电池充换电站（精选5篇）
电池充换电站 篇1
1 引言
发展电动汽车涉及环境保护、优化能源结构等国家战略问题,受到了多国政府的高度重视和大力支持[1]。大规模电动汽车接入电网,一方面,将对电力系统的运行和规划产生不容忽视的影响;另一方面,可以对充电负荷实施有序控制,甚至利用电池放电向电网运行提供支撑[2]。电动汽车充换电站是衔接电网与电动汽车之间的关键桥梁[3],充分利用充换电站功率需求的柔性,研究其有序充换电策略,具有十分重要的现实意义。
电动汽车的充电模式可分电池充电(充电)和电池更换(换电)两种[4]。其中,换电模式具有操作方便、用户体验好、易于统一管理等特点,是最主要的电动汽车电能补给方式。在换电模式下,电动汽车充换电站可利用电池的储能特性,在电价低谷期对电池进行集中充电,降低充电成本;在满足换电需求的前提下,其还可以在电价高峰期向电网出售电能,获取卖电收益。上述有序充换电策略不仅可以对电网负荷起到良好的移峰填谷作用,而且有效降低了充换电站的充电成本,提高了充换电站运营的经济效益[5,6]。
目前,针对电动汽车充换电站充放电优化控制决策,许多学者开展了富有成效的研究。文献[6]考虑了大规模电动汽车用户的无序充电行为容易对电网造成“峰上加峰”等影响,以充换电站各时刻的充电功率为决策变量,建立多目标调度数学模型,采用自适应变异的粒子群算法对其求解,得出次日优化充电计划。文献[7]建立了以配电网网损最小为目标的电动汽车充电优化模型,考虑了电压幅值等约束,采用迭代修正节点电压的方法求解凸二次规划模型,运算速度可满足在线运行的要求。文献[8]提出建立最小化网络损耗和提高负荷因数的双层目标,利用随机规划方法优化充电方式。文献[9]考虑公交车的运行规律和耗电特性等因素,定量分析了车辆的日换电需求,以充电成本最小为首要目标,分别建立了两阶段和双目标优化充电模型。文献[10]基于电价预测,利用动态规划法优化各电池的充电时间,在不影响电池性能的前提下,降低了总充电成本。需要注意的是,以上控制策略均假设电动汽车电池的连续充电电量在充电过程中是完全可控的,未能深入考虑实际电动汽车的充电特性受电池容量、离散的电池数量和充电桩数量的限制,其得出的最优解往往在现实中难以实现[11]。
由此,本文基于分时电价机制,提出了双向能量交换模式下以离散的电池充放台数为决策变量的充换电站二阶段优化模型。其中,第一阶段以充换电站的支出费用最小为目标进行优化;第二阶段在第一阶段的求解基础上,选取使满充电池数量最大的充放电计划为模型的最优控制策略。算例基于实际山东焦庄充换电站的运营数据,比较了无序充电与本文提出的有序充放电情景下的充电负荷及费用支出,分析了以离散的电池充放台数为决策变量与以连续的充电电量为决策变量的优化结果的区别,验证了方法的实用性及有效性。
2 充换电站充放电优化控制方法
2.1 背景介绍
电动汽车充换电站是集充放电功能与换电功能于一体的大型电动汽车服务设施。换电服务模式下,其以满充电池与电动汽车用户进行电池交换来满足用户的换电需求,并根据交换电池所含的电能差取得收益。完成电池交换后,充换电站将电动汽车用户换下来的入站电池通过充电设备进行充放电操作,其换电过程如图1所示。
图1中,充换电站的换电过程被划分为M个离散时段。由于实际电动汽车的入站时间是随机、难以掌控的,为方便分析,本文假设充换电站在距电动汽车入站时间最近的下一时段的起点完成对入站电池与满充电池的交换并继而安排入站电池的充放电计划。
2.2 电动汽车电池荷电状态离散化
建立以电池充放台数为决策变量的优化控制模型,首先,要将电池荷电状态离散化成不同的等级,且电池荷电等级数量需控制在调度可接受的范围内。由于电动汽车锂电池的充放电过程可视为恒功率充放过程[12],在单位时间步长内充电桩功率及充放电模式确定的情况下,通过模拟电池充放电过程,可实现电池荷电状态(State of charge,SOC)的离散化。
电池荷电状态定义为:在相同的放电倍率下,电池的可放电量与电池的额定容量之比[13],即
式中,Qd为电池的剩余电量;Qt为电池的额定容量。容易理解,当电池满充,即达到充电截止电压时,SOC为100%;电池放电结束,即达到放电截止电压时,其SOC为0%。
电动汽车电池充放电过程模拟如图2所示。假设电池电量共被划分为k个不同的荷电等级,j(j=1,2,…,k)为电池的某一荷电状态等级标识,其可经单时段充电操作后到达jc(jc=1,2,…,k)荷电等级状态,又可由cj(cj=1,2,…,k)荷电等级状态的电池进行单时段充电得到。同理,若电池电量处于j荷电等级状态,其既可由dj(dj=1,2,…,k)荷电等级状态的电池进行单时段放电得到,又可经单时段放电操作后到达jd(jd=1,2,…,k)荷电等级状态。将荷电状态标识按照SOC的大小排序,即SOC1代表电量为0%的电池,SOCk代表SOC为100%的电池,SOCj表示荷电等级标识为j的电池的荷电状态。进而,设N1为空电电池的数量,Nk为满充电池的数量,Nj表示荷电等级标识为j的电池的数量。
2.3 传统模型
对于传统的以连续充放电电量为决策变量的电动汽车充换电站充放电优化控制,目前已有较多研究,其模型可表述为:
式中,T为优化控制的总时段数;Δt为单位时间步长;c+t为充换电站在t时段向电网购电的电价;ct为充换电站在t时段向电网售电的电价;p+t为充换电站在t时段的充电功率;pt为充换电站在t时段的放电功率;Et为充换电站在t时段电池存储的总电量;Emax为充换电站总电池容量;Etout为充换电站的每个时段换出的电量;pmax为充换电站的充放电功率上限;b、d为{0,1}变量。
由模型可以看出,传统方法以充换电站运行的经济最优为目标,其考虑了总电量约束、充换电站功率约束及用户换电电量的需求约束,但没有考虑充换电站充电电量与用户换电电池数量以及充换电站充电电量与换电电池荷电状态之间的耦合关系。然而,在实际中,充换电站的充放电决策实质是对不同时段内电池充放台数的控制决策。而对充电电量的优化决策最终要通过离散电池的充放电实现,显然,不考虑电池荷电状态和数量的传统模型最优化解,在现实中可能无法得到可行的电池充放电方案。
2.4 基于电池充放台数的二阶段优化模型
在双向能量传输模式下,本文提出了一种以电池充放台数为决策变量的二阶段优化控制模型。其中,第一阶段优化以充换电站总支出费用最小为目标;第二阶段优化则在第一阶段的求解基础上,选取最大化满充电池数量的解为最终的优化决策,具体模型如下。
(1)目标函数
第一阶段优化以充换电站运行的经济性为目标,即向电网支出的总电费fs最少。将电池荷电状态离散后,式(2)的目标函数可表示为:
式中,xjt表示在t时段对电池荷电等级标识为j的电池进行充电操作的数量;yjt表示在t时段对荷电等级标识为j的电池进行放电操作的数量;E0为满充电池电量。
考虑到各时段起点时的满充电池数量越多,充换电站应对用户的换电需求的能力越强,因而,在第一阶段经济性最优的基础上,第二阶段优化以最大化各时段起点处的满充电池数量之和fx为目标,如式(4)所示:
式中,Nkt为充换电站t时段满充电池的数量。
为保证第一阶段优化效果,第二阶段优化过程需要以第一阶段优化后的最小支出费用为约束,即充换电站的费用支出不大于第一阶段优化后的费用支出R,其表示为:
(2)约束条件
1)充换电站电池总量约束
式中,Ntotal为t时段充换电站的电池总量;Njt为t时段充换电站电池荷电标识为j的电池数量。
2)用户换电需求约束
用户换电需求约束要求充换电站在t时段起点的满充电池数量不小于在t时段预测的用户换电需求数量。本文采用设置概率置信度的方式来满足用户的换电需求,方法如下:首先,将用户的换电需求分为多个电量区间,并将其按由小到大依次排序,设置η为概率置信度,P(s)为用户换电需求电量区间为s的概率,从换电需求量最低的区间开始累加,直至概率总和达到置信度,并将最后一个区间记为q,则该区间q即为需要满足的用户换电需求电量,基于历史经验统计,可得到该换电需求区间q对应的换电电池数量及荷电等级状态,从而设置约束,如式(7)和式(8)所示:
式中,Ψ为在时段t满足置信度η情况下,用户换电需求电量最大的区间;NΨt为t时段用户在Ψ换电需求电量区间的换电电池数量。
3)换电站充电桩数量约束
式中,Npum为充换电站充电桩的个数。该约束表示在t时段充换电站同时对电池进行充放电的数量不大于充换电站内充电桩的数量。
4)可操作的电池数量约束
该约束表示,t时段对荷电等级标识为j的电池充电操作数量和放电操作数量的和不大于t时段荷电等级标识为j的电池数量。
5)电池容量约束
式中,xkt、y1t均为布尔型变量,分别表示对满充电池的充电操作和对空电池的放电操作。该约束表明,当电池达到满充状态k或空电状态1时,充电桩停止对其充电或放电操作。
6)充电桩功率约束
式中,pmax为充换电站充电桩的最大充放电功率,即额定充电功率;ppum为充换电站充电桩的实际充放电功率。该约束表明,在模型中,各充电桩功率数值恒定,以额定功率进行充电或放电操作。
7)电池荷电状态转移约束
对入站电池的荷电状态进行离散化后,入站电池的荷电状态集合为Ω,Ω={1,2,…,k}。其中满充电池的数量变化约束可表示为:
入站电池荷电等级的电池数量变化约束可表示为:
站内其他荷电等级的电池数量的变化约束可以表示为:
式中,Njt,in为t时段入站电池中荷电状态标识为j的电池数量;Ntk,out为t时段换出的满充电池数量。
2.5 方法流程
式(3)~式(15)构成了完整的多目标混合整数规划模型,其决策变量为充换电站在各时段的不同荷电等级电池的充放台数。方法的应用流程如图3所示。首先,根据历史数据与经验,充换电站可统计得出电动汽车用户在各时段的换电需求区间的概率;同时,通过对入站电池充放电历史数据的统计,完成对入站电池荷电状态的离散化;进而,输入充换电站的原有贮存电池荷电状态及充电桩功率参数;最后,通过二阶段优化模型对电池充放数量进行优化求解,得到对电池充放台数的优化控制决策。
3 算例分析
算例以实际山东临沂焦庄电动公交汽车充换电站运行数据为基础。焦庄站站内充电桩数量为20台,其充放电功率为30k W,站内单块电池容量为180k W·h,以1h为单位时间间隔,考虑对日前8∶00~17∶00共10个时段的充放电计划安排,利用本文方法对其实施充放电优化控制分析,算例使用GAMS软件进行编程求解。
3.1 入站电池SOC离散化分析及初始数据
通过统计焦庄站实际入站电池的单次充电电量样本,得到入站电池单次充电电量频率分布,如图4所示。实际入站电池SOC集中在67%和88%附近。进而,根据实际充电桩充电功率与电池容量数据,将电池荷电水平平均划分为7个等级状态(以下表中简称“状态”),如表1所示,每个等级状态的电池电量为30k W·h。
假设选取的某典型日各时段电池入站数量及其荷电状态情况如表2所示。选取的该典型日下充换电站在初始时段已有贮存的电池数量及其荷电状态如表3所示,充换电站所在地区典型日的分时电价表如表4所示。
3.2 充换电站用户换电需求概率分析
充换电站的用户换电需求样本数据来自山东临沂焦庄电动公交充换电站的实际运营记录,样本统计了充换电站2014年6月14日至8月10日每日8:00~17:00每小时的换电需求电量,总计625组样本数据,其经验概率分布如图5所示。
由图5可以看出,该充换电站用户的单时段换电需求上限为1000k W·h,下限为0。本文采用等区间划分方法将其划分为10个区间,各区间换电需求电量为100k W·h,如表5所示。换电区间数越大,说明充换电站在单时段的负荷需求量越大。
依据运营经验与历史数据,获得充换电站在该典型日下未来10个时段各换电需求区间的概率分布,如表6所示。其表示充换电站用户的各换电需求区间(表6中简写为“区间”)随时间变化的概率转移情况,表6中数值代表对应时段充换电站换电需求为其对应区间的概率大小。考虑式(7)和式(8)约束,本文设置换电需求概率置信度为0.8,得到各时段应满足的换电需求状态如表7所示。
3.3 无序充电模式下的充电计划
通常将电动汽车电池的即换即充模式(将电动汽车用户更换下的电池立即接入充电桩充电的模式)称作无序充电模式。算例基于选取的表2~表4的典型日信息,对电动汽车电池实施无序充电,其充电计划与表2所示的各时段的电池入站信息相同,即充换电站的充电计划不受分时电价的影响,一旦电池入站就立刻安排对其充电。由于采取即换即充策略,基于表4的分时电价,可计算得出充换电站的支出费用为3378元。
3.4 基于电池充放台数的优化控制
利用本文提出的基于电池充放台数的电动汽车电池充放电优化控制方法,一阶段优化后,各时段的电池充电安排如表8所示,各时段电池放电安排如表9所示,电池的荷电状态随时段变化的转移分布情况如表10所示。
由表8和表9可以看出,受分时电价和用户换电需求的影响,充换电站的充电安排集中在1~7时段,而电池放电集中安排在8~10阶段。优化结果表明,当站内满充电池数量足以满足剩余时段用户的换电需求后,充换电站在7~10时段安排站内电池放电以减少支出费用。
通常将优化后的电池充放行为称为有序充电模式。对比表2与表8、表9可以看出,经过有序优化后,充换电站在分时电价的平时及谷时充电功率增加,在峰时对电网进行反向送电。经计算,一阶段有序充电模式下,充换电站费用支出为1303元,相比无序充电,减少了费用支出1615元。支出费用的大幅减少表明一阶段充换电站的电池充放优化控制取得了理想的经济效果。
在一阶段优化的基础上进行二阶段寻优后,各时段的电池充、放电安排如表11和表12所示,电池荷电状态转移情况如表13所示。
经计算,二阶段优化后,充换电站的费用支出仍为1303元。但对比一阶段的优化结果可以发现,在进行二阶段优化后,电池的充电安排及放电安排发生了改变,此种改变的效果并没有造成充换电站支出费用的增加。进而,对比表13与表10可以发现,经二阶段优化后,电池荷电等级为7的满充电池数量较只进行一阶段优化的满充电池数量有所增加,有利于充换电站应对客户更换电池需求的随机不确定性,证明了本文方法的第二阶段优化在保证第一阶段优化的经济性前提下,可以最大化满充电池的数量。
3.5 与传统模型的对比分析
采用传统模型式(2)的充换电站有序充电结果如表14所示。可以看出,传统模型优化控制得出的充换电站在各时段充电功率均为0,即全时段无电池充电安排,这是由于充换电站起始时段满充电池的总电量满足1~10时段的换出电量约束。由表2可知,该典型日充换电站1~5时段累计换出的满充电池数量为36块,而由表3可知,初始时段满充电池总数为30块。显然,如果在1~4时段不安排电池充电,那么在5~10时段,充换电站无法满足电动汽车用户的换电需求。这种情况产生的原因在于,传统模型以连续的电量为决策控制变量,而充换电站的总电量分配在多个离散的电池个体当中,电池的更换与电池的充放电操作必须依赖于离散的电池个体完成。因此,传统模型的优化结果可能出现在实际中不可行的情景。
3.6 换电需求约束分析
本文模型采用满足设置的概率置信度的方式获得用户换电需求,并以换电需求最大区间的电池数量作为换电需求约束。显然,置信度的取值越大,充换电站满足用户换电需求的能力就越强,然而,也会因此导致充换电站的电能储备过剩,充换电站支出费用增加的问题。
不同的概率置信度设置将会得出不同的用户换电需求结果,因而会导致不同的换电策略及支出费用,现模拟两个不同的换电需求场景来分析充换电站的费用支出情况,结果如表15和表16所示。
可以看出,场景1与场景2的换电需求不同,将其分别作为本文模型的换电需求约束,可计算出经二阶段优化后,充换电站的支出费用分别为1296元和960元,验证了在不同的换电需求下,充换电站的支出费用不同的结论。
4 结论
本文首先分析了充换电站电池荷电状态离散化的过程及传统模型的不足,在此基础上提出了以电池充放台数为决策变量的二阶段优化模型。算例结果表明,本文方法可以根据分时电价合理安排电池充放,相比于无序充电模式,大幅降低了充换电站的支出费用;克服了传统模型的解在现实中未必可行的缺点;算例部分还对换电需求约束的不同导致的决策结果的影响进行了对比分析。本文方法为电动汽车充换电站充放电控制提供了一种有效思路。
电池充换电站 篇2
电动汽车相对于传统汽车具有明显的节能减排的特点, 成为21世纪最具有潜力的交通工具[1]。但续航里程是制约电动汽车发展的主要因素。动力电池作为电动汽车的动力来源, 快速更换电池是解决这种问题的有效途径之一[2]。对动力电池配送车辆进行路径优化, 不仅可以提高经济效益, 还可以及时满足电动汽车的能量供给[3]。由此可见, 合理选择满足约束条件的动力电池配送最优路径, 进一步提升充换电站服务体系运行管理程度, 具有非常重要的现实意义[4]。
物流配送中的路径选择优化问题是一个典型的NP-hard问题, 国内外学者对其进行了深入的研究, 并提出很多求解算法。这些算法可以分为精确求解算法和启发式算法两大类[5]。在精确求解算法中, 计算量与问题的规模呈指数增加关系, 求解耗费时间相当长, 效率低[6]。启发式算法以及一些组合算法成为研究路径优化问题的主要算法[7], 但是为了保证可行解, 导致遗传算法爬山能力差、禁忌搜索算法全局性差等问题。基本的启发式算法在求解大规模的路径优化问题时存在各种缺陷[8]。
蚁群算法是一种新的种群启发式算法, 可以看作是一个分布式的多智能体系统。它可以在问题空间的多点同时独立进行解搜索, 具有很强的鲁棒性[9]。本文根据路网的特点对蚁群算法进行改进, 同时为了避免算法在搜索过程中陷入局部最优, 在算法中引入惩罚因子, 在保证全局最优的同时还可以提高算法的收敛速度。而且, 对于城市的实际路网, 当交通网络规模庞大, 各服务点的服务范围内交通情况实时变化时, 蚁群算法在动态环境中具有良好的灵活性[10], 能够适应不断变化的道路状况对路径选择的影响。同时, 正反馈可以缩小搜索范围, 保证算法朝着最优解的方向进化[11], 进一步体现了蚁群算法在求解路径优化问题时的优越性。
1 电池配送的数学模型
本文以杭州市充换电服务网为背景, 从电池配送的实际问题出发, 主要解决以下2个问题。
a.电动汽车在行驶过程中可能会出现电力不足, 而不能到达配送站进行电力补充。这时, 电动汽车车主可以向电池调配中心“报警”, 电池调度中心记录有关的道路地理信息数据, 然后调度载有动力电池的抢修车在最短的时间内到报警现场抢修。
b.电动汽车换电主要依赖于智能充换电服务网络, 智能充换电服务网络主要由电池集中充电站、电池充换电站及电池配送站三级网络组成[12]。动力电池作为电能的载体, 流动于三级服务网络之间。由于充换电站的电池基本上可以自给, 因此本文主要解决从集中充电站 (物流据点) 用多辆汽车向配送站 (客户点) 送货的问题, 每个需求点的位置和需求量一定, 每辆配送车的载重量一定, 每日的最大行驶里程一定, 合理安排配送车路线, 使总运距最短, 从而使配送成本最小。
1.1 抢修系统的数学模型
在对路径进行选择时, 人们往往更倾向于选择顺畅、宽敞的大道, 这样抢修时间比较短;相反, 有的路径虽然较短, 但可能存在道路狭窄等问题, 甚至经常发生交通拥堵, 因而时间花费和燃油花费均不理想。因此, 人们在选择较为合理的路径时主要考虑时间最短和距离最短。
1.1.1 路网的构建
城市交通主要由众多的道路相交、相连而构成, 并组成纵横交错、错综复杂的城市交通网络图。道路拓扑结构是求解最优路径问题的基础, 它描述了道路网络结点 (道路交叉点) 和主要道路的连通关系。提取和构建道路网络的网络拓扑结构是指:运用图论中的相关知识, 交通路网被抽象成带权网络无向图G= (V, E, W) 。其中, V为路网节点 (即道路的交叉点) 的有穷非空集合, V={V1, V2, …, Vn};E为V中顶点之间边的有穷集, 每一条边表示相邻两节点间的直达路径, 假定相邻两节点间最多仅有一条边。表示配送站 (即源结点) , 为事故地点 (即目的结点) , 对G中的某一条边 (Vi, Vj) , 相应地有一个表示该路段特性的数di, j, 若 (Vi, Vj) 之间连通则di, j为实际路段长度;若 (Vi, Vj) 之间不连通, 则di, j=∞, 在实际计算中以一个足够大的值代替。把矩阵称为权值矩阵, Di j表示路径 (Vi, Vj) 是综合考虑道路属性和交通情况的等效道路长度。W为E上边权值的有穷集, 对于一定的城市交通网络, W反映了某一时段的交通状况和道路属性。
利用从杭州市电子地图上提取的道路网络中各路段的属性数据以及各结点的坐标信息, 并利用邻接矩阵存储网络拓扑信息, 得到如图1所示的道路网络拓扑结构, 在不同的区域道路拥堵指数不同。
1.1.2 模型建立
在最优路径规划中, 增加2个启发因素:道路等级指数rij和表示t时刻道路 (Vi, Vj) 交通拥堵情况的指数yij (t) 。道路等级指数rij指道路的相对重要程度, 其取值如式 (1) 所示:
rij值越小, 说明道路 (Vi, Vj) 越重要, 人工蚂蚁在寻优过程中更倾向于选择等级较高的一级道路 (快速路) 。yij (t) 表示t时刻道路 (Vi, Vj) 的交通拥堵情况, yij (t) 越小, 说明t时刻道路 (Vi, Vj) 越通畅, 这条路径被选的概率越大。交通拥堵指数的范围是1~10, 10表示严重拥堵, 1表示完全畅通。由于同一时间段不同区域的交通拥堵情况不同, 不同时间段同一个区域的交通情况也不同, 本文将一天的交通拥堵情况分成4个时间段和6个区域考虑, 如表1[13]所示。某时间段某路段的交通拥堵指数在相应的指数范围内随机变化。在仿真中, 利用MATLAB中的rand函数在该范围内随机产生交通拥堵指数的值来模拟实际道路交通情况的随时变化。
引入3个权重系数来衡量影响最优路径选择的各个因素相对重要程度:路径距离的权重系数W1, 道路等级的权重系数W2, 交通堵塞的权重系数W3, 满足W1+W2+W3=1。利用层次分析法最终确定W1=0.619 1、W2=0.150 6、W3=0.371 5。根据前面的分析, 本文将时间约束、道路交通状况等添加到目标函数中, 提出以实际道路长度、道路等级以及交通拥堵情况线性组合成的等效道路长度为目标函数的最优路径规划问题, 来规划省时省路的最优路径。最终确定的等效道路长度Dij如式 (2) 所示:
1.2 配送系统的数学模型
1.2.1 模型假设
在进行动力电池配送路径选择的数学模型构造时首先作如下假设:
a.任何配送中心 (集中充电站) 所对应的需求点 (配送站) 和任何需求点的需求量均已知;
b.每个需求点 (配送站) 只由一辆车服务一次, 每辆车只能服务一条路线;
c.需求点相互之间以及需求点与配送中心之间距离已知;
d.配送中心拥有多辆同种载重量的车, 每辆车始点和终点均为各自所属的配送中心;
e.配送成本与配送距离成正比;
f.要配送的动力电池有2种型号, 质量也不同, 各型号的配送比例为1∶1, 配送质量取平均值;
g.配送网点有足够的资源可以供应配送, 并且拥有足够的配送能力;
h.最终目标是寻找一个物流配送的路线, 使配送成本最小。
1.2.2 变量定义
模型中要用到的变量定义为:K为集中充电站拥有的配送汽车数目;Qk (k=1, 2, …, K) 为每辆汽车的载重量;Dk (k=1, 2, …, K) 为每辆汽车一次配送的行驶距离;L为配送站 (需求点) 数目;qi (i=1, 2, …, L) 为每个配送站需要的动力电池的数目;di, j (i, j=1, 2, …, L) 为配送站i到配送站j的距离;d0j (j=1, 2, …, L) 为集中充电站到配送站的距离;nk (k=1, 2, …, K) 为第k辆汽车配送的配送站数目 (nk=0表示未使用第k辆汽车) ;Rk (k=1, 2, …, K) 为第k辆汽车配送的配送站集合 (当nk≠0时, , 其中rki表示该配送站在第k辆汽车的配送线路中顺序为i;ei为客户点i对货物需求的时间窗系数, 值越大表示要货的紧急程度越高, 当ei为-1时, 表示没有限制到货时间;Pe为超时惩罚系数。
1.2.3 模型建立
配送车最优路径的选择条件是, 在满足各个配送站需求的条件下, 使整体的配送成本最小。而配送成本基本上和路程成正比, 因此本文把寻找最短路径作为目标函数。但是考虑到配送过程中可能由于交通情况配送车不能按时到达配送站, 这里引入时间窗系数ei和超时惩罚系数Pe, 将等待时间等效成距离, 也就是下文提到的超时成本。
总路程S如式 (3) 所示。
假设集中充电站在第k辆车的配送路径中排在第s位完成配送后, 总的超时成本计算如式 (5) 所示:
目标函数为:
约束条件为:
其中, 为第k辆配送车在第i条配送路径上的装载量。
上述模型中, 式 (8) 为目标函数;式 (9) 保证每条路径上各配送站的电池需求量之和不超过汽车的载重量;式 (10) 保证每条配送路径的路程不能超过汽车一次配送的最大行驶里程;式 (12) 限制每个配送站仅能由1辆汽车送货。
2 蚁群算法
2.1 基本蚁群算法
蚁群算法是人工智能算法之一, 其模拟蚂蚁的觅食行为, 按启发式思想, 通过外激素的诱发作用逐渐收敛到问题的全局最优解[14,15]。设:di, j (i, j=1, 2, …, n) 表示路网中路段 (Vi, Vj) 间的距离, m是蚁群中蚂蚁的数量, n为路网中的节点数;τij (t) 表示t时刻在路段 (Vi, Vj) 上残留的信息素浓度。初始时刻, 设τij (0) =C (C为常数) , 即各条路径上信息素浓度相等。人工蚂蚁k (k=1, 2, …, m) 在寻优过程中, 根据各条路径上的信息素浓度决定转移方向。这里用禁忌表tabuk来记录蚂蚁k当前所走过的节点;E表示所有节点的集合, 集合随着tabuk进化过程做动态调整;Ak={E-tabuk}表示蚂蚁k下一步允许选择的节点集合。Pkij (t) 表示人工蚂蚁k在t时刻由节点i转移到节点j的概率:
其中, ηij (t) 为能见度, 在最短路径问题中表示节点i转移到节点j的启发式信息;α表示在路径 (Vi, Vj) 上信息素的重要程度;β表示在路径 (Vi, Vj) 上启发信息的重要程度。当所有人工蚂蚁均完成对n个节点的遍历 (也即1个循环结束) , 此时禁忌表已经填满, 应清空, 并将蚂蚁当前所在节点放入禁忌表tabuk中, 准备下一次循环。同时, 计算每一只人工蚂蚁所走过的路径长度Lk, 并保存最短路径。
随着时间的积累, 以前留下的信息素逐渐蒸发消逝, 用参数1-ρ表示信息素残留程度, 当所有蚂蚁均完成一次循环后, 各条路径上的信息素根据式 (16) 作调整。
设置周游次数计数器NC, 当达到设定值时结束。最短路径为:
2.2 算法改进
2.2.1 基于路网的算法改进
在基本的蚁群算法中, 当蚂蚁从节点i选择下一个节点j时, 需要将n-1个节点与禁忌表比较, 再计算n-1个节点中不在禁忌表中的转移概率, 需要较长的计算时间。在实际应用中, 蚂蚁一定是在一个具有拓扑关系的网络中爬行, 蚂蚁从节点i选择下一个节点时, 不会在所有非禁忌表中的节点间选择, 而只能是选择与节点i之间存在直接路径的节点, 即存在边 (Vi, Vj) 的节点中选择。因此, 在计算转移概率时, 仅需计算这部分节点的转移概率, 从而大幅降低了基本蚁群算法的计算量, 提高了算法的计算速度。
类似地, 在对信息素初始化时, 对节点间有相连关系的道路的信息素初始化为τij (0) =C (C为常数, C≠0) , 对没有相连关系的节点初始化为τij (0) =0。
2.2.2 全局信息素更新策略
道路网络拓扑中会存在一些“死路”, 即存在边缘节点。算法对走入死路的蚂蚁进行标记, 并记录与边缘节点相连的路径, 如图2所示, 若蚂蚁在寻找路径过程中走入节点3或者节点4, 无法到达终点, 称节点3、节点4为边缘节点, 同时将路径L23或者路径L14称为死路。
为避免下一只蚂蚁在寻找路径过程中进入死路, 引入惩罚系数M, 范围是0~1。特别说明, 这里的惩罚系数M与衰减系数ρ不一样, 衰减系数是模拟人体大脑的行为, 在新的信息存入大脑的同时, 旧的信息会随着时间的推移而衰减, 即道路网络拓扑上的所有信息素都会受到衰减系数ρ的作用。但是惩罚系数只作用于与边缘节点相连的道路上的信息素。因此, 对走入死路中的蚂蚁所经过的与边缘节点相连的路径, 利用τij (t) =τij (t) M, 使信息素进一步衰减, 减小下一次循环蚂蚁选择该条路径的概率, 提高算法的效率。
2.2.3 算法流程图
综上所述, 可以得到改进后的算法流程图如图3所示。
2.3 算法检验
利用图1所示道路网络拓扑, 本文要求出从节点9到节点48之间的最短路径。选取:信息启发式因子α=1.2, 期望启发式因子β=0.6, 信息素挥发因子ρ=0.5, 蚂蚁数目m=35, 信息量Q=1, 迭代次数为100。仿真得到最短路径图如图4所示。
多次运用改进蚁群算法进行实验仿真, 在第7次循环发现最优路径:, 最优路径长度为7.387km。而应用基本蚁群算法在第31次收敛到局部最优, 对应的最优路径长度为7.68 km, 如图5所示。可以看出, 改进的蚁群算法性能稳定, 具有很好的全局收敛性能。
通过以上仿真分析, 可以发现本文算法在信息素更新时引入惩罚因子和在信息素初始化时加入方向引导, 很大程度上减少了不必要的劣质解。信息素初始化时的差异指引着蚂蚁寻找较优解, 可以有效地避免蚂蚁一开始盲目的寻优甚至误导后来的蚂蚁进行路径选择, 明显加快搜索最优解的速度, 提高解空间质量。同时, 改进蚁群算法可以保证算法收敛到全局最优解。
3 模型求解
3.1 抢修系统模型求解
对于抢修车的动力电池配送最优路径选择, 考虑道路等级、道路拥堵指数和实际道路长度等, 在前面研究的基础上, 假设事故点为节点1, 其附近的配送站点为节点51, 抢修车从配送站出发, 载着动力电池到事故点对电动汽车进行换电操作。下面对抢修车的动力电池配送路径分不同的时间段进行仿真, 使其更接近实际情况。由于早高峰与晚高峰的交通拥堵情况类似, 白天与其他时间段类似, 本文仅对早高峰 (07:00—10:00) 和白天 (10:00—16:00) 2个时段仿真, 仿真结果如图6、图7所示。
在早高峰时段, 城中的拥堵指数是6.6~7.1, 处于中度拥堵状态;城东的拥堵指数是3.7, 处于基本畅通状态;城西的拥堵指数是4.1~5.4, 处于轻度拥堵状态;城南的拥堵指数是3.3~3.7, 处于基本畅通状态;城北的拥堵指数为4.5, 处于轻度拥堵状态;西湖风景区的拥堵指数为3.2~3.4, 处于基本畅通状态。城区整体的拥堵指数较高, 选择比较畅通的道路成为关键。仿真结果表明, 最优路径的选择避开了较为拥堵的城中, 除了事故地点城西比较拥堵外, 最终选择的路段交通拥堵指数在3.7~4.5之间, 处于基本畅通阶段。同时, 在满足道路基本畅通的前提下, 实验还较多地选择了快速路, 避免选择支路, 具体选择结果如表2所示。
10:00—16:00时段全城区的拥堵指数是1.0~3.1, 道路处于畅通或基本畅通状态。此时, 决定选择最优路径的因素主要是道路的实际长度及道路等级。仿真结果表明, 最优路径主要选择快速路, 同时考虑路网实际分布状况和实际道路长度, 选择次干路的道路, 避免选择支路。选择结果如表3所示。
3.2 配送系统模型求解
杭州市区集中充电站、配送站的分布以及各配送站的电池需求量如图8所示。
配送车的载重为10 t, 每日的最大行驶里程为100 km, 路网抽象成完全连通图, 并利用蚁群算法进行仿真。选取:信息启发式因子α=1, 期望启发式因子β=4, 信息素挥发因子ρ=0.5, 蚂蚁数目m=35, 信息量Q=100, 迭代次数为200, 仿真得到电池配送路径图如图9所示。
由图9可以看出, 选取载重为10 t的配送车辆, 需要6辆, 总的行驶里程为161.429 km。各车辆的配送路径分别为:
4 结论
本文以杭州市充换电服务网络为背景, 从电池配送的实际问题出发, 分别建立电动汽车抢修路径规划和电池配送路径规划的数学模型。在抢修系统的数学模型中, 以配送网络中实际道路的路径长度、交通堵塞系数和道路等级等效成的加权道路长度最小为目标函数, 规划省时省路的最优路径;在配送系统的数学模型中, 考虑车辆在道路上的等待时间, 并考虑配送车的行驶里程限制和最大载重量限制, 以配送成本最小为目标函数。然后根据路网的特点, 对蚁群算法的相邻节点选择策略、信息素初始化策略以及信息素更新策略进行改进, 提高算法的收敛速度。同时, 为了避免下一次循环蚂蚁进入死路, 引入惩罚因子, 避免算法陷入局部最优。
电池充换电站 篇3
2012年3月15日, 位于北京市朝阳区高安屯循环经济产业园内的高安屯电动汽车充换电站正式投运。该站是世界上规模最大、服务能力最强的电动汽车充换电站, 技术水平世界一流, 极具环保示范效应。该站的建成, 标志着国家电网公司智能充换电服务网络建设取得重大成果, 对促进北京市电动汽车及相关产业又好又快发展, 具有十分重要的意义。
高安屯充换电站建筑面积8 189 m2, 是北京东部地区电动环卫车、乘用车和公交车的充换电服务中心。该站集充电、换电和电池配送三大功能于一体, 站内设有4条换电流水线, 换电速度快, 可同时服务8辆电动汽车;设有1条配送线, 每小时可配送24组电池。站内充电机容量10 080 kW, 能同时为1 104组电池充电。该站采取循环低碳的设计理念, 以园区内垃圾焚烧及沼气发电为主要电能供给, 同时融合光伏发电、风电等新能源。该站技术亮点多, 集成了微电网控制、自动换装、智能仓储、数字监控等多种先进技术。
据悉, 过去2年, 国家电网公司在北京市建成投运了15座充换电站、370个充电桩, 能满足1 300辆以上纯电动汽车的充换电需求。根据规划, 国家电网公司将以高安屯充换电站的投运为契机, 进一步优化网络, 加大投资, 加强创新, 加快建设, 力争“十二五”末在北京建成具有世界一流水平的智能充换电服务网络, 形成以北京为中心, 辐射环渤海经济区域的智能充换电服务城际网络。
电池充换电站 篇4
受电池容量的限制,电动汽车无法满足长距离行驶和跨省跨市互联运行的需要,制约了电动汽车的推广应用和节能减排宣传效果[5]。为了能实现电动汽车在城际间的互联互通运行,国家电网公司在2011年初开始在苏沪杭(苏州-上海-杭州)高速公路服务区部署建设充换电站,作为我国首个跨省互联试点工程,也为长三角地区电动汽车充换电服务网络建设打下坚实基础。
1 工程总体情况
苏沪杭电动汽车城际互联示范工程涉及苏州、上海和杭州间3条高速公路、5个服务区的9座电动汽车充换电站。
1.1 苏沪城际高速充换电站布点
苏州与上海间的主要互联通道为沪宁高速,该互联通道的互联点选在阳澄湖服务区。阳澄湖的南服务区和北服务区相互贯通,且北服务区占地面积大、人流量多、设施齐全,故本互联点选择在北服务区建设1座充换电站。为配合苏沪电动汽车互联运行的需求,上海将建设嘉定充换电站,苏州则已建成了邓蔚路充换电站,阳澄湖服务区和苏州、上海充换电站之间的距离如图1所示。
1.2 沪杭城际高速充换电站布点
上海与杭州间的主要互联通道为沪杭高速,该通道的互联点分别为嘉兴服务区和枫泾服务区,每个服务区各建设1对(2座)充换电站。
为配合沪杭电动汽车互联运行的需求,上海还计划建设闵行充换电站,杭州计划建设石桥充换电站,两服务区和上海、杭州之间的距离如图2所示。
1.3 苏杭城际高速充换电站布点
苏州与杭州间主要的互联通道为常台高速,该通道的互联点分别为白洋湖服务区和新塍服务区,每个服务区各建设1对(2座)充换电站,两服务区和苏州、杭州之间的距离如图3所示。
国家电网公司统一部署的2011年整个苏沪杭电动汽车城际互联示范工程布点如图4所示,图中黑色圆点为每座充换电站。
1.4 服务对象和规模
从国内电动汽车应用情况来看,电动商用车均在半径较小的区域范围内示范运行,短期内如要实现城际互联存在换电次数较多、站点占地面积大、运营模式复杂等困难。另外,在国网系统现有的充换电服务网络中,针对电动乘用车的充换电设施技术较为成熟,并且已经有了商业化运营基础。
综合考虑上述因素,按照国家电网公司“换电为主、插充为辅”的运营模式,结合目前高速公路服务区用地面积及现场沟通情况,确定苏沪杭城际互联充换电站以满足后备箱换电模式电动乘用车的换电需求为主,后续再根据实际需求情况,扩展为适用于多种车型的充换电站。示范工程建成后,短期内在苏沪杭高速公路服务区充换电需求的电动汽车数量较少,每座站的设计服务能力为50辆/天,并预留扩充空间。
2 充换电站建设方案
江苏区域内3座高速公路服务区充换电站具有相同的建设规模和设备配置,以阳澄湖服务区充换电站为例进行介绍。
2.1 土建
充换电站综合用房为单层建筑,建筑面积约200 m2,包含设备区、营业室、监控室和换电工位,站外行车道借用高速公路服务区内部道路。综合用房体型规整,造型简洁大方,房外立面采用国网标识的白、绿两色为主色调,简洁而又富有变化。
供水采用城市自来水,从服务区给水管网上接入,排水采用分流制排水系统,雨水用污水道收集后排出,生活污水经化粪池处理后排入高速公路服务区污水管道。站内建筑楼顶及主罩棚顶设避雷带作为防雷保护,并在10 k V进线上安装避雷器。站内各配电装置室、设备室均设置移动式化学灭火器,电缆敷设采用防火和阻止延燃措施设计。
2.2 配电系统
充换电站采用10 k V单电源供电,单母线接线方式,配置1台250 k V·A箱式变压器,放置在充换电站旁的绿化带内。高压柜采用全充气环网开关柜,额定电流为630 A,分断能力为20 k A。0.4 k V侧配置有源滤波设备一套,以消除电池充电过程中产生的谐波。
2.3 充换电系统
充换电站内配置2个电池仓,每个电池仓含20箱电池,满足电动汽车动力电池存放、运输的需求。站内同时配置2个充电机仓,每个充电机仓含4 k W分箱式充电机20台,用于对电池仓内的整箱电池进行充电。换电部分配置半自动换电设备1套,换电手推小车2辆。
2.4 监控系统
全站设置监控系统一套,主要包括:充换电监控系统、配电监控系统、安防系统及通信管理机等[6,7,8,9]。
2.4.1 充换电监控系统
实现对充电仓充电设备、电池箱库存以及更换电池等情况进行监控。充电仓充电设备监控信息包括该站所有模块充电机的运行数据:充电模式、运行状态、输出电压、输出电流、输出有功功率、连接的充电电池组中最高的温度、电池总电压等。充电架和充电仓的监控系统图如图5和图6所示。
2.4.2 配电监控系统
配置配电监控系统一套,负责实现充换电站配电系统的保护与测控功能,通过通信管理机与充换电站监控后台实现双向数据交换。配电设备监控界面如图7所示。
2.4.3 安防系统
全站设置一套由视频监控实现的综合安全防范系统(包括消防、门禁和周界安全监控),通过通信管理机来获取配电监控系统及充电机的相关告警信息,用以完成视频联动监控。安防系统监控图如图8所示。
2.4.4 通信管理机
配置通信管理机一套,负责配电监控系统、充换电站后台监控、安防系统、计量计费系统及充电机之间的数据交换;负责向安防系统转发报警信号实现视频监控联动;负责向充换电站上级监控系统转发本站相关信息。
2.4.5 对时系统
在视频监控柜上配置GPS对时系统一套,以满足站内监控系统的对时要求。
3 互联工程难点
通过对江苏高速公路服务区充换电站的项目前期、土建施工和建设运营情况进行总结,主要遇到下述难题:
(1)建站用地紧张。高速公路服务区土地所有权归国家所有,高速公路管理方只有若干年的土地使用权,所以只能以租赁方式获得建站土地。另外,高速公路服务区的整体规划中没有充换电站建设计划,且现有大部分服务区的空余土地较少,获取建站用地有较大难度。
(2)场地租金贵。高速公路服务区内部现有的加油站、超市、商铺等营业场所都是商业用途,土地租金非常昂贵。电动汽车充换电站在运营初期是为了响应国家的节能减排号召,倡导绿色社会,具有明显的公益性质,按照商业用途租赁土地则费用过高。
(3)充换电站运营。高速公路的服务区充换电站建成后,配套的电动汽车智能充换电服务网络运营管理系统需同步建设到位。该系统必须具备客户服务管理、计量计费、收费账务、跨区域结算、资产管理等功能,以实现城际互联充换电站的统一监控和运营。
(4)电池资产管理。江苏、上海和浙江均在充换电站内配置一定数量的动力电池。电池资产归属主体不同,需要解决不同区域、不同省市之间电池资产的相互流通与清分结算问题,为国网系统同网、同质、同价的电动汽车充换电标准化服务奠定基础。
4 结束语
国家电网公司在电动汽车充换电服务网络建设的规划、标准、设备研制、商业模式研究、示范工程等方面均已走在国内外前列。
苏沪杭城际间电动汽车智能充换电服务网络在全世界尚属首次,该工程所涉及上海、苏州和杭州间3条高速公路5个服务区、9座充换电站。工程投运后,电动乘用车可在苏沪杭三地跨城际运行,对后续更大范围的长三角地区电动汽车城际互联建设起到重要的示范效应和引导作用。
摘要：介绍了苏沪杭充换电站城际互联示范工程的必要性、建设布点、服务对象和规模,并以江苏高速公路服务区充换电站为例,分别阐述了充换电站的土建、配电系统、充换电系统和监控系统,并介绍了示范工程建设和推广应用中存在的难点,最后对电动汽车充换电服务网络建设工作进行了展望。
关键词：电动汽车,充电设施,充换电站,交流充电桩
参考文献
[1]陈清泉,詹宜巨.21世纪的绿色交通工具—电动车[M].北京:清华大学出版社,2000.
[2]陈清泉,孙逢春,祝嘉光.现代电动汽车技术[M].北京:北京理工大学出版社,2002.
[3]张文亮,武斌,李武峰,等.我国纯电动汽车的发展方向及能源供给模式的探讨[J].电网技术,2009,33(4):1-5.
[4]陈良亮,张浩,倪峰,等.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]宋永华,阳岳希,胡泽春.电动汽车电池的现状及发展趋势[J].电网技术,2011,35(4):1-7.
[6]李明,姜久春,牛萌,等.电动汽车充电站网络监控系统的研究[J].汽车电子,2010,26(4):163-164.
[7]严辉,李庚银,赵磊,等.电动汽车充电站监控系统的设计与实现[J].电网技术,2009,33(12):15-19.
[8]赵明宇,王刚,汪映辉,等.电动汽车充电设施监控系统设计与实现[J].电力系统自动化,2011,35(10):65-70.
电池充换电站 篇5
电动汽车充换电站是电动汽车电能补给的重要场所, 可提供充电和换电服务。光伏发电系统和全钒液流储能系统作为2种独立的新型充换电站电力来源装置, 在减少污染、支撑常规电力方面起到了重要作用。
1 充换电站电力来源
大连友谊街充换电站电力主要由市电作为主要供电来源, 光伏发电系统和全钒液流储能系统作为辅助电力来源。
1.1 市电情况简介
(1) 供电方式选择。根据充换电站规模, 遵循国家电网公司相关规范要求, 结合当地电网规划, 确定该充换电站采用10千伏双电源供电。
(2) 供电方案。由66千伏友谊街变电所10千伏母线出一回电缆线路至本项目变电所, 电缆约3千米, 电缆排管约2.6千米;另外由66千伏华南变电所10千伏母线出一回电缆线路至本项目变电所, 电缆约3.5千米, 电缆排管约3千米。
(3) 站内供电系统建设规模。根据充电系统及站内用电容量配置2台2000千伏安的主变, 10千伏开关柜10面, 0.4千伏低压柜13面。
(4) 电气主接线。充换电站10千伏侧母线采用单母线分段接线, 0.4千伏侧也采用单母线分段接线。
(5) 谐波治理。为了抑制电池更换站的谐波电流注入公用电网, 以确保电能质量和电力系统的安全经济运行, 站内配置有源滤波和无功补偿装置, 共配置补偿电流为200安/台的有源滤波装置4台。
1.2 光伏发电/全钒液流储能系统简介
该系统作为大连市政府的示范工程, 对于推进新能源和电动汽车在大连的可持续发展是非常必要的。目前, “新能源储能型”电动汽车充换电站因具有环保、安全、经济、高效的特点, 被国内外专家认为是未来电动汽车充换电站的发展趋势。
这种全新充换电站优势在于:
(1) 利用清洁可再生能源, 节能减排。
(2) 降低充换电站配电容量, 易于推广。储能装置和新能源引入缓解电动汽车充电对电网的负荷压力。
(3) 避免对电网的冲击, 安全可靠。蓄电装置连接发电端和用电端, 避免了大电流充电对电网的直接冲击, 实现电动汽车的集中或快速充电。
(4) 降低充换电站运营成本, 经济性好。在晚间充分利用电网优惠价格的谷电存储在储能装置中, 白天电网高峰负荷时实现电能回馈, 降低了充换电站的成本。
(5) 作为独立储能电站, 紧急备用。在特殊时期, 充换电站可以作为临时电站为重要部门和设备供电。
作为辅助电力来源的光伏发电和全钒液流储能系统, 在白天配合主要电力来源一起对所有电动汽车电池进行充电。友谊街充换电站初期拥有50辆大型纯电动汽车, 备用30组电池 (每组10块) , 每组电池每天充电4次, 每天完成120组次的充电任务。其中, 充换电站的电力来源最终都会分配到充电机中, 由充电机向电池充电。充换电站配备了240台EVCR-FX10kW分箱充电机, 为站内全部300箱电池提供电力。大箱电池采用一对一的充电方式, 小箱电池采用一对二的充电方式。充电机额定输出电压为80V, 额定输出电流120安, 额定输出功率为10千瓦。当每车剩余30%电量时更换电池进行分箱充电。在充换电站中, 主要电力来源市电与辅助电力来源光伏发电系统、全钒液流储能系统所产生或储存的电力, 全部分配到充换电站低压侧配电柜中, 由配电柜向充电机输送电力。其中全钒液流储能系统的储能逆变器也可从配电柜将电能储存在电池中。稳定的电力来源使友谊街充换电站电池充电工作持续稳定进行。
充换电站光伏发电装机为50千瓦, 工作模式为直接并网, 光伏逆变器将直流电转化为交流电, 而后送至10千伏变电所低压母排上, 给变电所提供电力。
光伏发电在有效地利用了可再生能源的同时更节约了用电成本。结合大连的地理位置及光照资源情况, 该地区每天有效日照时间约3.6小时, 平均每天可节省电费180元, 年节约电费约60000元。同时, 光伏发电还具有以下优点:绿色、环保;使用寿命长达25年;安全可靠、无噪声;资源丰富;建设周期短。
大连友谊街充换电站全钒液流储能电池室占地98平米, 其中储能电池系统占地26平米。电池室要求建筑物高于3.5米, 门高于2.5米, 用以搬运和存放电池。储能电池室无地下室, 保证地面能提供相应负荷, 全室注意通风并安装空调, 保证电池室内空气流通, 温度接近环境温度, 以防电池过热或过冷。
全钒液流储能电池也称作全钒氧化还原液流电池, 因其拥有诸多优势而被选作为充电站的储能电池。具有以下优点:安全可靠;充电放电次数大于10000次, 寿命长;工作效率极高, 作业效率在75%以上;绿色环保;电解液可多次回收利用, 且不会产生对人体有害物质。
全钒液流储能系统额定功率60千瓦, 平均每天储能10小时, 额定储电容量600千瓦时。其工作原理为夜间用电低谷时段, 市电通过储能逆变器向储能电池输送电能, 达到充电的目的, 在早晚用电高峰时段, 电池通过逆变器放电至10kV的变电所低压母排上, 给充电机充电。另外, 全钒液流储能电池的一个重要作用是当电网供电中断时, 作为应急电源将储能电池中的电导出供充电机应急使用。友谊街充换电站每天按照谷电峰用, 若每天额定充换电各10个小时, 至少节省4050元, 年节约150万元。
全钒液流储能电池用于电动汽车快速充电站, 可以降低充换电站对电网的冲击和电能质量的影响, 降低充换电站的运营成本。随着电动汽车的快速发展, 大规模、高效蓄电型电动汽车快速充换电站有很好的商业化前景。
2 整套系统运行模式
白天:光伏发电、全钒液流储能电池、市电三路供电, 绿色、环保;夜晚:市电供电, 储能电池储存夜间谷电, 谷电峰用。
整套系统具有以下优点:光伏发电/全钒液流储能电池联合供电, 实现光伏可调控性;储能电池可实现市电谷电峰用;光伏发电直接并网, 发电利用率高;市电断电, 储能电池可作应急电源, 供充换电站重要设备使用。
该新能源储能型充换电站供电解决方案, 不仅实现了光伏发电和夜间谷电的充分利用, 并且大大提高了充换电站的供电稳定性和可靠性, 增加了电动汽车快速充换电站绿色、环保的低碳理念, 完全体现了充换电站建设理念。
3 推广应用前景展望
随着电动汽车的发展, 世界各国已将电动汽车充换电站的建设纳入日程。以色列、日本和美国都已制订明确的电动汽车充换电站建设计划, 帮助电动汽车在本国早日实现商业化。
我国政府已出台一系列的政策来支持电动汽车的发展及充换电站的建设。2009年初, 科技部和财政部提出“十城千辆”电动汽车示范应用工程。即通过连续3年的推广, 对国内10个大城市进行1000辆新能源汽车试验运行, 由此扩大新能源汽车供应设施规模。2009年3月公布的《汽车产业振兴规划细则》中提出要实施以电动汽车为主的新能源汽车战略, 到2011年要形成50万辆电动汽车的产能, 同时也明确指出, 于2009年12月推出新能源汽车基础建设规划, 建立电动汽车快速充电网络, 加快停车场等公共场所公用充电设施建设。
电动汽车充换电站的建设正随着电动汽车的快速发展逐渐受到关注, 商业化前景日渐明朗。全钒液流储能电池用于蓄电型电动车充换电站, 可以降低充换电站对电网的冲击和电能质量的影响, 降低充电站的运营成本, 具有很好的产业化和市场化应用前景。
大连作为科技部“十城千辆”电动汽车示范城市之一, 于2008年12月18日全面启动节能与新能源汽车示范工程, 将一汽集团提供的12辆混合动力客车正式投放大连市15路公交客运线路运行。大连市电动汽车充换电站的建成对全国具有很好的示范作用, 对促进电动汽车在全国的应用推广, 推动光伏等可再生能源的发展, 提高我国在电动汽车充换电站及大规模全钒液流储能电池领域的核心竞争力, 提升我国储能电池产业化技术水平, 有利于促进我国产业升级, 提高国家科技竞争力。
4 结束语