中资优配
英国一般要求本科生雅思最低6.0-6.5分，研究生最低6.5-7.0分。托福则通常要求最低80-100分（网考），研究生要求90-100分。
摘要：针对目前很多型号的电动汽车电池管理系统(battery management system,BMS)与居民小区内的慢充充电桩不能正常通信的问题,依据确定性分析法,以倒序递推原则安排电动汽车的充电开始时间,研究了一种不采集电动汽车电池荷电状态(state of charge,SOC)来实现小区内电动汽车群(aggregator)有序充电的控制方法,并以小区配电网为例,采用蒙特卡洛方法模拟用户到达时间,对电动汽车在无序充电、总负荷最低时段充电和倒序递推时段充电 3 种充电模式下配电变压器的负载情况进行了仿真和分析,结果表明,在倒序递推时段充电能显著减小电网峰谷差率,不会产生新的负荷尖峰,适用于实际应用。 一五二
关键词：分时电价；有序充电；电动汽车群；蒙特卡洛模拟；峰谷差率 零一七六
0、引言
随着全球变暖问题和能源枯竭问题的日益严峻,越来越多的人开始提倡和追求绿色环保的生概念。电动汽车(EV)的零排放和不依赖化石燃料的潜力,得到了世界各国政府的普遍重视,汽车开进电动时代[1]。除了政府的补贴和大力支持,相关的汽车生产厂家也纷纷开始关注电动车的未来发展,并且在电动汽车领域不断投入资金和技术。 据工业和信息化部电动汽车发展战略研究报告预测,到2030年全国电动汽车保有量将达到6000万辆[2] 。大规模的电动汽车群无序并网充电,尤其是在负荷高峰期接入充电,加剧了配网的峰谷差,威胁到电网的安全运行。文献[3]显示电动汽车无序充电负荷与原有峰值重叠,且EV渗透率越高,高峰持续时间越长。文献[4]指出大规模充电站运行将会产生大量谐波,从而影响电网安全运行。 零七一九
为有效降低大规模电动汽车群充电对电网的负面影响,近些年国内外学者结合用户的充电需求和 电网典型日基础负荷等信息,提出了一系列电动汽车有序充电控制策略研究。 文献[5]引入有序充电的概念,建立以电动汽车削峰填谷的最优效果为目标函数的峰谷电价时段最优化模型,通过遗传算法对时段的制定方案进行寻优。 文献[6]提出变电站- 小区充电桩优化接入控制模式及策略,以变电站和配电线路负载均衡为目标,实现各住宅区电动汽车充电的有序控制。 文献[7]在满足用户充电需求和配电变压器容量限制的前提下,建立了以充电站收益最大化和局部峰谷差最小的两阶段优化模型。文献[8]基于分时电价背景,建立了兼顾电网负荷波动与用户成本的多目标优化充放电控制策略模型。 文献[9]提出了集中求解接入同一变压器下少量电动汽车的有序充电策略的数学模型。
目前控制电动汽车有序充电的策略研究主要是基于求解数学优化模型,这要建立在充电桩准确采集电动汽车SOC 的前提下[10] 。 考虑到当前我国慢充充电桩与电动汽车 BMS 的通信标准不规范,许多型号的电动汽车 SOC 不能被小区内慢充充电桩准确采集[11] 。 因此,本文提出了一种不采集电动汽车SOC 来实现小区内大规模电动汽车群有序充电的控制方法。 该方法中引入电动汽车群的概念,通过分析居民私家车日行驶里程规律,确定每辆电动汽车的充电持续时间;通过寻找充电过程中电网总负荷的最低点的时段,安排电动汽车在倒序递推时段进行充电。 最后,以某小区配电网为例,采用蒙特卡洛方法模拟用户到达时间,仿真分析了电动汽车在3种不同充电模式下电网负荷曲线和经济效益等。
1、电动汽车群和分时电价
电动汽车群是指在一个固定区域(小区或停车场)内至少有 10 台以上需要充电的车群组[12] 。 电动汽车群充电是指对 10 台以上的汽车群进行同期充电。
分时电价( time-of-use price,TOU price)是我国当前积极推广的一种电价机制,目的是鼓励用户合理转移用电负荷,削峰填谷,提高电力资源的利用效率[13] 。 若制定的充电分时电价能够有效反映电网负荷波动,则引入分时电价后,在满足小区变压器容量限制的前提下,尽量安排用户在谷时段充电,即保证了用户充电的经济性,又兼顾了电网的峰谷差。
例如电动汽车充电管理商从电网购电的分时电价采用国内工业用电分时电价划分方式:峰时段 (17:00 - 21:00);平时段(21:00 - 22:00);谷时段8h(22:00 - 08:00)。 图 1 为某小区的典型日基础负荷曲线。 可以看出,傍晚 17 点至次日 8 点,电网分时电价的峰谷平时段与小区日基础负荷的波动情况是一致的。 这就保证了在谷时段对小区内电动汽车群充电时,用户充电费用最少,且电网不会出现峰上加峰情况。
2、电动私家车充电负荷特性分析
2.1 电池特性
当前电动汽车中的动力电池以锂电池为主,锂电池一般采用三段式充电方式进行充电,充电过程近似恒功率充电[14] 。 本文主要以市面有代表性的江淮 iEV5 等车型的动力电池作为研究对象。 综合选取的动力电池参数如下:电池容量为 28 kW·h,每 100 公里耗电量为 13. 3 kW·h,电池续航里程为200 公里,正常充电功率 PC在 3 ~ 4 kW(C 为电池容量,单位 kW·h)。 慢充充电电流在 0. 1C ~ 0. 5C(如 0. 2C 表示电池在理想状态下 5 h 充满)范围内, 一般 5 ~ 8 h 充满。
2.2 出行需求和习惯
用户出行需求和习惯指的是用户的行驶里程, 出行及返回时间等。 这些因素决定了用户的充电开始时间与充电持续时间。 当前缺乏电动汽车出行的可靠的历史数据,一般认为电动汽车对传统汽车的替代使用不会对用户的出行习惯产生影响。 根据2009 年美国交通部统计的家庭车辆行驶调查数据(national household travel survey,NHTS),一天中有14% 的家用车辆不被使用,有 43. 5% 的私家车日行驶里程在 32 km 以内,有 83. 7% 的私家车日行驶里程在 97 km 以内[15 - 16] 。 将统计数据归一化处理后,采用极大似然参数估计方法将车辆日行驶里程近似为对数正态分布,其概率密度函数为
式中:d 为日行驶里程,期望值 μ = 3. 7;标准差 б = 0. 9。
根据青岛市地区统计,青岛市工薪族上下班和休闲用车里程每月平均 900 公里,即日平均行驶里程在 30 公里。 某汽车商家通过对潜在的车主每日行驶里程进行调查,结果如图 2 所示,其中 93% 的车主日行驶里程在 80 公里以内。
我国大部分地区正常下班时间为 17 时,多数车主下班后即返回家中,这样大多数电动汽车能在19时之前回到家中[17] 。如图 3 所示,采用对数正态分布描述电动汽车最后一次行程结束时刻,其概率密度函数为
式中:t 表示时间,17 表示下午17时。
2.3 电动汽车充电时间
电动汽车充电持续时间计算公式大致为
式中:TC为电动汽车充电持续时间,h;S 为日行驶里程,km;W100为每百公里的耗电量,kW·h / km;PC为充电功率,kW。
3、小区充电桩接入模式控制
为了有效地实现小区内充电桩的优化接入和控制,采用“群控群管”的接入控制模式,将整个小区的电动汽车群充电系统分为设备层、控制层、调度层和云平台四层结构,如图 4 所示。
①为设备层,包含箱变中 10 / 0. 4 kV 的高低压转换和一系列交直流充电桩(机),将小区 10 kV 电力接入,配电、变电模块集成一体化,完成供电和交直流充电功能;②为控制层,通过群管群控实现对接入的每路交直流充电进行控制管理,包括对充电桩(机)状态量、模拟量的监测,对各路充电过程的控制以及电度计量;③为调度层,对服从调度的车辆进行有序充电,实现电能最优分配,另外按照用户的预约充电需求,合理安排充电时间;④为云平台,支持车主通过 APP 智能查询周围可用充电桩,实时了解充电进度和费用,与②③通过 CAN 总线或 GPRS 相互通信,实现人机交互以及充电桩的状态监控等功能。 且在运营角度,云平台可对车辆数据、道路数据、用户行驶数据等海量信息进行处理、分析、挖掘,便于供应商提供更精细化的服务。
4、有序充电控制策略
基于小区典型日基础负荷曲线,提出不采集电动汽车 SOC 来实现小区电动汽车群有序充电的控制方法。在交通工程实践中,一般以 15 min 的交通流量为基础进行划分,基于此将一天划分96个控制时间段,小区第 i(i = 1,2,…,96)个时段内基础负荷为 Pi,单台电动汽车功率为 p0 。 考虑到电动汽车SOC 获取不到的情况,即电动汽车所需的充电时间无法准确得到,采用确定分析法得到单辆电动汽车的充电持续时间 T0 ,通过寻找充电过程中总负荷最低点所在的时段 Tminj,采用倒序递推原则选取电动汽车的充电开始时段(指该时段的开始时刻),尽可能在低谷时段给电动汽车充电。
4.1 寻找总负荷最低点时段
第 i 个时间段电网总负荷 Psumi为该时间段参与充电的 m 台电动汽车负荷与基础负荷 Pi的叠加,即
每一辆电动汽车安排充电后,重新计算 96 时段电网总负荷,找到总负荷的最低点所在的时段 Tminj, 为下一辆电动汽车安排充电时间。 第 m 辆电动汽车安排充电时间后,电网总负荷的最小值表示为
4.2 两种控制策略比较
寻找到电网总负荷最低点所在时间段后,本文的策略方法没有安排电动汽车在该时段直接进行充 电,而是采用倒序递推的原则,重新选择充电时间段。
当前我国居民小区 17 时至次日 6 时用电分时电价划分如表 1 所示。 其中,Tf - b 、Tp - b和 Tg - b分别为峰时段、平时段和谷时段的开始时刻;Tf - o、Tp - o和Tg - o分别为峰时段、平时段和谷时段的结束时刻。
总负荷最低时段充电,总负荷最低时段充电时序如图 5 所示。 总负荷最低时段充电是指,新的电动汽车接入时,直接安排 EV 在上一辆电动汽车负荷计入电网后总负荷最低点所在的时段 Tminj进行充电,充电持续时间 T0 。 若谷时段可用充电时间大于 T0 ,则 Tminj为充电开始时段(如图 5(a)所示);若谷时段可用充电时间小于 T0 ,那么距离谷时段结束T0前那一时段是充电开始时段。
倒序递推时段充电,倒序递推时段充电是指,新的电动汽车接入时,没有直接安排其在 Tminj进 行充电,而是采用倒序递推原则安排充电时间。 若谷时段可用充电时间大于 T0 ,且 Tminj与谷时段开始时刻 Tg - b的时间差 Δt 大于 T0 / 2,则充电开始时段为 Tminj向前平移 T0 / 2 时长(如图 6(a)所示);若谷时段可用充电时间大于 T0 ,且 Tminj与谷时段开始时刻 Tg - b的时间差 Δt 小于T0 / 2,则充电开始时段为谷时段开始时段 Tg - b ;若谷时段可用充电时间小于T0 ,那么距离谷时段结束 T0前那一时段是充电开始时段。 倒序递推时段充电如图 6 所示。
4. 3 有序充电控制流程
小区内电动汽车群有序充电控制流程如图 7 所示。 在调度平台获取当前电网负荷信息后,根据得到的负荷最低点时段,制定电动汽车的充电时段。将安排好的电动汽车负荷与安排前的总负荷叠加, 寻找新的电网总负荷最低点时段,安排下一辆车的充电时段。
5、算例分析
5.1 仿真参数设置
为验证本文方法的有效性,以某小区为例进行仿真 验 证。 小 区 ( 150 套 住 房, 平 均 每 套 住 房100 m 2 )总负荷包括居民日常基础负荷和电动汽车充电负荷。 配电变压器容量为 630 kVA,电动汽车采用交流慢充充电方式,充电功率为 3. 6 kW,充电效率为 0. 92。 小区基础负荷最大值占变压器容量的 80% 。
基于概率密度分布,利用蒙特卡洛抽样模拟电动汽车接入电网时间。 默认所有车辆在早上 6:00 前结束充电。 根据 2009 年 NHTS 数据,结合我国私家车行驶特点可知,90% 左右的用户日行驶里程在100 公里以内,采用确定分析法计算电动汽车的充电持续时 间 T0 。 根 据 公 式 ( 3 ), 取 S = 100 km,W100 = 13. 3 kW·h / km ,PC = 3. 3 kW,得到 T0 = 4. 03 h。
经过 4 小时的持续充电,90% 左右的私家车能充至满电状态。 假设日行驶里程 100 公里以上的车辆不参与调度过程。 可见,对于参与有序充电控制过程的用户,T0 = 4 基本能满足他们的充电需求。电动汽车商家从电网购电的分时电价及商家收取的充电分时电价时段划分如表 2 所示。
5.2 仿真结果
通过蒙特卡洛法分别模拟 20 ~ 100 辆电动汽车在 17:00 ~ 6:00 的充电情况,得到不同数量的电动汽车在无序充电、总负荷最低时段充电和倒序递推时段充电 3 种充电模式下的电网负荷曲线(如图 8所示)。 表 3 是以 100 辆电动汽车的充电数据为例,从充电经济性、峰谷差率等方面对上述 3 种充电模式进行对比。
无序充电。无序充电模式下,大量的电动汽车集中在傍晚充电,与小区基础负荷高峰重叠,出现峰上加峰的情况。 本例中,100 辆电动汽车进行无序充电会超出变压器最大负载限制,威胁到电网的安全运行。总负荷最低时段充电。 通过寻找总负荷最低点所在的时段直接进行充电,其负荷曲线如图8(b)所示。 可以看出:电动汽车基本被安排到电价最低的谷时段进行充电,且在 2:00 时开始出现新的负荷尖峰,随着接入电动汽车数量的增多,新负荷尖峰甚至会超过基础负荷的峰值。倒序递推时段充电。 电动汽车在倒序递推时段充电所得的负荷曲线如图 8(c)所示。 可以看出:该模式下电动汽车基本全部被安排到电价最低的谷时段进行充电,且电动汽车接入后可以使低谷时段变得平坦,没有明显的新负荷尖峰出现。
从表 3 可以看出,无序充电模式下最大总负荷达到变压器容量的 1. 2 倍,采用倒序递推时段充电模式时电网总负荷峰谷差率最低,仅为总负荷最低时段充电模式时的一半;经济效益方面,与无序充电模式相比,两种有序充电模式下用户平均充电费用降低了 36. 7% ,运营商每天的利润增加了 2. 8% 。可见,倒序递推时段充电模式能够实现用户、运营商和电网公司的多赢。
6、解决方案
图1平台结构图
充电运营管理平台是基于物联网和大数据技术的充电设施管理系统，可以实现对充电桩的监控、调度和管理，提高充电桩的利用率和充电效率，提升用户的充电体验和服务质量。用户可以通过APP或小程序提前预约充电，避免在充电站排队等待的情况，同时也能为充电站提供更准确的充电需求数据，方便后续的调度和管理。通过平台可对充电桩的功率、电压、电流等参数进行实时监控，及时发现和处理充电桩故障和异常情况对充电桩的功率进行控制和管理，确保充电桩在合理的功率范围内充电，避免对电网造成过大的负荷。
7、安科瑞充电桩云平台具体的功能
平台除了对充电桩的监控外，还对充电站的光伏发电系统、储能系统以及供电系统进行集中监控和统一协调管理，提高充电站的运行可靠性，降低运营成本，平台系统架构如图3所示。
图2充电桩运营管理平台系统架构
大屏显示：展示充电站设备统计、使用率排行、运营统计图表、节碳量统计等数据。
图3大屏展示界面
站点监控：显示设备实时状态、设备列表、设备日志、设备状态统计等功能。
图4站点监控界面
设备监控：显示设备实时信息、配套设备状态、设备实时曲线、关联订单信息、充电功率曲线等。
图5设备监控界面
运营趋势统计：显示运营信息查询、站点对比曲线、日月年报表、站点对比列表等功能。
图6运营趋势界面
收益查询：提供收益汇总、实际收益报表、收益变化曲线、支付方式占比等功能。
图7收益查询界面
故障分析：提供故障汇总、故障状态饼图、故障趋势分析、故障类型饼图等功能。
图8故障分析界面
订单记录：提供实时/历史订单查询、订单终止、订单详情、订单导出、运营商应收信息、充电明细、交易流水查询、充值余额明细等功能。
图9订单查询界面
8、产品选型
安科瑞为广大用户提供慢充和快充两种充电方式，便携式、壁挂式、落地式等多种类型的充电桩，包含智能7kw/21kw交流充电桩，30kw直流充电桩，60kw/80kw/120kw/180kw直流一体式充电桩来满足新能源汽车行业快速、经济、智能运营管理的市场需求。实现对动力电池快速、高效、安全、合理的电量补给，同时为提高公共充电桩的效率和实用性，具有有智能监测：充电桩智能控制器对充电桩具备测量、控制与保护的功能；智能计量：输出配置智能电能表，进行充电计量，具备完善的通信功能；云平台：具备连接云平台的功能，可以实现实时监控，财务报表分析等等；远程升级：具备完善的通讯功能，可远程对设备软件进行升级；保护功能：具备防雷保护、过载保护、短路保护，漏电保护和接地保护等功能；适配车型：满足国标充电接口，适配所有符合国标的电动汽车，适应不同车型的不同功率。下面是具体产品的型号和技术参数。
9、现场图片
10、结论
本文在不采集电动汽车 SOC 前提下,综合考虑用户的充电需求和电网负荷水平,提出了基于分时电价的倒序递推时段充电方法。 通过仿真分析,得到如下结论:
峰谷差率方面,相比较无序充电模式,两种有序充电模式均能够降低总负荷峰谷差率。 倒序递推时段充电模式下的谷时段更加平坦,填谷效果更加明显。 而总负荷最低时段充电模式会产生新的负荷尖峰,甚至会超过基础负荷的峰值。经济效益方面,两种有序充电模式下车均充电费用和运营商的日利润是相同的。 相比无序充电模式,有序充电模式大幅度降低了用户每次充电的费用,提高了用户的满意度和响应有序充电策略的积极性。采用倒序递推时段充电模式在降低用户充电成本、提高运营商收益的同时,也提高了配电变压器的使用效率和寿命,实现了用户、运营商和供电部门的多赢。
参考文献
[1] MA Yuchao, HOUGHTO T, ANDREW C, et al. Modeling the benefits of vehicle-to-grid technology to a power system[J]. IEEE Trans on Power Systems, 2012, 27(2):1012.
[2] 张文亮, 武斌, 李武峰, 等. 我国纯电动汽车的发展方向及能源供给模式的探讨[J]. 电网技术, 2009, 30(4):1. ZHANG Wenliang, WU Bin, LI Wufeng, et al. Discussion on development trend of battery electric vehicles in Chin and its energysupply mode[J]. Power System Technology, 2009,33(4):1.
[3] 王建, 吴奎华, 刘志珍, 等. 电动汽车充电对配电网负荷的影响及有序控制研究[J]. 电力自动化设备, 2013, 33(8):47. WANG Jian, WU Kuihua, LIU Zhizhen, et al. Impact of electric vehicle charging on distribution network load and coordinated control [ J ]. Electric Power Automation Equipment, 2013, 33 (8):47.
[4]杜学龙, 刘志珍, 王建, 等. 电动汽车充电站谐波抑制方法的对比分析[J]. 电力系统保护与控制, 2012, 40(19):139. DU Xuelong, LIU Zhizhen, WANG Jian, et al. Comparison and analysis on harmonic suppression of EV charging station[J]. Power System Protection and Control. 2012, 40(19):139.
[5] 葛少云, 黄镠, 刘洪. 电动汽车有序充电的峰谷电价时段优化[J]. 电力系统保护与控制, 2012, 40(10):1. GE Shaoyun, HUANG Liu, LIU Hong. Optimization of peak-valley TOU power price time-period in ordered charging mode of electric vehicle[ J]. Power System Protection and control, 2012, 40(10):1.
[6]刘文霞, 刘流, 赵天阳. 变电站区域充电桩接入控制模式及策略. 电力系统自动化, 2013, 37(16):66. LIU Wenxia, LIU Liu, ZHAO Tianyang. Charging pile acess control mode and strategy for substation area[J]. Automation of Electric Power System. 2013, 37(16):66.
[7]张良,严正,冯冬涵,等. 采用两阶段优化模型的电动汽车充电站内有序充电策略[J]. 电网技术,2014,38(4):967. ZHANG Liang,YAN Zheng, FENG Donghan, et al. Two-stage optimization model based coordinated charging for EV charging station[J]. Power System Technology, 2014, 38(4):967.
[8]魏大钧, 张承慧, 孙波, 等. 基于分时电价的电动汽车充放电多目标优化调度[J]. 电网技术. 2014,38(11): 2972. WEI Dajun, ZHANG Chenghui, SUN Bo, et al. A time-of-useprice based multi-objective optimal dispatching for charging and discharging of electric vehicles [ J]. Power System Technology. 2014, 38(11):2972.
[9]徐智威, 胡泽春, 宋永华, 等. 基于动态分时电价的电动汽车充电站有序充电策略 [ J]. 中国电机工程学报, 2014, 34 (22): 3638.XU Zhiwei, HU Zechun, SONG Yonghua, et al. Coordinated charging strategy for PEV charging stations based on dynamic timeof-use tariffs[J]. Proceedings of the CSEE, 2014, 34(22):3638
[10] 荣盘祥, 王子旭, 高生宇. BP 神经网络在电动车充放电控制 中的应用[J]. 哈尔滨理工大学学报, 2015, 20(5):80. RONG Panxiang, WANG Zixu, GAO Shengyu. Application of BP neural network in electric vehicle charging and discharging control[J]. Journal of Harbin University of Science and Technology,2015, 20(5):80.
[11] 周封, 杨玉萍, 王晨光, 等. 电动车 IVT 功能设计及电池管理系统的优化[J]. 哈尔滨理工大学学报, 2012,(04):22. ZHOU Feng, YANG Yuping, WANG Chenguang, et al. Design
of intelligent vehicle terminal (IVT) for electric cars and optimization of battery management system[J]. Journal of Harbin University of Science and Technology,2012,(04):22.
[12] 王锡凡, 邵成成, 王秀丽, 等. 电动汽车充电负荷与调度控制策略综述[J]. 中国电机工程学报, 2013, 33(1):2.WANG Xifan, SHAO Chengcheng, WANG Xiuli, et al. Survey
of electric vehicle charging load and dispatch control strategies [J]. Proceedings of the CSEE, 2013, 33(1):2．
[13] 孙晓明, 王玮, 苏粟, 等. 基于分时电价的电动汽车有序充电控制策略设计[J]. 电力系统自动化, 2013, 37(1):191. SUN Xiaoming, WANG Wei, SU Su, et al. Coordinated charging strategy for electric vehicles based on time-of-use price[J]. Automation of Electric Power Systems, 2013, 37(1):191.
[14]罗卓伟, 胡泽春, 宋永华, 等. 换电模式下电动汽车电池充电负荷建模与有序充电研究[J]. 中国电机工程学报, 2012,32(31):1. LUO Zhuowei, HU Zechun, SONG Yonghua, et al. Study on charging load modeling and coordinated charging of electric vehicles under battery swapping modes [ J ]. Proceedings of the CSEE, 2014, 34(22):1.
[15] 田立亭, 史双龙,贾卓, 等. 电动汽车充电功率需求的统计学建模方法[J]. 电网技术, 2010,(11):126.TIAN Liting, SHI Shuanglong, JIA Zhuo, et al. A statistical model for charging power demand of electric vehicles[ J]. PowerSystem Technology, 2010, (11):126.
[16] Federal High Way Administration. US Department of Transportation[EB/ OL]. 2011 [2011 - 06]. http: / / nhts. ornl. gov / 2009 / pub / stt. pdf.
[17] 王辉, 文福拴, 辛建波. 电动汽车充放电特性及其对配电系统的影响分析[J]. 华北电力大学学报, 2011, 38(5): 17.WANG Hui, WEN Fushuan, XIN Jianbo. Charging and discharging characteristics of electric vehicles as well as their impacts on
distribution systems[ J]. Journal of North China Electric Power University, 2011, 38(5):17.
[18]刘志珍，杨勇， 屈东明， 王建， 黑桐，基于分时电价的电动汽车群有序充电策略研究[J].2017
[19]安科瑞企业微电网设计与应用手册2022.5版.股票配资几倍杠杆最好
电网时段汽车充电桩负荷发布于：上海市声明：该文观点仅代表作者本人，搜狐号系信息发布平台，搜狐仅提供信息存储空间服务。下一篇：没有了