智能化移动充电系统的研究

2024-04-23邱阳

设备管理与维修 2024年7期

邱阳

（德州职业技术学院，山东德州 253034）

0 引言

随新能源汽车行业的快速发展，充电设施成为了新能源汽车推广的关键因素。为此，国家先后出台了多项针对充电基础设施建设的相关政策，各地大规模建设充电桩，但如天气、取电、位置等因素严重制约着充电桩的检测和充电效率。因此，本文设计了一种可适应不同环境、可储能的智能化移动充电系统。

1 智能化移动充电系统设计

1.1 整体设计

智能化移动充电系统主要包括电源模块、控制器模块、通信模块、储能模块、接口模块、语音模块、计费模块和自动监测模块。本系统的核心控制器选用Arduino 控制器，基于磁耦合谐振、大数据监测等技术，具备无线充电、节约资源、传输效率高、适配复杂场景等特点。技术路线如图1 所示。

1.2 充电功率提升系统

因配电网容量有限量，充电系统需要充分利用有限的电网容量，以实现储能调度和快速补电，进而提高充电功率。充电功率提升系统包括电量缓存器、能量储蓄器、电流转换器和充电接口4 个部分。电量缓存器与能量储蓄器连接，能量储蓄器由多个无线储能装置并联而成。电流转换器含1 个交—直流转换器和2 个直—直流转换器。

为满足不同用户的充电需求，系统设置慢充和快充2 种充电模式。其中，充电接口包括电源和测试2 个接入部分。电源接口部分包含输入、输出接口，其中输入电源设有航插和交流充电桩接口。测试接口部分包含交流、直流充电桩测试接口、交直流负载接口和通信接口等（图2）。

图2 系统外部接口

在快速补电方面，系统特别设置了交—直流转换器、电量缓存器和直—直流转换器。可移动蓄能器将能量通过电量缓存器和直—直流转换器传输至直流母线。电网侧基于电量缓存器和直—直流转换器，将电能传输至直流母线，直流母线在保证电网不受冲击的情况下汇聚电能送至电源快充接口，进而实现充电功率的提升。设备参数如表1、表2 所示。

表1 充电设备参数

表2 双向变流装置参数

1.2.1 高倍率充放电系统

目前，全国各地大规模建设快速充电桩，由于配电网的容量不能满足用户需求，大部分地区选用储能设备+充电桩的模式。单独选择储能设备需要解决单块电池差异放电的问题，原因在于传统储能设备的电池是以串并联方式组合的，如果单块电池电量和内阻低于其他电池，就会影响储能设备的整体性能。高倍率充放电系统融合了能量离散化采集和电池网络拓扑重构技术，以实现储能设备效率最大化、成本最低化。

（1）储能设备采用碎片化能量重新信息整合的方式获取电荷动态数据，对储能设备中的能量进行离散化处理，将单块电池的电荷量、电压、温度、待电状态等信息进行重新采集，并实施数据监测和状态估算，达到电量网络化互联成组。

（2）数据采集后，运用电池网络拓扑重构技术规避单块电池差异化放电问题。电池网络拓扑重构技术利用开关设备对单块电池进行重组，利用电池的充放电非线性特征隔离单块电池，实现储能设备的快速充放电，提升新能源电池整体性能。

能量暂存装置采用能量离散化采集和电池网络拓扑重构技术，将多个电量、电压、放电特性不同的分布式储能设备整合在一起，采集电池实时的信息，让储能设备在充电功率提升系统中达到电池网络连接最优化，实现储能设备管理有效化。

经过分析，要求储能设备总电能要大于等于新能源汽车电池电能消耗总量的N 倍，储能设备总电压值要大于等于电网母线直流电压的α 倍，储能设备放电总功率最大值要大于等于新能源汽车电池消耗功率的β 倍。根据储能设备总电能、总电压值和放电总功率最大值，可以解算MOS 管的开关状态，得到动态化管理储能设备的效果。

1.2.2 能量调度管理单元

建立新能源汽车用户、储能设备、充电设备、电网之间耦合关系的关键是信息互通，用户与储能设备供需关系要匹配，用户用电量对电网的冲击也需要储能设备来中转协调，充电设备则是结合三者的重要节点，可有效能量调度。

储能设备调度类似于新能源汽车入网存在的电池、电网约束，新能源汽车基于电网实施调度，并考虑电网波动、波峰波谷等问题，储能设备则会基于用户用电需求调度，考虑电网总容量一定的情况下如何满足消费者需求的问题。

分布式储能设备虽然存储能量很大，但使用率很低，因此需要引入“物流”的理念，打破储能固定的方式，将能量信息碎片化，再根据新能源汽车用户的用电需求以物流的形式调度电量，进而规避新能源车流动性大、瞬时功率大、充电随机性等劣势。分布式储能设备具有自主优化、自定义配置、灵活性高的特点，提高了新能源汽车电量高效交易的可操作性。

1.2.3 充电桩多元能量运营单元

基于新能源汽车使用者对充电时间、地点、特性的需求不同，充电桩安装的接口是多种类型的，显示状态多元化，所以要求能量运营机制也是多元的。

（1）慢充：普通充电状态，充电电流和功率都较小，主要针对不要求充电时间和速度的用户，其价格较低。

（2）快充：充电电流是慢充的几倍甚至几十倍，充电时间大大缩短，价格较高。当新能源汽车用户需要在较短的时间内充满电时，该模式是合适的选择。

（3）闲置：无充电用户的状态。

云储能用电流程为：新能源汽车用户先将用电需求上传云端，完成下单；云平台根据储能设备实际状态进行调度，下达指令给能满足用户需求的储能设备，并反馈信息给用户引导其到指定位置，完成充电。

云平台的任务是收集用户需求数据，统计储能设备实际状态，根据收集的数据进行统一调度，下达决策指令到储能设备，并反馈用户位置信息，实现了灵活运维、能量随行。

储能设备设有电量显示器和传感器，可向用户展示充电时的电量，也可以通过传感器将储能设备自身的电荷状态反馈给云平台，保证云平台可以实时监测充电设备的使用状态及历史数据，以便进行功率计算和电量预测，达到统一调度的效果。

（1）当储能设备检测的电量低于放电最低值时，立即停止放电，同时反馈给云平台电量低的信息，并连接慢充给予后续的供电。

（2）当储能设备检测的电量高于最低值但未充满电时，连接慢充给予后续的供电。如果用户发出用电需求，储能设备匹配用户需求电量，可直接给用户提供充电提示。

（3）当储能设备正在给用户充电时，检测到电池电量，若满足放电要求可继续充电，否则立即停止充电，同时提示不能放电，并反馈至云平台。

（4）当储能设备达到放电要求时，通过快充装置放电给用户。每次完成充电后，储能装置检测电量，如果大于放电最低值，则可继续给其他新能源汽车充电，直至充电指令结束或电量低于放电最低值，停止放电。

1.3 充电功率建模

1.3.1 分时充电概率分布

根据统计，一天中最后一次出行后新能源汽车剩余电量最少，这个时间段是新能源汽车使用者选择快充最多的时间。因此，将一组电动汽车使用者出行后得到的出行目的、时间、工具、频率等数据进行归一、比较，应用极大似然法，得出一天最后一次出行的规律：

选择快充概率表达式为：

其中，ff为快充概率密度；φ 为快充概率修正系数，取0.432。

新能源汽车用户分时充电概率密度函数表达式为：

1.3.2 快充时间概率分布

快充模式下的充电功率为60 kW，一辆新能源汽车充电包的功率为：

式中，P 为充电包功率，Pf为快充模式下充电功率，Tm为快充时间长度。

经过数据拟合，得到快充时间正态分布：

1.3.3 快充概率模型

一辆新能源汽车在一天中某一时刻快充的负荷=充电概率×充电功率，由此可得到该车一天负荷分布的状态。对一天的每个时段进行细分，可划分为1440 个间隔1 min 的时段，则t0时刻的充电概率是：

式中，FnTm是新能源汽车最后充电时刻tn与Tm的联合概率分布函数。

由式（7）推出t0时刻快充用户充电负荷Pt0：

1.4 分布式实时调度设计

新能源汽车储能装置可为汽车提供所需电量，也可以将电反馈至电网以平抑配电波动。目前，储能装置易出现实际调度值偏离问题，即实际调度值总与计划值存在一定的误差。为减小实际值与计划值间的偏离值，基于模型预测引入反馈校正+滚动优化的结构方法。

分布式储能调度分为日前调度（日前预测功率）和日内调度（日内预测功率）两个阶段。日前预测功率阶段，以储能设备F 最小为目标，兼顾储能电量、燃气机计划数的考虑，优化储能设备充电功率和放电功率、汽轮机做功的整体调度，制订第二天每时储能调度计划，并下达计划。

日内预测功率阶段，严格执行日前调度计划，结合风机出力和储能电量，校正日前汽轮机做功计划值，使其符合日前调度计划。实际操作过程中，基于预测模型，以5 min 为基准实施滚动优化，得到日内窗内储能校正计划。重复实施上述过程，采样储能计划，引入反馈校正。两种结构方法的作用下，保证储能日前计划的实施，确保汽轮F 达到功率平衡和极限约束。

其中，Pl（t）是新能源汽车电量，Pb（t）是汽轮机功率，Pp（t）是光伏功率，Pw（t）是风机功率。

根据式（9）～式（11），分别设定输出、状态、控制变量和扰动输入，得到分布式空间模型：