電動汽車蓄電池充電機的如何選擇地址和選擇充電容量？
2019-8-16 8:47:48??????點擊：
近年來，圍繞新能源汽車的話題不斷：新能源車的免購置稅、新能源車將有專門車險，持續(xù)上漲的銷售量、新能源車車牌搖號……我國新能源汽車產業(yè)正處于快速發(fā)展階段，其中純電動汽車的發(fā)展更為迅猛。
據統(tǒng)計，2018年中國純電動汽車銷量為98.4萬輛，比上年同期增長50.8％，已經連續(xù)四年保持純電動汽車銷量世界第一。截至2019年上半年，我國純電動汽車保有量達到281萬輛，占新能源汽車總量的81.74％。
目前，主流電動汽車的續(xù)航里程已經達到450km水平，而且在2019年將會有續(xù)航超過500km，甚至600km的車型上市。根據中國充電聯盟發(fā)布的數據，截至2019年6月，我國充電樁保有量已超過100萬臺，同比增長69.3％。其中，國內各企業(yè)建設的公共充電樁超過41萬臺，私人充電樁保有量超過59萬臺，車樁比達到3.5：1。
一輛電動汽車，需要每天回到家或到單位給車插上電，或者每300km要去找充電樁并等待30min以上的充電時間；如果要跑長途，還得計劃好路線、計算好路程并了解沿途充電樁的情況。因此，電動汽車用戶的主要關注點不外乎是續(xù)航里程、電量衰減、充電樁分布、充電速度等。
電動汽車充電設施布局是否合理，將直接影響用戶的充電滿意度，進而影響未來電動汽車產業(yè)的發(fā)展。針對電動汽車充電需求時空分布的復雜性，目前已經有很多專家學者做了相關理論的研究，如利用馬爾科夫鏈模擬電動汽車運行規(guī)律，得到充電需求的時空分布特征；利用交通出行矩陣和云模型預測充電負荷時空分布；基于出行鏈的電動汽車充電負荷預測方法等，但這些都沒有考慮電動汽車的多樣性，也忽略了交通路況對充電需求的影響。
精確的電動汽車充電需求預測是蓄電池充電機規(guī)劃的前提，但目前在對蓄電池充電機規(guī)劃時，鮮有專家學者考慮充電需求在路網上的時空分布問題。國網湖北省電力有限公司電力科學研究院的熊虎，提出了一種基于城市路網特征和電動汽車出行概率矩陣的電動汽車蓄電池充電機規(guī)劃模型。
首先，基于城市道路拓撲結構和改進速度-流量關系模型模擬電動汽車行駛特征。在此基礎上，通過構建電動汽車出行概率矩陣，采用蒙特卡洛方法預測電動汽車快充需求的時空分布。然后，從便于用戶友好充電的角度出發(fā)，以蓄電池充電機建設運行成本和用戶充電途中行駛成本最小為目標，基于出行概率矩陣建立了電動汽車蓄電池充電機選址定容模型：采用Voronoi圖劃分蓄電池充電機服務范圍，通過改進粒子群算法確定蓄電池充電機最優(yōu)位置，利用排隊論優(yōu)化各蓄電池充電機容量，得到統(tǒng)計意義上更為合理的結果。
最后，他們以某市中心城區(qū)電動汽車蓄電池充電機規(guī)劃為例進行了仿真分析，結果表明：這一模型和方法是可行和有效的。有關研究成果已發(fā)表于2019年《電工技術學報》增刊1上，論文題目為“基于出行概率矩陣的電動汽車蓄電池充電機規(guī)劃”。
學者們認為，根據OD出行概率矩陣，并結合Dijkstra最短路徑算法可以模擬電動汽車出行特征，通過改進速度-流量實用關系模型，能夠更加精確地預測電動汽車充電需求時空分布特征；該蓄電池充電機最優(yōu)規(guī)劃模型，無需給出規(guī)劃區(qū)域蓄電池充電機數量、待選站址。該模型可以根據充電需求時空分布，自動生成蓄電池充電機最優(yōu)數量、位置、容量和服務范圍，所得結果可以作為實際充電設施規(guī)劃的參考依據。
他們表示，下一階段需要進一步研究的是：考慮紅綠燈位置、數量和電動汽車用戶個人實際行駛習慣等影響因素，優(yōu)化充電需求預測模型；蓄電池充電機規(guī)劃時考慮站間聯系，這樣用戶可以自發(fā)選擇到空閑的蓄電池充電機進行充電等。
據統(tǒng)計，2018年中國純電動汽車銷量為98.4萬輛，比上年同期增長50.8％，已經連續(xù)四年保持純電動汽車銷量世界第一。截至2019年上半年，我國純電動汽車保有量達到281萬輛，占新能源汽車總量的81.74％。
目前，主流電動汽車的續(xù)航里程已經達到450km水平，而且在2019年將會有續(xù)航超過500km，甚至600km的車型上市。根據中國充電聯盟發(fā)布的數據，截至2019年6月，我國充電樁保有量已超過100萬臺，同比增長69.3％。其中，國內各企業(yè)建設的公共充電樁超過41萬臺，私人充電樁保有量超過59萬臺，車樁比達到3.5：1。
一輛電動汽車，需要每天回到家或到單位給車插上電，或者每300km要去找充電樁并等待30min以上的充電時間；如果要跑長途，還得計劃好路線、計算好路程并了解沿途充電樁的情況。因此，電動汽車用戶的主要關注點不外乎是續(xù)航里程、電量衰減、充電樁分布、充電速度等。
電動汽車充電設施布局是否合理，將直接影響用戶的充電滿意度，進而影響未來電動汽車產業(yè)的發(fā)展。針對電動汽車充電需求時空分布的復雜性，目前已經有很多專家學者做了相關理論的研究，如利用馬爾科夫鏈模擬電動汽車運行規(guī)律，得到充電需求的時空分布特征；利用交通出行矩陣和云模型預測充電負荷時空分布；基于出行鏈的電動汽車充電負荷預測方法等，但這些都沒有考慮電動汽車的多樣性，也忽略了交通路況對充電需求的影響。
精確的電動汽車充電需求預測是蓄電池充電機規(guī)劃的前提，但目前在對蓄電池充電機規(guī)劃時，鮮有專家學者考慮充電需求在路網上的時空分布問題。國網湖北省電力有限公司電力科學研究院的熊虎，提出了一種基于城市路網特征和電動汽車出行概率矩陣的電動汽車蓄電池充電機規(guī)劃模型。
首先，基于城市道路拓撲結構和改進速度-流量關系模型模擬電動汽車行駛特征。在此基礎上，通過構建電動汽車出行概率矩陣，采用蒙特卡洛方法預測電動汽車快充需求的時空分布。然后，從便于用戶友好充電的角度出發(fā)，以蓄電池充電機建設運行成本和用戶充電途中行駛成本最小為目標，基于出行概率矩陣建立了電動汽車蓄電池充電機選址定容模型：采用Voronoi圖劃分蓄電池充電機服務范圍，通過改進粒子群算法確定蓄電池充電機最優(yōu)位置，利用排隊論優(yōu)化各蓄電池充電機容量，得到統(tǒng)計意義上更為合理的結果。
最后，他們以某市中心城區(qū)電動汽車蓄電池充電機規(guī)劃為例進行了仿真分析，結果表明：這一模型和方法是可行和有效的。有關研究成果已發(fā)表于2019年《電工技術學報》增刊1上，論文題目為“基于出行概率矩陣的電動汽車蓄電池充電機規(guī)劃”。
學者們認為，根據OD出行概率矩陣，并結合Dijkstra最短路徑算法可以模擬電動汽車出行特征，通過改進速度-流量實用關系模型，能夠更加精確地預測電動汽車充電需求時空分布特征；該蓄電池充電機最優(yōu)規(guī)劃模型，無需給出規(guī)劃區(qū)域蓄電池充電機數量、待選站址。該模型可以根據充電需求時空分布，自動生成蓄電池充電機最優(yōu)數量、位置、容量和服務范圍，所得結果可以作為實際充電設施規(guī)劃的參考依據。
他們表示，下一階段需要進一步研究的是：考慮紅綠燈位置、數量和電動汽車用戶個人實際行駛習慣等影響因素，優(yōu)化充電需求預測模型；蓄電池充電機規(guī)劃時考慮站間聯系，這樣用戶可以自發(fā)選擇到空閑的蓄電池充電機進行充電等。
- 上一篇：如何進行斷路器的二次接線正確性檢測設計？ 2019/8/16
- 下一篇：直流電源的安規(guī)有哪些？ 2019/8/12
