任運(yùn)業(yè)

安科瑞電氣股份有限公司上海嘉定201801

摘　要：在雙碳目標(biāo)的指引下，建筑屋頂可作為分布式光伏的重要場景，同時汽車電動化是交通領(lǐng)域減碳的關(guān)鍵舉措。然而，大量光伏出力和電動汽車充電需求在時間上的不匹配，給電網(wǎng)穩(wěn)定性帶來較大壓力。提出一種光伏-直流智能充電樁的有序充電策略，在滿足充電需求的基礎(chǔ)上，減少外網(wǎng)供電，可有效提高光伏自消納能力和負(fù)荷滿足率。以北京市某辦公建筑為例，通過實(shí)驗(yàn)測試和模擬計(jì)算，分析了不同天氣條件下系統(tǒng)運(yùn)行效果。結(jié)果表明，該充電策略可以完quan利用建筑光伏滿足電動汽車充電需求，無須向外網(wǎng)取電，即負(fù)荷滿足率可達(dá)100%。與傳統(tǒng)恒功率充電方式相比，光伏消納率提高了42%，光伏并網(wǎng)功率下降了54%，為建筑光伏高效利用和交通領(lǐng)域電氣化提供借鑒和參考。

關(guān)鍵詞：充電樁；有序充電策略；電動汽車；S2V；直流系統(tǒng)

0引言

在雙碳目標(biāo)的指引下，以風(fēng)光電為主的可再生能源將被廣泛使用，建筑屋頂光伏是其中的重要組成部分，到2025年，公共機(jī)構(gòu)新建建筑屋頂光伏覆蓋率將達(dá)到50%，以建筑屋頂光伏系統(tǒng)為代表的分布式能源系統(tǒng)也會得到大量應(yīng)用。

然而，大規(guī)模分布式光伏接入電網(wǎng)可能會對電網(wǎng)的安全運(yùn)行帶來不利影響，如何有效實(shí)現(xiàn)就地消納是亟待研究的問題。同時，電動汽車蓬勃發(fā)展，預(yù)計(jì)2030年中國將保有約8000萬輛電動汽車，巨大的充電需求也會對區(qū)域電力系統(tǒng)造成巨大挑戰(zhàn)。據(jù)統(tǒng)計(jì)，私家電動汽車約有90%以上的時間停放在建筑內(nèi)或周邊停車場，其充電過程與建筑能源系統(tǒng)深度融合。因此，探究電動汽車與建筑光伏的互動方式，并挖掘其對建筑光伏的利用潛力，以程度消納可再生能源，對于降低碳排放有重要意義。

2009年，利用太陽能為電動汽車充電（solarto-vehicle，S2V）的概念被提出后，利用停車場的光伏滿足合理范圍內(nèi)的電動汽車通勤電力需求的做法得到驗(yàn)證，發(fā)表了S2V相關(guān)硬件、經(jīng)濟(jì)性和策略的研究成果。但目前電動汽車的主要充電模式大多為恒功率充電，造成了大量瞬時尖峰負(fù)荷，給電網(wǎng)帶來巨大的壓力。另外，光伏電力的波動性、隨機(jī)性和間歇性等不穩(wěn)定特征，與電力需求側(cè)的負(fù)荷存在較大的不匹配關(guān)系。實(shí)際S2V場景中往往需要從電網(wǎng)取電為電動汽車充電，同時又有部分光伏無法消納。因此，設(shè)計(jì)一種新的有序充電策略，將電動汽車充電需求與光伏發(fā)電特性相匹配，對于綠電消納十分重要。

文獻(xiàn)采用一種多目標(biāo)優(yōu)化算法進(jìn)行電動汽車有序充電，從而降低負(fù)荷波動率和用戶充電成本。文獻(xiàn)提出一種微電網(wǎng)電動汽車有序充電策略，采用模糊控制算法優(yōu)化安排電動汽車充電計(jì)劃，實(shí)現(xiàn)電力的削峰填谷，并通過模擬仿真進(jìn)行了檢驗(yàn)。文獻(xiàn)以住宅小區(qū)電動汽車集群為研究對象，建立了基于分時電價的有序充電集中式優(yōu)化模型并采用基于模擬退火機(jī)制的混沌粒子群算法進(jìn)行優(yōu)化，降低了充電負(fù)荷的峰谷比。但這些研究并未考慮電動汽車充電需求與光伏電力的協(xié)同問題，得出的結(jié)論通常是讓電動汽車在夜間進(jìn)行充電。文獻(xiàn)考慮了電動汽車充電與集中式光伏發(fā)電直接協(xié)同，但針對分布式光伏，尤其是建筑光伏的研究較少。文獻(xiàn)考慮了分布式光伏和負(fù)荷的不確定因素，提出一種上層以配電網(wǎng)年用電成本小、下層以優(yōu)化電網(wǎng)穩(wěn)定性為目標(biāo)的雙層控制策略。文獻(xiàn)以微電網(wǎng)為研究對象，考慮充電需求和風(fēng)光電輸出的不確定性，根據(jù)每個節(jié)點(diǎn)充電設(shè)備利用率的高低控制充電站運(yùn)行時間。文獻(xiàn)對分布式光伏發(fā)電下的電動汽車充電策略進(jìn)行了分析，提出了充電行為策略的優(yōu)化方案，促進(jìn)了電動汽車充電負(fù)荷與分布式電力的匹配性，但并未考慮將光伏發(fā)電功率與充電樁充電功率協(xié)同控制，未能在實(shí)時的充電控制層面給出進(jìn)一步研究。

除此之外，電動汽車車主的充電行為模式也是影響充電負(fù)荷的關(guān)鍵因素。文獻(xiàn)基于用戶意愿和出行規(guī)律對電動汽車充電負(fù)荷進(jìn)行了優(yōu)化分配。文獻(xiàn)根據(jù)車用電需求和調(diào)峰需求提出了一種可適應(yīng)多種充電模式的優(yōu)化控制策略。文獻(xiàn)進(jìn)一步考慮了在光伏發(fā)電條件下，充電需求、充電行為與光伏消納之間的耦合控制，采用了非預(yù)測機(jī)制實(shí)現(xiàn)充電功率的動態(tài)分配。但上述研究尚未考慮用戶行為對充電條件的適應(yīng)性變化，由于電動汽車在辦公場景下長時間停留，可以采用即停即插的充電模式，使充電功率的調(diào)配具有更大的柔性調(diào)節(jié)空間。

因此，本文基于建筑光伏的發(fā)電特性和電動汽車的充電負(fù)荷特性，提出了一種基于直流母線電壓的有序充電控制策略，在滿足電動車充電需求的基礎(chǔ)上，盡量減少外網(wǎng)充電行為，實(shí)現(xiàn)本地光伏電力的有效利用。

1系統(tǒng)配置與控制策略

1.1系統(tǒng)拓?fù)?/p>

本研究直流充電系統(tǒng)包括光伏模塊、充電樁、交流電網(wǎng)和建筑負(fù)載，并聯(lián)在直流母線上，系統(tǒng)拓?fù)浣Y(jié)構(gòu)如圖1所示。光伏模塊通過一個直流/直流變換器（DC/DC）接到直流母線上，設(shè)置系統(tǒng)僅通過光伏模塊為充電樁供電，充電樁無法從電網(wǎng)取電；交流電網(wǎng)是一個雙向的能量交互模塊，通過整流器（AC/DC）與直流母線連接：當(dāng)系統(tǒng)從電網(wǎng)取電時，AC/DC處于整流狀態(tài)，將交流電轉(zhuǎn)換成直流電，為系統(tǒng)供電；當(dāng)光伏富余時，系統(tǒng)向電網(wǎng)送電，AC/DC處于逆變狀態(tài)，將直流電轉(zhuǎn)換成一定頻率和幅值的交流電送入電網(wǎng)；單向直流充電樁和建筑用電作為系統(tǒng)主要負(fù)載，其中建筑負(fù)載為可選項(xiàng)，即不連接建筑負(fù)載時，該系統(tǒng)僅為電動汽車提供充電服務(wù)；電動汽車可視為該系統(tǒng)的移動蓄電池，其充電電流可調(diào)，使得負(fù)載功率可在較大范圍內(nèi)變化。上述各部分通過母線電壓作為信號在運(yùn)行中保持系統(tǒng)能量平衡。

圖1系統(tǒng)拓?fù)浣Y(jié)構(gòu)

1.2直流母線電壓控制策略

為大化利用太陽能清潔能源，光伏模塊需盡可能地以大功率輸出，本系統(tǒng)通過改進(jìn)的大功率點(diǎn)跟蹤（maximum power point tracking，MPPT）擾動觀測法[19,22]，追蹤改變電壓以獲得大功率狀態(tài)點(diǎn)。需要注意的是，光伏輸出的功率只與光照強(qiáng)度和光伏板溫度有關(guān)，系統(tǒng)中其他模塊運(yùn)行策略不干擾光伏模塊輸出電壓（UPV,max），UPV,max始終為光伏組件在當(dāng)前時刻的大功率點(diǎn)電壓。本文系統(tǒng)中母線電壓（UDC）通過和DC/DC占空比（系統(tǒng)開關(guān)開啟時間與周期時間的比值，α）確定，二者關(guān)系為

（1）

式中：UDC,max和UDC,min分別為直流母線允許的高和低電壓。

母線電壓升高或保持在高位，意味著光伏的發(fā)電功率充足，可提高充電樁充電的總功率，多余的光伏電力則會并入電網(wǎng)；當(dāng)母線電壓降低，意味著光伏的發(fā)電功率不足，則需要降低充電樁的總充電的功率。

1.3充電樁控制策略

為了使充電樁的功率能夠自適應(yīng)地主動調(diào)節(jié)，本文提出一種基于直流母線電壓的充電樁有序充電控制策略。系統(tǒng)運(yùn)行過程中，電動汽車大充電功率（Pc,max）是指令功率的上限值，充電樁額定功率（Pc,rated）將限制充電樁大實(shí)際輸出功率，基于此根據(jù)直流母線電壓（UDC）和車輛電池荷電狀態(tài)（Soc）確定充電功率（P?），即充電功率指令值是關(guān)于UDCSocPc,maxPc,rated等參數(shù)的函數(shù)，即有P?=f(UDC,Soc,Pc,max,Pc,rated...)。其中，P?與UDC正相關(guān)，光伏富余時，母線電壓升高，充電樁功率增大；P?與Soc負(fù)相關(guān)，車輛電池荷電狀態(tài)低時，優(yōu)先以更大功率充電。

當(dāng)電動汽車接入系統(tǒng)之后，充電樁獲取電動汽車參數(shù)（Soc和Pc,max）。根據(jù)Soc計(jì)算起始點(diǎn)充電電壓U0（UDC＞U0時，開始充電）和功率曲線弧度nc（實(shí)現(xiàn)不同Soc電動汽車的充電功率控制，使得相同母線電壓下，車輛電池荷電狀態(tài)更低的車輛優(yōu)先以更大功率充電）。U0和nc的計(jì)算公式為

U0=Soc(UDC,max-UDC,min-2ΔU)+UDC,min+ΔU（2）

nc=Soc/(1-Soc)（3）

式中：ΔU為死區(qū)電壓差。

隨后，根據(jù)母線電壓UDC所處的區(qū)間，判斷并計(jì)算指令充電功率P*，計(jì)算公式為

（4）

除此之外，在整個配電系統(tǒng)中，電動汽車電池管理系統(tǒng)的權(quán)限高。為保護(hù)電動汽車，一般在充電電流降低至1A或充電功率小于0.5kW時的近零功率充電，電動汽車電池管理系統(tǒng)將判斷充電接近充滿或電路故障，從而切斷充電。

2 實(shí)驗(yàn)場景與性能評價方法

2.1實(shí)驗(yàn)場景

本文選取北京某辦公建筑為例，搭建如圖2所示實(shí)驗(yàn)系統(tǒng)。依據(jù)T/CABEE030—2022《民用建筑直流配電標(biāo)準(zhǔn)》，該辦公樓直流母線電壓等級為375V，并允許在一定范圍內(nèi)（如85%~105%）變化。建筑屋頂光伏裝機(jī)容量為20kWp，建筑周邊接入2個額定功率為6.6kW的智能充電樁，采用1.3節(jié)中的控制策略。實(shí)驗(yàn)過程中建筑內(nèi)負(fù)載使用頻率較低，因此不作為本文分析重點(diǎn)。

圖2實(shí)驗(yàn)系統(tǒng)拓?fù)渑c場地實(shí)景

2.2充電功率控制效果

本文設(shè)置充電樁循環(huán)監(jiān)測系統(tǒng)周期為30ms，直流母線電壓上、下限分別是395V和320V，死區(qū)電壓差ΔU為5V。為檢驗(yàn)充電樁功率控制的有效性，本文對不同Soc和母線電壓下的21個指令功率和充電樁實(shí)際功率進(jìn)行了監(jiān)測，每個功率測試點(diǎn)進(jìn)行15次測試并取平均值，控制效果如圖3所示。在不同Soc和母線電壓下，智能充電樁的充電功率與實(shí)際功率能夠保持接近，實(shí)現(xiàn)符合預(yù)期的控制，實(shí)際功率與指令功率之間的偏差率均小于±10%，平均偏差率為1%，表明智能充電樁在實(shí)際系統(tǒng)中可適應(yīng)直流母線電壓的變化和不同車型的接入，可實(shí)現(xiàn)預(yù)期的充電策略。

2.3光伏消納率和負(fù)荷滿足率

為分析充電樁控制策略的可行性，本文采用光伏消納率（selfconsumptionrate，SCR）和負(fù)荷滿足率（loadsatisfactionrate，LSR）對系統(tǒng)進(jìn)行評價。光伏消納率和負(fù)荷滿足率越高，意味著光伏電力得到有效利用的程度越高。

式中：SCR為光伏發(fā)電中用于負(fù)載耗電的比例；LSR為負(fù)載用電中來自光伏電力的比例；EPV、Ecar分別為計(jì)算時間段內(nèi)的光伏發(fā)電量和電動汽車充電量，kW·h；Egrid,export、Egrid,import分別為并網(wǎng)電量和從電網(wǎng)取電的電量，kW·h。

圖3指令功率與實(shí)際功率偏差示意

當(dāng)不用采用外網(wǎng)充電（Egrid,import=0）時，負(fù)荷滿足率為1，即完quan由建筑光伏對電動汽車進(jìn)行充電。

3運(yùn)行效果分析

Soc系統(tǒng)經(jīng)過測試調(diào)優(yōu)后投入實(shí)際運(yùn)行，使用人員主要為周邊建筑辦公人員，汽車充電時間均處于日間工作時間，車主將車輛停放時可自由接入進(jìn)行免費(fèi)充電。本研究涉及數(shù)據(jù)主要包括：實(shí)時的光伏發(fā)電功率、光伏上網(wǎng)功率和各充電樁充電功率，以及母線電壓、車輛進(jìn)出場時間和等參數(shù)信息。依據(jù)天氣狀況，選取光伏充足和光伏不足2個典型日，對充電樁實(shí)際運(yùn)行效果進(jìn)行分析。

3.1光伏充足典型日

3.1.1系統(tǒng)供用電情況

SCR晴朗天氣時，光伏充足工況下系統(tǒng)供用電情況如圖4所示。光伏大發(fā)電功率為13.7kW，日累計(jì)發(fā)電量為71.8kW·h，可滿足2輛電動汽車同時充電。其中2號充電樁在08:00開始工作，1號充電樁在09:00開始工作。在14:00前光伏發(fā)電量保持充足，14:00之后光伏發(fā)電量下降。在運(yùn)行過程中，充電樁消耗了大量的光伏電力，多余的光伏電力并入電網(wǎng)，大并網(wǎng)功率為6.5kW，在光伏功率大時發(fā)生，此時為52.3%。光伏電力較少時，充電功率受控，緊隨光伏發(fā)電功率變化，整體運(yùn)行效果符合策略設(shè)計(jì)，成功實(shí)現(xiàn)在光伏波動特性下多電動汽車的有序充電。2輛電動汽車分別充電30.6 kW·h和13.9 kW·h，實(shí)現(xiàn)了100%的負(fù)載滿足率和63%的光伏消納率，多余光伏并入電網(wǎng)，系統(tǒng)不從電網(wǎng)取電。

圖4光伏充足日系統(tǒng)供用電情況

3.1.2充電樁運(yùn)行效果

光伏充足工況下，充電樁的控制效果如圖5所示。光伏發(fā)電時，母線電壓跟隨光伏組件的大功率點(diǎn)電壓發(fā)生變化，母線電壓基本維持在385~390V。當(dāng)光伏發(fā)電量減少，母線電壓下降，充電樁的充電功率也會因此減??；當(dāng)光伏發(fā)電量回升時，母線電壓也會升高，進(jìn)而提高充電功率。

圖5光伏充足日充電功率與車電池情況

根據(jù)1.3節(jié)充電策略，充電樁的充電功率受車輛的Soc和母線電壓影響。相同母線電壓下，車輛Soc越大，充電功率越低，以保障低電量的電動汽車可以獲得更大的充電功率。由圖5可知，1號充電樁雖然晚于2號充電樁接入電動汽車，但是由于1號樁車輛Soc相對更低，在其接入后系統(tǒng)優(yōu)先將有限的光伏電力供給1號充電樁，導(dǎo)致2號充電樁充電功率突降。在光伏電力發(fā)生波動和不足時，光伏功率也優(yōu)先分配給了Soc更低的電動汽車，實(shí)現(xiàn)了對低電量車的需求保障。同時，隨著電動汽車Soc的上升，充電樁的充電功率也在不斷下降。通過母線電壓與Soc的配合控制，實(shí)現(xiàn)了電動汽車充電負(fù)荷特性與光伏發(fā)電特性的有效匹配，2輛車的Soc都達(dá)到了80%以上。

圖6光伏不足日系統(tǒng)供用電情況

3.2光伏不足典型日

3.2.1系統(tǒng)供用電情況

陰雨天氣時，在光伏發(fā)電量少的工況下，系統(tǒng)供用電情況如圖6所示。在該條件下，光伏大發(fā)電功率為5.9kW，日累計(jì)發(fā)電量為22.1kW·h。充電樁在08:00開始工作，未能消耗的光伏電力并入電網(wǎng)，大并網(wǎng)功率為1.4kW，在充電樁開始工作前發(fā)生。在充電策略的控制下充電功率緊隨光伏發(fā)電功率變化，大程度實(shí)現(xiàn)對光伏的利用。電動汽車共充電19.1kW·h，實(shí)現(xiàn)了100%的負(fù)載滿足率和86%的光伏消納率，多余光伏并入電網(wǎng)，系統(tǒng)不從電網(wǎng)取電。需要注意的是，除了充電負(fù)荷之外，部分光伏電力還用于充電樁系統(tǒng)的響應(yīng)和控制，將此部分計(jì)入后光伏消納率為94%，光伏電力幾乎全部用于滿足電動汽車的充電需求。

3.2.2充電樁運(yùn)行效果

Soc在光伏不足日，光伏發(fā)電量少且波動更為劇烈，母線電壓也隨之波動，在06:00—11:00期間出現(xiàn)了大幅度上升和下降，如圖7所示。為了對充電功率進(jìn)行有效控制，充電樁的計(jì)算和響應(yīng)更為頻繁，這一過程也消耗了部分電力。實(shí)現(xiàn)了充電功率曲線與光伏發(fā)電功率曲線的高度重合，在不從電網(wǎng)取電的情況下，有效利用光伏電力，使得電動汽車的達(dá)到了80%以上。

圖7光伏不足日充電功率與車電池情況

4智能充電模式與傳統(tǒng)恒功率模式對比

為分析本文智能充電模式的技術(shù)優(yōu)勢，本文采用蒙特卡洛模擬方法，基于3.1節(jié)實(shí)測數(shù)據(jù)的光伏條件對實(shí)際工況下的傳統(tǒng)恒功率充電模式（充電樁保持6.6kW額定功率供電，光伏不足時從電網(wǎng)取電）和智能充電模式進(jìn)行模擬計(jì)算。模擬過程中，電動汽車電池參數(shù)和轉(zhuǎn)移行為均通過實(shí)際調(diào)研情況采集，模擬8輛車在典型日的充電情況，模擬80次后結(jié)果達(dá)到收斂。平均每天充電樁充電功率和光伏發(fā)電功率變化情況如圖8所示。

圖8模擬的典型日恒功率與變功率數(shù)據(jù)

在恒功率充電模式和智能充電模式下，電動汽車的總充電量相同，均為44 kW·h/天，平均每輛車5.5 kW·h/天，這是由電動汽車的能量需求所決定的，符合北京市日常通勤單程距離22.9 km的能量需求[24]。但由圖8可以看出，在恒功率充電模式下，電動汽車接入充電樁系統(tǒng)后立即就會以大的充電功率開始充電，直到達(dá)到較高值，充電功率受電動汽車電池管理系統(tǒng)控制才會逐漸下降，在這一模式下，充電需求的波峰與光伏發(fā)電的波峰相錯開，在08:00—10:00之間需要從電網(wǎng)取電來補(bǔ)足電動汽車的充電功率需求，大取電功率達(dá)到了10.9 kW。而當(dāng)光伏發(fā)電量達(dá)到峰值時，電動汽車的充電需求已經(jīng)下降，更多的光伏被棄掉或者并入電網(wǎng)，這一模式下的平均為71.1%，平均為43.2%，光伏并網(wǎng)的大功率達(dá)到了11.5 kW。在功率可控的變功率模式下，電動汽車充電功率與光伏發(fā)電功率得到了很好的匹配，無須從電網(wǎng)取電即可滿足電動汽車的充電需求，并且有效降低了光伏并網(wǎng)的大功率，這一模式下的平均為100%，平均為61.3%，相比恒功率模式下提高了42%，光伏大并網(wǎng)功率為5.3 kW，下降了54%。

綜上所述，相比傳統(tǒng)恒功率充電模式，本文所提出的智能充電模式更能適應(yīng)光伏的發(fā)電特性，能夠在滿足電動汽車充電需求的同時更好消納光伏。但在實(shí)驗(yàn)過程中光伏的發(fā)電總量遠(yuǎn)大于電動汽車的需求量，在未來會在實(shí)驗(yàn)場地安裝更多的充電樁，吸引更多用戶來使用，促進(jìn)光伏消納；另一方面，在充電策略上還可以補(bǔ)充時間點(diǎn)這一參數(shù)用于調(diào)節(jié)，使時間尺度上電動汽車的充電功率更為平穩(wěn)，避免上午電量充滿后導(dǎo)致下午大量光伏并網(wǎng)的情況。

5安科瑞充電樁收費(fèi)運(yùn)營云平臺系統(tǒng)選型方案

5.1概述

AcrelCloud-9000安科瑞充電柱收費(fèi)運(yùn)營云平臺系統(tǒng)通過物聯(lián)網(wǎng)技術(shù)對接入系統(tǒng)的電動電動自行車充電站以及各個充電整法行不間斷地?cái)?shù)據(jù)采集和監(jiān)控，實(shí)時監(jiān)控充電樁運(yùn)行狀態(tài)，進(jìn)行充電服務(wù)、支付管理，交易結(jié)算，資要管理、電能管理，明細(xì)查詢等。同時對充電機(jī)過溫保護(hù)、漏電、充電機(jī)輸入/輸出過壓，欠壓，絕緣低各類故障進(jìn)行預(yù)警；充電樁支持以太網(wǎng)、4G或WIFI等方式接入互聯(lián)網(wǎng)，用戶通過微信、支付寶，云閃付掃碼充電。

5.2應(yīng)用場所

適用于民用建筑、一般工業(yè)建筑、居住小區(qū)、實(shí)業(yè)單位、商業(yè)綜合體、學(xué)校、園區(qū)等充電樁模式的充電基礎(chǔ)設(shè)施設(shè)計(jì)。

5.3系統(tǒng)結(jié)構(gòu)

系統(tǒng)分為四層：

1）即數(shù)據(jù)采集層、網(wǎng)絡(luò)傳輸層、數(shù)據(jù)層和客戶端層。

2）數(shù)據(jù)采集層：包括電瓶車智能充電樁通訊協(xié)議為標(biāo)準(zhǔn)modbus-rtu。電瓶車智能充電樁用于采集充電回路的電力參數(shù)，并進(jìn)行電能計(jì)量和保護(hù)。

3）網(wǎng)絡(luò)傳輸層：通過4G網(wǎng)絡(luò)將數(shù)據(jù)上傳至搭建好的數(shù)據(jù)庫服務(wù)器。

4）數(shù)據(jù)層：包含應(yīng)用服務(wù)器和數(shù)據(jù)服務(wù)器，應(yīng)用服務(wù)器部署數(shù)據(jù)采集服務(wù)、WEB網(wǎng)站，數(shù)據(jù)服務(wù)器部署實(shí)時數(shù)據(jù)庫、歷史數(shù)據(jù)庫、基礎(chǔ)數(shù)據(jù)庫。

5）應(yīng)客戶端層：系統(tǒng)管理員可在瀏覽器中訪問電瓶車充電樁收費(fèi)平臺。終端充電用戶通過刷卡掃碼的方式啟動充電。

小區(qū)充電平臺功能主要涵蓋充電設(shè)施智能化大屏、實(shí)時監(jiān)控、交易管理、故障管理、統(tǒng)計(jì)分析、基礎(chǔ)數(shù)據(jù)管理等功能，同時為運(yùn)維人員提供運(yùn)維APP，充電用戶提供充電小程序。

5.4安科瑞充電樁云平臺系統(tǒng)功能

5.4.1智能化大屏

智能化大屏展示站點(diǎn)分布情況，對設(shè)備狀態(tài)、設(shè)備使用率、充電次數(shù)、充電時長、充電金額、充電度數(shù)、充電樁故障等進(jìn)行統(tǒng)計(jì)顯示，同時可查看每個站點(diǎn)的站點(diǎn)信息、充電樁列表、充電記錄、收益、能耗、故障記錄等。統(tǒng)一管理小區(qū)充電樁，查看設(shè)備使用率，合理分配資源。

5.4.2實(shí)時監(jiān)控

實(shí)時監(jiān)視充電設(shè)施運(yùn)行狀況，主要包括充電樁運(yùn)行狀態(tài)、回路狀態(tài)、充電過程中的充電電量、充電電壓/電流，充電樁告警信息等。

5.4.3交易管理

平臺管理人員可管理充電用戶賬戶，對其進(jìn)行賬戶進(jìn)行充值、退款、凍結(jié)、注銷等操作，可查看小區(qū)用戶每日的充電交易詳細(xì)信息。

5.4.4故障管理

設(shè)備自動上報故障信息，平臺管理人員可通過平臺查看故障信息并進(jìn)行派發(fā)處理，同時運(yùn)維人員可通過運(yùn)維APP收取故障推送，運(yùn)維人員在運(yùn)維工作完成后將結(jié)果上報。充電用戶也可通過充電小程序反饋現(xiàn)場問題。

5.4.5統(tǒng)計(jì)分析

通過系統(tǒng)平臺，從充電站點(diǎn)、充電設(shè)施、、充電時間、充電方式等不同角度，查詢充電交易統(tǒng)計(jì)信息、能耗統(tǒng)計(jì)信息等。

5.4.6基礎(chǔ)數(shù)據(jù)管理

在系統(tǒng)平臺建立運(yùn)營商戶，運(yùn)營商可建立和管理其運(yùn)營所需站點(diǎn)和充電設(shè)施，維護(hù)充電設(shè)施信息、價格策略、折扣、優(yōu)惠活動，同時可管理在線卡用戶充值、凍結(jié)和解綁。

5.4.7運(yùn)維APP

面向運(yùn)維人員使用，可以對站點(diǎn)和充電樁進(jìn)行管理、能夠進(jìn)行故障閉環(huán)處理、查詢流量卡使用情況、查詢充電\充值情況，進(jìn)行遠(yuǎn)程參數(shù)設(shè)置，同時可接收故障推送

5.4.8充電小程序

面向充電用戶使用，可查看附近空閑設(shè)備，主要包含掃碼充電、賬戶充值，充電卡綁定、交易查詢、故障申訴等功能。

5.5系統(tǒng)硬件配置

6 結(jié)論

為促進(jìn)電動汽車充電行為與分布式建筑光伏匹配，本文提出了一種基于母線電壓的智能充電樁控制策略，并在實(shí)際的辦公建筑中進(jìn)行了測試運(yùn)行，分析運(yùn)行結(jié)果得出以下結(jié)論。

1）該策略能夠有效地根據(jù)光伏發(fā)電情況和電動汽車電池情況調(diào)整充電樁的充電功率，實(shí)現(xiàn)光伏功率跟蹤和有序充電，系統(tǒng)的控制偏差率低于±10%，能夠在不同工況下穩(wěn)定運(yùn)行。

2）在實(shí)際運(yùn)行中充電功率得到有效控制，緊隨母線電壓變化，并根據(jù)的升高而下降，實(shí)現(xiàn)了有序充電。可以不從電網(wǎng)取電，僅利用光伏電力滿足電動汽車車主的日常通勤用電需求，達(dá)到了100%。

3）通過模擬的方法與傳統(tǒng)的充電方式進(jìn)行比較，本文提出的策略可以將提高42%，將光伏并網(wǎng)峰值功率下降54%，大幅減少分布式光伏對電網(wǎng)的影響。本文提出的智能充電樁控制策略可促進(jìn)建筑光伏與電動汽車的實(shí)時互動，在滿足充電需求的基礎(chǔ)上，減少外網(wǎng)供電，提高光伏自消納能力和負(fù)荷滿足率，為建筑光伏高效利用和交通領(lǐng)域電氣化提供了借鑒和參考。除此之外，本研究充電策略將長期持續(xù)在辦公樓運(yùn)行，未來可對用戶滿意度和充電行為進(jìn)行進(jìn)一步分析。

參考文獻(xiàn)

[1]丁屹峰，曾爽，張寶群，王立永，劉暢，付智，張吉.光伏-直流智能充電樁有序充電策略與應(yīng)用效果.

[2]詹天津,謝玉榮.國內(nèi)分布式光伏發(fā)展形勢分析及思考[J].華電技術(shù),2021,43(12):60–65.ZHANTianjin,XIEYurong.DevelopmentstatusanalysisandconsiderationondomesticdistributedPVenergy[J].HuadianTechnology,2021,43(12):60–65.

[3]中國汽車工程學(xué)會.節(jié)能與新能源汽車技術(shù)路線圖2.0[R].上海:中國汽車工程學(xué)會,2020.

[4]BIRNIED.Solar-to-vehicle(s2v)systemsforpoweringcommutersofthefuture[J].JournalofPowerSources,2009,186(2):539–542.[5]安科瑞企業(yè)微電網(wǎng)應(yīng)用手冊2020.06版.