含风光储的电动汽车充电站容量优化研究综述

全建明

摘 要： 对于含风光储电动汽车充电站而言，其储能容量十分重要，直接关系着充电站的发展。作为风光储研究重点内容之一，风光互补风电系统不仅关系着储能容量配比研究，同时也关系着电动汽车充电站的发展。基于此，本文就含风光储电动汽车充电站容量展开研究，首先研究了风光互补系统容量，其次对含风光储电动汽车充电站容量优化进行研究，以便为后续研究奠定基础。

关键词： 风光储;电动汽车;充电站容量

【中图分类号】TM73     【文献标识码】A     【文章编号】1674-3733（2020）07-0200-01

风光互补发电系统包括风力发电、太阳能、储能设施、控制器、逆变器等设施，其能够将风能、太阳能、智能控制技术以及储能设施集成起来构成发电系统，而含风光储能电动汽车充电站就是将该发电系统与充电站集成起来构成新型微网，通过风光互补发电为充电站提供电能，确保充电站能够持续为电动汽车提供能源。当前，相较于国外而言，我国关于该方面的研究比较少，起步较晚，各方面不够成熟。

1 风光互补发电系统容量研究综述

根据风光互补发电系统运行情况，其可以分为并网和离网两种方式。

1.1 并网运行容量配置研究

（1）由于风速、环境温度、太阳辐射等因素都有一定的随机性，在失负荷情况下，通过抽样平均法随机优化风光互补发电系统，降低系统生命周期成本达到最小，这时其所排放的二氧化碳量最少，对于可再生能源的利用率达到最高，此方法由于随机优化与实际工程最为接近，但是由于不确定因素随机加入导致其温度更加复杂。

（2）若是将二氧化碳最小排放量作为优化目标，对系统生命周期成本、风光互补性以及系统稳定性等条件作出考虑，合理配置风光储容量。若是将系统最小成本作为优化目标，考虑负荷缺电率与能量浪费率，通过改进标准粒子群算法南中的惯性权重可以解决该算法在搜索时由于过早收敛导致的局部极值问题，同时通过对算法前后仿真结果的对比分析发展，改进后的容量配置更加合理。若是将全生命周期最大收益作为优化目标，考虑风光互补性、资源利用率以及跟踪调度曲线等条件，建立风光储容量配置优化模型，在一系列优化变量基础上通过变步长循环离散算法来建立容量配置优化模型，这种方法主要应用在大规模的风光互补发电系统建设中[1]。

（3）将系统投资的收益、可靠性以及可再生能源利用率作为目标函数，考虑场地、蓄电池、风光蓄容量、电网功率交换等条件，构建风光储容量配置优化模型，改进遗传算法后求解容量配置模型，在计算时，改进后的遗传算法具有较好的收敛速度以及全局搜索能力，该方法的应用能够使蓄电池寿命延长，同时也能够提高微电网孤岛能力。

1.2 离网运用容量配置研究

（1）目标函数为系统年成本、二氧化碳最小排放量以及负荷缺点率，约束条件为风机轮毂高度和光伏板倾斜角度，在此基础上建立风光柴容量配置模型，其能够详细计算光伏板太阳辐射情况，但是没有考虑风速因素，只能够在静态环境中应用。之后，利用改进后的偏好启发协同进化苏啊反和非支配排序遗传算法得到风光柴储能配置。县教育传统算法而言，这两种苏啊反能够灵活扩展目标数量，简化计算，提高计算精度。

（2）遗传算法能够使风光互补发电系统成本函数实现最小化，进而优化配置风光储容量。相较于动态规划以及梯度计算等传统优化方式，遗传算法对于全局优化更加实用，可以简化计算过程，但是其对系统可靠性考虑不足。

2 含风光储电动汽车充电站容量优化研究综述

含风光储电动汽车充电站将充电站与风光互补发电系统结合起来，其在容量配置优化研究主要包括以下内容：

（1）基于电动汽车充电需求得到满足情况下，以投资、缺点损失和运行等方面成本最低作为目标，建立含风光储离网电动汽车充电容量配置优化模型，通过微分进化算反得到最优容量配置，但是该方法没有考虑到系统是否可靠的问题。若是基于统计学来计算电动汽车充电负荷，其将充电站最大经济效益作为目标，约束条件为充电负荷需求以及装机容量，进而构建风光储离网电动汽车充电站容量配置优化模型，利用改进后的遗传算法得到容量最优配置，进而达到最大经济效益。若是约束条件为储能装置充放电，目标函数为最低系统总成本，通过粒子群算法得到不同能量管理条件下电动汽车的最优容量配置方案。该方法能够使系统稳定性提高，并降低投资成本。若是目标函数为资源利用最大且系统功率波动最低，构建优化模型，约束条件为功率平衡并限制充电功率，改进粒子群算法来优化模型，其能够让充电站在并网运行时缩小负荷峰谷差距，进而环节电力调度压力，但是没有考虑到生命周期，经济性有待加强研究[2]。

（2）要想使系统可靠性以及资源利用率提高，需要以负荷响应转移、蓄电池充放电以及风光互补系统出力等因素为约束条件，目标函数为系统總成本最低建立容量配置优化模型，通过人工免疫算法和粒子群算法，利用改进后的算法计算模型，防止过早收敛现象出现。若是目标函数为环境成本以及有功功率损耗最低，可以利用改进后的粒子群算法求解目标函数，改方法尽管能够克服最优解局部缺陷，但是在参数设置上十分复杂，且计算难度大。在电网分级调度结构基础上建立的含风光储充电站模型，此微网模型利用粒子群优化算法优化资源利用率、负荷峰谷差和系统可靠度等函数，使微网系统更加可靠，并充分利用风光资源，确保接入电网更加稳定。

（3）容量配比受到各种因素影响，在建设充电站前，需要在成本条件基础上合理规划风光储最大容量，以风光储最大容量作为充电站容量配置约束条件。在满足电动汽车充电功率情况下，配置风光储容量，使充电收益能够达到最大化。

T为充电站收益天数;Cd为充电站每天收益;N为一天充电汽车数量;SOCi为每台电动汽车初始充电时刻;C0电动汽车电池容量;Sd为电费;r设备折旧和原折旧价格比例;l为发电设备使用时间;Ni为台数;Ci为单台价格。

结束语：通过对当前国内外风光储电动汽车充电站容量配置研究综述发现，新型电动汽车充电站在后续的发展中需要注意建立统一的建设标准，并完善运营体系，建立成熟的运用模式，同时，还需要主要降低风机、储能电池等成本，保证建设成本符合要求，综合考虑建设场地等因素。

参考文献

[1] 白雪.风光储发电系统的随机生产模拟及电动汽车光伏充电站的可靠性评估[D].

[2] 成健.电动汽车光伏充电站光储容量优化配置及保护研究[D].2018.