于德高,鄒艷梅中石化天然氣川氣東送管道分公司
計及發車規律的公交車換電站容量優化配置
于德高,鄒艷梅
中石化天然氣川氣東送管道分公司
由于動力電池換電過程所需時長遠小于充電過程、動力電池充電便于統一管理等優點,動力電池換電模式成為電動汽車能量補充的重要方式。本文考慮公交車發車規律,對可就地向動力電池組充電的公交車換電站的容量優化配置展開研究。首先介紹換電站的系統結構,提出平均延遲發車時間的評價指標;然后分析換電站充電以及換電狀態的時序仿真模型,計算評價指標;構建以設備年成本為目標函數、換電站規模和平均延遲發車要求為約束的數學模型;采用微分進化算法對數學模型進行求解;最后對算例進行優化配置,計算換電站不同延遲要求下的平均延遲發車時間指標,并對配置結果敏感性進行分析。
公交車;換電站;發車規律;優化配置
電動汽車從電網獲取電能,相對燃油汽車能有效地減少汽油、柴油的消耗,在效率和環境污染方面都具有相應的優勢,因此被視為提高汽車產業競爭力、保證能源安全以及減少碳排放量的重要途徑[1]。目前,對電動汽車能源供給設施主要有交流充電樁、充電站和換電站。換電站對于公交車有較好適用性,電池標準化等問題易于解決[2]。目前,國內外對于換電站的研究主要集中在選址規劃[3]和優化運行方面[4,5],另外,在電池數量規劃方面也有少量研究[6,7]。鮮有在換電站容量優化配置方面的研究,文獻[2]研究了考慮換電服務日可用率和換電服務最大等待時長的容量優化配置?,F有文獻沒有針對公交車特有的發車規律進行換電站容量配置,針對此問題,本文提出了考慮發車規律的公交車發車延遲指標,來評估換電站的服務質量;建立了以年成本為目標函數的優化模型;結合換電站規模以及服務質量指標的約束,得到滿足服務質量要求的最優換電站容量配置。
換電站主要由配電變壓器、充電機、動力電池以及一些動力電池更換設備組成:1)配電變壓器:將配電網電壓等級轉換為充電機額定電壓等級;2)動力電池充電機:將交流電轉換為直流電,為動力電池進行充電;3)動力電池:通過充電機進行充電,為電動公交車提供能量;4)動力電池更換設備:將電動公交車剩余電量不足的動力電池更換為充滿電的動力電池。除此之外,換電站還需配備存儲室以便存儲動力電池和傳送設備。
由于公交車特有的發車規律,不同的時間段發車的時間間隔并不相同,因此本文提出平均延遲發車時間指標(Average Delay Departure Time-ADDT)。每個發車時間間隔都會對應一個相應的指標,針對單個發車時間間隔,平均延時發車時間百分比的定義如下:

式中,NEY(t)為t時刻延時出站的公交車數量;Δt為仿真運行時間間隔;NEI(t)為t時刻進站的公交車數量;t0、t1分別為當前發車間隔對應的始終時間。
4.1 動力電池充電仿真模型(如圖1所示)
動力電池在充電過程中有三種狀態:等待充電、正在充電以及完成充電。首先需要確定第i時段等待充電的動力電池組的數量NBDi:


圖1 動力電池充電時序圖
式中,NEH(i)為第i時段從電動公交車上更換下來的動力電池組數量。
等待充電的動力電池組數量確定之后,便能計算正在充電和完成充電的動力電池組數量(NBZ(i),NBW(i))。根據充電機數量的不同,分為兩種情況討論。如果換電站的充電機數量足夠,第i時段等待充電的動力電池組NBD(i)將會全部進行充電:

式中,T(i,j)為第j組動力電池在第i時段進行充電所需的充電完成時間。
如果換電站的充電機數量不夠充裕,那么第i時段等待充電的動力電池組中只有一部分能夠進行充電,剩余的需要等到下一個時段,此時:

式中,Nch為換電站中充電機的數量。
至于沒有在第i時段進行充電的部分動力電池,其數量計算如下:

這部分動力電池何時進行充電取決于換電站中充電機的使用情況,假設i’時段為i時段之后第一個充電機富裕,沒有全部使用的時段,那么這部分動力電池會在i’時段進行充電:

4.2 動力電池更換仿真模型

圖2 動力電池更換時序圖
與動力電池狀態相似,公交車在整個換電過程中也有三種狀態:等待換電、正在換電、完成換電。首先需要確定等待換電的公交車數量:

式中,NEI(i)為第i時段到達換電站的公交車數量;NEO(i)為第i時段沒有進行換電的公交車數量,其計算過程會在之后介紹。
進行換電的公交車數量與可用的動力電池數量相關,因此需要首先討論NEH(i+1)與NBA(i)之間的關系,其中NBA(i)的計算如下:

如果換電站中可用的動力電池充足,那么第i+1時段等待換電的公交車將會全部進行換電操作,此時換電(NEH(i+1))與不換電(NEO(i+1))的公交車數量計算如下:

如果換電站中可用的動力電池不足,那么只有部分第i+1時段等待換電的公交車會進行換電操作:

如果上一時段完成換電的公交車全部出戰,則完成換電的公交車數量為:

如果上一時段完成換電的公交車尚有部分停留在換電站內,則:

式中,NEJ(i)為換電站第i時段計劃出戰的公交車數量。
最后確定延時出戰的公交車數量:

5.1 目標函數
該優化模型以動力電池、充電機以及運行維護費用的年成本為目標函數如下:
CS=CB+CCH(16)
式中,CB為動力電池的年成本;CCH為充電機的年成本;CB和CCH的計算參考文獻[2]。
5.2 約束條件
①動力電池和充電機數量約束
假設NBmax為換電站能持有的最大動力電池數量,換電站中,充電機的數量不應大于動力電池的數量:
NB≤NBmax,NCH≤NB-Nbus(17)
式中,Nbus為換電站服務的公交車數量。
②ADDTP指標約束
ADDTP≤ADDTPmax(18)
式中,ADDTPmax為允許的最大平均延遲發車時間百分比。
6.1 基礎數據
根據文獻[7],電動公交車的起始SOC滿足正態分布N(0.5, 0.12)。假設換電站內有50輛電動公交車,發車規律數據參照北京市8路電動公交車。動力電池及充電機的參數參考文獻[2]。微分進化算法參數:變異因子為0.5;交叉因子為0.4;種群數量為30;迭代次數為60.
6.2 優化結果分析
基于上述基礎數據,對換電站的運行情況進行仿真分析,并與文獻[2]中方法進行對比分析,表1列出了不同最大延遲出站時長要求下充電機與動力電池的優化配置結果,表2列出了不同延遲出站時長要求下各個發車間隔對應的指標。

表1 充電機與動力電池配置結果

1min1618548.41618548.4 3min1214535.61316541.0 5min912528.21316541.0 7min69518.61316541.0

表2 優化配置結果對應的指標
從表中主要可以看出以下三個結論(1)在最大延遲出站時長為1分鐘的要求下,兩種方法的配置結果相同。(2)在最大延遲出站時長為3分鐘的要求下,本文方法的優化配置結果大于文獻[2]中方法的配置結果,這是因為此時在3分鐘發車間隔下對應的時間段下,文獻[2]中方法對應的發車延遲時長為3.89分鐘,大于3分鐘,不滿足公交車運行實時性的要求;本文方法考慮了發車間隔的約束,優化配置結果對應的發車延遲時長為2.80分鐘。(3)由于公交車的運行是時序性的,如果增加7.5分鐘發車間隔時間段的延遲時長,必然會增加3分鐘發車間隔時間段的延遲時長,為了滿足公交車運行實時性的要求,此算例中最大延遲出站時長為5、7分鐘的優化配置結果與3分鐘的優化配置結果相同。
從上述分析中可以看出,如果不考慮公交車的發車規律進行換電站容量配置,可能會造成某些時間段公交車的發車延遲時間過長,對公交車的實時運行會產生較大影響;本文考慮發車規律的容量配置方法能夠彌補上述缺陷,保證公交車的合理運行。
本文提出了考慮公交車特性發車規律的換電站容量優化配置方法,通過仿真公交車換電站的充電以及換電操作過程,可以獲得充電機以及動力電池各個狀態的數量,根據不同換電站對最大延遲出站時長的要求,能夠得到相應最優的充電機和動力電池數量配置。在具體的實際應用中,換電站可以根據自身服務的公交車的發車規律以及對延遲時長的要求,計算出最優的配置結果,為換電站的規劃建設提供理論依據和技術支持。
[1]肖湘寧,陳征,劉念.可再生能源與電動汽車充放電設施在微電網中的集成模式與關鍵問題[J].電工技術學報,2013,28(2):1-14.
[2]路欣怡,劉念,湯慶峰,等.計及服務可用性的電動汽車換電站容量優化配置[J].電力系統自動化,2014,14:012.
[3]McPherson C,Richardson J,McLennan O,et al.Planning an electric vehicle battery-switch network for Australia[C]//Australasian Transport Research Forum 2011 Proceedings.2011,12.
[4]張帝,姜久春,張維戈,等.基于遺傳算法的電動汽車換電站經濟運行[J].電網技術,2013,37(8):2101-2107.
[5]田文奇,和敬涵,姜久春,等.基于自適應變異粒子群算法的電動汽車換電池站充電調度多目標優化[J].電網技術,2012,36 (11):25-29.
[6]劉念,唐霄,段帥,等.考慮動力電池梯次利用的光伏換電站容量優化配置方法[J].中國電機工程學報,2013,33(4):34-44.
[7]Zou F,Liu N,Lu X.Optimal configuration for battery switch stations of electric buses[C]//Transportation Electrification Asia-Pacif?ic(ITEC Asia-Pacific),2014 IEEE Conference and Expo.IEEE, 2014:1-5.