基于分层控制的电动汽车充电站实时功率调控策略

• 作 者: 张沛然
• 机 构: 北京交通大学
• 出 处: 北京交通大学
• 发表日期: 2018年期
• 关键词: 电动汽车充电站 充电功率 分层控制 遗传算法 电网负荷

目前，电动汽车的大规模应用导致充电需求与日俱增，对充电基础设施和电力系统而言都是前所未有的挑战。能够提供最大便利性、渗透到配电网末端的中小型充电站，由于受到既有变压器供电能力等限制，电动汽车用户的需求、充电站运营商的收益和电力系统的效益（包括经济和社会效益）这三者之问既存在关联性，也存在一定的矛盾性，需要通过相应的手段来达到三者之间的平衡和优化。而对电动汽车充电过程和充电功率进行控制，将无序行为变为三者均可接受的有序行为，无疑是最为直接有效的手段。各个中小型充电站的运行均变为有序后，由点及面地，其对电力系统整体的影响也从负面转为正面。因此，深入研究面向中小型充电站的充电功率控制策略具有重要的意义。　　本文即面向中小型充电站，考虑电动汽车充电行为的不确定性，基于可普遍获得的实时交互数据，建立了充电负荷的可控模型，提出了由硬件数据层、动态排序层和优化控制层构成的分层控制架构，用于充电功率的实时优化控制。硬件数据层获取实时数据，为动态排序提供支持;动态排序层以充电站日运营收入最大与日用户不满意度最小为优化目标，为接入的电动汽车确定优先级顺序;优化控制层以负荷波动平抑为目标，根据优先级排序结果，对电动汽车充电功率进行实时控制，从而实现了如前所述的三者之间的平衡和优化。　　在动态排序层，本文提出了动态权重优先级公式，采用贪心算法对优先级指标和权重因子进行寻优，得到使两个目标同时最优的优先级表达式作为最佳贪心策略，并以此确定排序结果。在优化控制层，利用负荷波动平抑指标来界定波动平抑区间，通过改进遗传算法，对与功率调控力度和用户不满意度相关的两个互为对立的目标函数进行多目标优化求解，得到帕累托有效解集，并采用TOPSIS分析法辅助决策得到最优波动平抑指标，从而实现完整的充电功率控制过程。　　仿真结果表明，本文研究的实时分层控制策略能够在满足用户需求和充电站运营商收入能力的基础上，降配电网负荷波动，达到了本文的研究目标。此外，应用该策略能够明显提升充电站的投资收益率，该成果在中小型充电站中具有良好的应用前景。