Техническа архитектура на интелигентното зареждане на електрически превозни средства: динамично балансиране на натоварването и оптимизация на BESS

Цялостната техническа архитектура на интелигентното зареждане на електрически превозни средства: овладяване на динамичното балансиране на натоварването чрез усъвършенствани контролни контури, локално-облачна интеграция, оптимизация на множество енергийни системи с фотоволтаични системи и BESS и мащабно прогнозно управление на стабилността на мрежата

Глава 1: Въведение в интелигентното зареждане на електрически превозни средства и необходимостта от динамично балансиране на натоварването (DLB)

Глобалният преход към електрическа мобилност вече не е периферна тенденция, а централен стълб на декаборнизацията на транспортния сектор. Тъй като милиони превозни средства с двигатели с вътрешно горене (ДВГ) се заменят с електрически превозни средства (ЕПС), търсенето на електроенергия се измества от течни горива към електрическата мрежа. Тази промяна на парадигмата представлява монументално предизвикателство за електрическата инфраструктура, която в много случаи е била проектирана преди десетилетия. Прекъснатият и високоенергиен характер на зареждането на електромобили може да доведе до локализирано претоварване на мрежата, деградация на трансформаторите и в крайна сметка до катастрофални повреди, ако не се управлява прецизно.

Интелигентното зареждане на електрически превозни средства представлява технологичният мост между нарастващото търсене на мобилност и физическите ограничения на електропреносната мрежа. В основата си интелигентното зареждане е свързано с интелигентност – да се знае кога, с каква скорост и с какъв приоритет трябва да се зарежда едно електрическо превозно средство. Най-важният компонент в този интелигентен слой обаче е динамичното балансиране на натоварването (DLB).

Динамичното балансиране на натоварването (DLB) е процес на непрекъснато наблюдение на наличния електрически капацитет на даден обект и разпределяне на тази мощност между активните зарядни устройства за електрически превозни средства в реално време. Без DLB, сграда или зарядна станция биха били принудени да работят на статичен лимит, често продиктуван от „най-лошия сценарий“ на пиково натоварване. Това води до огромна неефективност: или обектът е недостатъчно оборудван, което води до бавно зареждане за потребителите, или обектът изисква изключително скъпи подобрения на инфраструктурата, за да се справи с теоретичните пикове, които се случват само за няколко часа седмично.

Необходимостта от DLB произтича от три основни фактора:

1. Опазване на инфраструктуратаПредотвратяване на изключването на главните прекъсвачи и защита на трансформаторите от прегряване.
2. Икономическа ефективностИзбягване на високи такси за търсене и непосилните разходи за модернизиране на сервизни табла или локални разпределителни мрежи.
3. Удовлетвореност на потребителитеМаксимизиране на скоростта на зареждане за всички потребители чрез интелигентно използване на всеки наличен киловатчас капацитет.

В това задълбочено техническо проучване ще анализираме механиката на DLB (разпределено зареждане с енергия) - от контролните контури на милисекундно ниво, които управляват силовата електроника, до облачната оркестрация на хиляди точки за зареждане. Ще разгледаме как DLB се развива, когато е интегрирана с възобновяеми енергийни източници като фотоволтаици (PV) и системи за съхранение на енергия от батерии (BESS), и как прогнозното моделиране позволява на мащабни зарядни центрове да предвиждат колебанията в мрежата, преди те да се случат. С насочването си към бъдеще, в което електрическото превозно средство не е просто потребител, а разпределен енергиен ресурс, разбирането на нюансите на DLB е от първостепенно значение както за инженерите, градските плановици, така и за доставчиците на енергия.

Глава 2: Основни принципи на динамичното балансиране на натоварването

За да се разбере как работи DLB, първо трябва да се разбере „статична“ алтернатива. В среда със статично балансиране на натоварването, на всяко зарядно устройство се разпределя фиксирано количество ток. Например, ако дадено съоръжение има ограничение от 100A и 5 зарядни устройства, всяко може да бъде ограничено до 20A. Ако се зарежда само един автомобил, той все още получава само 20A, губейки 80A от наличния капацитет. Обратно, ако всичките 5 автомобила се зареждат и някой включи високоенергийна ОВК система в сградата, общото натоварване може да надвиши 100A, което да доведе до прекъсване на електрозахранването.

DLB заменя това твърдо разпределение с гъвкава, адаптивна система. Основният принцип е обратна връзка между „Общия наличен капацитет“ и „Активното търсене на зареждане“.

Математическата фондация

Най-просто казано, DLB може да се изрази чрез следното уравнение:P_налични_за_електрически_превозни_средства(t) = P_общ_лимит – P_натоварвания_не_електрически_превозни_средства(t)

Къде:

• P_total_limitе физическата или договорната граница на обекта.
• P_non_EV_натоварвания(t)е консумацията в реално време на осветление, машини, асансьори и др., измерена от интелигентен измервателен уред.
• P_available_for_EVs(t)е оставащата мощност, която може безопасно да бъде разпределена между електрическите превозни средства.

Сложността възниква, когато системата трябва да реши как да разпределиP_available_for_EVs(t)средNзарядни устройства. Това разпределение се управлява от алгоритми, които вземат предвид:

• Състояние на зареждане (SoC)Кола с почти празна батерия може да получи по-висок приоритет.
• Време на тръгванеКола, престояла през нощта, може да се зарежда бавно, докато кола, нуждаеща се от бързо зареждане, получава тласък.
• Фазово балансиранеВ трифазни системи, DLB трябва да гарантира, че нито една фаза не е претоварена, задача, която изисква сложна логика на превключване или разпределение, съобразено с фазите.

Сензори и измервания

Точността на DLB (Device Low-Lock - линейно измерване на натоварването) зависи изцяло от качеството на получаваните данни. Това обикновено включва токови трансформатори (CT) или специални интелигентни измервателни уреди, инсталирани в точката на общо свързване (PCC). Тези устройства трябва да отчитат данни за натоварването с висока честота (често 1Hz или по-висока), за да позволят на DLB контролера да реагира на внезапни пикове в натоварването на сградата - например стартиране на промишлен двигател - в рамките на секунди, за да предотврати изключване на главния прекъсвач.

Йерархичната структура

DLB често работи в йерархия. На „локално“ ниво, контролер управлява клъстер от зарядни устройства. На ниво „обект“ той координира работата си със системата за управление на сградата. На ниво „мрежа“ може да реагира на сигнали за реакция на търсенето (DR) от електроснабдителната компания. Този многопластов подход гарантира, че се поддържа локалната безопасност, като същевременно се участва в по-широките енергийни пазари.

Глава 3: Проектиране на управляващ контур за DLB алгоритми: PID и моделно прогнозно управление (MPC)

Ефикасността на системата за динамично балансиране на натоварването (ДБН) в крайна сметка се измерва с нейната латентност и прецизност. Ако натоварването на сградата се увеличи пиково и на системата за динамично балансиране на натоварването (ДБН) ѝ отнеме 30 секунди, за да регулира тока на зареждане на електрическото превозно средство, главният прекъсвач вероятно ще се изключи, преди да се случи корекцията. Следователно, дизайнът на управляващия контур е „мозъкът“ на интелигентната зарядна станция. В тази глава ще се задълбочим в инженерните спецификации на тези механизми за управление, като се фокусираме върху пропорционално-интегрално-диференциалните (PID) контролери и по-усъвършенстваното моделно прогнозно управление (MPC).

Рамката за PID управление в DLB

PID контролерите са работните коне на индустриалната автоматизация и намират естествено приложение в DLB. Целта на PID контура е да поддържа общото натоварване на обекта ($P_{total}$) на или под зададена точка ($P_{limit}$) чрез регулиране на управляващата променлива, която е максималното ограничение на тока, изпращано към EVSE (Electric Vehicle Supply Equipment - Оборудване за захранване на електрически превозни средства).

• Пропорционален (P)P-членът осигурява незабавен отговор на грешката (разликата между $P_{limit}$ и $P_{total}$). Ако грешката е голяма (напр. масивен спад в натоварването на сградата), P-членът бързо увеличава разрешения ток на зареждане на електрическото превозно средство. P-членът обаче често води до „грешка в стационарно състояние“, при която системата никога не достига напълно лимита.
• Интеграл (I)I-членът отчита натрупването на минали грешки. Той бавно увеличава или намалява тока, за да елиминира грешката в стационарно състояние, като по този начин гарантира, че системата използва всеки наличен ампер с течение на времето.
• Производно (D)D-терминът предсказва бъдещи грешки, като разглежда скоростта на промяна. Това е от решаващо значение за предотвратяване на „превишаване“. Ако натоварването се увеличава бързо, D-терминът ще ограничи агресивно зарядните устройства за електрически превозни средства, преди реално да бъде достигнат лимитът.

В среда с двойно зареждане (DLB), PID контурът трябва да бъде внимателно настроен. Ако е твърде агресивен, EVSEs (електронните зарядни устройства) постоянно ще модулират тока си, което може да причини износване на бордовото зарядно устройство (OBC) на превозното средство и потенциално да раздразни софтуера на електрическото превозно средство, което води до грешки при зареждане. Ако е твърде бавен, той не изпълнява основната си функция за защита на мрежата.

Отвъд PID: Моделно прогнозно управление (MPC)

Докато PID е ефективен за прости сценарии, съвременните големи зарядни хъбове все по-често използват Моделно прогнозно управление (MPC). За разлика от PID, който е реактивен, MPC е проактивен. Той използва математически модел на системата, за да предскаже бъдещото ѝ поведение в рамките на специфичен „хоризонт на прогнозиране“.

В контекста на DLB, MPC контролерът взема предвид:

1. Системни ограниченияФизическите ограничения на зарядните устройства, капацитетът на трансформатора и максималната скорост на всмукване на превозното средство.
2. Бъдещи прогнозиПрогнозирано натоварване на сградата въз основа на исторически модели, прогнози за времето (влияещи върху натоварването на ОВК) и очаквани пристигания на превозни средства.
3. Целева функцияМатематическа цел, като например „Минимизиране на общите разходи за енергия, като същевременно се гарантира, че всички автомобили достигат 80% SoC до 8 сутринта“.

MPC алгоритъмът решава оптимизационен проблем на всяка времева стъпка (например на всеки 5 минути). Той изчислява поредица от оптимални контролни действия, но прилага само първото, след което преизчислява на следващата стъпка. Това позволява на DLB системата да „изглади“ профилите на зареждане. Например, ако системата знае, че предстои огромен пик на натоварване на сградата в 14:00 часа, тя може да зареди предварително електрическите превозни средства в 13:30 часа и след това да ги намали значително в 14:00 часа, вместо да реагира рязко, когато пикът се появи.

Латентност и комуникационни протоколи

Контролният контур е толкова бърз, колкото е бърза неговата комуникационна връзка. В много DLB конфигурации, контролерът комуникира със зарядните устройства чрез Modbus TCP, RTU или Open Charge Point Protocol (OCPP).

• ModbusПредлага много ниска латентност (милисекунди), което го прави идеален за локална, критична за безопасността DLB.
• OCPP 1.6/2.0.1: Индустриалният стандарт за комуникация между облака и зарядните устройства. Въпреки че е по-богат на функции (обработка на фактуриране, удостоверяване и актуализации на фърмуера), той въвежда значително забавяне (често 1-5 секунди) поради натоварването от JSON съобщения през WebSockets и преминаването през публичния интернет.

Инженерите трябва да изберат правилния протокол въз основа на критичността на балансирането на натоварването. За жилищен дом може да е достатъчен малко по-бавен облачен DLB. За промишлено предприятие, където прекъсване на прекъсвач струва хиляди долари за престой, локален Modbus-базиран контур е задължителен.

Глава 4: Локална срещу облачно-базирана DLB архитектура: Сравнителен анализ

При проектирането на интелигентна инфраструктура за зареждане, едно от най-фундаменталните архитектурни решения е къде се намира „интелигентността“. Трябва ли логиката за балансиране на натоварването да работи на локален хардуер (локална DLB) или да се управлява от отдалечен сървър (облачна DLB)? И двата подхода имат различни предимства и компромиси по отношение на надеждност, цена и мащабируемост.

Локален DLB: Подходът на периферните изчисления

Локалното DLB включва физически контролер – често PLC (програмируем логически контролер), специален шлюз или едно „главно“ зарядно устройство – което комуникира директно с други зарядни устройства в локалната мрежа (LAN).

Предимства:

1. Надеждност и офлайн възможностиСистемата не зависи от интернет връзка. Ако оптичната линия се прекъсне, зарядните устройства продължават да балансират натоварването локално, осигурявайки електрическата безопасност на сградата.
2. Ниска латентностКакто беше обсъдено в Глава 3, локалната комуникация (Modbus или локален OCPP) се осъществява със скорости под секунда. Това е от съществено значение за обекти с променливи товари, различни от електрически превозни средства, като фабрики или болници.
3. СигурностПоддържането на контролните сигнали в локалната мрежа намалява повърхността за атака от киберзаплахи, които биха могли да се опитат да манипулират стабилността на мрежата.

Недостатъци:

1. Цена на хардуерИзисква закупуване и инсталиране на допълнителен хардуер на място.
2. Сложност на поддръжкатаАктуализирането на DLB логиката може да изисква посещения на място или сложно дистанционно управление на крайни устройства.
3. Изолирани данниЛокалният контролер има ограничена видимост върху по-широките условия на мрежата или цените на енергията на комуналното предприятие, освен ако не е специално интегриран с облачен бекенд.

Облачно базирана DLB: Оркестрация в голям мащаб

В облачна архитектура, интелигентният измервателен уред и зарядните устройства докладват данните си на централизирана платформа за управление. Облакът изчислява оптималната мощност за всяко зарядно устройство и изпращаSmartCharging.SetChargingProfileкоманда обратно към EVSE.

Предимства:

1. МащабируемостБезкрайно по-лесно е да управлявате 1000 сайта от едно облачно табло, отколкото 1000 отделни локални контролера.
2. Глобална оптимизацияОблакът може да обобщава данни от множество обекти, за да участва във виртуални електроцентрали (VPP) или да реагира на регионално напрежение в мрежата.
3. Разширена интеграция с изкуствен интелектИзпълнението на сложни модели за машинно обучение за прогнозиране (които ще разгледаме в Глава 8) е много по-осъществимо на мощни облачни сървъри, отколкото на ограничен хардуер.
4. По-ниски първоначални разходиНяма нужда от специален локален контролер, ако зарядните устройства могат да комуникират директно с облака.

Недостатъци:

1. Зависимост от свързаностАко интернетът спре, системата обикновено се връща в „безопасно състояние“ (напр. минимален заряден ток за всички автомобили), което може да бъде силно неефективно и да доведе до оплаквания от клиентите.
2. Висока латентностВремето за двупосочно предаване между измервателния уред, облака и зарядното устройство може да бъде няколко секунди. Това затруднява реакцията на „моментни“ пикове на натоварване.
3. Проблеми с поверителносттаНепрекъснатото поточно предаване на енергийни данни към облака повдига въпроси, свързани със суверенитета на данните и поверителността им, за някои корпоративни клиенти.

Хибридният модел: Най-доброто от двата свята

Осъзнавайки тези компромиси, индустрията се насочва към хибриден модел. В тази конфигурация, локален шлюз обработва критичното за безопасността балансиране на натоварването на милисекундно ниво (като гарантира, че прекъсвачът никога не се изключва). Междувременно, облакът предоставя стратегията на високо ниво – задаване на „бюджети“ за локалния контролер въз основа на цените на енергията, графиците на потребителите и сигналите от мрежата. Този „гранично ориентиран, облачно-оркестриран“ подход осигурява надеждността, необходима за защита на инфраструктурата, като същевременно запазва гъвкавостта на управлението на облака.

Глава 5: Стратегии и приоритети за разпределение на мощността в реално време

Определянето как да се раздели наличната мощност между множество електрически превозни средства е най-сложното алгоритмично предизвикателство в динамичното балансиране на натоварването (DLB). Не става въпрос просто за разделяне на общия брой киловати на броя автомобили. Една усъвършенствана DLB система трябва да балансира справедливостта, ефективността и индивидуалните изисквания на потребителите. В тази глава ще разгледаме различните стратегии за разпределение на мощността, използвани в областта днес.

Първи дошъл, първи обслужен (FCFS)

Най-простата стратегия за разпределение е FCFS. Първото превозно средство, което се включи, получава максималната заявена мощност. Следващите превозни средства получават останалата мощност.

Плюсове:

• Лесно за изпълнение.
• Ясно и прозрачно за първите потребители.

Недостатъци:

• Крайно несправедливо. Петият потребител, който пристига, може да не получи никакво захранване, дори ако има спешно пътуване, докато първият потребител вече е на 90% заряд и лесно може да изчака.
• Води до „натрупване на енергия“, при което автомобилът заема слот с висока мощност в продължение на часове, докато зарежда последните си няколко процента с много бавна скорост.

Равнопоставено споделяне

В този модел наличната мощност се разпределя поравно между всички активни сесии. Ако са налични 100 kW и се зареждат 4 автомобила, всеки получава 25 kW. Ако се присъедини пети автомобил, мощността на всички намалява до 20 kW.

Плюсове:

• По своята същност „справедлив“ в основен смисъл.
• Максимизира броя на автомобилите, получаващи поне някакво зареждане.

Недостатъци:

• Неефективно за автомобили с малки батерии или такива, които са почти напълно заредени. На автомобил, който може да поеме само 7 kW, се „разпределят“ 20 kW, като се губят 13 kW, които биха могли да отидат за автомобил с мощност 50 kW.

Разпределение въз основа на приоритети (SoC и капацитет на батерията)

Съвременните DLB системи използват по-интелигентна, многопроменлива оптимизация. Те приоритизират автомобилите въз основа на тяхното състояние на заряд (SoC). Автомобил с 10% SoC има приоритет пред автомобил с 80%, защото автомобилът с 10% заряд се нуждае по-спешно от пробег и може да приеме много по-висока скорост на зареждане поради кривата на зареждане на литиево-йонните батерии (фаза на постоянен ток).

Освен това, системата взема предвидмаксимален процент на приеманена превозното средство. Чрез използването наМаксимален токдокладвана от превозното средство (чрез ШИМ при зареждане с променлив ток или цифрова комуникация при зареждане с постоянен ток), DLB контролерът гарантира, че никога не разпределя повече мощност, отколкото автомобилът реално може да използва, като по този начин преразпределя „излишъка“ към други превозни средства.

Потребителски дефинирани приоритети и „премиум“ таксуване

В търговски среди DLB може да бъде свързана със система за фактуриране. Потребителят може да плаща премия за „Fast Track“ зареждане, като гарантира, че винаги получава максималната възможна мощност, независимо от другите товари. Обратно, на автомобилите от автопарка може да се задават различни приоритети въз основа на планираните им часове на тръгване. Ван за доставка, тръгващ в 5 сутринта, получава приоритет в 3 сутринта пред ван, тръгващ в 9 сутринта.

Алгоритъм за пропорционална справедливост

Извлечен от телекомуникациите (LTE/5G планиране), този алгоритъм се опитва да увеличи максимално общата „полезност“ на системата. Той балансира непосредствената нужда от висока мощност (ефективност) с дългосрочната нужда да се гарантира, че нито един автомобил не остава незареден (справедливост). Той изчислява приоритетен рейтинг за всеки автомобил:Резултат = (Заявена мощност / Средна получена мощност досега)Автомобилите с най-високи резултати получават следващото разпределение на наличната мощност.

Глава 6: Стабилност на мрежата и механизми за предотвратяване на претоварване

Динамичното балансиране на натоварването (DLB) не е просто функция за удобство на потребителя; то е критична система за безопасност за стабилност на мрежата. С увеличаването на проникването на електрически превозни средства, разпределителната мрежа е изправена пред нови видове натоварвания, включително бързи колебания в търсенето и хармонични изкривявания. Тази глава разглежда механизмите, които DLB използва за защита на мрежата и предотвратяване на катастрофални претоварвания.

Логиката на защитата „Trip-Curve“

Електрическите прекъсвачи имат „крива на изключване“ – те могат да издържат на леко претоварване за няколко минути, но ще се изключат мигновено, ако възникне масивен пик. Надежден DLB контролер трябва да моделира тази крива на изключване. Той трябва да позволява много кратки пикове (напр. стартиране на асансьор), за да се избегне ненужно дроселиране на зарядните устройства за електрически превозни средства, но трябва да действа решително, ако претоварването продължава.

Усъвършенстваните контролери използват подход с „двоен праг“:

1. Праг на предупреждение (напр. 90% от лимита)Контролерът започва „плавно регулиране“ на зарядните устройства за електрически превозни средства, за да предотврати достигане на лимита.
2. Критичен праг (напр. 98% от лимита)Контролерът внедрява „аварийно спиране“ или агресивно намаляване на тока до минимално допустимия (обикновено 6A за зареждане с променлив ток), за да защити главния предпазител.

Управление на фазовия дисбаланс

В трифазните електрически системи (често срещани в Европа и индустриални обекти) е възможно претоварване на една фаза, дори ако общата трифазна мощност е в рамките на ограниченията. Това се случва, ако повечето електрически превозни средства на място са еднофазни зарядни устройства и те са свързани към една и съща фаза (напр. Фаза L1).

Фазово-ориентирана DLB система следи всяка фаза независимо. Ако фаза L1 достигне своя лимит, докато L2 и L3 са недостатъчно използвани, контролерът ще дроселира само автомобилите, свързани към L1. Някои усъвършенствани EVSE могат дори да превключват фазите динамично (Phase Switching), премествайки автомобил от претоварена фаза към отворена, без да прекъсва сесията на зареждане.

Хармонично изкривяване и качество на захранването

Зарядните устройства за електрически превозни средства са нелинейни товари, които използват силова електроника (токоизправители). Те могат да инжектират хармоници в мрежата, което може да причини прегряване в неутралните проводници и смущения в чувствително електронно оборудване. Докато DLB управлява основно „Реална мощност“ (kW), сложните системи следят също „Общо хармонично изкривяване“ (THD) и „Фактор на мощността“ (PF). Ако THD надвиши регулаторните ограничения (напр. IEEE 519), системата DLB може да намали скоростта на зареждане, за да смекчи въздействието върху качеството на захранването.

Регулиране на търсенето и честотата

На макро ниво, DLB системите могат да участват в програми за реагиране при търсене (DR). Когато честотата на мрежата спадне (което показва недостиг на доставки), електроснабдителната компания изпраща сигнал. DLB контролерът може да реагира за милисекунди, като едновременно с това разпределя натоварването на електромобила между стотици зарядни устройства. Това осигурява ефект на „виртуална батерия“, който е много по-бърз и по-рентабилен от зареждането на пикова газова централа. Този преход от „пасивен товар“ към „активен мрежов актив“ е бъдещето на интелигентното зареждане.

Ролята на резервните състояния

Критичен компонент за предотвратяване на претоварване е „безопасното състояние“ или „резервният ток“. В случай на прекъсване на комуникацията между контролера и измервателния уред (или облака), системата DLB трябва да се превключи по подразбиране към предварително дефиниран, безопасен лимит на тока. Обикновено това е зададено на много ниска стойност (напр. 6A на зарядно устройство) или нула, което гарантира, че дори при пълна системна повреда, инфраструктурата на сградата остава защитена.

Глава 7: Интегриране на мултиенергийни системи: DLB оптимизация с фотоволтаични системи и BESS

Интегрирането на възобновяеми енергийни източници, по-специално фотоволтаици (PV), и локално съхранение, като например системи за съхранение на енергия чрез батерии (BESS), добавя ново измерение на сложност към динамичното балансиране на натоварването (Dynamic Load Balancing). В традиционната DLB конфигурация целта е да се поддържат ограничения на мрежата. В многоенергийна система целта е да се организират тези различни активи, за да се увеличи максимално собственото потребление, да се минимизират разходите за мрежата и да се гарантира надеждност.

Уравнението за баланс на мощността от множество източници

В обект с фотоволтаични системи и BESS, мощността, налична за зареждане на електрически превозни средства, вече не е просто „Ограничението на мрежата минус натоварването на сградата“. Тя става:P_ev(t) = P_grid_limit – P_building(t) + P_pv(t) + P_bess_discharge(t) – P_bess_charge(t)

Това уравнение въвежда няколко нови управляващи променливи. Контролерът на DLB сега трябва да решава не само как да разпределя мощността към електрическите превозни средства, но и кога да зарежда или разрежда BESS.

Зареждане, оптимизирано за слънчева енергия (предотвратяване на ограничаване на фотоволтаичните системи)

Един от основните случаи на употреба на многоенергийната DLB е „Проследяване на слънчевата енергия“. Когато слънцето грее, фотоволтаичната система може да произведе повече енергия, отколкото сградата може да консумира. Ако мрежата не позволява инжектиране (нулев износ) или ако преференциалната тарифа е ниска, тази енергия се губи (ограничава). Интелигентната DLB система следи фотоволтаичната мощност и автоматично увеличава скоростта на зареждане на електромобилите, за да съответства на производството на слънчева енергия. Този режим на „зелено зареждане“ е много популярен в жилищни и корпоративни условия, тъй като позволява 100% мобилност с възобновяема енергия с нулево въздействие върху мрежата.

Бръснене с BESS

BESS действа като буфер. По време на периоди на пиково търсене – например когато едновременно работят множество мощни бързи зарядни устройства с постоянен ток – BESS може да се разрежда, за да допълни захранването от мрежата. Това позволява на обекта да поддържа повече зарядни устройства, отколкото обикновено позволява мрежовата му връзка. DLB контролерът управлява „състоянието на енергията“ (SoE) на BESS. Той трябва да гарантира, че батерията има достатъчен капацитет, за да се справи със следващия очакван пик, като същевременно планира презареждане по време на периоди на ниско търсене или високо производство на слънчева енергия.

Координирана оптимизация на множество активи

Най-модерните системи използват подход на „ко-оптимизация“. Вместо да третират фотоволтаичните системи, най-ниските енергийни разходи (BESS) и електрическите превозни средства като отделни обекти, те се управляват като единна микромрежа. Контролерът използва линейно програмиране или еволюционни алгоритми, за да реши проблема с енергийния баланс на всеки няколко секунди. Например, ако кола трябва да тръгне след 1 час и производството на фотоволтаични системи намалява поради облак, контролерът трябва да реши: Трябва ли да черпи повече от мрежата (скъпо), да разреди BESS (разходи за циклиране) или да намали мощността на колата (недоволство на потребителите)? Логиката на „икономичното разпределение“ (разгледана в Глава 9) предоставя рамката за тези решения.

Глава 8: Усъвършенствани модели за прогнозиране на мощността за големи зарядни станции

За мащабни зарядни центрове – като например бензиностанции на магистрали или градски автобусни депа – реактивната DLB е недостатъчна. За да се предотврати нестабилността на мрежата и да се оптимизират разходите за енергия, тези обекти трябва да използват прогнозни модели за предвиждане на търсенето. Тази глава разглежда техниките за наука за данни и моделиране, използвани за прогнозиране на мощността при интелигентно зареждане.

Прогнозиране на търсенето: Прогнозиране на пристигането на превозни средства

Първата стъпка в прогнозирането е да се предвиди кога и колко електрически превозни средства ще пристигнат. За търговски център това включва анализ на:

1. Исторически модели на пристиганеТенденции по време на деня, ден от седмицата и сезонни тенденции.
2. Външни данни: Пътни условия, време (което влияе върху пробега на електрическия автомобил и натоварването на отоплението/охлаждането) и местни събития.
3. Теория на опашкитеИзползване на стохастични модели като M/M/s опашки за оценка на вероятността всички зарядни устройства да са заети.

Разширените модели използват невронни мрежи с дълга краткосрочна памет (LSTM) или градиентно усилени дървета (XGBoost), за да предскажат „профила на съвкупното търсене“ за следващите 24 часа с висока точност.

Прогнозиране на натоварването на сградата

За да работи DLB, той трябва също да предвидитовар, различен от електрическо превозно средствоВ офис сграда това е силно предвидимо (достига пик по време на работно време). В индустриален обект може да бъде нестабилно. Моделите за прогнозиране на натоварванията на сградите обикновено използват:

• Авторегресивна интегрирана пълзяща средна (ARIMA)За стабилни, сезонни данни.
• Пророк (от Мета)Отличен за обработка на липсващи данни и отклонения във времеви серии от енергийни данни.
• Физически базирани моделиПрогнозиране на натоварването на ОВК системата, като се вземе предвид топлинната маса на сградата и прогнозираната външна температура.

Прогнозиране на производството на фотоволтаични панели

Прогнозирането на производството на слънчева енергия е жизненоважно за многоенергийните DLB (Deep Space Low Energy - система за изграждане на слънчева енергия). Това изисква интеграция с метеорологични API с висока резолюция (данни за слънчевата радиация) и локални сензори. Краткосрочното прогнозиране (0-15 минути) често използва камери „Sky Imaging“, които проследяват движението на облаците, за да предскажат внезапни спадове в производството на фотоволтаични панели, което позволява на системата DLB проактивно да регулира зарядните устройства или да подготвя BESS (системата за изграждане на слънчева енергия) за разреждане.

Интерфейсът за прогнозиране и контрол

Резултатът от тези прогнози се подава в цикъла за прогнозно управление на модела (MPC), описан в Глава 3. Прогнозата предоставя „Хоризонт на прогнозиране“, позволяващ на контролера да взема решения днес, които отчитат очакваните условия след два часа. Тази възможност за „предварително разглеждане“ е това, което отличава основното интелигентно зарядно устройство от интегрираната в мрежата система за управление на енергията.

Глава 9: Оптимизация на разходите и икономично разпределение при интелигентно зареждане

Докато основната цел на DLB е техническа (предотвратяване на претоварвания), второстепенната и все по-важна цел е икономическа. В тази глава ще обсъдим как DLB системите се оптимизират за най-ниска цена на енергия.

Арбитраж на времето на ползване (ToU)

Повечето комунални услуги вече предлагат динамично ценообразуване. Електричеството може да струва $0,30/kWh в 17:00 ч., но само $0,05/kWh в 2:00 ч. сутринта. Интелигентната система за зареждане с електроенергия (DLB) приема тези ценови сигнали като входни данни. „Планировчикът за оптимални разходи“ ще премести възможно най-много натоварване на електрически превозни средства към периодите с ниски цени. Той обаче трябва да балансира това с изискванията на потребителите. Ако потребителят се нуждае от колата си в 20:00 ч., системата не може да чака до 2:00 ч. сутринта, за да започне зареждането. Алгоритъмът изчислява „алтернативната цена“ от забавяне на всяка сесия.

Управление на таксата за търсене

За търговските клиенти сметката за комунални услуги често се разделя на две части: Консумация на енергия (kWh) и Пиково натоварване (kW). Таксата за пиково натоварване се базира на най-високия 15-минутен интервал от месеца. Един единствен неуправляван пик може да струва хиляди долари. Системата DLB действа като „Peak Clipper“. Чрез задаване на твърд лимит за общото натоварване на обекта и използване на BESS или дроселиране за поддържането му, системата гарантира, че таксата за пиково натоварване остава в рамките на бюджетирания диапазон.

Участие на пазарите за честотна характеристика

Мрежовите оператори (TSO/DSO) плащат за „гъвкавост“. Ако една зарядна мрежа може да докаже, че може да намали натоварването си при команда, тя може да участва в пазари като FFR (Firm Frequency Response - Фирмена честотна характеристика) или DSR (Demand Side Response - Отговор от страна на търсенето). DLB контролерът действа като интерфейс. Когато постъпи „Заявка за гъвкавост“, контролерът изчислява с колко може безопасно да намали натоварването, без да нарушава минималните изисквания за SoC на потребителите и прави оферта на пазара. Приходите, генерирани от тези услуги, могат значително да компенсират разходите за зарядна инфраструктура.

Целевата функция на икономическото разпределение

Математиката зад тази оптимизация обикновено е многоцелева функция:Минимизиране на: (Цена на енергията от мрежата) + (Цена за износване на батерията) + (Гаранция за закъсняло зареждане) При спазване на: (Капацитет на мрежата) и (Крайни срокове на потребителите)

Като решава това на всеки няколко минути, системата DLB гарантира, че станцията работи на „границата на ефективност“ – перфектният баланс между цена и производителност.

Глава 10: Бъдещи тенденции: V2G, DLB, задвижван от изкуствен интелект, и стандартизация (OCPP 2.0.1)

Полето на интелигентното зареждане на електрически превозни средства се развива с главоломна скорост. С развитието на технологиите, ние преминаваме отвъд простото управление на натоварването към пълна интеграция в мрежата и автономна оптимизация. Тази глава разглежда трите най-значими тенденции, оформящи бъдещето на динамичното балансиране на натоварването: „превозно средство-към-мрежа“ (V2G), изкуствен интелект и приемането на комуникационни стандарти от следващо поколение.

V2G (Vehicle-to-Grid) и двупосочна DLB (Device-Look-Broadcasting)

V2G е най-висшата еволюция на интелигентното зареждане. Вместо електрическото превозно средство да бъде просто товар, то се превръща в мобилна батерия, която може да инжектира енергия обратно в мрежата. За DLB това означава, че наличната мощност в уравнението може всъщност да бъде отрицателна. В обект с активиран V2G, DLB контролерът трябва да управлява „Двупосочно балансиране на натоварването“. Ако натоварването на сградата надвиши лимита на мрежата, контролерът може да командва електрическите превозни средства да разредят батериите си, за да поддържат сградата. Това изисква високотехнологично „Управление на цикъла“, за да се гарантира, че разреждането не влошава прекомерно батерията на превозното средство и че потребителят все още има достатъчен пробег за следващото си пътуване. V2G също така изисква хардуерни подобрения – по-специално двупосочни DC зарядни устройства или AC зарядни устройства, които поддържат стандарта ISO 15118-20.

Автономно балансиране на натоварването, управлявано от изкуствен интелект

Докато днешните DLB системи разчитат на предварително дефинирани алгоритми и правила, следващото поколение ще използва „самообучаващ се“ изкуствен интелект. Използвайки обучение с подсилване (RL), DLB контролерът може да научи оптималната стратегия за зареждане чрез опити и грешки в симулирана среда, преди да бъде внедрен. Контролер, управляван от изкуствен интелект, може да идентифицира фини модели, които човешкият инженер би могъл да пропусне – като например факта, че всеки вторник сутрин в 10:00 часа, определена индустриална машина работи в продължение на 15 минути, причинявайки пик на натоварването. Изкуственият интелект може да се научи проактивно да регулира зарядните устройства за електрически превозни средства през този конкретен прозорец, дори без сигнал в реално време от самата машина.

Въздействието на OCPP 2.0.1 и ISO 15118

Стандартизацията е основата на мащабируемостта. Индустрията бързо преминава от остарелия OCPP 1.6 към много по-стабилния OCPP 2.0.1.

• OCPP 2.0.1: Въвежда „Управление на устройства“, което позволява на облака да следи състоянието и конфигурацията на зарядните устройства с много по-големи подробности. По-важното за DLB е, че включва подобрени функции за интелигентно зареждане, които позволяват по-сложни профили на зареждане и по-добро управление на трифазни системи.
• ISO 15118 (Включи и зареди): Този стандарт за комуникация между превозно средство и зарядно устройство позволява на автомобила да споделя действителния си SoC и капацитет на батерията със зарядното устройство. Днес повечето AC зарядни устройства „предполагат“ SoC или разчитат на потребителя да го въведе в приложение. С ISO 15118, DLB контролерът получава данни „Ground Truth“ директно от системата за управление на батерията (BMS) на автомобила, което позволява много по-точно разпределение на мощността.

Глава 11: Казуси и предизвикателства при внедряването

Теоретичното съвършенство е нищо без практическото изпълнение. В тази глава разглеждаме реалните внедрявания на DLB и техническите препятствия, с които инженерите се сблъскват по време на внедряването.

Казус 1: Търговски офис комплекс

Голяма корпоративна централа в Лондон искаше да инсталира 50 зарядни устройства за електрически превозни средства, но беше ограничена от 200kW мрежова връзка, която вече беше използвана на 70% от ОВК и осветлението на сградата.РешениеВнедрена е хибридна DLB система. Инсталиран е локален контролер за наблюдение на главния трансформатор чрез клеми за токов трансформатор. Системата е конфигурирана с „меко ограничение“ от 180 kW и „твърдо ограничение“ от 195 kW.РезултатОбектът успешно управлява 50 зарядни устройства без нито едно изключване на прекъсвача. Чрез използване на приоритизиране, базирано на SoC, те гарантираха, че служителите с дълги пътувания до работа винаги са напълно заредени до края на деня.

Казус 2: Депо за електрически автобуси

Автобусен оператор в Шънджън трябваше да зареди 100 електрически автобуса за една нощ. Предизвикателството беше огромното едновременно натоварване, което се случваше, когато всички автобуси се връщаха в депото в 23:00 часа.РешениеЗа прогнозиране на заряда на всеки автобус при пристигане, въз основа на данните за маршрута му, е използван модел за прогнозиране, базиран на изкуствен интелект. След това системата DLB е планирала зареждането на „вълни“, като е гарантирала, че общото натоварване никога не надвишава капацитета на подстанцията на депото, като същевременно е гарантирала, че всеки автобус е зареден на 100% до 5 сутринта.

Често срещани предизвикателства при внедряването

1. Сложност на комуникацията и интеграцията:Всяко зарядно устройство трябва да говори езика на обекта – OCPP към централната система за управление, ISO 15118 към превозното средство и често Modbus или BACnet към системата за управление на енергията на сградата. Осигуряването на надеждна оперативна съвместимост на трите слоя, особено между зарядни устройства от различни доставчици, е един от най-често срещаните източници на „фантомни“ грешки, които всъщност са несъответствия в протоколите.
2. Такси за присъединяване към мрежата и търсене:Системата DLB решава техническия проблем с ограничения капацитет, но търговският проблем – таксите за търсене и таксите за взаимосвързване на комуналните услуги – остава. Обектите трябва да моделират дали техният профил на натоварване ще предизвика пикови натоварвания и дали BESS е по-рентабилна от по-голяма мрежова връзка.
3. Оценка на качеството на данните и SoC:Оптимизацията на DLB е толкова добра, колкото са добри и входните данни. Превозните средства отчитат състоянието на заряд по време на сесията на зареждане, но стойностите могат да бъдат неактуални, непоследователни или просто недостъпни при по-стари модели. Системите трябва да са устойчиви на липсващи данни и по подразбиране да използват консервативно планиране, когато телеметрията е ненадеждна.
4. Мащабируемост на контролния слой:Система, която елегантно управлява 50 зарядни устройства, може да се затрудни с 500. Контролерите на периферията, облачните табла за управление и поведението при отказ трябва да бъдат проектирани за мащабиране от първия ден, като логиката на управление трябва да бъде тествана спрямо реалистични най-лоши пикове на натоварване, а не само средни условия.

Преодоляване на тези предизвикателства

Нито едно от тези предизвикателства не е пречка; всяко е дисциплина в дизайна. Стандартизирането на OCPP 1.6J или 2.0.1 с един CMS доставчик елиминира повечето от триенето на протоколите. Моделирането на таксите за търсене в първоначалния бизнес сценарий – и добавянето на BESS, когато числата са в негова полза – защитава рентабилността. А изборът на DLB доставчик с доказани внедрявания на голям парк от устройства, вместо такъв само с лабораторни демонстрации, намалява риска за целия проект.

Тези предизвикателства имат и човешко измерение. Инженерите, които въвеждат в експлоатация DLB система, трябва да разбират както захранващите системи, така и софтуера – рядка комбинация. Операторите трябва да предвидят бюджет за структурирано обучение и документирани наръчници с инструкции, така че когато периферният контролер задейства аларма в 2 часа сутринта, дежурният техник да знае точно кои табла за управление да провери и кои процедури да следва. Доста опитните доставчици предоставят тези наръчници с инструкции като стандартни продукти, а липсата им е предупредителен знак при избора на доставчик.

Заключение

Динамичното балансиране на натоварването и оптимизацията на BESS трансформират зареждането на електрически превозни средства от пасив за мрежата в актив за мрежата. Те позволяват на обектите да утроят броя на зарядните си устройства, без да е необходимо да се надграждат трансформатори, защитават операторите от наказателни такси за търсене и отварят вратата към потоци от приходи – намаляване на пиковите натоварвания, енергиен арбитраж и дори мрежови услуги – до които една наивна инсталация никога не би имала достъп. Технологията е зряла; дисциплината се крие в интеграцията, качеството на данните и честното моделиране на капацитета.

Ключови изводи

• DLB отключва повече зарядни устройства на киловат мрежова връзка, често отлагайки или елиминирайки шестцифрени подобрения на трансформатори.
• BESS + таксуване превръща проблема с таксата за търсене в център на печалба от типа „такса за търсене“.
• Приоритизирането, базирано на SoC, и прогнозирането с изкуствен интелект поддържат критичните потребители (пътници до работа, автобуси) заредени, като същевременно изравняват кривата на натоварване на обекта.
• Оперативната съвместимост (OCPP, ISO 15118), качеството на данните и мащабът на доставчика са трите фактора, които определят успеха или провала в реалните внедрявания.

Свържете се с MIDA Power

Системите за зареждане на MIDA Power се доставят с интегрирано динамично балансиране на натоварването и опционална BESS интеграция, като всичко това се управлява чрез единна OCPP-съвместима платформа. От офис комплекси до автобусни депа, ние предоставяме инженерна поддръжка за моделиране на вашето натоварване, правилно оразмеряване на системата и пускането ѝ в експлоатация без изненади. Свържете се с нас за консултация за анализ на натоварването и оферта за проекта.