基于信息物理融合计算的电动汽车能源优化管理

【摘要】：随着气候变暖的加剧,减少碳排放成为世界各国日益关注的问题。在发达国家,交通运输排放的二氧化碳占总量的1/3左右;我国交通运输的碳排放占总排放的10%左右。电动汽车(Electric Vehicle,EV)由于其低排放、低能耗的特点,成为各国节能减排的重要手段之一。但由于充电困难、续航较短和电网承载能力不足等问题,EV的推广受到了限制。本文针对EV推广过程中面临的这些问题,结合信息物理融合计算技术,系统研究了EV能源管理的架构模型,并针对性地深入研究了以下三个问题:(1)EV充电调度和控制,(2)EV行驶规划,(3)充电设施的科学部署。具体来讲,本文的主要研究内容和贡献如下:第一,从信息物理融合系统(Cyber-Physical System,CPS)的设计理念出发,研究了电动汽车能源管理的CPS架构。首先给出了一种新型通用的信息物理融合系统架构描述语言(Cyber-physical System Architecture Description Language,CPSADL),并设计了其编译器。然后结合CPSADL,给出了EV能源管理信息物理融合系统(EV Man-agement Cyber-physical System,EM-CPS)的架构模型。第二,研究了充电设施的优化部署,即如何在电网和交通网这两种异构网络中选址充电站,并确定充电站规模,从而平衡电网约束和充电需求。基于EM-CPS的领域特性,首先提出一种能够刻画充电需求时空特性的充电需求模型和一种线性化的电网模型(A Linearized Power Network Model,LPNM)。基于以上两种模型,设计了一种启发式算法(A Heuristic Algorithm Involving the Grid Constraints,HAG),HAG在优化充电需求的同时,兼顾考虑了电网的相关约束。实验分析表明,LPNM模型的误差约为4%;同普通的充电需求模型相比,采用所提的充电需求的时空特性模型的优化算法至少可使充电桩利用率提高5%;相比于普通贪心算法,HAG可使电网对充电桩的承载力提高20.7%,电网压降降低25%,被满足的充电需求可提高18.07%。第三,分两步研究了EV的充电调度和控制问题。第一步,把一个较大地理范围内需要充电的EV分配到各个充电站。为此,首先建立了社会收益模型,提出了一种近似率为(2(10)?)的优化算法。通过基于真实数据的仿真,验证了所提算法在实际应用中具有良好的适用性。第二步,在一个充电站内完成对EV充电功率的控制,并结合一种具体的应用场景——为数据中心员工的EV充电,提出了一种ValleyFill方案。通过基于真实电价和负载数据的仿真分析,可知所提方案能有效满足EV的充电需求并使电费降低6%。第四,研究了电动汽车的行驶规划问题。针对BEV和PHEV的特点,分别研究了它们的行驶规划问题,以求实现能耗的优化。特别是针对PHEV,提出一个能耗最优行驶规划算法(cost-optimal algorithm,COA)并从理论上证明该算法的最优性,解决了PHEV多种操作模式带来的优化问题,最后证明其时间复杂度为O((E~*)~2||~2)。通过基于真实地图和数据的仿真,结果显示所提算法所引起的平均绕路率为14%,但相比最短路径算法,COA平均可为PHEV平均节省48%的燃料成本。综上所述,本文结合信息物理融合系统的设计理念与方法,深入研究了电动汽车能源管理的建模、分析、优化,具体包括电动汽车的充电调度和控制、充电设施部署、电动汽车行驶规划。研究结果表明,本文研究成果在提升电动汽车使用品质和降低电动汽车能耗方面具有明显的优势。