中国新能源汽车规模化推广对电网的影响分析.pdf

中国新能源汽车规模化推广对电网的影响分析 1 WRI 薛露露 夏俊荣 禹如杰 任焕焕 刘勇 韦围 刘鹏 QUANTIFYING THE GRID IMPACTS FROM LARGE ADOPTION OF ELECTRIC VEHICLES IN CHINA HOW DO ELECTRIC VEHICLES FRIENDLY INTERACT WITH THE ELECTRIC GRID 中国新能源汽车规模化 推广对电网的影响分析 新能源汽车如何更友好地接入电网2 Quantifying the Grid Impacts from Large Adoption of Electric Vehicles in China 校对： 谢亮 设计： 张烨 新能源汽车如何更友好地接入电网系列 旨在探讨中国新能源汽车与能源（电网）融 合发展的必要性与路线图。该研究系列由两 篇报告组成。新能源汽车规模化推广对电 网的影响为系列一中国新能源汽车规模化推广对电网的影响分析 I 目录 2 图目录 4 表目录 5 词汇表 7 执行摘要 13 Executive Summary 19 第 1 章 中国新能源汽车的未来推广趋势 23 第 2 章 电动汽车规模化推广对电网的潜在影响 31 第 3 章 中国典型城市出行与充电行为分析 43 第 4 章 模型方法 43 宏观模型与微观模型 44 蒙特卡洛随机模拟 50 模型假设 53 第 5 章 电动汽车无序充电对电网的影响 53 宏观层面：无序充电对电网的影响 67 微观层面：无序充电对配电网的影响 77 第 6 章 电动汽车与电网协同的潜力分析 78 有序充电的潜力分析 81 双向充放电的潜力分析 85 第 7 章 结论与建议 90 参考文献 91 注释2 Quantifying the Grid Impacts from Large Adoption of Electric Vehicles in China 图 1 中国新能源汽车年销量和保有量（单位：万辆）. 19 图 2 本研究不同情景下纯电动乘用车保有量增长情况（单位：百万辆）. 20 图 3 电动汽车规模化推广对发电、输电、配电和供电的影响 . 23 图 4 中国2012-2017年区域电网最高负荷占总装机量比例 . 24 图 5 电动汽车与电网协同方式类型与本文范畴 . 25 图 6 电动汽车对电网影响与本文研究范畴 . 28 图 7 电动汽车单车无序充电对电网的影响因素 . 31 图 8 本研究抽取的私家电动汽车出行和充电行为的城市及基本情况 . 32 图 9 各城市私家电动汽车日行驶里程分布图（单位：归一化的出行次数占比）. 33 图 10 典型中国城市私家电动汽车充电频次分布（单位：归一化的充电频次占比）. 34 图 11 私家电动汽车充电开始时间（全年）日平均分布图（单位：归一化的充电频次占比）. 35 图 12 苏州、北京私家电动汽车慢充和快充的充电开始时间分布图（单位：归一化的充电频次占比）. 35 图 13 北京私家电动汽车快、慢充电起始SOC分布（单位：归一化的充电频次占比）. 36 图 14 私家电动汽车充电终止SOC分布（纵轴单位：归一化的充电频次占比）. 37 图 15 北京私家电动汽车快充、慢充充电终止SOC分布（纵轴单位：归一化的充电频次占比）. 37 图 16 典型中国城市私家电动汽车慢充充电次数占比（单位：各城市归一化的充电频次占比）. 39 图 17 无序充电推导过程示意 . 45 图 18 协同策略中的全局优化与局部优化 . 45 图 19 协同策略推导过程示意 . 46 图 20 宏观模型流程图 . 47 图 21 微观模型流程图 . 48 图 22 充电桩数量充足与不充足条件下电动汽车充电负荷曲线示意图 . 49 图 23 北京市2050年乘用车分车龄保有结构预测 . 56 图 24 苏州市2050年乘用车分车龄保有结构预测 . 56 图 25 中国城市未来快充发展趋势分类 . 57 图 26 北京、苏州未来快充比例预测（仅含乘用车和出租车）. 58 图 27 北京2050年基准、激进情景下分车型电动汽车充电负荷（单位：kW）. 60 图 28 北京2050年电动汽车充电负荷在基准与激进情景下的比较（单位：MW）. 60 图 29 北京：2050年基准、激进情景夏季总负荷（单位：MW）. 61 图 30 苏州2050年基准、激进情景下分车型电动汽车充电负荷（单位：kW）. 62 图 31 苏州2050年电动汽车充电负荷在基准与激进情景下的比较（单位：MW）. 63 图 32 苏州2050年基准、激进情景下夏季总负荷（单位：MW）. 64 图 33 基准和激进情景北京和苏州电动汽车的日用电量将占全社会夏季日用电量比例 . 65 图 34 基准和激进情景下北京和苏州受电动汽车充电影响全网峰值负荷变化（单位：MW和%）. 66 图 35 本研究2035年预测结果与现有文献比较电力峰值负荷增加比例（单位：%）. 67 图 36 北京市不同类型车辆的充电量热力图 . 67 图目录中国新能源汽车规模化推广对电网的影响分析 3 图 37 城市不同微观场景：工作日日负荷曲线示意 . 69 图 38 城市不同微观场景：电动汽车充电开始时间示意（单位：辆）. 70 图 39 微观场景充电负荷的随机性以及本研究对微观场景下充电行为的假设 . 70 图 40 不同同时率下住宅小区总负荷曲线（单位：kW）. 71 图 41 不同同时率下办公场所总负荷曲线（单位：kW）. 72 图 42 商场场景下总负荷曲线 . 73 图 43 不同充电功率下办公场所总负荷曲线（充电同时率：15%）. 74 图 44 100%电动化水平下，充电随机性导致的用电总负荷变化（单位：kW）. 75 图 45 居住小区优化后负荷：不同有序充电措施的削峰填谷效果. 79 图 46 单车参与有序充电的不同负荷曲线（单位：kW）. 79 图 47 居住小区优化后负荷：不同双向充放电（V2G）参与程度下的削峰填谷效果. 81 图 48 单车参与双向充放电的不同负荷曲线（单位：kW）. 82 图 49 参与双向充放电所有车辆的V2G负荷曲线（单位：kW）. 82 图 50 不同电动汽车参与度下，单车双向充放电负荷曲线比较（单位：kW）. 834 Quantifying the Grid Impacts from Large Adoption of Electric Vehicles in China 表目录 表 1 本研究宏观模型与微观模型差异对比 . 44 表 2 北京和苏州不同情景下的新能源汽车政策 . 55 表 3 北京和苏州2035年和2050年不同情景下新能源汽车各车型保有量（单位：万辆）. 55 表 4 本研究宏观模型中未来私家电动汽车主流充电功率假设 . 57 表 5 本研究宏观模型中对未来充电规律的假设 . 59 表 6 北京2035年和2050年电动汽车日用电量预测（单位：兆千瓦时）. 59 表 7 苏州2035年和2050年不同情景下的电动汽车日用电量（单位：兆千瓦时）. 62 表 8 城市微观层面不同场景分类与特点 . 69 表 9 不同电动汽车渗透率、同时率下住宅小区配变负荷特征 . 72 表 10 不同电动汽车渗透率、同时率下办公场所配变负荷特征 . 73 表 11 不同电动汽车渗透率、同时率下商场配变负荷特征 . 74 表 12 电动汽车和电网协同的优化目标设定 . 77 表 13 不同微观场景下的充电可调节性 . 78 表 14 不同电动汽车与电网协同措施的比较 . 86 表 15 北京和山东城市住宅小区配电标准 . 87中国新能源汽车规模化推广对电网的影响分析 5 词汇表 新能源汽车 包含纯电动汽车、插电式混合动力汽车和氢燃料电池汽车，不含混合动力汽车。 电动汽车 指纯电动汽车。 乘用车 指9座及9座以下乘用车，对应国家标准中的M1类，包括轿车、交叉型乘用车等。根据 用途不同，乘用车包括私家车、出租车、公务用车等。 电动汽车无序充电 指电动汽车用户随时、随地和随机进行充电，不对充电时间和充电功率进行引导与 控制。 电动汽车单向有序充电 简称“有序充电”，指在满足电动汽车充电需求的前提下，运用峰谷电价的经济措 施或者智能控制措施，优化调整电动汽车充电时序与功率。 电动汽车双向充放电 （V2G） 指在满足电动汽车充电需求的前提下，将电动汽车视作储能设施，当电网负荷或本 地负荷过高时，由电动汽车向电网或本地负荷馈电；当电网负荷或本地负荷过低 时，可通过有序充电，调整本地负荷的峰谷差。 电池荷电状态 （SOC） 指电池剩余容量与其额定容量的比值。 电动汽车起始 充电荷电状态（SOC） 指电动汽车在充电开始时刻，动力电池的剩余电量与其额定容量的比值。 电动汽车终止 充电荷电状态（SOC） 指电动汽车在充电结束离网时刻，动力电池的剩余电量与其额定容量的比值。 配电网 指电压等级低于110kV 的线路与设施，旨在按电压等级，将电能分配到各类电力用户。 配电变压器 简称“配变” ， 指运行在配电网中终端用户的电力变压器，与配电线路一样，配变是电 力增容的主要对象6 Quantifying the Grid Impacts from Large Adoption of Electric Vehicles in China中国新能源汽车规模化推广对电网的影响分析 7 执行摘要 主要结论 中国电动汽车规模化推广带来的用电量与用电负荷增长，对发电侧、输电侧、配 电侧、供电侧，以及充电桩规划布局都有着深远影响。 在城市层面，由于不同城市在车辆电动化的进展与充电模式上的差异，电动汽车 对电网的影响呈现不同结果：只有当城市新能源汽车数量增长提速且快充占比相 对较高时，可能使部分地区的电源装机容量、输电线路容量出现缺口。 在配电网层面，配电变压器受到电动汽车无序充电的影响在幅度上大于电动汽车 在城市层面的影响。当私家车电动化比例超过50%时，多数配电变压器将面临超 载风险。其中，居民小区、安装快充公共桩的场所，以及本身变压器中载或重载 的配变，最易受影响。 单纯增容配变未必能满足电动汽车无序充电的需求，反而会增加社会对电力资 产的投入，降低资产的利用率。因此，有必要优先考虑电动汽车与电网协同措 施电动汽车双向充放电、基于智能控制的有序充电和基于峰谷电价的有序充 电，让电动汽车能够更友好地接入电网。 综合考虑不同电动汽车与电网协同措施的削峰填谷效果和实施难度，利用智能 控制的有序充电措施降低配电网增容投资，已成为必然选择。因此，有必要克 服基于智能控制的有序充电在商业模式、技术标准上的阻碍，实现其近期的规 模化推广8 Quantifying the Grid Impacts from Large Adoption of Electric Vehicles in China 新能源汽车的推广对中国交通行业温室气体减排和空 气污染物防控具有积极意义。中国作为全球新能源汽车最 大的市场，近年来新能源汽车增长势头强劲。截至2018年 底，中国市场的新能源汽车总保有量约为261 万辆，占全球 新能源汽车的47%。根据中国汽车技术研究中心有限公司 数据资源中心预测（2019），在基准情景下，2050年中国 乘用车市场中，纯电动乘用车的保有量将达到2.3亿辆（占 比为50.1%）；在激进情景下，乘用车市场中纯电动汽车保 有量将在2050 年上升至3.5亿辆（占比为75.8% ）。 中国电动汽车规模化的快速增长，将带来车用用电量 与用电负荷的增长，成为未来用电负荷增长的重要助推力 之一，对发电侧、输电侧、配电侧与供电侧均带来挑战。 为协助电网企业、能源部门分析电动汽车规模化普及对 发电侧宏观与配电侧微观的负荷影响，本文建立宏观、微观 的蒙特卡洛随机模拟模型，以未来车辆规模、电动汽车充电 和出行规律的大数据分析结果为模型输入，对未来不同情景 下电动汽车对城市电网的发电量、用电负荷、配电网负载的 影响进行评估。在此基础上，本文建立线性优化模型，测算 不同电动汽车与电网协同策略（即单向有序充电和双向充放 电）对减少电动汽车对电网的冲击所发挥的作用。 模型结果显示，在宏观层面，电动汽车对电网的影响 具有明显的“本地化”特征。本文选择中国两个有代表性 的城市进行分析。第一个城市为北京，代表电动汽车规模 大、市场占有率高，充电以公共快充为主的城市；另一个 城市为苏州，代表新能源汽车规模中等，充电以私人慢充 为主的城市。鉴于两个中国城市在电动化路径与充电模式 （快充、慢充）的选择上存在差异，电动汽车对电网的影 响呈现不同结果，从无显著影响，到对电源装机容量、输 电线路容量均产生显著影响（图ES-1）： 当城市新能源汽车数量增长速度维持现有水 平（2035年新能源汽车保有量在300万辆以 内，2050年在450万辆以内） ， 且慢充占比相对 较高时：2035年和2050年城市电网峰值负荷 的增幅均在1% 5%之间，最大负荷需求在500 1100MW之间；该增幅在部分城市可以被电源 图 ES-1 | 基准和激进情景下北京和苏州受电动汽车充电影响全网峰值负荷变化（单位：MW和%） 说明：括号中的比例为新能源乘用车保有量在乘用车保有量中的占比。 数据来源：本研究计算 苏州：2035年 北京：2035年 苏州：2050年 北京：2050年 基准情景 新能源乘用车 保有量(万辆) 124 (22%) 270 (41%) 307 (50%) 448 (67%) 新能源汽车快充 频次占比(%) 22% 41% 31% 55% 激进情景 新能源乘用车 保有量(万辆) 124 (22%) 466 (71%) 489 (81%) 673 (100%) 新能源汽车快充 频次占比(%) 53% 88% 72% 91% 苏州：2035年 3.0% 11.9% 3,787 11.3% 928 1.6% 3.8% 1,091 1,615 1,019 3.1% 5.2% 3,185 10.7% 3,928 478 北京：2035年 苏州：2050年 北京：2050年 峰值负荷增幅 （MV） 峰值负荷增幅比例（%） 4,500 14% 12% 4,000 10% 3,500 8% 3,000 6% 1,500 1,000 500 2,000 2% 2,500 4% 0 0 基准情景_增幅（%） 基准情景_增量（MW） 激进情景_增幅（%） 激进情景_增量（MW中国新能源汽车规模化推广对电网的影响分析 9 图 ES-2 | 住宅、办公和商业场景下电动汽车充电对配变的影响（单位：kW） 25%电动汽车渗透率 50%电动汽车渗透率 100%电动汽车渗透率 配变额定容量 10%电动汽车渗透率 80%配变限值 住宅小区 (充电功率：7kW，充电同时率：21%) 住宅基础负荷 00:00 01:30 03:00 04:30 06:00 07:30 09:00 10:30 12:00 13:30 15:00 16:30 18:00 19:30 21:00 22:30 5,000 1,000 0 6,000 3,000 2,000 4,000 办公场所 (充电功率：60kW，充电同时率：15%) 办公基础负荷 00:00 01:30 03:00 04:30 06:00 07:30 09:00 10:30 12:00 13:30 15:00 16:30 18:00 19:30 21:00 22:30 5,000 1,000 0 6,000 3,000 2,000 4,000 商业场所 (充电功率：60kW，充电同时率：5%) 商业基础负荷 00:00 01:30 03:00 04:30 06:00 07:30 09:00 10:30 12:00 13:30 15:00 16:30 18:00 19:30 21:00 22:30 7 ,000 1,000 0 8,000 3,000 2,000 4,000 5,000 6,000 侧富余的装机容量消化。 当城市新能源汽车数量增长加速（2035年新能源汽 车保有量超过300 万辆，2050年超过450 万辆） ， 且快充占比相对较高时，2035年和2050 年城市电 网峰值负荷的增幅均在10%11%左右，最大负荷 需求均在10004000MW之间；该增幅在极端情 况下可能使部分地区的电源装机容量、输电线路容 量出现缺口。此外，快充的普及不仅将增加电网负 荷，也增加电动汽车负荷的复杂性与不确定性（即 快充充电时间、充电同时率的不确定性）。 因此，各城市需要结合自身发展路径，采取差异化的 措施。此外，鉴于大功率快充对电网宏观和微观层面的负 面影响较大 不仅将增加电网负荷，也增加电动汽车负 荷的复杂性与不确定性，其推广规模需谨慎研究。 在微观层面，局部配电系统受到无序充电的影响在幅 度上大于电动汽车对全网的影响，在时间上也更迫切。在 局部配电网中，当私家车电动化比例超过50%时，多数配 电变压器（以下或简称“配变”）将面临超载风险。除了 公交车、物流车等需要专用配变的场景外，可能受到电动 汽车无序充电影响、近期需优先考虑增容的配网系统还包 括居民小区、安装快充公共桩的场所，以及本身变压器中 载或重载的配变（图ES-2）。 数据来源：本研究计算10 Quantifying the Grid Impacts from Large Adoption of Electric Vehicles in China 分析也显示，有必要优先考虑电动汽车与电网协同措 施，通过需求管理手段，让电动汽车能够更友好地接入电 网。单纯增容配变未必能满足电动汽车无序充电的需求。 随着电动汽车规模增大，充电随机性（即充电同时率）的 微小扰动会造成本地充电需求与负荷峰值发生剧烈变化； 因此，任由电动汽车进行无序充电而不采取任何需求侧管 理措施，可能让规划未来配变容量变得更加困难。另外， 无止境地增加配变容量也会增加全社会投入，而由于无序 充电加剧的本地负荷峰谷差也让存量电力资产无法得到高 效利用。在一些老旧住宅小区，配电网增容更面临着用地 空间的约束。 从削峰填谷作用上看，电动汽车双向充放电的效果 基于智能控制的有序充电的效果基于峰谷电价的有序充 电的效果（图ES-3和图ES-4）。其中，电动汽车双向充放 电能够通过调动少数电动汽车，实现比有序充电更理想的 “削峰填谷”效果（图ES-4）。而在有序充电措施中，单 纯基于峰谷电价机制的有序充电虽然在一定程度上能够转 移并降低充电负荷峰值，但“削峰填谷”的效果有限，还 可能在深夜电价谷时的开始时刻，形成另一个充电负荷峰 值（图ES-3）。 随着电动汽车的推广应用，城市相关部门应及早编制 规划、采取措施，化解电动汽车对电网的冲击。在近期， 通过峰谷电价和智能控制有序充电机制实现削峰填谷、降 低配电网增容投资，已成为必然选择（图ES-5）。而鉴于 智能有序充电更理想的削峰填谷效果，有必要克服其商业 模式、技术标准的阻碍，实现其近期的规模化推广。在中 长期，随着电动汽车放电逐渐克服技术标准、并网许可及 商业模式等方面的阻碍，可以以营运车队（如城市物流货 运车队、企事业单位车队、出租租赁车队等）为试点，小 范围地推广电动汽车双向充放电。 针对实现电动汽车与电网协同措施所需的制度、技术、 资金投入与公众接受度保障，感兴趣的读者可阅读本系列研 究的第二篇中国电动汽车和电网协同路线图研究。 图 ES-3 | 住宅小区优化后负荷：两种有序充电措施的削峰填谷效果（电动化比例100%，单位：kW） 数据来源：本研究计算 4,000 3,500 1,000 500 0 4,500 2,000 1,500 3,000 2,500 00:00 00:45 01:30 03:00 02:15 03:45 04:30 05:15 06:00 06:45 08:15 07:30 9:00 09:45 10:30 11:15 12:00 12:45 13:30 14:15 15:00 15:45 16:30 17:15 18:00 18:45 19:30 20:15 21:00 21:45 22:30 23:15 基于峰谷电价（ 100%响应） 基础负荷 无序充电 基于峰谷电价（ 25%响应） 基于峰谷电价（ 50%响应） 80%配变限值 基于智能控制（ 25%参与） 基于智能控制（ 50%参与） 基于智能控制（ 10%参与） 配变额定容量中国新能源汽车规模化推广对电网的影响分析 11 图 ES-4 | 住宅小区优化后负荷：双向充放电（V2G）措施削峰填谷的效果（电动化比例100%，单位：kW） 数据来源：本研究计算 图 ES-5 | 不同电动汽车与电网协同措施的效果与实施难度 基础负荷 80%配变限值 V2G（20%参与） V2G（40%参与） 配变额定容量 V2G（10%参与） 无序充电 4,000 3,500 1,000 500 0 4,500 2,000 1,500 3,000 2,500 00:00 00:45 01:30 03:00 02:15 03:45 04:30 05:15 06:00 06:45 08:15 07:30 9:00 09:45 10:30 11:15 12:00 12:45 13:30 14:15 15:00 15:45 16:30 17:15 18:00 18:45 19:30 20:15 21:00 21:45 22:30 23:15 一般 基于智能控制的有序充电 （需要经济激励机制以及车桩 网软硬件改造） 基于峰谷电价的有序充电 （无需任何软硬件改造，但电价涉及 面广，难以为单纯缓解新能源汽车对 电网影响而执行峰谷电价） 双向充放电 （需要经济激励机制以及车桩 网软硬件改造，并改善用户接受度） 优 削峰填谷效果 实施难度 中 高12 Quantifying the Grid Impacts from Large Adoption of Electric Vehicles in China中国新能源汽车规模化推广对电网的影响分析 13 EXECUTIVE SUMMARY China is the frontrunner of the global plug-in electric vehicle (PEV) market. The rapid and widespread uptake of PEVs and fast charging technologies will have a significant impact on power generation and distribution systems. However, PEVs could potentially not only draw power from the grid as a load, they could also act as storage systems. By leveraging storage capacity of PEVs, their impact on the grid system can be minimized through Vehicle- Grid Integration (VGI) measures such as vehicle to grid (V2G) and managed charging. In this study, we have adopted a quantitative model to quantify the impact that unmanaged PEV charging will have on the grid system and to what extent this impact can be minimized by VGI measures. Using the Monte Carlo Simulation, the study analyzes PEVs impact on the city level and distribution level. Combining Monte Carlo Simulation and Linear Programming, the model further investigates whether VGI measures are sufficient to mitigate PEVs impacts on the distribution level. Results based on this model in Beijing and Suzhou reveal that on the city level, the impact of PEVs on the grid varies greatly depending on the level of PEV stocks and the adoption of ultra-fast charging (Figure ES-1): In the Business-as-usual (BAU) Scenario, cities witness a moderate pace of PEV growth (PEV stock within 3 million by 2035 or 4.5 million by 2050) with the majority of its PEVs relying on slow charg- ing, increases in the peak load between 2035 and 2050 will range between 1-5%. This increased demand could be possibly accommodated by the existing generation and transmission capacities. In the High-impact Scenario, cities experi- ence an accelerated pace of PEV growth (PEV stock larger than 3 million by 2035 or 4.5 million by 2050) with the major- ity of PEVs relying on fast charging, EVs charging will result in nearly 12% increases in the peak load in 2035 and 2050, pos- sibly overstressing the generation and transmission systems.14 Quantifying the Grid Impacts from Large Adoption of Electric Vehicles in China Figure ES-1 | Peak load increases from PEV charging in the BAU and High-impact Scenarios (Unit: MW and %) Source: calculated by this study On the distribution scale, the impact of unmanaged charging is even greater. When electrification of private vehicles exceeds 50%, the majority of transformers in residential neighborhoods risk being overloaded. With the exception of bus or freight depots, which require their own dedicated transformers, areas affected by unmanaged charging of PEVs and that may require transformer capacity expansion include commercial and office complexes with fast chargers(Figure ES- 2). This last-mile grid challenge will constrain the deployment of charging infrastructure and potentially backfire on PEVs promotion. Furthermore, the results show that VGI measures such as managed charging and vehicle discharging to grid (vehicle-to-grid, V2G) can effectively eliminate the needs for distribution capacity expansion. In contrast, simply increasing capacity to satisfy the unreasonable demand of unmanaged charging by PEVs will increase cost and may very easily face restrictions. Between two VGI measures, V2G is most effective in shaving the local peak loads. V2G can use a small number of PEVs to shave peak loads, which is even more ideal than managed charging. Within Suzhou 2035 Beijing 2035 Suzhou 2050 Beijing 2050 Bussiness-as-usual Scenario Ownership of PEVs (10,000 units) 124 (22%) 270 (41%) 307 (50%) 448 (67%) Fast charging ratio (%) 22% 41% 31% 55% High-impact Scenario Ownership of PEVs (10,000 units) 124 (22%) 466 (71%) 489 (81%) 673 (100%) Fast charging ratio (%) 53% 88% 72% 91% Suzhou 2035 3.0% 11.9% 3,787 11.3% 928 1.6% 3.8% 1,091 1,615 1,019 3.1% 5.2% 3,185 10.7% 3,928 478 Beijing 2035 Suzhou 2050 Beijing 2050 Increases in peak loads (MW) Increases in peak loads (%) 4,500 14% 12% 4,000 10% 3,500 8% 3,000 6% 1,500 1,000 500 2,000 2% 2,500 4% 0 0 BAU Scenario (%) BAU Scenario (MW) High impact Scenario (%) High impact Scenario (MW中国新能源汽车规模化推广对电网的影响分析 15 Source: calculated by this study Figure ES-2 | Load impacts on transformers in residential, office, and commercial neighbourhoods (unit: kW) Residential neighbourhood (Charging power: 7kW, Coincidence factor: 21%) Commercial complex (Charging power: 60kW, Coincidence factor: 5%) Office (Charging power: 60kW, Coincidence factor: 15%) 25% vehicle electrication 50% vehicle electrication 100% vehicle electrication Rated capacity of transformer 10% vehicle electrication Maximum eiciency (80%) Base load 00:00 00:00 00:00 01:30 01:30 01:30 03:00 03:00 03:00 04:30 04:30 04:30 06:00 06:00 06:00 07:30 07:30 07:30 09:00 09:00 09:00 10:30 10:30 10:30 12:00 12:00 12:00 13:30 13:30 13:30 15:00 15:00 15:00 16:30 16:30 16:30 18:00 18:00 18:00 19:30 19:30 19:30 21:00 21:00 21:00 22:30 22:30 22:30 5,000 5,000 1,000 1,000 0 0 6,000 6,000 3,000 3,000 2,000 2,000 4,000 4,000 7 ,000 1,000 0 8,000 3,000 2,000 4,000 5,000 6,00016 Quantifying the Grid Impacts from Large Adoption of Electric Vehicles in China managed charging measures, controlled charging is more ideal to optimize PEVs charging loads. While the time-of-use (TOU) utility tariff may be useful to reduce peak loads, its impact is limited because it may create another load spike at the beginning of the off-peak period. The study concludes that with the increased use of PEVs, grid operators and governments should plan in advance and implement measures that mitigate the impact of PEVs on the grid. Although V2G is most effective, its technical, regulatory, and public acceptance barriers prohibit recent large rollout. In the near term, controlled charging is the most viable and necessary approach to curb PEVs impacts on local transformers