考慮環(huán)境溫度的電動汽車充電負(fù)荷預(yù)測

王海玲, 張美霞, 楊 秀

(上海電力學(xué)院 電氣工程學(xué)院, 上海 200090)

考慮環(huán)境溫度的電動汽車充電負(fù)荷預(yù)測

王海玲, 張美霞, 楊 秀

(上海電力學(xué)院 電氣工程學(xué)院, 上海 200090)

為了保證電動汽車充電負(fù)荷預(yù)測更加準(zhǔn)確、合理,分析了環(huán)境溫度導(dǎo)致電池特性、空調(diào)能耗和道路狀況的變化對電動汽車充電需求的影響.考慮環(huán)境溫度因素,引入能耗因子計算單位里程耗電量,利用蒙特卡洛法計算了單輛車的充電負(fù)荷需求,再累加到總的充電負(fù)荷曲線上.以2020年上海市電動汽車為例仿真計算,驗證了在不同溫度影響下,電動汽車充電負(fù)荷會發(fā)生明顯的變化.

電動汽車; 環(huán)境溫度; 能耗因子; 充電負(fù)荷

近年來,在環(huán)境污染和能源危機的雙重壓力下,節(jié)能減排越來越受到人們關(guān)注,電動汽車因其具有環(huán)保、節(jié)能等特點,成為重要的交通工具之一[1].

電動汽車大規(guī)模接入電網(wǎng),勢必會對電網(wǎng)的安全、經(jīng)濟運行以及電網(wǎng)規(guī)劃產(chǎn)生影響[2].因此,電動汽車充電需求預(yù)測就顯得尤為重要.

文獻[3]和文獻[4]通過收集大量車輛行駛數(shù)據(jù)分析電動汽車的行駛特性,從而進行電動汽車充電負(fù)荷預(yù)測.

文獻[5]和文獻[6]根據(jù)電動汽車的不同行駛特性和充電行為,采用蒙特卡洛模擬法計算充電負(fù)荷.

文獻[7]用停車生成率模型預(yù)測停車需求,提出了一種考慮時空分布的充電負(fù)荷預(yù)測方法.

文獻[8]構(gòu)建簡單鏈和復(fù)雜鏈,提出了一種基于行駛出行鏈的電動汽車充電負(fù)荷預(yù)測方法.

目前已發(fā)表了大量關(guān)于電動汽車充電負(fù)荷計算的文獻,但考慮環(huán)境溫度對電動汽車充電負(fù)荷影響的卻很少.

文獻[9]雖然分析了環(huán)境溫度對電動汽車充電負(fù)荷的影響,但在計算中卻未考慮環(huán)境溫度對道路狀況的影響.

本文以私家車為研究對象,分析環(huán)境溫度導(dǎo)致的電池特性、空調(diào)耗能和道路狀況的變化,對電動汽車充電負(fù)荷的影響.

采用蒙特卡洛法模擬車主日常行駛特性,考慮環(huán)境溫度這一重要因素,對電動汽車充電負(fù)荷進行建模,并以2020年上海市電動汽車充電負(fù)荷為例進行分析驗證.

1 環(huán)境溫度對充電需求的影響

1.1 環(huán)境溫度對電池性能的影響

電池作為電動汽車的動力源,其性能受到環(huán)境溫度的影響.電池相對容量隨溫度變化的曲線如圖1所示,這是由于電動汽車使用的磷酸鐵鋰電池在不同的溫度下,電池的性能發(fā)生較大變化[10].把25 ℃作為參考溫度,在高溫階段電池容量變化不明顯,超過30 ℃電池容量基本不變.而低溫階段,隨著溫度下降,電池容量逐漸減小,0 ℃時電池相對容量為79.3%,-20 ℃時電池相對容量只有43.6%.

由此表明,低溫階段電池容量的衰減率隨溫度的降低急劇上升.電池容量的變化直接影響電動汽車的續(xù)航里程,從而影響充電需求.

圖1 電池相對容量隨溫度變化的曲線

1.2 環(huán)境溫度對空調(diào)能耗的影響

電動汽車直接由動力電池給空調(diào)供電,空調(diào)作為電動汽車中第二大耗能設(shè)備,環(huán)境溫度的高低直接影響空調(diào)耗電量,從而增加電動汽車的充電負(fù)荷.但空調(diào)的能耗又受乘客人數(shù)、車型大小等因素的影響,因此不能準(zhǔn)確定義空調(diào)能耗隨溫度的變化.通過大量數(shù)據(jù)調(diào)研,獲取電動汽車空調(diào)在制冷和制熱情況下的功耗范圍及均值見表1.

表1 空調(diào)功率 kWh

1.3 環(huán)境溫度對道路狀況的影響

環(huán)境溫度和天氣狀況有一定的相關(guān)性,不良天氣主要通過改變路面附著系數(shù)和能見度等道路狀況來影響行車速度.冬季雨雪霧天氣較多,嚴(yán)重影響道路狀況,限制了電動汽車行駛速度.電動汽車行駛速度直接影響單位里程耗電量,進而影響電動汽車的充電需求.

根據(jù)文獻[11]給出的不同天氣對應(yīng)不同能見度和附著系數(shù)的車速限制建議,總結(jié)出不同環(huán)境溫度下的最佳行駛速度,如表2所示.

表2 不同環(huán)境溫度對應(yīng)路況下的最佳行駛速度

注:冬季路況I型表示雨雪霧嚴(yán)重,II型表示雨雪霧輕微;夏季路況I型表示雨天,II型表示晴天.

2 電動汽車充電負(fù)荷計算方法

2.1 充電負(fù)荷計算模型

本文僅考慮電動私家車,充電負(fù)荷計算以天為單位,將一天劃分為96個時段,每個時段15 min.第m時刻的總充電負(fù)荷為所有電動汽車在該時刻的充電負(fù)荷之和,總充電功率可表示為:

(1)

式中:PEV,m——第m時刻的總充電功率,m取1,2,3,…96;

N——電動汽車總數(shù);

Pi,m——第i輛車在第m時刻的充電功率.

利用蒙特卡洛法抽取單輛電動汽車的日行駛里程和開始充電時刻.車主通常在單位和居民區(qū)停車場充電.將“單位充電”用“1”表示,“居民區(qū)充電”用“0”表示,車主日常充電行為服從0～1分布.假設(shè)車主之間充電行為相互獨立,數(shù)量為n的電動汽車規(guī)?；潆娦袨榻品膮?shù)為n和p的二項分布,記為site～b(n,p),p表示在公司充電概率[12].

由于p取值在[0,1]內(nèi),因此規(guī)模化的電動汽車在單位充電概率服從U(0,1)均勻分布.對于第i臺電動汽車,隨機生成服從U(0,1)的隨機數(shù)Rand,當(dāng)Rand

(2)

式中:ut——開始充電時刻的數(shù)學(xué)期望,單位充電取ut=9,居民區(qū)充電取ut=19;

δt——開始充電時刻的標(biāo)準(zhǔn)差,單位充電取δt=0.5,居民區(qū)充電取δt=1.5.

(3)

式中:ud——日行駛里程的數(shù)學(xué)期望,取ud=2.98;

企業(yè)戰(zhàn)略管理與項目管理耦合還需要強調(diào)關(guān)聯(lián)性。因為本身戰(zhàn)略管理和項目管理兩者就是有著一定聯(lián)系的，如果在企業(yè)中忽略了戰(zhàn)略管理就會讓企業(yè)失去發(fā)展的方向，沒有了遠(yuǎn)大的抱負(fù)和企業(yè)發(fā)展的動力，而且項目管理在失去戰(zhàn)略管理以后也將會出現(xiàn)一些不必要的決策失誤問題。當(dāng)前社會中還存在著一些企業(yè)將過多的資源放置在戰(zhàn)略管理上，只是一味地注重企業(yè)的長遠(yuǎn)發(fā)展，而不是重視企業(yè)當(dāng)前發(fā)展情況，那么這就會造成企業(yè)中項目管理的荒廢，從而進一步導(dǎo)致企業(yè)資金鏈的斷裂，給企業(yè)的長遠(yuǎn)發(fā)展形成嚴(yán)重的阻礙。所以說，在企業(yè)發(fā)展中強調(diào)戰(zhàn)略管理與項目管理耦合要具有關(guān)聯(lián)性是至關(guān)重要的［7］。

δd——日行駛里程的標(biāo)準(zhǔn)差,取δd=1.14.

2.3 考慮環(huán)境溫度的充電負(fù)荷計算

考慮環(huán)境溫度對空調(diào)耗電量的影響,得出電動汽車在不同溫度下行駛的空調(diào)耗電量:

(4)

式中:KT——在環(huán)境溫度為T時,電動汽車以速度v行駛S公里空調(diào)的耗電量;

Tmin——冬季空調(diào)制熱的上限溫度,取15 ℃;

Tmax——夏季空調(diào)制冷的下限溫度,取28 ℃;

WL,WR——空調(diào)制冷和制熱的功率.

由圖1可得不同環(huán)境溫度下的電池最大容量為:

(5)

式中:CT——環(huán)境溫度為T時的電池最大容量;ZT——環(huán)境溫度為T時,電池相對容量百分?jǐn)?shù);C25——環(huán)境溫度為25 ℃時的電池容量.

環(huán)境溫度對路況的影響勢必導(dǎo)致電動汽車行駛速度的變化.

引用文獻[14]中電動汽車的能耗因子模型,得到以不同速度行駛單位里程所耗電量為:

(6)

從而得到:

(7)

式中:E——電動汽車以速度v行駛單位里程所消耗的電量;

FT——在環(huán)境溫度T時,電動汽車行駛S公里所消耗的電量.

按開始充電時刻的荷電狀態(tài)(StateofCharge,SOC)來判斷充電方式,若其值大于20%,選擇常規(guī)慢充.反之,選擇快充.

不同環(huán)境溫度下,電動汽車開始充電時刻的荷電狀態(tài)為:

(8)

2.4 充電負(fù)荷計算流程

電動汽車充電負(fù)荷計算流程如圖2所示.其中Pc為充電功率.

圖2 電動汽車充電負(fù)荷計算流程

3 算例分析

3.1 參數(shù)設(shè)置

根據(jù)《節(jié)能與新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃》,預(yù)計到2020年,我國電動汽車產(chǎn)銷達到200萬輛[15],上海電動私家車達到7.349萬輛[16],計算2020年上海市電動汽車充電負(fù)荷,參數(shù)設(shè)置如下:電動汽車數(shù)量N為73 490;磷酸鐵鋰電池容量為25.6 kWh;環(huán)境溫度分別為0 ℃,20 ℃,35 ℃時電池相對容量百分?jǐn)?shù)z0,z20,z35分別為79.3%,98.8%,103%;常規(guī)慢充電能為4 kWh,充電效率為90%;快充電能為40 kWh,開始充電時刻滿足均勻分布t0～U(0,24);默認(rèn)常規(guī)充電每次都充滿,快充0.5 h;單位停車場充電概率p為0.2.

空調(diào)不同模式下的制熱和制冷功率,如表3所示.

表3 不同運行模式下的空調(diào)功率 kWh

3.2 軟件仿真

依據(jù)上海的氣象特點,選取20 ℃為典型常溫天氣,0 ℃和35 ℃分別作為典型冬季和夏季氣溫.利用Matlab軟件進行仿真,計算出在不同環(huán)境溫度下2020年上海地區(qū)電動汽車充電負(fù)荷.

3.2.1 不同空調(diào)模式下的電動汽車充電負(fù)荷

假設(shè)電動汽車在綜合路況下,以60 km/h的速度行駛.分析不同空調(diào)模式下,環(huán)境溫度對電動汽車充電負(fù)荷的影響.2020年上海市電動汽車在不同空調(diào)模式下的充電負(fù)荷曲線分別如圖3,圖4和圖5所示.

圖3 2020年上海市電動汽車空調(diào)節(jié)能模式下充電負(fù)荷曲線

由圖3可知,空調(diào)節(jié)能模式下,2020年上海市電動汽車充電負(fù)荷在冬季0 ℃時的峰值為74 516 kW,在夏季35 ℃時的峰值為74 037 kW.常溫20 ℃時沒有啟動空調(diào),因此電動汽車充電負(fù)荷較前兩者低,峰值為70 678 kW.

由圖4可知,空調(diào)普通模式下,常溫20 ℃時的電動汽車充電負(fù)荷和在空調(diào)節(jié)能模式下的負(fù)荷相同,除此之外,冬季0 ℃和夏季35 ℃時的充電負(fù)荷均有所增加,其峰值分別為76 147 kW和75 537 kW.

由圖5可知,空調(diào)耗電模式下,2020年上海市電動汽車充電負(fù)荷在冬季0 ℃時的峰值為77 722 kW,在夏季35 ℃時的峰值為76 618 kW,而常溫20 ℃時的充電負(fù)荷與其他模式依舊保持不變.

圖4 2020年上海市電動汽車空調(diào)普通模式下充電負(fù)荷曲線

圖5 2020年上海市電動汽車空調(diào)耗電模式下充電負(fù)荷曲線

3.2.2 不同行駛速度的電動汽車充電負(fù)荷

假設(shè)電動汽車空調(diào)運行在普通模式,考慮環(huán)境溫度對道路狀況的影響,分析在不同溫度的最佳行駛速度下,電動汽車的充電負(fù)荷變化.2020年上海市電動汽車在不同行駛速度下的充電負(fù)荷曲線如圖6所示.

由圖6可知,環(huán)境溫度越低,電動汽車行駛速度越慢,充電負(fù)荷卻越大.2020年上海市電動汽車在冬季0 ℃的最佳行駛速度40 km/h運行模式下,充電負(fù)荷最大,在夏季35 ℃的最佳行駛速度80 km/h運行模式下,充電負(fù)荷最小.

圖6 2020年上海市電動汽車不同行駛速度下充電負(fù)荷曲線

3.3 結(jié)果分析

(1) 環(huán)境溫度對電動汽車充電負(fù)荷的影響顯著,尤其是在低溫天氣.2020年上海市電動汽車不同空調(diào)模式下充電日負(fù)荷總量如圖7所示.由圖7可知,以常溫天氣20 ℃作為參考,在35 ℃時,上海市電動汽車充電日負(fù)荷總量增加,但增長量明顯比0 ℃時低.同時,空調(diào)運行模式越耗能,環(huán)境溫度對電動汽車充電負(fù)荷影響越大.

(2) 由環(huán)境溫度導(dǎo)致的行駛速度變化,對電動汽車充電負(fù)荷的影響較大.不同行駛速度下電動汽車負(fù)荷變化如表4所示,低溫低速行駛對電動汽車充電負(fù)荷影響尤為顯著.取常溫20 ℃的最佳行駛速度60 km/h的電動汽車充電負(fù)荷作為參考,2020年上海市電動汽車在低溫0 ℃時,以最佳行駛速度40 km/h行駛,充電負(fù)荷峰值提高19.5%,充電日負(fù)荷總量增加38.8%.

圖7 2020年上海市電動汽車不同空調(diào)模式下充電日負(fù)荷總量

速度/(km·h-1)溫度/℃峰值/kW負(fù)荷總量/kWh變化量/%峰值負(fù)荷總量4008477268433019.538.85008016762271013.426.3602070672492850007035717775020801.51.87803568063465260-3.6-5.59

4 結(jié) 語

通過分析環(huán)境溫度對空調(diào)耗電量、電池特性和道路狀況的改變,進而證明環(huán)境溫度對充電需求的影響.以上海市2020年電動汽車充電負(fù)荷為例進行仿真,表明低溫天氣對空調(diào)耗電量、電池特性和道路狀況的影響都比高溫天氣更大,因此低溫天氣對電動汽車充電負(fù)荷的影響也更為顯著.

本文僅以上海市電動私家車為研究對象,相對而言,電動出租車、電動公交車和電動公務(wù)車負(fù)荷需求更大,因此環(huán)境溫度對其影響也隨之增大.在之后的研究中,將進一步考慮環(huán)境溫度對其他類型電動汽車的影響.

[1] BOULANGER A G,CHU A C,MAXX S,etal.Vehicle electrification:status and issues[J].Proceedings of the IEEE,2011,99(6):1 116-1 138.

[2] FERNANDEZ L P,ROMANT G S,COSSENT R.Assessment of the impact of plug-in electric vehicles on distribution networks[J].IEEE Trans on Power System,2011,26(1):206-213.

[3] 王岱,管曉宏,吳江,等.基于車輛行駛行為特性建模的電動汽車充放電策略與分析[J].電網(wǎng)技術(shù),2014,38(9):2 322-2 327.

[4] TAE-KYUNG L,BARKET Z,GORDON T,etal.Stochastic modeling for studies of real-world PHEV usage:driving schedule and daily temporal distributions[J].IEEE Trans on Vehicular Technology,2012,61(4):1 493-1 502.

[5] 袁正平,周偉,王文斌.電動汽車充電負(fù)荷預(yù)測方法研究[J].華東電力,2013,41(12):2 567-2 572.

[6] 羅卓偉,胡澤春,宋永華,等.電動汽車充電負(fù)荷計算方法[J].電力系統(tǒng)自動化,2011,35(14):36-42.

[7] 張洪財,胡澤春,宋永華,等.考慮時空分布的電動汽車充電負(fù)荷預(yù)測方法[J].電力系統(tǒng)自動化,2014,38 (1):13-18.

[8] 陳麗丹,聶涌泉,鐘慶.基于出行鏈的電動汽車充電負(fù)荷預(yù)測模型[J].電工技術(shù)學(xué)報,2015,30(4):216-225.

[9] 羅浩成,胡澤春,張洪財.環(huán)境溫度對電動汽車充電負(fù)荷的影響分析[J].電力建設(shè),2015,36(7):69-74.

[10] 羅玲,宋文吉,林仕立,等.工作溫度對磷酸鐵鋰電池SOC影響及研究進展[J].新能源進展,2015,3(1):59-69.

[11] 唐晉娟.不良天氣條件下高速公路交通安全影響分析[D].南京:南京林業(yè)大學(xué),2010.

[12] 楊冰,王麗芳,廖承林,等.不確定充電習(xí)慣對電動汽車充電負(fù)荷需求及充電負(fù)荷調(diào)節(jié)的影響[J].電工技術(shù)學(xué)報,2015,30(4):226-232.

[13] 辛昊,嚴(yán)正,許少倫.基于多代理系統(tǒng)的電動汽車協(xié)調(diào)充電策略[J].電網(wǎng)技術(shù),2015,39(1):48-53.

[14] 宋媛媛.基于行駛工況的純電動汽車能耗建模及續(xù)駛里程估算研究[D].北京:北京交通大學(xué),2014.

[15] 中國電工技術(shù)學(xué)會電動車輛專業(yè)委員會.我國電動汽車市場化進程中相關(guān)問題述綜[J].電工電能新技術(shù),2015,34(7):1-10.

[16] 施泉生,劉曄,孫波.上海地區(qū)發(fā)展電動汽車的綜合效益分析[J].中國電力,2014,47(11):121-126.

(編輯 桂金星)

Electric Vehicle Charging Load Forecasting Considering Environmental Temperature

WANG Hailing, ZHANG Meixia, YANG Xiu

(SchoolofElectricalEngineering,ShanghaiUniversityofElectricPower,Shanghai200090,China)

In order to ensure electric vehicle(EV) charging load forecasting more accurate and reasonable,the influence of changes in the battery characteristics,air conditioning energy consumption and the influence of road conditions caused by environmental temperature on EVs charging needs are analyzed.Considering environmental temperature,the energy consumption factor model is introduced to calculate the power consumption of EV per kilometer and the Monte Carlo method is used to calculate the single EV charging load demand added to the total charging load curve.Shanghai EVs in 2020 is taken as an example,and simulation results show that under the influence of the temperature,EVs charging load changes obviously.

electric vehicle; environmental temperature; energy consumption factor; charging load

10.3969/j.issn.1006-4729.2017.02.007

2016-05-13

王海玲(1991-),女,在讀碩士,重慶人.主要研究方向為電動汽車負(fù)荷預(yù)測和充放電調(diào)度.E-mail:727928319@qq.com.

U469.72;TM715.1

A

1006-4729(2017)02-0138-07