摘要：新能源汽車大規(guī)模無序充電會導(dǎo)致電網(wǎng)負(fù)荷和電壓偏移量過大,需要采取有效措施進(jìn)行管理和優(yōu)化,保障電網(wǎng)運(yùn)行穩(wěn)定可靠。 通過對新能源汽車駕駛員駕駛行為和充電習(xí)慣進(jìn)行分析,建立電動汽車充電負(fù)荷模型,結(jié)合長短期記憶網(wǎng)絡(luò)(LSTM)等技術(shù),設(shè)計了一種有序充電控制及優(yōu)化系統(tǒng)。 該系統(tǒng)可以實時監(jiān)測車輛充電需求和電網(wǎng)負(fù)荷情況,通過智能化控制算法和優(yōu)化策略,實現(xiàn)對新能源汽車充電過程的有序管理。 測試結(jié)果表明,利用此方法對車輛充電展開有序優(yōu)化后,充電樁負(fù)荷波動平穩(wěn),電壓偏移量在 1% ~4% ,可有效降低電網(wǎng)負(fù)荷波動,為電網(wǎng)管理和運(yùn)營提供了可靠的技術(shù)支持。

關(guān)鍵詞：新能源汽車;有序充電;優(yōu)化系統(tǒng);電壓偏移量;LSTM

0引言

隨著全球能源需求和環(huán)境保護(hù)意識的不斷提高,新能源汽車作為一種清潔、高效的交通工具,逐漸受到人們的關(guān)注和青睞。 然而,新能源汽車的大規(guī)模普及也帶來了一系列挑戰(zhàn),在傳統(tǒng)燃油車輛逐漸被新能源汽車取代的趨勢下,充電基礎(chǔ)設(shè)施的建設(shè)和管理成為亟待解決的問題之一[1 - 2]。大規(guī)模無序充電不僅會導(dǎo)致電網(wǎng)負(fù)荷過大、電壓偏移量過大,還會影響電網(wǎng)的穩(wěn)定運(yùn)行[3]。 當(dāng)大量新能源汽車同時進(jìn)行充電時,會造成短時間內(nèi)電網(wǎng)負(fù)荷劇增,超出電網(wǎng)的承載能力范圍,從而引發(fā)電網(wǎng)設(shè)備過載、供電不穩(wěn)定等現(xiàn)象發(fā)生[4 - 6]。 因此,為了保障電網(wǎng)穩(wěn)定運(yùn)行,需要采取有效的措施對新能源汽車的充電行為進(jìn)行管理和優(yōu)化。

1 新能源汽車有序充電控制分析

1.1 駕駛行為和充電習(xí)慣分析

新能源汽車有序充電控制模型的設(shè)計,首先需要對駕駛行為進(jìn)行分析。 駕駛行為直接影響新能源汽車的充電需求模式和充電時間選擇,因此對駕駛員的駕駛行為和充電習(xí)慣進(jìn)行分析具有重要意義[7]。 首先分析駕駛員的充電需求模式,包括充電頻率、充電時段、充電時長等因素,得到不同駕駛行為下的充電需求模式,為有序充電控制模型的設(shè)計提供基礎(chǔ)數(shù)據(jù)。 其次研究駕駛員的充電習(xí)慣,包括選擇充電樁的偏好、充電速度的要求、充電方式的選擇等,可幫助優(yōu)化充電樁資源分配和充電策略制定。 最后考慮駕駛員在不同行駛路況下的充電需

求變化,如在高速公路、市區(qū)擁堵路段、郊區(qū)等。 以上分析有助于制定針對性的充電管理策略,提高充電效率和資源利用率。在新能源汽車有序充電控制模型中,假設(shè)充電需求模式與駕駛行為之間存在一定關(guān)系[8],表示如下

D(t) = f(B(t),R(t),L(t)) (1)

式中 D(t) —在時刻 t 的充電需求;

B(t) —駕駛員的駕駛行為因素,如行駛速度、加速度、車輛負(fù)載等;

R(t)— 路況因素,如路況狀況、交通流量等;

L(t) —環(huán)境因素,如氣溫、光照等。

假設(shè)函數(shù) f 是一個非線性函數(shù),通過統(tǒng)計分析駕駛數(shù)據(jù)和試驗數(shù)據(jù)來擬合出合適的函數(shù)形式,從而預(yù)測不同時間點(diǎn)的充電需求,根據(jù)實時的駕駛行為、路況和環(huán)境因素來調(diào)整充電樁的充電策略,實現(xiàn)對新能源汽車充電過程的智能化管理和優(yōu)化。

1.2 新能源汽車充電負(fù)荷模型

建立新能源汽車充電負(fù)荷模型是有序充電控制系統(tǒng)設(shè)計的關(guān)鍵步驟之一。 該模型可預(yù)測不同時間段內(nèi)新能源汽車的充電負(fù)荷,以便有效調(diào)控充電樁資源,實現(xiàn)電網(wǎng)負(fù)荷的平衡和優(yōu)化。

新能源汽車車內(nèi)電量隨著車輛公里數(shù)的增加而逐漸降低,這是由于電池的充放電循環(huán)以及電池老化等因素導(dǎo)致的。 因此,新能源汽車行程終止時的電荷狀態(tài) SOC 值會受到車輛行駛里程的影響而產(chǎn)生相應(yīng)變化[9 - 10]。 可以用以下公式表示車輛行程終止時的 SOC 值( State of Charge)與車輛公里數(shù)的關(guān)系

SOC = SOC0 - k·Mileage (2)

式中 SOC —行程終止時的電荷狀態(tài);

SOC0 —起始時刻的電荷狀態(tài);

Mileage —車輛的行駛里程;

k—電池的衰減系數(shù),反映了電池隨著循環(huán)充放電次數(shù)的增加而逐漸損耗的情況。

為更好管理和優(yōu)化電動汽車的充電行為,在SOC 剩余量過低時需要根據(jù)車輛行駛里程、SOC 初始值和電池的衰減系數(shù)等因素來計算出 SOC 行駛里程閾值,當(dāng) SOC 剩余量低于該閾值時,車輛應(yīng)前往充電站充電。 結(jié)合之前的公式,綜合考慮 SOC 剩余量和行駛里程,建立 SOC 行駛里程閾值的計算公式如下

SOCthreshoid = SOC0 - k·(Mileagemax - Mileage)(3)

式中 SOCthreshoid—SOC 行駛里程閾值,即當(dāng) SOC 剩余量低于該閾值時需要前往充電站充電;

Mileagemax—車輛的最大行駛里程;

Mileage—當(dāng)前車輛的行駛里程。

2新能源汽車有序充電多目標(biāo)優(yōu)化

為滿足電動汽車充電需求的同時,優(yōu)化充電過程中的多個目標(biāo),如降低充電成本、減少充電時間、提高電池壽命等。 該優(yōu)化過程涉及到多個因素和目標(biāo)之間的平衡和權(quán)衡,需要綜合考慮各種約束條件和優(yōu)化目標(biāo),以實現(xiàn)對新能源汽車充電過程的智能化和高效管理。

2.1 目標(biāo)函數(shù)條件設(shè)定

設(shè)定目標(biāo)函數(shù)條件直接影響到優(yōu)化結(jié)果的有效性和實用性。 針對多個優(yōu)化目標(biāo)設(shè)定的目標(biāo)函數(shù)條件[11]

f(x) = w1·f1 (x) + w2·f2 (x) + w3·f3 (x) + w4·f4 (x)(4)

式中 f(x)—優(yōu)化目標(biāo)函數(shù),通過加權(quán)和的方式綜合考慮多個影響因素;

fi(x)—各個優(yōu)化目標(biāo)的子目標(biāo)函數(shù),如最小化充電成本、充電效率等;

wi—第 i 個目標(biāo)函數(shù)的權(quán)重,反映了各個目標(biāo)在優(yōu)化中的重要程度;

x—優(yōu)化變量,如充電時段、充電電流等。

通過調(diào)節(jié)各個目標(biāo)函數(shù)的權(quán)重 wi,實現(xiàn)對不同優(yōu)化目標(biāo)的調(diào)控。 例如,注重充電成本最小化時,可增大 w1 的值;注重充電,可增大 w2的值,依此類推。

2.2 基于 LSTM 下有序充電結(jié)果尋優(yōu)

2.2.1 數(shù)據(jù)采集和預(yù)處理

收集新能源汽車的充電歷史數(shù)據(jù),包括充電時段、充電電流、SOC 值等信息,然后對數(shù)據(jù)進(jìn)行預(yù)處理,包括數(shù)據(jù)清洗[式(5)]、歸一化處理[式(6)]等,以便用于 LSTM 模型的訓(xùn)練和優(yōu)化[12]。

2.2.2 建立 LSTM 模型

基于預(yù)處理后的數(shù)據(jù),建立 LSTM 模型來預(yù)測新能源汽車的充電行為。 采用監(jiān)督學(xué)習(xí)法,將充電歷史數(shù)據(jù)作為輸入序列,將下一個時刻的充電狀態(tài)(如 SOC 值)作為輸出,通過訓(xùn)練 LSTM 模型來學(xué)習(xí)充電行為的規(guī)律和趨勢[13]

2.2.3優(yōu)化充電策略

利用訓(xùn)練好的 LSTM 模型預(yù)測新能源汽車在未來時刻的充電狀態(tài)。 結(jié)合多目標(biāo)優(yōu)化方法,設(shè)定目標(biāo)函數(shù)和約束條件,如最小化充電成本、充電效率等尋找好的充電策略[14]。目標(biāo)函數(shù)為式 (4 ),優(yōu)化算法的約束條件即g1 (x)≤0,i = 1,2,…,m。其中, g1 ( x) 為約束條件,包括對充電時段、充電電流等參數(shù)的約束,確保優(yōu)化結(jié)果的可行性。

2.2.4優(yōu)化充電策略

在實際應(yīng)用中,利用實時數(shù)據(jù)來調(diào)整和優(yōu)化充電策略。 通過不斷更新 LSTM 模型和優(yōu)化算法,使充電過程能根據(jù)實時情況進(jìn)行智能化調(diào)整,以達(dá)到最佳的充電效果。

3模型仿真與分析

3. 1 仿真設(shè)置

基于 Matlab 軟件開展仿真,設(shè)置仿真時間范圍t開始至 t結(jié)束確定仿真的時間段。 設(shè)置仿真數(shù)據(jù)采集頻率 Δt 確定數(shù)據(jù)采集的時間間隔。

通過實時監(jiān)測系統(tǒng)或傳感器獲取充電樁的實時負(fù)荷數(shù)據(jù),包括充電電流、充電功率,根據(jù)實時負(fù)荷數(shù)據(jù),計算充電樁負(fù)荷的波動性指標(biāo),本文選擇標(biāo)準(zhǔn)差和波動系數(shù)[15]。

計算公式如下

通過對比優(yōu)化前后充電樁負(fù)荷波動性指標(biāo)(表1)可知,優(yōu)化后負(fù)荷波動性明顯降低。 標(biāo)準(zhǔn)差和波動系數(shù)的減小表明充電樁負(fù)荷的穩(wěn)定性得到了提高,這對于電網(wǎng)運(yùn)行的穩(wěn)定性和可靠具有積極影響。

電壓偏移量反映了電壓數(shù)據(jù)集合中各個數(shù)據(jù)點(diǎn)相對于平均值的偏離程度。 較小的電壓偏移量通常表示電壓數(shù)據(jù)相對穩(wěn)定,變化較小;較大的電壓偏移量則表示電壓波動較大,電網(wǎng)運(yùn)行不夠穩(wěn)定。 因此,通過電壓偏移量的計算可以對電網(wǎng)的穩(wěn)定性進(jìn)行評估。 電壓偏移量標(biāo)準(zhǔn)計算步驟如下。1)收集電壓數(shù)據(jù)。 使用傳感器或監(jiān)測系統(tǒng)實時收集電網(wǎng)中各個時刻的電壓數(shù)據(jù)。

優(yōu)化前后充電樁電壓偏移量指標(biāo)分析,如表 2所示。 結(jié)果表明,在所有時間段內(nèi),優(yōu)化后的電壓偏移量明顯減小。 這表明優(yōu)化后的充電管理策略有效降低了電壓波動,提高了電網(wǎng)電壓的穩(wěn)定性,為電力系統(tǒng)的可靠運(yùn)行提供了良好保障。

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)中心層和客戶端層。

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)中心層：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

  通過對新能源汽車駕駛員駕駛行為和充電習(xí)慣進(jìn)行分析,建立電動汽車充電負(fù)荷模型,并結(jié)合長短期記憶網(wǎng)絡(luò)( LSTM) 等技術(shù),設(shè)計了一種有序充電控制及優(yōu)化系統(tǒng)。 該系統(tǒng)采用多目標(biāo)優(yōu)化方法,設(shè)定了合適的目標(biāo)函數(shù)條件,以實現(xiàn)對新能源汽車充電過程的有序管理和優(yōu)化。 經(jīng)仿真分析,得出以下結(jié)論。

1)優(yōu)化后的充電樁管理策略有效降低了充電樁負(fù)荷的波動性,提高了電網(wǎng)運(yùn)行穩(wěn)定性和可靠性。

2)優(yōu)化后的電壓偏移量明顯減小,表明電壓波動性得到了有效控制,符合電網(wǎng)穩(wěn)定運(yùn)行的要求。

3)優(yōu)化后的系統(tǒng)在不同時間段均能保持較低的負(fù)荷波動和電壓波動,為電力系統(tǒng)的安全運(yùn)行提供良好保障。

參考文獻(xiàn)

[1] 宋麗, 孫崇書, 魯海寧, 等. 基于復(fù)合拓?fù)浣Y(jié)構(gòu)的AGV 大功率無線充電系統(tǒng)設(shè)計[ J]. 農(nóng)機(jī)使用與維修, 2023(10): 35 - 41.

[2] 孫婷婷, 方燦, 鄭竹安, 等. 微型電動汽車動力電池充電保溫系統(tǒng)設(shè)計研究[ J]. 農(nóng)業(yè)裝備與車輛工程,2024, 62(3): 66 - 69.

[3] 劉麗軍, 陳昌, 胡鑫, 等. 基于“車 - 路 - 站 - 網(wǎng)" 信息耦合的電動汽車有序充電策略[ J]. 高電壓技術(shù),2024, 50(2): 693 - 703.

[4] 黃子晴, 林兵, 盧宇, 等. 面向多目標(biāo)優(yōu)化的充電站選址定容方法[ J]. 福建師范大學(xué)學(xué)報( 自然科學(xué)版), 2024, 40(2): 23 - 35.

[5] 沙廣林, 劉璐, 馬春艷, 等. 考慮車網(wǎng)互動的電動汽車有 序 充 電 策 略 [ J ]. 供 用 電, 2023, 40 ( 10 ):46 - 54.

[6] 高頡, 張玲華. 考慮風(fēng)電接入的電動汽車有序充電策略研究[J]. 電子設(shè)計工程, 2024, 32(6): 62 - 67.

[7] 周宇凡,高輝,龍羿. 計及動態(tài)電價的電動汽車定制化充電策略[ J/ OL]. 電氣傳動,1 - 8[2024 - 03 - 23].https: / / doi. org / 10. 19457 / j. 1001 - 2095. dqcd25189.

[8] 于夢桐, 高輝, 楊鳳坤. 計及電動汽車保有量增長需求的 充 電 負(fù) 荷 預(yù) 測 [ J ]. 現(xiàn) 代 電 子 技 術(shù), 2024,47(6): 55 - 62.

[9] 林祥, 張浩, 馬玉立, 等. 基于改進(jìn) LSTM 神經(jīng)網(wǎng)絡(luò)的電動汽車充電負(fù)荷預(yù)測[J]. 現(xiàn)代電子技術(shù), 2024,47(6): 97 - 101.

[10] 呂志鵬,宋振浩,李立生,等. 含電動汽車的工業(yè)園區(qū)綜合能 源 系 統(tǒng) 優(yōu) 化 調(diào) 度 [ J/ OL]. 中 國 電 力, 1 -8[2024 - 03 - 14]. http: / / kns. cnki. net / kcms/ detail /11. 3265. tm. 20240312. 1624. 002. html.

[11] 陳垠錕,吳松澤,吳育堅. 一種電動汽車有序充電的優(yōu)化方法研究[ J]. 單片機(jī)與嵌入式系統(tǒng)應(yīng)用,2023,23(11):75 - 79.

[12] 劉子仟,黃莉,陸婋泉,等. 計及駕駛習(xí)慣影響的電動汽車碳減排量計算方法[ J]. 電力需求側(cè)管理,2024,26(2):62 - 69.

[13] 方勝利, 朱曉亮, 馬春艷, 等. 基于 SACPS 算法的住宅小區(qū)電動汽車集群有序充電 [ J]. 安徽大學(xué)學(xué)報(自然科學(xué)版), 2024, 48(1): 57 - 64.

[14] 張海濤, 李文娟, 李雪峰, 等. 考慮柔性資源靈活支撐的電 網(wǎng) 有 功/ 無 功 優(yōu) 化 調(diào) 度 [ J]. 電 氣 自 動 化,2024, 46(1): 52 - 55 + 59.

[15] 朱桂林, 田豐聚, 王詩航, 等. 電動汽車充電負(fù)荷預(yù)測與有序充電控制策略分析[ J]. 集成電路應(yīng)用2024, 41(2): 284 - 285.

[16] 郭俊飛，新能源汽車有序充電控制及優(yōu)化系統(tǒng)設(shè)計.

[17] 安科瑞企業(yè)微電網(wǎng)設(shè)計與應(yīng)用手冊.2022.05版.