0 引言

在全球经济飞速发展和现代化进程的加速下,能量资源愈加匮乏,化石能源的使用问题已经成为不得不考虑的问题^[1]。在这样的情况下,低碳、性价比、环保已经成为世界能源发展的重要标准^[2]。目前,世界各国均开展了以清洁能源替代传统能源的各项工作,其中以新能源汽车代替燃油汽车成为一项重要的推行工作^[3]。电动汽车具有用环保、清洁高能的特点,深受欢迎^[4],但随着电动汽车行业快速发展,充电接口的通用性和充电服务的自助性问题变得尤为突出。

电动汽车充电通常需要数小时,给充电桩带来巨大的使用负担^[5]。如何让用户能够及时了解充电站负荷状态,充电桩使用情况、充电站位置等信息成为了关键^[6]。目前各国都展开了电动汽车充电导航、电池充电模型、有序充电等课题的研究^[7-9],我国进行了负荷模型建立和需求响应电价联合等业务研究,其中,韩海英等就电动汽车参与电网调峰和调频的控制策略展开研究^[10],陈骏、高唯峰基于V2G技术展开电动汽车随机优化调度和双向充电研究^[11-12],廖强强等就高峰负荷时段车网互联进行智能调度展开研究^[13]。但这些工作都是针对单方面内容进行深入研究,没有将这些研究成果实用化,无法实现用户自助充电服务的需求。

因此,本文将针对充电服务中存在的问题,对充电服务过程中充电业务对总线协议的兼容性进行标准协议设计,对用户充电服务进行详细的功能设计,实现用户充电过程的自助化。随着本文研究的不断深入,充电服务必将走向智能化、通用化、自助化的过程,使充电的各个环节实时可视、可控,实现电动汽车作为特殊的移动负荷接入电网的智能调度,推进坚强智能电网的建设工作。

1 自助充电通用服务系统总体设计

依托系统中移动端APP与充电桩产生的信息资源,按照运营单位的管理要求和客户的服务需求,构建延伸至充电桩内部的数据采集网络,系统将提供资源共享、灵活互动、管控有力的电动汽车充电服务与管理手段。

1.1 系统逻辑架构

自助充电通用服务系统的总体结构采用分层进行设计和运行,分层实现系统需求,整体完善服务结构,提高系统整体性能和稳定性。系统逻辑上分为3个层次,分别面向不同的功能主体,主要包括感知层、网络层和应用层。自助充电通用服务系统的逻辑架构如图1所示。

图1 系统逻辑架构 Fig.1 System logic framework

1）感知层：上行方向以系统的前端设备作为媒介采集电动汽车充电接口类型数据、电池数据状态、充电所需时间、充电桩运行状态等服务基础数据,并采集用户的充电服务请求,包括充电预约及充电模式等请求指令。下行方向接收系统的充电服务控制指令、充电服务指标反馈等信息。

2）网络层：网络层主要实现感知层数据的采集、数据模型标准化、通用接口协议传输、应用层控制指令下传等,实现其他充电应用系统在现有通信总线上的兼容性及不同型号电动车服务请求的通用性。

3）应用层：应用层面向系统的各项应用及功能,包括工况分析、交易管理、系统管控、监控管理等功能,以多元化的功能映射实现服务的自助化。

1.2 系统体系架构设计

电动汽车自助充电通用服务系统由三大部分组成：自助充电云服务器、智能充电桩系统和自助充电服务手机客户端APP,各子系统分别面向不同业务层及对象,协同完成自助充电业务。系统物理结构如图2所示。

1.2.1 自助充电云服务器

自助充电云服务器从物理组成上分为主站Web服务器、主站数据库服务器及采控前置服务器。主站Web服务器与系统管理侧相连,提供管理员对于充电业务的管控;主站数据库服务器负责处理充电桩的负荷信息、用户电量信息、电网负荷指令及地图调用信息等;采控前置服务器通过无线传输与自助充电服务APP及智能充电桩连接,实现对系统各项数据的实时采集并传输充电业务的控制指令。

图2 系统物理结构 Fig.2 System physical structure

1.2.2 智能充电桩系统

智能充电桩系统整合了当前市场上的各类充电接口型号,通过对各类接口的研究,设计了统一的业务数据模型及标准接口,以匹配当前市场上各类电动汽车的型号,让充电系统真正面向所有电动汽车,实现系统的“通用”充电服务的功能和需求。

1.2.3 自助充电服务手机客户端APP

手机客户端作为自助充电通用服务系统的重要前端,手机客户端APP并不与充电桩直接相连,采用运营商网络或无线网络与服务器端进行相连,通过系统服务器进行指令的处理和管控。

2 系统功能结构设计

2.1 系统通用接口协议设计

自助充电通用服务系统接口从逻辑上分为外部接口及用户接口。外部接口指主站服务器与充电桩硬件之间的通信接口;用户接口指自助充电手机客户端和系统主站服务器之间的通信接口。系统接口逻辑架构如图3所示。

图3 系统接口逻辑架构 Fig.3 The logic framework of system interface

外部接口协议采用CAN2.0总线协议,传输中采用标准化通信协议,实现点对点、多点共线及一点对多点的通信方式,满足服务器与充电桩之间进行主行问答以及在信道支持的情况下充电桩自主上报方式的通信,保证不同型号电动汽车接入系统时的兼容性。系统通过外部接口及用户接口对投入使用的充电设施的数据进行实时/定时采集,完成对数据的收集分析,并在对数据进行整理后,反馈到电动汽车用户侧系统,使得用户可以获得所需的实时数据。实现设备之间数据管理的数字化、自动化,方便不同品牌电动汽车顺利接入系统。

2.2 系统自助充电服务功能设计

电动汽车自助充电通用服务系统是针对充电流程中每一环节进行的整体设计,完成各业务请求指令的模块化实现,包括地图功能模块、业务状态模块、充电支付模块、充电控制模块、查询模块等功能模块。各功能模块在自助充电服务APP上友好展现,实现了用户充电业务的通用业务,包括电站搜索、附近电站、充电地图、扫码充电、一键导航等业务。手机客户端界面展示如图4所示。

图4 手机客户端界面展示 Fig.4 App display interface

用户通过点选手机客户端上的各项功能,实现充电业务的自助服务。除传统服务外,客户端还添加了针对用户需求本身的我的爱车和一键导航功能,使充电业务更加人性化,服务更加自助化。通过注册用户电动车辆信息,可让系统自动筛选可适配的充电终端并实时远程了解电动汽车当前电量、行驶里程、时间及耗电情况。同时还可以存储用户累计耗电量、碳减排、节油量、行驶里程等数据信息,为用户充电行为挖掘、智能充电业务提供数据基础。

3 基于模糊规划算法的一键导航功能设计

电动汽车充电行为是一个多环节参与的过程,而众多电动汽车充电业务请求的指令采用树形传输的方式集中到云端服务器主站中,服务器根据电网负荷指令制定实时电价,调度充电站的充电负荷。同时,充电服务是一个点对点的业务过程,而目前电动汽车数量远多于充电桩数量,电动汽车在发出充电业务请求时,可能存在充电等待时间,造成充电成本增加。在服务器制定相关充电业务时需要综合时间成本、路程成本以及充电价格成本等进行量化处理,并应用模糊规划算法找到规划权重,为用户制定成本最优充电方案,将方案转化为一键导航功能,让用户更加方便合理地开展充电业务。

3.1 充电业务需求量化

1）充电路程成本量化

当用户需要进行充电时,手机客户端APP可直接调用地图厂商的地图信息,包括从用户当前所在位置到附近可用充电站的距离D_i和充电汽车在路上行驶的时间T_Di（i为充电站编号）,系统将直接调用该距离信息作为建模使用的距离成本量化指标D_i。

2）充电时间成本量化

充电时间成本T_i包括3部分：充电汽车在路上行驶的时间T_Di、需要等待前序充电汽车结束的排队时间T_Wi 以及充电实用时间T_Ci。其中,T_Di直接调用地图软件计算出的预计时间,以减轻系统运算量。充电实用时间T_Ci如下式所示：

（1）

充电时间成本量化指标T_i如下式所示：

（2）

式中：T_Ci为选择第i座充电站充电实用时间;T_Wi为第i座充电桩的排队等待时间;P为充电桩单位时间充电电量,E_N为充电汽车电池所需充电电量,等于充电汽车电池电池总容量E_S减充电池剩余电量E_X。

3）充电价格成本量化

单位时间充电价格成本c_i是单位时间充电电价c_ci、单位时间停车费c_pi及单位时间服务费c_si之和,因此充电价格总成本量化指标C_i如公式（3）所示：

（3）

式中：C_i为选择第i座充电桩的充电价格总成本量化指标。

3.2 业务模型构建与求解

3.2.1 目标函数与约束条件

模型的建立基于以下假设条件的成立。

1）电动汽车已进行过手机客户端信息注册,系统已经获得电动汽车单位距离耗电量、电池容量等数据。

2）地图厂商提供的预计行驶时间中已根据车辆当前行驶速度及拥堵情况计算出行驶时间,预计时间为平均行驶时间,拥堵时耗电量r_w为零,行驶时单位时间耗电量r_d为单位时间平均耗电量。

3）前序电动汽车充电完成后一辆电动汽车立刻进行充电业务,中间切换时间忽略不计。

基于以上假设条件,将模型所需的目标函数划归为用户行驶距离函数D_i、充电价格函数C_i和充电时间成本函数T_i 3个目标函数。其中,约束条件如公式（4）所示。

（4）

式中：T_D为电动车到达目的充电站需时间。上式表示电动汽车行驶到充电站时电量未耗尽,否则放弃选择该充电站。

3.2.2 业务模型求解

一键导航功能业务目标函数求解的过程是一个将多目标转化为单目标函数的过程,因此模型将采用模糊规划法进行目标化简。

模糊规划法不同于理想点规划法及线性加权法,不是单单针对模型各项指标求解最小值或最大值作为模型最终评价体系,而是针对模型中指标评价保证各项指标都能达到最优化,或者能趋于均衡。通常状况下,这种趋于均衡的考量过程是相对模糊的,需要引入目标隶属函数μ_j(f_i)来表示目标函数f_i中某一模糊指标对于f_i的隶属程度。隶属函数μ_j(f_i)应如公式（5）所示：

（5）

式中：i=1,2,3,f₁为用户行驶距离函数D_i,f₂为充电价格函数C_i,f₃为充电时间成本函数T_i,f_ave是上述3项指标的平均值。

同时设定各目标函数在评价体系中的重要程度,保证目标函数按照一定的权重进行评价分配,设一键导航的评价权重为λ_j。根据3个目标函数的折中方案,算法应进行模糊规划的加权型模型建立,求出方案实用度指标G_i,具体如公式（6）所示。

（6）

式中：j=1,2,3,方案实用度指标G_i表示当前目标函数参数下,方案选取的实用性,G_i越小则方案选取越优。其中λ_j应符合设计的归一性与非负性,即λ_j>0且∑λ_j=1为模型的约束条件。

在计算过程中,λ_j只与偏好矩阵和目标函数重要程度有关。为保证指标评价权重的准确性,随机挑选100组每组100人的电动汽车用户作为样本进行调研,考察用户对于时间、路程、价格3个指标的看重程度,并将结果进行散点分析,用户评价散点分析如图5所示。

图5 用户评价散点分析 Fig.5 User interest dispersion analysis

根据大量市场调研及用户习惯分析,路程等价指标重要程度小于充电价格等价指标小于时间成本等价指标,最终得出用户评价权重式（7）的结果。

（7）

将式（7）带入式（6）,求解可得：

（8）

通过模糊规划,成功将三目标问题转化为单目标评价体系,同时剔除了评价过程中参数量纲不一致的问题。

3.3 模型仿真与结果

3.3.1 仿真场景搭建

图6 充电站充电地图 Fig.6 The map of charging stations

表1 充电站地理信息 Tab.1 Geographic information of charging station

图6是发出充电请求的电动汽车搜索附近充电站结果的示意图。电动汽车电池容量为25 kW,出发时剩余电量为2.5 kW,汽车耗电量为2.5 kW/h,设充电时只充到电池容量的80%。

充电站地理信息见表1所列,将表中数据导入Matlab进行仿真计算。

从图中可以看出充电站4的路途中有严重拥堵路段,通行时间较久。将上述数据代入约束条件式（4）,可以求得：

（9）

排除4号充电站,因此服务器调用剩余3个智能充电桩的实时数据,包括充电桩排队时间T_Wi、充电功率P、充电电价c_ci、单位时间停车费c_pi及单位时间服务费c_si等,充电站基本数据见表2所列。

表2 充电站基本数据 Tab.2 Basic data of charging station

3.3.2 仿真结果

将上述式（5）及式（8）输入Matlab,输出结果见表3所列。

仿真结果得出,实用度指标G_i分别为（-0.045 61, 0.052 08, -0.006 47）,可以看出G₁最小,说明G₁方案选择实用度最高。通过结果对比,可以看出
1号充电站的时间成本指标要略大于2号充电站的时间成本,从地图上可以看出3号充电站的距离成本要优于1号的距离成本,在进行模糊规划后,最优方案的各项成本不一定是最小的,而是趋于更为折中的,成本比重分配更为合理。

此时,用户点选一键导航功能时,系统进行短暂计算后,选择1号充电站作为充电目的地。功能视图界面如图7所示。

图7 一键导航功能视图界面 Fig.7 One-key navigation function interface

4 结语

自助充电通用服务系统是电动汽车用户参与自助充电业务的信息化保障,是电动汽车参与智能用电业务的关键环节。本文提出了自助充电通用服务系统的设计方案,并基于模糊规划算法完成了智能导航的功能设计,实现了自助充电通用服务系统服务接口的通用性和充电服务的自助性。用户可以远程预定各项充电服务,自助实现查询、预约、充电、支付的整个充电流程,实现充电业务的自助性。自助充电通用服务系统将用户侧、充电设备侧和管控侧有效的联系在一起,实现各个环节的友好互动、联动服务。

未来,随着大数据技术及物联网技术不断发展,自助充电通用服务系统与电网智能用电平台深入融合,系统的功能将不断完善,系统在充电负荷数据及设备数据的深度挖掘及智能用电业务方面将展现不可或缺的作用。

(编辑:张京娜)

参考文献

[1] 施晓清, 李笑诺, 杨建新. 低碳交通电动汽车碳减排潜力及其影响因素分析[J]. 环境科学, 2013, 34(1): 385-394.
SHI Xiao-qing, LI Xiao-nuo, YANG Jian-xin.Research on carbon reduction potential of electric vehicles for low-carbon transportation and its influencing factors[J]. Environmental Science, 2013, 34(1): 385-394.

[2] 王高峰. 电动汽车能否终结石油黄金时代[J]. 中国石化, 2016(10): 81-82.

[3] 罗燕. 打造“绿色平台”服务新能源发展[J]. 云南电业, 2016(10): 29-30.

[4] 王盛强, 李婷婷. 新能源光伏汽车充电站发展现状与分析[J]. 科技创新与应用, 2016(2): 106-107.

[5] 王恩琦. 电动汽车充电设施运营模式及规划研究[D]. 北京: 华北电力大学, 2012.

[6] IEC SMB Smart Grid Strategic Group(SG3). IEC smart grid standardization roadmap v1. 21 draft[S]. 2013.

[7] Valencia-Salazar I, Álvarez C, Escrivá-Escrivá G, et al.Simulation of demand side participation in spanish short term electricity markets[J]. Energy Conversion and Management, 2011, 52(7): 2705-2711.

[8] Carlos Gómez J, MORCOS M M.Impact of EV battery chargers on the power quality of distribution systems. IEEE Transactions on Power Delivery, 2013, 18(3): 975-981.

[9] CAMUS C, FARIAS T, ESTEVES J.Potential impacts assessment of plug-in electric vehicles on the portuguese energy market[J]. Energy Policy, 2011, 39(10): 5883-5897.

[10] 韩海英. V2G参与电网调峰和调频控制策略研究[D]. 北京: 北京交通大学, 2011.

[11] 高唯峰. 电动汽车V2G车载式双向充电机的研究[D]. 哈尔滨: 哈尔滨工业大学, 2015.

[12] 陈骏. 基于V2G技术的电力系统随机优化调度[D]. 长沙: 长沙理工大学, 2012.

[13] 廖强强, 周国定, 葛红花, 等. 车网互联(V2G)支持高峰电力的技术经济分析[J]. 中国电力, 2012, 45(4): 92-95.
LIAO Qiang-qiang, ZHOU Guo-ding, GE Hong-hua, et al.Technical and economic analysis of vehicle network interconnection(V2G) supporting peak power[J]. Electric Power, 2012, 45(4): 92-95.

[14] 甄子健, 孟祥峰. 国内外电动汽车交流充电接口技术与标准对比分析研究[J]. 汽车工程学报, 2012, 2(1): 1-7.
ZHEN Zi-jian, MENG Xiang-feng.State of art and research of the charging coupler standards in China and abroad[J]. Chinese Journal of Automotive Engineering, 2012, 2(1): 1-7.