光伏直流充电桩智能有序充电策略与应用效果

0引言 在追求双碳目标的过程中，可再生能源特别是风光电将得到广泛应用，其中建筑屋顶光伏是关键部分。预计到2025年，公共机构新建建筑屋顶光伏覆盖率将达50%，分布式能源系统也将得到推广。然而，大规模分布式光伏接入电网可能会影响电网安全，有效实现就地消纳成为研究重点。同时，随着电动汽车数量的增加，预计到2030年将有约8000万辆电动汽车，这将对电力系统构成挑战。由于电动汽车大部分时间停放在建筑内或附近，其充电需求与建筑能源系统紧密相关。因此，研究电动汽车与建筑光伏的互动，挖掘其利用潜力，对降低碳排放至关重要。 自2009年提出利用太阳能为电动汽车充电（S2V）概念以来，相关硬件、经济性和策略的研究成果已发表。但目前电动汽车主要采用恒功率充电模式，导致电网压力增大。光伏电力的不稳定性与电力需求不匹配，实际中往往需要电网辅助充电，同时存在光伏电力未充分利用的问题。因此，设计新的有序充电策略，使电动汽车充电需求与光伏发电特性相匹配，对绿电消纳至关重要。 现有研究采用多目标优化算法和模糊控制算法优化电动汽车充电计划，降低负荷波动率和充电成本。但这些研究未充分考虑电动汽车充电需求与光伏电力的协同问题，通常建议夜间充电。针对分布式光伏特别是建筑光伏的研究较少。有研究提出双层控制策略，考虑了分布式光伏和负荷的不确定性，优化了微电网电动汽车充电策略，促进了充电负荷与分布式电力的匹配性，但未涉及实时充电控制层面的研究。 电动汽车车主的充电行为模式也是影响充电负荷的关键因素。现有研究基于用户意愿和出行规律优化充电负荷，提出适应多种充电模式的控制策略，并考虑了光伏发电条件下充电需求、行为与光伏消纳之间的耦合控制。但这些研究未考虑用户行为对充电条件的适应性变化，尤其在办公场景下，电动汽车长时间停留，可采用即停即插的充电模式，为充电功率的柔性调节提供空间。 因此，本文提出一种基于直流母线电压的有序充电控制策略，旨在满足电动汽车充电需求的同时，减少外网充电行为，有效利用本地光伏电力。 1系统配置与控制策略 1.1系统拓扑 本研究的直流充电系统由光伏模块、充电桩、交流电网和建筑负载组成，它们并联在直流母线上。光伏模块通过DC/DC变换器连接到直流母线，确保系统仅使用光伏模块为充电桩供电。交流电网通过AC/DC整流器与直流母线相连，实现与电网的双向能量交换：系统从电网取电时，AC/DC整流器将交流电转换为直流电；光伏有余时，系统向电网送电，AC/DC整流器则将直流电转换为交流电。单向直流充电桩和建筑用电是系统的主要负载，建筑负载是可选的。电动汽车作为移动蓄电池，其充电电流可调，允许负载功率在较宽范围内变化。系统通过母线电压信号维持能量平衡。 图1系统拓扑结构 1.2直流母线电压控制策略 为有效利用太阳能，光伏系统需以功率输出。本系统采用改进的MPPT扰动观测法追踪功率点。光伏输出功率仅受光照和温度影响，与系统其他模块无关。系统中，母线电压（UDC）由DC/DC占空比（α）决定，二者关系明确。 式中，UDC,max指直流母线允许电压，UDC,min指直流母线允许电压。 母线电压高表示光伏发电充足，可增加充电桩功率，多余电力并网；电压低则表示发电不足，需降低充电桩功率。 1.3充电桩控制策略 本文介绍了一种基于直流母线电压的充电桩有序充电控制策略，旨在实现充电桩功率的自适应调节。在运行中，电动汽车的充电功率（Pc,max）设为上限，而充电桩的额定功率（Pc,rated）限制其输出功率。充电功率（P∗）根据直流母线电压（UDC）和电池荷电状态（Soc）确定，即P∗是UDC、Soc、Pc,max和Pc,rated等参数的函数。P∗与UDC成正比，与Soc成反比。当电动汽车接入系统，充电桩获取其参数（Soc和Pc,max），并计算起始充电电压U0和功率曲线弧度nc，以控制不同Soc的电动汽车充电功率，确保电池荷电状态低的车辆优先获得更大功率充电。 U0=Soc(UDC,max-UDC,min-2ΔU)+UDC,min+ΔU（2） nc=Soc/(1-Soc)（3） 式中：ΔU为死区电压差。 根据母线电压UDC的区间，确定并计算指令充电功率P*，使用公式进行计算。 （4） 在配电系统中，电动汽车电池管理系统拥有权限。为确保安全，当充电电流降至1A或功率低于0.5kW时，系统会判断电池接近充满或存在电路问题，并停止充电。 2 实验场景与性能评价方法 2.1实验场景 本文以北京某办公建筑为例，构建了如图2所示的实验系统。根据T/CABEE030—2022民用建筑直流配电标准，该办公楼直流母线电压等级设定为375V，允许在85%至105%的范围内波动。该建筑屋顶光伏装机容量为20kWp，周边接入两个6.6kW的智能充电桩，采用1.3节所述的控制策略。实验中，建筑内负载使用频率较低，故不作为分析重点。 图2实验系统拓扑与场地实景 2.2充电功率控制效果 本文建立的充电桩监测系统周期为30ms，直流母线电压范围设定在395V至320V，死区电压差为5V。通过监测21个不同Soc和母线电压下的指令功率与实际功率，每个测试点重复15次取平均值，结果如图3展示。智能充电桩在各种条件下均能保持充电功率与指令功率相近，偏差率控制在±10%以内，平均偏差率为1%，证明其能适应电压变化和不同车型，满足充电策略需求。 2.3光伏消纳率和负荷满足率 本文通过光伏消纳率（SCR）和负荷满足率（LSR）评估充电桩控制策略的可行性，这两个指标越高，表明光伏电力利用越有效。 SCR表示光伏发电供负载使用的比例，LSR指负载用电中光伏电力的占比。EPV和Ecar分别代表光伏发电量和电动汽车充电量，单位为千瓦时。Egrid,export和Egrid,import分别表示并网输出电量和从电网获取的电量，单位也是千瓦时。 图3指令功率与实际功率偏差示意 当不使用外部电网充电时，负荷满足率为1，意味着建筑光伏完全满足电动汽车的充电需求。 3运行效果分析 经过测试和调优的Soc系统已投入运行，主要供周边建筑办公人员使用。汽车充电主要在工作日间进行，车主可自由停车并免费充电。研究数据涵盖光伏发电功率、上网功率、充电桩功率、母线电压和车辆进出时间等。根据天气情况，选取了光伏充足和不足的两天，分析充电桩运行效果。 3.1光伏充足典型日 3.1.1系统供用电情况 在晴朗天气下，光伏系统在充足光照条件下供用电情况如图4。发电功率为13.7kW，日发电量71.8kW·h，足以支持2辆电动车充电。2号充电桩08:00启动，1号充电桩09:00启动。14:00前光伏电力充足，之后下降。充电桩运行消耗大量光伏电力，多余电力并网，并网功率6.5kW，发生在光伏功率极限时，占52.3%。光伏电力减少时，充电功率调整，随光伏功率变化，运行符合策略，实现多电动车有序充电。两辆电动车分别充电30.6 kW·h和13.9 kW·h，达到100%负载满足率和63%光伏消纳率，多余电力并网，系统无需从电网取电。 图4光伏充足日系统供用电情况 3.1.2充电桩运行效果 在充足的光伏条件下，充电桩控制效果如图5展示。光伏供电时，母线电压随光伏组件功率点电压变化，通常保持在385~390V。光伏输出减少导致母线电压下降，充电桩充电功率相应降低；反之，光伏输出增加则提升母线电压和充电功率。 图5光伏充足日充电功率与车电池情况 充电桩的充电功率根据车辆的Soc和母线电压调整。在相同电压下，Soc高的车辆充电功率较低，确保低电量车优先充电。图5显示，尽管1号充电桩后接入，但因其车辆Soc较低，系统优先分配光伏电力给它，导致2号充电桩功率下降。光伏电力不足时，也优先供应Soc低的车辆，保障需求。随着车辆Soc上升，充电功率降低，通过控制母线电压和Soc，匹配了电动汽车充电与光伏发电特性，最终两车Soc均超过80%。 图6光伏不足日系统供用电情况 3.2光伏不足典型日 3.2.1系统供用电情况 在阴雨天气和光伏发电量低的情况下，如图6所示，光伏发电功率为5.9kW，日累计发电量为22.1kW·h。充电桩从08:00开始工作，未用光伏电力并入电网，并网功率为1.4kW。充电功率跟随光伏发电功率变化，以充分利用光伏。电动汽车充电19.1kW·h，达到100%负载满足率和86%光伏消纳率，多余电力并入电网，系统不需额外电网电力。考虑充电桩系统响应和控制所用光伏电力后，光伏消纳率为94%，几乎全部用于电动汽车充电。 3.2.2充电桩运行效果 在光伏不足日，光伏发电量波动大，导致母线电压不稳定，特别是在早上6点到11点间电压波动显著。为有效控制充电功率，充电桩需频繁计算和响应，这也会消耗电力。结果是充电功率曲线与光伏发电曲线高度匹配，无需额外电网电力，有效利用光伏，使电动汽车充电效率达到80%以上。 图7光伏不足日充电功率与车电池情况 4 智能充电模式与传统恒功率模式对比 本文通过蒙特卡洛模拟，利用3.1节的实测数据，比较了传统恒功率充电模式和智能充电模式在实际工况下的表现。模拟基于电动汽车电池参数和实际转移行为，分析了8辆车在典型日的充电情况，并进行了80次模拟以确保结果稳定。图8展示了平均每天充电桩和光伏发电功率的变化。 图8模拟的典型日恒功率与变功率数据 电动汽车在恒功率和智能充电模式下每天总充电量均为44 kW·h，平均5.5 kW·h/车，满足北京市日常通勤需求。恒功率模式下，充电功率立即达到极限并逐渐下降，导致08:00—10:00需从电网补充电力，功率10.9 kW。光伏峰值时，充电需求下降，导致光伏浪费。变功率模式下，充电功率与光伏发电匹配良好，无需额外电网电力，光伏并网功率降低，平均效率提高至100%，并网功率为5.3 kW，下降54%。智能充电模式更适应光伏发电特性，能更好消纳光伏。未来计划增加充电桩数量和用户，以及调整充电策略，以实现更平稳的充电功率，减少光伏浪费。 5安科瑞充电桩收费运营云平台系统选型方案 5.1概述 安科瑞AcrelCloud-9000云平台通过物联网技术实现对电动车充电站的实时监控和数据采集，管理充电服务、支付、交易结算、资产管理及电能使用。该系统还能预警充电机的过温、漏电和电压异常等故障，并支持多种网络接入方式，方便用户通过主流支付方式扫码充电。 5.2应用场所 适用于民用、工业建筑、居住区、实业、商业综合体、学校、园区等的充电桩基础设施设计。 5.3系统结构 系统分为四层：数据采集、网络传输、数据中心和客户端。 1）数据采集层：电瓶车智能充电桩采用modbus-rtu通讯协议，负责采集电力参数、电能计量和保护。 2）网络传输层：通过4G网络将数据发送至数据库服务器。 3）数据中心层：包括应用服务器和数据服务器，应用服务器运行数据采集服务和WEB网站，数据服务器存储实时、历史和基础数据库。 4）客户端层：系统管理员通过浏览器访问电瓶车充电桩收费平台，用户通过刷卡或扫码启动充电。 平台提供实时监控、交易管理、故障管理、统计分析、基础数据管理等功能，并有运维APP和充电小程序供相关人员使用。 5.4安科瑞充电桩云平台系统功能 5.4.1智能化大屏 大屏展示站点分布及设备状态等统计信息，包括使用率、充电次数、时长、金额、度数和故障情况。可查看站点详情、充电桩列表、记录、收益、能耗和故障。统一管理小区充电桩，优化资源分配。 5.4.2实时监控 监视充电设施运行，涵盖充电桩状态、回路状态、充电电量及电压/电流，以及告警信息 5.4.3交易管理 平台管理人员负责管理充电用户账户，执行充值、退款、冻结、注销等操作，并能查看小区用户每日充电交易详情。 5.4.4故障管理 设备自动报告故障，平台管理人员查看并派发处理，运维人员通过APP接收故障通知并上报处理结果，充电用户可通过小程序反馈问题。 5.4.5统计分析 通过系统平台，可查询充电站点、设施、时间、方式等的交易和能耗统计信息。 5.4.6基础数据管理 运营商在系统平台上创建账户，管理站点和充电设施，维护设施信息及价格策略，包括折扣和优惠活动。此外，他们还能处理在线卡用户的充值、冻结和解绑操作 5.4.7运维APP 运维人员可管理站点和充电桩，处理故障，查询流量卡和充电情况，远程设置参数，接收故障通知。 5.4.8充电小程序 为充电用户设计，可快速找到附近可用设备，支持扫码充电、账户充值、充电卡绑定、交易查询和故障申诉等功能。 5.5系统硬件配置 6 结论 本文提出了一种智能充电桩控制策略，通过母线电压调整充电功率，以匹配电动汽车充电与建筑光伏发电。测试显示，该策略能有效跟踪光伏功率，控制偏差率低于±10%，并实现稳定运行。实际运行中，充电功率随母线电压变化而调整，无需电网供电，仅用光伏电力即可满足电动汽车充电需求。与传统充电方式相比，该策略提高了42%的效率，降低了54%的光伏并网峰值功率，减少了对电网的影响。此策略促进了建筑光伏与电动汽车的实时互动，提高了光伏自消纳能力和负荷满足率，为建筑光伏高效利用和交通电气化提供了参考。该策略将在办公楼长期运行，未来将分析用户满意度和充电行为。 参考文献 [1]丁屹峰，曾爽，张宝群，王立永，刘畅，付智，张吉.光伏-直流智能充电桩有序充电策略与应用效果. [2]詹天津,谢玉荣.国内分布式光伏发展形势分析及思考[J].华电技术,2021,43(12):60–65.ZHANTianjin,XIEYurong.DevelopmentstatusanalysisandconsiderationondomesticdistributedPVenergy[J].HuadianTechnology,2021,43(12):60–65. [3]中国汽车工程学会.节能与新能源汽车技术路线图2.0[R].上海:中国汽车工程学会,2020.[4]安科瑞企业微电网应用手册2020.06版.