量化太陽能發(fā)電實現(xiàn)電動汽車碳排放的降低

量化太陽能發(fā)電實現(xiàn)電動汽車碳排放的降低

電動汽車的廣泛使用使得接入電網(wǎng)的電動汽車數(shù)量越來越多，促進了充電基礎設施的快速發(fā)展，但只有數(shù)量有限的充電站可供公眾使用。而太陽能發(fā)電成本很低，促使太陽能的安裝量顯著增加，自2006年開始太陽能安裝量每年約增長50%。鑒于此，設想在電動汽車充電站上廣泛采用太陽能發(fā)電，以滿足電動汽車的充電需求。本文針對利用太陽能發(fā)電的電動汽車充電站進行研究，給出一種用于公共充電站功率分配的算法，并研究量化采用太陽能發(fā)電后對降低電動汽車碳排放所帶來的收益。

由于太陽能發(fā)電具有間歇性，因此采用太陽能發(fā)電的充電站還需要接入電網(wǎng)，依靠傳統(tǒng)能源，以建立一個可靠的供能系統(tǒng)。將電動汽車接入電網(wǎng)往往會產生變壓器過載、電壓下降等問題，因而需要對公共充電站的功率分配進行控制。采用太陽能發(fā)電后，這種功率分配問題變?yōu)榫哂屑s束的隨機優(yōu)化問題。本文給出的算法又稱為日前算法，其基于馬爾科夫決策框架，考慮的約束包括電動汽車的隨機到達時間和太陽能發(fā)電的波動。優(yōu)化目標為盡可能減少電動汽車充電的等待時間和充電期間產生的碳排放（如利用太陽能發(fā)電）。文中基于一個具有多個充電接口的公共充電站，采用時間序列模型表示太陽能光伏系統(tǒng)的發(fā)電情況。假設10輛汽車遵循馬爾科夫過程隨機抵達充電站，并假設充電站能夠滿足10輛汽車同時充電。采用貝爾實驗室開發(fā)的代數(shù)建模語言（AMPL）對上述問題進行描述，采用Minos求解器對描述后的問題進行求解優(yōu)化。對上述情況進行仿真發(fā)現(xiàn)，所提出的算法能夠權衡充電過程碳排放、充電時間和電動汽車的等待時間，但不能保證每輛電動汽車的充電性能，可保證充電站最壞情況下的充電性能。

OmidArdakanianetal. 2014IEEEInternational Conference on Smart Grid Communications，Venice Nov.03-06，2014.

編譯：張振偉