文章基于南方某市的电动汽车充电数据,得出各类型电动汽车在不同日期类型的充电开始时间、充电电量、充电功率的分布规律。采用蒙特卡洛算法模拟计算了该市 2021年各类型电动汽车工作日与休息日的充电负荷情况,结果表明,电动私家车在休息日的午间和凌晨充电负荷要高于工作日;该市电动出租车在工作日与休息日的充电负荷占比分别为 60.42% 、58.55% ,在三类型车中始终大; 电动私家车工作日与休息日充电负荷曲线有较大差异,电网总负荷会在 19:00 达到高峰。验证了电动汽车的大规模引入会增加电网的峰值和峰谷差,同时将充电行为数据拟合为公式,旨在为未来的电网扩容建设和对电动汽车的有序充电控制提供帮助。
随着环境的恶化和化石能源短缺现象的加剧,电动汽车以其相对低廉的价格、契合绿色出行的理念、消纳间歇性可再生能源电力等特点,近些年在世界范围 内都得到了较快的发展。而大规模电动汽车并入电网给电网的安全带来了严重的威胁。即随着电动汽车数量的提高,会给电网负荷带来了巨大的冲击。因此,对电动汽车的充电负荷趋势进行预测,对于电网及充电桩后续的规划建设,以及采用何种方式来缓解大规模电动汽车充电过程对电网带来的冲击,都具有重要的研究价值和现实意义。
针对电动汽车充电负荷预测可以分为从空间角度和时间角度进行预测。文献研究电动汽车在空间约束下的出行特性,采用交通起止点法和蒙特卡洛算法完成对电动汽车充电负荷的时空预测。文献针对电动汽车在居民区的充电特征,建立相关模型。文献以某一地区为例,根据状态转移矩阵得到居民区、工商业区电动汽车的数量,研究不同功能区域电动汽车充电负荷的差异性。文献对蒙特卡洛算法的寻优路径优化,完成对电动汽车时间尺度上的负荷预测,提高了运算速度。
文中分析了前人研究电动汽车的充电负荷特性因素的不足之处,对某市工作日与休息日各类型车的实际充电行为数据进行统计分析,包括充电开始时间、充电电量、充电功率的分布特征。采用蒙特卡洛法计算各类型电动汽车的负荷曲线,比较各类型车负荷曲线的差异,分析充电负荷曲线对该市电网负荷的影响。
安科瑞充电桩收费运营云平台
AcrelCloud-9000安科瑞充电桩收费运营云平台系统通过物联网技术对接入系统的汽车充电站、电动自行车充电站以及各个充电桩进行不间断地数据采集和监控,实时监控充电桩运行状态,进行充电服务、支付管理,交易结算,资源管理、电能管理、明细查询等,同时对充电机过温保护、漏电、充电机输入/输出过压、欠压、绝缘低各类故障进行预警;充电桩支持以太网、4G或WIFI等方式接入互联网,用户通过微信、支付宝、云闪付扫码充电。
应用场合
适用于住宅小区等物业环境、各类企事业单位、医院、景区、学校、园区等公建、公共停车场、公路充电站、公交枢纽、购物中心、商业综合体、商业广场、地下停车场、高速服务区、公寓写字楼等场合。
系统结构
现场设备层:连接于网络中的各类传感器,包括多功能电力仪表、汽车充电桩、电瓶车充电桩、电能质量分析仪表、电气火灾探测器、限流式保护器、烟雾传感器、测温装置、智能插座、摄像头等。
网络通讯层:包含现场智能网关、网络交换机等设备。智能网关主动采集现场设备层设备的数据,并可进行规约转换,数据存储,并通过网络把数据上传至搭建好的数据库服务器,智能网关可在网络故障时将数据存储在本地,待网络恢复时从中断的位置继续上传数据,保证服务器端数据不丢失。
平台管理层:包含应用服务器和数据服务器,完成对现场所有智能设备的数据交换,可在PC端或移动端实现实时监测充电站配电系统运行状态、充电桩的工作状态、充电过程及人员行为,并完成微信、支付宝在线支付等应用。
结束语
由于早期的研究缺乏实际数据的支持,对充电电量和充电功率的设定较为主观,降低了模型计算的精度,文章基于南方某市电动汽车充电的实际数据,对其进行筛选处理,得到不同类型电动汽车充电行为的分布规律,并将其充电行为数据拟合成函数形式。而后采用蒙特卡罗算法对三种类型电动车的充电负荷曲线进行了模拟计算,得到以下结论:
(1) 电动汽车的大规模无序充电行为会进一步提高电网的峰值与峰谷差,导致峰上加峰现象的出现;
(2) 电动出租车充电负荷占比较高,同时具有较大的随机性,未来具有较大的调度潜力,可以通过多种方式对其充电行为进行引导,进一步降低其充电行为对电网的影响。
参考文献
[1]蔡黎,葛棚丹,代妮娜,等.电动汽车入网负荷预测及其与电网互 动研究进展综述[J].智慧电力,2022,50(7): 96-103.
[2]段俊东,李高尚,李一石,等.考虑风电消纳的电动汽车充电站有 序充电控制[J].储能科学与技术,2021,10(2): 630-637 .
[3]郭建龙.电动汽车充电负荷的建模及其对配电系统的影响分析[D]广州: 华南理工大学,2017 .
[4]孔顺飞,胡志坚,谢仕炜,等.考虑分布式储能与电动汽车充电网络的配电网多目标规划[J].电力科学与技术学报,2021,36 (1) : 106-116 .
[5]基于充电行为分析的电动汽车充电负荷预测.秦建华等.
[6]安科瑞企业微电网设计与应用手册2020.06