CN109214095B - 电动汽车充放电多目标优化调度方法 - Google Patents

Abstract

本发明公开了一种电动汽车充放电多目标调度方法，属于充电技术领域。通过建立以电网负荷波动最小、系统负荷峰谷差最小和电动汽车充放电成本最低的多目标化数学模型，利用带权重的粒子群算法，降低系统负荷的均方差减小了负荷的波动有助于电力系统的安全稳定运行，执行不同分时电价的控制策略增加了电动汽车用户的充放电成本；执行电价控制策略有效的降低系统的峰值，提升了负荷的谷值，大幅度的减小原始系统负荷的峰谷差，提升了负荷率证明了电价调度控制策略可以改善电网负荷特性方面的有效性。本发明提高了电网的稳定性、负荷率，同时提高了用户的经济性，多目标优化调度方法提高用户充放电成本的权重从而也提高电动汽车用户参与调度的积极性。

Description

电动汽车充放电多目标优化调度方法

技术领域

本发明属于充电技术领域，特别是涉及一种电动汽车充放电多目标优化调度方法。

背景技术

电动汽车是以电代替油，清洁环保无污染。在世界范围内掀起了“新能源电动汽车”的热潮，发达国家开展电动汽车技术的研究，国内的科研机构和一些汽车企业致力于开发新能源电动汽车技术研究，在电动汽车新技术方面都取得了一定成果。电动汽车作为新的代步工具提高人民的生活质量的同时扮演着节能环保的重要角色。国家政策的不断完善和地方政府的积极推广都为新能源电动汽车的发展提供了良好的契机。对解决能源紧缺和环境污染的矛盾问题提供了新思路。

现有技术中，仅仅考虑了电动汽车的充电没有考虑到电动汽车的放电，所以最终的优化结果体现在“填谷”的效果比较明显。电动汽车在高峰时段进行放电有助于“削峰”。整体的模型针对于配电网的部分仅仅做到了保持电力系统稳定并没有考虑电动汽车的充电成本问题(和敬涵,谢毓毓,叶豪东,王小君,李智诚.电动汽车充电模式对主动配电网的影响[J].电力建设,2015,36(01):97-102.)。另外，综合目标函数中前者表示的系统负荷波动的标准差，后者的单位是用户的收入，没有对量纲进行统一化进行直接相加计算存在着很大的误差(戴诗容,雷霞,程道卫,叶涛,杨毅.电动汽车峰谷分时充放电电价研究[J].电网与清洁能源,2013,29(07):77-82+91)。通过电量电价矩阵来去对电动汽车的放电电价进行求解，根据当地的实际水平来去制定，电动汽车对电网馈电的电价为固定值。电动汽车的充放电对系统负荷的峰谷差产生一定的影响，电动汽车尚未大面积的接入电网，电动汽车用户充放电的历史相关数据相对较少，准确获得电动汽车的电价电量反应曲线和符合历史数据规律的弹性系数矩阵对电动汽车用户的充放电定价极其重要。

针对前述现有技术中出现的问题，亟需提供一种电动汽车充放电多目标优化调度方法，即在供电侧考虑电动汽车入网后的系统负荷波动和峰谷差值最小为目标函数建立数学模型，在用户侧考虑用户的充放电成本最低通过建立不同的综合目标函数达到削峰填谷的目的。

发明内容

本发明的目的在于提供一种电动汽车充放电多目标优化调度方法，以实现在供电侧电动汽车入网后的系统负荷波动和峰谷差值最小，在用户侧的用户充放电成本最低的优化调度目的，解决了现有技术中系统负荷波动、峰谷差值最小和用户充放电成本最低三者无法同时兼顾的充放电调度模式。

本发明所采用的技术方案是，提供一种电动汽车充放电多目标优化调度方法，包括以下步骤：

步骤1)，建立电量与电价的关系模型：

以需求电量与价格之间成反比例的关系为基础，定义电量电价弹性系数：

其中，Δq和Δp分别表示电量q和电价p的相对增量；结合电动汽车用户在某一时段的用电量与该时段的电价、相邻时段电价的影响，设立自弹性系数和交叉弹性系数计算公式：

公式(2)和(3)中，i,j代表不同的时间段，运用偏导符号

表示i时刻电量不仅是i时刻电价的函数，而且是其他时刻电价的函数；

对于一天中的n个时段，可得到如下公式：

E为n*n的弹性矩阵，式子中ε_ii代表自弹性系数；ε_ij代表互弹性系数；

步骤2)，建立电动汽车用户对电价的反应度模型：

在实行峰谷电价时，用户用电量变化率列向量为：

其中：ΔQ_i为i时段用户实行分时电价前后的电量变化值，ΔP_i为i时段用户实行分时电价前后的电价变化值；实行峰谷分时电价后的用电量为：

其中，Q'i为实行峰谷分时电价后i时段的用电量；

步骤3)，将一天分为24个时段，将每个时段的每辆电动汽车的充放电功率作为控制变量，以电网系统负荷波动最小建立目标函数1：

公式(1)和(2)中，P_Lj代表不含电动汽车负荷原始电网j时段的系统功率；P_ij代表电动汽车i在j时段的充放电功率，其为负值表示充电，其为正值表示放电；n表示电动汽车的数量；

步骤4)，以使用户花费的电费成本最低，结合步骤2)中分时电价的实际情况建立目标函数2：

公式(10)中S_j代表j时段的电价水平，

P_ij代表电动汽车i在j时段的充放电功率，其为负值表示充电，其为正值表示放电；n表示电动汽车的数量；

步骤5)，采用线性加权法将多目标问题转化为单目标问题进行求解，对目标函数1和目标函数2作归一化处理：

β₁+β₂＝1； (13)

公式(12)和(13)中：F_1max为原始电网负荷的方差；F_2max为传统用车习惯下车主的日充电成本；β₁表示目标函数1的权重系数；β₂为目标函数2的权重系数；

步骤6)，以最小化系统负荷峰谷差建立目标函数3：

F₃＝min[max(P′_Lj)-min(P′_Lj)]； (14)

其中，max(P'_Lj)为调整后系统负荷的峰值；min(P'_Lj)为调整后的系统负荷的谷值；

步骤7)，采用线性加权法将多目标问题转化为单目标问题进行求解，通过对目标函数1、目标函数2和目标函数3作归一化处理，建立综合目标函数：

ω₁+ω₂+ω₃＝1； (16)

公式(15)和(16)中，F_1max为原始电网负荷的方差；F_2max为传统用车习惯下车主的日充电成本；F_3max为原始系统负荷的峰谷差值；ω₁表示目标函数1的权重系数；ω₂为目标函数2的权重系数；ω₃为目标函数3的权重系数；

步骤8)，目标函数1以负荷波动最小，目标函数3是实现负荷的削峰填谷，整体都是为了使系统负荷波动平缓为目的；将F1和F3两个多目标结合起来转化为单目标实现“削峰填谷”，进而实现使充电负荷均匀地分布于整个谷时段，在调度结果中效果最优，结合后的函数为：

λ₁+λ₂＝1； (18)

公式(17)和(18)中，λ₁表示系统波动平缓的权重系数；λ₂表示电动汽车用户充放电收入的权重系数；λ₁与λ₂的权重取值情况对于不同的行业区别很大，λ₁取值较大的话说明该地区的峰谷差和系统负荷的波动较为严重，λ₂取值比较大说明电动汽车用户对电价颇为敏感，λ₁与λ₂是带有主观因素的模糊判断。

本发明的有益效果是：

1)无序的电动汽车接入会给电网带来不同程度的影响，本文的调度控制方法可以提高电网的稳定性；分时电价下的调度控制策略实现“削峰填谷”同时也可以提高用户的经济性；

2)本文电动汽车充放电多目标的优化调度方法可以提高电网的负荷率，并有效改善系统负荷曲线的特性。

3)在电网稳定的前提下，本文的多目标优化调度方法可以提高用户充放电成本的权重从而提高电动汽车用户参与调度的积极性。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是原始负荷与固定电价下优化后的负荷曲线图；

图2是原始负荷和分时电价1下优化后的负荷曲线图；

图3是分时电价1下各车辆SOC变化图；

图4是原始负荷和分时电价2下的优化负荷曲线图；

图5是原始负荷与固定电价优化的负荷曲线图；

图6是原始负荷与分时电价1下优化负荷的负荷曲线图；

图7是原始负荷与分时电价2下优化负荷曲线图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

1电量电价模型

1.1电量与电价关系模型

电量电价弹性是指电价的相对变动引起的电能需求量的相对变动，即在一定的时间段内，用电量变化的百分率与相应的价格变化的百分率之比。由经济学原理知，典型的需求曲线如图1所示，q表示电量，p表示电价。影响需求量中最主要的是价格因素。在其他因素情况不变的情况下，需求量与价格之间是成反比例。将需求关系进行线性化处理；定义电量电价弹性系数：

式子中：Δq和Δp分别表示电量q和电价p的相对增量

在现实生活中，大多数用户在某一时段的用电量不仅与该时刻的电价相关而且还受到其他相邻时刻电价的影响。自弹性系数和交叉弹性系数计算公式

式子中：i,j代表不同的时间段。运用偏导符号为了说明i时刻电量不仅是i时刻电价的函数，而且是其他时刻电价的函数。

对于一天中的n个时段，可得到如下公式

E为n*n的弹性矩阵，式子中ε_ii代表自弹性系数；ε_ij代表互弹性系数。

基于电力市场中的需求响应规律研究电价与用户终端的电量需求关系。重点是研究用户的需求电量对电价的敏感度。

1.2典型的峰谷分时电价模型

合理有效的量化和测量用户对峰谷分时电价的响应度是非常重要的。制定峰谷分时电价时应充分考虑用户对该政策的满意度。虽然较高的峰谷分时电价的制定可以达到“削峰填谷”的效果，可是用户的满意度下降会比较大。充分考虑电动汽车用户的满意度和响应度等相关因素，运用控制策略使其综合达到最优的效果。

峰谷分时电价比不同，电动汽车用户的响应度也不一样，执行分时电价可以引起电量的变化。实行峰谷电价后用户用电量变化率列向量：

式子中：ΔQ_i为i时段用户实行分时电价前后的电量变化值，ΔP_i为i时段用户实行分时电价前后的电价变化值。

实行峰谷分时电价后的用电量为：

式子中：Q'i为实行峰谷分时电价后i时段的用电量。

该式子表示所建立的电动汽车用户对电价的反应度模型，执行分时电价后电动汽车用户会做出一定范围内的响应。电动汽车用户的电量会随着不同时段电价的变化转移电动汽车的负荷。电网公司通过对负荷的转移，实现削峰填谷。用户根据电价做出适度的反应减少充放电的费用。

2多目标优化控制策略

2.1多目标电动汽车充放电优化数学模型

对于电网的系统负荷来说，电网负荷的波动情况可以用均方差表示。负荷的均方差数值的越大小反映了整体负荷变化的平稳程度。将一天分为24个时段，将每个时段的每辆电动汽车的充放电功率当做控制变量，以负荷波动最小建立目标函数1：

式子中：P_Lj代表不含电动汽车负荷原始电网j时段的系统功率；P_ij代表电动汽车i在j时段的充放电功率，其为负值表示充电，其为正值表示放电；n表示电动汽车的数量。

以使用户花费的电费成本最低，结合分时电价的实际情况建立目标函数2：

式子中S_j代表j时段的电价水平

P_ij代表电动汽车i在j时段的充放电功率，其为负值表示充电，其为正值表示放电；n表示电动汽车的数量；

电动汽车用户的充放电成本比较低不能达到用户的心里预期，很难调动电动汽车用户参与调度的积极性，电网的负荷波动就会比较大不能从根本上解决；电动汽车用户的充放电成本可以达到用户的心里预期并且超过用户的心理预期的，可以充分调动电动汽车的积极性使电动汽车用户积极参与调度中，系统负荷的波动水平比较低同时电动汽车也获得自己所期待的收益。

充放电的成本和负荷波动的水平相互影响，采用线性加权法将多目标问题转化为单目标问题进行求解，对目标函数1和目标函数2的归一化处理：

β₁+β₂＝1 (13)

式子中：F_1max为原始电网负荷的方差；F_2max为传统用车习惯下车主的日充电成本；β₁表示目标函数1的权重系数；β₂为目标函数2的权重系数。

以最小化系统负荷峰谷差建立目标函数3：

F₃＝min[max(P′_Lj)-min(P′_Lj)] (14)

式子中：max(P'_Lj)为调整后系统负荷的峰值；min(P'_Lj)为调整后的系统负荷的谷值。

采用线性加权法将多目标问题转化为单目标问题进行求解，通过对目标函数1、2和3的归一化处理，建立综合目标函数为：

ω₁+ω₂+ω₃＝1 (16)

式子中：F_1max为原始电网负荷的方差；F_2max为传统用车习惯下车主的日充电成本；F_3max为原始系统负荷的峰谷差值；ω₁表示目标函数1的权重系数；ω₂为目标函数2的权重系数；ω₃为目标函数3的权重系数；

目标函数F₁以负荷波动最小，目标函数F₃是实现负荷的削峰填谷是负荷波动的一个特例，整体都是为了使系统负荷波动平缓为目的。将F₁和F₃两个多目标起来转化为单目标可以实现“削峰填谷”，可以实现使充电负荷均匀地分布于整个谷时段，在调度结果中效果最优。

目标函数F1以负荷波动最小，目标函数F3是实现负荷的削峰填谷，整体都是为了使系统负荷波动平缓为目的；将F1和F3两个多目标结合起来转化为单目标可以实现“削峰填谷”，可以实现使充电负荷均匀地分布于整个谷时段，在调度结果中效果最优。

λ₁+λ₂＝1 (18)

式子中：λ₁表示系统波动平缓的权重系数；λ₂表示电动汽车用户充放电收入的权重系数。

λ₁与λ₂的权重取值情况对于不同的行业区别很大，λ₁取值较大的话说明该地区的峰谷差和系统负荷的波动较为严重，λ₂取值比较大说明电动汽车用户对电价颇为敏感。λ₁与λ₂是带有主观因素的模糊判断。

2.2模型对应的约束条件

(1)充放电功率约束

P_ijmin≤P_ij≤P_ijmax (19)

式子中：P_ijmin为电动汽车i在j时刻的最大充电功率约束；P_ijmax代表电动汽车i在j时刻的最大放电功率。按照车用锂离子电池的标准充放电功率曲线，电动汽车的充电电流Ic限制在C/15以下；电动汽车的放电电流I_d不大于C/3。

(2)车用电池的约束一般由电池的荷电状态来表示，S_OC表示电动汽车的剩余容量与最大容量的比值

S_OCijmin≤S_OCij≤S_{OCij max} (20)

式子中：S_OCij代表电动汽车i在j时刻的荷电状态。S_OCijmin表示电动汽车i在j时刻荷电状态的下限。S_OCijmax表示电动汽车i在j时刻荷电状态的上限。考虑到车用蓄电池安全的前提下，下限S_OCijmin通常取值0.2；S_OCijmax取值为0.9。

3算法介绍

3.1基本粒子群算法

粒子群优化算法首先初始化一群随机粒子，粒子群就追随当前的最优粒子在解的空间不断的进行搜索，不断的迭代寻找最优解。在d维空间中搜索第i个粒子的位置和速度为:

X_i＝[x_i1,x_i2,…x_id] (21)

V_i＝[v_i1,v_i2…v_id] (22)

每一次的迭代中，粒子通过追寻两个最优的解来去进行自我的更新。首先是粒子通过本身的搜索找到最优解也就是个体的极值pbest:

P_i＝[p_i1,p_i2,…p_id] (23)

其次是种群当前寻找到的最优解gbest:

P_g＝[p_g1,p_g2,…p_gd] (24)

在寻找两个最优值的过程中，粒子依据速度更新公式和位置公式来进行速度和位置的更新，在一定的随机扰动的条件下决定粒子下一步的移动方向。

式子中：i取值范围[1,N],d的取值范围[1,D]；k为当前迭代的次数大于零；c₁和c₂为学习因子取值范围为[0,4],v_max是常数限制了粒子飞行速度的最大值，通常情况下用户根据自己的需求来去设定。

3.2带权重的粒子群算法

数值比较大时，粒子的飞行速度就会比较大，增大了全局的搜索可是会出现分过最优解的情况，数值较小时，粒子在特定的区域内进行搜索。

将惯性权重引入粒子全算法中的速度更新公式中，将速度公式修改如下：

v_max的数值比较大时，粒子的飞行速度就会比较大，增大了全局的搜索可是会出现飞过最优解的情况，v_max数值较小时，粒子在特定的区域内进行搜索。将惯性权重引入粒子全算法中的速度更新公式中，将速度公式修改如下：

式子中：r₁和r₂取[0,1]的随机数，c₁和c₂为学习因子，取值范围均为[0,4]

粒子群算法基本步骤：

(1)步骤一初始化在D维空间中的随机产生的粒子的位置与速度

(2)步骤二位置评价是指每个粒子通过构造的位置目标函数进行评价

(3)步骤三更新粒子的历史最优位置和全局最优位置：比较粒子的位置评价值与历史位置最优值。大于历史最优值用当前位置取代历史最优位置；比较粒子的当前位置评价值和群体全局的最优值，当前的评价值比群体全局最优值好，用当前值替代全局最优值。

(4)按照位置和速度的公式进行更新

(5)循环终止条件：每个粒子执行步骤二到步骤四的循环，直到满足收敛条件或者代数达到最大限制。

4算例仿真

4.1基本参数设置

算例设定每辆电动车的电池容量为48KW.h,初始荷电状态设置为0.3,共有5辆电动汽车参与调度。固定电价设置为0.75元/KW.h,馈电补贴电价统一设置为0.1元/KW.h，分时电价1和分时电价2参考表1所示：

表1商业用电分时电价

时段	分时电价1/(元/kw.h)	分时电价2/(元/kw.h)
			23:00—次日07:00	0.360	0.300
07:00-08:00	0.687	0.712
			08:00-11:00	1.070	1.120
11:00-12:00	1.070	1.210
			12:00-14:00	1.070	1.120
14:00-18:00	0.687	0.712
			18:00-19:00	1.070	1.120
19:00-21:00	1.070	1.210
			21:00-23:00	1.070	1.120

表2商用建筑典型日用电负荷

时段	1	2	3	4	5	6	7	8	9	10	11	12
													功率/KW	65	64	62	64	64	64	80	77	81	90	101	101
时段	13	14	15	16	17	18	19	20	21	22	23	24
													功率/KW	99	81	82	74	78	93	100	92	87	74	66	55

当综合目标函数为minT,β₁＝β₂＝0.5可以达到目标最优化^[33]；学习因子c₁＝c₂＝1.49445,常惯性权重取值ω＝0.6,粒子种群数目取值100，迭代次数取2000；T_1max取值4562，T_2max取值140。

在综合目标函数minF中将目标函数F₁和目标函数F₃合并转化成一个目标函数，削峰填谷是利用负荷波动的一个特例，因为目标函数F1和目标函数F3都是为了减小系统负荷的波动，将两个目标函数归一化后进行叠加建立新的目标函数minF。最后将多目标转化为单目标处理。

4.1.1仿真结果1

综合目标函数为minT，基于常惯性权重粒子群算法，分别对固定电价、分时电价1和分时电价2下电网的负荷波动情况、一天内电动汽车充放电功率变化，参与调度电动汽车电池的荷电状态变化情况进行仿真分析。

仿真结果如图1至图7所示，具体论述如下：

(1)基于常惯性权重粒子群算法进行仿真，惯性权重w值设置为0.6，迭代次数设置为2000。固定电价下的仿真：

(2)执行分时电价1下的仿真结果

分时电价1下不同车辆参与电网调度车用电池的荷电状态变化如图3所示，假设每一辆电动汽车的一天的24个时段均可以参与调度，不同车辆在参与调度时会出现不同时段处于不动作的状态。电动汽车作为灵活的储能设备在保证自己常规用车需求的前提下参与电网的削峰填谷。

表3分时电价1和固定电价优化结果

电价制度	负荷均方差KW2	用户成本/元
			固定电价	836.3799	12.7462
分时电价1	814.3282	12.8987

电动汽车充放电调度策略在分时电价1和固定电价下优化的负荷曲线与常规负荷曲线相比，负荷曲线变化比较平缓，波动幅度减小。仿真结果表明，电动汽车参与电网的多目标优化调度策略可以实现电网的“削峰”与“填谷”。分时电价1下的负荷均方差相比较于固定电价下的负荷均方差减小了2.6％。分时电价1下的用户成本较固定电价的成本增加了0.15元左右。

表4分时电价1与固定电价优化负荷曲线特性

分时电价1相比较与固定电价峰谷差值减小了2.6％。电网的负荷率有所提高。仿真结果证明电动汽车参与调度可以提高电网负荷特性方面的有效作用。分时电价1和固定电价优化下电动汽车的充放电成本没有太多的变化，在电网稳定的前提下，增大峰谷分时电价差可以减少电动汽车用户充放电的成本。

(3)执行分时电价2下的仿真结果

分时电价相比较于固定电价而言通过价格的杠杆来去改变电动汽车用户充放电的行为。通过利益的机制达到用户用电成本最低和系统负荷波动最小的效果，不同的分时电价对电动汽车的调度策略影响会有差别。

表5不同分时电价比较

电价制度	峰谷电价差(元/KW.h)	平均电价/(元/KW.h)
			分时电价1	0.71	0.705
分时电价2	0.91	0.722

相比较于分时电价1来说，分时电价2的峰谷差值进一步增大，对比分时电价1和分时电价2的平均电价，分时电价2的平均电价提高了2.4％。

表6不同分时电价下的优化结果

电价制度	负荷均方差/KW2	用户成本/元
			分时电价1	814.3282	12.8987
分时电价2	823.3628	16.5529

仿真结果说明，由于峰谷电价差增大的影响分时电价2相比于分时电价1增加了1.1％；分时电价2的调度策略同样实现了对电网的削峰填谷相比于分时电价1效果减小。分时电价2增加电动汽车用户充放电的成本。

表7不同分时电价下优化曲线负荷特性

分时电价2较分时电价1而言峰谷差值减小了6.4％，负荷率减小了0.03％。分时电价2虽然减小了负荷的峰谷差和负荷率却增加了电动汽车用户充放电的成本。分时电价2更有助于系统的调峰。分时电价2调高了平均用电电价引起了电动汽车用户日用电成本，在分时电价2执行的条件下通过增加补贴电价弥补增加的电动汽车用户充放电成本。

不管在分时电价1或者分时电价2，采用minT目标函数控制策略都是在有效抑制负荷波动的前提下保证用户的经济利益。

4.1.2仿真结果2

综合目标函数为minF，基于常惯性权重粒子群算法，分别对固定电价、分时电价1和分时电价2下电网的负荷波动情况、一天内电动汽车充放电功率变化，参与调度电动汽车电池的荷电状态变化情况进行仿真分析。

(1)固定电价下的仿真结果

表8固定电价下不同目标函数优化结果

执行固定电价的控制策略下，相比于目标函数T负荷均方差减小23.59％。目标函数F相比于目标函数T用户的成本增加了2.148％。固定条件不变的前提下，负荷均方差的变化更大，用户的成本变化变化比较小，考虑当地政府增加补贴的前提下。执行固定电价的多目标控制策略后目标函数F要优于目标函数T。

表9固定电价不同目标函数优化负荷曲线特性

固定电价策略下，目标函数F比目标函数T的峰谷差值减小了7.366KW，负荷率提高了2.29％，电动汽车参与电网优化调度可以提高负荷特性方面的有效性。

(2)分时电价1下的仿真结果

表10分时电价1下不同目标函数优化结果

执行分时电价1控制策略下，目标函数F相比于目标函数T负荷的均方差减小了202.37KW²；分时电价1控制策略下目标函数F对应的系统负荷曲线变化更平缓，相比较于目标函数T更有助于电力系统的稳定。目标函数F相比较于目标函数T用户的成本增加了29.97％，可以在保证系统稳定的前提下增加用户充放电成本的权重，减小电动汽车用户充放电的成本。

表11分时电价1下不同目标函数优化负荷曲线特性

执行分时电价1控制策略下，目标函数F对应的峰谷差比目标函数T对应的峰谷差降低了6.13KW，负荷率增加了1.4％。

(3)分时电价2下的仿真结果

表12分时电价2下不同目标函数优化结果

执行分时电价2控制策略下，目标函数F相比于目标函数T减小了10.7％，电动汽车的用户充放电成本增加了1.048元。通过提高电动汽车对电网的馈电电价来去减小电动汽车的充电成本。

表13分时电价2不同目标函数优化负荷曲线特性

执行分时电价2的控制策略下，目标函数F的峰谷差相比于目标函数T减小了21.7％，目标函数F相比于目标相比于目标函数T，负荷率增加了1％。

表14目标函数F下电价优化结果

电价制度	负荷均方差KW2	用户成本/元
			固定电价	639.0166	13.02
分时电价1	611.9563	18.4202
			分时电价2	735.0191	17.6008

表15目标函数为F时不同电价下优化曲线负荷特性

电价制度	峰值/KW	谷值/KW	峰谷差/KW	负荷率/％
					原始负荷	101	55	46	78.14
固定电价	93.57	77.83	15.74	90.73
					分时电价1	94.83	78.32	16.51	89.54
分时电价2	95.61	79.03	16.58	88.82

在目标函数为F时，降低系统负荷的均方差减小了负荷的波动有助于电力系统的安全稳定运行，执行不同分时电价的控制策略增加了电动汽车用户的充放电成本。政府通过不弥补电价机制去调整过程中给电动汽车用户增加的充放电成本。执行电价控制策略有效的降低系统的峰值，提升了负荷的谷值，大幅度的减小原始系统负荷的峰谷差，提升了负荷率证明了电价调度控制策略可以改善电网负荷特性方面的有效性。

以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (1)

1.一种电动汽车充放电多目标优化调度方法，其特征在于，包括以下步骤：

步骤1)，建立电量与电价的关系模型：

以需求电量与价格之间成反比例的关系为基础，定义电量电价弹性系数：

其中，Δq和Δp分别表示电量q和电价p的相对增量；结合电动汽车用户在某一时段的用电量与该时段的电价、相邻时段电价的影响，设立自弹性系数和交叉弹性系数计算公式：

公式(2)和(3)中，i,j代表不同的时间段，运用偏导符号

表示i时刻电量不仅是i时刻电价的函数，而且是其他时刻电价的函数；

对于一天中的n个时段，可得到如下公式：

E为n*n的弹性矩阵，式子中ε_ii代表自弹性系数；ε_ij代表互弹性系数；

步骤2)，建立电动汽车用户对电价的反应度模型：

在实行峰谷电价时，用户用电量变化率列向量为：

其中：ΔQ_i为i时段用户实行分时电价前后的电量变化值，ΔP_i为i时段用户实行分时电价前后的电价变化值；实行峰谷分时电价后的用电量为：

其中，Q'i为实行峰谷分时电价后i时段的用电量；

步骤3)，将一天分为24个时段，将每个时段的每辆电动汽车的充放电功率作为控制变量，以电网系统负荷波动最小建立目标函数1：

公式(1)和(2)中，P_Lj代表不含电动汽车负荷原始电网j时段的系统功率；P_ij代表电动汽车i在j时段的充放电功率，其为负值表示充电，其为正值表示放电；n表示电动汽车的数量；

步骤4)，以使用户花费的电费成本最低，结合步骤2)中分时电价的实际情况建立目标函数2：

公式(10)中S_j代表j时段的电价水平，

步骤5)，采用线性加权法将多目标问题转化为单目标问题进行求解，对目标函数1和目标函数2作归一化处理：

β₁+β₂＝1； (13)

公式(12)和(13)中：F_1max为原始电网负荷的方差；F_2max为传统用车习惯下车主的日充电成本；β₁表示目标函数1的权重系数；β₂为目标函数2的权重系数；

步骤6)，以最小化系统负荷峰谷差建立目标函数3：

F₃＝min[max(P′_Lj)-min(P′_Lj)]； (14)

其中，max(P'_Lj)为调整后系统负荷的峰值；min(P'_Lj)为调整后的系统负荷的谷值；

步骤7)，采用线性加权法将多目标问题转化为单目标问题进行求解，通过对目标函数1、目标函数2和目标函数3作归一化处理，建立综合目标函数：

ω₁+ω₂+ω₃＝1； (16)

公式(15)和(16)中，F_3max为原始系统负荷的峰谷差值；ω₁表示目标函数1的权重系数；ω₂为目标函数2的权重系数；ω₃为目标函数3的权重系数；

步骤8)，目标函数1以负荷波动最小，目标函数3是实现负荷的削峰填谷，整体都是为了使系统负荷波动平缓为目的；将F1和F3两个多目标结合起来转化为单目标实现“削峰填谷”，进而实现使充电负荷均匀地分布于整个谷时段，在调度结果中效果最优，结合后的函数为：

λ₁+λ₂＝1； (18)

公式(17)和(18)中，λ₁表示系统波动平缓的权重系数；λ₂表示电动汽车用户充放电收入的权重系数。

Images