考慮削峰填谷的電動公交換電站充電優(yōu)化研究

(西華大學(xué)電氣與電子信息學(xué)院，四川 成都 610039)

·機(jī)電工程·

考慮削峰填谷的電動公交換電站充電優(yōu)化研究

苗 淼，雷 霞*，何建平，李 菲

(西華大學(xué)電氣與電子信息學(xué)院，四川 成都 610039)

采用換電模式的電動公交車在公共交通領(lǐng)域內(nèi)發(fā)展迅速。電動公交換電站的正常運(yùn)營與電池更換、充電和電網(wǎng)負(fù)荷等多方面因素有關(guān)。為提高電動公交換電站運(yùn)營的經(jīng)濟(jì)性，首先分析和計(jì)算電動公交車的日換電量需求，然后以充電成本最小和減小負(fù)荷波動為目標(biāo)建立考慮削峰填谷作用的雙目標(biāo)充電優(yōu)化模型，最后利用遺傳算法的權(quán)重系數(shù)變換法對實(shí)例進(jìn)行求解。實(shí)例仿真計(jì)算結(jié)果表明，優(yōu)化后的充電成本可節(jié)約30 %，同時(shí)達(dá)到削峰填谷作用。

電動汽車；換電需求；削峰填谷；遺傳算法

近年來，對電動汽車換電模式的研究主要包括定容和選址2部分。文獻(xiàn)[2-3]考慮了電動公交車的充換電行為，提出一種換電站—電池充電站建設(shè)模式，并給出了相應(yīng)的優(yōu)化規(guī)劃方法。文獻(xiàn)[4-5]通過綜合考慮道路交通狀況和服務(wù)區(qū)域內(nèi)電動車輛情況等對換電站的地理位置分布進(jìn)行了優(yōu)化。文獻(xiàn)[6]以不同的儲備閾值分布劃分不同的情景集, 對各情景集下的電動汽車換電需求進(jìn)行了模擬計(jì)算, 分析不同情景集對電動汽車換電需求的影響。

同時(shí)，研究者在電動汽車對配電網(wǎng)的影響方面也做了相關(guān)工作：文獻(xiàn)[7]指出一些特定的充電方式會對配電網(wǎng)可靠性產(chǎn)生影響，分析了在不同滲透率情形和充電方式下的配電網(wǎng)可靠性；文獻(xiàn)[8]指出電動汽車充電站對電網(wǎng)電能質(zhì)量的影響主要分為電壓下降和諧波污染2方面，有時(shí)還會出現(xiàn)不對稱電流的問題。文獻(xiàn)[9-11]依據(jù)行駛規(guī)律等相關(guān)數(shù)據(jù)分析了不同起始荷電狀態(tài)的電動汽車充電的路上成本、時(shí)間分布及對電網(wǎng)負(fù)荷的影響。

本文依據(jù)電動公交車的行駛規(guī)律并結(jié)合路況條件建立和計(jì)算了電動公交車的每日換電量需求，在滿足公交換電需求的同時(shí)，再對電網(wǎng)負(fù)荷曲線進(jìn)行優(yōu)化，以提高電動汽車換電站運(yùn)營的經(jīng)濟(jì)性。

1 電動公交車日換電量分析

電動公交車與傳統(tǒng)公交車類似，行駛路線和發(fā)車時(shí)間固定、運(yùn)行規(guī)律強(qiáng)，對單條公交路線的車輛換電需求進(jìn)行建模仿真，可以得到該路線公交車在每天每個(gè)單位時(shí)間段內(nèi)所需要更換的電池?cái)?shù)量和每次更換電池的時(shí)間。每次出站時(shí)電動公交車上電池組的起始荷電狀態(tài)SOC(state of charge)必須能夠滿足本次行駛的最低耗電要求，若不滿足耗電要求，則更換充好的電池組再進(jìn)行發(fā)車，每輛公交車安裝1個(gè)電池組。公交線路的交通擁堵程度決定行駛耗時(shí)，所以公交車的進(jìn)站時(shí)間具有一定的隨機(jī)性。對于交通擁堵的衡量，北京市在國內(nèi)首創(chuàng)了綜合反映道路網(wǎng)絡(luò)暢通或擁堵的概念性數(shù)值，簡稱交通指數(shù)[12]。表1為交通指數(shù)對應(yīng)的出行時(shí)間表。

表1 交通指數(shù)出行時(shí)間表

圖1是綜合考慮公交線路的車輛總數(shù)、耗電量、行駛速度和行駛里程等因素的某條公交線路在每天24 h(1440 min)內(nèi)的換電需求流程圖。輸入信息包括電動公交車的發(fā)車時(shí)間、初始SOC、電池容量、行駛里程、行駛速度以及每km耗電量等。由于公交車只有在運(yùn)營時(shí)間(06:00—22:00)內(nèi)才會出現(xiàn)更換電池組的情況，所以對每天運(yùn)營和非運(yùn)營時(shí)段進(jìn)行不同時(shí)間間隔t1=5 min、t2=15 min分段。

由此，車輛駛出、到達(dá)換電站的時(shí)間段和電池組剩余SOC的計(jì)算式為：

第三,指明了怎樣建設(shè)生態(tài)文明。生態(tài)文明建設(shè)的根本路徑是生態(tài)發(fā)展、綠色發(fā)展、低碳發(fā)展,以及經(jīng)濟(jì)與生態(tài)兩手都要抓,兩手都要硬。這種生態(tài)文明建設(shè)理念“不僅更新了關(guān)于生態(tài)與資源的傳統(tǒng)認(rèn)識,打破了簡單把發(fā)展與保護(hù)對立起來的思維束縛,還指明了實(shí)現(xiàn)發(fā)展和保護(hù)協(xié)調(diào)共生的方法論,帶來的是發(fā)展理念和方式的深刻轉(zhuǎn)變,也是執(zhí)政理念和方式的深刻轉(zhuǎn)變,為生態(tài)文明建設(shè)提供了根本遵循?！盵注] 中共環(huán)境保護(hù)部黨組:《構(gòu)建人與自然和諧發(fā)展的現(xiàn)代化建設(shè)新格局——黨的十八大以來生態(tài)文明建設(shè)的理論與實(shí)踐》,《中華環(huán)境》,2016年第7期,第12頁。

(1)

(2)

2 雙目標(biāo)充電優(yōu)化模型及智能求解方法

電動汽車換電站是公共服務(wù)基礎(chǔ)設(shè)施，對于配電系統(tǒng)來說更像是一種“負(fù)荷”。在建設(shè)時(shí)要充分考慮換電站建設(shè)的經(jīng)濟(jì)性、電動汽車用戶換電的便利性以及在大規(guī)模充電時(shí)對電網(wǎng)的影響。本文的目標(biāo)函數(shù)分為2部分：第1部分以單位時(shí)間段內(nèi)的充電功率為變量，對分時(shí)電價(jià)背景下的換電站電池組充電的經(jīng)濟(jì)性進(jìn)行優(yōu)化求解；第2部分是在第1部分取得最優(yōu)充電經(jīng)濟(jì)性的約束下，根據(jù)電網(wǎng)負(fù)荷曲線合理地對電池組的充電時(shí)間進(jìn)行調(diào)度，以實(shí)現(xiàn)對電網(wǎng)負(fù)荷的削峰填谷。

2.1雙目標(biāo)充電優(yōu)化模型

1)第1部分優(yōu)化。在分時(shí)電價(jià)背景下以充電功率為變量對換電站電池組充電的經(jīng)濟(jì)性進(jìn)行優(yōu)化。

(3)

式中：f1表示充電成本最?。籧p-y表示單位時(shí)間段y內(nèi)的電費(fèi)價(jià)格；ty表示充電時(shí)間即包含單位時(shí)間段y的長度；εy為0或1變量，當(dāng)單位時(shí)間段y內(nèi)有充電行為時(shí)εy=1，否則為0；B表示電池組數(shù)量；pxy表示充電樁在單位時(shí)間段y內(nèi)對電池組x的充電功率。

2)第2部分優(yōu)化。換電站對換下來的電池組進(jìn)行集中充電時(shí)會產(chǎn)生較大的充電負(fù)荷。若在電價(jià)高峰時(shí)段充電還會帶來高昂的充電費(fèi)用，額外增加充電成本，不利于換電站的經(jīng)濟(jì)性運(yùn)行，因此，在電網(wǎng)負(fù)荷低谷期間對電池組充電，根據(jù)電網(wǎng)的負(fù)荷曲線合理地對電池組的充電時(shí)間進(jìn)行調(diào)度實(shí)現(xiàn)經(jīng)濟(jì)性運(yùn)營，以減小負(fù)荷波動，使充電負(fù)荷曲線更加平滑為目標(biāo)。

(4)

3)目標(biāo)函數(shù)。目標(biāo)函數(shù)為：

(5)

式中：f2表示充電負(fù)荷波動目標(biāo)；w1、w2表示權(quán)重系數(shù)，根據(jù)線性加權(quán)法，權(quán)重系數(shù)和為1。

4)約束條件。電池組每次充電必須在一個(gè)完整的充電區(qū)間內(nèi)把電池電量充滿，即從每次開始充電的時(shí)段到下一次該電池組被換上公交車的時(shí)段為一個(gè)完整充電區(qū)間。在整個(gè)充電過程中，電池組不允許未充滿電就被換上公交車。在第1部分優(yōu)化時(shí)，要滿足充電樁的功率約束式(6)及充電時(shí)段約束式(7)。第2部分優(yōu)化要在模型第1部分充電成本取得最小值的基礎(chǔ)上進(jìn)行。

pxy-min≤pxy≤pxy-max，

(6)

(7)

2.2智能求解方法

在工程中經(jīng)常遇到在多目標(biāo)下設(shè)計(jì)和決策的問題，如果這些目標(biāo)的改善是相互抵觸的，則需要找到滿足這些目標(biāo)的最佳方案。例如本文中既要求充電經(jīng)濟(jì)最優(yōu)又要求電網(wǎng)負(fù)荷曲線波動較小。

對于求解多目標(biāo)優(yōu)化問題的Pareto最優(yōu)解(Pareto optimal solution)，最常用的就是基于遺傳算法的權(quán)重系數(shù)變換法[14-16]。對于一個(gè)多目標(biāo)優(yōu)化問題，若給其每個(gè)子目標(biāo)函數(shù)f(xi) (i=1,2,…,n)賦予權(quán)重wi(i=1,2,…,n)，其中wi為相應(yīng)的f(xi)在多目標(biāo)優(yōu)化問題中的重要程度，則每個(gè)子目標(biāo)函數(shù)f(xi)的線性加權(quán)和表示為

(8)

若將u作為多目標(biāo)優(yōu)化問題的評價(jià)函數(shù)，則多目標(biāo)優(yōu)化問題就可以轉(zhuǎn)化為單目標(biāo)優(yōu)化問題；因此，本文采用權(quán)重系數(shù)變換法求解目標(biāo)函數(shù)。

3 算例仿真

3.1數(shù)據(jù)分析

3.1.1 充電電價(jià)

根據(jù)各時(shí)段電網(wǎng)負(fù)荷變化趨勢，將充電電價(jià)分為峰、平、谷3種時(shí)段，各時(shí)段的起止時(shí)間及電價(jià)如表2所示。

表2 峰、平、谷時(shí)段劃分及各時(shí)段電價(jià)

3.1.2 電動公交運(yùn)營時(shí)間及相關(guān)參數(shù)

本文以某市某路公交線為研究對象，以車輛駛出始發(fā)站到再次回到始發(fā)站為一個(gè)運(yùn)行周期。在運(yùn)行周期結(jié)束后，由換電站內(nèi)機(jī)器人對電池組進(jìn)行統(tǒng)一裝卸充電管理。目前電動公交電池組普遍采用的是充電樁慢速充電，充電倍率為(0.1～0.2)C(C為電池容量)，即充電起始SOC從零到充滿時(shí)，充電時(shí)長為5～10 h。電動公交發(fā)車時(shí)刻表及相關(guān)車輛運(yùn)行參數(shù)如表3、4所示。

表3 電動公交運(yùn)營時(shí)刻表

表4 車輛相關(guān)運(yùn)行參數(shù)

3.2電動公交車日換電分析

根據(jù)圖1及式(1)(2)描述的電動公交車日換電分析，對電動公交線路上的車輛在每個(gè)單位時(shí)間段內(nèi)的換電數(shù)量進(jìn)行Matlab仿真，得到的結(jié)果如圖2所示(每更換1次電池就記錄1次，對應(yīng)為圖2的線條)。由圖可知，該路電動公交車在每天的運(yùn)營時(shí)間內(nèi)共計(jì)更換電池組數(shù)量為95次，在第1次換電發(fā)車后，電池剩余SOC足夠滿足該電動公交在接下來一段時(shí)間內(nèi)的運(yùn)行，在經(jīng)過幾次運(yùn)行周期后產(chǎn)生了圖中第2輪的換電高峰。

圖2 電動公交日換電數(shù)量

3.3尚未進(jìn)行充電優(yōu)化的結(jié)果

未進(jìn)行充電優(yōu)化即指當(dāng)每次有電池組從電動公交車上更換下來后立即進(jìn)行充電，不考慮充電時(shí)的電網(wǎng)負(fù)荷及當(dāng)時(shí)充電電價(jià)等因素。在該狀態(tài)下的功率仿真如圖3所示。從圖可知，換電站為電池組進(jìn)行充電的時(shí)刻大多在高峰電價(jià)時(shí)刻，這樣不僅增加額外電網(wǎng)負(fù)荷而且不利于換電站的經(jīng)濟(jì)運(yùn)營。

圖3 尚未進(jìn)行充電優(yōu)化結(jié)果圖

3.4雙目標(biāo)充電優(yōu)化的結(jié)果

在對模型進(jìn)行優(yōu)化前需要選取合適的權(quán)重系數(shù)，使目標(biāo)函數(shù)中充電成本部分占優(yōu)勢，根據(jù)圖2、3的仿真結(jié)果可知，充電成本的數(shù)量級為103，充電負(fù)荷的數(shù)量級為 107，取充電成本目標(biāo)比負(fù)荷目標(biāo)大1個(gè)數(shù)量級，才能夠保證充電成本的最優(yōu)；因此，取權(quán)重系數(shù)w2=1×10-5。此時(shí)，電動公交車電池組充電采用雙目標(biāo)充電優(yōu)化后的結(jié)果如圖4所示。

圖4 雙目標(biāo)優(yōu)化結(jié)果圖

由計(jì)算結(jié)果可知，該公交線路優(yōu)化后的充電成本為6 421元/d，與優(yōu)化前的相比節(jié)約了2 943元/d，如表5所示。從圖4中可以看出，本文提出的模型能夠使充電負(fù)荷更加集中于電網(wǎng)負(fù)荷在平、谷時(shí)期，既降低了充電成本又起到削峰填谷作用。

表5 充電成本對比

4 結(jié)束語

本文通過模擬換電站內(nèi)某路電動公交車運(yùn)營狀態(tài)和電池組的充電規(guī)律，以減小換電站充電成本、降低負(fù)荷波動實(shí)現(xiàn)削峰填谷為目標(biāo)，建立了雙目標(biāo)充電優(yōu)化模型。實(shí)例仿真計(jì)算結(jié)果表明，本文方法能有效根據(jù)電動公交車輛信息、運(yùn)行規(guī)律和電價(jià)情況等，合理安排電池組的備用儲量，優(yōu)化充電時(shí)間和功率，降低電池組的充電成本和充電負(fù)荷對電網(wǎng)的影響。與不進(jìn)行充電優(yōu)化相比較，本文提出的優(yōu)化充換電方法可將充電負(fù)荷在時(shí)間上合理分配，使充電負(fù)荷集中于谷電價(jià)和平電價(jià)時(shí)期，為實(shí)際換電站的建設(shè)和運(yùn)營提供一定的參考價(jià)值。

[1]電動汽車科技發(fā)展“十二五”專項(xiàng)規(guī)劃[EB/OL]. [2014-05-06].http://www.most.gov.cn/tztg/201204/W020120420547632346015.pdf.

[2]錢斌，石東源，謝平平，等.電動公交車換電站—電池充電站優(yōu)化規(guī)劃[J].電力系統(tǒng)自動化，2014，38(2)：64-69.

[3] 熊虎，向鐵元，祝勇剛，等.電動汽車公共充電站布局的最優(yōu)規(guī)劃[J].電力系統(tǒng)自動化，2012，36(23):65-70.

[4]Villez K，Gupta A，Venkatasubramanian V，et al．Resilient Design of Recharging Station Networks for Electric Transportation Vehicles[C]//2011 4th International Symposium on Resilient Control Systems (ISRCS)．Boise：IEEE Industrial Electronics Society，2011：50-66．

[5]Carradore L，Turri R．Electric Vehicles Participation in Distribution Network Voltage Regulation[C]//Universities Power Engineering Conference，2010，45th International．Cardiff：IEEE Communications Society，2010：1-6．

[6]于強(qiáng)強(qiáng)，韓學(xué)山，郝廣濤，等.考慮儲備閥值的電動汽車換電需求分析[J].電力系統(tǒng)自動化，2014,38(10)：49-54.

[7] Schneider K，Gerkensmeyer C，Kintner-Meyer M，et al. Impact Assessment of Plug-in Hybrid Vehicles on Pacific Northwest Distribution Systems[C]//IEEE Power and Energy Society General Meeting．Pittsburgh：IEEE，2008：1-6.

[8]徐澤禹.關(guān)于電動汽車充電站發(fā)展和運(yùn)營模式的探討[J].電源技術(shù)應(yīng)用，2012(11)：279.

[9]Callaway D S，Hiskens I A．Achieving Controllability of Electric Loads[J]．Proceedings of the IEEE，2011，99(1)：184-199.

[10]Caramanis M，F(xiàn)oster J M．Management of Electric Vehicle Charging to Mitigate Renewable Generation Intermittency and Distribution Network Congestion[C]//Proceedings of the 48th IEEE Conference on Decision and Control．Shanghai，China：IEEE，2009：4717-4722．

[11]鄒文，吳福保，劉志宏．實(shí)時(shí)電價(jià)下插電式混合動力汽車智能集中充電策略[J]．電力系統(tǒng)自動化，2011，35(14)：62-67．

[12]張曦予，李秋碩，陶順，等.電動公交車充電站功率需求影響因素分析及建模[J].現(xiàn)代電力，2014,31(1)：28-33.

[13]張賓，郭連兌，崔忠彬，等.電動汽車用動力鋰離子電池的電壓特性[J].電池工業(yè)，2009，14(6)：398-403.

[14]雷英杰，張善文，李續(xù)武，等. Matlab遺傳算法工具箱及應(yīng)用[M].西安：西安電子科技大學(xué)出版社，2005：30-33.

[15]曹永春,邵亞斌,田雙亮,等.一種基于分組遺傳算法的聚類新方法[J].西華大學(xué)學(xué)報(bào):自然科學(xué)版,2013,32(1):39-43.

[16]舒欣梅,王軍.基于遺傳算法的可調(diào)因子模糊PID控制器的設(shè)計(jì)[J].西華大學(xué)學(xué)報(bào):自然科學(xué)版,2008,27(6):23-24,

(編校：饒莉)

TheResearchofElectricBusesPowerPlantChargingOptimizationBasedonLoadShifting

MIAO Miao，LEI Xia*，HE Jian-ping，LI Fei

(SchoolofElectricalEngineeringandElectronicInformation,XihuaUniversity,Chengdu610039China)

The electric buses which work in battery swapping mode achieve rapid growth in the field of public transportation. The normal operation of electric buses power plant is related to many factors, such as the replacement of the battery，battery charging and power load and so on. In order to improve the economy of power plant operation, the daily charging demands of electric buses are analyzed and calculated. We set up the charging model of double objective optimization considering load shifting to minimum the charging costand reduce the load fluctuation. Lastly, the weight factor transformation method is utilized to analyze the example based on genetic algorithm and the simulation results show that the optimized charging cost can be saved 30 % with the sharpening peak effect.

electric bus; battery replacement demand; load shifting; genetic algorithm

2014-09-17

國家自然科學(xué)基金項(xiàng)目(11209119)；四川省教育廳重點(diǎn)項(xiàng)目(11za002)；成都市科技局軟科學(xué)項(xiàng)目(12RKYB192ZF-002)；電力電子節(jié)能技術(shù)與裝備重點(diǎn)實(shí)驗(yàn)室開放基金(szjj2014-015)。

：雷霞(1973—)女，教授，博士，碩士生導(dǎo)師，主要研究方向?yàn)殡娏κ袌觥⒄{(diào)度自動化、配電自動化等。Email：Snow_lei246@mail.xhu.edu.cn

TM910.6

：A

：1673-159X(2015)04-0037-05

10.3969/j.issn.1673-159X.2015.04.008

*