电池更换站集群优化算法研究报告

1、电池更换站集群优化算法研究报告1 绪论发展新能源车辆是全世界各国应对能源危机和环境保护的主要手段之一，随着锂离子动力电池的使用寿命、能量密度等性能快速提升，各种类型的新能源车辆逐渐进入了大规模的示范应用阶段，某些类型的新能源车辆已经进入商业化阶段，如：日本丰田公司混合动力车已经销售了 100多万辆，美国通用公司的VOLT纯电动轿车2012年销售超过了 6万辆。在国内为推动新能源车辆的发展，推出了 “十城千辆”的电动汽车推广计划，公布了 “关于开展私人购买新能源汽车补贴试点的通知”，“节能与新能源汽车示范推广财政补助资金管理暂行办法”等电动汽车补贴政策。2012年6月28日，国务院印发了 “关于

2、节能与新能源汽车产业发展规划(20122020年)”，确立了纯电驱动为新能源汽车发展和汽车工业转型的主要战略取向，提出了到2015年纯电动汽车和插电式混合动力汽车累计产销量力争达到50万辆；到2020年，纯电动汽车和插电式混合动力汽车生产能力达200万辆、累计产销量超过500万辆产业化目标。充电基础设施网络是大规模的电动汽车商业运行实现的主要支撑环节，其中有关充电基础设施规划布局、充换电站优化设计方法、充换电站经济运行方法以及充换电站与配电网的相互影响关系等问题成为国内外相关研究领域的重点研究内容。1.1 研究背景根据不同纯电动车辆的运行特点以及搭载的动力电池的容量不同，目前主要有以下几种能源

3、补给模式：（1）交流慢速充电充电装置安装在车辆上，地面只提供单相交流电源，电池充电倍率为0.1C0.15C，满充电时间一般在810小时；（2）直流快速充电设立地面充电设备，通过充电设备为车辆提供直流充电输出接口，电池充电倍率为0.3C1C，满充电的时间一般为13小时；（3）电池更换方式电池更换模式是采用事先充满电的电池组替换车辆上需要充电的电池组，满足车辆运行的要求，替换下来的电池组在地面进行充电，电池充电倍率为0.3C1C，满充电的时间一般为13小时。表1-1 纯电动汽车能源补给模式分析特点交流慢充直流快充电池更换优势占地面积小、投资少、安全性好，有利于延长电池使用寿命便于分散安装、满足紧急

4、补电需求节省充电时间，提高车辆利用率、便于集中管理劣势功率小、充电时间长快速充电策略受环境因素影响较大占地面积大、设备投入多、运营成本较高交流慢速充电由于投资成本低、配套资源需求少是未来私人使用的电动乘用车的主要能量补给模式，直流快速充电是交流慢速充电的有效补充，可以为电动乘用车提供应急性的充电服务，而电池更换模式具有的最大特点为：车辆利用率高、电池充电环境好，特别适用于要求车辆运行密度髙的场合，例如：公交车、城市环卫车、出租车等。目前，“十城千辆”试点城市已增至25个；私人购买节能与新能源汽车试点城市已增至6个，包括上海、深圳、长春、合肥、杭州和北京。其中，北京、深圳、合肥、杭州、重庆等城市

5、充电基础设施发展规模较大。北京的纯电动公交车、环卫车和出租车主要以集团用户为主，采用裸车销售、电池租赁、充换结合的运营模式，由北京市电力公司负责充电设施的建设、运营和电池租赁；北京市发改委给予充电设施不高于30%的补贴，北京市给予和国家补贴1：1的配套资金。截止目前，北京示范运营的新能源汽车已达到2457辆，已建设各类充换电站49座。深圳市的纯电动公交车和出租车采用第三方建站运营的模式，充电方式以直流整车充电为主，采用融资租赁、车电分离、网络智能管理、充维结合的运营模，目前已建成并运营57座充换电站，为2303辆新能源汽车提供充换电服务。合肥市电动车辆采用定向采购模式，用户主要是车企员工和合作

6、企业；车辆采用交流慢充的充电方式，集中建站管理。截止2011年底，合肥市共推广新能源汽车2018辆，其中江淮同悦纯电动轿车1585辆。杭州市新能源汽车达1425辆，杭州在公共服务领域，倡导购买新能源汽车的同时探索整车租赁模式。由电池企业购买裸车，连同电池系统一起开展整车租赁，乘用车采用标准电池模块的快速更换模式。重庆市目前已有829辆新能源汽车，2座充换电站，其中比较特色的是铁酸锂电池纯电动公交车，快速充电，满足公交车的使用特性，每68分钟充电一次，每天充电68次。根据中国汽车产业发展报告(2008年)确定的各种车辆在车辆总体保有量的比例，国务院”关于节能与新能源汽车产业发展规划(2012-2

7、020年)”确定的全国电动车辆的总量，以及北京市电动汽车规划中预测到2015年北京市电动汽车数量，利用等比例的方法预测到2020年北京市电动车辆的数量如表1-2。表1-2 2020年北京市纯电动汽车规模预测私人用车公交车出租车公务车数量（万辆）53.30.491.185.03表1-3 2020年北京市充电设施规模预测私人用车公交车出租车公务车数量（万辆）充电桩53.3万个配电容量100MW快充桩0.5万个慢充桩1.3万个1.2 目前换电站设计和运行过程中主要问题目前国内电动汽车换电站已经从初期奥运会、世博会技术验证阶段发展到具有一定规模的商业推广和运行阶段，在这个发展过程中相关核心充电装备、更

8、换装备以及监控系统软硬件等已经实现了产业化，设备性能指标和产品工艺化程度以及可靠性能够满足电池更换和充电的需要，但是从目前推广应用的实际情况看，存在如下的主要问题：（1）换电站主要的服务对象是公交车、环卫车以及出租车等，运行的区域主要集中在城市核心区，占地面积大、配电容量大等缺点使换电站的选址变得非常困难。由于换电站运行需要额外的备用电池和换电设备，使换电站的建设成本相对较高，对换电站的建设和运营方产生了较大的资金压力。（2）换电站的充电负荷受车辆运行的规律影响较大，而大部分公交车运行存在早晚高峰期和平峰期，使换电站的负荷呈现出负荷波动大，高峰负荷出现的时间与其他常规负荷的高峰期接近，不利于城

9、市配电网的移峰填谷，并对换电站外电源的接入带来一定的困难，同时造成换电站的充电电价大部分是峰值电价，造成换电站的运行成本较高。从换电站设计方法和实际运行管理策略角度出发，主要存在以下的问题：（1）核心参数的设计冗余度大目前换电站有关备用电池数量、配电容量、更换装备及更换通道数量等核心参数设计值和实际使用数量之间存在设计冗余度过大的问题，这主要是因为有关换电站相关设计经验少，可用于设计改进的运行数据较少。为保证换电站能满足辆的运行需要，往往设计过程基于车辆和锂电池的的极限参数设计，对公交车运行参数及运行模式对换电站核心参数的影响模式理解不深入，例如：电池充电时间基本按照电池100%放电的充电时间

10、设计、换电站配电功率简单的按运行充电机的最大输出功率计算、不同车辆运行模式对车辆更换频率的影响未考虑等，同时在换电站设计过程中缺乏相应的计算工具，往往通过手工安排发车时刻、电池回站换电时刻等，无法应对车辆多条线路运行模式和车辆多圈运行模式，造成设计过程中冗余度较大，进一步提升换电站的建设成本和占地面积。（2）车辆充电管理策略简单，经济性差目前实际运行的公交车换电站都釆用车辆回站即换电，换电后随即充电的充换电管理策略，并未考虑公交车运行特点、电池充电成本以及换电站负荷特性，造成换电站充电成本高、负荷波动大等问题。实际上在换电站内进行以降低充电电费和改善负荷特性为目标的充电控制策略是可行的，因为公

11、交车存在高峰和平峰的运行规律，而备用电池的充电时间和功率是可在一定范围内进行调节，可以在很大程度上改善换电站的负荷特性和充电经济性。（3）缺乏与城市配电网协调控制技术目前已经运行的公交车换电站数量较少，建设地点往往选在配电条件较好的地区，换电站负荷特性对城市配电网的影响并没有引起研究人员的重视。当换电站在城市核心区的建设规模较大时，准确预测相关换电站充电负荷对配电网的经济运行、区域配电网的稳定运行以及换电站内光伏及储能等新能源的接入意义重大，是相关研究内容的基本手段。1.2 国内外研究现状1.2.1 电动汽车充电负荷预测文献1基于英国乘用车概率统计特性，采用蒙特卡罗方法，给出了一天中PHEV充

12、电负荷与时间的定量关系。文献2基于加拿大温尼伯市的76辆电动汽车，分别采用了基于GPRS和实际充电数据的确定性方法、基于统计分布的蒙特卡洛方法及基于条件密度函数的方法对不同场景、季节和电池容量下的负荷进行了预测和估算。文献3针对匈牙利的具体情况从空间角度对电动汽车充电负荷进行了预测，指出由于充电造成了额外功率需求需要对电网容量进行扩充。文献23以确定纯电动公交车充电站配电容量需求为目标，根据公交客车的运行机制和充电功率曲线特性建立了电动公交充电站容量需求的数学模型。文献4以乘用车为研究对象，分析了电动汽车充电负荷的各自相关因素，根据美国燃油汽车统计数据，建立了电动汽车充电负荷的统计模型，用蒙特

13、卡罗方法得到了电动汽车充电总负荷曲线。文献5在总结我国电动汽车政策和发展趋势的基础上，基于调研结果，分析了私家车、公交车、出租车等不同类型电动汽车的充电方式和充电时段，通过蒙特卡罗方法计算得到了我国未来电动汽车充电负荷曲线，进而分析了充电负荷对电网运行和规划的影响。文献6考虑用户日常驾车模式及充电模式，对电动汽车充电负荷特性进行了分析，并采用蒙特卡罗仿真研究了电动汽车在不同场景下对丹麦配电系统的影响。综上，目前关于电动汽车充电负荷预测的研究主要以电动乘用车为研究目标，从电动汽车的每日行驶里程概率和开始充电时间概率等角度建模，通过燃油车既有数据和统计结果类比或小规模的电动车运行数据统计，主要应用

14、蒙特卡罗方法计算不同时间点各种概率分布的累计结果，而面向以快换模式为主的电动公交车充电负荷预测研究较少，对天气、季节、工作日、电池特性对负荷预测的影响考虑较少，基于电动车大量运行历史数据预测方法没有应用。1.2.2 电动汽车充电负荷控制策略文献7给出了电动汽车换电充裕度的概念，建立了基于一定假设条件的车主用车习惯和充电管理策略的数学模型，主要研究了换电模式下不同时段的充电需求，从而得到应该储备的电池组数量。文献8研究了基于动态电价的充电决定策略，并建立了购买电池原始投资和后期运营成本的经济数学模型，为充电站的运营提供指导。文献9-11综述了国内外关于电动汽车接入电网的研究现状及电动汽车充电对电

15、网的影响，并对电动汽车接入电网的解决方案和利用进行了分析，文献12利用充电负荷具有时空双尺度的可调节特性，在时间和空间上进行双尺度的负荷调度，使电动汽车充电能够在满足用户需求的基础上，还能对电网运行产生积极的作用。文献13针对电动汽车无序充电造成电网“峰上加峰”的问题，以换电站各时刻的充电功率为控制对象，建立多目标的调度策略数学模型，并采用自适应变异的粒子群算法求解，有效地降低电网峰谷差，达到平稳负荷波动的效果。文献14建立了一个以配电网网损最小为目标的电动汽车充电优化模型，研究如何优化电动汽车充电过程以降低网络损耗，从而达到配电网经济运行的目的。文献15基于网损灵敏度，以网损和充电成本最小为

16、目标，来安排电动汽车的充电，实现电动汽车的实时有序充电控制，达到降低配电网网络损耗和平抑负荷的目的。文献16分别建立了电动汽车放电用户、电力企业的成本效益分析模型，分析了电动汽车入网高峰放电削峰填谷的成本和收益。综上，上述的研究主要以乘用车为对象，利用粒子群、遗传等智能优化算法对电动汽车充电时间和充电功率进行控制，从电网损耗、电价以及顾客等待成本等方面进行优化，从实现用户和电网双方利益的目标。专门针对纯电动公交更换充电站的研究不多，特别在换电站的优化调度和经济运行方面的研究鲜有相关成果见诸报端。在电动汽车充电时间和充电功率的调控模型建立中，假设条件和电动汽车真实运行情况有一定的差异，在控制方法

17、上以充电功率控制为主，对充电设备利用率、锂离子电池充放电功率对电池寿命的影响分析较少，利用电动汽车真实运行数据作为对比分析的研究结果未见应用。2 充放电机的集群控制调度策略设计方法2.1 纯电动公交车换电站基本组成图1-1典型换电站平面拓扑结构图1-1所示是一座典型换电站的平面拓扑结构，其一般主要由配电室、监控室、电池更换区、电池充电区、电池维护区等部分组成，各部分功能单元说明如下：配电室：换电站的配电室包括充电机动力配电和其它站内用电配电两部分。通过独立的变压器一部分用于充电机充电，另一部分用于满足照明、计量及控制设备等站用负荷的供电。监控室：监控室用于监控充电机的运行情况、数据库管理和报表

18、打印等工作。电池更换区：需要更换电池的车辆驶入电池更换区进行电池更换，是用于更换电池的场所。另外，需要应急充电的车辆也停靠在电池更换区，通过充电延长线引到车体上进行充电。电池充电区：用于摆放更换下来的动力电池组对其进行充电，主要包括充电机和充电平台。内有充电机设备、电池管理系统供电、电池管理系统内部网络、充电机与充电平台之间的通讯网络接口等。电池维护区：电池维护区包括蹄选和维护、充电间以及备用电池库。电池进入维护车间后，进行电池的蹄选，确定电池的好坏，不能使用的电池作恰当处理，避免污染环境；可继续使用的电池进行维护和活化。维护完后的电池送至充电区进行充电，充满电后进行装箱编组。如图1-2所示，

19、换电站整体运作流程首先是需要更换电池的车辆进站后驶入更换电池区，进行故障诊断，出具电池故障诊断报告，然后更换上已经充满电的整组电池，最后返回停车区。更换下来的电池按有无故障就地分离，故障电池送维护车间进行蹄选、维护、充电和装箱，无故障电池送充电区以单箱电池为单元进充电，充满电后进行编组，所缺电池箱由维护车间的备用电池库补齐后按组为单位送至更换电池库。图1-2 换电站运作流程图2.2 智能优化算法换电站通过更换电池的方法来提高公交车辆利用率，但目前采用的电池换电原则会造成充电负荷受到公交车早晚高峰以及夜间停运的影响，主要负荷集中在电价的高峰段造成充电费用高，进一步加重区域配电网的峰谷差。通过对实

20、际备用电池等待使用时间的分析发现从电池充电完毕到下一次使用之间会有较长的等待时间，可以利用合理的优化算法对电池开始充电时间进行调控，使充电电价尽可能的集中在平峰段和谷段，实现充电费用最低和减小充电负荷的峰谷差。人工鱼群算法是一种随机搜索算法，是群智能算法的一种。通过构造人工鱼来模仿鱼群的觅食、聚群、追尾及随机行为，从而实现群体全局寻优。该算法虽具有较快的收敛速度和较好的求取全局极值的能力，但存在一些缺点，如人工鱼群算法的参数(可视域visua、步长step、最大尝试次数trynumber、拥挤度因子)设定是固定的，这样获得的最优解精度不高，而且各个人工鱼行为存在一些缺陷。为了克服这些缺点，本文

21、提出了自适应改进行为人工鱼群算法。图2-1 智能优化算法流程图2.2.1 自适应改进行为人工鱼群算法的自适应性自适应改进行为人工鱼群算法的自适应性，具体体现在算法寻优程序在执行过程中重要参数的自动修正上。改进方式如下所述：在算法的初始阶段，每条人工鱼在较大的可视域visual内以较大的移动步长step寻找较优解，从而扩大了算法的搜索范围。随着算法的迭代进行，自适应地减小可视域visual和移动步长step，从而自动的加快算法的收敛速度和有效地提高算法的求解精度。具体实现方式请见式子(2-2-1)： (2-2-1)式中visualmin 可视域最小值，取0.001；stepmin 移动步长最小值

22、，取0.0002；Tmax 为最大迭代次数；step移动步长step = 0.125visual；为衰减因子；t 为当前迭代次数；s 取值范围为1 ,30。visual可视域，其初值可以取搜索范围的最大值的1/4左右；式子(2-2-1)对可视域visual 和步长 step 进行了改进；这种对参数进行自动修正的功能正解决了基本人工鱼群算法求解精度不高的问题。2.2.2 自适应改进行为人工鱼群算法的行为优化性自适应改进行为人工鱼群算法的行为优化性主要体现在对各个人工鱼行为寻优能力的提高上3。改进方式具体改进如下所述：觅食行为：设人工鱼当前处于状态Xi，然后在可视域visual内随机选择一个状态X

23、j，人工鱼将当前的状态与选择的状态进行比较，若选择状态Xj优于当前状态Xi，那么人工鱼就向选择状态Xj方向移动一步step，否则再进行搜寻。若在搜寻次数trynumber内没有找到比当前更优的状态，此时有两个选择：一个是若当前状态Xi不是当前群体的最优状态，那么人工鱼就执行随机行为；另一个是若当前状态Xi是当前群体的最优状态，则保留。聚群行为：设人工鱼当前处于状态Xi，然后在可视域visual内随机搜寻伙伴数目nf及中心位置Xc，若伙伴中心位置状态Xc优于当前状态Xi且不太拥挤。此时有两个选择：一是人工鱼直接移动到中心位置Xc，另一是人工鱼向中心位置状态Xc方向前进一步后所在的位置Xc1，然后

24、比较两种方式下的状态哪一种更优良就选哪一种移动方式。否则人工鱼就执行觅食行为。追尾行为：设人工鱼当前处于状Xi，然后在可视域visual内随机搜寻伙伴数目nf及最优的伙伴Xmax1，若最优的伙伴状态Xmax1优于当前处于状态Xi且不太拥挤。此时有两个选择：一种方式是人工鱼直接移动到Xmax1，另一种方式是人工鱼向Xmax1方向前进一步后所在的位置Xmax2，然后比较两种方式下的状态哪一种更优良就选哪一种移动方式。否则人工鱼就执行觅食行为。人工鱼行为的优化，有助于提高基本人工鱼群算法的寻优能力。综上所述，自适应改进行为人工鱼群算法具有很好的自适应能力和优秀的人工鱼行为，从而可以更快地得到高精度的

25、最优解。2.2.3 惩罚函数法电池更换站的充电策略优化属于带约束的优化问题；自适应改进行为人工鱼群算法直接可以用于无约束的优化问题中，而不可以直接用于带约束的优化问题中；那么惩罚函数法是一种可以把约束优化问题转化为一系列无约束优化问题来处理的方法。下面简单说明一下，如给定一带约束式子 (2-2-2)将带约束式子(2-2-2)转写成罚函数的形式： (2-2-3) 式中 f(X)目标函数；Blame(X)惩罚函数，将约束的条件表示成函数的形式；根据惩罚函数法的性质，不难得到，对于求解最小值的目标函数f(X)来说，满足约束条件的X，均可以使Blame(X)的值为零。因此求解式子(2-2-3)就相当于

26、求解式子(2-2-2)。3 基于峰谷调节的实时电价系统对电动汽车采取合理的调度策略，可以充分发挥电动汽车在优化电网运行方面的作用。而电动汽车的充电行为还可以通过制定峰谷电价、实时电价或者辅助服务价格等途径进行控制9。文献10提出一种计及供电侧填谷效果与用户成本的数学模型，在确定优化时段的情况下，优化充电起始时间及充电电价，达到了供电侧与用户侧共赢的效果。文献11研究了电动汽车基于分时电价的电动汽车有序充电控制策略，以用户充电费用最小作为一级目标，电池起始充电时间最早作为二级目标，综合考虑了电网的优化运行与用户满意度。但是分时电价的时间段为固定的，欠缺灵活性。文献12提出了一种计及车主满意度的最

27、优峰谷分时电价模型，在将电动汽车分为三类的情况下，建立了电动汽车充放电的需求响应模型，并将用户满意度最高、负荷峰谷差最小、购电成本最低等因素作为目标，进行多目标优化。在改善负荷曲线的同时还兼顾了车主的满意度。国内外很多基于电动汽车的电价研究都是在假设车主能够实时地响应电价的基础上所展开的。事实上用户很难响应当天制定的实时电价。基于上述，考虑到未来将有大量的电动汽车和风电接入电网，课题组提出了一种计及风电接入和车主互动意愿的实时电价模型，并引入调度的思想，优化电动汽车充放电功率，计算日前电价，并在已发布日前电价的基础上，根据风电预测功率的误差，实时地调节日前电价，形成当日电价。这种实时电价的制定

28、方式对地区电网公司具有一定的参考价值。3.1 电动汽车充放电模型文献13可知，2020-2030年我国私家电动汽车数量将大规模上升。因此，为分析电动汽车对区域电网的影响，课题组主要针对私家车展开研究。3.1.1 日行驶里程及速度根据美国交通部对全美家用车辆的调查结果 (NHTS) 14，私家电动汽车日行驶距离服从对数正态分部，如公式（3-1-1）所示： （3-1-1）式中，D=3.20，D= 0.88；x为行驶里程，0 < x 200。电动汽车的平均行驶速度Vspeed服从2030km/h的平均分布15。3.1.2 私家车主用车习惯课题组对私家车主的出行习惯做如下假设。（1） 电动汽车的

29、车载电池容量Cbattery服从2040kW·h的平均分布，平均耗能为W=0.20kW·h/km；（2） 电动汽车的充放电功率P同服从在35kW内的平均分布16，充电效率为0.95；（3） 私家车主早上9:00到达单位，下午17:00离开单位，且上班与下班行驶距离相同；4) 电动汽车到达单位后的车载电池荷电状态(SOC)满足正态分布N(0.6，0.12)；（4） 电动汽车到达单位后的车载电池荷电状态(SOC)满足正态分布N(0.6，0.12)；（5） 为保证电池寿命及充电效率，车载电池SOC必须维持在10%90%。（6） 无序充电模式下，电动汽车停放在单位期间每个时刻的放电

30、概率均相同。3.1.3 无序模式下的V2G模型无序V2G模式是指私家车主的充放电行为由其出行习惯决定，不受其他因素影响。（1） 充电模型。无序模式下充电时刻服从正态分布，其概率密度函数为： （3-1-2）式中：S=17.6，S=3.4；t为充电起始时刻。电动汽车充电时长为： （3-1-3）式中：Tchg为充电时长，h；SOC为车载电池的荷电状态。（2） 放电模型。一天内私家电动汽车的放电概率为： （3-1-4）电动汽车放电时长为： （3-1-5）式中：Tchg为充电时长，h；LD为电动汽车的日行驶距离，km。3.1.4 电动汽车互动概率研究表明，一天中国超过90%的时间汽车处于停驶状态17。理

31、论上认为所有停驶的电动汽车均可以参与V2G。但是，并不是所有停驶电动汽车的车主都愿意参与V2G，因此还需要考虑车主的互动意愿，则在时段t可以调度的电动汽车数量Ndis(t)如公式(3-1-6)所示。图1显示了电动汽车互动概率Gact(t)随时间的变化情况。 (3-1-6)其中，式中：N为区域电网中电动汽车的数量；Gpark(t)为电动汽车的停驶概率；为互动意愿率，即愿意参与V2G的车主占所有车主的比例。图3-1 电动汽车互动概率3.2 最优电价求解模型课题组所建立的电价模型旨在调度愿意互动的电动汽车，一方面满足车主的充电要求，另一方面实现削峰填谷，优化电网运行。3.2.1 目标函数优化目标为电

32、网等效负荷方差最小： (3-1-7)其中， (3-1-8)式中，t1，2，T；T为研究周期内的小时数，取24，即研究日实时电价；L(t)为时段t的常规负荷值；PC(t)为时段t愿意参与V2G的电动汽车充电功率；PNC(t)为时段t不愿意参与V2G的电动汽车充电功率；PW,F(t)为时段t风电功率的预测值。约束条件应包括确保所有愿意参与V2G的电动汽车在一个调度周期内总的充电功率保持不变，即充电量等于用电量，以及对充电功率的约束，表示如下： (3-1-9)式中，Pi(t)为第i辆电动汽车在时段t的充电功率，Pi(t)>0表示充电，Pi(t)<0表示放电。一般情况下，在用电高峰时段，将

33、电价调高，鼓励用户放电；而在用电低谷阶段，将电价降低，鼓励用户充电，从而可以达到以电价引导电动汽车充放电来实现移峰填谷的目的。对于由电价升降所引发用电量的变化即弹性系数，其计算公式如下所示18： (3-1-10)qt1和qt2分别表示时段t的参考电价和当前电价；pt1和pt2分别表示时段t的参考负荷值和当前负荷值。为确保车主愿意参与V2G，对于这部分用户在电价上具有如下优惠：放电电价为日前电价与当日电价的较大值，充电电价为日前电价与当日电价的较小值，如式(11)所示；而不愿意参与V2G的用户与其相反。 (3-1-11)式中，qcha(t)为时段t的充电电价；qdischa(t)为时段t的放电电

34、价；qahead(t)为时段t的日前电价；qday(t) 为时段t的当日电价。3.2.2 程序设计程序以在一个调度周期内，愿意参与V2G的电动汽车充电功率作为染色体个体，采用遗传算法进行优化，得到优化前后电网的等效负荷曲线。其中算法参数的选择如下：初始种群大小为50；最大遗传代数为3000次；交叉概率为0.8；变异概率为0.02。算法流程如图2所示。图3-2 优化算法求解过程优化算法求解的主要过程如下：1) 输入常规负荷L(t)；风电预测功率PW,F(t)；车主互动意愿率及电动汽车数量N。2) 构建目标函数及相应的约束条件。3) 初始化种群。以(PC(1), PC(2), PC(T)i作为染色

35、体个体，在取值范围内随机生成50个初始化个体。每个个体均采用实数编码。4) 判断生成的种群是否满足优化模型的约束条件，如不满足则丢弃此种群。5) 以等效负荷方差的倒数作为适应度函数，计算每个染色体的适应值，并记录产生最小方差的个体(PC(1), PC(2), PC(T)i。6) 通过旋转轮赌法选择染色个体，并对其进行交叉和多窗口变异操作，产生子代种群。7) 反复迭代寻优，直至达到最大遗传代数，并输出全局最优个体。8) 计算日前电价，并输入实测风电功率，滚动计算当日电价。3.3.3 算例结果以某地区典型日负荷数据为基础负荷，电动汽车充放电相关参数设置如下：N=10000，=0.30，qt1=0.

36、50元/kWh，=-0.50。功率基值为100WVA。图3-3(a)，3-4(a)，3-5(a)，3-6(a)中将优化前后电动汽车的充电功率曲线与风电功率曲线和日负荷曲线叠加得到包含风电和电动汽车的负荷曲线。（a）包含风电和电动汽车的负荷曲线（b）日前电价和当日电价的曲线图3-3风电功率曲线具有正调峰特性，风电渗透率为60%，预测误差为30% 图3-3(b)，3-4(b)，3-5(b)，3-6(b)的曲线显示了与之相对应的日前电价和当日电价的曲线。日前电价给出了第二天电价的变化趋势，而当日电价则为修正风电预测功率的误差，采用以一个小时为一个时段制定电价。图3-3(b)显示了具有正调峰特性的风电

37、功率曲线且风电渗透率为60%，预测误差为30%情况下的电价曲线。图3-4(b)显示了具有正调峰特性的风电功率曲线且风电渗透率为60%，预测误差为10%情况下的电价曲线。由此可知，风电功率预测误差越大，日前电价与当前电价之差就越大。（a）包含风电和电动汽车的负荷曲线（b）日前电价和当日电价的曲线图3-4风电功率曲线具有正调峰特性，风电渗透率为60%，预测误差为10% （a）包含风电和电动汽车的负荷曲线（b）日前电价和当日电价的曲线图3-5风电功率曲线具有反调峰特性，风电渗透率为60%，预测误差为10%图3-5(b)显示了具有反调峰特性的风电功率曲线且风电渗透率为60%，预测误差为10%情况下的电

38、价曲线。由图3-4(b)和图3-5(b)可知，具有反调峰特性的风电功率曲线将导致电网负荷曲线峰谷差变大以及实时电价曲线峰谷差的拉大。（a）包含风电和电动汽车的负荷曲线（b）日前电价和当日电价的曲线图3-6风电功率曲线具有反调峰特性，风电渗透率为30%，预测误差为10%图3-6(b)显示了具有反调峰特性的风电功率曲线且风电渗透率为30%，预测误差为10%情况下的电价曲线。由图3-5(b)和图3-6(b)可知，将具有反调峰特性的风电功率曲线接入电网后，风电渗透率越低，电网负荷曲线越平缓，实时电价曲线的峰谷差越小。并且在实施实时电价引导电动汽车进行V2G后，电网负荷曲线得到了一定程度的改善。4 多目

39、标系统控制的充放电机集群控制模型4.1 参数设置的基本思路在每日24点之前，对电池更换站内的信息进行统计，以进行下一次日前计划的制定。包括站内所有充电机的工作状态、站内所有充电机的故障情况、站内所剩电池的信息（A、B、C各组充已经充好的以及未充电电池的数量）4.1.1 电池排队理论对于各组电池，将已经充好的电池和没有充好的电池分开进行排队。正在充电的和等待充电的电池排成一组，依次进行充电。当充好一块电池时，将其排到已充好电池组队列的末端，需要放电时，流水线从已充好电池组的队列前段提取电池，连接充放电机进行放电。当有用户进站需要更换电池时，也从已充好电池组的队列前段提取电池更换给用户，同时，将用

40、户更换下来的空电池放入未充电电池队列的末端进行排队。通过分开排序的方法，可以避免电池出现刚充满电就进行放电的情况，有效减少电池的折损情况。4.1.2 电池梯度利用以半小时为优化最小时间单位，优化时段为24h，根据次日的进站流量密度曲线对电池更换需求进行预测，对次日的电池更换站充换电流程进行优化。认为用户换给充电站的电池均已使用至电量阀值（剩余20%）。按照电池的健康程度，将站内的电池按一定比例（如：60%，30%，10%）分为A、B、C三组。A组为健康度较好的电池，参与正常的充电馈电行为，并可以换给用户；B组为较不健康电池，考虑到其折损情况，不再对其进行馈电操作，仅用于充电并换给用户；C组为不

41、健康电池，其电池折损较重已不适合电动汽车日常使用，因此留在电池更换站内，进行充电和馈电的经济运作。在此之外需要额外考虑一部分的备用电池，通常为站内电池总数的20%，这部分备用不参与放电收益，仅作为换电备用使用。4.1.3 电池更换站收费制定对于电池更换站的换电池收费与馈电电价的计算思路如下：换电站年收益率为：其中， 为换电站每天换电服务的所有电动汽车充电量；为电池更换站充电损耗率；为电池更换站销售电价；为电池更换站每年运营折算成本；为电池更换站向电网购电电价，即充电成本价为电池更换站建设成本；F为电池更换站每年租赁电池成本。换一块电池的价格=*Q*0.8，其中Q为单块电池的容量；放电价格高于换

42、电价格，取裕度10-20%。4.2 变量设置的基本思路每个充电机对应3个状态：充电、放电、和停运，对应实数-1，0，1。认为电机的充放电过程均为恒功率，效率均为90%。采取快充模式进行充电。设站内的充电机总数为M，对应于电池组的分类，同样也将充电机按电池组比例分为A、B、C三组，A组充电机仅对A组电池进行充放电操作，B、C组同理。那么变量矩阵表示为：（4-2-1）变量向量设置为720维变量； （4-2-2）4.2.1 电池更换站基本设计模型换电站主要包括车辆数、备用电池组数、更换工位数和配电功率等四个关键参数。这些关键参数和公交车的高峰持续时间、高平峰发车间隔、车辆运行周期、电池充电时间、电池

43、组充电功率等参数密切相关。结合换电站设计经验和实际运营数据，给出基本的换电站参数设计模型示意图4-1和图4-2:图4-1换电站参数设计模型图4-2车辆运行时间和电池使用时间4.2.2 换电站参数设计模型中基本原则(1)换电站设计时要考虑最严峻的情况，也就是要选取一天中高峰时间最长时间段及与它相邻的平峰时间段(图4-2中加粗的那一段时间)；(2)更换工位数的计算原则要满足车一进站就换电池的要求；(3)模型中的计算方法是基于换电站为单条线路服务，并且车辆只运行一圈就换电充电。在不同条件下的换电站核心参数计算公式如下所示:（1）车辆数计算方法当 即车辆运行一次的时间大于高峰期持续时间条件下的车辆数为

44、 （4-2-3）当 即车辆运行一次的时间小于高峰期持续时间条件下的车辆数为 （4-2-4）（2）备用电池计算方法当即充电时间大于高峰时间条件下的备用电池为 （4-2-5）当即充电时间小于于高峰时间条件下的备用电池为 （4-2-6）（3）更换工位数计算方法取整 （4-2-7）（4）充电功率计算方法当即充电时间大于高峰时间条件下的充电功率为 （4-2-8）当即充电时间小于高峰时间条件下的充电功率为 （4-2-9）其中，Nc是充换电站内的车辆数，Nb是备用电池组数，Nk是充换电站需要配置的更换工位数，Pave是电池组的平均充电功率，P是充换电站需要配置的充电功率。4.2.3 核心参数计算主要影响因素

45、根据上面的分析，影响换电站配电容量、备用电池组数、更换通道数等关键参数的主要因素有车辆运行时间、电池组充电时间、电池更换时间、高峰和平峰的发车间隔、高峰持续时间以及电池组充电功率曲线等。这些参数可分成两类:（1）受实际运行工况有较大影响的，需要在设计阶段进行准确估算的参数；1）车辆运行时间2）电池组充电时间3）电池组充电功率曲线表4-1对比了当初换电站设计的核心参数和实际充换电站运行数据，发现在换电站配电容量、车辆使用数、备用电池等参数存在较大差异。表4-1换电站设计参数与实际使用情况对比对比内容充电时间/h车辆数/辆备用电池组数/组工位数/个配电容量/MW设计数据3503023.2实际数据1

46、.82.5502420.95造成核心参数差异大的核心原因是对电池组的充电时间和多组电池同时充电的功率计算方法存在较大的误差，原设计中按电池组100%DOD (Depth Of Discharge)放电来计算充电时间，实际上车辆运行过程中由于线路运行长度和运行时间的特点和为应对突发性交通拥堵的情况，车辆回站更换电池的放电深度大约在40%60%DOD，引起充电时间的设计值与实际值存在较大差异，从而影响车辆的使用数量、备用电池数量以及换电站配电容量。换电站电池组充电是按照电池更换的频率投入充电，存在多台充电机同时工作的情况，但由于锂离子电池充电功率在充电过程是变化的，虽然多台充电机同工作，但工作的时

47、间起始点不一样。在原设计中按换电站的最大输出功率的累加和计算配电容量，造成设计值远远大于实际的配电容量。（2）根据成本、效益、服务能力综合考虑，要进行设计优化的参数；1）高峰和平峰发车间隔2）高峰持续时间3）电池更换时间为满足交通需求，公交车的运行存在高峰段和平峰段，高峰段和平峰段的发车间隔有较大的区别。普通燃油车采用在不同时段投入不同的车辆数来应对高峰运行需要，不需要其他方面的支持，而纯电动公交车为满足高峰运行要求，不仅需要投入相应的车辆，同时需要提高换电站的电池更换能力，并增加备用电池组数，对换电站的建设成本和相应的占地面积带来较大的影响。在世博会换电站设计过程中，要求高峰期的断面客流量达

48、到14000人/小时，要求高峰期的车辆的发车间隔为1分40秒，换电站内更换设备的更换时间为10分钟，必须配置8套更换设备，釆用四个更换通道，造成换电站的建设投资增加3000多万，备用电池数达到120套，备用电池数和车辆数的比例达到2:1，远超过了北京奥运会换电站的1.4:1。经过世博会的实际运行发现，高峰期断面客流量达到14000 人/小时持续时间很短，在绝大多数时间内更换设备和备用电池大量闲置。4.3 目标函数4.3.1 考虑电池更换站的运行经济性以电池更换站全天运行收益最大为目标，即电池更换站向用户提供电池更换服务的收益与向电网馈电所得的收益总和最大： （4-3-1）、分别为j时段电池更换

49、站内的馈电总功率和充电总功率；、分别为j时段电池更换站向电网馈电的电价和从电网买电的电价，为电池更换站换给用户一块电池所收取的费用，为固定常数；为j时段换给用户的电池数目；为单位优化时段，即半小时。4.3.2 考虑电池更换站内电池的健康利用以电池更换站内电池在一天之内状态切换次数总和最小为目标 （4-3-2）为站内所有电池组1d之内状态切换总次数。4.4 约束条件4.4.1 站内电池总数的约束（4-3-3） （4-3-4）、分别为j时段A，B，C三组电池中处于已充好状态的电池数量。、分别为j时段A，B，C三组电池中处于充电状态的电池数量。、分别为j时段A、B两组电池中换给用户的数目（由于C组电

50、池不参与电池更换，因此不存在）。、分别为j时段A、C两组电池中处于放电状态的电池数量（由于B组电池不参与电池更换，因此不存在）。4.4.2 充电机数目约束j时段所有处于充电、放电状态的电池总数应不超过站内充电机数量M（4-3-5）4.4.3 用户需求约束站内可用于用户更换的电池数量满足当前车辆换电量，并保证20%的裕度； （43-6）4.4.4 连续充电约束设定电池完成一次充电行为需要的时间为 ，则在表示站内所有充电机状态的变量矩阵中，对于每台充电机，表示其处于充电状态的1值连续出现的次数必须为的整数倍。4.5输入输出4.5.1 输入信息（1）电动汽车电池配置：1）电池更换站内所配置的电池种类

51、数；2）每种电池的具体组成结构：即每组电池箱中不同容量电池的配比。例如组成一个电池箱需要120Ah、100Ah和80Ah的电池各有几个。（2）电池信息：1）站内各类电池的数量。例如120Ah、100Ah和80Ah的电池各自的总数。2）各类电池的SOC。3）各类电池的健康度信息，即各个电池分属于A、B、C哪个电池组别中。4）各个电池的充放电状态。包括充电中、放电中和等待中三种状态。5）电池所能承受的最大充电速率与放电速率。6）电池的ID信息。在进站时进行扫描录入，提供电池的基本信息与使用限制。（3）充电机信息：1）换电池站内所拥有的充电机总数。2）各个充电机当前的工作状态（包括充电中、放电中、暂

52、停工作与故障中集中状态）。3）充电机的充电功率限值与放电功率限值。4）充电机的ID。5）充电机上所放电池的ID。（4）未来24小时的电价信息，包括电池更换站用电电价与电网购电电价。（5）未来24小时的换电需求。（6）电池更换站内，电池与充电机的备用率。（7）充电与放电最长时长限制。4.5.2 输出信息（1） 充电机在下一时段的工作状态安排（包括充电、放电、等待）。（2） 充电机的充电速率或放电速率。5 电池更换站中突发状况的应对方法5.1 充电机故障情况下的处理方式当电池更换站的监测系统检测到某台充电机出现故障时，首先应启动站内配备的备用充电机，将故障机器所承担的充电任务转移至备用充电机上。同

53、时进行故障机器的修复工作，完成修复并调试合格后，不进行原有充电任务的再次转移，而是将该台充电机归入电池更换站的备用充电机组中。如果发生出现故障机器而可供替换的备用电机组已全部处于运行状态的故障情况，则需做以下处理。对于A、B、C三类充电机，其中C类充电机负责给健康度为C等级的电池进行充电，由于C类电池不会参与向用户的换电池行为，因此C等级的电池无法进行充放电不会影响电池更换站的正常运营，仅影响电池更换站收益中的放电利益部分，所以C类充电机故障的情况下，直接等待机器维修恢复运行即可，不进行其他操作。对于A、B两类充电机，以A类为例，假设A1号充电机出现故障，则立即将A1机器原定的充电与放电工作安

54、排到C组的充电机上，即取一台C组充电机，取消其原定的充电计划，改为执行A1的充电计划，保证A组充电机按日前计划进行工作。等到A1机器维修完毕后，由其执行被取消的C组机器原定的计划。B组机器故障时也做同样的处理。5.2 车流量大于预测的情况的处理方式分两种情况进行考虑：1）依旧按照日前优化的经济最优执行换电池服务；2）按照尽量满足用户意愿的原则进行换电池服务。针对情况1）将备用电池库中的电池一次换给进站的电动汽车后，如果车辆需求超出备用电池量，则不在予以换电池服务。这种情况依旧已经济性最优为目标。针对情况2）当备用电池用尽后，为了满足用户需求将下一时刻的备用电池提前使用，在此基础上，按照约束条件

55、重新生成能满足后续需求的充换电机控制矩阵。但是使用该方法后将无法实现经济性最优的效果。6 海量充放电机的有序充放电集群调度算法6.1 总体分层结构由于未来将会有大量的电动汽车接入电网进行随机的充电，为了最小化新增电动汽车充电负荷对电网在网损、电压偏移、频率等方面的影响，需要对接入电网的电动汽车进行协调调度。充分利用规模化运行的电动汽车的分布式储能作用，在电网负荷非电高峰时段引导其进行充电，从而起到削峰填谷、电网储能、负荷控制的作用，削减电网设备投入和运营费用，使得电网更加经济的运行。而对数量如此之多的电动汽车进行协调调度，将会出现维数过多的问题。因此，可以考虑对电动汽车运用分层分区调度策略。我国电网的调度分为五个层次：国家级调度控制、大区网局级调度、省级电网调度、地区级电网调度和县级电网调度。这种电网的分层调度方法可以作为电动汽车并网调度分层的参考，由此根据电网的电压等级，结合电网的分级调度策略对电动汽车的调度进行纵向的划分层次，划分等级，即