计及电价不确定性和容量衰减的电动汽车充放电商业模式
李旭东1 , 杨烨1 , 李帆琪1 , 时全佑2 , 谭忠富1
（1. 华北电力大学 经济与管理学院，北京 102206; 2. 卓格艾瑞公司，美国 圣迭戈市 92101）
摘要：
引文信息
李旭东, 杨烨, 李帆琪, 等. 计及电价不确定性和容量衰减的电动汽车充放电商业模式[J]. 中国电力, 2023, 56(1): 38-48.
LI Xudong, YANG Ye, LI Fanqi, et al. Business models of electric vehicle aggregators considering electricity price uncertainty and capacity decay[J]. Electric Power, 2023, 56(1): 38-48.
引言
在能源结构转型和“双碳”目标背景下，电力系统将呈现“双高”（高比例新能源、高比例电力电子设备接入）特性，加剧了电力系统的功率平衡压力。电动汽车具备负荷和电源的双重属性，是一种灵活的需求响应资源[1] ，可以通过开展车网协同，促进电网系统的稳定，提升电力系统综合调节能力。各国学者在电动汽车的商业模式及电力市场参与方面开展了广泛而深入的研究。“商业模式”这一术语最早于1999年被应用于学术研究，主要包括价值主张、盈利模式、价值网络以及核心资源等要素[2] 。电动汽车参与电力市场的商业模式设计一般考虑充放电方式、参与主体、盈利模式3个方面[3] 。文献[4]设计了电动汽车、聚合商、电网以及风电四方合作的商业运营模式，并设计响应模型，验证了该模式的有效性和经济性。文献[5]基于价值链理论，设计了涵盖政府、投资运营商、用户三方的电动汽车商业运营模式，并开展了经济性分析和灵敏度分析。文献[6]以电网、售电公司、虚拟电厂作为商业运营主体，设置了电动汽车参与电力市场的3种情景，并开展了经济性对比分析。当前对于电动汽车参与电力市场的研究集中于盈利模式及调度策略方面。电动汽车聚合商可以通过制定相应的运营策略，控制电动汽车参与现货市场及辅助服务市场竞争，获取最大盈利[7] 。在参与现货市场方面，文献[8]以电动汽车用户购电成本最小、代理商收益最大、电力调度成本最小为目标，建立智能合约模型，制定电动汽车充放电电价，实现电动汽车充放电资源的合理分配。文献[9]结合系统的削峰需求，提出了车网互动（V2G）激励价格机制，建立以系统负荷曲线均方差最小以及EV用户用电成本最小为目标的多目标协同调度模型。在参与辅助服务市场方面，文献[10]提出了利用电动汽车开展备用服务的商业模式，并建立相应优化模型，以总成本最小作为优化目标，形成优化方案。文献[11]对V2G在电网中的应用进行了梳理，基于现有的电价政策和电池成本，对电动汽车开展削峰填谷、调频、旋转备用的成本及收益进行测算。文献[12]设计两种电动汽车参与辅助服务市场的商业机制，并开展全生命周期的经济性评价。开展电动汽车商业模式的经济性分析时，还需要考虑电价的不确定性和容量衰减问题。文献[13]基于后验误差与核密度估计，运用价-量曲线聚合的方法来处理电价的不确定性。文献[14]采用机会约束与鲁棒优化的方法来处理电价的不确定性。文献[15]在考虑电池容量衰减的基础上，形成电动汽车最佳充电曲线，改善了负荷聚合商的经济效益。当前对于电动汽车参与电力市场的商业模式及运营策略的研究，大多是在相关合理假设基础上开展相关模型以及方法的研究，较少考虑现有的电力市场建设进程以及电价的不确定性。本文根据中国半计划-半市场的电力市场建设现状，在计及电价不确定性以及电池容量衰减的前提下，设计电动汽车聚合商、电动汽车用户、电网多方参与的商业模式，提出单独参与现货市场、联合参与现货市场及辅助服务市场的2种运营策略，开展经济性分析，并设计相应的商业方案。
1 国内外电动汽车充放电模式分析
中国已是全球最大的电动汽车市场，截至2022年8月底，中国的电动汽车保有量已经达到了1099万辆。伴随着电力电子技术的不断发展，电动汽车可作为一种新型储能设施，参与电力市场，拓展电动汽车用户的收益渠道。在当前的市场环境下，电动汽车的主要商业模式包含单向有序充电（V1G）和双向车网互动（V2G）两类。1.1 单向有序充电（V1G） 在V1G商业模式中，电动汽车用户可利用分时电价、提供电力辅助服务以及参与需求响应获取收益。V1G商业模式的典型案例为国网电动汽车服务有限公司的北京试点项目。该项目通过开展电力辅助服务，参与华北省间调峰市场获取收益，充电架构如图1所示。该项目中，每天24个时段分为调控时段（00:30—07:00、12:00—16:00）和非调控时段（07:00—12:00、16:00—次日00:30）。在调控时段，电动汽车以7 kW的满功率进行充电；在非调控时段，电动汽车以2.8 kW的低功率进行慢充。
图1 单向有序充电架构
Fig.1 One-way ordered charging architecture
为了提高用户充电积极性，项目服务商开展了“度电补贴+首充奖励”的活动，以居民充电电价0.4825元/(kW·h)作为参考，将度电补贴由0.1元/(kW·h)分期递增至0.4元/(kW·h)。聚合商平台作为负荷侧独立的市场主体，参与华北省间调峰市场，开展竞价。截至2022年3月，平台在两次省间日前市场出清中均中标，最大电力分别为2.379万kW、2.330万kW，中标价格分别为290元/(MW·h)、400元/(MW·h)。在V1G商业模式中，度电补贴可以有效引导用户参与有序充电。随着激励活动的推广，参与有序充电用户占比、有序充电次数占比及有序充电电量占比整体呈递增趋势。其中，有序充电用户占比由15.2%提升至61.3%，有序充电电量由4.8万kW·h提升至23.9万kW·h。这表明用户对有序充电接受程度逐步提高，用户参与有序充电意愿明显提升。1.2 双向车网互动（V2G） 截至2021年年底，海内外只有132项V2G试点示范项目。已公布运行模式的V2G项目可按电动汽车取得收入的规则分为两类：支付固定优惠和支付浮动优惠。支付固定优惠的项目为电动汽车提供固定费率补贴或固定优惠充电价格；支付浮动优惠的项目可以为电动汽车带来浮动收益，如丹麦的帕克项目，该项目的车网互动架构如图2所示。
图2 双向车网互动架构
Fig.2 Two-way vehicle-network interaction architecture
帕克项目主要为丹麦国家电网提供全天候的频率调节服务，参与方包括项目负责方、车队提供方、V2G充电桩提供方、聚合软件平台提供方以及项目出资方；配备50台充放电功率为10 kW的V2G充电桩，适用于容量为12 kW·h、20 kW·h、24 kW·h的电动汽车，平均每天参与市场的时间为17 h；试验车辆可通过V2G充电桩连接到聚合商的调控平台，该平台可以获取车辆的电池信息及出行需求，计算可参与调频服务的容量，并据此在辅助服务市场中开展投标；接到电网指令后，平台运用优化程序以不同的功率调度各个电动汽车；丹麦电网公司根据频率调节的公开价格和获得的服务量向聚合商支付频率调节费用；聚合商根据一定的比例与参与频率调节的电动车分享调频收益；电动汽车用户需要向聚合商支付充电费用以及通信服务费。该项目的收益包含峰谷电价价差、单向调频服务收入以及双向调频服务收入。项目的成本则主要包括能源成本以及充电过程中的能量损耗。参与丹麦帕克项目的车辆平均提供了总计1.3万h的服务，平均收入为1860欧元/年，其收益水平对调频服务价格、V2G充电桩成本、充电效率、当地电力成本和电池性能退化成本高度敏感。
2 现货市场电价不确定性模拟
云模型理论是基于概率空间实现定性与定量双向转换的一种认知模型，依据特定算法，构造出服从正态分布的随机变量[13] 。设W 是一个定量的论域，P 是对应于论域W 的定性概念。若某一值c∈W ，则认定c 是概念P 的一次随机实现。c 在该模型中视为云滴，云滴所表示的不确定性会在定量和定性的转换中发生差异[14] 。云模型核心数值特征、正逆向云发生器参见文献[16]。
在开展电动汽车聚合商参与电力市场的经济性分析时，需要考虑电力现货市场的电价波动以及负荷需求的变化。在常规的电价预测过程中，需要使用历史负荷以及历史电价的数据。本文在开展现货电价预测时，通过筛选的方式对数据进行处理，提高云模型的预测精度[17] 。
在对历史电价和负荷数据进行选择时，需要考虑所选取数据的变化趋势和频率具有相似性，从而找到不同时间的相似负荷出力。
本文在开展现货电价不确定性分析时，需要确定定量数据与定性概念之间云滴的相似度，可以采用基于组合模糊度的相似度计算方法。输入样本日的负荷-电价云模型数字特征（ Ex ， En ， He ），得到云滴相似度 S (N 1 ，N 2 ) ，具体步骤如下。
（1）计算任意两组数据 c 1 (Ex ,En ,He ) 和 c 2 (Ex ,En ,He ) 的交叉值。
（2）计算预测云模型之间的相似度 S (N 1 ，N 2 ) 。负荷的分布频率以及其变化趋势越相似，电价预测云模型间相似度越高。
Ex 为平均负荷；熵 En 为定性概念的可度量范围；超熵 He 为样本出现的随机性。相关参数计算公式为 xi 表 示样本负荷； n 表示样本数。
3 电动汽车充放电聚合商经济性分析建模
3.1 场景分析 结合中国当前电力市场的建设现状以及电动汽车的商业化进程，在考虑市场化电价不确定性的基础上，本文提出了电动汽车聚合商参与电力市场的2种方式。运营场景一：参与电能量市场，获取充放电价差收益；运营场景二：联合参与电能量市场及辅助服务市场，获取充放电价差和调频服务的联合收益，但这种方式会加速电池寿命的衰减速率。当前电动汽车聚合商参与电力市场尚处于起步阶段，因此开展该主体参与电力市场的商业模式研究具有重要的现实意义和理论价值。电动汽车聚合商参与电力市场的架构如图3所示。
图3 电动汽车聚合商参与电力市场架构
Fig.3 Electricity market architecture with participation of electric vehicle aggregators
在测算电动汽车聚合商参与电力市场的经济性时，以东南某地区作为测算对象。截至2022年8月，该地拥有16000辆电动汽车。根据当地的电力市场准入规则，电动汽车聚合商允许以独立主体的身份参与现货市场及辅助服务市场。该地电网属于受端电网，其中光伏装机640 MW，风力发电装机640 MW，火电装机4000 MW，外来特高压输电1600 MW。该地区某典型日负荷、风电、光伏、火电、特高压输电功率曲线如图4所示。
图4 某城市电网典型日功率曲线
Fig.4 Typical daily power curve of a city grid
在计算削峰填谷需求时，需要以新能源消纳最大且供电经济性最优作为考虑目标，如图5所示。
图5 典型日削峰填谷需求曲线
Fig.5 Demand curve of typical daily peak load shaving and valley filling
根据2021年的统计数据，新能源私家车日均行驶时长为1.58 h，全天22.42 h处于未行驶状态；日均充电时长为3.15 h，充电时长远小于未行驶时长。因此，剩余的19.27 h为闲置时长，视为可调度时间[18] 。从日均行驶时刻分布可知，私家车在08:00和17:00形成早晚小波峰，夜间行驶占比很低。从日均充电时刻分布可知，私家车在00:00—05:00充电相对较为集中，充电时刻形成了2个波谷，分别是以08:00为最低点的大波谷和以18:00为低点的小波谷，行驶繁忙时刻充电行为会减少。私家车日均行驶、充电时刻分布占比如图6所示。
图6 私家车日均行驶、充电时刻分布占比
Fig.6 The average daily driving and charging time distribution of private cars
该地区电网负荷高峰期为09:00—12:00、15:00—17:00和19:00—21:00，而07:00—09:00和17:00—19:00是电动汽车出行高峰时段。根据电网负荷峰谷分布、电动汽车充放电特性设计电动汽车参与电力市场的充放电时间。电动车充电时间段设置为21:00—次日07:00、13:00—15:00；放电时间段设置为09:00—12:00、15:00—17:00、19:00—21:00；其余时间段为出行时间段。
3.2 经济性测算模型
运营场景一为电动汽车提供充放电服务和信息服务。此模式下，电动汽车聚合商收入主要来源于电动汽车充电电费、服务费以及反向卖电所获得的收益，具体表述为
式中： R 1 为运营场景一中聚合商每天的收益； 为t 时段电池充电量； P c (t ) 为t 时段充电单价； 为t 时段聚合商在电力市场的卖电量； P m (t ) 为t 时段现货市场电价； P e (t ) 为t 时段充电电价； P w 为t 时段充电服务价。 服务成本主要包括现货市场购电费用、电动汽车放电补偿、充电桩运维费用，具体表述为C 1 为运营场景一中聚合商每天的服务成本；为 t 时段聚合商在电力市场的买电量； 为 t 时段电池放电量； P b 为内部放电价格； C y 为充电桩运维成本； C q 为其他成本。 在运营场景二中，电动汽车用户可以提供以下服务：作为市场主体参与电力现货市场，竞价获得电量服务[19] ；在现货竞价的基础上，评估聚合商参与辅助服务的能力，依据市场辅助服务需求，聚合闲置电动汽车，为电力系统提供辅助服务。此模式下，电动汽车聚合商收入主要来源于电动汽车充电电费、服务费、反向卖电以及参与辅助服务市场所获得的收益，具体表述为R 2 为运营场景二中负荷聚合商每天的收益；O 为每天调频次数； L i 为单次调频里程； Y m 为K 表示调频性能系数。服务成本主要包括购电费用、电动汽车放电补偿、辅助服务分配收益、充电桩运维费用，具体表述为式中： C 2 为运营场景二中聚合商每天的服务成本； μ 为辅助服务收入分配比例。 在2种运营场景中，以运营主体收益最大化为目标函数[20] ，表述为S 为运营主体净收益； Rn 为运营场景n 中负荷聚合商的收益； Cn 为运营场景n 中负荷聚合商的成本。准确测算电池的循环寿命是开展电动汽车经济性测算的基础，其电池的循环寿命受其运行方式的影响。其循环寿命 n cycle 与其充放电行为有关[21] ，具体表示为式中：d 为电池的充放电深度； L fail (d ) 为电池在额定充放电深度下的最大使用次数； l (d ) 为电池在额定充放电深度下的每日充放电次数。 在电动汽车参与电力市场的实际运 行过程中，电池的充放电深度在不断变化，计算时需要将其更换到同一尺度下进行统计[22] 。将 l (d ) 等效为100%充放电深度下的循环次数，计算如下。l el,100 为100%充放电深度下的等效循环次数； k s 表示[0.6,1.8]范围内的某一常数[23] 。3.3 约束条件 [23] 为式中：L in 和 L out 分别为电池充、放电损失。 电池充、放电速率约束[24] 为 R c 和 R d 分别为电池充、放电最大速率； Δt 为时间间隔。电池存储容量约束[25] 为式中： S (t ) 为电池在t 时段的容量状态； S init 、 S max 和 S min 分别为电池初始、最大和最小容量； θ 为结束包容误差，以一天为计量周期，电池的最终容量状态应在初始容量状态的容差范围内。
4 算例分析
假设该地的16000辆电动汽车均参与电力市场，年运行天数为360天，额定功率为10 kW，单车带电量为50 kW·h，每日平均电耗10 kW·h，其放电深度为90%，每天以满电状态出行。V2G充电桩价格为1.3万元/台，共有4000个充电桩接入该平台，聚合软件平台开发成本为400万元，维护成本及通信费为100万元/年。相关测算参数如表1所示。
表1 经济性测算参数
Table 1 Economic measurement parameters
运营场景一的经济性测算的全生命周期设为10年。在运营场景二中，频繁的充放电过程加剧了平台及电池的寿命损耗，其经济性测算的全生命周期设为8年。4.1 电价不确定性仿真分析 采用南方某区域电力市场2021年12月的现货电价和负荷出力数据。依据第2节所提出的方法，获取与预测日有相似特征的数据作为预测训练样本。当地用户全天负荷分解曲线如图7所示。
图7 某典型日负荷分解曲线
Fig.7 Load decomposition curve in a typical day
基于上述方法从历史数据中寻找相似结果，实际现货电价选取不同季节典型日的电价均值[26] ，预测结果与实际现货电价曲线对比如下。基于云模型相似度计算的现货电价预测值与实际值均方根误差为0.032885元/(kW·h)，平均绝对误差为0.086323元/(kW·h)，预测值满足预测精度要求。图8为云模型处理前后的电价结果对比。
图8 云模型处理前后电价结果对比
Fig.8 Comparison of electricity price before and after cloud model processing
4.2 聚合商经济性模型仿真分析 开展电动汽车聚合商在2种场景下的经济性分析时，电价选用了4.1节中所获取的云模拟电价，充放电时间、削峰填谷需求及充放电需求沿用3.1节中场景分析的数据，电动汽车聚合商充放电量可基于相关约束条件获得。中国当前的辅助服务市场仍处于计划阶段，本文未采用优化模型对各时段所参与的调频里程开展优化计算，计算中所涉及的各时段调频里程数据是在华东某调频储能站典型日数据的基础上，根据容量比例进行同比例放缩得到的，如图9所示。
图9 负荷聚合商电量-电价投标情况
Fig.9 Electricity-price bidding of load aggregators
在运营场景一中，电动汽车聚合商仅参与现货能量市场。以24 h为一个周期，在21:00—次日07：00、13:00—14:00，为电动汽车充电时段，该时段现货市场电价较低，电动汽车聚合商从电力市场购买电量1 150 MW·h；在9:00—11:00、15:00—16:00、19:00—20:00，为电动汽车放电时段，该时段现货电价较高，电动汽车聚合商向电力市场卖出电量875 MW·h。考虑到电动汽车电池的充放电深度为90%，以及电动汽车日出行损耗，电动汽车聚合商的购入、卖出电量在一个完整周期内构成闭环。在运营场景二中，电动汽车聚合商可同时参与辅助服务市场和现货电能量市场。聚合商作为市场主体参与现货市场出清，形成购电或卖电计划，作为参与辅助服务市场的基准值。其在现货市场的购电、卖电计划与运营场景一相同。在辅助服务市场中，日调频里程为2770 MW，依据《华东辅助服务细则》，调频里程单价为5元/MW，低于其他地区的调频补偿价格，调频性能系数取1.8。2种运营场景下的经济性计算结果对比如下：在运营场景一中，电动汽车聚合商仅参与电能量市场，以一年为核算周期，电动汽车聚合商在电力现货市场获得的价差收入为911万元，获得的服务费收入为576万元，年净利润为438.6万元，全生命周期的内部收益率为7.02%。在运营场景二中，电动汽车聚合商联合参与电能量市场及辅助服务市场，在一年的核算周期内，获得的价差收入与服务费收入与运营场景一相同，运营成本要大于运营场景一，其辅助服务收入为870.91万元，年净利润为736.74万元，全生命周期的内部收益率为12.93%。分析表明，在现有的政策和模型基础上，计及电价不确定性及辅助服务对电池寿命的损耗，电动汽车聚合商联合参与电力现货及辅助服务市场，拓展了聚合商的收益渠道，其收益要高于单独参与现货市场。4.3 敏感性分析 （1）容量衰减率。以容量衰减率1%~4%为变动边界条件，保持其他参数不变，重新对运营场景一、二的内部收益率进行测算，容量衰减率对经济性的影响结果如图10所示。
图10 容量衰减率敏感性分析
Fig.10 Sensitivity analysis of capacity decay rate
随着电池年容量衰减率的提高，其全生命周期的内部收益率逐步降低为负值，且运营场景二的降低速率要大于运营场景一。这是由于随着电池的寿命缩短，其经济性会降低一定幅度，且聚合商主体频繁的参与辅助服务，加快了电池损耗，经济性更差。（2）电价波动率。以电价波动率–10%~10%为变动边界条件，保持其他参数不变，重新对运营场景一、二的内部收益率进行测算，电价波动率对经济性的影响结果如图11所示。
图11 电价波动率敏感性分析
Fig.11 Sensitivity analysis of price fluctuation
随着电价波动以及峰谷价差的增长，2种运营场景的内部收益率均实现增长。且随着价格波动变大，电动汽车聚合商参与电力市场的意愿增加，内部收益率的增速提高，价格波动率一致时，运营场景二的变化要大于运营场景一。（3）电池容量。以电池容量30~70 kW·h为变动边界条件，保持其他参数不变，重新对运营场景一、二的内部收益率进行测算，电池容量对经济性的影响结果如图12所示。
图12 电池容量敏感性分析
Fig.12 Battery capacity sensitivity analysis
随着电动汽车电池额定容量的提升，内部收益率逐步增加，但增速逐渐放缓。同时，运营场景一的变化要大于运营场景二，这是因为容量的增减对电动汽车聚合商参与辅助服务市场的影响有限。
5 方案设计
基于电动汽车参与电力市场的现有商业进程和本文的相关研究成果，本文从商业模式的角度提出以下方案。在电动汽车聚合商的定位上，聚合商基于对电动汽车充放电负荷的实时监测和在线控制，参与电力市场，根据市场反馈结果优化电动汽车用户的充放电行为。聚合商需要构建智慧服务平台和数据处理中心，厘清参与电力市场的成本及收益，向电动汽车用户提供具备价格吸引力的充放电套餐。在商业策略的选择上，积极探讨同时参与辅助服务市场和现货市场的可行性，获取市场的复合收益，提高商业模式的经济性。在该种商业策略下，充放电过程的价差收益由负荷聚合商享有，辅助服务市场收益由聚合商和电动汽车用户按照一定比例共享。相比于单独参与现货市场，负荷聚合商获取超额收益，电动汽车用户也降低了用能成本，实现了商业角度上的双赢。在多商业主体的合作选择上，应优先调用电池容量高、性能优越、容量衰减率较低的车辆；电网公司应优化电力市场的建设，提高市场峰谷价差，更好地引导电动汽车类灵活性资源参与系统削峰填谷任务，促进电力系统稳定；电动汽车聚合商加强用户引导，从产品、价格、渠道、推广4个角度与用户沟通，提升用户价值。
6 结语
本文构建了电动汽车聚合商参与电力市场的运行框架，在考虑电价不确定性以及容量衰减率的前提下，提出了参与电力市场的2种运营模式，计算了2种运营模式下的预期收益，并设计了相关商业方案，结论如下。（1）考虑现货市场电价不确定性，电动汽车聚合商联合参与现货市场和辅助服务市场的经济性要优于单独参与现货市场，且电动汽车聚合商“低充高放”的套利充放电行为对系统负荷具有削峰填谷作用。（2）电力市场的价格波动、电池的容量以及容量衰减率是影响聚合商经济性的重要因素。在敏感性分析中，容量衰减率的降低、价格波动率的提高、电池容量的提升均会提高电动汽车聚合商的经济收益。针对电动汽车聚合商参与电力市场，本文给出以下建议。（1）积极推动电力现货市场发展，鼓励电动汽车聚合商直接参与电力现货市场，并基于市场化电价机制有效引导电动汽车促进消纳新能源。（2）扩大辅助服务试点范围，鼓励电动汽车参与调频、备用等新型辅助服务，提高收益水平。按补偿成本和合理收益的原则，明确电网企业、电动汽车车主、聚合商三方的收益分享方式。（责任编辑 李博）
作者介绍
李旭东（1998—），男，博士研究生，从事源网荷储一体化研究，E-mail：1169771877@qq.com; ★
杨烨（1978—），男，通信作者，博士研究生，从事电动汽车研究，E-mail：yeyang@tsinghua.org.cn.