本发明涉及新能源光伏储能充电，尤其是指一种电动汽车充电站供电系统及方法。
背景技术：
1、分布式光伏发电特指在用户场地附近建设，运行方式以用户侧自发自用、多余电量上网，且在配电系统平衡调节为特征的光伏发电设施。分布式光伏发电遵循因地制宜、清洁高效、分散布局、就近利用的原则，充分利用当地太阳能资源，替代和减少化石能源消费。
2、传统的分布式光伏发电，其配电输送的拓扑结构中往往包括三大部分，第一部分是给建设场地所在区域的用户直接供电，比如建设在厂房屋顶上的光伏站点，优先给本厂的用电设施供电。第二部分是并入电网，即将本地用户多余用电并入电网进行配电。第三部分是将用电低谷期的发电充入电池进行储电，在用电高峰再进行并网等手段以实现峰谷错位配送。然而对于第二部分并网和第三部分储电来说，都会产生能量损耗，并网是由于电网的长距离传输带来的损耗，储电则是由于电池本身的充放电带来的损耗。
3、另一方面，随着新能源汽车的大力发展，其配套用的充电站也日益扩充。现有的充电站的供电方式大都为市电网络直供，由于充电功率在不断演进，其对电网的负荷也日益增加，并且，电动汽车的电池在直流快充模式下，需要在电动汽车充电站配备逆变器或交流充电桩将电网中的交流电转换为直流电再给电动汽车充电，需要较高的设备成本；同时，当台区内的电动汽车充电站处于充电高峰期时，还会导致市电网络的电压波动，影响电网供电稳定性。
4、综上所述，现有的电动汽车充电站供电方法存在设备成本高、电力传输损耗较高以及影响电网供电稳定性的问题。
技术实现思路
1、为此，本发明所要解决的技术问题在于克服现有技术中的电动汽车充电站供电方法存在设备成本较高、电力传输损耗较高以及影响电网供电稳定性的问题。
2、为解决上述技术问题，本发明提供了一种电动汽车充电站供电系统，包括：
3、光伏发电系统，包括台区内多个分布式光伏发电站，每一个所述分布式光伏发电站的拓扑结构中，至少包括通过dc/dc转换器与所述台区内一待供电电动汽车充电站相连；
4、控制系统，与所述光伏发电系统和所述待供电电动汽车充电站通信连接，其包括：
5、数据采集模块，用于采集1~t时刻待供电电动汽车充电站的用电功率时间序列数据，以及各个分布式光伏发电站的可用功率时间序列数据；
6、功率预测模块，用于基于待供电电动汽车充电站的用电功率时间序列数据，预测待供电电动汽车充电站t+1时刻的用电功率；基于各个分布式光伏发电站的可用功率时间序列数据，预测各个分布式光伏发电站t+1时刻的可用功率；
7、第一电力调度模块，用于将n个与待供电电动汽车充电站的距离最近、且t+1时刻的可用功率之和大于等于待供电电动汽车充电站t+1时刻的用电功率的分布式光伏发电站作为目标分布式光伏发电站，并控制目标分布式光伏发电站向待供电电动汽车充电站供电。
8、优选地，所述控制系统还包括：
9、第二电力调度模块，用于在满足待供电电动汽车充电站用电功率的前提下，若分布式光伏发电站的可用功率还有剩余，则控制该分布式光伏发电站将剩余能量存放至相应的蓄电池储能装置。
10、优选地，所述控制系统还包括：
11、第三电力调度模块，用于在满足待供电电动汽车充电站用电功率的前提下，若分布式光伏发电站的可用功率还有剩余，则控制该分布式光伏发电站将剩余能量并入市电网络。
12、优选地，所述控制系统还包括：
13、第四电力调度模块，用于若与待供电电动汽车充电站相连的所有分布式光伏发电站t+1时刻的可用功率之和小于待供电电动汽车充电站t+1时刻的用电功率，由市电网络向待供电电动汽车充电站供电。
14、优选地，分布式光伏发电站的可用功率为：该分布式光伏发电站的发电功率与用户终端用电功率的差值。
15、优选地，基于待供电电动汽车充电站的用电功率时间序列数据，预测待供电电动汽车充电站t+1时刻的用电功率包括：
16、对待供电电动汽车充电站的用电功率时间序列数据中的缺失值进行填充；
17、使用前后均值替换法对填充后待供电电动汽车充电站的用电功率时间序列数据中的异常值进行替换，得到目标用电功率时间序列数据；
18、将所述目标用电功率时间序列数据输入至训练好的第一卷积神经网络模型中，输出待供电电动汽车充电站t+1时刻的用电功率。
19、优选地，所述第一卷积神经网络模型为循环神经网络、长短时记忆网络、门控循环神经网络中的一种。
20、优选地，基于各个分布式光伏发电站的可用功率时间序列数据，预测各个分布式光伏发电站t+1时刻的可用功率包括：
21、对各个分布式光伏发电站的可用功率时间序列数据中的缺失值进行填充；
22、使用前后均值替换法对填充后各个分布式光伏发电站的可用功率时间序列数据中的异常值进行替换，得到各个分布式光伏发电站的目标可用功率时间序列数据；
23、将各个分布式光伏发电站的目标可用功率时间序列数据分别输入训练好的第二卷积神经网络模型中，输出各个分布式光伏发电站t+1时刻的可用功率。
24、优选地，所述第二卷积神经网络模型为循环神经网络、长短时记忆网络、门控循环神经网络中的一种。
25、本发明还提供了一种电动汽车充电站供电方法，应用于上述的电动汽车充电站供电系统中，包括：
26、采集1~t时刻待供电电动汽车充电站的用电功率时间序列数据，以及各个分布式光伏发电站的可用功率时间序列数据；
27、基于待供电电动汽车充电站的用电功率时间序列数据，预测待供电电动汽车充电站t+1时刻的用电功率；基于各个分布式光伏发电站的可用功率时间序列数据，预测各个分布式光伏发电站t+1时刻的可用功率；
28、将n个与待供电电动汽车充电站的距离最近、且t+1时刻的可用功率之和大于等于待供电电动汽车充电站t+1时刻的用电功率的分布式光伏发电站作为目标分布式光伏发电站，并控制目标分布式光伏发电站直接向待供电电动汽车充电站供电。
29、本技术提供的电动汽车充电站供电系统将台区内的多个分布式光伏发电站通过dc/dc转换器与台区内的待供电电动汽车充电站相连，控制系统采集各个分布式光伏发电站和待供电电动汽车充电站的历史功率数据，并预测待供电电动汽车充电站在t+1时刻的用电功率，以及各个分布式光伏发电站在t+1时刻的可用功率，从而选取多个与待供电电动汽车充电站距离最近、且可用功率之和能够满足待供电电动汽车充电站用电功率的分布式光伏发电站直接向待供电电动汽车充电站供电；利用分布式光伏发电站直接向电动汽车充电站供电，无需通过市电网络，缩短了电力传输距离，无需使用大量变压器和其他电力设备，且分布式光伏发电站输出的电力为直流电，可以直接为电动汽车充电，无需配备逆变器或交流充电桩，极大地降低了设备成本；同时，通过选择距离最近的分布式光伏发电站直接为电动汽车充电站供电，极大地降低了电力传输损耗；除此之外，由分布式光伏发电站为电动汽车充电站供电，减轻了市电网络的负荷压力，避免了充电高峰期市电网络因过载发生故障的风险，提高了市电网络的供电稳定性。
30、附图说明
31、为了使本发明的内容更容易被清楚的理解，下面根据本发明的具体实施例并结合附图，对本发明作进一步详细的说明，其中：
32、图1为本技术提供的电动汽车充电站供电系统示意图；
33、图2为本技术提供的电动汽车充电站供电方法流程图；
1.一种电动汽车充电站供电系统，其特征在于，包括：
2.根据权利要求1所述的电动汽车充电站供电系统，其特征在于，所述控制系统还包括：
3.根据权利要求1所述的电动汽车充电站供电系统，其特征在于，所述控制系统还包括：
4.根据权利要求1所述的电动汽车充电站供电系统，其特征在于，所述控制系统还包括：
5.根据权利要求1所述的电动汽车充电站供电系统，其特征在于，分布式光伏发电站的可用功率为：该分布式光伏发电站的发电功率与用户终端用电功率的差值。
6.根据权利要求1所述的电动汽车充电站供电系统，其特征在于，基于待供电电动汽车充电站的用电功率时间序列数据，预测待供电电动汽车充电站t+1时刻的用电功率包括：
7.根据权利要求6所述的电动汽车充电站供电系统，其特征在于，所述第一卷积神经网络模型为循环神经网络、长短时记忆网络、门控循环神经网络中的一种。
8.根据权利要求1所述的电动汽车充电站供电系统，其特征在于，基于各个分布式光伏发电站的可用功率时间序列数据，预测各个分布式光伏发电站t+1时刻的可用功率包括：
9.根据权利要求8所述的电动汽车充电站供电系统，其特征在于，所述第二卷积神经网络为循环神经网络、长短时记忆网络、门控循环神经网络中的一种。
10.一种电动汽车充电站供电方法，其特征在于，应用于如权利要求1-9任一项所述的电动汽车充电站供电系统中，包括：
