邱健蓄电池供电总线转化：与电池和充电容量优化协同的状态充电调度
来源：
邱健蓄电池 发布时间：2026-08-13 21:51:52 点击： 次
向无污染公共交通系统转型对于可持续发展至关重要。尽管电池成本下降促使电池供电公交车（BEBs）的使用率提高，但由于充电桩成本高昂和电池能耗限制，仍需高效解决方案，挑战依然存在。因此，本研究提出了一种新型离线状态充电调度方法，重点优化电池和充电容量。为了使这项研究适用于任何城市，开发了一个精确的公交动力学模型，所有评估均使用城市中常见的数据进行。为验证优化效果，进行了敏感性分析以表示相关因素的影响。此外，为了研究公用事业服务与车库业主观点的差异，采用了城市和合成电费的调度标准，这些收费在覆盖城市日负载曲线的谷地方面有所不同。当发电时未考虑BEB需求，这一指标尤为关键。
简介
多年来，电池高昂且能量容量有限，必须根据充电器位置和可用性进行管理，一直是交通系统中电池利用的最关键障碍。随着电池成本的下降，电池驱动电动汽车（BEV）变得更具竞争力（Rogge等，2018）。尽管电池每千瓦时价格有所下降，但充电时间、昂贵的充电器和有限的能源容量等挑战仍然需要解决。全球有大量研究讨论这些问题，同时尽可能多地解决各种挑战（Skouras 等，2020）。
与纯电动车类似，电池驱动的电动公交车（BEB），尤其是在快速公交（BRT）系统中，为城市带来了显著的环境效益。然而，这些优势也伴随着一些必须解决的挑战。在这些系统中，公交车必须为乘客提供服务;因此，每个车站的乘客等待时间是一个关键因素（Li 等，2019），并且在达到特定电池充电状态（SOC）后，可以延长BEB充电所需的时间。为解决这一问题，安排和配置BEB系统时必须进行全面分析，考虑等待时间限制，并确定车载电池容量大小与充电基础设施容量规模之间的最佳平衡（Gairola和Nezamuddin，2023a）。
另一个因素是BEB能耗，其能耗对行驶距离不一定定数，且会根据瞬时条件动态变化。一些研究专注于估算能源消耗，并全面解决BEB技术的复杂方面。Sinhuber 等人（2012）构建了一个动态模型，用于评估包括 BEB 设计和相互作用力在内的多种因素的能耗，以确定安装在 BEB 上的合适电池容量。Perrotta等人（2014）采用了类似方法，通过将BEB驾驶周期纳入标准城市交通模拟器，考虑了BEB与本地交通之间的相互作用。Lajunen（2014）对能耗进行了更准确的评估，他使用专用模拟器来表示复杂的技术参数。
此外，运营期间乘客数量不确定会影响等待时间、能耗和每个周期的电池容量，必须通过创新的能源管理方法加以解决（Li 等，2021）。
因此，必须通过创新研究方案解决公共交通系统中BEB的各种障碍。要在公共交通系统中使用BEB，必须优化车载电池和充电器容量，提供最低成本的充电计划，确保交通系统运行，且不引发乘客不满或电池损坏。由于输入数据中出现的一些意外变化，如乘客人数和天气状况，需要重新运行优化并将控制信号重新发送给公交司机，在线优化可以精确优化描述的容量，并理论上为BEB提供逐步的时刻表。由于这种方法需要在每个步骤发送确定的每个BEB的计划以保持最低成本，因此需要昂贵的通信基础设施和高速计算系统以尽快完成优化。然而，在实际应用中，即使是信号计算和发送的短暂中断也会让总线司机感到困惑，从而中断顺畅的运输流程。此外，计算和通信系统降低了系统的可靠性，而由于小故障导致的偏离优化计划，除了上述基础设施成本外，成本也会增加。
鉴于输入数据不可避免的变化以及在线优化中描述的挑战，本研究提出了一种新的离线调度方法，以根据城市的规格确定机载电池和充电器的容量。每天在周期开始时进行排班，所有司机都知道充电时间。此外，本研究提出的方法避免了安装计算和通信基础设施带来的额外成本，并能通过合成电价快速调整BEB的每日用电需求，适应城市的每日负载曲线。
更具体地说，本研究描述了两个决策变量t'和t''，用以将一天划分为三个周期，每个周期的SOC边界作为额外的决策变量。这些变量，连同车载电池和充电器容量等决策变量，通过总线动态模型进行了优化，以实现最低的设计（配置）成本。因此，车载电池和充电器容量的设计基于该方案，考虑了影响能源消耗的城市特定因素。为避免电池老化影响长期使用及可能出现的突发情况，确定的电池容量被赋予额外值。随后，设计的车载电池和充电参数不可更改，日程根据电价调整。每天，车站所有者会声明每个时期的优化t'和t''以及SOC边界;因此，司机们知道何时充电而不会产生混乱。本研究中的BEB按照每日乘客费率（客运巴士需求曲线）运行，而非传统的巴士（CB）时刻表，后者在运营间隙增加了充电时间。此外，还使用了多种场景来验证优化效果，并研究各因素对设计和调度的影响。
本文剩余部分分为八个部分。在文献综述中，会比较类似的最新研究，以探讨它们之间的差距。第三节基于贡献因素，评估了供暖、通风和空调（HVAC）系统和电动机的能耗。第四部分分析了库里提巴CBs的真实世界数据，并展示了以往研究中的充电器和电池费用。第5节描述了获得优化解的目标函数和约束条件。根据第6节提出的假设和参数，电池和充电器容量通过粒子群算法在不同场景中优化，以表示设计和调度中涉及的各因素的影响。本节还涵盖了根据不同电价的日常调度。第七部分讨论了该提议背后的逻辑及所面临的挑战。最后，第8节对评估情景进行了全面总结。
