基于兩級充電管理系統(tǒng)的電動汽車智能充電控制系統(tǒng)研究

張 軍, 韓華春, 原增泉

(1. 中國建筑第八工程局有限公司, 北京 100190；2. 國網(wǎng)江蘇省電力公司電力科學(xué)研究院，江蘇 南京 211103；3.中國科學(xué)院電工研究所，北京 100190)

基于兩級充電管理系統(tǒng)的電動汽車智能充電控制系統(tǒng)研究

張 軍1, 韓華春2, 原增泉3

(1. 中國建筑第八工程局有限公司, 北京 100190；2. 國網(wǎng)江蘇省電力公司電力科學(xué)研究院，江蘇 南京 211103；3.中國科學(xué)院電工研究所，北京 100190)

隨著電動汽車的發(fā)展，電動汽車大規(guī)模的無序充電將對現(xiàn)有電網(wǎng)的穩(wěn)定性造成潛在威脅。如果僅以現(xiàn)有電網(wǎng)擴(kuò)容作為解決方法，不僅需要大量的投資，且在低負(fù)荷時(shí)會造成容量的浪費(fèi)。文中提出了一種基于兩級電動汽車充電管理系統(tǒng)(electric vehicles charging management system, EVCMS)的優(yōu)化算法，在滿足充電需求的前提下，通過合理調(diào)配充電時(shí)段和充電速率，來優(yōu)化需求側(cè)管理，減少電動汽車充電對電網(wǎng)的沖擊。該優(yōu)化算法的影響因素主要包括實(shí)時(shí)電價(jià)、電池剩余容量、電網(wǎng)側(cè)負(fù)荷容量和充電時(shí)段等。

電動汽車；EVCMS；充電終端；模糊控制

0 引言

電動汽車(electrical vehicles, EVs)以電池作為能源，具有節(jié)能、零污染和零排放等優(yōu)勢，正越來越受到各國的廣泛關(guān)注。但是，隨著EVs的普及，大量和無序的充電形成的瞬時(shí)大負(fù)荷將對電網(wǎng)造成巨大沖擊，如電網(wǎng)頻率和電網(wǎng)電壓的波動，進(jìn)而對電網(wǎng)的穩(wěn)定運(yùn)行形成威脅。此外，EVs的無序接入，還會拉大峰谷差，增加峰時(shí)的傳輸損耗，甚至可能過載，嚴(yán)重?fù)p害電網(wǎng)的穩(wěn)定運(yùn)行[1-5]。目前，許多學(xué)者都在關(guān)注這個(gè)問題。在文獻(xiàn)[6]中，作者研究了整個(gè)美國電網(wǎng)對EVs充電的接納程度，包括12 h和24 h兩種可充電場景。結(jié)果表明，現(xiàn)有電網(wǎng)容量可以最多容納EVs負(fù)荷需求的73%。在文獻(xiàn)[7]中，根據(jù)目前丹麥電力市場的價(jià)格，作者優(yōu)化了充電時(shí)間和充電量，并得出結(jié)論，在有序充電模式下充電成本可以降低到63%。文獻(xiàn)[7]也指出，相對于無序充電模式，有序充電可以在不同程度上減小峰值負(fù)荷和分布損耗。

文中提出了一種協(xié)調(diào)有序充電的優(yōu)化算法，該優(yōu)化算法是基于所提出的電動車輛充電管理系統(tǒng)(electric vehicles charging management system, EVCMS)來實(shí)現(xiàn)的。作為該系統(tǒng)的基本單元，充電終端(charge terminals, CTs)起承上啟下的關(guān)鍵作用，一方面通過CAN總線與EVs通信，獲取電池荷電狀態(tài)(state of charge,SOC)和通過輸入信息獲取用戶預(yù)計(jì)駐留時(shí)間，另一方面也負(fù)責(zé)執(zhí)行有序充電算法的控制命令。監(jiān)控主機(jī)(monitor host, MH)借助CTs上傳的實(shí)時(shí)信息，運(yùn)行基于模糊控制有序充電優(yōu)化算法，來決定充電的啟停時(shí)刻和充電速率，以實(shí)現(xiàn)對電網(wǎng)的削峰填谷的目的。

1 系統(tǒng)結(jié)構(gòu)

隨著EVs的大量普及，現(xiàn)有的充電管理系統(tǒng)已不能滿足電網(wǎng)新的控制和調(diào)度要求。因此迫切需要新的智能控制充電管理系統(tǒng)，來實(shí)現(xiàn)實(shí)時(shí)控制和需求側(cè)管理的功能[8]。

1.1 兩級充電管理系統(tǒng)的網(wǎng)絡(luò)拓樸

文中提出的兩級充電管理系統(tǒng)的拓樸結(jié)構(gòu)如圖1所示，主要由區(qū)域電力調(diào)度網(wǎng)絡(luò)和局域充電控制網(wǎng)絡(luò)兩部分組成。

圖1 EVCMS網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.1 Schematic structure for EVCMS network

1.1.1 區(qū)域功率調(diào)度網(wǎng)絡(luò)

第一級網(wǎng)絡(luò)由功率分配中心(power dispatch center, PDC)和各個(gè)局域充電網(wǎng)絡(luò)的MH組成。其中，PDC由電力調(diào)度主機(jī)承擔(dān)，為每個(gè)局域充電站提供可用最大功率，及時(shí)獲取每個(gè)局域充電站的實(shí)時(shí)信息，以對每個(gè)局域充電站的最大使用功率進(jìn)行合理、及時(shí)地更新。

1.1.2 局域充電控制網(wǎng)絡(luò)

第二級網(wǎng)絡(luò)稱為局域充電控制網(wǎng)絡(luò)，是每個(gè)充電站內(nèi)設(shè)備互聯(lián)控制網(wǎng)絡(luò)。適用于集中充電區(qū)域，如公司和住宅區(qū)的停車場等。它包括EVs充電、計(jì)量和計(jì)費(fèi)、安全、設(shè)備管理和其他方面。本文提出的網(wǎng)絡(luò)是基于SCADA定義[9]設(shè)計(jì)，由數(shù)據(jù)采集、設(shè)備控制、參數(shù)調(diào)整、多種報(bào)警信號等功能組成。以此可以實(shí)現(xiàn)網(wǎng)絡(luò)交互和控制功能，智能充電控制和實(shí)時(shí)狀態(tài)監(jiān)控功能。

1.2 主要設(shè)備

EVCMS由以下設(shè)備組成：CTs、充電協(xié)調(diào)器和MH等。

CTs是整個(gè)充電管理系統(tǒng)的基本元素，一方面獲取信息和數(shù)據(jù)，并上傳到MH，進(jìn)行計(jì)算和控制指令推理；另一方面，CTs也是MH控制命令的執(zhí)行者。用戶通過人機(jī)界面輸入預(yù)期停車充電時(shí)間后，而CTs通過CAN總線與電池管理系統(tǒng)通信獲取剩余電池容量、預(yù)計(jì)充電時(shí)間等信息，并以ZigBee[10]無線通信方式上傳給MH。

充電協(xié)調(diào)器是ZigBee無線網(wǎng)絡(luò)的協(xié)調(diào)者，負(fù)責(zé)組織節(jié)點(diǎn)、分配終端地址、管理無線子網(wǎng)，以保證CTs和MH之間信息交互的暢達(dá)。

MH是有序充電優(yōu)化算法的執(zhí)行者，通過獲取電力分配中心和CTs的數(shù)據(jù)和信息，進(jìn)行智能推理和計(jì)算以產(chǎn)生控制指令，并下發(fā)給CTs。

1.3 數(shù)據(jù)傳輸

圖2表明了用戶側(cè)、EVs充電管理側(cè)和PDC側(cè)之間的數(shù)據(jù)和信息流內(nèi)容以及方向。

圖2 信息傳輸框圖Fig. 2 Schematic for data transmission

用戶側(cè)上傳EVs充電狀態(tài)和用戶預(yù)期停車充電時(shí)間。充電狀態(tài)包括電池剩余SOC、電池總?cè)萘?、電池類型等?/p>

用戶側(cè)信息包括EVs狀態(tài)和用戶的充電期望。EVs狀態(tài)主要表現(xiàn)為電池SOC、電池容量、最高充電電壓、最大充電電流等。用戶充電期望包括用戶預(yù)計(jì)停車時(shí)間、期望最高和最低電池SOC等信息。EVCMS根據(jù)這些信息的實(shí)時(shí)更新來動態(tài)調(diào)整控制策略。

EVCMS側(cè)實(shí)時(shí)接收PDC下傳的最大可用功率和電價(jià)信息，并上傳實(shí)時(shí)的功率需求信息。

2 充電終端-信息獲取和充電控制

CTs是智能充電控制的信息來源和指令執(zhí)行者。其中，電池的SOC是借助CAN總線與電池管理系統(tǒng)通信獲得，而用戶期望來源于充電設(shè)置時(shí)的用戶輸入。此外，PDC的電價(jià)信息和EVCMS下發(fā)的控制指令通過CTs來存儲和執(zhí)行。交流CTs通過PWM信號控制最大充電電流，直流CTs通過DC-DC控制充電電壓和充電電流，通過對啟停和充電功率控制，從而實(shí)現(xiàn)可以優(yōu)化站內(nèi)的充電時(shí)間調(diào)度和站內(nèi)總充電功率的控制。

2.1 充電終端CTs

現(xiàn)有的CTs可分為直流充電、交流充電或者兩者皆有。以交直流終端為例，交流和直流CTs原理結(jié)構(gòu)框圖如圖3所示?？煞譃榭刂茊卧?、直流功率單元和交流功率單元。

圖3 交流和直流CTs結(jié)構(gòu)框圖Fig.3 Schematic for charging terminal’s structure

(1) 基本的控制單元包括MCU控制器、LCD觸摸屏、刷卡模塊、ZigBee通信模塊和CAN總線模塊。

ZigBee模塊使每個(gè)CTs成為ZigBee網(wǎng)絡(luò)的一個(gè)節(jié)點(diǎn)，并通過充電協(xié)調(diào)器與MH進(jìn)行數(shù)據(jù)交互。CAN總線模塊使CTs一方面可以與直流功率單元進(jìn)行數(shù)據(jù)交互控制直流功率單元的輸出狀態(tài)，另一方面與EVs的電池管理系統(tǒng)(BMS)通信，接受BMS的充電控制和狀態(tài)參數(shù)。

(2) 直流功率單元用于直流CTs，其將輸入的三相380 V交流電壓轉(zhuǎn)換為電壓和電流可調(diào)節(jié)的直流電，以用于給電池包充電。直流功率單元主要包括三相VSR、隔離DC-DC和基于DSP的控制單元。其中3個(gè)VSR將輸入的三相交流電壓整流為直流750 V左右的高壓作為DC-DC的輸入，DC-DC采用移相全橋結(jié)構(gòu)調(diào)節(jié)輸出端的電壓和電流大小。同時(shí)，在交流三相輸入端，采用三相交流電表作為計(jì)量單元。

交流功率單元通過控制交流接觸器來控制交流供電的通斷，同時(shí)通過充電插頭的連接導(dǎo)引電路控制PWM信號的占空比大小，確定CTs的可用功率，以此限制EVs的最大充電功率。同時(shí)，在交流輸出線上采用單相交流電表作為計(jì)量單元。

2.2 CTs與BMS的CAN總線通信協(xié)議

CTs借助CAN總線[11,12]與BMS交互進(jìn)行充電控制，包括6個(gè)階段：物理連接完成、低壓輔助上電、充電握手階段、充電參數(shù)配置階段、充電階段和充電結(jié)束階段。在各個(gè)階段，CTs和BMS如果在規(guī)定的時(shí)間內(nèi)沒有收到對方報(bào)文或者正確報(bào)文，即判定為超時(shí)，同時(shí)進(jìn)入錯(cuò)誤處理流程。

3 電動汽車充電優(yōu)化控制策略

EVs充電優(yōu)化控制策略運(yùn)行在監(jiān)控控制主機(jī)上，稱為充電控制單元。充電控制單元主要由參數(shù)計(jì)算模塊、模糊推理模塊和實(shí)時(shí)數(shù)據(jù)采集模塊3部分組成。

3.1 參數(shù)計(jì)算模塊

對用戶來說，充電行為可以理解為在一定時(shí)間內(nèi)EVs的SOC達(dá)到某個(gè)期望值。因此對于大規(guī)模的EVs充電來說，其充電功率需求和充電時(shí)間長度是決定充電速率和充電時(shí)段優(yōu)化調(diào)度的2個(gè)主要影響因素。

3.1.1 充電需求功率計(jì)算

對于直流CTs來說，忽略其本身的功率損耗；對于交流來說，忽略車載CTs的功率損耗，充電功率需求為：

Pmax=VbatIbat=VCTICT

(1)

式(1)中：Vbat為電池包的充電電壓；Ibat為電池包的充電電流；VCT為CTs的輸出電壓；ICT為CTs的輸出電流。

3.1.2 充電時(shí)間長度計(jì)算

充電時(shí)間長度是通過預(yù)期停駛充電時(shí)間、電池SOC、電池容量和充電速率共同決定的。文獻(xiàn)[13]中，在EVs整個(gè)充電過程中，先以恒流模式充電再以恒壓模式充電。其中， 0.3C的恒流充電模式占整個(gè)充電時(shí)間約96.14% ，而充電電壓相差不大，C為電池容量。因此充電時(shí)間長度為：

(2)

式(2)中：TP為實(shí)際充電時(shí)間長度；Tep為預(yù)計(jì)停駛的可充電時(shí)間長度，該參數(shù)通過用戶輸入獲得；E為電池的容量，對于不同類型的EVs，該值是不同的；Pvat為式(1)中的實(shí)際充電功率；SSOC為電池的剩余容量，以百分比表示，100%表示電池已經(jīng)充滿，不需要充電。

3.1.3 可用最大功率

優(yōu)化算法的每次優(yōu)化計(jì)算，所得到的站內(nèi)所有CTs的最大功率輸出值都必須小于充電站可用最大充電功率Pgrid，即本站所有CTs的總功率不得超過該值，該值由區(qū)域功率調(diào)度中心實(shí)時(shí)下發(fā)，即：

(3)

式(3)中：Ptotal為充電站內(nèi)所有CTs的實(shí)際最大輸出功率總和；Pmax為每個(gè)CTS的最大輸出功率。

3.2 模糊推理算法

模糊控制是一種基于規(guī)則的控制。它直接采用語言型控制規(guī)則，出發(fā)點(diǎn)是現(xiàn)場操作人員的控制經(jīng)驗(yàn)或相關(guān)專家的知識，在設(shè)計(jì)中不需要建立被控對象的精確數(shù)學(xué)模型，因而使得控制機(jī)理和策略易于接受與理解，設(shè)計(jì)簡單，便于應(yīng)用[14]。

當(dāng)一個(gè)用戶在停車場上停車時(shí)，如不能準(zhǔn)確地輸入要停駛多長時(shí)間。則用戶的停車時(shí)間是“長”、“中”和“短”，而不是以秒計(jì)的精確時(shí)間。因?yàn)椴煌腅Vs具有不同電池類型和剩余電池容量，并且不同用戶有不同停駛需求，所以難以為大規(guī)模充電應(yīng)用創(chuàng)建精確的數(shù)學(xué)模型。因此對于此種情況，模糊推理是非常合適的。使用每輛EVs的電池SOC和每個(gè)用戶期望充電時(shí)間2個(gè)主要影響因子作為模糊控制器的輸入。通過模糊化、模糊推理和解模糊，得出各個(gè)EVs充電速率和充電時(shí)間和長度。

3.2.1 模糊推理規(guī)則

根據(jù)實(shí)際調(diào)節(jié)的經(jīng)驗(yàn)，優(yōu)化充電控制模糊推理規(guī)則如表1所示。例如，剩余電池容量SOC較高意味著只需要一小部分充電電量即可把電池充滿；假設(shè)其預(yù)計(jì)停駛時(shí)間也比較長，這就意味著該車的充電時(shí)間段可以優(yōu)化到該車離開前的一小段時(shí)間內(nèi)，并且充電速率也不需要太大。這樣就避免了該車即插即充，分用站內(nèi)的充電功率。而當(dāng)SOC較低，預(yù)計(jì)停駛時(shí)間較短時(shí)，則意味著需要立即對EVs進(jìn)行充電，且充電功率較大，以滿足用戶的繼續(xù)駕駛使用需求。

表1 模糊推理表Table 1 Table for fuzzy inference

3.2.2 隸屬度函數(shù)

隸屬度函數(shù)的形狀在很大程度上影響控制結(jié)果，在文中經(jīng)過綜合考慮隸屬度函數(shù)的性質(zhì)和計(jì)算的簡便性，選用三角函數(shù)作為隸屬度函數(shù)的形狀。輸入變量和輸出變量的隸屬度函數(shù)如圖4所示。電池組的SOC小于45%為“低”；在25%～75%為“中”；大于60%則為“高”。同時(shí)，為了得到更精度的輸出控制量，將輸出變量的隸屬度函數(shù)分為5個(gè)類型，“小”、“中小”、“中”、“中大”和“大”。

圖4 輸入輸出變量的隸屬度函數(shù)Fig.4 Schematic for charging terminal’s structure

3.2.3 推理方法和解模糊

Mamdani推理法是經(jīng)過多個(gè)學(xué)者證明和實(shí)踐過的合理的推理方法[15]，文中的推理方法采用該方法。而解模糊的方法采用重心法，重心法有平滑輸出推理機(jī)制的特點(diǎn)，更適合文中的解模糊情況[16]。

3.3 控制規(guī)則

文中系統(tǒng)控制輸出的每次更新前提源于2個(gè)觸發(fā)條件的發(fā)生，一個(gè)是從PDC發(fā)送的最大可用功率的更新，另一個(gè)是有EVs接入充電或者充電完成。當(dāng)這2個(gè)條件中的任一條件發(fā)生，控制系統(tǒng)將重新計(jì)算并更新控制輸出且下發(fā)給CTs。當(dāng)有較低或較高SOC的車輛突然接入充電或者充電完成離開時(shí)，將會打破上次推斷調(diào)整的控制結(jié)果的平衡。例如，當(dāng)較低SOC的車輛接入充電時(shí)，控制系統(tǒng)需要根據(jù)所有車的SOC狀態(tài)和剩余停車持續(xù)時(shí)間重新分配每輛EVs的充電時(shí)間段及充電速率，并重新下發(fā)給CTs進(jìn)行更新輸出?？偠灾?，調(diào)整是動態(tài)的和實(shí)時(shí)的，并且隨著充電狀態(tài)的變化而變化。

4 仿真實(shí)驗(yàn)

為了便于分析，文中假設(shè)電網(wǎng)功率在EVs充電過程中是恒定值。選取5輛同一型號的EVs，即其電池容量和最大充電功率相同，SOC期望值均為1，即充滿電，充電站的總可用功率為35 kW。根據(jù)車主的行為習(xí)慣，EVs在站內(nèi)預(yù)計(jì)停留時(shí)長服從均勻分布U(2，6)，初始SOC服從正態(tài)分布N(0.4，0.12)，據(jù)此隨機(jī)產(chǎn)生5輛車的充電需求數(shù)據(jù)，如表2所示。

表2 EVs的充電需求數(shù)據(jù)Table 2 Charging needs data for EVs

不失一般性，EVs在自主充電行為下，先到先充，車到站后有空位即可接入充電樁，如果此時(shí)充電站可用充電功率有剩余，則車按其最大充電功率進(jìn)行充電；如果功率達(dá)不到其最大充電功率，則按充電站剩余可用充電功率進(jìn)行充電。后到的EVs暫時(shí)無可用充電功率，處于等待狀態(tài)。待有車充完電離開時(shí)，等待充電的車按先后順序連入充電樁進(jìn)行充電。

圖5為先到先充模式下，無序充電時(shí)各時(shí)段各車充電功率分配結(jié)果。

圖5 各時(shí)段EVs充電功率分配圖(無序)Fig.5 Schematic for charging terminal’s structure

由圖5可以看出，先到的前3輛車被分配了其最大充電功率10 kW，第四輛車使用站內(nèi)剩余功率5 kW充電，第五輛車在前5個(gè)充電時(shí)段內(nèi)充電功率都為0，即處于等待狀態(tài)，各時(shí)段EVs的SOC值(無序)如圖6所示。

圖6 各時(shí)段EVs的SOC值(無序)Fig.6 Schematic for charging terminal’s structure

從圖6可以看出先到的前3輛車以其最大充電功率10 kW進(jìn)行充電，其SOC值隨時(shí)間變化的斜率最大；第四輛車以充電站剩余的5 kW功率進(jìn)行充電，其斜率次之；最后到達(dá)的第五輛車沒有可用充電功率，處于等待狀態(tài)，斜率為0。直到第六個(gè)控制時(shí)段，即75 min后，第一輛車SOC達(dá)到1充滿離開，第五輛車才連入充電樁開始進(jìn)行充電。第五輛車充滿電時(shí)已經(jīng)在站內(nèi)停留了10個(gè)充電周期，即150 min，超過了其預(yù)期停留時(shí)間。因此這種基于先到先充的充電方式不能滿足用戶的充電需求。而與之相對，經(jīng)過控制優(yōu)化下的有序充電過程，則可以滿足要求。各時(shí)段EVs充電功率分配圖(有序)如圖7所示。

圖7 各時(shí)段EVs充電功率分配圖(有序)Fig.7 Schematic for charging terminal’s structure

由圖7可以看出在充電站總可用功率35 kW的約束下，充電需求最緊急的第五輛車在前幾個(gè)時(shí)段就被分配了較大的充電功率，因此在第六個(gè)控制時(shí)段就完成了充電，充電時(shí)長約為6T=90 min，小于其預(yù)期停留時(shí)間，滿足了其充電緊急需求。同時(shí)由于第一輛車優(yōu)先級最低，在前2個(gè)控制時(shí)段內(nèi)充電功率幾乎為0；到第3個(gè)控制時(shí)段，其剩余充電時(shí)間縮短，待充電電量較大，因此此時(shí)其實(shí)時(shí)優(yōu)先級較高，因此本時(shí)段被分配了較高的充電功率。各時(shí)段EVs的SOC值(有序)如圖8所示。

圖8 各時(shí)段EVs的SOC值(有序)Fig.8 Schematic for charging terminal’s structure

從圖8中可以看出第五輛車一直擁有較高的充電優(yōu)先級，其電池SOC值在5輛車中以較大的斜率增長；在前2個(gè)控制時(shí)段內(nèi)，優(yōu)先級較低的第一輛車SOC值基本沒變，優(yōu)先級較高的2，3，4車的SOC值則以較大的斜率增大；隨著時(shí)間增長，由于各車剩余充電時(shí)間的縮短和已充電電量的不同，各車的優(yōu)先級不斷發(fā)生變化，相應(yīng)地其SOC的增長斜率增大或減小。各車均滿足了在指定充電時(shí)間內(nèi)達(dá)到期望SOC。

在總功率限制的情況下，有序充電將時(shí)間充裕且電量需求較小的第一輛車延遲了30 min，而對充電需求最緊急、停留時(shí)間最短的第五輛車給予較大的充電功率，使其在所有車中最先完成充電，滿足了其優(yōu)先級。對于其余車，有序充電控制程序根據(jù)其各自的實(shí)時(shí)電池SOC狀態(tài)和剩余可用充電時(shí)間在每一控制時(shí)段對其充電功率進(jìn)行調(diào)整，最終所有車充電完成所花費(fèi)的時(shí)間均滿足其預(yù)期。

5 結(jié)論

文中提出了適用于大規(guī)模電動汽車充電應(yīng)用的兩級充電管理系統(tǒng)結(jié)構(gòu)。該系統(tǒng)不僅適用于分布式充電控制，還適用于集中充電的有序控制。最主要的是結(jié)合了這2個(gè)方面，能夠真正減輕大量電動汽車負(fù)載變化對電網(wǎng)的影響。同時(shí)，本系統(tǒng)可以使用有線通信和無線通信2種通信方式，可以使系統(tǒng)狀態(tài)的采集和控制命令的傳達(dá)更為有效和及時(shí)。

另外，在本系統(tǒng)中，電動汽車電池的SOC、停車充電的時(shí)間都是模糊控制邏輯的主要影響因素。同時(shí)，模糊推理和計(jì)算是實(shí)時(shí)的，并根據(jù)觸發(fā)條件進(jìn)行更新。由于充電過程的隨機(jī)性和不確定性，很難建立精確的數(shù)學(xué)模型并根據(jù)模型進(jìn)行控制，而模糊控制不需要精確數(shù)學(xué)模型，在該應(yīng)用場合特別適合。仿真實(shí)驗(yàn)證明該控制方法可以有效地解決電動汽車負(fù)載的調(diào)度控制，減小大規(guī)模充電對電網(wǎng)的影響。

[1] MOHSENI P, STEVIE R G. Electric vehicles: Holy grail or fool’s gold[C]∥Power & Energy Society General Meeting, Minnesota, USA, 2009: 1-5.

[2] PILLAI J R, BAK-JENSEN B. Impacts of electric vehicle loads on power distribution systems[C]∥Vehicle Power and Propulsion Conference, Lille, North France, 2010: 1-6.

[3] PARRY E, REDFERN M. Load management of the electricity supply network using plug-in vehicles[C]∥Universities Power Engineering Conference, Cardiff, UK, 2010: 1-6.

[4] SHAHIDINEJAD S, FILIZADEH S, BIBEAU E. Profile of charging load on the grid due to plug-in vehicles[J]. IEEE Transactions on Smart Grid, 2012, 03(1): 135-141.

[5] TREMBLAY O, DESSAINT L A, DEKKICHE A I. A generic battery model for the dynamic simulation of hybrid electric vehicles[C]∥Vehicle Power and Propulsion Conference, IEEE, 2007: 284-289.

[6] CLEMENT-NYNS K, HAESEN E, DRIESEN J. The impact of charging plug-in hybrid electric vehicles on a residential distribution grid[J]. IEEE Transactions on Power Systems, 2010, 25(1): 371-380.

[7] SCHNEIDER K, GERKENSMEYER C, KINTNER-MEYER M, et al.Impact assessment of plug-in hybrid vehicles on pacific northwest distribution systems[C]∥Power and Energy Society General Meeting-Conversion and Delivery of Electrical Energy in the 21st Century. IEEE, 2008: 1-6.

[8] HU W, CHEN Z, BAK-JENSEN B. Optimal operation of electric vehicles in competitive electricity markets and its impact on distribution power systems[C]∥ IEEE PES Powertech, Trondheim, Norway, 2011: 1-7.

[9] BRUCE A G. Reliability analysis of electric utility SCADA systems[C]∥IEEE Power Industry Computer Applications Conference, Columbus, Ohio, 1997: 200-205.

[10] KIM S H, KANG J S, PARK H S, et al. UPnP-ZigBee internetworking architecture mirroring a multi-hop ZigBee network topology[J]. IEEE Transactions on Consumer Electronics, 2009, 55(3).

[11] WAN Xiaofeng, XING Yisi, CAI Lixiang. Application and implementation of CAN bus technology in industry real-time data communication[C]∥ IEEE Industrial Mechatronics and Automation Conference, Changchun, China, 2009: 278-281.

[12] LI Ran, WU Junfeng, WANG Haiying, et al. Design method of CAN BUS network communication structure for electric vehicle[C]∥Strategic Technology, Ulsan, South Korea, 2010: 326-329.

[13] TREMBLAY O, DESSAINT L A, DEKKICHE A I. A generic battery model for the dynamic simulation of hybrid electric vehicles[C]∥ IEEE Vehicle Power and Propulsion Conference, Texas, USA, 2007: 284-289.

[14] LEE C C. Fuzzy logic in control systems: fuzzy logic controller. [J]. IEEE Transactions on Systems, Man, and Cybernetics, 1990, 20(2): 404-418.

[15] MENDEL J M. Fuzzy logic systems for engineering: a tutorial[J]. Proceedings of the IEEE, 1995, 83(3): 345-377.

[16] TEIXEIRA M C M, ZAK S H. Stabilizing controller design for uncertain nonlinear systems using fuzzy Models[J]. IEEE Transactions on Fuzzy Systems, 1999,07(2): 133-142.

(編輯徐林菊)

Smart Charging Control Electrical VehiclesBased on Two-level Charge Management System

ZHANG Jun1, HAN Huachun2, YUAN Zengquan3

(1. China Construction Eighth Engineering Division Co., Ltd, Beijing 100190, China;2. State Grid Jiangsu Electric Power Company Research Institute, Nanjing 211103, China;3. Institute of Electrical Engineering CAS, Beijing 100190, China)

The application of large-scale eectric vehicles (EVs) poses a threat to grid stability if charged without control. It needs expansion of the grid capacity and leads to major investment in current grid and capacity-wasting in low-load time. This paper proposes a solution based on two-level electric vehicles charging management system (EVCMS) to optimal demand side management by means of scheduling charging time and setting charging rates. The influence factors for power management include electricity prices, state-of-charge (SOC) of the battery, electricity available, park duration and others. All these can be achieved through charge terminals (CTs)

electric vehicle; EVCMS; CTs; fuzzy inference

張 軍

2017-04-16；

2017-05-20

TM743

：A

：2096-3203(2017)05-0086-07

張 軍(1985—)，男，山東青島人，工程師，研究方向?yàn)榻ㄖ牧霞半姎?E-mail：suifeng0914@163.com)；

韓華春(1988—)，女，山東濟(jì)寧人，博士，研究方向?yàn)殡妱悠嘨2G技術(shù)、新能源并網(wǎng)關(guān)鍵技術(shù)(E-mail：598543427@qq.com)；

原增泉(1985—)，男，河南新鄉(xiāng)人，碩士研究生，研究方向?yàn)殡妱悠嚦浞烹娤到y(tǒng)控制(E-mail：zengquanyuan@mail.iee.ac.cn)。