多能源复合型电动汽车充换储放电站的能量管理技术研究.doc

多能源复合型电动汽车充换储放电站的能量管理技术研究

由于全世界都面临着环境和能源危机,可再生能源和电动汽车受到了世界各国的高度重视。电动汽车充电基础设施影响了电动汽车推广和发展,多能源复合型电动汽车充换储放电站(ElectricVehicleBatteryCharge-Swap-Storge-DischargePowerStation,EV-BCSSDPS)作为重要的充电基础设施,它将充电站、换电站和储能电站的功能融合到一起。

多能源复合型EV-BCSSDPS不仅可为电动汽车提供快速便捷的换电服务,还可为电动汽车提供清洁的充电能源,另外还可利用梯次储能作为后备电源。随着电池技术的进一步发展和智能电网的建设,EV-BCSSDPS作为智能电网的组成部分,合理利用其储能特性将对平抑电网负荷波动、接纳间歇性可再生能源及提高电网运行效率起到重大作用。

本文以多能源复合的EV-BCSSDPS为对象,对其能量预测和能量管理的基本分析理论和设计方法进行了深入研究,包括有光伏发电预测、充电负荷需求预测、经济优化运行管理和成本收益分析。准确的预知光伏系统的输出功率,对EV-BCSSDPS在未来时段内动力电池、梯次储能的充放电及与电网交易有着非常重要的意义。

针对分布式发电的随机性问题,本文建立了光伏系统短期发电预测系统框架。首先从理论和数据上分析了气象因素与光伏发电量之间的相关性,并给出了基于距离分析方法的相关性计算准则,考虑了国内太阳辐射站点稀少且预报能力较低的特点,确定了以气温和湿度作为基于神经网络预测模型的输入因子。

并给出了含隐含层节点的网络结构设计方法,建立了基于反传播(BackPropagation,BP)神经网络的短期无辐照度输出功率的预报模型,给出了定量评估模型精度的准则。此外为增强模型对天气突变的适应能力,由云量预报信息对天气类型聚类识别,采用自组织特征映射(Self-organizingFeatureMap,SOM)方法聚类天气类型,继而对各天气类型采用相应的预测网络,避免单神经网络的过拟合问题。

针对电动汽车换电需求的随机性问题,准确预知电动汽车的换电及充电需求,开展EV-BCSSDPS充电负荷特性研究对于EV-BCSSDPS内动力电池的有序、经济充电,电网安全运行,站内其它微电源和电网的经济调度等都有重要意义。本文分析了某BCSSDPS的运营基础数据,利用BP及RBF神经网络和随机建模方法建立了逐小时换电车辆数模型,基于此建立了电池箱充电起始时刻模型；此外,提出利用行驶里程作为电池充电量需求的度量标准,分析了车辆行驶里程多样性的特征,建立了基于高斯混合模型(GaussianMixtureModel,GMM)的行驶里程模型,间接得出电池初始荷电状态(InitialState-of-Charge,SOC0);另外,电池与充电机的特性决定了电池充电功率与充电时长。

因此综合考虑上述因素,建立了EV-BCSSDPS的充电负荷模型,并给出充电负荷功率计算及预测流程,并编写了充电负荷预报软件,实现了EV-BCSSDPS充电负荷需求的预报功能。最后基于非参数核密度估计方法分析了电动汽车充电负荷预报的不确定性。

针对光伏出力和电动汽车充换电需求的随机性会对EV-BCSSDPS运营带来不利的影响,本文建立了多能源复合型EV-BCSSDPS的能量管理模型和经济化调度策略。本文对EV-BCSSDPS内微电源如动力电池、梯次储能、光伏、非充电负荷等进行了分析和建模,优化模型中充分考虑了电动汽车换电需求、动力电池充电需求、电池均衡使用约束、功率平衡约束、梯次储能功率约束等,并在光伏发电预报和电动汽车充换电需求预报的基础上,建立了涵盖充电成本最小、系统负荷波动最小及兼顾二者的EV-BCSSDPS能量调度优化模型。

所建立的混合整数规划和二次规划模型可利用CPLEX求解,可给出包括每组卸载动力电池、梯次储能、电网、光伏内的出力组合。将仿真结果与无序充电方案对比,定量评估了不同优化策略的能量管理模型对充电成本和系统负荷波动的影响。

由于实际运行中,充换电需求预报会有误差,本文也定量评估了换电需求预报误差对EV-BCSSDPS优化运行的影响。EV-BCSSDPS是我国电动汽车应用的重要充电基础设施之一,得到了广泛关注和示范推广。

本文探讨了EV-BCSSDPS的组成结构和运营模式,选择以电池租赁运营模式的EV-BCSSDPS为研究对象,考虑了其投资成本、运营以及维护费用、人工薪酬等成本及充换电服务等收益,并给出评估EV-BCSSDPS成本效益模型的评价指标。建立了基于GUI的EV-BCSSDPS全寿命周期成本收益分析软件,并对该模型进行敏感性分析,得出影响EV-BCSSDPS收益的关键因素序列。

该模型及分析结果为EV-BC