换电站建设（精选3篇）
换电站建设 篇1
当今世界面临能源与环境双重危机。电动汽车由于具有较小的能耗和零排放等优势,势必成为汽车发展的主流趋势。在我国,电动汽车在公共交通行业近几年发展速度尤为迅猛,同时,配套的充换电设施应运而生。
目前,电动汽车充换电设施大致分为充电和换电两大类,电动公交车交流慢速充电,满充电时间一般为8~10h,即使选择直流快速充电,满充电时间也要1~3h,但作为电动公交车必须严格满足车辆调度系统的发车频次,而公交车发车间隔要比充电时间小得多,尤其是早晚高峰,公交车欠电时回站充电显然无法满足车辆调度运行需要,对公交车进行换电即可解决充电速度慢与车辆调度的矛盾,机器人能在10min之内完成换电工作。所以电动公交车以换电为主、充电为辅是目前技术条件下的一种普遍模式。
1 设计和运行过程中主要安全问题
1.1 设计冗余度过大
现有电动汽车充换电站有关电池储备量、配电容量、充电机数量、换电工位等核心参数设计时存在设计冗余度过大的问题,主要是因为充换电站属于新生事物,没有专门的设计依据和标准,相关设计经验较少,可用于设计改进的运行数据也不足,为保证充换电站能满足车辆的运行需要,一般以车辆和电池的极限参数展开设计。有关公交车运行参数及运行模式对充换电站核心参数的综合影响理解不深入,如电池充电时间基本是按照电池100%放电的充电时间设计、充换电站配电功率简单地按运行充电机的最大输出功率计算等。
1.2 车辆充电管理策略简单
为简单满足公交车运行需要,并未深入考虑公交车运行特点、电池充电安全性以及换电站负荷特性,造成充换电站备用电池储备量较大,集中充电风险高、负荷波动大等问题。实际上在充换电站内以降低集中充电危险性和改善负荷特性为目标的充电控制策略是可行的,因为公交车存在高峰和平峰的运行规律,而备用电池的数量、充电时间和功率是可在一定范围内进行调节,可以在很大程度上改善充换电站的负荷特性和充电安全可靠性。
2 电池储存及充电管理的安全目标
对于电动车锂离子电池而言,由于产品具有一定的燃爆特性,因此考虑储存量时不能单一考虑满足电动汽车运行过程中换电的需要,还需要考虑充电模式、电网负荷、运行成本以及电动车锂离子电池本身的危险特性。这样的复杂情况,给电动车充换电站的电池储存及管理增加了较大的难度。对于电动车充换电站,在电动汽车电池管理上应该努力达到以下目标。
2.1 确保运行的安全可靠性
电动汽车充电电池瞬时储量过大或电池集中充电电网负荷过大,都会造成充换电站风险过高而引发事故,因此首先要确保充换电站运行的安全可靠。
2.2 合理构建电池安全库存
合理构建电池安全库存,既降低充换电站事故风险和库存成本控制,又能满足车辆运行的要求,是充换电站的理想状态。
2.3 拟定最佳充换电方案
目前充换电站充换电模式比较主观,未充分考虑充电风险、运行成本、电网负荷等因素。综合考虑这些因素拟定最佳充电方案能降低充电时大功率电流对充换电站的风险、削弱集中充电给电网造成的负荷以及减少充电运行成本。
3 充换电模式优化
3.1 现有充换电模式比较
现在电动汽车充换电站主要采用车辆进站即换即充和夜间谷时集中充换电两种模式。所谓即换即充运行模式是车辆电量不足的电池卸下后,立即接驳充电设施开始充电,该运行模式的优点是能充分发挥换电站的最大充电能力,瞬时充电负荷较小,电池储备量较少。然而,由于公交车运行时间大多数为用电峰时,该模式未能充分利用分时电价政策实现错峰用电。另外,由于需充电的车辆具有很大的随机性,可能会导致某个时间段充电负荷较大。夜间集中充换电模式指更换下来的电池集中到夜间用电谷时进行充电,该模式能充分利用分时电价的优惠政策从而降低充换电站充电运行成本,但谷时集中充电会导致多台大功率充电机集中运行,电池储备量会急剧增加,而电动汽车装备的动力电池价格仍然十分昂贵并且电池具有燃爆危险性。因此,有必要对这两种充换电模式进行充分分析,确定最佳充换电方案。
3.2 基于AHP的充换电模式优化
层次分析法(AHP)是一种定性和定量相结合的决策分析方法。笔者运用AHP法对两种模式在运行过程中的经济性与安全性展开评价,主要考虑电池储备量、充电负荷、换电工位数以及充电机的数量这几个关键影响指标建立最佳充电模式层次结构模型,运用两两比较,构造出各层次中的所有判断矩阵后进行层次排序及一致性检验,计算出各级要素的权重,层次结构模型及分析结果,如图1所示。
图1 最佳充换电模式层次结构模型
综合考虑安全性和经济性,即换即充模式的权重为0.793 7,谷时集中充电模式权重为0.206 3,可见前一种模式更具有优越性和通用性。因此,笔者针对即换即充模式展开电池储备量和充电负荷的设计计算。
4 电池安全库存优化设计
4.1 优化原则
(1)充换电站备用电池设计时要考虑最严峻的情况,即选取一天中高峰时间最长的一段及与其相邻的平峰时间段。经过调查,现在普遍城市的早高峰时间更长,所以选取早高峰及上下午平峰作为备用电池需求量最大的时间段是合理的。
(2)备用电池的计算原则是要满足车辆回站后换电时间和排队等待换电时间小于车辆回站允许时间的前提下库存量最小。
4.2 基本设计模型
4.2.1 充换电站参数设计模型中基本原则
(1)充换电站设计时要考虑最严峻的情况,即早高峰和上下午平峰时间段,如图2所示。
图2 公交车营运时间与运行时间关系图
(2)模型中的计算方法是基于换电站为单条线路服务,并且车辆只运行一圈就换电充电。
4.2.2 充换电站设计模型
该优化设计是在现有充换电站和假设公交车调度系统不受充换电站控制作为前提的,充换电站电池安全库存优化时主要考虑的关键参数包括:备用电池组数Nb、配电功率Pp两个关键参数。而这些关键参数又和车辆运行时间Ty、高峰持续时间Th、车辆单次充电运行周期Ta、高峰发车间隔thi、平峰发车间隔tci、换电时间tg、电池集中充电时间Tjc、电池组平均充电功率Pave等参数密切相关。理论上讲,还应该考虑道路拥堵、车辆突发事故等因素情况对于换电站电池库存量的影响,然而由于电动公交车因为自身续航里程等局限性,目前电动公交车基本都是在城郊或新城区等道路状况较好的地段营运,并且车辆突发交通事故具有不可控性及概率较低等特性,因此这些因素的影响对于整个系统优化几乎可以忽略。得出基本的充换电站电池安全库存优化设计参数模型,如图3所示。
图3 电池安全库存优化参数模型
不同条件下充换电站核心参数的数学计算模型为:
(1)站内允许公交车数量计算方法。当Ta>Th,即车辆单次充电运行周期大于高峰持续时间条件下的车辆数,如式(1)所示。
式中:Nc为公交车数量,辆;Th为高峰持续时间,min;Ta为车辆单次充电运行周期,min;tg为换电时间,min;thi为高峰发车间隔,min;tci为平峰发车间隔,min。
当Ta<Th,即车辆单次充电运行周期小于高峰持续时间条件下的车辆数,如式(2)所示。
(2)更换工位数计算方法,如式(3)所示。
式中:Ng为换电工位数量,个。
(3)备用电池计算方法。当Tjc>Th,即集中充电时间大于高峰时间条件下的备用电池,如式(4)所示。
式中:Nb为备用电池组数,组;Tjc为电池集中充电时间,min。
当Tjc<Th即集中充电时间小于高峰时间条件下的备用电池,如式(5)所示。
(4)站内需配置的充电功率计算方法。当Tjc>Th,即集中充电时间大于高峰时间条件下的充电功率,如式(6)所示:
式中:P为站内需配置的充电功率,MW;Pave为电池组平均充电功率,MW。
当Tjc<Th,即集中充电时间小于高峰时间条件下的充电功率,如式(7)所示。
车辆单条线路服务,并且只运行一圈就换电充电时,根据上述数学计算模型电动公交充换电站可以根据运营情况方便简单地计算出公交车数量、备用电池数、换电工位数和充电功率,在保证充换电站经济运营的基础上减少站内不必要的备用电池的储备,对充电负荷较大的时间段加以监控,降低充换电站的安全风险。
以江苏南通某公交车充换电站为例,该站充电柜集中充电满充时间Tjc约为120min,而该地区早高峰持续时间Th约为90 min,车辆单次充电运行周期约为150min,另外该站高峰时段发车间隔thi为7min,平峰时段发车间隔tci为15 min。换电机器人一般能在10 min之内对所需换电车辆进行换电,更换电池时间tg取10min,根据电动汽车用锂离子电池充电功率曲线电池组平均充电功率Pave为50kW,分析可知该充换电站车辆单次充电运行周期大于高峰持续时间,集中充电时间大于高峰时间,根据式(1)、式(3)、式(4)、式(6)计算该站需要配备的公交车数量、备用电池数量、换电工位及充电功率,对比结果如表1所示。
计算结果与充换电站实际运营状况比较接近,证明了该数学模型的正确性和可行性,同时可以发现,该站备用电池数量和充电功率的配置尚有一定可以降低的空间,按照计算结果减少该站电池储备量、降低配电功率,无论从经济性还是安全性而言都是有价值的。
表1 设计参数与实际使用情况对比
5 结语
针对现有电动公交车汽车充换电站充电负荷较高和电池储备量较大的问题,从安全性和经济性两个方面考虑确定了最佳充换电模式,并在此基础上建立了以电池储备量最小化为目标的充换电站安全运行模型。笔者以现有的充换电模式为对象展开优化,以充电储备量最小为设计目标,没有深入考虑运行成本、充电负荷以及车辆运行过程中的一些突发情况对于电池储备的影响,后期会综合考虑充电成本与电池储备量之间的耦合关系,进一步完善电动汽车充换电站安全经济运行模型。
参考文献
[1]张建林.Matlab&Excel定量预测与决策——运作案例精编[M].北京:电子工业出版社,2012.
[2]张维戈,张帝,温家鹏.电动公交更换式充电站的优化设计[J].北京交通大学学报,2012,36(2):100-104.
[3]刘坚.电动汽车充电方式和商业运营模式初探[J].汽车工程师,2011,(1):19-23.
[4]陈良亮,张浩,倪峰.电动汽车能源供给设施建设现状与发展探讨[J].电力系统自动化,2011,35(14):11-17.
[5]卓金武.Matlab在数学建模中的应用[M].北京:北京航空航天大学出版社,2011.
[6]张朝晖.基于层次分析法的医院消防安全评估[J].消防科学与技术,2014,33(8):954-957.
[7]GB/T 29781-2013,电动汽车充电站通用要求[S].
[8]司戈,王青松.锂离子电池火灾危险性及相关研究进展[J].消防科学与技术,2014,33(8):994-996.
[9]贾广华,刘宏星.纯电动公交车自燃火灾事故调查[J].消防科学与技术,2010,29(7):647-649.
[10]GB/T 29772-2013,电动汽车电池更换站通用技术要求[S].
[11]汪书苹,李伟,武明澄,等.基于数值模拟方法的电动汽车充换电站火灾危险分析研究[J].华东电力,2014,42(1):137-142.
[12]罗卓伟,胡泽春,宋永华.电动汽车充电负荷计算方法[J].电力系统自动化,2011,35(14):36-42.
换电站建设 篇2
——记许昌市建委驻杜村寺村党支部第一书记王曼丽
许昌市建委驻长葛市和尚桥镇杜村寺村党支部第一书记王曼丽，带着建设新农村的热情与决心，认真学习中央一号文件，省、市委关于推进区新农村建设的意见、方案及各级领导讲话精神，明确工作职责和任务，扎实开展驻村帮建工作，办了一件又一件实事好事，用“三心”工程，换来了广大群众的广泛选誉。
美化村容村貌得民心
加强村庄规划和人居环境治理是村容整洁的必然要求。王曼丽协助村“两委”聘请许昌市规划设计院，对杜村寺进行了现场勘测，并设计出详细规划，经村民大会讨论通过，新村规划方案已完成编制。为改善村容村貌，王曼丽带领群众对村主干道、门前小菜园、房前屋后的杂草、垃圾进行了集中清理整洁，并协调资金1万元，新建垃圾中转站1个，垃圾池23个。同时协助村“两委”成立环卫队，购买日常保洁工具，建立起长效卫生管理机制。王曼丽争取单位支持，多渠道筹资，为该村20多条主、次道路，修砌排水沟6000多米，对村庄4条主街道进行绿化，栽植观赏树木2500余棵，对村内出入107国道的两条道路进行硬化，营造出良好的人居环境。
发展村域经济顺民心
发展农村经济，提高农民收入水平，是建设社会主义新农村的关键所在。为增强发展意识，王曼丽组织全村党员干部听取村党支部书记张现州同志“华西之行”的专题汇报，并组织收看了“华西之路”影视片，使党员干部受到了启发和教育。王曼丽依据该村的区位交通优势，把村域经济发展与许昌至长葛城乡一体化推进区总体规划结合起来，协助村“两委”着力引进开发项目。通过征求群众意见，经过多次磋商，与长葛市美达科技实业有限公司和北京九鼎德盛顾问有限公司签定了九鼎美达物流园项目。该项目是集商流、物流、信息流、资金流为一体的现代化、综合性物流园，总投资2.1亿元。一期工程在该村占地451亩，投资额达5000万元，建设钢材专业市场和家居市场。全村11个村民小组已全部与物流园签订了占地和用工协议，园区的建成，为杜村寺村的经济滕飞、农民增收赢得可喜的机遇。
精神文化生活暖民心
建设社会主义新农村不仅要着力改善农民的物质生活，而且要着力改善他们精神生活。王曼丽组织建委党员干部开展“政策法规进村、道路规范进村、科技文化进村”活动，协调长葛市团委、科技局开展“科技下乡服务”活动，筹资制作了内容新颖的精神文明建设、新农村建设、村民公约、卫生公约宣传栏，对群众进行政策法规、科技卫生和思想道德宣传教育，并在全村开展了“争做新型农民、争当文明农户、争创文明新村”群众性精神
文明创建活动，引导村民崇尚科学，破除陋习，移风易俗，倡导文明健康生活方式。为改善文化基础设施建设，王曼丽经过多次努力，协调市建委下属省级文明单位，捐助帮建资金40000元，建起了村文化大院，设有图书室、活动室、健身游园，添置图书1000余套、体育娱乐器材10余套。王曼丽还自筹资金，带领园林处职工利用休息日，冒雨对文化大院进行绿化，栽上了枣树、石榴树、香花槐、黄杨球、月季等十余种植物。环境幽雅、设施多样的文化大院，丰富了农民的精神文化生活。
换电站建设 篇3
在当今社会发展受资源和环境问题[1]的双重制约下,电动汽车因其在节能减排方面无可比拟的优势,以及相关技术的不断成熟,不断促进其规模化应用。电动汽车大规模接入电网,若不对充电负荷加以引导、控制,会使其易集中在原电网负荷峰值时段造成电网“峰峰重叠”,从而危及电网运行的稳定性和经济性。因此,已有大量相关文献对充电策略进行了研究。
充电策略一般分无序充电和有序充电两种: 无序充电是指电池容量低于阈值或最后一次返回后开始充电,是一种随机的即刻充电方式; 有序充电是指合理安排电池充电计划,将充电负荷作为能控负荷对其进行调度,以优化电网运行。
在更换电池模式下,采用电池集中充电模式,有利于有序充电管理,提高了充电负荷的可控性和灵活性,抑制、消除了电动汽车对电网的不良影响,减少了负荷波动和峰谷差。文献[2]针对集中充电统一配送模式,根据分时电价,建立充电费用和抑制日负荷波动二阶段优化模型,并仿真得出该充电控制策略可有效降低充电费用和负荷波动。文献[3]提出了电动汽车换电充裕度的概念,基于电动汽车用户出行需求,建立无序充电模式下的电池冗余度模型,采用蒙特卡洛方法,得到换电站一日内不同时段的换电需求和所需储备电池的数量。文献[4]将电动汽车电池数量规划问题分为近期和远期两个规划阶段,基于日最大换电需求预测曲线,考虑物流配送原则和能力,确定规划电池组数量。但有序充电由于将电池充电负荷从电网高峰转移至低谷时段,高峰时段更换下的电池无法即刻充电,必然增加了电动汽车换电站冗余储备电池的数量。考虑目前电动汽车蓄电池成本昂贵,有必要开展针对电动汽车充电负荷的优化控制,以引导对换电站电池冗余度影响的研究。
本文提出在有序充电控制模式下,电动汽车换电站的电池冗余度模型,将充电总功率作为优化变量,以抑制电网总体负荷波动作为充电优化控制目标函数,建立电动汽车换电需求模型。通过自适应遗传算法和蒙特卡洛方法,结合有序充电和电池冗余度,分析讨论有序充电的作用和弊端。
1有序充电优化控制目标
在无序充电模式下,电网原有负荷和换电站充电负荷易出现“峰峰重叠”的情况,加重了电网负担,并且会带来不必要的系统发电容量和配电变压器建设成本,不利于电网安全稳定运行。为防止这种不利情况的发生,本文以抑制电网负荷波动作为控制策略优化的目标函数。该控制策略以一日作为一个控制周期,以每小时作为一个时间段,即将一日分为24个时段进行有序充电优化控制。以平抑负荷波动为目标函数,即
式中: PLt为原电网负荷在时段t的负荷,即不含电动汽车充电负荷的调整前的原电网负荷; Pit为第i座充电桩在时段t的充电负荷; n为充换电站充电桩的数量,因此即为换电站在时段t的充电负荷总和; Pav为充电负荷调整后的日平均负荷,且有
2换电冗余度
在换电模式下,由于电池充电的时间较长,电池换下后无法即刻充满电投入下一轮运营中,因此电池总数必然大于电动汽车数量,即电池具有一定的冗余度才能满足换电要求。主要的影响因素是时段t换电所需电池组数量以及换电站所能提供的满电电池数量。用数学公式表示如下:
式中: Nleft. t - 1为换电站满足电动汽车在时段t - 1的换电需求后,所剩余的储备蓄电池数量; Nt为换电站在时段t - 1尚未充满电,在时段t - 1到时段t电量达到满负荷的电池数目; Rt为在时段t电动汽车所需要更换的电池数量即时段t的换电需求。
Nleft. t - 1主要取决于时段t - 1的充满电的电池数量和换电需求,以及时段t - 2的剩余满电电池数,其计算公式为:
3电动汽车充换电需求
目前国内研究电动汽车 充换电需 求多采用2009年美国家庭出行调查( NHTS) 统计数据。家用乘用车的日行驶里程直观反映了电动汽车的日消耗电能。本文采用文献[5]的方法,归一化处理单台汽车日行驶里程统计数据,并采用极大似然估计方法,将日行驶里程统计分布近似为对数正态分布。 可得单台汽车日行驶里程概率密度函数如下所示:
式中: s为电动汽车日行驶里程; μD = 0. 98; σD =1. 14。
文献[6]给出了普通家用汽车各时段行驶距离所占每日总里程比例的统计结果。由于直接拟合该数据会带来较大误差,并且本文所关心的是时间段电池冗余度,因此,采用离散化变量来表示汽车各时段行驶距离所占日行驶距离的百分数fs( t) ,如图1所示。
离散化处理后,某辆电动汽车j在时段t的行驶距离为:
式中: Sj0为日行驶总里程。
对于第j辆电动汽 车,其时段t的电量为CSoc. j( t),决定于时段t - 1的剩余电量及时段t所消耗的电量,即
式中: C为电动汽车蓄电池额定满电量; Soc. j( t)为时段t的电池剩余百分率; CSoc. j( t)为第j辆电动汽车电池在时段t的电量; W100为电动汽车百公里耗电量。
为保护电池寿命,当电池剩余电量为k C( k为介于0到1之间的确定数,由电动汽车电池制造水平确定) 时,车主会选择更换电池。更换电池约束为:
更换下来的电池在充电桩有空余的情况下,立即在换电站内采用常规充电方式充电。
4换电站充电约束条件
换电站充电约束主要包括单台充电桩充电功率约束、换电站充电功率上下限约束,以及电池充电功率与充电电量约束,即
式中: Pt为换电站在时段t的充电功率; Pit为第i座充电桩在时段t进行充电的功率,取决于电池型号、电量及充电设备功率; Pitmax为第i座充电桩的设计最大充电功率; Ptmax为换电站在时段t的最大充电功率,取决于充电桩的总数及其功率,以及时段t换电站所在电网能承受的最大负荷; Ptmin为换电站在时段t的最小充电功率。本文没有考虑电动汽车在电网高 峰时段向 电网倒送 电 ( vehicle-to-grid, V2G) 的情况,因此单座充电桩最小充电功率设定为0,即充电桩不会向电网倒送电,处于闲置状态。
充电时电池充电功率与充电电量约束主要包括:
式中: ΔQit为第i座充电桩的电池在充电时段t内的充电量,这里 Δt取1 h。
5求解方法
5.1自适应遗传算法
本文采用自适应遗传算法优化控制换电站充电负荷功率,并通过蒙特卡洛方法来模拟电动汽车充电需求,以研究有序充电模式下的换电站电池冗余度问题。
自适应遗传算法弥补了传统遗传算法局部搜索能力不足、易早熟的缺陷。本文采用文献[7-9]提出的动态调整交叉和变异概率的方法,改进交叉和变异算子。依据个体基因优良程度和遗传状态给予相应的交叉和变异概率。如果个体适应度较差,则给予其较大的交叉概率和较小的变异概率,个体适应度较好则相反。随着进化代数的增加,减少交叉概率、增大变异概率。
交叉算子关系到算法的全局搜索能力。为确保在进化初期的大范围、全局性搜索,避免早熟,要求在进化初期给予交叉算子较大的概率,在进化末期给予较小的概率。修正如下:
式中: pc为交差概率; pc_max为最大交叉概率; pc_min为最小交叉概率; ge为进化代数; ge_max为所设定的最大进化代数; favg为种群平均适应度值; f'为交叉的父辈个体中适应度较大的个体适应度。
变异算子关系到算法的局部搜索能力。为在进化末期增强算法的局部搜索能力,要求变异算子在进化初期给予较小概率,进化末期给予较大的概率, 因此改动如下:
式中: pm为变异概率; p m_max为最大变异概率; p m_min为最小变异概率; f为将要变异的个体适应度值。
5.2求解流程
求解流程如图2所示。
6算例分析
6.1算例数据
本算例以某地负荷曲线为例[10],调整前时段1 ~ 24的功率分别为289. 7,270. 8,262. 2,253. 2, 242. 1,234. 6,232. 6,264. 1,323. 6,354,373. 2,359. 9,340. 6,368. 1,366. 2,359. 4,348. 6,320. 2,316. 1, 318. 7,312. 6,306. 1,292. 3,305. 3 MW。以1 h作为时间间隔,每日24 h充电功率作为基因编码,研究换电站优化控制充电对电网及换电站电池冗余度的影响,并验证上 文模型。电动汽车 样本数量 为10 000辆,电动汽车 百公里耗 电量W100为15 k W·h,电池容量C取30 k W·h[11]。本文首先对比充电集装群的充电桩规模在800台时,即对总计含有800台充电桩的换电站或单体充电桩群,在不同充电规模下,有序充电对电网的冲击及其对电池冗余度的影响。
6.2有序充电和无序充电对比
在保障换电需求的情况下,充电策略不影响电动汽车换电需求。图3所示为两种充电模式的换电需求曲线,约在时段9和18达到高峰。考虑蒙特卡洛方法的随机性,两种模式下换电需求曲线有较小的波动。经过自适应遗传算法的迭代,可以得到有序充电模式下一日内换电站的充电负荷。
表1是对充电规模分别为700,800,900台时, 分别采用无序和有序充电时电网最大负荷、峰谷差、 负荷波动情况和电池冗余度的模拟结果。
图4所示为优化前后的充电负荷对比。在缺乏充电管理情况下,充电负荷略延后于换电需求,在时段11左右达到充电高峰,并与电网负荷高峰重叠, 增大了电网最大负荷。在有序充电模式下,由图4可见,目标函数可以准确找到电网负荷低谷进行充电[12,13,14]。换电站将充电高峰转移至电网低谷时段 ( 夜晚或凌晨) ,而在电网高峰时段减小充电功率或停止充电,以改善电网负荷水平。充电优化控制策略的削峰填谷作用显著,验证了本文优化控制策略和算法的有效性。
图5所示为各时段的换电冗余电池数量,可见在改善电网负荷情况的同时,有序充电也带来了冗余备用电池数的上升。储备电池数量在时段19左右达到高峰,是因为换电站经历了从时段17左右开始的持续的换电高峰,消耗了满电量储备电池。有序充电模式下各时段储备电池数量波动与无序充电模式下一致。但在换电高峰期间,同时也是电网高峰期,有序充电模式下更换下来的电池根据充电计划将延后充电。延后充电所造成的充电功率和容量的损失,由电网低谷时增加的充电功率和容量所弥补,因此相比换下即充的无序充电,需要储存更多的冗余电池。
对比无序充电模式,有序充电模式可减小最大负荷19. 13 MW,减少峰谷差42. 52 MW,负荷波动下降44. 07% ,验证了本文有序充电控制策略的有效性,但同时也提升了电池冗余度11. 59% 。
6.3充电规模对有序充电的影响
图6所示为不同充电规模下的负荷对比。充电集装群规模在700台时,为满足换电需求,充换电站几乎没有充电余量来实行优化控制充电,因此无法实现填谷的作用。随着充电桩规模的增加,充换电站可利用的充电余量越大,谷时充电功率越大,峰时充电功率越小,这也就意味着随着充电规模的增加, 高峰时段充电负荷和电网总负荷越小。充电集装群规模为900台时,相比于700台,可减小最大负荷17. 30 MW,减小峰谷差24. 8 MW,负荷波动下降约36. 32% 。
但由图7可见,随着充电规模的增大,充换电站电池冗余度也随之增大。这是因为在有序充电模式下,充电规模越大,可利用的充电电量裕度越大,因此负荷更集中在电网的谷时充电,在换电高峰期间, 同时也是电网高峰期,更换下来的电池根据充电计划将延后充电。延后充电所造成的充电功率和容量的损失,由电网低谷时增加的充电功率和容量所弥补,因此充电集装群规模为900台时,相比于700台时提升了电池冗余度约9. 72% 。
因此,针对某区域电网内换电站进行有序充电调度时,对负荷曲线的改善情况和电池冗余度提升情况应有一个最佳的匹配值,这是换电站定容和选址需要考虑的因素。目前电动汽车尚未规模化,充电设备和电池成本也未商业化、市场化,因此,本文仅从技术和效果的角度对换电站电池冗余度和充电规模进行了分析,未从经济成本的角度进行计算。 当电动汽车电池和充电设备成本趋于稳定后,可综合考虑增大充电规模时相应增加的设备购置费用、 有序充电控制策略改善的电网负荷情况的收益,以及电池冗余度增加的电池购置费用,以期得到最优的换电站经济性运营。
7结语
本文根据电动汽车换电站的特点,针对一日中24个时段,将换电站作为整体负荷考虑,以抑制电网总体负荷波动作为目标函数,建立了电动汽车有序充电策略模型,并采用自适应遗传算法求解。以某地区的电网负荷曲线为例,分析了有序充电对电网负荷的改善情况和对换电站电池冗余度的影响。 结果表明,优化策略能够有效抑制负荷波动,减小系统峰谷差,起到了削峰填谷的作用,但同时也提升了换电站的电池冗余度,导致电池购置费用的增加。