多目标优化下的电动汽车充电应用电池储能系统的不确定性研究
《Journal of Energy Storage》:Multi-level optimization of battery energy storage systems for electric vehicle charging applications under uncertainty
【字体:
大
中
小
】
时间:2026年10月21日
来源:Journal of Energy Storage 10.7
编辑推荐:
•本文提出的新型三层帕累托框架可优化混合型电动汽车—光伏—储能系统充电站枢纽。•混合集成方案将电动汽车承载能力提升了40%以上。•风险感知的随机规划使充电缺额概率降低了60%以上。•固定式电池储能系统将馈线峰值负荷降低了23.5%,并改善了电压分布。•相较于加权求和法,帕累托
•本文提出的新型三层帕累托框架可优化混合型电动汽车—光伏—储能系统充电站枢纽。•混合集成方案将电动汽车承载能力提升了40%以上。•风险感知的随机规划使充电缺额概率降低了60%以上。•固定式电池储能系统将馈线峰值负荷降低了23.5%,并改善了电压分布。•相较于加权求和法,帕累托方法提供了更优越的权衡多样性。
## 引言
道路交通的快速电气化正在对配电网络造成巨大的新增需求。与传统负荷不同,电动汽车充电高度依赖出行模式、连接位置和用户使用时间表。大规模充电因此可能造成动态功率失衡以及馈线负荷的急剧变化[1]。在不对称配电系统中,这些问题尤为严重,其中单相灵敏度会放大高电动汽车渗透率下的电压偏差和网络损耗[2]。受天气影响的负荷条件和可再生能源发电的波动性会进一步改变馈线运行裕度和可安全接纳的充电需求总量[3]。此外,即使日均充电总能量保持适中,住宅、办公场所和公共场所的充电时段重合仍可能产生集中的负荷峰值[4]。此类条件增加了馈线拥塞、热过载和电压性能恶化的可能性,从而促使协调部署本地灵活性资源[5]。
充电站选址与容量规划因此成为重要的配电规划问题。早期规划模型表明,充电站的选址和容量直接影响馈线损耗、电压分布和基础设施利用率[6]。面向韧性的规划随后表明,充电站选址也会影响配电系统在干扰事件中维持或恢复供电的能力[7]。较新的分析方法在保留电力网络约束的同时,提高了充电站选址与容量规划的求解可行性[8]。基础设施所有者与网络利益相关者之间的策略互动也通过均衡规划模型得到了刻画[9]。此外,充电基础设施与可再生能源发电的协同规划表明,交通电气化与分布式可再生能源部署不应被视为独立问题[10]。
尽管取得了上述进展,最优站址布局本身并不能解决充电需求、光伏发电和可用馈线容量之间的时间错配问题。快充站可能产生大量短时需求,使得与储能实时协调对于限制电网进口电力和维护可行运行至关重要[11]。充电基础设施规划还必须考虑除电气约束之外的服务可达性和交通需求[12]。这些要求表明,未来充电站应作为主动管理的能源枢纽运行,而非被动连接的电网负荷。电动汽车可通过双向充电提供运行灵活性。车网互动调度允许已接入车辆与配电网络交换电力,并支持削峰、能量套利或其他电网服务[13]。基于优先级的充电控制可在尊重用户要求的同时协调多样化的充电需求[14]。对电动汽车资源的适当控制还可提升混合电力系统的稳定性性能[15]。能量最优调度模型进一步表明,车网互动运行可降低系统成本并改善充放电功率的时间分配[16]。
然而,电动汽车本质上构成一种不确定的移动储能形式。其可用容量取决于到达和出发时间、初始荷电状态、出行需求、用户参与意愿以及是否接受电池循环。集群级评估表明,电动汽车的可调度灵活性因充电地点、聚合规模和用户行为差异显著[17]。因此,在建筑或社区层级整合车辆与固定储能的研究所强调了移动电池与固定电池的互补作用[18]。固定式电池储能提供了不依赖车辆在场即可使用的可控容量,而移动储能仅在实际接入且允许放电时才能提供额外灵活性。环境因素和市场因素进一步增加了规划问题的复杂性。碳感知电价可将充电需求引导至电网排放强度较低的时段,但此类信号的有效性取决于充电灵活性和储能可用性[19]。关于排放感知产消者的实验研究证实,灵活性可被量化并在环境信号变化时进行调度[20]。随着充电网络的扩张,充电需求和充电端口可用性的可靠预测也日益重要[21]。因此,可信的规划框架必须协调固定储能、移动储能、可再生能源发电、网络约束、市场信号和不确定的用户行为。
近期研究还考察了高速公路运输系统中的柔性充电和换电方案,在此类场景中电动汽车和移动储能单元被调度以改善可用太阳能的利用率[22]。这些研究展示了协调车辆出行、充电或换电需求与可再生能源可用性的价值,同时也凸显了需要考虑移动储能资源的不确定时序和位置。
在此背景下,固定式电池储能尤为关键。它可以吸收多余的光伏发电,在电网高峰期为充电需求供电,减少馈线进口电力,支撑局部电压,并在车网互动灵活性不可用时保障充电服务。因此,研究问题不再局限于充电站应建在何处,还涉及固定式储能应部署在哪里、其功率和能量额定值应如何选取,以及在不确定条件下应如何与光伏发电和移动车辆储能协同配合。
现有研究已涉及该问题的若干组成部分,但相关贡献仍然分散。第一条研究脉络聚焦于充电站规划。这些研究通常在考虑电压、功率损耗、交通或经济约束的同时确定站址位置、充电桩数量或已安装充电容量[6]。尽管此类模型提供了有用的基础设施决策,但充电站常被表征为被动或可控负荷。因此,固定式电池选址与容量规划对馈线安全充电能力的影响未被充分量化。面向韧性的规划改善了对网络扰动的处理[7],交通敏感的规划改善了服务可达性[12],但这些目标通常未与详细的固定式储能规划与运行相整合。
第二条脉络将电动汽车视为移动储能资源。车网互动调度可提供宝贵的电网灵活性[13]。然而,这种灵活性受车辆可用性和用户出行模式的限制。不确定条件下的电动汽车韧性运行研究表明,移动储能不能被认为在压力条件下持续可用[23]。联合随机约束调度也表明,驾驶员响应的不确定性可能显著改变可行的充放电计划[24]。因此,主要依赖电动汽车电池的规划框架可能高估了充电运营商可信赖的灵活性。柔性充电和换电研究进一步协调了移动储能调度与太阳能发电可用性,尤其在高速公路应用中[25];然而,这些研究并未联合优化固定式电池容量、配电网络承载能力以及规划者—运营商—用户之间的互动。
第三条脉络涉及多目标和分层优化。低碳充电站规划表明,技术、经济和环境目标之间可能存在冲突[26]。双目标选址模型表明,站点成本与服务质量通常无法独立优化[27]。帕累托分析比单一标量目标更清晰地呈现了这些权衡[28]。混合分解与进化方法进一步提升了复杂多目标规划空间的探索能力[29]。然而,许多规划研究仍依赖加权求和标量化方法,该方法依赖预定义权重,可能无法恢复帕累托前沿的非凸部分。
第四条脉络涉及不确定性。随机电动汽车负荷建模的综述将出行行为、充电偏好、价格响应和数据不确定性确定为充电需求的主要决定因素[30]。鲁棒多层模型表明不确定性可实质影响运行计划和相关方决策[31]。基于学习的能源枢纽优化提供了一种应对不确定运行条件的替代途径[32]。然而,不确定性通常仅在基础设施容量选定后的运行阶段引入。这种分离可能导致储能设计在平均条件下表现良好,但在相关性充电峰值或光伏出力偏低等场景下灵活性不足。
第五条脉络涉及光伏与电池的混合充电系统。太阳能支持的充电站设计展示了本地发电与储能相结合的技术可行性[33]。光伏—电池充电站的联合容量配置与调度研究表明,组件容量与运行应协同优化[34]。多能源枢纽模型进一步表明,集成资源可提升配电系统的灵活性和稳定性[35]。网络级选址研究证实,集成光伏的充电站可改善馈线性能[36]。独立式固定储能也已在公平性考量下与快充枢纽协同[37]。能源枢纽选址模型还考虑了充电站与可再生能源发电的联合部署[38]。然而,这些研究通常侧重站点级运行、组件容量选型或网络选址中的某一方面,未能同时确定充电站枢纽位置、充电桩组成、电池功率与能量额定值、运营商调度、价格响应用户行为和配电网络承载能力。
一项相关研究[39]考虑了IEEE 33节点配电系统中的充电站选址与容量,计及了电动汽车和光伏的不确定性、车网互动运行、电池储能和能量管理策略。该研究纳入了配电网络运营商、充电站投资者和电动汽车用户的视角,采用混合灰狼—粒子群算法求解选址与容量规划问题,随后通过能量管理策略协调电池储能的充放电。然而,其规划目标通过预定义权重系数聚合,固定式电池的功率和能量额定值未在明确的规划者—运营商—用户层级内联合优化。相比之下,本文框架将固定式储能作为规划变量,明确分离长期规划、充电站枢纽运行和用户响应,并将电动汽车与光伏的联合不确定性与机会约束出发荷电状态充足性、基于条件风险价值的充电缺额风险以及基于帕累托的承载能力、馈线损耗和基础设施投资评估相结合。
分层模型此前已应用于电动汽车充电和基础设施规划,但其决策结构和储能表征与本文所发展的框架不同。文献[40]、[41]中的双层模型协调了区域电网目标与电动汽车充电策略,主要侧重于负荷跟踪。然而,固定式电池选址、电池功率与能量容量选型、馈线承载能力以及独立的价格响应用户层级未被联合表征。文献[42]中的双层模型将充电站选址和充电决策整合于配电网络中,但运营商和车辆用户决策未被明确分离,且固定式储能未被视为主要的基础设施规划资源。文献[31]中的多层鲁棒框架捕捉了多能微电网中在市场经济波动下电动汽车运营商与其他主体之间的互动。但其关注点在于运行层面的市场协调,而非充电站枢纽选址、充电桩组成、固定式电池容量、承载能力和出发荷电状态可靠性的联合配电网络规划。
因此,本文的创新性并非仅源于优化层数的多少,而在于将不同的决策、目标和信息分配给三个在物理属性和制度属性上均不同的主体。上层确定长期的网络和储能投资,包括枢纽位置、充电桩组成和固定式电池的功率与能量额定值。中层代表充电站枢纽运营商,协调光伏发电、固定式电池调度、电网交互和综合充电服务。下层代表车辆用户,其充放电决策取决于价格、出行需求、出发时间和所需荷电状态。这种分离避免了将不确定的移动储能容量视为完全可控资源,并允许用户响应影响储能运行,最终影响基础设施规划。此外,本文提出的分层模型还与相关的出行和光伏发电场景相耦合,并采用出发荷电状态充足性的机会约束、未满足充电需求的风险度量,以及对承载能力、馈线损耗和投资成本进行帕累托评估。这一将储能规划、利益相关者分离、风险建模和配电网络性能评估相结合的做法,在文献[31]、[41]或[42]中均未得到联合讨论。
因此,尚未解决的研究空白在于:缺乏一个统一的、以储能为核心的框架来同时:
1. 确定充电站枢纽位置、充电桩组成和固定式电池的功率与能量额定值;
2. 协调固定式电池储能与光伏发电以及作为不确定移动储能资源的电动汽车;
3. 区分配电规划者的长期决策、充电站枢纽运营商的运行决策和电动汽车用户的价格响应决策;
4. 将相关的出行和光伏不确定性纳入储能规划和运行;
5. 对出发荷电状态和未满足充电需求施加风险感知要求;
6. 量化承载能力、馈线损耗、基础设施投资和充电可靠性之间的权衡。
本文通过将固定式电池储能作为连接长期配电规划与短期充电运行的主要可控灵活性资源,来弥补这一空白。
电动汽车提供互补的移动储能灵活性,但其可用性和参与程度由独立的用户层面决定,而非假定完全可控。本文的主要贡献如下:
1. 固定式与移动式储能的集成规划:提出以储能为核心的框架,联合确定充电站选址、充电设施配置以及固定式电池的功率和能量容量,同时协调光伏发电和双向电动汽车。与传统充电站规划不同,固定式储能作为主要基础设施资产进行优化,而非被视为固定的运营资源。
2. 显式的规划者—运营者—用户决策层级:该模型区分了配电规划者的长期基础设施决策、充电站运营者的储能调度和充电决策,以及电动汽车用户对价格响应的出行需求。这种分离保留了各利益相关者不同的目标、约束和可用信息,避免将用户控制的移动储能视为完全可调度的聚合资源。
3. 联合不确定性下的风险感知储能部署:将相关性的电动汽车出行和光伏发电场景纳入固定式电池容量和运行优化中。机会约束确保出发时荷电状态充足,而条件风险价值限制未满足充电需求的尾部成本。
4. 基于帕累托的固定式储能价值评估:该框架识别电动汽车接入容量、馈线损耗和基础设施投资之间的权衡,无需预设目标权重。通过拐点分析识别平衡的规划方案,并使用超体积、反向世代距离和间距评估帕累托近似的质量。
5. 储能效益的综合量化:研究评估了固定式电池储能对接入容量、峰值需求、电压性能、馈线损耗、充电满意度和短缺风险的影响。对比案例区分了光伏发电的贡献与固定式储能提供的附加价值。
表1总结了现有代表性方法与所提出以储能为核心的框架之间的主要差异。
表1聚焦于最接近的层级研究,表明所提框架的主要贡献在于联合处理固定式储能投资、用户控制的移动储能可用性、利益相关者特定决策以及风险感知的配电网络规划。
章节片段
系统架构与规划框架
本节提出了混合电动汽车充电基础设施的系统架构和规划框架。该框架将物理能量流、网络约束和层级决策集成到统一结构中,如图1所示。
多层优化问题的数学建模
本节将所提出的电动汽车充电基础设施规划问题建模为多层优化框架,显式捕捉配电规划者、充电站运营者和电动汽车用户之间的相互作用。
不确定性与风险建模
高渗透率的电动汽车引入了多个不确定性来源,显著影响充电基础设施规划和运行的性能与可靠性。在所提框架中,不确定性主要来自电动汽车出行行为和可再生能源发电。为确保稳健可靠的决策,通过风险感知约束将这些不确定性显式建模并纳入多层优化问题中。
多目标求解方法
所提出的电动汽车充电基础设施规划问题具有多个冲突目标、混合整数决策变量以及规划和运营层面之间的强耦合。为有效应对这些挑战,采用基于帕累托的多目标优化方法。本节详细介绍了求解框架、变量编码、约束处理策略和性能评估指标。
案例研究与仿真设置
本节介绍了用于评估所提出三层多目标电动汽车充电站规划框架的测试系统、场景定义和关键技术经济参数。所选数据确保可重复性,同时避免过早的性能解读。仿真输入数据编译自基准系统数据、已发表文献和公开可用的能源数据集。IEEE 33节点系统和IEEE 69节点系统的电气参数和基础负载
结果与讨论
本节在所描述的IEEE-33和IEEE-69辐射型配电网络上评估了所提出的三层多目标混合电动汽车充电站规划框架。分析聚焦于四个方面:接入容量、馈线损耗和投资成本之间的帕累托权衡;混合储能集成的效果;不确定性下的风险和可靠性;以及与传统规划方法的比较。所有结果均使用电动汽车渗透率场景报告。
政策与规划启示
第7节提供的结果为公用事业公司、充电服务提供商和政策制定者提供了若干实用见解。除证明所提框架的技术有效性外,研究结果还阐明了在高电气化场景下混合电动汽车充电站应如何规划和运营。特别是,结果表明规划决策应超越单纯的充电桩数量扩张,转而重视接入容量、运营灵活性以及
结论与未来工作
本文提出了一个综合框架,用于在不确定性条件下优化设计与协调运行集成于电动汽车充电基础设施中的电池储能系统。所提出的模型显式捕捉了配电网络中固定式储能系统、可再生能源发电和随机电动汽车充电需求之间的相互作用。通过结合多层决策建模、不确定性的随机表示以及
作者贡献声明
Ahmad Abuelrub:原始稿件撰写、可视化、验证、软件、方法论、调查、形式化分析、数据整理、概念化。
利益冲突声明
作者声明不存在已知的财务利益冲突或个人关系可能影响本文所述工作的独立性。
Ahmad Abuelrub
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号