论文部分内容阅读
随着电动汽车关键技术的相继突破、国家政策的大力支持以及出于对能源安全和环境保护的考虑,电动汽车以其环保节能的特点,在世界各国得到全面推广。然而,电动汽车作为一种可移动的负荷,在时间和空间上具有不确定性,大规模的无序充电必将造成电力负荷的叠加,引起负荷波动,增大电网运行控制难度。因此,有必要通过研究合理地充电控制策略,来降低负荷峰值的叠加,保证电网稳定运行。 在查阅相关资料并对多地电动公交车充电站的实际运营情况进行分析的基础上,研究发现电动公交车在完成当日的工作量之后,动力电池的剩余电量通常远大于自身所需的保护电量,对区域电网的运行造成不利影响。本文通过提高对动力电池剩余电量的预测精度来制定充电控制策略,实现了合理充电以及维护电网平稳运行的目的。首先,通过充电功率和初始荷电状态两方面建立电动公交车充电站的负荷模型,并分析了充电站对其所在区域电网的影响。其次,分析了预测电池剩余电量的方法以及影响因素,在对充电站采集到的样本数据进行筛选之后,确定以电压、电流和温度作为影响预测电池剩余电量的关键因素。然后,通过BP神经网络建立预测电池剩余电量的训练模型,为减小该模型出现的预测误差波动,利用遗传算法对其连接权进行优化,实现模型预测精度的提高以及误差波动的减小。最后,在提高对动力电池剩余电量预测准确度的基础之上,制定了以负荷波动最小和峰谷差最低为目标的充电控制策略,并进行寻优求解以及MATLAB仿真分析。 通过仿真结果可以看出,该充电控制策略能够将部分白天时段的充电负荷转移到夜间电力负荷低谷时段进行集中充电,起到了削峰填谷的作用,同时平抑了电力负荷波动,在一定程度上减少了充电站充电费用的支出。