安科瑞電子商務(wù)（上海）有限公司
免費(fèi)會(huì)員
未曉妃
安科瑞電氣股份有限公司 上海嘉定 201801
電動(dòng)汽車(chē)以無(wú)序充電方式接入配電網(wǎng)時(shí)與網(wǎng)內(nèi)基礎(chǔ)用電負(fù)荷疊加，會(huì)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(duì)上述問(wèn)題，首先對(duì)私家車(chē)充電負(fù)荷進(jìn)行建模，采用蒙特卡羅抽樣模擬電動(dòng)汽車(chē)無(wú)序行為下的充電負(fù)荷曲線。然后提出一種新型的多時(shí)段動(dòng)態(tài)充電價(jià)格機(jī)制，引導(dǎo)車(chē)主有序充電，并以配電網(wǎng)負(fù)荷波動(dòng)比較小為目標(biāo)函數(shù)，優(yōu)化電動(dòng)汽車(chē)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(wú)序充電負(fù)荷并網(wǎng)時(shí)電動(dòng)汽車(chē)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(hù)利益和配電網(wǎng)的穩(wěn)定運(yùn)行。
1私家車(chē)無(wú)序模式充電模型
本文從以下4個(gè)方面構(gòu)建電動(dòng)汽車(chē)的充電模型。ａ?電動(dòng)汽車(chē)電池特性本文選用鋰電池為研究對(duì)象。與普通汽車(chē)相同，不同類(lèi)型私家車(chē)電池容量有差異。
式中ｆQ為私家車(chē)鋰電池容量的概率密度；ｘ表示該時(shí)刻的電池容量大小，一般取值為20-30kwh。鋰電池充電變化過(guò)程如圖1所示。由于充電起始過(guò)程和結(jié)束過(guò)程的時(shí)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(chē)主日行駛里程本文引用美國(guó)交通部汽車(chē)日出行數(shù)據(jù)進(jìn)行分析
計(jì)算［13］，可知電動(dòng)汽車(chē)車(chē)主每日用車(chē)行駛里程數(shù)的概率密度函數(shù)為
式中：ｆD為車(chē)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(chē)主比較后歸程時(shí)刻假設(shè)車(chē)主每日結(jié)束行程時(shí)刻即為電動(dòng)汽車(chē)每日開(kāi)始充電時(shí)刻，比較后歸程概率密度函數(shù)為
式中：ｆｓ為車(chē)主比較后規(guī)程的概率密度函數(shù)；ｗ為回家時(shí)刻；μｓ為期望值；σｓ為標(biāo)準(zhǔn)差。ｄ?車(chē)主離家時(shí)間假設(shè)車(chē)主每日用車(chē)期間只可放電不可充電，出行開(kāi)始時(shí)刻的概率密度函數(shù)為
式中：ｆｅ為車(chē)主啟程離家的概率密度函數(shù)；ｖ為離家時(shí)刻。結(jié)合用戶(hù)出行數(shù)據(jù)及電動(dòng)汽車(chē)充電模型利用蒙特卡洛算法，得到500輛電動(dòng)汽車(chē)的24ｈ無(wú)序充電負(fù)荷曲線，如圖2所示。
２多時(shí)段動(dòng)態(tài)電價(jià)下電動(dòng)汽車(chē)有序充電模型
2.1多時(shí)段動(dòng)態(tài)電價(jià)區(qū)間劃分
傳統(tǒng)的分時(shí)電價(jià)一旦制定后其區(qū)間不再變化，但居民的用電行為會(huì)隨著季節(jié)變化、地域不同和個(gè)人舒適度而改變，與原分時(shí)電價(jià)的價(jià)格區(qū)間范圍有偏差，產(chǎn)生負(fù)荷和電價(jià)的峰谷不匹配的現(xiàn)象。而電動(dòng)汽車(chē)的充電行為在時(shí)間上有很大隨機(jī)性，導(dǎo)致實(shí)時(shí)電價(jià)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(cè)為基礎(chǔ)提出一種新型的多時(shí)段動(dòng)態(tài)電價(jià)策略。目前為止，隸屬度函數(shù)是對(duì)傳統(tǒng)用電價(jià)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(shí)電價(jià)為例，首先基于模糊數(shù)學(xué)的理論，可將每個(gè)時(shí)間段認(rèn)為是一個(gè)獨(dú)立的模糊集合，然后利用隸屬度函數(shù)構(gòu)建時(shí)段內(nèi)每時(shí)刻對(duì)應(yīng)的隸屬度，并根據(jù)隸屬度值將其劃分到對(duì)應(yīng)的時(shí)間段［14］。再將短期預(yù)測(cè)的基礎(chǔ)負(fù)荷劃分成多時(shí)段，根據(jù)每時(shí)段對(duì)應(yīng)的負(fù)荷值計(jì)算相對(duì)應(yīng)的電價(jià)。
式中：Cｍａｘ和Cｍｉｎ分別為分時(shí)電價(jià)的峰值與谷值；C∗為每時(shí)段負(fù)荷在價(jià)格區(qū)間上的映射。
式中：Cｉ為基準(zhǔn)。
2.2電動(dòng)汽車(chē)有序充電策略
電動(dòng)汽車(chē)聚合商是專(zhuān)門(mén)針對(duì)電動(dòng)汽車(chē)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(dòng)汽車(chē)的電池充至期望電量值，而優(yōu)化模式則需要根據(jù)車(chē)主個(gè)人用電需求輸入結(jié)束充電時(shí)刻及結(jié)束時(shí)刻的充電期望值。車(chē)輛接入后，充電樁將獲取該車(chē)信息，將輸入值及車(chē)電池的剩余電量反饋到系統(tǒng)調(diào)度中間，對(duì)收集的數(shù)據(jù)進(jìn)行在線智能計(jì)算，形成電動(dòng)汽車(chē)的充電計(jì)劃。
2.3目標(biāo)函數(shù)
本文以網(wǎng)內(nèi)負(fù)荷波動(dòng)比較小為目標(biāo)函數(shù)。
式中：F為目標(biāo)函數(shù)；N為谷時(shí)段數(shù)目；Pｉ為第ｉ個(gè)時(shí)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(shí)段T約束Tｓ≤T≤Tｅ（12）式中：Tｓ為車(chē)主每日充電開(kāi)始時(shí)刻；Tｅ為當(dāng)天充電結(jié)束時(shí)刻。ｃ?總電量Ｓ約束本文優(yōu)化中不計(jì)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(dòng)汽車(chē)數(shù)目；Tｃｈｉ為第ｉ輛車(chē)總充電時(shí)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(kāi)始，通過(guò)選擇、交叉、變異等環(huán)節(jié)，產(chǎn)生一些對(duì)環(huán)境適應(yīng)度高的個(gè)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(gè)體作為比較優(yōu)解輸出。但由于進(jìn)化過(guò)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(guò)程中種群的自適應(yīng)特性，存在過(guò)早收斂的缺陷。且算法沒(méi)有保留精英機(jī)制，適應(yīng)度高的個(gè)體可能在進(jìn)化中丟失好的*因。為了解決以上問(wèn)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(gè)體比較大適應(yīng)度；ｆａｖ為個(gè)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(gè)個(gè)體；Kｅｅｐ＝1，則精英保留，Kｅｅｐ＝0，則不保留。優(yōu)化過(guò)程如圖4。
3算例仿真與分析
3.1仿真場(chǎng)景設(shè)定
本文仿真過(guò)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(gè)節(jié)點(diǎn)全部為PQ節(jié)點(diǎn)。假設(shè)整個(gè)配電網(wǎng)系統(tǒng)中含基礎(chǔ)負(fù)荷以及1500輛電動(dòng)汽車(chē)，車(chē)群被均勻分配到節(jié)點(diǎn)19,23和26中。以私家車(chē)比亞迪E1車(chē)型作為研究對(duì)象，規(guī)定每輛電動(dòng)汽車(chē)的動(dòng)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(duì)用電負(fù)荷的分析
電動(dòng)汽車(chē)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(guò)動(dòng)態(tài)價(jià)格的引導(dǎo)，電動(dòng)汽車(chē)充電行為趨于有序化，車(chē)主對(duì)充電時(shí)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(shuō)明新型電價(jià)的提出可以使車(chē)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(duì)變得平緩，有削峰填谷的效果。
由表2可知，無(wú)序充電車(chē)主日繳納電費(fèi)為21880.8元，基于多時(shí)段動(dòng)態(tài)電價(jià)的有序充電日繳費(fèi)為17248.80元，比無(wú)序充電費(fèi)用降低了21.17％。因此新電價(jià)機(jī)制的提出可有效降低車(chē)主充電成本。
3.3對(duì)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(yǔ)言編程，對(duì)比以下３種場(chǎng)景下的配電網(wǎng)電壓偏移及網(wǎng)損。場(chǎng)景1：配電網(wǎng)內(nèi)未接入電動(dòng)汽車(chē)負(fù)荷。場(chǎng)景2：配電網(wǎng)內(nèi)接入無(wú)序充電負(fù)荷。場(chǎng)景3：配電網(wǎng)內(nèi)接入有序充電負(fù)荷。圖8表示部分時(shí)段下3種用電方式的網(wǎng)損率?？梢?jiàn)18.00-24.00由于無(wú)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(chē)主歸程后的無(wú)序充電行為與用戶(hù)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(shí)，對(duì)比接入無(wú)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(jià)高峰時(shí)段21.00網(wǎng)損率下降了2.77％，效果比較顯著。說(shuō)明多時(shí)段分時(shí)電價(jià)的提出引導(dǎo)車(chē)主有序充電對(duì)調(diào)節(jié)配電網(wǎng)網(wǎng)損具有一定效果。
由圖9可知，場(chǎng)景1配電網(wǎng)未接入充電負(fù)荷時(shí)的電壓偏移都控制在±7％以?xún)?nèi)，縱橫對(duì)比沒(méi)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(shí)間段上有局部節(jié)點(diǎn)處在越限邊界。由圖10可知，場(chǎng)景2中配電網(wǎng)內(nèi)接入無(wú)序充電負(fù)荷時(shí)，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(wú)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(shí)段相疊。
圖11表示場(chǎng)景3下配電網(wǎng)內(nèi)接入有序充電負(fù)荷時(shí)各個(gè)節(jié)點(diǎn)電壓的偏移情況。與圖9和圖10對(duì)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(shuō)明所提出的新型動(dòng)態(tài)分時(shí)電價(jià)可以通過(guò)對(duì)電動(dòng)汽車(chē)進(jìn)行充電有序化管理來(lái)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(duì)比較大負(fù)載量時(shí)刻（21.00）各節(jié)點(diǎn)電壓偏移情況進(jìn)行對(duì)比更有意義，結(jié)果如圖12所示。
由圖12可知，未接入無(wú)序負(fù)荷時(shí)網(wǎng)內(nèi)各節(jié)點(diǎn)的電壓偏移都控制在±7％范圍以?xún)?nèi)，電壓無(wú)越限行為。當(dāng)無(wú)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(guò)規(guī)定標(biāo)準(zhǔn)范圍。而經(jīng)過(guò)多時(shí)段動(dòng)態(tài)電價(jià)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?xún)?nèi)，其中變化比較顯著的18號(hào)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(yíng)云平臺(tái)
4.1概述
AcrelCloud-9000安科瑞充電柱收費(fèi)運(yùn)營(yíng)云平臺(tái)系統(tǒng)通過(guò)物聯(lián)網(wǎng)技術(shù)對(duì)接入系統(tǒng)的電動(dòng)電動(dòng)自行車(chē)充電站以及各個(gè)充電整法行不間斷地?cái)?shù)據(jù)采集和監(jiān)控，實(shí)時(shí)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(xún)等。同時(shí)對(duì)充電機(jī)過(guò)溫保護(hù)、漏電、充電機(jī)輸入/輸出過(guò)壓，欠壓，絕緣低各類(lèi)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(hù)通過(guò)微信、支付寶，云閃付掃碼充電。
4.2應(yīng)用場(chǎng)所
適用于民用建筑、一般工業(yè)建筑、居住小區(qū)、實(shí)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(jì)。
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(hù)端層。
2）數(shù)據(jù)采集層：包括電瓶車(chē)智能充電樁通訊協(xié)議為標(biāo)準(zhǔn)modbus-rtu。電瓶車(chē)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(jì)量和保護(hù)。
3）網(wǎng)絡(luò)傳輸層：通過(guò)4G網(wǎng)絡(luò)將數(shù)據(jù)上傳至搭建好的數(shù)據(jù)庫(kù)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(shí)時(shí)數(shù)據(jù)庫(kù)、歷史數(shù)據(jù)庫(kù)、基礎(chǔ)數(shù)據(jù)庫(kù)。
5）應(yīng)客戶(hù)端層：系統(tǒng)管理員可在瀏覽器中訪問(wèn)電瓶車(chē)充電樁收費(fèi)平臺(tái)。終端充電用戶(hù)通過(guò)刷卡掃碼的方式啟動(dòng)充電。
小區(qū)充電平臺(tái)功能主要涵蓋充電設(shè)施智能化大屏、實(shí)時(shí)監(jiān)控、交易管理、故障管理、統(tǒng)計(jì)分析、基礎(chǔ)數(shù)據(jù)管理等功能，同時(shí)為運(yùn)維人員提供運(yùn)維APP，充電用戶(hù)提供充電小程序。
4.4安科瑞充電樁云平臺(tái)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(duì)設(shè)備狀態(tài)、設(shè)備使用率、充電次數(shù)、充電時(shí)長(zhǎng)、充電金額、充電度數(shù)、充電樁故障等進(jìn)行統(tǒng)計(jì)顯示，同時(shí)可查看每個(gè)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(shí)時(shí)監(jiān)控
實(shí)時(shí)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(guò)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(tái)管理人員可管理充電用戶(hù)賬戶(hù)，對(duì)其進(jìn)行賬戶(hù)進(jìn)行充值、退款、凍結(jié)、注銷(xiāo)等操作，可查看小區(qū)用戶(hù)每日的充電交易詳細(xì)信息。
4.4.4故障管理
設(shè)備自動(dòng)上報(bào)故障信息，平臺(tái)管理人員可通過(guò)平臺(tái)查看故障信息并進(jìn)行派發(fā)處理，同時(shí)運(yùn)維人員可通過(guò)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(bào)。充電用戶(hù)也可通過(guò)充電小程序反饋現(xiàn)場(chǎng)問(wèn)題。
4.4.5統(tǒng)計(jì)分析
通過(guò)系統(tǒng)平臺(tái)，從充電站點(diǎn)、充電設(shè)施、、充電時(shí)間、充電方式等不同角度，查詢(xún)充電交易統(tǒng)計(jì)信息、能耗統(tǒng)計(jì)信息等。
4.4.6基礎(chǔ)數(shù)據(jù)管理
在系統(tǒng)平臺(tái)建立運(yùn)營(yíng)商戶(hù)，運(yùn)營(yíng)商可建立和管理其運(yùn)營(yíng)所需站點(diǎn)和充電設(shè)施，維護(hù)充電設(shè)施信息、價(jià)格策略、折扣、優(yōu)惠活動(dòng)，同時(shí)可管理在線卡用戶(hù)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(duì)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(xún)流量卡使用情況、查詢(xún)充電\充值情況，進(jìn)行遠(yuǎn)程參數(shù)設(shè)置，同時(shí)可接收故障推送。
4.4.8充電小程序
面向充電用戶(hù)使用，可查看附近空閑設(shè)備，主要包含掃碼充電、賬戶(hù)充值，充電卡綁定、交易查詢(xún)、故障申訴等功能。
4.5系統(tǒng)硬件配置
5結(jié)語(yǔ)
本文基于分時(shí)電價(jià)與短期負(fù)荷預(yù)測(cè)提出了一種新型多時(shí)段動(dòng)態(tài)充電價(jià)格機(jī)制，引導(dǎo)車(chē)主規(guī)劃用車(chē)安排，使充電行為由無(wú)序變?yōu)橛行?。建立以配電網(wǎng)內(nèi)負(fù)荷波動(dòng)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(shí)段動(dòng)態(tài)電價(jià)策略可減小網(wǎng)內(nèi)的負(fù)荷波動(dòng)，有明顯的削峰填谷作用，為車(chē)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(hào)節(jié)點(diǎn)3.61％的電壓偏移率，實(shí)現(xiàn)了保證車(chē)主充電利益與提高配電網(wǎng)運(yùn)行安全的并存。
