考虑充电桩最优效率的电动汽车有序充电模型_张高山.pdf

收稿日期:2022-04-28基金项目:南瑞集团科技项目(新一代用电信息采集系统新型终端高级应用 APP 的研发和应用,524608210041)作者简介:张高山(1987-),男,河南焦作人,硕士,工程师,研究方向为智能用电技术。考虑充电桩最优效率的电动汽车有序充电模型张高山,江御龙,刘永春(国电南瑞科技股份有限公司,南京 211106)摘 要:在电动汽车有序充电过程中,充电效率的评估和优化有助于提升调度模型的精确度。提出一种考虑直流充电桩最优充电效率的电动汽车有序充电模型。首先,分别对直流充电桩中 Vienna 整流器部分与双有源桥 DC-DC 部分进行损耗建模,并使用 Pareto 优化方法求取最优充电效率。然后,以电网运行、电池电量、充电功率和用户行为作为约束条件,构建最优负荷波动率目标函数,并通过粒子群优化方法进行求解。最后以南京城区某大型充电站的夏季负荷历史数据为参考,利用 MATLAB 软件分析有序充电模型的执行效果,负荷波动率从 0.912 降低到 0.833。实验结果表明,考虑直流充电桩最优充电效率的有序充电模型能较好地降低负荷波动率。关键词:电动汽车;有序充电;Pareto 优化;充电效率 中图分类号:TP29;TM1 文献标识码:A DOI 编码:10.14016/ki.1001-9227.2023.01.064Orderly charging model for electric vehicles considering optimal efficiency of charging pileZHANG Gaoshang,JIANG Yulong,LIU Yongchun(Nari Technology Co.,Ltd.,Nanjing 211106,China)Abstract:During orderly charging process of electric vehicles,evaluation and optimization of charging efficiency is help-ful for improving accuracy of scheduling model.In this paper,with consideration of DC charging pile optimal efficiency,an orderly charging model for electric vehicles is proposed.Firstly,power loss modeling of Vienna rectifier stage and dual active bridge DC/DC stage in DC charging pile is done.Optimal charging efficiency is derived using Pareto optimization method.Then,the objective function of optimal load fluctuation rate is established and resolved by particle swarm optimization meth-od.Finally,the proposed orderly charging model is executed in MATLAB tool with historical data of summer load from large-scale charging station in Nanjing city as reference.The load fluctuation rate is reduced from 0.912 to 0.833.The experi-mental results show that the orderly charging model considering optimal charging efficiency of DC charging pile can effectively reduce load fluctuation rate.Key words:electric vehicle;orderly charging;pareto optimization;charging efficiency0 引言近年来,随着分布式能源和电动汽车的大规模接入,配电网的经济可靠运行受到很大挑战1-2。而大量电动汽车的无序充电则进一步加剧了配电网负荷的不平衡3。为了解决这一问题,需要根据用户的实际需求、电动汽车和充电桩本身的特点以及配电网经济可靠运行的目标来实施优化的有序充电策略。文献4基于分时电价机制,以充电成本最低和负荷峰谷差最小为目标进行优化,并通过改进的差分进化算法对多目标优化函数进行求解。但是,并未考虑用户行为和充电效率对模型准确性的影响。文献5首先利用蒙特卡洛方法将不同电动汽车和充电负荷进行分类。然后建立电网峰谷差最小化的目标函数,并通过遗传算法进行求解。但是,传统遗传算法容易陷入局部最优,且收敛速度一般。文献6改进传统的遗传算法,提出一种基于精英遗传算法的电动汽车有序充电策略,在考虑分时电价的基础上实现了降低峰谷差率和充电费用的优化目标。但是并未给出算法收敛速度改进的具体数据以及与传统遗传算法性能的比较。文献7在分析电动汽车充电行为和用户行为的基础上,基于蒙特卡洛方法模拟充电负荷生成,构建旨在负荷削峰与充电成本最小化的目标函数,并利用粒子群算法求解,实现了规模化电动汽车的优化充电。但是传统的粒子群算法在使用中容易产生早熟收敛,局部寻优能力较差。文献8针对大型充电站和小区充电的应用场景,基于需求响应和分时电价机制,提出一种平滑负荷曲线和减小充电成本的有序充电模型,并利用自适应突变粒子群算法进行求解,较好地降低了早熟收敛对模型执行效果的影响。文献9提出一种分时电价动态优化方法,以充电电量最多和充电成本最小为目标函数,采用粒子群算法对每辆电动汽车的充放电行为进行两阶段优化,取得了较好的调控效果。但是,模型中所假定的充电效率值较46考虑充电桩最优效率的电动汽车有序充电模型 张高山,等低,这与实际情况不够贴近,一定程度上影响了模型的准确性。文献10提出一种基于改进 k 聚类的分层聚类方法,将具有类似行为特征的电动汽车进行聚类,以充电站的利用率和电动汽车的续航里程作为目标函数进行建模,取得了较好的有序充电效果。但是,模型中的假设条件过于理想化,比如不考虑电动汽车的类型和电池的 SoC 等等。目前关于电动汽车有序充电的研究鲜有考虑最优充电效率对模型准确度的影响。在基于数字控制技术的直流充电桩中,在不同输入功率条件下,可通过调整开关频率、移相比等参数来优化充电效率。在对直流充电桩的功率损耗进行建模的基础上,通过 Pareto 优化方法获取其最优充电效率。以电网运行、电池电量、充电功率和用户行为作为约束条件,构建最优负荷波动率目标函数,并通过粒子群优化进行求解。将充电桩最优充电效率应用于所建立的有序充电模型,能够有效降低电网负荷波动率。1 最优充电效率评估1.1 直流充电桩功率拓扑为了获得最佳的充电效率,目前主流的直流充电桩功率拓扑由三相 Vienna 整流器与双有源桥(DAB)DC-DC 变换器级联而成,如图 1 所示。Vienna 整流器在完成高效交直流转换的同时,能够实现功率因数校正(PFC),提升电能质量。在其多种电路变种里,选择效率最高的一种,如图 1 中相应电路所示。DAB 变换器则具有效率高、升降压、电气隔离和双向变换的优点。图 1 直流充电桩功率拓扑1.2 Pareto 优化方法直流充电桩中功率电路的设计涉及效率、尺寸、成本、电磁特性等多方面考量。选取损耗和尺寸为性能指标,基于 Pareto 优化方法评估直流充电桩在一定输入功率下的最优充电效率。Pareto 优化流程如图 2 所示,其中设计空间包含所考虑的设计变量,如直流充电桩的拓扑结构、控制算法、调制策略等。性能空间包含所关注的性能指标,如效率、尺寸、功率密度等。优化的具体步骤为:(1)在 PLECS 软件中建立 Vienna 整流器和 DAB 变换器的电路行为模型。(2)根据直流充电桩的工作条件以及功率电路设计中具体的限制条件得出设计空间中各个变量的单个或一组取值。(3)在一定输入功率下,运行电路行为模型,获得电路中相关电压和电流信息。(4)在器件数据库中选取合适的电路器件,并抽取每个器件中与损耗相关的特征参数赋予器件模型。比如 MOSFET 的通态电阻、电感绕组的直流电阻、二极管的尺寸等。(5)依据具体的损耗模型和尺寸模型分别计算和评估效率指标和尺寸指标。(6)将设计变量的所有合理取值按步骤(3)(5)进行计算后,即可获得一定输入功率下,直流充电桩关于损耗和尺寸的 Pareto 前沿,如图 3 所示。其中,xi、xj和 xk为设计变量,pe和 ps分别为损耗指标和尺寸指标。图 2 Pareto 优化方法流程图图 3 关于损耗与尺寸的 Pareto 前沿1.3 Vienna 整流器的损耗分析Vienna 整流器的损耗主要来自半导体器件的导通损耗和开关损耗以及输入侧电感的铜损和铁损11。(1)(5)式分别给出了 MOSFET 的导通损耗 PcnM和开关损耗 PswM、二极管的导通损耗 PcnD、电感的铜损 PcnL和铁损 PswL。其中,IrmsM为 MOSFET 电流有效值,Ron为MOSFET 通态电阻,Io为负载电流,Ich为流过 MOSFET沟道的电流,tron为 MOSFET 门极驱动电压从开通阈值上升到米勒平台所需的时间,tfon为 MOSFET 漏源电压下降为 0 所需的时间,troff为 MOSFET 漏源电压从 0 上升到稳态应力值所需的时间,tfoff为 MOSFET 沟道电流从稳态应力值下降到 0 所需的时间,IavD为二极管电流平均值,VFD为二极管正向压降,IrmsD为二极管电流有效值,RD为二极管动态电阻,IrmsL为电感单流有效值,RL为电感绕组的直流电阻。(5)式中的参数定义参见 Steinmetz方程12,这里不再详述。在一定输入功率下,选择优化的开关频率使损耗最小化,从而使 Vienna 整流器工作在最优效率 1。PcnM=I2rmsMRon(1)56自动化与仪器仪表2023 年第 1 期(总第 279 期)PswM=12Vo(Io(tron+tfon)+Ich(troff+tfoff)(2)PcnD=IavDVFD+I2rmsDRD(3)PcnL=I2rmsLRL(4)PswL=VekfinBp+VefinNi=1ki BiTiB-i()(5)1.4 DAB 变换器的损耗分析图 4 展示了基于双重移相控制的 DAB 变换器中主要电量的波形。其中,D1和 D2分别是原边对角开关器件之间的移相幅度和原副边相同位置开关器件之间的移相幅度,TS为开关周期。图 4 DAB 变换器中相关变量波形DAB 变换器的功率损耗主要来自半导体器件的导通损耗 Pcn和开关损耗 Psw以及磁性器件的铜损和铁损Pmag13,分别如(7)(12)式所示。其中,n 为变压器匝比,Vsat为 IGBT 的饱和压降,ton和 toff分别为 IGBT 的开通时间和关断时间。此外,(12)式中的相关参数定义参见 Steinmetz 方程12。因此,DAB 变换器的总损耗如(13)式所示。在一定输入功率下,选择优化的 D1和 D2使损耗最小化,从而使 DAB 变换器工作在最优效率 2。Pcn=12D21+3D22+4D2(1-D1-D2)+5(1-D2)(D2-D1)+2D2(7)Psw=12k(1-D1)+2D2-1+13k(D1-2D2+1)-4D1+5(D1-1)(8)Pmag=(k-1)2(1+2D1)(1-D1)2+4k(D1-D2)3-4kD22(3D1+D2-3)(9)1=nVOTS/2L2=(n+1)k/43