安科瑞 耿笠 187-6150-0144
摘要:鉴于电动汽车数量未来爆发式增长的现象,利用分布式边缘云模块化技术,以服务功能划分为有序充电云模块和远程自动检测模块,通过蜂窝无线远距离传输的方式,实现采样数据及控制信息上下行数据交互的承载。利用云平台的虚拟化存储、动态扩展、功能模块化部署特点,可以在灵活的空间范围内部署后台计算与能源资源匹配与应用;利用一套远程自检装置,通过软件形式定期下发自检测程序,充电桩启动自检模式,将检测报告与装置内存储的标准数据进行比对,进一步改善平台充电桩监控状态。通过边缘云平台信息分区分功能交互的模式,利用虚拟空间构建一个大容量、高可靠的管控平台,为车联网应用提供一种切实可行的解决方案。
关键词:云平台;自动检测;能源管理;有序充电
今年,电动汽车行业抓住了疫情影响洼地,迅速找到了发展突破口,从电动汽车发行政策到锂电池开发技术均出台了多层面利好消息,未来一段时间内会出现电动汽车乘用车数量井喷现象,如何满足如此批量的电动汽车充电服务需求,有必要改善现有车联网服务平台服务能力。车联网作为充电桩集群式系统管理平台,可以远程对充电桩空闲状态、运行状态、分布位置等进行管理,并通过车载终端获取管辖区域内的车辆充电需求及位置要求,将充电需求与充电桩存量信息进行匹配,为车辆主动推送合适的充电方案信息。但随着车辆数量的快速递增,传统车联网管理方法会逐步表现出处理能力的缺陷,应通过某些智能化技术提升管理系统的处理容量和效率。
1 有序充电计量数据管理及桩站管理现状
传统车联网系统数据的管理更侧重于对车辆的管理,例如车辆运行路径、车辆能量剩余情况、车辆间距、一定空间内车辆容纳数量等信息,以上综合信息有利于帮助系统了解充电桩附近的车辆充电需求量,主要目的是为车辆主动推送充电信息,用户可以从车载终端或其他APP上迅速搜索到附近可充电的充电点,节省了用户的等待时间。但电动汽车发展速度过快,导致传统车联网在数据控制与管理方面也逐步显露出了较多不匹配的地方,总结为以下几点:
(1)充电桩数量与电动汽车充电需求数量完全不成正比:充电桩安装需要安全、有源的空间预留,随着城市智能化建设的加速,可以满足充电桩部署的空间比较有限,如何解决有限的能源用于更多的设备充电是需要解决的问题。
(2)充电桩充电技术还未完全成熟:某个省质检单位对充电桩产品出厂前检测结果反映,70%产品存在着安全隐患,例如有的存在故障无警示或者元件接地错误等,也意味着,这批充电桩在运行一段时间后出现安全问题的可能性很大。在充电桩数量如此有限的情况下,再加上充电桩故障的风险,给充电能力增加了更大的压力。
(3)车联网缺乏对充电桩联网供电能力的评估:目前车联网仅是将每个充电桩供电水平值采集到系统,当周边有车辆预到达时,可推送充电消息。但往往由于充电桩分配不合理,导致有的车辆无电可充,而有可充电的桩站却空闲。
2 基于云平台服务的有序充电应用管理架构
基于以上深度的分析,解决车联网充电服务问题的根本要从两个方面入手:一是加强车联网能源供应与充电需求的匹配度;二是增加充电桩自检测能力,并能通过程序自优化方法对充电桩进行升级。本文针对两个主要需求采用边缘云模块的方式,不同的云功能设计不同的模块,还能借助云特性实现云模块间的数据耦合与扩展。通过功能云数据与能源管理系统内其他设备相互联系,可支撑整个充电过程服务的实现。整体架构如图 1 所示。
车联网对于封闭式的电网而言,属于信息外网,因此架构从纵向来看划分为信息内网与信息外网两部分。信息内网侧重于能源侧,包括配电网发电-充电桩供电-供电交易计量,其过程具体可描述为智能配电网将传统电网或分布式新能源等不同形式能源通过 10 kV 电缆通道传输到能源路由器,由能源路由器根据用户需求将能源分配给的汽车充电,并将充电结果反馈到交易中心进行记录,完成收费过程。信息外网侧重于充电服务,主要由用户电动汽车、用户信息交互 APP 及车联网组成,其过程具体可描述为当车辆需要充电时,利用APP软件将需求发送到车联网,车联网根据系统内充电桩圈的空闲情况及设备状态情况,合理推送充电方案,完成充电过程。
基于边缘云平台的车联网服务架构与传统架构的不同之处在于,部分原由能源交易管理系统执行的功能下放到车联网内。BMS(Battery ManagementSystem)是动力电池管理系统的约束,掌握电池的状态,保证充放电过程的安全,功能模块集成在车联网平台中;能源管理系统对每个充电桩运行状态数据通过数据逻辑形式发送到车联网云端,进行镜像存储,车联网中的控制云能更充分结合用户用能行为习惯,将用户群体需求圈中的所有充电桩供能
状态集中建模,综合参考用户等待时间、充电桩群综合供能效率、车辆服务移动综合距离等评价参量,保证分配方案的合理化。将控制权下放到车联网系统中,1.它属于分布式管理方式,采用边缘云处理的方法,能够更快地出具分配方案,相比能源管理系统集中式处理方式,效率和准确率均会有所提升,也能降低集中数据管理的负担;2.它与用户直接接触,可以较灵活地根据用户充电习惯的改变而优化能源分配模型,实时更新云数据库空间内容,以更多数据服务形式满足用户服务的要求。
其次基于边缘云平台增加的检测云模块,通过在系统主站部署一套智能化检测装置,提前将常规性充电桩运行状态检测方案转换成软件编码形式,周期性地下发自检模式控制指令,充电桩会自动启动自检功能,完成线缆连接、电流额定功率、通信故障等系列检测程序,最终形成自检报告,对于有问题节点会将警示消息传输到车联网,车联网会根据充电桩状态实时调整分配方案,并下发检修信息到能源管理平台,报送电网进行检修。检测云从设备自身状态出发提升了设备使用寿命,也变相缓解了充电桩使用的压力。
3 基于边缘计算的有序充电算法实现
车联网有序充电服务过程以用户侧需求为主,按照先预测用户充电需求趋势来提前部署充电桩分配方案。如果采用传统的需求与充电桩实时匹配方案,经常出现充电桩无空闲的状态,因此要对需求提前预测,才能尽量保障能源的供应。有序充电流程如图 2 所示。
电动汽车用户接收到的信息可能包括电价信息、奖励和惩罚信息、充放电功率限制、充放电时间限制等。这些信息可能来自于不同的主体,电动汽车用户根据这些信息结合自身的行驶需求,对各种信息做出选择和响应决策。同一充电设施可能被多个用户使用,电动汽车用户并不是直接的电力用户。在这些公共停车位上,包含了长时间充电或快速充电的需求,可具备功率较大的交流充电或者直流充电设施。这些充电设施应具备用户识别和充电费用结算功能。多辆电动汽车充放电协调控制的目标包括:1.执行上级控制命令;2.满足各电动汽车用户的充电需求。在控制过程中,电动汽车接入、退出,各控制对象的状态在不断地变化。协调控制策略应实时、动态地进行调整,可见控制策略是有序充电规则制定的核心。本文采用基于密度聚类的方式对用户充电行为数据进行分析,具体测算过程如下:
(1)构建一个三维的信息采集坐标,横坐标为用户需要充电时间,纵坐标为充电电量,空间坐标为发出充电需求时车辆所在位置。
(2)对数据进行实时采集,选择不同时间段的充电行为进行采集,在三维坐标轴上记录下多方面信息,在坐标轴上标识出的一个点表示一个车辆在某个空间位置需要充电的电量信息,最终在坐标轴上形成多个标识位置不同的节点。
(3)将 n 个训练节点均标识在坐标轴上,从图面上初步确定了核心节点k,以这k个核心节点为起点,设定距离门限值δ,分别计算k个核心节点周围节点的距离,计算条件如下:
通过计算,可以形成 k 个不同范围密度圈。
计算遗漏节点 t,将每个遗漏点再分别与k个密度圈的节点计算距离,选择小的距离值,然后纳入到此密度圈中;依次计算,直到遗漏节点划分完毕,记录t个节点距离值L,并备注为特殊节点。具体映射模型如图3所示。
至此,完成用户充电行为的坐标描述,用能行为直观地表示成不同的能量密度圈,机器可以容易计算出每个密度圈中表示的充电总量、车辆数量、聚集时间段和充电区域,从而可以大致描绘出详细的充电行为曲线图。依照此行为曲线图中位置及电量参量,将充电桩群进行密度划分,同样形成不同的密度集,将两个密度集进行比对,构建两个参量的密度圈一对一、一对多的映射关系。
(1)充电桩聚集密度太零散,用户需求侧一个密度圈会对应多个能量侧密度圈。
(2)用户用能量过大,同样需要多个能量侧密度圈来映射。
(3)一对一的情况是指用户侧需求刚好在同区域的能量圈范围内[8]。
无论哪种映射关系,具体到圈内每个节点的映射关系均是在能量维度满足的条件下,距离短原理来计算。按照需求侧和能源侧负荷曲线匹配结果形成充电序列,车联网以设定顺序下发充电桩分配指令,电动汽车依照指令完成充电路径。通过本文设计的有序充电服务计算模型,实现了充电桩运行状态与用户需求的共同联网分析,分析模型在控制云中集成实现,适应用户需求改变和充电桩状态不稳定的现象,可以实时更新模型条件及映射关系,保持车联网服务模型的适应性。
4 基于云架构下的远程自动检测有序充电管理单元设计与实现
充电桩自检功能是车联网平台中新增的部分,通过在平台中部署一套智能化自检装置,包括软硬件基础组件构成,通过多个无线通道同时对多台充电桩进行性能检测,一般选择蜂窝式的通信组网模式,符合充电桩分布集群式的部署特征。智能化自检装置软硬件结构图图 4 所示。
结构主要划分为硬件模块与数据库软件服务器部分,硬件部分主要实现充电桩状态信息的采集与处理,充电桩上部署了除了互感器等电量采集的元器件外,还有各种非电量传感器检测模块,所有数据通过无线多通道并行上传到检测装置的测试接口,高精度数字功率计可以将充电桩实时的三相电流、电压及瞬时功率值计算出来,并通过可编程交流负载,模拟不同电阻档位进行测试,验证充电桩运行电路中各个触电电量值及开关量状态是否在安全运行标准数值范围内。按照充电桩检测用例过程要求编写测试程序,下发到充电桩中,可
自动完成自检测过程[9]。其次对于充电桩环境监测是在传感器参量处理电路中执行,将采集的温度、湿度、电磁等参量的数据融合采集、分类计算,同样将数据结果与历史故障门限值数据进行比对,对于超过安全运行标准的数据进行报警,如故障在可自动修复范围内,系统会下发优化程序,充电桩进行自调优完善过程。针对刚才描述中涉及到的检测编译程序及历史故障库等部分均在数据库服务器中集成存储,结构化数据库按照检测数据、处理模型、故障库等类型、优化程序等将数据存储在不同的容器中,根据系统自检过程顺序调取不同数据,配合完成各项自测项目。
5安科瑞充电桩收费运营云平台系统选型方案
5.1概述
AcrelCloud-9000安科瑞充电柱收费运营云平台系统通过物联网技术对接入系统的电动电动自行车充电站以及各个充电整法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,资要管理、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。
5.2应用场所
适用于民用建筑、一般工业建筑、居住小区、实业单位、商业综合体、学校、园区等充电桩模式的充电基础设施设计。
5.3系统结构
系统分为四层:
1)即数据采集层、网络传输层、数据层和客户端层。
2)数据采集层:包括电瓶车智能充电桩通讯协议为标准modbus-rtu。电瓶车智能充电桩用于采集充电回路的电力参数,并进行电能计量和保护。
3)网络传输层:通过4G网络将数据上传至搭建好的数据库服务器。
4)数据层:包含应用服务器和数据服务器,应用服务器部署数据采集服务、WEB网站,数据服务器部署实时数据库、历史数据库、基础数据库。
5)应客户端层:系统管理员可在浏览器中访问电瓶车充电桩收费平台。终端充电用户通过刷卡扫码的方式启动充电。
小区充电平台功能主要涵盖充电设施智能化大屏、实时监控、交易管理、故障管理、统计分析、基础数据管理等功能,同时为运维人员提供运维APP,充电用户提供充电小程序。
5.4安科瑞充电桩云平台系统功能
5.4.1智能化大屏
智能化大屏展示站点分布情况,对设备状态、设备使用率、充电次数、充电时长、充电金额、充电度数、充电桩故障等进行统计显示,同时可查看每个站点的站点信息、充电桩列表、充电记录、收益、能耗、故障记录等。统一管理小区充电桩,查看设备使用率,合理分配资源。
5.4.2实时监控
实时监视充电设施运行状况,主要包括充电桩运行状态、回路状态、充电过程中的充电电量、充电电压电流,充电桩告警信息等。
5.4.3交易管理
平台管理人员可管理充电用户账户,对其进行账户进行充值、退款、冻结、注销等操作,可查看小区用户每日的充电交易详细信息。
5.4.4故障管理
设备自动上报故障信息,平台管理人员可通过平台查看故障信息并进行派发处理,同时运维人员可通过运维APP收取故障推送,运维人员在运维工作完成后将结果上报。充电用户也可通过充电小程序反馈现场问题。
5.4.5统计分析
通过系统平台,从充电站点、充电设施、、充电时间、充电方式等不同角度,查询充电交易统计信息、能耗统计信息等。
5.4.6基础数据管理
在系统平台建立运营商户,运营商可建立和管理其运营所需站点和充电设施,维护充电设施信息、价格策略、折扣、优惠活动,同时可管理在线卡用户充值、冻结和解绑。
5.4.7运维APP
面向运维人员使用,可以对站点和充电桩进行管理、能够进行故障闭环处理、查询流量卡使用情况、查询充电\充值情况,进行远程参数设置,同时可接收故障推送
5.4.8充电小程序
面向充电用户使用,可查看附近空闲设备,主要包含扫码充电、账户充值,充电卡绑定、交易查询、故障申诉等功能。
5.5系统硬件配置
6 总结
本文主要针对电动汽车充电服务水平急需提升的问题,设计了边缘云的深度解决方案。通过调研目前充电桩与电动汽车数量不匹配及充电桩运行不稳定的现状,分别利用基于密度聚类计算的边缘算法分析车辆充电的行为习惯,勾勒出用电密集度行为圈;并结合远程充电桩自检验模式,定期检测设备运行健康指数,合理分配有效的充电装置,共同制定充电桩分配方案。本文研究了一套基于云平台服务的车联网数据管理架构方案,分析其中各云管理模块的功能及组成,针对充电桩远程自检实现原因进行了研究,验证车联网集成平台新增值检测业务的功效。赋予新功能的车联网平台不仅实现了车辆充电数据的实时采集、存储及可视化控制功能,还实现了充电桩站设备的自动检测能力,节约了大量人力的常规检查。