Техническая архитектура интеллектуальной зарядки электромобилей: динамическая балансировка нагрузки и оптимизация системы хранения энергии.

Комплексная техническая архитектура интеллектуальной зарядки электромобилей: освоение динамической балансировки нагрузки с помощью усовершенствованных контуров управления, интеграция локального и облачного решений, оптимизация энергопотребления с использованием фотоэлектрических систем и систем хранения энергии, а также крупномасштабное прогнозирующее управление стабильностью сети.

Глава 1: Введение в интеллектуальную зарядку электромобилей и необходимость динамической балансировки нагрузки (DLB)

Глобальный переход к электромобильности перестал быть второстепенной тенденцией и стал центральным элементом декаборнизации транспортного сектора. По мере того, как миллионы автомобилей с двигателями внутреннего сгорания заменяются электромобилями, спрос на электроэнергию смещается с жидкого топлива на электросеть. Этот парадигматический сдвиг представляет собой колоссальную проблему для электроэнергетической инфраструктуры, которая во многих случаях была спроектирована десятилетия назад. Прерывистый и высоковольтный характер зарядки электромобилей может привести к локальным перегрузкам сети, износу трансформаторов и, в конечном итоге, к катастрофическим отказам, если не будет обеспечено точное управление.

Интеллектуальная зарядка электромобилей представляет собой технологический мост между растущим спросом на мобильность и физическими ограничениями электросети. По своей сути, интеллектуальная зарядка — это интеллект, позволяющий определить, когда, с какой скоростью и с каким приоритетом следует заряжать электромобиль. Однако наиболее важным компонентом в этом интеллектуальном слое является динамическая балансировка нагрузки (DLB).

Динамическая балансировка нагрузки (DLB) — это процесс непрерывного мониторинга доступной электрической мощности объекта и распределения этой мощности между активными зарядными устройствами для электромобилей в режиме реального времени. Без DLB здание или зарядная станция были бы вынуждены работать на статическом пределе, часто определяемом «наихудшим сценарием» пиковой нагрузки. Это приводит к значительной неэффективности: либо объект недостаточно оснащен, что приводит к медленной зарядке для пользователей, либо для обработки теоретических пиков, которые возникают всего несколько часов в неделю, требуются чрезвычайно дорогостоящие модернизации инфраструктуры.

Необходимость в лечении деменции с тельцами Леви обусловлена ​​тремя основными причинами:

1. Сохранение инфраструктуры: Предотвращение срабатывания главных автоматических выключателей и защита трансформаторов от перегрева.
2. Экономическая эффективность: Избежание высоких платежей за пиковую нагрузку и непомерных затрат на модернизацию сервисных панелей или местных распределительных сетей.
3. Удовлетворенность пользователей: Максимальная скорость зарядки для всех пользователей за счет интеллектуального использования каждого доступного киловатт-часа мощности.

В этом подробном техническом исследовании мы разберем механику DLB, от контуров управления на уровне миллисекунд, управляющих силовой электроникой, до облачной координации тысяч зарядных станций. Мы рассмотрим, как DLB развивается при интеграции с возобновляемыми источниками энергии, такими как фотоэлектрические системы (PV) и системы хранения энергии на основе батарей (BESS), и как предиктивное моделирование позволяет крупномасштабным зарядным станциям прогнозировать колебания в сети до того, как они произойдут. По мере того, как мы движемся к будущему, где электромобиль является не просто потребителем, а распределенным источником энергии, понимание нюансов DLB имеет первостепенное значение для инженеров, градостроителей и поставщиков энергии.

Глава 2: Основные принципы динамической балансировки нагрузки

Чтобы понять, как работает DLB (Dependent Load Balancer), необходимо сначала разобраться в «статической» альтернативе. В статической среде балансировки нагрузки каждому зарядному устройству выделяется фиксированное количество тока. Например, если на объекте установлен лимит в 100 А и имеется 5 зарядных устройств, то каждое из них может быть ограничено 20 А. Если заряжается только один автомобиль, он все равно получит только 20 А, что приведет к потере 80 А доступной мощности. И наоборот, если заряжаются все 5 автомобилей и кто-то включает мощную систему кондиционирования воздуха в здании, общая нагрузка может превысить 100 А, что вызовет отключение электроэнергии.

DLB заменяет это жесткое распределение гибкой, адаптивной системой. Основной принцип заключается в обратной связи между «общей доступной мощностью» и «активным спросом на зарядку».

Математические основы

В самом простом виде деменцию с тельцами Леви можно выразить следующим уравнением:P_available_for_EVs(t) = P_total_limit – P_non_EV_loads(t)

Где:

• P_total_limitявляется физическим или договорным пределом территории.
• P_non_EV_loads(t)Это потребление электроэнергии в режиме реального времени, измеряемое интеллектуальным счетчиком: освещение, оборудование, лифты и т. д.
• P_available_for_EVs(t)Это оставшаяся мощность, которую можно безопасно распределить между электромобилями.

Сложность возникает, когда система должна решить, как распределять данные.P_available_for_EVs(t)средиNзарядных устройств. Это распределение регулируется алгоритмами, которые учитывают:

• Состояние заряда (SoC)Автомобиль с почти разряженным аккумулятором может получить более высокий приоритет.
• Время отправленияАвтомобиль, остающийся на ночь, можно заряжать медленно, а автомобиль, нуждающийся в быстрой подзарядке, получит дополнительный импульс.
• Фазовая балансировкаВ трехфазных системах DLB должен гарантировать, что ни одна фаза не будет перегружена, что требует сложной логики переключения или распределения электроэнергии с учетом фаз.

Датчики и измерения

Точность работы DLB полностью зависит от качества получаемых данных. Обычно это достигается с помощью трансформаторов тока (ТТ) или специализированных интеллектуальных счетчиков, установленных в точке общего подключения (PCC). Эти устройства должны передавать данные о нагрузке с высокой частотой (часто 1 Гц или выше), чтобы контроллер DLB мог реагировать на внезапные скачки нагрузки в здании — например, на запуск промышленного двигателя — в течение нескольких секунд и предотвратить срабатывание главного автоматического выключателя.

Иерархическая структура

DLB часто работает в иерархической структуре. На «локальном» уровне контроллер управляет группой зарядных устройств. На «уровне объекта» он координирует работу с системой управления зданием. На «уровне сети» он может реагировать на сигналы управления спросом (DR) от энергоснабжающей компании. Такой многоуровневый подход обеспечивает поддержание локальной безопасности, одновременно участвуя в более широких энергетических рынках.

Глава 3: Разработка контура управления для алгоритмов DLB: ПИД-регулятор и модель прогнозирующего управления (MPC)

Эффективность системы динамической балансировки нагрузки в конечном итоге измеряется ее задержкой и точностью. Если нагрузка на здание резко возрастает, и системе динамической балансировки нагрузки требуется 30 секунд для корректировки тока зарядки электромобиля, главный выключатель, скорее всего, сработает до того, как произойдет коррекция. Поэтому конструкция контура управления является «мозгом» интеллектуальной зарядной станции. В этой главе мы углубимся в технические характеристики этих механизмов управления, сосредоточившись на пропорционально-интегрально-дифференциальных (ПИД) регуляторах и более продвинутом методе прогнозирующего управления (MPC).

Структура ПИД-регулирования в DLB

ПИД-регуляторы — это основные инструменты промышленной автоматизации, и они находят естественное применение в системах DLB. Цель контура ПИД-регулирования — поддерживать общую нагрузку на объекте ($P_{total}$) на уровне или ниже заданного значения ($P_{limit}$) путем регулирования управляющей переменной, которой является максимальный предел тока, подаваемый на зарядные устройства для электромобилей (EVSE).

• Пропорциональный (P)P-член обеспечивает немедленную реакцию на ошибку (разницу между $P_{limit}$ и $P_{total}$). Если ошибка велика (например, резкое падение нагрузки в здании), P-член быстро увеличивает допустимый ток зарядки электромобиля. Однако управление только P-членом часто приводит к «ошибке в установившемся режиме», когда система никогда не достигает предела.
• Интеграл (I)I-член учитывает накопление прошлых ошибок. Он постепенно увеличивает или уменьшает ток, чтобы устранить ошибку в установившемся режиме, обеспечивая использование системой каждого доступного ампера с течением времени.
• Производная (D)D-терм прогнозирует будущие ошибки, анализируя скорость изменения. Это крайне важно для предотвращения «перерегулирования». Если нагрузка быстро возрастает, D-терм будет резко ограничивать работу зарядных устройств для электромобилей до достижения фактического предела.

В среде DLB (Daily Low Energy) контур ПИД-регулирования должен быть тщательно настроен. Если он слишком агрессивен, зарядные устройства для электромобилей будут постоянно модулировать ток, что может привести к износу бортового зарядного устройства (OBC) и потенциально вызвать сбои в работе программного обеспечения электромобиля, что приведет к ошибкам зарядки. Если же он слишком вялый, он не выполняет свою основную функцию — защиту сети.

За пределами ПИД-регулятора: модель прогнозирующего управления (MPC)

Хотя ПИД-регулятор эффективен для простых сценариев, в современных крупных зарядных станциях все чаще используется модель прогнозирующего управления (MPC). В отличие от ПИД-регулятора, который является реактивным, MPC является проактивным. Он использует математическую модель системы для прогнозирования ее будущего поведения на определенном «горизонте прогнозирования».

В контексте DLB контроллер MPC учитывает следующее:

1. Системные ограниченияФизические ограничения зарядных устройств, мощность трансформатора и максимальная скорость потребления электроэнергии транспортным средством.
2. Прогнозы на будущееПрогнозируемая нагрузка на здание, основанная на исторических данных, прогнозах погоды (влияющих на нагрузку систем отопления, вентиляции и кондиционирования) и ожидаемом количестве прибывающих транспортных средств.
3. Целевая функция: Математическая цель, например: «Минимизировать общие затраты энергии, обеспечив при этом достижение всеми автомобилями 80% уровня заряда батареи к 8 утра».

Алгоритм MPC решает задачу оптимизации на каждом временном шаге (например, каждые 5 минут). Он вычисляет последовательность оптимальных управляющих воздействий, но реализует только первое, а затем пересчитывает на следующем шаге. Это позволяет системе DLB «сглаживать» профили зарядки. Например, если система знает, что в 14:00 ожидается резкий скачок нагрузки в здании, она может предварительно зарядить электромобили в 13:30, а затем резко снизить их мощность в 14:00, вместо того чтобы резко реагировать на скачок нагрузки.

Протоколы задержки и связи

Скорость контура управления зависит только от скорости канала связи. Во многих системах DLB контроллер взаимодействует с зарядными устройствами через Modbus TCP, RTU или протокол Open Charge Point Protocol (OCPP).

• МодбусОбеспечивает очень низкую задержку (миллисекунды), что делает его идеальным для локальной, критически важной с точки зрения безопасности DLB.
• OCPP 1.6/2.0.1: Отраслевой стандарт для связи между облаком и зарядным устройством. Несмотря на более богатый функционал (обработка платежей, аутентификация и обновления прошивки), он вносит значительную задержку (часто 1-5 секунд) из-за накладных расходов на передачу сообщений JSON через WebSockets и прохождения через общедоступный интернет.

Инженеры должны выбрать правильный протокол в зависимости от критичности балансировки нагрузки. Для жилого дома может быть достаточно немного более медленного облачного балансировщика нагрузки. Для промышленного предприятия, где срабатывание автоматического выключателя обходится в тысячи долларов из-за простоя, обязательна локальная петля на основе Modbus.

Глава 4: Локальная и облачная архитектура DLB: сравнительный анализ.

При проектировании интеллектуальной зарядной инфраструктуры одним из важнейших архитектурных решений является размещение «интеллектуальных» элементов. Должна ли логика балансировки нагрузки выполняться на локальном оборудовании (локальная балансировка нагрузки) или управляться удаленным сервером (облачная балансировка нагрузки)? Оба подхода имеют свои преимущества и недостатки с точки зрения надежности, стоимости и масштабируемости.

Локальная DLB: подход на основе граничных вычислений

Локальная система DLB включает в себя физический контроллер — часто это ПЛК (программируемый логический контроллер), выделенный шлюз или одно «главное» зарядное устройство — которое напрямую взаимодействует с другими зарядными устройствами в локальной сети (LAN).

Преимущества:

1. Надежность и возможность работы в автономном режимеСистема не зависит от подключения к интернету. В случае обрыва оптоволоконного кабеля зарядные устройства продолжают локально балансировать нагрузку, обеспечивая электробезопасность здания.
2. Низкая задержкаКак обсуждалось в главе 3, локальная связь (Modbus или локальный OCPP) происходит со скоростью менее секунды. Это крайне важно для объектов с нестабильной нагрузкой, не связанной с электромобилями, таких как заводы или больницы.
3. БезопасностьСохранение управляющих сигналов в локальной сети уменьшает поверхность атаки для киберугроз, которые могут попытаться манипулировать стабильностью энергосистемы.

Недостатки:

1. Стоимость оборудованияТребуется приобретение и установка дополнительного оборудования на месте.
2. Сложность обслуживанияОбновление логики DLB может потребовать выезда специалиста на место или сложного удаленного управления периферийными устройствами.
3. Разрозненные данныеЛокальный контроллер имеет ограниченный доступ к информации о состоянии энергосистемы в целом или о ценах на электроэнергию, если он не интегрирован со специальной облачной инфраструктурой.

Облачная DLB: масштабируемая оркестровка

В облачной архитектуре интеллектуальный счетчик и зарядные устройства передают свои данные на центральную платформу управления. Облако рассчитывает оптимальную мощность для каждого зарядного устройства и отправляет соответствующие данные.SmartCharging.SetChargingProfileКоманда возвращается на зарядные устройства для электромобилей.

Преимущества:

1. МасштабируемостьУправлять 1000 сайтами с одной облачной панели управления несравненно проще, чем 1000 отдельными локальными контроллерами.
2. Глобальная оптимизацияОблачные технологии позволяют агрегировать данные с нескольких площадок для участия в виртуальных электростанциях (ВЭЭС) или реагирования на региональные перегрузки энергосистемы.
3. Расширенная интеграция ИИЗапуск сложных моделей машинного обучения для прогнозирования (которые мы рассмотрим в главе 8) гораздо проще осуществить на мощных облачных серверах, чем на ограниченном по ресурсам периферийном оборудовании.
4. Более низкая первоначальная стоимостьНет необходимости в отдельном локальном контроллере, если зарядные устройства могут напрямую взаимодействовать с облаком.

Недостатки:

1. Зависимость от связностиЕсли интернет отключается, система обычно возвращается в «безопасное состояние» (например, минимальный зарядный ток для всех автомобилей), что может быть крайне неэффективно и приводить к жалобам клиентов.
2. Высокая задержкаВремя передачи данных между счетчиком, облаком и зарядным устройством может составлять несколько секунд. Это затрудняет реагирование на «мгновенные» скачки нагрузки.
3. Вопросы конфиденциальностиНепрерывная передача данных об энергопотреблении в облако создает проблемы суверенитета данных и конфиденциальности для некоторых корпоративных клиентов.

Гибридная модель: лучшее из двух миров

Учитывая эти компромиссы, отрасль движется к гибридной модели. В этой конфигурации локальный шлюз обрабатывает критически важную балансировку нагрузки на уровне миллисекунд (гарантируя, что автоматический выключатель никогда не сработает). В то же время облако обеспечивает стратегию высокого уровня — устанавливая «бюджеты» для локального контроллера на основе цен на электроэнергию, расписаний пользователей и сигналов сети. Такой подход, ориентированный на периферию сети и управляемый облаком, обеспечивает надежность, необходимую для защиты инфраструктуры, сохраняя при этом гибкость облачного управления.

Глава 5: Стратегии и приоритеты распределения мощности в реальном времени

Определение оптимального распределения доступной мощности между несколькими электромобилями является наиболее сложной алгоритмической задачей в динамической балансировке нагрузки. Это не просто деление общей мощности в киловаттах на количество автомобилей. Сложная система динамической балансировки нагрузки должна обеспечивать баланс между справедливостью распределения, эффективностью и индивидуальными потребностями пользователей. В этой главе мы рассмотрим различные стратегии распределения мощности, используемые сегодня в этой области.

Обслуживание в порядке живой очереди (FCFS)

Простейшая стратегия распределения — это принцип «первым пришел — первым получил». Первый подключенный автомобиль получает максимально запрошенную мощность. Последующие автомобили получают то, что осталось.

Плюсы:

• Прост в реализации.
• Понятно и прозрачно для первых пользователей.

Минусы:

• Крайне несправедливо. Пятый прибывший пользователь может остаться без электричества, даже если у него срочная поездка, в то время как первый пользователь уже имеет 90% заряда и может спокойно подождать.
• Это приводит к «накопительству энергии», когда автомобиль занимает высоковольтный слот в течение нескольких часов, заряжая последние несколько процентов заряда с очень низкой скоростью.

Равное распределение

В этой модели доступная мощность распределяется поровну между всеми активными сессиями. Если доступно 100 кВт и заряжаются 4 автомобиля, каждый получает 25 кВт. Если подключается 5-й автомобиль, мощность для всех снижается до 20 кВт.

Плюсы:

• По своей сути, это «справедливо» в самом базовом смысле слова.
• Максимизирует количество автомобилей, получающих хотя бы частичную зарядку.

Минусы:

• Неэффективно для автомобилей с небольшими батареями или тех, которые близки к полному заряду. Автомобилю, способному принимать только 7 кВт, «выделяется» 20 кВт, впустую расходуется 13 кВт, которые могли бы быть направлены на автомобиль, способный принимать 50 кВт.

Распределение ресурсов на основе приоритетов (уровень заряда батареи и емкость аккумулятора)

Современные системы DLB используют более интеллектуальную многопараметрическую оптимизацию. Они отдают приоритет автомобилям в зависимости от уровня заряда батареи (SoC). Автомобиль с 10% заряда имеет приоритет над автомобилем с 80%, потому что автомобилю с 10% заряда требуется больше запаса хода, и он также может использовать гораздо более высокую скорость зарядки благодаря кривой зарядки литий-ионных аккумуляторов (фаза постоянного тока).

Кроме того, система учитываетмаксимальная доля принятиятранспортное средство. ИспользуяМаксТекущийБлагодаря передаче данных от автомобиля (через ШИМ при зарядке переменным током или цифровую связь при зарядке постоянным током), контроллер DLB гарантирует, что никогда не будет выделять больше энергии, чем автомобиль может фактически использовать, тем самым перераспределяя «избыток» между другими транспортными средствами.

Пользовательские приоритеты и «премиальная» зарядка

В коммерческих условиях DLB может быть интегрирована с системой выставления счетов. Пользователь может платить дополнительную плату за «быструю» зарядку, гарантируя, что он всегда будет получать максимально возможную мощность независимо от других нагрузок. И наоборот, транспортным средствам автопарка могут быть назначены разные приоритеты в зависимости от времени их отправления. Например, фургон, отправляющийся в 5 утра, получает приоритет в 3 утра по сравнению с фургоном, отправляющимся в 9 утра.

Алгоритм пропорциональной справедливости

Этот алгоритм, заимствованный из телекоммуникаций (планирование LTE/5G), стремится максимизировать общую «полезность» системы. Он уравновешивает непосредственную потребность в высокой мощности (эффективность) с долгосрочной необходимостью обеспечить, чтобы ни один автомобиль не остался без подзарядки (справедливость). Он вычисляет приоритетный балл для каждого автомобиля:Оценка = (Запрошенная мощность / Средняя полученная мощность на данный момент)Автомобили с наивысшими баллами получают следующую порцию доступной мощности.

Глава 6: Механизмы обеспечения стабильности сети и предотвращения перегрузок

Динамическая балансировка нагрузки — это не просто функция для удобства пользователя; это критически важная система безопасности для обеспечения стабильности сети. По мере роста доли электромобилей распределительная сеть сталкивается с новыми видами нагрузок, включая резкие колебания спроса и гармонические искажения. В этой главе рассматриваются механизмы, используемые динамической балансировкой нагрузки для защиты сети и предотвращения катастрофических перегрузок.

Логика защиты по «кривой срабатывания»

Электрические автоматические выключатели имеют «кривую срабатывания» — они могут выдерживать небольшую перегрузку в течение нескольких минут, но мгновенно сработают при сильном скачке напряжения. Надежный контроллер DLB должен моделировать эту кривую срабатывания. Он должен учитывать очень кратковременные скачки напряжения (например, запуск лифта), чтобы избежать ненужного снижения мощности зарядных устройств для электромобилей, но должен действовать решительно, если перегрузка продолжается.

В современных контроллерах используется подход с «двойным порогом»:

1. Порог предупреждения (например, 90% от лимита)Контроллер начинает «плавное регулирование» работы зарядных устройств для электромобилей, чтобы предотвратить достижение предела.
2. Критический порог (например, 98% от предела)Контроллер реализует «аварийную остановку» или резкое снижение минимально допустимого тока (обычно 6 А для зарядки переменным током) для защиты главного предохранителя.

Управление фазовым дисбалансом

В трехфазных электрических системах (распространенных в Европе и на промышленных объектах) возможна перегрузка одной фазы, даже если общая мощность трехфазной сети находится в допустимых пределах. Это происходит, если большинство электромобилей на объекте используют однофазные зарядные устройства и подключены к одной и той же фазе (например, к фазе L1).

Система DLB с учетом фаз контролирует каждую фазу независимо. Если фаза L1 достигает своего предела, а фазы L2 и L3 недоиспользуются, контроллер будет ограничивать скорость зарядки только для автомобилей, подключенных к L1. Некоторые передовые зарядные устройства для электромобилей даже могут динамически переключать фазы (переключение фаз), перемещая автомобиль из перегруженной фазы в свободную без прерывания сеанса зарядки.

Гармонические искажения и качество электроэнергии

Зарядные устройства для электромобилей представляют собой нелинейные нагрузки, использующие силовую электронику (выпрямители). Они могут вносить гармоники в сеть, что может вызывать перегрев нейтральных проводников и помехи для чувствительного электронного оборудования. Хотя система DLB в основном управляет «активной мощностью» (кВт), сложные системы также контролируют «общее гармоническое искажение» (THD) и «коэффициент мощности» (PF). Если THD превышает нормативные пределы (например, IEEE 519), система DLB может снизить скорость зарядки, чтобы уменьшить влияние на качество электроэнергии.

Регулирование спроса и регулирование частоты

На макроуровне системы DLB могут участвовать в программах управления спросом (Demand Response, DR). Когда частота сети падает (что указывает на дефицит электроэнергии), энергокомпания посылает сигнал. Контроллер DLB может реагировать за миллисекунды, одновременно снижая нагрузку на электромобили на сотнях зарядных устройств. Это создает эффект «виртуальной батареи», который намного быстрее и экономичнее, чем запуск пиковой газовой электростанции. Этот переход от «пассивной нагрузки» к «активному активу сети» — это будущее интеллектуальной зарядки.

Роль резервных штатов

Критически важным компонентом предотвращения перегрузок является «безопасное состояние» или «резервный ток». В случае сбоя связи между контроллером и счетчиком (или облаком) система DLB должна по умолчанию установить заданный безопасный предел тока. Обычно он устанавливается на очень низкое значение (например, 6 А на зарядное устройство) или на ноль, что гарантирует защиту инфраструктуры здания даже при полном отказе системы.

Глава 7: Интеграция многоэнергетических систем: оптимизация DLB с фотоэлектрическими системами и системами хранения энергии.

Интеграция возобновляемых источников энергии, в частности фотоэлектрических систем (ФЭ), и локальных накопителей энергии, таких как системы хранения энергии на основе батарей (BESS), добавляет новый уровень сложности в динамическую балансировку нагрузки. В традиционной конфигурации динамической балансировки нагрузки цель состоит в том, чтобы оставаться в пределах ограничений сети. В многоэнергетической системе цель состоит в том, чтобы координировать работу этих различных активов для максимизации собственного потребления, минимизации затрат на сеть и обеспечения надежности.

Уравнение баланса мощности с несколькими источниками

На площадке с солнечными батареями и системами хранения энергии доступная для зарядки электромобилей мощность больше не определяется просто как «предельная мощность сети за вычетом нагрузки здания». Она становится следующей:P_ev(t) = P_grid_limit – P_building(t) + P_pv(t) + P_bess_discharge(t) – P_bess_charge(t)

Это уравнение вводит несколько новых управляющих переменных. Теперь контроллер DLB должен решать не только как распределять энергию между электромобилями, но и когда заряжать или разряжать систему хранения энергии.

Зарядка, оптимизированная под использование солнечной энергии (предотвращение ограничения выработки электроэнергии фотоэлектрическими системами)

Одно из основных применений многоэнергетических систем DLB — это «слежение за солнцем». Когда светит солнце, фотоэлектрическая система может производить больше энергии, чем здание может потреблять. Если сеть не позволяет подавать энергию (нулевой экспорт) или если тариф на подачу энергии низкий, эта энергия теряется (ограничивается). Интеллектуальная система DLB отслеживает выработку энергии фотоэлектрическими системами и автоматически увеличивает скорость зарядки электромобиля в соответствии с выработкой солнечной энергии. Этот режим «зеленой зарядки» очень популярен в жилых и корпоративных зданиях, поскольку он позволяет использовать 100% возобновляемую энергию без воздействия на сеть.

Идеальное бритье с BESS

Система хранения энергии (BESS) выступает в качестве буфера. В периоды пиковой нагрузки — например, когда одновременно работают несколько мощных быстрых зарядных устройств постоянного тока — BESS может разряжаться, чтобы пополнить запасы энергии в сети. Это позволяет объекту поддерживать больше зарядных устройств, чем обычно позволяет его подключение к сети. Контроллер DLB управляет «состоянием энергии» (SoE) BESS. Он должен обеспечивать достаточную емкость батареи для обработки следующего ожидаемого пика, а также планировать подзарядку в периоды низкой нагрузки или высокой выработки солнечной энергии.

Скоординированная оптимизация нескольких активов

В самых передовых системах используется подход «совместной оптимизации». Вместо того чтобы рассматривать фотоэлектрические системы, системы хранения энергии и электромобили как отдельные сущности, они управляются как единая микросеть. Контроллер использует линейное программирование или эволюционные алгоритмы для решения задачи энергетического баланса каждые несколько секунд. Например, если автомобилю нужно уехать через 1 час, а выработка электроэнергии фотоэлектрическими системами падает из-за облачности, контроллер должен решить: следует ли ему потреблять больше энергии из сети (дорого), разряжать систему хранения энергии (стоимость цикла) или ограничивать выработку электроэнергии автомобилем (неудовлетворенность пользователя)? Логика «экономического диспетчеризации» (рассмотренная в главе 9) обеспечивает основу для принятия этих решений.

Глава 8: Усовершенствованные модели прогнозирования энергопотребления для крупномасштабных зарядных станций

Для крупных зарядных станций, таких как придорожные сервисные станции или городские автобусные депо, реактивной мощности DLB недостаточно. Для предотвращения нестабильности сети и оптимизации затрат на электроэнергию на таких объектах необходимо использовать прогностические модели для прогнозирования спроса. В этой главе рассматриваются методы анализа данных и моделирования, используемые для прогнозирования мощности в интеллектуальных зарядных системах.

Прогнозирование спроса: предсказание прибытия транспортных средств.

Первый шаг в прогнозировании — это предсказание того, когда и сколько электромобилей прибудет. Для коммерческого транспортного узла это включает в себя анализ:

1. Исторические модели прибытияТенденции, связанные со временем суток, днем ​​недели и сезоном.
2. Внешние данные: дорожная обстановка, погода (которая влияет на запас хода электромобиля и нагрузку на системы отопления/кондиционирования) и местные мероприятия.
3. Теория очередейИспользование стохастических моделей, таких как очереди M/M/s, для оценки вероятности того, что все зарядные устройства будут заняты.

В современных моделях для прогнозирования «совокупного профиля спроса» на следующие 24 часа с высокой точностью используются нейронные сети с долговременной кратковременной памятью (LSTM) или градиентные бустинговые деревья (XGBoost).

Прогнозирование нагрузки на здание

Для корректной работы DLB необходимо также предсказыватьнеэлектромобильная нагрузкаВ офисном здании это вполне предсказуемо (пики наблюдаются в рабочее время). На промышленном объекте ситуация может быть нестабильной. В моделях прогнозирования нагрузок на здание обычно используются следующие методы:

• Авторегрессионная интегрированная скользящая средняя (ARIMA): Для стабильных сезонных данных.
• Пророк (от Meta)Отлично подходит для обработки пропущенных данных и выбросов во временных рядах энергетических данных.
• Физические модели: Прогнозирование нагрузки на систему отопления, вентиляции и кондиционирования воздуха с учетом тепловой инерции здания и прогнозируемой температуры наружного воздуха.

Прогнозирование выработки солнечной энергии

Прогнозирование выработки солнечной энергии имеет решающее значение для многоэнергетических систем DLB. Это требует интеграции с высокоточными метеорологическими API (данными об солнечной радиации) и датчиками на месте. Краткосрочное прогнозирование (0-15 минут) часто использует камеры «Sky Imaging», которые отслеживают движение облаков для прогнозирования внезапных падений выработки фотоэлектрической энергии, что позволяет системе DLB заблаговременно регулировать работу зарядных устройств или подготавливать систему хранения энергии к разрядке.

Интерфейс прогнозирования и управления

Результаты этих прогнозов поступают в контур управления на основе модели прогнозирования (MPC), описанный в главе 3. Прогноз формирует «Горизонт прогнозирования», позволяя контроллеру принимать решения сегодня, учитывая ожидаемые условия через два часа. Именно эта возможность «прогнозирования» отличает базовое интеллектуальное зарядное устройство от интегрированной в сеть системы управления энергопотреблением.

Глава 9: Оптимизация затрат и экономическое распределение нагрузки в системах интеллектуальной зарядки

Хотя основная цель DLB — техническая (предотвращение перегрузок), второстепенная и все более важная цель — экономическая. В этой главе мы обсудим, как системы DLB оптимизируются для достижения наименьшей стоимости энергии.

Арбитраж по времени использования (Time-of-Use Arbitrage)

Большинство энергоснабжающих компаний сейчас предлагают динамическое ценообразование. Электроэнергия может стоить 0,30 доллара за кВт⋅ч в 17:00, но всего 0,05 доллара за кВт⋅ч в 2:00. Интеллектуальная система динамического ценообразования (DLB) принимает эти ценовые сигналы в качестве входных данных. «Оптимальный по стоимости планировщик» будет перенаправлять как можно больше нагрузки электромобиля на периоды низких цен. Однако он должен учитывать при этом потребности пользователей. Если пользователю нужен автомобиль в 20:00, система не может ждать до 2:00, чтобы начать зарядку. Алгоритм рассчитывает «альтернативные издержки» задержки каждой сессии.

Управление платой за пиковую нагрузку

Для коммерческих потребителей счет за коммунальные услуги часто делится на две части: потребление энергии (кВт·ч) и пиковая нагрузка (кВт). Плата за пиковую нагрузку рассчитывается на основе самого высокого 15-минутного интервала в течение месяца. Один неконтролируемый пик может обойтись в тысячи долларов. Система DLB действует как «контроллер пиковой нагрузки». Устанавливая жесткий лимит на общую нагрузку объекта и используя систему хранения энергии (BESS) или регулирование для его поддержания, система гарантирует, что плата за пиковую нагрузку останется в пределах запланированного диапазона.

Участие в рынках частотной характеристики

Операторы энергосистем (TSO/DSO) платят за «гибкость». Если зарядная сеть может доказать, что способна снизить нагрузку по запросу, она может участвовать в таких рынках, как FFR (Firm Frequency Response) или DSR (Demand Side Response). Контроллер DLB выступает в качестве интерфейса. Когда поступает «запрос на гибкость», контроллер рассчитывает, насколько безопасно можно снизить нагрузку, не нарушая минимальные требования пользователей к уровню заряда батареи (SoC), и размещает заявку на рынке. Доход, полученный от этих услуг, может значительно компенсировать стоимость зарядной инфраструктуры.

Объективная функция экономического диспетчерского управления

Математическая основа этой оптимизации обычно представляет собой многоцелевую функцию:Минимизировать: (Стоимость электроэнергии из сети) + (Стоимость износа батареи) + (Штраф за несвоевременную зарядку) При условии соблюдения следующих условий: (мощность сети) и (сроки подключения для пользователей)

Решая эту задачу каждые несколько минут, система DLB обеспечивает работу станции на «пределе эффективности» — идеальном балансе между стоимостью и производительностью.

Глава 10: Будущие тенденции: V2G, DLB на основе ИИ и стандартизация (OCPP 2.0.1)

Область интеллектуальной зарядки электромобилей развивается с головокружительной скоростью. По мере совершенствования технологий мы переходим от простого управления нагрузкой к полной интеграции в энергосеть и автономной оптимизации. В этой главе рассматриваются три наиболее значимых тренда, определяющих будущее динамической балансировки нагрузки: связь «автомобиль-сеть» (V2G), искусственный интеллект и внедрение стандартов связи следующего поколения.

Технология Vehicle-to-Grid (V2G) и двунаправленная DLB

V2G — это высшая ступень эволюции интеллектуальной зарядки. Вместо того чтобы быть просто нагрузкой, электромобиль становится мобильным аккумулятором, способным возвращать энергию в сеть. Для DLB это означает, что доступная мощность в уравнении может быть даже отрицательной. На объекте с поддержкой V2G контроллер DLB должен управлять «двунаправленной балансировкой нагрузки». Если нагрузка здания превышает лимит сети, контроллер может дать команду электромобилям разрядить свои батареи для обеспечения работы здания. Это требует высокотехнологичного «управления циклами», чтобы гарантировать, что разрядка не приведет к чрезмерному износу батареи автомобиля и что у пользователя останется достаточно запаса хода для следующей поездки. V2G также требует модернизации оборудования — в частности, двунаправленных зарядных устройств постоянного тока или зарядных устройств переменного тока, поддерживающих стандарт ISO 15118-20.

Автономная балансировка нагрузки на основе ИИ

В то время как современные системы DLB полагаются на заранее определенные алгоритмы и правила, следующее поколение будет использовать «самообучающийся» ИИ. Используя обучение с подкреплением (RL), контроллер DLB может методом проб и ошибок в смоделированной среде изучить оптимальную стратегию зарядки, прежде чем его внедрят. Контроллер, управляемый ИИ, может выявлять тонкие закономерности, которые инженер-человек мог бы пропустить, — например, тот факт, что каждое вторник утром в 10:00 определенная промышленная машина работает 15 минут, вызывая скачок нагрузки. ИИ может научиться заблаговременно регулировать работу зарядных устройств для электромобилей в течение этого конкретного временного интервала, даже без сигнала в реальном времени от самой машины.

Влияние OCPP 2.0.1 и ISO 15118

Стандартизация — это основа масштабируемости. Отрасль быстро переходит от устаревшего стандарта OCPP 1.6 к гораздо более надежному OCPP 2.0.1.

• OCPP 2.0.1Вводит функцию «Управление устройствами», позволяющую облаку отслеживать состояние и конфигурацию зарядных устройств с гораздо большей детализацией. Что еще более важно для DLB, она включает в себя расширенные функции интеллектуальной зарядки, которые позволяют создавать более сложные профили зарядки и лучше обрабатывать трехфазные системы.
• ISO 15118 (Подключение и зарядка)Этот стандарт связи между автомобилем и зарядным устройством позволяет автомобилю делиться с зарядным устройством информацией о фактическом уровне заряда батареи и её емкости. Сегодня большинство зарядных устройств переменного тока «угадывают» уровень заряда или полагаются на ввод данных пользователем в приложение. В стандарте ISO 15118 контроллер DLB получает «истинные» данные непосредственно от системы управления батареей (BMS) автомобиля, что позволяет значительно точнее распределять мощность.

Глава 11: Примеры из практики и проблемы внедрения

Теоретические достижения ничего не значат без практического применения. В этой главе мы рассмотрим реальные примеры внедрения DLB и технические трудности, с которыми столкнулись инженеры в процессе реализации.

Пример из практики 1: Коммерческий офисный комплекс

Крупная корпоративная штаб-квартира в Лондоне хотела установить 50 зарядных устройств для электромобилей, но была ограничена мощностью подключения к сети в 200 кВт, которая уже была занята на 70% системами отопления, вентиляции и кондиционирования воздуха, а также освещением здания.РешениеБыла внедрена гибридная система DLB. Для мониторинга главного трансформатора через клеммы трансформатора тока был установлен локальный контроллер. Система была сконфигурирована с «мягким ограничением» в 180 кВт и «жестким ограничением» в 195 кВт.РезультатНа объекте успешно работало 50 зарядных устройств без единого срабатывания автоматического выключателя. Благодаря использованию приоритезации на основе SoC, они обеспечили полную зарядку устройств для сотрудников, которые тратят много времени на дорогу до работы, к концу дня.

Пример из практики 2: Депо электробусов

Автобусному оператору в Шэньчжэне потребовалось зарядить 100 электробусов за ночь. Сложность заключалась в огромной одновременной нагрузке, возникшей, когда все автобусы вернулись в депо в 23:00.РешениеДля прогнозирования уровня заряда каждого автобуса по прибытии использовалась модель прогнозирования на основе искусственного интеллекта, учитывающая данные о маршруте. Затем система DLB планировала зарядку «волнами», гарантируя, что общая нагрузка никогда не превышала мощность подстанции депо, и обеспечивая 100% заряд каждого автобуса к 5 утра.

Общие проблемы внедрения

1. Сложность коммуникации и интеграции:Каждое зарядное устройство должно «говорить» на языке объекта — OCPP с центральной системой управления, ISO 15118 с транспортным средством и часто Modbus или BACnet с системой управления энергопотреблением здания. Обеспечение надежного взаимодействия всех трех уровней, особенно между зарядными устройствами от разных производителей, является одним из наиболее распространенных источников «фантомных» сбоев, которые на самом деле являются несоответствием протоколов.
2. Плата за подключение к электросети и плата за потребление электроэнергии:Система DLB решает техническую проблему ограниченной пропускной способности, но коммерческая проблема — плата за потребление и плата за подключение к сети — остается. Необходимо смоделировать, вызовет ли их профиль нагрузки чрезмерные пики спроса и будет ли система хранения энергии более экономически выгодной, чем подключение к более крупной сети.
3. Качество данных и оценка содержания углерода в организме:Эффективность оптимизации DLB зависит от качества входных данных. Автомобили сообщают о состоянии заряда в течение сеанса зарядки, но значения могут быть устаревшими, непоследовательными или просто недоступными на старых моделях. Системы должны быть устойчивы к отсутствию данных и по умолчанию использовать консервативный график зарядки, когда телеметрия ненадежна.
4. Масштабируемость уровня управления:Система, которая элегантно управляет 50 зарядными устройствами, может испытывать трудности с 500. Контроллеры на периферии сети, облачные панели мониторинга и механизмы переключения при сбоях должны быть спроектированы с учетом масштабируемости с самого начала, а логика управления должна быть протестирована на реальных пиковых нагрузках в худшем случае, а не только в средних условиях.

Преодоление этих трудностей

Ни одна из этих проблем не является препятствием; каждая из них – это вопрос проектирования. Стандартизация на основе OCPP 1.6J или 2.0.1 с одним поставщиком CMS устраняет большинство проблем, связанных с протоколом. Моделирование платы за потребление в первоначальном обосновании проекта – и добавление BESS, когда это оправдано с точки зрения цифр – обеспечивает прибыльность. А выбор поставщика DLB с проверенными развертываниями в больших парках, а не только с лабораторными демонстрациями, снижает риски всего проекта.

В этих проблемах также присутствует человеческий фактор. Инженеры, вводящие в эксплуатацию систему DLB, должны разбираться как в системах электропитания, так и в программном обеспечении — редкое сочетание. Операторам следует заложить в бюджет средства на структурированное обучение и документированные руководства по эксплуатации, чтобы, когда контроллер на границе сети срабатывает в 2 часа ночи, дежурный техник точно знал, какие панели мониторинга нужно проверить и какие процедуры выполнить. Опытные поставщики предоставляют такие руководства в качестве стандартных услуг, и их отсутствие является тревожным сигналом при выборе поставщика.

Заключение

Динамическая балансировка нагрузки и оптимизация систем хранения энергии превращают зарядку электромобилей из обузы для сети в ценный актив. Они позволяют утроить количество зарядных устройств на станциях без модернизации трансформаторов, защищают операторов от непомерных платежей за пиковую нагрузку и открывают доступ к таким источникам дохода, как сглаживание пиковых нагрузок, энергетический арбитраж и даже услуги для сети, которые недоступны при использовании простых систем. Технология зрелая; сложность заключается в интеграции, качестве данных и корректном моделировании мощности.

Основные выводы

• DLB позволяет увеличить количество зарядных устройств на каждый киловатт подключенной к сети мощности, что часто откладывает или исключает необходимость модернизации трансформаторов, стоимость которой исчисляется шестизначными суммами.
• Система накопления энергии (BESS) в сочетании с зарядкой превращает проблему платы за потребление в прибыльный центр, основанный на этой же плате.
• Приоритизация на основе SoC и прогнозирование с помощью ИИ позволяют поддерживать заряд критически важных устройств (пассажиров, автобусов) и выравнивать кривую нагрузки на объект.
• В реальных условиях решающее значение имеют три фактора: совместимость (OCPP, ISO 15118), качество данных и масштаб поставщика.

Свяжитесь с MIDA Power

Зарядные системы MIDA Power поставляются со встроенной динамической балансировкой нагрузки и опциональной интеграцией BESS, управление которыми осуществляется через единую платформу, соответствующую стандарту OCPP. От офисных комплексов до автобусных депо мы предоставляем инженерную поддержку для моделирования вашей нагрузки, расчета оптимального размера системы и ее ввода в эксплуатацию без неожиданностей. Свяжитесь с нами для консультации по анализу нагрузки и получения сметы проекта.