电动汽车充电导航及分布式控制
1.痛点问题
电动汽车在未来将大规模接入电网。在居民小区与公共慢充站等场景下,优化已接入电动汽车充电功率可实现削峰填谷、提高新能源渗透率和改善电压水平。由于单辆电动汽车充电功率、电池容量过小,需要在电动汽车调度环节中引入集群代理作为中间商管理大型充电站或者同一供电区内的电动汽车集群,并以此为单位参与电网调度。在获得电网下发的集群调度结果后,集群代理通过优化内部电动汽车的充电功率,使所有电动汽车的总充电功率尽可能逼近理想曲线,从而使各电动汽车以对电网有利的方式充电。目前,该问题多采用集中优化方案,需要各辆电动汽车向集群代理传递自身信息,当集群规模较大时,大量数据的存储和处理将占用较多资源,计算时间也较长,也和电动汽车的自治性不符。但采用分散优化方案时算法设计不当,分散优化算法结果有可能只是次优解甚至不可行。
另一方面,未来公共快充站的普及和车辆充电功率等级的提升将给电网运行带来新的挑战和机遇:一方面,公共充电站快充负荷的天然不确定性叠加上车辆大功率快充模式,使得部分充电站的充电负荷具有功率大、间歇性和波动性强等特点;如果不对这些公共充电站的快充负荷做合理调控,可能导致配网部分电压越限、电能质量恶化、甚至设备过载等问题;另一方面,电动汽车具有空间移动特性,在充电导航下,起到优化电网潮流分布、促进新能源发电消纳、维持配网节点电压水平、实现电网安全经济运行等目标。目前,电动汽车导航多局限于简单的车辆路径规划问题,缺乏对交通-电力信息的综合考虑,无法实现电力-交通融合网络的协同优化,且在导航过程中对用户隐私的保护不足。
2.解决方案
面向已接入充电的车辆,本项目提出一种对集群内多辆电动汽车充电行为进行分布式优化的方法,属于电力系统运行和控制技术领域。该方法采用停车场或者小区侧的控制器作为优化计算中的协调器,为各个汽车上的子控制器提供协调信息,子控制器根据这些协调信息优化自身的充电功率曲线,并将信息反馈回协调器;如此进行迭代计算:首先由各汽车的子控制器初始化一个满足自身充电要求的初始曲线,作为迭代的开始步骤;每一步迭代过后,协调器将会得到各个电动汽车改进后的充电功率,等迭代收敛得到的各个电动汽车的充电功率下发给子控制器。本方法所得到的充电方案将实现对理想曲线的最优逼近。该成果既适应汽车的物理分布特性,同时又有较高的计算效率。
面向未接入充电的车辆,本项目提出了一种基于智能交通系统的电动汽车充电路径规划方法,综合考虑了交通状况和电网状态。该方法基于智能交通系统实现,包含四个模块:电力系统控制中心、智能交通中心、充电站和电动汽车终端。电力系统控制中心根据电网数据计算可用充电容量和充电站充电容量,并将结果传输至充电站。充电站确定其充电计划,估计未来电动汽车的可用充电功率,并将这些数据传输至智能交通中心。在从智能交通中心接收可用充电功率数据和交通数据后,电动汽车终端估计不同站点的总充电时间,包括驾驶时间、等待时间和充电时间。驾驶员可以查看这些结果,并选择导航至与最小总充电时间相对应的充电站。
合作需求
本项目拟应用于新能源汽车充电管理与新能源汽车充电导航场景。针对已接入充电的车辆,以集群形式参与电网调度,收到电网下发的集群优化充电调度指令后,集群代理需优化集群内的电动汽车充电功率以追踪电网指令,从而降低车辆用户的充电费用。针对未接入充电的车辆,为电动汽车车主提供一条最佳充电路径,节约车主的时间,提高车主的出行效率。而且充电站的选取充分考虑了电力系统的运行要求,避免电力拥塞的现象,保障电力系统的安全运行。
本项目希望获得产品化所需资金与试点产地、开发团队等孵化资源支持。有意向与国家电网、南方电网等输配电企业,国网电动、特来电、星星充电等充电设施建设与运营企业,百度地图、高德地图等地理导航企业,售电公司与负荷聚合代理商合作。
清华大学
2022-05-31