基于鸿蒙系统的光储充电站综合管理平台

摘要：大量充电设施接入电网，对电网的安全运行构成了显著挑战。文章利用鸿蒙操作系统的分布式、高性能、高可靠、可扩展和可裁剪等特性，设计了一种新型的光储充电站综合管理平台。该平台在能量管理、安全管理和收益管理三个层面，采用“左右大脑”分工协作模式，通过传输与传感感知实现充电站的智能化管理。此外，平台适配不同算力的鸿蒙系统硬件，并结合数字孪生技术和机器学习算法，提升了系统的经济性、安全性与可靠性。这一管理平台为新能源汽车充电站的发展提供了坚实的技术支持。

关键词：鸿蒙系统；光储充电站；能量管理系统；数字孪生；机器学习

中图分类号：TP393文献标识码：A

文章编号：1009-3044（2024）35-0101-03开放科学（资源服务）标识码（OSID）：

0引言

近年来，能源危机与气候变化带来了巨大的压力，迫使交通工具向低碳化升级转型，电动车因其环保节能的优势得到迅速发展。工信部发布的《新能源汽车产业发展规划（2021-2035）》预测，到2030年，我国新能源汽车保有量将达到6420万辆，位居世界前列[1]。然而，电动车的发展离不开充电设施的广泛建设，这些充电设施的大规模接入对电网的安全运行构成了显著挑战。为应对线路走廊容量不足、城市电力管网扩容困难及末端供电容量受限等问题，新型光储充电站应运而生，成为解决上述痛点的有效手段[2-4]。

光储充电站的管理系统主要包括能量管理、安全管理和收益管理等模块。能量管理涵盖光伏组件、储能系统、充电桩及电网的能量调控；安全管理涉及光伏组件、电池、充电桩及电气装置的安全监控；收益管理则包括用户收费、车辆计费及电网电费管理等。充电站管理的核心在于经济效益，通过实时的充放电数据计算收益，并结合安全管理的运维方案，以实现经济效益的最大化。然而，充电站通常涉及多个设备厂商，信息交互壁垒高，设备运行相对割裂，各管理模块协同互联性差，造成管理上的困难。

鸿蒙操作系统（HarmonyOS）作为物联网领域的国产新型操作系统，凭借分布式、高性能、高可靠、可扩展及可裁剪等特性，成为应对上述挑战的关键技术[5]。鸿蒙系统能够根据不同算力需求裁剪或扩展，适应从传感器到计算机级别的各类硬件。此外，鸿蒙系统提供统一规范的通信框架，适配多种量测传感仪表，为充电站的能量管理与安全评估提供准确可靠的数据支持。其高效实时的系统架构及内嵌的人工智能能力，使其能够运行各类轻量级仿真和算法推演，实现快速决策与评估。

本文旨在设计并实现基于鸿蒙系统的光储充电站综合管理平台，通过引入分层分级架构和“左右大脑”协同模式，结合数字孪生技术与机器学习算法，提升充电站的经济性、安全性与可靠性，从而为新能源汽车充电站的发展提供坚实的技术支持。

1系统架构

本系统基于鸿蒙系统适应不同算力规模硬件的特点，设计了从感知到决策的分层分级架构。类比于人体神经系统，系统包括小型、中型和大型鸿蒙系统，分别对应神经元、中枢神经和大脑的功能。

1）小型鸿蒙系统（神经元）：负责感知执行，通过嵌入各类量测仪表，实现即插即用及准确可靠的数据采集。

2）中型鸿蒙系统（中枢神经）：负责传输通信，支持以太网、Wi-Fi、5G、红外、蓝牙、电力载波等传输协议，确保数据的安全可靠传输。

3）大型鸿蒙系统（大脑）：负责建模仿真与决策实施，分为左脑和右脑。左脑侧重机理驱动，执行仿真、推理和控制等功能；右脑侧重数据驱动，用于评估、预测和优化等功能。基于鸿蒙的广泛连接与高效运行能力，左右脑能够互联互通，高效协同工作。整体系统架构如图1所示。

左脑利用对站内设备与电动车的精准建模，依托小型鸿蒙传感器提供的实时量测数据，通过仿真计算快速获取结果，适用于实时计费、电力电子器件控制及突发性故障告警等高时效性应用。右脑通过数据采集、分析、智能推理和反馈控制，构建数字孪生模型。基于统计分析、神经网络、时序分析等智能算法，结合光伏发电与电车充放电预测曲线，进行动态仿真，优化光伏发电、储能及汽车的充放电策略，达到经济效益最大化。此外，右脑还基于电气、热、力、图像等多类信息，实现故障识别和安全评估。

左右脑协同方面，左脑能够通过仿真计算提供高可信度数据，传入右脑进行中长期预测和控制指令生成。右脑基于这些预测结果反馈给左脑，实施具体执行操作，如设计合理的运维计划以延长电池寿命，或进行经济性预测以提升未来收益。

2能量管理

能量管理系统通过协调太阳能光伏发电、储能系统与电动车充电功能之间的能量流动，确保光伏发电、储能系统与电动车充电的协同运转。系统实施智能调度与控制等功能，实现稳定的电力供应。基于鸿蒙系统，系统进行全景数据采集，包括但不限于电网调度、并网点参数、电池管理系统（BMS）、功率变换系统（PCS）、光伏组件及充电桩等设备的电量数据。基于这些数据，构建设备级的数字孪生模型，实现光伏发电、储能系统和充电桩的统一管理，实时监控运行状态，进而实现全局优化和智能控制，保障规划运行、安全分析和健康管理。该模型包括以下几个部分：

1）高效的光伏发电系统。

利用先进的光伏组件和逆变器技术，结合最大功率点跟踪（MPPT）算法，灵活分配不同光照条件下的能量，确保光伏发电的最大化利用，实现高效的光电转换与能量输出。

2）高效的储能控制系统。

设计合理的储能配置，确保在光伏发电波动或电动车需求激增时，系统能够迅速提供可靠的能量支持，平衡供需，实现与电网的最优互动。

3）充电需求预测。

通过分析电动车的历史数据、交通调度数据和天气预报等信息，提前预测充电站的用电需求。系统需适应气象条件的波动和电动车充电需求的不确定性，提前制订充电站运行计划，调整能源分配策略。

4）智能充电桩系统。

利用车联网（V2G）技术，实现电动车与电网之间的双向能量流动，优化充电和放电过程管理，最大化充电站、用户与电网的经济性满意度。

5）电力电子控制策略。

通过直流母线或交流母线，协调控制光伏、储能设备及充电桩之间的功率流动关系，确保母线电压稳定。

基于以上技术，能量管理系统有效解决了光伏随机性与波动性引起的消纳能力不足和电网冲击的问题，实现了绿色能源的高效友好利用。结合储能系统，进一步实现了削峰填谷、需求响应及电网调峰调频，显著降低了用能成本。

3安全管理

充电站通常位于人口密集区域，并向公众开放，其安全性至关重要。安全管理主要涵盖以下几个方面：

1）储能系统安全。

充电站的储能系统规模庞大，设计复杂，需保证长期稳定运行。随着电池材料在长周期循环后稳定性降低，安全风险相应增加。基于鸿蒙系统的电池管理系统（BMS）通过持续、快速、实时地采集电芯的电压、电流和温度数据，全面评估锂离子电池的全生命周期安全性，从而降低充电站的运营风险[6]。

2）电气系统安全。

鸿蒙系统集成的电流传感器和电压传感器能够捕捉电参数波形数据，以实时监控电气系统的工作状态。通过分析这些电信号，特别是异常波动，系统可以实现故障的早期监测和诊断，并采取及时措施以避免故障发生[7]。

3）消防系统安全。

对充电站内潜在火灾风险进行持续监测和评估是安全管理的关键。红外热成像技术能够穿透烟雾和黑暗，检测设备难以察觉的过热等火灾前兆，揭示设备的热状态，为火灾预防提供重要的数据支持[8]。

4）日常管理安全。

充电站内安装的图像和视频传感器提供的视觉数据不仅能实时监控设备和人员状态，还能捕捉可能预示故障的异常行为或事件。利用鸿蒙系统预置的基础AI算法和推理模型，系统可进行图像和语音识别，实现设备由内因或外力造成的破坏识别、异物闯入识别、车牌识别及人员异常行为识别等功能。这种智能化识别能力不仅提高了充电站的安全性，还优化了维护和运营流程。通过减少人为监控需求，机器学习模型还能够降低运营成本并提高故障响应效率。

5）数据安全。

充电站内大量设备的互联协同工作导致数据在多台设备间不断流转，增加了攻击面。一旦某设备遭受攻击，可能影响到所有连接设备。鸿蒙系统通过信任管理、访问控制、数据加密、可信计算、差分隐私及数据脱敏等技术，构建了涵盖数据采集、传输、存储和访问等全生命周期管理的数据安全体系，充分保障充电站的数据安全。

4收益管理

收益管理主要涵盖电动车充电收益管理、电网交互收益管理及碳核算收益管理等方面。基于鸿蒙系统的超级终端能力，通过统一的用户界面，系统实现了账号管理、用户管理、多设备支持及数据管理等多层面功能，提供了收益最大化的决策能力和提升用户满意度的服务能力。

4.1电动车充电收益管理

电动车充电收益主要来自合理的定价策略和计费方式，以最大化充电站的收入。根据充电时段、电量及用户需求等因素制定差异化定价，既能吸引用户，又能确保充电站的经济收益。此外，通过智能调度系统优化充电流程，减少用户等待时间，提高用户满意度。同时，提供多样化的支付方式、优惠活动及优质客户服务，增强用户黏性和忠诚度。

4.2电网交互收益管理

每日光伏发电量与电动车充电负荷随时间和区域变化。在短期内，基于历史负荷数据，应用指定预测算法对当日负荷进行自动预测，制定储能充放及与电网交互电能的计划。其管理能力主要体现在精准预测光伏发电能力与电动车充电负荷，结合储能系统实现电网交互收益最大化。一方面，准确的光伏预测有助于合理规划储能设备的充放电策略，优化电网供需平衡，提高能源利用效率，降低运营成本。影响光伏预测准确性的因素主要包括天气条件（如太阳辐照强度、云层厚度、气温、风速等）、光伏电站设备状态（光伏板清洁度、转换效率及逆变器性能等）及历史数据的准确性与完整性。通过引入先进的天气预报技术，采用精细的历史数据处理及优化算法，提升预测精度。另一方面，电动车充电负荷预测分为中长期和短期两类：中长期预测基于电动车的保有量、增长率及区域内车流量等宏观因素，利用数学模型预测未来充电负荷变化趋势；短期预测则综合考虑用户使用习惯、电动车行驶路线及天气等多种因素。

4.3碳核算收益管理

碳核算涉及复杂的光伏发电、储能系统及电网电力的能耗和排放数据综合核算，需准确选择和使用光伏发电减排因子、电网电力排放因子及储能系统损耗率等参数。国内能源碳交易市场采用阶梯式碳交易模型[9]，更多碳减排带来更大经济效益，因此对碳核算的精准度要求更高。鉴于此，充电站碳核算管理主要包括以下方面：

1）光照强度概率模型

针对光伏不确定性，建立光照强度概率模型，预测光伏出力，评估光伏发电对碳排放市场基价的影响。

2）电力售价与购价制定

基于用电成本与阶梯型碳交易机制，制定电力售价与购价。综合考虑电动车用电成本和荷电状态，预测用户的充放电行为，确定其对碳排放市场基价的影响[10]。

3）数据采集与整合

由于光伏发电、储能系统和电网电力使用数据复杂且难以进行碳排放核算，应用鸿蒙系统建立数据采集平台，统一收集和整理各系统数据。通过数据标准化及处理系统，将不同来源的数据整合分析，生成综合能耗和排放报告。

基于以上方法，收益管理系统能够有效实现收益最大化，优化碳排放管理，提升充电站的经济效益和环境效益。

5结束语

本文提出了一种基于鸿蒙系统的光储充电站综合管理平台，旨在通过智能化管理系统，提升光储充电站的运行效率、稳定性与安全性。该平台采用“左右大脑”协同分工模式，通过传输与传感感知，实现充电站的智能化管理。结合数字孪生技术和机器学习算法，系统显著提高了运行效率和安全性，为新能源汽车充电站的发展提供了坚实的技术支持。

随着技术的不断进步与应用的深入，基于鸿蒙系统的管理平台有望在智能电网和新能源汽车充电领域发挥更大的作用。未来研究可进一步优化算法，拓展系统功能，提升平台的可扩展性与适应性，以应对日益增长的市场需求和技术挑战。

参考文献：

[1]工信部规划司.新能源汽车产业发展规划（2021—2035年）[EB/OL].（2022-07-06）[2024-03-05].https：//wap.miit.gov.cn/jgsj/ghs/zlygh/art/2022/art_158cc63ebe76470cbff2458c4328ea22.html.

[2]易建波，胡猛，王泽宇，等.提升光储充电站运行效率的多目标优化配置策略[J].电力系统自动化，2024，48（14）：100-109.

[3]刘国明，于晖，康凯，等.考虑需求响应与碳排放的光储充电站容量配置[J].电力系统及其自动化学报，2021，33（7）：106-112.

[4]高昇宇，柳志航，卫志农，等.城市智能光储充电塔自适应鲁棒日前优化调度[J].电力系统自动化，2019，43（20）：39-48.

[5]李毅，任革林.鸿蒙操作系统设计原理与架构[M].北京：人民邮电出版社，2024：18-35.

[6]郭源，夏向阳，岳家辉，等.基于向量误差修正模型的电池簇不一致检测方法及智能运维方案[J].中国电力，2024，57（6）：9-17，44.

[7]宁雪峰，张慧珍，许加柱.基于改进AHP-TOPSIS的储能电站安全综合评估[J].太阳能学报，2024，45（5）：251-259.

[8]孟国栋，李雨珮，唐佳，等.锂离子电池储能电站的热失控状态检测与安全防控技术研究进展[J].高电压技术，2024，50（7）：3105-3127.

[9]王凌云，徐健哲，李世春，等.考虑电-气-热需求响应和阶梯式碳交易的综合能源系统低碳经济调度[J].智慧电力，2022，50（9）：45-52.

[10]庞松岭，赵雨楠，张瑞恩，等.市场环境下计及用户响应的电动汽车充电站优化运行策略[J].电力建设，2024，45（10）：59-68

【通联编辑：张薇】