考慮充電需求與隨機(jī)事件的光伏充電站實(shí)時(shí)運(yùn)行策略

陳奇芳 劉 念 陳 征 張建華

?

考慮充電需求與隨機(jī)事件的光伏充電站實(shí)時(shí)運(yùn)行策略

陳奇芳1劉 念1陳 征2,3張建華1

（1. 新能源電力系統(tǒng)國(guó)家重點(diǎn)實(shí)驗(yàn)室（華北電力大學(xué)） 北京 102206 2. 國(guó)網(wǎng)節(jié)能服務(wù)有限公司 北京 100052 3. 國(guó)網(wǎng)（北京）節(jié)能設(shè)計(jì)研究院有限公司 北京 100052）

電動(dòng)汽車(chē)光伏充電站是將充電設(shè)施與光伏發(fā)電系統(tǒng)進(jìn)行結(jié)合的有效形式，能有效地減少電動(dòng)汽車(chē)的間接碳排放，降低充電行為對(duì)配電網(wǎng)的影響。針對(duì)電動(dòng)汽車(chē)光伏充電站，提出了一種實(shí)時(shí)運(yùn)行策略。該策略將電動(dòng)汽車(chē)按充電行為分為剛性充電和柔性充電兩類(lèi)，以滿足電動(dòng)汽車(chē)充電需求、提高光伏就地消納和降低充電行為對(duì)配電網(wǎng)的影響為原則。該策略包含4個(gè)部分：電動(dòng)汽車(chē)交互分類(lèi)，電動(dòng)汽車(chē)充電可行域，動(dòng)態(tài)事件觸發(fā)機(jī)制和電動(dòng)汽車(chē)實(shí)時(shí)功率分配算法。此外，該策略是基于非預(yù)測(cè)機(jī)制，避免了因預(yù)測(cè)算法精度問(wèn)題而引入的不確定誤差。通過(guò)仿真實(shí)驗(yàn)結(jié)果綜合分析可知，該策略能有效發(fā)揮光伏充電站的優(yōu)勢(shì)并且實(shí)現(xiàn)預(yù)期目標(biāo)，對(duì)于光伏充電站的推廣具有一定的價(jià)值和意義。

光伏充電站 電動(dòng)汽車(chē) 實(shí)時(shí)運(yùn)行策略 功率分配

0 引言

由于日益嚴(yán)峻的能源危機(jī)和溫室效應(yīng)，人們的生存和發(fā)展受到了嚴(yán)重的威脅，因此，節(jié)能減排問(wèn)題受到了世界各國(guó)的廣泛關(guān)注[1-4]。許多國(guó)家把發(fā)展新能源和電動(dòng)汽車(chē)當(dāng)作減少碳排放和確保能源安全的有效手段[5-8]。然而，電動(dòng)汽車(chē)需要接入電網(wǎng)充電，因此，需要考慮由此引起的其他問(wèn)題[9-11]。首先，電動(dòng)汽車(chē)的間接排放受到發(fā)電能源組成的影響。若為電動(dòng)汽車(chē)提供的電能來(lái)自火電，則不能從根本上解決電動(dòng)汽車(chē)的間接排放問(wèn)題，無(wú)法充分發(fā)揮電動(dòng)汽車(chē)的清潔優(yōu)勢(shì)。其次，隨著電動(dòng)汽車(chē)規(guī)模的增大，需要投入巨大的資金擴(kuò)建發(fā)電、輸電和配電容量[12,13]。

在智慧城市的建設(shè)中，電動(dòng)汽車(chē)光伏充電站將扮演重要的角色。光伏發(fā)電系統(tǒng)作為重要的清潔能源發(fā)電系統(tǒng)，能夠方便地安裝在城市建筑屋頂上，為電動(dòng)汽車(chē)提供電能。光伏與電動(dòng)汽車(chē)充電設(shè)施的集成能夠有效地減少電動(dòng)汽車(chē)的間接排放，同時(shí)滿足白天充電需求，減少對(duì)電網(wǎng)的依賴(lài)[14-16]。

目前，國(guó)內(nèi)外對(duì)電動(dòng)汽車(chē)充電站與光伏集成系統(tǒng)的充電策略進(jìn)行了一定的研究[17-20]。從充電策略角度，目前的研究可以分為兩大類(lèi)：一類(lèi)是研究充電策略對(duì)配電網(wǎng)的影響；另一類(lèi)是研究基于預(yù)測(cè)的優(yōu)化策略。文獻(xiàn)[17]研究了大量插電式混合電動(dòng)汽車(chē)在裝有光伏的公寓大樓和辦公樓的充電策略。文章從對(duì)配電網(wǎng)影響、就地消納能力和電動(dòng)汽車(chē)行駛距離的角度對(duì)不同的充電策略和充電功率進(jìn)行了評(píng)估，結(jié)果表明采用合適的充電策略能夠有效降低充電行為對(duì)配電網(wǎng)的不利影響。文獻(xiàn)[18]從工作場(chǎng)所光伏充電站的經(jīng)濟(jì)性和環(huán)境效益角度，提出了一種優(yōu)化充電策略。但是，文章中提出的算法僅從光伏充電站充電總功率的角度優(yōu)化從電網(wǎng)的購(gòu)電量，并未對(duì)每輛電動(dòng)汽車(chē)提出功率優(yōu)化分配策略。文獻(xiàn)[19]提出了一種含光伏系統(tǒng)的智能家庭/樓宇電動(dòng)汽車(chē)充電策略。該策略分為兩個(gè)階段，光伏出力和電能需求預(yù)測(cè)階段與電動(dòng)汽車(chē)充電調(diào)度階段。由于預(yù)測(cè)誤差會(huì)對(duì)優(yōu)化結(jié)果產(chǎn)生不確定影響，因而，算法的有效性依賴(lài)于預(yù)測(cè)的準(zhǔn)確度。文獻(xiàn)[20]針對(duì)工業(yè)/商業(yè)工作場(chǎng)合中與大電網(wǎng)連接的充電站，提出了一種實(shí)時(shí)能量管理算法。該實(shí)時(shí)能量管理算法采用了基于統(tǒng)計(jì)規(guī)律的模型來(lái)預(yù)測(cè)光伏出力、電動(dòng)汽車(chē)到站時(shí)間和電動(dòng)汽車(chē)到站時(shí)的初始荷電狀態(tài)（State Of Charge, SOC）。

本文針對(duì)電動(dòng)汽車(chē)光伏充電站，提出了一種基于非預(yù)測(cè)的實(shí)時(shí)運(yùn)行策略。根據(jù)電動(dòng)汽車(chē)的充電行為，將電動(dòng)汽車(chē)分為剛性充電和柔性充電兩類(lèi)。有效結(jié)合光伏出力，為柔性充電類(lèi)電動(dòng)汽車(chē)分配合理的充電功率，滿足用戶(hù)白天的充電需求，促進(jìn)光伏最大化就地消納，同時(shí)，減少電動(dòng)汽車(chē)充電行為給電網(wǎng)帶來(lái)的不利影響。該策略主要由電動(dòng)汽車(chē)分類(lèi)、充電可行域（Feasible Charging Region, FCR）、動(dòng)態(tài)事件觸發(fā)（Dynamic Event Trigger, DET）和實(shí)時(shí)功率優(yōu)化分配（Real-Time Power Allocation, RTPA）四個(gè)部分構(gòu)成。考慮到每輛電動(dòng)汽車(chē)的充電特性，采用FCR約束電動(dòng)汽車(chē)的充電過(guò)程，確保用戶(hù)的充電需求。根據(jù)電動(dòng)汽車(chē)的數(shù)量、充電總功率和光伏功率的變化，采用DET機(jī)制觸發(fā)RTPA算法為每輛電動(dòng)汽車(chē)分配合適的充電功率。

本文提出的實(shí)時(shí)運(yùn)行策略主要有如下優(yōu)點(diǎn)： ①針對(duì)光伏充電站提出的實(shí)時(shí)運(yùn)行策略既能夠滿足電動(dòng)汽車(chē)白天的充電需求，又能夠促進(jìn)光伏最大化就地消納，減少充電行為對(duì)電網(wǎng)的影響；②根據(jù)電動(dòng)汽車(chē)SOC和光伏出力的變化，采用動(dòng)態(tài)事件觸發(fā)機(jī)制動(dòng)態(tài)調(diào)整電動(dòng)汽車(chē)的充電倍率；③功率分配策略簡(jiǎn)單易行，不依賴(lài)于光伏出力和電動(dòng)汽車(chē)充電需求的統(tǒng)計(jì)數(shù)據(jù)或預(yù)測(cè)算法。

1 光伏充電站典型結(jié)構(gòu)

電動(dòng)汽車(chē)光伏充電站的典型結(jié)構(gòu)如圖1所示，主要包括光伏發(fā)電系統(tǒng)、充電機(jī)、電動(dòng)汽車(chē)、AC-DC雙向變流器以及中央控制器五個(gè)部分。

圖1 電動(dòng)汽車(chē)光伏充電站典型結(jié)構(gòu)

光伏電池陣列通過(guò)DC-DC變流器連接到直流母線，通過(guò)充電機(jī)為電動(dòng)汽車(chē)提供充電功率，剩余的光伏功率通過(guò)AC-DC雙向變流器饋送到電網(wǎng)。光伏發(fā)電系統(tǒng)通過(guò)控制器實(shí)現(xiàn)最大功率點(diǎn)跟蹤（Maximum Power Point Tracking, MPPT）模式。中央控制器能夠?qū)夥l(fā)電系統(tǒng)、AC-DC雙向變流器和充電機(jī)進(jìn)行監(jiān)測(cè)和控制，實(shí)現(xiàn)電能的雙向流動(dòng)和充電功率的按需調(diào)節(jié)。

2 電動(dòng)汽車(chē)分類(lèi)

根據(jù)電動(dòng)汽車(chē)的充電行為，可將充電站中電動(dòng)汽車(chē)分為剛性充電類(lèi)和柔性充電類(lèi)，柔性充電類(lèi)在充電過(guò)程中可能會(huì)轉(zhuǎn)變?yōu)楸粍?dòng)剛性充電類(lèi)，如圖2所示。

圖2 電動(dòng)汽車(chē)分類(lèi)

電動(dòng)汽車(chē)充電倍率不接受充電站統(tǒng)一調(diào)節(jié)，或者不具有調(diào)節(jié)裕度的這類(lèi)電動(dòng)汽車(chē)歸類(lèi)為剛性充電類(lèi)。剛性充電類(lèi)分為主動(dòng)和被動(dòng)兩種。由于電動(dòng)汽車(chē)的充電倍率、離開(kāi)時(shí)間和目標(biāo)SOC可以由用戶(hù)設(shè)定，也可以保持充電站默認(rèn)設(shè)置。若用戶(hù)設(shè)定充電倍率為恒定充電倍率，不接受充電站的統(tǒng)一調(diào)節(jié)，則此類(lèi)用戶(hù)為主動(dòng)剛性用戶(hù)。若用戶(hù)設(shè)定充電倍率接受統(tǒng)一調(diào)節(jié)，但是由于用戶(hù)設(shè)定的離開(kāi)時(shí)間較短，而目標(biāo)SOC較高，因此，只能給這類(lèi)用戶(hù)以最大的充電倍率進(jìn)行充電，但也不能夠在設(shè)定的離開(kāi)時(shí)間之前達(dá)到目標(biāo)SOC，這類(lèi)用戶(hù)歸類(lèi)為被動(dòng)剛性充電類(lèi)。

電動(dòng)汽車(chē)充電倍率接受充電站統(tǒng)一調(diào)節(jié)，并且具有調(diào)節(jié)裕度的這類(lèi)電動(dòng)汽車(chē)歸類(lèi)為柔性充電類(lèi)。相對(duì)于剛性充電類(lèi)電動(dòng)汽車(chē)，柔性充電類(lèi)用戶(hù)設(shè)定的離開(kāi)時(shí)間合適，目標(biāo)SOC合理，或者保持默認(rèn)設(shè)置，則充電站可以根據(jù)需求對(duì)柔性類(lèi)電動(dòng)汽車(chē)分配合理的充電功率，在用戶(hù)設(shè)定的離開(kāi)時(shí)間之前達(dá)到目標(biāo)SOC。

3 實(shí)時(shí)運(yùn)行策略設(shè)計(jì)

3.1 基本原則

本文提出的運(yùn)行策略具有三個(gè)基本原則：滿足用戶(hù)的充電需求，促進(jìn)光伏功率最大化就地消納和減少充電行為對(duì)配電網(wǎng)的影響。電動(dòng)汽車(chē)進(jìn)站后，每個(gè)用戶(hù)可以設(shè)定預(yù)期充電目標(biāo)SOC或者采用默認(rèn)目標(biāo)SOC，因此，充電站的首要目標(biāo)是滿足用戶(hù)的充電需求，達(dá)到預(yù)期目標(biāo)。在確保充電需求的情況下，如何實(shí)現(xiàn)光伏功率的最大化就地消納，同時(shí)減少充電行為引起的巨大尖峰負(fù)荷對(duì)電網(wǎng)設(shè)備帶來(lái)的安全威脅是需要解決的兩個(gè)重要問(wèn)題。

為了實(shí)現(xiàn)三個(gè)原則，本文分別采用充電可行域、動(dòng)態(tài)事件觸發(fā)狀態(tài)機(jī)制和實(shí)時(shí)功率分配策略對(duì)用戶(hù)需求進(jìn)行量化建模，從而實(shí)現(xiàn)對(duì)電動(dòng)汽車(chē)的充電行為進(jìn)行約束，實(shí)現(xiàn)充電功率實(shí)時(shí)動(dòng)態(tài)跟隨光伏功率的變化。

3.2 充電可行域模型

電動(dòng)汽車(chē)充電過(guò)程中，SOC與充電電流的關(guān)系可以表示為

從而，電動(dòng)汽車(chē)充電過(guò)程中的SOC可以表述為

為了滿足第一個(gè)原則，若用戶(hù)設(shè)定的離開(kāi)時(shí)間充足，則電動(dòng)汽車(chē)必須達(dá)到充電目標(biāo)SOC，即obj。電動(dòng)汽車(chē)最小的充電持續(xù)時(shí)間為

因而電動(dòng)汽車(chē)的最晚起始充電時(shí)間

式中，d為電動(dòng)汽車(chē)充電離開(kāi)時(shí)間。

圖3所示為電動(dòng)汽車(chē)充電可行域，表示充電起始時(shí)間、充電倍率與SOC之間的關(guān)系圖。線段1的斜率表示電動(dòng)汽車(chē)的最大充電倍率，線段3的斜率表示電動(dòng)汽車(chē)的最小充電倍率。因而，電動(dòng)汽車(chē)的充電倍率可行域?yàn)椋?，電?dòng)汽車(chē)的充電起始時(shí)間可行域?yàn)椤?/p>

圖3 電動(dòng)汽車(chē)充電可行域

3.3 動(dòng)態(tài)事件觸發(fā)機(jī)制

在充電過(guò)程中，光伏充電站內(nèi)電動(dòng)汽車(chē)的數(shù)量、充電總功率和光伏出力具有隨機(jī)性和波動(dòng)性。本文提出的運(yùn)行策略采用動(dòng)態(tài)事件觸發(fā)機(jī)制，當(dāng)發(fā)生新增電動(dòng)汽車(chē)參與充電（Event1）、有電動(dòng)汽車(chē)充電完成（Event2）、光伏出力變化量達(dá)到一定閾值（Event3）和充電總功率變化量達(dá)到一定閾值（Event4）這四種情況（“1”表示發(fā)生，“0”表示未發(fā)生）時(shí)，會(huì)觸發(fā)充電功率分配策略。

3.3.1 光伏出力變化量達(dá)到一定的閾值

式（8）為光伏變化量自適應(yīng)動(dòng)態(tài)閾值生成方法。

設(shè)置固定閾值時(shí)，若閾值設(shè)置太小，則功率分配計(jì)算過(guò)于頻繁，而電動(dòng)汽車(chē)數(shù)量較多時(shí)，分配到每輛電動(dòng)汽車(chē)的功率幾乎不會(huì)發(fā)生改變。如果單次功率分配算法的計(jì)算量較大，則會(huì)給控制系統(tǒng)帶來(lái)嚴(yán)重的負(fù)擔(dān)。當(dāng)電動(dòng)汽車(chē)數(shù)量較少時(shí)，較小的光伏變化量分配到每輛電動(dòng)汽車(chē)，也能使電動(dòng)汽車(chē)的充電倍率發(fā)生有效的變化，若此時(shí)閾值設(shè)置太大，則會(huì)造成光伏功率得不到及時(shí)的分配。

3.3.2 充電總功率變化量達(dá)到一定的閾值

式（9）為充電總功率變化量動(dòng)態(tài)閾值生成方法。

3.4 事件觸發(fā)狀態(tài)機(jī)

本文采用狀態(tài)機(jī)來(lái)實(shí)現(xiàn)事件驅(qū)動(dòng)機(jī)制，如圖4所示。運(yùn)行策略主要包含三個(gè)狀態(tài)：事件監(jiān)測(cè)狀態(tài)、功率分配狀態(tài)和策略執(zhí)行狀態(tài)。正常情況下?tīng)顟B(tài)機(jī)處于事件監(jiān)測(cè)狀態(tài)，當(dāng)檢測(cè)到四個(gè)事件中的一個(gè)或幾個(gè)時(shí)，則觸發(fā)功率分配狀態(tài)進(jìn)行功率分配計(jì)算，計(jì)算完成之后（Padone=1表示計(jì)算完成，Padone=0表示正在計(jì)算過(guò)程中），觸發(fā)執(zhí)行狀態(tài)，將功率分配結(jié)果下發(fā)至充電機(jī)執(zhí)行，下發(fā)完畢之后（Exdone=1表示執(zhí)行完畢，Exdone=0表示正在執(zhí)行狀態(tài)），繼續(xù)進(jìn)行事件監(jiān)測(cè)。

圖4 事件觸發(fā)狀態(tài)機(jī)

3.5 實(shí)時(shí)運(yùn)行策略

圖5所示為中央控制器、充電機(jī)和電動(dòng)汽車(chē)三者之間的信息交互。

圖5 中央控制器、充電機(jī)和電動(dòng)汽車(chē)三者之間的信息交互

當(dāng)電動(dòng)汽車(chē)到達(dá)充電站與充電機(jī)連接之后，電動(dòng)汽車(chē)的電池管理系統(tǒng)（Battery Management System, BMS）將電池容量、最大充電倍率、當(dāng)前電壓和當(dāng)前SOC等信息發(fā)送給充電機(jī)，當(dāng)前電壓和當(dāng)前SOC信息是周期性發(fā)送。用戶(hù)需要通過(guò)充電機(jī)的人機(jī)界面設(shè)定目標(biāo)SOC、離開(kāi)時(shí)間和是否受控等信息。充電機(jī)將從人機(jī)界面和BMS得到的信息傳送給中央控制器。中央控制器接收光伏充電站中所有充電機(jī)的數(shù)據(jù)和來(lái)自光伏發(fā)電系統(tǒng)的實(shí)時(shí)光伏出力等其他數(shù)據(jù)，并對(duì)接收到的數(shù)據(jù)進(jìn)行相應(yīng)的處理，得到電動(dòng)汽車(chē)的充電可行域、電動(dòng)汽車(chē)的分類(lèi)、剛性充電類(lèi)電動(dòng)汽車(chē)數(shù)量、柔性充電類(lèi)電動(dòng)汽車(chē)的數(shù)量、電動(dòng)汽車(chē)總數(shù)量、充電總功率、光伏出力、電動(dòng)汽車(chē)離開(kāi)時(shí)間d、電動(dòng)汽車(chē)可調(diào)節(jié)系數(shù)、光伏動(dòng)態(tài)閾值和充電總功率動(dòng)態(tài)閾值等數(shù)據(jù)。

以第輛電動(dòng)汽車(chē)為例。根據(jù)FCR模型可知，第輛電動(dòng)汽車(chē)的充電起始時(shí)間在區(qū)間，充電倍率在區(qū)間，充電功率可以根據(jù)式（10）計(jì)算得到。

實(shí)時(shí)運(yùn)行策略的流程如圖6所示，具體實(shí)施過(guò)程如下。

圖6 實(shí)時(shí)運(yùn)行策略流程

（2）計(jì)算電動(dòng)汽車(chē)的充電可行域，并對(duì)電動(dòng)汽車(chē)進(jìn)行分類(lèi)，分別計(jì)算各類(lèi)電動(dòng)汽車(chē)的數(shù)量。

（3）實(shí)時(shí)事件監(jiān)測(cè)。如果出現(xiàn)四種事件中的一種或幾種，則開(kāi)始功率分配，執(zhí)行第（4）步，否則，繼續(xù)執(zhí)行第（3）步。

（4）為剛性充電類(lèi)電動(dòng)汽車(chē)分配最大充電功率，計(jì)算這些電動(dòng)汽車(chē)的充電總功率和數(shù)量。

（5）通過(guò)式（13）計(jì)算柔性充電類(lèi)電動(dòng)汽車(chē)的最小充電總功率，從而可以得到光伏充電站的充電總功率。

約束條件為

4 算例分析

4.1 仿真模型參數(shù)設(shè)置

以商業(yè)樓宇光伏充電站為研究對(duì)象，其網(wǎng)絡(luò)拓?fù)淙鐖D7所示。光伏充電站通過(guò)雙向AC-DC接入交流母線，站內(nèi)光伏與電動(dòng)汽車(chē)充電機(jī)接入直流母線，整個(gè)光伏充電站與樓宇其他用電負(fù)荷一同接入配電網(wǎng)。

圖7 仿真模型拓?fù)浣Y(jié)構(gòu)

光伏裝機(jī)容量為240kW，選用夏季典型日出力基礎(chǔ)數(shù)據(jù)，如圖8所示。

圖8 夏季典型日光伏出力曲線

電動(dòng)汽車(chē)數(shù)量為120輛，默認(rèn)目標(biāo)SOC為0.85，即obj=0.85，動(dòng)力電池參數(shù)見(jiàn)表1。圖9所示為編號(hào)從1～120的電動(dòng)汽車(chē)到站、離站時(shí)間、停留時(shí)長(zhǎng)的統(tǒng)計(jì)數(shù)據(jù)和隨機(jī)生成的初始SOC示意圖。在Matlab中搭建了仿真模型，對(duì)運(yùn)行策略進(jìn)行了仿真實(shí)驗(yàn)。

表1 動(dòng)力電池參數(shù)表

Tab.1 The parameters of EV battery

圖9 隨機(jī)生成的初始SOC和到達(dá)時(shí)間

4.2 對(duì)比結(jié)果分析

為了說(shuō)明本文提出的運(yùn)行策略的有效性，將其與常規(guī)的運(yùn)行策略進(jìn)行了對(duì)比分析。

對(duì)于常規(guī)的運(yùn)行策略，電動(dòng)汽車(chē)隨到隨充，以恒流的方式進(jìn)行充電，充電站并不對(duì)電動(dòng)汽車(chē)進(jìn)行有序充電管理，直到電動(dòng)汽車(chē)達(dá)到目標(biāo)SOC。

從圖10中可以看到，由于采用常規(guī)充電策略，充電站并未對(duì)電動(dòng)汽車(chē)采取控制措施，電動(dòng)汽車(chē)集中在同一時(shí)段進(jìn)行剛性充電，而光伏功率不能滿足充電需求，從而導(dǎo)致電網(wǎng)負(fù)荷急劇增加，與原始負(fù)荷曲線相比，峰值負(fù)荷增加了約350kW。從約10∶30到充電結(jié)束，由于常規(guī)充電策略不能將光伏出力與充電功率結(jié)合，不能實(shí)現(xiàn)光伏最大化就地消納，從而導(dǎo)致充電行為對(duì)電網(wǎng)產(chǎn)生較大的影響，嚴(yán)重時(shí)可能因?yàn)榫€路過(guò)負(fù)荷引起配電網(wǎng)故障。從圖11中可以看到，由于較低的初始SOC和較短的停留時(shí)間，雖然采用了最大允許充電功率充電，有4輛剛性電動(dòng)汽車(chē)仍然無(wú)法達(dá)到目標(biāo)SOC。

圖10 常規(guī)運(yùn)行策略效果曲線

圖11 常規(guī)充電策略電動(dòng)汽車(chē)SOC對(duì)比

Fig.11 Comparison between initial SOC and departure SOC controlled by regular strategy

本文提出的實(shí)時(shí)運(yùn)行策略以滿足用戶(hù)充電需求和促進(jìn)光伏最大化就地消納，減少對(duì)電網(wǎng)影響為原則，對(duì)電動(dòng)汽車(chē)的充電行為進(jìn)行了有序的控制。采用FCR模型限制電動(dòng)汽車(chē)的充電行為，采用DET機(jī)制動(dòng)態(tài)觸發(fā)RTPA算法對(duì)電動(dòng)汽車(chē)的充電功率進(jìn)行了優(yōu)化分配，運(yùn)行策略效果如圖12～圖15所示。

圖12 充電中電動(dòng)汽車(chē)數(shù)量變化

圖13 實(shí)時(shí)運(yùn)行策略效果

圖14 抽取的5輛電動(dòng)汽車(chē)充電倍率

圖15 充電前后SOC對(duì)比

由圖12可知，從7∶00～10∶00左右，同時(shí)充電的電動(dòng)汽車(chē)數(shù)量迅速增加，10∶00～14∶00時(shí)段，同時(shí)充電的電動(dòng)汽車(chē)數(shù)量達(dá)到平衡狀態(tài)，14∶00～17∶00時(shí)段，電動(dòng)汽車(chē)陸續(xù)充滿，同時(shí)充電中的電動(dòng)汽車(chē)數(shù)量迅速減少。

從圖12和圖13中可以看出，從7∶00～10∶40左右，隨著電動(dòng)汽車(chē)數(shù)量的增加，光伏功率不能滿足充電需求，為了達(dá)到充電目標(biāo)SOC同時(shí)降低對(duì)電網(wǎng)的影響，RTPA算法給剛性類(lèi)電動(dòng)汽車(chē)分配最大充電倍率，給柔性類(lèi)電動(dòng)汽車(chē)分配最小充電倍率，此時(shí)，功率缺額由電網(wǎng)提供，電網(wǎng)峰值負(fù)荷增加50kW左右，是常規(guī)充電策略增長(zhǎng)量的1/7左右。在10∶00～14∶30時(shí)段，由于光伏功率充足，因此，DET機(jī)制動(dòng)態(tài)觸發(fā)RTPA算法跟隨光伏功率的變化為電動(dòng)汽車(chē)分配充電功率，以減少對(duì)電網(wǎng)的影響。將圖13與圖10對(duì)比可知，約從10∶30開(kāi)始到充電結(jié)束，采用常規(guī)策略充電，光伏功率未得到充分就地消納，而本文提出的實(shí)時(shí)運(yùn)行策略能夠有效地促進(jìn)光伏最大化就地消納。

圖14中為隨機(jī)選取的5輛電動(dòng)汽車(chē)的充電倍率曲線，其中編號(hào)120的電動(dòng)汽車(chē)為剛性需求類(lèi)電動(dòng)汽車(chē)，由于較短的充電時(shí)長(zhǎng)和較低的SOC，RTPA算法為其分配了最大充電功率，使其盡可能滿足充電需求。而其他4輛電動(dòng)汽車(chē)為柔性類(lèi)，其充電功率由RTPA根據(jù)光伏功率和FCR模型進(jìn)行了合理的分配。對(duì)比圖11和圖15中可以看出，采用本文提出的運(yùn)行策略在滿足用戶(hù)需求上具有與常規(guī)運(yùn)行策略相同的性能。

5 結(jié)論

本文針對(duì)光伏充電站提出一種實(shí)時(shí)運(yùn)行策略，以滿足用戶(hù)充電需求和促進(jìn)光伏最大化就地消納，減少對(duì)電網(wǎng)影響為原則，對(duì)光伏出力和電動(dòng)汽車(chē)充電需求未采用預(yù)測(cè)算法，而是基于實(shí)時(shí)決策框架。根據(jù)電動(dòng)汽車(chē)的充電行為，將電動(dòng)汽車(chē)分為剛性充電和柔性充電兩類(lèi)，采用充電可行域?qū)﹄妱?dòng)汽車(chē)的充電行為進(jìn)行控制，以滿足電動(dòng)汽車(chē)的充電需求。并根據(jù)電動(dòng)汽車(chē)的數(shù)量、充電總功率和光伏功率的變化，采用DET機(jī)制觸發(fā)RTPA算法為每輛電動(dòng)汽車(chē)分配合適的充電功率，有效地將充電行為與光伏出力有機(jī)結(jié)合。對(duì)比實(shí)驗(yàn)結(jié)果顯示本文提出的算法對(duì)于不同分類(lèi)的電動(dòng)汽車(chē)能進(jìn)行合理的充電功率分配，滿足用戶(hù)白天的充電需求，促進(jìn)光伏最大化就地消納，同時(shí)，減少電動(dòng)汽車(chē)充電行為給電網(wǎng)帶來(lái)的不利影響。

參考文獻(xiàn)

[1] 路欣怡, 劉念, 陳征, 等. 電動(dòng)汽車(chē)光伏充電站的多目標(biāo)優(yōu)化調(diào)度方法[J]. 電工技術(shù)學(xué)報(bào), 2014, 29(8): 46-56.

Lu Xinyi, Liu Nian, Chen Zheng, et al. Multi- objective optimal scheduling for PV-assisted charging station of electric vehicles[J]. Transactions of China Electrotechnical Society, 2014, 29(8): 46-56.

[2] 肖湘寧, 溫劍鋒, 陶順, 等. 電動(dòng)汽車(chē)充電基礎(chǔ)設(shè)施規(guī)劃中若干關(guān)鍵問(wèn)題的研究與建議[J]. 電工技術(shù)學(xué)報(bào), 2014, 29(8): 1-10.

Xiao Xiangning, Wen Jianfeng, Tao Shun, et al. Study and recommendations of the key issues in planning of electric vehicles’charging facilities[J]. Transactions of China Electrotechnical Society, 2014, 29(8): 1-10.

[3] 鮑諺, 賈利民, 姜久春, 等. 電動(dòng)汽車(chē)移動(dòng)儲(chǔ)能輔助頻率控制策略的研究[J]. 電工技術(shù)學(xué)報(bào), 2015, 30(11): 115-126.

Bao Yan, Jia Limin, Jiang Jiuchun, et al. Research on the control strategy of electric vehicle mobile energy storage in ancillary frequency regulation[J]. Transa- ctions of China Electrotechnical Society, 2015, 30(11): 115-126.

[4] 劉月賢, 王天鈺, 楊亞宇, 等. 電動(dòng)汽車(chē)充放電系統(tǒng)建模與仿真[J]. 電力系統(tǒng)保護(hù)與控制, 2013, 42 (13): 70-76.

Liu Yuexian, Wang Tianyu, Yang Yayu, et al. Modeling and simulation of electric vehicles’ charge and discharge system[J]. Power System Protection and Control, 2013, 42(13): 70-76.

[5] Jian L N, Xue H H, Xu G Q, et al. Regulated charging of plug-in hybrid electric vehicles for minimizing load variance in household smart microgrid[J]. IEEE Transactions on Industrial Electronics, 2013, 60(8): 3218-3226.

[6] 陶順, 肖湘寧, 溫劍鋒. 電動(dòng)汽車(chē)分散充電設(shè)施配比度分析與計(jì)算方法[J]. 電工技術(shù)學(xué)報(bào), 2014, 29(8): 11-19.

Tao Shun, Xiao Xiangning, Wen Jianfeng. Con- figuration ratio for distributed electrical vehicle charging infrastructures[J]. Transactions of China Electrotechnical Society, 2014, 29(8): 11-19.

[7] 佟晶晶, 溫俊強(qiáng), 王丹, 等. 基于分時(shí)電價(jià)的電動(dòng)汽車(chē)多目標(biāo)優(yōu)化充電策略[J]. 電力系統(tǒng)保護(hù)與控制, 2016, 44(1): 17-23.

Tong Jingjing, Wen Junqiang, Wang Dan, et al. Multi-objective optimization charging strategy for plug-in electric vehicles based on time-of-use price[J]. Power System Protection and Control, 2016, 44(1): 17-23.

[8] 劉月賢, 王天鈺, 楊亞宇, 等. 電動(dòng)汽車(chē)充放電系統(tǒng)建模與仿真[J]. 電力系統(tǒng)保護(hù)與控制, 2014, 42(13): 70-76.

Liu Yuexian, Wang Tianyu, Yang Yayu, et al. Modeling and simulation of electric vehicles’charge and discharge system[J]. Power System Protection and Control, 2014, 42(13): 70-76.

[9] Rautiainen A, Mutanen A, Repo S, et al. Case studies on impacts of plug-in vehicle charging load on the planning of urban electricity distribution networks[C]// 8th International Conference and Exhibition on Ecological Vehicles and Renewable Energies (EVER), Monte Carlo, 2013: 1-7.

[10] Ferna?ndez L P, Roman T G S, Cossent R, et al. Assessment of the impact of plug-in electric vehicles on distribution networks[J]. IEEE Transactions on Power Systems, 2011, 26(1): 206-213.

[11] Dyke K J, Schofield N, Barnes M. The impact of transport electrification on electrical networks[J]. IEEE Transactions on Industrial Electronics, 2010, 57(12): 3917-3926.

[12] Cao Y J, Tang S W, Li C B, et al. An optimized EV charging model considering TOU price and SOC curve[J]. IEEE Transactions on Smart Grid, 2012, 3(1): 388-393.

[13] Marra F, Yang G Y, Tr?holt C, et al. EV Charging facilities and their application in LV feeders with photovoltaics[J]. IEEE Transactions on Smart Grid, 2013, 4(3): 1533-1540.

[14] Saber A Y, Venayagamoorthy G K. Plug-in vehicles and renewable energy source for cost and emission reduction[J]. IEEE Transactions on Industrial Electronics, 2011, 58(4): 1229-1238.

[15] Traube J, Lu F, Maksimovic D. Mitigation of solar irradiance intermittency in photovoltaic power systems with integrated electric-vehicle charging functionality[J]. IEEE Transactions on Power Elec- tronics, 2013, 28(6): 3058-3067.

[16] Birnie D P. Solar-to-vehicle (S2V) systems for powering commuters of the future[J]. Journal of Power Sources, 2009, 186(2): 539-542.

[17] Byeon G, Yoon T, Oh S, et al. Energy management strategy of the DC distribution system in buildings using the EV service model[J]. IEEE Transactions on Power Electronics, 2013, 28(4): 1544-1554.

[18] Zhu W, Wang L F, Dounis A I, et al. Integration of plug-in hybrid electric vehicles into energy and comfort management for smart building[J]. Energy and Buildings, 2012, 47: 260-266.

[19] Fabian Kennel, Gorges D, Liu Steven. Energy management for smart grids with electric vehicles based on hierarchical MPC[J]. IEEE Transactions on Industrial Informatics, 2013, 9(3): 1528-1537.

[20] Roy J V, Leemput N, Geth F, et al. Electric vehicle charging in an office building microgrid with distributed energy resources[J]. IEEE Transactions on Sustainable Energy, 2014, 5(4): 1389-1396.

Real-Time Operation Strategy for PV-Based EV Charging Station Considering Charging Demand and Random Events

112,31

（1. State Key Laboratory of Alternate Electrical Power System with Renewable Energy Sources North China Electric Power University Beijing 102206 China 2. State Grid Energy Conservation Service Co. Ltd Beijing 100052 China 3. State Grid (Beijing) Energy Conservation Design and Research Institute Co. Ltd Beijing 100052 China）

PV-based EV charging station is an effective system to integrate the PV generation system into the charging facility. It would effectively reduce indirect carbon emission and the impacts on the grid network. In this paper, a real-time operation strategy is proposed for the PV-based EV charging station. EVs are classified into two categories: the rigid EVs and the flexible EVs, following three principles of adapting to charging demand, maximizing the self-consumption of PV energy and reducing the impacts on the power grid. It consists of four main parts, that is, EV classification, the feasible charging rate, the mechanism of dynamical event triggering and the algorithm of real-time power allocation for EVs. Furthermore, in order to avoid the defect introduced by forecasting algorithm, non-forecasting strategy is adopted. The simulation results have shown that the proposed strategy can make full use of PV system. The strategy will promote the application of PV-based EV charging station.

PV-based EV charging station, electric vehicles, real-time operation strategy, power allocation

U469.72；TK51

陳奇芳 男，1986年生，博士，研究方向?yàn)樾枨髠?cè)能量管理、電動(dòng)汽車(chē)等。

E-mail: amiqicqf@163.com（通信作者）

劉 念 男，1981年生，副教授，研究方向?yàn)樾枨髠?cè)能量管理、電力信息安全、電動(dòng)汽車(chē)等。

E-mail: nian_liu@163.com

2016-03-07 改稿日期 2016-06-12

國(guó)家自然科學(xué)基金（51577059）和中央高?；穑?015XS03）資助項(xiàng)目。