文章快速检索 高级检索

1. 南京南瑞继保电气有限公司, 江苏 南京 210096;
2. 中国电力科学研究院, 江苏 南京 210096

Optimal control strategy for multi EV swapping stations
ZHANG Dong1, PENG Peipei2, JIANG Xingxing2, XU Xiaohui2
1. NARI RELAYS Electric Company Limited, Nanjing 210096, China;
2. China Electric Power Research Institute, Nanjing 210096, China
Abstract: With the development of electric vehicle (EV) and smart grid, it appears to be an inevitable trend to control the charge of batteries in the battery swap stations, which can reduce the growing load peak and off-peak difference and save the power system operation cost. It is necessary to find a proper charging control strategy of the batteries in the battery swapping stations. As for the unidirectional charging pattern, a sequential mathematical charging model on the battery swapping stations was established to shift peak and fill valley, with optimizing the load curve of power grid as a target, a user's demand for replacing battery and the charging properties of batteries were comprehensively considered. An improved particle swarm optimization (PSO), i.e. a cooperative PSO for integer programming was applied to solve this high-dimensional mathematical model. Three simulation examples based on MATLAB shows the effectiveness of the model and its solution algorithm.
Key words: battery swapping station     state of charge     electric vehicle     charging control     peak-cutting and valley-filling

1 电动汽车换电站充电优化模型 1.1 充电机充电功率模型

 (1)

 (2)

 (3)

 (4)

 (5)

 (6)

1.2 电动汽车换电站充电优化模型

1.2.1 模型假设

1) 电网内电动汽车换电站的电池分为两类：对于换电站r，大部分电池(共Nr0节)参与电网充电优化，与充电机相连，随时可进行充电，称为统调电池；其余电池一般为满电池，作为备用电池，不与充电机相连，防止因为换电需求预测误差造成某时段在站已充满的电池无法满足换电需求。本文的控制策略均基于统调电池，备用电池不予考虑。

2) 实际上换电站内电池型号不同，为了方便计算，换电站内采用同一型号的电池，且电池进站、出站时的电量相同，假定电池进站时电池的荷电状态(state of charge)Cb=20%，出站时Ce=100%。

3) 基于电网日负荷曲线做优化，所以以1 d为一个优化周期，优化周期始末时刻均为0点，一般情况下优化周期始末状态相同，即优化周期始末所有统调电池仅允许有2种状态：已充满(C=100%)与未充电(C=20%)，满足：

 (7)

4) 考虑到在短时间内多次充电启停会对电池使用寿命造成极大的影响，且其作为电动汽车的核心部件成本非常昂贵，因此引入电池充电连续性约束条件。

1.2.2 优化目标

 (8)

 (9)
 (10)

1.2.3 约束条件

1) 用户需求约束

 (11)

 (12)

 (13)

 (14)

 (15)

2) 电池组充电约束

 (16)

 (17)

 (18)

 (19)

 (20)

 (21)

2 优化模型求解 2.1 粒子群整数规划算法

 (22)

 (23)

 (24)

vidt+1>0时，粒子会向d维正方向移动一个单位；同理，vidt+1＜0时，粒子会向d维负方向移动一个单位；当vidt+1 =0时，在d维的正负方向不存在好坏，这时粒子会随机移动一个单位或者保持静止。

xit=pgt时，粒子会向最优粒子xit+1的方向移动，且此时vit=0。若此时粒子保持静止会造成粒子早熟，所以要保证sign(c)在每个维的正负方向上的随机游动。

2.2 协同粒子群整数规划算法

 (25)

 (26)

3 算例及结果分析

3.1 参数设置

1) 电池组参数

 参数 数值 单体电池连接方式 2并14串 单体电池最大充电电压/V 4.2 整箱最大充电电压/V 58.8 整箱最大充电电流/A 120 电池容量/(kWh) 20 进站时SOC(SOCb)/% 20 出站时SOC(SOCe)/% 100 恒流充电时间/min 90 恒压充电时间/min 150

 时间 第1小时 第2小时 第3小时 第4小时 功率/kW 6.45 6.18 2.52 0.85

2) 电网负荷参数

 时段/h 负荷/MW 1 5.25 2 4.25 3 4 4 4 5 4.25 6 5.75 7 9 8 10.5 9 9.5 10 9.25 11 9.75 12 12 13 8 14 7.5 15 7.75 16 8.25 17 13 18 18 19 17.75 20 16 21 14.25 22 9.75 23 7.25 24 5.75

3) 换电站参数

 换电站 已充满电池数 未充电电池数 备用电池数 共计电池数 1 220 150 30 400 2 130 50 20 200

 时段/h 换电站1 换电站2 1 2 1 2 2 1 3 1 0 4 2 0 5 7 3 6 13 5 7 30 25 8 40 26 9 23 21 10 20 13 11 17 10 12 13 11 13 20 10 14 19 11 15 25 12 16 29 21 17 36 31 18 24 18 19 18 10 20 20 8 21 18 7 22 10 8 23 7 6 24 4 2

4) 算法参数

 类别 迭代次数Ts 粒子群数Nx 学习因子C1 学习因子C2 参数值 1 000 30 2 2

3.2 结果分析

 图 1 基于IPPSO优化前后的负荷曲线
 图 2 基于CIPPSO优化前后的负荷曲线

2类算法的收敛特性如图 3所示，可明显看出，协同粒子群整数规划算法的收敛效率明显高于粒子群整数规划算法，且收敛结果更好。由表 7可知，基于粒子群整数规划算法的优化结果较未优化时负荷曲线的方差下降4.47%，基于协同粒子群整数规划算法的优化结果较未优化时负荷曲线的方差下降5.12%。

 图 3 2类算法的收敛特性

 算法 优化前负荷曲线方差/(kW)2 优化后负荷曲线方差/(kW)2 方差下降比例/% IPPSO 1.836×107 1.754×107 4.47 CIPPSO 1.836×107 1.742×107 5.12

4 结论

1) 协同进化的方法在处理高维问题时具有明显的优越性。协同粒子群整数规划算法相较粒子群整数规划算法虽然每次迭代的计算量与内存开销增大一些，但对于高维问题，其收敛速度快，不易陷入局部优化，能快速地收敛到满意的最优解，更适合用于求解本章模型；

2) 影响换电站调节电网负荷曲线能力的2个因素有：换电站换电能力冗余系数和换电站换电需求占电网总电量的比例。换电站换电能力冗余系数越大，意味着电池组的可充电时间范围变大；换电站换电需求占电网总电量的比例越大，意味着换电站各时段的可调功率范围变大。这两者任意一个增大，使得换电站调节能力增大，对电网负荷曲线的优化效果也越好。然而，换电站的换电能力冗余系数增大要以加大换电站建设成本为代价，目前电动汽车动力电池非常昂贵的情况下，并不可行。

 [1] 周苏. 电动汽车简史[M]. 上海: 同济大学出版社, 2010: 8-11. [2] 辛建波, 温宇宾, 李睿. 电动汽车充电设施建设需求预测方法探讨[J]. 江西电力, 2010, 34(5): 1-5 [3] 陈良亮, 张浩, 倪峰, 等. 电动汽车能源供给设施建设现状与发展探讨[J]. 电力系统自动化, 2011, 35(14): 11-17 [4] 刘振亚. 智能电网技术[M]. 北京: 中国电力出版社, 2010: 304-310. [5] CLEMENT-NYNS K, HAESEN E, DRIESEN J. The impact of charging plug-in hybrid electric vehicles on a residential distribution grid[J]. IEEE transactions on power systems, 2010, 25(1): 371-380 DOI:10.1109/TPWRS.2009.2036481 [6] DENHOLM P, SHORT W. An evaluation of utility system impacts and benefits of optimally dispatched plug-in hybrid electric vehicles[R]. Golden, Colo:National Renewable Energy Laboratory, 2006. [7] FERNANDEZ L P, ROMAN T G S, COSSENT R, et al. Assessment of the impact of plug-in electric vehicles on distribution networks[J]. IEEE transactions on power systems, 2011, 26(1): 206-213 DOI:10.1109/TPWRS.2010.2049133 [8] LETENDRE S, WATTS R A. Effects of plug-in hybrid electric vehicles on Vermont electric transmission system[C]//Proceedings of the Transportation Research Board 88th Annual Meeting. Washington DC, USA:Transportation Research Board, 2009:1-13. [9] CLEMENT-NYNS K, HAESEN E, DRIESEN J. The impact of vehicle-to-grid on the distribution grid[J]. Electric power systems research, 2011, 81(1): 185-192 DOI:10.1016/j.epsr.2010.08.007 [10] SHAO Shengnan, PIPATTANASOMPORN M, RAHMAN S. Challenges of PHEV penetration to the residential distribution network[C]//Proceedings of 2009 IEEE Power & Energy Society General Meeting. Calgary, Canada:IEEE, 2009:1-8. [11] CAMUS C, SILVA C M, FARIAS T L, et al. Impact of plug-in hybrid electric vehicles in the Portuguese electric utility system[C]//Proceedings of the 2009 International Conference on Power Engineering, Energy and Electrical Drives. Lisbon, Portugal:IEEE, 2009:285-290. [12] PECAS LOPES J A, SOARES F J, ROCHA ALMEIDA P M, et al. Quantification of technical impacts and environmental benefits of electric vehicles integration on electricity grids[C]//Proceedings of the 8th International Symposium on Advanced Electromechanical Motion Systems & Electric Drives Joint Symposium. Lille, France:IEEE, 2009:1-6. [13] REI R J, SOARES F J, ROCHA ALMEIDA P M, et al. Grid interactive charging control for plug-in electric vehicles[C]//Proceedings of the 13th International IEEE Conference on Intelligent Transportation Systems. Funchal, Portugal:IEEE, 2010:386-391. [14] 国家电网公司. Q/GDW 478-2010, 电动汽车充电设施建设技术导则[S]. 北京:2010.

#### 文章信息

ZHANG Dong, PENG Peipei, JIANG Xingxing, XU Xiaohui

Optimal control strategy for multi EV swapping stations

Applied Science and Technology, 2017, 44(1): 45-51
DOI: 10.11991/yykj.201604016