考虑削峰填谷的电动公交换电站充电优化研究

(西华大学电气与电子信息学院，四川 成都 610039)

·机电工程·

考虑削峰填谷的电动公交换电站充电优化研究

苗 淼，雷 霞*，何建平，李 菲

(西华大学电气与电子信息学院，四川 成都 610039)

采用换电模式的电动公交车在公共交通领域内发展迅速。电动公交换电站的正常运营与电池更换、充电和电网负荷等多方面因素有关。为提高电动公交换电站运营的经济性，首先分析和计算电动公交车的日换电量需求，然后以充电成本最小和减小负荷波动为目标建立考虑削峰填谷作用的双目标充电优化模型，最后利用遗传算法的权重系数变换法对实例进行求解。实例仿真计算结果表明，优化后的充电成本可节约30 %，同时达到削峰填谷作用。

电动汽车；换电需求；削峰填谷；遗传算法

近年来，对电动汽车换电模式的研究主要包括定容和选址2部分。文献[2-3]考虑了电动公交车的充换电行为，提出一种换电站—电池充电站建设模式，并给出了相应的优化规划方法。文献[4-5]通过综合考虑道路交通状况和服务区域内电动车辆情况等对换电站的地理位置分布进行了优化。文献[6]以不同的储备阈值分布划分不同的情景集, 对各情景集下的电动汽车换电需求进行了模拟计算, 分析不同情景集对电动汽车换电需求的影响。

同时，研究者在电动汽车对配电网的影响方面也做了相关工作：文献[7]指出一些特定的充电方式会对配电网可靠性产生影响，分析了在不同渗透率情形和充电方式下的配电网可靠性；文献[8]指出电动汽车充电站对电网电能质量的影响主要分为电压下降和谐波污染2方面，有时还会出现不对称电流的问题。文献[9-11]依据行驶规律等相关数据分析了不同起始荷电状态的电动汽车充电的路上成本、时间分布及对电网负荷的影响。

本文依据电动公交车的行驶规律并结合路况条件建立和计算了电动公交车的每日换电量需求，在满足公交换电需求的同时，再对电网负荷曲线进行优化，以提高电动汽车换电站运营的经济性。

1 电动公交车日换电量分析

电动公交车与传统公交车类似，行驶路线和发车时间固定、运行规律强，对单条公交路线的车辆换电需求进行建模仿真，可以得到该路线公交车在每天每个单位时间段内所需要更换的电池数量和每次更换电池的时间。每次出站时电动公交车上电池组的起始荷电状态SOC(state of charge)必须能够满足本次行驶的最低耗电要求，若不满足耗电要求，则更换充好的电池组再进行发车，每辆公交车安装1个电池组。公交线路的交通拥堵程度决定行驶耗时，所以公交车的进站时间具有一定的随机性。对于交通拥堵的衡量，北京市在国内首创了综合反映道路网络畅通或拥堵的概念性数值，简称交通指数[12]。表1为交通指数对应的出行时间表。

表1 交通指数出行时间表

图1是综合考虑公交线路的车辆总数、耗电量、行驶速度和行驶里程等因素的某条公交线路在每天24 h(1440 min)内的换电需求流程图。输入信息包括电动公交车的发车时间、初始SOC、电池容量、行驶里程、行驶速度以及每km耗电量等。由于公交车只有在运营时间(06:00—22:00)内才会出现更换电池组的情况，所以对每天运营和非运营时段进行不同时间间隔t1=5 min、t2=15 min分段。

由此，车辆驶出、到达换电站的时间段和电池组剩余SOC的计算式为：

第三,指明了怎样建设生态文明。生态文明建设的根本路径是生态发展、绿色发展、低碳发展,以及经济与生态两手都要抓,两手都要硬。这种生态文明建设理念“不仅更新了关于生态与资源的传统认识,打破了简单把发展与保护对立起来的思维束缚,还指明了实现发展和保护协调共生的方法论,带来的是发展理念和方式的深刻转变,也是执政理念和方式的深刻转变,为生态文明建设提供了根本遵循。”[注] 中共环境保护部党组:《构建人与自然和谐发展的现代化建设新格局——党的十八大以来生态文明建设的理论与实践》,《中华环境》,2016年第7期,第12页。

(1)

(2)

2 双目标充电优化模型及智能求解方法

电动汽车换电站是公共服务基础设施，对于配电系统来说更像是一种“负荷”。在建设时要充分考虑换电站建设的经济性、电动汽车用户换电的便利性以及在大规模充电时对电网的影响。本文的目标函数分为2部分：第1部分以单位时间段内的充电功率为变量，对分时电价背景下的换电站电池组充电的经济性进行优化求解；第2部分是在第1部分取得最优充电经济性的约束下，根据电网负荷曲线合理地对电池组的充电时间进行调度，以实现对电网负荷的削峰填谷。

2.1双目标充电优化模型

1)第1部分优化。在分时电价背景下以充电功率为变量对换电站电池组充电的经济性进行优化。

(3)

式中：f1表示充电成本最小；cp-y表示单位时间段y内的电费价格；ty表示充电时间即包含单位时间段y的长度；εy为0或1变量，当单位时间段y内有充电行为时εy=1，否则为0；B表示电池组数量；pxy表示充电桩在单位时间段y内对电池组x的充电功率。

2)第2部分优化。换电站对换下来的电池组进行集中充电时会产生较大的充电负荷。若在电价高峰时段充电还会带来高昂的充电费用，额外增加充电成本，不利于换电站的经济性运行，因此，在电网负荷低谷期间对电池组充电，根据电网的负荷曲线合理地对电池组的充电时间进行调度实现经济性运营，以减小负荷波动，使充电负荷曲线更加平滑为目标。

(4)

3)目标函数。目标函数为：

(5)

式中：f2表示充电负荷波动目标；w1、w2表示权重系数，根据线性加权法，权重系数和为1。

4)约束条件。电池组每次充电必须在一个完整的充电区间内把电池电量充满，即从每次开始充电的时段到下一次该电池组被换上公交车的时段为一个完整充电区间。在整个充电过程中，电池组不允许未充满电就被换上公交车。在第1部分优化时，要满足充电桩的功率约束式(6)及充电时段约束式(7)。第2部分优化要在模型第1部分充电成本取得最小值的基础上进行。

pxy-min≤pxy≤pxy-max，

(6)

(7)

2.2智能求解方法

在工程中经常遇到在多目标下设计和决策的问题，如果这些目标的改善是相互抵触的，则需要找到满足这些目标的最佳方案。例如本文中既要求充电经济最优又要求电网负荷曲线波动较小。

对于求解多目标优化问题的Pareto最优解(Pareto optimal solution)，最常用的就是基于遗传算法的权重系数变换法[14-16]。对于一个多目标优化问题，若给其每个子目标函数f(xi) (i=1,2,…,n)赋予权重wi(i=1,2,…,n)，其中wi为相应的f(xi)在多目标优化问题中的重要程度，则每个子目标函数f(xi)的线性加权和表示为

(8)

若将u作为多目标优化问题的评价函数，则多目标优化问题就可以转化为单目标优化问题；因此，本文采用权重系数变换法求解目标函数。

3 算例仿真

3.1数据分析

3.1.1 充电电价

根据各时段电网负荷变化趋势，将充电电价分为峰、平、谷3种时段，各时段的起止时间及电价如表2所示。

表2 峰、平、谷时段划分及各时段电价

3.1.2 电动公交运营时间及相关参数

本文以某市某路公交线为研究对象，以车辆驶出始发站到再次回到始发站为一个运行周期。在运行周期结束后，由换电站内机器人对电池组进行统一装卸充电管理。目前电动公交电池组普遍采用的是充电桩慢速充电，充电倍率为(0.1～0.2)C(C为电池容量)，即充电起始SOC从零到充满时，充电时长为5～10 h。电动公交发车时刻表及相关车辆运行参数如表3、4所示。

表3 电动公交运营时刻表

表4 车辆相关运行参数

3.2电动公交车日换电分析

根据图1及式(1)(2)描述的电动公交车日换电分析，对电动公交线路上的车辆在每个单位时间段内的换电数量进行Matlab仿真，得到的结果如图2所示(每更换1次电池就记录1次，对应为图2的线条)。由图可知，该路电动公交车在每天的运营时间内共计更换电池组数量为95次，在第1次换电发车后，电池剩余SOC足够满足该电动公交在接下来一段时间内的运行，在经过几次运行周期后产生了图中第2轮的换电高峰。

图2 电动公交日换电数量

3.3尚未进行充电优化的结果

未进行充电优化即指当每次有电池组从电动公交车上更换下来后立即进行充电，不考虑充电时的电网负荷及当时充电电价等因素。在该状态下的功率仿真如图3所示。从图可知，换电站为电池组进行充电的时刻大多在高峰电价时刻，这样不仅增加额外电网负荷而且不利于换电站的经济运营。

图3 尚未进行充电优化结果图

3.4双目标充电优化的结果

在对模型进行优化前需要选取合适的权重系数，使目标函数中充电成本部分占优势，根据图2、3的仿真结果可知，充电成本的数量级为103，充电负荷的数量级为 107，取充电成本目标比负荷目标大1个数量级，才能够保证充电成本的最优；因此，取权重系数w2=1×10-5。此时，电动公交车电池组充电采用双目标充电优化后的结果如图4所示。

图4 双目标优化结果图

由计算结果可知，该公交线路优化后的充电成本为6 421元/d，与优化前的相比节约了2 943元/d，如表5所示。从图4中可以看出，本文提出的模型能够使充电负荷更加集中于电网负荷在平、谷时期，既降低了充电成本又起到削峰填谷作用。

表5 充电成本对比

4 结束语

本文通过模拟换电站内某路电动公交车运营状态和电池组的充电规律，以减小换电站充电成本、降低负荷波动实现削峰填谷为目标，建立了双目标充电优化模型。实例仿真计算结果表明，本文方法能有效根据电动公交车辆信息、运行规律和电价情况等，合理安排电池组的备用储量，优化充电时间和功率，降低电池组的充电成本和充电负荷对电网的影响。与不进行充电优化相比较，本文提出的优化充换电方法可将充电负荷在时间上合理分配，使充电负荷集中于谷电价和平电价时期，为实际换电站的建设和运营提供一定的参考价值。

[1]电动汽车科技发展“十二五”专项规划[EB/OL]. [2014-05-06].http://www.most.gov.cn/tztg/201204/W020120420547632346015.pdf.

[2]钱斌，石东源，谢平平，等.电动公交车换电站—电池充电站优化规划[J].电力系统自动化，2014，38(2)：64-69.

[3] 熊虎，向铁元，祝勇刚，等.电动汽车公共充电站布局的最优规划[J].电力系统自动化，2012，36(23):65-70.

[4]Villez K，Gupta A，Venkatasubramanian V，et al．Resilient Design of Recharging Station Networks for Electric Transportation Vehicles[C]//2011 4th International Symposium on Resilient Control Systems (ISRCS)．Boise：IEEE Industrial Electronics Society，2011：50-66．

[5]Carradore L，Turri R．Electric Vehicles Participation in Distribution Network Voltage Regulation[C]//Universities Power Engineering Conference，2010，45th International．Cardiff：IEEE Communications Society，2010：1-6．

[6]于强强，韩学山，郝广涛，等.考虑储备阀值的电动汽车换电需求分析[J].电力系统自动化，2014,38(10)：49-54.

[7] Schneider K，Gerkensmeyer C，Kintner-Meyer M，et al. Impact Assessment of Plug-in Hybrid Vehicles on Pacific Northwest Distribution Systems[C]//IEEE Power and Energy Society General Meeting．Pittsburgh：IEEE，2008：1-6.

[8]徐泽禹.关于电动汽车充电站发展和运营模式的探讨[J].电源技术应用，2012(11)：279.

[9]Callaway D S，Hiskens I A．Achieving Controllability of Electric Loads[J]．Proceedings of the IEEE，2011，99(1)：184-199.

[10]Caramanis M，Foster J M．Management of Electric Vehicle Charging to Mitigate Renewable Generation Intermittency and Distribution Network Congestion[C]//Proceedings of the 48th IEEE Conference on Decision and Control．Shanghai，China：IEEE，2009：4717-4722．

[11]邹文，吴福保，刘志宏．实时电价下插电式混合动力汽车智能集中充电策略[J]．电力系统自动化，2011，35(14)：62-67．

[12]张曦予，李秋硕，陶顺，等.电动公交车充电站功率需求影响因素分析及建模[J].现代电力，2014,31(1)：28-33.

[13]张宾，郭连兑，崔忠彬，等.电动汽车用动力锂离子电池的电压特性[J].电池工业，2009，14(6)：398-403.

[14]雷英杰，张善文，李续武，等. Matlab遗传算法工具箱及应用[M].西安：西安电子科技大学出版社，2005：30-33.

[15]曹永春,邵亚斌,田双亮,等.一种基于分组遗传算法的聚类新方法[J].西华大学学报:自然科学版,2013,32(1):39-43.

[16]舒欣梅,王军.基于遗传算法的可调因子模糊PID控制器的设计[J].西华大学学报:自然科学版,2008,27(6):23-24,

(编校：饶莉)

TheResearchofElectricBusesPowerPlantChargingOptimizationBasedonLoadShifting

MIAO Miao，LEI Xia*，HE Jian-ping，LI Fei

(SchoolofElectricalEngineeringandElectronicInformation,XihuaUniversity,Chengdu610039China)

The electric buses which work in battery swapping mode achieve rapid growth in the field of public transportation. The normal operation of electric buses power plant is related to many factors, such as the replacement of the battery，battery charging and power load and so on. In order to improve the economy of power plant operation, the daily charging demands of electric buses are analyzed and calculated. We set up the charging model of double objective optimization considering load shifting to minimum the charging costand reduce the load fluctuation. Lastly, the weight factor transformation method is utilized to analyze the example based on genetic algorithm and the simulation results show that the optimized charging cost can be saved 30 % with the sharpening peak effect.

electric bus; battery replacement demand; load shifting; genetic algorithm

2014-09-17

国家自然科学基金项目(11209119)；四川省教育厅重点项目(11za002)；成都市科技局软科学项目(12RKYB192ZF-002)；电力电子节能技术与装备重点实验室开放基金(szjj2014-015)。

：雷霞(1973—)女，教授，博士，硕士生导师，主要研究方向为电力市场、调度自动化、配电自动化等。Email：Snow_lei246@mail.xhu.edu.cn

TM910.6

：A

：1673-159X(2015)04-0037-05

10.3969/j.issn.1673-159X.2015.04.008

*