以色列的汽车充电站（精选7篇）
以色列的汽车充电站 篇1
0 引言
电动汽车充电站不仅为电动汽车的规模化推广提供重要的能源保障, 还可以提高电力系统运行调度的灵活性, 对于电力系统来说, 充电站可被视为一种充电负荷。由于电动汽车的运行规律具有较强的随机性, 如何建立能够正确反映这种随机性, 同时有效实用的电动汽车充电站概率负荷模型是研究中一个亟待解决的问题。
文献[1]讨论了电动汽车充电负荷的影响因素, 指出了电动汽车充电负荷具有时空随机性的特点。文献[2]采用蒙特卡洛模拟抽取了电池的开始荷电状态 (state of charge, SOC) 与开始充电时间来模拟充电过程的随机性, 得到了充电负荷曲线。文献[1-2]从宏观上全面地研究电动汽车及其电池的充电过程, 但对于电动汽车充电站充电过程的研究有待深入。文献[3]采用排队论模拟电动汽车的充电行为并得到了充电负荷模型。文献[4]研究了电池更换站的运行规律, 采用二阶段充电模型优化充电开始时间与备用电池数量。文献[3-4]分别深入研究了充电型和换电型的电动汽车充电站的充电过程, 但对于这两类充电站充电过程的综合研究仍需进一步开展。以上研究中关于电动汽车充电站的负荷建模方法, 虽然能够在一定程度上反映电动汽车运行规律的随机性, 但对于电动汽车充电站类型的考虑不够全面, 同时所建立的负荷模型的概率分布规律较为简单, 通用性也稍显不足。
建立具有通用性的电动汽车充电站概率负荷模型需要全面细致地研究建模过程中的影响因素, 同时对于影响因素的重要性进行一定的筛选。文献[5-7]综合讨论了电动汽车充电站建模中涉及的影响因素。这些影响因素涉及了电力系统运行、控制、管理的整个过程, 包括电动汽车的能源补给方式、运行规律、电池特性、充电控制方式, 以及充电设施类型和布局等方面。文献[8-9]分别研究了国外和国内的电动汽车充电方式协议, 文献[9]中还讨论了不同类型车辆的运行规律。文献[10]提出了充电功率、日行驶里程数、开始充电时刻为居民区内电动汽车负荷的影响因素。文献[11]从开始充电时刻、开始SOC、结束SOC的角度研究公共场所内电动汽车的负荷模型;文献[12-13]分别讨论了米兰和巴塞罗那电动汽车的充电负荷规律曲线;文献[14]则提出了专门为私家车与公共车辆服务的充电站的充电负荷曲线。以上研究从不同方面对电动汽车充电站建模过程中的影响因素进行讨论, 由此得出结论:只有通过深入研究充电站概率负荷建模过程中相关的关键影响因素, 并根据不同影响因素的概率统计规律, 结合不同类型充电站随机性的特点, 才能建立能够有效地应用于研究充电站充电负荷对于电力系统的填谷效应、经济运行等方面影响的概率负荷模型。
针对上述研究中存在的问题, 本文根据充电方式、地理位置、出行特征的特点将电动汽车充电站分为电池更换站、居民区充电站、公共场所充电站三类典型充电站。采用蒙特卡洛模拟与概率统计分析相结合的方法综合得出了电动汽车充电站的充电负荷曲线, 从而建立了概率负荷模型。最后, 应用所建立的概率负荷模型, 采用粒子群算法进行优化, 得到了满足填谷效应最优的三类典型充电站的优化配置方案, 以验证所建立概率负荷模型的有效性和实用性。
1 电动汽车充电站的分类
电动汽车充电方式可分为电池更换和直接充电, 其中直接充电方式根据充电功率的不同可分为常规充电和快速充电。电动汽车充电站的充电负荷不仅与充电站的充电方式有关, 而且受充电站用户所处地理位置、出行特征影响, 按照充电方式、地理位置、出行习惯将电动汽车充电站分为电池更换站、居民区充电站、公共场所充电站三类典型充电站。
实际应用中电动汽车充电站的类型除了这三类外, 还有集电池更换站与居民区充电站或公共场所充电站于一体的混合充换电站, 其基本特性为电池更换站特性和某一类充电站特性在不同程度上的结合。为了简化分析, 本文仅针对三类单纯的电动汽车充电站形式进行分析, 而对于复合类型的特性, 限于篇幅不再赘述。
1) 电池更换站。该类充电站主要应用于公共汽车、环卫车等公共乘用车, 采用电池更换的方式为电动汽车进行充电, 更换下来电池将在每天电网低谷时段采用常规充电方式进行集中充电。其充电负荷较为稳定, 并且可以通过一定方式进行控制。
2) 居民区充电站。该类充电站位于居民区, 主要为居民提供充电服务, 采用常规充电方式进行充电。其充电负荷受居民日常活动规律的影响一般较为稳定, 居民区的覆盖范围对于充电负荷的大小将产生一定的影响。
3) 公共场所充电站。该类充电站位于中心商业区、办公楼等公共场所, 采用快速充电方式进行充电。其充电负荷由于公共场所多变的人流、车流密度的影响具有极强的随机性, 同时与人们日常的作息习惯也存在一定的联系。
2 电动汽车充电站的概率负荷模型
电动汽车运行规律具有的时空随机性是研究电动汽车充电站概率负荷模型的关键所在, 电动汽车的电池特性、能源补给方式等决定了充电站充电负荷规模。对于三类典型充电站的概率负荷模型建模需根据不同类型充电站的运行规律, 同时结合充电站充电负荷规模综合考虑。文献[15-17]中充电站的负荷模型是基于对电动汽车运行规律中一些影响因素的随机性进行假设, 再计算出相应的充电负荷曲线来实现的。充电负荷曲线能够反映负荷模型随机性的特点, 同时通过一定数量的模拟次数能够反映负荷模型的概率性。本文在上述建模方法的基础上, 深入研究三类典型电动汽车充电站的随机性, 对不同类型充电站影响因素的概率统计规律进行分析, 并进行一定规模的蒙特卡洛模拟, 从而得到三类典型充电站的充电负荷曲线, 建立概率负荷模型。
2.1 电池更换站
电池更换站主要应用于公共乘用车, 这类车辆的运行规律相对比较稳定, 电池充电方式为常规充电。基于文献[9]中对于公共乘用车运行规律的研究结论, 结合电池更换站的电池数量、充电设备充电功率情况等影响因素的概率统计规律综合分析, 对于电池更换站充电负荷的影响因素作出以下假设:①开始充电时刻满足当天的12:00—14:00、当天23:00至次日05:00的均匀分布;②开始SOC满足正态分布;③电池每次充电都充至满电量;④常规充电功率满足正态分布。电池的充电时间长度为:
式中:Cap为电池容量;η为充电效率;p1为常规充电功率期望;SSOC0为电池开始SOC。
电池更换站的充电负荷曲线是通过先将每一块电池的充电负荷求出, 再将每块电池的开始充电时刻与充电时长进行叠加求出一天中每小时的充电负荷, 继而将全天24h的充电负荷分别求出, 之后将多次蒙特卡洛模拟求出的充电负荷求取平均值, 最终得到全天的充电负荷曲线, 从而建立电池更换站的概率负荷模型。电池更换站充电负荷曲线的流程图如图1所示。
全天某1h的充电负荷为:
式中:Lbi为电池更换站第i小时的充电负荷;N为蒙特卡洛模拟的次数;Nm为第i小时进行充电的电池数量;m=1, 2, 其中m=1表示白天充电, m=2表示晚上充电;pbk为第i小时内第k块电池的充电负荷, 为恒定值;fave (·) 为求平均值函数。
本文选取白天充电电池数量N1=40, 晚上充电电池数量N2=100, 蒙特卡洛模拟次数N=1 000, 电池容量Cap=14kW·h, 充电效率η=0.9, 常规充电功率期望p1=3.5kW, 以得出电池更换站的充电负荷曲线。
2.2 居民区充电站
居民区充电站的服务对象为居民区中的居民, 电动汽车充电方式为常规充电。由于居民的活动规律既具有一定的随机性, 也符合一定的规律性, 并且具有多样性和复杂性, 因此居民区充电站的概率负荷建模需要对于居民活动的随机性综合考虑, 突出其中主要的影响因素, 忽略一些次要的影响因素。基于文献[13]的假设, 同时考虑到居民区充电站的特点, 对于居民区充电站充电负荷的影响因素作出以下假设:①充电功率、日行驶里程数、开始充电时刻为相互独立的随机变量;②居民最后一次出行返回后立即进行充电;③考虑到电池容量与充电功率的大小, 每次充电都能够将电池充至满电量;④常规充电功率满足正态分布。
居民开始充电时刻和日行驶里程数由出行习惯和行驶特性决定, 根据2001年美国交通部对全美家用车辆调查的统计结果[18], 假设日行驶里程数满足对数正态分布, 开始充电时刻满足分段正态分布。
日行驶里程数、开始充电时刻的概率密度函数分别如式 (3) 和式 (4) 所示, 经过推导可以得到电动汽车的充电时间长度和相应的概率密度函数分别如式 (5) 和式 (6) 所示:
式中:μd和σd、μs和σs分别为日行驶里程数、开始充电时刻的期望和标准差;w为每100km耗电量。
居民区充电站的充电负荷曲线是通过先计算一天内每1h的充电概率, 再根据充电的电动汽车数量与充电功率的大小, 求出每1h的充电负荷, 之后再求出全天24h的充电负荷, 最后将多次蒙特卡洛模拟的充电负荷求取平均值以得到充电负荷曲线, 从而建立概率负荷模型。居民区充电站充电负荷曲线的流程图如图2所示。
全天某1h的充电负荷与充电概率分别如式 (7) 和式 (8) 所示:
式中:Lri为居民区充电站第i小时的充电负荷;pci为第i小时的充电负荷;Pi为居民区充电站第i小时的充电概率;Pscr为开始充电时刻与充电时间长度在第i小时的联合概率分布, 即Pscr=PsrPcr;tsr为居民区充电站开始充电时刻;tcr为居民区充电站充电时长。
本文选取蒙特卡洛模拟次数N=1 000, 电动汽车数量为500辆, 日行驶里程数、开始充电时刻的概率密度函数的期望和标准差分别为μd=3.2和σd=0.88、μs=17.6和σs=3.4, 每100km耗电量为15kW·h, 以得出居民区充电站的充电负荷曲线。
2.3 公共场所充电站
公共场所充电站主要位于中心商业区, 电动汽车充电方式为快速充电。人流和车流的密度高、变化大, 充电负荷的随机性极强, 其影响因素极为复杂多样。基于文献[12-13]的研究结论, 利用文献[11]的假设, 对于公共场所充电站充电负荷的影响因素作出以下3点假设:①开始充电时刻、开始SOC、结束SOC为相互独立的随机变量;②开始SOC、结束SOC均满足正态分布;③快速充电功率满足正态分布。
电动汽车的充电时间长度、函数分别如式 (9) 和式 (10) 所示:
式中:SSOC1为电池结束SOC;p2为快速充电功率期望;μcp和σcp分别为公共场所充电站充电时间长度的期望和标准差, , 其中μ0和σ0分别为电池开始SOC的期望和标准差, μ1和σ1分别为电池结束SOC的期望和标准差。
基于文献[14]中对于公共场所中电动汽车日常运行规律的分析, 在文献[11]假设电动汽车的开始充电时刻满足三分段的均匀分布的基础上, 为了更加准确地反映公共场所中电动汽车日常运行规律的复杂随机性, 本文选择将开始充电时刻假设为满足六分段的均匀分布, 由此得到第i分段的概率密度为:
式中:ti-1, ti分别为分段的时间段上、下限;ki为比例系数。
公共场所充电站充电负荷曲线的计算方法与居民区充电站的计算方法相似, 流程图与图2相似, 限于篇幅不再赘述。
本文选取蒙特卡洛模拟次数N=1 000;电动汽车数量为300辆;公共场所充电站充电时间长度概率密度函数的期望和标准差分别为μcp=0.32和σcp=84;快速充电功率期望为p2=24kW·h;分段的时段分别为0~7时段、7~11时段、11~16时段、16~19时段、19~22时段、22~24时段, 以得出公共场所充电站的充电负荷曲线。
3 电动汽车充电站概率负荷模型的应用
电动汽车充电站作为充电负荷, 其具有随机性, 但也具有一定的灵活性, 如何合理地配置三类典型充电站的比例, 实现电力系统的填谷效应最优, 对于保证电力系统的安全稳定经济运行具有重要的意义。
某地区的典型负荷曲线和电动汽车充电站的充电负荷曲线均采用标幺化, 基准值分别为pbase和pbase_cs, 定义电动汽车充电站的渗透率rp为:
图3为夏冬两季时标幺化的某地区典型负荷曲线, 可以看出, 夏季时负荷大于冬季时负荷, 同时夏季的最大负荷时刻要晚于冬季。
3.1 填谷效应最优的充电站配置方案
电动汽车充电站作为充电负荷会增大电力系统的负荷, 不同类型充电站的充电负荷曲线具有显著区别, 合理的充电站配置方案能够在系统处于负荷低谷时提高负荷需求, 同时在负荷高峰时减少负荷需求, 实现系统填谷效应的最优。
建立电动汽车充电站配置方案的填谷效应最优模型的目标函数与约束条件分别如式 (13) 和式 (14) 所示。
式中:x1, x2, x3分别为电池更换站、居民区充电站、公共场所充电站的配置比例;Ai, Bi, Ci, Di分别为电池更换站、居民区充电站、公共场所充电站、典型负荷曲线的负荷矩阵中的元素;i=1, 2, …, 24。
粒子群算法具有计算效率高、搜索能力强的特点。本文选择采用粒子群算法计算满足填谷效应最优的充电站配置方案。具体的优化过程如图4所示。
粒子群算法优化的具体步骤如下。
步骤1:根据填谷效应优化问题的规模, 确定粒子群算法的进化代数max g、种群规模s。
步骤2:根据充电站配置比例的约束条件 (式 (14) ) , 确定粒子的位置和速度的最大值pmax和Vmax, 最小值pmin和Vmin;同时随机产生粒子的位置和速度的初始值p和V。
步骤3:根据填谷效应的目标函数 (式 (13) ) , 确定适应度函数, 并计算初始值。
步骤4:根据步骤3中的适应度初始值寻找初始的个体极值和群体极值。
步骤5:按照式 (15) 至式 (17) 对粒子的p和V进行更新。
式中:ω (i) , ωs, ωe分别为第i代的惯性权重、初始权重、末尾权重;Vikd, Xikd, Pikd分别为第i代个体k在d维的速度、位置、个体极值;Pigd为群体位置;i=1, 2, …, max g;k=1, 2, …, s;d=1, 2, 3;c1, c2为加速度因子;r1, r2为0~1间的随机数。
步骤6:根据第i代更新后粒子的速度、位置Vkdi+1和Xkdi+1计算新的适应度的值。
步骤7:根据第i代更新后的适应度值寻找新的个体和群体极值Pkdi+1和Pgdi+1。
步骤8:判断进化代数是否满足计算终止条件, 如满足则转到步骤9, 不满足则转到步骤5。
步骤9:结束粒子群算法优化, 输出优化结果。
3.2 仿真分析
三类典型电动汽车充电站的配置比例不同, 对于充电站填谷效应的影响也不同。算例中粒子群算法的初始参数分别为:max g=5 000, s=1 500, ωs=0.9, ωe=0.4, c1=0.1, c2=0.1。表1为夏冬两季充电站渗透率分别为10%和30%时两种典型配置方案与粒子群优化的配置方案的填谷效应比较。方案1属于以电池更换站为主, 居民区、公共场所充电站为辅的配置方案;方案2属于以居民区、公共场所充电站为主, 电池更换站为辅的配置方案。
不同配置方案的仿真结果如图5所示。鉴于夏冬两季粒子群算法优化的迭代收敛过程相似, 本文仅提供夏季的情况, 夏季粒子群算法优化的迭代过程如图6所示。
通过分析图5和图6可以得到以下结论。
1) 三个方案中粒子群优化方案的填谷效果最优, 方案1次之, 方案2较差。这说明采用粒子群算法优化得到的配置方案, 相比于电池更换站为主或充电站为主的配置方案, 能够有效地实现充电站填谷效应的最优化, 同时也说明发展以换电为主的电动汽车充电站的建设较有利于实现电力系统填谷效应的优化。
2) 夏冬两季的仿真结果表明, 采用粒子群算法优化得到的配置方案的迭代过程能快速收敛, 有效地实现填谷效应的最优化, 说明该优化方法能不受负荷曲线变化的影响实现充电站配置方案的优化。
3) 随着渗透率的提高, 粒子群优化配置方案的填谷效应最优化越来越显著, 说明电动汽车充电站接入电力系统的数量越多, 该优化配置方案的优化效果越为明显。
4 结语
针对电动汽车充电站通用性负荷建模方面研究的不足, 根据电动汽车充电站的充电方式、地理位置、出行特征的特点, 将充电站分为电池更换站、居民区充电站、公共场所充电站三类典型充电站。通过全面研究三类典型充电站的充电负荷影响因素, 将蒙特卡洛模拟与概率统计分析相结合, 综合得到了三类充电站的充电负荷曲线, 从而建立概率负荷模型, 并在此基础上解决了电动汽车充电站实现填谷效应最优的配置方案问题。对某地区夏冬两季时不同电动汽车充电站渗透率的情况进行仿真分析, 结果表明采用所建立的电动汽车充电站概率负荷模型能够有效地解决问题, 具有实用性。
以色列的汽车充电站 篇2
作为电动汽车重要的配套设施,充电站的规划建设会对电动汽车的推广产生重大影响,规划合理、使用便捷的充电站将会对电动汽车的大规模应用产生有力的推动作用。
作为重要的商业设施,充电站的建设需要考虑经济收益[1,2,3]。充电站的经济收益主要通过向电动汽车售电获取,因而,经济收益的多少和充电站所服务的电动汽车数量及充电频率有关,充电站服务的电动汽车数量越多,电动汽车充电的次数越高,充电站所能获取的收益就越多。
当前,充电站的规划多是在满足电网约束条件[4,5,6]、交通约束[7,8]和用户使用需求[9,10,11]的情况下,从运营成本最低的角度考虑[12,13],忽略了充电站的商业属性,不利于激发充电站建设的积极性。
部分文献从收益的角度出发,对充电站建成后未来可能获得的经济收益[14,15]和社会收益[3,10]进行分析。文献[14]从充电站运营情况出发,根据电网分时电价制定相应控制措施,使得充电站的收益最大; 文献[15]对有序和无序充电两种情况进行了比较,证明了在有序充电的情况下其收益更大; 文献[3,10]则分别考虑了充电站能够降低规划区域内的碳排放量,对由此增加的低碳收益进行了分析。但无论是在分析经济收益还是分析社会收益时,这些方法多将未来服务的电动汽车的数量视为固定不变的常数,每年提供的电能也多用固定容量代替,这与电动汽车发展的实际情况不相符合。实际中,某一地区的电动汽车数量多是发展变化的,它受国家政策、配套充电设施建设情况等因素的影响。作为配套设施的充电站建设越多,使用越方便,公众购买电动汽车的积极性就越高,电动汽车数量的增长就会越快; 电动汽车充电越便捷,用户使用电动汽车的愿望就越强烈,使用频率也就越频繁,到充电站充电的次数就会越多。电动汽车的数量越多,总的充电次数就会越多,充电站的收益将会越大。
因而,充电站的规划结果和影响因素之间存在着相互影响、相互关联的关系,在对充电站进行规划时,需要对这种关联关系加以考虑。
为准确计算出充电站的收益,本文将引力模型引入到充电站的规划建设中,利用引力定律分别建立了电动汽车数量和充电次数的引力发展模型。首先,分析了充电站对用户购买电动汽车的影响,建立了充电站的等级、距离和电动汽车数量的引力模型;其次,建立了充电站便捷系数和用户充电次数关系模型; 在计算充电站收益时,考虑增加的电动汽车,使得充电站预测收益更加符合实际; 最后使用微分进化算法对该模型进行求解。
2 引力模型
根据万有引力定律,任意两个质点之间引力的大小与其质量成正比,与距离的平方成反比。而在物体质点内部,引力不变。万有引力拓展式为:
式中,G为引力常数; m1、m2为两质点的质量; R为两质点之间的距离; RE为任意一质点的圆内半径;F0为圆内半径引力的大小。
引力定律作为一种通用规律,可用于描述相互作用的多个因素之间的关联关系,在道路规划[16]、居住点优化[17]和开发区的规划建设[18]中得到了应用。
电动汽车充电站和用户之间存在着相互的吸引和促进,充电站等级越高,区域内电动汽车数量越多,两者的相互吸引作用越强,电动汽车到充电站充电越方便,用户购买电动汽车的欲望就越强,电动汽车的数量增长速度也就越快; 同理,两者的相互吸引越强,电动汽车充电越便捷,用户使用就越多,到充电站充电的次数就会增加越多。
因此,在对充电站进行规划建设时,需要考虑充电站和电动汽车之间的相互吸引和影响。而作为两个相互作用的对象,充电站和电动汽车之间的相互吸引作用与自然界通用的万有引力模型相似,充电站为相互作用的一方,其等级和规模等效于作用一方的质量; 电动汽车为相互作用的另一方,其数量起到的作用与引力中的质量相似。因而,万有引力模型可用来表示两者间的相互作用关系,较适合用来反映相互联系对电动汽车数量及充电次数的影响。
3 考虑引力影响的电动汽车数量
充电站和用户是相互作用的两个对象,充电站对用户产生吸引作用,充电站建设等级越高,电动汽车充电就会越方便快捷,对未购买电动汽车的用户能够起到较好的宣传示范作用。区域内电动汽车的数量越多,示范作用越明显,对其他用户购买电动汽车的促进作用越强,电动汽车的数量增加越多。充电站建设在离用户较近的区域,能够刺激用户购买电动汽车。
根据以上分析,充电站对用户吸引系数Ii为:
式中,K1 ig为等级为g的充电站的引力常数,它与充电站的圆内半径、充电站的建设等级以及用户最大同时充电率Smax有关; r为用户到充电站的距离; Rig为充电站的圆内半径,与充电站服务的最大半径Rmax、充电站服务的汽车数量Pi和充电站的建设等级Gig相关; α 为充电站对用户购买电动汽车的吸引常数。
充电站的圆内半径为:
充电站的引力常数为:
由式( 2) 可知,当用户在充电站影响的圆内半径之外时,充电站建设等级越高,电动汽车数量越多,距离用户越近,则对用户的吸引系数就会越大;随着充电站和用户之间距离的增大,其对用户的吸引力度逐渐较小。由引力模型在经济领域的应用可知,充电站的圆内服务半径与充电站的最大服务半径、电动汽车数量和建设等级相关。在万有引力模型中,在圆内和表面产生的引力相等,本文中的引力常数由充电站的圆内半径、建设等级和电动汽车最大同时充电率决定。充电站的规划应尽可能增大对用户的整体吸引系数,从而对电动汽车用户数量的增长起到促进作用,实现充电站和电动汽车的双向良性循环。
考虑电动汽车发展的自然增长速度 β,以及充电站建设对电动汽车发展的促进作用,某区域内电动汽车数量的增长规律可表示如下:
式中,Pli为第i座充电站第l年服务的电动汽车的数量; Pi为规划充电站i服务的汽车数量; β 为电动汽车的自然增长速度。
充电站对电动汽车用户的引力关系如图1 所示,图1( a) 表示充电站对不同距离用户的吸引系数,图1( b) 表示与图1( a) 对应吸引系数下用户购买电动汽车的等购买概率线,颜色深浅表示吸引系数的大小和充电次数的多少。以充电站建设位置为圆心,实线表示充电站影响的圆内半径,在图1( a)的实线圆内,颜色较深,充电站对用户吸引系数较大,所对应的图1( b) 中用户希望购买电动汽车的欲望强烈,用户购买电动汽车的概率较高,电动汽车增长的数量也会加快,而且在该区域内,充电站对用户的吸引系数相差不大。实心圆外,随着距离的逐渐增大,颜色逐渐变淡,充电站对用户的吸引力逐渐减小,所对应的图1( b) 中用户的购买概率逐渐降低,电动汽车增加的数量相应减少。
4 考虑引力影响的电动汽车充电次数
充电站建成之后,用户使用电动汽车的积极性与充电站的使用便捷性直接相关。充电站建设等级越高,服务能力越强,充电等待时间越短,充电就越便捷; 同样,电动汽车离充电站越近,到充电站充电就越方便便捷。当充电便捷时,用户使用电动汽车的积极性就越高,相应的电动汽车充电次数就会越多。充电站和用户充电次数之间的这种相互影响可以用便捷系数Big表示为:
式中,K2ig为常数系数,其与充电站的圆内半径、用户的便捷常数B0、建设等级和最大同时充电率有关; U为任意电动汽车用户。
用户充电次数和便捷系数成正比,用户的便捷系数越高,其到充电站充电就会越方便快捷,使用电动汽车越频繁,则到充电站充电的次数越高; 反之,则减少了电动汽车的使用频率,进而减少了充电次数; 距离充电站最远的用户,虽然便捷系数较低,日常使用电动汽车用户的频率较低,但其出行还是需要一定的充电次数。设充电次数最小值 ρ,由此建立用户到充电站i的充电次数fi的发展规律:
用户的充电次数和充电站的引力关系如图1 所示,图1( a) 表示不同距离的用户到充电站充电的便捷系数,图1( b) 表示与图1( a) 对应便捷系数下用户的等充电次数线,颜色深浅表示用户的便捷系数的高低和充电次数的多少。在图1( a) 的实线圆内,颜色较深,用户便捷系数较大,所对应的图1( b) 中用户到充电站方便快捷,增加了用户使用电动汽车的频率,从而增加了用户到充电站的充电次数。实心圆外,随着用户到充电站距离的增加,颜色逐渐变淡,用户使用充电站的便捷系数降低,所对应的图1( b) 用户的充电次数逐渐减少。
5 收益最大化的电动汽车充电站选址规划
充电站收益来源是向用户提供电能并获取充电费用。考虑到电动汽车发展的情况,在计算充电站收益时,不仅要考虑规划时充电需求的情况,还要考虑充电站建设后对电动汽车发展可能造成的影响。
考虑电动汽车数量发展的收益规划模型为:
式中
Cl为规划l年充电站的年均收益; Pli为规划l年充电站i的电动汽车数量; pc为电动汽车充电站充电电价;pw为电网电价; Q为用户每次充电电量; Cc为充电站的年均建设成本; τ 为充电站的年收益率; T为充电站的运行年限; Cl r为规划l年的充电站平均年运行成本; Cl s为规划l年用户到充电站的损耗费用; n为规划建设充电站的数量; CAi为单位征地价格; Ai为充电站的征地面积; CBi为充电站购买基础设备成本; μ 为线路损耗与工人工资比例系数; γ 为电动汽车行驶每公里所需费用; ri为用户到充电站i的距离。
6 实例验证
以某区域的电动汽车选址规划为例,验证本文方法的可行性和有效性。该区域为面积( 16 × 16)km2的矩形,内含不同类型的地段,按城市征地性质不同,把这些小区划分为工业区、居民区和商业区三种,三者之间征地成本不同。电动汽车在70 个相对集中的聚点内,每个聚点内的电动汽车数量在15 ~200 之间,聚点位置如图2 所示。
参数选取如下: 工业区、用户区和商业区的征地价格分别为0. 07 万元/m2、0. 21 万元/m2和0. 68万元/m2,不同等级的充电站建设规模参考北京市出台的充电站建设标准。取最大同时充电率Smax=0. 03,为满足最大同时充电率的电动汽车数量要求,n > 3。设充电站运行20 年,年回收率为0. 10,充电量以比亚迪E6 为例,取40 k W·h,电网电价为0. 6元/( k W·h) ,充电站的电价为1 元/( k W·h) ,充电次数阈值fe= 100,充电站的建设应满足未来两年充电服务需求,考虑到电动汽车增长量,两年后的充电站最小建设数量为6 座。
对建立的模型使用微分进化算法进行求解,在规划区域内随机产生充电站的坐标,得到坐标处的收益; 然后通过交叉和变异步骤,得到不同位置的收益; 最后通过选择得到收益最大化的充电站选址规划位置。
算法参数如下: 选取种群规模为500,迭代次数800,交叉因子0. 5,比例因子0. 8,对每个n值运算20 次。
图3 为考虑收益最大时充电站的规划建设选址方案,可以看出,充电站的选址主要在电动汽车聚集点比较集中的区域和征地价格比较便宜的工业区和用户区。由于商业区的单位征地价格比较昂贵,平均分摊到运行年份内的费用较高,使得在该区域建设充电站的相对费用较高,而增加的电动汽车数量、充电次数不能补偿均摊的征地费用。
图4 为采用本文方法时求得的充电站收益与文献[1]方法的对比,虚线所示为根据本文方法得到的收益最大的规划方案。可以看出,本文规划方法求得的收益逐年递增,而一般规划模型中,由于电动汽车数量和充电次数被视为固定不变,其不同年份的收益固定不变; 本文模型中规划充电站收益先增加,后减少,反应了规划结果对电动汽车的影响作用,充电站的规划建设促进了电动汽车数量以及使用频率的增加,使得充电站的收益相应增加,但随着充电站数量的进一步增加,充电收益的增加速度小于建设成本增长的速度,故充电站的收益又逐渐降低; 规划当年的收益要比一般规划算法求解的结果少,主要是由于考虑为电动汽车发展提供充电需要,建设初期的投资成本较高。
由图4 可以看出,本例中规划建设11 座充电站的收益最大,采用引力模型的充电站规划结果,其服务能力随着时间的发展而增加,规划结果能满足未来电动汽车动态发展的需求,减少了因电动汽车增长而对充电站进行改、扩建的费用,总体收益更高。
表1 列出了采用本文引力模型与文献[1]中一般模型进行规划后的充电站服务能力与收益的对比。其中电动汽车实际数量是按某区域2013 年和2014 年电动汽车年增长率分别为9. 5% 和10. 5%计算得到。可以看出,采用一般模型进行求解,规划结果可在短期内满足电动汽车充电的需求,但考虑充电站对电动汽车发展的促进作用,在规划后2 年和4 年时将无法满足电动汽车的实际充电需求,此时需扩建2 座充电站,导致当年的成本增加,收益降低。因而,本文引力模型所得的规划结果可满足未来特定时间内的实际需求。
7 结论
本文建立了基于引力模型的充电站选址规划,以收益最大化为目标函数,动态考虑了用户充电次数模型,根据引力模型分析了充电站建设位置、等级和距离对用户购买电动汽车吸引力以及用户充电次数的影响。充电站规划建设不仅要满足当前电动汽车充电需求,还应该为未来电动汽车的增长预留空间。本文建立了充电站与用户的引力模型,分析充电站对用户影响下电动汽车增长数量。此外,把充电站的建设成本、运行成本以及用户到充电站的费用考虑到充电站规划之中。通过求解该模型,得出了以下结论。
( 1) 根据引力模型,得到充电站影响下电动汽车的增长数量,充电站规划时间相对较长时,年收益较多,这些为电动汽车的推广提供了参考。
以色列的汽车充电站 篇3
近年来我国对于新能源汽车的发展十分的重视, 尤其是对于电动汽车。电动汽车能够有效的降低废气排放、提高国家能源安全, 并推动智能电网的发展。而在电动汽车充电站发展初期, 科学合理的建设方案和运营模式是非常重要的, 这些直接决定了电动汽车充电站是否能够持续稳定发展, 对整个电动汽车产业的发展和国家能源战略目标的实现也会造成极大的影响。
1 电动汽车充电站的建设
电动汽车充电站的主要组成结构就是三台或以上电动汽车交流充电桩和非车载充电机, 这些设备可以在充电过程中监控充电机、动力蓄电池, 并为电动汽车提供充电和更换电池的服务。充电站中有四个系统, 分别是充电系统、配电系统、电池调度系统和充电站监控系统, 而计量功能、充电功能和监控功能是充电站的基本功能, 具体可以细化为电力电池检测、动力电池更换和动力电池维护[1]。充电站不仅需要给电动汽车提供电源, 还要对整个充电站进行监控, 同时它需要行车道、监控室、供电设施、监控室等基础设施, 在充电站的设计中必须考虑被充电车辆的停放和进出, 部分采用电池更换模式的充电站需要给被充电车辆提供更换电池、存储的设备和场所。
1.1 电动汽车充电站施工原则
在对充电站进行总体设计时, 需要融合当地区域的城镇规划和总体规划, 还要能满足防火安全和环境保护的要求, 对于周围的消防、防排洪、交通等公用设施, 应当充分进行利用。充电站的建设首先需要选择合适的地点, 不能选择交通繁忙路段和城市干道交叉路口, 最好在靠近城市道路的地点进行施工, 同时科学合理的设计防排洪设施、电源进出线走廊、进出站道路的位置也是非常重要的。在环境方面, 充电站的建设不仅不能靠近那些具有潜在危险和多尘、有腐蚀性气体的地方, 还不能靠近那些可能积水、地势低洼和高温或有剧烈运动的地方。
1.2 电动汽车充电站规模级别
电动汽车的充电站也有一到四级之分, 一级充电站的动力蓄电池存储能力较大, 一天能够为至少200台中大型的商用车提供充电或更换电池的服务;若是乘用车, 一天至少可以给500台提供充电或更换电池服务。二级充电站相比一级充电站的电池存储能量较小, 一天可以为100到200台大中型商用车提供更换电池和充电的服务, 而对于乘用车, 一天可以给200到500台提供充电或更换电池服务。三级充电站的电池存储能量则一天只能给40到100台大中型商用车提供更换电池或充电的服务, 若是乘用车, 则一天可以给100到200台进行更换电池或充电服务[2]。四级充电站的存储能量是最小, 一天只能给40台大中型商用车提供更换电池或充电服务, 或者一天可以给100台乘用车提供更换电池或充电服务。
1.3 电动汽车充电站监控系统建设
1.3.1 监控后台建设
两台工作站和一台服务器是充电站监控后台的主要组成结构, 通常情况下, 充电站监控后台的建设都是根据自身需要来选择服务器和监控工作站数量的, 以太网络是连接系统内所有计算机的主要网络。配电系统和充电机数据的收集、处理和存储, 监控配电系统和充电机的运行使充电站监控后台的主要工作任务。充电站不仅具有配电站监控SCADA功能, 还有专门针对充电站系统的高级应用功能, 例如智能负荷调控等。
1.3.2 配电系统监控建设
测控和保护是组成配电系统监控的两个部分, 配电系统监控是实现配电系统监控和保护功能的主要方法, 它利用充电站后台系统和通信管理机进行双向数据的交换。配电系统监控中的测控部分具有配电系统各间隔的电压电流等电气参数的遥测功能、重要开关的遥控功能和开关位置的遥信功能。除此以外, 在0.4k V侧还配置了分段备自投装置, 若是其中一路电源失电, 备自投装置就可以快速的合上联络开关, 有效的提高了充电站的供电可靠性。
1.3.3 安防监控系统建设
充电站的门禁、周界安全和门禁的监控, 还有视频监控都是在安防系统内完成的, 它主要利用通信管理机来获取充电机和配电系统监控的告警信息, 给视频联动监控提供了数据依据。充电站的安防监控系统主要组成设备有红外报警器、监控屏柜、摄像机等。
2 电动汽车充电站的运营模式
2.1 整车充电模式
目前有很大一部分国家都在研究电动汽车充电站的整车充电模式。这种模式将电动汽车的电池和车辆视为了一个整体, 生产成本较低、容量较大, 充电较快、寿命较长的电池产品是它规模化发展的关键, 很好的满足了人们的便捷性要求。这种模式共有两种类型, 一种是常规充电, 一种是快速充电。常规充电就是在蓄电池放电终止后进行充电, 它的充电时间一般为五到八个小时, 较长的能够达到十至二十个小时。虽然这种充电方式的时间较长, 但充电器安装成本较低。这种充电方式比较适合市内环卫车、企业商务车和私家车等车辆。快速充电则是在电动汽车停车的二十分钟到两个小时内, 给其提供短时的充电服务, 这种方式可以大容量的充电和放电, 便于人们的使用。这种充电方式适用于出租车和公交车等车辆[3]。而整个整车充电模式的运营需要政府部门、电动汽车制造商、电池生产商和能源供给企业、建站企业等部门的参与。首先需要能源供给企业支付一定的建站费用给建站企业来进行充电站的建设, 完成充电站的建设之后, 能源供给企业和充电站会在用户来充电站对电动汽车充电时收取一定的费用来实现自身的盈利。刷卡是整车充电管理和缴费的主要形式, 能源供给企业会给用户提供统一的IC卡, 电动汽车用户只需要使用能源供给企业提供的IC卡就可以进行汽车的充电缴费了。目前为止电动汽车的充电电价还没有统一的规定, 一般按照其地区的商业用电其他类型进行费用收取。
2.2 更换电池模式
更换电池模式没有将电池和车辆视为一个整体考虑, 而是将它们分开进行考虑。这种模式的主要思路是用户只需要购买汽车, 电池的购买、充电和更换、管理等可以让专门的电池租赁公司负责, 这样就可以为用户的能源供给提供方便。利用各个电池更换站集中对标准化的电池进行充电是它主要的运营模式, 在用户需要能源供给时可以立即更换充好的电池, 给用户的使用提供了很大便利。电池的更换、租赁和维护回收都在它的具体运营过程内。在电池的租赁方面, 需要能源供给企业进行电池的购买, 然后向建站企业支付一定的建站费用用于电池更换站的建设, 电动汽车用户在完成汽车的购买之后可以前往电池更换站, 首先办理相关的电池租赁手续, 再支付一定的租金就可以直接使用电动汽车了。租赁手续和租金的具体数额由相关部门协商决定。在电池的使用过程中难免会有容量不均衡的现象出现, 所以充电站建设中需要设置检测电池容量的设备, 还有充放电维护的设备, 一旦发现个别电动汽车的动力电池容量有了明显下降, 就需要利用设备进行容量检测, 对容量落后的电池进行多次充放电操作, 使电池内的活性物质激活, 从而有效的恢复电池容量。在电池的回收方面, 电池租赁也有较大的好处, 可以通过电池租赁的方式对电池进行再回收, 不仅可以对废弃电池进行专业的处理, 还可以使运营成本有效的降低, 从而使系统综合成本得到下降。
3 结语
电动汽车有着零污染、零排放的特性, 它是新能源中的绿色产品, 有着非常广阔的发展前景。能源补给是保证电动汽车发展的重要前提, 电动汽车充电站是电动汽车能源补给的基础设施, 只有电动汽车充电站拥有良好的建设和运营模式, 才能有效的促进电动汽车的发展。
参考文献
[1]周伟, 施勇, 杨帆, 王文斌.电动汽车单相智能无损化充电系统研究[J].华东电力, 2014 (08) .
[2]张曦予, 李秋硕, 陶顺, 肖湘宁, 赵炳强.电动公交车充电站功率需求影响因素分析及建模[J].现代电力, 2014 (01) .
以色列的汽车充电站 篇4
关键词：电动汽车充电站,用户分类,充电需求,预测
汽车的普及不仅加剧了石油资源短缺,还带来了大气污染以及全球变暖等多方面的问题,电动汽车的大规模推广使用便成了必然趋势。电动汽车的充电系统是发展电动汽车的重要基础支撑系统,也是电动汽车商业化、产业化过程的重要环节[1,2]。电动汽车充电站的规划与建设需要根据充电需求同时结合充电站的充电方式来确定,所以准确预测区域内电动汽车的充电需求是进行充电站规划的首要任务[3]。本文首先对某区域内电动汽车保有量进行了预测,然后根据电动汽车的用途及活动范围将其分类,并根据不同类型电动汽车的特点进行充电方式的选择,最终预测出充电站的需求量。
1 区域电动汽车保有量预测
1.1 区域汽车保有量预测
区域汽车保有量受到多方面因素的影响,本文首先在现有历史数据的基础上采用多元线性回归的方法对未来某时间段内某区域汽车保有量进行预测。多元线性回归的主要思想是将因变量视为多个自变量的线性组合,其数学表达式为
式中:t=1,2,…,n;yt为因变量;xt1,xt2,…均表示自变量;β0表示截距项;βi(i=1,2,3,…)表示总体回归系数;ut表示随机误差。yt与xtj已知,βi与ut未知。当给定一个样本(yt,xt1,xt2,…,xtk)时,多元线性回归模型可以表示为
其相应的矩阵表达式为
多元线性回归数学表达式中忽略随机误差一项后剩余的部分称为总体多元线性回归方程,简称总体回归方程,用E(yt)表示,其数学表达式为
针对区域汽车保有量预测问题,式(1)中的E(yTi)和xij都可以根据历史数据得到,所以βi可以根据历史数据求得,矩阵β的求解表达式为
在此基础上,综合考虑影响汽车保有量的因素,根据其历史数据即可预测得未来某段时间内某区域的汽车保有量。
1.2 区域电动汽车保有量预测
根据电动汽车的活动规律可将区域内的电动汽车分为规律性较强的用户(记为A类用户)、规律性一般的用户(记为B类用户)、随机性用户(记为C类用户)。A类用户不论在活动时间方面还是在活动范围方面,都有很强的规律性,主要包括公交车、环卫车以及单位接送员工上下班所用的大巴车等;B类用户在活动时间和活动范围方面有一定规律性,但规律性不强,主要包括私家车、公务车以及季节性旅游车等;C类用户不论在时间方面还是活动范围方面都毫无规律性,主要包括货车等。
在预测得知某区域汽车保有量的基础上,通过Bass扩展模型即可求得区域电动汽车的保有量[4]。A类用户的数量在很大程度上受到区域经济、环境以及相关政策的影响,所以区域内A类用户的数量完全可以通过调查得知;B类用户也具有一定的规律性,可以通过空间负荷预测法或时间序列法预测得知;C类用户具有很强的随机性,预测其保有量比较困难,最好的办法是先调查区域车流量,然后通过车型和车牌号分类法对区域C类负荷进行预测。
2 充电站需求电量预测
根据区域A、B、C三类用户的保有量可以求得充电站蓄电量的计算公式为
式中:W为换电站所需的电量;WA为A类用户日需电量;WB为B类用户日需电量;WC为C类用户日需电量。
A类用户日需电量为
式中:WA,av为A类用户平均需电量;NA为区域A类用户的数量;TA,av为区域A类用户平均每天充电次数。
居民小区、超市、商场以及其他公共场所B类用户分布较为集中,可以通过空间负荷预测方法对日需电量进行预测[5]。将区域土地根据用途不同进行分类,由于用途不同,每种类型土地电动汽车充电功率密度不同。假设某区域按照电动汽车充电功率分为N个子区域,则该区域电动汽车所需充电电量为
式中:WBi,av为编号为i子区域B类用户平均日需电量;NBi为编号为i子区域B类用户的数量;TBi,av为编号为i子区域B类用户平均每天充电次数。
C类用户充电随机性很强,在调查区域车流量的基础上,通过车型和车牌号分类法对C类负荷进行预测。假设C类用户每天最多在该区域充电1次,则C类用户日需电量为
式中:F为日车流量;PC为C类用户所占的比例;vi、vo分别为区域内、外C类用户的比例;WC,i,av、WC,o,av分别为区域内、外C类用户的平均日需电量;ρi、ρo分别为区域内、外C类用户中需要充电的用户所占的比例。
按照电动汽车用户分类的方法可以预测区域充电站需求电量为
3 充电站需求预测
用户性质不同,对充电站的配置、充电方式要求也不完全相同,电动汽车常见的充电方式有恒流法、恒压法等。本文针对各类用户对充电时间的要求不同,将充电站分为快速充电站和普通充电站。其中快速充电站主要针对C类用户,同时考虑部分B类用户;普通充电站主要针对A类用户和部分B类用户。由此可分别求得区域所需的快速充电站的数量Nf和普通充电站的数量Ns。
式中:μs、μf分别为日常维护、特殊事件备用系数;vs、vf分别为B类用户采用普通充电方式、快速充电方式所占的比例;Ps、Pf分别为普通充电站、快速充电站的充电功率;Ts,av、Tf,av分别为普通充电方式、快速充电方式所需的平均时间。
4 算例分析
鄂尔多斯市某开发区占地16.6 km2,预计2020年人口密度为6 400 人/km2,人均汽车保有量26%,其中电动汽车占汽车保有总量的17%(A类用户占4%,B类用户占13%)。该区域B类用户又分为居民小区用户(记作B1类用户)和公共场所用户(记作B2类用户),B1类用户约占70%,B2类用户约占30%。A、B两类用户日均行驶里程、耗电量等参数如表1所示。
对于C类用户,区域日均车流量为9 670辆,其中C类用户占8%;区域内、外C类用户的比例为4∶1(分别记为C1类用户、C2类用户);区域内、外C类用户中需要充电的电动汽车分别占总数的20%、30%;区域内、外C类用户行驶每公里耗电量分别为0.28 kW·h、0.40 kW·h;区域内、外C类用户平均日行程分别为60、50 km。
据此可以预测得该区域A、B、C三类用户的日平均耗电量如表2所示(按最大行程计算)。
为方便计算,假设100%A类用户、90%的B类用户采用普通充电方式,其余的B类用户和C类用户采用快速充电方式。一般快速充电平均充电时间为20 min～2 h,普通充电时间为5～8 h[6]。取快速充电平均耗时45 min,普通充电平均耗时7 h,μf、μs分别取为1.30、1.25,文献[7]中提到充电站的充电功率为96 kW,在此基础上可以求得区域所需快速充电站数量为2,,普通充电站数量为9。
5 结 语
本文阐述了多元线性回归预测法在区域电动汽车充电站需求预测中的应用,建立了基于用户分类的电动汽车充电站需求预测模型,根据A、B、C三类用户的特点,分别运用不同的方法对用户数量、日耗电量进行了预测,最终求得区域所需快速充电站和普通充电站的数量。算例结果表明,本文所采用的基于用户分类的区域电动汽车充电站需求的模型和方法切实可行,为区域电动汽车充电站需求预测提供了一定的理论参考。
参考文献
[1]李菱,李燕青,姚玉海,等.基于遗传算法的电动汽车充电站的布局规划[J].华东电力,2011,39(6):1004-1006.
[2]周嗣理.含光伏电源电动汽车充电站的设计与仿真研究[D].合肥:安徽大学,2008.
[3]徐凡,俞国勤,顾临峰,等.电动汽车布局规划浅析[J].华东电力,2009,37(10):1677-1680.
[4]姚建歆,王媚,罗伟明.电动汽车充电系统建设应用分析与研究[J].华东电力,2008,36(8):107-110.
[5]罗卓伟,胡泽春,宋永华,等.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.
[6]郝娟,李强,岳建华.电动汽车充电站充电模式探讨[J].内蒙古电力技术,2010,28(S2):7-9.
以色列的汽车充电站 篇5
1.1 低碳经济将催生电动汽车行业的快速发展
早在2000年相关研究就已证实, 城市空气中的有害有机物质主要是挥发性有机碳 (VOC) 和多环芳烃 (PAH) , 汽车尾气排放是空气中PAH污染的主要来源。大量的汽车尾气排放危害城市环境, 引发呼吸系统疾病, 造成地表空气臭氧含量过高, 加重城市热岛效应, 使城市环境转向恶化。进入21世纪, 汽车污染日益成为全球性问题, 目前全世界已有两亿多辆汽车, 仅每年总铅量的排放就达40万吨, 成为最严重的大气污染源。
在刚刚结束的哥本哈根“世界气候大会”上, 当各国正在为商讨《京都议定书》一期承诺到期后的后续方案争得不可开交的时候, 中国以负责任的大国的形象第一次以约束性指标的方式宣布了四项承诺:到2020年中国单位GDP二氧化碳排放将比2005年下降40%～45%;非化石能源占一次性能源消费比重达到15%左右;森林面积比2005年增加4000万公顷, 森林蓄积量比2005年增加13亿立方米;大力发展绿色经济, 积极发展低碳经济和循环经济, 研发和推广气候友好技术。
由此可见, 国内外社会政治经济环境决定了中国必将大力发展新能源与低碳经济, 而电动汽车行业将会借此契机得到长足发展。根据杭州万向电动汽车有限公司提供的数据, 与传统的柴油动力公交车相比, 电动公交车每行驶5000米可减少排放二氧化碳20克、颗粒物2克、碳氢化合物18克。据业内专家预测, 到2020年, 中国10%～20%的乘用车销量将来自纯电动车、充电式混合动力和其他新能源汽车。
1.2 电动汽车产业的发展前景
技术因素、整车价格因素、配套充电设施因素长期以来一直是制约电动汽车普及的重要原因。
技术因素中, 电池是关键环节, 汽车动力电池难在低成本要求、高容量要求及高安全要求三个方面。近年来, 随着氢镍电池、铁电池、锂离子电池、锂聚合物电池、燃料电池等新型电源的推广应用, 传统的铅酸蓄电池已逐渐被其他低成本、高容量、高安全要求的蓄电池所取代。此外, 电动汽车其他相关技术近年也都取得巨大进步, 例如, 交流感应电机及其控制、稀土永磁无刷电机及其控制、电池和整车能量管理系统、智能及快速充电技术、低阻力轮胎、轻量和低风阻车身、制动能量回收等。
技术的进步很大程度上推动了电动汽车制造业及其零部件配套产业经济规模的快速成长, 至2010年1月, 已有42家企业的新能源汽车被列入工信部生产企业和产品公告目录, 符合工信部、科技部、财政部和发改委等部委相关要求的新能源汽车达47个品种, 涵盖了普通混合动力车型及插电式混合动力车型, 有轿车、客车、清扫车等。在电动汽车产品上, 自主品牌厂商比亚迪已在2008年12月推出了比亚迪F3DM, 2010年年初众泰汽车也在杭州推出了众泰2008EV纯电动车, 另外, 国内各大型国有汽车厂商也都推出自己的电动车计划, 长安汽车将在今年推出奔奔纯电动车, 售价在8万～10万元, 奇瑞则已宣布将在今年推出S18、QQ两款纯电动汽车, 其中QQ纯电动汽车的价格可能将拉低至5万元左右, 小型纯电动轿车如果能够拉低价格, 将使电动汽车更容易被消费者所接受。此外, 从构建两型社会的角度出发, 国家先后出台了一系列电动汽车扶助办法, 2009年2月财政部公布的《节能与新能源汽车示范推广财政补助资金管理暂行办法》中, 根据混合程度和燃油经济性, 国家对各类混合动力汽车进行不同幅度的购买补贴, 其中混合动力汽车最高每辆可享受5万元的补贴, 纯电动汽车每辆补贴6万元, 燃料电池汽车每辆补贴25万元。另外, 据南京供电公司电动汽车项目课题组对已正式投入运营的南京公交游1路进行实际测量得出的数据显示, 电动公交车能源使用成本仅为普通柴油公交车的1/3～1/2。经济规模的提升、国家政策的扶持、相对低廉的使用成本有效地缓解了整车价格因素对电动汽车产业带来的制约。
2009年3月20日, 国家发改委发布了《汽车产业调整和振兴规划》, 明确了2009—2011年汽车产业调整和振兴的指导思想, 提出了未来3年我国汽车产业发展的八大目标, 其中之一便是“电动汽车产销形成规模:改造现有生产能力, 形成50万辆纯电动、充电式混合动力和普通型混合动力等新能源汽车产能, 新能源汽车销量占乘用车销售总量的5%左右;主要乘用车生产企业应具有通过认证的新能源汽车产品”。
由此可见, 各方面因素综合决定了加快电动汽车产业发展步伐必将成为21世纪符合中国国情的战略考量。从长远发展来看, 如果2020年中国汽车产销3000万辆, 新能源汽车比例为15%, 那么每年也将有450万辆新能源汽车进入中国的家庭。
2 充电站将成为电动汽车产业赖以发展的配套设施
在技术和价格的坚冰逐步消融的过程中, 最后一项制约电动汽车产业发展的因素便是配套充电设施的建设。
从电动汽车的结构来看, 主要包括电力驱动及控制系统、驱动力传动等机械系统、完成既定任务的工作装置等, 其中电力驱动及控制系统是电动汽车的核心, 也是区别于内燃机汽车的最大不同点。
不论是可插电混合动力汽车还是纯电动汽车, 都离不开充电站的支持。目前纯电动车型的续航里程一般都在300公里以下, 可插电混合动力因为能使用石化燃料, 续航里程会更大一些。两种形式的车型一般都支持充电站的快充模式和使用家庭电源的慢充模式。如果只是在城市里上下班使用, 而且拥有自己的专属车库, 采用慢充模式也完全能够满足需求。但如果要进行远距离的长途旅行或者没有专属的车库停放车辆, 对于目前基于蓄电池供应能量的电动汽车而言, 充电站则是唯一的选择。
3 电网企业对于电动汽车充电站建设的战略布局
3.1 电动汽车充电站建设的规划试点与市场前景
早在2008年12月, 国家电网公司就发布了《电动汽车充电站供电系统规范》 (Q/GDW 238—2009) , 从负荷等级、供电系统、低压配电系统、电能质量、安全警示、电能计量等方面提出了电动汽车充电站技术约束性指标。
据《中国经营报》报道, 进入2010年, 国家电网和南方电网将分别投入巨资建设电动车充电站和充电桩等与新能源汽车相关的配套充电设施, 希望借此在新能源汽车时代占据高地, 以充电站“取代”石油巨头加油站的地位, 成为最主要的能源供应商。
2009年年底, 国内首座电动汽车充电站——上海漕溪电动汽车充电站已经通过验收, 漕溪电动汽车充电站总投资508万元, 占地面积400平方米, 设有4个临街路边充电车位在内的9个充电车位, 充电站能够满足各类电动车辆充电需求。国家电网公司计划于2010年在公司经营区域内27个省市 (区) 全面推进电动汽车充电站建设, 拟建公用充电站75座、交流充电桩6209个以及部分电池更换站, 总投资保守计算将在4亿元左右。
南方电网公司首批电动汽车充电站 (桩) 于2009年12月28日在深圳建成投运, 此期建设规模为2个充电站、134个充电桩, 充电容量总计达2480千伏安。根据近期该公司制定的新能源发展意见, 将准备分布新能源发电并网及即插式充电、储能设备、纯电动汽车充电等配套市场服务, 拓展电网企业在新能源发展中的新领域。
有专家分析, 按国家汽车振兴规划, 根据当前机动车增长的势头, 5年之后至少将有500万辆电动汽车。如果按100万元一个充电站来预计, 仅北京至少要1000个充电站, 若全面铺开预计全国要5000个充电站, 整个投资过千亿元, 而按5000～6000元一个充电桩计算, 500万个桩是250亿～300亿元的市场。
3.2 布局电动汽车充电站建设符合电网企业的战略利益
(1) 更好地体现电网企业的企业形象, 彰显社会责任。
低碳经济目前已逐渐融入社会主流意识, 中国移动通信集团公司、东风汽车公司等诸多企业在产品广告宣传中已经在尝试扮演“低碳生活”倡导者的形象。作为能源巨头的电网企业, 近年来也一直在积极培育大力支持两型社会建设的企业形象, 其中国家电网公司无论从绿色地球的VI标识还是“奉献清洁能源, 建设和谐社会”的宣传主题中, 无不显现出央企的社会责任, 而南方电网公司也将“主动承担社会责任, 全力做好电力供应”作为公司使命。由此可见, 积极布局电动汽车充电站建设, 支持清洁能源推广应用, 能够很好地阐述电网企业精心培育的企业形象。
(2) 更好地实现电网企业的品牌传播, 赢得固式思维。
在各地电网企业近期集中发布的《电动汽车充电设施建设指导意见》、《电动汽车充电设施建设实施方案》等相关文件中清晰地传递出一个信号, 即在近期大力建设城市电动汽车充电站的同时, 把县城城区、重要集镇乃至一般乡镇的充电站建设作为电动汽车充电设施建设的远期规划。可以预见, 将来无论是市区、城郊、还是集镇, 在道路两边的电动汽车充电站和充电设施上都会出现醒目的电网企业VI标识, 这种品牌的传播有助于企业无形资产的经营, 赢得企业品牌在受众中的固式思维。
(3) 更好地扩大电网企业的企业利润, 拓宽业务领域。
想法与行动是构建“蓝海战略”的两个有力支撑, 在传统的竞争激烈的能源终端配给市场中, 如今出现了一个近乎空白的全新业务领域, 相对于数年内近千亿元的终端基建与设备投入而言, 电网企业更希冀于今后一段时间内的市场强势地位与市场占有率。可以预见, 随着电动汽车产业的蓬勃发展, 在国家对新能源项目大力扶持的利好政策刺激下, 24小时不间断营业的充电站将会报以电网企业巨大的市场回报。
(4) 更好地提升电网企业的技术实力, 为智能电网建设做出有益探索。
2009年, 国家电网公司与南方电网公司先后提出了智能电网建设规划, 其中国家电网公司在2009年5月21日公布了规划中拟用近4万亿元的投资在2020年建成“坚强可靠、经济高效、清洁环保、透明开放、友好互动的现代电网”, 特高压输电与智能电网建设已经成为当前电网企业的高端业务方向。智能电网尤其是配电网这一侧, 核心问题在于储能, 这是花费昂贵的环节, 而电动汽车的电池也存在同样的问题, 如果将两者结合, 电池中的电力既可以作为车的能源, 又能够作为智能电网的移动储能设备, 甚至可以用作电力调峰、调频、旋转备用, 从而使电力波动问题得到有效抑制。由此可见, 电动汽车充电站的技术攻关将是对智能电网建设的有益探索。
参考文献
[1]国家电网公司.Q/GDW238—2009电动汽车充电站供电系统规范[S].北京:国家电网公司, 2008.
[2]华强, 张健.揭秘南京电动汽车充电站[N].国家电网报, 2010-02-11 (5) .
以色列的汽车充电站 篇6
近年来,由于环保意识的增强和汽油价格的上涨,电动汽车项目得到了政府、企业的广泛关注,电动汽车将成为未来的发展主流,成为节能减排有力的手段和保证。然而,无论是混合动力汽车还是纯电动汽车都需要公用充电设施,因此,研究如何科学地进行充电站选址使得充电站整体经济效益最大化有着重要的现实意义[1,2,3,4]。本文将从充电站年均综合费用、电动汽车数量、电动汽车充电站间距等角度对电动汽车充电站优化布局问题进行建模、分析并求解。
1 电动汽车充电站优化布局的数学模型
在电动汽车充电站项目中,需要进行充电站选址工作。通常电动汽车充电站需要建在城市中电动汽车数量和流量较大的位置。电动汽车充电站优化布局的实际意义就在于花尽可能少的成本费用满足尽可能多的电动汽车的充电需求。本文以充电站收益最大化为目标函数,考虑充电站的建设、运行及充电等成本,以交通流量为约束条件,建立电动汽车充电站选址的综合优化数学模型。
其中,r为在电动汽车充电站服务半径范围内的每辆电动汽车给充电站站带来的收益,qi为第i个电动汽车充电站在其服务半径范围内的所有电动汽车数量,fi为在充电站点i建设充电站站需要支付的费用,q0表示充电站服务半径范围内的最少电动汽车数量要求,di,j为充电站点i和j之间的距离,d0表示充电站之间的最小距离,xi表示是否在充站点i修建电动汽车充站(若修建,则xi=1,否则xi=0)。
同时定义变量:I={I1,I2,…,In}是备选电动汽车充电站站点的集合,矩阵D=(di,j)n×n和向量F=(fi)n×1,Q=(qi)n×1,R=(ri)n×1。
模型(1)的解可用一长度为n的字符串X=x1x2…xn表示,其中,xj(j∈I)取0或1,代表第j个待选点是否被确定为电动汽车充电站。
模型(1)是一个多约束优化问题,直接对其进行求解需要同时对所有约束进行判断,比较复杂,罚函数是优化理论中一类常用的约束条件处理技术,在模拟退火中处理不等式约束非常有效,本文利用罚函数法[5]将该模型进行转化。
模型(1)得相应增广目标函数为:
当罚因子M1和M2充分大时,带复杂约束的优化问题就转化为如下约束简单的优化问题:
采用这种形式的罚函数计算,便于计算机实现。为简便应用,在应用中M1和M2通常取10到104之间的固定值。
2 模拟退火算法
模拟退火算法[6]的设计重在温度参数的控制、可行解的迭代策略和算法终止条件三个方面。
2.1 温度参数的控制
温度参数的控制包括两个方面:初始温度的选取和温度下降策略。
(1)初始温度t0
模拟退火的原理是基于金属的热力学降温过程,在这个降温过程中不断产生更新的最优解,所以为了提供充足的优化空间,就必须设置合理的初始温度。初始温度太低容易导致落入局部最优解的陷阱而无法跳出;初始温度太高又容易产生冗余的迭代,在本文中确定初始温度t0为:t0=(FminFmax)/ln P0,其中,P0为初始接受概率,Fmin和Fmax分别为随机产生的L个初始可行解所得的最小和最大目标函数值。
(2)温度下降方法
本文采用时齐算法的定比率温度下降方法:tr+1=αtr,其中0<α<1。在同一温度下,则进行固定步数W进行迭代,在实际应用中,可以根据问题规模的大小适当调整W。
2.2 迭代策略
模型的可行解是长度为n的0、1字符串所组成的集合,所以把可行解X0的邻域取为X0的n位分别发生0-1转换产生的解组成的集合,则任意可行解X邻居的个数为N(X)=n。在迭代过程中,从当前解的邻域内随机产生新的可行解,且产生概率服从均匀分布,即:
2.3 终止准则
(1)零度法:给定一个比较小的正数tmin,当温度tr≤tmin时,说明已达到较低温度,进一步优化的可能性较小,算法停止;
(2)基于不改进规则的控制法:如果当前最优解在连续Q步降温期间均没有被更新,则认为已收敛到最优解,算法停止。
3 基于模拟退火算法的城市电动汽车充电站优化布局计算步骤
运用本文所提出的模拟退火算法,对城市电动汽车充电站进行规划的流程如下:
(1)随机产生L个初始可行解X1,X2,…,XL,分别计算其目标函数值,确定出最优解X*,令其为当前解X;根据初始可行解的目标函数值,求出初始温度t0,令k=0;
(2)依据迭代策略,产生新解X',并计算它对应的目标值f(X'),令k=k+1;
(3)若k=W,转(5);否则,转(4);
(4)计算Δf(X)=f(X')-f(X),若Δf(X)≥0,则X=X';若exp[Δf(X)/t]>random(0,1),则X=X',转(2);
(5)若当前最优解已经在T步降温期间均未改变,则输出当前最优解,算法停止;否则,转(6);
(6)若tr≤tmin,则输出当前最优解,算法停止,返回X和f(X),否则施行温度下降策略tr+1≤αtr,并转(2)。
4 算例分析
某电动汽车充电站项目计划投资建设两个电动汽车充电站站,备选地址是8个充电站:I={I1,I2,I3,I4,I5,I6,I7,I8}。
已知F={20,70,50,80,30,60,40,30},
利用本文提出的模拟退火算法,L=10,P0=0.1,W=30,d0=10,q0=300,M1=90,M2=90,T=20,tmin=1,求得该问题的最优解为取I3和I6作为电动汽车充电站,充电站总收益为3790,仿真时间小于1 s,表明该算法求解本文中提到的选址问题比较有效。
参考文献
[1]吴春阳,黎灿兵,杜力,等.电动汽车充电设施规划方法[J].电力系统自动化,2010,34(24):36-40.
[2]任玉珑,史乐峰,张谦,等.电动汽车充电站最优分布和规模研究[J].电力系统自动化,2011,35(14):53-57.
[3]李如琦,苏浩益.基于排队论的电动汽车充电设施优化配置[J].电力系统化,2011,35(14):58-61.
[4]刘志鹏,文福拴,薛禹胜,等.计及可入网电动汽车的分布式电源最优选址和定容[J].电力系统自动化,2011,35(18):11-16.
[5]刁在筠,郑汉鼎,刘家壮,等.运筹学[M].北京:高等教育出版社,2001.
以色列的汽车充电站 篇7
随着中国经济的快速增长, 电力负荷急剧增加, 石化能源枯竭与能源污染日益严重, 发展电动汽车作为节能减排的重要措施被世界各国普遍接受和采纳。电动汽车的大规模接入将对配电网产生重大影响, 电动汽车充电站具有储能作用, 可以作为等效分布式微电源参与电网的调度来提高配网设备的利用率。电动汽车充电站接入配电网会使配电网络由单电源、辐射型结构逐步变为遍布电源和负荷的复杂网络[1], 传统的配网规划、运行、保护都面临重大的变化。配网重构和无功优化是配电网优化运行的两个重要手段, 已有的研究都是将两者分开考虑或是迭代进行[2]。但实际上两者紧密联系并相互影响, 因而有必要将两者统一考虑;与此同时, 电动汽车充电站接入后, 网络的功率流动和电压分布都会发生变化, 这对网络重构和无功优化的结果都会产生影响。因此, 研究计及电动汽车充电站的配电网综合优化有重要意义。
文献[3]以网损最小为目标, 视分布式发电 (DG) 设备为可调度电源, 将二进制粒子群算法和变邻域搜索算法相结合, 对网络重构和DG输出功率同时优化, 但未考虑无功优化的影响;文献[4]综合考虑了无功优化和网络重构, 采用了两者交替迭代的方式, 运用启发式算法求解, 但易陷入局部最优;文献[5]提出了基于微分进化算法的配电网综合优化算法, 网络重构与无功优化统一采用整数编码的方式, 但未能考虑分布式发电接入后对系统的影响;文献[6]采用启发式算法介绍了DG接入后的配电网重构, 研究了含DG的配电网网损分摊问题, 但由于将DG视为恒定功率模型, 未实现对DG输出功率的优化。
本研究考虑到电动汽车充电站的功率注入将对配电网的网络重构和无功优化结果产生影响, 同时网络重构和无功优化也相互关联并相互影响, 提出对电动汽车充电站注入功率、网络重构、电容器投切这三者进行统一编码、综合优化的思路, 并对几种不同的优化分案进行比较分析, 得出相应结论。
1 配电网综合优化的数学模型
1.1 目标函数
配电网综合优化的措施通常包括无功优化和网络重构, 在有电动汽车充电站等可控分布式电源接入配电网的情况下, 研究者还可以通过调节这些可调度电动汽车充电站的功率实现配网的优化运行[7]。本研究以配电网网损最小作为优化目标, 并将电压约束以罚函数的形式计入目标函数, 具体数学表达式为:
式中:λ—节点电压越限罚值;Ploss—配电网网损;ΔV—节点电压超出其限制的越限量。
具体计算公式如下:
式中:Vi, Vi, max, Vi, min—节点电压、电压上限及下限;N—网络节点集合;Gij—导纳矩阵元素的实部;θij—节点i、j间电压的相角差;V—所有与节点i相连的节点[8], j∈i。
1.2 约束条件
计及电动汽车充电站的配电网综合优化是多变量多约束的非线性规划问题, 应满足的约束条件包括功率平衡约束、控制变量约束、状态变量约束以及网络辐射状约束。
(1) 功率平衡约束:
式中:Vi, Vj—节点i, j的电压;Gij—导纳矩阵元素的实部;θij—节点i、j间电压的相角差;j—所有与节点i相连的节点, j∈i。
(2) 控制变量约束:
式中:Cj, Cj.max, Cj.min—j节点电容器投切容量、投切容量上限及下限;Tk, Tk.max, Tk.min—可调变压器变比、变比上限及下限;PGi, PGi.max, PGi.min—可调度电动汽车充电站有功出力、有功出力上限及下限;QGi, QGi.max, QGi.min—可调度电动汽车充电站无功出力、无功出力上限及下限。
(3) 状态变量约束:
式中:Vi, Vi, max, Vi, min—节点电压、电压上限及下限;Sk, Sk.max—线路的传输容量及传输容量上限;
(4) 网络拓扑约束:
综合优化后的配电网要保证辐射状运行, 不能有孤岛和环网的存在[9,10,11]。
2 基于粒子群算法的配电网综合优化算法
2.1 粒子群算法 (PSO)
本研究分析的对象中存在大量的开关、电容器投切组数及电动汽车充电站注入的有功功率及无功功率, 是一个非线性组合优化问题。粒子群算法能够较好地求解复杂优化问题, 对目标函数没有可导性要求并具有全局收敛性, 在求解该类问题中有很好的表现, 因此, 本研究应用改进的粒子群算法进行求解。PSO求解优化问题时, 每个粒子都有自己的位置和速度, 还有一个由目标函数决定的适应值。本研究首先初始化一群随机粒子, 接下来的迭代过程中粒子通过跟踪2个极值来更新自己, 一个是粒子本身所找到的最好解, 另一个是整个种群目前找到的最好解。笔者通过不断跟随变换当前的最优粒子找到最优解[12]。
2.2 优化变量的编码
本研究首先对网络的初始拓扑结构进行分析, 将联络开关连接的两个节点作为编码的始、末节点, 沿着始节点向上搜索直至到达末节点, 在这一过程中记录下经历的分段开关即得到了与该联络开关对应的环路。当闭合该联络开关时, 就要同时打开该环路中的某一分段开关, 才可以保证网络始终为辐射状。因此, 本研究可以将每一环路作为一个控制变量。具体的编码方法是:将联络开关的编号设为0, 然后沿着某一方向对环路的分段开关依次递增编号, 直到走完一圈为止, 此时该环路上的所有开关都与一个整数相对应。该环路上的开关开启方案也可以用整数表示, 其中0表示联络开关开启。该控制变量的下限为0, 上限即为该环路开关数减1, 这样任意一种网络拓扑结构图, 均与一组整数相对应。同时, 取值范围内的任意一组整数也唯一地对应于一组开关开启方案[13]。
三馈线系统如图1所示。图1中, 联络开关S15所对应的环路为 (1) , 则环路 (1) 上开关的集合为{S15, S19, S18, S16, S11, S12}, 则联络开关S15的编码为0;选联络开关的右节点开始编号, 对应于上述开关集合的编码为 (0, 1, 2, 3, 4, 5) , 即该环路编码变量的范围为[0, 5], 在该范围内的任一整数均与一种开关交换方案相对应, 例如1表示闭合联络开关S15, 打开分段开关S19;而0则表示保持联络开关S15打开各分段开关闭合的状态, 依次对各个联络开关及其对应的环路进行编码, 即可形成整套编码方案。判断不可行解的规则是:如果公共开关被打开两次及以上则该解是不可行解, 可仿照不等式约束条件的处理方式, 直接添加一个大的惩罚量至目标函数, 以便将不可行解快速淘汰[14,15]。
无功优化中以可投切电容器的组数为变量, 变量的取值范围为0至该节点投切电容器的最大组数, 变量的维数为可投切电容器的节点总数, 与网络重构中的整数编码实现了统一。电动汽车充电站的有功功率和无功功率可实现解耦独立控制, 为连续变量, 变化范围为可调节功率的上、下限, 本研究对其进行实数编码, 与配网重构中的开关编码、无功优化中的电容器投切组数编码统一放在一个粒子中, 粒子前半部分为开关编码和电容器投切组数编码, 其位置和速度更新都采用取整的方式, 后半部分为连续变量的功率编码, 按照一般的粒子群算法更新位置和速度即可。
3 算例分析
本研究以IEEE33配电系统为例 (IEEE33配电系统如图2所示) 采用上述编码方式, 对配电网进行综合优化, 其中电容器补偿点选在节点5和节点30, 容量分别为0.15 Mvar×5和0.15 Mvar×7, 电动汽车充电站接入节点12、18、26, 有功调节范围为0 MW~0.3 MW, 无功调节范围为-0.1 Mvar~0.2 Mvar, 其中, 折线代表联络开关, 直线段为分段开关, 初始状态下联络开关打开, 分段开关闭合, 具体参数见文献[14]。
因为系统有5个联络开关, 故有5个基本环路, 本研究根据前述环路编码的方式进行编码, 计及两个电容器补偿点和3个电动汽车充电站接入点, 算例中PSO粒子的长度为13, 粒子数按照取4~5倍粒子长度的原则, 设定种群数量50, 最大迭代次数为200。加速因子都取为2, 惯性权重随迭代次数增加而线性减小, 最大为1.2, 最小为0.6, 粒子速度每一维的范围根据粒子位置每一维的范围而确定, 大致取为位置范围的1/2。针对该算例中节点电压均较低的情况, 以系统有功网损最小为优化目标。
本研究采用粒子群算法, 分别对以下5种方案进行分析比较, 结果如表1、图3所示。
方案1:只进行网络重构;
方案2:先进行网络重构, 再进行电容器投切;
方案3:网络重构和电容器投切优化同时进行;
方案4:先进行网络重构, 再进行电容器投切和电动汽车充电站注入功率优化;
方案5:网络重构、电容器投切和电动汽车充电站注入功率优化同时进行。
其中, 表1中的方案0表示未进行任何优化的初始状态。
表1中, 电容器项目栏中的括号外面数字为电容器投切的节点位置, 里面数字为优化得到的电容器投切的组数;最低节点电压栏中括号里的数字代表最低电压节点的位置。
由表1可见, 本研究提出的粒子群综合优化算法使网损值得到最大程度的减小, 方案1中的网损值比初始状态下的网损降低了34%, 最低节点电压也提高不少;方案2在方案1的基础上通过补偿电容器的合理投切, 达到进一步降低损耗的效果, 比初始状态降低了50%, 节点电压得以进一步改善;方案3中将重构与电容器投切同时进行, 得到的开关组合与方案2有所不同, 得到的网损值进一步减小, 节点最低电压进一步提高, 这表明网络重构和无功优化是相互影响的, 综合优化比分步优化得到的效果更佳。方案4在方案2的基础上增加了可控电动汽车充电站参与调度, 由于它的加入, 网损降低的效果比方案3更好, 表明网络中有功功率的分布对网损的影响更大;方案5将3种优化方式统一得到了最佳的优化结果, 进一步说明电动汽车充电站的注入功率、电容器的投切、网络重构3者是相互关联的, 分开优化难以得到最优解, 综合起来考虑可以得到最佳的优化效果。
不同优化方案下的配电网网络节点电压情况如图3所示。从图3中可以看出, 优化后的节点电压有了很大提升, 特别是无功补偿和电动汽车充电站附近的节点电压改善明显, 同时综合优化得到的节点电压曲线比分步优化得到电压曲线更平稳, 电压平均值也相对较高, 可见综合优化对节点电压质量有很好的改善作用。
4 结束语
本研究考虑到未来电动汽车的大规模接入以及电动汽车充电站的储能作用, 提出了将无功优化、网络重构、电动汽车充电站注入功率控制三者统一进行优化的思想, 并详细阐述了对应变量的编码方式, 最后分别对不同方案下的系统网损进行了比较。
【以色列的汽车充电站】推荐阅读：
以色列的农业神话06-15
以色列的传统音乐09-04
以色列农业发展的启示05-28
关于以色列的经典小说4本06-30
【我的中国梦】以色列外科医生的中国情结07-18
周鸿?t:以色列军队是世界上最好的孵化器07-11
以色列农业06-28
以色列大学08-10
以色列高效节水技术考察报告09-07
巴勒斯坦和以色列 教案示例07-04