报告预览

东南大学：2024时空约束条件下电动车-多社区建筑能源协同共享与传递报告（33页）.pdf

编号：160668

PDF PPTX 33页 7.47MB 下载积分：VIP专享

下载报告请您先登录！

东南大学：2024时空约束条件下电动车-多社区建筑能源协同共享与传递报告（33页）.pdf

1、汇报人：张林锋依托单位：东南大学交通学院东南大学智慧建造与运维国家地方联合工程研究中心时空约束条件下电动车-多社区建筑能源协同共享与传递1CONTENT目录123团队介绍新能源车体系接入对建筑能源系统与电动车的影响电动车助力多社区能源共享与传递231、研究背景国家战略1.14气候变化正在发生世界已经比工业革命开始时暖和了1.1 。如果目前的趋势持续下去，那么本世纪全球气温预计将上升3.4-3.9，这将带来广泛的破坏性气候影响。2019.09.23 气候行动峰会多国家地区共同应对全球变暖2020.09.22联合国大会一般性辩论 2030年碳达峰、2060碳中和全球挑战交通运输是碳排放的重

2、要领域之一，推动交通运输领域做好碳达峰、碳中和相关工作，是加速行业绿色低碳转型、推动交通运输高质量发展的重要抓手，是加快建设交通强国的重要内容。（近期）各项政策法规多次提及交通领域碳达峰碳减排国家战略行业需求中国正制定碳达峰计划，广泛深入开展碳达峰行动，支持有条件的地方和重点行业、企业（能源、钢铁、有色金属、石化化工、建材、交通、建筑等）率先达峰。国家战略1.15我国交通运输领域碳排放贡献率占比9.63%，未来将超越全球交通碳排放贡献率16.2%。到2035年，交通运输领域是唯一仍然不能实现碳达峰的领域解决方案：交通工具电气化电动汽车智能充电1.26 我国新能源汽车保有量高速增长

3、，2022年达到1310万辆，超过全球2600万辆的50%。2023年7月3日，中国新能源汽车第2000万辆新车下线。电动车智能充电1.27乐观情景：2025年渗透率50%，2030年渗透率66%；2030年保有量1.6亿辆，2040年3.8亿辆，2050年4.1亿辆保守情景：2025年渗透率30%，2030年渗透率50%；2030年保有量1亿辆，2040年3亿辆，2050年4亿辆 2050年均能接近80%汽车的电动化，2060年90%以上的车辆为新能源汽车电动车智能充电1.28 随着电动汽车保有量增长，其无序充电将叠加晚间用电高峰，增大电网压力(图1)电动汽车在用电低谷充电(图2，橙色块)，

4、在用电高峰放电(图2，浅蓝色块)并且进一步与未来新能源发电特性匹配，能够减少电网增容压力。电动车智能充电1.2 新能源车体系接入对建筑能源系统的影响：新能源车作为储能设备能削弱可再生能源和负荷不确定性对系统运行经济性、环保性、能效性等的影响，增加可再生能源系统的可靠性;2、新能源车体系接入对建筑能源系统与电动车的影响新能源车体系接入对建筑能源系统的影响2.1Aggregated electricity production by PV Aggregated electricity demand(building+EV)Renewable energy used within the build

5、ing clusterTimeElectricity kWhEnergy sharing increases overall energy matchingSmart EV charging shifts demand to further increase energy matching1.No energy sharingNo smart EV charging2.With energy sharingNo smart EV charging3.With energy sharingWith smart EV chargingBring economic and environmental

6、 benefits其特性包含：基于原始用电曲线的建筑节能，峰值削减，负荷转移，负荷调幅，建筑产能等。影响因素包括：建筑保温性能，用电设备柔性控制，以及蓄电池和分布式能源的参与。效应：降低建筑用电一次侧和二次侧的成本，提升能源安全稳定性，节能减碳。新能源车-建筑性能协同激发理论及其优势研究新能源车体系接入对建筑能源系统的影响2.1框架模型：单体建筑/建筑群 Vs 个别充电桩/充电站数据：动力电池类型，充放电曲线，建筑用电曲线实验/模拟：优化充电控制策略，模拟动力电池作为移动电源与不同建筑能源的互动考察点：经济性能，负荷柔性，车主满意度电动汽车与建筑的能源互动研究关键技术：建筑冷热电储负荷预测技术

7、：基于历史数据的逐时能源负荷分摊比例与神经网络预测，为新能源车接入微网系统提供理论基础;新能源车智能充放电技术：增加区域电网的电力负荷和可再生能源的动态匹配，在不需要升级已有的电力设备的基础上，提升可再生能源的电网容量。TimeEV battery SOCArrival timeDeparture timeRequired SOC when departEV model新能源车体系智能充电优化2.2实验平台：湖南大学交/直流充电站实验平台1台交流充电桩(7 kW)3台直流充电桩(30 kW)1台V2G双向充电桩(30 kW)实验室充电桩系统订单数据展示：订单号驶入（驶离）时间充入电量实时功率/

8、电流/电压充电方式对建筑能源系统的影响充电方式对新能源车电池的影响2.3Scenarios of EV charging limit kWDegradation rate in one year10Regular chargingSmart charging 1Smart charging 2Short distanceMedium-short distanceMedium distanceMedium-long distanceLong distanceTime hPower kWa)Regular chargingb)Smart charging 1c)Smart charging 2Pe

9、ak power caused by the EV chargingEV discharges power first,which in turn leaves more storage capacity for the large PV power production period电动车充电方式能够优化建筑能源结构，但电动车与电网之间的频繁电力交换将带来较快的衰减速度2.415集成控制在提升可再生能源利用率方面表现最好，但计算量较大，较难收敛a)No controlb)Individual controlc)Bottom-up controld)Top-down controlPower

10、flow(kW)Day-1Day-2Day-3Day-5Day-4Day-1Day-2Day-3Day-5Day-4Day-1Day-2Day-3Day-5Day-4Day-1Day-2Day-3Day-5Day-424:0024:0024:0024:0024:0024:0024:0024:0024:0024:0024:0024:0024:0024:0024:0024:0024:0024:0024:0024:00Time0%10%20%30%40%50%60%70%80%012345Performance improvementsPeak power exchanges(

11、kW)DayComparison of the daily peak power exchanges with the gridNo controlIndividual controlBottom-up controlTop-down controlIC v.s.NCBT v.s.NCTD v.s.NC充电桩群控控制方式影响163、电动车助力多社区能源共享与传递17(A)Illustrtaion of the C2V2C modelCommunity-1Community-2Day=DaystartDayAll the parked communitiesCoordinated optimiz

12、ation of EV chargingDay=Day+1Day=Dayend?EndYesNoDay=DaystartDayThe 1stcommunityIndividual optimization of EV chargingThe 2ndcommunityIndividual optimization of EV chargingDay=Day+1Day=Dayend?EndYesNo(C)Proposed coordinated control(B)Existing individual control 两个社区：工作场所、住宅场所，电动汽车连接两个社区.研究对象3.118Day=

13、DaystartDayAll the parked communitiesCoordinated optimization of EV chargingDay=Day+1Day=Dayend?EndYesNo 优化方法3.219不同社区中的建筑信息需求：能源需求可再生能源供应电动车信息：到达/离开时间初始与目标SOCs 驾驶距离优化方法3.2201:binary numbers,showing the presence of EV in a specific communityMethod for producing merged power profiles优化方法3.221How is t

14、rade-off conducted?:weighting factor,in the range 0,1,shows the importance of the power regulating in one communityA:to minimize the communitys peak power exchanges with the gridB:to minimize the aggregated electricity costs.优化方法3.222Inputs related to EVsEV battery capacity(CAP(kWh).Arrival time at

15、the community(to).Parking periods in the charging port(nk).Initial state of charge(0,)Lower threshold for the minimum state of charge()Lower threshold for the departure state of charge(1,)The upper and lower limit of charging rates(and()kW):Optimization is conducted in each dayOutputs of the GAsearc

16、hOptimized EV charging/dischargingrates1,1+1,1+1;2,2+1,2+2in all the communities during differentparking periods.优化方法3.223电力需求Residential communityWorkplace communityCommute电动车-多社区仿真案例3.324Residential community可再生能源电力供给Workplace communityCommute电动车-多社区仿真案例3.325电动车相关信息CategoryParameterValueEV modelBa

17、ttery capacity57 kWhVehicle consumption(range)151 Wh/kmMax charge/discharge power11 kW AC,3-phase 16 AEV travel behaviorParking period workplace community08:0016:00(8 h)*Parking period residential community17:0007:00 the 2ndday(14 h)*Average distance between communities40 4 kmEV control settingsInit

18、ial SOC50%Minimum SOC threshold20%Minimum SOC target leaving the communities35%*For workdays only.Tesla Model 3电动车-多社区仿真案例3.326电动车的充电主要安排再工作场所，主要是由于优化控制器主要去平衡工作场所的光伏发电量。两种控制方式都利用了谷时电价。先进控制更加节钱。控制策略1：电费最低3.428Control strategy 1:minimizing electricity costs Power profilesAdvanced C2V2C controlIndividu

19、al controlSummer weekWinter weekEnergy kWhEnergy kWhParked at workplaceParked at residentialDifference PVLoadEV Charge/Disch.mismatchNo Difference400-40-6040-40--20-400Eelctricity price SEK/kWhEelctricity price SEK/kWh2012010.5011.50.5011.5控制策略1：电费最低3.429Control strategy 1:minimizing el

20、ectricity costsDaily electricity costs在夏季的一周里，C2V2C控制可以利用电动汽车电池减少对电网不必要的太阳能光伏发电输出。因此，它导致了社区累计水平上的电力成本大幅下降。在冬季的一周里，电力成本的降低主要是通过将大量电力需求转移到电价较低的时段来实现的。总体而言，在社区累计水平上，使用先进的C2V2C控制，总成本更低：夏季成本降低超过32，冬季降低214。The feed-in tariff was set to 0.5 SEK/(kWh)控制策略1：电费最低3.430电动汽车的充电大多安排在工作场所社区进行，因为控制器试图在白天平衡较大的光伏发电量。

21、在C2V2C控制中，电动汽车在白天停放在工作场所社区时会被充电至更高的SOC（电池荷电状态）水平。控制策略2：最小化尖峰负荷3.532Advanced C2V2C controlIndividual controlSummer weekWinter weekEnergy kWhEnergy kWhParked at workplaceParked at residentialDifference PVLoadEV Charge/Disch.mismatchNo Difference40200-20400-40-60400-40-6040200-20控制策略2：最小化尖峰负荷3.533在夏季的一

22、周里，这两种控制方式产生了相似的尖峰负荷性能。在冬季的一周里，先进的C2V2C控制为工作场所社区产生了更高的尖峰负荷，但在住宅社区的尖峰负荷却低得多。总体来说，在社区累积水平上，使用先进的C2V2C控制，尖峰负荷更低：独立控制为46.9-50.2千瓦时，而先进控制为42.9-45.5千瓦时。3.5控制策略2：最小化尖峰负荷34Advanced C2V2C controlIndividual control在工作场所社区，总是有足够的光伏发电量来满足用电需求并且完全充满电动汽车电池。优化器将始终选择在离开工作场所社区时充满电动汽车电池，这样住宅社区就可以尽可能多地使用便宜的剩余光伏电力来节省其电

23、费。因此，当权重因子从0变化到0.5时，优化结果是相同的。Advanced C2V2C controlIndividual controlWorkplace community()Residential community(1-)在冬季，成本节省主要是通过将电网购电从高电价时段转移到低电价时段来实现的。当在0.40.6范围内时，两个社区在降低电费上大致具有同等的偏好，因此他们在将电网购电转移到低电价时段的合作可以最大化。这可以导致最大的成本节约。0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0weighting factor-60-40-2002040Co

24、st in SEK0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0weighting factor 2903003Cost in SEKA.Cost performance under weighting factor variation in SummerB.Cost performance under weighting factor variationin Winter权重影响3.635结论与展望电动车是一个很好的电力传输的媒介，但我们还是需要做更多的优化来兑现他们的潜力。协调控制可以提高多个社区在不同控制策略下的性能。关于最小化尖峰负荷，在夏季的一周里，先进控制产生的结果与独立控制非常相似，而在冬季的一周里，先进控制的表现更好（相对改进了1%6%）。在最小化电费方面，先进控制在夏季一周可以实现最高282%的性能改进，在冬季一周可以实现最高13.3%的性能改进。当权重因子设定在0.5左右时，可以优化多个社区累计的性能。3.7

友情提示

1、下载报告失败解决办法
2、PDF文件下载后，可能会被浏览器默认打开，此种情况可以点击浏览器菜单，保存网页到桌面，就可以正常下载了。
3、本站不支持迅雷下载，请使用电脑自带的IE浏览器，或者360浏览器、谷歌浏览器下载即可。
4、本站报告下载后的文档和图纸-无水印,预览文档经过压缩，下载后原文更清晰。

本文（东南大学：2024时空约束条件下电动车-多社区建筑能源协同共享与传递报告（33页）.pdf）为本站（office）主动上传，三个皮匠报告文库仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对上载内容本身不做任何修改或编辑。若此文所含内容侵犯了您的版权或隐私，请立即通知三个皮匠报告文库（点击联系客服），我们立即给予删除！

温馨提示：如果因为网速或其他原因下载失败请重新下载，重复下载不扣分。

上海品茶

东南大学：2024时空约束条件下电动车-多社区建筑能源协同共享与传递报告（33页）.pdf

东南大学：2024时空约束条件下电动车-多社区建筑能源协同共享与传递报告（33页）.pdf

东南大学：2024时空约束条件下电动车-多社区建筑能源协同共享与传递报告（33页）.pdf