電動(dòng)汽車充放電技術(shù)研究綜述

對(duì)于一輛電動(dòng)汽車來(lái)說(shuō)，其充電設(shè)備和充電技術(shù)是至關(guān)重要的。關(guān)于充電功能的設(shè)備主要有兩部分組成，即提供電能的電網(wǎng)設(shè)備和車輛的蓄電池設(shè)備。近年來(lái)，能源問(wèn)題和環(huán)境問(wèn)題的日益加重，電動(dòng)汽車的需求也日益增加。如何能夠高效地充放電對(duì)于電動(dòng)汽車應(yīng)用研究顯得必不可少了。以下將對(duì)電動(dòng)汽車充放電技術(shù)的改進(jìn)措施及電網(wǎng)改善方面介紹幾項(xiàng)研究。

1 電動(dòng)汽車充電協(xié)調(diào)的動(dòng)態(tài)調(diào)度問(wèn)題研究[1]

1.1 主要目的及原理

考慮到三相不平衡配電網(wǎng)絡(luò)中可用的Volt-VAr控制、能量存儲(chǔ)設(shè)備（ESD）操作和可調(diào)度分布式發(fā)電（DG），本文提出了一種新的方法來(lái)解決電動(dòng)汽車充電協(xié)調(diào)（EVCC）問(wèn)題（文中Fig.1）。對(duì)于EVCC的動(dòng)態(tài)調(diào)度，該方法在整個(gè)時(shí)間段內(nèi)解決了混合整數(shù)線性規(guī)劃（MILP）問(wèn)題。其目標(biāo)是最大限度地降低從變電站和DG單位購(gòu)買的能源總成本，減少電動(dòng)汽車的能源成本。Volt-VAr控制考慮了沿電網(wǎng)安裝的有載分接開(kāi)關(guān)、穩(wěn)壓器和可開(kāi)關(guān)電容器的管理。此外，該方法還考慮了負(fù)載的電壓依賴性，其中穩(wěn)態(tài)運(yùn)行的不平衡分配系統(tǒng)使用線性約束來(lái)建模。

1.2 主要結(jié)論

將所建立的模型在具有178個(gè)節(jié)點(diǎn)（34個(gè)中壓節(jié)點(diǎn)和144個(gè)低電壓節(jié)點(diǎn)）的三相不平衡配電網(wǎng)絡(luò)中進(jìn)行了測(cè)試。測(cè)試結(jié)果表明，DG、ESD、VVC設(shè)備和電動(dòng)汽車充電的優(yōu)化運(yùn)行顯示了整體能源成本的降低，并確保技術(shù)限制違規(guī)避稅。從而證明了所提出方法的動(dòng)態(tài)協(xié)調(diào)是有效的，它在整個(gè)時(shí)間段內(nèi)對(duì)EDN狀態(tài)進(jìn)行了廣泛的了解。此外，該方法還考慮了電動(dòng)汽車（EV）到達(dá)和離開(kāi)時(shí)間、初始充電狀態(tài)、電池大小和預(yù)測(cè)誤差的隨機(jī)性。未來(lái)的研究工作將實(shí)現(xiàn)ESD幫助電動(dòng)汽車在充電過(guò)程中避免能耗縮減的操作以及改善VVC方案，以避免EDN中出現(xiàn)電壓限制。

2 電動(dòng)汽車充電站智能充電策略[2]

2.1 主要目的

雖然交通電氣化的概念在解決全球環(huán)境污染問(wèn)題方面具有巨大的前景，但實(shí)際上插電式電動(dòng)汽車（PEV）的市場(chǎng)滲透率非常低。消費(fèi)者對(duì)充電設(shè)施供應(yīng)有限和充電時(shí)間過(guò)長(zhǎng)的擔(dān)憂是這種低滲透率背后的主要原因。從電網(wǎng)的角度來(lái)看，較長(zhǎng)的PEV高峰負(fù)荷期可能會(huì)與住宅高峰負(fù)荷期重疊，使得能源管理更加困難。因此，適當(dāng)?shù)氖召M(fèi)策略可以幫助解決這些問(wèn)題。

Fig.1.Step-by-step flowchart of theproposed methodology.

2.2 主要原理及結(jié)論

本文針對(duì)PEV電網(wǎng)提出了智能充電策略（文中Fig.5），該充電策略可提供多種充電選項(xiàng)，包括充電站的交流電2級(jí)充電、直流快速充電和電池交換設(shè)施。正如傳統(tǒng)加油站具有不同的能力和定價(jià)選項(xiàng)一樣，充電站可以有不同的容量和定價(jià)選項(xiàng)，而且每個(gè)選項(xiàng)的充值價(jià)格可能因站點(diǎn)而異。在這樣的情況下，充電策略的選擇顯得非常重要。對(duì)于需要充電設(shè)施的PEV，為PEV用戶確定最合適的充電站，以便用戶能夠以最低的成本進(jìn)行充電，并且無(wú)需很長(zhǎng)的等待時(shí)間即可到達(dá)目的地。本文將最佳充電站尋找的問(wèn)題轉(zhuǎn)化為多目標(biāo)優(yōu)化問(wèn)題，其目標(biāo)是找到具有最短充電時(shí)間、旅行時(shí)間和充電成本的充電站。本文使用排隊(duì)模型來(lái)估計(jì)各個(gè)充電站的等待時(shí)間。為了緩解更長(zhǎng)的等待時(shí)間和PEV高峰期與住宅負(fù)荷期之間潛在重疊的挑戰(zhàn)，本文還引入了部分收費(fèi)的概念。考慮到優(yōu)化解決方案顯著的時(shí)間復(fù)雜性，本文引入基于蟻群優(yōu)化算法的元啟發(fā)式解決方案來(lái)解決該問(wèn)題。通過(guò)仿真得出的結(jié)果表明，該解決方案顯著降低了平均充電等待時(shí)間（高達(dá)25%）和收費(fèi)成本（高達(dá)15%）。

Fig.5.Flowchart of theproposed smart charging strategy.

3 電動(dòng)汽車充放電過(guò)程中功率損耗的測(cè)量[3]

3.1 主要目的及原理

當(dāng)對(duì)電動(dòng)汽車充電或放電時(shí)，在車輛和供電建筑之間會(huì)發(fā)生功率損耗。電網(wǎng)服務(wù)作為一種新的電動(dòng)汽車充電方式，最近已開(kāi)始進(jìn)行商業(yè)運(yùn)營(yíng)。能夠進(jìn)行這種應(yīng)用的汽車，稱為電網(wǎng)集成汽車。該電動(dòng)汽車充電和放電情況下的能量轉(zhuǎn)移比僅充電情況下的能量轉(zhuǎn)移要大得多。因此，對(duì)電力損失的測(cè)量和減少就顯得尤為重要。

3.2 主要原理及結(jié)論

本文對(duì)整個(gè)GIV系統(tǒng)的所有部件（包括建筑電路、供電組件和電動(dòng)汽車，文中Fig.1）發(fā)生的功率損耗進(jìn)行了實(shí)驗(yàn)測(cè)量，也分別對(duì)每個(gè)子系統(tǒng)的功耗進(jìn)行了測(cè)量。其中，對(duì)于建筑電路，測(cè)試了一系列當(dāng)前電流值。對(duì)于EV組件，測(cè)試了電流和SOC的不同組合。在實(shí)驗(yàn)條件下，測(cè)量的單向總電力損失為12%到36%不等，因此了解電力損失的影響因素對(duì)于電路的高效設(shè)計(jì)和使用來(lái)說(shuō)非常重要。實(shí)驗(yàn)結(jié)果還表明，用于AC-DC轉(zhuǎn)換的電力電子器件的電力損耗占主導(dǎo)地位，并且其在低功率傳輸和低電荷狀態(tài)下電子效率最低，放電期間的電子效率低于充電期間的電子效率?；谶@些發(fā)現(xiàn)，本文提出了兩種工程設(shè)計(jì)方法：一是對(duì)充電站（收費(fèi)方面）進(jìn)行優(yōu)化設(shè)計(jì)；二是開(kāi)發(fā)了一種以最高效率運(yùn)行的電網(wǎng)服務(wù)調(diào)度算法。其中，充電站以最低費(fèi)率收費(fèi)時(shí)可能需要較低的資本成本，但會(huì)導(dǎo)致較高的能源成本。此外，為了分析電網(wǎng)服務(wù)調(diào)度算法的效率，本文還定量比較兩種提供電網(wǎng)服務(wù)的調(diào)度算法（所開(kāi)發(fā)的調(diào)度算法和簡(jiǎn)單的調(diào)度算法）。結(jié)果表明，通過(guò)實(shí)驗(yàn)測(cè)量的效率曲線分析得到，所開(kāi)發(fā)的算法比簡(jiǎn)單的算法的功率損耗減少了8.5%。

由于所提出的實(shí)驗(yàn)結(jié)果和充電調(diào)度算法均基于一個(gè)特定的EV充電系統(tǒng)，其效率曲線對(duì)于該EV系統(tǒng)是特定的。因此，精確的效率值在電動(dòng)汽車和電路中會(huì)有所不同。而且，交流到直流（充電）和直流到交流（放電）的拓?fù)浣Y(jié)構(gòu)通常會(huì)在功率水平低時(shí)表現(xiàn)出一半的額定功率。未來(lái)研究工作應(yīng)根據(jù)一般原則和其他充電器規(guī)格的粗略比較，使得其調(diào)查結(jié)果涵蓋大多數(shù)電動(dòng)汽車。

Fig.1.System somponentsoverview.

4 用于電動(dòng)汽車中鋰離子電池的充電均衡算法[4]

4.1 主要目的及原理

鋰離子電池由于與其他電池相比具有更好的性能，因此常用于電動(dòng)汽車（EV）中。然而，鋰離子電池也存在一些缺點(diǎn)，例如當(dāng)過(guò)度充電時(shí)具有爆炸的危險(xiǎn)，充電不足時(shí)會(huì)縮短電池的壽命周期，并且串聯(lián)電池中的不平衡充電會(huì)逐漸降低整體充電容量。本文針對(duì)電動(dòng)汽車應(yīng)用中的鋰離子電池提出了一種新型電池充電均衡算法，并基于該算法開(kāi)發(fā)出相應(yīng)的電荷均衡器，以提高電池的性能、壽命周期和安全性（文中Fig.4）。

4.2 主要結(jié)論及未來(lái)發(fā)展

本文僅使用8個(gè)鋰離子電池單元和一個(gè)從屬板進(jìn)行測(cè)試和試驗(yàn)。該算法在15.5Ah和3.7V標(biāo)稱值的串聯(lián)電池單元中實(shí)現(xiàn)，每個(gè)電池單元使用電池監(jiān)視集成電路，通過(guò)雙向反激式DC-DC轉(zhuǎn)換器作為充電和放電通道來(lái)監(jiān)視和均衡8單元電池組的電池單元。試驗(yàn)所得結(jié)果表明，所開(kāi)發(fā)的電荷均衡控制器算法在均衡欠充電和過(guò)充電方面表現(xiàn)良好，并且在3.81V的安全操作范圍內(nèi)充電均衡，從而改進(jìn)了電池驅(qū)動(dòng)系統(tǒng)的效率，可靠性和安全性問(wèn)題。試驗(yàn)結(jié)果還表明，基于該算法的電荷均衡器可以監(jiān)視和均衡更多電池單元之間的充電，可以達(dá)到100個(gè)電池單元。但是，隨著電池組電池的增加，均衡器需要額外的監(jiān)控IC和雙向開(kāi)關(guān)，因此使得其充電成本有所增加。綜上所述，所提出的電池充電均衡算法有效地降低了過(guò)度充電電池爆炸的風(fēng)險(xiǎn)并改善了充電不足電池的壽命周期，適用于自動(dòng)化系統(tǒng)中模塊化電池充電。此外，對(duì)于實(shí)際應(yīng)用來(lái)說(shuō)，當(dāng)電池在充電期間或空閑狀態(tài)下使用時(shí)，可以進(jìn)一步將電池充電流量差作為電池的充電和放電的條件來(lái)考慮，以進(jìn)一步顯示所提出的均衡算法的性能。

Fig.4.Flowchart of the proposed charge equalization algorithm.

5 基于成本約束的電動(dòng)汽車充電優(yōu)化策略[5]

5.1 主要目的及原理

電動(dòng)汽車的成功普及需要用戶與負(fù)載服務(wù)實(shí)體、適應(yīng)新能源市場(chǎng)和技術(shù)進(jìn)步之間的緊密耦合。本文通過(guò)使用連續(xù)和離散的充電率設(shè)計(jì)了一種靜態(tài)和動(dòng)態(tài)相結(jié)合的框架來(lái)緩解車輛充電導(dǎo)致的配電線路過(guò)載問(wèn)題（文中Fig.1）。所提出的解決方案?jìng)?cè)重于填谷（供電系統(tǒng)角度）和降低收費(fèi)成本（用戶角度）。而該解決方案的實(shí)時(shí)性則使用滾動(dòng)時(shí)域優(yōu)化技術(shù)來(lái)實(shí)現(xiàn)。除了對(duì)收費(fèi)進(jìn)行協(xié)調(diào)之外，本文還分析了兩種不同定價(jià)結(jié)構(gòu)的影響，以確定用戶的個(gè)人成本與系統(tǒng)最優(yōu)方法之間的最優(yōu)性。研究結(jié)果表明，由于各種駕駛習(xí)慣，全球定價(jià)結(jié)構(gòu)對(duì)于所有消費(fèi)者來(lái)說(shuō)都不是最優(yōu)的。

5.2 主要結(jié)論及未來(lái)發(fā)展

本文討論了基于靜態(tài)和動(dòng)態(tài)框架的四種優(yōu)化策略，并闡述了間歇充電的好處。通過(guò)盡可能限制住宅高峰期以下的總負(fù)荷需求來(lái)避免配電系統(tǒng)過(guò)載。實(shí)驗(yàn)結(jié)果表明，可以通過(guò)系統(tǒng)耦合和用戶目標(biāo)來(lái)實(shí)現(xiàn)最佳結(jié)果。客戶的便利性隨著系統(tǒng)限制和與高峰需求相關(guān)的網(wǎng)絡(luò)健康狀態(tài)而得到解決?；跐L動(dòng)時(shí)域優(yōu)化技術(shù)的實(shí)時(shí)計(jì)費(fèi)方案可以為車輛的動(dòng)態(tài)協(xié)調(diào)提供最優(yōu)解決方案?？偠灾m當(dāng)?shù)碾娰M(fèi)組合可以滿足所有用戶的利益。因此，可以根據(jù)用戶駕駛需求來(lái)組合最合適的定價(jià)結(jié)構(gòu)。未來(lái)的研究工作將駕駛員的隨機(jī)行為考慮進(jìn)去，從而進(jìn)一步推動(dòng)車對(duì)電網(wǎng)和可再生能源的普及。

Fig.1.Centralized control schemefor static charging algorithms.

6 用于電動(dòng)汽車充電聚合的分布式凸優(yōu)化框架[6]

6.1 主要目的及原理

電動(dòng)汽車（EV）整合商面臨的主要挑戰(zhàn)之一是控制基礎(chǔ)設(shè)施的定義，使其可以供應(yīng)至大量的EV。本文提出了一種基于乘法器的交替方向方法來(lái)實(shí)現(xiàn)計(jì)算可伸縮性的新型優(yōu)化框架，該框架允許在多個(gè)服務(wù)器/內(nèi)核之間分配優(yōu)化過(guò)程（文中Fig.1）。

6.2 主要結(jié)論

本文通過(guò)將其應(yīng)用于兩個(gè)相關(guān)的聚合目標(biāo)上來(lái)展示所提出框架的性能和多功能性（填谷以及具有電網(wǎng)容量限制的成本最小的充電狀態(tài)）。研究結(jié)果表明，隨著車隊(duì)規(guī)模變大，所提出的方法的優(yōu)化時(shí)間隨受控電動(dòng)汽車數(shù)量呈線性增長(zhǎng)，并且優(yōu)于集中式優(yōu)化基準(zhǔn)。

本文提出一種用于EV聚合的可擴(kuò)展分布式凸優(yōu)化框架，并且驗(yàn)證了所提出的框架可以解決高達(dá)100萬(wàn)輛電動(dòng)汽車的充電問(wèn)題。該框架還解決了高達(dá)10萬(wàn)輛電動(dòng)汽車充電成本最小化問(wèn)題。所提出的框架允許指定全局或局部的目標(biāo)和約束。為了展示這一點(diǎn)，本文設(shè)計(jì)了多功能性實(shí)驗(yàn)，例如考慮電池折舊成本和V2G服務(wù)等。多功能性實(shí)驗(yàn)表明，該框架可以解決嚴(yán)格的凸問(wèn)題（如填谷），比非嚴(yán)格凸問(wèn)題（如充電成本最小化）的求解時(shí)間更快。此外，實(shí)驗(yàn)結(jié)果還表明，主動(dòng)全局約束的存在增加了該優(yōu)化框架的迭代次數(shù)，從而增加了運(yùn)行時(shí)間。與現(xiàn)有技術(shù)比較分析表明，就運(yùn)行時(shí)間和峰值內(nèi)存使用而言，該優(yōu)化框架提供了更好的可伸縮性。因此，該框架在運(yùn)行時(shí)間和內(nèi)存使用之間提供了可控的權(quán)衡，可用于解決由于EV數(shù)量和內(nèi)存限制較大而導(dǎo)致迄今為止難以處理的EV充電凸優(yōu)化和控制優(yōu)化問(wèn)題。

Fig.1.EV ADMM sequencediagram.

7 基于非線性充電模型的電動(dòng)車輛路徑問(wèn)題研究[7]

7.1 主要目的及原理

考慮到電動(dòng)汽車駕駛里程有限，電動(dòng)汽車路徑問(wèn)題（E-VRP）顯得尤為重要。大多數(shù)現(xiàn)有的E-VRP模型假定電池充電水平是充電時(shí)間的線性函數(shù)，但實(shí)際上該函數(shù)是非線性的。本文將當(dāng)前的E-VRP模型擴(kuò)展為具有非線性充電函數(shù)的E-VRP-NL模型（文中Fig.4），它采用分段線性近似來(lái)捕獲充電過(guò)程的非線性充電行為，并提出了一種混合元啟發(fā)式算法用來(lái)提供解決路徑問(wèn)題的解決方案。

7.2 主要結(jié)論

為了評(píng)估非線性充電函數(shù)的重要性，本文進(jìn)行了計(jì)算研究，將所得的結(jié)果與通常結(jié)果進(jìn)行比較。結(jié)果表明，忽視非線性充電可能會(huì)導(dǎo)致不可行或過(guò)于昂貴的解決方案。此外，為了測(cè)試所提出的混合元啟發(fā)式算法的有效性，本文提出了一個(gè)新的實(shí)例測(cè)試平臺(tái)。測(cè)試結(jié)果表明該算法在這些實(shí)例中表現(xiàn)良好，并且好的解決方案傾向于使用多個(gè)中間路由收費(fèi)，采用電池充電功能的非線性部分進(jìn)行充電。未來(lái)的研究方向?qū)⒃O(shè)計(jì)一種更精確的E-VRP-NL模型，該模型將具有容量化的充電站考慮進(jìn)去，并與本文的模型進(jìn)行比較。此外，開(kāi)發(fā)一種新的優(yōu)化算法，該算法可以同時(shí)兼顧準(zhǔn)確性和效率，并提出一種折衷方案。該方案不僅可以為所有路線解決固定路線車輛充電收費(fèi)問(wèn)題，還可以確保滿足充電站的容量限制。

8 用于插入式電動(dòng)汽車整合可再生能源和智能電網(wǎng)的多目標(biāo)控制策略[8]

8.1 主要目的及原理

本文提出了一種實(shí)用的解決方案，考慮發(fā)電能源的間歇性和能源使用的不一致性，通過(guò)一種新型自適應(yīng)智能控制器，解決可再生能源和電動(dòng)汽車融入電網(wǎng)的問(wèn)題。本文描述了由發(fā)電廠和分布式發(fā)電系統(tǒng)組成的智能電網(wǎng)，該電網(wǎng)通過(guò)光伏電池板和風(fēng)力渦輪機(jī)驅(qū)動(dòng)，并增加了電動(dòng)汽車作為蓄電裝置。采用停車場(chǎng)來(lái)解決插入式電動(dòng)汽車融入到電網(wǎng)的低滲透率問(wèn)題主要有兩個(gè)挑戰(zhàn)：一是安裝位置；二是電動(dòng)汽車、電網(wǎng)和分布式發(fā)電系統(tǒng)之間的雙向電力流的建模。因此在此基礎(chǔ)上，本文通過(guò)采用非支配排序遺傳算法-II以及前后向替代方法來(lái)設(shè)計(jì)并解決非線性多目標(biāo)優(yōu)化問(wèn)題。此外，采用牛頓-拉夫遜潮流法來(lái)計(jì)算配電網(wǎng)絡(luò)的功率流。本文還提出了一種基于粒子群優(yōu)化算法的自適應(yīng)神經(jīng)模糊推理系統(tǒng)的混合控制策略，來(lái)優(yōu)化上述電網(wǎng)的工作點(diǎn)，進(jìn)而管理大量電動(dòng)汽車的充放電問(wèn)題。

Fig.4.Exampleof a feasible E-VRP-NL solution.

8.2 未來(lái)發(fā)展

本文研究不僅采用智能NSGA（文中Fig.5）優(yōu)化方法對(duì)配電網(wǎng)系統(tǒng)進(jìn)行優(yōu)化調(diào)整和選址，而且還提出了一種基于PSO自適應(yīng)神經(jīng)模糊推理系統(tǒng)的實(shí)時(shí)控制器，以實(shí)現(xiàn)可再生能源（風(fēng)能和太陽(yáng)能）和電動(dòng)汽車并入智能電網(wǎng)基礎(chǔ)設(shè)施。本文研究還實(shí)現(xiàn)了G2V和V2G功能。

未來(lái)的研究工作需要解決以下問(wèn)題：

（1）由于這類研究的目標(biāo)很大一部分集中在經(jīng)濟(jì)方面，因此其他技術(shù)方面（例如頻率偏差和諧波失真）需要進(jìn)一步調(diào)查研究。

（2）電壓偏差的降低通常會(huì)導(dǎo)致電壓總諧波失真的增加，因此這類因素應(yīng)被視為加權(quán)多目標(biāo)函數(shù)中的目標(biāo)分量。

（3）除了所提出的用于提高電網(wǎng)穩(wěn)定性的多目標(biāo)優(yōu)化問(wèn)題外，還需要評(píng)估本研究中確定的EV放電率和充電率的影響。

（4）電池的健康狀態(tài)在V2G功能中起著重要的作用，而本研究并未考慮電池的健康狀況。以后可以通過(guò)數(shù)據(jù)融合過(guò)程來(lái)解決這個(gè)問(wèn)題。

（5）EV充電器的設(shè)計(jì)基于對(duì)車外放置的假設(shè)，這引起了對(duì)電池加熱管理以及考慮其他充電站的能力的問(wèn)題，因此需要進(jìn)一步了解此類信息。

Fig.5.Flow chart of NSGA-II solving process.

9 滿足電動(dòng)汽車充電需求的微電網(wǎng)規(guī)劃算法[9]

9.1 主要目的及原理

未來(lái)電力系統(tǒng)的普及可以減少溫室氣體排放，其中相關(guān)的兩項(xiàng)重要技術(shù)就是是電動(dòng)汽車（EV）和可再生能源發(fā)電。當(dāng)電動(dòng)汽車變得越來(lái)越普遍時(shí)，由于電動(dòng)汽車消耗大量電力，電力的總體需求將顯著增加。此外，電動(dòng)汽車的日常負(fù)載曲線在很大程度上取決于電動(dòng)汽車消耗多少電量和何時(shí)消耗電量。微電網(wǎng)是促進(jìn)可再生能源發(fā)電的重要技術(shù)，在微電網(wǎng)規(guī)劃階段應(yīng)考慮需求的增加和負(fù)荷曲線的變化問(wèn)題，從而安裝可靠經(jīng)濟(jì)的微電網(wǎng)。本文提出了一種微電網(wǎng)規(guī)劃算法，以找到最經(jīng)濟(jì)的配置來(lái)滿足電動(dòng)汽車的充電需求，從而最大程度地利用可再生能源發(fā)電（文中Fig.2）。

本文首先調(diào)查了幾種不受控制和受控制的電動(dòng)汽車充電調(diào)度方案，即：最小時(shí)間充電方案、兩種成本最小化充電方案、最小化方差（最小變量）充電方案和最大可再生充電方案。然后，使用HOMER軟件研究了這些充電方案和不同EV滲透率的最佳微電網(wǎng)配置。最后，提出了最大限度地利用可再生能源的微電網(wǎng)規(guī)劃算法。

9.2 主要結(jié)論

該算法采用可再生能源發(fā)電的EV充電方案和HOMER仿真軟件來(lái)驗(yàn)證其性能。仿真結(jié)果表明，該算法構(gòu)建的微電網(wǎng)顯著地降低了投資成本和二氧化碳排放量，有效地解決了電動(dòng)汽車充電調(diào)度和微電網(wǎng)配置問(wèn)題，以最大限度地利用可再生能源。通過(guò)住宅和校園微電網(wǎng)案例研究分析表明，該算法構(gòu)建的微電網(wǎng)較為經(jīng)濟(jì)，其二氧化碳排放量較少。如果安裝的可再生能源發(fā)電在電動(dòng)汽車充電過(guò)程中不產(chǎn)生輸出功率，那么所提出的算法就像最小可再生充電方案一樣工作。否則，它可以最大限度地利用可再生能源，從而實(shí)現(xiàn)最低的投資成本和二氧化碳排放量。

Figure 2.Flowchart for theproposed microgrid planning algorithm.

10 電動(dòng)汽車電網(wǎng)電壓調(diào)整和優(yōu)化調(diào)度方法[10]

10.1 主要目的及原理

基于充電或放電模式，電動(dòng)汽車（EV）可以靈活地充當(dāng)負(fù)載或能源。因此，本文提出了一種用于實(shí)現(xiàn)下列目標(biāo)的方法：改進(jìn)公共耦合（PCC）點(diǎn)的電壓分布；對(duì)電動(dòng)汽車的充放電作適當(dāng)?shù)恼{(diào)度。所提出的方法基于V2G技術(shù)的經(jīng)濟(jì)合理性，通過(guò)峰值削減和谷值填充，以進(jìn)行充電率控制和能量管理來(lái)改善有功和無(wú)功負(fù)載的分布情況（文中Fig.1）。

10.2 主要結(jié)論

由于分析電動(dòng)汽車對(duì)電網(wǎng)的影響需要非常準(zhǔn)確的數(shù)據(jù)，并且需要考慮到電動(dòng)汽車的普及率和隨機(jī)的電池荷電狀態(tài)（SOC），本文提取2001年全國(guó)家庭旅行調(diào)查（NHTS）獲得的數(shù)據(jù)用于分析和研究，以制定電動(dòng)汽車的最后到達(dá)時(shí)間和負(fù)載曲線。本文將兩個(gè)隨機(jī)算法與蒙特卡羅模擬技術(shù)相結(jié)合以確定所需的參數(shù)。此外，本文還提出了一種具有可變目標(biāo)函數(shù)的優(yōu)化算法，其中根據(jù)充電或放電模式及其指定約束來(lái)確定適當(dāng)?shù)哪繕?biāo)函數(shù)。本文采用幾種情景來(lái)確定適當(dāng)?shù)哪繕?biāo)函數(shù)，并通過(guò)IEEE 14總線系統(tǒng)進(jìn)行實(shí)時(shí)仿真，以驗(yàn)證所提出的方法的性能優(yōu)越性。仿真結(jié)果表明，所提出的方法通過(guò)計(jì)算和調(diào)整電網(wǎng)與EV之間交換的有功功率和無(wú)功功率能夠有效地改善PCC的電壓分布并控制EV電池的SOC以及電池的充電-放電的持續(xù)時(shí)間和速率。

Figure1.Block diagram of the VOF based vehicle-to-gird.

參考文獻(xiàn)

[1]SABILLON-ANTUNEZ C,MELGAR-DOMINGUEZ O D,FRANCO J F,et al.Volt-VAr Control and Energy Storage Device Operation to Improve the Electric Vehicle Charging Coordination in Unbalanced Distribution Networks[J].IEEE Transactions on Sustainable Energy,2017,8(4):1560-1570.

[2]MOGHADDAM Z,AHMAD I,HABIBI D,et al.Smart Charging Strategy for Electric Vehicle Charging Stations[J].IEEETransactions on Transportation Electrification,2018,4(1):76-88.

[3]APOSTOLAKI-IOSIFIDOU E,CODANI P,KEMPTON W.Measurement of power loss during electric vehicle charging and discharging[J].Energy,2017,127:730-742.

[4]HANNAN M A,HOQUE M M,PENG SE,et al.Lithium-Ion Battery Charge Equalization Algorithm for Electric Vehicle Applications[J].IEEE Transactions on Industry Applications,2017,53(3):2541-2549.

[5]MAIGHA,CROWM L.Cost-Constrained Dynamic Optimal Electric Vehicle Charging[J].IEEE Transactions on Sustainable Energy,2017,8(2).

[6]RIVERA J,GOEBEL C,JACOBSEN H.Distributed Convex Optimization for Electric Vehicle Aggregators[J].IEEE Transactionson Smart Grid,2017,8(4):1852-1863.

[7]MONTOYA A,GUéRET C,MENDOZA J E,et al.The electric vehicle routing problem with nonlinear charging function[J]. Transportation Research Part B:Methodological,2017,103:87-110.

[8]RAHBARI O,VAFAEIPOUR M,OMAR N,et al.An optimal versatile control approach for plug-in electric vehicles to integrate renewable energy sources and smart grids[J].Energy,2017,134:1053-1067.

[9]YOON S,KANGS.Economic Microgrid Planning Algorithm with Electric Vehicle Charging Demands[J].Energies,2017,10(10):1487.

[10]NAZARLOOA,FEYZIM R,SABAHI M,et al.Improving Voltage Profile and Optimal Scheduling of Vehicle to Grid Energy based on a New Method[J].Advances in Electrical and Computer Engineering,2018,18(1):81-88.