全建明

摘 要： 對于含風光儲電動汽車充電站而言，其儲能容量十分重要，直接關(guān)系著充電站的發(fā)展。作為風光儲研究重點內(nèi)容之一，風光互補風電系統(tǒng)不僅關(guān)系著儲能容量配比研究，同時也關(guān)系著電動汽車充電站的發(fā)展?；诖?，本文就含風光儲電動汽車充電站容量展開研究，首先研究了風光互補系統(tǒng)容量，其次對含風光儲電動汽車充電站容量優(yōu)化進行研究，以便為后續(xù)研究奠定基礎(chǔ)。

關(guān)鍵詞： 風光儲;電動汽車;充電站容量

【中圖分類號】TM73 ? ? 【文獻標識碼】A ? ? 【文章編號】1674-3733（2020）07-0200-01

風光互補發(fā)電系統(tǒng)包括風力發(fā)電、太陽能、儲能設(shè)施、控制器、逆變器等設(shè)施，其能夠?qū)L能、太陽能、智能控制技術(shù)以及儲能設(shè)施集成起來構(gòu)成發(fā)電系統(tǒng)，而含風光儲能電動汽車充電站就是將該發(fā)電系統(tǒng)與充電站集成起來構(gòu)成新型微網(wǎng)，通過風光互補發(fā)電為充電站提供電能，確保充電站能夠持續(xù)為電動汽車提供能源。當前，相較于國外而言，我國關(guān)于該方面的研究比較少，起步較晚，各方面不夠成熟。

1 風光互補發(fā)電系統(tǒng)容量研究綜述

根據(jù)風光互補發(fā)電系統(tǒng)運行情況，其可以分為并網(wǎng)和離網(wǎng)兩種方式。

1.1 并網(wǎng)運行容量配置研究

（1）由于風速、環(huán)境溫度、太陽輻射等因素都有一定的隨機性，在失負荷情況下，通過抽樣平均法隨機優(yōu)化風光互補發(fā)電系統(tǒng)，降低系統(tǒng)生命周期成本達到最小，這時其所排放的二氧化碳量最少，對于可再生能源的利用率達到最高，此方法由于隨機優(yōu)化與實際工程最為接近，但是由于不確定因素隨機加入導致其溫度更加復雜。

（2）若是將二氧化碳最小排放量作為優(yōu)化目標，對系統(tǒng)生命周期成本、風光互補性以及系統(tǒng)穩(wěn)定性等條件作出考慮，合理配置風光儲容量。若是將系統(tǒng)最小成本作為優(yōu)化目標，考慮負荷缺電率與能量浪費率，通過改進標準粒子群算法南中的慣性權(quán)重可以解決該算法在搜索時由于過早收斂導致的局部極值問題，同時通過對算法前后仿真結(jié)果的對比分析發(fā)展，改進后的容量配置更加合理。若是將全生命周期最大收益作為優(yōu)化目標，考慮風光互補性、資源利用率以及跟蹤調(diào)度曲線等條件，建立風光儲容量配置優(yōu)化模型，在一系列優(yōu)化變量基礎(chǔ)上通過變步長循環(huán)離散算法來建立容量配置優(yōu)化模型，這種方法主要應(yīng)用在大規(guī)模的風光互補發(fā)電系統(tǒng)建設(shè)中[1]。

（3）將系統(tǒng)投資的收益、可靠性以及可再生能源利用率作為目標函數(shù)，考慮場地、蓄電池、風光蓄容量、電網(wǎng)功率交換等條件，構(gòu)建風光儲容量配置優(yōu)化模型，改進遺傳算法后求解容量配置模型，在計算時，改進后的遺傳算法具有較好的收斂速度以及全局搜索能力，該方法的應(yīng)用能夠使蓄電池壽命延長，同時也能夠提高微電網(wǎng)孤島能力。

1.2 離網(wǎng)運用容量配置研究

（1）目標函數(shù)為系統(tǒng)年成本、二氧化碳最小排放量以及負荷缺點率，約束條件為風機輪轂高度和光伏板傾斜角度，在此基礎(chǔ)上建立風光柴容量配置模型，其能夠詳細計算光伏板太陽輻射情況，但是沒有考慮風速因素，只能夠在靜態(tài)環(huán)境中應(yīng)用。之后，利用改進后的偏好啟發(fā)協(xié)同進化蘇啊反和非支配排序遺傳算法得到風光柴儲能配置?？h教育傳統(tǒng)算法而言，這兩種蘇啊反能夠靈活擴展目標數(shù)量，簡化計算，提高計算精度。

（2）遺傳算法能夠使風光互補發(fā)電系統(tǒng)成本函數(shù)實現(xiàn)最小化，進而優(yōu)化配置風光儲容量。相較于動態(tài)規(guī)劃以及梯度計算等傳統(tǒng)優(yōu)化方式，遺傳算法對于全局優(yōu)化更加實用，可以簡化計算過程，但是其對系統(tǒng)可靠性考慮不足。

2 含風光儲電動汽車充電站容量優(yōu)化研究綜述

含風光儲電動汽車充電站將充電站與風光互補發(fā)電系統(tǒng)結(jié)合起來，其在容量配置優(yōu)化研究主要包括以下內(nèi)容：

（1）基于電動汽車充電需求得到滿足情況下，以投資、缺點損失和運行等方面成本最低作為目標，建立含風光儲離網(wǎng)電動汽車充電容量配置優(yōu)化模型，通過微分進化算反得到最優(yōu)容量配置，但是該方法沒有考慮到系統(tǒng)是否可靠的問題。若是基于統(tǒng)計學來計算電動汽車充電負荷，其將充電站最大經(jīng)濟效益作為目標，約束條件為充電負荷需求以及裝機容量，進而構(gòu)建風光儲離網(wǎng)電動汽車充電站容量配置優(yōu)化模型，利用改進后的遺傳算法得到容量最優(yōu)配置，進而達到最大經(jīng)濟效益。若是約束條件為儲能裝置充放電，目標函數(shù)為最低系統(tǒng)總成本，通過粒子群算法得到不同能量管理條件下電動汽車的最優(yōu)容量配置方案。該方法能夠使系統(tǒng)穩(wěn)定性提高，并降低投資成本。若是目標函數(shù)為資源利用最大且系統(tǒng)功率波動最低，構(gòu)建優(yōu)化模型，約束條件為功率平衡并限制充電功率，改進粒子群算法來優(yōu)化模型，其能夠讓充電站在并網(wǎng)運行時縮小負荷峰谷差距，進而環(huán)節(jié)電力調(diào)度壓力，但是沒有考慮到生命周期，經(jīng)濟性有待加強研究[2]。

（2）要想使系統(tǒng)可靠性以及資源利用率提高，需要以負荷響應(yīng)轉(zhuǎn)移、蓄電池充放電以及風光互補系統(tǒng)出力等因素為約束條件，目標函數(shù)為系統(tǒng)總成本最低建立容量配置優(yōu)化模型，通過人工免疫算法和粒子群算法，利用改進后的算法計算模型，防止過早收斂現(xiàn)象出現(xiàn)。若是目標函數(shù)為環(huán)境成本以及有功功率損耗最低，可以利用改進后的粒子群算法求解目標函數(shù)，改方法盡管能夠克服最優(yōu)解局部缺陷，但是在參數(shù)設(shè)置上十分復雜，且計算難度大。在電網(wǎng)分級調(diào)度結(jié)構(gòu)基礎(chǔ)上建立的含風光儲充電站模型，此微網(wǎng)模型利用粒子群優(yōu)化算法優(yōu)化資源利用率、負荷峰谷差和系統(tǒng)可靠度等函數(shù)，使微網(wǎng)系統(tǒng)更加可靠，并充分利用風光資源，確保接入電網(wǎng)更加穩(wěn)定。

（3）容量配比受到各種因素影響，在建設(shè)充電站前，需要在成本條件基礎(chǔ)上合理規(guī)劃風光儲最大容量，以風光儲最大容量作為充電站容量配置約束條件。在滿足電動汽車充電功率情況下，配置風光儲容量，使充電收益能夠達到最大化。

T為充電站收益天數(shù);Cd為充電站每天收益;N為一天充電汽車數(shù)量;SOCi為每臺電動汽車初始充電時刻;C0電動汽車電池容量;Sd為電費;r設(shè)備折舊和原折舊價格比例;l為發(fā)電設(shè)備使用時間;Ni為臺數(shù);Ci為單臺價格。

結(jié)束語：通過對當前國內(nèi)外風光儲電動汽車充電站容量配置研究綜述發(fā)現(xiàn)，新型電動汽車充電站在后續(xù)的發(fā)展中需要注意建立統(tǒng)一的建設(shè)標準，并完善運營體系，建立成熟的運用模式，同時，還需要主要降低風機、儲能電池等成本，保證建設(shè)成本符合要求，綜合考慮建設(shè)場地等因素。

參考文獻

[1] 白雪.風光儲發(fā)電系統(tǒng)的隨機生產(chǎn)模擬及電動汽車光伏充電站的可靠性評估[D].

[2] 成健.電動汽車光伏充電站光儲容量優(yōu)化配置及保護研究[D].2018.