满足电动汽车快充需求的含储能复合型充电站充电优化策略

侯 慧，王逸凡，黄 亮，2，陈 跃，谢长君，张锐明

（1. 武汉理工大学自动化学院，湖北 武汉 430070；2. 复变时空（武汉）数据科技有限公司，湖北 武汉 430070；3. 广东广顺新能源动力科技有限公司，广东佛山 528000）

0 引言

随着环境污染的加剧，有意识选择使用电动汽车（EV）的用户逐年增加。数量庞大的EV 集群使得EV 充电需求日益增长［1］。EV 充电需求根据充电模式可分为慢充需求及快充需求。由于慢充的调度时间较长，为了达到调峰填谷等特定目标，大多研究都集中于慢充优化调度。文献［2］提出了一种考虑EV用户舒适度和充放电功率变化率的居民区EV 与家庭互动的调度策略；文献［3］建立了由电网公司、充电站运营商和EV 用户共同参与的有序充电模型。上述慢充调度主要针对调度时间较长的EV，没有涉及EV的空间转移特性。

快充需求显著区别于慢充需求之处在于，具有快充需求的EV具有更大的随机性，可在一定空间区域内根据EV 用户的选择移动到不同的充电点。部分研究通过分析EV快充的影响因素，为具有快充需求的EV 规划合理的充电路径，影响因素包括经济、时间、距离、能耗等［4-5］。但这部分研究大多仅从EV的角度规划最优充电站和路径，没有考虑充电站等其他充电参与方的利益。文献［6］提出了包含电力系统控制中心、智能交通系统中心、充电站和EV 终端的综合充电导航策略，但电力系统控制中心和智能交通系统中心仍仅为EV 终端提供信息；文献［7］提出了以降低充电能量和时间成本为目标的分层导航策略，但仍是被动地通过调整EV充电负荷以实现降低峰值负荷的目的；文献［8］提出了以EV 充电时间和充电成本最小为目标的充电导航框架，并在此基础上提出了模拟充电站竞争的非合作博弈定价策略，但仍然没有充分考虑充电站的利益。

充电站作为EV的能量补充环节，随着技术的发展，其功能也逐步向集成化、综合化的复合型充电站方向发展。文献［9］提出了集成光伏与储能装置的充电站的优化管理算法，利用储能装置优化快速充电站的运行成本，但忽略了EV 充电成本；文献［10］提出了集成光伏与储能装置的快速充电站设计准则，但仅考虑了不同系统间的功率流动；文献［11］研究了考虑不确定性的高速公路光储充电站的选址定容问题。虽然上述文献对复合型充电站的设计及运行情况进行了研究，但是忽略了EV快充需求对复合型充电站运行效益的影响。

可见，目前大部分研究着重于合理调度EV时空秩序，而关于宏观处理EV与复合型充电站的协调优化研究相对较少。为此，本文提出了满足快充需求的含储能复合型充电站的充电优化策略。基于所提优化充电策略，EV 能够以更优的充电综合成本选择目标充电站，同时通过合理调度储能出力以优化EV充电以及平抑可再生能源出力波动。算例仿真结果表明所提优化策略能够降低EV充电综合成本，并提高复合型充电站的综合效益，满足未来大规模EV快充的迫切需求。

1 充电优化策略架构

本文的快充场景描述如下：某区域内具有若干座充电站，部分复合型充电站可集成可再生能源与储能装置，并通过公共连接点PCC（Point of Common Coupling）与电网互联，拓扑结构如附录A 图A1 所示。同时区域内不同时段、不同位置都有若干辆有快充需求的EV。

由此可见，借助概念整合理论，我们能够“更加深入地观察和剖析以前根本无法看到的细微的推理和整合过程，还能对我们最熟悉的基本隐喻的许多从来没有认识到的方面进行揭示”（王勤玲，2005）。有时，为了理解复杂的语义，一个概念整合网络是不够的，这就需要我们构建多个整合网络（Conceptual Blending Network）。由于语言具有多变性、复杂性、新创性等特征，认知主体在构建隐喻意义时还需要有情景、文化、情感等方面知识的积累。

本文所提充电优化策略可优化EV 充电综合成本与复合型充电站综合效益，具体架构如图1 所示，主要可分为EV 路径规划阶段和复合型充电站优化调度阶段这2个阶段。

1）当综合负荷与车流量对复合型充电站服务价格的影响率均大于等于1（小于等于1）时，对应的服务价格必定大于（小于）充电站的分时电价，表明电网及路网对充电站服务价格起到了相同的影响作用。此时，复合型充电站的服务价格可以表示为：

“科学故事”源于情境教学法，通过将知识与现实生活或教材素材结合，设计符合逻辑的线索，在激发学生兴趣的同时，引导学生思考。此类试题往往研究一个或多个问题，在题干中先展示研究目的和研究背景，再针对问题进行假设，提问如何设计研究方案、分析预期结果并得出结论，进而证明或证伪某一假设。在这个过程中，考查学生推理、分析并解决问题的能力。

式中：θjk(t)为时段t复合型充电站k与路网节点jk相连路段的车流量不平衡量；Jk为与复合型充电站k相连路网节点集合；fjk(t)为时段t复合型充电站k与路网节点jk相连路段的车流量。

阶段2：复合型充电站优化调度阶段。复合型充电站内集成了可再生能源以及储能装置。阶段1完成了满足EV 快充需求的充电路径合理引导。但由于EV快充需求具有短时效应，其带来的负面影响在阶段1 中得到的抑制较小。因此，可通过充电站内中央控制器调度站内的储能来降低EV 快充需求带来的负面影响。此外，可再生能源出力具有随机性及波动性，中央控制器可通过调度站内储能装置使之得到一定的平抑。同时，通过储能装置对电能的转移，能够在一定程度上降低电价高峰时段的电能需求，提高复合型充电站的经济效益。

2 复合型充电站服务价格制定

在路网中，最可能发生拥堵的路段是与复合型充电站节点相连路网节点构成的路段。定义路段的健康车流量范围为[0.4Cjk，0.7Cjk]（Cjk为复合型充电站k与路网节点jk相连路段的通行能力，jk为与复合型充电站k相连的路网节点）［12］，由此可得复合型充电站与路网节点相连路段的车流量不平衡量为：

阶段1：EV 路径规划阶段。该阶段以EV 为主体，为大规模EV规划最优充电路径，以满足EV快充需求。每辆EV 都装设了车载智能终端，能够接收不同复合型充电站在不同时段发布的服务价格，结合道路车流量信息，利用智能终端的内载算法，为每辆EV规划得到最优充电路径，以最小化充电综合成本。

根据各路段的车流量不平衡量，定义车流量不平衡量对复合型充电站服务价格的影响率为：

1）EV 初始充电经济成本Cin是指从EV 提示充电到充满电量的经济成本，可表示为：

大数据将引发大学治理革命，尤其是将彻底解构政府、大学、社会三者间的耦合关系和与之对应的“管、办、评”机制，引发大学的法人治理结构革命。在学校管理方面，大数据使大学治理层级更加扁平，组织与协调更加快速灵活，高校将从“凭借经验的粗放管理”，向“依靠数据分析的集约治理”转变，从而促进教育管理方式的再造和优化，加速提升高校教育信息化水平，从而让师生体验到更为便捷的服务，实现高校智慧管理的转型。

4.推进学生食堂标准化建设：学校餐饮服务中心拟配备专业营养配餐人员，或者由专门人员对学生食堂进行标准化建设，为全校学生合理配餐，保证菜品搭配的合理性和种类的多样性，使学生一日三餐营养素摄入能够满足身体需要，同时保证奶制品的摄入。

3 EV综合最优路径规划模型的建立

基于EV 充电时间成本及充电经济成本建立EV综合最优路径规划模型以规划充电路径。

东晋时，有个人在橘子成熟时，选了三百枚，送给远方的朋友，并附了一封简短的信：奉橘三百枚。由于还未到霜降，未能多采摘。写信人是大名鼎鼎的东晋书法家王羲之。

3.1 EV充电时间成本

EV 充电总时间主要包括EV 行驶时间、EV 等待时间以及EV充电时间。

1）EV 行驶时间。EV 从出发点出发到达复合型充电站的行驶时间Tdr可表示为：

本文采用自适应搜寻者遗传算法［18］对所建模型进行优化求解。相较于传统智能算法（如传统遗传算法、蚁群算法、狼群算法等），自适应搜寻者遗传算法更具有针对性，更适宜处理路径搜索类问题。自适应搜寻者遗传算法利用搜寻者优化算法中的模糊思想改进变异算子，增强了种群多样性，加快了收敛速度。本文采用滚动时域优化方法［19］对所建模型的实时性进行处理，滚动优化周期为4 h。

式中：nw为前方等待队列中EV 的数量；nc为处于充电状态的EV数量；np为复合型充电站内充电机的数量；Tk，h（h=1，2，…，nc）为第k批次处于充电状态的第h辆EV的剩余充电时间。

例如我们在“氧气的实验室制取”实验中，为学生根据具体的化学知识，进行了实验可行性分析，没有直接教授学生“氧气的实验室制取”方法，而是组织学生进行集体讨论，我作为讨论的参与者帮助学生自主研究实验方法。之后我为学生介绍了安全注意事项，组织学生利用自主探究的方式，完成“氧气的实验室制取”实验。学生们通过自主探究，利用高锰酸钾制氧、过氧化氢制氧、氯酸钾制氧等多种方法，有效地完成了实验任务，使学生在自主探究的过程中，有效发展了探究意识与创新思维。

3）EV 充电时间。本文假设充电机充电功率保持恒定，即充电功率为恒定值Pch，EV 充电时间主要与电池荷电状态SOC（State Of Charge）有关，即与EV 能耗有关。电池SOC 越低，则EV 所需充电量越多，充电时间就越长。EV充电时间Tch可表示为：

3.2 EV充电经济成本

EV 充电经济成本主要包括EV 初始充电经济成本、EV 前往复合型充电站路径中的动力能耗成本及以车载空调为主的非动力能耗成本。

假设复合型充电站的分时电价为：在电网售电给充电站分时电价的基础上，各时段均提高一个合理的裕度。复合型充电站的服务价格是在充电站分时电价的基础上对各时段电价进行适当调整得到的。根据综合负荷与车流量对复合型充电站服务价格影响率的数量关系，可以分为以下2种情况。

式中：Δt为单位时段时长，取值为1 h。

3.3 EV综合最优路径规划模型

EV综合最优路径规划模型的目标函数为：式中：fij(t)为时段t路段(i，j)的车流量；Cij为路段(i，j)的通行能力；N为路网节点集合。

3）路网中间节点选择约束。路网中间节点要求之后可选择节点必定是与该节点相连的节点，且EV不会选择返回之前的节点，则有：

式中：q为EV 当前所处节点；p为下一备选节点；xqp为0-1 变量，表示EV 是否选择经过路段(q，p)，若选择则取值为1，若不选择则取值为0；ST为EV 已路过路网节点集合；q∈ST表示将当前所处节点q归入EV已路过路网节点集合；p∉ST表示备选节点p不属于EV 已路过路网节点集合；Nq为与节点q相连的路网节点集合。

4 复合型充电站的效益优化模型

复合型充电站的效益优化模型主要包括3 个目标，分别为复合型充电站经济性目标、电网安全性目标、路网利用率目标。

1）复合型充电站经济性目标以最大化复合型充电站的经济收益为目标，可表示为：

式中：F3，k为复合型充电站k的路网节点总体不平衡率。

复合型充电站运营商的主要目标是使复合型充电站的综合效益最大化，因此必须将电网安全性目标以及路网利用率目标的潜在效益转换为实际效益。假设电网与路网均给予复合型充电站一定的调度补贴，以实现复合型充电站的综合效益最大化。则复合型充电站的目标函数可表示为：

5 算例仿真

5.1 仿真设置

本文以某18 km×18 km［4］区域内的实际路网为例验证所提充电优化策略的可行性。该路网包含34 个节点、55 条路段。路网拓扑结构即复合型充电站位置［4］如附录A 图A2 所示。复合型充电站位于路网节点5、7、20、24。各复合型充电站的基本参数如附录A 表A1 所示。本文假设各复合型充电站内包含10个储能单元，相关参数如附录A表A2所示。

复合型充电站的基础负荷来源于文献［14］。风电、光伏等可再生能源出力曲线由Homer 软件［15］仿真得到，如附录A 图A3所示。本文选取某一平均光照强度为4.32 kW／m2、平均风速为4.87 m／s的地区数据（由中国气象数据网得到），在Homer 软件中根据内置模型随机模拟得到该地区的光照强度、风速预测数据，并随机选择某一夏季典型日的出力曲线作为可再生能源出力曲线来源。

管理必须落实到实践。很多管理者深谙那些高深莫测的管理理论，精通各种管理门道，但一到管理团队，就会发现以往的积累就像是空中楼阁，对具体的事件和问题无甚用处。管理说到底，是洞察人性——你要培养什么样的人？管理一定要回归常识，回归本质。管理的东西一说就明白，如果听不明白，就一定是假的，也一定是错的。

复合型充电站的分时电价如附录A 图A4 所示［16］，其没有利用本文模型根据不同负荷及车流量情况对充电站各时段的电价进行调整。而复合型充电站服务价格是在电网售电分时电价的基础上，根据本文所建模型对充电站各时段的电价进行调整而得到。复合型充电站分时电价与服务价格对比可体现不同时段差异化激励电价的引导效果。

在宋代的绘画历史上，李唐是一个承前启后的人物。南渡前“崇古”的作品《万壑松风图》以苍劲浑厚的小斧劈皴开创了南宋院体画的先河，早期作品物象的具体繁复，其皴法、笔墨和设色皆为了表现客观的山水；南渡后“独创”的作品《清溪渔隐图》使用边角构图，画中的山石、树木，似乎只是借以传达作者的主观情绪，留给人印象最深的是大斧劈皴的激荡情绪。李唐从北到南，先后在两个不同的生活环境创作，作品中皴法的使用与自然地貌结构有着密切的关系。从《万壑松风图》的分析，我们可以发现皴法既是对自然界中山川的再现，又是画家观察自然后，有所感悟的情感再创造的载体。

考虑到EV快充需求主要产生于白天，本文设置仿真周期为06:00—18:00，以1 min 为单位时段时长，共有720 个时段。每个时段均有充电需求产生，且有4 400 辆EV 接入。假设EV 快充需求的空间分布满足均匀分布，时间分布近似服从正态分布［17］。

令降深Sw=H-Ho，并且Ho设为固定值0.5 m，分别取Sw为3 m、4 m、5 m、6 m、7 m、8 m、9 m、10 m，研究不同降深对双盲沟渗流计算的影响。本文假设降深变化不引起影响半径的改变。其余参数按计算实例取。计算结果见表4和图6、图7。

本文以节点7 处的复合型充电站为例，设置如下4种场景验证所建模型的有效性。

1）场景1：EV 基于本文所提模型选择复合型充电站，充电站可调整服务价格且配置了储能装置。

2）场景2：EV 基于最短路径原则选择复合型充电站，充电站可调整服务价格且配置了储能装置。

实验报告部分的评价主要用于督促学生规范填写相关角色的业务表格，通过规范业务用表进一步深入理解业务关系与角色特点。同时，也是督促学生在课程结束后进行反思，完成知识体系的网络化与结构化。

3）场景3：EV 基于本文所提模型选择复合型充电站，充电站内无储能装置且采用复合型充电站分时电价。

4）场景4：EV 基于最短路径原则选择复合型充电站，充电站内无储能装置且采用复合型充电站的分时电价。

5.2 结果分析

5.2.1 EV充电成本分析

上述算例仿真设置了4 400 辆EV，为了方便分析，本节根据时间顺序，均匀选取36辆接入节点7处复合型充电站的EV（编号记为1—36）为分析对象。4 种场景下的EV 充电经济成本和充电总时间如图2所示，充电综合成本如表1所示。

图2 EV充电经济成本和充电总时间Fig.2 Charging economic costs and total charging time of EVs

表1 EV充电综合成本Table 1 Comprehensive charging cost of EVs

图2（a）显示除部分用户由于在电价较高时段完成充电使得配置储能场景下EV 经济成本高于分时电价场景，其他用户的EV充电经济成本则是配置储能场景下的结果低于分时电价场景。结合图2（a）和表1 可知：场景1 和场景3 下的EV 充电经济成本远低于场景2 和场景4，说明本文模型的EV 充电经济成本低于基于最短路径原则的模型；场景1 下的EV充电经济成本略高于场景3，说明充电服务价格的制定能略微提高EV 充电经济成本。结合图2（b）和表1 可知，场景1 下EV 充电时间的平均值和方差依次小于场景2、场景3、场景4，说明采用本文所提模型能够降低EV充电时间成本，且调整充电服务价格也能有效改变EV 充电时间。由表1 可知，场景1 和场景3 的EV 充电综合成本低于场景2 和场景4，说明采用本文所提模型能够有效降低EV 充电综合成本。对比场景1 和场景3 可知，场景3 的充电综合成本略高于场景1，说明采用本文所提充电服务价格策略能够大幅降低充电时间成本，但仅能略微降低EV充电综合成本。

5.2.2 复合型充电站的综合效益分析

4 种场景下复合型充电站的联络线功率、车流量、综合效益如图3所示。4种场景下复合型充电站的目标值结果如表2所示。

结合图3 和表2 可知：场景1 下复合型充电站的联络线功率波动依次小于场景2、场景3、场景4，场景1 的电网安全性目标依次小于场景2、场景3、场景4，说明本文所建模型及储能调度策略能够提高电网运行的安全性；4 种场景下的路网利用率目标值差异不大，且场景1 的结果略高于其他3 种场景；场景1 下复合型充电站的综合效益大于其他3 种场景，且场景1的电网安全性目标远低于其他3种场景，说明本文所提充电优化策略能够在提高复合型充电站综合效益的同时，大幅提高电网运行的安全性。

图3 复合型充电站的联络线功率、车流量、综合效益Fig.3 Tieline power，traffic flow and comprehensive benefit of composite charging station

表2 复合型充电站的目标值结果Table 2 Objective value results of composite charging station

综上所述，本文所提满足EV快充需求的含储能复合型充电站的充电优化策略虽然略微提高了EV充电经济成本，但降低了EV 充电综合成本；略微降低了复合型充电站的经济效益与路网利用率，但其电网安全性得到大幅提高。可见，所提策略能够提高EV与复合型充电站的综合效益。

6 结论

本文建立了考虑EV 与复合型充电站效益的充电优化策略。通过复合型充电站服务价格的激励，EV 能够以更优的充电综合成本选择目标复合型充电站。同时可通过合理调度站内储能来优化EV 充电所带来的快充负荷与车流量。分析算例仿真结果可得到如下结论：

2.组织机构反作用于企业战略。如果企业组织机构改革得当，则能有效支撑组织战略目标的达成，并能合理优化配置企业的各类资源，实现企业长期经营目标。企业组织机构和人员配备是战略实施的重要保障，只有企业设置适宜的、正确的组织机构与其战略相匹配，才能保障企业的战略手段执行顺利。企业战略改革变化中，组织机构必须做出相应调整，以适应企业战略的发展与改变。假如企业组织不做出相应的结构变化，企业新战略则没有坚实的组织保障，相反，企业原来的组织机构可能起到抑制企业战略的作用，影响企业近期与长远的发展。因此战略是否能成功，有赖于企业组织机构是否能与企业战略相匹配。

曾先生16日介绍称，他与父母在当地时间1日晚近12点的时候从挪威首都奥斯陆乘火车抵达斯德哥尔摩，并前往距离斯德哥尔摩中心火车站不远、提前在网上预订的“斯德哥尔摩发电机（GeneratorStockholm）”旅店。

1）以复合型充电站服务价格作为激励手段，利用EV时空转移特性，能有效调动EV充电，优化复合型充电站的综合效益；

2）综合充电经济成本和时间成本的EV 综合最优路径规划模型能兼顾充电时间，降低了充电综合成本，提高了EV用户的充电满意度；

其中nl是该网络结构的层数，sl是第l层神经元的个数，第一项为输入与输出的均方误差，表示网络学习的质量，第二项为正则项，λ为权重，调节这两项的比重。

3）通过合理调度储能充放电，能减少EV快充负荷以及可再生能源出力随机性和波动性的影响，提高复合型充电站的综合效益。

附录见本刊网络版（http：//www.epae.cn）。