【解決方案】電動汽車的有序充電管理及其對配網(wǎng)的影響分析

未曉妃

安科瑞電氣股份有限公司 上海嘉定 201801

   電動汽車以無序充電方式接入配電網(wǎng)時與網(wǎng)內(nèi)基礎(chǔ)用電負(fù)荷疊加，會形成峰上加峰的現(xiàn)象，不利于配電網(wǎng)的穩(wěn)定運(yùn)行。針對上述問題，首先對私家車充電負(fù)荷進(jìn)行建模，采用蒙特卡羅抽樣模擬電動汽車無序行為下的充電負(fù)荷曲線。然后提出一種新型的多時段動態(tài)充電價格機(jī)制，引導(dǎo)車主有序充電，并以配電網(wǎng)負(fù)荷波動比較小為目標(biāo)函數(shù)，優(yōu)化電動汽車充電行為。比較后在IEEEE3節(jié)點(diǎn)配電網(wǎng)中，分別分析有序和無序充電負(fù)荷并網(wǎng)時電動汽車充電費(fèi)用、配電網(wǎng)電壓偏移率及網(wǎng)損，結(jié)果表明所提策略可有效兼顧用戶利益和配電網(wǎng)的穩(wěn)定運(yùn)行。

1私家車無序模式充電模型

  本文從以下4個方面構(gòu)建電動汽車的充電模型。ａ?電動汽車電池特性本文選用鋰電池為研究對象。與普通汽車相同，不同類型私家車電池容量有差異。

  式中ｆQ為私家車鋰電池容量的概率密度；ｘ表示該時刻的電池容量大小，一般取值為20-30kwh。鋰電池充電變化過程如圖1所示。由于充電起始過程和結(jié)束過程的時間非常短暫，可以近似地認(rèn)為鋰電池充電是恒功率充電。ｂ?車主日行駛里程本文引用美國交通部汽車日出行數(shù)據(jù)進(jìn)行分析

計算［13］，可知電動汽車車主每日用車行駛里程數(shù)的概率密度函數(shù)為

式中：ｆD為車主日行駛里程的概率密度函數(shù)；μD為期望值；σD為標(biāo)準(zhǔn)差。ｃ?車主比較后歸程時刻假設(shè)車主每日結(jié)束行程時刻即為電動汽車每日開始充電時刻，比較后歸程概率密度函數(shù)為

式中：ｆｓ為車主比較后規(guī)程的概率密度函數(shù)；ｗ為回家時刻；μｓ為期望值；σｓ為標(biāo)準(zhǔn)差。ｄ?車主離家時間假設(shè)車主每日用車期間只可放電不可充電，出行開始時刻的概率密度函數(shù)為

式中：ｆｅ為車主啟程離家的概率密度函數(shù)；ｖ為離家時刻。結(jié)合用戶出行數(shù)據(jù)及電動汽車充電模型利用蒙特卡洛算法，得到500輛電動汽車的24ｈ無序充電負(fù)荷曲線，如圖2所示。

２多時段動態(tài)電價下電動汽車有序充電模型

2.1多時段動態(tài)電價區(qū)間劃分

  傳統(tǒng)的分時電價一旦制定后其區(qū)間不再變化，但居民的用電行為會隨著季節(jié)變化、地域不同和個人舒適度而改變，與原分時電價的價格區(qū)間范圍有偏差，產(chǎn)生負(fù)荷和電價的峰谷不匹配的現(xiàn)象。而電動汽車的充電行為在時間上有很大隨機(jī)性，導(dǎo)致實時電價的制定考慮因素十分復(fù)雜。因此本文根據(jù)短期負(fù)荷預(yù)測為基礎(chǔ)提出一種新型的多時段動態(tài)電價策略。目前為止，隸屬度函數(shù)是對傳統(tǒng)用電價格進(jìn)行劃分的比較成熟且通用性比較廣的方法。以表1某地區(qū)分時電價為例，首先基于模糊數(shù)學(xué)的理論，可將每個時間段認(rèn)為是一個獨(dú)立的模糊集合，然后利用隸屬度函數(shù)構(gòu)建時段內(nèi)每時刻對應(yīng)的隸屬度，并根據(jù)隸屬度值將其劃分到對應(yīng)的時間段［14］。再將短期預(yù)測的基礎(chǔ)負(fù)荷劃分成多時段，根據(jù)每時段對應(yīng)的負(fù)荷值計算相對應(yīng)的電價。

式中：Cｍａｘ和Cｍｉｎ分別為分時電價的峰值與谷值；C∗為每時段負(fù)荷在價格區(qū)間上的映射。

式中：Cｉ為基準(zhǔn)。

2.2電動汽車有序充電策略

  電動汽車聚合商是專門針對電動汽車充電進(jìn)行資源整合的參與者，其部署的智能充電樁可提供常規(guī)充電模式和充電優(yōu)化模式。常規(guī)充電模式可將電動汽車的電池充至期望電量值，而優(yōu)化模式則需要根據(jù)車主個人用電需求輸入結(jié)束充電時刻及結(jié)束時刻的充電期望值。車輛接入后，充電樁將獲取該車信息，將輸入值及車電池的剩余電量反饋到系統(tǒng)調(diào)度中間，對收集的數(shù)據(jù)進(jìn)行在線智能計算，形成電動汽車的充電計劃。

2.3目標(biāo)函數(shù)

  本文以網(wǎng)內(nèi)負(fù)荷波動比較小為目標(biāo)函數(shù)。

式中：F為目標(biāo)函數(shù)；N為谷時段數(shù)目；Pｉ為第ｉ個時段配電網(wǎng)的基礎(chǔ)負(fù)荷值。

2.4約束條件

小值和比較大值。

  Bu充電時段T約束Tｓ≤T≤Tｅ（12）式中：Tｓ為車主每日充電開始時刻；Tｅ為當(dāng)天充電結(jié)束時刻。ｃ?總電量Ｓ約束本文優(yōu)化中不計電池?fù)p耗，假設(shè)電池容量為恒定值。

式中：K為充電的電動汽車數(shù)目；Tｃｈｉ為第ｉ輛車總充電時間。

2.5算法求解

  傳統(tǒng)的遺傳算法是一種起源于生物進(jìn)化規(guī)律演變的尋優(yōu)算法。從任意初始種群開始，通過選擇、交叉、變異等環(huán)節(jié)，產(chǎn)生一些對環(huán)境適應(yīng)度高的個體并進(jìn)入搜索空間中更好的區(qū)域，不斷繁衍進(jìn)化，比較終得到比較大適應(yīng)度的個體作為比較優(yōu)解輸出。但由于進(jìn)化過程中交叉概率參數(shù)及變異概率參數(shù)為定值，忽略了進(jìn)化過程中種群的自適應(yīng)特性，存在過早收斂的缺陷。且算法沒有保留精英機(jī)制，適應(yīng)度高的個體可能在進(jìn)化中丟失好的*因。為了解決以上問題，本文采用自適應(yīng)交叉概率Kｃ和自適應(yīng)變異概率Kｍ以及精英保留機(jī)制進(jìn)行優(yōu)化求解［15］。自適應(yīng)交叉概率Kｃ和自適應(yīng)變異概率Kｍ公式如下：

  式中：K1為基礎(chǔ)交叉概率；ｆｍａｘ為個體比較大適應(yīng)度；ｆａｖ為個體適應(yīng)度值的平均值；fｌ為每相鄰交叉?zhèn)€體中較大的適應(yīng)度。

  式中：K2為基礎(chǔ)變異概率；ｆｉ為第I代進(jìn)化的閾值，公式如下：

 

  式中：ｆｉI為第ｉ個個體；Kｅｅｐ＝1，則精英保留，Kｅｅｐ＝0，則不保留。優(yōu)化過程如圖4。

3算例仿真與分析

3.1仿真場景設(shè)定

  本文仿真過程選擇在IEEE33節(jié)點(diǎn)配電網(wǎng)中進(jìn)行，其拓?fù)淙鐖D5所示。假設(shè)節(jié)點(diǎn)1為平衡節(jié)點(diǎn)，即電源接入節(jié)點(diǎn)，余下32個節(jié)點(diǎn)全部為PQ節(jié)點(diǎn)。假設(shè)整個配電網(wǎng)系統(tǒng)中含基礎(chǔ)負(fù)荷以及1500輛電動汽車，車群被均勻分配到節(jié)點(diǎn)19,23和26中。以私家車比亞迪E1車型作為研究對象，規(guī)定每輛電動汽車的動力電池規(guī)格相同，參數(shù)為：220V，16Ａ慢充模式，限制容量為35KWH，3.52KWH恒功率充電，充電效率為0.82，轉(zhuǎn)換效率為0.90

3.2對用電負(fù)荷的分析

  電動汽車以不同方式充電的負(fù)荷曲線及配電網(wǎng)總負(fù)荷曲線如圖6、圖7所示。由圖6和圖7可知，通過動態(tài)價格的引導(dǎo)，電動汽車充電行為趨于有序化，車主對充電時間段的選擇逐漸向夜間轉(zhuǎn)移，負(fù)荷峰值水平大幅度下降，說明新型電價的提出可以使車主的用電行為不再大面積集中，系統(tǒng)總用電負(fù)荷曲線相對變得平緩，有削峰填谷的效果。

  由表2可知，無序充電車主日繳納電費(fèi)為21880.8元，基于多時段動態(tài)電價的有序充電日繳費(fèi)為17248.80元，比無序充電費(fèi)用降低了21.17％。因此新電價機(jī)制的提出可有效降低車主充電成本。

3.3對配電網(wǎng)影響分析

  將ＩＥＥＥ３３節(jié)點(diǎn)配電網(wǎng)模型的節(jié)點(diǎn)負(fù)荷參數(shù)和優(yōu)化后的有序充電負(fù)荷數(shù)據(jù)導(dǎo)入ＭＡＴＬＡＢ軟件語言編程，對比以下３種場景下的配電網(wǎng)電壓偏移及網(wǎng)損。場景1：配電網(wǎng)內(nèi)未接入電動汽車負(fù)荷。場景2：配電網(wǎng)內(nèi)接入無序充電負(fù)荷。場景3：配電網(wǎng)內(nèi)接入有序充電負(fù)荷。圖8表示部分時段下3種用電方式的網(wǎng)損率。可見18.00-24.00由于無序充電負(fù)荷的接入使得網(wǎng)內(nèi)網(wǎng)損明顯升高。原因是車主歸程后的無序充電行為與用戶基礎(chǔ)用電行為的一致性導(dǎo)致網(wǎng)內(nèi)用電功率激增。09.00-21.00時，對比接入無序充電負(fù)荷和有序充電負(fù)荷，后者可有效降低配電網(wǎng)網(wǎng)損，尤其在電價高峰時段21.00網(wǎng)損率下降了2.77％，效果比較顯著。說明多時段分時電價的提出引導(dǎo)車主有序充電對調(diào)節(jié)配電網(wǎng)網(wǎng)損具有一定效果。

  由圖9可知，場景1配電網(wǎng)未接入充電負(fù)荷時的電壓偏移都控制在±7％以內(nèi)，縱橫對比沒有發(fā)現(xiàn)嚴(yán)重的電壓偏移現(xiàn)象，但是節(jié)點(diǎn)18和19在20.00-21.00時間段上有局部節(jié)點(diǎn)處在越限邊界。由圖10可知，場景2中配電網(wǎng)內(nèi)接入無序充電負(fù)荷時，節(jié)點(diǎn)13-19和28-33在晚間出現(xiàn)電壓越限情況，原因是無序充電負(fù)荷的高峰期恰巧與網(wǎng)內(nèi)基礎(chǔ)負(fù)荷用電的高峰期時段相疊。

  圖11表示場景3下配電網(wǎng)內(nèi)接入有序充電負(fù)荷時各個節(jié)點(diǎn)電壓的偏移情況。與圖9和圖10對比可知，有序充電負(fù)荷的接入使局部節(jié)點(diǎn)越限現(xiàn)象得到*解，偏移的電壓回歸到正常標(biāo)準(zhǔn)范圍內(nèi)。說明所提出的新型動態(tài)分時電價可以通過對電動汽車進(jìn)行充電有序化管理來改*配電網(wǎng)電壓偏移現(xiàn)象。

由于大量負(fù)荷突然接入使各節(jié)點(diǎn)電壓發(fā)生偏移現(xiàn)象，因此對比較大負(fù)載量時刻（21.00）各節(jié)點(diǎn)電壓偏移情況進(jìn)行對比更有意義，結(jié)果如圖12所示。

  由圖12可知，未接入無序負(fù)荷時網(wǎng)內(nèi)各節(jié)點(diǎn)的電壓偏移都控制在±7％范圍以內(nèi)，電壓無越限行為。當(dāng)無序充電負(fù)荷并網(wǎng)后，一部分節(jié)點(diǎn)電壓發(fā)生顯著偏移，且偏移量均超過規(guī)定標(biāo)準(zhǔn)范圍。而經(jīng)過多時段動態(tài)電價策略調(diào)控的有序充電行為接入配電網(wǎng)后，網(wǎng)內(nèi)各節(jié)點(diǎn)電壓值還原到標(biāo)準(zhǔn)范圍以內(nèi)，其中變化比較顯著的18號節(jié)點(diǎn)電壓標(biāo)幺值由0.9467調(diào)整到0.9828，電壓偏移率修正了3.61％。

4安科瑞充電樁收費(fèi)運(yùn)營云平臺

4.1概述

  AcrelCloud-9000安科瑞充電柱收費(fèi)運(yùn)營云平臺系統(tǒng)通過物聯(lián)網(wǎng)技術(shù)對接入系統(tǒng)的電動電動自行車充電站以及各個充電整法行不間斷地數(shù)據(jù)采集和監(jiān)控，實時監(jiān)控充電樁運(yùn)行狀態(tài)，進(jìn)行充電服務(wù)、支付管理，交易結(jié)算，資要管理、電能管理，明細(xì)查詢等。同時對充電機(jī)過溫保護(hù)、漏電、充電機(jī)輸入/輸出過壓，欠壓，絕緣低各類故障進(jìn)行預(yù)警；充電樁支持以太網(wǎng)、4G或WIFI等方式接入互聯(lián)網(wǎng)，用戶通過微信、支付寶，云閃付掃碼充電。

4.2應(yīng)用場所

  適用于民用建筑、一般工業(yè)建筑、居住小區(qū)、實業(yè)單位、商業(yè)綜合體、學(xué)校、園區(qū)等充電樁模式的充電基礎(chǔ)設(shè)施設(shè)計。

4.3系統(tǒng)結(jié)構(gòu)

4.3.1系統(tǒng)分為四層：

1）即數(shù)據(jù)采集層、網(wǎng)絡(luò)傳輸層、數(shù)據(jù)中間層和客戶端層。

2）數(shù)據(jù)采集層：包括電瓶車智能充電樁通訊協(xié)議為標(biāo)準(zhǔn)modbus-rtu。電瓶車智能充電樁用于采集充電回路的電力參數(shù)，并進(jìn)行電能計量和保護(hù)。

3）網(wǎng)絡(luò)傳輸層：通過4G網(wǎng)絡(luò)將數(shù)據(jù)上傳至搭建好的數(shù)據(jù)庫服務(wù)器。

4）數(shù)據(jù)中間層：包含應(yīng)用服務(wù)器和數(shù)據(jù)服務(wù)器，應(yīng)用服務(wù)器部署數(shù)據(jù)采集服務(wù)、WEB網(wǎng)站，數(shù)據(jù)服務(wù)器部署實時數(shù)據(jù)庫、歷史數(shù)據(jù)庫、基礎(chǔ)數(shù)據(jù)庫。

5）應(yīng)客戶端層：系統(tǒng)管理員可在瀏覽器中訪問電瓶車充電樁收費(fèi)平臺。終端充電用戶通過刷卡掃碼的方式啟動充電。

  小區(qū)充電平臺功能主要涵蓋充電設(shè)施智能化大屏、實時監(jiān)控、交易管理、故障管理、統(tǒng)計分析、基礎(chǔ)數(shù)據(jù)管理等功能，同時為運(yùn)維人員提供運(yùn)維APP，充電用戶提供充電小程序。

4.4安科瑞充電樁云平臺系統(tǒng)功能

4.4.1智能化大屏

  智能化大屏展示站點(diǎn)分布情況，對設(shè)備狀態(tài)、設(shè)備使用率、充電次數(shù)、充電時長、充電金額、充電度數(shù)、充電樁故障等進(jìn)行統(tǒng)計顯示，同時可查看每個站點(diǎn)的站點(diǎn)信息、充電樁列表、充電記錄、收益、能耗、故障記錄等。統(tǒng)一管理小區(qū)充電樁，查看設(shè)備使用率，合理分配資源。

4.4.2.實時監(jiān)控

  實時監(jiān)視充電設(shè)施運(yùn)行狀況，主要包括充電樁運(yùn)行狀態(tài)、回路狀態(tài)、充電過程中的充電電量、充電電壓/電流，充電樁告警信息等。

4.4.3交易管理

平臺管理人員可管理充電用戶賬戶，對其進(jìn)行賬戶進(jìn)行充值、退款、凍結(jié)、注銷等操作，可查看小區(qū)用戶每日的充電交易詳細(xì)信息。

4.4.4故障管理

設(shè)備自動上報故障信息，平臺管理人員可通過平臺查看故障信息并進(jìn)行派發(fā)處理，同時運(yùn)維人員可通過運(yùn)維APP收取故障推送，運(yùn)維人員在運(yùn)維工作完成后將結(jié)果上報。充電用戶也可通過充電小程序反饋現(xiàn)場問題。

4.4.5統(tǒng)計分析

通過系統(tǒng)平臺，從充電站點(diǎn)、充電設(shè)施、、充電時間、充電方式等不同角度，查詢充電交易統(tǒng)計信息、能耗統(tǒng)計信息等。

4.4.6基礎(chǔ)數(shù)據(jù)管理

在系統(tǒng)平臺建立運(yùn)營商戶，運(yùn)營商可建立和管理其運(yùn)營所需站點(diǎn)和充電設(shè)施，維護(hù)充電設(shè)施信息、價格策略、折扣、優(yōu)惠活動，同時可管理在線卡用戶充值、凍結(jié)和解綁。

4.4.7運(yùn)維APP

面向運(yùn)維人員使用，可以對站點(diǎn)和充電樁進(jìn)行管理、能夠進(jìn)行故障閉環(huán)處理、查詢流量卡使用情況、查詢充電\充值情況，進(jìn)行遠(yuǎn)程參數(shù)設(shè)置，同時可接收故障推送。

4.4.8充電小程序

面向充電用戶使用，可查看附近空閑設(shè)備，主要包含掃碼充電、賬戶充值，充電卡綁定、交易查詢、故障申訴等功能。

4.5系統(tǒng)硬件配置

5結(jié)語

  本文基于分時電價與短期負(fù)荷預(yù)測提出了一種新型多時段動態(tài)充電價格機(jī)制，引導(dǎo)車主規(guī)劃用車安排，使充電行為由無序變?yōu)橛行?。建立以配電網(wǎng)內(nèi)負(fù)荷波動比較小為目標(biāo)函數(shù)，利用MATLAB軟件進(jìn)行算法編程，結(jié)果表明所提出的多時段動態(tài)電價策略可減小網(wǎng)內(nèi)的負(fù)荷波動，有明顯的削峰填谷作用，為車主減少21.17％的充電成本。此外還有效降低了21.00用電高峰期2.77％的網(wǎng)損率并修正18號節(jié)點(diǎn)3.61％的電壓偏移率，實現(xiàn)了保證車主充電利益與提高配電網(wǎng)運(yùn)行安全的并存。