CN103793758B - 含光伏发电系统的电动汽车充电站的多目标优化调度方法 - Google Patents

Abstract

本发明公开了智能电网技术领域中一种含光伏发电系统的电动汽车充电站的多目标优化调度方法。以购电费用最小化和储能系统的循环电量最小化为目标函数,建立含光伏发电系统的电动汽车充电站的多目标优化调度模型；确定所述调度模型的决策变量及其约束条件；确定基础数据；通过多目标优化算法求解，得到非支配解前沿面，进而获得多个Pareto最优解；根据储能系统总循环电量和购电费用综合成本较小，最终选择充电站调度最佳方案。本发明适用于光资源丰富的各类城市的含光伏发电系统的电动汽车充电站；实现了对含光伏发电系统的电动汽车充电站调度方案的优化；可为含光伏发电系统的电动汽车充电站的调度提供理论依据和技术支撑；提高充电站运行的经济性。

Description

含光伏发电系统的电动汽车充电站的多目标优化调度方法

技术领域

本发明涉及含光伏发电系统的电动汽车充电站的多目标优化调度方法，属于智能电网技术领域。

发明背景

随着电动汽车在世界各国的广泛发展，充电基础设施的规划与建设问题已得到我国政府的更多关注。目前我国电力系统发电侧的一次能源仍以煤炭为主(约占75％～80％)，电动汽车通过充电基础设施直接接入电网充电，实际所产生的间接碳排放量相比传统燃油汽车并不占明显优势，并且难以减轻对化石燃料的依赖。这种情况下，要实现真正意义上的低碳，存在两种方式：一是大力发展可再生能源发电系统，协同调度电网中电动汽车充电和可再生能源发电，提高电网对可再生能源的消纳能力；二是直接建立充放电设施与分布式可再生能源发电系统的关联，实现可再生能源的就地消纳利用。从当前的发展情况来看，调整电网的一次能源结构是非常困难的，通过可再生能源与电动汽车的就地集成，可以有效提高可再生能源利用率，降低碳排放量。

图1为含光伏发电系统的电动汽车充电站结构示意图。如图1所示，含光伏发电系统的电动汽车充电站一般电气结构包括：光伏发电系统，通过直流转直流(DC/DC)变换器与直流母线相连；储能系统，通过直流转直流(DC/DC)变换器与直流母线相连；光伏充电站停车位，停在光伏充电站停车位待充电的电动汽车与充电桩相连；充电池通过直流转直流(DC/DC)变换器与直流母线相连；交流配网通过交流转直流(AC/DC)变流器后与直流母线相连；中央控制单元与交流母线相连。所述储能系统一般为蓄电池组。

光伏发电系统的电动汽车充电站的运行策略为：(1)在一定的时间周期(如一天)内，有N辆车在不同时段停放在光伏充电站的充电车位上；充电站的电能来源于光伏发电和配电网供电；在停放时间段内由系统根据光伏及电价情况优选起始充电时间，通过充电桩对其充电。(2)假定充电站运营商是光伏发电的投资主体，使用过程中不需再另付来自光伏发电的购电费用；配电网通过交流转直流(AC/DC)变流器向系统供电，采用分时电价(在电网负荷高峰时段电价高，负荷低谷时段电价低)。(3)储能系统根据自身荷电状态(SOC)，随光伏发电及电价情况灵活调整充放电方式。在光伏发电功率大于电动汽车充电需求时，利用光伏剩余电能给储能充电；在光伏发电功率不能满足电动汽车充电需求时，储能系统释放电能，与配电网共同对电动汽车充电。

但是，目前仍缺乏针对含光伏发电系统的电动汽车充电站的优化调度方法。

光伏充电站与常规充电站相比，除了在站内配备光伏发电系统外，考虑到光伏发电的波动、间歇特性，还需配备一定容量的储能系统。这种情况下，一方面需尽可能利用光伏发电电量，降低从电网的购电费用；另一方面，需考虑储能系统的使用寿命问题，尽可能降低储能的循环电量。因此，常规充电站的优化调度方法不能完全适用。

当一个优化问题的目标函数大于一个且需要同时处理时即形成多目标优化问题。对于一个多目标优化问题，我们关注其Pareto最优解集(非支配解集)，即综合考虑各目标后的折中解集合。20世纪八九十年代以来，各国学者相继提出了不同的多目标进化算法，主要包括MOGA(Multi-objective Genetic Algorithm)、NPGA(Niched Pareto GeneticAlgorithm)、SPEA(Strength Pareto Evolutionary Algorithm)、NSGA(Non-dominatedSorting Genetic Algorithm)和NSGA-II等算法。

NSGA-II是Deb等人于2002年在对NSGA算法改进的基础上提出的，是目前认可度较高的多目标进化算法之一。相对于NSGA算法，其具有以下主要优点：

(1)采用基于分级的快速非支配排序法，计算复杂度为O(mN2)(其中,m为目标函数的个数，N为种群中个体的数量)；

(2)提出拥挤距离的概念，用以表示快速非支配排序后同级中不同元素的适应度值，使当前Pareto前沿中的个体能够尽可能均匀地扩展到整个Pareto前沿面，拥挤距离的时间复杂度为O(m(2N)log(2N))；

(3)引入精英保留机制，通过子代个体与其父代个体的共同竞争来产生下一代种群，有利于提高种群的整体进化水平。

发明内容

本发明的目的在于，针对上述不足之处公开了含光伏发电系统的电动汽车充电站的多目标优化调度方法，为示范城市电动汽车充电基础设施建设提供理论依据和技术支撑，并有利于提高充电站内整体运行的经济效益。

针对含光伏发电系统的电动汽车充电站，其结构为：光伏发电系统，通过直流转直流(DC/DC)变换器与直流母线相连；储能系统，通过直流转直流(DC/DC)变换器与直流母线相连；光伏充电站停车位，停在光伏充电站停车位待充电的电动汽车与充电桩相连；充电桩通过直流转直流(DC/DC)变换器与直流母线相连；交流配网通过交流转直流(AC/DC)变流器后与直流母线相连；中央控制单元与系统各组件相连，可获取各组件信息并发出指令。

光伏发电系统的电动汽车充电站的运行策略为：(1)在一定的时间周期(如一天)内，有N辆车在不同时段停放在光伏充电站的充电车位上；充电站的电能来源于光伏发电和配电网供电；在停放时间段内由系统根据光伏及电价情况优选起始充电时间，通过充电桩对其充电。(2)假定充电站运营商是光伏发电的投资主体，使用过程中不需再另付来自光伏发电的购电费用；配电网通过交流转直流(AC/DC)变流器向系统供电，采用分时电价(在电网负荷高峰时段电价高，负荷低谷时段电价低)。结合目前现有实际运营现状，本发明暂不考虑向配电网送电的情况。(3)储能系统根据自身荷电状态(SOC)，随光伏发电及电价情况灵活调整充放电方式。在光伏发电功率大于电动汽车充电需求时，利用光伏剩余电能给储能充电；在光伏发电功率不能满足电动汽车充电需求时，储能系统释放电能，与配电网共同对电动汽车充电。

本发明提供的技术方案是，

含光伏发电系统的电动汽车充电站的多目标优化调度方法，该方法步骤为：

1)考虑光伏发电系统的电动汽车充电站的结构和运行策略，以购电费用最小化和储能系统的循环电量最小化为目标函数,建立含光伏发电系统的电动汽车充电站的多目标优化调度模型；

在满足站内充电需求的情况下，设计优化目标如下：(1)最小化购电费用；(2)最小化储能系统循环电量；

$\left\{\begin{array}{c}C=\underset{i=1}{\overset{T}{\Σ}}{\mathrm{pr}}_i\·({\mathrm{Pg}}_i\·{\mathrm{\Δt}}_i)\\ Ec=\underset{i=1}{\overset{T}{\Σ}}{{\mathrm{Pb}}_i}^{*}\·{\mathrm{\Δt}}_i\end{array}\right.,$

${{\mathrm{Pb}}_i}^{*}=\left\{\begin{array}{cc}\left|{\mathrm{Pb}}_i\right|,& {\mathrm{Pb}}_i<0\\ 0,& {\mathrm{Pb}}_i\&GreaterEqual;0\end{array}\right.,$

式中，C为购电总费用；Ec为储能系统循环电量；T为优化的时段数；Δt_i为第i时段的时长；Pg_i为第i时段配电网供电的平均功率；pr_i为第i时段的电价；Pb_i ^*为第i时段放电功率；Pb_i为不同时段储能系统充放电功率。

2)确定光伏发电系统的电动汽车充电站的多目标优化调度模型的决策变量及其约束条件；

根据优化目标设定的光伏发电系统的电动汽车充电站的多目标优化调度模型的决策变量为：电动汽车充电起始时间ts_k，储能系统充放电功率Pb_i；

根据优化目标设定的光伏发电系统的电动汽车充电站的多目标优化调度模型的约束条件包括四个方面：(1)电动汽车充电时间约束；(2)储能系统充放电功率和荷电状态(SOC)范围约束；(3)配电网供电功率约束；(4)系统功率平衡约束。

(1)电动汽车充电时间约束：电动汽车充电时间ts_k，储能系统充放电功率Pb_i，约束条件如下：

tp_k＜ts_k＜ts_k+Eev_k/P₀＜tl_k，

|Pb_i|≤Pb_nη_dd，

式中，tp_k和tl_k分别为第k辆电动汽车到达和离开车位的时间，Pb_n为双向DC/DC变换器的额定功率，Eev_k为第k辆车所需充电电量；P₀为电动汽车额定充电功率；η_dd为直流转直流变换器的效率；

(2)储能系统充放电功率和荷电状态(SOC)范围约束：满足荷电状态(SOC)范围约束条件为，如果放电深度过大，会影响储能系统使用寿命，对储能系统的荷电状态(SOC)范围约束如下：

1-D≤SOC_i≤1，

式中，D为储能系统最大放电深度；SOC_i为第i时段储能系统荷电状态。

根据充放电功率，储能系统荷电状态(SOC)在不同时间的状态关系可表示为：

SOC_i＝SOC_i-1+Pb_i·Δt_i/Eb_n，

式中，Eb_n为储能系统的额定电量。

(3)配电网供电功率约束条件为，配电网向系统供电功率受到配电变压器和交流转直流(AC/DC)变换器的额定容量约束：

Pg_i≤min(P_T,P_AD)，

式中，P_T和P_AD分别为配电变压器及交流转直流变换器的额定容量。

(4)系统功率平衡约束条件为，光伏充电站系统在运行过程中需满足功率平衡关系。当储能系统处于充电状态时：

Pg_i·η_ad+Ppv_i·η_dd＝Pev_i/η_dd+Pb_i/η_dd，

当储能系统处于放电状态时：

Pg_i·η_ad+Ppv_i·η_dd＝Pev_i/η_dd+Pb_i·η_dd，

式中，Ppv_i为光伏发电功率，Pev_i为站内电动汽车充电总功率；η_dd为直流转直流变换器的效率，η_ad为交流转直流变换器的效率；

3)含光伏发电系统的电动汽车充电站的多目标优化调度模型求解前，确定以下基础数据：

(1)根据光伏发电的历史数据和气象预报所预测的光伏发电功率；

(2)统计私家车行为规律，预测电动汽车的停放起止时间tp_k、tl_k和需求电量情况；

(3)确定光伏充电站系统各单元的具体参数，如单价、寿命、效率和额定容量等；

(4)根据私家车停放时间规律和双向DC/DC变换器额定功率约束，确定各决策变量的取值范围；

(5)各时段的电价。

4)根据不同天气预测情况下充电站运行情况，通过多目标优化算法，得到非支配解前沿面，进而获得多个Pareto最优解；

5)根据当地的日照强度以及充电站储能系统起始荷电状态(SOC)的情况，选择对储能系统总循环电量和购电费用综合成本较小的优化方案，最终选择每日的优化调度方案。

本发明的有益效果是：

本发明适用于光资源丰富的各类城市含光伏发电系统的电动汽车充电站内，主要对充电站日前调度进行优化。

本发明提出的含光伏发电系统的电动汽车充电站多目标优化调度方法物理概念明确，算法简便，实现了对光伏充电站调度方案的优化，

本发明可以针对不同日照情况和储能系统起始荷电状态(SOC)，根据对电动汽车充电行为的研究，提出日前调度优化方案；提出的优化调度模型，可为含光伏发电的电动汽车充电站的调度提供理论依据和技术支撑，提高充电站站运行的经济性。

附图说明

图1为光伏充电站集成系统结构示意图。

图2为针对优化数学模型采用的求解流程图。图中虚线框中表示的是目标函数的计算方法。

图3为采用特定多目标优化算法，在不同日照强度和储能系统起始荷电状态(SOC)条件下得到储能系统总循环电量和购电费用的关系图。图(a-d)均为两目标优化结果，其中，图(a)为日照较强，储能系统起始荷电状态(SOC)为0.8时的情况；图(b)为日照较强，储能系统起始荷电状态(SOC)为0.4的情况；图(c)为日照较弱，储能系统起始荷电状态(SOC)为0.4的情况；图(d)为日照较弱，储能系统起始荷电状态(SOC)为0.8的情况。

具体实施方式

下面结合附图，对所选算例作详细说明。应该强调的是，下述说明仅仅是示例性的，而不是为了限制本发明的范围及其应用。

如图1所示，本发明公开了光伏充电站集成系统结构示意图。图1为含光伏发电系统的电动汽车充电站结构示意图，如图1所示，含光伏发电系统的电动汽车充电站一般电气结构包括：光伏发电系统，通过DC/DC变换器与直流母线相连；储能系统，通过DC/DC变换器与直流母线相连；光伏充电站停车位，停在光伏充电站停车位待充电的电动汽车与充电桩相连；充电池通过DC/DC变换器与直流母线相连；交流配网通过AC/DC变流器后与直流母线相连；中央控制单元与交流母线相连。

含光伏发电系统的电动汽车充电站的运行策略(具体)为，(1)在一定的时间周期(如一天)内，有N辆车在不同时段停放在光伏充电站的充电车位上；充电站的电能来源于光伏发电和配电网供电；在停放时间段内由系统根据光伏及电价情况优选起始充电时间，通过充电桩对其充电。(2)假定充电站运营商是光伏发电的投资主体，使用过程中不需再另付购电费用(一般，光伏的所有人为充电站的运营商，因此使用光伏发电不用钱)。配电网通过AC/DC变流器向系统供电，采用分时电价——在电网负荷高峰时段电价高，负荷低谷时段电价低——计算购电费用(结合现在实际运营现状，本发明暂不考虑向配电网送电的情况)。(3)储能系统根据自身荷电状态(SOC)，随光伏发电及电价情况灵活调整充放电方式。在光伏发电功率大于电动汽车充电需求时，利用光伏剩余电能给储能充电；在光伏发电功率不能满足电动汽车充电需求时，储能系统释放电能，与配电网共同对电动汽车充电。

本发明提供的含光伏发电系统的电动汽车充电站的多目标优化调度方法，该方法步骤为：

1)构建光伏充电调度优化模型的目标函数。在满足站内充电需求的情况下，设计优化目标如下：(1)最小化购电费用；(2)最小化储能系统循环电量。

$\left\{\begin{array}{c}C=\underset{i=1}{\overset{T}{\&Sigma;}}{\mathrm{pr}}_i\&CenterDot;({\mathrm{Pg}}_i\&CenterDot;{\mathrm{\&Delta;t}}_i)\\ Ec=\underset{i=1}{\overset{T}{\&Sigma;}}{{\mathrm{Pb}}_i}^{*}\&CenterDot;{\mathrm{\&Delta;t}}_i\end{array}\right.,$

${{\mathrm{Pb}}_i}^{*}=\left\{\begin{array}{cc}\left|{\mathrm{Pb}}_i\right|,& {\mathrm{Pb}}_i<0\\ 0,& {\mathrm{Pb}}_i\&GreaterEqual;0\end{array}\right.,$

式中，C为购电总费用；Ec为储能系统循环电量；T为优化的时段数；Δt_i为第i时段的时长；Pg_i为第i时段配电网供电的平均功率；pr_i为第i时段的电价；Pb_i ^*为第i时段放电功率；Pb_i为不同时段储能系统充放电功率。

2)确定系统的决策变量及其约束条件；

根据优化目标设定的光伏发电系统的电动汽车充电站的多目标优化调度模型的决策变量为：电动汽车充电起始时间ts_k，储能系统充放电功率Pb_i；

根据优化目标设定的系统约束条件包括四个方面：(1)电动汽车充电时间约束；(2)储能系统充放电功率和荷电状态(SOC)范围约束；(3)配电网供电功率约束；(4)系统功率平衡约束。

(1)电动汽车充电时间约束：电动汽车充电时间tsk，储能系统充放电功率Pb_i，约束条件如下：

tp_k＜ts_k＜ts_k+Eev_k/P₀＜tl_k，

|Pb_i|≤Pb_nη_dd，

式中，tp_k和tl_k分别为第k辆电动汽车到达和离开车位的时间，Pb_n为双向DC/DC变换器的额定功率，Eev_k为第k辆车所需充电电量；P₀为电动汽车额定充电功率；η_dd为直流转直流变换器的效率；

(2)储能系统充放电功率和荷电状态(SOC)范围约束：满足荷电状态(SOC)范围约束条件为，如果放电深度过大，会影响储能系统使用寿命，对储能系统的荷电状态(SOC)范围约束如下：

1-D≤SOC_i≤1，

式中，D为储能系统最大放电深度；SOC_i为第i时段储能系统荷电状态。

根据充放电功率，储能系统荷电状态(SOC)在不同时间的状态关系可表示为：

SOC_i＝SOC_i-1+Pb_i·Δt_i/Eb_n，

式中，Eb_n为储能系统的额定电量。

(3)配电网供电功率约束条件为，配电网向系统供电功率受到配电变压器和AC/DC模块的额定容量约束：

Pg_i≤min(P_T,P_AD)，

式中，P_T和P_AD分别为配电变压器及AC/DC变换器的额定容量。

(4)系统功率平衡约束条件为，光伏充电站系统在运行过程中需满足功率平衡关系。当储能系统处于充电状态时：

Pg_i·η_ad+Ppv_i·η_dd＝Pev_i/η_dd+Pb_i/η_dd，

当储能系统处于放电状态时：

Pg_i·η_ad+Ppv_i·η_dd＝Pev_i/η_dd+Pb_i·η_dd，

式中，Ppv_i为光伏发电功率，Pev_i为站内电动汽车充电总功率；η_dd为直流转直流变换器的效率，η_ad为交流转直流变换器的效率；

3)对优化模型进行求解计算时应具备以下基础数据：(1)根据光伏发电的历史数据和气象预报所预测的光伏发电功率；(2)统计私家车行为规律，预测电动汽车的停放起止时间tp_k、tl_k和需求电量情况；(3)确定光伏充电站系统各单元的具体参数，如单价、寿命、效率和额定容量等；(4)根据私家车停放时间规律和双向DC/DC变换器额定功率约束，确定各决策变量的取值范围；(5)各时段的电价。

4)根据不同天气预测情况下充电站运行情况，通过多目标优化算法，得到非支配解前沿面，进而获得多个Pareto最优解；

本发明多目标优化算法采用的为NSGA-II算法；图2所示为针对优化数学模型采用的求解流程图。图中虚线框中表示的是目标函数的计算方法，这里公开了针对优化数学模型的求解流程示意图——采用NSGA-II算法来求解上述问题，求解的难点在于计算目标函数，即优化时段内购电费用和储能系统的循环电量(如图中虚线框内容)，目标函数的计算结果是对NSGA-II算法种群中的个体进行快速非支配排序的基础，具体NSGA-II算法计算目标函数的方法包括如下步骤：

①计算光伏发电功率

根据光伏发电的历史数据和气象预报，获得未来24小时内每时刻光伏系统的输出功率Ppv_i。

②计算电动汽车充电总功率

统计私家车行为规律，其停放起止时间和电池剩余电量均满足正态分布，根据统计规律预测电动汽车的停放起止时间tp_k、tl_k和剩余电量情况，求出其电量需求Eev_k。在约束下随机生成每辆电动汽车的充电起始时间tsk。

如图中步骤求出每辆车在每时刻的充电功率Pk_i，求出第i时刻站内电动汽车的充电总功率Pev_i。

③获得储能系统充放电功率Pb_i

在约束条件内随机生成储能系统充放电功率Pb_i，检查每时刻储能系统荷电状态是否满足约束，求出第i时刻储能深度的约束，对于不满足的Pb_i，使用罚函数进行处理。

④计算光伏充电站从配电网购电的功率

根据系统功率平衡关系，可求出每时刻系统从配电网购电的功率。

⑤计算目标函数之一购电费用

根据分时电价求取优化时段的总购电费用。

⑥计算目标函数之二储能系统循环电量

根据Pb_i的正负判断储能系统处于充电或放电状态，可求得优化时段的储能系统循环电量。

如图3所示，图3为采用特定多目标优化算法，在不同日照强度和储能系统起始荷电状态(SOC)条件下得到储能系统总循环电量和购电费用的关系图。本发明公开了一例为采用特定多目标优化算法，在不同日照强度和储能系统起始荷电状态(SOC)条件下得到储能系统总循环电量和购电费用的关系图。图(a-d)均为两目标优化结果，其中，图(a)为日照较强，储能系统始荷电状态(SOC)为0.8时的情况；图(b)为日照较强，储能系统起始荷电状态(SOC)为0.4的情况；图(c)为日照较弱，储能系统起始荷电状态(SOC)为0.4的情况；图(d)为日照较弱，储能系统起始荷电状态(SOC)为0.8的情况。优化结果是一组Pareto最优解，在实际应用中可根据目标城市的日照强度，以及充电站内储能系统起始荷电状态(SOC)，来选择光伏充电站的优化调度方案。由多目标优化算法搜索得到的Pareto解集分布均匀且分布范围广，可为在不同日照强度和储能系统起始荷电状态(SOC)条件下对储能系统总循环电量和购电费用的选择提供丰富信息。决策者可充分考虑当地日照强度以及充电站储能系统起始荷电状态(SOC)的情况选择成本较小的优化方案，因此需要综合权衡各方面因素，充分挖掘Pareto最优解蕴含的信息，做出客观决策。

本发明适用于光资源丰富的各类城市的含光伏发电系统的电动汽车充电站；实现了对含光伏发电系统的电动汽车充电站调度方案的优化；可为含光伏发电系统的电动汽车充电站的调度提供理论依据和技术支撑；提高充电站运行的经济性。

以上所述，仅为本发明较佳的具体实施方法，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (2)

1.含光伏发电系统的电动汽车充电站的多目标优化调度方法，其特征在于，该方法步骤为：

步骤1：考虑光伏发电系统的电动汽车充电站的结构和运行策略，以购电费用最小化和储能系统的循环电量最小化为目标函数，建立含光伏发电系统的电动汽车充电站的多目标优化调度模型；

在满足站内充电需求的情况下，设计优化目标如下：(1)最小化购电费用；(2)最小化储能系统循环电量；

式中，C为购电总费用；Ec为储能系统循环电量；T为优化的时段数；Δt_i为第i时段的时长；Pg_i为第i时段配电网供电的平均功率；pr_i为第i时段的电价；Pb_i ^*为第i时段放电功率；Pb_i为第i时段储能系统充放电功率；

步骤2：确定光伏发电系统的电动汽车充电站的多目标优化调度模型的决策变量及其约束条件；

根据优化目标设定的光伏发电系统的电动汽车充电站的多目标优化调度模型的决策变量为：电动汽车充电起始时间ts_k，储能系统充放电功率Pb_i；

根据优化目标设定的光伏发电系统的电动汽车充电站的多目标优化调度模型的约束条件包括四个方面：(1)电动汽车充电时间约束；(2)储能系统充放电功率和荷电状态范围约束；(3)配电网供电功率约束；(4)系统功率平衡 约束；

(1)电动汽车充电时间约束：电动汽车充电起始时间ts_k，储能系统充放电功率Pb_i，约束条件如下：

tp_k＜ts_k＜ts_k+Eev_k/P₀＜tl_k，

|Pb_i|≤Pb_nη_dd，

式中，tp_k和tl_k分别为第k辆电动汽车到达和离开车位的时间，Pb_n为双向直流转直流变换器的额定功率；Eev_k为第k辆车所需充电电量；P₀为电动汽车额定充电功率；η_dd为直流转直流变换器的效率；

(2)储能系统充放电功率和荷电状态范围约束：满足荷电状态范围约束条件为，如果放电深度过大，会影响储能系统使用寿命，对储能系统的荷电状态范围约束如下：

1-D≤SOC_i≤1，

式中，D为储能系统最大放电深度；SOC_i为第i时段储能系统荷电状态；

根据充放电功率，储能系统荷电状态在不同时间的状态关系表示为：

SOC_i＝SOC_i-1+Pb_i·Δt_i/Eb_n，

式中，Eb_n为储能系统的额定电量；

(3)配电网供电功率约束条件为，配电网向系统供电功率受到配电变压器和交流转直流模块的额定容量约束：

Pg_i≤min(P_T,P_AD)，

式中，P_T和P_AD分别为配电变压器及整流器的额定容量；

(4)系统功率平衡约束条件为，光伏充电站系统在运行过程中需满足功率平衡关系；当储能系统处于充电状态时：

Pg_i·η_ad+Ppv_i·η_dd＝Pev_i/η_dd+Pb_i/η_dd，

当储能系统处于放电状态时：

Pg_i·η_ad+Ppv_i·η_dd＝Pev_i/η_dd+Pb_i·η_dd，

式中，Ppv_i为光伏发电功率，Pev_i为站内电动汽车充电总功率；η_dd为直流转直流变换器的效率，η_ad为交流转直流变换器的效率；

步骤3：含光伏发电系统的电动汽车充电站的多目标优化调度模型求解前，确定以下基础数据：

(1)根据光伏发电的历史数据和气象预报所预测得到的光伏发电功率；

(2)统计私家车行为规律，预测电动汽车的停放起止时间tp_k、tl_k和需求电量情况；

(3)确定含光伏发电系统的电动汽车充电站部件的参数，所述参数为单价、寿命、效率和额定容量任意之一或多个；

(4)根据私家车停放时间规律和双向DC/DC变换器额定功率约束，确定各决策变量的取值范围；

(5)各时段的电价；

步骤4：根据不同天气预测情况下充电站运行情况，通过多目标优化算法，得到非支配解前沿面，进而获得多个Pareto最优解；

步骤5：根据当地的日照强度以及充电站储能系统起始荷电状态的情况，选择对储能系统总循环电量和购电费用综合成本较小的优化方案，最终选择含光伏发电系统的电动汽车充电站最优调度方案。

2.根据权利要求1所述的含光伏发电系统的电动汽车充电站的多目标优化调度方法，其特征在于，所述多目标优化算法为NSGA-II算法，所述NSGA-II 算法方法包括步骤：

①计算光伏发电功率；

根据光伏发电的历史数据和气象预报，获得未来24小时内每时刻光伏系统的输出功率Ppv_i；

②计算电动汽车充电总功率Pev_i；统计私家车行为规律，其停放起止时间和电池剩余电量均满足正态分布，根据统计规律预测电动汽车的停放起止时间tp_k、tl_k和剩余电量情况，求出其电量需求Eev_k；

在约束条件下随机生成每辆电动汽车的充电起始时间ts_k；

求出每辆车在每时刻的充电功率Pk_i，求出第i时刻站内电动汽车的充电总功率Pev_i；

③获得储能系统充放电功率Pb_i；在约束条件内随机生成储能系统充放电功率Pb_i，检查每时刻储能系统荷电状态是否满足约束，求出第i时刻储能深度的约束，对于不满足的Pb_i，使用罚函数进行处理；

④计算光伏充电站从配电网购电的功率；根据系统功率平衡关系，求出每时刻系统从配电网购电的功率；

⑤计算目标函数之一购电费用；根据分时电价求取优化时段的总购电费用；

⑥计算目标函数之二储能系统循环电量；根据Pb_i的正负判断储能系统处于充电或放电状态，求得优化时段的储能系统循环电量。