安科瑞电气股份有限公司

对于电力系统中新能源电动车充电桩布局与调度优化方法的研究

浏览次数：1961次   更新时间：2024-12-17 09:40:00

摘要：本文针对电动车充电桩在电力系统布局及调度方面进行深入研究，借鉴地理信息系统与电网模型，综合考量电力供应的能力，大众对电动车出行需求，以及充电设备的安全，多因多目标优化模型诞生。有效地确定充电桩的*优布局方案。进一步，考察电力系统的操作模式，电网的状况及充电桩的运行成本，构思出充电桩调度模型，采纳启发式算法得出*优调度策略。研究结果证明：此方案有力地优化了充电桩的布局和调度，增强了电力系统的运行效力，降低了运营成本，并充分满足了电动车用户的充电需求。有益于推动电动汽车可持续发展的步伐，其理论和实用价值显而易见。

关键词：电动车充电桩；布局调度；多目标优化；启发式算法；运行效率

1 电动车充电桩在电力系统中的作用与挑战

1.1 电动车充电桩的基本功能与需求

电动车充电桩是电源网络和电动车之间的重要连接点,其主要任务就是向电动车输送电力以进行充电四它的需求主要包括以下几个方面:

充电桩必须能够提供稳定的电力，满足电动车的充电需求。电动车在充电过程中需要大量的电力输入于是充电桩须具备足够的功率输出才能保证电动车的快速充电。

充电桩需能匹配多种充电接口。由于各类电动车的充电接口可能不同，充电桩就得支持多种类型的充电接口以便应对各种电动车的充电需求。

充电桩还得具备数据交互和检测的能力，这样它就能通过与电动车的数据交互，实时监测电动车的充电状态，进行适当的控制和管理，也可收集充电数据以便后续的分析和改进决策。

1.2 电动车充电桩布局的系统性挑战

对于电动车充电桩的布局，其实是探讨驻点电池加注设施如何在都市或者特定片区内达到理想的分布状态，以便能因应电动车的供电诉求。电池加注设施的摆设得当与否，对电池充电的速率和方便度有着直接的影响，同时也对电力系统的荷载均衡、以及电力网络的运行等诸多方面，带来了诸多的挑战和思考。

在考虑电池加注设施的布局时，电动车这个实体的聚集特点是需考量的要素。据研究，电力车辆的供电诉求，多发生于特定的场所，例如停车区、商业街道等。在规划电池加注设施的布局时，充分体现电动车的这种聚集特性是不可忽视的”,将电池加注设施的驻点设置在的区域附近，为电动车用户提供*便捷，*合理的服务。

设计充电站的方案不仅要回应电力系统的负荷能力和接入约束，还要立足于电动车充电需求的时序特性。万一大部分电动车在同一时刻充电，电网就会遭受负载压力的冲击，有可能引起电力系统的电压不稳及供电短缺。因此，布放充电桩的各个地点应谨慎选择，借以对抗负荷激增的窘境。

同时充电站的设置同样需侧重城市发展和交通运输的综合效应。充电桩应该建构在城市使用土地的规划中，其目的在于预防城市交通和环境进展的破损。布置充电桩还铭记于如今的交通网络和运动必要，就此电动车可以享受到便利的充电服务。

1.3 电动车充电桩调度的优化需求

关于电动车充电桩的调度，揭示了如何有效管理充电桩资源，满载不同车辆的充电需要。优化充电桩调度的需求可以归结为以下几点:

充电桩的管理需观察电动车的充电需求及优先级，电动车的充电需求各有差异，其中，部分电动车燃眉之急需要充电，而部分车辆则有灵活性可以调整充电时间。应优先考虑紧急充电需求，之后适当分配剩余资源。

充电桩的管理还应谨慎考察电网的运行状况和负荷平衡。电网负荷平衡关乎到电力系统的稳定性，充电桩的调度须遵从电网的负荷分配策略，根据电力系统实时负荷状况去做出动态的充电桩资源调度，既维护了电网的负荷平衡，又满足了电动车的充电需求。

电动车充电费用與电价紧密相联，此一现象细化至充电桩调度过程，电价因素亦不得忽视。可驾驭的电价使得电动车有能力选取适宜的充电桩、且能够斟的采取*佳充电策略。

2 多目标优化模型的构建与求解

2.1 基于地理信,息系统与电网模型的充电桩布局优化模型

电动车充电桩布局与电力系统的稳定和效果息息相关。全文主要讲解如何运用地理信息系统和电网模型来优化充电桩布局面制定出优化模型。

地理信息系统(GIS)负责收集充电需求以及充电桩的地理分布信息。GIS给出精确数据，例如道路网络、用地状态和人口密集程度等”,这些参数对于充电桩的合理布局起着至关重要的作用。有了GI，便可以分析实际充电需求，和充电桩的分布情况，从面确定*有效的布局方案。

电力系统包含了输电线、变电场以及负荷节点等各项信息，所有这些信息都被电网模型所囊括。构建如此模型的意义在于，使人们能准确预测不同地区的充电需求，明确充电桩对电力系统产生的影响。

借助地理信息系统(GIS)和电网模型的能力，人们可建立一个充电桩布局优化模型。此模型的目标是在确保充电需求得以满足的同时，使电力系统和建设充电桩的成本尽可能地降低。模型需考诸多因素，包括但不限于充电桩的容量、数量以及所处之位置等。

对于充电桩布局优化模型的计算解决，有一种被称为启发式算法的方法可以使用。启发式算法的基本理念是通过搜索和优化来获得近似的*优方案。常用的启发式算法包括遗传算法、模拟退火算法和粒子群优化算法等。这些算法可以根据具体问题的特点和约束条件，选择合适的算法进行求解。

2.2 考虑电力运行方式与电网状态的充电桩调度优化模型

充电桩的调度是指在充电需求和电力系统运行状态的基础上，合理安排充电桩的输出功率和充电时段,以实现电力系统的稳定运行和充电需求的满足。

为了构建充电桩调度优化模型，需要考虑电力系统的运行方式和发布系数。电力系统的运行方式可以分为基于传统发电方式和可再生能源发电方式。调度模型需要根据电力系统的运行方式，合理安排充电的使用策略，以便满足充电需求的减少对传统发电方式的依赖。

另外，电网状态也是充电桩调度优化模型考虑的重要因素。电网状态包括电力负荷、电力供给和电力网络拓扑等信息。调度模型需要根据电网状态，合理安排充电桩的充电功率和充电时段，以降低电力系统负荷峰值、优化电力供给和减少输电损耗。

通过考虑电力运行方式和电网状态，可以构建充电桩调度优化模型。该模型的目标是在满足充电需求和电力系统的稳定运行的前提下，*大化充电桩的利用率和电力系统的效率。

2.3 启发式算法在充电桩布局与调度优化中的应用

启发式算法在充电桩布局和调度优化中具有广泛的应用。启发式算法可以通过搜索和优化的方式，得到近似*优解。

在充电桩布局优化中，启发式算法可以根据充电需求和地理信息等因素，选择合适的充电桩容量、数量和你咒。通过启发式算法求解充电桩布局优化模型，可以*大限度地满足充电需求并降低电力系统的成本

在充电桩调度优化中，启发式算法可以根据电力运行方式和电网状态，合理安排充电桩的输出功率和充电时段。通过启发式算法求解充电桩调度优化模型，可以减少电力系统负荷峰值、优化电力供给和降低输电损耗。

启发式算法的优点是可以在较短的时间内求解近似*优解，适用于大规模的充电桩布局和调度优化问愿。启发式算法具有较好的鲁棒性和适应性，可以灵活应对电力系统的变化和不确定性。

未来，启发式算法在充电桩布局与调度优化中的应用前景广阔。随着电动车的普及和电力系统的发展，充电桩布局与调度优化将成为重要的研究方向。通过基于启发式算法的优化方法，可以实现电动车的高效充电和电力系统的稳定运行，推动电动车可持续发展，

3 优化方法的效果评估与应用前景

3.1 实验方法与评估指标

实验方法在优化充电桩布局与调度策略研究中占据重要地位，模拟实际运行情况评估优化策略的实效性与可行性。此次实验选取的实验场景为城市密集区域，在考虑地理信息系统、电网模型以及实际电力运营方式等多因素的影响下，采用动态仿真模型进行实验。

具体来讲，根据电动车数量、使用频率以及电网运行状态设定一定的需求场量。再根据各种场，模拟充电桩的布局与调度策略，通过多次选代，找到*优或者接近*优的布局与调度方案口,引入启发式算法通过自适应调整调度策略和布局方案，进一步降低运营成本和提高运行效率。

在评估指标的选择上，主要考虑以下几个方面:充电桩布局的合理性、充电桩调度的效率、电力系统运行的稳定性和运营成本的合理性。

充电桩布局的合理性是影响电动车充电服务水平的重要因素。该评估指标依据地理信息系统数据评估充电桩的空间分布是否合理，及时满足电动车的充电需求。

充电桩调度的效率主要反映电动车的充电等特时间，此指标通过调度策略、电动车充电需求动态变化以及充电桩实时状态数据进行评估。

电力系统运行的稳定性是衡量整个电力系统健康运行的关键指标，其包括电动车充电对电网载流量、电压等运行参数的影响。

运营成本的合理性涉及电动车充电服务的经济性采用生命周期成本法，结合电动车使用、充电桩建设以及运营管理等因素对运营成本进行全面考虑。

综合这四方面的评估指标，可以全面、深入地评估充电桩布局与调度优化模型的有效性与可行性。在未来的研究中，将进一步优化实验方法与评估指标，以期更系统、更有效地推动电动车充电桩的布局与调度策略优化工作的进行。

3.2 优化方法对电力系统运行效率和运行成本的影响

优化方法应用于电力系统中电动车充电桩的布局与调度，直接涉及到电力系统的运行效率和运行成本。具体表现为通过优化充电桩的布局和调度，能显著提高电力系统的运行效率，降低系统运行的总成本。

针对电力系统运行效率，优化方法对其产生的影响主要体现在以下几个方面。一方面，通过充电桩布局优化，可以有效均衡充电需求和电网供电能力之间的关系，避免出现因充电需求集中面引发的电网负荷过高，从而提高整个电力系统的运行效率和稳定性，优化 电动车充电设备的特性定们可以起到等待时间，也即提升了充电服务的效率，对于推动电动车的普及发展具有重要意义。

另一方面，通过充电桩调度优化，可以根据电网的运行状态和电动车的充电需求实时进行充电调度，比如在夜间电网负荷低的时期增大充电速度，在早晚高峰时段适当控制充电速度等，这种动态的、智能的充电调度方式可以极大地提高电力系统的负荷平滑程度，增强电力系统的运行效率。

就电力系统运行成本而言，优化方法对其的影响主要体现在以下几个方面。一方面，充电桩布局优化可以有效减少冗余建设，降低充电桩的建设和运营成本。更为重要的是，通过充电桩布局优化，可以更好地利用现有的电力资源，减少新建电源或者升级电网设施的需求，从而显著降低电力系统的总成本。

另一方面，充电桩调度优化可实现充电的峰谷错时，抑制电网高峰，填补电网谷部，使得电网负荷更平滑，有利于节省电力系统的运行成本。因为电力系统的运行成本与其负荷特性密切相关，负荷波动大，峰谷差大意味着需要更多的备用容量，也就意味着更高的运行成本。

由于电动车充电设备的特性，它们可以起到一定的储能作用，通过充电桩调度优化，可以实现电动车的峰谷错电，这样不仅可以提高电力系统的运行效率而且可以进一步压低电力系统的运行成本。

在实际的运行过程中，电动车充电桩布局和调度的优化还可以避免装置的过度运行和磨损，提高设备的使用寿命，从而进一步降低了系统的运行和维护成本。由于优化的调度方式减少了电网的过载运行，可以有效避免电网故障，增加电力系统的安全性。

4安科瑞充电桩收费运营云平台系统选型方案

4.1概述

AcrelCloud-9000安科瑞充电柱收费运营云平台系统通过物联网技术对接入系统的电动电动自行车充电站以及各个充电整法行不间断地数据采集和监控，实时监控充电桩运行状态，进行充电服务、支付管理，交易结算，资要管理、电能管理，明细查询等。同时对充电机过温保护、漏电、充电机输入/输出过压，欠压，绝缘低各类故障进行预警；充电桩支持以太网、4G或WIFI等方式接入互联网，用户通过微信、支付宝，云闪付扫码充电。

4.2应用场所

适用于民用建筑、一般工业建筑、居住小区、实业单位、商业综合体、学校、园区等充电桩模式的充电基础设施设计。

4.3系统结构

系统分为四层：

1）即数据采集层、网络传输层、数据层和客户端层。

2）数据采集层：包括电瓶车智能充电桩通讯协议为标准modbus-rtu。电瓶车智能充电桩用于采集充电回路的电力参数，并进行电能计量和保护。

3）网络传输层：通过4G网络将数据上传至搭建好的数据库服务器。

4）数据层：包含应用服务器和数据服务器，应用服务器部署数据采集服务、WEB网站，数据服务器部署实时数据库、历史数据库、基础数据库。

5）应客户端层：系统管理员可在浏览器中访问电瓶车充电桩收费平台。终端充电用户通过刷卡扫码的方式启动充电。

小区充电平台功能主要涵盖充电设施智能化大屏、实时监控、交易管理、故障管理、统计分析、基础数据管理等功能，同时为运维人员提供运维APP，充电用户提供充电小程序。

4.4安科瑞充电桩云平台系统功能

4.4.1智能化大屏

智能化大屏展示站点分布情况，对设备状态、设备使用率、充电次数、充电时长、充电金额、充电度数、充电桩故障等进行统计显示，同时可查看每个站点的站点信息、充电桩列表、充电记录、收益、能耗、故障记录等。统一管理小区充电桩，查看设备使用率，合理分配资源。

4.4.2实时监控

实时监视充电设施运行状况，主要包括充电桩运行状态、回路状态、充电过程中的充电电量、充电电压电流，充电桩告警信息等。

4.4.3交易管理

平台管理人员可管理充电用户账户，对其进行账户进行充值、退款、冻结、注销等操作，可查看小区用户每日的充电交易详细信息。

4.4.4故障管理

设备自动上报故障信息，平台管理人员可通过平台查看故障信息并进行派发处理，同时运维人员可通过运维APP收取故障推送，运维人员在运维工作完成后将结果上报。充电用户也可通过充电小程序反馈现场问题。

4.4.5统计分析

通过系统平台，从充电站点、充电设施、、充电时间、充电方式等不同角度，查询充电交易统计信息、能耗统计信息等。

4.4.6基础数据管理

在系统平台建立运营商户，运营商可建立和管理其运营所需站点和充电设施，维护充电设施信息、价格策略、折扣、优惠活动，同时可管理在线卡用户充值、冻结和解绑。4.4.7运维APP

面向运维人员使用，可以对站点和充电桩进行管理、能够进行故障闭环处理、查询流量卡使用情况、查询充电\充值情况，进行远程参数设置，同时可接收故障推送

4.4.8充电小程序

面向充电用户使用，可查看附近空闲设备，主要包含扫码充电、账户充值，充电卡绑定、交易查询、故障申诉等功能。

4.5系统硬件配置

5 结束语

本研充聚焦电力系统中电动车充电桩的布局与调度优化问题，采用地理信息系统与电网模型、多目标优化模型以及启发式算法，开创性地构建了一套充电桩布局与调度优化方案。实践证明该方法能大幅提升电力系统的运行效率、压低运营成本，并在满足电动车用户的充电需求的同时，对推广电动汽车的可持续发展起到了积极推动的功效。然而，本研究仍存在一定局限性。一方面，对电动车出行需求的预测精度以及电力系统供应能力存在不确定性，可能影响到优化结果的实际执行效果。另一方面，优化模型算法的效率及稳健性还有待进一步提升，以应对电动车充电需求的紧急变动和电网突发事件。未来工作将致力于改进预测模型，增强电力系统供应能力预测的准确性；优化算法，提升模型求解的效率和稳健性；进一步根据市场和技术发展趋势，改进充电桩布局与调度策略，以适应电动汽车充电需求的多样化和动态化，为电动汽车的普及与长远发展提供更强大的技术支持。