任運(yùn)業(yè)

安科瑞電氣股份有限公司 上海嘉定 201801

摘要:針對(duì)大量電動(dòng)汽車(chē)(electricvehicle,EV)接入微電網(wǎng)帶來(lái)的穩(wěn)定性及經(jīng)濟(jì)性問(wèn)題,同時(shí)為充分發(fā)揮EV的移動(dòng)儲(chǔ)能特性,提出一種在動(dòng)態(tài)電價(jià)機(jī)制下考慮EV動(dòng)力電池移動(dòng)儲(chǔ)能特性的微電網(wǎng)調(diào)度模型。首先,建立含EV動(dòng)力電池、風(fēng)電、光伏、柴油發(fā)電機(jī)組的微電網(wǎng)數(shù)學(xué)模型;其次,在綜合考慮分布式電源發(fā)電成本、EV用戶(hù)成本、電池?fù)p失成本、環(huán)境成本的基礎(chǔ)上,計(jì)及與主網(wǎng)電能交易、新能源補(bǔ)貼等多項(xiàng)收益,制定考慮新能源出力的EV動(dòng)態(tài)電價(jià)機(jī)制;以微電網(wǎng)運(yùn)行成本、EV用戶(hù)成本、環(huán)境成本低為目標(biāo)函數(shù),建立計(jì)及EV移動(dòng)儲(chǔ)能動(dòng)態(tài)電價(jià)機(jī)制的微電網(wǎng)調(diào)度模型。為驗(yàn)證所提方法的有效性,通過(guò)YALMIP和GUROBI建立并求解所提優(yōu)調(diào)度模型。仿真結(jié)果表明,相比傳統(tǒng)控制方法,微電網(wǎng)總運(yùn)行成本降低了16.96%。

關(guān)鍵詞:動(dòng)態(tài)電價(jià);電動(dòng)汽車(chē);有序充電;動(dòng)力電池;微電網(wǎng)

1、引言

“雙碳"目標(biāo)下,利用電動(dòng)汽車(chē)(electricvehicle,EV)移動(dòng)儲(chǔ)能特性可提高微電網(wǎng)靈活性。EV作為一種移動(dòng)儲(chǔ)能裝置,若進(jìn)行有效控制,參與微電網(wǎng)的優(yōu)化調(diào)度,與新能源協(xié)調(diào)運(yùn)行,可提高微電網(wǎng)穩(wěn)定性與經(jīng)濟(jì)性[1-2]。因此,亟需對(duì)考慮EV的微電網(wǎng)優(yōu)化調(diào)度方法進(jìn)行深入研究。

目前,關(guān)于EV接入微電網(wǎng)穩(wěn)定性問(wèn)題,相關(guān)學(xué)者做了一定研究。文獻(xiàn)[3]建立以鋰電池作為儲(chǔ)能裝置的全壽命周期成本模型,未利用EV集群提高微電網(wǎng)運(yùn)行水平。文獻(xiàn)[4]針對(duì)新能源出力的波動(dòng)性提出EV參與度和效用函數(shù)大的EV運(yùn)行模型,設(shè)計(jì)了一種基于一致性理論的EV充放電功率分布式控制方法。文獻(xiàn)[5]提出一種風(fēng)光儲(chǔ)多能互補(bǔ)微電網(wǎng)系統(tǒng)日前調(diào)度優(yōu)化模型。文獻(xiàn)[6]建立總運(yùn)行費(fèi)用與總網(wǎng)損小的微電網(wǎng)多目標(biāo)隨機(jī)動(dòng)態(tài)優(yōu)化調(diào)度模型。文獻(xiàn)[7-8]建立考慮熱電聯(lián)產(chǎn)機(jī)組及環(huán)境成本的微電網(wǎng)經(jīng)濟(jì)調(diào)度模型,通過(guò)蓄電池儲(chǔ)能降低微電網(wǎng)的綜合運(yùn)行成本。但上述文獻(xiàn)未考慮將EV作為儲(chǔ)能裝置研究其充放電雙向行為對(duì)微電網(wǎng)經(jīng)濟(jì)調(diào)度的影響。

針對(duì)上述內(nèi)容,以下文獻(xiàn)通過(guò)電價(jià)引導(dǎo)EV參與微電網(wǎng)儲(chǔ)能并激勵(lì)用戶(hù)參與微電網(wǎng)調(diào)度。文獻(xiàn)[9]中EV充電電價(jià)采用居民用電峰谷分時(shí)電價(jià),激勵(lì)更多用戶(hù)參與微電網(wǎng)調(diào)度,但目標(biāo)函數(shù)中未考慮EV電池?fù)p失成本。文獻(xiàn)[10]通過(guò)研究EV用戶(hù)對(duì)電價(jià)變化的需求響應(yīng),提出引導(dǎo)EV充電的峰谷電價(jià)定價(jià)方案,但會(huì)出現(xiàn)反調(diào)峰現(xiàn)象。文獻(xiàn)[11]分析分時(shí)電價(jià)對(duì)充電EV負(fù)荷轉(zhuǎn)移概率的影響,均未考慮EV用戶(hù)成本、電池?fù)p失成本。文獻(xiàn)[12]根據(jù)電網(wǎng)預(yù)測(cè)調(diào)度目標(biāo)提出考慮EV用戶(hù)期望的定價(jià)策略,用戶(hù)可按照自身需求選擇充電時(shí)段。以上文獻(xiàn)所提定價(jià)方法均基于EV用戶(hù)需求響應(yīng)及用戶(hù)成本,未考慮新能源出力對(duì)電價(jià)的影響。

鑒于上述問(wèn)題,首先提出一種在動(dòng)態(tài)電價(jià)機(jī)制下考慮EV移動(dòng)儲(chǔ)能的微電網(wǎng)調(diào)度模型。所提EV動(dòng)態(tài)電價(jià)機(jī)制根據(jù)新能源預(yù)測(cè)功率得出各時(shí)段的充電電價(jià),引導(dǎo)EV參與微電網(wǎng)調(diào)度。其次,建立考慮環(huán)境成本、微電網(wǎng)運(yùn)行成本和EV用戶(hù)成本低目標(biāo)的經(jīng)濟(jì)調(diào)度模型。通過(guò)與傳統(tǒng)無(wú)序充電對(duì)比分析互動(dòng),所提考慮EV移動(dòng)儲(chǔ)能的動(dòng)態(tài)電價(jià)機(jī)制提升了微電網(wǎng)與EV用戶(hù)經(jīng)濟(jì)效益,驗(yàn)證所提方法的有效性。

2、電動(dòng)汽車(chē)接入微電網(wǎng)的調(diào)度結(jié)構(gòu)

圖1為微電網(wǎng)結(jié)構(gòu),微電網(wǎng)包含微電網(wǎng)能量管理系統(tǒng)、微電源及常規(guī)負(fù)荷,其中微電源由柴油發(fā)電機(jī)(dieselgenerators,DG)、風(fēng)電機(jī)組(windturbines,WT)、光伏發(fā)電系統(tǒng)(photovoltaicpanels,PV)組成。EV接入微電網(wǎng)可減小對(duì)主網(wǎng)的電力需求,也可將EV作為移動(dòng)儲(chǔ)能來(lái)平衡微電網(wǎng)與常規(guī)負(fù)荷間的電力。

微電網(wǎng)能量管理系統(tǒng)根據(jù)EV用戶(hù)接入時(shí)間、電池信息及未來(lái)24h源荷出力預(yù)測(cè)數(shù)據(jù),向EV用戶(hù)發(fā)布充電電價(jià)信息等待用戶(hù)響應(yīng),參與微電網(wǎng)儲(chǔ)能調(diào)節(jié),并安排各微電源的出力。當(dāng)微電網(wǎng)內(nèi)部發(fā)電量無(wú)法消納或供電不足時(shí),微電網(wǎng)能量管理系統(tǒng)根據(jù)主網(wǎng)的購(gòu)售電價(jià)通過(guò)聯(lián)絡(luò)線(xiàn)與主網(wǎng)進(jìn)行能量交換。

a.PV模型

光伏發(fā)電輸出功率表示為

式中:PPV為PV實(shí)際出力;PPV,STC為標(biāo)準(zhǔn)測(cè)試條件下功率;R、RSTC分別為實(shí)際光照強(qiáng)度值、標(biāo)準(zhǔn)測(cè)試條件下光照強(qiáng)度值;γ為功率溫度系數(shù);Ta、Tr、Tamb、TNOC分別為光伏單元實(shí)際溫度、參照溫度、環(huán)境溫度和正常條件下光伏單元溫度。

b.WT模型

風(fēng)電機(jī)組輸出功率為^[13]

式中:PWT、PWT_rate分別為WT實(shí)際功率和額定功率;Vci、Vco、Vr分別為機(jī)組切入風(fēng)速、切出風(fēng)速、額定風(fēng)速,分別取3m/s、25m/s、14m/s。

c.DG模型

柴油發(fā)電機(jī)的燃料消耗量是其輸出功率的線(xiàn)性函數(shù)，即：

式中：F為燃料消耗率;F₀為截距系數(shù);F₁為斜率;P_{DG_rate}為DG的額定功率;P_DG為DG的實(shí)際功率。

d.EV動(dòng)力電池充放電功率模型

EV充放電模型如下:

式中:S_OC(t)為t時(shí)刻電池的電量情況;S_OC(t-1)為t-1時(shí)刻電池的剩余電量;γ為電池的自放電系數(shù);μ_ch、μ_dis分別為電池充電和放電效率;P^ch_EV,t、P^dis_ev，t分別為t時(shí)刻EV充電功率和放電功率。

e.基于蒙特卡洛的EV無(wú)序充電模型

單個(gè)EV的充電行為由車(chē)主決定,具有較強(qiáng)的隨機(jī)性。在大數(shù)據(jù)背景下,EV數(shù)據(jù)可經(jīng)分析、歸納近似滿(mǎn)足相應(yīng)的概率分布,如式(6)、式(7)所示。EV出行數(shù)據(jù)來(lái)自美國(guó)交通部對(duì)全美車(chē)輛出行調(diào)查數(shù)據(jù)^[13]。

EV起止充電時(shí)間服從正態(tài)分布,概率密度函數(shù)如式(6)所示。

式中:μ_s取17.6;σ_s取3.4。

日行駛距離近似服從對(duì)數(shù)正態(tài)分布,概率密度函數(shù)為

式中:μ_d取3.2;σ_d取0.88。

EV充電時(shí)長(zhǎng)為

式中:T_C為充電時(shí)間;S為日行駛距離;W₁₀₀為耗電量;P_C為充電功率。

通過(guò)蒙特卡洛法抽取每輛EV起始充電時(shí)間及日行駛距離得出每輛EV的充電時(shí)長(zhǎng),計(jì)算單輛EV充電負(fù)荷,之后對(duì)充電負(fù)荷疊加,得到所有充電負(fù)荷。將1天分為24個(gè)時(shí)段,間隔1h,可得出N輛EV每時(shí)段對(duì)應(yīng)的充電負(fù)荷為

式中:P_j為j個(gè)時(shí)段總充電負(fù)荷;N為EV數(shù)量;P_n，j為n輛EV在j個(gè)時(shí)段充電負(fù)荷。

采用蒙特卡洛法抽取單位EV起始充電時(shí)間、日行駛距離的計(jì)算方法,其流程如圖2所示。

對(duì)50輛EV進(jìn)行100次模擬得到EV無(wú)序充電功率負(fù)荷曲線(xiàn),如圖3所示。

3、EV有序充電控制策略

本文通過(guò)電價(jià)激勵(lì)控制EV有序充電,充分開(kāi)發(fā)EV電池儲(chǔ)能潛力,提出一種根據(jù)新能源出力大小制定EV動(dòng)態(tài)充電電價(jià)的方法。文中所提考慮EV移動(dòng)儲(chǔ)能的動(dòng)態(tài)充電電價(jià)同時(shí)兼顧EV用戶(hù)成本與新能源出力大小,根據(jù)24h內(nèi)風(fēng)電、光伏出力預(yù)測(cè)值與平均值計(jì)算EV各時(shí)段充電電價(jià)。文獻(xiàn)[14-15]將風(fēng)電、光伏出力劃分為3個(gè)階段，分別對(duì)應(yīng)3個(gè)EV充電電價(jià)階段(高、平、低),通過(guò)計(jì)算得到3個(gè)出力階段的大值、小值相對(duì)平均值的波動(dòng)范圍為30%左右,由于文獻(xiàn)[15]典型日出力數(shù)據(jù)與實(shí)際整體出力存在誤差,文中風(fēng)電、光伏出力波動(dòng)范圍取25%。風(fēng)電、光伏出力超過(guò)其平均值的125%,EV充電電價(jià)低;低于其平均值的75%,EV充電電價(jià)高;在兩者之間為平電價(jià),高、低電價(jià)分別基于平電價(jià)上、下浮動(dòng)60%。EV基準(zhǔn)充電電價(jià)S₀為居民用電三級(jí)電價(jià),高、低、平充電電價(jià)階段分別為1.253元/kWh、0.335元/kWh、0.781元/kWh。為便于計(jì)算,文中S₀取0.8元/kWh,高、低、平分時(shí)電價(jià)取1.28元/kWh、0.8元/kWh、0.32元/kWh。

EV充電電價(jià)與風(fēng)電、光伏預(yù)測(cè)功率關(guān)系如下:

式中:s(t)為24h內(nèi)t時(shí)段的充電價(jià)格;S₀為基準(zhǔn)充電電價(jià),取0.8元/kWh;P′_n為t時(shí)段風(fēng)電、光伏出力預(yù)測(cè)功率;P_n為風(fēng)電、光伏出力預(yù)測(cè)功率平均值;T為調(diào)度周期時(shí)段數(shù)。

利用各時(shí)段充電電價(jià)差將EV充電負(fù)荷轉(zhuǎn)移到風(fēng)電、光伏出力大的時(shí)段,具體流程見(jiàn)圖4。

4、調(diào)度模型

4.1目標(biāo)函數(shù)

微電網(wǎng)綜合運(yùn)行成本主要考慮微電源運(yùn)行成本、DG機(jī)組的燃料成本、電能交互成本、新能源發(fā)電補(bǔ)貼費(fèi)用、環(huán)境成本、EV損失成本和調(diào)度成本,其優(yōu)化調(diào)度模型的目標(biāo)函數(shù)如下:

式中:f為微電網(wǎng)綜合運(yùn)行成本;C_WT,_t為WT在t時(shí)刻運(yùn)行成本;C_PV,_t為PV在t時(shí)刻運(yùn)行成本;C_DG,_t為DG在t時(shí)刻運(yùn)行成本;C_ES,_t為EV損耗成本;C_S,_t為電能交互成本;C_SUB,_t為新能源發(fā)電補(bǔ)貼費(fèi)用;C_EV,_t為EV調(diào)度成本;C_H,_t為環(huán)境成本。

1. 微電源運(yùn)行成本

式中:M_WT,_t為WT在t時(shí)刻維修成本;M_PV,_t為PV在t時(shí)刻維修成本;M_DG,_t為DG在t時(shí)刻維修成本;D_WT,_t為WT在t時(shí)刻折舊費(fèi)用;D_PV,_t為PV在t時(shí)刻折舊費(fèi)用;D_DG,_t為DG在t時(shí)刻折舊費(fèi)用;C_fule為柴油發(fā)電機(jī)燃料成本。

式中:K_m,_i為微電源單位運(yùn)行維修費(fèi)用;P_WT,_t為WT在t時(shí)刻出力;P_PV,_t為PV在t時(shí)刻出力;P_DG,_t為DG在t時(shí)刻出力;c_ins,_t為微電源i的安裝成本;P_rate,_t為微電源i的額定功率;f_e,_i為微電源i的容量因子;d為折舊系數(shù);m為微電源的使用壽命。

b.DG燃料成本

柴油發(fā)電機(jī)的燃料成本數(shù)學(xué)表達(dá)式為

式中:α、β、γ為柴油發(fā)電機(jī)的燃料成本系數(shù),取α=6,β=0.12,γ=8.5×10-4。

c.電能交互成本

微電網(wǎng)與主網(wǎng)進(jìn)行電能交換時(shí)產(chǎn)生的費(fèi)用由微電網(wǎng)購(gòu)電成本和售電收益組成。當(dāng)微電源出力不能滿(mǎn)足負(fù)荷需求時(shí),由于微電網(wǎng)向主網(wǎng)購(gòu)電價(jià)格高,此時(shí)微電網(wǎng)系統(tǒng)通過(guò)動(dòng)態(tài)充電電價(jià)引導(dǎo)EV放電;當(dāng)EV放電不能滿(mǎn)足負(fù)荷需求時(shí),此時(shí)從主網(wǎng)購(gòu)電。反之,當(dāng)微電源出力除了滿(mǎn)足自身負(fù)荷需求外仍有剩余,可引導(dǎo)EV充電或在售電價(jià)格高時(shí)向主網(wǎng)售電。與主網(wǎng)電能交互成本如下:

式中:P_buy,_t、P_sell,_t分別為微電網(wǎng)向主網(wǎng)購(gòu)、售電功率;c_buy,_t、c_sell,_t分別為微電網(wǎng)向主網(wǎng)購(gòu)、售電價(jià)。

d.新能源發(fā)電補(bǔ)貼費(fèi)用

式中:csub為分布式新能源發(fā)電補(bǔ)貼單價(jià),取0.01元/kWh。

e.環(huán)境成本

常規(guī)發(fā)電污染物治理費(fèi)用計(jì)為環(huán)境成本如下:

式中:a_DGCO2為柴油發(fā)電機(jī)CO₂排放量;a_DGSO2為柴油發(fā)電機(jī)SO₂排放量;a_DGNOx為柴油發(fā)電機(jī)NO_x排放量;σ_CO2為CO₂治理費(fèi)用;σ_SO2為SO₂治理費(fèi)用;σ_NOx為NO_x治理費(fèi)用。

f.EV調(diào)度成本

充放電響應(yīng)采用一定比例的充放電電價(jià)進(jìn)行補(bǔ)償,計(jì)算方式如下:

式中:C_{EV_ch},_t、C_{EV_dis},_t分別為t時(shí)刻EV充電和放電的補(bǔ)償成本;s(t)為EV充電電價(jià);α₁、β₁分別為微電網(wǎng)對(duì)EV充電和放電的補(bǔ)償系數(shù),分別取0.2和0.5。

g.EV電池?fù)p耗成本

將EV電池?fù)p耗成本與折舊成本計(jì)入EV充放電的損耗成本中,計(jì)算方式如下:

式中:C_EL、C_EM分別為EV放電時(shí)損失成本和EV電池折舊成本;K_EV為車(chē)輛蓄電池的折舊系數(shù);P_EVd,j為j輛車(chē)的放電功率。

4.2約束條件

a.功率平衡約束

微電網(wǎng)功率平衡約束如下:

式中:P_WT,_t、P_PV,_t、P_load,_t、P_EV,t分別為t時(shí)段風(fēng)電出力、光伏出力、常規(guī)負(fù)荷及EV充放電功率。

b.EV充放電功率及荷電狀態(tài)約束

EV充放電時(shí)功率及荷電狀態(tài)約束如下:

式中:P_EVc,_t、P_EVd,_t分別為EV充電、放電功率;P^rate_EVc,_t、P^rate_EVd,_t分別為EV充電、放電功率上限額定值;S_OC,_min、S_OC,_max分別為EV電池的小、大容量。

EV充放電狀態(tài)有3種情況:充電狀態(tài)(P_EVc,t>0,P_EVd,t=0);放電狀態(tài)(P_EVc,t=0,P_EVd,t>0);閑置狀態(tài)(P_EVc,t=0,P_EVd,t=0)。引入狀態(tài)變量λ_EVc、λ_EVd表示EV是否參與充放電(0或1)。

c.聯(lián)絡(luò)線(xiàn)功率約束

聯(lián)絡(luò)線(xiàn)功率約束表達(dá)式如下:

式中:P^min_line,t、P^max_line,t分別為微電網(wǎng)與主網(wǎng)間聯(lián)絡(luò)線(xiàn)功率的上、下限;P_grid,t為t時(shí)刻與主網(wǎng)交互功率。

d.分布式電源出力上、下限約束

各分布式電源出力滿(mǎn)足以下條件:

式中:P_i,t為分布式電源i發(fā)電功率;P_i,max、P_i,min分別為分布式電源i出力上、下限。

e.DG運(yùn)行功率約束

DG運(yùn)行功率約束條件如下:

式中:L_min為DG小負(fù)載率。

5、仿真結(jié)果分析

5.1試驗(yàn)數(shù)據(jù)

仿真算例中PV、WT均運(yùn)行于大功率跟蹤模式,圖5為微電網(wǎng)中風(fēng)電、光伏出力及負(fù)荷需求預(yù)測(cè)數(shù)據(jù)。DG的環(huán)境補(bǔ)償成本及排放系數(shù)如表1所示,各微電源參數(shù)如表2所示,微電網(wǎng)與主網(wǎng)交易電價(jià)如表3所示。EV容量為24kWh,充放電功率均為3kW,充放電效率μch、μdis均為0.95。本文通過(guò)YALMIP建立數(shù)學(xué)模型,并利用GUROBI求

解優(yōu)化問(wèn)題。

5.2結(jié)果分析

微電網(wǎng)調(diào)度模型求解結(jié)果如圖6—圖9所示。基于各時(shí)段風(fēng)電、光伏功率預(yù)測(cè)值與平均值,根據(jù)式(10)、式(11)計(jì)算EV動(dòng)態(tài)充電電價(jià),如圖6所示。結(jié)合圖3、圖5可知,在微電網(wǎng)嚴(yán)重缺少電源功率時(shí)(17:00—21:00),光伏出力基本為零,風(fēng)電出力不足以滿(mǎn)足負(fù)荷需求,微電網(wǎng)中負(fù)荷需求基本由DG支撐。此時(shí)EV充電負(fù)荷將加劇電網(wǎng)調(diào)峰負(fù)荷,導(dǎo)致系統(tǒng)提高DG機(jī)組出力滿(mǎn)足EV充電和負(fù)荷需求,從而使電網(wǎng)運(yùn)行成本與環(huán)境成本增加,因此,此階段制定EV充電電價(jià)較高為1.28元/h。在微電網(wǎng)風(fēng)電、光伏出力富余時(shí)(00:00—07:00、08:00—16:00),負(fù)荷水平較低,EV可減少棄風(fēng)、棄光現(xiàn)象,DG機(jī)組只需維持相對(duì)較低出力即可滿(mǎn)足負(fù)荷需求,因此,此階段EV充電電價(jià)制定為0.32元/kWh。

圖7為動(dòng)態(tài)電價(jià)引導(dǎo)下的EV充放電功率曲線(xiàn)。結(jié)合風(fēng)電、光伏出力曲線(xiàn)可知,通過(guò)充電電價(jià)引導(dǎo),EV作為移動(dòng)儲(chǔ)能裝置能夠?qū)崿F(xiàn)對(duì)新能源發(fā)電的削峰填谷。在微電網(wǎng)嚴(yán)重缺少功率時(shí),EV充電電價(jià)維持在1.28元/kWh,激勵(lì)EV減少充電功率并增加放電功率,從而減少DG機(jī)組出力,不僅能緩解調(diào)峰負(fù)擔(dān)、EV用戶(hù)獲得更多經(jīng)濟(jì)收益,還能減小微電網(wǎng)環(huán)境成本。在微電網(wǎng)發(fā)電功率富余時(shí),EV充電電價(jià)維持在0.32元/kWh,此階段多余電功率存儲(chǔ)到EV。圖8為微電網(wǎng)與主網(wǎng)功率交換曲線(xiàn)。在新能源出力或微電網(wǎng)發(fā)電功率不足以支撐負(fù)荷需求時(shí),通過(guò)動(dòng)態(tài)電價(jià)引導(dǎo)EV放電或從主網(wǎng)購(gòu)電滿(mǎn)足功率缺額,從而滿(mǎn)足微電網(wǎng)內(nèi)部負(fù)荷需求。圖9為無(wú)序、有序充電棄風(fēng)棄光曲線(xiàn),在動(dòng)態(tài)電價(jià)引導(dǎo)下EV充電負(fù)荷轉(zhuǎn)移到風(fēng)電、光伏出力較大時(shí)段,增加了風(fēng)電、光伏利用。

通過(guò)表4成本對(duì)比可知,所提方法引導(dǎo)EV在電價(jià)尖峰期放電,在電價(jià)低谷期充電,不僅降低了EV用戶(hù)成本,且降低了微電網(wǎng)運(yùn)行成本及環(huán)境成本。微電網(wǎng)總的運(yùn)行成本降低了16.96%,EV用戶(hù)成本降低了46.68%,環(huán)境成本降低了30.89%。

6、解決方案

圖1平臺(tái)結(jié)構(gòu)圖

充電運(yùn)營(yíng)管理平臺(tái)是基于物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)的充電設(shè)施管理系統(tǒng)，可以實(shí)現(xiàn)對(duì)充電樁的監(jiān)控、調(diào)度和管理，提高充電樁的利用率和充電效率，提升用戶(hù)的充電體驗(yàn)和服務(wù)質(zhì)量。用戶(hù)可以通過(guò)APP或小程序提前預(yù)約充電，避免在充電站排隊(duì)等待的情況，同時(shí)也能為充電站提供更準(zhǔn)確的充電需求數(shù)據(jù)，方便后續(xù)的調(diào)度和管理。通過(guò)平臺(tái)可對(duì)充電樁的功率、電壓、電流等參數(shù)進(jìn)行實(shí)時(shí)監(jiān)控，及時(shí)發(fā)現(xiàn)和處理充電樁故障和異常情況對(duì)充電樁的功率進(jìn)行控制和管理，確保充電樁在合理的功率范圍內(nèi)充電，避免對(duì)電網(wǎng)造成過(guò)大的負(fù)荷。

7、安科瑞充電樁云平臺(tái)具體的功能

平臺(tái)除了對(duì)充電樁的監(jiān)控外，還對(duì)充電站的光伏發(fā)電系統(tǒng)、儲(chǔ)能系統(tǒng)以及供電系統(tǒng)進(jìn)行集中監(jiān)控和統(tǒng)一協(xié)調(diào)管理，提高充電站的運(yùn)行可靠性，降低運(yùn)營(yíng)成本，平臺(tái)系統(tǒng)架構(gòu)如圖3所示。

圖2充電樁運(yùn)營(yíng)管理平臺(tái)系統(tǒng)架構(gòu)

大屏顯示：展示充電站設(shè)備統(tǒng)計(jì)、使用率排行、運(yùn)營(yíng)統(tǒng)計(jì)圖表、節(jié)碳量統(tǒng)計(jì)等數(shù)據(jù)。

圖3大屏展示界面

站點(diǎn)監(jiān)控：顯示設(shè)備實(shí)時(shí)狀態(tài)、設(shè)備列表、設(shè)備日志、設(shè)備狀態(tài)統(tǒng)計(jì)等功能。

圖4站點(diǎn)監(jiān)控界面

設(shè)備監(jiān)控：顯示設(shè)備實(shí)時(shí)信息、配套設(shè)備狀態(tài)、設(shè)備實(shí)時(shí)曲線(xiàn)、關(guān)聯(lián)訂單信息、充電功率曲線(xiàn)等。

圖5設(shè)備監(jiān)控界面

運(yùn)營(yíng)趨勢(shì)統(tǒng)計(jì)：顯示運(yùn)營(yíng)信息查詢(xún)、站點(diǎn)對(duì)比曲線(xiàn)、日月年報(bào)表、站點(diǎn)對(duì)比列表等功能。

圖6運(yùn)營(yíng)趨勢(shì)界面

收益查詢(xún)：提供收益匯總、實(shí)際收益報(bào)表、收益變化曲線(xiàn)、支付方式占比等功能。

圖7收益查詢(xún)界面

故障分析：提供故障匯總、故障狀態(tài)餅圖、故障趨勢(shì)分析、故障類(lèi)型餅圖等功能。

圖8故障分析界面

訂單記錄：提供實(shí)時(shí)/歷史訂單查詢(xún)、訂單終止、訂單詳情、訂單導(dǎo)出、運(yùn)營(yíng)商應(yīng)收信息、充電明細(xì)、交易流水查詢(xún)、充值余額明細(xì)等功能。

圖9訂單查詢(xún)界面

8、產(chǎn)品選型

安科瑞為廣大用戶(hù)提供慢充和快充兩種充電方式，便攜式、壁掛式、落地式等多種類(lèi)型的充電樁，包含智能7kw/21kw交流充電樁，30kw直流充電樁，60kw/80kw/120kw/180kw直流一體式充電樁來(lái)滿(mǎn)足新能源汽車(chē)行業(yè)快速、經(jīng)濟(jì)、智能運(yùn)營(yíng)管理的市場(chǎng)需求。實(shí)現(xiàn)對(duì)動(dòng)力電池快速、高效、安全、合理的電量補(bǔ)給，同時(shí)為提高公共充電樁的效率和實(shí)用性，具有有智能監(jiān)測(cè)：充電樁智能控制器對(duì)充電樁具備測(cè)量、控制與保護(hù)的功能；智能計(jì)量：輸出配置智能電能表，進(jìn)行充電計(jì)量，具備完善的通信功能；云平臺(tái)：具備連接云平臺(tái)的功能，可以實(shí)現(xiàn)實(shí)時(shí)監(jiān)控，財(cái)務(wù)報(bào)表分析等等；遠(yuǎn)程升級(jí)：具備完善的通訊功能，可遠(yuǎn)程對(duì)設(shè)備軟件進(jìn)行升級(jí)；保護(hù)功能：具備防雷保護(hù)、過(guò)載保護(hù)、短路保護(hù)，漏電保護(hù)和接地保護(hù)等功能；適配車(chē)型：滿(mǎn)足國(guó)標(biāo)充電接口，適配所有符合國(guó)標(biāo)的電動(dòng)汽車(chē)，適應(yīng)不同車(chē)型的不同功率。下面是具體產(chǎn)品的型號(hào)和技術(shù)參數(shù)。

9、現(xiàn)場(chǎng)圖片

10、結(jié)論

本文提出了在動(dòng)態(tài)電價(jià)機(jī)制下考慮EV移動(dòng)儲(chǔ)能的微電網(wǎng)優(yōu)化調(diào)度模型。根據(jù)新能源出力大小制定動(dòng)態(tài)充電電價(jià)策略,在不影響用戶(hù)出行的前提下,能引導(dǎo)EV充電負(fù)荷化消納風(fēng)電、光伏,風(fēng)電、光伏消納率提高了38.69%,同時(shí)通過(guò)EV儲(chǔ)能減輕了微電網(wǎng)對(duì)主網(wǎng)電力需求負(fù)擔(dān),有利于提高微電網(wǎng)運(yùn)行的經(jīng)濟(jì)性。

參考文獻(xiàn)

[1]于瀛涵,陳嘉德,韓子?jì)?等.電動(dòng)汽車(chē)的有序充電管理及其對(duì)配電網(wǎng)的影響分析[J].東北電力技術(shù),2023,44(2):34-39.

[2]陳嘉德,徐海博,孫瑞雪,等.基于多時(shí)段動(dòng)態(tài)電價(jià)的電動(dòng)汽車(chē)有序充電策略?xún)?yōu)化[J].東北電力技術(shù),2023,44(2):40-46.

[3]茆美琴,孫樹(shù)娟,蘇建徽.包含電動(dòng)汽車(chē)的風(fēng)/光/儲(chǔ)微電網(wǎng)經(jīng)濟(jì)性分析[J].電力系統(tǒng)自動(dòng)化,2011,35(14):30-35.

[4]夏世威,陸濤,杜婷,等.考慮風(fēng)電波動(dòng)性的微網(wǎng)中電動(dòng)汽車(chē)分布式協(xié)調(diào)運(yùn)行方法[J].電力建設(shè),2019,40(6):86-94.

[5]吳昊,王艷松.基于智能單粒子算法的微電網(wǎng)經(jīng)濟(jì)調(diào)度[J].電力系統(tǒng)保護(hù)與控制,2016,44(20):43-49.

[6]朱曄,蘭貞波,隗震,等.考慮碳排放成本的風(fēng)光儲(chǔ)多能互補(bǔ)系統(tǒng)優(yōu)化運(yùn)行研究[J].電力系統(tǒng)保護(hù)與控制,2019,47(10):127-133.

[7]鮑彥文,董鶴楠,李雯雯,等.基于灰狼算法的微電網(wǎng)源網(wǎng)荷儲(chǔ)優(yōu)化配置研究[J].東北電力技術(shù),2023,44(12):17-24.

[8]WANGHX,YANGJY,CHENZ,etal.Optimaldispatchbasedonpredictionofdistributedelectricheatingstoragesincombinedelectricityandheatnetworks[J].AppliedEnergy,2020,26(7):1-10.

[9]馬益平.考慮電動(dòng)汽車(chē)調(diào)度的微電網(wǎng)混合儲(chǔ)能容量?jī)?yōu)化配置[J].電力系統(tǒng)保護(hù)與控制,2017,45(23):98-107.

[10]劉浩田,陳錦,朱熹,等.一種基于價(jià)格彈性矩陣的居民峰谷分時(shí)電價(jià)激勵(lì)策略[J].電力系統(tǒng)保護(hù)與控制,

2021,49(5):116-123.

[11]譚維玉,雷雨,李軍,等.計(jì)及動(dòng)態(tài)分時(shí)電價(jià)的電動(dòng)汽車(chē)參與電網(wǎng)調(diào)度研究[J].可再生能源,2020,38(11):1515-1522.

[12]趙玉,徐天奇,李琰,等.基于分時(shí)電價(jià)的電動(dòng)汽車(chē)調(diào)度策略研究[J].電力系統(tǒng)保護(hù)與控制,2020,48(11):92-101.

[13]梁琛,王鵬,韓肖清,等.基于間歇性風(fēng)速的風(fēng)力發(fā)電機(jī)功率輸出模型研究[J].電網(wǎng)技術(shù),2017,41(5):

1369-1375.

[14]王璟,王利,郭勇,等.計(jì)及電動(dòng)汽車(chē)的微電網(wǎng)經(jīng)濟(jì)調(diào)度方法[J].電力系統(tǒng)保護(hù)與控制,2016,44(17):

111-117.

[15]馬立新,徐嘉輝,楊天笑.基于MPSO算法含電動(dòng)汽車(chē)的微網(wǎng)優(yōu)化調(diào)度[J].電網(wǎng)與清潔能源,2020,36(8):116-122.

[16]陳洪亮，徐海博，孫瑞雪，計(jì)及電動(dòng)汽車(chē)移動(dòng)儲(chǔ)能動(dòng)態(tài)電價(jià)的微電網(wǎng)優(yōu)化調(diào)度研究[A]

[17]安科瑞企業(yè)微電網(wǎng)設(shè)計(jì)與應(yīng)用手冊(cè)2022.5

作者介紹：
任運(yùn)業(yè)，男，現(xiàn)任職于安科瑞電氣股份有限公司。