淺談充電樁運營雲平台在變電站的策略及應用

hth下载地址 陳聰

摘要：大量家用電動汽車集中時段充電，給區域配電網帶來較大的壓力。為(wei) 了在滿足充電負荷需求的情況下，減少對配電網的影響，需要開展有序充電。文中建立了變電站一小區充電樁接入控製模式，通過對小區電動汽車充電行為(wei) 的分析，提出了兩(liang) 階段優(you) 化調度策略。首先，在滿足電動汽車充電負荷需求的約束條件下，提出以變電站側(ce) 負荷水平均衡為(wei) 目標的區域充電樁接入控製策略，獲得區域充電樁整體(ti) 分時段接入量；而後以各傳(chuan) 輸線路負載均衡為(wei) 目標，優(you) 化得到各小區分時段接入的電動汽車數量。針對某變電站供電區域內(nei) 、不同滲透比例下的電動汽車充電進行了優(you) 化調度仿真，研究了不同運行方式下充電負荷對電網負荷峰穀差和運行參數的影響，結果表明所建模型正確，並通過分析給出了配電網改造的建議。

關(guan) 鍵詞：充電樁調度；電動汽車；有序充電；區域負荷優(you) 化；粒子群優(you) 化；分支定界法

0引言

電動汽車的*排放和不依賴於(yu) 石化能源兩(liang) 大優(you) 勢使其在新能源汽車領域一直備受關(guan) 注，成為(wei) 了汽車產(chan) 業(ye) 應對環境問題的重要突破口。然而，大量電動汽車的無序並網充電，尤其是負荷高峰時接入充電，進一步加劇了負荷峰穀差，給區域電網帶來負荷壓力和電能質量影響。文獻表明電動汽車滲透率達到20%時會(hui) 給配電網帶來35.8%的負荷增長。文獻研究了不同電動汽車匯聚度和接入水平下充電行為(wei) 給配電網電壓水平帶來的不利影響。文獻表明如果不能對電動汽車充電進行協調控製，將導致區域配電變壓器和線路的過載，大大降低配電網運行經濟性和安全可靠性。

目前，針對電動汽車並網充電帶來的問題，國內(nei) 外學者結合電網的實時運行狀態、充電需求等動態信息，提出電動汽車有序充電優(you) 化控製策略，改善區域的負荷水平與(yu) 電能質量。文獻以充電成本和網損最小為(wei) 目標，通過基於(yu) 網損靈敏度選擇優(you) 先的實時有序充電控製策略有效降低配電網的網損，並改善配電網的節點電壓波形。文獻[5]提出電動汽車有序控製的二級優(you) 化算法，在離散的充電時間點結合風能轉移充電負荷並進行頻率調整。文獻則通過動態響應分時電價(jia) ，提出最小化客戶充電成本和削峰填穀的有序充電啟發式算法。

目前控製電動汽車有序充電的策略已有研究，但都是對整體(ti) 區域進行協調控製，達到改善負荷特性的目的，沒考慮區域電網結構與(yu) 充電負荷分布的影響，不能實際指導有序充電的控製過程。根據中國電動汽車現狀以及發展規劃，電動私家車將在未來電動汽車消費市場中占據極大的比例，具有量大、分散且充電時間集中等特點，易於(yu) 實現有序充電。因此，研究私人電動汽車並網充電的有序控製策略可以有效減少電網基礎設施投資，同時指導配電網合理規劃與(yu) 運行。

本文以變電站供電範圍內(nei) 各小區充電樁為(wei) 整體(ti) 研究對象，提出變電站-小區充電樁優(you) 化接入控製模式及策略，在滿足區域充電負荷需求條件下，計及網絡結構因素，以變電站和配電線路負載均衡為(wei) 目標，實現各住宅區電動汽車充電的有序控製，並采用優(you) 化理論進行兩(liang) 階段求解。

1變電站-小區充電樁的接入控製

交流充電樁是電動汽車進行常規慢速充電的重要設施，通常安裝於(yu) 電動汽車充電站、公共停車場、住宅小區停車場、大型商場停車場等場所。其中，住宅小區停車場內(nei) 私人電動汽車的夜間長時間泊車為(wei) 電動汽車有序充電的接入控製提供了可能性。

1.1小區充電樁的接入模式與(yu) 策略

城市中各小區充電樁在地理位置上較為(wei) 分散，為(wei) 了有效實現充電樁的優(you) 化接入，本文提出“分散接入，集中管控”的接入控製模式，將整體(ti) 充電控製分為(wei) 3層：在用電層進行充電樁接入的管理控製，在配電層實現數據通信，在輸變電層實現優(you) 化接入控製，如圖1所示。

圖1變電站-小區充電樁接入控製模式圖

為(wei) 實現該控製模式，需要在配電網中增加充電樁接入控製中心、充電樁管理係統、變電站-充電樁通信信道3部分，具體(ti) 功能如下。

充電樁接入控製中心位於(yu) 110kV變電站內(nei) ，主要功能包括采集各小區充電管理係統提供的可充電的電池數量及狀態預測數據，結合變電站側(ce) 的基礎負荷(居民用電、商業(ye) 用電和工業(ye) 用電等)進行優(you) 化計算，計算出可調度時段內(nei) 充電樁*優(you) 接入充電數量，再結合10kV線路實時負載率和電池待充量，將充電樁接入量優(you) 化分配至各條線路上。

充電樁管理係統位於(yu) 居民住宅區內(nei) ，與(yu) 10kV線路建立多對一、一對一的映射，主要功能包括采集小區內(nei) 充電樁中待充電池的數量、荷電狀態(SOC)及其可調度性，預測管理區域內(nei) 電動汽車接入規律，將數據實時傳(chuan) 送至變電站調度中心，再根據調度中心分配的充電計劃安排各小區電動汽車並網充電。

變電站至小區的通信信道是充電樁優(you) 化調度的數據傳(chuan) 輸基礎，包括主幹傳(chuan) 輸層、匯聚層和接入層。主幹傳(chuan) 輸層主要利用目前配電通信網為(wei) 變電站至各個(ge) 充電樁管理係統之間提供信息傳(chuan) 輸；匯聚層則利用光線路終端(OLT)和光分配節點(ODN)將接入層信息進行匯集；接入層功能為(wei) 利用有線或無線組網為(wei) 充電樁管理係統與(yu) 小區內(nei) 各充電樁之間提供數據通信服務7

接入控製的優(you) 化計算在變電站內(nei) 控製中心進行，電動汽車的接入充電則由各個(ge) 小區充電樁管理係統完成，優(you) 化計算的計算流程如圖2所示。

圖2電動汽車兩(liang) 階段優(you) 化接入控製流程圖

接入控製策略包含2個(ge) 優(you) 化過程，第1次優(you) 化過程為(wei) 整體(ti) 車輛*優(you) 接入調度。已知量為(wei) 變電站供電範圍內(nei) 的待充電池預測數量及其SOC、接入規律預測、變電站基礎負荷，決(jue) 策變量為(wei) *優(you) 整體(ti) 充電樁接入方案，尋優(you) 目標為(wei) 變電站供電區域內(nei) 的*優(you) 負荷水平。第2次優(you) 化過程為(wei) 對*優(you) 整體(ti) 電池接入方案進行優(you) 化分配，已知量為(wei) 某調度時刻的整體(ti) 充電接入方案，尋優(you) 目標為(wei) 均衡各小區接入充電後的傳(chuan) 輸線路的負載率，從(cong) 而降低整體(ti) 線損。決(jue) 策變量為(wei) 各個(ge) 小區待充電的各類SOC的電動汽車數量。

1.2小區電動汽車充電負荷模型

小區內(nei) 電動汽車充電負荷特性與(yu) 居民的生活習(xi) 慣等因素密切相關(guan) ，居民固有的生活規律造成了小區內(nei) 電動車充電負荷具有短時聚集性的特點，因此有必要對各小區電動汽車進行統計分析，以獲取充電負荷建模的3個(ge) 基本屬性：車輛電池達到時刻、電池初始SOC、車輛電池可調度性。

一般而言，車輛電池達到時刻即為(wei) 有充電需求的電動汽車最後一次出行結束後泊車的時刻，待充時刻x服從(cong) 正態分布[8],其概率密度fs(x)為(wei) ：

fs(x)=

式中：μ=17.6;σ=3.4。

初始SOC與(yu) 車輛行駛距離相關(guan) ，根據對私人電動汽車日行駛裏程的統計分析，SOC(公式中用E。表示)的概率密度函數[9]為(wei) ：

式中：S為(wei) 私家車電池容量；po為(wei) 充電樁充電功率，本文假設電池為(wei) 恒功率充電。

充電的可調度性指接入充電樁待充的私家車用戶選擇由變電站-小區充電樁管理係統統一安排充電或立即並網充電，因此根據用戶意願把用戶的充電需求分為(wei) 接入即充和可控充電2類。同時，為(wei) 了簡化調度控製，根據電池SOC的不同將待充車輛電池分為(wei) A(SOC為(wei) 10%～30%)、B(SOC為(wei) 30%~50%)、C(SOC為(wei) 50%～70%)3類。

通常而言，小區的負荷從(cong) 晚上6點至早上7點經曆了高峰到低穀的整個(ge) 過程[10],而考慮到居民在下班後通常集中選擇給電動汽車充電，而該時刻剛好位於(yu) 居民區用電負荷高峰時段，大大加劇了配電網負荷壓力和負荷峰穀差，因此在該時間段應進行充電接入控製，保障配電網安全運行，即該時段為(wei) 電動汽車*優(you) 調度時段。

1.3兩(liang) 階段優(you) 化建模

1.3.1一次優(you) 化調度建模

變電站一次優(you) 化調度是在已知變電站基礎負荷和各小區電動汽車充電需求的情況下，通過分時段調度接入電網的充電樁數量，平抑負荷曲線，從(cong) 而降低配電網的峰穀差和線路損耗。為(wei) 此，有如下假設。

（1）調度時段為(wei) 18:00至次日07:00,每隔30min進行一次充電樁優(you) 化接入，共計26個(ge) 調度時刻。

（2）居民區電動汽車僅(jin) 利用充電樁進行充電，泊車後即接入充電樁待充。

（3）不可控充電負荷的比例預測依賴於(yu) 充電管理係統的曆史數據統計。

基於(yu) 以上假設，本文提出以等效負荷曲線方差為(wei) 優(you) 化目標的充電樁接入策略[11]。目標函數為(wei) ：

式中：Pa為(wei) t時刻變電站基礎負荷；Pv為(wei) 電動汽車實時充電負荷；Pav為(wei) 第i個(ge) 時間窗口內(nei) 等效負荷的平均值；P1為(wei) 可調度充電負荷；P2為(wei) 不可控充電負荷；i=1,2,…,T—M+1。

可調度充電負荷和不可控充電負荷的計算如下：

式中：nx-c為(wei) t時刻正在充電的3類可控電池數量，nx-c=nx+nx-AT—nxTx,X取A,B,C,Tx為(wei) X類電池充滿電平均所需時間，nx為(wei) t時刻變電站接入充電的X類可控電池數量，△T為(wei) 調度時間間隔；po為(wei) 充電樁充電功率。

式中：β為(wei) 不可控係數；N為(wei) 區域電動汽車電池總量；Xmax和Xmin為(wei) X類電池SOC上下限；to為(wei) 起始調度時刻；t₁=t—Tx;[]為(wei) 取整符號。

經過上述分析，優(you) 化調度目標函數建立如下：

有以下3個(ge) 約束條件。

（1）充電需求總量約束

式中：Ntota為(wei) 有充電需求的電動汽車的電池總量。

（2）可調度電池數量約束

式中：nx-ready為(wei) t時刻累積待充的X類電池數量，其迭代計算公式如式(13)所示。

式中：nx-new為(wei) t—△T到t個(ge) 調度時刻之間到達的X類待充電池數量。

（3）變電站主變負載率約束

式中：Strans為(wei) 變電站變壓器額定容量；αmax為(wei) 變壓器負載率上限。

1.3.2二次優(you) 化分配建模

二次優(you) 化分配是指將一次優(you) 化調度獲得的*優(you) 充電樁接入數量分配至各充電樁管理係統，指導各小區電動汽車接入充電。為(wei) 了便於(yu) 優(you) 化計算，將充電管理係統與(yu) 對應10kV線路結合，決(jue) 策變量為(wei) 每個(ge) 時刻每條線路各類電池接入量，已知量為(wei) 各類電池接入總量，以及數據采集與(yu) 監控(SCADA)係統采集的各條10kV線路的實時負載。由於(yu) 均衡各線路的負荷有利於(yu) 降低區域綜合線損，提高區域負荷水平和電壓水平[12],因此二次優(you) 化目標為(wei) 各線路負載率的方差最小。

為(wei) 直觀表示各類電池分配方案，建立如下電池接入矩陣Ibet:

式中：n,為(wei) 第i條線路上接入的第j類電池數量，j=1,2,3時分別表示A,B,C類電池。

接入電池後的線路l,負載率β;為(wei) ：

式中：Pi;為(wei) 線路i的負載；Srated為(wei) 線路額定容量。

根據上述分析，二次優(you) 化分配目標函數建立如下：

式中：β為(wei) 接入電池後各條線路平均負載率。其有以下3個(ge) 約束條件。

1. 各小區待接入的電池上限約束

式中：nredy為(wei) 優(you) 化時刻第i條線路上j類電池待充電數量上限，可由各小區充電管理係統提供。

（2）*優(you) 充電接人總量約束

1. 線路負載率約束

2優(you) 化調度模型求解

粒子群算法(PSO)是一種啟發式隨機優(you) 化算法，每個(ge) 粒子通過追逐自身的*優(you) 位置和全局*優(you) 位置進行搜索，最終收斂於(yu) 群體(ti) *優(you) 粒子，具有快速全局搜索能力。分支定界法則是整數規劃經典求解方法，適用於(yu) 電池矩陣的求解。本文綜合上述2種方法，提出二階段優(you) 化算法求解優(you) 化調度和分配模型。PSO應用於(yu) 第一優(you) 化階段，即變電站整體(ti) 負荷優(you) 化。其中，參數初始化中輸入變量包括變電站基礎負荷、線路容量約束、小區電動汽車規模等。種群初始化則采用隨機初始化初始充電方案。編碼方式為(wei) 實數編碼，由於(yu) 接入電池數量為(wei) 整數，因此需對實數進行取整：

式中：B為(wei) 電池接入方案；BA,Bp,Bc為(wei) 采用實數表述的各類電池實時接入量。

由於(yu) 在變電站負荷優(you) 化中，為(wei) 滿足用戶的充電需求，電池優(you) 化方案需滿足等式約束，而采用隨機初始化和進化過程中的個(ge) 體(ti) 可能不滿足此約束。在進化算法中，多采用罰函數實現個(ge) 體(ti) 向可行域的進化，然而罰函數難以選取，本文提出了如下的個(ge) 體(ti) 修正策略(以A類電池為(wei) 例):

粒子速度和位置的更新為(wei) ：

式中：w為(wei) 慣性權重；r₁和r₂為(wei) (0,1)間均勻分布的隨機數；c₁和c₂為(wei) 學習(xi) 因子；vi和z1分別為(wei) 粒子i第k次迭代時的速度和位置；Pbest為(wei) 粒子個(ge) 體(ti) *優(you) 解；gbes為(wei) 群體(ti) *優(you) 解。

通過調整權重係數w來實現算法全局搜索和局部搜索的平衡，因此w是影響算法性能的重要因素。通過對不同粒子的進化速度h和種群整體(ti) 的收斂程度s進行分析，動態調整不同粒子的w可有效提高算法的局部搜索能力和全局收斂性，相比w的線性調整策略，可更顯著提高算法的性能[13]。

二次優(you) 化分配則借助於(yu) 整數規劃中的分支定界法實現充電負荷的優(you) 化分配[14]。整體(ti) 優(you) 化算法流程如圖3所示。

3算例分析

3.1參數設置

某110kV變電站，主變容量為(wei) 2×40MW,以其供電範圍內(nei) 的8個(ge) 居民小區為(wei) 例，由8條10kV線路供電，小區規模如附錄A表A1所示，假設戶均擁有私家車0.75輛，表A1給出了電動汽車滲透率為(wei) 10%和30%下的車輛數。

10kV線路容量為(wei) 3MW,私家電動汽車電池容量為(wei) 165Ah,充電功率為(wei) 7kW¹5],充電樁與(yu) 電動汽車按1:1配置，接受調度的電動汽車比例為(wei)

開始

負荷信息、充電需求信息等

優(you) 化參數初始化

個(ge) 體(ti) 修正

權重係數計算個(ge) 體(ti) 修正

*優(you) 位置更新

N

變電站負荷優(you) 化

整數規劃

輸出記錄充電方案

充電負荷優(you) 化分配

粒子速度更新

粒子位置更新

優(you) 化線路充電負荷

數據初始化

是否停機?

種群初始化

結束

圖3優(you) 化算法計算流程

80%。優(you) 化算法中學習(xi) 因子c₁和c₂取2;慣性權重w則根據進化速度h與(yu) 收斂程度s自適應調整。根據變電站負荷情況分為(wei) 典型日和夏高峰日2種研究場景，基礎數據見附錄A表A2,線路負載率約束為(wei) 60%。

3.2不同電動汽車滲透比例下變電站負荷的變化

在典型日下，分別對電動汽車滲透率為(wei) 10%和30%的2種情況進行目標尋優(you) ，等效負荷曲線方差值經過50次左右迭代後快速收斂(見圖4),分別為(wei) 5.33和4.37,充電樁接入總量滿足整體(ti) 充電需求。

等效負荷曲線方差值

迭代次數

圖4等效負荷曲線方差的迭代收斂圖

根據獲得的*優(you) 調度方案進行充電樁接入充電，優(you) 化前後的負荷曲線如圖5所示，同時，對優(you) 化前後的負荷峰穀值進行比較，如表1所示。

在10%和30%這2種電動汽車滲透率下，無序接入充電將導致負荷峰穀差率分別增加4.5%和7.1%,而經過充電優(you) 化調度後的變電站負荷峰穀差率分別比無序充電時降低了8.5%和19.6%,移峰填穀效果十分明顯，表明了控製策略的必要性和有效性。

圖5優(you) 化調度前後的負荷對比

表1變電站負荷水平比較

附錄A表A3給出了A,B,C這3類電池接入數量的時序安排。經分析可知，為(wei) 了滿足充電需求，大多優(you) 先安排荷電量低的電池充電(接近高峰時段),再加上不接受調度的負荷，使得最大負荷比基礎負荷增長了3.6%,變電站負載率從(cong) 41%提高到43%,其中不可調度電動汽車的比例對變電站最大負荷的增長影響較大，可通過電價(jia) 刺激、政策優(you) 惠等方式對用戶進行引導。

3.3大方式下電動汽車充電對電網運行的影響

當電動汽車滲透率為(wei) 30%(充電車輛共有1300輛),變電站負荷處於(yu) 夏季高峰時，一天內(nei) 充電電量為(wei) 22.4MW·h。優(you) 化調度後變電站負荷曲線見圖6。

圖6不同基礎負荷下的負荷優(you) 化曲線

由圖6可見，夏高峰時變電站最高負荷為(wei) 39.7MW、穀段平均值為(wei) 28.1MW,峰穀差14.5MW,降低了11%,最大負荷增長0.9MW,變電站整體(ti) 負載率增長為(wei) 49.25%。如果變電站或電動汽車充電負荷進一步增加，變電站主變負載率將增大，導致電網變壓器故障和檢修時不能實現站內(nei) 負荷轉移，降低了供電可靠性。

在一次優(you) 化獲得3類電池*優(you) 接入時序的基礎上，根據2次充電樁優(you) 化分配模型求解各調度時刻*優(you) 電池接入方案，指導各小區進行有序充電。計算結果見附錄A表A4和A5,接入前後為(wei) 住宅區供電的8條10kV線路負載率變化情況如表2所示。

表2電池優(you) 化分配前後10kV線路負載率對比

優(you) 化分配結果顯示，獲得的*優(you) 電池接入矩陣滿足充電接入需求，典型日和夏高峰線路負載率變化分別減少70%和33%,並實現了各線路接入充電負荷後負載率的均衡性，典型日下避免了高負載率線路的接入充電，表明了分配策略和算法的有效性，提高了設備利用率。同時可知，夏季晚高峰時充電樁接入充電導致最高線路負載率由原來48%增加到52%,對於(yu) 單聯絡線路，當負載率高於(yu) 50%時，引起供電可靠性下降。因此，在設計電動汽車供電方案時，要以保證供電線路和變電站可靠性為(wei) 約束，根據變電站範圍內(nei) 各小區充電負荷大小、不接受調度

用戶比例的具體(ti) 情況進行設計。必要時采用新增線路、擴建線路、改進接線模式等方法保證供電線路的可靠性。

4hth下载地址充電樁收費運營雲(yun) 平台係統選型方案

4.1概述

AcrelCloud-9000hth下载地址充電柱收費運營雲(yun) 平台係統通過物聯網技術對接入係統的電動電動自行車充電站以及各個(ge) 充電整法行不間斷地數據采集和監控，實時監控充電樁運行狀態，進行充電服務、支付管理，交易結算，資要管理、電能管理，明細查詢等。同時對充電機過溫保護、漏電、充電機輸入/輸出過壓，欠壓，絕緣低各類故障進行預警；充電樁支持以太網、4G或WIFI等方式接入互聯網，用戶通過微信、支付寶，雲(yun) 閃付掃碼充電。

4.2應用場所

適用於(yu) 民用建築、一般工業(ye) 建築、居住小區、實業(ye) 單位、商業(ye) 綜合體(ti) 、學校、園區等充電樁模式的充電基礎設施設計。

4.3係統結構

係統分為(wei) 四層：

(1)即數據采集層、網絡傳(chuan) 輸層、數據層和客戶端層。

(2)數據采集層：包括電瓶車智能充電樁通訊協議為(wei) 標準modbus-rtu。電瓶車智能充電樁用於(yu) 采集充電回路的電力參數，並進行電能計量和保護。

(3)網絡傳(chuan) 輸層：通過4G網絡將數據上傳(chuan) 至搭建好的數據庫服務器。

(4)數據層：包含應用服務器和數據服務器，應用服務器部署數據采集服務、WEB網站，數據服務器部署實時數據庫、曆史數據庫、基礎數據庫。

(5)應客戶端層：係統管理員可在瀏覽器中訪問電瓶車充電樁收費平台。終端充電用戶通過刷卡掃碼的方式啟動充電。

小區充電平台功能主要涵蓋充電設施智能化大屏、實時監控、交易管理、故障管理、統計分析、基礎數據管理等功能，同時為(wei) 運維人員提供運維APP，充電用戶提供充電小程序。

4.4hth下载地址充電樁雲(yun) 平台係統功能

4.4.1智能化大屏

智能化大屏展示站點分布情況，對設備狀態、設備使用率、充電次數、充電時長、充電金額、充電度數、充電樁故障等進行統計顯示，同時可查看每個(ge) 站點的站點信息、充電樁列表、充電記錄、收益、能耗、故障記錄等。統一管理小區充電樁，查看設備使用率，合理分配資源。

4.4.2實時監控

實時監視充電設施運行狀況，主要包括充電樁運行狀態、回路狀態、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

平台管理人員可管理充電用戶賬戶，對其進行賬戶進行充值、退款、凍結、注銷等操作，可查看小區用戶每日的充電交易詳細信息。

4.4.4故障管理

設備自動上報故障信息，平台管理人員可通過平台查看故障信息並進行派發處理，同時運維人員可通過運維APP收取故障推送，運維人員在運維工作完成後將結果上報。充電用戶也可通過充電小程序反饋現場問題。

4.4.5統計分析

通過係統平台，從(cong) 充電站點、充電設施、、充電時間、充電方式等不同角度，查詢充電交易統計信息、能耗統計信息等。

4.4.6基礎數據管理

在係統平台建立運營商戶，運營商可建立和管理其運營所需站點和充電設施，維護充電設施信息、價(jia) 格策略、折扣、優(you) 惠活動，同時可管理在線卡用戶充值、凍結和解綁。4.4.7運維APP

麵向運維人員使用，可以對站點和充電樁進行管理、能夠進行故障閉環處理、查詢流量卡使用情況、查詢充電\充值情況，進行遠程參數設置，同時可接收故障推送

4.4.8充電小程序

麵向充電用戶使用，可查看附近空閑設備，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係統硬件配置

5結語

本文針對未來居民小區私人電動汽車充電有序控製問題開展研究，建立了變電站-小區充電樁接入控製模式，提出了兩(liang) 階段優(you) 化調度與(yu) 分配策略，考慮了變電站和線路的可靠性約束，采用了改進粒子群和分支定界法求解模型。仿真結果表明：電動汽車充電的有序控製限製了變電站和線路最大負荷的增加，降低了峰穀差，增加了企業(ye) 效益。隨著電動汽車滲透比例的增加，削峰填穀的效果更明顯，同時可能引起電網供電設備的過載，影響電網的檢修和故障負荷轉移，必須通過改進供電方案，以保證供電可充電的深入研究提供了很好的借鑒。該控製係統在實際應用中涉及變電站控製中心和小區控製中心運營管理模式的協調，另外隨著係統規模的增大，為(wei) 了保證實時性必須進行通信係統的升級改造。

參考文獻：

[1]徐立中，楊光亞(ya) ，許昭，等.電動汽車充電負荷對丹麥配電係統的影響[J]. 電力係統自動化，2011,35(14):18-23.

[2]林弘宇，田世明.智能電網條件下的智能小區關(guan) 鍵技術[J]. 電網 技術，2011,35(12):1-7.

[3]田立亭，史雙龍，賈卓.電動汽車充電功率需求的統計學建模方法[J]. 電網技術，2010,34(11):126-130.

[4]王輝，文福拴，辛建波.電動汽車充放電特性及其對配電係統的影響分析[J].華北電力大學學報，2011,38(5):17-24.

[5]羅卓偉(wei) ，胡澤春，宋永華，等.電動汽車充電負荷計算方法[J]. 電力係統自動化，2011,35(14):36-42.

[6]於(yu) 大洋，宋曙光，張波，等.區域電網電動汽車充電與(yu) 風電協同調度的分析[J]. 電力係統自動化，2011,35(14):24-29.

[7]張傑.配電網負荷均衡及降低網損的重構算法研究[D].吉林： 東(dong) 北電力大學，2008.

[8]陽明盛，羅長童.*優(you) 化原理、方法及求解軟件[M].北京：科學出版社，2007.

[9]電動汽車傳(chuan) 導充電用連接裝置：第2 部分交流充電接口[S]. 北京：中國標準出版社，2012.

[10]劉文霞，劉流，趙天陽.變電站區域充電樁接入控製模式及策略

[11]hth下载地址企業(ye) 微電網設計與(yu) 應用手冊(ce) .2022.05版