CN111047093A - 一种电动汽车典型快充站优化运行配置方法 - Google Patents
一种电动汽车典型快充站优化运行配置方法 Download PDFInfo
- Publication number
- CN111047093A CN111047093A CN201911270635.2A CN201911270635A CN111047093A CN 111047093 A CN111047093 A CN 111047093A CN 201911270635 A CN201911270635 A CN 201911270635A CN 111047093 A CN111047093 A CN 111047093A
- Authority
- CN
- China
- Prior art keywords
- power
- energy
- formula
- charging
- charging station
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004146 energy storage Methods 0.000 claims abstract description 57
- 238000005457 optimization Methods 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 14
- 230000002068 genetic effect Effects 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 18
- 238000010248 power generation Methods 0.000 claims description 15
- 238000003860 storage Methods 0.000 claims description 9
- 238000009434 installation Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 6
- 210000001061 forehead Anatomy 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 4
- 238000004519 manufacturing process Methods 0.000 claims description 4
- 238000007599 discharging Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 210000000349 chromosome Anatomy 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种电动汽车典型快充站优化运行配置方法，针对大功率快充桩在电动汽车充电过程中会使电网产生冲击波动，并考虑典型快充站分布式电源和储能优势，通过分析站内分布式电源出力特点以及电动汽车充电行为规律，以充电站运行成本最小为优化目标，建立典型快充站优化运行配置模型，以站内功率平衡、分布式电源出力等为约束条件，利用遗传优化算法求解模型最优解，最后通过不同配置算例验证所提方法的可行性，为典型快充站的优化运行提供技术支撑，并验证所述电动汽车典型快充站优化运行配置方法的可行性和正确性。本发明为电动汽车快速充电提供参考。
Description
技术领域
本发明具体涉及一种电动汽车典型快充站优化运行配置方法，属于电动汽车行驶安全技术领域。
背景技术
电动汽车作为新能源汽车的主要发展方向之一，越来越受到人们的重视。近几年，电动汽车产业发展日新月异，作为降低碳排放的重要手段，我国电动汽车产销量快速增长，市场发展迅速，从电动汽车的增长量上来看，未来电动汽车将会迎来爆发式的增长。2018年是电动汽车市场发展最为重要的一年，仅5月份纯电动汽车总体销量达到9.2万辆的水平，同比增长141％，可以看出纯电动汽车已经越来越被消费者所接受。电动汽车的快速增长需配套一定规模的充电设施尤其大功率快充桩，快充设备接入会对电网安全运行造成冲击波动，影响其他用户用电质量。
电动汽车的发展将会给电力系统的规划与运行带来深刻的影响。电动汽车无序充电负荷时空分布的不确定性有可能加大的电网负荷峰谷差，造成电网负荷“峰上加峰”的现象，导致配电设备投资浪费，同时增加电网优化控制的难度，降低电网运行的安全性与经济性，降低电网某些节点电压水平和增加电网的网络损耗。与大型可再生能源发电不同，分布式可再生能源(distributed generation，DG)更靠近负载端，能够有效减少输电损耗，具有灵活、高效、经济等特点，是智能电网的重要发展方向。然而，由于分布式发电易受地理位置及天气状况等因素的影响，具有明显的间歇性，输出功率波动较大，与常规用电负荷无法稳定匹配，易造成与电网交互功率波动较大等不良现象，对电网的调频、调压能力提出了较高的要求。同时，受制于当前电力系统内有限的储能容量，无法长时间提供功率以应对分布式发电容量的不足。因此，分布式能源发电在一定程度上受到了限制。因此如何配置快充站，保证站内多个快充桩和分布式电源及储能等设备的优化运行，是今后研究重点。
发明内容
本发明的目的在于克服现有技术的不足，提供了一种电动汽车典型快充站优化运行配置方法，提高充电站的优化运行能力，以确保电动车充电过程中快速安全性。
为解决上述技术问题，本发明提供了一种电动汽车典型快充站优化运行配置方法，其特征是，包括以下过程：
确定电动汽车典型快充站的优化变量、目标函数和约束条件；
采用遗传算法对目标函数进行求解，获得优化变量的最优解。
进一步的，所述电动汽车典型快充站包括风电系统、光伏系统、储能系统及多个充电桩，风电系统和光伏系统的输出端连接储能系统，风电系统、光伏系统和储能系统的输出端分别连接各个充电桩。
进一步的，所述优化变量包括充电桩数量和额定功率、风电光伏的装机功率、储能容量和电网接入点功率需要为充电站供电的额定功率。
进一步的，所述目标函数为：
目标为实现站内最大净现值NPV：
式(1)中，Ch为h年净现金流量，I为初始投资成本，i为年利率，n为计算净现值所用年的数量；式(2)中，INft为第t小时内现金流入量，OUTft为第t小时内现金流出量，Cm为更换和维护储能电池费用；式(3)中，Csh为充电站内单个充电桩安装成本，Qc为已安装充电桩数量，Ck为第k类风机装机成本，Qk为第k类风机数量，yk为二元决策变量，表示的值是0或者1，这里表示如果安装第k类风机，那么二元决策变量就是1，反之为0；m为风机总类型数量，Cp为光伏板每平方米造价，Sp为光伏板安装表面积，Cs为储能系统成本，Es为已安装储能系统标称容量。
进一步的，所述约束条件包括充电站功率平衡、电池能量平衡、风力发电机组供电功率限制、光伏板功率限制、存储系统充放电功率和电能限制、接入点的电网供电和消耗功率限制、充电站供电功率限制、电动汽车供能限制、电动汽车的等待时间限制。
进一步的，所述充电站功率平衡、电池能量平衡、风力发电机组供电功率限制、光伏板功率限制、存储系统充放电功率和电能限制、接入点的电网供电和消耗功率限制、充电站供电功率限制、电动汽车供能限制、电动汽车的等待时间限制包括：
充电站功率平衡：
每小时产生的光伏和风能、从电网购买的能源消耗和电池的能源排放总和等于提供给电动汽车的能量、电池充电能量以及出售或提供给网络的电量总和；公式表达为：
PWT+PPV+PG2S+Ps放＝PEV+PS2G+Ps充 (7)
式中，PWT为风机输出功率，PPV为光伏电池输出功率，Ps放为储能系统单位时间放电功率，Ps充为储能系统单位时间充电功率；
储能能量平衡：
Est＝Est-1+Est充-Est放 (8)
式中，Est为储能系统在t小时存储能量，Est-1为储能系统在t-1小时中的存储能量，Est充为t小时中的充电量，Est放为t小时中的放电量；
风力发电机组供电功率约束：
风力发电机组的发电功率必须小于安装的风力发电功率；公式表达为：
PWT＜PWT额 (9)
式中，PWT为风力发电机提供的发电功率，PWT额为已安装风力发电机额定发电功率；
光伏板功率约束：
光伏发电机组的供电功率必须小于光伏发电装机容量；公式表达为：
PPV＜PPV额 (10)
式中，PPV为光伏发电机发电功率，PPV额为已安装的光伏发电机额定功率；
储能系统充放电功率和电能约束：
充电站电池的充放电功率必须等于或小于所安装变频器的额定功率；公式表达为：
Ps充≤Ps额 (11)
Ps放≤Ps额 (12)
式中，PS额为所安装储能系统的额定功率；
储能系统在t小时内放电能量必须等于或小于t-1小时内的储存能量；在t小时内的充电量必须等于或小于储能系统标称容量和t-1小时内储存能量差值；公式表达为：
Est放≤Est-1 (13)
Est充≤Es-Est-1 (14)
接入点的电网供电和消耗功率约束：
从台变提供或消耗的电量必须等于或小于连接到该网络时的额定电量；公式表达为：
PG2S≤PGmax (15)
PS2G≤PGmax (16)
式中，PGmax为接入点最高功率限制；
充电站供电功率限制：
每个充电桩所提供的功率必须等于或小于其额定功率；公式表达为：
PEV≤PEV额 (17)
式中，PEV额为所安装充电桩额定功率；
电动汽车的等待时间限制：
即电动汽车用户等待的最大时长，如果等待时间较长，用户将离开站点；公式表达为：
tEVk≤tEVmax (18)
式中，tEVk为每辆车的等待时间，tEVmax为预期等待最长时间。
与现有技术相比，本发明所达到的有益效果是：本发明通过分析站内分布式电源出力特点以及电动汽车充电行为规律，以充电站运行成本最小为优化目标，建立典型快充站优化运行配置模型，以站内功率平衡、分布式电源出力等为约束条件，利用遗传优化算法求解模型最优解，最后通过不同配置算例验证所提方法的可行性，为典型快充站的优化运行提供技术支撑，并验证所述电动汽车典型快充站优化运行配置方法的可行性和正确性。本发明为电动汽车快速充电提供参考，实现电动汽车与智能电网的融合发展，充分发挥其作为能量型负载的潜力，提高充电站的优化运行能力，以确保电动车充电过程中快速安全性。
附图说明
图1是电动汽车典型快充站优化运行配置方法流程图；
图2是遗传算法流程；
图3是适应度函数流程；
图4是实施例中各方案每个算例每月使用的电能来源；
图5是实施例中各方案年度等值的比较。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
本发明的一种电动汽车典型快充站优化运行配置方法，参见图1所示，包括以下过程：
第一步，对典型快充站进行目标函数建立、约束条件建立处理，获取典型快充站优化运行配置模型，为后续算例的验证奠定基础。：
(1)目标函数建立
电动汽车典型快充站由多个充电桩、新能源发电系统(风电和光伏系统)及储能系统(储能电池)组成，风电和光伏系统的输出端连接储能系统，风电、光伏系统和储能系统的输出端分别连接各个充电桩，针对优化配置结果协调各设备间运行，以便提高其盈利能力，减少其对电网的影响。
充电站优化配置变量包括充电桩最优数量和额定功率、风机和光伏系统的装机功率、储能容量、台变输出功率需要为充电站供电的额定功率。典型充电站优化配置目标为实现站内最大净现值(NPV)，即现金流入现值和现金流出现值之差，也包括使用期限内更换和维护电池的费用。
式(1)中，Ch为h年净现金流量，I为初始投资成本，i为年利率，n为计算净现值所用年的数量；式(2)中，INft为第t小时内现金流入量，OUTft为第t小时内现金流出量，Cm为更换和维护储能电池费用；式(3)中，Csh为充电站内单个充电桩安装成本，Qc为已安装充电桩数量，Ck为第k类风机装机成本，Qk为第k类风机数量，yk为二元决策变量，表示的值是0或者1，这里表示如果安装第k类风机，那么二元决策变量就是1，反之为0；m为风机总类型数量，Cp为光伏板每平方米造价，Sp为光伏板安装表面积，Cs为储能系统成本，Es为已安装储能系统标称容量。
式(2)中各变量表达式如下：
INft＝PEV·CEV+PS2G·CG (4)
OUTft＝PG2S·CB (5)
式(4-6)中，PEV为每小时向电动汽车用户提供的充电功率，CEV为单位时间收取电动汽车用户电价，PS2G为每小时充电站向电网反馈的电能，CG为电力市场每小时购买电能价格，PG2S为每小时充电站从电网消耗的电能，CB为电力市场电能每小时销售价格，Ps(t)为第t小时内储能系统释放电能，Ts为电池容量生命周期，Cmh为h年内储能系统维护费用。
(2)约束条件建立
充电站功率平衡：
每小时产生的光伏和风能、从电网购买的能源消耗和电池的能源排放总和等于提供给电动汽车的能量、电池充电能量以及出售或提供给网络的电量总和。
公式表达为：
PWT+PPV+PG2S+Ps放＝PEV+PS2G+Ps充 (7)
式中，PWT为风机输出功率，PPV为光伏电池输出功率，Ps放为储能系统单位时间放电功率，Ps充为储能系统单位时间充电功率。
储能能量平衡：
Est＝Est-1+Est充-Est放 (8)
式中，Est为储能系统在t小时存储能量，Est-1为储能系统在t-1小时中的存储能量，Est充为t小时中的充电量，Est放为t小时中的放电量。
风力发电机组供电功率约束：
风力发电机组的发电功率必须小于安装的风力发电功率。公式表达为：
PWT＜PWT额 (9)
式中，PWT为风力发电机提供的发电功率，PWT额为已安装风力发电机额定发电功率。
光伏板功率约束：
光伏发电机组的供电功率必须小于光伏发电装机容量。公式表达为：
PPV＜PPV额 (10)
式中，PPV为光伏发电机发电功率，PPV额为已安装的光伏发电机额定功率。
储能系统充放电功率和电能约束：
充电站电池的充放电功率必须等于或小于所安装变频器的额定功率。公式表达为：
Ps充≤Ps额 (11)
Ps放≤Ps额 (12)
式中，PS额为所安装储能系统的额定功率。
储能系统在t小时内放电能量必须等于或小于t-1小时内的储存能量；在t小时内的充电量必须等于或小于储能系统标称容量和t-1小时内储存能量差值。
公式表达为：
Est放≤Est-1 (13)
Est充≤Es-Est-1 (14)
接入点的电网供电和消耗功率约束：
从台变提供或消耗的电量必须等于或小于连接到该网络时的额定电量。公式表达为：
PG2S≤PGmax (15)
PS2G≤PGmax (16)
式中，PGmax为接入点最高功率限制。
充电站供电功率限制：
每个充电桩所提供的功率必须等于或小于其额定功率。公式表达为：
PEV≤PEV额 (17)
式中，PEV额为所安装充电桩额定功率。
电动汽车的等待时间限制：
即电动汽车用户等待的最大时长，如果等待时间较长，用户将离开站点。
公式表达为：
tEVk≤tEVmax (18)
式中，tEVk为每辆车的等待时间，tEVmax为预期等待最长时间。
第二步，对所建立模型进行求解处理，制定基于电动汽车充电的遗传算法。
针对前面设计的动态规划配置模型，相对于蚁群算法等遗传算法具有较快的求解速度，因此本文利用遗传算法进行求解模型，流程如图2所示。
(1)染色体：优化变量
染色体代表每个个体，这是由优化程序在设计过程中可以改变的变量组成的。这些变量与充电站的结构有关，包括充电桩的数量和功率，风力发电机的数量和类型，光伏板的表面积，存储系统容量和与电网的连接传输容量。由于设计原因，这些变量受到表1中所示的范围限制。
表1优化变量范围
(2)适应度函数：盈利能力
适应度函数与最大净现值(NPV)在数学模型中描述的目标函数相同。初始费用对应于安装每个能源系统元件的成本。收入与提供给客户为其车辆充电的电能以及销售给电网的剩余电能相关。此外，费用包含从电网购买电能的费用，充电站的维护费用和电池更换的费用。
为了评估适应度函数，必须模拟一年中充电站站的电能管理情况。这种电能管理比其他关于电动车站运行问题的论文中形式的电能管理更简单。但实际上，本发明处理的设计问题已经很复杂了。可再生能源发电优先用于为充电桩供电。如果充电站的可用电高于充电桩充电需求，则这些剩余电能将被存储起来。一旦储能量达到电池的最大容量，剩余电能将被供应给电网。如果达到电网连接的极限并且不能将电能注入电网，则将减少可再生发电的发电量。当供给充电桩的电能不足时，将首先由储能系统供能，最后再由电网供能。
充电站的操作使用顺序蒙特卡罗方法进行模拟。这些操作在一年中每小时模拟一次。首先，该算法根据到达时间，电池容量和电池剩余电量的概率分布来计算每小时电动汽车需求。然后计算风能和太阳能发电机产生的电能。再计算发电机、电池、充电桩和台变之间的电能流量。最后，计算适应度函数的值，如图3所示。
第三步，对所建立模型和制定的求解算法进行验证处理，通过不同配置算例验证所提方法的可行性。
对充电需求、风电和光伏资源进行建模的数据在“输入数据模型”部分，表2为优化算法算例配置情况。在存储系统中使用了锂离子电池，其最小SOC水平为10％或0.1pu。
算例1：充电站(EV站)只由电网供电。在这种方案下，EV站连接到电网，并且所需的所有能量都从电网购买。
算例2：EV站只由可再生能源供电。在这种方案下，EV站与电网隔离，仅由太阳能和风能供电。由于可再生能源的不确定性，需要安装电池以保证EV站的工作。然而该设计有一定的局限性，因为太阳能和风能对地理位置有很高的要求。表2列出了多种限制。
算例3：EV站同时由可再生能源和电网供电。在这种方案下，EV站有可再生能源供电同时与电网进行连接。这种设计是最灵活的，它具有两个方面的优点：来自可再生能源的廉价能源和来自电网的安全供电。此外，这种方案可以将多余的能量出售给电网。
按照本发明所述方法进行优化，表2出了每个算例中充电桩数量及对应功率，电网和EV站之间最大功率，风力发电机类型和数量，太阳能PV板表面积，储能容量及达到解决方案所需的计算时间。
表2每个算例配置情况
表3给出了净现值(NPV)，内部收益率(IRR)，利润投资比率(PIR)，投资额，电池更换成本，维护成本，从电网购买电能的成本，向电网出售电能的收入和向EV驾驶者出售电能的收入。PIR指数是未来现金流量的现值与初始投资之间的比率，可用于对项目进行排名。
表3每个算例的经济结果
从表2可以看出，前三种算例下充电桩的数量和功率基本相同，因为它们主要取决于需求特性。在算例1中充电桩的数量较少，该方案下EV站仅由电网供电，其电能价格比可再生能源更昂贵。
算例1仅由电网供电，而算例3同时由电网和可再生能源供电，但算例3的电网功率却比算例1多，这似乎很矛盾，因为算例1中EV站仅能从电网购买电能而算例3中EV站可以向电网购买电能的同时也可以向电网出售电能。
比较算例2和算例3中的可再生能源电能可以发现，算例3中的可再生能源有四个3型风电机和1871.95m2的太阳能板；而算例2中仅有1456.38m2的太阳能板。这是因为算例2中生产出多余的电能无法利用会产生电能的浪费，所以仅需要生产出满足需求的电能即可；而算例3可以向电网出售电能而获取利润所以建设较多的可再生电源会更好。此外，算例2相比算例3需要更多的储能容量，因为算例2仅使用不确定的可再生能源来为EV站供电，这就意味着需要较多的储能设备存储可再生能源产生的电能。
从经济角度来看，在算例3中获得了最佳解决方案，NPV的值高于算例2的同时与算例2有相同的IRR。在算例3中，EV站采用混合策略，同时具有可再生能源和与电网的连接。该策略可以从向EV所有者和电网出售电能中获得收入。由于可再生发电机和电池的安装成本，算例2和算例3的投资额比算例1要大得多，如表3所示。
图4显示了每种算例下每个月使用的电能(出售给EV和电网)。优化过程的起点是由充电站位置处的EV产生的假设需求，在所有三种算例下都是相同的。然而，每个站能够满足的真实需求是不同的，这取决于通过优化配置分配给它的充电桩的数量以及根据优化分配的能量供应配置在每个时刻的能量可用性。算例1只有四个充电桩，所以当所有充电桩都被占用时，消费者则不会选择停下来充电。算例2有五个充电桩，它可以为更多的消费者服务。但在某些情况下，由于可再生能源的波动或浪费了过多的能源，可能会出现能源短缺。算例3有五个充电桩，但优化配置要求安装更多的太阳能可再生能源，因为剩余能源可以出售给电网。
图5以年度等效值比较了三个算例。算例1的总成本很高，因为运营成本很高。算例3的收入最高，因为它可以向电网出售电能，因此利润最高。
EV站每天的运行根据可用的能源而不同。在算例1中，销售给EV的所有电能都是电网提供的。在算例2中，所有电能都来自风能和太阳能源，但需要电池为EV间接提供充电服务，并且在某些时间(当天凌晨5点左右)，EV站无法提供所需求的电能。在算例3中，当可再生能源不足时，EV站使用电网为电动汽车提供电能。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变型，这些改进和变型也应视为本发明的保护范围。
Claims (6)
1.一种电动汽车典型快充站优化运行配置方法，其特征是，包括以下过程：
确定电动汽车典型快充站的优化变量、目标函数和约束条件；
采用遗传算法对目标函数进行求解，获得优化变量的最优解。
2.根据权利要求1所述的一种电动汽车典型快充站优化运行配置方法，其特征是，所述电动汽车典型快充站包括风电系统、光伏系统、储能系统及多个充电桩，风电系统和光伏系统的输出端连接储能系统，风电系统、光伏系统和储能系统的输出端分别连接各个充电桩。
3.根据权利要求2所述的一种电动汽车典型快充站优化运行配置方法，其特征是，所述优化变量包括充电桩数量和额定功率、风电光伏的装机功率、储能容量和电网接入点功率需要为充电站供电的额定功率。
4.根据权利要求1所述的一种电动汽车典型快充站优化运行配置方法，其特征是，所述目标函数为：
目标为实现站内最大净现值NPV：
式(1)中，Ch为h年净现金流量，I为初始投资成本，i为年利率，n为计算净现值所用年的数量；式(2)中，INft为第t小时内现金流入量，OUTft为第t小时内现金流出量，Cm为更换和维护储能电池费用；式(3)中，Csh为充电站内单个充电桩安装成本，Qc为已安装充电桩数量，Ck为第k类风机装机成本，Qk为第k类风机数量，yk为二元决策变量，表示的值是0或者1，这里表示如果安装第k类风机，那么二元决策变量就是1，反之为0；m为风机总类型数量，Cp为光伏板每平方米造价，Sp为光伏板安装表面积，Cs为储能系统成本，Es为已安装储能系统标称容量。
5.根据权利要求1所述的一种电动汽车典型快充站优化运行配置方法，其特征是，所述约束条件包括充电站功率平衡、电池能量平衡、风力发电机组供电功率限制、光伏板功率限制、存储系统充放电功率和电能限制、接入点的电网供电和消耗功率限制、充电站供电功率限制、电动汽车供能限制、电动汽车的等待时间限制。
6.根据权利要求5所述的一种电动汽车典型快充站优化运行配置方法，其特征是，所述充电站功率平衡、电池能量平衡、风力发电机组供电功率限制、光伏板功率限制、存储系统充放电功率和电能限制、接入点的电网供电和消耗功率限制、充电站供电功率限制、电动汽车供能限制、电动汽车的等待时间限制包括：
充电站功率平衡：
每小时产生的光伏和风能、从电网购买的能源消耗和电池的能源排放总和等于提供给电动汽车的能量、电池充电能量以及出售或提供给网络的电量总和；公式表达为：
PWT+PPV+PG2S+Ps放＝PEV+PS2G+Ps充 (7)
式中，PWT为风机输出功率，PPV为光伏电池输出功率，Ps放为储能系统单位时间放电功率，Ps充为储能系统单位时间充电功率；
储能能量平衡：
Est＝Est-1+Est充-Est放 (8)
式中，Est为储能系统在t小时存储能量，Est-1为储能系统在t-1小时中的存储能量，Est充为t小时中的充电量，Est放为t小时中的放电量；
风力发电机组供电功率约束：
风力发电机组的发电功率必须小于安装的风力发电功率；公式表达为：
PWT＜PWT额 (9)
式中，PWT为风力发电机提供的发电功率，PWT额为已安装风力发电机额定发电功率；
光伏板功率约束：
光伏发电机组的供电功率必须小于光伏发电装机容量；公式表达为：
PPV＜PPV额 (10)
式中，PPV为光伏发电机发电功率，PPV额为已安装的光伏发电机额定功率；
储能系统充放电功率和电能约束：
充电站电池的充放电功率必须等于或小于所安装变频器的额定功率；公式表达为：
Ps充≤Ps额 (11)
Ps放≤Ps额 (12)
式中，PS额为所安装储能系统的额定功率；
储能系统在t小时内放电能量必须等于或小于t-1小时内的储存能量；在t小时内的充电量必须等于或小于储能系统标称容量和t-1小时内储存能量差值；公式表达为：
Est放≤Est-1 (13)
Est充≤Es-Est-1 (14)
接入点的电网供电和消耗功率约束：
从台变提供或消耗的电量必须等于或小于连接到该网络时的额定电量；公式表达为：
PG2S≤PGmax (15)
PS2G≤PGmax (16)
式中，PGmax为接入点最高功率限制；
充电站供电功率限制：
每个充电桩所提供的功率必须等于或小于其额定功率；公式表达为：
PEV≤PEV额 (17)
式中，PEV额为所安装充电桩额定功率；
电动汽车的等待时间限制：
即电动汽车用户等待的最大时长，如果等待时间较长，用户将离开站点；公式表达为：
tEVk≤tEV max (18)
式中，tEVk为每辆车的等待时间，tEVmax为预期等待最长时间。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911270635.2A CN111047093A (zh) | 2019-12-12 | 2019-12-12 | 一种电动汽车典型快充站优化运行配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911270635.2A CN111047093A (zh) | 2019-12-12 | 2019-12-12 | 一种电动汽车典型快充站优化运行配置方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111047093A true CN111047093A (zh) | 2020-04-21 |
Family
ID=70235866
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911270635.2A Pending CN111047093A (zh) | 2019-12-12 | 2019-12-12 | 一种电动汽车典型快充站优化运行配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111047093A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112488444A (zh) * | 2020-10-31 | 2021-03-12 | 海南电网有限责任公司 | 电动汽车快慢同步有序充电调度方法以及电量结算方法 |
| CN112590598A (zh) * | 2020-12-11 | 2021-04-02 | 合肥工业大学 | 移动充电车优化配置方法和系统 |
| EP4120498A1 (de) * | 2021-07-16 | 2023-01-18 | Siemens Aktiengesellschaft | Verfahren zur ermittlung eines leistungsbereiches für einen anschluss einer anlage an ein stromnetz |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103793758A (zh) * | 2014-01-23 | 2014-05-14 | 华北电力大学 | 含光伏发电系统的电动汽车充电站的多目标优化调度方法 |
| CN108876000A (zh) * | 2018-04-28 | 2018-11-23 | 国网江苏电力设计咨询有限公司 | 一种光伏充电站光、储、变压器容量协调优化配置方法 |
| CN110165687A (zh) * | 2019-05-20 | 2019-08-23 | 南京邮电大学 | 一种基于遗传算法的电动汽车快速充电站最优化设计方法 |
-
2019
- 2019-12-12 CN CN201911270635.2A patent/CN111047093A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103793758A (zh) * | 2014-01-23 | 2014-05-14 | 华北电力大学 | 含光伏发电系统的电动汽车充电站的多目标优化调度方法 |
| CN108876000A (zh) * | 2018-04-28 | 2018-11-23 | 国网江苏电力设计咨询有限公司 | 一种光伏充电站光、储、变压器容量协调优化配置方法 |
| CN110165687A (zh) * | 2019-05-20 | 2019-08-23 | 南京邮电大学 | 一种基于遗传算法的电动汽车快速充电站最优化设计方法 |
Non-Patent Citations (1)
| Title |
|---|
| 郭秋英 著: "《GPS快速精密定位数据处理》", 30 April 2011, 中国矿业大学出版社 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112488444A (zh) * | 2020-10-31 | 2021-03-12 | 海南电网有限责任公司 | 电动汽车快慢同步有序充电调度方法以及电量结算方法 |
| CN112488444B (zh) * | 2020-10-31 | 2022-12-23 | 海南电网有限责任公司 | 电动汽车快慢同步有序充电调度方法以及电量结算方法 |
| CN112590598A (zh) * | 2020-12-11 | 2021-04-02 | 合肥工业大学 | 移动充电车优化配置方法和系统 |
| CN112590598B (zh) * | 2020-12-11 | 2023-11-07 | 合肥工业大学 | 移动充电车优化配置方法和系统 |
| EP4120498A1 (de) * | 2021-07-16 | 2023-01-18 | Siemens Aktiengesellschaft | Verfahren zur ermittlung eines leistungsbereiches für einen anschluss einer anlage an ein stromnetz |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Roslan et al. | Scheduling controller for microgrids energy management system using optimization algorithm in achieving cost saving and emission reduction | |
| Tan et al. | Integration of electric vehicles in smart grid: A review on vehicle to grid technologies and optimization techniques | |
| Fazlhashemi et al. | Day-ahead energy management and feeder reconfiguration for microgrids with CCHP and energy storage systems | |
| CN109787261B (zh) | 电网侧及用户侧储能系统容量优化配置方法 | |
| US20160218505A1 (en) | System and Method for Energy Asset Sizing and Optimal Dispatch | |
| CN109325608A (zh) | 考虑储能并计及光伏随机性的分布式电源优化配置方法 | |
| CN110633854A (zh) | 一种考虑储能电池多重分段服务全生命周期优化规划方法 | |
| Hossain et al. | Design a novel controller for stability analysis of microgrid by managing controllable load using load shaving and load shifting techniques; and optimizing cost analysis for energy storage system | |
| CN111047093A (zh) | 一种电动汽车典型快充站优化运行配置方法 | |
| CN113326467B (zh) | 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统 | |
| Salehi et al. | Investment deferral of sub-transmission substation using optimal planning of wind generators and storage systems | |
| Azaroual et al. | An optimal energy management of grid-connected residential photovoltaic-wind-battery system under step-rate and time-of-use tariffs | |
| de la Hoz et al. | Regulatory-framework-embedded energy management system for microgrids: The case study of the Spanish self-consumption scheme | |
| Tang et al. | Multi-stage sizing approach for development of utility-scale BESS considering dynamic growth of distributed photovoltaic connection | |
| Wei et al. | Real-time locally optimal schedule for electric vehicle load via diversity-maximization NSGA-II | |
| Zhang et al. | The operating schedule for battery energy storage companies in electricity market | |
| Park et al. | Prosumer energy management considering contract with consumers under progressive pricing policy | |
| Sriyakul et al. | Economic scheduling of a smart microgrid utilizing the benefits of plug-in electric vehicles contracts with a comprehensive model of information-gap decision theory | |
| Araújo et al. | Optimum design of on-grid PV-BESS for fast electric vehicle charging station in Brazil | |
| Aklo et al. | Scheduling of Diesel Generators Operation with Restricted PCC in Microgrid. | |
| CN115133607A (zh) | 用户侧退役电池储能容量配置方法、系统、设备和介质 | |
| Massaro et al. | An Algorithm for Optimal Sizing of BESS in Smart Islands Energy Communities: the Case of Pantelleria | |
| Yu et al. | Optimal battery swapping and charging strategy considering on-site solar generation | |
| Pandit et al. | Design optimization of microgrid incorporating battery exchange-based electric vehicles | |
| Nejad et al. | Economic model for coordinating large-scale energy storage power plant with demand response management options in smart grid energy management |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200421 |
|
| RJ01 | Rejection of invention patent application after publication |