插电式电动车有序充电调度控制算法研究
2021-04-07石少青周尚礼吴昊文张本松朱文武
石少青, 周尚礼, 吴昊文, 张本松, 朱文武
(1.中国南方电网有限责任公司 市场营销部,广东 广州 510670;2.南方电网数字电网研究院有限公司,广东 广州 510663; 3.合肥工业大学,合肥 安徽 230009)
由于最近几年环境污染现象日益严重,插电式电动汽车(Plug-in Electric Vehicles,PEV)作为一种既清洁环保又能缓解当前能源危机的新型代步工具开始逐渐引起人们的广泛关注。插电式电动汽车的加入无疑提高了电网优化配置问题的难度,但是,通过有序化充放电管理的手段,电动汽车的接入将有利于进一步提高电网的经济性和环保性。在有序编排研究中,居民用电负荷的实时变化,也为插电式电动汽车的实时负荷编排增加了一定的难度。
基于有序用电的管理模式,已经越来越多地被电网企业采用[1]。目前在对电动汽车有序充电策略的研究中,文献[2]针对电动汽车充电站布局问题,提出两步搜索的分析方法。首先,根据收集的城市道路交通信息来确定电动汽车的候选站址,然后,利用排队论模型进行站内充电设施数量的确定,从而最大程度满足用户的充电需求。最后,采用 Voronoi 图的区域划分思想进行充电站服务区域的负荷分配,并据此设置充电站的容量。文献[3]从集中充电站布局问题的经济性入手,考虑到充电设施成本、电池成本以及电价成本等经济因素,以建设投资成本最小化为目标,建立基于用电高峰和低谷不同时段电价的选址优化模型。
文献[4]~文献[7]针对电动汽车和常规负荷的时间分布规律进行建模,分析了电动汽车有序充电策略对电网的影响。文献[8]提出了电荷需求侧响应的概念和设施原则。在对插电式电动车的有序编排算法求解的研究中,文献[9]基于统计学方法建立了电动汽车的有序充放电方案,并采用了人工蜂群算法进行求解。面对电动汽车充电桩建设成本高以及监管难的困境,在“互联网+”的背景下,文献[10]提出了基于NB-IoT的电动汽车充电解决方案,分析了现阶段充电系统桩存在的问题,给出了智能充电桩+云平台管理的系统框架。
文献[11]针对电动汽车交流充电桩的用户图形界面开发进行了研究,介绍了充电界面的开发流程和具体实现。对于智能电表系统,文献[12]提出了一种基于短距离无线通信技术ZigBee的三层分布式无线抄表系统,与远距离无线网络GPRS相结合,系统兼具分布式与集中式的特点,可实现在主动抄表方式下各数据采集单元的定时采集。文献[13]提出了一种基于无线射频和GPRS 技术的智能抄表系统集中器的设计和实现方案。针对蚁群算法在求解旅行商问题时收敛时间长,且易陷入局部最优状态的缺陷,文献[14]提出了一种基于拥挤度的动态信息素蚁群优化策略。针对开放性市场环境下多个供电主体竞争并存的格局,文献[15]以换电站作为电动汽车系统的模型核心,通过设定最低满电电池数量建立电动汽车统一有序充电方案和能量管理策略,运用小生境细菌觅食算法进行求解。在智能电网时代,需求响应通过将负荷从高峰时段转移到非高峰时段,为提高能源效率提供了巨大潜力[16]。
在已有的研究中,验证了电动汽车采用有序充放电策略能够降低负荷峰谷差,提高电能质量和稳定性。但模型均未考虑居民的实时负荷变化。本研究的不同之处在于根据用户用电预测曲线以及充电设施的最大负载能力对电动汽车进行有序编排,从而可以提高电网的稳定性和降低充电设施成本。为了更好地进行智能用电有序编排优化以及动态检测,本文基于编排计划、实时负荷和充电订单情况,给出动态监测实时优化算法,让用电设备能自动地通过智能终端改变充电时间,以至于实现动态更新,既能保证变压器稳定运行,又能保证峰平比最小,从而实现削峰填谷。
1 基于智能电表的智能有序用电系统
1.1 基于智能电表的智能有序充电控制系统描述
电能表作为一种测量装置,用来测量用户的电力使用情况。随着智能电网的发展,新一代智能电表不仅发挥着电能计量的作用,还可以发挥对用电负荷进行实时调控的功能。本文研究的基于智能电表的有序充电控制核心是充电实时计划编排并及时做出动态更新,其中充电计划编排刷新周期为5 min,充电实时控制主站为15 s,本地为5 s。具体系统流程为:用户登陆充电APP后填写信息,发送到智慧能源服务平台,平台接受用户的充电申请并进行筛选,将通过校验的需求生成充电订单,智慧能源平台接收到充电订单后,启动有序充电控制策略编排并进行实时更新,将充电计划下发智能电表,智能电表启动充电计划交由充电桩执行,智能电表实时计量充电量并上送平台。整个有序用电系统关键难点在于有序充电策略的实时控制与计划滚动编排,需要实时考虑到变压器所能承受的最大负荷以及编排的最优性,其控制流程图如图1所示。
1.2 智能有序充电调度控制算法描述
基于智能电表获取的当前和历史用电情况,考虑居民用电行为差异性,以大量历史用电负荷为样本进行聚类,其次分别建立不同用户群的负荷预测模型,最后将各用户群的负荷预测值汇总得到全局预测结果[17],5 min更新一次,那么24 h数据个数N=288,图2给出了一组从AM12:00开始预测的用电曲线。
图1 有序充电控制流程图
图2 某地区的24 h用电负荷预测曲线
N_start=z(1)×12+z(2)//5+2
N_end_order=z(3)+z(4)//5-1
m=(N_end_order-N_start)//6
(1)
p(i)_max=max(p(i))
(2)
式中,p(i)_min为第i段电负荷曲线的最小值:
p(i)_min=min(p(i))
(3)
以峰谷差为优化目标是一个带约束的非线性目标,因此,增加两个自由变量Lmax和Lmin,将非线性目标转化为线性规划问题求解,则所有时段的原有负荷曲线的最大值加上订单的负荷都应该小于等于Lmax,即
xi+p(i)≤Lmax
(4)
所有时段的原有负荷曲线的最小值加上订单的负荷都应该大于Lmin,即
xi+p(i)>Lmin
(5)
2 基于最优理论的有序用电计划编排
基于前面的描述,以最小化峰谷差为优化目标,以增加自由变量后得决策变量x作为控制对象,可以得出带约束的优化目标函数为
(6)
式中,
式中,Pmax为变压器最大负荷;Aeq=(1,…,1,0,0),Beq=z(5)×2,z(5)为订单所需充电电量。对目标函数进行求解,从而得到订单的负荷编排。
3 智能有序充电的编排计划动态更新
考虑到实时负荷的不断更新,某一时刻居民用电突然增加可能会与预测负荷发生冲突。为了实现公平用电,如果已有的编排计划加上更新的居民负荷预测曲线超出变压器的最大负荷,需要对订单编号计划做出实时调整,调整顺序按照订单时间顺序,即最新安排的订单先调整,这样可以实时保证变压器的正常运行。
居民的实时负荷每5 min更新一次,即预测负荷曲线5 min更新一次,记当前时间为某时某分换成更新点,记作i,即i+1时刻及之后编排计划可能需要调整,记order(n)[j]为j时刻编排充电量。
实时更新订单:
① 对于第n个订单,n=1,2,…,N;
②j=i+1,…,H;
③ 比较p(j)+sum(order(n)[j])与Pmax的大小;
④ 情况一:p(j)+sum(order(n)[j])≤Pmax没有冲突,则所有订单无需调整充电策略;情况二:p(j)+sum(order(n)[j])>Pmax,找出冲突的订单编号,从时间优化的原则调整最新接受的订单。调用有序用电编排函数,重新执行上述的循环检测,直至情况一,动态更新结束。
4 算例分析
考虑现有10个PEV订单信息,每个订单信息包括订单生成时/分、订单完成时/分以及需要完成的充电量(kWh),具体信息如表1所示。
表1 现有订单信息
已知某地区变压器最大负荷为900 kW,以及24 h负荷预测曲线如图2所示。加入订单后的负荷曲线如图3和图4所示。
若某时刻居民用电突然增加(如图5所示),如果不调整订单,显然按照图4编排计划将超过负载,因此需要对充电策略进行自动调整。对发生冲突的订单9和订单10的调整如图6、图7所示。
图3 增加PEV1~PEV5的负荷曲线图
图4 增加PEV6~PEV10的负荷曲线图
图5 某时刻的居民用电突然增加
图6 PEV订单9修正负荷图
由图6、图7可以看出,将订单9和订单10在居民突然用电增加的时刻将原有编排计划进行了调整,因此可以避免在此刻超出最大负载。
图7 PEV订单10修正负荷图
5 结束语
本文基于智能电表对PEV的充电进行了策略编排与优化调度控制,基于数学建模理论及用电模型,给出了最优控制的优化模型。在保证电压器稳定运行的情况下,提高了电动车充电效率并优化了电负荷峰谷差,为智能用电提供了技术基础。研究PEV的分布式一致性优化是下一步工作方向。