智能電網中電動汽車的雙層有序充電充電調度策略

hth下载地址 陳聰

摘要：大量、無序的插電式混合動力汽車接入電網，會(hui) 造成高峰時段電網變壓器過熱、過載，導致跳閘甚至大麵積停電。因此電動汽車的協調充電問題是電網中一個(ge) 研究熱點和難點。文章首先將插電式混合動力汽車協調充電問題定義(yi) 為(wei) 帶約束條件的優(you) 化問題，然後提出一種雙層*優(you) 充電策略對該優(you) 化問題進行求解。在第一層基於(yu) 需求側(ce) 管理對電網低壓變壓器的負荷曲線進行扁平化平滑優(you) 化；在第二層基於(yu) 一致性迭代算法，使插電式混合動力汽車用戶的總體(ti) 充電成本達到最小並同時滿足用戶的充電需求。所提充電策略既保持了電網變壓器供電負荷曲線波動最小，又實現了每個(ge) 電動汽車用戶的充電成本最小，滿足了用戶的充電需求。

關(guan) 鍵詞：插電式混合動力汽車；多目標優(you) 化；需求側(ce) 管理；動態資源分配

0引言

為(wei) 鼓勵電動汽車用戶參與(yu) 到電動汽車的協調充電過程，本文提出了一種用戶成本分攤模型，並利用帶約束條件的優(you) 化模型描述了有*時域內(nei) 電動汽車協調充電的動態變化過程；其次，為(wei) 解決(jue) 所描述的優(you) 化問題，本文提出了兩(liang) 層*優(you) 充電策略將描述的優(you) 化問題分解成2個(ge) 階段，分別在低壓變壓器控製層和用戶控製層來予以解決(jue) 。

1係統模型

1.1圖論介紹

在有向圖G=(V,E)中,非空集合V=表示圖的頂點，E=表示從(cong) 頂點j可以接受到i的信息，wi,j是關(guan) 聯矩陣W的第i行、第j列元素。對於(yu) 節點i∈V，其入鄰居和出鄰居為(wei) Ni-=和Ni+=。節點i接收入鄰居的信息，並將自身信息發送給出鄰居完成信息

在鄰居之間的傳(chuan) 遞。di-=|Ni-|和d=|Ni+|分別表示入鄰居和出鄰居的個(ge) 數。強連通的有向圖是指任意兩(liang) 個(ge) 節點之間是可達的。令k=k0,k1,…,kN-1表示N個(ge) 時間戳,G(k)=(V,E(k))表示k時刻的強連通圖。

1.2問題描述

本文研究的分布式電網架構如圖1所示，包含1個(ge) 高壓變壓器（HVT）連接到1組低壓變壓器（LVTs），每個(ge) 低壓變壓器又連接到多個(ge) 用戶，並且每個(ge) 用戶擁有1台插電式混合動力汽車。

圖1分布式電網架構

圖1所示的分布式電網架構［19—20］是一種徑向放射網狀結構，由於(yu) 低壓變壓器比高壓變壓器更容易過載，高壓變壓器和低壓變壓器無法同時獲得波動最小的負荷曲線。因此本文研究低壓側(ce) 電網的負載波動情況。在此基礎上，本文進一步研究使電動汽車用戶充電成本最小化的充電策略，從(cong) 而使用戶能積極參與(yu) 到負荷曲線的削峰填穀中去。

本文將電網中的插電式混合動力汽車協調充電問題描述成有*時域的多約束優(you) 化問題。假設所有電動汽車充電開始和結束的時刻分別為(wei) k0和kN-1，xi,k∈R表示電網在k時刻提供給電動汽車i的電能。

一般來說，對於(yu) 約束條件為(wei) 線性的凸優(you) 化問題具有*一的全局*優(you) 解，為(wei) 了便於(yu) 求解和表征電動汽車充電用戶的充電成本，本文假設每個(ge) 電動汽車i在時刻k均關(guan) 聯一個(ge) 凸的二次型成本函數

Fi,k(xi,k)=(xi,k-αi,k)2/2βi,k+γi,k（1）

式中：αi,k和γi,k∈R為(wei) 成本係數；βi,k>0保證了二次型函數為(wei) 凸函數。相應的導函數為(wei)

Ji,k(xi,k)=dFi,k(xi,k)/dxi,k=(xi,k-αi,k)/βi,k（2）

由於(yu) 插電式混合動力汽車的鋰離子電池容量和最大充電功率有一定的限製，因此電動汽車i在k時刻具有相應的最大充電功率和最小充電功率約束

-xi,k≤xi,k≤i,k（3）

在本文中，假設i,k=i，-xi,k=-xi。為(wei) 了滿足用在某一段時間[k0,kN-1]的充電需求，有如下約束條件

i,k=bi（4）

式中：bi為(wei) 電動汽車i在時間段[k0,kN-1]內(nei) 需要充的電能。此外，電網低壓變壓器提供給所有電動汽車的電能為(wei)

i,k=dk（5）

式中：dk為(wei) k時刻電網提供給n個(ge) 電動汽車的電能。

從(cong) 電動汽車用戶的角度，每個(ge) 用戶都希望將自身的充電成本降到*低。因此，在分布式電網中插電式混合動力汽車協調充電問題可表示為(wei) 如下帶約束條件的優(you) 化問題

在下一節中本文將給出相應的*優(you) 充電控製策略，來解決(jue) 式（6）所描述的電動汽車協調充電問題。

2*優(you) 充電策略

為(wei) 了解決(jue) 式（6）所示的有*時域內(nei) 帶等式約束和不等式約束的優(you) 化問題，本文提出了一種雙層*優(you) 充電策略，其框架如圖2所示。

圖2一種基於(yu) LVTs和插電式混合動力汽車之間相互作用的*優(you) 控製方案

2.1第一階段優(you) 化

為(wei) 了能*大程度實現電網低壓變壓器的負載曲線“削峰填穀”目的，低壓變壓器控製器基於(yu) 用戶的非電動汽車負載來規劃提供給電動汽車充電的電能。令dkj表示在時刻kj變壓器提供給n台電動汽車充電的電能，qi(k)表示電動汽車用戶i的非電動汽車負載所消耗的功率（如熱水器、電吹風、空調等），第一階段的目標是通過規劃給電動汽車充電的電能盡可能使得低壓變壓器側(ce) 總負荷曲線（即電動汽車負荷與(yu) 非電動汽車負荷之和）最平。通過對某居民用電區域統計其負載變化規律，本文假設某個(ge) 家庭中的非電動汽車負載對用戶i來講是已知的。第一階段低壓變壓器控製器基於(yu) 需求側(ce) 管理負荷曲線波動最小問題可以描述為(wei)

式中：目標函數f(d)為(wei) 各個(ge) 時刻負荷曲線的波動變化之和，當且僅(jin) 當f(d)=0時，總體(ti) 的功率曲線和理想的功率曲線保持一致，即負載曲線*全實現了削峰填穀；dkj為(wei) 優(you) 化變量，表示在時刻kj變壓器提供給n台電動汽車充電的電能，kj=k0,k1,…,kN-1為(wei) 電動汽車的優(you) 化時刻；qi(k)為(wei) 電動汽車用戶i的非電動汽車負載所消耗的功率；i為(wei) 電動汽車i的最大

充電功率；η為(wei) 期望的負載功率曲線，計算公式為(wei)

通過MATLAB線性多約束優(you) 化（mu*ivariatelinearprogrammingproblem,MLPP）工具箱可有效解決(jue) 式（7）所示的線性多約束優(you) 化問題。算法如下：

（1）算法1基於(yu) LVT需求側(ce) 管理調度算法輸入：bi,qi(k),i=1,2,…n,k=k0,k1,…,kN-1輸出：dkj,kJ=k0,k1,…,kN-1

Step1.PHEVi向LVT發送用戶的充電需求bi以及其他非電動汽車的負載qi(k)，i=1,2,…n,k=k0,k1,…,kN-1。

Step2.LVT計算k時刻總體(ti) 非電動汽車負載

Step3.LVT計算理想的負載功率曲線

Step4.利用MATLAB的MLPP工具箱求解問題（7）。

Step5.LVT將獲得的需求側(ce) 管理調度結果發送給所有的電動汽車用戶。

2.2第二階段優(you) 化

為(wei) 了能使所有用戶的充電成本達到最小，同時滿足用戶的充電需求，第二階段將在第一階段基礎上，基於(yu) 一致性迭代算法來解決(jue) 最初的優(you) 化問題（6），獲得全局的*優(you) 的調度策略。其中，問題（6）中的第三項等式約束，通過在迭代算法中引入拉格朗日乘子向量，並通過迭代使其收斂到一致的*優(you) 值，從(cong) 而滿足該項等式約束。在文獻中，本文提出了一致性迭代算法並解決(jue) 動了態資源分配問題（dynamicresourceallocationproblem,DRAP），獲得了全局*一的*優(you) 解。在本文中，本文利用一致性迭代算法來解決(jue) 優(you) 化問題（6），算法的證明過程見文獻定理1。

（2）算法2基於(yu) 一致性迭代的*優(you) 充電算法

PHEVi（i=1,2,…,n）通過基於(yu) 鄰居信息交換的一致性算法，依次迭代拉格朗日乘子λi,k(t)滿足（6）中的第三項等式約束條件，迭代優(you) 化變量xi,k(t)滿足（6）中第二項不等式約束條件，迭代殘差變量si,k(t)滿足（6）中第一項等式約束條件。

Step3.電動汽車用戶執行相應的*優(you) 成本*優(you) 調度策略。

針對基於(yu) 一致性迭代的*優(you) 充電算法2，當迭代步長趨向於(yu) 無窮大時，可以得到問題（6）的*優(you) 解。另外，算法2中當前的電動汽車當且僅(jin) 當與(yu) 鄰居的電動汽車進行信息交換實現了全局*優(you) ，是一種*全分布式算法。隨著網絡節點和規模的擴大，該算法仍然適用。通過結合算法1和算法2，本文提出的雙層*優(you) 充電策略既保持了電網變壓器端的負荷曲線的穩定性，又使得電動汽車用戶的充電成本最小，進一步鼓勵了用戶參與(yu) 到電網削峰填穀輔助服務中去。

3仿真研究

為(wei) 了驗證本文提出的智能電網中電動汽車雙層*優(you) 充電策略的有效性，以某小區內(nei) 分布式電網中小規模的電動汽車滲透為(wei) 背景。考慮到電動汽車充電時的充電功率對小區內(nei) 變壓器峰值的影響若電動汽車數目過少則導致負荷波動幅度過小，起不到普適性的研究目的。同時，根據對不同汽車數量樣本的計算結果進行比對，一般電動汽車充電個(ge) 數達到4個(ge) 後，就會(hui) 對峰值產(chan) 生顯著影響，並且後續隨著汽車數量增多，仿真結論均趨於(yu) 一致。因此本文考慮小區內(nei) 具有普適性的電動汽車充電場景，以4個(ge) 電動汽車用戶充電為(wei) 例進行仿真研究。

電動汽車參數如表1所示。電動汽車充電的時間為(wei) 18:00至次日6:00，共12h，每個(ge) 小時采樣14個(ge) 點，一共有168個(ge) 采樣點。本文通過以最大功率充電的方式進行對比，從(cong) 而突出本文的算法有效性。

表1仿真中的電動汽車參數設置

隨著通信技術和測量技術在智能電網中的廣泛應用，假設在局域網中電動汽車用戶之間的拓撲連接方式如圖3所示。另外，以最大功率充電的拓撲結構為(wei) 全聯通方式。

圖3仿真中強連通電動汽車拓撲結構

在本仿真研究中，所有電動汽車的開始充電時間為(wei) 18:00，結束時間為(wei) 次日6:00。采樣周期14samples/h。因此整個(ge) 電動汽車優(you) 化運行共有168個(ge) 采樣時刻，本文等間隔地將其分為(wei) 4組，每組21個(ge) 采樣時刻。在每個(ge) 時刻，與(yu) 每個(ge) 電動汽車關(guan) 聯的成本函數均采用二次型凸函數形式。算法2中的正參數ε=0.2。

圖4算法1的電動汽車充電功率曲線

圖5以最大功率充電的負荷曲線

圖6不協調充電時電動汽車充電的功率分配

圖7不協調充電和協調充電電動汽車充電的功率曲線

圖8電動汽車用戶每日充電成本柱形圖

仿真結果如圖4—圖8所示。圖4為(wei) 通過算法1低壓變壓器的負載功率曲線。綠色實線表示總的非電動汽車負載。從(cong) 圖4可以看出，當電動汽車的運行周期被分割的時間區間個(ge) 數趨向於(yu) 無窮時，總功率曲線將與(yu) 期望的負載曲線保持一致，達到完整的“削峰填穀”效果。

圖5和圖6分別為(wei) 電動汽車在協調充電策略和不協調充電策略下的仿真結果。不協調充電策略是指電動汽車以最大功率進行充電直到達到用戶的充電需求。通過圖5和圖6的對比可以看出，電動汽車的協調充電策略可以極大的減小電動汽車的充電峰值負荷，從(cong) 而可以進一步減小對電網穩定性的影響。圖7表示分別在協調充電和非協調充電情況下總體(ti) 的功率曲線變化。

從(cong) 圖7可以看出，不協調充電策略的總功率最大值為(wei) 42kW，相對於(yu) 期望的功率曲線20kW造成了110%的過載，而協調充電策略波動至25kW，遠遠小於(yu) 非協調充電策略，驗證了本文提出的算法通過控製電動汽車的充電功率和充電時間使總功率曲線波動明顯減小。圖8表示在協調充電和非協調充電情況下用戶的成本柱形圖。

從(cong) 圖8可以看出，協調充電策略不僅(jin) 僅(jin) 可以減小全體(ti) 的電動汽車用戶充電成本，同時可以大大減少每個(ge) 電動汽車用戶的充電成本，從(cong) 而可以鼓勵用戶參與(yu) 到電網的“削峰填穀”協調充電調度策略中去。

通過對電動汽車的充電策略進行規劃，使用*優(you) 的充電策略來完成電動汽車的充電，用電能來替代傳(chuan) 統的化學能源，有利於(yu) 減緩傳(chuan) 統能源的消耗速度。進一步，通過大規模利用電動汽車來取代傳(chuan) 統的油車，減少汙染物的排放，從(cong) 而減小環境汙染。本文的首要目標是通過使得電網曲線波動最小，峰穀差最小，從(cong) 而避免因峰值過高引起跳閘甚至大麵積停電。

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結束語

本文研究了分布式電網架構中插電式混合動力汽車的協調充電問題。首先，將電動汽車的充電協調問題描述成帶多個(ge) 約束條件的凸優(you) 化問題，基於(yu) 此，本文提出兩(liang) 層*優(you) 充電策略來解決(jue) 該優(you) 化問題。在所提提出的*優(you) 策略中，上層應用基於(yu) 需求側(ce) 管理的調度算法來求解，在此基礎上，下層應用一致性迭代的優(you) 化算法進行求解。最後通過數值仿真驗證了所提算法的有效性。所提出的*優(you) 充電策略既保持了電網變壓器供電負荷曲線波動最小，又實現了每個(ge) 電動汽車用戶的充電成本最小，同時滿足了用戶的充電需求。未來的研究方向會(hui) 考慮大規模的電動汽車充電場景，即根據用戶的行為(wei) 和習(xi) 慣隨機地將電動汽車接入電網進行充電，並且用戶充電的開始和結束時刻各不相同，該種場景可通過本文提出的*優(you) 控製策略結合滾動域優(you) 化方法來予以解決(jue) 。

參考文獻:

[1]範子愷，俞豪君，朱俊澎，等.電力高峰時段電動汽車負荷優(you) 化調度［J］.電力需求側(ce) 管理，2014，16（5）：3-9.

[2]吳奇珂，陳昕儒，薑寧，等.峰穀電價(jia) 背景下考慮電動汽車用戶行為(wei) 的配網規劃研究［J］.電力需求側(ce) 管理，

[3]蒯聖宇，田佳，台德群，等.計及分布式能源與(yu) 電動汽車接入的空間負荷預測［J］.電力需求側(ce) 管理，2019，21（1）：47-51.

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

[5]白雲(yun) 霄，劉思捷，錢峰，劉俊磊，鮑威.智能電網中電動汽車雙層*優(you) 充電策略