雙預測交流充電樁-蓄電池充電機基于高速窄帶載波的智能有序充電系統(tǒng)
2018-9-27 9:42:58??????點擊：
在小區(qū)配電變壓器旁安裝智能有序管理終端（IOMU），引入短期基礎負荷預測方法，基于充電樁-蓄電池充電機供電線路采用高速窄帶載波通信方式，實現(xiàn)區(qū)域內(nèi)各充電樁-蓄電池充電機動態(tài)組網(wǎng)和信息交互。
結合各充電樁-蓄電池充電機用戶充電量預測，采用主從式控制結構實現(xiàn)對網(wǎng)內(nèi)接入的每輛電動汽車有序充電規(guī)劃，確保充電過程中既考慮用戶經(jīng)濟性，又兼顧電網(wǎng)安全性，實現(xiàn)小區(qū)內(nèi)電動汽車智能有序充電。同時，搭建實際系統(tǒng)進行安全經(jīng)濟功能驗證，為將來電網(wǎng)消納規(guī)?；碾妱悠嚱尤胩峁┓桨竻⒖己突A技術支持。
近年來，中央和地方政府連續(xù)出臺的一系列政策推動了電動汽車產(chǎn)業(yè)的發(fā)展[1]，電動汽車有望得到迅速普及。規(guī)?；碾妱悠嚱尤雽ΜF(xiàn)有電網(wǎng)系統(tǒng)的安全影響也越來越受到政府和電網(wǎng)公司重 視[2-3]。
其中，對于新建住宅小區(qū)來說，政策已規(guī)定建停車位必須100%配置充電樁-蓄電池充電機，電網(wǎng)公司在配置該小區(qū)的變壓器容量時已考慮對應充電負荷，后期用戶充電負荷的無序利用，除了經(jīng)濟性較差外，對小區(qū)內(nèi)電網(wǎng)系統(tǒng)安全性影響較小。
然而，對于大量的已建小區(qū)來說，建成時變壓器容量并未考慮充電負荷，后期的充電樁-蓄電池充電機改造成功后，因小區(qū)電動汽車用戶停車充電習慣，會出現(xiàn)充電負荷與用戶負荷高峰的疊加，任由用戶的無序充電會對小區(qū)電網(wǎng)的安全存在重大隱患，用戶經(jīng)濟性和電網(wǎng)安全性均得不到保障[4-5]，阻礙了電動汽車的推廣使用。
針對已建小區(qū)增建充電樁-蓄電池充電機帶來的小區(qū)變壓器安全問題，當前已有很多高校和科研院所展開了大量研究，文獻[6]提出一種針對住宅小區(qū)的在線和離線相結合的限功率有序充電策略，制定用戶充電優(yōu)先級，并通過Matlab仿真驗證。文獻[7]在綜合用戶用車出行規(guī)律、電池狀態(tài)和用戶意愿條件下給出以削減峰谷差為目的充電負荷分配策略模型，并給出了仿真驗證。
文獻[8]基于峰谷電價給出家用電動汽車小區(qū)有序充電控制方法，并采用序貫蒙特卡洛仿真進行驗證。文獻[9]從需求分析角度，引入虛擬充電單元概念建立一種從電網(wǎng)優(yōu)化運行到充電終端的分層分布實施架構。
文獻[10]提出網(wǎng)格選取法，以預防配電變壓器過載荷實現(xiàn)收益最大化為目標，設計最優(yōu)網(wǎng)格選取結果，并給出算例仿真。文獻[11]提出計及充電請求預測補償?shù)淖≌瑓^(qū)電動汽車有序充電控制策略，構建一種使系統(tǒng)負荷波動最小的有序充電控制模型。
綜合以上分析，可見目前行業(yè)內(nèi)學者專家均已意識到將來規(guī)模化電動汽車無序充電會對電網(wǎng)安全產(chǎn)生潛在安全影響，并提出各種理論策略模型。但是這些有序充電模型基本都是建立在模擬仿真驗證上，缺少實際的充電驗證，且研究中小區(qū)交流慢充有序充電模型幾乎都是建立在可通過交流充電樁-蓄電池充電機獲得待充汽車剩余SOC基礎上的，可目前按我國國標技術生產(chǎn)運行的充電樁-蓄電池充電機是無法獲取接入充電汽車的剩余SOC，可見輸出的研究成果理論指導性強，實用指導性弱。
本文通過在小區(qū)配電變壓器旁安裝智能有序管理終端（IOMU），引入短期基礎負荷預測方法[12]，基于充電樁-蓄電池充電機供電線路采用高速窄帶載波通信方式，實現(xiàn)區(qū)域內(nèi)各充電樁-蓄電池充電機動態(tài)組網(wǎng)和信息交互，結合各充電樁-蓄電池充電機用戶充電量預測，采用主從式控制結構實現(xiàn)對網(wǎng)內(nèi)接入的每輛電動汽車進行有序充電規(guī)劃，確保充電過程中既考慮用戶經(jīng)濟性，又兼顧電網(wǎng)安全性，實現(xiàn)小區(qū)內(nèi)電動汽車智能有序充電。同時，搭建實際系統(tǒng)進行功能驗證，整體技術系統(tǒng)為將來電網(wǎng)消納規(guī)模化的電動汽車接入提供方案參考和基礎技術支持。
1 智能有序充電架構
1.1 系統(tǒng)架構
本文以已建小區(qū)充電樁-蓄電池充電機后續(xù)增建為背景，在小區(qū)配電變壓器旁安裝智能有序管理終端，通過通信主子節(jié)點基于交流電力線組成通信網(wǎng)絡，使用高速窄帶電力線載波與區(qū)內(nèi)建設的各充電樁-蓄電池充電機單元互聯(lián)互通，實現(xiàn)信息交互。系統(tǒng)整體架構如圖1所示。
圖1 智能有序充電系統(tǒng)結構圖
小區(qū)變壓器側(cè)的IOMU在實現(xiàn)傳統(tǒng)的變壓器監(jiān)測功能外，需增加基礎負荷預測、智能有序充電規(guī)劃功能。充電樁-蓄電池充電機除了實現(xiàn)傳統(tǒng)的交流慢充功能外，還實現(xiàn)用戶人機接口，充電量預測功能。系統(tǒng)整體控制方式采用主從控制模式，IOMU作為系統(tǒng)內(nèi)主控核心，實現(xiàn)系統(tǒng)內(nèi)各充電樁-蓄電池充電機充電時間的分配，充電樁-蓄電池充電機在系統(tǒng)中處于從屬地位接受IOMU管理，實現(xiàn)智能有序充電。
1.2 通信網(wǎng)絡
小區(qū)充電樁-蓄電池充電機的安裝環(huán)境在地下車庫，車庫建筑環(huán)境復雜，遮擋較多，無線信號傳輸受到限制，且以太網(wǎng)和光纖通信存在額外布線和成本過高缺點。本文采用G3_PLC高速窄帶電力線載波技術[13-14]，可有效克服上述缺點，IOMU側(cè)的通信主節(jié)點在組網(wǎng)開始階段先對所有申請加入網(wǎng)絡的充電樁-蓄電池充電機子節(jié)點進行安全認證，認證成功后分配網(wǎng)絡PAN ID和設備標識ID，在兩者間建立一個安全信道。流程如圖2所示。
圖中安全認證流程在各通信節(jié)點的6LoWPAN適配層[15]完成，內(nèi)部硬件集成AES-128加密引擎為認證提供算法支持，具體應用中的認證流程為：1）IOMU側(cè)主節(jié)點初始化成功后，基于小區(qū)低壓供電母線形成一個PAN_ID標識的局域網(wǎng)；2）交流充電樁-蓄電池充電機側(cè)子節(jié)點上電后，通過其供電電力線，發(fā)起request請求，申請加入網(wǎng)絡。
圖2 交流充電樁-蓄電池充電機加入網(wǎng)絡流程
3）主節(jié)點收到請求后發(fā)起EAP-PSK認證流程，和請求入網(wǎng)的通信終端通過4條MSG報文完成認證，如圖2所示，MSG報文中Flags為EAP協(xié)議的報頭部分，ID_S、ID_P為預設的EUI-64 MAC地址，RAND_P和RAND_S分別為主子節(jié)點生成的128bit隨機數(shù)，報文中認證碼的計算方式如式（1）和式（2）所示：
MAC_S=CMAC-AES-128(AK,ID_S||RAND_P)（1）
MAC_P=CMAC-AES-128(AK,ID_P||ID_S|| RAND_S||RAND_P) （2）
未認證的和認證失敗的子設備無法獲取對應的ID，不能和主節(jié)點進行數(shù)據(jù)通信，可保障數(shù)據(jù)報文傳輸?shù)陌踩浴?br />
2 小區(qū)基礎負荷預測
圖3 小區(qū)基礎負荷短期預測模型
模型建立過程：
2）居民小區(qū)配電變壓器短期負荷受節(jié)假日影響較大，對分解后的分量及日期類型進行歸一化處理，節(jié)假日類型為1，工作日類型為0。
3）居民小區(qū)配電變壓器短期負荷受外界各種因素影響，對其的預測單一采用一種方法不能達到較好的效果，針對各IMF分量在頻域及時域上的不同特點，分別采取不同預測模型。由于EMD分解的余項存在明顯的線性特征，采用線性神經(jīng)網(wǎng)絡對其進行預測；余下IMF分量采用支持向量機[17]（support vector machine, SVM）對其進行預測。在構建預測模型時還需要考慮氣溫的影響（當天的最高溫度和平均溫度），并將其作為模型的一組輸入。
4）SVM和線性神經(jīng)網(wǎng)絡模型的泛化學習能力與其參數(shù)選擇有很大關系，采用收斂速度快、實現(xiàn)簡單的粒子群算法[18]（particle swarm optimization, PSO）來解決負荷預測問題中的參數(shù)優(yōu)化問題。
模型建立后，IOMU在每隔6h調(diào)用該模型，預測出小區(qū)后續(xù)短期基礎負荷曲線。
3 充電樁-蓄電池充電機充電量預測
電動汽車每次充電完成之后，充電樁-蓄電池充電機記錄本次充電的累積時長，充電的電能量W，并將本次充電數(shù)據(jù)保存在充電樁-蓄電池充電機內(nèi)，同時充電樁-蓄電池充電機記錄下歷史最大充電電能量Wmax、歷史最小充電電能量Wmin及平均充電電能量Wavg及各自對應的充電功率曲線。
用戶拔槍充電后，通過三次指數(shù)平滑法進行本次的充電電能量的預測。充電量預測是基于每次充電的最終總充電數(shù)據(jù)進行，智能有序管理只是優(yōu)化了充電量的充電時間分配，并未改變單次總充電量，不會對充電量預測造成影響。由于算法需要原始數(shù)據(jù)，因此新樁的前幾次不進行智能規(guī)劃充電，直接進行正常充電。
4 智能有序充電
用戶插電充電時，充電樁-蓄電池充電機通過人機接口提示與用戶交互，獲取用戶充電意圖。如選有序充電，則充電樁-蓄電池充電機獲取用戶輸入信息，進行充電量預測，通過通信網(wǎng)絡與IOMU進行信息交互，IOMU結合基礎負荷曲線，進行智能充電規(guī)劃，并將計劃充電時間反饋給對應充電樁-蓄電池充電機。如不選擇有序充電，考慮安全按照歷史最大充電量充電，同時計劃充電時間就設置成當前時間。
充電樁-蓄電池充電機接收到IOMU的反饋信息后按計劃時間進行充電。充電時的結束條件存在兩種情況：①充電量到時，電池還未滿電，正常結束；②預測充電量還有剩余時，電池接近滿電，電池會自動停止接收電能。流程如圖4所示。
圖4 系統(tǒng)實現(xiàn)總流程圖
IOMU中的智能有序充電規(guī)劃分為安全性規(guī)劃和經(jīng)濟性規(guī)劃兩個方面，安全性規(guī)劃以判斷充電時疊加負荷是否超過負荷告警線（過載點）為依據(jù)，經(jīng)濟性以滿足安全性規(guī)劃后以費率為判斷基準的電費最少，具體流程如圖5所示。
圖5 智能有序規(guī)劃流程圖
安全性規(guī)劃：IOMU將本次充電負荷疊加到實時負荷曲線上，檢查是否存在負荷過載點。如果存在，說明本次充電存在安全問題，需要根據(jù)過載點時間點分割出疊加后不過載的時間段，然后分析這些時間段是否滿足預估充電量的時間要求，滿足的話選出全部時間段，不滿足則只選取最大兩個時間段。如不存在則選出全部可行充電時間段。
經(jīng)濟性規(guī)劃：經(jīng)濟性規(guī)劃以費率為判斷依據(jù)，選擇所有可行充電時段中經(jīng)濟性最佳的充電時間段，如果時間段惟一則將該時間段下發(fā)給對應充電樁-蓄電池充電機，同時疊加實時負荷，如果時間段不惟一，則按就近原則選取最靠近時間段，同樣執(zhí)行下發(fā)和疊加負荷，完成一次智能有序規(guī)劃流程。
5 實驗驗證
本文搭建實際系統(tǒng)展開智能有序充電驗證，系統(tǒng)包括1臺具有智能有序管理功能的IOMU，10臺交流充電樁-蓄電池充電機，11臺載波通信節(jié)點單元。所用交流充電樁-蓄電池充電機充電功率為2kW，驗證充電汽車為江淮iEV4電動汽車，汽車電池容量為22kWh，充電現(xiàn)場和充電樁-蓄電池充電機充電時人機接口如圖6所示。
圖6 充電現(xiàn)場和充電樁-蓄電池充電機人機接口
峰時電價：0.617元/度，6∶00～22∶00。谷時電價：0.307元/度，22∶00～次日6∶00。IOMU中初始預測負荷曲線模擬如圖7所示。
圖7 模擬預測負荷曲線
5.1 mesh網(wǎng)絡拓撲
系統(tǒng)內(nèi)充電樁-蓄電池充電機、IOMU、通信節(jié)點上電后，按上文流程組成通信網(wǎng)落，各子節(jié)點獲得主節(jié)點分配的網(wǎng)內(nèi)惟一標識ID，具體分配的網(wǎng)絡內(nèi)ID如下：
通信主節(jié)點：ID=0x00；通信子節(jié)點：ID=0x01，0x02，0x03，0x04，0x05，0x06，0x07，0x08，0x09，0x0A
圖8所示為系統(tǒng)中10個子節(jié)點組網(wǎng)成功后的網(wǎng)絡拓撲圖。
圖8 系統(tǒng)通信mesh網(wǎng)絡拓撲
通信網(wǎng)絡中采用了LOADng路由技術[19]，在原來的LOAD基礎上增加了非對稱路由路徑選擇，減少路由廣播報文的發(fā)送等修改，保證了載波通信網(wǎng)絡的穩(wěn)定性和可靠性。由圖8可看出，最大路由深度為2跳，其路由路徑選擇較均勻，為數(shù)據(jù)通信時提供可靠穩(wěn)定的網(wǎng)絡保障。
5.2 充電檢驗
組網(wǎng)成功后，IOMU即可實現(xiàn)對網(wǎng)絡內(nèi)的各充電樁-蓄電池充電機充電進行智能管理，實驗采用3臺電動汽車進行充電，充電人機輸入和預測電量見表1。
表1 實驗充電樁-蓄電池充電機輸入
可以看到未有序管理的充電時間疊加在峰值時間段，經(jīng)過有序管理的充電時間段分配在谷時時間段，經(jīng)濟性得到體現(xiàn)，如圖9所示。同時調(diào)整充電汽車預估電量，增加電量后再驗證電網(wǎng)安全性，未智能管理的充電負荷疊加出現(xiàn)負荷越限，智能有序充電的則有效設置充電時間段，避開負荷高峰，實現(xiàn)小區(qū)安全用電，如圖10所示。
圖9 普通充電與智能充電經(jīng)濟性
圖10 普通充電與智能充電安全性
結論
利用小區(qū)配電變壓器側(cè)IOMU作為小區(qū)充電樁-蓄電池充電機充電管理核心單元，引入基礎負荷預測，配合充電樁-蓄電池充電機充電量預測，在現(xiàn)有電力線上利用高速窄帶載波技術實現(xiàn)通信組網(wǎng)，與小區(qū)內(nèi)交流充電樁-蓄電池充電機進行實時信息交互，完成智能有序充電。系統(tǒng)實施將有效解決將來老舊小區(qū)充電樁-蓄電池充電機改造帶來的原配電容量限制問題。
但是本文研究以配電網(wǎng)下小區(qū)為單位，系統(tǒng)只智能管理小區(qū)內(nèi)的充電負荷，在小區(qū)配電變壓器范圍內(nèi)實現(xiàn)安全經(jīng)濟充電，未考慮小區(qū)整體負荷對上游配電線路的影響，后續(xù)可將配電線路線損作為優(yōu)化目標，加入到小區(qū)負荷預測中，在考慮充電負荷的經(jīng)濟性同時兼顧配電線路線損，為配電網(wǎng)將來消納規(guī)?；碾妱悠嚱尤胩峁┮环N適用技術方案。
結合各充電樁-蓄電池充電機用戶充電量預測，采用主從式控制結構實現(xiàn)對網(wǎng)內(nèi)接入的每輛電動汽車有序充電規(guī)劃，確保充電過程中既考慮用戶經(jīng)濟性，又兼顧電網(wǎng)安全性，實現(xiàn)小區(qū)內(nèi)電動汽車智能有序充電。同時，搭建實際系統(tǒng)進行安全經(jīng)濟功能驗證，為將來電網(wǎng)消納規(guī)?；碾妱悠嚱尤胩峁┓桨竻⒖己突A技術支持。
近年來，中央和地方政府連續(xù)出臺的一系列政策推動了電動汽車產(chǎn)業(yè)的發(fā)展[1]，電動汽車有望得到迅速普及。規(guī)?；碾妱悠嚱尤雽ΜF(xiàn)有電網(wǎng)系統(tǒng)的安全影響也越來越受到政府和電網(wǎng)公司重 視[2-3]。
其中，對于新建住宅小區(qū)來說，政策已規(guī)定建停車位必須100%配置充電樁-蓄電池充電機，電網(wǎng)公司在配置該小區(qū)的變壓器容量時已考慮對應充電負荷，后期用戶充電負荷的無序利用，除了經(jīng)濟性較差外，對小區(qū)內(nèi)電網(wǎng)系統(tǒng)安全性影響較小。
然而，對于大量的已建小區(qū)來說，建成時變壓器容量并未考慮充電負荷，后期的充電樁-蓄電池充電機改造成功后，因小區(qū)電動汽車用戶停車充電習慣，會出現(xiàn)充電負荷與用戶負荷高峰的疊加，任由用戶的無序充電會對小區(qū)電網(wǎng)的安全存在重大隱患，用戶經(jīng)濟性和電網(wǎng)安全性均得不到保障[4-5]，阻礙了電動汽車的推廣使用。
針對已建小區(qū)增建充電樁-蓄電池充電機帶來的小區(qū)變壓器安全問題，當前已有很多高校和科研院所展開了大量研究，文獻[6]提出一種針對住宅小區(qū)的在線和離線相結合的限功率有序充電策略，制定用戶充電優(yōu)先級，并通過Matlab仿真驗證。文獻[7]在綜合用戶用車出行規(guī)律、電池狀態(tài)和用戶意愿條件下給出以削減峰谷差為目的充電負荷分配策略模型，并給出了仿真驗證。
文獻[8]基于峰谷電價給出家用電動汽車小區(qū)有序充電控制方法，并采用序貫蒙特卡洛仿真進行驗證。文獻[9]從需求分析角度，引入虛擬充電單元概念建立一種從電網(wǎng)優(yōu)化運行到充電終端的分層分布實施架構。
文獻[10]提出網(wǎng)格選取法，以預防配電變壓器過載荷實現(xiàn)收益最大化為目標，設計最優(yōu)網(wǎng)格選取結果，并給出算例仿真。文獻[11]提出計及充電請求預測補償?shù)淖≌瑓^(qū)電動汽車有序充電控制策略，構建一種使系統(tǒng)負荷波動最小的有序充電控制模型。
綜合以上分析，可見目前行業(yè)內(nèi)學者專家均已意識到將來規(guī)模化電動汽車無序充電會對電網(wǎng)安全產(chǎn)生潛在安全影響，并提出各種理論策略模型。但是這些有序充電模型基本都是建立在模擬仿真驗證上，缺少實際的充電驗證，且研究中小區(qū)交流慢充有序充電模型幾乎都是建立在可通過交流充電樁-蓄電池充電機獲得待充汽車剩余SOC基礎上的，可目前按我國國標技術生產(chǎn)運行的充電樁-蓄電池充電機是無法獲取接入充電汽車的剩余SOC，可見輸出的研究成果理論指導性強，實用指導性弱。
本文通過在小區(qū)配電變壓器旁安裝智能有序管理終端（IOMU），引入短期基礎負荷預測方法[12]，基于充電樁-蓄電池充電機供電線路采用高速窄帶載波通信方式，實現(xiàn)區(qū)域內(nèi)各充電樁-蓄電池充電機動態(tài)組網(wǎng)和信息交互，結合各充電樁-蓄電池充電機用戶充電量預測，采用主從式控制結構實現(xiàn)對網(wǎng)內(nèi)接入的每輛電動汽車進行有序充電規(guī)劃，確保充電過程中既考慮用戶經(jīng)濟性，又兼顧電網(wǎng)安全性，實現(xiàn)小區(qū)內(nèi)電動汽車智能有序充電。同時，搭建實際系統(tǒng)進行功能驗證，整體技術系統(tǒng)為將來電網(wǎng)消納規(guī)模化的電動汽車接入提供方案參考和基礎技術支持。
1 智能有序充電架構
1.1 系統(tǒng)架構
本文以已建小區(qū)充電樁-蓄電池充電機后續(xù)增建為背景，在小區(qū)配電變壓器旁安裝智能有序管理終端，通過通信主子節(jié)點基于交流電力線組成通信網(wǎng)絡，使用高速窄帶電力線載波與區(qū)內(nèi)建設的各充電樁-蓄電池充電機單元互聯(lián)互通，實現(xiàn)信息交互。系統(tǒng)整體架構如圖1所示。
圖1 智能有序充電系統(tǒng)結構圖
小區(qū)變壓器側(cè)的IOMU在實現(xiàn)傳統(tǒng)的變壓器監(jiān)測功能外，需增加基礎負荷預測、智能有序充電規(guī)劃功能。充電樁-蓄電池充電機除了實現(xiàn)傳統(tǒng)的交流慢充功能外，還實現(xiàn)用戶人機接口，充電量預測功能。系統(tǒng)整體控制方式采用主從控制模式，IOMU作為系統(tǒng)內(nèi)主控核心，實現(xiàn)系統(tǒng)內(nèi)各充電樁-蓄電池充電機充電時間的分配，充電樁-蓄電池充電機在系統(tǒng)中處于從屬地位接受IOMU管理，實現(xiàn)智能有序充電。
1.2 通信網(wǎng)絡
小區(qū)充電樁-蓄電池充電機的安裝環(huán)境在地下車庫，車庫建筑環(huán)境復雜，遮擋較多，無線信號傳輸受到限制，且以太網(wǎng)和光纖通信存在額外布線和成本過高缺點。本文采用G3_PLC高速窄帶電力線載波技術[13-14]，可有效克服上述缺點，IOMU側(cè)的通信主節(jié)點在組網(wǎng)開始階段先對所有申請加入網(wǎng)絡的充電樁-蓄電池充電機子節(jié)點進行安全認證，認證成功后分配網(wǎng)絡PAN ID和設備標識ID，在兩者間建立一個安全信道。流程如圖2所示。
圖中安全認證流程在各通信節(jié)點的6LoWPAN適配層[15]完成，內(nèi)部硬件集成AES-128加密引擎為認證提供算法支持，具體應用中的認證流程為：1）IOMU側(cè)主節(jié)點初始化成功后，基于小區(qū)低壓供電母線形成一個PAN_ID標識的局域網(wǎng)；2）交流充電樁-蓄電池充電機側(cè)子節(jié)點上電后，通過其供電電力線，發(fā)起request請求，申請加入網(wǎng)絡。
圖2 交流充電樁-蓄電池充電機加入網(wǎng)絡流程
3）主節(jié)點收到請求后發(fā)起EAP-PSK認證流程，和請求入網(wǎng)的通信終端通過4條MSG報文完成認證，如圖2所示，MSG報文中Flags為EAP協(xié)議的報頭部分，ID_S、ID_P為預設的EUI-64 MAC地址，RAND_P和RAND_S分別為主子節(jié)點生成的128bit隨機數(shù)，報文中認證碼的計算方式如式（1）和式（2）所示：
MAC_S=CMAC-AES-128(AK,ID_S||RAND_P)（1）
MAC_P=CMAC-AES-128(AK,ID_P||ID_S|| RAND_S||RAND_P) （2）
未認證的和認證失敗的子設備無法獲取對應的ID，不能和主節(jié)點進行數(shù)據(jù)通信，可保障數(shù)據(jù)報文傳輸?shù)陌踩浴?br />
2 小區(qū)基礎負荷預測
圖3 小區(qū)基礎負荷短期預測模型
模型建立過程：
2）居民小區(qū)配電變壓器短期負荷受節(jié)假日影響較大，對分解后的分量及日期類型進行歸一化處理，節(jié)假日類型為1，工作日類型為0。
3）居民小區(qū)配電變壓器短期負荷受外界各種因素影響，對其的預測單一采用一種方法不能達到較好的效果，針對各IMF分量在頻域及時域上的不同特點，分別采取不同預測模型。由于EMD分解的余項存在明顯的線性特征，采用線性神經(jīng)網(wǎng)絡對其進行預測；余下IMF分量采用支持向量機[17]（support vector machine, SVM）對其進行預測。在構建預測模型時還需要考慮氣溫的影響（當天的最高溫度和平均溫度），并將其作為模型的一組輸入。
4）SVM和線性神經(jīng)網(wǎng)絡模型的泛化學習能力與其參數(shù)選擇有很大關系，采用收斂速度快、實現(xiàn)簡單的粒子群算法[18]（particle swarm optimization, PSO）來解決負荷預測問題中的參數(shù)優(yōu)化問題。
模型建立后，IOMU在每隔6h調(diào)用該模型，預測出小區(qū)后續(xù)短期基礎負荷曲線。
3 充電樁-蓄電池充電機充電量預測
電動汽車每次充電完成之后，充電樁-蓄電池充電機記錄本次充電的累積時長，充電的電能量W，并將本次充電數(shù)據(jù)保存在充電樁-蓄電池充電機內(nèi)，同時充電樁-蓄電池充電機記錄下歷史最大充電電能量Wmax、歷史最小充電電能量Wmin及平均充電電能量Wavg及各自對應的充電功率曲線。
用戶拔槍充電后，通過三次指數(shù)平滑法進行本次的充電電能量的預測。充電量預測是基于每次充電的最終總充電數(shù)據(jù)進行，智能有序管理只是優(yōu)化了充電量的充電時間分配，并未改變單次總充電量，不會對充電量預測造成影響。由于算法需要原始數(shù)據(jù)，因此新樁的前幾次不進行智能規(guī)劃充電，直接進行正常充電。
4 智能有序充電
用戶插電充電時，充電樁-蓄電池充電機通過人機接口提示與用戶交互，獲取用戶充電意圖。如選有序充電，則充電樁-蓄電池充電機獲取用戶輸入信息，進行充電量預測，通過通信網(wǎng)絡與IOMU進行信息交互，IOMU結合基礎負荷曲線，進行智能充電規(guī)劃，并將計劃充電時間反饋給對應充電樁-蓄電池充電機。如不選擇有序充電，考慮安全按照歷史最大充電量充電，同時計劃充電時間就設置成當前時間。
充電樁-蓄電池充電機接收到IOMU的反饋信息后按計劃時間進行充電。充電時的結束條件存在兩種情況：①充電量到時，電池還未滿電，正常結束；②預測充電量還有剩余時，電池接近滿電，電池會自動停止接收電能。流程如圖4所示。
圖4 系統(tǒng)實現(xiàn)總流程圖
IOMU中的智能有序充電規(guī)劃分為安全性規(guī)劃和經(jīng)濟性規(guī)劃兩個方面，安全性規(guī)劃以判斷充電時疊加負荷是否超過負荷告警線（過載點）為依據(jù)，經(jīng)濟性以滿足安全性規(guī)劃后以費率為判斷基準的電費最少，具體流程如圖5所示。
圖5 智能有序規(guī)劃流程圖
安全性規(guī)劃：IOMU將本次充電負荷疊加到實時負荷曲線上，檢查是否存在負荷過載點。如果存在，說明本次充電存在安全問題，需要根據(jù)過載點時間點分割出疊加后不過載的時間段，然后分析這些時間段是否滿足預估充電量的時間要求，滿足的話選出全部時間段，不滿足則只選取最大兩個時間段。如不存在則選出全部可行充電時間段。
經(jīng)濟性規(guī)劃：經(jīng)濟性規(guī)劃以費率為判斷依據(jù)，選擇所有可行充電時段中經(jīng)濟性最佳的充電時間段，如果時間段惟一則將該時間段下發(fā)給對應充電樁-蓄電池充電機，同時疊加實時負荷，如果時間段不惟一，則按就近原則選取最靠近時間段，同樣執(zhí)行下發(fā)和疊加負荷，完成一次智能有序規(guī)劃流程。
5 實驗驗證
本文搭建實際系統(tǒng)展開智能有序充電驗證，系統(tǒng)包括1臺具有智能有序管理功能的IOMU，10臺交流充電樁-蓄電池充電機，11臺載波通信節(jié)點單元。所用交流充電樁-蓄電池充電機充電功率為2kW，驗證充電汽車為江淮iEV4電動汽車，汽車電池容量為22kWh，充電現(xiàn)場和充電樁-蓄電池充電機充電時人機接口如圖6所示。
圖6 充電現(xiàn)場和充電樁-蓄電池充電機人機接口
峰時電價：0.617元/度，6∶00～22∶00。谷時電價：0.307元/度，22∶00～次日6∶00。IOMU中初始預測負荷曲線模擬如圖7所示。
圖7 模擬預測負荷曲線
5.1 mesh網(wǎng)絡拓撲
系統(tǒng)內(nèi)充電樁-蓄電池充電機、IOMU、通信節(jié)點上電后，按上文流程組成通信網(wǎng)落，各子節(jié)點獲得主節(jié)點分配的網(wǎng)內(nèi)惟一標識ID，具體分配的網(wǎng)絡內(nèi)ID如下：
通信主節(jié)點：ID=0x00；通信子節(jié)點：ID=0x01，0x02，0x03，0x04，0x05，0x06，0x07，0x08，0x09，0x0A
圖8所示為系統(tǒng)中10個子節(jié)點組網(wǎng)成功后的網(wǎng)絡拓撲圖。
圖8 系統(tǒng)通信mesh網(wǎng)絡拓撲
通信網(wǎng)絡中采用了LOADng路由技術[19]，在原來的LOAD基礎上增加了非對稱路由路徑選擇，減少路由廣播報文的發(fā)送等修改，保證了載波通信網(wǎng)絡的穩(wěn)定性和可靠性。由圖8可看出，最大路由深度為2跳，其路由路徑選擇較均勻，為數(shù)據(jù)通信時提供可靠穩(wěn)定的網(wǎng)絡保障。
5.2 充電檢驗
組網(wǎng)成功后，IOMU即可實現(xiàn)對網(wǎng)絡內(nèi)的各充電樁-蓄電池充電機充電進行智能管理，實驗采用3臺電動汽車進行充電，充電人機輸入和預測電量見表1。
表1 實驗充電樁-蓄電池充電機輸入
可以看到未有序管理的充電時間疊加在峰值時間段，經(jīng)過有序管理的充電時間段分配在谷時時間段，經(jīng)濟性得到體現(xiàn)，如圖9所示。同時調(diào)整充電汽車預估電量，增加電量后再驗證電網(wǎng)安全性，未智能管理的充電負荷疊加出現(xiàn)負荷越限，智能有序充電的則有效設置充電時間段，避開負荷高峰，實現(xiàn)小區(qū)安全用電，如圖10所示。
圖9 普通充電與智能充電經(jīng)濟性
圖10 普通充電與智能充電安全性
結論
利用小區(qū)配電變壓器側(cè)IOMU作為小區(qū)充電樁-蓄電池充電機充電管理核心單元，引入基礎負荷預測，配合充電樁-蓄電池充電機充電量預測，在現(xiàn)有電力線上利用高速窄帶載波技術實現(xiàn)通信組網(wǎng)，與小區(qū)內(nèi)交流充電樁-蓄電池充電機進行實時信息交互，完成智能有序充電。系統(tǒng)實施將有效解決將來老舊小區(qū)充電樁-蓄電池充電機改造帶來的原配電容量限制問題。
但是本文研究以配電網(wǎng)下小區(qū)為單位，系統(tǒng)只智能管理小區(qū)內(nèi)的充電負荷，在小區(qū)配電變壓器范圍內(nèi)實現(xiàn)安全經(jīng)濟充電，未考慮小區(qū)整體負荷對上游配電線路的影響，后續(xù)可將配電線路線損作為優(yōu)化目標，加入到小區(qū)負荷預測中，在考慮充電負荷的經(jīng)濟性同時兼顧配電線路線損，為配電網(wǎng)將來消納規(guī)?；碾妱悠嚱尤胩峁┮环N適用技術方案。
- 上一篇：充電機充電非對稱超級電容器的設計與機理是什么？ 2018/9/27
- 下一篇：蓄電池充電機-充電樁行業(yè)“生死戰(zhàn)” ：輕資產(chǎn)轉(zhuǎn)型 聚焦平臺之 2018/9/22
