量化太陽能發(fā)電實現(xiàn)電動汽車碳排放的降低

量化太陽能發(fā)電實現(xiàn)電動汽車碳排放的降低

電動汽車的廣泛使用使得接入電網(wǎng)的電動汽車數(shù)量越來越多，促進了充電基礎設施的快速發(fā)展，但只有數(shù)量有限的充電站可供公眾使用。而太陽能發(fā)電成本很低，促使太陽能的安裝量顯著增加，自2006年開始太陽能安裝量每年約增長50%。鑒于此，設想在電動汽車充電站上廣泛采用太陽能發(fā)電，以滿足電動汽車的充電需求。本文針對利用太陽能發(fā)電的電動汽車充電站進行研究，給出一種用于公共充電站功率分配的算法，并研究量化采用太陽能發(fā)電后對降低電動汽車碳排放所帶來的收益。

由于太陽能發(fā)電具有間歇性，因此采用太陽能發(fā)電的充電站還需要接入電網(wǎng)，依靠傳統(tǒng)能源，以建立一個可靠的供能系統(tǒng)。將電動汽車接入電網(wǎng)往往會產(chǎn)生變壓器過載、電壓下降等問題，因而需要對公共充電站的功率分配進行控制。采用太陽能發(fā)電后，這種功率分配問題變?yōu)榫哂屑s束的隨機優(yōu)化問題。本文給出的算法又稱為日前算法，其基于馬爾科夫決策框架，考慮的約束包括電動汽車的隨機到達時間和太陽能發(fā)電的波動。優(yōu)化目標為盡可能減少電動汽車充電的等待時間和充電期間產(chǎn)生的碳排放（如利用太陽能發(fā)電）。文中基于一個具有多個充電接口的公共充電站，采用時間序列模型表示太陽能光伏系統(tǒng)的發(fā)電情況。假設10輛汽車遵循馬爾科夫過程隨機抵達充電站，并假設充電站能夠滿足10輛汽車同時充電。采用貝爾實驗室開發(fā)的代數(shù)建模語言（AMPL）對上述問題進行描述，采用Minos求解器對描述后的問題進行求解優(yōu)化。對上述情況進行仿真發(fā)現(xiàn)，所提出的算法能夠權(quán)衡充電過程碳排放、充電時間和電動汽車的等待時間，但不能保證每輛電動汽車的充電性能，可保證充電站最壞情況下的充電性能。

OmidArdakanianetal. 2014IEEEInternational Conference on Smart Grid Communications，Venice Nov.03-06，2014.

編譯：張振偉