安科瑞 陳聰

摘要：針對當前有序充電策略?xún)?yōu)化目標單一且未考慮新能源出力的現狀，提出了面向光儲充一體化社區的有序充電策略。首先，將降低社區負荷峰谷差作為電網(wǎng)層優(yōu)化目標，將減少用戶(hù)充電費用作為用戶(hù)層優(yōu)化目標，完成雙層多目標有序充電模型的設計。其次，設計基于云邊協(xié)同的調度架構，將電網(wǎng)層優(yōu)化模型部署在云端側，用戶(hù)層優(yōu)化模型部署在邊緣側。該架構能有效利用邊緣側的計算資源，緩解云端側面對電動(dòng)汽車(chē)大規模接入時(shí)的計算壓力。以5種充電場(chǎng)景為例進(jìn)行算例分析。實(shí)驗表明，與無(wú)序充電相比，所提策略能夠使社區負荷峰谷差減少40.47%，充電均價(jià)減少52.63%。與單層有序充電策略相比，該策略綜合效果優(yōu)勢明顯，在保障配電網(wǎng)安全穩定運行的同時(shí)，兼顧電動(dòng)汽車(chē)用戶(hù)的經(jīng)濟利益。

關(guān)鍵詞：光儲充一體化社區；有序充電；雙層多目標優(yōu)化模型；云邊協(xié)同；電動(dòng)汽車(chē)

0引言

近年來(lái)，隨著(zhù)全球經(jīng)濟的快速發(fā)展，大量化石能源被開(kāi)采使用，對環(huán)境造成污染，而電動(dòng)汽車(chē)因具有環(huán)保、低碳等優(yōu)點(diǎn)得以快速發(fā)展，據《電動(dòng)汽車(chē)發(fā)展戰略研究報告》數據預測，2030年我國電動(dòng)汽車(chē)保有量將達到6000萬(wàn)輛。電動(dòng)汽車(chē)數量的增加可以有效減少對傳統能源的使用，但電動(dòng)汽車(chē)大量接入電網(wǎng)勢必會(huì )帶來(lái)諸多影響，如加劇負荷波動(dòng)、增大負荷峰谷差、減少電網(wǎng)設備壽命等。因此研究電動(dòng)汽車(chē)有序充電策略具有重要意義和實(shí)用價(jià)值。

目前，國內外已經(jīng)針對電動(dòng)汽車(chē)有序充電策略開(kāi)展了相關(guān)研究。以變壓器容量等為約束條件、以充電站經(jīng)營(yíng)成本低為目標建立有序充電模型。在分時(shí)電價(jià)的基礎上，提出一種基于動(dòng)態(tài)分時(shí)電價(jià)的電動(dòng)汽車(chē)有序充電方法，引導車(chē)主有序充電，平抑配電網(wǎng)負荷波動(dòng)。以上研究?jì)H針對單一目標進(jìn)行優(yōu)化，未考慮多方利益。充分考慮到用戶(hù)多方面需求，提出了基于優(yōu)劣解距離法的電動(dòng)汽車(chē)有序充電優(yōu)化策略，該策略既能節約用戶(hù)充電成本，又能實(shí)現電力負荷削峰填谷的目標。以配電網(wǎng)與充電站交互功率、充電站運營(yíng)收益兩方面為目標，建立充電站調度模型，減小電池的損耗與放電成本。但上述研究都未考慮新能源出力的情況。針對分布式能源出力具有隨機性等問(wèn)題，構建了多目標兩階段優(yōu)化模型，平抑了分布式能源出力波動(dòng)，同時(shí)降低了用戶(hù)充電成本。針對電動(dòng)汽車(chē)的入網(wǎng)問(wèn)題，提出了含分布式電源和電動(dòng)汽車(chē)充電的優(yōu)化重構模型，在IEEE33節點(diǎn)標準配電系統中進(jìn)行仿真驗證。但上述研究未考慮加入儲能裝置提高分布式能源的就地消納。借助住宅小區的有序充電控制系統，利用分時(shí)電價(jià)調節電動(dòng)汽車(chē)充電負荷，達到用戶(hù)側和電網(wǎng)側利益的目的，但文中的集中式調度架構在面對大規模電動(dòng)汽車(chē)接入時(shí)，容易因計算量大而導致響應速度慢等問(wèn)題。

綜上所述，現有研究存在以下問(wèn)題：1)優(yōu)化目標單一，缺乏對用戶(hù)、電網(wǎng)等多方面利益的考慮；2)沒(méi)有考慮加入分布式能源和儲能設備來(lái)提高用戶(hù)響應策略的積極性和分布式能源的就地消納；3)現有的集中式調度架構在大規模電動(dòng)汽車(chē)接入的情況下，存在計算資源緊張、響應速度慢的問(wèn)題。鑒于上述問(wèn)題，本文針對包含光伏單元和儲能單元的社區，以光儲充一體化社區為例，提出了一種基于鼠群優(yōu)化算法(ratswarmoptimizer,RSO)的雙層多目標有序充電策略，在光伏充分消納的情況下，考慮用戶(hù)側和電網(wǎng)側的利益，有助于負荷的削峰填谷，降低峰谷差，同時(shí)減少充電費用。此外設計了基于云邊協(xié)同的調度架構，有效利用邊緣側的計算能力，降低云端側面對大規模數據的計算壓力。

1光儲充一體化社區無(wú)序充電分析

1.1光儲充一體化社區系統結構

如圖1所示，光儲充一體化社區系統由光伏單元、儲能單元和變壓器等組成。其中箭頭表示電能的流向，光伏單元和電網(wǎng)提供電能，充電樁和常規負荷消耗電能。其中儲能單元比較特殊，既能提供電能，也能消耗電能，為了后續簡(jiǎn)化充電模型，把儲能單元看作負荷消耗電能，計算時(shí)儲能單元若處于充電狀態(tài)，則功率為正，反之功率為負。

圖1光儲充一體化社區系統結構

當光伏出力大于充電負荷時(shí)，光伏單元先對充電樁供電，其次向儲能單元供電，若有富余再流向常規負荷；當光伏出力小于充電負荷時(shí)，儲能單元對充電樁進(jìn)行供電，充電負荷的差額由電網(wǎng)提供。

1.2社區無(wú)序充電負荷模型

單個(gè)居民的充電行為是隨機的和無(wú)序的，但從整體而言，充電規律會(huì )受到社區居民生活習慣和出行規律的影響。本文以2017年美國交通部對全美家用轎車(chē)出行的統計結果為依據，并結合中美出行時(shí)段差異做了一定程度的調整，使之更符合我國居民用戶(hù)的出行情況。

調整之后居民回家時(shí)間的概率密度函數為

式中：xs為居民回家時(shí)間；期望值?s?18.74；標準差? s? 3.41。假設居民回家就開(kāi)始充電，即可以把回家時(shí)間看作電動(dòng)汽車(chē)開(kāi)始充電時(shí)間。調整之后居民離家時(shí)間的概率密度函數為

式中：xe為居民離家時(shí)間；期望值?e? 7.92；標準差? e? 3.24。假設居民離家才結束充電，即可以把離家時(shí)間看作電動(dòng)汽車(chē)結束充電時(shí)間。

電動(dòng)汽車(chē)日行駛里程的概率密度函數為

式中：d為電動(dòng)汽車(chē)日行駛里程；期望值?d? 3.2；標準差? d?0.88。

居民出行規律概率密度分布如圖2所示。

圖2居民出行規律概率密度分布

從圖2可以看出：電動(dòng)汽車(chē)開(kāi)始充電時(shí)間集中在16：00—21：00，結束充電時(shí)間集中在06：00—10：00，日行駛里程集中在50km以?xún)取?/span>

1.3無(wú)序充電負荷模擬

本文采用蒙特卡洛法模擬社區居民的無(wú)序充電行為。假設電動(dòng)汽車(chē)每天充電一次，直到充滿(mǎn)為止，整個(gè)充電過(guò)程近似為恒功率充電，并選擇更適合社區的常規充電方式。電動(dòng)汽車(chē)無(wú)序充電負荷模擬流程如圖3所示，具體步驟如下。

圖3無(wú)序充電負荷模擬流程

1)輸入大仿真次數和電動(dòng)汽車(chē)總數量，并進(jìn)行初始化；

2)根據前文提到的概率模型，隨機生成車(chē)主充電開(kāi)始時(shí)間、結束時(shí)間和日行駛里程；

3)結合電動(dòng)汽車(chē)相關(guān)參數計算得到充電電量，并累加得到充電負荷；

4)當完成所有電動(dòng)汽車(chē)充電負荷的計算后，進(jìn)行下一次仿真，仿真次數達到大值后，取平均值輸出電動(dòng)汽車(chē)無(wú)序充電負荷曲線(xiàn)。

1.4社區無(wú)序充電仿真分析

社區電動(dòng)汽車(chē)無(wú)序充電負荷和儲能單元、光伏單元出力情況如圖4(a)所示，三者再和社區常規負荷疊加得到無(wú)序充電下的社區負荷，如圖4(b)所示。

從圖4中可以看出：光伏單元出力時(shí)間集中在在08：00—17：00，期間光伏發(fā)電量可以覆蓋充電負荷和儲能單元的消耗，剩下的再供給社區常規負荷使用，無(wú)須上網(wǎng)，減少傳輸時(shí)的損耗，實(shí)現就地消納。但充電負荷集中的時(shí)間段正好是常規負荷的高峰時(shí)間段，容易“峰上加峰”，進(jìn)一步增加峰谷差，加劇電網(wǎng)負荷波動(dòng)。此時(shí)儲能單元可以放電，對充電樁供電，降低負荷峰值。

圖4無(wú)序充電仿真結果

在18：00—22：00這一時(shí)間段，社區負荷已經(jīng)超過(guò)變壓器有功功率上限，使變壓器處于過(guò)載狀態(tài)，損害其使用壽命。和普通社區相比，光儲充一體化社區的負荷峰值和越*時(shí)間都有一定程度降低，但仍未解決社區負荷越限和波動(dòng)大的問(wèn)題，影響居民的安全用電，亟需對電動(dòng)汽車(chē)充電行為開(kāi)展有序調度研究。

2基于鼠群優(yōu)化算法的雙層多目標有序充電策略

2.1雙層多目標有序充電策略

本策略提出了社區負荷峰谷差和用戶(hù)充電費用小的雙層多目標優(yōu)化模型。一層是電網(wǎng)層，將降低社區負荷峰谷差作為優(yōu)化目標；二層是用戶(hù)層，將減少用戶(hù)充電費用作為優(yōu)化目標，并把電網(wǎng)層優(yōu)化結果作為本層優(yōu)化模型的約束條件，減少用戶(hù)充電費用，同時(shí)考慮社區負荷平穩性。雙層多目標有序充電策略具體流程如圖5所示。

圖5雙層多目標有序充電策略流程

1)獲取未來(lái)24h社區常規負荷和光伏出力預測數據，動(dòng)態(tài)獲取用戶(hù)充電信息，包括開(kāi)始充電時(shí)間、結束充電時(shí)間、充電量等；

2)當某時(shí)段有新車(chē)接入或用戶(hù)改變充電信息時(shí)，電網(wǎng)層根據社區負荷峰谷差小的優(yōu)化目標求解并輸出用戶(hù)開(kāi)始充電時(shí)間、光伏的充放電功率和充電負荷；

3)電網(wǎng)層輸出的充電負荷作為用戶(hù)層優(yōu)化模型的約束條件，用戶(hù)層根據用戶(hù)充電費用小的優(yōu)化目標求解并輸出用戶(hù)開(kāi)始充電時(shí)間、光伏的充放電功率；

4)重復步驟2)和3)，達到大迭代次數，輸出新的充電計劃；

5)若沒(méi)有新車(chē)接入或用戶(hù)改變充電信息，則遵循上一時(shí)段充電計劃；

6)重復步驟2)—步驟5)，直到優(yōu)化時(shí)段達到大時(shí)段數。

2.2電網(wǎng)層優(yōu)化模型

2.2.1目標函數

電網(wǎng)層的優(yōu)化目標是降低社區負荷峰谷差，目標函數為

式中，Pall為總負荷。

2.2.2約束條件

1)功率平衡約束

式中：Ppva為光伏出力功率；Pc為充電負荷；Pg為常規負荷；Ps為儲能單元充放電功率。

2)總負荷限制約束

式中：Pmax為社區變壓器的大有功功率；P_R為社區變壓器的額定容量；?_R為功率因數。式(6)代表社區總負荷不能超過(guò)社區變壓器的大有功功率。

3)用戶(hù)充電需求約束

充電時(shí)間約束為

式中：Timin為i輛電動(dòng)汽車(chē)充滿(mǎn)電的短時(shí)間，即按大功率進(jìn)行充電需要的時(shí)間；Tineedi輛電動(dòng)汽車(chē)充滿(mǎn)電需要的充電時(shí)長(cháng)；T ⁱmax為/輛電動(dòng)汽車(chē)的長(cháng)充電時(shí)間，即車(chē)主回家到離家之間的時(shí)間；S ^?st為i輛電動(dòng)汽車(chē)開(kāi)始充電時(shí)的電池荷電狀態(tài)；di為i輛電動(dòng)汽車(chē)的日行駛里程；E100為電動(dòng)汽車(chē)百公里耗電量；B為電池的額定容量；P_cs為充電樁的額定充電功率。

電池電量約束為

式中，Sⁱ_end為i輛電動(dòng)汽車(chē)結束充電時(shí)電池的荷電狀態(tài)。

1. 儲能單元約束

儲能單元充放電功率約束為

式中，Psmax為大充放電功率。

儲能單元容量約束為

式中：Bcmax為儲能單元大容量；Bc為儲能單元實(shí)際容量。

2.3用戶(hù)層優(yōu)化模型

2.3.1目標函數

社區的電力來(lái)自光伏單元和配電網(wǎng)，充電費用也來(lái)自這兩部分，其余充電設施建設的費用暫不考慮，充電費用目標函數為

式中：Pⁱ_pvc為i個(gè)時(shí)段的光伏單元在電動(dòng)汽車(chē)和儲能單元上的輸出功率；Rpv為光伏的單位發(fā)電成本；P為i個(gè)時(shí)段電網(wǎng)在電動(dòng)汽車(chē)和儲能單元上的輸出功率；Ri為i個(gè)時(shí)段的分時(shí)電價(jià)；?t為單位時(shí)段；Pⁱ_pva為i個(gè)時(shí)段的光伏出力功率；Pⁱ_c為i個(gè)時(shí)段的充電負荷；Pⁱ_s為i個(gè)時(shí)段的儲能單元充放電功率。

2.3.2約束條件

式中Pⁱ_c1為電網(wǎng)層輸出i個(gè)時(shí)段的充電負荷；Pⁱ_c2為用戶(hù)層輸出i個(gè)時(shí)段的充電負荷。

其余約束條件和2.2.2節相同。

2.4優(yōu)化模型求解方法

電動(dòng)汽車(chē)雙層多目標有序充電優(yōu)化模型優(yōu)化對象眾多，且存在多個(gè)約束條件，傳統方法求解困難。本文采用鼠群優(yōu)化算法進(jìn)行求解。鼠群優(yōu)化算法是一種新型群智能優(yōu)化算法，在局部搜索和全局搜索之間實(shí)現動(dòng)態(tài)平衡，避免了粒子群算法容易陷入局部?jì)?yōu)的問(wèn)題。

鼠群優(yōu)化算法通過(guò)模擬鼠群的捕食行為，將鼠群的捕食行為分為兩個(gè)過(guò)程——追逐獵物和攻擊獵物，并進(jìn)行數學(xué)建模。

在鼠群追逐獵物過(guò)程中，假設鼠群中的優(yōu)個(gè)體知道獵物的位置，鼠群中的其他個(gè)體便可以通過(guò)優(yōu)個(gè)體來(lái)更新自己的位置，更新策略如式(18)和式(20)所示。

式中：P^t_i為獵物對于i只老鼠來(lái)說(shuō)的位置；A為自身權重；X^t_i為i只老鼠；x^t_best

為鼠群中的優(yōu)個(gè)體；t為當前迭代次數；C為0~2之間的隨機數；R為1~5之間的隨機數。

在攻擊獵物過(guò)程中，算法從數學(xué)上定義老鼠與獵物的打斗過(guò)程，老鼠位置更新公式為

式中，X_i^t+1是i只老鼠在下一次迭代中的位置。

鼠群優(yōu)化算法通過(guò)模擬鼠群追逐獵物和攻擊獵物的行為，并通過(guò)調整式(18)中的參數A和C使老鼠到達不同的位置，完成對搜索空間的搜索。本文利用鼠群優(yōu)化算法對優(yōu)化模型進(jìn)行求解，得到優(yōu)充電計劃，包含電動(dòng)汽車(chē)開(kāi)始充電時(shí)間和儲能單元充放電功率，具體流程如圖6所示。

圖6鼠群優(yōu)化算法流程

2.5基于云邊協(xié)同的調度架構

目前電動(dòng)汽車(chē)有序充電調度主要采取集中式調度架構，但在面對大規模電動(dòng)汽車(chē)接入電網(wǎng)時(shí)，云主站往往會(huì )因為數據龐大導致計算時(shí)間過(guò)長(cháng)，甚至出現錯誤。對此，在配電網(wǎng)“云管邊端”的建設模式基礎上，基于云邊協(xié)同設計有序充電調度架構，如圖7所示。

圖7基于云邊協(xié)同的調度架構

基于云邊協(xié)同的調度架構由感知端側、邊緣側和云端側構成，具體調度流程如下。

1)用戶(hù)通過(guò)手機APP將預設充電開(kāi)始時(shí)間、結束時(shí)間等充電信息發(fā)送給云平臺；

2)云主站從云平臺獲取用戶(hù)充電信息，從智能融合終端獲取儲能單元和充電樁的狀態(tài)信息，并匯集未來(lái)24h的光伏出力、社區負荷預測數據；

3)云主站內電網(wǎng)層優(yōu)化模型求解得到電動(dòng)汽車(chē)開(kāi)始充電時(shí)間、儲能單元充放電功率和充電負荷，然后將參數下發(fā)至邊緣側；

4)智能融合終端內部署用戶(hù)層優(yōu)化模型，接收參數并進(jìn)行求解，并將參數上傳回云端側；

5)重復步驟3)和4)，直到達到設置的大迭代次數，輸出充電計劃；

6)智能融合終端內有序充電APP將充電計劃控制指令下發(fā)到感知端側設備。

3算例分析

3.1參數設置

本文以湖南某光儲充一體化社區為研究對象，其中詳細參數如下。

1)光伏單元容量200kW，平均發(fā)電成本為0.35元/kWh。

2)儲能單元容量為200kWh，大充放電功率為50kW/h，大放電深度為90%。

3)配電網(wǎng)變壓器額定容量為1000kVA，功率因數為0.9。

4)社區內有300戶(hù)居民，假設每戶(hù)一輛車(chē)，且擁有電動(dòng)汽車(chē)的用戶(hù)配置一個(gè)充電樁；電動(dòng)汽車(chē)滲透率為50%，即電動(dòng)汽車(chē)150輛。單臺電動(dòng)汽車(chē)電池額定容量為50kWh，類(lèi)型為鋰電池，百公里耗電量為25kWh；充電樁額定充電功率為7kW/h。

以1h為時(shí)間間隔，即?t=1，當地分時(shí)電價(jià)如表1所示。

3.2結果分析

本文以普通社區無(wú)序充電、光儲充一體化社區無(wú)序充電、電網(wǎng)層有序充電、用戶(hù)層有序充電、雙層多目標有序充電等5種充電場(chǎng)景為例進(jìn)行仿真分析。

1)5種充電場(chǎng)景下充電負荷和社區負荷

普通社區無(wú)序充電和光儲充一體化社區無(wú)序充電的仿真結果見(jiàn)圖4，由圖4中可以看出，社區雖然配備了光儲單元，但在無(wú)序充電下仍然無(wú)法有效解決社區負荷越限和波動(dòng)大的問(wèn)題。

電網(wǎng)層有序充電、用戶(hù)層有序充電和雙層多目標有序充電的仿真結果如圖8—圖10所示。

圖8電網(wǎng)層有序充電

由圖8可以看出：電網(wǎng)層有序充電可以在保證用戶(hù)正常充電需求的情況下，將充電負荷轉移到電價(jià)低谷時(shí)期，從而實(shí)現削峰填谷。但隨著(zhù)接入電動(dòng)汽車(chē)數量的增加，勢必會(huì )將更多的充電負荷轉移到電價(jià)平時(shí)段，增加充電費用，降低用戶(hù)響應有序充電策略的積極性。

圖9用戶(hù)層有序充電

由圖9可以看出：用戶(hù)層有序充電同樣可以在保證用戶(hù)正常充電需求的情況下，將充電負荷轉移到電價(jià)低谷時(shí)段和光伏出力時(shí)段，從而減少充電費用。此外，儲能單元也可以保障電價(jià)高峰時(shí)段零星的充電需求，但充電負荷容易在電價(jià)低谷時(shí)段形成新的高峰，加劇負荷的波動(dòng)，影響電網(wǎng)的正常運行。

圖10雙層多目標有序充電

由圖10可以看出：雙層多目標有序充電的充電負荷分布范圍更大，既能充分發(fā)揮充電負荷削峰填谷的作用，降低負荷峰谷差，也能減少用戶(hù)充電費用。

2)5種充電場(chǎng)景下負荷波動(dòng)對比分析

對社區電動(dòng)汽車(chē)執行無(wú)序和有序充電策略的社區負荷情況進(jìn)行對比分析，具體數據如表2所示。

由表2可以看出：無(wú)序充電時(shí)，由于“峰上加峰”的現象，社區負荷超過(guò)變壓器的有功功率上限，使變壓器處于過(guò)載狀態(tài)，負荷峰值和峰谷差率分別達到970.89kW和54.25%。光儲充一體化社區依靠光伏系統和儲能系統雖然能降低負荷峰值和峰谷差率，分別減少了45.23kW和2.23%，但依然不能解決社區負荷越限問(wèn)題。

而3種有序充電策略均能有效降低負荷峰谷差，且負荷峰值都未超過(guò)上限900kW，其中電網(wǎng)層有序充電和雙層多目標有序充電效果較好，和光儲充一體化社區無(wú)序充電相比，峰谷差分別降低了223.34kW和194.89kW，峰谷差率分別降低了20.81%和17.37%。

3)5種充電場(chǎng)景下用戶(hù)充電費用對比分析

對社區電動(dòng)汽車(chē)執行無(wú)序和有序充電策略的社區充電情況進(jìn)行對比分析，具體數據如表3所示。

結合圖4、圖8—圖10，由表3可以看出：在無(wú)序充電情況下，充電負荷主要集中在電價(jià)高峰時(shí)段和平時(shí)段，充電費用較高；在有序充電情況下，將充電負荷有效轉移到電價(jià)低谷時(shí)段和光伏出力時(shí)段，充電費用較低。其中，用戶(hù)層有序充電和雙層多目標有序充電效果較好，和光儲充一體化社區無(wú)序充電相比，充電均價(jià)分別降低了0.43元/kWh和0.4元/kWh。

3種有序充電策略均能取得不錯的效果，但用戶(hù)層有序充電容易使社區總負荷在電價(jià)低谷時(shí)段形成新的峰，不利于減少峰谷差。電網(wǎng)層有序充電僅考慮了配電網(wǎng)的穩定性，忽略了用戶(hù)的用電成本需求，容易降低用戶(hù)的響應積極性。而雙層多目標有序充電在降低負荷峰谷差和減少用戶(hù)充電費用方面都能取得令人滿(mǎn)意的效果，該策略在降低社區負荷波動(dòng)性、保障配電網(wǎng)安全運行的同時(shí)，提高了用戶(hù)的經(jīng)濟效益和響應策略的積極性。

4解決方案

圖11平臺結構圖

充電運營(yíng)管理平臺是基于物聯(lián)網(wǎng)和大數據技術(shù)的充電設施管理系統，可以實(shí)現對充電樁的監控、調度和管理，提高充電樁的利用率和充電效率，提升用戶(hù)的充電體驗和服務(wù)質(zhì)量。用戶(hù)可以通過(guò)APP或小程序提前預約充電，避免在充電站排隊等待的情況，同時(shí)也能為充電站提供更準確的充電需求數據，方便后續的調度和管理。通過(guò)平臺可對充電樁的功率、電壓、電流等參數進(jìn)行實(shí)時(shí)監控，及時(shí)發(fā)現和處理充電樁故障和異常情況對充電樁的功率進(jìn)行控制和管理，確保充電樁在合理的功率范圍內充電，避免對電網(wǎng)造成過(guò)大的負荷。

5安科瑞充電樁云平臺具體的功能

平臺除了對充電樁的監控外，還對充電站的光伏發(fā)電系統、儲能系統以及供電系統進(jìn)行集中監控和統一協(xié)調管理，提高充電站的運行可靠性，降低運營(yíng)成本，平臺系統架構如圖所示。

圖12充電樁運營(yíng)管理平臺系統架構

大屏顯示：展示充電站設備統計、使用率排行、運營(yíng)統計圖表、節碳量統計等數據。

圖13大屏展示界面

站點(diǎn)監控：顯示設備實(shí)時(shí)狀態(tài)、設備列表、設備日志、設備狀態(tài)統計等功能。

圖14站點(diǎn)監控界面

設備監控：顯示設備實(shí)時(shí)信息、配套設備狀態(tài)、設備實(shí)時(shí)曲線(xiàn)、關(guān)聯(lián)訂單信息、充電功率曲線(xiàn)等。

圖15設備監控界面

運營(yíng)趨勢統計：顯示運營(yíng)信息查詢(xún)、站點(diǎn)對比曲線(xiàn)、日月年報表、站點(diǎn)對比列表等功能。

圖16運營(yíng)趨勢界面

收益查詢(xún)：提供收益匯總、實(shí)際收益報表、收益變化曲線(xiàn)、支付方式占比等功能。

圖17收益查詢(xún)界面

故障分析：提供故障匯總、故障狀態(tài)餅圖、故障趨勢分析、故障類(lèi)型餅圖等功能。

圖18故障分析界面

訂單記錄：提供實(shí)時(shí)/歷史訂單查詢(xún)、訂單終止、訂單詳情、訂單導出、運營(yíng)商應收信息、充電明細、交易流水查詢(xún)、充值余額明細等功能。

圖19訂單查詢(xún)界面

6產(chǎn)品選型

安科瑞為廣大用戶(hù)提供慢充和快充兩種充電方式，便攜式、壁掛式、落地式等多種類(lèi)型的充電樁，包含智能7kw/21kw交流充電樁，30kw直流充電樁，60kw/80kw/120kw/180kw直流一體式充電樁來(lái)滿(mǎn)足新能源汽車(chē)行業(yè)快速、經(jīng)濟、智能運營(yíng)管理的市場(chǎng)需求。實(shí)現對動(dòng)力電池快速、高效、安全、合理的電量補給，同時(shí)為提高公共充電樁的效率和實(shí)用性，具有有智能監測：充電樁智能控制器對充電樁具備測量、控制與保護的功能；智能計量：輸出配置智能電能表，進(jìn)行充電計量，具備完善的通信功能；云平臺：具備連接云平臺的功能，可以實(shí)現實(shí)時(shí)監控，財務(wù)報表分析等等；遠程升級：具備完善的通訊功能，可遠程對設備軟件進(jìn)行升級；保護功能：具備防雷保護、過(guò)載保護、短路保護，漏電保護和接地保護等功能；適配車(chē)型：滿(mǎn)足國標充電接口，適配所有符合國標的電動(dòng)汽車(chē)，適應不同車(chē)型的不同功率。下面是具體產(chǎn)品的型號和技術(shù)參數。

7現場(chǎng)圖片

8結論

光儲充一體化社區雖然可以提高光伏的就地消納，降低社區負荷峰值，但仍存在社區負荷的越限問(wèn)題。對此提出了基于鼠群優(yōu)化算法的雙層多目標有序充電策略，該策略滿(mǎn)足了電網(wǎng)層和用戶(hù)層的雙方利益，不僅可以減少社區負荷峰谷差，還能降低用戶(hù)充電費用。同時(shí)基于云邊協(xié)同的調度架構充分利用云端側和邊緣側的計算資源，可以應對電動(dòng)汽車(chē)大規模接入的情況。根據算例分析，該策略取得的綜合效果明顯優(yōu)于無(wú)序充電和單層有序充電策略，起到了削峰填谷、節約用戶(hù)充電費用的作用，保障了電網(wǎng)的安全、穩定運行。

本文未考慮到不同電動(dòng)汽車(chē)型號、電池類(lèi)型等因素，此外僅考慮社區有序充電場(chǎng)景，后續將展開(kāi)進(jìn)一步研究，使該策略更具實(shí)用性和擴展性。

參考文獻

[1]康童,朱吉然,馮楚瑞,范敏,任磊,唐海國.面向光儲充一體化社區的有序充電策略研究

[2]張延宇,饒新朋,周書(shū)奎,等.基于深度強化學(xué)習的電動(dòng)汽車(chē)充電調度算法研究進(jìn)展[J].電力系統保護與控制,2022,50(16):179-187.

[3]李景麗,時(shí)永凱,張琳娟,等.考慮電動(dòng)汽車(chē)有序充電的光儲充電站儲能容量?jì)?yōu)化策略[J].電力系統保護與控制,2021,49(7):94-102.

[4]鄧慧瓊,張曉飛,曾凡淦,等.動(dòng)態(tài)分時(shí)電價(jià)機制下的電動(dòng)汽車(chē)充放電調度策略研究[J].智慧電力,2023,51(3):59-66,78.

[5]安科瑞企業(yè)微電網(wǎng)設計與應用手冊2022.5版.