面向无线充电的电动公交车充电优化策略

朱婕 张龙 王笑超

摘 要：电动汽车的普及有助于减轻环保的压力.与常规的电动汽车相比，基于无线充电技术的电动汽车具有充电时间短、电池开销小等优点，受到广泛的关注.本文设计了一种面向无线充电的电动公交车优化充电策略，提出了一种两阶段的无线充电电动巴士充电策略.综合考虑电力价格在时域和空域两维度上的波动性，最小化无线充电公交系统的总的开销.最后，基于真实世界数据集“合肥快速公交系统”对本文提出的算法和策略的有效性进行了验证.

关键词：无线充电；电动汽车；充电策略

中图分类号：TM910.6；U469.72 DOI：10.16375/j.cnki.cn45-1395/t.2018.03.015

0 引言

近年来，随着温室气体排放、环境压力的增大，电动汽车（Electric vehicle，EV）逐渐成为研究热点[1].按照充电方式，电动汽车可以划分为：常规电动汽车[2-4]（normal EVs），电池替換电动汽车[5]（battery swapping EVs，BSEV）和无线充电汽车[6]（wirelessly charging EVs，WCEV）.在常规EV中，车载电池容量要足够大以完成一次完整的旅行，充电时间较长，汽车电池的开销较大.在BSEV中，车辆可以在专业的充电站进行更换电池，专业而昂贵的充电站缩小了BSEV的应用范围.在无线充电汽车系统中，充电设备安装在路边或路面，当WCEV移动到附近或经过充电设备时，电网对WCEV进行充电.无线充电技术发展至今，已足够保证安全、高效地为WCEV供电.与常规的EV相比，WCEV可以在路面给汽车充好电，其电池容量可以减小，在停车场的充电时间可以缩短，对电网的影响减小.与BSEV相比，WCEV的充放电策略设计可以更加灵活.

文献[6-8]对无线充电公交系统的设备开销进行介绍，包括公交车站点的选取，公交车电池容量的大小等.然而，如何减少无线充电电动公交车（Wireless Charging Electric Bus，WCEB）系统的电力运行开销，依旧是一个公开的问题.与系统设备开销只需要支付一次相比，WCEB系统需要每天都面对系统的运行开销.具体地，WCEB系统的运行开销与电力价格模型息息相关.在智能电网中，阶梯电价是现有流行的一种电价模型，其中电力价格包含两部分：批发电价和零售电价.在每一天开始的时候，电网根据历史信息估计不同的应用在不同时隙的预留电量；在剩余的24 h内，当用户使用的电量低于预留电量时，其电力价格为批发电价，多余的电量需要返回给电网；反之，当用户所需电量大于预定值时，其多余的电量的价格是零售电价，远大于批发价格.至此，在阶梯电价模型下，电网内用户优化充放电策略显得极有必要.

本文将对无线充电的公交系统的充放电策略进行优化设计.WCEB可以在每个公交车站或公交停车场通过无线充电技术获得电力.在阶梯电价模型下，充放电策略会直接影响到WCEB系统的运行开销.电价在时间和空间均存在变化.为了保证电力供需平衡，峰均比（Peak-to-Average Ratio，PAR）限制和电池容量的限制导致WCEB并不能在某一个特定的地方获得大量的电量.此外，WCEB的充放电策略还与电池容量、初始荷电状态（State of charge，SOC）以及电力需求有关.当电力价格较低、电池容量较大且电力需求旺盛的WCEB会获得更多的充电，反之亦然[9].基于此，本文设计了一种基于无线充电的公交系统，并以此为基础，考虑时域和空域两方面电力价格和电力需求的波动，构造WCEB系统运行开销最小化问题；然后，基于预测的WCEB运行速度和预留电量，给出了一种两阶段的最优的WCEB充电策略；最后，基于真实世界数据集——合肥市包河区快速公交系统，对本文所提出的算法和策略进行了实验验证.

1 系统模型

系统模型如图1所示，包含2个公交停车场和2*（M-2）个对称的公交车站.无线充电设备安装在公交车场和公交车站.由于电网的分布和公交车站的地理位置，将公交车站、停车场划分为若干个小组，组内电力价格是一致的.假定公交车站/停车场的编号为[m]，WCEB的编号为[n]，单程的公交车站/停车场的总个数为[M]，WCEB的总车辆数为[N]，[m∈1， 2， ???， M]. [ m=1]和[m=M]分别表示首尾的两个停车场.定义[Gi]为属于组[i]的车辆集合，停车场是一个独立的小组.由于是公交系统的缘故，WCEB需要在预定的公交车上停留.假定车辆在每一个公交车站台停留的时间是一致的，WCEB在任意公交车站获得的电量是恒定的，为[Es].车辆与路边接入点（Access Point，AP）之间存在双向的车载组织网络（Vehicular Ad hoc NETwork，VANET）.车与车、车与路边公交车站、车与中心控制器之间存在完整的通信网络.

3 实验分析

采用合肥BRT系统路线“B1”作为实验评估模型，对所提算法和优化策略进行分析.总的公交车站数为[M=26]，全程为[22.5km].BRT的数据来源于合肥市现代快速公交和可持续交通研究所[11].发车间隔[1qt=10min]，BRT的运行时间是6：00 AM到11：00 PM.其中，7：00 AM到10：00 AM和5：00 PM到9：00 PM属于高峰时段，平均速度[vl=17km/h]，路面能量损耗系数[ηm=1.2]；其余时段，平均速度为[vh=22km/h]，[ηm=1.0].公交停车场设定在首尾两个公交车站，也被视为是两个特别的组.存在双向的VANET网络，以确保中心控制器与组控制器、WCEB三者中间数据传递畅通.基于文献[12]的电价模型和电力负载与电价之间的等价关系，本文给出了不同组在不同时隙的电价，如图2所示.电力价格只是在时隙变化开始时发生变化，且在整个时隙保持不变.假定电价系数分别为[α1=1.2]，[α2=0.8].

WCEB采用鋰电池[13]，电池容量统一为[Ecn，max=200 kWh]，运行电力损耗为[20 kWh/km].电池最低的存储电量为[Ecn，min=20 kWh].当WCEB在一个公交车站决定充电时，其可获得的电量为[Es=60 kWh]；在停车场，其充电效率为[Ps=10 kWh/min].本文提出了一种两阶段算法，将其标记为“Two-step optimal”.为了与之比较，采用一种常规的贪婪算法（Greedy），在该算法中，WCEB仅依据其自身的SOC决定是否充电.当其SOC低于运行电力需求时，WCEB开始充电直到充满.

图3表示在不同电池容量情况下不同SOC情况下的运行开销.由图可见，本文所提的“Two-step optimal”算法中，随着电池容量的增大，电力开销会减小.随着预存电量的增大，电力开销依旧会下降.这是因为在给出的系统模型中，WCEB首次离开停车场时充满电.当电池容量越大时，WCEB系统的运行开销减小；其次，当电池容量越大，WCEB可以在电价较低时存储更多的电量，所以运行开销减小.然而，当电池容量达到一定程度时（[Ecn，max≥140 kWh]），本文所提算法保持平衡，这是因为WCEB的充电受到3个因素的影响：电力价格、电池容量和组内公交车站的数量，后者直接关系到在组内的充电次数.当电池容量很大，且电力价格很低时，WCEB的充电还受到了充电次数的影响.当WCEB经过所有的公交车站且充满电时，其电力开销开始平稳，不再增长.与之相对应，在贪婪算法中，其电力开销随着电池容量的增大而波动.这是因为在贪婪算法中，其WCEB充电并没有考虑电价的影响，只是在需要的时候将其电池充满即可，所以造成电力开销波动.基于上述分析，本文所提策略是有效的，适合基于WCEB的公共交通系统.

4 小结

基于无线充电汽车的特点——在路面行驶时充电，提出了一种适合于无线充电公交系统的充电优化策略.WCEB公交车站的充电策略和在停车场的充电时间被联合优化，以最小化系统的运行开销.最后，基于合肥BRT模型，对所提充电策略进行了实验评估，实验结果证明了本文所设计系统的有效性.

参考文献

[1]LAM A Y S，LEUNG Y W，CHU X. Electric vehicle charging station placement：formulation，complexity，and solutions[J]. IEEE Transactions on Smart Grid，2017，5（6）：2846-2856.

[2]BAE S，KWASINSKI A. Spatial and temporal model of electric vehicle charging demand[J]. IEEE Transactions on Smart Grid，2012，3（1）：394-403.

[3]余帅，刘胜永，崔志鹏，等. 基于V2G充电桩系统DC-DC变换器控制策略的研究[J].广西科技大学学报，2018，29（1）：69-75.

[4]娄妙树，高远，袁海英，等. 电动汽车用永磁同步电机的分数阶自适应控制策略[J]. 广西科技大学学报，2016，27（4）：62-67.

[5]TAN X，SUN B，TSANG D H K. Queueing network models for electric vehicle charging station with battery swapping[C]. Venice：IEEE International Conference on Smart Grid Communications，2014.

[6]JANG Y J，SUH E S，KIM J W. System architecture and mathematical models of electric transit bus system utilizing wireless power transfer technology[J]. IEEE Systems Journal，2017，10（2）：495-506.

[7]JEONG S，JANG Y J，KUM D. Economic analysis of the dynamic charging electric vehicle[J]. IEEE Transactions on Power Electronics，2015，30（11）：6368-6377.

[8]KO Y D，JANG Y J. The optimal system design of the online electric vehicle utilizing wireless power transmission technology[J]. IEEE Transactions on Intelligent Transportation Systems，2013，14（3）：1255-1265.

[9]MARTINEZ H，MAUTTONE A，URQUHART M E. Frequency optimization in public transportation systems：formulation and metaheuristic approach[J]. European Journal of Operational Research，2014，236（1）：27-36.

[10]BOYD S，VANDENBERGHE L. Convex Optimization[M]. Cambridge UK：Cambridge University Press，2004.

[11]Institute for Transportation and Development Policy. BRT basics：HEFEI [EB/OL].（2015-11-28）[2017-01-01].http：//www.itdp-china.org/brt/city/？city_id=18&city_name=Hefei〈=1.

[12]SHAABAN M F，ISMAIL M，EI-SAADANY E F，et al. Real-time PEV charging/discharging coordination in smart distribution systems[J].IEEE Transactions on Smart Grid，2014，5（4）：1797-1807.

[13]OU CH，LIANG H，ZHUANG W. Investigating wireless charging and mobility of electric vehicles on electricity market[J]. IEEE Transactions on Industrial Electronics，2015，62（5）：3123-3133.