電動汽車充電導航及分布式控制
1.痛點問題
電動汽車在未來將大規模接入電網。在居民小區與公共慢充站等場景下,優化已接入電動汽車充電功率可實現削峰填谷、提高新能源滲透率和改善電壓水平。由于單輛電動汽車充電功率、電池容量過小,需要在電動汽車調度環節中引入集群代理作為中間商管理大型充電站或者同一供電區內的電動汽車集群,并以此為單位參與電網調度。在獲得電網下發的集群調度結果后,集群代理通過優化內部電動汽車的充電功率,使所有電動汽車的總充電功率盡可能逼近理想曲線,從而使各電動汽車以對電網有利的方式充電。目前,該問題多采用集中優化方案,需要各輛電動汽車向集群代理傳遞自身信息,當集群規模較大時,大量數據的存儲和處理將占用較多資源,計算時間也較長,也和電動汽車的自治性不符。但采用分散優化方案時算法設計不當,分散優化算法結果有可能只是次優解甚至不可行。
另一方面,未來公共快充站的普及和車輛充電功率等級的提升將給電網運行帶來新的挑戰和機遇:一方面,公共充電站快充負荷的天然不確定性疊加上車輛大功率快充模式,使得部分充電站的充電負荷具有功率大、間歇性和波動性強等特點;如果不對這些公共充電站的快充負荷做合理調控,可能導致配網部分電壓越限、電能質量惡化、甚至設備過載等問題;另一方面,電動汽車具有空間移動特性,在充電導航下,起到優化電網潮流分布、促進新能源發電消納、維持配網節點電壓水平、實現電網安全經濟運行等目標。目前,電動汽車導航多局限于簡單的車輛路徑規劃問題,缺乏對交通-電力信息的綜合考慮,無法實現電力-交通融合網絡的協同優化,且在導航過程中對用戶隱私的保護不足。
2.解決方案
面向已接入充電的車輛,本項目提出一種對集群內多輛電動汽車充電行為進行分布式優化的方法,屬于電力系統運行和控制技術領域。該方法采用停車場或者小區側的控制器作為優化計算中的協調器,為各個汽車上的子控制器提供協調信息,子控制器根據這些協調信息優化自身的充電功率曲線,并將信息反饋回協調器;如此進行迭代計算:首先由各汽車的子控制器初始化一個滿足自身充電要求的初始曲線,作為迭代的開始步驟;每一步迭代過后,協調器將會得到各個電動汽車改進后的充電功率,等迭代收斂得到的各個電動汽車的充電功率下發給子控制器。本方法所得到的充電方案將實現對理想曲線的最優逼近。該成果既適應汽車的物理分布特性,同時又有較高的計算效率。
面向未接入充電的車輛,本項目提出了一種基于智能交通系統的電動汽車充電路徑規劃方法,綜合考慮了交通狀況和電網狀態。該方法基于智能交通系統實現,包含四個模塊:電力系統控制中心、智能交通中心、充電站和電動汽車終端。電力系統控制中心根據電網數據計算可用充電容量和充電站充電容量,并將結果傳輸至充電站。充電站確定其充電計劃,估計未來電動汽車的可用充電功率,并將這些數據傳輸至智能交通中心。在從智能交通中心接收可用充電功率數據和交通數據后,電動汽車終端估計不同站點的總充電時間,包括駕駛時間、等待時間和充電時間。駕駛員可以查看這些結果,并選擇導航至與最小總充電時間相對應的充電站。
合作需求
本項目擬應用于新能源汽車充電管理與新能源汽車充電導航場景。針對已接入充電的車輛,以集群形式參與電網調度,收到電網下發的集群優化充電調度指令后,集群代理需優化集群內的電動汽車充電功率以追蹤電網指令,從而降低車輛用戶的充電費用。針對未接入充電的車輛,為電動汽車車主提供一條最佳充電路徑,節約車主的時間,提高車主的出行效率。而且充電站的選取充分考慮了電力系統的運行要求,避免電力擁塞的現象,保障電力系統的安全運行。
本項目希望獲得產品化所需資金與試點產地、開發團隊等孵化資源支持。有意向與國家電網、南方電網等輸配電企業,國網電動、特來電、星星充電等充電設施建設與運營企業,百度地圖、高德地圖等地理導航企業,售電公司與負荷聚合代理商合作。
清華大學
2022-05-31