電池更換站與電網(wǎng)的互動機(jī)制以及優(yōu)化控制策略研究報告---大報告

1、電池更換站集群優(yōu)化算法研究報告1 緒論發(fā)展新能源車輛是全世界各國應(yīng)對能源危機(jī)和環(huán)境保護(hù)的主要手段之一，隨著鋰離子動力電池的使用壽命、能量密度等性能快速提升，各種類型的新能源車輛逐漸進(jìn)入了大規(guī)模的示范應(yīng)用階段，某些類型的新能源車輛已經(jīng)進(jìn)入商業(yè)化階段，如：日本豐田公司混合動力車已經(jīng)銷售了 100多萬輛，美國通用公司的VOLT純電動轎車2012年銷售超過了 6萬輛。在國內(nèi)為推動新能源車輛的發(fā)展，推出了 “十城千輛”的電動汽車推廣計劃，公布了 “關(guān)于開展私人購買新能源汽車補(bǔ)貼試點(diǎn)的通知”，“節(jié)能與新能源汽車示范推廣財政補(bǔ)助資金管理暫行辦法”等電動汽車補(bǔ)貼政策。2012年6月28日，國務(wù)院印發(fā)了 “關(guān)于

2、節(jié)能與新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃(20122020年)”，確立了純電驅(qū)動為新能源汽車發(fā)展和汽車工業(yè)轉(zhuǎn)型的主要戰(zhàn)略取向，提出了到2015年純電動汽車和插電式混合動力汽車?yán)塾嫯a(chǎn)銷量力爭達(dá)到50萬輛；到2020年，純電動汽車和插電式混合動力汽車生產(chǎn)能力達(dá)200萬輛、累計產(chǎn)銷量超過500萬輛產(chǎn)業(yè)化目標(biāo)。充電基礎(chǔ)設(shè)施網(wǎng)絡(luò)是大規(guī)模的電動汽車商業(yè)運(yùn)行實(shí)現(xiàn)的主要支撐環(huán)節(jié)，其中有關(guān)充電基礎(chǔ)設(shè)施規(guī)劃布局、充換電站優(yōu)化設(shè)計方法、充換電站經(jīng)濟(jì)運(yùn)行方法以及充換電站與配電網(wǎng)的相互影響關(guān)系等問題成為國內(nèi)外相關(guān)研究領(lǐng)域的重點(diǎn)研究內(nèi)容。1.1 研究背景根據(jù)不同純電動車輛的運(yùn)行特點(diǎn)以及搭載的動力電池的容量不同，目前主要有以下幾種能源

3、補(bǔ)給模式：（1）交流慢速充電充電裝置安裝在車輛上，地面只提供單相交流電源，電池充電倍率為0.1C0.15C，滿充電時間一般在810小時；（2）直流快速充電設(shè)立地面充電設(shè)備，通過充電設(shè)備為車輛提供直流充電輸出接口，電池充電倍率為0.3C1C，滿充電的時間一般為13小時；（3）電池更換方式電池更換模式是采用事先充滿電的電池組替換車輛上需要充電的電池組，滿足車輛運(yùn)行的要求，替換下來的電池組在地面進(jìn)行充電，電池充電倍率為0.3C1C，滿充電的時間一般為13小時。表1-1 純電動汽車能源補(bǔ)給模式分析特點(diǎn)交流慢充直流快充電池更換優(yōu)勢占地面積小、投資少、安全性好，有利于延長電池使用壽命便于分散安裝、滿足緊急

4、補(bǔ)電需求節(jié)省充電時間，提高車輛利用率、便于集中管理劣勢功率小、充電時間長快速充電策略受環(huán)境因素影響較大占地面積大、設(shè)備投入多、運(yùn)營成本較高交流慢速充電由于投資成本低、配套資源需求少是未來私人使用的電動乘用車的主要能量補(bǔ)給模式，直流快速充電是交流慢速充電的有效補(bǔ)充，可以為電動乘用車提供應(yīng)急性的充電服務(wù)，而電池更換模式具有的最大特點(diǎn)為：車輛利用率高、電池充電環(huán)境好，特別適用于要求車輛運(yùn)行密度髙的場合，例如：公交車、城市環(huán)衛(wèi)車、出租車等。目前，“十城千輛”試點(diǎn)城市已增至25個；私人購買節(jié)能與新能源汽車試點(diǎn)城市已增至6個，包括上海、深圳、長春、合肥、杭州和北京。其中，北京、深圳、合肥、杭州、重慶等城市

5、充電基礎(chǔ)設(shè)施發(fā)展規(guī)模較大。北京的純電動公交車、環(huán)衛(wèi)車和出租車主要以集團(tuán)用戶為主，采用裸車銷售、電池租賃、充換結(jié)合的運(yùn)營模式，由北京市電力公司負(fù)責(zé)充電設(shè)施的建設(shè)、運(yùn)營和電池租賃；北京市發(fā)改委給予充電設(shè)施不高于30%的補(bǔ)貼，北京市給予和國家補(bǔ)貼1：1的配套資金。截止目前，北京示范運(yùn)營的新能源汽車已達(dá)到2457輛，已建設(shè)各類充換電站49座。深圳市的純電動公交車和出租車采用第三方建站運(yùn)營的模式，充電方式以直流整車充電為主，采用融資租賃、車電分離、網(wǎng)絡(luò)智能管理、充維結(jié)合的運(yùn)營模，目前已建成并運(yùn)營57座充換電站，為2303輛新能源汽車提供充換電服務(wù)。合肥市電動車輛采用定向采購模式，用戶主要是車企員工和合作

6、企業(yè)；車輛采用交流慢充的充電方式，集中建站管理。截止2011年底，合肥市共推廣新能源汽車2018輛，其中江淮同悅純電動轎車1585輛。杭州市新能源汽車達(dá)1425輛，杭州在公共服務(wù)領(lǐng)域，倡導(dǎo)購買新能源汽車的同時探索整車租賃模式。由電池企業(yè)購買裸車，連同電池系統(tǒng)一起開展整車租賃，乘用車采用標(biāo)準(zhǔn)電池模塊的快速更換模式。重慶市目前已有829輛新能源汽車，2座充換電站，其中比較特色的是鐵酸鋰電池純電動公交車，快速充電，滿足公交車的使用特性，每68分鐘充電一次，每天充電68次。根據(jù)中國汽車產(chǎn)業(yè)發(fā)展報告(2008年)確定的各種車輛在車輛總體保有量的比例，國務(wù)院”關(guān)于節(jié)能與新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃(2012-2

7、020年)”確定的全國電動車輛的總量，以及北京市電動汽車規(guī)劃中預(yù)測到2015年北京市電動汽車數(shù)量，利用等比例的方法預(yù)測到2020年北京市電動車輛的數(shù)量如表1-2。表1-2 2020年北京市純電動汽車規(guī)模預(yù)測私人用車公交車出租車公務(wù)車數(shù)量（萬輛）53.30.491.185.03表1-3 2020年北京市充電設(shè)施規(guī)模預(yù)測私人用車公交車出租車公務(wù)車數(shù)量（萬輛）充電樁53.3萬個配電容量100MW快充樁0.5萬個慢充樁1.3萬個1.2 目前換電站設(shè)計和運(yùn)行過程中主要問題目前國內(nèi)電動汽車換電站已經(jīng)從初期奧運(yùn)會、世博會技術(shù)驗(yàn)證階段發(fā)展到具有一定規(guī)模的商業(yè)推廣和運(yùn)行階段，在這個發(fā)展過程中相關(guān)核心充電裝備、更

8、換裝備以及監(jiān)控系統(tǒng)軟硬件等已經(jīng)實(shí)現(xiàn)了產(chǎn)業(yè)化，設(shè)備性能指標(biāo)和產(chǎn)品工藝化程度以及可靠性能夠滿足電池更換和充電的需要，但是從目前推廣應(yīng)用的實(shí)際情況看，存在如下的主要問題：（1）換電站主要的服務(wù)對象是公交車、環(huán)衛(wèi)車以及出租車等，運(yùn)行的區(qū)域主要集中在城市核心區(qū)，占地面積大、配電容量大等缺點(diǎn)使換電站的選址變得非常困難。由于換電站運(yùn)行需要額外的備用電池和換電設(shè)備，使換電站的建設(shè)成本相對較高，對換電站的建設(shè)和運(yùn)營方產(chǎn)生了較大的資金壓力。（2）換電站的充電負(fù)荷受車輛運(yùn)行的規(guī)律影響較大，而大部分公交車運(yùn)行存在早晚高峰期和平峰期，使換電站的負(fù)荷呈現(xiàn)出負(fù)荷波動大，高峰負(fù)荷出現(xiàn)的時間與其他常規(guī)負(fù)荷的高峰期接近，不利于城

9、市配電網(wǎng)的移峰填谷，并對換電站外電源的接入帶來一定的困難，同時造成換電站的充電電價大部分是峰值電價，造成換電站的運(yùn)行成本較高。從換電站設(shè)計方法和實(shí)際運(yùn)行管理策略角度出發(fā)，主要存在以下的問題：（1）核心參數(shù)的設(shè)計冗余度大目前換電站有關(guān)備用電池數(shù)量、配電容量、更換裝備及更換通道數(shù)量等核心參數(shù)設(shè)計值和實(shí)際使用數(shù)量之間存在設(shè)計冗余度過大的問題，這主要是因?yàn)橛嘘P(guān)換電站相關(guān)設(shè)計經(jīng)驗(yàn)少，可用于設(shè)計改進(jìn)的運(yùn)行數(shù)據(jù)較少。為保證換電站能滿足輛的運(yùn)行需要，往往設(shè)計過程基于車輛和鋰電池的的極限參數(shù)設(shè)計，對公交車運(yùn)行參數(shù)及運(yùn)行模式對換電站核心參數(shù)的影響模式理解不深入，例如：電池充電時間基本按照電池100%放電的充電時間

10、設(shè)計、換電站配電功率簡單的按運(yùn)行充電機(jī)的最大輸出功率計算、不同車輛運(yùn)行模式對車輛更換頻率的影響未考慮等，同時在換電站設(shè)計過程中缺乏相應(yīng)的計算工具，往往通過手工安排發(fā)車時刻、電池回站換電時刻等，無法應(yīng)對車輛多條線路運(yùn)行模式和車輛多圈運(yùn)行模式，造成設(shè)計過程中冗余度較大，進(jìn)一步提升換電站的建設(shè)成本和占地面積。（2）車輛充電管理策略簡單，經(jīng)濟(jì)性差目前實(shí)際運(yùn)行的公交車換電站都釆用車輛回站即換電，換電后隨即充電的充換電管理策略，并未考慮公交車運(yùn)行特點(diǎn)、電池充電成本以及換電站負(fù)荷特性，造成換電站充電成本高、負(fù)荷波動大等問題。實(shí)際上在換電站內(nèi)進(jìn)行以降低充電電費(fèi)和改善負(fù)荷特性為目標(biāo)的充電控制策略是可行的，因?yàn)楣?/p>

11、交車存在高峰和平峰的運(yùn)行規(guī)律，而備用電池的充電時間和功率是可在一定范圍內(nèi)進(jìn)行調(diào)節(jié)，可以在很大程度上改善換電站的負(fù)荷特性和充電經(jīng)濟(jì)性。（3）缺乏與城市配電網(wǎng)協(xié)調(diào)控制技術(shù)目前已經(jīng)運(yùn)行的公交車換電站數(shù)量較少，建設(shè)地點(diǎn)往往選在配電條件較好的地區(qū)，換電站負(fù)荷特性對城市配電網(wǎng)的影響并沒有引起研究人員的重視。當(dāng)換電站在城市核心區(qū)的建設(shè)規(guī)模較大時，準(zhǔn)確預(yù)測相關(guān)換電站充電負(fù)荷對配電網(wǎng)的經(jīng)濟(jì)運(yùn)行、區(qū)域配電網(wǎng)的穩(wěn)定運(yùn)行以及換電站內(nèi)光伏及儲能等新能源的接入意義重大，是相關(guān)研究內(nèi)容的基本手段。1.2 國內(nèi)外研究現(xiàn)狀1.2.1 電動汽車充電負(fù)荷預(yù)測文獻(xiàn)1基于英國乘用車概率統(tǒng)計特性，采用蒙特卡羅方法，給出了一天中PHEV充

12、電負(fù)荷與時間的定量關(guān)系。文獻(xiàn)2基于加拿大溫尼伯市的76輛電動汽車，分別采用了基于GPRS和實(shí)際充電數(shù)據(jù)的確定性方法、基于統(tǒng)計分布的蒙特卡洛方法及基于條件密度函數(shù)的方法對不同場景、季節(jié)和電池容量下的負(fù)荷進(jìn)行了預(yù)測和估算。文獻(xiàn)3針對匈牙利的具體情況從空間角度對電動汽車充電負(fù)荷進(jìn)行了預(yù)測，指出由于充電造成了額外功率需求需要對電網(wǎng)容量進(jìn)行擴(kuò)充。文獻(xiàn)23以確定純電動公交車充電站配電容量需求為目標(biāo)，根據(jù)公交客車的運(yùn)行機(jī)制和充電功率曲線特性建立了電動公交充電站容量需求的數(shù)學(xué)模型。文獻(xiàn)4以乘用車為研究對象，分析了電動汽車充電負(fù)荷的各自相關(guān)因素，根據(jù)美國燃油汽車統(tǒng)計數(shù)據(jù)，建立了電動汽車充電負(fù)荷的統(tǒng)計模型，用蒙特

13、卡羅方法得到了電動汽車充電總負(fù)荷曲線。文獻(xiàn)5在總結(jié)我國電動汽車政策和發(fā)展趨勢的基礎(chǔ)上，基于調(diào)研結(jié)果，分析了私家車、公交車、出租車等不同類型電動汽車的充電方式和充電時段，通過蒙特卡羅方法計算得到了我國未來電動汽車充電負(fù)荷曲線，進(jìn)而分析了充電負(fù)荷對電網(wǎng)運(yùn)行和規(guī)劃的影響。文獻(xiàn)6考慮用戶日常駕車模式及充電模式，對電動汽車充電負(fù)荷特性進(jìn)行了分析，并采用蒙特卡羅仿真研究了電動汽車在不同場景下對丹麥配電系統(tǒng)的影響。綜上，目前關(guān)于電動汽車充電負(fù)荷預(yù)測的研究主要以電動乘用車為研究目標(biāo)，從電動汽車的每日行駛里程概率和開始充電時間概率等角度建模，通過燃油車既有數(shù)據(jù)和統(tǒng)計結(jié)果類比或小規(guī)模的電動車運(yùn)行數(shù)據(jù)統(tǒng)計，主要應(yīng)用

14、蒙特卡羅方法計算不同時間點(diǎn)各種概率分布的累計結(jié)果，而面向以快換模式為主的電動公交車充電負(fù)荷預(yù)測研究較少，對天氣、季節(jié)、工作日、電池特性對負(fù)荷預(yù)測的影響考慮較少，基于電動車大量運(yùn)行歷史數(shù)據(jù)預(yù)測方法沒有應(yīng)用。1.2.2 電動汽車充電負(fù)荷控制策略文獻(xiàn)7給出了電動汽車換電充裕度的概念，建立了基于一定假設(shè)條件的車主用車習(xí)慣和充電管理策略的數(shù)學(xué)模型，主要研究了換電模式下不同時段的充電需求，從而得到應(yīng)該儲備的電池組數(shù)量。文獻(xiàn)8研究了基于動態(tài)電價的充電決定策略，并建立了購買電池原始投資和后期運(yùn)營成本的經(jīng)濟(jì)數(shù)學(xué)模型，為充電站的運(yùn)營提供指導(dǎo)。文獻(xiàn)9-11綜述了國內(nèi)外關(guān)于電動汽車接入電網(wǎng)的研究現(xiàn)狀及電動汽車充電對電

15、網(wǎng)的影響，并對電動汽車接入電網(wǎng)的解決方案和利用進(jìn)行了分析，文獻(xiàn)12利用充電負(fù)荷具有時空雙尺度的可調(diào)節(jié)特性，在時間和空間上進(jìn)行雙尺度的負(fù)荷調(diào)度，使電動汽車充電能夠在滿足用戶需求的基礎(chǔ)上，還能對電網(wǎng)運(yùn)行產(chǎn)生積極的作用。文獻(xiàn)13針對電動汽車無序充電造成電網(wǎng)“峰上加峰”的問題，以換電站各時刻的充電功率為控制對象，建立多目標(biāo)的調(diào)度策略數(shù)學(xué)模型，并采用自適應(yīng)變異的粒子群算法求解，有效地降低電網(wǎng)峰谷差，達(dá)到平穩(wěn)負(fù)荷波動的效果。文獻(xiàn)14建立了一個以配電網(wǎng)網(wǎng)損最小為目標(biāo)的電動汽車充電優(yōu)化模型，研究如何優(yōu)化電動汽車充電過程以降低網(wǎng)絡(luò)損耗，從而達(dá)到配電網(wǎng)經(jīng)濟(jì)運(yùn)行的目的。文獻(xiàn)15基于網(wǎng)損靈敏度，以網(wǎng)損和充電成本最小為

16、目標(biāo)，來安排電動汽車的充電，實(shí)現(xiàn)電動汽車的實(shí)時有序充電控制，達(dá)到降低配電網(wǎng)網(wǎng)絡(luò)損耗和平抑負(fù)荷的目的。文獻(xiàn)16分別建立了電動汽車放電用戶、電力企業(yè)的成本效益分析模型，分析了電動汽車入網(wǎng)高峰放電削峰填谷的成本和收益。綜上，上述的研究主要以乘用車為對象，利用粒子群、遺傳等智能優(yōu)化算法對電動汽車充電時間和充電功率進(jìn)行控制，從電網(wǎng)損耗、電價以及顧客等待成本等方面進(jìn)行優(yōu)化，從實(shí)現(xiàn)用戶和電網(wǎng)雙方利益的目標(biāo)。專門針對純電動公交更換充電站的研究不多，特別在換電站的優(yōu)化調(diào)度和經(jīng)濟(jì)運(yùn)行方面的研究鮮有相關(guān)成果見諸報端。在電動汽車充電時間和充電功率的調(diào)控模型建立中，假設(shè)條件和電動汽車真實(shí)運(yùn)行情況有一定的差異，在控制方法

17、上以充電功率控制為主，對充電設(shè)備利用率、鋰離子電池充放電功率對電池壽命的影響分析較少，利用電動汽車真實(shí)運(yùn)行數(shù)據(jù)作為對比分析的研究結(jié)果未見應(yīng)用。2 充放電機(jī)的集群控制調(diào)度策略設(shè)計方法2.1 純電動公交車換電站基本組成圖1-1典型換電站平面拓?fù)浣Y(jié)構(gòu)圖1-1所示是一座典型換電站的平面拓?fù)浣Y(jié)構(gòu)，其一般主要由配電室、監(jiān)控室、電池更換區(qū)、電池充電區(qū)、電池維護(hù)區(qū)等部分組成，各部分功能單元說明如下：配電室：換電站的配電室包括充電機(jī)動力配電和其它站內(nèi)用電配電兩部分。通過獨(dú)立的變壓器一部分用于充電機(jī)充電，另一部分用于滿足照明、計量及控制設(shè)備等站用負(fù)荷的供電。監(jiān)控室：監(jiān)控室用于監(jiān)控充電機(jī)的運(yùn)行情況、數(shù)據(jù)庫管理和報表

18、打印等工作。電池更換區(qū)：需要更換電池的車輛駛?cè)腚姵馗鼡Q區(qū)進(jìn)行電池更換，是用于更換電池的場所。另外，需要應(yīng)急充電的車輛也?？吭陔姵馗鼡Q區(qū)，通過充電延長線引到車體上進(jìn)行充電。電池充電區(qū)：用于擺放更換下來的動力電池組對其進(jìn)行充電，主要包括充電機(jī)和充電平臺。內(nèi)有充電機(jī)設(shè)備、電池管理系統(tǒng)供電、電池管理系統(tǒng)內(nèi)部網(wǎng)絡(luò)、充電機(jī)與充電平臺之間的通訊網(wǎng)絡(luò)接口等。電池維護(hù)區(qū)：電池維護(hù)區(qū)包括蹄選和維護(hù)、充電間以及備用電池庫。電池進(jìn)入維護(hù)車間后，進(jìn)行電池的蹄選，確定電池的好壞，不能使用的電池作恰當(dāng)處理，避免污染環(huán)境；可繼續(xù)使用的電池進(jìn)行維護(hù)和活化。維護(hù)完后的電池送至充電區(qū)進(jìn)行充電，充滿電后進(jìn)行裝箱編組。如圖1-2所示，

19、換電站整體運(yùn)作流程首先是需要更換電池的車輛進(jìn)站后駛?cè)敫鼡Q電池區(qū)，進(jìn)行故障診斷，出具電池故障診斷報告，然后更換上已經(jīng)充滿電的整組電池，最后返回停車區(qū)。更換下來的電池按有無故障就地分離，故障電池送維護(hù)車間進(jìn)行蹄選、維護(hù)、充電和裝箱，無故障電池送充電區(qū)以單箱電池為單元進(jìn)充電，充滿電后進(jìn)行編組，所缺電池箱由維護(hù)車間的備用電池庫補(bǔ)齊后按組為單位送至更換電池庫。圖1-2 換電站運(yùn)作流程圖2.2 智能優(yōu)化算法換電站通過更換電池的方法來提高公交車輛利用率，但目前采用的電池?fù)Q電原則會造成充電負(fù)荷受到公交車早晚高峰以及夜間停運(yùn)的影響，主要負(fù)荷集中在電價的高峰段造成充電費(fèi)用高，進(jìn)一步加重區(qū)域配電網(wǎng)的峰谷差。通過對實(shí)

20、際備用電池等待使用時間的分析發(fā)現(xiàn)從電池充電完畢到下一次使用之間會有較長的等待時間，可以利用合理的優(yōu)化算法對電池開始充電時間進(jìn)行調(diào)控，使充電電價盡可能的集中在平峰段和谷段，實(shí)現(xiàn)充電費(fèi)用最低和減小充電負(fù)荷的峰谷差。人工魚群算法是一種隨機(jī)搜索算法，是群智能算法的一種。通過構(gòu)造人工魚來模仿魚群的覓食、聚群、追尾及隨機(jī)行為，從而實(shí)現(xiàn)群體全局尋優(yōu)。該算法雖具有較快的收斂速度和較好的求取全局極值的能力，但存在一些缺點(diǎn)，如人工魚群算法的參數(shù)(可視域visua、步長step、最大嘗試次數(shù)trynumber、擁擠度因子)設(shè)定是固定的，這樣獲得的最優(yōu)解精度不高，而且各個人工魚行為存在一些缺陷。為了克服這些缺點(diǎn)，本文

21、提出了自適應(yīng)改進(jìn)行為人工魚群算法。圖2-1 智能優(yōu)化算法流程圖2.2.1 自適應(yīng)改進(jìn)行為人工魚群算法的自適應(yīng)性自適應(yīng)改進(jìn)行為人工魚群算法的自適應(yīng)性，具體體現(xiàn)在算法尋優(yōu)程序在執(zhí)行過程中重要參數(shù)的自動修正上。改進(jìn)方式如下所述：在算法的初始階段，每條人工魚在較大的可視域visual內(nèi)以較大的移動步長step尋找較優(yōu)解，從而擴(kuò)大了算法的搜索范圍。隨著算法的迭代進(jìn)行，自適應(yīng)地減小可視域visual和移動步長step，從而自動的加快算法的收斂速度和有效地提高算法的求解精度。具體實(shí)現(xiàn)方式請見式子(2-2-1)： (2-2-1)式中visualmin 可視域最小值，取0.001；stepmin 移動步長最小值

22、，取0.0002；Tmax 為最大迭代次數(shù)；step移動步長step = 0.125visual；為衰減因子；t 為當(dāng)前迭代次數(shù)；s 取值范圍為1 ,30。visual可視域，其初值可以取搜索范圍的最大值的1/4左右；式子(2-2-1)對可視域visual 和步長 step 進(jìn)行了改進(jìn)；這種對參數(shù)進(jìn)行自動修正的功能正解決了基本人工魚群算法求解精度不高的問題。2.2.2 自適應(yīng)改進(jìn)行為人工魚群算法的行為優(yōu)化性自適應(yīng)改進(jìn)行為人工魚群算法的行為優(yōu)化性主要體現(xiàn)在對各個人工魚行為尋優(yōu)能力的提高上3。改進(jìn)方式具體改進(jìn)如下所述：覓食行為：設(shè)人工魚當(dāng)前處于狀態(tài)Xi，然后在可視域visual內(nèi)隨機(jī)選擇一個狀態(tài)X

23、j，人工魚將當(dāng)前的狀態(tài)與選擇的狀態(tài)進(jìn)行比較，若選擇狀態(tài)Xj優(yōu)于當(dāng)前狀態(tài)Xi，那么人工魚就向選擇狀態(tài)Xj方向移動一步step，否則再進(jìn)行搜尋。若在搜尋次數(shù)trynumber內(nèi)沒有找到比當(dāng)前更優(yōu)的狀態(tài)，此時有兩個選擇：一個是若當(dāng)前狀態(tài)Xi不是當(dāng)前群體的最優(yōu)狀態(tài)，那么人工魚就執(zhí)行隨機(jī)行為；另一個是若當(dāng)前狀態(tài)Xi是當(dāng)前群體的最優(yōu)狀態(tài)，則保留。聚群行為：設(shè)人工魚當(dāng)前處于狀態(tài)Xi，然后在可視域visual內(nèi)隨機(jī)搜尋伙伴數(shù)目nf及中心位置Xc，若伙伴中心位置狀態(tài)Xc優(yōu)于當(dāng)前狀態(tài)Xi且不太擁擠。此時有兩個選擇：一是人工魚直接移動到中心位置Xc，另一是人工魚向中心位置狀態(tài)Xc方向前進(jìn)一步后所在的位置Xc1，然后

24、比較兩種方式下的狀態(tài)哪一種更優(yōu)良就選哪一種移動方式。否則人工魚就執(zhí)行覓食行為。追尾行為：設(shè)人工魚當(dāng)前處于狀Xi，然后在可視域visual內(nèi)隨機(jī)搜尋伙伴數(shù)目nf及最優(yōu)的伙伴Xmax1，若最優(yōu)的伙伴狀態(tài)Xmax1優(yōu)于當(dāng)前處于狀態(tài)Xi且不太擁擠。此時有兩個選擇：一種方式是人工魚直接移動到Xmax1，另一種方式是人工魚向Xmax1方向前進(jìn)一步后所在的位置Xmax2，然后比較兩種方式下的狀態(tài)哪一種更優(yōu)良就選哪一種移動方式。否則人工魚就執(zhí)行覓食行為。人工魚行為的優(yōu)化，有助于提高基本人工魚群算法的尋優(yōu)能力。綜上所述，自適應(yīng)改進(jìn)行為人工魚群算法具有很好的自適應(yīng)能力和優(yōu)秀的人工魚行為，從而可以更快地得到高精度的

25、最優(yōu)解。2.2.3 懲罰函數(shù)法電池更換站的充電策略優(yōu)化屬于帶約束的優(yōu)化問題；自適應(yīng)改進(jìn)行為人工魚群算法直接可以用于無約束的優(yōu)化問題中，而不可以直接用于帶約束的優(yōu)化問題中；那么懲罰函數(shù)法是一種可以把約束優(yōu)化問題轉(zhuǎn)化為一系列無約束優(yōu)化問題來處理的方法。下面簡單說明一下，如給定一帶約束式子 (2-2-2)將帶約束式子(2-2-2)轉(zhuǎn)寫成罰函數(shù)的形式： (2-2-3) 式中 f(X)目標(biāo)函數(shù)；Blame(X)懲罰函數(shù)，將約束的條件表示成函數(shù)的形式；根據(jù)懲罰函數(shù)法的性質(zhì)，不難得到，對于求解最小值的目標(biāo)函數(shù)f(X)來說，滿足約束條件的X，均可以使Blame(X)的值為零。因此求解式子(2-2-3)就相當(dāng)于

26、求解式子(2-2-2)。3 基于峰谷調(diào)節(jié)的實(shí)時電價系統(tǒng)對電動汽車采取合理的調(diào)度策略，可以充分發(fā)揮電動汽車在優(yōu)化電網(wǎng)運(yùn)行方面的作用。而電動汽車的充電行為還可以通過制定峰谷電價、實(shí)時電價或者輔助服務(wù)價格等途徑進(jìn)行控制9。文獻(xiàn)10提出一種計及供電側(cè)填谷效果與用戶成本的數(shù)學(xué)模型，在確定優(yōu)化時段的情況下，優(yōu)化充電起始時間及充電電價，達(dá)到了供電側(cè)與用戶側(cè)共贏的效果。文獻(xiàn)11研究了電動汽車基于分時電價的電動汽車有序充電控制策略，以用戶充電費(fèi)用最小作為一級目標(biāo)，電池起始充電時間最早作為二級目標(biāo)，綜合考慮了電網(wǎng)的優(yōu)化運(yùn)行與用戶滿意度。但是分時電價的時間段為固定的，欠缺靈活性。文獻(xiàn)12提出了一種計及車主滿意度的最

27、優(yōu)峰谷分時電價模型，在將電動汽車分為三類的情況下，建立了電動汽車充放電的需求響應(yīng)模型，并將用戶滿意度最高、負(fù)荷峰谷差最小、購電成本最低等因素作為目標(biāo)，進(jìn)行多目標(biāo)優(yōu)化。在改善負(fù)荷曲線的同時還兼顧了車主的滿意度。國內(nèi)外很多基于電動汽車的電價研究都是在假設(shè)車主能夠?qū)崟r地響應(yīng)電價的基礎(chǔ)上所展開的。事實(shí)上用戶很難響應(yīng)當(dāng)天制定的實(shí)時電價。基于上述，考慮到未來將有大量的電動汽車和風(fēng)電接入電網(wǎng)，課題組提出了一種計及風(fēng)電接入和車主互動意愿的實(shí)時電價模型，并引入調(diào)度的思想，優(yōu)化電動汽車充放電功率，計算日前電價，并在已發(fā)布日前電價的基礎(chǔ)上，根據(jù)風(fēng)電預(yù)測功率的誤差，實(shí)時地調(diào)節(jié)日前電價，形成當(dāng)日電價。這種實(shí)時電價的制定

28、方式對地區(qū)電網(wǎng)公司具有一定的參考價值。3.1 電動汽車充放電模型文獻(xiàn)13可知，2020-2030年我國私家電動汽車數(shù)量將大規(guī)模上升。因此，為分析電動汽車對區(qū)域電網(wǎng)的影響，課題組主要針對私家車展開研究。3.1.1 日行駛里程及速度根據(jù)美國交通部對全美家用車輛的調(diào)查結(jié)果 (NHTS) 14，私家電動汽車日行駛距離服從對數(shù)正態(tài)分部，如公式（3-1-1）所示： （3-1-1）式中，D=3.20，D= 0.88；x為行駛里程，0 < x 200。電動汽車的平均行駛速度Vspeed服從2030km/h的平均分布15。3.1.2 私家車主用車習(xí)慣課題組對私家車主的出行習(xí)慣做如下假設(shè)。（1） 電動汽車的

29、車載電池容量Cbattery服從2040kW·h的平均分布，平均耗能為W=0.20kW·h/km；（2） 電動汽車的充放電功率P同服從在35kW內(nèi)的平均分布16，充電效率為0.95；（3） 私家車主早上9:00到達(dá)單位，下午17:00離開單位，且上班與下班行駛距離相同；4) 電動汽車到達(dá)單位后的車載電池荷電狀態(tài)(SOC)滿足正態(tài)分布N(0.6，0.12)；（4） 電動汽車到達(dá)單位后的車載電池荷電狀態(tài)(SOC)滿足正態(tài)分布N(0.6，0.12)；（5） 為保證電池壽命及充電效率，車載電池SOC必須維持在10%90%。（6） 無序充電模式下，電動汽車停放在單位期間每個時刻的放電

30、概率均相同。3.1.3 無序模式下的V2G模型無序V2G模式是指私家車主的充放電行為由其出行習(xí)慣決定，不受其他因素影響。（1） 充電模型。無序模式下充電時刻服從正態(tài)分布，其概率密度函數(shù)為： （3-1-2）式中：S=17.6，S=3.4；t為充電起始時刻。電動汽車充電時長為： （3-1-3）式中：Tchg為充電時長，h；SOC為車載電池的荷電狀態(tài)。（2） 放電模型。一天內(nèi)私家電動汽車的放電概率為： （3-1-4）電動汽車放電時長為： （3-1-5）式中：Tchg為充電時長，h；LD為電動汽車的日行駛距離，km。3.1.4 電動汽車互動概率研究表明，一天中國超過90%的時間汽車處于停駛狀態(tài)17。理

31、論上認(rèn)為所有停駛的電動汽車均可以參與V2G。但是，并不是所有停駛電動汽車的車主都愿意參與V2G，因此還需要考慮車主的互動意愿，則在時段t可以調(diào)度的電動汽車數(shù)量Ndis(t)如公式(3-1-6)所示。圖1顯示了電動汽車互動概率Gact(t)隨時間的變化情況。 (3-1-6)其中，式中：N為區(qū)域電網(wǎng)中電動汽車的數(shù)量；Gpark(t)為電動汽車的停駛概率；為互動意愿率，即愿意參與V2G的車主占所有車主的比例。圖3-1 電動汽車互動概率3.2 最優(yōu)電價求解模型課題組所建立的電價模型旨在調(diào)度愿意互動的電動汽車，一方面滿足車主的充電要求，另一方面實(shí)現(xiàn)削峰填谷，優(yōu)化電網(wǎng)運(yùn)行。3.2.1 目標(biāo)函數(shù)優(yōu)化目標(biāo)為電

32、網(wǎng)等效負(fù)荷方差最小： (3-1-7)其中， (3-1-8)式中，t1，2，T；T為研究周期內(nèi)的小時數(shù)，取24，即研究日實(shí)時電價；L(t)為時段t的常規(guī)負(fù)荷值；PC(t)為時段t愿意參與V2G的電動汽車充電功率；PNC(t)為時段t不愿意參與V2G的電動汽車充電功率；PW,F(t)為時段t風(fēng)電功率的預(yù)測值。約束條件應(yīng)包括確保所有愿意參與V2G的電動汽車在一個調(diào)度周期內(nèi)總的充電功率保持不變，即充電量等于用電量，以及對充電功率的約束，表示如下： (3-1-9)式中，Pi(t)為第i輛電動汽車在時段t的充電功率，Pi(t)>0表示充電，Pi(t)<0表示放電。一般情況下，在用電高峰時段，將

33、電價調(diào)高，鼓勵用戶放電；而在用電低谷階段，將電價降低，鼓勵用戶充電，從而可以達(dá)到以電價引導(dǎo)電動汽車充放電來實(shí)現(xiàn)移峰填谷的目的。對于由電價升降所引發(fā)用電量的變化即彈性系數(shù)，其計算公式如下所示18： (3-1-10)qt1和qt2分別表示時段t的參考電價和當(dāng)前電價；pt1和pt2分別表示時段t的參考負(fù)荷值和當(dāng)前負(fù)荷值。為確保車主愿意參與V2G，對于這部分用戶在電價上具有如下優(yōu)惠：放電電價為日前電價與當(dāng)日電價的較大值，充電電價為日前電價與當(dāng)日電價的較小值，如式(11)所示；而不愿意參與V2G的用戶與其相反。 (3-1-11)式中，qcha(t)為時段t的充電電價；qdischa(t)為時段t的放電電

34、價；qahead(t)為時段t的日前電價；qday(t) 為時段t的當(dāng)日電價。3.2.2 程序設(shè)計程序以在一個調(diào)度周期內(nèi)，愿意參與V2G的電動汽車充電功率作為染色體個體，采用遺傳算法進(jìn)行優(yōu)化，得到優(yōu)化前后電網(wǎng)的等效負(fù)荷曲線。其中算法參數(shù)的選擇如下：初始種群大小為50；最大遺傳代數(shù)為3000次；交叉概率為0.8；變異概率為0.02。算法流程如圖2所示。圖3-2 優(yōu)化算法求解過程優(yōu)化算法求解的主要過程如下：1) 輸入常規(guī)負(fù)荷L(t)；風(fēng)電預(yù)測功率PW,F(t)；車主互動意愿率及電動汽車數(shù)量N。2) 構(gòu)建目標(biāo)函數(shù)及相應(yīng)的約束條件。3) 初始化種群。以(PC(1), PC(2), PC(T)i作為染色

35、體個體，在取值范圍內(nèi)隨機(jī)生成50個初始化個體。每個個體均采用實(shí)數(shù)編碼。4) 判斷生成的種群是否滿足優(yōu)化模型的約束條件，如不滿足則丟棄此種群。5) 以等效負(fù)荷方差的倒數(shù)作為適應(yīng)度函數(shù)，計算每個染色體的適應(yīng)值，并記錄產(chǎn)生最小方差的個體(PC(1), PC(2), PC(T)i。6) 通過旋轉(zhuǎn)輪賭法選擇染色個體，并對其進(jìn)行交叉和多窗口變異操作，產(chǎn)生子代種群。7) 反復(fù)迭代尋優(yōu)，直至達(dá)到最大遺傳代數(shù)，并輸出全局最優(yōu)個體。8) 計算日前電價，并輸入實(shí)測風(fēng)電功率，滾動計算當(dāng)日電價。3.3.3 算例結(jié)果以某地區(qū)典型日負(fù)荷數(shù)據(jù)為基礎(chǔ)負(fù)荷，電動汽車充放電相關(guān)參數(shù)設(shè)置如下：N=10000，=0.30，qt1=0.

36、50元/kWh，=-0.50。功率基值為100WVA。圖3-3(a)，3-4(a)，3-5(a)，3-6(a)中將優(yōu)化前后電動汽車的充電功率曲線與風(fēng)電功率曲線和日負(fù)荷曲線疊加得到包含風(fēng)電和電動汽車的負(fù)荷曲線。（a）包含風(fēng)電和電動汽車的負(fù)荷曲線（b）日前電價和當(dāng)日電價的曲線圖3-3風(fēng)電功率曲線具有正調(diào)峰特性，風(fēng)電滲透率為60%，預(yù)測誤差為30% 圖3-3(b)，3-4(b)，3-5(b)，3-6(b)的曲線顯示了與之相對應(yīng)的日前電價和當(dāng)日電價的曲線。日前電價給出了第二天電價的變化趨勢，而當(dāng)日電價則為修正風(fēng)電預(yù)測功率的誤差，采用以一個小時為一個時段制定電價。圖3-3(b)顯示了具有正調(diào)峰特性的風(fēng)電

37、功率曲線且風(fēng)電滲透率為60%，預(yù)測誤差為30%情況下的電價曲線。圖3-4(b)顯示了具有正調(diào)峰特性的風(fēng)電功率曲線且風(fēng)電滲透率為60%，預(yù)測誤差為10%情況下的電價曲線。由此可知，風(fēng)電功率預(yù)測誤差越大，日前電價與當(dāng)前電價之差就越大。（a）包含風(fēng)電和電動汽車的負(fù)荷曲線（b）日前電價和當(dāng)日電價的曲線圖3-4風(fēng)電功率曲線具有正調(diào)峰特性，風(fēng)電滲透率為60%，預(yù)測誤差為10% （a）包含風(fēng)電和電動汽車的負(fù)荷曲線（b）日前電價和當(dāng)日電價的曲線圖3-5風(fēng)電功率曲線具有反調(diào)峰特性，風(fēng)電滲透率為60%，預(yù)測誤差為10%圖3-5(b)顯示了具有反調(diào)峰特性的風(fēng)電功率曲線且風(fēng)電滲透率為60%，預(yù)測誤差為10%情況下的電

38、價曲線。由圖3-4(b)和圖3-5(b)可知，具有反調(diào)峰特性的風(fēng)電功率曲線將導(dǎo)致電網(wǎng)負(fù)荷曲線峰谷差變大以及實(shí)時電價曲線峰谷差的拉大。（a）包含風(fēng)電和電動汽車的負(fù)荷曲線（b）日前電價和當(dāng)日電價的曲線圖3-6風(fēng)電功率曲線具有反調(diào)峰特性，風(fēng)電滲透率為30%，預(yù)測誤差為10%圖3-6(b)顯示了具有反調(diào)峰特性的風(fēng)電功率曲線且風(fēng)電滲透率為30%，預(yù)測誤差為10%情況下的電價曲線。由圖3-5(b)和圖3-6(b)可知，將具有反調(diào)峰特性的風(fēng)電功率曲線接入電網(wǎng)后，風(fēng)電滲透率越低，電網(wǎng)負(fù)荷曲線越平緩，實(shí)時電價曲線的峰谷差越小。并且在實(shí)施實(shí)時電價引導(dǎo)電動汽車進(jìn)行V2G后，電網(wǎng)負(fù)荷曲線得到了一定程度的改善。4 多目

39、標(biāo)系統(tǒng)控制的充放電機(jī)集群控制模型4.1 參數(shù)設(shè)置的基本思路在每日24點(diǎn)之前，對電池更換站內(nèi)的信息進(jìn)行統(tǒng)計，以進(jìn)行下一次日前計劃的制定。包括站內(nèi)所有充電機(jī)的工作狀態(tài)、站內(nèi)所有充電機(jī)的故障情況、站內(nèi)所剩電池的信息（A、B、C各組充已經(jīng)充好的以及未充電電池的數(shù)量）4.1.1 電池排隊(duì)理論對于各組電池，將已經(jīng)充好的電池和沒有充好的電池分開進(jìn)行排隊(duì)。正在充電的和等待充電的電池排成一組，依次進(jìn)行充電。當(dāng)充好一塊電池時，將其排到已充好電池組隊(duì)列的末端，需要放電時，流水線從已充好電池組的隊(duì)列前段提取電池，連接充放電機(jī)進(jìn)行放電。當(dāng)有用戶進(jìn)站需要更換電池時，也從已充好電池組的隊(duì)列前段提取電池更換給用戶，同時，將用

40、戶更換下來的空電池放入未充電電池隊(duì)列的末端進(jìn)行排隊(duì)。通過分開排序的方法，可以避免電池出現(xiàn)剛充滿電就進(jìn)行放電的情況，有效減少電池的折損情況。4.1.2 電池梯度利用以半小時為優(yōu)化最小時間單位，優(yōu)化時段為24h，根據(jù)次日的進(jìn)站流量密度曲線對電池更換需求進(jìn)行預(yù)測，對次日的電池更換站充換電流程進(jìn)行優(yōu)化。認(rèn)為用戶換給充電站的電池均已使用至電量閥值（剩余20%）。按照電池的健康程度，將站內(nèi)的電池按一定比例（如：60%，30%，10%）分為A、B、C三組。A組為健康度較好的電池，參與正常的充電饋電行為，并可以換給用戶；B組為較不健康電池，考慮到其折損情況，不再對其進(jìn)行饋電操作，僅用于充電并換給用戶；C組為不

41、健康電池，其電池折損較重已不適合電動汽車日常使用，因此留在電池更換站內(nèi)，進(jìn)行充電和饋電的經(jīng)濟(jì)運(yùn)作。在此之外需要額外考慮一部分的備用電池，通常為站內(nèi)電池總數(shù)的20%，這部分備用不參與放電收益，僅作為換電備用使用。4.1.3 電池更換站收費(fèi)制定對于電池更換站的換電池收費(fèi)與饋電電價的計算思路如下：換電站年收益率為：其中， 為換電站每天換電服務(wù)的所有電動汽車充電量；為電池更換站充電損耗率；為電池更換站銷售電價；為電池更換站每年運(yùn)營折算成本；為電池更換站向電網(wǎng)購電電價，即充電成本價為電池更換站建設(shè)成本；F為電池更換站每年租賃電池成本。換一塊電池的價格=*Q*0.8，其中Q為單塊電池的容量；放電價格高于換

42、電價格，取裕度10-20%。4.2 變量設(shè)置的基本思路每個充電機(jī)對應(yīng)3個狀態(tài)：充電、放電、和停運(yùn)，對應(yīng)實(shí)數(shù)-1，0，1。認(rèn)為電機(jī)的充放電過程均為恒功率，效率均為90%。采取快充模式進(jìn)行充電。設(shè)站內(nèi)的充電機(jī)總數(shù)為M，對應(yīng)于電池組的分類，同樣也將充電機(jī)按電池組比例分為A、B、C三組，A組充電機(jī)僅對A組電池進(jìn)行充放電操作，B、C組同理。那么變量矩陣表示為：（4-2-1）變量向量設(shè)置為720維變量； （4-2-2）4.2.1 電池更換站基本設(shè)計模型換電站主要包括車輛數(shù)、備用電池組數(shù)、更換工位數(shù)和配電功率等四個關(guān)鍵參數(shù)。這些關(guān)鍵參數(shù)和公交車的高峰持續(xù)時間、高平峰發(fā)車間隔、車輛運(yùn)行周期、電池充電時間、電池

43、組充電功率等參數(shù)密切相關(guān)。結(jié)合換電站設(shè)計經(jīng)驗(yàn)和實(shí)際運(yùn)營數(shù)據(jù)，給出基本的換電站參數(shù)設(shè)計模型示意圖4-1和圖4-2:圖4-1換電站參數(shù)設(shè)計模型圖4-2車輛運(yùn)行時間和電池使用時間4.2.2 換電站參數(shù)設(shè)計模型中基本原則(1)換電站設(shè)計時要考慮最嚴(yán)峻的情況，也就是要選取一天中高峰時間最長時間段及與它相鄰的平峰時間段(圖4-2中加粗的那一段時間)；(2)更換工位數(shù)的計算原則要滿足車一進(jìn)站就換電池的要求；(3)模型中的計算方法是基于換電站為單條線路服務(wù)，并且車輛只運(yùn)行一圈就換電充電。在不同條件下的換電站核心參數(shù)計算公式如下所示:（1）車輛數(shù)計算方法當(dāng) 即車輛運(yùn)行一次的時間大于高峰期持續(xù)時間條件下的車輛數(shù)為

44、 （4-2-3）當(dāng) 即車輛運(yùn)行一次的時間小于高峰期持續(xù)時間條件下的車輛數(shù)為 （4-2-4）（2）備用電池計算方法當(dāng)即充電時間大于高峰時間條件下的備用電池為 （4-2-5）當(dāng)即充電時間小于于高峰時間條件下的備用電池為 （4-2-6）（3）更換工位數(shù)計算方法取整 （4-2-7）（4）充電功率計算方法當(dāng)即充電時間大于高峰時間條件下的充電功率為 （4-2-8）當(dāng)即充電時間小于高峰時間條件下的充電功率為 （4-2-9）其中，Nc是充換電站內(nèi)的車輛數(shù)，Nb是備用電池組數(shù)，Nk是充換電站需要配置的更換工位數(shù)，Pave是電池組的平均充電功率，P是充換電站需要配置的充電功率。4.2.3 核心參數(shù)計算主要影響因素

45、根據(jù)上面的分析，影響換電站配電容量、備用電池組數(shù)、更換通道數(shù)等關(guān)鍵參數(shù)的主要因素有車輛運(yùn)行時間、電池組充電時間、電池更換時間、高峰和平峰的發(fā)車間隔、高峰持續(xù)時間以及電池組充電功率曲線等。這些參數(shù)可分成兩類:（1）受實(shí)際運(yùn)行工況有較大影響的，需要在設(shè)計階段進(jìn)行準(zhǔn)確估算的參數(shù)；1）車輛運(yùn)行時間2）電池組充電時間3）電池組充電功率曲線表4-1對比了當(dāng)初換電站設(shè)計的核心參數(shù)和實(shí)際充換電站運(yùn)行數(shù)據(jù)，發(fā)現(xiàn)在換電站配電容量、車輛使用數(shù)、備用電池等參數(shù)存在較大差異。表4-1換電站設(shè)計參數(shù)與實(shí)際使用情況對比對比內(nèi)容充電時間/h車輛數(shù)/輛備用電池組數(shù)/組工位數(shù)/個配電容量/MW設(shè)計數(shù)據(jù)3503023.2實(shí)際數(shù)據(jù)1

46、.82.5502420.95造成核心參數(shù)差異大的核心原因是對電池組的充電時間和多組電池同時充電的功率計算方法存在較大的誤差，原設(shè)計中按電池組100%DOD (Depth Of Discharge)放電來計算充電時間，實(shí)際上車輛運(yùn)行過程中由于線路運(yùn)行長度和運(yùn)行時間的特點(diǎn)和為應(yīng)對突發(fā)性交通擁堵的情況，車輛回站更換電池的放電深度大約在40%60%DOD，引起充電時間的設(shè)計值與實(shí)際值存在較大差異，從而影響車輛的使用數(shù)量、備用電池數(shù)量以及換電站配電容量。換電站電池組充電是按照電池更換的頻率投入充電，存在多臺充電機(jī)同時工作的情況，但由于鋰離子電池充電功率在充電過程是變化的，雖然多臺充電機(jī)同工作，但工作的時

47、間起始點(diǎn)不一樣。在原設(shè)計中按換電站的最大輸出功率的累加和計算配電容量，造成設(shè)計值遠(yuǎn)遠(yuǎn)大于實(shí)際的配電容量。（2）根據(jù)成本、效益、服務(wù)能力綜合考慮，要進(jìn)行設(shè)計優(yōu)化的參數(shù)；1）高峰和平峰發(fā)車間隔2）高峰持續(xù)時間3）電池更換時間為滿足交通需求，公交車的運(yùn)行存在高峰段和平峰段，高峰段和平峰段的發(fā)車間隔有較大的區(qū)別。普通燃油車采用在不同時段投入不同的車輛數(shù)來應(yīng)對高峰運(yùn)行需要，不需要其他方面的支持，而純電動公交車為滿足高峰運(yùn)行要求，不僅需要投入相應(yīng)的車輛，同時需要提高換電站的電池更換能力，并增加備用電池組數(shù)，對換電站的建設(shè)成本和相應(yīng)的占地面積帶來較大的影響。在世博會換電站設(shè)計過程中，要求高峰期的斷面客流量達(dá)

48、到14000人/小時，要求高峰期的車輛的發(fā)車間隔為1分40秒，換電站內(nèi)更換設(shè)備的更換時間為10分鐘，必須配置8套更換設(shè)備，釆用四個更換通道，造成換電站的建設(shè)投資增加3000多萬，備用電池數(shù)達(dá)到120套，備用電池數(shù)和車輛數(shù)的比例達(dá)到2:1，遠(yuǎn)超過了北京奧運(yùn)會換電站的1.4:1。經(jīng)過世博會的實(shí)際運(yùn)行發(fā)現(xiàn)，高峰期斷面客流量達(dá)到14000 人/小時持續(xù)時間很短，在絕大多數(shù)時間內(nèi)更換設(shè)備和備用電池大量閑置。4.3 目標(biāo)函數(shù)4.3.1 考慮電池更換站的運(yùn)行經(jīng)濟(jì)性以電池更換站全天運(yùn)行收益最大為目標(biāo)，即電池更換站向用戶提供電池更換服務(wù)的收益與向電網(wǎng)饋電所得的收益總和最大： （4-3-1）、分別為j時段電池更換

49、站內(nèi)的饋電總功率和充電總功率；、分別為j時段電池更換站向電網(wǎng)饋電的電價和從電網(wǎng)買電的電價，為電池更換站換給用戶一塊電池所收取的費(fèi)用，為固定常數(shù)；為j時段換給用戶的電池數(shù)目；為單位優(yōu)化時段，即半小時。4.3.2 考慮電池更換站內(nèi)電池的健康利用以電池更換站內(nèi)電池在一天之內(nèi)狀態(tài)切換次數(shù)總和最小為目標(biāo) （4-3-2）為站內(nèi)所有電池組1d之內(nèi)狀態(tài)切換總次數(shù)。4.4 約束條件4.4.1 站內(nèi)電池總數(shù)的約束（4-3-3） （4-3-4）、分別為j時段A，B，C三組電池中處于已充好狀態(tài)的電池數(shù)量。、分別為j時段A，B，C三組電池中處于充電狀態(tài)的電池數(shù)量。、分別為j時段A、B兩組電池中換給用戶的數(shù)目（由于C組電

50、池不參與電池更換，因此不存在）。、分別為j時段A、C兩組電池中處于放電狀態(tài)的電池數(shù)量（由于B組電池不參與電池更換，因此不存在）。4.4.2 充電機(jī)數(shù)目約束j時段所有處于充電、放電狀態(tài)的電池總數(shù)應(yīng)不超過站內(nèi)充電機(jī)數(shù)量M（4-3-5）4.4.3 用戶需求約束站內(nèi)可用于用戶更換的電池數(shù)量滿足當(dāng)前車輛換電量，并保證20%的裕度； （43-6）4.4.4 連續(xù)充電約束設(shè)定電池完成一次充電行為需要的時間為 ，則在表示站內(nèi)所有充電機(jī)狀態(tài)的變量矩陣中，對于每臺充電機(jī)，表示其處于充電狀態(tài)的1值連續(xù)出現(xiàn)的次數(shù)必須為的整數(shù)倍。4.5輸入輸出4.5.1 輸入信息（1）電動汽車電池配置：1）電池更換站內(nèi)所配置的電池種類

51、數(shù)；2）每種電池的具體組成結(jié)構(gòu)：即每組電池箱中不同容量電池的配比。例如組成一個電池箱需要120Ah、100Ah和80Ah的電池各有幾個。（2）電池信息：1）站內(nèi)各類電池的數(shù)量。例如120Ah、100Ah和80Ah的電池各自的總數(shù)。2）各類電池的SOC。3）各類電池的健康度信息，即各個電池分屬于A、B、C哪個電池組別中。4）各個電池的充放電狀態(tài)。包括充電中、放電中和等待中三種狀態(tài)。5）電池所能承受的最大充電速率與放電速率。6）電池的ID信息。在進(jìn)站時進(jìn)行掃描錄入，提供電池的基本信息與使用限制。（3）充電機(jī)信息：1）換電池站內(nèi)所擁有的充電機(jī)總數(shù)。2）各個充電機(jī)當(dāng)前的工作狀態(tài)（包括充電中、放電中、暫

52、停工作與故障中集中狀態(tài)）。3）充電機(jī)的充電功率限值與放電功率限值。4）充電機(jī)的ID。5）充電機(jī)上所放電池的ID。（4）未來24小時的電價信息，包括電池更換站用電電價與電網(wǎng)購電電價。（5）未來24小時的換電需求。（6）電池更換站內(nèi)，電池與充電機(jī)的備用率。（7）充電與放電最長時長限制。4.5.2 輸出信息（1） 充電機(jī)在下一時段的工作狀態(tài)安排（包括充電、放電、等待）。（2） 充電機(jī)的充電速率或放電速率。5 電池更換站中突發(fā)狀況的應(yīng)對方法5.1 充電機(jī)故障情況下的處理方式當(dāng)電池更換站的監(jiān)測系統(tǒng)檢測到某臺充電機(jī)出現(xiàn)故障時，首先應(yīng)啟動站內(nèi)配備的備用充電機(jī)，將故障機(jī)器所承擔(dān)的充電任務(wù)轉(zhuǎn)移至備用充電機(jī)上。同

53、時進(jìn)行故障機(jī)器的修復(fù)工作，完成修復(fù)并調(diào)試合格后，不進(jìn)行原有充電任務(wù)的再次轉(zhuǎn)移，而是將該臺充電機(jī)歸入電池更換站的備用充電機(jī)組中。如果發(fā)生出現(xiàn)故障機(jī)器而可供替換的備用電機(jī)組已全部處于運(yùn)行狀態(tài)的故障情況，則需做以下處理。對于A、B、C三類充電機(jī)，其中C類充電機(jī)負(fù)責(zé)給健康度為C等級的電池進(jìn)行充電，由于C類電池不會參與向用戶的換電池行為，因此C等級的電池?zé)o法進(jìn)行充放電不會影響電池更換站的正常運(yùn)營，僅影響電池更換站收益中的放電利益部分，所以C類充電機(jī)故障的情況下，直接等待機(jī)器維修恢復(fù)運(yùn)行即可，不進(jìn)行其他操作。對于A、B兩類充電機(jī)，以A類為例，假設(shè)A1號充電機(jī)出現(xiàn)故障，則立即將A1機(jī)器原定的充電與放電工作安

54、排到C組的充電機(jī)上，即取一臺C組充電機(jī)，取消其原定的充電計劃，改為執(zhí)行A1的充電計劃，保證A組充電機(jī)按日前計劃進(jìn)行工作。等到A1機(jī)器維修完畢后，由其執(zhí)行被取消的C組機(jī)器原定的計劃。B組機(jī)器故障時也做同樣的處理。5.2 車流量大于預(yù)測的情況的處理方式分兩種情況進(jìn)行考慮：1）依舊按照日前優(yōu)化的經(jīng)濟(jì)最優(yōu)執(zhí)行換電池服務(wù)；2）按照盡量滿足用戶意愿的原則進(jìn)行換電池服務(wù)。針對情況1）將備用電池庫中的電池一次換給進(jìn)站的電動汽車后，如果車輛需求超出備用電池量，則不在予以換電池服務(wù)。這種情況依舊已經(jīng)濟(jì)性最優(yōu)為目標(biāo)。針對情況2）當(dāng)備用電池用盡后，為了滿足用戶需求將下一時刻的備用電池提前使用，在此基礎(chǔ)上，按照約束條件

55、重新生成能滿足后續(xù)需求的充換電機(jī)控制矩陣。但是使用該方法后將無法實(shí)現(xiàn)經(jīng)濟(jì)性最優(yōu)的效果。6 海量充放電機(jī)的有序充放電集群調(diào)度算法6.1 總體分層結(jié)構(gòu)由于未來將會有大量的電動汽車接入電網(wǎng)進(jìn)行隨機(jī)的充電，為了最小化新增電動汽車充電負(fù)荷對電網(wǎng)在網(wǎng)損、電壓偏移、頻率等方面的影響，需要對接入電網(wǎng)的電動汽車進(jìn)行協(xié)調(diào)調(diào)度。充分利用規(guī)模化運(yùn)行的電動汽車的分布式儲能作用，在電網(wǎng)負(fù)荷非電高峰時段引導(dǎo)其進(jìn)行充電，從而起到削峰填谷、電網(wǎng)儲能、負(fù)荷控制的作用，削減電網(wǎng)設(shè)備投入和運(yùn)營費(fèi)用，使得電網(wǎng)更加經(jīng)濟(jì)的運(yùn)行。而對數(shù)量如此之多的電動汽車進(jìn)行協(xié)調(diào)調(diào)度，將會出現(xiàn)維數(shù)過多的問題。因此，可以考慮對電動汽車運(yùn)用分層分區(qū)調(diào)度策略。我國電網(wǎng)的調(diào)度分為五個層次：國家級調(diào)度控制、大區(qū)網(wǎng)局級調(diào)度、省級電網(wǎng)調(diào)度、地區(qū)級電網(wǎng)調(diào)度和縣級電網(wǎng)調(diào)度。這種電網(wǎng)的分層調(diào)度方法可以作為電動汽車并網(wǎng)調(diào)度分層的參考，由此根據(jù)電網(wǎng)的電壓等級，結(jié)合電網(wǎng)的分級調(diào)度策略對電動汽車的調(diào)度進(jìn)行縱向的劃分層次，劃分等級，即