文摘

为了减少不利影响的无序充电的电动汽车分销网络的安全稳定运行,多目标优化调度方法提出了网络化的电动汽车的有序充电软件。旨在降低充电成本和peak-to-valley分销网络负载的差异,其调度策略会随着时间的推移不断卷和更新的电动汽车充电方案。结果表明,车辆的实际响应数据收集的互联网应用修正的概率分布的用户选择的充电模式和响应行为。第五天,实际收费用户的响应曲线接近理论曲线获得的优化算法,和预期收费基本上是实现。计算表明,充电后总负荷曲线的变化从24.8下降169.35至127.39。拟议的有序充电策略可以有效降低电动汽车的充电成本用户和peak-to-valley差异分布的网络负载,发挥好作用热电灌装,提高算法的收敛精度,获得问题的最优解。

1。介绍

近年来,京津冀地区和东北地区出现大规模的霾天气;有必要加快推广新能源汽车或汽车,加快产业布局,积极推动所有应用程序,提高结构转变。国家电网和中国南方电网还积极动员和倡导积极开发节能电能取代许多任务,积极发展的工作交换电力,煤炭,增加输电线路投资,积极转换线,提高传播能力。政府将优先推广新能源汽车技术在相关区域城市群的沈阳经济开发区,然后积极扩大促销努力促进新能源汽车的应用,建立新能源vehicle-related支持设备,并配合国家电网公司改善电动汽车。Charging-related支持设备是用来促进新能源汽车产业的全面发展。预计在未来20年里,新能源电动汽车的发展将实现井喷的影响,新能源电动汽车领域和行业将迎来一个大发展也进入一个快速发展的时期。大规模的电动汽车,像小电容器或电力供应,会不断地与电网交换能量,这将不可避免地有一个更大的对电网的影响。这种充电不仅在时间和空间有一定的随机性,所以这种无序充电会带来一些负面影响电网的能源管理。这种随机性和间歇性将非常重要。进一步考虑,大量的无序移动充电负荷在一个地区电网将影响区域电网的整体趋势及其负载分配的影响以及区域电网是否导致峰值负载。 Such mobile loads can lead to increased load on the regional grid, busier lines, increased investment, and operating costs [1]。作为一个新兴的负载,电动汽车的接入电网将有一系列的对电力系统的影响。例如,peak-to-valley不同的负荷将进一步增加,配电网的负荷将部分超载,当地的电网线电压过低,和线路损失将会增加。大型分销网络变压器容量超过限制等问题。大规模推广电动汽车,电动汽车的时间和空间的不确定性在网络将成为突出。大量的研究表明,电动汽车的有序访问电网对电力系统的影响要小得多比无序接入电网。

电动汽车直接连接到电网充电的充电基础设施,和实际的间接碳排放产生不明显优于传统燃料汽车,,很难减少对化石燃料的依赖。在这种情况下,有两种方法可以实现真正意义上的低碳:一是大力发展可再生能源发电系统,协调调度的电动汽车充电和可再生能源发电的电网,提高电网的可再生能源消费。第二个是直接建立充电和放电设备之间的连接和分布式可再生能源发电系统,从而实现本地消费和利用可再生能源。从目前的发展现状来看,很难调整电网的一次能源结构。通过现场集成可再生能源和电动汽车,可以有效提高可再生能源的利用率,可以减少碳排放。

大量的研究已经完成电动汽车有序充电的方法,以及各种优化方法的有序充电已经从不同方面发展。从研究的角度和技巧、有序充电可以分为以下几点:(1)单一电动汽车充电控制,(2)充电控制多个电动汽车,和(3)电动汽车的充电控制区域电网。根据功率流的方向,它可以分为以下几点:(1)单方向充电控制,它只考虑单向充电电网的电动汽车,不考虑电动汽车的反哺到电网。(2)V2G Fangk电动车后连接到电网,电力能源电池和电网之间的双向流动,涉及的电动汽车提要电网的电能。

王等人建立了一个数学模型电动汽车有序充电的充电站,旨在最大化充电站的运营收入和配电变压器的容量和最大化满足用户的充电需求约束(2]。充电策略是,在每一个固定周期,电动汽车充电控制系统调用有序充电优化程序来计算和确定每个充电器的充电和停止状态在未来时期根据停车状态的电动汽车充电站、用户需求、电网负荷,和电力价格信息。的基础上,总结了电动汽车充电对电网的影响,长期以来建立了用户行为的影响在充电。根据功率曲线拟合的智能电力测量数据,提出了电动汽车有序充电方法。的前提下确保电网的安全,满足充电需求的用户,电动汽车被指控利用谷权力尽可能地降低电网负荷的波动,提高电网的经济运行(3]。电动汽车充电也受电网和人类行为的影响,因此,有序充电方法应该满足电网和用户的需要:它应该不仅为用户提供足够的电力,而且减少电网的运营成本尽可能。当用户连接电动汽车充电桩,用户设置充电完成时间。在这个时间之前,完成充电通过池气体的计算模型来判断是否可以参与有序充电;因此,根据电池SOC,电池功率曲线,和网格负载情况,计算最优充电开始时间,充电功率在电网负荷曲线叠加,以及电动汽车充电等待时间后。研究协调多个充电站的区域电网,文献基于粒子群优化(PSO)算法建立了一个数学模型,负荷稳定对电动汽车的充电和放电。刘等人建立了区域电动汽车技术管理和市场运作模式。建立在现有的网格体系结构,提出了一种智能充电方法,和他们相比,研究了发电电动汽车的规模在三个案例:盲目收费,对峰谷电价价格,和智能充电;结果表明,在确保安全的前提下,系统的稳定,最大的电动汽车短时间充电可以通过它的智能充电方法4]。Ponnam Swarnasri建立电动汽车充电的负荷特点和不同充电模式对电网的影响。在此基础上,multitime范围内协作调度数学模型建立了电动汽车和风力发电。基于华北电网的规划和测量数据和西北电网调度的可行性的电动汽车充电光滑的等效负荷波动的电网,晚上消耗多余的风能分析(5]。

基于上述研究成果,还有缺乏EV光伏充电站优化调度方法。与传统的充电站相比,光伏充电站不仅配备了光伏发电系统在车站还需要配备能量存储系统的容量考虑光伏发电的波动和间歇性的特点。在这种情况下,一方面,光伏发电应该使用尽可能多的减少电力的成本从电网购买;另一方面,有必要考虑储能系统的使用寿命,减少循环能量储存尽可能多。因此,传统的充电站的优化调度方法不能完全适用。针对电动汽车充电站的光伏发电系统,本文研究了光伏充电站系统的多目标优化调度方法的目的,减少电力购买成本和电池组的循环能力。网络需要可扩展:考虑到可能会有数十亿的设备连接到任何给定的区块链网络,网络必须能够扩大其处理事务和请求的能力。网络的发现和事务需要支持通用资产:有许多交易数字资产和资源在物联网设备上(如数据),而不仅仅是钱。因此还需要发现这些资产的方法。网络需要支持选择性存储:考虑到物联网设备的限制,他们只能参与网络的一个小子集,每个设备商店和过程必须仔细选择。

2。车辆系统的网络结构

IoV系统主要由两部分组成,实现信息互联通过蓝牙通信。(1)车辆状态信息监控系统集中在电子控制单元(ECU)。系统主要采用电压、电流和温度传感器和计数器的电压,电流,温度,电动汽车电池的充电和放电时间安时积分法。计算实时SOC(电荷状态)的电池(2)用户response-interactive系统集中在互联网上的应用。该系统主要实现以下功能:(一)推动信息向用户推荐的电动汽车充电周期期间,用户响应,使统计数据;(B)通过连接应用程序和充电设备通过无线网络,用户可以上传收费计划,充电桩通过程序实现电动汽车的充电控制。通过移动网络(C)、车辆位置信息,充电桩状态信息,实时道路交通信息。用户可以选择根据他们的旅游意愿,充电桩和应用可以为用户提供充电导航方案(6,7]。

系统由光伏电池、储能电池、中央控制单元,电源转换器,交直流转换器,直流总线,和充电桩,如图1。(1)光伏电池:它是由串联和并联的太阳能电池板。吸收太阳能的光伏电池发出的直流电,这是连接到系统通过直流-直流转换器和充电的电动汽车的主要电源(2)储能电池:它是由铅酸电池的串联和并联,系统中起着能量储存和调整的作用(3)直流-直流转换器:使用单向电源实现光伏电池之间的联系和直流总线和充电桩和直流总线,并使用双向直流-直流储能电池组和直流总线连接(4)交直流转换器:连接交流配电网络和直流总线和是一个必要的转换模块的分销网络收费系统(5)中央控制器:收集每一部分的电子信息和控制每个组件之间的能量流(6)充电桩:它是一个电动汽车充电终端,它可以灵活地充电电动汽车在停车时间

3所示。车辆连接框架

3.1。推动车辆的互联网应用程序的过程

车辆的互联网应用的推进过程是基于当前的预测日负荷数据和优化模型的理论值推卷在每个时间间隔。当前天分为几个时期,确定每个推的推卷期,并推动执行第一每个推期。用户的SOC值决定了他/她的优先推动;也就是说,SOC值越小,被推的概率就越高。如果用户不回应,这将是推动未来推荐的充电时间。如果用户响应,用户提示选择充电桩,和车辆的位置信息和实时道路交通车辆的互联网应用程序使用获得的信息为用户进行路径规划。抵达后,充电桩,用户连接手机通过无线网络充电桩和设置充电模式,充电需求应用。充电模式分为快速充电和定期充电,和充电需求分为三种类型:(1)充电的结束时间约束;即用户设置结束时间提前充电,不做要求的充电量;(2)充电量约束;也就是说,用户要求电量达到设定值的充电和充电时间不做要求; and (3) the end time of charging and the amount of charging are the constraints; that is, the user wants to make the electric quantity reach the set value within a certain time. The IoV system recommends to the user the earliest starting time of charging and the estimated SOC value of the battery at the end of charging based on the obtained real-time charging status of EVs, including those currently charging and EVs that have been charged by appointment. If the user agrees to the charging scheme, the Internet of Vehicles app uploads the user’s charging settings to the charging pile, which will charge the user on time. If the user does not agree with the charging scheme, the user will be charged according to the starting and ending time of the charging set by the user.

3.2。概率分布和校正方法

通过引入用户响应的概率的概率推和选择不同的充电模式,用户响应的概率推和选择一个接收应用程序把量化后充电模式。根据车辆的用户响应数据通过互联网系统,选择充电模式和频率响应推动用户历史上的频率计算。采用移动平均法来获取当前的充电模式采用日常用户和响应的概率估计(推8,9]。公式显示为 在哪里 的概率快速充电和定期收取用户的时候一天 ; 快速充电的频率,在一天中不同的时间由用户定期充电吗和 ; 分别是,用户收到的数量正常充电和快速充电的时候一天天 ; 是用户的实际响应数量的时候吗一天 ; 是电动汽车电池SOC的用户响应概率区间的时候一天 ; 是电动汽车电池SOC的用户响应频率间隔在一天的时间 ; 是用户的实际响应电动车电池SOC的间隔在天推期 ; 代表实际的推量电动汽车用户电池SOC的间隔在工厂一天推期; 的开始和结束时间吗天推期 ; 是时间步长;是一项移动平均线的值;表示时间间隔纳入的数量天推期 ; 段的总数目前一天时间;和和代表的上下极限推SOC的范围。

3.3。优化算法的理论推动体积

每小时推卷的理论价值是通过使用优化算法。考虑的概率分布不同的电动汽车充电模式,充电时间,与电动汽车有序充电为目标平稳的波动负荷曲线,优化模型(10- - - - - -12是建立在约束条件下的电动汽车的总量(方程(10)),避免充电负荷高峰期间(方程(11),而不是形成晚上充电的高峰时期(方程(12))。

对于目标函数,公式显示为

约束条件的公式显示为(8)和(9): 在哪里 天是负载功率和充电的电动汽车在一天的时间 ,电动汽车的充电时间在哪里是电动汽车的充电功率的总和在时间吗和电动汽车的充电电力连接,不断充电,直到时间 。 总负载的平均值是用户响应后一天 ; 是常规充电的充电电源和电动汽车的快速充电;每天的平均峰值负载电流电;是一段数量的电力消耗峰值的时间; 电动汽车的充电时间的概率大于 ; 是收费用户的数量的理论值作为回应的时候吗一天 ; 是所需的时间的电池SOC的上限下限的快速充电模式和传统的收费模式,分别为;是电动汽车的总数;和是用电的高峰期(13- - - - - -15]。

3.4。实际的计算方法推卷

根据用户推送量的理论值在每个时间间隔优化模型获得的,目前等分为几个时期(如图2),结合用户响应的概率分布。

的公式,相对应的用户响应概率是电动汽车电池SOC的间隔在上推期一天;代表期间推动的总量上推期一天;代表了SOC的块步长;是电动汽车电池SOC的概率区间 ;和 的起始和结束时间吗把时间的的一天。

4所示。仿真和结果

4.1。假设条件和参数设置

(1)参数设置

大约有234万在广州私家车,其中100000是电动车,普及率为4.27。模型是BYDE6,最大射程为400公里,快速充电功率和定期充电功率90千瓦和14千瓦,分别和恒功率充电。快速充电和常规充电,充电的电池所需的时间下限的限制是1 h和6 h,分别和时间步长是1 h (16,17]。(2)假设

用户收费模式和最初反应行为概率分布,考虑用户响应数据的效率和距离当前天,响应数据来估计参考价值的概率很低,因此,移动平均数量是3;它是使用当前用户响应有3 d数据为当前用户响应概率和充电模式选择概率估计。用户的初始SOC遵循正态分布 。在常规充电的情况下,电动汽车电池的SOC年底达到上限充电;然后,有充电时间和SOC之间的线性关系,及其概率分布如表所示1。推动主要是针对用户的SOC值低于0.7。考虑到电池的特点和安全,推动SOC的范围 。

4.2。把体积测定

MATLAB用于解决非线性规划函数方程的优化模型(4)- (11)。把每小时的期望值和取得预期充电功率的理论曲线数据3和4。

此时,低一点的负载。因为私家车主要应用在工作日下班后,结合优化的结果,选择当前16:00时和晚上九点来推动。根据概率模型,用户响应概率是0.6和0.56,分别;因此,推动卷在两个时期的实际价值是11000和44200辆,分别为(18- - - - - -20.]。

4.3。用户响应

基于用户的初始SOC概率分布,通过模拟响应行为的每个用户在每个时刻,用户获得的实际充电功率曲线如图5。

从图可以看出4当前日常用户响应不足,只有56%的预计和响应值的槽用电量0到7小时之间,从计算结果可以看出示例中,用户通过互联网收集的实际响应数据的车辆应用程序用于正确的概率分布用户的收费模式的选择和反应行为,用户响应不足后的头两天的开始,和用户反应是过度推动成交量增加后第三天(21,22]。推动成交量修改后使用回调方法,实际收费上的用户响应曲线第五天接近理论曲线通过优化算法,基本上达到预期的充电效果。计算表明,总负荷曲线的方差收费从169.35减少到127.39后,减少24.8%23,24]。

5。结论

总之,为了减少无序的不利影响充电的电动汽车分销网络,有序充电策略提出了基于多目标的方法,和调度策略将不断滚动更新电动汽车的计划。仿真结果表明,提出的有序充电策略可以有效降低电动汽车的充电成本用户和peak-to-valley差异分布的网络负载,在热电填充发挥良好的作用,提高算法的收敛精度,是一种最佳的解决问题的办法。后续工作可以优化系统的长期运行,进一步确定每日循环电力的价值,并选择最好的日常调度方案。电动汽车无线充电技术的优点是方便和速度,但它仍然是在研发和探索阶段,仍有很多工作要做在实际应用方面。此外,根据当前能源短缺的实际情况,电动汽车还为时尚早,实现大功率无线充电技术的产业化,但作为一个灵活的充电方法在未来,有必要进行初步探索。这项技术的持续改进,结合中国智能电网的建设,其应用在电动汽车智能充电服务网络和交换将极大地推动电动汽车的大规模应用。

数据可用性

使用的数据来支持本研究的发现可以从相应的作者。

的利益冲突

作者宣称没有利益冲突。