電動汽車充電管理的建模與仿真研究

黃梓瑜，潘碩，陳勇剛

(西南石油大學電氣信息學院，四川成都610500)

電動汽車充電管理的建模與仿真研究

黃梓瑜，潘碩，陳勇剛

(西南石油大學電氣信息學院，四川成都610500)

電動汽車以其綠色環保的特點逐漸為人們所接受，但電動汽車接入電網構成的復雜分布式結構充電系統，對電網產生的不利影響逐漸顯現出來。為解決無序充電對電網的不利影響，首先建立電動汽車充電模型，然后提出充電管理的Agent優化解決方案，最后在Matlab/Simuink與JADE平臺中進行仿真驗證。仿真結果表明：基于Multi-Agent的電動汽車充電管理是可行的，能夠在滿足充電需求的前提下，優化用電配置，將高峰用電移至低谷。

電動汽車；電網；充電管理；仿真

隨著節能減排方針的實施與新能源汽車的積極示范與推廣，電動汽車(EV)走進百姓生活的速度加快。然而，由于電動汽車是大功率用電設備，當數量較多的電動汽車接入電網充電，勢必對電網造成負荷沖擊。在不增加電網設備的情況下，有效的電動汽車充電管理，是電網經濟、智能、高效運行的要求[1]。

由于電動汽車充電的分布式特點，在選用控制策略時，既要考慮它的高效和實用，也需兼顧系統組建的經濟靈活。多代理技術(Multi-agent system，MAS)正符合這個特點，各個代理的自治性、自主性、交互性、感知性使得MAS在開發復雜分布式系統方面優勢突出。

1 電動汽車充電負荷模型

建立電動汽車充電負荷模型應當首先分析影響充電特性的因素，主要包括電池類型、用戶使用習慣以及充電控制策略等因素，有些因素具有較強的隨機性，在建模過程中用隨機模擬計算充電負荷的預計值，隨著模擬次數的增多，其預計精度也逐漸提高。

1.1 充電功率模型

目前，電動汽車主要使用鉛酸、鋰離子、氫鎳這三種車載電池。本文選擇GM EV1battery(lead-acid)作為研究對象。圖1給出車載充電機在接入充電樁時，電池充電狀態(State of charge，SOC)初始量與充電過程功率需求預測值的對應關系。

根據圖1建立SOC簡化擬合公式，其表達式為：

式中：t為充電時間；tmax為最大充電時長。

圖1 電池SOC量與充電功率需求對應關系

考慮到車載充電機高頻DC-DC轉換效率的問題，充電機在充電過程中充電效率η不是恒定的，為考察充電過程中電網功率消耗，需建立Pi、P0、η三者之間的關系。車載充電機充電效率η近似表達式為：

由式(2)及P0=Piη，可得到充電機輸入功率隨時間變化關系。建立的充電機輸入功率近似模型為：

式中：Pi(fit)表示擬合后的輸入功率；t為充電時間，t0是充電接入的時間(對應SOC0)；t1為充電機由恒流充電轉為恒壓充電的時間；tmax為充電最大時長；P0max為充電機最大輸出功率。時間、功率單位分別為h，kW。

1.2 EV初始SOC概率分布

電動汽車用戶行駛里程近似為對數正態分布，其概率密度函數如下所示：

式中：d為日行駛里程。電動汽車電池SOC與其行駛里程d近似滿足線性關系，即：

式中：E為車輛充電時的初始電池狀態SOC；D為電動汽車純電動狀態的最大行駛里程，通常取130 km。α為再次充電時距最近一次充電的天數，假設私家電動汽車為每兩天充一次電。由式(4)與(5)，可得到電動汽車充電前電池SOC的概率密度函數為：

表1給出不同汽車類型行駛里程的統計，其中um、σm分別為日行駛里程期望與偏差[2]，可求得私家車日行駛里程的概率分布參數u=2.97、σ=0.52。將其代入公式(6)，得到電動汽車初始SOC的概率分布。

???????????????????????/(km?d)????u=E(x) ()??D?? 130.8 43.0??? 265.5 86.2??? 60.5 31.2??? 35.9 19.6x

1.3 EV起始充電時間分布

電動汽車使用時間的分布如圖2所示。用戶的出行時間不僅限于早高峰(7：00-9：00)和晚高峰(16：00-19：00)也出現在中午的小高峰。

圖2 電動汽車日均使用時間分布

使用時間的分布會影響EV起始充電時間的分布，到家時間分布近似服從正態分布，擬合得到用戶到家時間的概率密度表達式為[3]：

式中：t為到家時間；u=17，σ=2.8。

考慮到用戶用電習慣，用戶到家后會直接對EV充電，記此時為初始充電時間t0。易知EV起始充電時間分布如式(7)所示，近似服從正態分布，充電高峰時段(14:00-20:00)。

1.4 EV負荷功率需求計算

結合充電功率模型，得單臺充電機隨時間變化的功率需求公式為：

式中：t0是開始充電的時間；SOC0為初始充電量。

設tin是24 h中電動汽車充電接入的時間，即式(7)中的t，根據1.2節EV初始SOC概率分布，電動汽車SOC0初始量均值為52%，單臺充電機由初始SOC0到充滿時功率需求在一天中的分布如圖3所示。

圖3 單臺充電機功率需求分布

根據單臺充電機功率需求，求得多臺充電機功率需求公式為：

式中：Ptotal表示總的功率需求；Pi為第i臺電動汽車功率需求；k為充電汽車數量。

2 MAS框架下Agent設計

Agent是一種具有知識、目標、能力的軟件代理，一個能在特定環境下連續、自發地實現相關功能，并且與相關代理和進程相聯系的軟件實體[4]。MAS結合單個Agent，對復雜系統進行求解，其能力優于單個Agent。EV充電管理MAS體系結構分為3層：第一層為電動汽車代理層(EV agent)；第二層為充電樁代理層(CS agent)；第三層為負荷控制與監控中心代理層(LCAMC agent)，同時在本層連接電網調度中心代理層(LDC agent)。各Agent功能及任務如表2所示。

在使用Agent技術的同時，可結合使用靈活電價政策，調整用戶用電意愿，更好地達到科學用電的目的[5]。

3 JADE平臺下MAS框架仿真驗證

選擇某小區作為研究對象，仿真驗證MAS框架下EV充電管理的實用性，具體實施步驟如下：觀察小區日負荷曲線，峰值出現在(10：00-14：00)和(16：00-20：00)。當EV接入該區域后，在無序狀態下，必然升高負荷峰值；引入多代理技術，調度中心根據小區電動汽車充電請求控制分配充電時間，當充電請求超過調度中心所能提供的負荷時，調度中心暫時不予響應，直到充電請求低于調度中心提供的負荷時，再響應EV充電請求。

(Load Control And Monitor Centre Agent)"#LDC agent?789:;???<=??>??????"@89AB?6 EV??CD&E??FG?LDC agent(Load Dispatch Centre Agent) @?:;??? HI:;??J LDC agent?????????????????Agent Name ?? ??EV agent(Electric Vehicle Agent)???????????????????????????????? !CS agent?CS agent(Charging Station)./LCAMC agent 01234 56 EV???LCAMC agent"#EV agent$LCAMC agent???%&HMI??’(?)LCAMC agent*+&??,-???

圖4 有序充電功率圖

有序充電功率隨時間的分布如圖4所示，從圖可知，基于Multi-Agent的電動汽車充電管理能夠靈活調節充電時間，避開高峰用電時間段，實現高峰負荷的轉移功能。可以預知，隨著接入電動汽車數量的增加，本方法相比于無序充電的優勢會更加突出。

4 結束語

本文著重建立電動汽車充電的數學模型，分析電動汽車的充電特性，搭建Simulink仿真模型，利用多代理技術，在A-gent中植入充電管理算法，最后通過JADE平臺進行仿真。仿真結果驗證了在MAS框架下EV充電管理的可行性，能夠對電力負荷起到移峰填谷的作用，當大規模電動汽車接入電網時，可減小對電網的沖擊，提高用電效率。

[1]馬玲玲，楊軍，付聰，等.電動汽車充放電對電網影響研究綜述[J].電力系統保護與控制，2013(3)：140-148.

[2]LI G,ZHANG X P.Modeling of plug-in hybrid electric vehicle charging demand in probabilistic power flow calculations[J].Smart Grid,IEEE Transactions on,2012,3(1):492-499.

[3]蔡德福，錢斌，陳金富，等.含電動汽車充電負荷和風電的電力系統動態概率特性分析[J].電網技術，2013,37(3)：590-596.

[4]范玉順，曹軍威.多代理系統理論、方法與應用[M].北京：清華大學出版社，2002.

[5]戴鵬，顧丹珍，張志偉.適用于電動汽車優化充電的管理方法[J].電源技術，2015(2)：277-279，289.

Modeling and simulation of electric vehicle charging management

HUANG Zi-yu,PAN Shuo,CHEN Yong-gang
(School of Electrical Engineering and Information,Southwest Petroleum University,Chengdu Sichuan 610500,China)

Electric vehicles are gradually accepted with the feature of environmental protection.The negative impact of the complex distributed charging system of electric vehicle on the power grid is gradually emerging.In order to solve the problem caused by disorderly charging on the grid,the mathematical model was established for electric vehicle charging.An Agent optimization solution was proposed for charging management.The simulation was carried out on Matlab/Simuink and JADE platform.Simulation results show that it can optimize the use of power allocation and transfer the load from peak to trough.

electric vehicle;power grid;charging management;simulation

TM 743

A

1002-087 X(2016)08-1692-03

2016-01-22

四川省教育廳重點項目(12ZA194)

黃梓瑜(1961—)，男，四川省人，副教授，碩士生導師，工學博士，主要研究方向為智能電網、分布式控制。