CN103337890B - 一种电动出租车充电站有序充电系统及方法 - Google Patents

Abstract

本发明涉及一种电动出租车充电站有序充电系统及方法，本发明属于智能电网控制领域。该系统由电池管理系统、充电机、充电桩、SCADA系统/PQ监测系统、有序充电控制中心和电池充电信息数据库组成；本发明通过对预测的电网的背景负荷以及电动出租车充电功率需求，制订每辆电动出租车的最优充电开始时间和最优充电相计划，充分利用电网低谷期的电力为电动汽车动力电池充电，从而调节上级变电站的负荷，缓解电网的峰谷差，平抑电网负荷波动，提高电网运行的经济性和可靠性。同时，对于出租车的单相充电方式，通过本系统选择最优充电相，以此减小三相负荷的不平衡。

Description

一种电动出租车充电站有序充电系统及方法

技术领域

本发明涉及一种电动出租车充电站有序充电系统及方法，本发明属于智能电网控制领域。

背景技术

随着政府十城千辆工程计划的开展，电动汽车保有量大幅度增加。电动出租车相比燃油车运营成本更低，启用电动汽车来代替燃油车运营已成为出租车行业的一种趋势。电动出租车电池的充电负荷作为一种可调节的负荷可以平抑电网负荷波动，有序充电可避免电动出租车规模化后集中充电对电网带来大幅度的冲击。

电动出租车动力电池充电负荷与其他用电负荷的不同之处在于接入电网的时间与其实际充电耗时之间的差异，使其在时间尺度上具备可调节能力。电网可利用此特点对电动出租车动力电池的充电负荷进行调节控制。同时，对于电动出租车的单相充电方式，容易引起三相负荷的不平衡，从而容易引起充电站供电母线以及上级变电站的电能质量问题。目前国内外提出的有序充电的方法很多，但如何在实际充电站中应用，在不增加电网高峰负荷的前提下，充分发挥充电负荷的填谷能力，平抑负荷的大幅度波动，是本发明的关键。

SOC(state of charge)荷电状态用来表示蓄电池的剩余容量与其完全充电状态的容量的比值，常用百分数表示。

基于ARMA模型的电力系统负荷预测方法，现有方法中，如参考文献：叶瑰昀，罗耀华，刘勇，金鸿章.基于ARMA模型的电力系统负荷预测方法研究[J].信息技术.2002(6):8-10，就提到了本发明所述基于ARMA模型的电力系统负荷预测方法。该基于ARMA模型的电力系统负荷预测方法包括以下步骤：

（1）建立ARMA负荷预测模型（Auto-Regressive and Moving AverageModel），即建立自回归滑动平均模型。

（2）对ARMA负荷预测模型的参数进行辨识，确定模型阶次和参数的估计值。

（3）ARMA负荷预测模型用于电力系统负荷预测，由此得到预测的总背景负荷和单相背景负荷。

SCADA(Supervisory Control And Data Acquisition)：数据采集与监视控制系统。SCADA系统是以计算机为基础的生产过程控制与调度自动化系统。它可以对现场的运行设备进行监视和控制，以实现数据采集、设备控制、测量、参数调节以及各类信号报警等各项功能。SCADA系统采集的数据作为历史常规负荷数据。

PQ(power quality)监控系统：电能质量监控系统。电能质量监控系统以计算机技术、数据库技术、网络通信技术为依托，结合电网中各个监测点构建成一个完整的电能质量监测网络系统，从而实现对电网各项电能质量指标的在线监测、数据采集和统计分析。PQ监控系统中的数据作为历史常规负荷数据。

BMS(battery management system)：电池管理系统。电池管理系统（BMS）主要就是为了能够提高电池的利用率，防止电池出现过充电和过放电，延长电池的使用寿命，监控电池的状态。功能大致分为准确估测SOC、动态监测、电池间的均衡。系统中保存了电池型号、电池初始状态SOC₍₀₎、充电方式（恒流充电电流I_CC、恒流充电截止电压V_CC、恒压充电电压V_CV、恒压充电截止电流I_CV）等信息。

发明内容

本发明针对对于电动出租车的单相充电方式，容易引起三相负荷的不平衡，从而引起充电站供电母线以及上级变电站的电能质量问题，提出了一种电动出租车充电站有序充电系统及方法。

一种电动出租车充电站动力电池序充电系统，该系统由电池管理系统2、充电机3、充电桩4、SCADA系统/PQ监测系统5、有序充电控制中心6和电池充电信息数据库7组成；其中，

所述电池管理系统2，用来采集电池的初始荷电状态SOC和电池类型，保存并上传电池的初始荷电状态SOC和电池类型的相关数据到充电机；

所述充电机3，用来实现交流电到直流电的变换，通过电池管理系统2采集到的电池类型，判断并指定对电池充电的充电方式，充电过程中，将接收电池管理系统2上传的相关数据并转发至充电桩4；

所述充电桩4上设有与用户交互的接口，用户1通过充电桩4来设定充电时间要求；充电桩4用来向充电机3下达开始充电指令；充电桩4还用于实现切换至指定的供电相为充电机3供电；充电桩4还用于记录电池接入时间；充电桩4同时还用于与有序充电控制中心进行交互，把用户1设定的充电时间要求、电池接入时间并连同充电机3上传的相关数据一同转发至有序充电控制中心6；

所述SCADA系统/PQ监测系统5，用来采集并记录电网常规负荷历史数据，并上传电网常规负荷历史数据至有序充电控制中心6；

所述电池充电信息数据库7，保存了不同型号的电池在不同充电方式下充电的相关数据信息；

所述有序充电控制中心6，用于实现对整个系统的控制，是该系统的核心部分；

所述电池管理系统2、充电机3、充电桩4和有序充电控制中心6依次相连；

所述SCADA系统/PQ监测系统5、有序充电控制中心6和电池充电信息数据库7依次相连。

所述有序充电控制中心6由背景负荷预测模块8、背景负荷数据修正模块9、最优充电相选择模块10、最优充电开始时间计算模块11、即插即充方式模块12、可调节性判断模块13和电池充电功率预测模块14组成；其中，

所述电池充电功率预测模块14分别与背景负荷数据修正模块9、最优充电开始时间计算模块11和可调节性判断模块13相连；

所述可调节性判断模块13、最优充电开始时间计算模块11和最优充电相选择模块10依次相连；

所述即插即充方式模块12分别与最优充电相选择模块10和可调节性判断模块13相连；

所述背景负荷数据修正模块9分别与最优充电开始时间计算模块11和最优充电相选择模块10依次相连；

所述背景负荷预测模块8与背景负荷数据修正模块9相连。

一种电动出租车充电站动力电池有序充电方法，该方法包括如下步骤：

步骤1：有序充电控制中心6的背景负荷预测模块8对SCADA/PQ监测系统5监测分析到的电网常规负荷的监测数据，采用基于ARMA模型的电力系统负荷预测方法计算得到三相总背景负荷数据P_0,Base(t)及各相背景负荷数据P_0A,Base(t)、P_0B,Base(t)和P_0C,Base(t)；

步骤2：背景负荷数据修正模块9根据背景负荷预测模块8提供的总背景负荷修正数据和各相背景负荷修正数据，用叠加的方法修正总背景负荷曲线和各相背景负荷曲线，得到总背景负荷修正数据P_Base(t)和各相背景负荷修正数据P_A,Base(t)、P_B,Base(t)和P_C,Base(t)；

步骤3：等待电动出租车接入充电机3；

步骤4：电动出租车接入充电机3后，用户1设置取车时间并按下确定按钮；

步骤5：电池管理系统2、充电机3、充电桩4、SCADA系统/PQ监测系统5、有序充电控制中心6和电池充电信息数据库7之间互相通讯，共享电池的初始荷电状态SOC、电池类型、总背景负荷数据、各相背景负荷数据和用户充电完成时间要求的信息；

步骤6：电池充电功率预测模块14根据电池充电信息数据库7提供的完整充电功率数据，以及电池管理系统2采集到的电池的初始荷电状态SOC，计算得到充电功率需求和充电时间需求；

步骤7：可调节性判断模块13根据接收充电桩4发送的电池接入时间和用户充电完成时间要求，以及电池充电功率预测模块14发送的充电时间需求，根据下面的公式：

${\mathrm{\τ}}_n=\frac{t_{n\·\mathrm{out}}-t_{n\·\mathrm{in}}}{t_{n\·\mathrm{ch}\arg }};$

来判断对该电池采用何种充电方式，当τ_n>1.25时，判断应采用有序充电方式时，执行步骤8，否则判断应采用即插即充方式，当执行步骤9；

其中，为t_n·out用户充电完成时间要求，即用户设定的充电完成时间，t_n·in为电池接入时间，t_n·charg为充电需求的时间，τ_n为可调节性判断系数；

步骤8：最优充电开始时间计算模块11计算最优充电开始时间；

所述最优充电开始时间计算模块11，根据目标函数：

$E=\underset{t=t_{n.\mathrm{in}}}{\overset{t_{n.\mathrm{in}}+t_{n.\mathrm{ch}\arg }}{\mathrm{\Σ}}}[P_{\mathrm{Base}}\left(t\right)+P_{\mathrm{Ch}\arg }(t-t_{n.\mathrm{out}})]\·\mathrm{\Δt};$

及约束条件：

max[P_Base(t)+P_Charg(t-t_n.in)]<P_smax

其中，t∈[t_n.in,t_n.in+t_n.charg]，t≥t_n.in，t≤t_n.out-t_n.charg；

采用遍历的方式计算[t_n.in,t_n.in+t_n.charg]内的所有时间点，选择能量E的值最小时的时间点，作为该电池的最优充电起始时间t_n·C；当出现多个时间点同时满足E的值最小时，选择最早的时间点t作为电动出租车最优充电起始时间t_n·C；

其中，t代表时间；E代表能量；P_Charg(...)代表电池充电的负荷值；t_n·out代表用户设定的充电完成时间；t_n.in代表电池接入时间；t_n.charg代表充电时间需求；P_smax代表配电网容量限制值；Δt为时间间隔；

步骤9：执行即插即充电方式，即插即充电方式模块12直接令t_n·C=t_n·in；

步骤10：最优充电相选择模块10根据最优充电起始时间以及各相背景负荷修正数据P_A,Base(t)、P_B,Base(t)和P_C,Base(t)，还有电池充电功率预测模块14提供的充电功率需求计算最优充电相，选择此相给该电池充电；有序控制中心6将最优充电起始时间t_n·C及对应的最优充电相发送给接入该电动出租车的充电桩3后，返回步骤2；

最优充电相选择模块10根据最优充电起始时间t_n·C以及各相背景负荷修正数据P_A,Base(t)、P_B,Base(t)和P_C,Base(t)，还有电池充电功率预测模块14提供的充电功率需求，分别计算A的能量E_A，B相的能量E_B，C相的能量E_C，计算公式如下：

$E_A=\underset{t=t_{n\&CenterDot;C}}{\overset{t_{n\&CenterDot;C}+t_{n\&CenterDot;\mathrm{ch}\arg }}{\mathrm{\&Sigma;}}}[p_{A,\mathrm{Base}}\left(t\right)+p_{\mathrm{ch}\arg }(t-t_{n\&CenterDot;c})]\&CenterDot;\mathrm{\&Delta;t}$

$E_B=\underset{t=t_{n\&CenterDot;C}}{\overset{t_{n\&CenterDot;C}+t_{n\&CenterDot;\mathrm{ch}\arg }}{\mathrm{\&Sigma;}}}[p_{B,\mathrm{Base}}\left(t\right)+p_{\mathrm{ch}\arg }(t-t_{n\&CenterDot;C})]\&CenterDot;\mathrm{\&Delta;t}$

$E_C=\underset{t=t_{n\&CenterDot;C}}{\overset{t_{n\&CenterDot;C}+t_{n\&CenterDot;\mathrm{ch}\arg }}{\mathrm{\&Sigma;}}}[p_{C,\mathrm{Base}}\left(t\right)+p_{\mathrm{ch}\arg }(t-t_{n\&CenterDot;C})]\&CenterDot;\mathrm{\&Delta;t}$

通过计算充电桩4选择E_A、E_B、E_C中能量值最小的一相作为电动汽车的最优充电相接到充电机3上给该出电动租车充电；

步骤11：接入该电动出租车的充电桩3保存有序控制中心6最优充电起始时间t_n·C及对应的最优充电相，在用户充电完成时间要求内完成对该电动出租车的充电任务。

步骤1中，所述SCADA/PQ监测系统5监测分析电网常规负荷包括以下步骤：

步骤S1：采用相同类型日对缺失历史常规负荷数据进行修补；

相同类型日对缺失历史常规负荷数据进行修补是用加权平均方式处理的，公式如下：

$x(d,t)=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_{\mathrm{di}}x(d_i,t)$

${\mathrm{\&omega;}}_{\mathrm{di}}=\frac{1}{N-1}[1-\frac{d-d_i}{\underset{k}{\overset{N}{\mathrm{\&Sigma;}}}(d-d_k)}]$

式中，x(d,t)是第d天t时刻的负荷值，即缺失数据，d_i是与第d天之前的第i个同类型日，ω_di为权重系数，N为所选同类型历史日天数，d_k是与第d天之前的第k个同类型日；x(d_i,t)为同类型日t时刻历史负荷数据；

步骤S2：将历史常规负荷数据作垂直平均处理；

θ(t)为阈值，为同类型日t时刻历史常规负荷数据x(d_i,t)的平均值，得到历史常规负荷数据平均值x(d_i,t)的平均值为：

$\stackrel{\&OverBar;}{x}\left(t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}x(d_i,t)$

如果 $|x(d,t)-\stackrel{\&OverBar;}{x}\left(t\right)|>\mathrm{\&theta;}\left(t\right),$ 则

当 $x(d,t)>\stackrel{\&OverBar;}{x}\left(t\right)$ 时， $x(d,t)=\stackrel{\&OverBar;}{x}\left(t\right)+\mathrm{\&theta;}\left(t\right)$

当 $x(d,t)<\stackrel{\&OverBar;}{x}\left(t\right)$ 时， $x(d,t)=\stackrel{\&OverBar;}{x}\left(t\right)-\mathrm{\&theta;}\left(t\right)$

步骤S3：将历史常规负荷数据作水平平均处理；

对前后两个时间点负荷变动最大不超过θ(t)，采用负荷常规平均值方法稳定其变化，具体方法如下：

若|x(d,t)-x(d,t-Δt)|>θ(t)

则 $x(d,t)=\frac{x(d,t-\mathrm{\&Delta;t})+x(d,t+\mathrm{\&Delta;t})}{2}$

步骤S4：将分析得到的常规负荷历史数据输出到有序充电中心6；

所述基于ARMA模型的电力系统负荷预测方法，即为参考文献：叶瑰昀，罗耀华，刘勇，金鸿章.基于ARMA模型的电力系统负荷预测方法研究[J].信息技术.2002(6):8-10提到的基于ARMA模型的电力系统负荷预测方法。

步骤5中所述计算得到充电功率需求和充电时间需求如下：

（1）根据电池的型号和充电方式，在电池充电信息数据库（7）中查找对应的完整充电功率-时间曲线及完整的充电功率-时间曲线上的充电时间T_Charg、恒压阶段充电时间T_CV、恒流充电末端的电池状态SOC_CC；

（2）获取充电机转发的电池的初始状态SOC₍₀₎，其中Q₍₀₎为初始状态下动力电池的荷电电量，Q_N为动力电池的额定荷电电量；

（3）计算恒流充电时长 $T_{\mathrm{CC}}=\frac{({\mathrm{SOC}}_{\mathrm{CC}}-{\mathrm{SOC}}_{\left(0\right)})\&CenterDot;Q_N}{I_{\mathrm{CC}}};$

（4）在完整的充电功率-时间曲线上截取t_Charg=T_Charg-T_CC-T_CV之后的部分P_Charg(t)，作为该电池充电功率曲线预测值，t_charg则为该电池充电时间需求发送至有序充电控制系统。

本发明的有益效果：本发明通过对预测的电网的背景负荷以及电动出租车充电功率需求，制订每辆电动出租车的最优充电开始时间和最优充电相计划，充分利用电网低谷期的电力为电动汽车动力电池充电，从而调节上级变电站的负荷，缓解电网的峰谷差，平抑电网负荷波动，提高电网运行的经济性和可靠性。同时，对于出租车的单相充电方式，通过本系统选择最优充电相，以此减小三相负荷的不平衡。

附图说明

图1为本发明的整体结构示意图；

图2为有序充电控制中心的结构示意图；

图3为电动出租车充电站动力电池序充电的流程图；

图4为SCADA系统/PQ监测系统常规负荷历史数据处理流程图；

图5为充电功率与时间曲线关系图；

图6为变电站日负荷曲线关系图；

图7为背景负荷曲线及有序、无序充电下日负荷曲线对比图；

其中，1-用户、2-电池管理系统、3-充电机、4-充电桩、5-SCADA系统/PQ监测系统、6-有序充电控制中心、7-电池充电信息数据库、8-背景负荷预测模块、9-背景负荷数据修正模块、10-最优充电相选择模块、11-最优充电开始时间计算模块、12-即插即充方式模块、13-可调节性判断模块、14-电池充电功率预测模块。

具体实施方式

下面结合附图和具体实施例对本发明做进一步说明：

如图1所示，该系统由电池管理系统2、充电机3、充电桩4、SCADA系统/PQ监测系统5、有序充电控制中心6和电池充电信息数据库7组成.

如图2所示，有序充电控制中心6由背景负荷预测模块8、背景负荷数据修正模块9、最优充电相选择模块10、最优充电开始时间计算模块11、即插即充方式模块12、可调节性判断模块13和电池充电功率预测模块14组成；这个几个模块的作用如下：

(1)背景负荷预测模块：为了保证负荷预测覆盖整个负荷低谷时段，背景负荷预测模块每日中午12：00预测上级变电站背景负荷的功率，预测时间段为当日12：00至次日12：00。从上级变电站的SCADA系统/PQ监测系统接收电网常规负荷历史数据，采用目前成熟的ARMA负荷预测方法，得到预测的总背景负荷数据。由于未接入电动出租车汽车时，三相背景负荷近似相等，因而将预测的总负荷功率平均分配到A/B/C三相，得到各相背景负荷数据，将得到总背景负荷数据和各相背景负荷数据一起发送至有序充电控制中心。

(2)电池充电功率预测模块：根据充电桩3上传的电池初始状态和电池充电信息数据库上传的该电池完整充电功率数据，预测当前电动出租车动力电池从当前状态至完全充满的充电功率和充电时间需求，将充电功率需求传至最优充电开始时间计算模块和背景负荷数据修正模块，将充电时间需求发送至可调节性判断模块。

(3)可调节性判断模块：根据接收充电桩4发送的电池接入时间和用户充电完成时间要求，以及电池充电功率预测模块14发送的充电时间需求，来判断对该电池采用何种充电方式，判断应采用有序充电方式时，则计算最优充电开始时间，判断应采用即插即充方式则直接令最优充电开始时间等于电池接入时间。

(4)最优充电开始时间计算模块：根据充电功率需求、三相总背景负荷、用户充电完成时间要求、接入时间，计算最优充电开始时间，并将计算结果发送至最优充电相选择模块。

(5)最优充电相选择模块：根据充电开始时间、充电功率需求和A/B/C各相背景负荷数据，选择用该相供电时在充电时段内三相负荷不平衡程度最小的一相作为充电机的供电相。

(6)即插即充方式模块：以即插即充方式为电动出租车充电，电池接入时间即为充电开始时间。

(7)背景负荷数据修正模块：根据充电开始时间，最优充电相，充电功率需求，修改对应相背景负荷数据和三相总背景负荷数据，作为下一辆车接入进行优化计算时的背景负荷。

一种电动出租车充电站动力电池有序充电方法，该方法包括如下步骤：

步骤1：有序充电控制中心6的背景负荷预测模块8对SCADA/PQ监测系统5监测分析到的电网常规负荷的监测数据，采用基于ARMA模型的电力系统负荷预测方法计算得到三相总背景负荷数据P_0,Base(t)及各相背景负荷数据P_0A,Base(t)、P_0B,Base(t)和P_0C,Base(t)；所述基于ARMA模型的电力系统负荷预测方法，

即为参考文献：叶瑰昀，罗耀华，刘勇，金鸿章.基于ARMA模型的电力系统负荷预测方法研究[J].信息技术.2002(6):8-10提到的基于ARMA模型的电力系统负荷预测方法。将采集10到30个历史日的数据，每天1440个数据的数据点带入ARMA负荷预测软件包中计算得出背景负荷曲线图，如图6。

步骤2：背景负荷数据修正模块9根据背景负荷预测模块8提供的总背景负荷修正数据和各相背景负荷修正数据，用叠加的方法修正总背景负荷曲线和各相背景负荷曲线，得到总背景负荷修正数据P_Base(t)和各相背景负荷修正数据P_A,Base(t)、P_B,Base(t)和P_C,Base(t)；如图7中有序充电方式下的负荷曲线图。

步骤3：等待电动出租车接入充电机3；

步骤4：电动出租车接入充电机3后，用户1设置取车时间并按下确定按钮；

步骤5：电池管理系统2、充电机3、充电桩4、SCADA系统/PQ监测系统5、有序充电控制中心6和电池充电信息数据库7之间互相通讯，共享电池的初始荷电状态SOC、电池类型、总背景负荷数据、各相背景负荷数据和用户充电完成时间要求的信息；以下列出十辆电动出租车相关信息如下表1，其中，有电动出租车号，初始荷电状态SOC，电池类型，接入时间，充电完成时间要求。

表1十辆电动出租车相关信息

步骤6：电池充电功率预测模块14根据电池充电信息数据库7提供的完整充电功率数据，以及电池管理系统2采集到的电池的初始荷电状态SOC，计算得到充电功率需求和充电时间需求；完整的充电功率需求图如图5，根据初始荷电状态计算得到充电时间需求列表2。

表2电动出租车号与充电时间需求表

步骤7：可调节性判断模块13根据接收充电桩4发送的电池接入时间和用户充电完成时间要求，以及电池充电功率预测模块14发送的充电时间需求，根据下面的公式：

${\mathrm{\&tau;}}_n=\frac{t_{n\&CenterDot;\mathrm{out}}-t_{n\&CenterDot;\mathrm{in}}}{t_{n\&CenterDot;\mathrm{ch}\arg }};$

来判断对该电池采用何种充电方式，当τ_n>1.25时，判断应采用有序充电方式时，执行步骤8，否则判断应采用即插即充方式，当执行步骤9；

其中，为t_n·out用户充电完成时间要求，即用户设定的充电完成时间，t_n·in为电池接入时间，t_n·charg为充电需求的时间，τ_n为可调节性判断系数；

步骤8：最优充电开始时间计算模块11计算最优充电开始时间；

所述最优充电开始时间计算模块11，根据目标函数：

$E=\underset{t=t_{n.\mathrm{in}}}{\overset{t_{n.\mathrm{in}}+t_{n.\mathrm{ch}\arg }}{\mathrm{\&Sigma;}}}[P_{\mathrm{Base}}\left(t\right)+P_{\mathrm{Ch}\arg }(t-t_{n.\mathrm{out}})]\&CenterDot;\mathrm{\&Delta;t};$

及约束条件：

max[P_Base(t)+P_Charg(t-t_n.in)]<P_smax

其中，t∈[t_n.in,t_n.in+t_n.charg]，t≥t_n.in，t≤t_n.out-t_n.charg；

采用遍历的方式计算[t_n.in,t_n.in+t_n.charg]内的所有时间点，选择能量E的值最小时的时间点，作为该电池的最优充电起始时间t_n·C；当出现多个时间点同时满足E的值最小时，选择最早的时间点t作为电动出租车最优充电起始时间t_n·C；

其中，t代表时间；E代表能量；P_Charg(...)代表电池充电的负荷值；t_n.out代表用户设定的充电完成时间；t_n.in代表电池接入时间；t_n.charg代表充电时间需求；P_smax代表配电网容量限制值；Δt为时间间隔；

步骤9：执行即插即充电方式，即插即充电方式模块12直接令t_n·C=t_n·in；

步骤10：最优充电相选择模块10根据最优充电起始时间以及各相背景负荷修正数据P_A,Base(t)、P_B,Base(t)和P_C,Base(t)，还有电池充电功率预测模块14提供的充电功率需求计算最优充电相，选择此相给该电池充电；有序控制中心6将最优充电起始时间t_n·C及对应的最优充电相发送给接入该电动出租车的充电桩3后，返回步骤2；

最优充电相选择模块10根据最优充电起始时间t_n·C以及各相背景负荷修正数据P_A,Base(t)、P_B,Base(t)和P_C,Base(t)，还有电池充电功率预测模块14提供的充电功率需求，分别计算A的能量E_A，B相的能量E_B，C相的能量E_C，计算公式如下：

$E_A=\underset{t=t_{n\&CenterDot;C}}{\overset{t_{n\&CenterDot;C}+t_{n\&CenterDot;\mathrm{ch}\arg }}{\mathrm{\&Sigma;}}}[p_{A,\mathrm{Base}}\left(t\right)+p_{\mathrm{ch}\arg }(t-t_{n\&CenterDot;c})]\&CenterDot;\mathrm{\&Delta;t}$

$E_B=\underset{t=t_{n\&CenterDot;C}}{\overset{t_{n\&CenterDot;C}+t_{n\&CenterDot;\mathrm{ch}\arg }}{\mathrm{\&Sigma;}}}[p_{B,\mathrm{Base}}\left(t\right)+p_{\mathrm{ch}\arg }(t-t_{n\&CenterDot;C})]\&CenterDot;\mathrm{\&Delta;t}$

$E_C=\underset{t=t_{n\&CenterDot;C}}{\overset{t_{n\&CenterDot;C}+t_{n\&CenterDot;\mathrm{ch}\arg }}{\mathrm{\&Sigma;}}}[p_{C,\mathrm{Base}}\left(t\right)+p_{\mathrm{ch}\arg }(t-t_{n\&CenterDot;C})]\&CenterDot;\mathrm{\&Delta;t}$

通过计算充电桩4选择E_A、E_B、E_C中能量值最小的一相作为电动汽车的最优充电相接到充电机3上给该出电动租车充电；

由以上步骤可得每台电动出租车的最优充电开始时间和最优充电相如表3：

表3.单台电动出租车最优充电时间和最优充电相

步骤11：接入该电动出租车的充电桩3保存有序控制中心6最优充电起始时间t_n·C及对应的最优充电相，在用户充电完成时间要求内完成对该电动出租车的充电任务。

步骤1中，所述SCADA/PQ监测系统5监测分析电网常规负荷包括以下步骤：

步骤S1：采用相同类型日对缺失历史常规负荷数据进行修补；

相同类型日对缺失历史常规负荷数据进行修补是用加权平均方式处理的，公式如下：

$x(d,t)=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_{\mathrm{di}}x(d_i,t)$

${\mathrm{\&omega;}}_{\mathrm{di}}=\frac{1}{N-1}[1-\frac{d-d_i}{\underset{k}{\overset{N}{\mathrm{\&Sigma;}}}(d-d_k)}]$

式中，x(d,t)是第d天t时刻的负荷值，即缺失数据，d_i是与第d天之前的第i个同类型日，ω_di为权重系数，N为所选同类型历史日天数，d_k是与第d天之前的第k个同类型日；x(d_i,t)为同类型日t时刻历史负荷数据；

步骤S2：将历史常规负荷数据作垂直平均处理；

θ(t)为阈值，为同类型日t时刻历史常规负荷数据x(d_i,t)的平均值，得到历史常规负荷数据平均值x(d_i,t)的平均值为：

$\stackrel{\&OverBar;}{x}\left(t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}x(d_i,t)$

如果 $|x(d,t)-\stackrel{\&OverBar;}{x}\left(t\right)|>\mathrm{\&theta;}\left(t\right),$ 则

当 $x(d,t)>\stackrel{\&OverBar;}{x}\left(t\right)$ 时， $x(d,t)=\stackrel{\&OverBar;}{x}\left(t\right)+\mathrm{\&theta;}\left(t\right)$

当 $x(d,t)<\stackrel{\&OverBar;}{x}\left(t\right)$ 时， $x(d,t)=\stackrel{\&OverBar;}{x}\left(t\right)-\mathrm{\&theta;}\left(t\right)$

步骤S3：将历史常规负荷数据作水平平均处理；

对前后两个时间点负荷变动最大不超过θ(t)，采用负荷常规平均值方法稳定其变化，具体方法如下：

若|x(d,t)-x(d,t-Δt)|>θ(t)

则 $x(d,t)=\frac{x(d,t-\mathrm{\&Delta;t})+x(d,t+\mathrm{\&Delta;t})}{2}$

步骤S4：将分析得到的常规负荷历史数据输出到有序充电中心6；

步骤5中所述计算得到充电功率需求和充电时间需求如下：

（1）根据电池的型号和充电方式，在电池充电信息数据库（7）中查找对应的完整充电功率-时间曲线及完整的充电功率-时间曲线上的充电时间T_Charg、恒压阶段充电时间T_CV、恒流充电末端的电池状态SOC_CC,如图5；

（2）获取充电机转发的电池的初始状态SOC₍₀₎，其中Q₍₀₎为初始状态下动力电池的荷电电量，Q_N为动力电池的额定荷电电量；

（3）计算恒流充电时长 $T_{\mathrm{CC}}=\frac{({\mathrm{SOC}}_{\mathrm{CC}}-{\mathrm{SOC}}_{\left(0\right)})\&CenterDot;Q_N}{I_{\mathrm{CC}}};$

（4）在完整的充电功率-时间曲线上截取t_Charg=T_Charg-T_CC-T_CV之后的部分P_Charg(t)，作为该电池充电功率曲线预测值，t_charg则为该电池充电时间需求发送至有序充电控制系统。由上式计算出的数据如下表4。

表4电动出租车号与初始荷电状态、充电时间需求和恒流充电时长表

按如图3所示的方法给某电动出租车充电站的电动出租车充电，该电动出租车充电站建设情况及管理运行方式如下：站内共有一桩双充型交流整车充电桩80个，可为160辆电动汽车同时提供充电服务。每辆汽车的车载电量为25千瓦时，采用本发明的系统和方法完整充一次电，可均匀行驶150千米。具体实施中考虑60辆电动出租车，经过可调节性模块判断后，56辆可进行有序充电，4辆进入即插即充方式（1、4、5、15号），一台充电机对应于一辆电动出租车充电。由SCADA系统/PQ监测系统采集到的典型日负荷曲线如图6所示，作为算例的总背景负荷。根据图5所示，电动出租车电池接入时间和用户设置的取车时间如表5所示。

表5电动汽车接入时间/取车时间表

根据说明书中的实施步骤，按表1中的电池接入时间和用户设定的取车时间，以Δt=1min的分辨率计算得到最优充电起始时间序列和最优充电相，如表3所示。

由此最优充电时间可求得有序充电方式下的充电负荷曲线，并由背景负荷数据修正模块将其分别叠加到背景负荷曲线上，即可得到如有序充电的总负荷曲线图，并与无序充电、无电动出租车充电时的总负荷曲线进行对比如图7。根据表6和表3，以及图6和图7比较可以发现充分利用电网低谷期的电力为电动汽车动力电池充电，从而调节上级变电站的负荷，缓解电网的峰谷差，平抑电网负荷波动，提高电网运行的经济性和可靠性。本发明是采用遍历的方式进行优化模型的求解，求取每辆电动汽车的最优起始充电时间所需时间小于0.5s，计算时间和精度都可满足工程需要。进一步仿真发现，采用该有序充电方法，随着电动汽车数量增加，调节能力和效果会更明显。

Claims (4)

1.一种电动出租车充电站动力电池有序充电系统，其特征在于，该系统由电池管理系统(2)、充电机(3)、充电桩(4)、SCADA系统/PQ监测系统(5)、有序充电控制中心(6)和电池充电信息数据库(7)组成；其中，

所述PQ为电能质量；

所述电池管理系统(2)，用来采集电池的初始荷电状态SOC和电池类型，保存并上传电池的初始荷电状态SOC数据和电池类型数据到充电机；

所述充电机(3)，用来实现交流电到直流电的变换，通过电池管理系统(2)采集到的电池类型，判断并指定对电池充电的充电方式，充电过程中，将接收电池管理系统(2)上传的数据并转发至充电桩(4)；

所述充电桩(4)上设有与用户交互的接口，用户(1)通过充电桩(4)来设定取车时间；充电桩(4)用来向充电机(3)下达开始充电指令；充电桩(4)还用于实现切换至指定的供电相为充电机(3)供电；充电桩(4)还用于记录电池接入时间；充电桩(4)同时还用于与有序充电控制中心进行交互，把用户(1)充电完成时间要求、电池接入时间并连同充电机(3)上传的数据一同转发至有序充电控制中心(6)；

所述SCADA系统/PQ监测系统(5)，用来采集并记录电网常规负荷历史数据，并上传电网常规负荷历史数据至有序充电控制中心(6)；

所述电池充电信息数据库(7)，保存了不同型号的电池在不同充电方式下充电的完整充电功率数据信息；

所述有序充电控制中心(6)，用于实现对整个系统的控制，是该系统的核心部分；

所述电池管理系统(2)、充电机(3)、充电桩(4)和有序充电控制中心(6)依次相连；

所述SCADA系统/PQ监测系统(5)、有序充电控制中心(6)和电池充电信息数据库(7)依次相连；

所述有序充电控制中心(6)由背景负荷预测模块(8)、背景负荷数据修正模块(9)、最优充电相选择模块(10)、最优充电开始时间计算模块(11)、即插即充方式模块(12)、可调节性判断模块(13)和电池充电功率预测模块(14)组成；其中，

所述电池充电功率预测模块(14)分别与背景负荷数据修正模块(9)、最优充电开始时间计算模块(11)和可调节性判断模块(13)相连；

所述可调节性判断模块(13)、最优充电开始时间计算模块(11)和最优相选择模块(10)依次相连；

所述即插即充方式模块(12)分别与最优充电相选择模块(10)和可调节性判断模块(13)相连；

所述背景负荷数据修正模块(9)分别与最优充电开始时间计算模块(11)和最优充电相选择模块(10)依次相连；

所述背景负荷预测模块(8)与背景负荷数据修正模块(9)相连。

2.一种电动出租车充电站动力电池有序充电方法，其特征在于，该方法包括如下步骤：

步骤1：有序充电控制中心(6)的背景负荷预测模块(8)对SCADA/PQ监测系统(5)分析得到的电网历史常规负荷的数据，背景负荷预测模块(8)采用基于ARMA模型的电力系统负荷预测方法计算得到三相总背景负荷数据P_0,Base(t)及各相背景负荷数据P_0A,Base(t)、P_0B,Base(t)和P_0C,Base(t)；

步骤2：背景负荷数据修正模块(9)根据背景负荷预测模块(8)提供的总背景负荷修正数据和各相背景负荷修正数据，用叠加的方法修正总背景负荷曲线和各相背景负荷曲线，得到总背景负荷修正数据P_Base(t)和各相背景负荷修正数据P_A,Base(t)、P_B,Base(t)和P_C,Base(t)；

步骤3：等待电动出租车接入充电机(3)；

步骤4：电动出租车接入充电机(3)后，用户(1)设置取车时间并按下确定按钮；

步骤5：电池管理系统(2)、充电机(3)、充电桩(4)、SCADA系统/PQ监测系统(5)、有序充电控制中心(6)和电池充电信息数据库(7)之间互相通讯，共享电池的初始荷电状态SOC、电池类型、充电方式、接入时间、总背景负荷修正数据、各相背景负荷修正数据、充电完成时间要求的信息；

步骤6：电池充电功率预测模块(14)根据电池充电信息数据库(7)提供的完整充电功率数据，以及电池管理系统(2)采集到的电池的初始荷电状态SOC，计算得到充电功率需求和充电时间需求；

步骤7：可调节性判断模块(13)根据接收充电桩(4)发送的电池接入时间和用户充电完成时间要求，以及电池充电功率预测模块(14)发送的充电时间需求，根据下面的公式：

${\mathrm{\&tau;}}_n=\frac{t_{n\&CenterDot;\mathrm{out}}-t_{n\&CenterDot;\mathrm{in}}}{t_{n\&CenterDot;\mathrm{ch}\arg }};$

来判断对该电池采用何种充电方式，当τ_n>1.25时，判断应采用有序充电方式时，执行步骤8，否则判断应采用即插即充方式，当执行步骤9；

其中，为t_n·out用户充电完成时间要求，即用户设定的充电完成时间，t_n·in为电池接入时间，t_n·charg为充电时间需求，τ_n为可调节性判断系数；

步骤8：最优充电开始时间计算模块(11)计算最优充电开始时间；

所述最优充电开始时间计算模块(11)，根据目标函数：

$E=\underset{t=t_{n.\mathrm{in}}}{\overset{t_{n.\mathrm{in}}+t_{n.\mathrm{ch}\arg }}{\mathrm{\&Sigma;}}}[P_{\mathrm{Base}}\left(t\right)+P_{\mathrm{Ch}\arg }(t-t_{n.\mathrm{out}})]\&CenterDot;\mathrm{\&Delta;t};$

及约束条件：

max[P_Base(t)+P_Charg(t-t_n.in)]<P_s max

其中，t∈[t_n.in,t_n.in+t_n.charg]，t≥t_n.in，t≤t_n.out-t_n.charg；

采用遍历的方式计算[t_n.in,t_n.in+t_n.charg]内的所有时间点，选择能量E的值最小时的时间点，作为该电池的最优充电起始时间t_n·C；当出现多个时间点同时满足E的值最小时，选择最早的时间点t作为电动出租车最优充电起始时间t_n·C；

其中，t代表时间；E代表能量；P_Charg(...)代表电池充电的负荷值；t_n.out代表用户设定的充电完成时间；t_n.in代表电池接入时间；t_n.charg代表充电时间需求；P_s max代表配电网容量限制值；Δt为时间间隔；

步骤9：执行即插即充电方式，即插即充电方式模块(12)直接令t_n·C＝t_n·in；

步骤10：最优充电相选择模块(10)根据最优充电起始时间以及各相背景负荷修正数据P_A,Base(t)、P_B,Base(t)和P_C,Base(t)，还有电池充电功率预测模块(14)提供的充电功率需求计算最优充电相，选择此相给该电池充电；有序充电控制中心(6)将最优充电起始时间t_n·C及对应的最优充电相发送给接入该电动出租车的充电桩(3)后，返回步骤2；

最优充电相选择模块(10)根据最优充电起始时间t_n·C以及各相背景负荷修正数据P_A,Base(t)、P_B,Base(t)和P_C,Base(t)，还有电池充电功率预测模块(14)提供的充电功率需求，分别计算A相的能量E_A，B相的能量E_B，C相的能量E_C，计算公式如下：

$E_A=\underset{t=t_{n\&CenterDot;C}}{\overset{t_{n\&CenterDot;C}+t_{n\&CenterDot;\mathrm{ch}\arg }}{\mathrm{\&Sigma;}}}[p_{A,\mathrm{Base}}\left(t\right)+p_{\mathrm{ch}\arg }(t-t_{n\&CenterDot;c})]\&CenterDot;\mathrm{\&Delta;t}$

$E_A=\underset{t=t_{n\&CenterDot;C}}{\overset{t_{n\&CenterDot;C}+t_{n\&CenterDot;\mathrm{ch}\arg }}{\mathrm{\&Sigma;}}}[p_{A,\mathrm{Base}}\left(t\right)+p_{\mathrm{ch}\arg }(t-t_{n\&CenterDot;c})]\&CenterDot;\mathrm{\&Delta;t}$

$E_C=\underset{t=t_{n\&CenterDot;C}}{\overset{t_{n\&CenterDot;C}+t_{n\&CenterDot;\mathrm{ch}\arg }}{\mathrm{\&Sigma;}}}[p_{C,\mathrm{Base}}\left(t\right)+p_{\mathrm{ch}\arg }(t-t_{n\&CenterDot;c})]\&CenterDot;\mathrm{\&Delta;t}$

通过计算充电桩(4)选择E_A、E_B、E_C中能量值最小的一相作为电动出租车的最优充电相接到充电机(3)上给该电动出租车充电；

步骤11：接入该电动出租车的充电桩(3)保存有序充电控制中心(6)最优充电起始时间t_n·C及对应的最优充电相，在用户充电完成时间要求内完成对该电动出租车的充电任务。

3.根据权利要求2所述一种电动出租车充电站动力电池有序充电方法，其特征在于，步骤1中，所述SCADA/PQ监测系统(5)分析得到电网历史常规负荷的数据包括以下步骤：

步骤S1：采用相同类型日对缺失历史常规负荷数据进行修补；

相同类型日对缺失历史常规负荷数据进行修补是用加权平均方式处理的，公式如下：

$x(d,t)=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{\mathrm{\&omega;}}_{\mathrm{di}}x(d_i,t)$

${\mathrm{\&omega;}}_{\mathrm{di}}=\frac{1}{N-1}[1-\frac{d-d_i}{\underset{k}{\overset{N}{\mathrm{\&Sigma;}}}(d-d_k)}]$

式中，x(d,t)是第d天t时刻的负荷值，即缺失数据，d_i是与第d天之前的第i个同类型日，ω_di为权重系数，N为所选同类型历史日天数，d_k是与第d天之前的第k个同类型日；x(d_i,t)为同类型日t时刻历史负荷数据；

步骤S2：将历史常规负荷数据作垂直平均处理；

θ(t)为负荷变化量的阈值，为同类型日t时刻历史常规负荷数据x(d_i,t)的平均值，得到历史常规负荷数据平均值x(d_i,t)的平均值为：

$\stackrel{\&OverBar;}{x}\left(t\right)=\frac{1}{N}\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}x(d_i,t)$

如果 $|x(d,t)-\stackrel{\&OverBar;}{x}\left(t\right)|>\mathrm{\&theta;}\left(t\right),$ 则

当 $x(d,t)>\stackrel{\&OverBar;}{x}\left(t\right)$ 时， $x(d,t)=\stackrel{\&OverBar;}{x}\left(t\right)+\mathrm{\&theta;}\left(t\right)$

当 $x(d,t)<\stackrel{\&OverBar;}{x}\left(t\right)$ 时， $x(d,t)=\stackrel{\&OverBar;}{x}\left(t\right)-\mathrm{\&theta;}\left(t\right)$

步骤S3：将历史常规负荷数据作水平平均处理；

当前后两个时间点的负荷变化量超过θ(t)时，采用如下方法修正后一时刻的负荷值：

若|x(d,t)-x(d,t-Δt)|>θ(t)

则 $x(d,t)=\frac{x(d,t-\mathrm{\&Delta;t})+x(d,t+\mathrm{\&Delta;t})}{2}$

步骤S4：将分析得到的常规负荷历史数据输出到有序充电中心(6)。

4.根据权利要求2所述一种电动出租车充电站动力电池有序充电方法，其特征在于，步骤6中所述计算得到充电功率需求和充电时间需求如下：

(1)根据电池的型号和充电方式，在电池充电信息数据库(7)中查找对应的完整充电功率-时间曲线及完整的充电功率-时间曲线上的充电时间T_Charg、恒压阶段充电时间T_CV、恒流充电末端的电池状态SOC_CC；

(2)获取充电机转发的电池的初始状态SOC₍₀₎，其中Q₍₀₎为初始状态下动力电池的荷电电量，Q_N为动力电池的额定荷电电量；

(3)计算恒流充电时长 $T_{\mathrm{CC}}=\frac{({\mathrm{SOC}}_{\mathrm{CC}}-{\mathrm{SOC}}_{\left(0\right)})\&CenterDot;Q_N}{I_{\mathrm{CC}}};$

其中：I_CC为恒流充电电流；

(4)在完整的充电功率-时间曲线上截取t_Charg＝T_Charg-T_CC-T_CV之后的部分P_Charg(t)，作为该电池充电功率曲线预测值，t_charg则为该电池充电时间需求发送至有序充电控制系统。