2G充电设备功率水平和EV放电限制,同时假设建筑变压器容量不受限来评估V2G服务的经济盈利能力。忽略V2G运行中此类层级基础设施的物理容量约束,可能导致对V2G系统可用灵活性容量和潜在市场收益的错误估计。这种疏忽进一步导致基础设施规划中的次优投资决策。此外,多服务场景下最优灵活性分配策略的研究仍然不足,特别是关于电池退化的研究。特别是Wang等人[40]开发的半经验模型常被用于模拟频繁V2G运行下的电池退化,但该模型假设放电深度(DOD)固定。这一假设使其无法捕捉多服务运行中DOD变化带来的动态影响。参与多服务电力市场可以通过将EV灵活性分配到不同的收入来源来提高V2G的经济价值,包括能量套利、频率调节和旋转备用。然而,这也增加了调度优化和电池退化评估的复杂性,因为不同服务可能导致不同的运行模式和退化影响。总之,当前研究受限于两个关键差距:(i) 缺乏对层级基础设施容量约束如何影响多服务电力市场中V2G盈利能力的全面深入理解;以及 (ii) 多服务场景中集成了能有效捕捉DOD变化动态影响的电池模型的最优灵活性分配策略发展不足。

为解决上述研究差距,本研究提出了一个V2G参与多服务电力市场(包括能量套利、频率调节和旋转备用)的生命周期经济评估框架。该工作的科学目标是评估层级基础设施容量约束如何通过所提出的框架影响多灵活性服务中的V2G灵活性分配和生命周期盈利能力。通过比较不同约束下的经济表现,探讨最优层级基础设施配置。

简而言之,本研究对现有文献的贡献如下:

(I)开发了一个集成的生命周期经济评估框架,用于量化层级基础设施容量约束如何影响多服务电力市场中V2G的灵活性分配和生命周期经济表现。

(II)在评估框架内将最优V2G调度模型构建为混合整数线性规划(MILP),以将EV灵活性分配到不同的电力市场服务中,包括能量套利、频率调节和旋转备用。该模型在考虑层级基础设施容量约束的同时,通过平衡服务收入和电池退化成本来最大化净经济效益。

(III)对半经验电池退化模型进行了调整和精炼,以量化不同运行条件下容量损失及相关成本。基于广泛采用的半经验退化模型,改进后的模型进一步纳入了不同灵活性服务下的放电深度效应,以表征多服务V2G运行中的电池退化行为。

(IV)进行了敏感性分析,以评估V2G充电设备成本对最优层级基础设施配置和生命周期经济表现的影响,为实际中具成本效益的V2G部署提供了有价值的见解。

**层级基础设施关键容量的识别**

图1展示了影响V2G在电力市场中多灵活性服务可用灵活性潜力及分配的关键层级基础设施容量。这些容量包括变压器容量、V2G充电设备额定功率和EV电池放电功率限制。变压器容量是限制能量套利和频率调节中EV充电灵活性的关键瓶颈。

**测试安排与场景**

进行了案例研究,以评估不同层级基础设施容量约束的典型场景下在办公楼部署V2G系统的生命周期经济表现。选择了一栋具有逐时实测电力负荷曲线的真实办公楼作为参考场地。选取了CAISO(加州独立系统运营商)电力市场,该市场允许在日前市场中对能量和辅助服务报价进行联合优化。

**结果与分析**

本节展示了V2G系统在各种层级基础设施容量约束下参与CAISO电力市场的生命周期经济表现。进行了敏感性分析,讨论V2G充电设备成本对V2G系统生命周期经济表现和最优充电功率设计的影响。V2G系统的日前调度优化被构建为MATLAB中的混合整数线性规划(MILP)问题。

**关于V2G部署影响的讨论**

本研究为致力于大规模部署V2G系统的政策制定者和规划者提供了关键的见解。结果表明,V2G运行的技术可行性和经济可行性取决于由变压器容量、V2G充电设备功率和EV放电限制组成的层级基础设施容量约束。与以往将这些组件孤立评估的方法不同,我们的发现表明它们作为一个集成系统运行。

**结论**

本研究对办公楼参与联合能量和辅助服务电力市场的车网互动(V2G)系统进行了全面的生命周期经济分析。评估了涵盖变压器容量、V2G充电设备功率和EV放电限制的层级基础设施容量约束如何影响灵活性分配和经济表现。开发了最优调度策略,以在特定约束条件下获取最大经济效益。

**CRediT作者贡献声明**

Zou Wenke:写作—审阅与编辑,写作—原稿撰写,可视化,软件,方法论,正式分析,数据整理。Li Hangxin:写作—审阅与编辑,资金获取,概念构思。Wang Shengwei:写作—审阅与编辑,监督,项目管理,资金获取,概念构思。

**伦理声明**

作者声明本研究不涉及人类或动物受试者。

**利益冲突声明**

作者声明不存在可能影响本文所述工作的已知竞争性经济利益或个人关系。

**致谢**

本文所呈现的研究工作由香港特别行政区研究资助局(RGC)一般研究基金(编号:15221425)提供资金支持。

**Zou Wenke | Li Hangxin | Wang Shengwei**

香港理工大学,建造环境与能源工程系,九龙,香港
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号