路欣怡 劉 念 陳 征 張建華 肖湘寧

（華北電力大學新能源電力系統(tǒng)國家重點實驗室 北京 102206）

1 引言

隨著電動汽車在世界各國的廣泛發(fā)展，充電基礎(chǔ)設(shè)施的規(guī)劃與建設(shè)問題已得到我國政府的更多關(guān)注[1-3]。目前我國電力系統(tǒng)發(fā)電側(cè)的一次能源仍以煤炭為主（約占75%～80%），電動汽車通過充電基礎(chǔ)設(shè)施直接接入電網(wǎng)充電，實際所產(chǎn)生的間接碳排放量相比傳統(tǒng)燃油汽車并不占明顯優(yōu)勢，并且難以減輕對化石燃料的依賴[4]。這種情況下，要實現(xiàn)真正意義上的低碳，存在兩種方式:一是大力發(fā)展可再生能源發(fā)電系統(tǒng)，協(xié)同調(diào)度電網(wǎng)中電動汽車充電和可再生能源發(fā)電，提高電網(wǎng)對可再生能源的消納能力[5-9]；二是直接建立充放電設(shè)施與分布式可再生能源發(fā)電系統(tǒng)的關(guān)聯(lián)，實現(xiàn)可再生能源的就地消納利用[10-12]。從當前的發(fā)展情況來看，調(diào)整電網(wǎng)的一次能源結(jié)構(gòu)是非常困難的，通過可再生能源與電動汽車的就地集成，可以有效提高可再生能源利用率，降低碳排放量。在城市環(huán)境下，含有光伏發(fā)電的電動汽車充電站是實現(xiàn)就地集成的典型方式，國內(nèi)外多地都已開展了相關(guān)的示范工程建設(shè)[13]。當前示范工程主要為驗證與光伏及電動汽車充電設(shè)施相關(guān)的變流與控制關(guān)鍵技術(shù)，對優(yōu)化調(diào)度要求不高。當電動汽車規(guī)?；螅瑸槌浞职l(fā)揮電動汽車光伏充電站的效益，需根據(jù)光伏發(fā)電情況和充電需求，執(zhí)行合理的優(yōu)化運行策略。目前，針對光伏充電站或類似系統(tǒng)的研究，主要集中在容量配置等方面。文獻[14]以降低系統(tǒng)運行投資為目標，考慮到汽車電池的梯次利用，對光伏換電站的容量配置進行優(yōu)化。文獻[15]以降低系統(tǒng)運行投資為目標，對含有風、光互補發(fā)電的換電站容量配置進行優(yōu)化。文獻[16]為滿足充電負荷需求，采用“饋電轉(zhuǎn)移（feed-in shift）”方法對風、光、水三種可再生能源發(fā)電進行綜合優(yōu)化配置，以風、光為主，水電協(xié)調(diào)使用的方式，共同為電動汽車充電。

針對常規(guī)充換電站，已存在一些優(yōu)化調(diào)度運行方面的研究成果。文獻[17]提出一種基于負荷預(yù)測的有序充電方法，通過改變充電開始時間調(diào)節(jié)充電功率，在滿足用戶需求的基礎(chǔ)上，盡可能利用低谷電為電動汽車充電，平抑負荷波動，減小負荷峰谷差，避免充電過程產(chǎn)生新的負荷高峰；文獻[18]以充電站的運營經(jīng)濟效益最大化為目標，對站內(nèi)電動汽車進行有序充電控制，可顯著提高充電站運營的經(jīng)濟效益；文獻[19]以平抑負荷波動和降低負荷峰谷差為目標，以換電站各時刻的充電功率為控制對象，建立多目標優(yōu)化調(diào)度模型，可求解得到次日優(yōu)化充電方案。

綜合上述研究成果，目前仍缺乏針對電動汽車光伏充電站的優(yōu)化調(diào)度方法。光伏充電站與常規(guī)充電站相比，除了在站內(nèi)配備光伏發(fā)電系統(tǒng)外，考慮到光伏發(fā)電的波動、間歇特性，還需配備一定容量的儲能系統(tǒng)。這種情況下，一方面需盡可能利用光伏發(fā)電電量，降低從電網(wǎng)的購電費用；另一方面，需考慮儲能系統(tǒng)的使用壽命問題，盡可能降低儲能的循環(huán)電量。因此，常規(guī)充電站的優(yōu)化調(diào)度方法不能完全適用。

本文針對電動汽車光伏充電站系統(tǒng)，以降低購電費用和蓄電池組循環(huán)電量為優(yōu)化目標，研究光伏充電站系統(tǒng)的多目標優(yōu)化調(diào)度方法。

2 光伏充電站系統(tǒng)結(jié)構(gòu)及運行策略

2.1 系統(tǒng)結(jié)構(gòu)

系統(tǒng)由光伏電池組、儲能電池組、中央控制單元、DC-DC 變換器、AC-DC 變流器、直流母線和充電樁等部分組成，如圖1 所示。

圖1 含光伏發(fā)電的電動汽車充電站系統(tǒng)結(jié)構(gòu)圖Fig.1 Structure of PV-based EV charging station

2.2 系統(tǒng)各組件功能

（1）光伏電池組:由太陽能電池板串、并聯(lián)組成，光伏電池吸收太陽能并發(fā)出直流電，經(jīng)DC-DC變換器接入系統(tǒng)，是站內(nèi)電動汽車充電的主要電源。

（2）儲能電池組:采用鉛酸蓄電池串、并聯(lián)組成，在系統(tǒng)中起到能量儲存和調(diào)節(jié)作用。

（3）DC-DC 變換器:使用單向DC-DC 實現(xiàn)光伏電池和直流母線、充電樁和直流母線之間的連接，使用雙向DC-DC 連接儲能電池組和直流母線。

（4）AC-DC 變流器:連接交流配電網(wǎng)與直流母線，是配電網(wǎng)向系統(tǒng)充電的必要變換模塊。

（5）中央控制器:采集各部分的電氣信息，控制各組件之間的能量流動。

（6）充電樁:電動汽車充電終端，在停車時間內(nèi)實現(xiàn)對電動汽車靈活充電。

2.3 光伏充電站的運行策略

（1）電動汽車充電。在一定的時間周期（如一天）內(nèi)，有N輛車在不同時段停放在光伏充電站的充電車位上；充電站的電能來源于光伏發(fā)電和配電網(wǎng)供電；在停放時間段內(nèi)由系統(tǒng)根據(jù)光伏及電價情況優(yōu)選起始充電時間，通過充電樁對其充電。

（2）系統(tǒng)運行費用假定充電站運營商是光伏發(fā)電的投資主體，使用過程中不需再另付購電費用。配電網(wǎng)通過AC-DC 變流器向系統(tǒng)供電，采用分時電價（在電網(wǎng)負荷高峰時段電價高，負荷低谷時段電價低）。結(jié)合實際運營現(xiàn)狀，本文暫不考慮向配電網(wǎng)送電的情況。

（3）儲能的調(diào)節(jié)作用。儲能系統(tǒng)根據(jù)自身荷電狀態(tài)（State of Charge，SOC），隨光伏發(fā)電及電價情況靈活調(diào)整充放電方式。在光伏發(fā)電功率大于電動汽車充電需求時，利用光伏剩余電能給儲能充電；在光伏發(fā)電功率不能滿足電動汽車充電需求時，儲能系統(tǒng)釋放電能，與配電網(wǎng)共同對電動汽車充電。

3 多目標優(yōu)化調(diào)度的數(shù)學模型

3.1 目標函數(shù)3.1.1 購電費用

在運行過程中，對光伏發(fā)電不需要另付購電費用，充電成本主要來源于充電站向電網(wǎng)購電的費用；充電站的全部電能均來自配電網(wǎng)和光伏系統(tǒng)，因此減少從電網(wǎng)購電同時能提高光伏發(fā)電的利用率。優(yōu)化調(diào)度的第一個目標是使購電費用C最低。

式中，T為優(yōu)化的時段數(shù)；Δti為第i時段的時長；Pgi為第i時段配電網(wǎng)供電的平均功率；pri為第i時段的電價。

根據(jù)系統(tǒng)功率平衡關(guān)系，當蓄電池組處于充電狀態(tài)時，若光伏發(fā)電功率小于蓄電池組和電動汽車充電功率之和，即

則從配電網(wǎng)購電功率為

式中，Pevi為站內(nèi)電動汽車第i時段充電總功率；Pbi為蓄電池組充放電功率（充電為正，放電為負）；Ppvi為光伏發(fā)電功率；其根據(jù)光伏電池的串并聯(lián)數(shù)、日照條件、環(huán)境溫度和光伏電池板傾角來確定，優(yōu)化調(diào)度中基于歷史數(shù)據(jù)及氣象信息來預(yù)測[20]；ηdd為DC-DC 模塊的效率；ηad為AC-DC 模塊的效率。

若光伏發(fā)電功率滿足蓄電池和電動汽車充電功率之和，即

則無需從電網(wǎng)購電

并調(diào)節(jié)蓄電池組充電功率，使其最大限度吸收光伏發(fā)電剩余功率

當蓄電池組處于放電狀態(tài)時，若光伏發(fā)電功率和蓄電池組放電功率之和小于電動汽車需求時，即

則從配電網(wǎng)購電功率為

若光伏發(fā)電功率和蓄電池組放電功率之和滿足電動汽車功率需求，即

則無需從電網(wǎng)購電

并調(diào)節(jié)蓄電池組放電功率，使其放電功率等于電動汽車功率需求與光伏發(fā)電功率之差

通過電動汽車的行為預(yù)測可得到電動汽車停放時間規(guī)律和電量需求[18]。

式中，Pki為第i時段第k輛電動汽車充電功率；N為電動汽車數(shù)量。

式中，tsk為第k輛車充電起始時間，是優(yōu)化的決策變量之一；Pavrgk為第k輛車在充電時段內(nèi)平均充電功率；Erk為第k輛車的待充電量需求。

一般情況下，動力電池充電過程為先恒流再恒壓最后轉(zhuǎn)為浮充方式。因此，單個動力電池組在充電周期內(nèi)并未時刻保持額定功率輸出。

式中，Eevk為t1～t2時刻充入電量，由電動汽車的電量需求Erk確定；Pk(t)為第k輛車在t時刻的充電功率。

雖然動力電池組的充電功率在充電周期內(nèi)是時變的，但一般情況下，SOC主要增長在恒流階段，功率基本保持恒定，變化幅度較小。因此，針對日前調(diào)度，為避免計算過于繁瑣，擬采用充電時段內(nèi)的平均充電功率來描述單個動力電池組的充電需求。

3.1.2 蓄電池組循環(huán)電量

恒溫時，在常規(guī)充電方式下，鉛酸蓄電池可循環(huán)次數(shù)L與每次放電電量Ed關(guān)系滿足L=-a·(Ed/Ebn)+b（Ebn為蓄電池額定容量，常數(shù)a,b為正）[21]。假設(shè)第k次放電電量為Edk，電池壽命損耗為1/Lk，N次放電以后，電池壽命損耗為在忽略自放電的前提下，運行達到一定時長后，其總放電電量約等于充電電量，即循環(huán)電量。在滿足電動汽車充電需求的前提下，對蓄電池組的充放電功率進行合理調(diào)控，減小循環(huán)電量，有利于延長蓄電池組使用壽命。

定義蓄電池組循環(huán)電量為每時段放電電量之和，優(yōu)化調(diào)度的第二個目標是使循環(huán)電量Ec最低。

式中，為蓄電池組第i時段放電功率；Pbi為不同時段蓄電池組充放電功率，是另一個優(yōu)化決策變量。

3.2 約束條件

（1）電動汽車充電時間約束

充電時間受停放時間約束，充電起始和結(jié)束時間必須在電動汽車停放時段內(nèi)，結(jié)合式（13），有如下約束條件:

式中，tpk和tlk分別為第k輛電動汽車到達和離開車位的時間。

（2）蓄電池組充放電功率和SOC 范圍約束

蓄電池組充放電功率受雙向DC-DC 變換器額定功率約束

式中，Pbn為雙向DC-DC 變換器的額定功率。

如果放電深度過大，會影響蓄電池使用壽命，對蓄電池組的SOC 范圍約束如下:

式中，D為蓄電池組最大放電深度；SOCi為第i時段蓄電池組荷電狀態(tài)。

根據(jù)充放電功率，蓄電池組SOC 在不同時間的狀態(tài)關(guān)系可表示為

式中，Ebn為蓄電池組的額定電量。

（3）配電網(wǎng)供電功率約束

配電網(wǎng)向系統(tǒng)供電功率受到配電變壓器和AC-DC 模塊的額定容量約束

式中，PT和PAD分別為配電變壓器及AC-DC 變換器的額定容量。

（4）系統(tǒng)功率平衡約束

光伏充電站系統(tǒng)在運行過程中需滿足功率平衡關(guān)系。當蓄電池處于充電狀態(tài)時

當蓄電池處于放電狀態(tài)時

4 優(yōu)化模型的求解方法

根據(jù)優(yōu)化模型，可將待求解的問題表示為

式中，k=1,2,…,N；i=1,2,…,T。

含光伏發(fā)電系統(tǒng)的電動汽車充電站優(yōu)化調(diào)度問題，具有多目標、非線性、多約束的特點，傳統(tǒng)優(yōu)化方法難以獲取全局最優(yōu)解。NSGA-II 算法是由K.Deb 等人于2002 年在對NSGA 算法改進的基礎(chǔ)上提出的[22]，是目前認可度較高的多目標進化算法之一[23,24]，其具有以下主要優(yōu)點:①采用基于分級的快速非支配排序法；②提出擁擠距離的概念，用以表示快速非支配排序后同級中不同元素的適應(yīng)度值，使當前Pareto 前沿中的個體能夠盡可能均勻地擴展到整個Pareto 前沿面；③引入精英保留機制，通過子代個體與其父代個體的共同競爭來產(chǎn)生下一代種群，有利于提高種群的整體進化水平。因此，本文擬采用NSGA-II 算法來求解上述問題，算法的實現(xiàn)步驟如圖2 所示。優(yōu)化模型的求解難點在于計算目標函數(shù)，即優(yōu)化時段內(nèi)購電費用和蓄電池組的循環(huán)電量。目標函數(shù)的計算結(jié)果是對NSGA-II 算法種群中的個體進行快速非支配排序的基礎(chǔ)。計算目標函數(shù)的具體流程如下:

（1）計算光伏發(fā)電功率。根據(jù)光伏發(fā)電的歷史數(shù)據(jù)和氣象預(yù)報，獲得未來24h 內(nèi)每時刻光伏系統(tǒng)的輸出功率Ppvi。

（2）計算電動汽車充電總功率。統(tǒng)計私家車行為規(guī)律，其停放起止時間和電池剩余電量均滿足正態(tài)分布[18]，根據(jù)統(tǒng)計規(guī)律預(yù)測電動汽車的停放起止時間tpk、tlk和剩余電量情況，求出其電量需求Erk。在式（18）的約束下隨機生成每輛電動汽車的充電起始時間tsk。

圖2 優(yōu)化計算的流程圖Fig.2 Flow chart of solving optimization model

根據(jù)式（13）～式（15）求出每輛車在每時刻的充電功率Pki，根據(jù)式（12）求出第i時刻站內(nèi)電動汽車的充電總功率Pevi。

（3）獲得蓄電池組充放電功率Pbi。在式（19）的約束范圍內(nèi)隨機生成每時刻蓄電池組充放電功率，根據(jù)式（21）求出第i時刻蓄電池荷電狀態(tài)，檢查是否滿足式（20）中蓄電池組荷電狀態(tài)的約束，對于不滿足的Pbi，使用罰函數(shù)進行處理。

（4）計算光伏充電站從配電網(wǎng)購電的功率。根據(jù)系統(tǒng)功率平衡關(guān)系，由式（2）～式（10）可求出每時刻系統(tǒng)從配電網(wǎng)購電的功率。

（5）計算目標函數(shù)之一——購電費用。根據(jù)分時電價，由式（1）可求取優(yōu)化時段的總購電費用。

（6）計算目標函數(shù)之二——蓄電池循環(huán)電量。根據(jù)Pbi的正負判斷蓄電池處于充電或放電狀態(tài)，由式（16）和式（17）可求得優(yōu)化時段的蓄電池循環(huán)電量。

5 算例分析

5.1 研究對象及相關(guān)基礎(chǔ)數(shù)據(jù)

本算例中的電動汽車充電站設(shè)有80 臺充電樁，選用常規(guī)充電方式，單臺充電樁的額定功率為10kW；站內(nèi)光伏系統(tǒng)的額定容量為200kW；蓄電池額定容量為1 000kW·h，最大放電深度為70%；雙向DC-DC 變換器的額定功率為200kW；配電變壓器的額定容量為1MV·A；AC-DC 模塊的額定功率為560kW。

選取100 輛私家車，使用的鋰離子動力電池額定電壓為320V、額定容量100Ah。根據(jù)電動汽車的行為規(guī)律預(yù)測生成其到達和離開車位的時間與動力電池的電量需求[18]。圖3 和圖4 所示為其中20 輛車到達和離開車位的時間分布及動力電池電量需求，其他電動汽車類似。

圖3 隨機抽取的20 輛汽車到達和離開充電站時間Fig.3 Twenty randomly selected EVs’ arrival and departure time

圖4 隨機抽取的20 輛汽車電池電量需求Fig.4 Twenty randomly selected EVs’ power demand

日照情況不同，光伏發(fā)電功率也有變化。選取圖5 所示的兩種日照強度下光伏發(fā)電功率作為基礎(chǔ)數(shù)據(jù)。在光伏充電站運行過程中，蓄電池組的起始SOC也對優(yōu)化策略會產(chǎn)生影響，因此選用了起始SOC分別為0.4 和0.8 的兩種情況進行優(yōu)化分析。

圖5 日照強度不同時光伏電池組發(fā)電功率Fig.5 Power generation of PV system under different solar radiation

充電站從電網(wǎng)購電采用分時電價，按負荷的峰谷特性將24h 的電價分成三個階段[25]，見表1。

表1 從電網(wǎng)購電分時電價Tab.1 Electricity prices from distribution network in different periods of time

5.2 優(yōu)化結(jié)果分析

5.2.1 目標的優(yōu)化結(jié)果

利用Matlab 軟件采用NSGA-II 算法對優(yōu)化模型進行編程求解，程序中設(shè)定種群數(shù)量Np為600，最大迭代次數(shù)為600，交叉率為0.9，變異率為0.1。在不同日照強度和蓄電池組起始SOC條件下得到蓄電池組總循環(huán)電量和購電費用的Pareto 最優(yōu)解如圖6 所示。

圖6 不同情況下的兩目標優(yōu)化結(jié)果Fig.6 Optimizing results of double-objective of different conditions

由結(jié)果可知:①隨著蓄電池總循環(huán)電量的增加，從電網(wǎng)購電費用逐漸降低；②日照較強時，可循環(huán)的電能多，最小購電費用低；③蓄電池起始SOC較高時，可循環(huán)的電能多，最小購電費用低。

5.2.2 各組件功率變化

在不同日照情況和蓄電池起始SOC的情況下，盡可能選取具有可比性的調(diào)度方案，分析各組件功率的變化。

（1）日照較強、蓄電池組起始SOC較低的情況

在Pareto 最優(yōu)解中選取兩組優(yōu)化調(diào)度方案進行分析:①總循環(huán)電量為 199.26kW·h，購電費用為175.43 元；②總循環(huán)電量為486.27kW·h，購電費用為120.22 元。各組件在24h 內(nèi)的功率變化如圖7 和圖8 所示。

圖7 日照較強，起始SOC 較低情況下蓄電池組循環(huán)電量約為200kW·h 時各部分功率Fig.7 Power variation of each component with cycle energy of batteries being about 200kW·h under the circumstance of strong irradiation and a low level of SOC

圖8 日照較強，起始SOC 較低情況下蓄電池組循環(huán)電量約為500kW·h 時各部分功率Fig.8 Power variation of each component with cycle energy of batteries being about 500kW·h under the circumstance of strong irradiation and a low level of SOC

白天（約8:00～16:00）系統(tǒng)將光伏發(fā)電功率分配給電動汽車和蓄電池組充電，配電網(wǎng)不向系統(tǒng)供電；在電網(wǎng)負荷高峰時期（約18:00～24:00），蓄電池組將儲存的電能釋放給電動汽車充電，但此時電動汽車充電功率較??；凌晨電網(wǎng)負荷低谷時期（約0:00～6:00），電動汽車充電功率較大，此時系統(tǒng)的電能主要來自配電網(wǎng)。

蓄電池組循環(huán)電量大小對調(diào)度方案的影響主要存在于夜晚光伏發(fā)電為零的時段。在循環(huán)電量小的方案中，盡量降低夜晚負荷高峰時段的電動汽車充電功率，調(diào)高負荷低谷時段的電動汽車充電功率；在循環(huán)電量大的方案中，并沒有刻意限制負荷高峰時段的電動汽車充電功率，而是根據(jù)蓄電池SOC狀態(tài)來正常放電，因此在負荷低谷時段的充電功率相比循環(huán)電量較小時有所降低。

（2）日照較強、蓄電池組起始SOC較高的情況

在Pareto 最優(yōu)解中選取兩組優(yōu)化調(diào)度方案進行分析:①總循環(huán)電量為 202.53kW·h，購電費用為147.91 元；②總循環(huán)電量為499.94kW·h，購電費用為116.95 元。各組件在24h 內(nèi)的功率變化如圖9 和圖10 所示。

圖9 日照較強，起始SOC 較高情況下蓄電池組循環(huán)電量約為200kW·h 時各部分功率Fig.9 Power variation of each component with cycle energy of batteries being about 200kW·h under the circumstance of strong irradiation and a high level of SOC

圖10 日照較強，起始SOC 較高情況下蓄電池組循環(huán)電量約為500kW·h 時各部分功率Fig.10 Power variation of each component with cycle energy of batteries being about 500kW·h under the circumstance of strong irradiation and a high level of SOC

蓄電池組起始SOC的差異帶來的變化主要在白天光伏發(fā)電較強的時段（約8:00～16:00），由于蓄電池起始SOC較大，因此吸收光伏發(fā)電量較少，存在一定的棄光現(xiàn)象。

（3）日照較弱、蓄電池組起始SOC較高的情況

在Pareto 最優(yōu)解中選取兩組優(yōu)化調(diào)度方案進行分析:①總循環(huán)電量為 200.59kW·h，購電費用為173.47 元；②總循環(huán)電量為502.17kW·h，購電費用為117.76 元。各組件在24h 內(nèi)的功率變化如圖11和圖12 所示。

圖11 日照較弱，起始SOC 較高的情況下蓄電池組循環(huán)電量約為200kW·h 時各部分功率Fig.11 Power variation of each component with cycle energy of batteries being about 200kW·h under the circumstance of weak irradiation and a high level of SOC

圖12 日照較弱，起始SOC 較高的情況下蓄電池循環(huán)電量約為500kW·h 時各部分功率Fig.12 Power variation of each component with cycle energy of batteries being about 500kW·h under the circumstance of weak irradiation and a high level of SOC

日照較弱，白天充電的電動汽車基本將光伏發(fā)電耗盡，只有少量剩余的光伏功率向蓄電池組充電；光伏發(fā)電功率為0 的時段，系統(tǒng)的功率流動與日照較強，起始SOC較低的情況類似。

（4）日照較弱、蓄電池組起始SOC較低的情況

由Pareto 最優(yōu)解（見圖6）可知，此時可獲得的最大循環(huán)電量為192.10kW·h，購電費用為179.61元。這是由于日照較弱且蓄電池起始SOC狀態(tài)較低，蓄電池自身的可放電量低，光伏發(fā)電給蓄電池的補充也極為有限。各組件在24h 內(nèi)的功率變化如圖13 所示。

圖13 日照較弱，起始SOC 較低的情況下蓄電池循環(huán)電量約為192.10kW·h 時各部分功率Fig.13 Power variation of each component with cycle energy of batteries being about 192.10kW·h under the circumstance of weak irradiation and a low level of SOC

光伏發(fā)電時段，各組件功率曲線與日照較弱、起始SOC較高的情況類似；為滿足一部分電動汽車的充電要求，蓄電池組儲存的電能大部分在夜晚電價較高時段釋放；大部分電動汽車在夜晚電價最低的時段通過配電網(wǎng)供電來完成充電。

5.2.3 調(diào)度方案的選擇

采用多目標優(yōu)化方法，所獲得的調(diào)度方案是一組既考慮成本又考慮循環(huán)電量的Pareto 最優(yōu)解，在具體應(yīng)用中，需要運行人員根據(jù)實際情況選擇合適的調(diào)度方案。由于光伏發(fā)電受天氣因素影響較大，可根據(jù)未來幾天日照變化情況綜合考慮:①如果日照較充足，可以適當增大蓄電池的循環(huán)電量，將SOC保持在較低水平，能儲存更多光伏發(fā)電量；②如果日照不充足，在負荷谷時段盡量從配電網(wǎng)購電，負荷峰時段可使用蓄電池放電，降低購電費用。

5.2.4 優(yōu)化結(jié)果與即時充電方式的比較

為分析本文的優(yōu)化效果，將優(yōu)化后的調(diào)度方案與電動汽車即時充電的調(diào)度方案進行比較。即時充電方案的基本策略是:電動汽車即停即充，直至充滿；光伏發(fā)電優(yōu)先服務(wù)電動汽車充電，有過剩時向蓄電池組充電；光伏發(fā)電量不足時，由蓄電池組放電以滿足電動汽車充電需求；光伏發(fā)電和蓄電池共同供電仍不能滿足充電需求時，將由配電網(wǎng)補充。

即時充電的調(diào)度方案具有唯一性，按如下思路將多目標調(diào)度方案與即時充電方案進行比較:①選擇與即時充電方案中循環(huán)電量相接近的最優(yōu)解，比較購電費用的大??；②選擇與即時充電方案中購電費用相接近的最優(yōu)解，比較循環(huán)電量的高低。結(jié)果見表2。

表2 優(yōu)化調(diào)度方案與即時充電方案的比較Tab.2 Comparison between optimal distribution and instant charging

由于即時充電方案的蓄電池循環(huán)電量非常高，在選取最優(yōu)解時，甚至有可能找不到循環(huán)電量接近的情況，因此只能選取相對接近的最優(yōu)解。由比較可知，在四種場景下，本文優(yōu)化結(jié)果在循環(huán)電量或購電費用方面具有較大的優(yōu)勢。

5.2.5 預(yù)測誤差對優(yōu)化方案的影響

電動汽車到/離站時間、電量需求及光伏預(yù)測都客觀存在誤差，將導(dǎo)致系統(tǒng)無法完全按日前優(yōu)化方案運行，影響優(yōu)化效果。此時，需要對調(diào)度方案進行調(diào)整，本文所設(shè)定的原則是:①以日前優(yōu)化結(jié)果的起始充電時間為基準，實際起始充電時間按就近原則進行調(diào)整；②在負荷高峰時段，優(yōu)先調(diào)整蓄電池組充放電功率；③在負荷平時段和低谷時段，優(yōu)先調(diào)整配電網(wǎng)供電功率。

為分析預(yù)測誤差對優(yōu)化方案的影響，按誤差量級（10%～40%，基礎(chǔ)數(shù)據(jù)見附表）隨機生成多組數(shù)據(jù)來模擬實際運行情況。選取日照較強、蓄電池起始SOC較低的情況下調(diào)度方案作為分析對象，根據(jù)上述方案對運行過程中的偏差進行調(diào)整，仿真得到運行結(jié)果的相對偏差如圖14 所示。

圖14 誤差量級對運行結(jié)果的影響Fig.14 Impact of different deviation levels on operation result

由結(jié)果可知，合適地實時調(diào)整策略，會有效降低誤差的影響程度。雖然運行結(jié)果相比較最優(yōu)解仍存在差異，但遠小于基礎(chǔ)數(shù)據(jù)的誤差量級；并且，與即時充電方案相比，仍具有較大優(yōu)勢。

6 結(jié)論

（1）本文針對電動汽車光伏充電站建立了優(yōu)化調(diào)度的數(shù)學模型，求解獲得以購電費用和循環(huán)電量為目標的Pareto 解集，通過優(yōu)化結(jié)果分析，驗證了模型的合理性。

（2）在實際應(yīng)用中，可根據(jù)蓄電池的起始SOC狀態(tài)和日照情況，綜合考慮循環(huán)電量和購電費用等因素，選擇每日的優(yōu)化調(diào)度方案。

（3）后續(xù)工作可對系統(tǒng)更長周期的運行進行優(yōu)化，進一步確定每日循環(huán)電量取值，從而選擇每日最佳調(diào)度方案。

附 錄

附表 各誤差量級的基礎(chǔ)數(shù)據(jù)App.Tab. Basic data of different deviation levels

[1]中華人民共和國科學技術(shù)部.《電動汽車科技發(fā)展“十二五”專項規(guī)劃》[EB/OL].[2012-03-27].http://www.most.gov.cn/tztg/201204/W02012050340-7413903488.pdf.

[2]中華人民共和國國務(wù)院.《節(jié)能與新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃（2012—2020 年）》[EB/OL].[2012-06-28].http://www.gov.cn/zwgk/2012-07/09/content_2179032.htm.

[3]中華人民共和國國務(wù)院《“十二五”國家戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展規(guī)劃》[EB/OL].[2012-07-09].http://www.gov.cn/zwgk/2012-07/20/content_2187770.htm.

[4]馬鈞,年晨寧.崇明島2020 年電動汽車可再生能源獨立電網(wǎng)的構(gòu)想[J].農(nóng)業(yè)裝備與車輛工程,2011(2):1-7.Ma Jun,Nian Chenning.A scheme for renewable grid for EV of 2020 in Chongming island[J].Agricultural Equipment&Vehicle Engineering,2011(2):1-7.

[5]樊揚,余欣梅,王路.南方電網(wǎng)區(qū)域發(fā)展電動汽車綜合效益分析[J].南方電網(wǎng)技術(shù),2011,5(4):51-54.Fan Yang,Yu Xinmei,Wang Lu.Analysis on the comprehensive benefit of the electric vehicle development in the region of China southern power grid[J].Southern Power System Technology,2011,5(4):51-54.

[6]錢科軍,袁越,石曉丹,等.分布式發(fā)電的環(huán)境效益分析[J].中國電機工程學報,2008,28(29):11-15.Qian Kejun,Yuan Yue,Shi Xiaodan,et al.Environmental benefits analysis of distributed generation[J].Proceedings of the CSEE,2008,28(29):11-15.

[7]張學清,梁軍,張利,等.計及風光電源的一種地區(qū)電網(wǎng)電動汽車充電調(diào)度方法[J].電工技術(shù)學報,2013,28(2):28-35.Zhang Xueqing,Liang Jun,Zhang Li,et al.Approach for plug-in electric vehicles charging scheduling considering wind and photovoltaic power in chinese regional power grids[J].Transaction of China Electrotechnical Society,2013,28(2):28-35.

[8]Ahmed Yousuf Saber,Ganesh Kumar Venayagamoorthy.Plug-in vehicles and renewable energy sources for cost and emission reductions[J].IEEE Transactions on Industrial Electronics,2011,58(4):1229-1238.

[9]劉文霞,趙天陽,邱威,等.規(guī)?；?EV 充電與風力/火電發(fā)電系統(tǒng)協(xié)調(diào)運行[J].電工技術(shù)學報,2013,28(5):49-57.Liu Wenxia,Zhao Tianyang,Qiu Wei.Coordinated operation of large scale electric vehicles charging with wind-thermal power system[J].Transaction of China Electrotechnical Society,2013,28(5):49-57.

[10]Li X,Lopes L A C,Williamson S S.On the suitability of plug-in hybrid electric vehicle(PHEV) charging infrastructures based on wind and solar energy[C].IEEE Power &Energy Society General Meeting,PES'09,2009:1-8.

[11]馮巍.電動汽車充電站10kW 光伏發(fā)電系統(tǒng)[J].電氣技術(shù),2010(10):94-96.Feng Wei.Electric car charging station configured with 10kW photovoltaic power generation system[J].Electrical Engineering,2010(10):94-96.

[12]Locment F,Sechilariu M,Forgez C.Electric vehicle charging system with PV grid-connected configuration[C].2010 IEEE Vehicle Power and Propulsion Conference (VPPC),2010:1-6.

[13]肖湘寧,陳征,劉念.可再生能源與電動汽車充放電設(shè)施在微電網(wǎng)中的集成模式與關(guān)鍵問題[J].電工技術(shù)學報,2013,28(2):1-14.Xiao Xiangning,Chen Zheng,Liu Nian.Integrated mode and key issues of renewable energy sources and electric vehicles’charging and discharging facilities in microgrid[J].Transaction of China Electrotechnical Society,2013,28(2):1-14.

[14]劉念,唐霄,段帥,等.考慮動力電池梯次利用的光伏換電站容量優(yōu)化配置方法[J].中國電機工程學報,2013,33(4):34-44.Liu Nian,Tang Xiao,Duan Shuai,et al.Capacity optimization method for PV-based battery swapping stations considering second-use of electric vehicle batteries[J].Proceedings of the CSEE,2013,33(4):34-44.

[15]Zhang Yingda,Liu Nian,Zhang Jianhua.Optimum sizing of non-grid-connected power system incorporating battery-exchange stations[C].2012 7th International Power Electronics and Motion Control Conference,2012:2123-2128.

[16]H Roth,P Kuhn,B G Neudecker.Sustainable mobilitycost-effective and zero emission integration of Germany's EV fleet[C].2009 International Conference on Clean Electrical Power,Capri,2009:207-211.

[17]李秋碩,肖湘寧,郭靜,等.電動汽車有序充電方法研究[J].電網(wǎng)技術(shù),2012,36(12):32-38.Li Qiushuo,Xiao Xiangning,Guo Jing.Research on scheme for ordered charging of electric vehicles[J].Power System Technology,2012,36(12):32-38.

[18]徐智威,胡澤春,宋永華,等.充電站內(nèi)電動汽車有序充電策略[J].電力系統(tǒng)自動化,2012,36(11):38-43.Xu Zhiwei,Hu Zechun,Song Yonghua,et al.Coordinated charging of plug-in electric vehicles in charging stations[J].Automation of Electric Power Systems,2012,36(11):38-43.

[19]田文奇,和敬涵,姜久春,等.基于自適應(yīng)變異粒子群算法的電動汽車換電池站充電調(diào)度多目標優(yōu)化[J].電網(wǎng)技術(shù),2012,36(11):25-29.Tian Wenqi,He Jinghan.Jiang Jiuchun,et al.Multiobjective optimization of charging dispatching for electric vehicle battery swapping station based on adaptive mutation particle swarm optimization[J].Power System Technology,2012,36(11):25-29.

[20]陳昌松,段善旭,蔡濤,等.基于模糊識別的光伏發(fā)電短期預(yù)測系統(tǒng)[J].電工技術(shù)學報,2011,26(7):83-89.Chen Changsong,Duan Shanxu,Cai Tao.Short-term photovoltaic generation forecasting system based on fuzzy recognition[J].Transaction of China Electrotechnical Society,2011,26(7):83-89.

[21]Zhou Chengke,Qian Kejun,Malcolm Allan,et al.Modeling of the cost of EV battery wear due toV2G application in power systems[J].IEEE Transactions on Energy Conversion,2011,26(4):1041-1050.

[22]Deb K,Agrawal S,Pratap A,et al.A fast elitist nondominated sorting genetic algorithm for multiobjective optimization:NSGA-II[J].IEEE Transactions on Evolutionary Computation,2002,6(2):182-197.

[23]宋洪磊,吳俊勇,冀魯豫,等.風光互補獨立供電系統(tǒng)的多目標優(yōu)化設(shè)計[J].電工技術(shù)學報,2011,26(7):104-111.Song Honglei,Wu Junyong,Ji Luyu,et al.Multiobjective optimal sizing of stand-alone hybrid wind/pv system[J].Transactions of China Electrotechnical Society,2011,26(7):104-111.

[24]馮士剛,艾芊.帶精英策略的快速非支配排序遺傳算法在多目標無功優(yōu)化中的應(yīng)用[J].電工技術(shù)學報,2007,22(12):146-151.Feng Shigang,Ai Qian.Application of fast and elitist non-dominated sorting generic algorithm in multiobjective reactive power optimization[J].Transactions of China Electrotechnical Society,2007,22(12):146-151.

[25]北京市電網(wǎng)峰谷分時銷售電價表（夏季）[EB/OL].[2011-02-11].http://www.bjpc.gov.cn/tztg/200911/P02-0091121010684247161.xls