摘　要：在双碳目标的指引下，建筑屋顶可作为分布式光伏的重要场景，同时汽车电动化是交通领域减碳的关键举措。然而，大量光伏出力和电动汽车充电需求在时间上的不匹配，给电网稳定性带来较大压力。提出一种光伏-直流智能充电桩的有序充电策略，在满足充电需求的基础上，减少外网供电，可有效提高光伏自消纳能力和负荷满足率。以北京市某办公建筑为例，通过实验测试和模拟计算，分析了不同天气条件下系统运行效果。结果表明，该充电策略可以利用建筑光伏满足电动汽车充电需求，无须向外网取电，即负荷满足率可达100%。与传统恒功率充电方式相比，光伏消纳率提高了42%，光伏最大并网功率下降了54%，为建筑光伏高效利用和交通领域电气化提供借鉴和参考。

关键词：充电桩；有序充电策略；电动汽车；S2V；直流系统

0引言

在双碳目标的指引下，以风光电为主的可再生能源将被广泛使用，建筑屋顶光伏是其中的重要组成部分，到2025年，公共机构新建建筑屋顶光伏覆盖率将达到50%，以建筑屋顶光伏系统为代表的分布式能源系统也会得到大量应用。

然而，大规模分布式光伏接入电网可能会对电网的安全运行带来不利影响，如何有效实现就地消纳是亟待研究的问题。同时，电动汽车蓬勃发展，预计2030年中国将保有约8000万辆电动汽车，巨大的充电需求也会对区域电力系统造成巨大挑战。据统计，私家电动汽车约有90%以上的时间停放在建筑内或周边停车场，其充电过程与建筑能源系统深度融合。因此，探究电动汽车与建筑光伏的互动方式，并挖掘其对建筑光伏的利用潜力，以消纳可再生能源，对于降低碳排放有重要意义。

2009年，利用太阳能为电动汽车充电（solarto-vehicle，S2V）的概念被提出后，利用停车场的光伏满足合理范围内的电动汽车通勤电力需求的做法得到验证，发表了S2V相关硬件、经济性和策略的研究成果。但目前电动汽车的主要充电模式大多为恒功率充电，造成了大量瞬时尖峰负荷，给电网带来巨大的压力。另外，光伏电力的波动性、随机性和间歇性等不稳定特征，与电力需求侧的负荷存在较大的不匹配关系。实际S2V场景中往往需要从电网取电为电动汽车充电，同时又有部分光伏无法消纳。因此，设计一种新的有序充电策略，将电动汽车充电需求与光伏发电特性相匹配，对于绿电消纳十分重要。

文献采用一种多目标优化算法进行电动汽车有序充电，从而降低负荷波动率和用户充电成本。文献提出一种微电网电动汽车有序充电策略，采用模糊控制算法优化安排电动汽车充电计划，实现电力的削峰填谷，并通过模拟仿真进行了检验。文献以住宅小区电动汽车集群为研究对象，建立了基于分时电价的有序充电集中式优化模型并采用基于模拟退火机制的混沌粒子群算法进行优化，降低了充电负荷的峰谷比。但这些研究并未考虑电动汽车充电需求与光伏电力的协同问题，得出的结论通常是让电动汽车在夜间进行充电。文献考虑了电动汽车充电与集中式光伏发电直接协同，但针对分布式光伏，尤其是建筑光伏的研究较少。文献考虑了分布式光伏和负荷的不确定因素，提出一种上层以配电网年用电成本最小、下层以优化电网稳定性为目标的双层控制策略。文献以微电网为研究对象，考虑充电需求和风光电输出的不确定性，根据每个节点充电设备利用率的高低控制充电站运行时间。文献对分布式光伏发电下的电动汽车充电策略进行了分析，提出了充电行为策略的优化方案，促进了电动汽车充电负荷与分布式电力的匹配性，但并未考虑将光伏发电功率与充电桩充电功率协同控制，未能在实时的充电控制层面给出进一步研究。

除此之外，电动汽车车主的充电行为模式也是影响充电负荷的关键因素。文献基于用户意愿和出行规律对电动汽车充电负荷进行了优化分配。文献根据车用电需求和调峰需求提出了一种可适应多种充电模式的优化控制策略。文献进一步考虑了在光伏发电条件下，充电需求、充电行为与光伏消纳之间的耦合控制，采用了非预测机制实现充电功率的动态分配。但上述研究尚未考虑用户行为对充电条件的适应性变化，由于电动汽车在办公场景下长时间停留，可以采用即停即插的充电模式，使充电功率的调配具有更大的柔性调节空间。

因此，本文基于建筑光伏的发电特性和电动汽车的充电负荷特性，提出了一种基于直流母线电压的有序充电控制策略，在满足电动车充电需求的基础上，尽量减少外网充电行为，实现本地光伏电力的有效利用。

1系统配置与控制策略

1.1系统拓扑

本研究直流充电系统包括光伏模块、充电桩、交流电网和建筑负载，并联在直流母线上，系统拓扑结构如图1所示。光伏模块通过一个直流/直流变换器（DC/DC）接到直流母线上，设置系统仅通过光伏模块为充电桩供电，充电桩无法从电网取电；交流电网是一个双向的能量交互模块，通过整流器（AC/DC）与直流母线连接：当系统从电网取电时，AC/DC处于整流状态，将交流电转换成直流电，为系统供电；当光伏富余时，系统向电网送电，AC/DC处于逆变状态，将直流电转换成一定频率和幅值的交流电送入电网；单向直流充电桩和建筑用电作为系统主要负载，其中建筑负载为可选项，即不连接建筑负载时，该系统仅为电动汽车提供充电服务；电动汽车可视为该系统的移动蓄电池，其充电电流可调，使得负载功率可在较大范围内变化。上述各部分通过母线电压作为信号在运行中保持系统能量平衡。

图1系统拓扑结构

1.2直流母线电压控制策略

为利用太阳能清洁能源，光伏模块需尽可能地以最大功率输出，本系统通过改进的最大功率点跟踪（maximum power point tracking，MPPT）扰动观测法[19,22]，追踪改变电压以获得最大功率状态点。需要注意的是，光伏输出的功率只与光照强度和光伏板温度有关，系统中其他模块运行策略不干扰光伏模块输出电压（UPV,max），UPV,max始终为光伏组件在当前时刻的最大功率点电压。本文系统中母线电压（UDC）通过和DC/DC占空比（系统开关开启时间与周期时间的比值，α）确定，二者关系为

（1）

式中：UDC,max和UDC,min分别为直流母线允许的最高和电压。

母线电压升高或保持在高位，意味着光伏的发电功率充足，可提高充电桩充电的总功率，多余的光伏电力则会并入电网；当母线电压降低，意味着光伏的发电功率不足，则需要降低充电桩的总充电的功率。

1.3充电桩控制策略

为了使充电桩的功率能够自适应地主动调节，本文提出一种基于直流母线电压的充电桩有序充电控制策略。系统运行过程中，电动汽车最大充电功率（Pc,max）是指令功率的上限值，充电桩额定功率（Pc,rated）将限制充电桩最大实际输出功率，基于此根据直流母线电压（UDC）和车辆电池荷电状态（Soc）确定充电功率（P∗），即充电功率指令值是关于UDCSocPc,maxPc,rated等参数的函数，即有P∗=f(UDC,Soc,Pc,max,Pc,rated...)。其中，P∗与UDC正相关，光伏富余时，母线电压升高，充电桩功率增大；P∗与Soc负相关，车辆电池荷电状态低时，优先以更大功率充电。

当电动汽车接入系统之后，充电桩获取电动汽车参数（Soc和Pc,max）。根据Soc计算起始点充电电压U0（UDC＞U0时，开始充电）和功率曲线弧度nc（实现不同Soc电动汽车的充电功率控制，使得相同母线电压下，车辆电池荷电状态更低的车辆优先以更大功率充电）。U0和nc的计算公式为

U0=Soc(UDC,max-UDC,min-2ΔU)+UDC,min+ΔU（2）

nc=Soc/(1-Soc)（3）

式中：ΔU为死区电压差。

随后，根据母线电压UDC所处的区间，判断并计算指令充电功率P*，计算公式为

（4）

除此之外，在整个配电系统中，电动汽车电池管理系统的权限最高。为保护电动汽车，一般在充电电流降低至1A或充电功率小于0.5kW时的近零功率充电，电动汽车电池管理系统将判断充电接近充满或电路故障，从而切断充电。

2 实验场景与性能评价方法

2.1实验场景

本文选取北京某办公建筑为例，搭建如图2所示实验系统。依据T/CABEE030—2022《民用建筑直流配电标准》，该办公楼直流母线电压等级为375V，并允许在一定范围内（如85%~105%）变化。建筑屋顶光伏装机容量为20kWp，建筑周边接入2个额定功率为6.6kW的智能充电桩，采用1.3节中的控制策略。实验过程中建筑内负载使用频率较低，因此不作为本文分析重点。

 图2实验系统拓扑与场地实景

2.2充电功率控制效果

本文设置充电桩循环监测系统周期为30ms，直流母线电压上、下限分别是395V和320V，死区电压差ΔU为5V。为检验充电桩功率控制的有效性，本文对不同Soc和母线电压下的21个指令功率和充电桩实际功率进行了监测，每个功率测试点进行15次测试并取平均值，控制效果如图3所示。在不同Soc和母线电压下，智能充电桩的充电功率与实际功率能够保持接近，实现符合预期的控制，实际功率与指令功率之间的偏差率均小于±10%，平均偏差率为1%，表明智能充电桩在实际系统中可适应直流母线电压的变化和不同车型的接入，可实现预期的充电策略。

2.3光伏消纳率和负荷满足率

为分析充电桩控制策略的可行性，本文采用光伏消纳率（selfconsumptionrate，SCR）和负荷满足率（loadsatisfactionrate，LSR）对系统进行评价。光伏消纳率和负荷满足率越高，意味着光伏电力得到有效利用的程度越高。 

 式中：SCR为光伏发电中用于负载耗电的比例；LSR为负载用电中来自光伏电力的比例；EPV、Ecar分别为计算时间段内的光伏发电量和电动汽车充电量，kW·h；Egrid,export、Egrid,import分别为并网电量和从电网取电的电量，kW·h。

图3指令功率与实际功率偏差示意

当不用采用外网充电（Egrid,import=0）时，负荷满足率为1，即由建筑光伏对电动汽车进行充电。

3运行效果分析

Soc系统经过测试调优后投入实际运行，使用人员主要为周边建筑办公人员，汽车充电时间均处于日间工作时间，车主将车辆停放时可自由接入进行免费充电。本研究涉及数据主要包括：实时的光伏发电功率、光伏上网功率和各充电桩充电功率，以及母线电压、车辆进出场时间和等参数信息。依据天气状况，选取光伏充足和光伏不足2个典型日，对充电桩实际运行效果进行分析。

3.1光伏充足典型日

3.1.1系统供用电情况

SCR晴朗天气时，光伏充足工况下系统供用电情况如图4所示。光伏最大发电功率为13.7kW，日累计发电量为71.8kW·h，可满足2辆电动汽车同时充电。其中2号充电桩在08:00开始工作，1号充电桩在09:00开始工作。在14:00前光伏发电量保持充足，14:00之后光伏发电量下降。在运行过程中，充电桩消耗了大量的光伏电力，多余的光伏电力并入电网，最大并网功率为6.5kW，在光伏功率最大时发生，此时为52.3%。光伏电力较少时，充电功率受控，紧随光伏发电功率变化，整体运行效果符合策略设计，成功实现在光伏波动特性下多电动汽车的有序充电。2辆电动汽车分别充电30.6 kW·h和13.9 kW·h，最终实现了100%的负载满足率和63%的光伏消纳率，多余光伏并入电网，系统不从电网取电。

 图4光伏充足日系统供用电情况

3.1.2充电桩运行效果

光伏充足工况下，充电桩的控制效果如图5所示。光伏发电时，母线电压跟随光伏组件的最大功率点电压发生变化，母线电压基本维持在385~390V。当光伏发电量减少，母线电压下降，充电桩的充电功率也会因此减小；当光伏发电量回升时，母线电压也会升高，进而提高充电功率。

 图5光伏充足日充电功率与车电池情况

根据1.3节充电策略，充电桩的充电功率受车辆的Soc和母线电压影响。相同母线电压下，车辆Soc越大，充电功率越低，以保障低电量的电动汽车可以获得更大的充电功率。由图5可知，1号充电桩虽然晚于2号充电桩接入电动汽车，但是由于1号桩车辆Soc相对更低，在其接入后系统优先将有限的光伏电力供给1号充电桩，导致2号充电桩充电功率突降。在光伏电力发生波动和不足时，光伏功率也优先分配给了Soc更低的电动汽车，实现了对低电量车的需求保障。同时，随着电动汽车Soc的上升，充电桩的充电功率也在不断下降。通过母线电压与Soc的配合控制，实现了电动汽车充电负荷特性与光伏发电特性的有效匹配，最终2辆车的Soc都达到了80%以上。

 图6光伏不足日系统供用电情况

3.2光伏不足典型日

3.2.1系统供用电情况

阴雨天气时，在光伏发电量少的工况下，系统供用电情况如图6所示。在该条件下，光伏最大发电功率为5.9kW，日累计发电量为22.1kW·h。充电桩在08:00开始工作，未能消耗的光伏电力并入电网，最大并网功率为1.4kW，在充电桩开始工作前发生。在充电策略的控制下充电功率紧随光伏发电功率变化，实现对光伏的利用。电动汽车共充电19.1kW·h，最终实现了100%的负载满足率和86%的光伏消纳率，多余光伏并入电网，系统不从电网取电。需要注意的是，除了充电负荷之外，部分光伏电力还用于充电桩系统的响应和控制，将此部分计入后光伏消纳率为94%，光伏电力几乎全部用于满足电动汽车的充电需求。

3.2.2充电桩运行效果

Soc在光伏不足日，光伏发电量少且波动更为剧烈，母线电压也随之波动，在06:00—11:00期间出现了大幅度上升和下降，如图7所示。为了对充电功率进行有效控制，充电桩的计算和响应更为频繁，这一过程也消耗了部分电力。最终实现了充电功率曲线与光伏发电功率曲线的高度重合，在不从电网取电的情况下，有效利用光伏电力，使得电动汽车的达到了80%以上。

 图7光伏不足日充电功率与车电池情况

4智能充电模式与传统恒功率模式对比

为分析本文智能充电模式的技术优势，本文采用蒙特卡洛模拟方法，基于3.1节实测数据的光伏条件对实际工况下的传统恒功率充电模式（充电桩保持6.6kW额定功率供电，光伏不足时从电网取电）和智能充电模式进行模拟计算。模拟过程中，电动汽车电池参数和转移行为均通过实际调研情况采集，模拟8辆车在典型日的充电情况，模拟80次后结果达到收敛。平均每天充电桩充电功率和光伏发电功率变化情况如图8所示。

图8模拟的典型日恒功率与变功率数据

在恒功率充电模式和智能充电模式下，电动汽车的总充电量相同，均为44 kW·h/天，平均每辆车5.5 kW·h/天，这是由电动汽车的能量需求所决定的，符合北京市日常通勤单程距离22.9 km的能量需求[24]。但由图8可以看出，在恒功率充电模式下，电动汽车接入充电桩系统后立即就会以最大的充电功率开始充电，直到达到较高值，充电功率受电动汽车电池管理系统控制才会逐渐下降，在这一模式下，充电需求的波峰与光伏发电的波峰相错开，在08:00—10:00之间需要从电网取电来补足电动汽车的充电功率需求，最大取电功率达到了10.9 kW。而当光伏发电量达到峰值时，电动汽车的充电需求已经下降，更多的光伏被弃掉或者并入电网，这一模式下的平均为71.1%，平均为43.2%，光伏并网的最大功率达到了11.5 kW。在功率可控的变功率模式下，电动汽车充电功率与光伏发电功率得到了很好的匹配，无须从电网取电即可满足电动汽车的充电需求，并且有效降低了光伏并网的最大功率，这一模式下的平均为100%，平均为61.3%，相比恒功率模式下提高了42%，光伏最大并网功率为5.3 kW，下降了54%。

综上所述，相比传统恒功率充电模式，本文所提出的智能充电模式更能适应光伏的发电特性，能够在满足电动汽车充电需求的同时更好消纳光伏。但在实验过程中光伏的发电总量远大于电动汽车的需求量，在未来会在实验场地安装更多的充电桩，吸引更多用户来使用，促进光伏消纳；另一方面，在充电策略上还可以补充时间点这一参数用于调节，使时间尺度上电动汽车的充电功率更为平稳，避免上午电量充满后导致下午大量光伏并网的情况。

5安科瑞充电桩收费运营云平台系统选型方案

5.1概述

AcrelCloud-9000安科瑞充电柱收费运营云平台系统通过物联网技术对接入系统的电动电动自行车充电站以及各个充电整法行不间断地数据采集和监控，实时监控充电桩运行状态，进行充电服务、支付管理，交易结算，资要管理、电能管理，明细查询等。同时对充电机过温保护、漏电、充电机输入/输出过压，欠压，绝缘低各类故障进行预警；充电桩支持以太网、4G或WIFI等方式接入互联网，用户通过微信、支付宝，云闪付扫码充电。

5.2应用场所

适用于民用建筑、一般工业建筑、居住小区、实业单位、商业综合体、学校、园区等充电桩模式的充电基础设施设计。

5.3系统结构

系统分为四层：

1）即数据采集层、网络传输层、数据中心层和客户端层。

2）数据采集层：包括电瓶车智能充电桩通讯协议为标准modbus-rtu。电瓶车智能充电桩用于采集充电回路的电力参数，并进行电能计量和保护。

3）网络传输层：通过4G网络将数据上传至搭建好的数据库服务器。

4）数据中心层：包含应用服务器和数据服务器，应用服务器部署数据采集服务、WEB网站，数据服务器部署实时数据库、历史数据库、基础数据库。

5）应客户端层：系统管理员可在浏览器中访问电瓶车充电桩收费平台。终端充电用户通过刷卡扫码的方式启动充电。

小区充电平台功能主要涵盖充电设施智能化大屏、实时监控、交易管理、故障管理、统计分析、基础数据管理等功能，同时为运维人员提供运维APP，充电用户提供充电小程序。

5.4安科瑞充电桩云平台系统功能

5.4.1智能化大屏

智能化大屏展示站点分布情况，对设备状态、设备使用率、充电次数、充电时长、充电金额、充电度数、充电桩故障等进行统计显示，同时可查看每个站点的站点信息、充电桩列表、充电记录、收益、能耗、故障记录等。统一管理小区充电桩，查看设备使用率，合理分配资源。

 5.4.2实时监控

实时监视充电设施运行状况，主要包括充电桩运行状态、回路状态、充电过程中的充电电量、充电电压/电流，充电桩告警信息等。

5.4.3交易管理

平台管理人员可管理充电用户账户，对其进行账户进行充值、退款、冻结、注销等操作，可查看小区用户每日的充电交易详细信息。

 5.4.4故障管理

设备自动上报故障信息，平台管理人员可通过平台查看故障信息并进行派发处理，同时运维人员可通过运维APP收取故障推送，运维人员在运维工作完成后将结果上报。充电用户也可通过充电小程序反馈现场问题。

 5.4.5统计分析

通过系统平台，从充电站点、充电设施、、充电时间、充电方式等不同角度，查询充电交易统计信息、能耗统计信息等。 

 5.4.6基础数据管理

在系统平台建立运营商户，运营商可建立和管理其运营所需站点和充电设施，维护充电设施信息、价格策略、折扣、优惠活动，同时可管理在线卡用户充值、冻结和解绑。

5.4.7运维APP

面向运维人员使用，可以对站点和充电桩进行管理、能够进行故障闭环处理、查询流量卡使用情况、查询充电\充值情况，进行远程参数设置，同时可接收故障推送

 5.4.8充电小程序

面向充电用户使用，可查看附近空闲设备，主要包含扫码充电、账户充值，充电卡绑定、交易查询、故障申诉等功能。

5.5系统硬件配置

6 结论

为促进电动汽车充电行为与分布式建筑光伏匹配，本文提出了一种基于母线电压的智能充电桩控制策略，并在实际的办公建筑中进行了测试运行，分析运行结果得出以下结论。

1）该策略能够有效地根据光伏发电情况和电动汽车电池情况调整充电桩的充电功率，实现光伏功率跟踪和有序充电，系统的控制偏差率低于±10%，能够在不同工况下稳定运行。

2）在实际运行中充电功率得到有效控制，紧随母线电压变化，并根据的升高而下降，实现了有序充电。最终可以不从电网取电，仅利用光伏电力满足电动汽车车主的日常通勤用电需求，达到了100%。

3）通过模拟的方法与传统的充电方式进行比较，本文提出的策略可以将提高42%，将光伏并网峰值功率下降54%，大幅减少分布式光伏对电网的影响。本文提出的智能充电桩控制策略可促进建筑光伏与电动汽车的实时互动，在满足充电需求的基础上，减少外网供电，提高光伏自消纳能力和负荷满足率，为建筑光伏高效利用和交通领域电气化提供了借鉴和参考。除此之外，本研究充电策略将长期持续在办公楼运行，未来可对用户满意度和充电行为进行进一步分析。

参考文献

[1]丁屹峰，曾爽，张宝群，王立永，刘畅，付智，张吉.光伏-直流智能充电桩有序充电策略与应用效果.

[2]詹天津,谢玉荣.国内分布式光伏发展形势分析及思考[J].华电技术,2021,43(12):60–65.ZHANTianjin,XIEYurong.DevelopmentstatusanalysisandconsiderationondomesticdistributedPVenergy[J].HuadianTechnology,2021,43(12):60–65.

[3]中国汽车工程学会.节能与新能源汽车技术路线图2.0[R].上海:中国汽车工程学会,2020.

[4]BIRNIED.Solar-to-vehicle(s2v)systemsforpoweringcommutersofthefuture[J].JournalofPowerSources,2009,186(2):539–542.[5]安科瑞企业微电网应用手册2020.06版.