基于太陽能充電站中風光火多目標優化管理問題的研究

,劉興2

(1.西安理工大學 自動化與信息工程學院，西安 710048;2.中國機械設備工程股份有限公司(CMEC)，北京 100055)

0 引言

環境污染與資源短缺的現實情況促使全球各國開始重新聚焦新能源的開發利用問題，并且寄希望于新能源能夠改善化石燃料所帶來的環境污染以及可能會發生的能源枯竭問題[1]。正是基于上述問題，新能源汽車屢次被國內外眾多汽車行業巨頭所提及。促使新能源汽車行業蓬勃發展當然離不開相應充電設施的完善。電動汽車充電站未來的發展方向將是無人化、智能化、方便快捷，要求充電站不僅能對站內的緊急情況作出反應，而且可以自主、充分、合理地實現當地電力資源的調度，因此，本文在研究無人值守太陽能充電站的基礎之上，提出一種太陽能充電站運營過程中將風、光、火力發電系統相結合的充電站運營管理策略。一方面盡可能利用光伏資源，以當地火力發電系統和風力發電系統為依托(假如存在的情況下，例如我國西部地區風力資源和光照資源相對豐富，可利用光伏資源更多[2])，盡可能減少購電費用，從而減少充電站的運營成本；另一方面考慮電動車充電電流和電壓，盡量減少充電站內蓄電池的過流充電、欠壓充電，從而增加充電站內蓄電池的使用壽命[3]。

1 無人值守太陽能充電站系統總體概述

1.1 系統結構

該系統主要由太陽能發電系統、儲電管理系統、直流配電系統、充電系統、監控管理系統五部分組成[4]。太陽能充電站總體結構示意圖如圖1所示。

圖1 太陽能充電站系統結構圖

1.2 系統各部分功能

1)太陽能發電系統：由光伏電池組件和電路轉換裝置組成。

2)儲電管理系統：利用蓄電池組將多余的能量儲存起來，作為太陽能充電站后備能量和夜間備用電能。

3)直流配電系統：大功率直流充電機運行時需要穩定的輸出，必不可少地需要直流配電系統進行配電管理[4]。

4)充電系統：通常采用有源校正型高頻開關整流充電機作為非車載充電機，其電路簡單，技術成熟，工作性能穩定，性價比較高[4]。

5)監控管理系統：實時監控設備運行狀態，在發生故障的時候能夠自動緊急停機，降低人身財產損失，定時匯集運行數據，分析用戶使用充電樁的數據，以便發生故障時及時通知維修人員趕赴現場進行搶修[4]。

1.3 太陽能充電站運營成本分析

因為該系統采用純太陽能發電系統為電動汽車進行充電，因此該系統主要運營成本來自于光伏電池組件、電路轉換裝置、蓄電池組、配電系統等。由于該系統光伏電池組件、電路裝換裝置、配電系統價格壽命基本固定，系統成本的降低主要來源對蓄電池組的合理使用以延長蓄電池使用壽命和控制外接電力資源的購電成本兩方面。

2 風光火一體電動汽車充電樁運營策略

由于我國各地區、資源的限制問題，真正完全意義上的純太陽能電動車充電系統，就目前來說并不能完全適應我國國情，日照輻射不穩定或者光照資源相對匱乏的地區可能不能完全供應繁忙的電動汽車充電需求。就目前來說，火力發電系統還是占到所有形式發電系統的一半以上，其次是水電、風電、其它形式的發電形式，如圖2所示是2017年中國發電結構餅狀圖[5]。

圖2 2017年中國發電結構圖

本文在研究太陽能充電站的基礎之上，考慮到當地可能現有的能源結構，從而將太陽能與非太陽能發電結構相結合對電動汽車進行充電，使得該充電站的利益最大化。

當太陽能充電站所產生的電量和蓄電池組的電量可以供應用戶充電需求，則此時不需要購電成本。當太陽能充電站產生的電量和站內蓄電池組的電量不足以供應用戶充電需求時，則需要從當地火力和風力發電系統購電(這里只考慮太陽能、火力、風力發電結構，其余情況類似分析)，此時產生購電成本。在此情況下，考慮購什么形式的電能能使得該系統成本最優，從而使得運營商的利益最大化，為今后光、風、火一體化充電運營方式提供理論和技術支撐。

3 風光火充電結構多目標優化函數調度模型

3.1 模型概述

該系統涉及光、風、火一體充電結構，分析該系統購電成本和電池組充電功率，則需要分析光伏發電功率、蓄電池組充電電壓和充電電流、火力發電功率、風力發電功率、風力購電費用、火力購電費用、汽車充電時間等諸多因素，以及相關影響因子，如光伏發電功率需要分析太陽能光伏板轉換功率、日照條件、光伏電池板的傾角[6]；配電網功率需要分析功率損耗、成本、分時電價等。在此，本文提出一種設置各種發電結構的總損耗系數的方式，去建立各該系統優化函數模型，從而去分析模型并求解系統最優解。

3.2 優化目標函數1—購電費用

由上文可知，該系統購電成本主要來自于充電站向火力和風力配電系統的購電費用，因此減少外在能源的購電費用，便是我們優化調度的第一個目標。

C=M(t)·E(t)

(1)

(2)

其中(1)式中M(t)為ΔT時間段內購電單價，E(t)為ΔT時間段的購電電量，C為向火力和風力發電系統總購電成本。(2)式Pf(t)為ΔT時間段火力發電系統平均功率，Mf(t)為ΔT時間段火力發電系統購電單價，Pw(t)為ΔT時間段風力發電系統平均功率，Mw(t)為ΔT時間段風力發電系統購電單價。

由能量守恒定理可知：當蓄電池組處于放電狀態時，如果太陽能發電能量和充電站內蓄電池組電量小于用戶充電電電量，則需要從風電系統或者火電系統購電；如果光伏發電電量和蓄電池組電量大于用戶充電電量，此時不需要購電成本，系統處于動態平衡。當蓄電池組處于充電狀態時，同理，如果太陽能發電電量小于蓄電池組和電動汽車充電電量之和，則需要從風電系統或者火電系統購電；如果太陽能發電電量大于蓄電池組和電動汽車充電電量之和，則不需要購電費用，此時讓蓄電池組盡可能最大程度吸收太陽能剩余電量并存儲起來。具體如下：

Es(t)μs(t)+Eb(t)μb(t)-Ec(t)μc(t)<0

(3)

購電電量為：

E(t)=Eb(t)μb(t)+Es(t)μs(t)-Es(t)μs(t)=

Ef(t)+Ew(t)

(4)

因為我們需要考慮時間約束，以便后續分析。在此，對(4)式作如下變換，如下：

P(t)=Pc(t)μc(t)+Pb(t)μb(t)-Ps(t)μs(t)=

Pf(t)+Pw(T)

(5)

其中：充電時，Pb(t)>0；放電時，Pb(t)<0。如下：

(6)

在上述式(3)中Es(t)、Ec(t)、Eb(t)、Ef(t)、Ew(t)、E(t)分別為ΔT時間段光伏發電電量、電動汽車的充電電量、蓄電池的電量、向風力發電系統購電電量、向火力發電系統購電電量、總購電電量；式(3)、(4)中μs(t)、μc(t)、μb(t)分別為光伏發電總損耗、電動汽車充電過程中損耗、蓄電池組總損耗。式(5)中Ps(t)、Pc(t)、Pb(t)、Pf(t)、Pw(t)、P(t)為ΔT時間段內光伏發電功率、站內電動汽車充電功率、電動汽車需求充電功率、蓄電池組充放電功率、風力發電功率、火力發電功率、購電總功率。

3.3 優化目標函數2-蓄電池組充電功率

蓄電池常用充電方式有三種[7]：恒流充電法，恒壓充電法，階段充電法。恒流充電法是用調整充電裝置輸出電壓或改變與蓄電池串聯電阻的方法，保持充電電流強度不變的充電方法，但由于電池的可接受電流能力是隨著充電過程的進行而逐漸下降的，到充電后期，充電電流多用于電解水，產生氣體，使出氣過甚；恒壓充電法是充電電源的電壓在全部充電時間里保持恒定的數值，隨著蓄電池端電壓的逐漸升高，電流逐漸減少。與恒流充電法相比，其充電過程更接近于最佳充電曲線，但是恒壓充電法在充電初期電流過大，對蓄電池壽命造成很大影響，且容易使蓄電池極板彎曲，造成電池報廢；階段充電法是將恒壓充電法與恒流充電法的結合，常用兩階段充電法。首先，以恒電流充電至預定的電壓值，然后，改為恒電壓完成剩余的充電[7]。

本文采用二階段充電法，給蓄電池充電，即：先以恒電流充電至預定的電壓值，然后，改為恒電壓完成剩余的充電。文中在通過約束充電電壓、電流，而后在其范圍內分別對充電功率進行計算，如式(7)、(8)：

(7)

(8)

其中:Umax、Umin為蓄電池生產廠商規定的蓄電池最佳充電電壓范圍值，Imax、Imin為蓄電池生產廠商規定的蓄電池最佳充電電流范圍值，U(t)、I(t)分別為t時刻蓄電池組充電電壓，和充電電流。

3.4 模型約束

3.4.1 電壓、電流約束

電池生產廠商在蓄電池生產時已經規定好了蓄電池的最佳充電電流和電壓。例如：12 V鉛酸電池為最佳充電電壓為14～15 V，充電電流一般都是容量的10%即10小時率[8]，比如100 AH 12 V的電池，最佳充電電壓和電流分別為：15 V 10 A。因此電壓、電流約束如式(9)、(10)所示：

Umax>U(t)≥Umin

(9)

Imax>I(t)≥Imin

(10)

3.4.2 電動汽車充電時間約束[9]

(11)

Tsk為第k輛車充電開始時間，t為電動汽車充電時間，Esk為第k輛車起始需求電量，ps為充電樁額定充電功率。電動汽車充電需求可由每臺電動汽車開始充電時刻的概率密度函數、日行駛里程的概率密度函數、充電時長的概率密度函數求得、單臺電動汽車充電功率求得[10-12]。

3.4.3 儲能轉換裝置的充/放電功率約束

儲能轉換裝置的充/放電功率受雙向ECS額定容量的約束[13]，如下：

|PB(t)|≤PB_cov

(12)

其中：PB_cov為蓄電池組的額定功率。

3.4.4 風電系統發電功率約束

風電系統發電功率，主要是在充電起始時間內，風電系統將動能轉化為電能的機組輸出功率并乘以相應損耗系數，生成Pw(t)。

3.4.5 火電系統發電功率約束

火電系統發電功率，主要是在充電起始時間內，火電系統將熱能轉化為電能的機組輸出功率并乘以相應損耗系數，生成Pf(t)。

3.4.6 能量守恒約束[13]

當太陽能充系統處于動態平衡狀態，此時系統輸入能量等于系統輸出能量，如式(13)：

P(t)+Ps(t)μs(t)=Pc(t)μc(t)+Pb(t)μb(t)

(13)

3.5 優化模型求解

由上可知，該優化模型可表述為：

(Cmin,Pmin)=F{tks,Uk(t),Ik(t)}

(14)

由于該函數等式具有多目標、非線性特點特點，NSGA-II算法是在傳統NSGA基礎之上進行改進：提出了快速非支配排序法，降低了算法的計算復雜度；提出了擁擠度和擁擠度比較算子[14]，代替了需要指定共享半徑的適應度共享策略，并在快速排序后的同級比較中作為勝出標準，使準Paroet域中的個體能擴展到整個Pareto域，并均勻分布，保持了種群的多樣性；引入精英策略，擴大采樣空間。本文采用NSGA-II去解決文中出現的多目標優化問題。

NSGA-II算法的基本思想是：首先，隨機產生規模為N的初始種群，非支配排序后通過遺傳算法的選擇、交叉、變異三個基本操作得到第一代子代種群；其次，從第二代開始，將父代種群與子代種群合并，進行快速非支配排序，同時對每個非支配層中的個體進行擁擠度計算，根據非支配關系以及個體的擁擠度選取合適的個體組成新的父代種群；最后，通過遺傳算法的基本操作產生新的子代種群，依此類推，直到滿足程序結束的條件。

該算法具體流程如圖3。

圖3 NSGA-II算法流程圖

該模型計算步驟如下：

1)計算光伏發電輸出功率。根據太陽能發電歷史數據、天陽能電池板傾角、太陽能電池板的面積、太陽能日輻射量等因素[15]，計算得到未來24 h內每時刻光伏系統輸出功率Ps(t)。

2)計算蓄電池組充放電功率。在式(12)約束條件下得到每時刻蓄電池組充放電功率PB(t)。

3)計算該太陽能充電站從配電網購電功率。根據能量守恒定理，在式(13)約束條件下，求出每時刻系統從配電網購電功率。

4)獲得風電系統和火電系統輸出功率，并乘相應損耗系數，得到Pf(t)、Pw(t)。

5)計算目標函數。購電費用，根據購得電量和火電系統以及風電系統分時電價，綜合考慮購買哪一種能量形式，或者二者綜合；蓄電池組充電功率，在求得費用最低，而且蓄電池組生產廠商規定最佳充電電壓和電流范圍內，計算電池充電功率。

具體計算流程如圖4所示。

圖4 NSGA-II優化模型求解流程圖

這里給出NSGA-II算法主函數部分代碼如圖5所示。

圖5 NSGA-II算法主函數部分代碼

4 案例分析

4.1 相關數據

該案例中站內光伏額定功率為150 kW，鉛酸蓄電池額定容量為200 ，放電深度為0.8。

光伏充電站內有10臺充電樁，每臺充電樁額定功率為10 kW，車載鋰電池額定容量為100 Ah，額定電壓為250 V。由于充電站為單位所用，故該站內車輛基本到達時間為8:00，離開時間為下午18:00，統計其行為規律繪制如圖6；由于車輛自身需求電量不同，每日光伏發電功率也不相同，因此統計該樣本充電需求繪制如圖7，為后續進行模型求解。

圖6 電動汽車行為規律

圖7 電動汽車充電需求樣本

充電站從火力發電系統購電，按負荷的峰值特性將24 h的電價分為如表1 三個階段[16]。

表1 火電系統分時電價圖

充電站從風電系統購電，按負荷峰值特性將24 h劃分為如表2幾個階段[17]，這里以甘肅酒泉地區為例。

表2 風電系統分時電價圖

4.2 結果分析

在此案例基礎上，運用NSGA-II算法，帶入相應決策變量、約束條件、目標函數等相關參數，利用Matlab軟件，得到Pareto最優解。NSGA-II算法參數設置[18-19]如下：種群數量為800，最大迭代次數為800，交叉率為0.9，變異率為0.1。由于光照強度的不同、蓄電池充電方式的不同(二階段充電法，預定閥值的設定)，因此本文設計了如下四種充電方案，用來對兩個目標函數進行優化，方法如下(以下方案均是指蓄電池的二階段充電)：

1)光照強的情況下，恒流充電階段是以生產廠商規定的最佳充電電流范圍中的最大值充電，恒壓充電階段是以生產廠商規定的最佳充電電壓范圍最小值充電，結果如圖8。

2)光照強的情況下，恒流充電階段是以生產廠商規定的最佳充電電流范圍中的最小值充電，恒壓充電階段是以生產廠商規定的最佳充電電壓范圍最小值充電，結果如圖9。

3)光照弱的情況下，恒流充電階段是以生產廠商規定的最佳充電電流范圍中的最大值充電，恒壓充電階段是以生產廠商規定的最佳充電電壓范圍最小值充電，結果如圖10。

4)光照弱的情況下，恒流充電階段是以生產廠商規定的最佳充電電流范圍中的最小值充電，恒壓充電階段是以生產廠商規定的最佳充電電壓范圍最小值充電，結果如圖11。

圖8 光照強的情況下，方案一充電方式中購電成本與可利用電能之間關系

圖9 光照強的情況下，方案二充電方式中購電成本與可利用電能之間關系

圖10 光照弱的情況下，方案三充電方式中購電成本與可利用電能之間關系

圖11 光照弱的情況下，方案四充電方式中購電成本與可利用電能之間關系

綜上所述，當光照強的情況下，可利用電量增加，購電成本降低；蓄電池可利用電量增加，購電成本降低。光照較強時，方案一相對于方案二，購電成本略高，可利用電量幾乎相當，此時推薦方案二充電方式；光照較弱時，方案三相對于方案四，購電成本略高，可利用電量基本相當，此時推薦方案四充電方式。

5 結論

本文在研究太陽能電動汽車充電站基礎之上，討論該系統接入火電、風電充電系統的整體運營策略。通過Matlab軟件，基于NSGA-II算法，獲得該充電站的調度方案。充分考慮了該充電站運營成本和蓄電池損耗因素等問題，在優化蓄電池充電功率基礎之上，如何使得該蓄電池盡量減少過流充電現象。建立了集光、風、火一體充電樁運營優化模型，并求解了系統Pareto最優解，為后續設計多種電力資源的運營管理問題提供了一條參考途徑。