安科瑞电气股份有限公司 >> 进入商铺
2024/12/10 11:10:51一、引言
传统能源逐渐枯竭,环境问题日益严重,作为新能源产业的电动汽车因其低污染、高转换率的优点受到政府大力支持。随着汽油成本上升和电动汽车电池技术的不断进步,电动汽车逐渐成为传统燃油汽车的替代品,广受群众欢迎。在可预计的未来:电动汽车市场将不断扩大,电动汽车数量也将持续增多。但是,大规模电动汽车接入电网无序充电时其负荷峰值可能超过电网的传输极限,打破电力系统的供需平衡,进而影响电网的电压稳定,针对这些问题,可以从有序智能充电、充电定价策略等不同方面进行研究。本文就从价格方面考虑,从电网和用户的角度,通过价格引导用户的充电行为,保证电网平稳运行。
二、问题背景
2.1问题描述
对于大部分电动汽车用户,尤其是每天固定时间上下班的通勤人员,普遍会选择在自家住宅区充电,而许多用户下班回家后在用电需求已经达到高峰的时期立即给汽车充电,这些随机的充电行为会导致充电负荷和居民生活用电负荷在高峰期高度重叠。
本文从微观角度,以居民住宅区内的电动汽车为研究对象,同时考虑电网负荷的波动和小区电动汽车用户的利益,通过建立双层规划模型制定不同时段快、慢两种充电方式的电动汽车充电电价。通过价格的杠杆作用,针对每一辆电动汽车,改变用户每个时段的充电行为,使准备使用小区充电桩充电的用户错峰充电,达到电网负荷曲线“削峰填谷的目的,保证居民生活用电正常,维护电网的安全稳定。
2.2问题假设
本文所研究的问题有如下几点假设。
1)居民住宅区的充电桩实行一车一桩,每个用户根据电价自主选择充电时间段和充电方式,互不影响;
2)用户的需求电量不超过停车时间内充电可提供的最大电量;
3)对于分时电价未实施的情况,电动汽车用户的充电行为是归家后就立即以慢充方式充电;
4)每辆电动汽车固定充电方式下的电池电量与时间呈线性关系。
三、模型建立
电网总负荷由所有电动汽车的充电负荷以及小区基础负荷组成,而所有电动汽车的充电负荷可通过每辆电动汽车的充电方案得到,同时每辆电动汽车的充电方案受电网中的充电电价影响而改变;因此充电电价可根据电网总负荷制定。
3.1下层模型
将一天分为 24 h,每1h为1个时间段,用t表示,下层模型的研究对象是使用电动汽车出行并最终会返回小区充电的用户,电动汽车总量为N,电动汽车n∈N={1,2,…,k},可充电的时间段在用户返回小区时间in之后至离开小区时间jn之前,开始时间段以归家时刻的小时段 t=shn 表示,结束时间段以离家时刻的小时段 t=ehn,表示,根据用户的归家和离家时间以及用户的需求充电电量Q,制定电动汽车在小区停车期间每个时间段的充电方案。下层模型的目标雨数是电动汽车n的充电费用最小化,由各时段不同充电方式充电量和单位电价之积的总和求得,以此输出每个电动汽车的充电方案。
3.2上层模型
上层模型的研究对象是小区的整个电网,考虑居民生活基础负荷加入电动汽车的充电负荷后对电网波动的影响,以及居民的电费变化程度,尽量使电费变化程度降低,从某种程度上也保证了电力供应商的利益。
目标函数是一天 24 h各个时间段的总负荷标准差以及电价改变前后用户充电总费用变化最小化,以此求得每个时间段内的快、慢充电价。
四、 应用方案
图1 有序充电管理系统示意图
图2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。
五、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3 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4 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5 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6 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7 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8 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9 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10 订单查询界面
六、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。
产品图 | 名称 | 技术参数 |
| AEV200-AC007D | 额定功率:7kW 输出电压:AV220V 充电枪:单枪 充电操作:扫码/刷卡 防护等级:IP65 通讯方式:4G、Wifi 安装方式:立柱式/壁挂式 |
| AEV210-AC007D | 额定功率:7kW 输出电压:AV220V 充电枪:单枪 人机交互:3.5寸显示屏 充电操作:扫码/刷卡 防护等级:IP54 通讯方式:4G、Wifi 安装方式:立柱式/壁挂式 |
| AEV300-AC021D | 额定功率:21kW 输出电压:AV220V 充电枪:单枪 人机交互:3.5寸显示屏 充电操作:扫码/刷卡 防护等级:IP54 通讯方式:4G、Wifi 安装方式:立柱式/壁挂式 |
| AEV200-DC030D | 额定功率:30kW 输出电压:DC200V-750V 充电枪:单枪 人机交互:7寸触摸屏 充电操作:扫码/刷卡 防护等级:IP54 通讯方式:以太网、4G(二选一) |
| AEV200-DC060D/ AEV200-DC080D | 额定功率:60kW/80kW 输出电压:DC200V-1000V 充电枪:单枪 人机交互:7寸触摸屏 充电操作:扫码/刷卡 防护等级:IP54 通讯方式:以太网、4G(二选一) |
| AEV200-DC060S/ AEV200-DC080S | 额定功率:60kW/80kW 输出电压:DC200V-1000V 充电枪:双枪 人机交互:7寸触摸屏 充电操作:扫码/刷卡 防护等级:IP54 通讯方式:以太网、4G(二选一) |
| AEV200-DC120S/ AEV200-DC180S | 额定功率:120kW/180kW 输出电压:DC200V-1000V 充电枪:双枪 人机交互:7寸触摸屏 充电操作:扫码/刷卡 防护等级:IP54 通讯方式:以太网、4G(二选一) |
| AEV200-DC240M4/ AEV200-DC480M8/ AEV200-DC720M12 | 额定功率:240kW/480kW/720kw 输出电压:DC150V-1000V 充电终端支持:常规单双枪终端 防护等级:IP54 |
| AEV200-DC250AD | 最大输出:250A 1个充电接口; 支持扫码、刷卡支付; 4G、以太网通讯(二选一) |
| AEV200-DC250AS | 最大输出:250A 2个充电接口; 支持扫码、刷卡支付; 4G、以太网通讯(二选一) |
七、现场图片
八、结论
针对住宅区内大规模电动汽车无序接人电网的现象建立双层规划模型,为一天24个时段分别制定不同的电价,下层模型利用上层得到的分时电价,引导每名电动汽车用户错峰充电,保证所有用户充电费用最小化,将下层模型得到的充电负荷输人上层优化分时电价,逐渐平抑电网波动,“削峰填谷”保证电网安全。
1)优化模型不但大大减小了电网负荷波动,供电稳定性提高 57.66%,也一定程度降低了用户的充电费用,电动汽车的充电时长平均减少 29.17%。
2)该模型在优化适用时间上没有限制,也可适用于周末节假日时期。
3)电动汽车用户的归家、离家时间具有很强的随机性,以后还应考虑这一因素,加强模型的鲁棒性;另外小区电动汽车充电桩数量有限,本文考虑的是所有电动汽车“一车一桩”的情况,未来还可以进一步分析共享充电桩下的电动汽车充电定价策略。
参 考 文 献:
[1]CLEMENTNYNS K,HAESEN E,DRIESEN J. The impact of charging plugin hybrid electric vehicles on a residential distribution grid[J]. IEEE Transactions on Power Systems2010,25(1):371-380.
[2]MITRA P,VENAYAGAMOORTHY G K. Wide area control for improving stability of a power system with plug in electric vehicles[J]. IET Generat Transmiss Distrib ,2010, 10(4):1151-1163.
[3] MAKASA KJ,VENAYAGAMOOTRHY G K. Estimation of voltage stability index in a power system with Plug -in Electric Vehicles[C]//2010 IREP Symposium Bulk Power System Dynamics and Control-VII (IREP). IEEE ,2010 :1-7.
[4] SORTOMME E,HINDI M,MACPHERSON S,et al. Coordinated charging of plugin hybrid electric vehicles to minimize distribution system losses[J], EEE Transactions on Smart Grid,2011,2(1):198-205.
[5]DEILAMI S,MASOUM A S,MOSES P S,et al. Real-time coordination of plug-in electric vehicle charging in smart grids to minimize power losses and improve voltage profile[J].IEEE Transactions on Smart Grid,2011,2(3):456-467.
[6]WU X,HU X,YIN X,et al. Stochastic optimal energy management of smart home with PEV energy storage[J]. EEE Transactions on Smart Grid,2016,9(3):2065-2075.
[7]李秋硕,肖湘宁,郭静,等.电动汽车有序充电方法研究[J].电网技术, 2012.36(12):32-38.
LI Q S,XIA0 X N,GUO J,et al. Research on orderly charging method of electric vehicle[J]. Power Grid Technology,2012,36(12):32-38.
[8]杨秀菊,白晓清,李佩杰,等.电动汽车规模化接入配电网的充电优化[J].电力自动化设备,2015,35(6):31-36.
YANG X J,BAI X O,L P J,et al. Charging optimization of electric vehicles scaled to the distribution network[J]. Power Automation Equipment,2015,35(6):31-36.
[9]CAO Y,TANG S,LI C,et al. An optimized EV charging model considering TOU price and SOC curve[J]. EEE Transactions on Smart Grid,2011,3(1):388-393.
[10] MOGHADDAM Z,AHMAD I,HABIBI D,et al. A coordinated dynamic pricing model for electric vehicle charging stations[J],IEEE Transactions on Transportation Electrification,2019,5(1):226-238.
[11] RUI T,HU C,LI G,et al. A distributed charging strategy based on day ahead price model for PV-powered electric vehicle charging station[J]. Applied Soft Computing,2019,76:638-648.
[12]常方宇,黄梅,张维戈.分时充电价格下电动汽车有序充电引导策略[J].电网技术,2016,40(9):2609-2615.
CHANG F Y,HUANG M,ZHANG W G. Orderly charging guidance strategy for electric vehicles under time-sharing charging price[J]. Power Grid Technology , 2016, 40(9):2609-2615.
[13]项顶,宋永华,胡泽春,等.电动汽车参与 V2G的峰谷电价研究[J].中国电机工程学报,2013,33(31):15-25.
XIANG D,SONG Y H,HU Z C,et al. Research on the optimal peak-to-valley tariff for electric vehicle participation in V2G[J]. Chinese Journal of Electrical Engineering,2013,2013,33(31):15-25.
10 |