多能源復(fù)合型電動(dòng)汽車充換儲(chǔ)放電站的能量管理技術(shù)研究.pdf

1、由于全世界都面臨著環(huán)境和能源危機(jī)，可再生能源和電動(dòng)汽車受到了世界各國(guó)的高度重視。電動(dòng)汽車充電基礎(chǔ)設(shè)施影響了電動(dòng)汽車推廣和發(fā)展，多能源復(fù)合型電動(dòng)汽車充換儲(chǔ)放電站（Electric Vehicle Battery Charge-Swap-Storge-Discharge Power Station, EV-BCSSDPS）作為重要的充電基礎(chǔ)設(shè)施,它將充電站、換電站和儲(chǔ)能電站的功能融合到一起。多能源復(fù)合型EV-BCSSDPS不僅可為電動(dòng)汽車提

2、供快速便捷的換電服務(wù)，還可為電動(dòng)汽車提供清潔的充電能源，另外還可利用梯次儲(chǔ)能作為后備電源。隨著電池技術(shù)的進(jìn)一步發(fā)展和智能電網(wǎng)的建設(shè)，EV-BCSSDPS作為智能電網(wǎng)的組成部分，合理利用其儲(chǔ)能特性將對(duì)平抑電網(wǎng)負(fù)荷波動(dòng)、接納間歇性可再生能源及提高電網(wǎng)運(yùn)行效率起到重大作用。本文以多能源復(fù)合的EV-BCSSDPS為對(duì)象，對(duì)其能量預(yù)測(cè)和能量管理的基本分析理論和設(shè)計(jì)方法進(jìn)行了深入研究，包括有光伏發(fā)電預(yù)測(cè)、充電負(fù)荷需求預(yù)測(cè)、經(jīng)濟(jì)優(yōu)化運(yùn)行管理和成本收益

3、分析。
　　準(zhǔn)確的預(yù)知光伏系統(tǒng)的輸出功率，對(duì)EV-BCSSDPS在未來(lái)時(shí)段內(nèi)動(dòng)力電池、梯次儲(chǔ)能的充放電及與電網(wǎng)交易有著非常重要的意義。針對(duì)分布式發(fā)電的隨機(jī)性問(wèn)題，本文建立了光伏系統(tǒng)短期發(fā)電預(yù)測(cè)系統(tǒng)框架。首先從理論和數(shù)據(jù)上分析了氣象因素與光伏發(fā)電量之間的相關(guān)性，并給出了基于距離分析方法的相關(guān)性計(jì)算準(zhǔn)則，考慮了國(guó)內(nèi)太陽(yáng)輻射站點(diǎn)稀少且預(yù)報(bào)能力較低的特點(diǎn)，確定了以氣溫和濕度作為基于神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的輸入因子。并給出了含隱含層節(jié)點(diǎn)的網(wǎng)絡(luò)結(jié)構(gòu)

4、設(shè)計(jì)方法，建立了基于反傳播（Back Propagation, BP）神經(jīng)網(wǎng)絡(luò)的短期無(wú)輻照度輸出功率的預(yù)報(bào)模型，給出了定量評(píng)估模型精度的準(zhǔn)則。此外為增強(qiáng)模型對(duì)天氣突變的適應(yīng)能力，由云量預(yù)報(bào)信息對(duì)天氣類型聚類識(shí)別，采用自組織特征映射（Self-organizing Feature Map, SOM）方法聚類天氣類型，繼而對(duì)各天氣類型采用相應(yīng)的預(yù)測(cè)網(wǎng)絡(luò)，避免單神經(jīng)網(wǎng)絡(luò)的過(guò)擬合問(wèn)題。
　　針對(duì)電動(dòng)汽車換電需求的隨機(jī)性問(wèn)題，準(zhǔn)確預(yù)知電動(dòng)汽

5、車的換電及充電需求，開展EV-BCSSDPS充電負(fù)荷特性研究對(duì)于EV-BCSSDPS內(nèi)動(dòng)力電池的有序、經(jīng)濟(jì)充電，電網(wǎng)安全運(yùn)行，站內(nèi)其它微電源和電網(wǎng)的經(jīng)濟(jì)調(diào)度等都有重要意義。本文分析了某BCSSDPS的運(yùn)營(yíng)基礎(chǔ)數(shù)據(jù)，利用BP及RBF神經(jīng)網(wǎng)絡(luò)和隨機(jī)建模方法建立了逐小時(shí)換電車輛數(shù)模型，基于此建立了電池箱充電起始時(shí)刻模型；此外，提出利用行駛里程作為電池充電量需求的度量標(biāo)準(zhǔn)，分析了車輛行駛里程多樣性的特征，建立了基于高斯混合模型（Gaussian

6、 Mixture Model,GMM）的行駛里程模型，間接得出電池初始荷電狀態(tài)（Initial State-of-Charge,SOC0）；另外，電池與充電機(jī)的特性決定了電池充電功率與充電時(shí)長(zhǎng)。因此綜合考慮上述因素，建立了EV-BCSSDPS的充電負(fù)荷模型，并給出充電負(fù)荷功率計(jì)算及預(yù)測(cè)流程，并編寫了充電負(fù)荷預(yù)報(bào)軟件，實(shí)現(xiàn)了EV-BCSSDPS充電負(fù)荷需求的預(yù)報(bào)功能。最后基于非參數(shù)核密度估計(jì)方法分析了電動(dòng)汽車充電負(fù)荷預(yù)報(bào)的不確定性。

7、>　　針對(duì)光伏出力和電動(dòng)汽車充換電需求的隨機(jī)性會(huì)對(duì)EV-BCSSDPS運(yùn)營(yíng)帶來(lái)不利的影響，本文建立了多能源復(fù)合型EV-BCSSDPS的能量管理模型和經(jīng)濟(jì)化調(diào)度策略。本文對(duì)EV-BCSSDPS內(nèi)微電源如動(dòng)力電池、梯次儲(chǔ)能、光伏、非充電負(fù)荷等進(jìn)行了分析和建模，優(yōu)化模型中充分考慮了電動(dòng)汽車換電需求、動(dòng)力電池充電需求、電池均衡使用約束、功率平衡約束、梯次儲(chǔ)能功率約束等，并在光伏發(fā)電預(yù)報(bào)和電動(dòng)汽車充換電需求預(yù)報(bào)的基礎(chǔ)上，建立了涵蓋充電成本最小、系

8、統(tǒng)負(fù)荷波動(dòng)最小及兼顧二者的EV-BCSSDPS能量調(diào)度優(yōu)化模型。所建立的混合整數(shù)規(guī)劃和二次規(guī)劃模型可利用CPLEX求解，可給出包括每組卸載動(dòng)力電池、梯次儲(chǔ)能、電網(wǎng)、光伏內(nèi)的出力組合。將仿真結(jié)果與無(wú)序充電方案對(duì)比，定量評(píng)估了不同優(yōu)化策略的能量管理模型對(duì)充電成本和系統(tǒng)負(fù)荷波動(dòng)的影響。由于實(shí)際運(yùn)行中，充換電需求預(yù)報(bào)會(huì)有誤差，本文也定量評(píng)估了換電需求預(yù)報(bào)誤差對(duì)EV-BCSSDPS優(yōu)化運(yùn)行的影響。
　　EV-BCSSDPS是我國(guó)電動(dòng)汽車應(yīng)用

9、的重要充電基礎(chǔ)設(shè)施之一，得到了廣泛關(guān)注和示范推廣。本文探討了EV-BCSSDPS的組成結(jié)構(gòu)和運(yùn)營(yíng)模式，選擇以電池租賃運(yùn)營(yíng)模式的EV-BCSSDPS為研究對(duì)象，考慮了其投資成本、運(yùn)營(yíng)以及維護(hù)費(fèi)用、人工薪酬等成本及充換電服務(wù)等收益，并給出評(píng)估EV-BCSSDPS成本效益模型的評(píng)價(jià)指標(biāo)。建立了基于GUI的EV-BCSSDPS全壽命周期成本收益分析軟件，并對(duì)該模型進(jìn)行敏感性分析，得出影響EV-BCSSDPS收益的關(guān)鍵因素序列。該模型及分析結(jié)果為