CN105226696A - 智能园区电动汽车有序充电系统及方法 - Google Patents

Abstract

本发明公开了智能园区电动汽车有序充电系统及方法，对多个充电桩终端采用分布式数据采集；针对由采集的数据生成的历史数据调用负荷预测算法，生成负荷预测数据；将生成的负荷预测数据及真实负荷数据进行对比，形成负荷预测数据与真实负荷数据的对比折线图；以削峰填谷为目标的分层调度，设定此模型的优化目标，进行优化计算时，模型的目标函数为使得充电站的购电成本最低，拉平负荷曲线；在得到了单充电站的每个时段的充电功率后，将该指令下发给充电站，然后充电站得到上级的指标命令后，指导园区进行有序充电。对区域用电安全稳定的保障，对电力系统稳定、安全、经济运行同样具有有着重要的战略意义。

Description

智能园区电动汽车有序充电系统及方法

技术领域

本发明涉及智能园区电动汽车有序充电管理系统及方法。

背景技术

开展区域电动汽车有序充电关键技术、支持集中协调控制及谐波检测的充电桩的研究，对于提高电动汽车能源服务基础设施建设，提高智能园区电动汽车充放运行管理水平，建设统一坚强的智能电网、促进电动汽车行业的发展、节能减排有着重要的促进作用。

作为智能园区建设的基础能源设施，电动汽车有序充电、充电桩对有序充电协调控制的支持的研究目前尚无规范可循，智能园区充电运行的历史数据积累也基本为空白，导致在对电动汽车充电运行对区域配电系统的运行的影响评估上无法用数据进行量化，也就无法对智能园区电动汽车充电的合理运行进行规范。在上述背景下，开展智能园区电动汽车有序充电关键技术的研究，制定有序充电协调控制标准，进行有序充电数据积累，可促进智能园区配电系统走向安全、经济运行之路。

电动汽车因其节能减排上的巨大优势越来越受到人们的关注，将逐步走入人们的日常生活，庞大的电动汽车，无论采用何种充电方式，对电网的影响都相当可观，如交直流转换产生的谐波对电能质量的影响、高峰期充电导致电网负荷峰上加峰等，若任其无序充电，将对电网的稳定、安全运行产生不利的影响。

发明内容

为了提高智能园区电动汽车充放运行管理水平，建设统一坚强的智能电网、促进电动汽车行业的发展，本发明公开了智能园区电动汽车有序充电管理系统及方法，首先利用基于ErLang开发的高并发实时数据采集平台采集分析使用基础的数据，然后通过负荷预测、削峰填谷和经济运行算法模型为基础，开展智能园区及公共场所充电优化控制策略和算法的设计实现。在此基础上利用HTML5、SVG以及HighCharts等技术做开发语言进行系统的实现。最后通过系统在实际中的运行验证了该设计的实用性。

为实现上述目的，本发明的具体方案如下：

智能园区电动汽车有序充电方法，包括：

数据采集：对多个充电桩终端采用分布式数据采集；

数据预测：针对由采集的数据生成的历史数据调用负荷预测算法，生成负荷预测数据；

优化策略模型：以削峰填谷为目标的分层调度，设定此模型的优化目标，进行优化计算时，模型的目标函数为使得充电站的购电成本最低，拉平负荷曲线；

在得到了单充电站的每个时段的充电功率后，将该指令下发给充电站，然后充电站得到上级的指标命令后，指导园区进行有序充电。

进一步的，在数据采集时，采用主采集/子采集分布式集群构建，每个终端分别对应各自的进程，多个进程与相应的采集节点对应，采集节点将数据传送至通讯中间件，主采集服务将通讯中间件中的数据传送至数据库进行存储。

进一步的，数据采集基于Erlang的开发的高并发实时数据库采集平台。

进一步的，在数据预测时，采用ARMA模型，ARMA模型是对过去自身状态以及进入系统的噪声的记忆，一个时间序列在某时刻的值可以用p个历史观测值的线性组合加上一个白噪声序列的q项滑动平均来表示，其中移动平均参数决定前一时刻时间序列的值多大程度上影响现在的值，移动平均参数决定前一时刻随机变量的值影响现在值的大小。

进一步的，上述智能园区电动汽车有序充电方法还包括数据的实时监控的步骤，监控充电桩实时信息、报警信息、充电电压曲线及充电电流曲线，查看单个充电桩的充电监控信息。

智能园区电动汽车有序充电系统，包括：

多个充电桩、视频监控装置及配电系统，上述充电桩、视频监控装置、配电系统均与SDH骨干网通讯，SDH骨干网与总线通讯，总线上挂接有应用服务器、通讯服务器、前置服务器及备份服务器，总线还通过VPN专网与用户手持终端进行通信，应用服务器、通讯服务器、前置服务器及备份服务器通过交换机与关系数据库及实时数据库进行通信；

在应用服务器中包括：

数据采集模块：用于实现对多个充电桩终端采用分布式数据采集；

数据预测模块：针对由采集的数据生成的历史数据调用负荷预测算法，生成负荷预测数据；

对比折线图的形成模块：用于将生成的负荷预测数据及真实负荷数据进行对比，形成负荷预测数据与真实负荷数据的对比折线图；

优化策略模型模块：以削峰填谷为目标的分层调度，设定此模型的优化目标，进行优化计算时，模型的目标函数为使得充电站的购电成本最低，拉平负荷曲线；

在得到了单充电站的每个时段的充电功率后，将该指令下发给充电站，然后充电站得到上级的指标命令后，指导园区进行有序充电。

进一步的，数据采集模块在数据采集时，采用主采集/子采集分布式集群构建，每个终端分别对应各自的进程，多个进程与相应的采集节点对应，采集节点将数据传送至通讯中间件，主采集服务将通讯中间件中的数据传送至数据库进行存储。

进一步的，数据预测模块在数据预测时，采用ARMA模型，ARMA模型是对过去自身状态以及进入系统的噪声的记忆，一个时间序列在某时刻的值可以用p个历史观测值的线性组合加上一个白噪声序列的q项滑动平均来表示，其中移动平均参数决定前一时刻时间序列的值多大程度上影响现在的值，移动平均参数决定前一时刻随机变量的值影响现在值的大小。

进一步的，上述智能园区电动汽车有序充电系统还包括数据的实时监控模块，用于监控充电桩实时信息、报警信息、充电电压曲线及充电电流曲线，查看单个充电桩的充电监控信息。

进一步的，上述智能园区电动汽车有序充电系统还包括数据的数据展示模块，用于通过实现实时的数据推送展示，使用轮询展现实时测点数据。

本发明的有益效果：

1.本发明对电动汽车的充电进行有序管理、实施调度调控策略的应用，可以减少对配电网的建设及发电容量造成巨大的冲击。

2.对于提高电动汽车能源服务基础设施建设，提高智能园区电动汽车充放运行管理水平，建设统一坚强的智能电网、促进电动汽车行业的发展、节能减排有着重要的促进作用。

3.研究区域性电动汽车有序充电技术，将不仅是对区域用电安全稳定的保障，对电力系统稳定、安全、经济运行同样具有有着重要的战略意义。

4、本发明将快速实现用户和电网的双向互动，基于新能源和智能用电信息管理的智能园区，是智能电网建设的重要一环，也将是重要的数量庞大的双向互动用户群。研究区域性电动汽车有序充电技术和可支持集中协调控制及谐波检测的充电桩，将不仅是对区域用电安全稳定的保障，对电力系统稳定、安全、经济运行同样具有有着重要的战略意义。

附图说明

图1采集通道部署结构图；

图2对比折线图；

图3系统网络架构图；

图4系统软件架构图；

图5数据采集层数据流示意图；

图6用户预约图；

图7实时监控图；

图8组态系统界面设计图；

图9电力一次接线图；

图10HTML5界面设计图；

图11数据图表；

图12实时数据库接入数据展示图；

图13协调控制应用示意图。

具体实施方式：

下面结合附图对本发明进行详细说明：

智能园区电动汽车有序充电管理平台系统以基础数据和实时数据为基础，构建对智能园区内电动汽车充电设备的有序管理，形成对充电情况的实时监控、对充电用户的优化体验、对小区配网负荷的有效控制以及对智能园区数据的统计分析，实现全方位、优体验的智能园区电动汽车有序充电。

系统采用以下支撑技术：

1)HTML5技术：浏览器与Web服务器之间使用异步数据传输(HTTP请求)，这样就可使网页从服务器请求少量的信息。

2)基于Erlang语言的实时数据库技术：用于过程的自动采集、存储和监视，可在线存储每个过程点的数据，可以提供清晰、精确的操作画面。

3)HighCharts技术：是一个用纯JavaScript编写的一个图表库，能够很简单便捷的在web网站或是web应用程序添加有交互性的图表。

系统关键技术：基于Erlang的开发的高并发实时数据库采集平台：

Erlang是一个结构化，动态类型编程语言，内建并行计算支持。最初是由爱立信专门为通信应用设计的，比如控制交换机或者变换协议等，非常适合于构建分布式、实时软并行计算系统。

爱立信公司使用Erlang开发出了可靠性惊人的交换机系统AXD301，AXD301是一个电话级10-160Gbps的ATM交换机，其核心包括了超过150万行的Erlang代码，负责处理所有复杂的控制逻辑，并监控运行和维护。这种ATM交换机已经广泛应用在世界各地的网络中。同时爱立信已经将Erlang运用在公司的其他项目上，包括SIP电话协议栈、无线基站的控制软件、电话网关控制器、媒体网关、宽带解决方案、GPRS和3G的数据传输等。

技术测试：为验证选择Erlang开发电动汽车充换电服务网络数据采集系统的适用性和性能，项目组在进行了系统原型开发后内部进行了初步的性能内部估算和测试。

估算和测试采用10万个采集通道接入100万个遥测数据进行，基础数据如下表所示：

表格1基础数据条件

类型	数据	说明
			测点(遥测)	1,000,000	每台采集服务器、存储服务器接入500，000个测点
采集通道	100000	每台采集服务器接入50000个通讯通道
			上报、存储频率	3次/分钟	每个测点1分钟上送3次
单测点存储	9字节

单个采集服务器带宽占用估算如下表所示：

表格2带宽占用估算

项目	算法	值	备注
				通道数量	A	50000
测点数量	B	500000
				单通道测点数	C＝B/A	10
单侧点长度	D	2	字节
				单帧报文数据外长度	E	15	字节
每分钟帧数	F	6	次
				总带宽需求	G＝A*(C*D+E)*F	171	KB/秒

单个存储服务器存储占用估算：

表格3存储占用估算

项目	算法	值	备注
				测点数量	A	500000
单测点存储	B	9	字节
				每分钟次数	C	6	次
存储空间需求(分钟)	D＝A*B*C	25.76	MB

存储空间需求(天)	E＝D*24*60	36.225	GB
				存储空间需求(年)	F＝E*365	13222.125	GB
原始数据文件压缩后	G＝F*1/5	2644.425	GB，1/5压缩比

按照10万个采集通道接入100万个遥测数据搭建测试环境，部署结构如下图1所示。

智能园区及公共场所充电优化控制策略和算法的设计实现

负荷预测模型算法：算法模型：

负荷预测模块采用ARMA模型，随机时间序列模型有三种形式,他们分别是自回归模型(AR)、滑动平均模(MA)、自回归滑动平均模型(ARMA)。

自回归模型AR(p)公式如下：

$Y_t=\underset{j=1}{\overset{p}{\Σ}}{a}_j{Y}_{t-j}+{\mathrm{\ϵ}}_t---\left(1\right)$

式中Y_t为时间序列，p是模型阶数，a_j为回归系数，为j之前的时间序列，ε_t为干扰项。

该模型表明的是，一个随机过程的当前值是由其前面j个实际值的有限的线性组合加上干扰项组成的。

滑动平均模型MA(q)公式如下：

$Y_t={\mathrm{\ϵ}}_t-\underset{j=1}{\overset{q}{\Σ}}{b}_j{\mathrm{\ϵ}}_{l-j}---\left(2\right)$

式中Y_t为时间序列，ε_t为干扰项，q是模型阶数，b_j为平均系数，ε_l-j为l到j之间的干扰项。

在MA模型中，当前时刻的观测值是由随机干扰的白噪声序列的线性组合表示。

自回归滑动平均模型ARMA(p,q)模型公式如下：

$Y_t=\underset{j=1}{\overset{p}{\Σ}}{a}_j{Y}_{t-j}-\underset{k=0}{\overset{q}{\Σ}}{b}_k{\mathrm{\ϵ}}_{t-k}---\left(3\right)$

式中Y_t为时间序列，p是模型阶数，a_j为回归系数，ε_t为干扰项,p是模型阶数，a_j为回归系数，为j之前的时间序列，q是模型阶数，b_j为平均系数，ε_l-j为l到j之间的干扰项。

ARMA模型为自回归模型(AR)和滑动平均项模型(MA)的混合模型表示，“该方程表明，ARMA模型是系统对过去自身状态以及进入系统的噪声的记忆”一个时间序列在某时刻的值可以用p个历史观测值的线性组合加上一个白噪声序列的q项滑动平均来表示，其中移动平均参数决定前一时刻时间序列的值多大程度上影响现在的值，移动平均参数决定前一时刻随机变量的值影响现在值的大小。

负荷预测结果验证：系统使用数据采集模块采集到的历史数据，调用负荷预测算法，生成负荷预测数据，并结合真实负荷数据，形成负荷预测数据与真实负荷数据的对比折线图，如图2所示。

优化策略模型：削峰填谷策略：以削峰填谷为目标的分层调度，主要的目的是为了拉平负荷曲线。由于人类活动规律使得电网负荷曲线出现峰谷相错的情况，而随着社会的发展，峰谷差有加大的趋势，这会造成电网发电调度的困难。因而，若可以通过对电动汽车充电时段的控制，缓解电网峰谷差值，是具有重要意义的。

削峰填谷既然是为了拉平负荷曲线，即意味着负荷围绕均值的波动越小越好。因此设定此模型的优化目标为：

$min\underset{0\≤t\≤T}{\Σ}{(p_{lt}+p_{rt}+p_{ct}-p_o)}^2---\left(4\right)$

其中，T为控制时段数；p_lt为第t时段电网原负荷功率，p_rt为第t时段的储能部分功率，p_ct为第t时段充电部分功率，P_o负荷平均功率。

经济运行策略：以购电经济化的为目标的分层调度，主要考虑到电站本身运营经济性问题，电站需要向电网买电，不同时段的买电价格存在差异性。

进行优化计算时，模型的目标函数为使得充电站的购电成本最低，用函数表达式可以表达为：

$min\underset{0\≤t\≤T}{\Σ}(p_{ct}+p_{rt})\×C_t---\left(5\right)$

其中C_t为第t时间段的购电成本。

在第一步得到了单站的每个时段的充电功率后，与削峰填谷模型相同，将该指令下发给充电站，然后充电站得到上级的指标命令后，指导园区进行有序充电。

系统设计：系统网络架构：

本系统采用一级部署，两级应用的模式进行部署，系统网络通讯框架依托省集团公司SDH骨干网及移动通信公司APN专网构建。网络结构图如图3所表示。

智能园区电动汽车有序充电管理系统内部服务器之间通过交换机进行互联，外部通过SDH电力骨干网与配电系统、视频监控以及充电桩连接。用户手持终端通过VPN移动专网与智能园区电动汽车有序充电管理系统进行连接。

系统软件架构：基于SOA的架构体系，面向服务的设计可采用WebService技术和规范来实现SOA架构的应用接口。业务应用采用满足技术先进性与成熟性相结合的基于J2EE的多层技术构架，以提高系统的灵活性、可扩展性、安全性以及并发处理能力。采用组件技术将界面控制、业务逻辑和数据映射分离，实现系统内部的松耦合，以灵活、快速地响应业务变化对系统的需求。具体技术架构图如图4所表示：

数据采集：如图5所示，分布式数据采集采用主采集/子采集(Master/Node)分布式集群构建。通过数据切分和分布式集群，支持高并发、高可靠性、分布式集群的技术架构，解决100万～1000万实时测点数据的采集。

资产的全生命周期管理：系统对资产从采购直到报废的整个生命周期进行全面管理和监控，包括计划预算、采购与配送、运行监控、性能分析、优化指导、检测维护、梯次利用、报废管理等业务功能，在全生命周期内，为设备选购、保养、维修、性能优化、配组等业务提供全面支持。

用户体验：提供对用户车辆的预约、空闲充电工位查询、充电进度实时查询的功能。用户可提前进行充电预约，预约的用户应准时到地点进行充电。用户提出预约充电申请，申请时应填写剩余电量、大致预约时间等信息，系统会根据用户的申请合理分配充电桩，等候用户的光临。用户预约界面如图6所示。

实时监控：监控充电桩实时信息、报警信息、充电电压曲线、充电电流曲线等。可监控所有园区内充电桩的实时数据、报警信息，以及可查看单个充电桩的充电监控信息。实时监控界面如图7所示。

有序充电：采用协调控制系统中负荷算法预测智能园区负荷，用于策略方案的制定。系统使用数据采集模块采集到的近5天的历史数据，调用负荷预测算法，生成负荷预测数据，并结合真实负荷数据，形成负荷预测数据与真实负荷数据的对比折线图。

可视化图形界面设计，基于组态系统的界面设计如图8所示，电力组态系统是一套基于B/S构架的，多用户，多工程的，面向电力行业的组态软件平台。电力组态系统包括了常用的组态软件功能，如画面组态，动画效果，通讯组态，设备组态，变量组态，实时报警，控制，实时曲线、棒图，历史事件查询、脚本控制，网络等功能，可以满足一般的电力自动化监控系统的要求。

基于svg图的三维图形设计：SVG图：用来表示一次或二次电网接线图，并能够实时对数据进行更新。如图9所示。

HTML5网页设计：HTML5的Web开发技术，通过WebSocket实现实时的数据推送展示。使用JSON/HTTP轮询展现实时测点数据，实现一整套的Web应用程序、界面设计和数据展现框架，用于数据配置、系统设置。如图10所示。

基于Highcharts的数据图表：Highcharts是一个用纯JavaScript编写的一个图表库，能够很简单便捷的在web网站或是web应用程序添加有交互性的图表。HighCharts支持的图表类型有曲线图、区域图、柱状图、饼状图、散状点图和综合图表。如图11所示。

系统工程应用：为验证基于Erlang开发的大并发数据采集系统的可靠性，目前已完成临沂、济南等多个充换电站数据的接入，包括临沂焦庄充换电站、巩村充电站、柳青河充电站、义堂充电站；济南英贤充电站、葛家庄充电站等。并接入临沂公交车运行数据、离散充电桩运行数据，运行效果良好。实时数据库接入数据展示如图12所示。

如图13所示，在协调控制应用时，为验证电动汽车充放电与分布式能源协同调度系统的工作原理，研制协同调度子站控制系统，接收主站端调度系统下发的计划曲线和自动储能控制子系统下发的超短期调整命令。同时，可根据子站的数据独立运行，进行站内光伏、储能、充放电的预测、调度，制订储能站充电计划，通过储能站监控系统与电池能量控制系统(PCS)接口，控制电池充电功率，使其严格按照计划曲线运行。

随着智能电网的发展，将快速实现用户和电网的双向互动，基于新能源和智能用电信息管理的智能园区，是智能电网建设的重要一环，也将是重要的数量庞大的双向互动用户群。研究区域性电动汽车有序充电技术和可支持集中协调控制及谐波检测的充电桩，将不仅是对区域用电安全稳定的保障，对电力系统稳定、安全、经济运行同样具有有着重要的战略意义。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims (10)

1.智能园区电动汽车有序充电方法，其特征是，包括：

数据采集：对多个充电桩终端采用分布式数据采集；

数据预测：针对由采集的数据生成的历史数据调用负荷预测算法，生成负荷预测数据；

对比折线图的形成：将生成的负荷预测数据及真实负荷数据进行对比，形成负荷预测数据与真实负荷数据的对比折线图；

优化策略模型：以削峰填谷为目标的分层调度，设定模型的优化目标，进行优化计算时，模型的目标函数为使得充电站的购电成本最低，拉平负荷曲线；

在得到单充电站的每个时段的充电功率后，将该指令下发给充电站，然后充电站得到上级的指标命令后，指导园区进行有序充电。

2.如权利要求1所述的智能园区电动汽车有序充电方法，其特征是，在数据采集时，采用主采集/子采集分布式集群构建，每个终端分别对应各自的进程，多个进程与相应的采集节点对应，采集节点将数据传送至通讯中间件，主采集服务将通讯中间件中的数据传送至数据库进行存储。

3.如权利要求1所述的智能园区电动汽车有序充电方法，其特征是，数据采集基于Erlang的开发的高并发实时数据库采集平台。

4.如权利要求1所述的智能园区电动汽车有序充电方法，其特征是，在数据预测时，采用ARMA模型，ARMA模型是对过去自身状态以及进入系统的噪声的记忆，一个时间序列在某时刻的值可以用p个历史观测值的线性组合加上一个白噪声序列的q项滑动平均来表示，其中移动平均参数决定前一时刻时间序列的值多大程度上影响现在的值，移动平均参数决定前一时刻随机变量的值影响现在值的大小。

5.如权利要求1所述的智能园区电动汽车有序充电方法，其特征是，上述智能园区电动汽车有序充电方法还包括数据的实时监控的步骤，监控充电桩实时信息、报警信息、充电电压曲线及充电电流曲线，查看单个充电桩的充电监控信息。

6.智能园区电动汽车有序充电系统，其特征是，包括：

多个充电桩、视频监控装置及配电系统，上述充电桩、视频监控装置、配电系统均与SDH骨干网通讯，SDH骨干网与总线通讯，总线上挂接有应用服务器、通讯服务器、前置服务器及备份服务器，总线还通过VPN专网与用户手持终端进行通信，应用服务器、通讯服务器、前置服务器及备份服务器通过交换机与关系数据库及实时数据库进行通信；

在应用服务器中包括：

数据采集模块：用于实现对多个充电桩终端采用分布式数据采集；

数据预测模块：针对由采集的数据生成的历史数据调用负荷预测算法，生成负荷预测数据；

对比折线图的形成模块：用于将生成的负荷预测数据及真实负荷数据进行对比，形成负荷预测数据与真实负荷数据的对比折线图；

优化策略模型模块：以削峰填谷为目标的分层调度，设定此模型的优化目标，进行优化计算时，模型的目标函数为使得充电站的购电成本最低，拉平负荷曲线；

在得到了单充电站的每个时段的充电功率后，将该指令下发给充电站，然后充电站得到上级的指标命令后，指导园区进行有序充电。

7.如权利要求6所述的智能园区电动汽车有序充电系统，其特征是，数据采集模块在数据采集时，采用主采集/子采集分布式集群构建，每个终端分别对应各自的进程，多个进程与相应的采集节点对应，采集节点将数据传送至通讯中间件，主采集服务将通讯中间件中的数据传送至数据库进行存储。

8.如权利要求6所述的智能园区电动汽车有序充电系统，其特征是，数据预测模块在数据预测时，采用ARMA模型，ARMA模型是对过去自身状态以及进入系统的噪声的记忆，一个时间序列在某时刻的值可以用p个历史观测值的线性组合加上一个白噪声序列的q项滑动平均来表示，其中移动平均参数决定前一时刻时间序列的值多大程度上影响现在的值，移动平均参数决定前一时刻随机变量的值影响现在值的大小。

9.如权利要求6所述的智能园区电动汽车有序充电系统，其特征是，上述智能园区电动汽车有序充电系统还包括数据的实时监控模块，用于监控充电桩实时信息、报警信息、充电电压曲线及充电电流曲线，查看单个充电桩的充电监控信息。

10.如权利要求6所述的智能园区电动汽车有序充电系统，其特征是，上述智能园区电动汽车有序充电系统还包括数据的数据展示模块，用于通过实现实时的数据推送展示，使用轮询展现实时测点数据。