带光伏系统的智能家庭/建筑用电动汽车充电方法

摘要

由于电动汽车(EV)与光伏系统(PV)使用的不断增长，家庭/建筑用能量管理系统(EMS)的进一步应用需要来决定何时以及有多少的电动汽车在个人家庭/建筑充电。本文展示了一种带光伏系统的智能家庭/建筑用电动汽车充电方法。本文由两部分组成：用于智能家庭/建筑充电的电动汽车充电调度算法和家庭/建筑EMS用的规范应用的实现。这项电动汽车充电算法的计划被用于决定基于预测光伏系统输出与电力损耗的电动汽车充电最优时间安排。这项被实施的家庭/建筑用EMS标准化应用可以根据使用者的偏好提供电动汽车充电时间安排，并用数据结果来证明所提出的电动汽车只能充电方法的有效性。

1导入

燃料价格上涨与环境问题已经导致电力系统结构的改变。其中一个意义重大的改变是新能源使用的增多，例如可再生能源、电动汽车、电网中的高容量大功率电池。许多专家已经注意到，这些新能源可以克服燃料价格与环境问题。如果电动汽车可以在一个较低的价格推广，则可以用来提高能量效率与可再生能源渗透。

这一观点来自于电力系用操作与控制。然而，还缺少关于诸如何时与多少投入在家庭/建筑用个人充电站的有效决定等个人电动汽车的操作的研究。现只有几篇关于个人电动汽车充电的论文。[1][2]这些研究中的大部分都聚焦于电动汽车充电时间安排问题而没有考虑其他电力消耗和例如光伏系统的一代能源。

然而在家庭/建筑用只能环境中，电动汽车充电并非独立控制，而是由中央能量管理系统[3]-[6]控制以提高能量效率。在这一方面，电动汽车充电由其他电力消耗需求、一代能源与智能电表的实时价格的一致性决定。因此，只能电动汽车充电要求一个考虑到个人家庭/建筑用所有能源的综合操作管理系统。

本文展现了一种高效益的提高家庭/建筑环境中电动汽车充电效率的方法。智能电动汽车充电时一种被用作家用能量管理系统(HEMS)与建筑用能量管理系统(BEMS)的批判性技术。在本文中，会提出并实施一种用于带光伏系统的灵活式家庭/建筑用电动汽车充电算法。该算法可以分成两个部分：预测与时序安排。在预测部分，会通过带有天气敏感性的时间串联模型来预测光伏输出与电力消耗。在时序安排部分，电动汽车充电的时序安排由第一部分的结果与电价信息决定。

电动汽车充电时序安排是在诸如汽车充电等级与电池容量、充电速率、使用者偏好等各种约束条件下的优化问题。

基于提出的这种算法，一种带光伏系统的家庭/建筑用电动汽车智能充电时序安排用的规范EMS应用便在本次研究中被实施。这项被实施的应用又五个模块组成：数据输入模块、数据集合模块、预测模块、优化模块、报表模块。该电动汽车充电时序安排方法可被用于HEMS或BEMS应用的一部分。

本文由前期工作[7]延伸开来。本文的剩余部分如以下安排。在第二部分，展示背景与EMS和EV的相关工作。在第三部分，展示一种带光伏系统的智能家庭/建筑用电动汽车充电综合操作算法。在第四部分，为综合时序安排程序的实现。最后，在第五部分，将展示数字结果并分析所提出方法的有效性的证明。

2背景

在这一部分中将对智能家庭/建筑用能量管理系统于电动汽车进行简单描述。

1. 智能家庭/建筑用能量管理系统

全球范围内对智能电网的兴趣在不断增长。智能电网一个关键的特征是高能效与资源的可管理性。尤其是，能量管理系统(EMS)在家庭/建筑用能量消耗的监视与管理中发挥着重要的作用。

图1 灵活式家庭/建筑用能量管理系统总览

图1在智能电网环境中阐明了智能家庭/建筑用EMS的原理框图。图1中展示的能量管理服务器，被设计用作从不同的电气用具与设备中收集并分析数据。此外，还像电气用具与设备发送控制信号以降低能量消耗。

智能HEMS与BEMS的市场在最近十年预期会增长过剩。根据最近来自Pike研究所的报告，HEMS使用者的数量将在2020年增长超过4000万，全球在BEMS上的花费截止2020年预期会达到31.9亿美元。

1. 电动汽车

最近几年，由于化石燃料的迅速枯竭与环保意识的不断增强，电动汽车得到了更多的关注。在发展中国家，特别是中国，一个目标为2020年之前提高电动汽车数量(包括混合动力汽车、纯电动汽车、燃料电池汽车等)至500万的宏大发展计划被列入进程。

根据美国能源信息管理局(U.S.EIA)，电动汽车被定义为完全或部分由从可充电储能电池、燃料电池、光伏列阵或者其他电流源中获取电流的电机供能的机动车。电动汽车的类型主要有三种：电池电动汽车(BEVs)、插电式混合动力汽车(PHEVs)、和混合动力汽车(HEVs)。

BEV是一种必须接通电源以获得驱动能量的电动汽车。其使用电机来取代内燃机。BEV具有以下几个典型特征：仅靠电力操作，由于潜在的远距离使用而大部分需求更快速地充电。因此，比起其他两种电动汽车，BEV需要更大的电池容量。

PHEV是使用可充电电池或一些其他可以使用外部电源充满自身的储能装置的混合动力汽车。根据阿贡国家实验室，PHEV工作于由汽油引擎或者插入电源插座或充电站的电池驱动下。由于电池规格小，PHEV要求的充电时间更短。

HEV结合了内燃机推进系统与电力推进系统，不能从电网充电。

BEV和PHEV可以通过应用本文中提出的算法来使用，因为其电池可以使用外电源充电。根据一份来自Pike实验室的最近的报道[11],每年世界范围内电动汽车销售至2020年将达到近380万，呈现出研究的年增长周期。

3带光伏系统的智能家庭/建筑用智能电动汽车充电算法

在这一部分中，会讨论提出的智能电动汽车充电算法。二级智能电动汽车充电算法的方框图如图2所示，接下来的段落会更详细地解释。

图2 智能电动汽车充电算法概览

A带光伏输出气候调节与电力消耗的预测模型

光伏输出与电力损耗的预测被用于降低光伏式智能家庭/建筑用充电的电力消耗。该算法被用于带有光伏输出与电力损耗预测的气候调整的时间序列模型。预测过程如下：

第一步，数据收集：选择最近适合的大部分天数以收集历史数据。与光伏输出不同，电力消耗随日期发生典型改变(例如周末或工作日)。对于不断提高的对于电力需求预测的精确性，需要基于日期类型从过去相关的数据中选取电力消耗数据。[12]。

第二步，预测：使用第一步收集到的数据，通过以下指数平滑模型估算光伏输出与电力消耗：

其中光伏输出或电力消耗在时间t为第d日上的提前预测值；为光伏输出或电力损耗在时间t为第d-1日时的历史值；为指数平滑系数。

第三步，天气调节：提前预测值通过天气感应系数进行和调节，天气感应系数则作为预测与时间安排周期前的预安排周期的实际值而计算出来。以下是为调整光伏输出与电力消耗预测值而提出的带天气感应的天气调整：

其中为光伏输出与电力消耗在时间t为第d日时的调整后的预测值，w为天气感应系数。

图3 预测算法时间轴

该预测算法时间轴如图3所示，其中整个周期被分为两个部分：预安排周期与安排周期。

1. 智能电动汽车充电优化模型

解决电动汽车充电调度问题的目标是在满足充电等级与速率，电池容量，用户便利的约束条件下，决定每个时间段最好的充电时间与充电数量，以达到最低电力损耗。

智能EV充电问题的目标函数描述如下：

其中C为整个管理周期的电力损耗；为在时间t时电网提供的电量；P(t)为时间t是的电价；T为充电管理周期的长度。

该优化问题应满足一下优化条件：

-智能家庭/建筑的电能平衡约束

其中PV(t)为时间t时的光伏发电；和分别为在时间t时的电力损耗与电动汽车充电容量。

-每辆电动汽车的电池容量限制

其中为在时间t时第i辆电动汽车的充电状态(SOC)，和分别为第i辆电动汽车SOC最大值与最小值。

-充电器充电速率限制

其中为在时间t时与第i辆电动汽车相联的充电器的充电速率，和分别为与第i辆电动汽车相联的充电器的充电速率的最大值与最小值。

-使用者的偏好：其代表着由使用者设定的约束条件，例如充电状态目标(SOC)和电动汽车预计离开次数。以下为SOC约束等式：

其中为时间安排之后的SOC值；为第i辆电动汽车的目标SOC值。

该优化问题为混合整数线性问题(MILP)。

4带光伏系统的智能家庭/建筑用智能电动汽车充电方法的实现

该部分描述的为所实施的带光伏系统的智能家庭/建筑用智能电动汽车充电的规范EMS应用。所提出的智能电动汽车充电算法流程图如图4所示。

图4 所提出的智能电动汽车充电算法流程图

前文提到的HEMS与BEMS在该研究中的应用由五个部分组成：数据输入模块、数据集合模块、预测模块、优化模块、报表模块。

数据输入模块：该模块用于收集使用者自定义的数据，例如电动汽车信息（初始SOC，目标SOC和离开次数），安排持续时间域日期种类。所有的输入数据都可存入电子文件表格之中。

数据集合模块：该模块包括选择满足使用者自定义标准的电价，历史电力消耗与光伏输出数据。

预测模块：该模块通过带天气调节的植树平滑模型来预测整个安排持续时间内每小时的电力消耗与光伏输出。

优化模块：该模块包括使用MILP与已制定的智能电动汽车充电时序安排来将智能电动汽车充电优化问题公式化。

报表模块：在该模块中，所有的输出数据会被填入电子数据表格文件中。

图5展示了所实施的带光伏系统的智能家庭/建筑用智能电动汽车充电用规范EMS的模块配置。每一个模块与其功能都在图5中描述了出来。

图5 所提出的带光伏系统的只能家庭/建筑用规范EMS应用概览

该项基于所提出的带光伏系统的智能家庭/建筑用电动汽车充电时序管理的规范EMS应用实施如下。图6展示了所实施的规范EMS应用的使用者的界面截图。图6(a)为所实施的应用的初始界面。使用者自定义的数据可以在电子表格中读取。输入的数据也可以在GUI上直接定义与修改。在获得数据与设定电动汽车充电条件之后，可以点击lsquo;Solversquo;按钮得到仿真。图6(b)则为使用条形图与表格展示的通过以上方法得到的仿真结果。仿真结果可以选择lsquo;Save resultsrsquo;保存至数据表格文件中。

（a）

(b)

图6 所实施的带光伏系统的只能家庭/建筑用EMS应用使用者界面截图

5 数据结果

在该部分中将展示数据结果。对于智能电动汽车充电时序安排，本次研究中以一座带有50kW光伏列阵系统的商业建筑为例。

对于发电50kW的光伏数据，可以参考来源于安装在学院内的3kW的光伏列阵的的数据。图7展示了装在学院顶部的光伏系统。此外，为了确定一座商业建筑的电力消耗，商业建筑数据从韩国一个公共事业公司获取。

图7 安装于学院顶部的光伏系统

在本次研究案例中共使用12辆电动汽车。这些电动汽车根据其初始SOC被分为两组。表1总结了这些电动汽车用于本次研究案列中的详细信息。这些电动汽车除了初始SOC外完全相同。本次研究案例中使用的电动汽车充电器的最大与最小充电速率分别为7.7kW和1kW。

在本次研究中，电价的假设基于一所公共公司的分时电价收费表。其中有两个收费周期：开启峰值与关闭峰值。前一个周期为上午11时至下午4时，后一个为上午9时至下午11时和下午5时至下午7时。对于两个时期的电价分别为7.77韩元/kWh和21.71韩元/kWh。本次研究案例中未考虑向电网售电的情况。

试验的时间为夏季的一个工作日。韩国的夏季天气热且潮湿。在此过程中，用于降温的电力消耗必然增多。因此，在工作时间商业建筑的电力消耗很高。

本次试验中每小时的光伏输出与电力消耗可以使用前文提到的预测算法来进行预测。图8展示了试验日当天整个时序安排周期中网络每小时的消耗。其中网络消耗定义为所预测的试验当天每小时的光伏输出与电力消耗的总和。一小时的数据代表着本次研究中一个小时之内的平均数值。

图8 预测的网络消耗结果

图9展现的为使用前文提及的方法时整个时序安排周期内一辆电动汽车SOC的改变。电动汽车在关闭峰值是充电，每辆电动汽车都在周期结束时达到其目标（用户设定）SOC。由于相对较高的电价，电动汽车在峰值周期时都不充电。表2展示了在基准线与预定方法下电力消耗的比较情况。基准线由两部分组成。基准线1是电动汽车一停入商业建筑停车场就开始为其充电，基准线2为午餐时间后为电动汽车充电。前文中提到的方法可以实现对于基准线1和基准线2分别节省6%与15.2%。

图9 时序安培周期内电动汽车SOC变化情况

从这些结果中可以看到，在达到目标SOC过程中减小普遍充电消耗方面，前文提到的方法是切实有效的。

6 结论与展望

EMS

剩余内容已隐藏，支付完成后下载完整资料

---

英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[147898]，资料为PDF文档或Word文档，PDF文档可免费转换为Word