Управление электропотреблением зарядных станций электромобилей как альтернатива реконструкции распределительных сетей

Целью настоящей работы является исследование эффективности различных методов управления электропотреблением домашних зарядных станций электромобилей для снижения максимумов мощности и сокращения объемов реконструкции распределительной сети при технологическом присоединении электрозарядной инфраструктуры. Исследование выполнено на примере распределительной сети 10 кВ, питающей более шести тыс. абонентов. Максимальные электрические нагрузки определены с помощью имитационного моделирования с учетом особенностей зарядного поведения владельцев электротранспорта, параметров зарядных станций и суточного профиля изменения нагрузки в распределительной сети. Для ограничения потребляемой мощности зарядных станций использованы метод отложенного заряда, а также одно- и двухуровневая система прямого управления электропотреблением. Для каждого метода управления электропотреблением выполнено моделирование профилей нагрузки зарядных станций электромобилей и распределительной сети. Показано, что широкое распространение электромобилей приводит к заметному росту (на 44 %) пиковой нагрузки в распределительной сети низкого и среднего напряжения, что создает риск перегрузки электросетевого оборудования и требует существенных инвестиций в реконструкцию и усиления электрической сети (порядка 70 млн руб.). Рассмотренные методы управления электропотреблением позволили снизить максимум мощности в распределительной сети на 13 % и обеспечить экономический эффект за счет снижения затрат на реконструкцию на сумму до 66,94 млн руб. Показано, что средний недозаряд электромобилей при использовании одно- и двухуровневой системы прямого управления электропотреблением составил всего 0,93–1,55 %. Таким образом, управление электропотреблением зарядных станций электромобилей позволяет значительно сократить затраты на усиление распределительной сети при незначительном влиянии на качество заряда электромобилей.

1. Воронин В.А., Непша Ф.С. Управление напряжением в низковольтных распределительных сетях в условиях внедрения домашних зарядных станций электромобилей // iPolytech Journal. 2024. Т. 28. № 2. С. 261–271. https://doi.org/10.21285/1814-3520-2024-2-261-271. EDN: ZWSVER.

2. Sandström M., Huang P., Bales Ch., Dotzauer E. Evaluation of hosting capacity of the power grid for electric vehicles – a case study in a Swedish residential area // Energy. 2023. Vol. 284. P. 129293. https://doi.org/10.1016/j.energy.2023.129293. EDN: FLQPCT.

3. Li Ya., Jenn A. Impact of electric vehicle charging demand on power distribution grid congestion // Proceedings of the National Academy of Sciences of the United States of America. 2024. Vol. 121. Iss. 18. P. e2317599121. https://doi.org/10.1073/pnas.2317599121. EDN: QKBFSW.

4. Lukuyu Ju., Shirley R., Taneja Ja. Managing grid impacts from increased electric vehicle adoption in African cities // Scientific Reports. 2024. Vol. 14. Iss. 1. P. 24320. https://doi.org/10.1038/s41598-024-75039-3. EDN: HLIIAY.

5. Visakh A., Selvan M.P. Smart charging of electric vehicles to minimize the cost of charging and the rate of transformer aging in a residential distribution network // Turkish Journal of Electrical Engineering and Computer Sciences. 2022. Vol. 30. Iss. 3. P. 927–942. https://doi.org/10.55730/1300-0632.3819. EDN: VQELDK.

6. Van Sambeek H.L., Zweistra M., Hoogsteen G., Varenhorst I.A.M., Janssen S. Gridshield-optimizing the use of grid capacity during increased EV adoption // World Electric Vehicle Journal. 2023. Vol. 14. Iss. 3. P. 68. https://doi.org/10.3390/wevj14030068. EDN: SRPSMS.

7. Dreucci D., Yu Yu., Chandra Mouli G.R., Shekhar A., Bauer P. Centralised distribution grid congestion management through EV charging control considering fairness and priority // Applied Energy. 2025. Vol. 384. P. 125417. https://doi.org/10.1016/j.apenergy.2025.125417.

8. Aoun A., Adda M., Ilinca A., Ghandour M., Ibrahim H. Dynamic charging optimization algorithm for electric vehicles to mitigate grid power peaks // World Electric Vehicle Journal. 2024. Vol. 15. Iss. 7. P. 324. https://doi.org/10.3390/wevj15070324. EDN: NWECFF.

9. Воронин В.А. Исследование влияния электрозарядной инфраструктуры электротранспорта на электроэнергетическую систему России: анализ значимости факторов // Известия высших учебных заведений. Проблемы энергетики. 2026. Т. 28. № 1. С. 70–88. https://doi.org/10.30724/1998-9903-2026-28-1-70-88. EDN: YKDHOC.

10. Elsayed M., Zafar K., Esa Yu., Soujad T., Mohamed A. Impact of 100% vehicle electrification on the distribution grid in dense urban regions // Energy Reports. 2024. Vol. 11. P. 5315–5322. https://doi.org/10.1016/j.egyr.2024.05.030. EDN: IRVEMB.

11. Roy P., Ilka R., He J., Liao Yu., Cramer A.M., Mccann Ju., et al. Impact of electric vehicle charging on power distribution systems: a case study of the grid in Western Kentucky // IEEE Access. 2023. Vol. 11. P. 49002–49023. https://doi.org/10.1109/ACCESS.2023.3276928. EDN: WURZAL.

12. Lee Ja.H., Chakraborty D., Hardman S.J., Tal G. Exploring electric vehicle charging patterns: mixed usage of charging infrastructure // Transportation Research Part D: Transport and Environment. 2020. Vol. 79. P. 102249. https://doi.org/10.1016/j.trd.2020.102249. EDN: HLLYVI.

13. Sørensen Å.L., Sartori I., Lindberg K.B., Andresen I. A method for generating complete EV charging datasets and analysis of residential charging behaviour in a large Norwegian case study // Sustainable Energy, Grids and Networks. 2023. Vol. 36. P. 101195. https://doi.org/10.1016/j.segan.2023.101195. EDN: XUFMMB.

14. Almaghrebi A., James K., Al Juheshi F., Alahmad M. Insights into household electric vehicle charging behavior: analysis and predictive modeling // Energies. 2024. Vol. 17. Iss. 4. P. 925. https://doi.org/10.3390/en17040925. EDN: AMGFBH.

15. Huang P., Ma Zh. Unveiling electric vehicle (EV) charging patterns and their transformative role in electricity balancing and delivery: Insights from real-world data in Sweden // Renewable Energy. 2024. Vol. 236. P. 121511. https://doi.org/10.1016/j.renene.2024.121511. EDN: ZMHMEX.

16. Baek K., Lee E., Kim J. A dataset for multi-faceted analysis of electric vehicle charging transactions // Scientific Data. 2024. Vol. 11. Iss. 1. P. 262. https://doi.org/10.1038/s41597-024-02942-9. EDN: TLFFID.

17. Voronin V., Nepsha F., Ilyushin P. Demand factor analysis for electric vehicle charging infrastructure // World Electric Vehicle Journal. 2025. Vol. 16. Iss. 9. P. 537. https://doi.org/10.3390/wevj16090537. EDN: YGLYGG.

18. Ganz K., Vollmuth P. The Impact of DSO Grid-Integration Measures on EV Users in Germany // World Electric Vehicle Journal. 2025. Vol. 16. Iss. 2. P. 110. https://doi.org/10.3390/wevj16020110. EDN: KRJAFI.

19. Kroener N., Förderer K., Lösch M., Schmeck H. State-of-the-art integration of decentralized energy management systems into the German Smart Meter Gateway infrastructure // Applied Sciences. 2020. Vol. 10. Iss. 11. P. 3665. https://doi.org/10.3390/app10113665. EDN: JAAAKU.

20. Бучнев А.О., Рыбина К.А. Интеллектуальные системы учета электроэнергии как фактор развития «умного города» // Государственная служба. 2025. Т. 27. № 4. С. 43–51. EDN: EUPAUY.