双预测交流充电桩-蓄电池充电机基于高速窄带载波的智能有序充电系统
2018-9-27 9:42:58 点击：
在小区配电变压器旁安装智能有序管理终端（IOMU），引入短期基础负荷预测方法，基于充电桩-蓄电池充电机供电线路采用高速窄带载波通信方式，实现区域内各充电桩-蓄电池充电机动态组网和信息交互。
结合各充电桩-蓄电池充电机用户充电量预测，采用主从式控制结构实现对网内接入的每辆电动汽车有序充电规划，确保充电过程中既考虑用户经济性，又兼顾电网安全性，实现小区内电动汽车智能有序充电。同时，搭建实际系统进行安全经济功能验证，为将来电网消纳规模化的电动汽车接入提供方案参考和基础技术支持。
近年来，中央和地方政府连续出台的一系列政策推动了电动汽车产业的发展[1]，电动汽车有望得到迅速普及。规模化的电动汽车接入对现有电网系统的安全影响也越来越受到政府和电网公司重 视[2-3]。
其中，对于新建住宅小区来说，政策已规定建停车位必须100%配置充电桩-蓄电池充电机，电网公司在配置该小区的变压器容量时已考虑对应充电负荷，后期用户充电负荷的无序利用，除了经济性较差外，对小区内电网系统安全性影响较小。
然而，对于大量的已建小区来说，建成时变压器容量并未考虑充电负荷，后期的充电桩-蓄电池充电机改造成功后，因小区电动汽车用户停车充电习惯，会出现充电负荷与用户负荷高峰的叠加，任由用户的无序充电会对小区电网的安全存在重大隐患，用户经济性和电网安全性均得不到保障[4-5]，阻碍了电动汽车的推广使用。
针对已建小区增建充电桩-蓄电池充电机带来的小区变压器安全问题，当前已有很多高校和科研院所展开了大量研究，文献[6]提出一种针对住宅小区的在线和离线相结合的限功率有序充电策略，制定用户充电优先级，并通过Matlab仿真验证。文献[7]在综合用户用车出行规律、电池状态和用户意愿条件下给出以削减峰谷差为目的充电负荷分配策略模型，并给出了仿真验证。
文献[8]基于峰谷电价给出家用电动汽车小区有序充电控制方法，并采用序贯蒙特卡洛仿真进行验证。文献[9]从需求分析角度，引入虚拟充电单元概念建立一种从电网优化运行到充电终端的分层分布实施架构。
文献[10]提出网格选取法，以预防配电变压器过载荷实现收益最大化为目标，设计最优网格选取结果，并给出算例仿真。文献[11]提出计及充电请求预测补偿的住宅区电动汽车有序充电控制策略，构建一种使系统负荷波动最小的有序充电控制模型。
综合以上分析，可见目前行业内学者专家均已意识到将来规模化电动汽车无序充电会对电网安全产生潜在安全影响，并提出各种理论策略模型。但是这些有序充电模型基本都是建立在模拟仿真验证上，缺少实际的充电验证，且研究中小区交流慢充有序充电模型几乎都是建立在可通过交流充电桩-蓄电池充电机获得待充汽车剩余SOC基础上的，可目前按我国国标技术生产运行的充电桩-蓄电池充电机是无法获取接入充电汽车的剩余SOC，可见输出的研究成果理论指导性强，实用指导性弱。
本文通过在小区配电变压器旁安装智能有序管理终端（IOMU），引入短期基础负荷预测方法[12]，基于充电桩-蓄电池充电机供电线路采用高速窄带载波通信方式，实现区域内各充电桩-蓄电池充电机动态组网和信息交互，结合各充电桩-蓄电池充电机用户充电量预测，采用主从式控制结构实现对网内接入的每辆电动汽车进行有序充电规划，确保充电过程中既考虑用户经济性，又兼顾电网安全性，实现小区内电动汽车智能有序充电。同时，搭建实际系统进行功能验证，整体技术系统为将来电网消纳规模化的电动汽车接入提供方案参考和基础技术支持。
1 智能有序充电架构
1.1 系统架构
本文以已建小区充电桩-蓄电池充电机后续增建为背景，在小区配电变压器旁安装智能有序管理终端，通过通信主子节点基于交流电力线组成通信网络，使用高速窄带电力线载波与区内建设的各充电桩-蓄电池充电机单元互联互通，实现信息交互。系统整体架构如图1所示。
图1 智能有序充电系统结构图
小区变压器侧的IOMU在实现传统的变压器监测功能外，需增加基础负荷预测、智能有序充电规划功能。充电桩-蓄电池充电机除了实现传统的交流慢充功能外，还实现用户人机接口，充电量预测功能。系统整体控制方式采用主从控制模式，IOMU作为系统内主控核心，实现系统内各充电桩-蓄电池充电机充电时间的分配，充电桩-蓄电池充电机在系统中处于从属地位接受IOMU管理，实现智能有序充电。
1.2 通信网络
小区充电桩-蓄电池充电机的安装环境在地下车库，车库建筑环境复杂，遮挡较多，无线信号传输受到限制，且以太网和光纤通信存在额外布线和成本过高缺点。本文采用G3_PLC高速窄带电力线载波技术[13-14]，可有效克服上述缺点，IOMU侧的通信主节点在组网开始阶段先对所有申请加入网络的充电桩-蓄电池充电机子节点进行安全认证，认证成功后分配网络PAN ID和设备标识ID，在两者间建立一个安全信道。流程如图2所示。
图中安全认证流程在各通信节点的6LoWPAN适配层[15]完成，内部硬件集成AES-128加密引擎为认证提供算法支持，具体应用中的认证流程为：1）IOMU侧主节点初始化成功后，基于小区低压供电母线形成一个PAN_ID标识的局域网；2）交流充电桩-蓄电池充电机侧子节点上电后，通过其供电电力线，发起request请求，申请加入网络。
图2 交流充电桩-蓄电池充电机加入网络流程
3）主节点收到请求后发起EAP-PSK认证流程，和请求入网的通信终端通过4条MSG报文完成认证，如图2所示，MSG报文中Flags为EAP协议的报头部分，ID_S、ID_P为预设的EUI-64 MAC地址，RAND_P和RAND_S分别为主子节点生成的128bit随机数，报文中认证码的计算方式如式（1）和式（2）所示：
MAC_S=CMAC-AES-128(AK,ID_S||RAND_P)（1）
MAC_P=CMAC-AES-128(AK,ID_P||ID_S|| RAND_S||RAND_P) （2）
未认证的和认证失败的子设备无法获取对应的ID，不能和主节点进行数据通信，可保障数据报文传输的安全性。
2 小区基础负荷预测
图3 小区基础负荷短期预测模型
模型建立过程：
2）居民小区配电变压器短期负荷受节假日影响较大，对分解后的分量及日期类型进行归一化处理，节假日类型为1，工作日类型为0。
3）居民小区配电变压器短期负荷受外界各种因素影响，对其的预测单一采用一种方法不能达到较好的效果，针对各IMF分量在频域及时域上的不同特点，分别采取不同预测模型。由于EMD分解的余项存在明显的线性特征，采用线性神经网络对其进行预测；余下IMF分量采用支持向量机[17]（support vector machine, SVM）对其进行预测。在构建预测模型时还需要考虑气温的影响（当天的最高温度和平均温度），并将其作为模型的一组输入。
4）SVM和线性神经网络模型的泛化学习能力与其参数选择有很大关系，采用收敛速度快、实现简单的粒子群算法[18]（particle swarm optimization, PSO）来解决负荷预测问题中的参数优化问题。
模型建立后，IOMU在每隔6h调用该模型，预测出小区后续短期基础负荷曲线。
3 充电桩-蓄电池充电机充电量预测
电动汽车每次充电完成之后，充电桩-蓄电池充电机记录本次充电的累积时长，充电的电能量W，并将本次充电数据保存在充电桩-蓄电池充电机内，同时充电桩-蓄电池充电机记录下历史最大充电电能量Wmax、历史最小充电电能量Wmin及平均充电电能量Wavg及各自对应的充电功率曲线。
用户拔枪充电后，通过三次指数平滑法进行本次的充电电能量的预测。充电量预测是基于每次充电的最终总充电数据进行，智能有序管理只是优化了充电量的充电时间分配，并未改变单次总充电量，不会对充电量预测造成影响。由于算法需要原始数据，因此新桩的前几次不进行智能规划充电，直接进行正常充电。
4 智能有序充电
用户插电充电时，充电桩-蓄电池充电机通过人机接口提示与用户交互，获取用户充电意图。如选有序充电，则充电桩-蓄电池充电机获取用户输入信息，进行充电量预测，通过通信网络与IOMU进行信息交互，IOMU结合基础负荷曲线，进行智能充电规划，并将计划充电时间反馈给对应充电桩-蓄电池充电机。如不选择有序充电，考虑安全按照历史最大充电量充电，同时计划充电时间就设置成当前时间。
充电桩-蓄电池充电机接收到IOMU的反馈信息后按计划时间进行充电。充电时的结束条件存在两种情况：①充电量到时，电池还未满电，正常结束；②预测充电量还有剩余时，电池接近满电，电池会自动停止接收电能。流程如图4所示。
图4 系统实现总流程图
IOMU中的智能有序充电规划分为安全性规划和经济性规划两个方面，安全性规划以判断充电时叠加负荷是否超过负荷告警线（过载点）为依据，经济性以满足安全性规划后以费率为判断基准的电费最少，具体流程如图5所示。
图5 智能有序规划流程图
安全性规划：IOMU将本次充电负荷叠加到实时负荷曲线上，检查是否存在负荷过载点。如果存在，说明本次充电存在安全问题，需要根据过载点时间点分割出叠加后不过载的时间段，然后分析这些时间段是否满足预估充电量的时间要求，满足的话选出全部时间段，不满足则只选取最大两个时间段。如不存在则选出全部可行充电时间段。
经济性规划：经济性规划以费率为判断依据，选择所有可行充电时段中经济性最佳的充电时间段，如果时间段惟一则将该时间段下发给对应充电桩-蓄电池充电机，同时叠加实时负荷，如果时间段不惟一，则按就近原则选取最靠近时间段，同样执行下发和叠加负荷，完成一次智能有序规划流程。
5 实验验证
本文搭建实际系统展开智能有序充电验证，系统包括1台具有智能有序管理功能的IOMU，10台交流充电桩-蓄电池充电机，11台载波通信节点单元。所用交流充电桩-蓄电池充电机充电功率为2kW，验证充电汽车为江淮iEV4电动汽车，汽车电池容量为22kWh，充电现场和充电桩-蓄电池充电机充电时人机接口如图6所示。
图6 充电现场和充电桩-蓄电池充电机人机接口
峰时电价：0.617元/度，6∶00～22∶00。谷时电价：0.307元/度，22∶00～次日6∶00。IOMU中初始预测负荷曲线模拟如图7所示。
图7 模拟预测负荷曲线
5.1 mesh网络拓扑
系统内充电桩-蓄电池充电机、IOMU、通信节点上电后，按上文流程组成通信网落，各子节点获得主节点分配的网内惟一标识ID，具体分配的网络内ID如下：
通信主节点：ID=0x00；通信子节点：ID=0x01，0x02，0x03，0x04，0x05，0x06，0x07，0x08，0x09，0x0A
图8所示为系统中10个子节点组网成功后的网络拓扑图。
图8 系统通信mesh网络拓扑
通信网络中采用了LOADng路由技术[19]，在原来的LOAD基础上增加了非对称路由路径选择，减少路由广播报文的发送等修改，保证了载波通信网络的稳定性和可靠性。由图8可看出，最大路由深度为2跳，其路由路径选择较均匀，为数据通信时提供可靠稳定的网络保障。
5.2 充电检验
组网成功后，IOMU即可实现对网络内的各充电桩-蓄电池充电机充电进行智能管理，实验采用3台电动汽车进行充电，充电人机输入和预测电量见表1。
表1 实验充电桩-蓄电池充电机输入
可以看到未有序管理的充电时间叠加在峰值时间段，经过有序管理的充电时间段分配在谷时时间段，经济性得到体现，如图9所示。同时调整充电汽车预估电量，增加电量后再验证电网安全性，未智能管理的充电负荷叠加出现负荷越限，智能有序充电的则有效设置充电时间段，避开负荷高峰，实现小区安全用电，如图10所示。
图9 普通充电与智能充电经济性
图10 普通充电与智能充电安全性
结论
利用小区配电变压器侧IOMU作为小区充电桩-蓄电池充电机充电管理核心单元，引入基础负荷预测，配合充电桩-蓄电池充电机充电量预测，在现有电力线上利用高速窄带载波技术实现通信组网，与小区内交流充电桩-蓄电池充电机进行实时信息交互，完成智能有序充电。系统实施将有效解决将来老旧小区充电桩-蓄电池充电机改造带来的原配电容量限制问题。
但是本文研究以配电网下小区为单位，系统只智能管理小区内的充电负荷，在小区配电变压器范围内实现安全经济充电，未考虑小区整体负荷对上游配电线路的影响，后续可将配电线路线损作为优化目标，加入到小区负荷预测中，在考虑充电负荷的经济性同时兼顾配电线路线损，为配电网将来消纳规模化的电动汽车接入提供一种适用技术方案。
结合各充电桩-蓄电池充电机用户充电量预测，采用主从式控制结构实现对网内接入的每辆电动汽车有序充电规划，确保充电过程中既考虑用户经济性，又兼顾电网安全性，实现小区内电动汽车智能有序充电。同时，搭建实际系统进行安全经济功能验证，为将来电网消纳规模化的电动汽车接入提供方案参考和基础技术支持。
近年来，中央和地方政府连续出台的一系列政策推动了电动汽车产业的发展[1]，电动汽车有望得到迅速普及。规模化的电动汽车接入对现有电网系统的安全影响也越来越受到政府和电网公司重 视[2-3]。
其中，对于新建住宅小区来说，政策已规定建停车位必须100%配置充电桩-蓄电池充电机，电网公司在配置该小区的变压器容量时已考虑对应充电负荷，后期用户充电负荷的无序利用，除了经济性较差外，对小区内电网系统安全性影响较小。
然而，对于大量的已建小区来说，建成时变压器容量并未考虑充电负荷，后期的充电桩-蓄电池充电机改造成功后，因小区电动汽车用户停车充电习惯，会出现充电负荷与用户负荷高峰的叠加，任由用户的无序充电会对小区电网的安全存在重大隐患，用户经济性和电网安全性均得不到保障[4-5]，阻碍了电动汽车的推广使用。
针对已建小区增建充电桩-蓄电池充电机带来的小区变压器安全问题，当前已有很多高校和科研院所展开了大量研究，文献[6]提出一种针对住宅小区的在线和离线相结合的限功率有序充电策略，制定用户充电优先级，并通过Matlab仿真验证。文献[7]在综合用户用车出行规律、电池状态和用户意愿条件下给出以削减峰谷差为目的充电负荷分配策略模型，并给出了仿真验证。
文献[8]基于峰谷电价给出家用电动汽车小区有序充电控制方法，并采用序贯蒙特卡洛仿真进行验证。文献[9]从需求分析角度，引入虚拟充电单元概念建立一种从电网优化运行到充电终端的分层分布实施架构。
文献[10]提出网格选取法，以预防配电变压器过载荷实现收益最大化为目标，设计最优网格选取结果，并给出算例仿真。文献[11]提出计及充电请求预测补偿的住宅区电动汽车有序充电控制策略，构建一种使系统负荷波动最小的有序充电控制模型。
综合以上分析，可见目前行业内学者专家均已意识到将来规模化电动汽车无序充电会对电网安全产生潜在安全影响，并提出各种理论策略模型。但是这些有序充电模型基本都是建立在模拟仿真验证上，缺少实际的充电验证，且研究中小区交流慢充有序充电模型几乎都是建立在可通过交流充电桩-蓄电池充电机获得待充汽车剩余SOC基础上的，可目前按我国国标技术生产运行的充电桩-蓄电池充电机是无法获取接入充电汽车的剩余SOC，可见输出的研究成果理论指导性强，实用指导性弱。
本文通过在小区配电变压器旁安装智能有序管理终端（IOMU），引入短期基础负荷预测方法[12]，基于充电桩-蓄电池充电机供电线路采用高速窄带载波通信方式，实现区域内各充电桩-蓄电池充电机动态组网和信息交互，结合各充电桩-蓄电池充电机用户充电量预测，采用主从式控制结构实现对网内接入的每辆电动汽车进行有序充电规划，确保充电过程中既考虑用户经济性，又兼顾电网安全性，实现小区内电动汽车智能有序充电。同时，搭建实际系统进行功能验证，整体技术系统为将来电网消纳规模化的电动汽车接入提供方案参考和基础技术支持。
1 智能有序充电架构
1.1 系统架构
本文以已建小区充电桩-蓄电池充电机后续增建为背景，在小区配电变压器旁安装智能有序管理终端，通过通信主子节点基于交流电力线组成通信网络，使用高速窄带电力线载波与区内建设的各充电桩-蓄电池充电机单元互联互通，实现信息交互。系统整体架构如图1所示。
图1 智能有序充电系统结构图
小区变压器侧的IOMU在实现传统的变压器监测功能外，需增加基础负荷预测、智能有序充电规划功能。充电桩-蓄电池充电机除了实现传统的交流慢充功能外，还实现用户人机接口，充电量预测功能。系统整体控制方式采用主从控制模式，IOMU作为系统内主控核心，实现系统内各充电桩-蓄电池充电机充电时间的分配，充电桩-蓄电池充电机在系统中处于从属地位接受IOMU管理，实现智能有序充电。
1.2 通信网络
小区充电桩-蓄电池充电机的安装环境在地下车库，车库建筑环境复杂，遮挡较多，无线信号传输受到限制，且以太网和光纤通信存在额外布线和成本过高缺点。本文采用G3_PLC高速窄带电力线载波技术[13-14]，可有效克服上述缺点，IOMU侧的通信主节点在组网开始阶段先对所有申请加入网络的充电桩-蓄电池充电机子节点进行安全认证，认证成功后分配网络PAN ID和设备标识ID，在两者间建立一个安全信道。流程如图2所示。
图中安全认证流程在各通信节点的6LoWPAN适配层[15]完成，内部硬件集成AES-128加密引擎为认证提供算法支持，具体应用中的认证流程为：1）IOMU侧主节点初始化成功后，基于小区低压供电母线形成一个PAN_ID标识的局域网；2）交流充电桩-蓄电池充电机侧子节点上电后，通过其供电电力线，发起request请求，申请加入网络。
图2 交流充电桩-蓄电池充电机加入网络流程
3）主节点收到请求后发起EAP-PSK认证流程，和请求入网的通信终端通过4条MSG报文完成认证，如图2所示，MSG报文中Flags为EAP协议的报头部分，ID_S、ID_P为预设的EUI-64 MAC地址，RAND_P和RAND_S分别为主子节点生成的128bit随机数，报文中认证码的计算方式如式（1）和式（2）所示：
MAC_S=CMAC-AES-128(AK,ID_S||RAND_P)（1）
MAC_P=CMAC-AES-128(AK,ID_P||ID_S|| RAND_S||RAND_P) （2）
未认证的和认证失败的子设备无法获取对应的ID，不能和主节点进行数据通信，可保障数据报文传输的安全性。
2 小区基础负荷预测
图3 小区基础负荷短期预测模型
模型建立过程：
2）居民小区配电变压器短期负荷受节假日影响较大，对分解后的分量及日期类型进行归一化处理，节假日类型为1，工作日类型为0。
3）居民小区配电变压器短期负荷受外界各种因素影响，对其的预测单一采用一种方法不能达到较好的效果，针对各IMF分量在频域及时域上的不同特点，分别采取不同预测模型。由于EMD分解的余项存在明显的线性特征，采用线性神经网络对其进行预测；余下IMF分量采用支持向量机[17]（support vector machine, SVM）对其进行预测。在构建预测模型时还需要考虑气温的影响（当天的最高温度和平均温度），并将其作为模型的一组输入。
4）SVM和线性神经网络模型的泛化学习能力与其参数选择有很大关系，采用收敛速度快、实现简单的粒子群算法[18]（particle swarm optimization, PSO）来解决负荷预测问题中的参数优化问题。
模型建立后，IOMU在每隔6h调用该模型，预测出小区后续短期基础负荷曲线。
3 充电桩-蓄电池充电机充电量预测
电动汽车每次充电完成之后，充电桩-蓄电池充电机记录本次充电的累积时长，充电的电能量W，并将本次充电数据保存在充电桩-蓄电池充电机内，同时充电桩-蓄电池充电机记录下历史最大充电电能量Wmax、历史最小充电电能量Wmin及平均充电电能量Wavg及各自对应的充电功率曲线。
用户拔枪充电后，通过三次指数平滑法进行本次的充电电能量的预测。充电量预测是基于每次充电的最终总充电数据进行，智能有序管理只是优化了充电量的充电时间分配，并未改变单次总充电量，不会对充电量预测造成影响。由于算法需要原始数据，因此新桩的前几次不进行智能规划充电，直接进行正常充电。
4 智能有序充电
用户插电充电时，充电桩-蓄电池充电机通过人机接口提示与用户交互，获取用户充电意图。如选有序充电，则充电桩-蓄电池充电机获取用户输入信息，进行充电量预测，通过通信网络与IOMU进行信息交互，IOMU结合基础负荷曲线，进行智能充电规划，并将计划充电时间反馈给对应充电桩-蓄电池充电机。如不选择有序充电，考虑安全按照历史最大充电量充电，同时计划充电时间就设置成当前时间。
充电桩-蓄电池充电机接收到IOMU的反馈信息后按计划时间进行充电。充电时的结束条件存在两种情况：①充电量到时，电池还未满电，正常结束；②预测充电量还有剩余时，电池接近满电，电池会自动停止接收电能。流程如图4所示。
图4 系统实现总流程图
IOMU中的智能有序充电规划分为安全性规划和经济性规划两个方面，安全性规划以判断充电时叠加负荷是否超过负荷告警线（过载点）为依据，经济性以满足安全性规划后以费率为判断基准的电费最少，具体流程如图5所示。
图5 智能有序规划流程图
安全性规划：IOMU将本次充电负荷叠加到实时负荷曲线上，检查是否存在负荷过载点。如果存在，说明本次充电存在安全问题，需要根据过载点时间点分割出叠加后不过载的时间段，然后分析这些时间段是否满足预估充电量的时间要求，满足的话选出全部时间段，不满足则只选取最大两个时间段。如不存在则选出全部可行充电时间段。
经济性规划：经济性规划以费率为判断依据，选择所有可行充电时段中经济性最佳的充电时间段，如果时间段惟一则将该时间段下发给对应充电桩-蓄电池充电机，同时叠加实时负荷，如果时间段不惟一，则按就近原则选取最靠近时间段，同样执行下发和叠加负荷，完成一次智能有序规划流程。
5 实验验证
本文搭建实际系统展开智能有序充电验证，系统包括1台具有智能有序管理功能的IOMU，10台交流充电桩-蓄电池充电机，11台载波通信节点单元。所用交流充电桩-蓄电池充电机充电功率为2kW，验证充电汽车为江淮iEV4电动汽车，汽车电池容量为22kWh，充电现场和充电桩-蓄电池充电机充电时人机接口如图6所示。
图6 充电现场和充电桩-蓄电池充电机人机接口
峰时电价：0.617元/度，6∶00～22∶00。谷时电价：0.307元/度，22∶00～次日6∶00。IOMU中初始预测负荷曲线模拟如图7所示。
图7 模拟预测负荷曲线
5.1 mesh网络拓扑
系统内充电桩-蓄电池充电机、IOMU、通信节点上电后，按上文流程组成通信网落，各子节点获得主节点分配的网内惟一标识ID，具体分配的网络内ID如下：
通信主节点：ID=0x00；通信子节点：ID=0x01，0x02，0x03，0x04，0x05，0x06，0x07，0x08，0x09，0x0A
图8所示为系统中10个子节点组网成功后的网络拓扑图。
图8 系统通信mesh网络拓扑
通信网络中采用了LOADng路由技术[19]，在原来的LOAD基础上增加了非对称路由路径选择，减少路由广播报文的发送等修改，保证了载波通信网络的稳定性和可靠性。由图8可看出，最大路由深度为2跳，其路由路径选择较均匀，为数据通信时提供可靠稳定的网络保障。
5.2 充电检验
组网成功后，IOMU即可实现对网络内的各充电桩-蓄电池充电机充电进行智能管理，实验采用3台电动汽车进行充电，充电人机输入和预测电量见表1。
表1 实验充电桩-蓄电池充电机输入
可以看到未有序管理的充电时间叠加在峰值时间段，经过有序管理的充电时间段分配在谷时时间段，经济性得到体现，如图9所示。同时调整充电汽车预估电量，增加电量后再验证电网安全性，未智能管理的充电负荷叠加出现负荷越限，智能有序充电的则有效设置充电时间段，避开负荷高峰，实现小区安全用电，如图10所示。
图9 普通充电与智能充电经济性
图10 普通充电与智能充电安全性
结论
利用小区配电变压器侧IOMU作为小区充电桩-蓄电池充电机充电管理核心单元，引入基础负荷预测，配合充电桩-蓄电池充电机充电量预测，在现有电力线上利用高速窄带载波技术实现通信组网，与小区内交流充电桩-蓄电池充电机进行实时信息交互，完成智能有序充电。系统实施将有效解决将来老旧小区充电桩-蓄电池充电机改造带来的原配电容量限制问题。
但是本文研究以配电网下小区为单位，系统只智能管理小区内的充电负荷，在小区配电变压器范围内实现安全经济充电，未考虑小区整体负荷对上游配电线路的影响，后续可将配电线路线损作为优化目标，加入到小区负荷预测中，在考虑充电负荷的经济性同时兼顾配电线路线损，为配电网将来消纳规模化的电动汽车接入提供一种适用技术方案。
- 上一篇：充电机充电非对称超级电容器的设计与机理是什么？ 2018/9/27
- 下一篇：蓄电池充电机-充电桩行业“生死战” ：轻资产转型 聚焦平台之 2018/9/22