CN110293874A - 一种基于模糊控制的v2g微网系统能量优化控制方法 - Google Patents

Abstract

本发明公开了一种基于模糊控制的V2G微网系统能量优化控制方法，首先收集微网系统内要进行充放电的汽车的微观信息，其次收集微网系统内分时电价对应的时间区间，之后判断汽车为可放电状态或者为可充电状态，若为可放电状态，在放电时采用第一模糊控制策略和第一粒子群优化算法得出放汽车电电流，并采用该放电电流进行放电，若汽车为可充电状态，在充电时采用第二模糊控制策略和第二粒子群优化算法得出充电电流，并采用该充电电流进行充电，本发明通过模糊控制策略和粒子群优化算法，能得出汽车最优的充放电电流，提高了微网系统的经济性，保证了微网系统的可靠性，也提高了微网系统的灵活性。

Description

一种基于模糊控制的V2G微网系统能量优化控制方法

技术领域

本发明涉及电动汽车V2G控制领域，具体涉及一种基于模糊控制的V2G微网系统能量优化控制方法。

背景技术

微网系统，是指由发电装置、储能装置、能量转换装置、相关负荷和监控、保护装置汇集而成的小型发配电系统，是一个能够实现自我控制、保护和管理的自治系统，既可以与外部电网并网运行，也可以孤立运行，是智能电网的重要组成部分。近年来，随着能源问题以及环境问题的日益突出，微网技术作为缓解能源压力的一大主要手段，受到了广泛关注。

车网互联技术(V2G)，是指将电动汽车储能电池作为微网储能的一部分，参与微网能量调度的技术。近年来，随着电动汽车技术的不断成熟，基于电动汽车储能的车网互联技术在微电网中得到了广泛应用，V2G技术可以有效提高电网的电能质量，降低高峰时的系统负荷。

虽然，V2G技术可有效平衡能量的波动，提高系统的可靠性。但V2G技术的引入，也提高了系统的成本。如何使微网系统在保证其供电的可靠性的同时，兼顾V2G系统运行的经济成本，是当前所要解决的关键问题。

基于此，如何提供一种考虑经济优化的V2G微网能量控制方法便成为了本领域技术人员急需解决的技术问题。

发明内容

为使微网系统在保证其供电的可靠性的同时，兼顾V2G系统运行的经济成本。本发明提出了一种基于模糊控制的V2G微网系统能量优化控制方法。

一种基于模糊控制的V2G微网系统能量优化控制方法，包括如下步骤：

步骤1：收集微网系统内要进行充放电的汽车的微观信息，所述微观信息包括汽车的停车时间t、汽车当前的电池SOC和汽车预计行驶里程对应的SOC₁；

步骤2：收集微网系统内分时电价对应的时间区间，即峰时电价时间区间和谷时电价时间区间，峰时电价时间区间的开始时刻为谷时电价时间区间的结束时刻，谷时电价时间区间的开时时刻为峰时电价时间区间的结束时刻；

步骤3：判断汽车为可放电状态或者为可充电状态，若SOC大于或等于SOC₁，则汽车为可放电状态，若SOC小于SOC₁，则汽车为可充电状态；

步骤4：若为可放电状态，在放电时采用第一模糊控制策略和第一粒子群优化算法得出放汽车电电流，并采用该放电电流进行放电，若汽车为可充电状态，在充电时采用第二模糊控制策略和第二粒子群优化算法得出充电电流，并采用该充电电流进行充电；

作为优选，汽车充放电时，电池容量衰退率Q_loss％表示为如下：

式中：T为电池的实时热力学温度，R为理想气体常数，I_c为充电或放电电流，A为电池购买成本，h为充电或放电时间；

电池容量衰退率折合为费用S₃，如下：

S₃＝A×∫Q_loss％dt

作为优选，步骤4中，汽车为可放电状态并进行放电；

在停车时间t内，将放电时间分为短放电时间、中放电时间和长放电时间，短放电时间表示放电时间不跨分时电价对应的时间区间，中放电时间表示放电时间跨分时电价对应的时间区间，长放电时间表示放电时间足够长；根据汽车电池的自身属性，将放电电流分为三个电流区间，即低放电电流区间、中放电电流区间和高放电电流区间；

所述第一粒子群优化算法的目标函数如下：

F₁(I₁)＝S₂-S₃

其中，S₂为电池放电时的电价，I₁为放电电流；

采用所述第一模糊控制策略和第一粒子群优化算法得出放电电流过程如下：

若放电时间为短放电时间：当短放电时间位于峰时电价时间区间内，以高放电电流区间内的电流进行放电，此时以高放电电流区间内的电流为变量，采用第一粒子群优化算法，得出目标函数值最大的电流即为该时间区间内的放电电流I₁；当短放电时间位于谷时电价时间区间内，相应地以中放电电流区间或者低放电电流区间内的电流进行放电，此时以中放电电流区间和低放电电流区间内的电流为变量，采用第一粒子群优化算法，得出目标函数值最大的电流即为该时间区间内的放电电流I₁；

若放电时间为中放电时间：在峰时电价时间区间内以高放电电流区间内的电流进行放电，此时以高放电电流区间内的电流为变量，采用第一粒子群优化算法，得出目标函数值最大的电流即为该时间区间内的放电电流I₁，在谷时电价时间区间内相应地以中放电电流区间或者低放电电流区间内的电流进行放电，此时以中放电电流区间和低放电电流区间内的电流为变量，采用第一粒子群优化算法，得出目标函数值最大的电流即为该时间区间内的放电电流I₁；

若放电时间为长放电时间：则放电时间均选择在峰时电价时间区间内，并均以低放电电流区间内的电流进行放电，此时以低放电电流区间内的电流为变量，采用第一粒子群优化算法，得出目标函数值最大的电流即为该时间区间内的放电电流I₁；

在短放电时间、中放电时间和长放电时间的放电过程中，当电池的SOC小于SOC₂，则停止放电，SOC₂为汽车可实现V2G最低限制的SOC，其中SOC₂小于SOC₁。

作为优选，所述步骤4中，汽车为可充电状态并进行充电；

在停车时间t内，将充电时间分为短充电时间、中充电时间和长充电时间，短充电时间表示充电时间不跨分时电价对应的时间区间，中充电时间表示充电时间跨分时电价对应的时间区间，长充电时间表示充电时间足够长，根据汽车电池的自身属性，将充电电流分为三个电流区间，即低充电电流区间、中充电电流区间和高充电电流区间；

所述第二粒子群优化算法的目标函数如下：

F₂(I₂)＝S₁+S₃

其中，S₁为电池充电时的电价，I₂为充电电流；

采用所述第二模糊控制策略和第二粒子群优化算法得出充电电流过程如下：

若充电时间为短充电时间：短充电时间位于峰时电价时间区间内或者谷时电价时间区间内，如果以低充电电流区间或者中充电电流区间内的电流充电所得的电量能达到SOC₁，则相应地以低充电电流区间或者中充电电流区间内的电流充电，此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂；如果以低充电电流区间和中充电电流区间内的电流充电所得的电量均不能达到SOC₁，则以高充电电流区间内的电流充电，此时以高充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂；

若充电时间为中充电时间：如果在峰时电价时间区间和谷时电价时间区间内均以低充电电流区间或者中充电电流区间内的电流充电所得的电量能达到SOC₁，则在峰时电价时间区间和谷时电价时间区间内均相应地以低充电电流区间或者中充电电流区间内的电流充电，此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂，如果在峰时电价时间区间和谷时电价时间区间内以低充电电流区间和中充电电流区间内的电流充电所得的电量均不能达到SOC₁，采取如下方法：

如果峰时电价时间区间内以低充电电流区间或者中充电电流区间内的电流充电和谷时电价时间区间内以高充电电流区间内的电流充电所得的电量能达到SOC₁，则在峰时电价时间区间内以低充电电流区间或者中充电电流区间内的电流充电，此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为该时间区间内的充电电流I₂，同时在谷时电价时间区间内以高充电电流区间内的电流充电，此时以高充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为该时间区间内的充电电流I₂，如果峰时电价时间区间内以低充电电流区间和中充电电流区间内的电流充电和谷时电价时间区间内以高充电电流区间内的电流充电所得的电量不能达到SOC₁，则在峰时电价时间区间内和谷时电价时间区间内均以高充电电流区间内的电流充电，此时以高充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂；

若充电时间为长充电时间，则充电时间均选择在谷时电价时间区间内，并均以低充电电流区间内的电流充电，此时以低充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂。

作为优选，得出放电电流后，通过如下公式计算电池放电产生的效益：

效益＝∫U×I₁dt×(S₂-S₁-S₃)

其中，U为放电电压，S₁为电池充电时的电价。

作为优选，步骤1之前，收集微网系统内要进行充放电的汽车的宏观信息，所述宏观信息包括要进行充放电的汽车的数量。

作为优选，所述步骤1和所述步骤2可以互换。

本发明提供的基于模糊控制的V2G微网系统能量优化控制方法，具有如下技术效果：

本发明通过模糊控制策略和粒子群优化算法，能得出汽车最优的充放电电流，即充放电倍率；本发明量化了汽车储能电池的经济效益，并结合实时电价，基于模糊控制策略判断汽车的参与能量调度程度，提高了微网系统的经济性；对微网系统内汽车充放电情况的收集，并对不同汽车充放电状态的判定，判断汽车是否需要参与能量调度，保证了微网系统的可靠性，提高了微网系统的灵活性；该方法可在线实时进行微网系统的能量调度，响应速度快，适用性好，操作过程简便，经济效益明显，具有较好的应用价值。

附图说明

图1是本发明提供的控制方法的一种具体实施方式的流程图。

具体实施方式

如图1所示，图1是本发明提供的控制方法的一种具体实施方式的流程图。

结合图1，本发明提供的基于模糊控制的V2G微网系统能量优化控制方法，包括如下步骤：

步骤1：收集微网系统内要进行充放电的汽车的微观信息，所述微观信息包括汽车的停车时间t、汽车当前的电池SOC和汽车预计行驶里程对应的SOC₁；

步骤2：收集微网系统内分时电价对应的时间区间，即峰时电价时间区间和谷时电价时间区间，峰时电价时间区间的开始时刻为谷时电价时间区间的结束时刻，谷时电价时间区间的开时时刻为峰时电价时间区间的结束时刻；

步骤3：判断汽车为可放电状态或者为可充电状态，若SOC大于或等于SOC₁，则汽车为可放电状态，若SOC小于SOC₁，则汽车为可充电状态；

步骤4：若汽车为可放电状态，在放电时采用第一模糊控制策略和第一粒子群优化算法得出放电电流，并采用该放电电流进行放电，若汽车为可充电状态，在充电时采用第二模糊控制策略和第二粒子群优化算法得出充电电流，并采用该充电电流进行充电。

步骤4中，得出汽车为可放电状态，但汽车不一定会进行放电，同样的为可充电状态，但汽车不一定会进行充电，此时，汽车用户的主观意愿会起到作用，因为有可能是汽车用户考虑了其他因素，但在确定进行放电或充电时，该主观意愿并不会影响放电或充电时上述步骤4提到的控制策略。

其中，汽车充放电时，电池容量衰退率Q_loss％表示为如下：

式中：T为电池的实时热力学温度，其单位为K，数值为实时摄氏温度与273之和，R为理想气体常数，I_c为充电或放电电流，A为电池购买成本，h为充电或放电时间；

电池容量衰退率折合为费用S₃，如下：

S₃＝A×∫Q_loss％dt

如图1所示，该具体实施方式中，步骤4中，汽车为可放电状态并进行放电；具体方法如下：

在停车时间t内，将放电时间分为短放电时间、中放电时间和长放电时间，其中，长放电时间大于短放电时间，长放电时间大于中放电时间，短放电时间表示放电时间不跨分时电价对应的时间区间，中放电时间表示放电时间跨分时电价对应的时间区间，长放电时间表示放电时间足够长；根据汽车电池的自身属性，将放电电流分为三个电流区间，即低放电电流区间、中放电电流区间和高放电电流区间，其中，高放电电流区间的电流大于中放电电流区间的电流，中放电电流区间的电流大于低放电电流区间的电流；

第一粒子群优化算法的目标函数如下：

F₁(I₁)＝S₂-S₃

其中，S₂为电池放电时的电价，I₁为放电电流；

采用所述第一模糊控制策略和第一粒子群优化算法得出放电电流过程如下：

若放电时间为短放电时间：当短放电时间位于峰时电价时间区间内，以高放电电流区间内的电流进行放电，此时以高放电电流区间内的电流为变量，采用第一粒子群优化算法，得出目标函数值最大的电流即为该时间区间内的放电电流I₁；当短放电时间位于谷时电价时间区间内，相应地以中放电电流区间或者低放电电流区间内的电流进行放电，此时以中放电电流区间和低放电电流区间内的电流为变量，采用第一粒子群优化算法，得出目标函数值最大的电流即为该时间区间内的放电电流I₁；

若放电时间为中放电时间：在峰时电价时间区间内以高放电电流区间内的电流进行放电，此时以高放电电流区间内的电流为变量，采用第一粒子群优化算法，得出目标函数值最大的电流即为该时间区间内的放电电流I₁，在谷时电价时间区间内相应地以中放电电流区间或者低放电电流区间内的电流进行放电，此时以中放电电流区间和低放电电流区间内的电流为变量，采用第一粒子群优化算法，得出目标函数值最大的电流即为该时间区间内的放电电流I₁；

若放电时间为长放电时间：则放电时间均选择在峰时电价时间区间内，并均以低放电电流区间内的电流进行放电，此时以低放电电流区间内的电流为变量，采用第一粒子群优化算法，得出目标函数值最大的电流即为该时间区间内的放电电流I₁；

在短放电时间、中放电时间和长放电时间的放电过程中，当电池的SOC小于SOC₂，则停止放电，SOC₂为汽车可实现V2G最低限制的SOC，其中SOC₂小于SOC₁。

进一步的，得出放电电流后，通过如下公式计算电池放电产生的效益：

效益＝∫U×I₁dt×(S₂-S₁-S₃)

其中，U为放电电压，S₁为电池充电时的电价。

如图1所示，该具体实施方式中，步骤4中，汽车为可充电状态并进行充电；

在停车时间t内，将充电时间分为短充电时间、中充电时间和长充电时间，其中，长充电时间大于短充电时间，长充电时间大于中充电时间，短充电时间表示充电时间不跨分时电价对应的时间区间，中充电时间表示充电时间跨分时电价对应的时间区间，长充电时间表示充电时间足够长，根据汽车电池的自身属性，将充电电流分为三个电流区间，即低充电电流区间、中充电电流区间和高充电电流区间，高充电电流区间的电流大于中充电电流区间的电流，中充电电流区间的电流大于低充电电流区间的电流；

所述第二粒子群优化算法的目标函数如下：

F₂(I₂)＝S₁+S₃

其中，S₁为电池充电时的电价，I₂为充电电流；

采用所述第二模糊控制策略和第二粒子群优化算法得出充电电流过程如下：

若充电时间为短充电时间：短充电时间位于峰时电价时间区间内或者谷时电价时间区间内，如果以低充电电流区间或者中充电电流区间内的电流充电所得的电量能达到SOC₁，则相应地以低充电电流区间或者中充电电流区间内的电流充电，此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂；如果以低充电电流区间和中充电电流区间内的电流充电所得的电量均不能达到SOC₁，则以高充电电流区间内的电流充电，此时以高充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂；

该情况下，如果以低充电电流区间或者中充电电流区间内的电流充电所得的电量均能达到SOC₁，则以低充电电流区间和中充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂；如果低充电电流区间内的电流充电不能达到SOC₁而以中充电电流区间内的电流充电能达到SOC₁，则以中充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂。

若充电时间为中充电时间：如果在峰时电价时间区间和谷时电价时间区间内均以低充电电流区间或者中充电电流区间内的电流充电所得的电量能达到SOC₁，则在峰时电价时间区间和谷时电价时间区间内均相应地以低充电电流区间或者中充电电流区间内的电流充电，此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂，其中，如果以低充电电流区间或者中充电电流区间内的电流充电所得的电量均能达到SOC₁，则以低充电电流区间和中充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂；如果低充电电流区间内的电流充电不能达到SOC₁而以中充电电流区间内的电流充电能达到SOC₁，则以中充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂；如果在峰时电价时间区间和谷时电价时间区间内以低充电电流区间和中充电电流区间内的电流充电所得的电量均不能达到SOC₁，采取如下方法：

如果峰时电价时间区间内以低充电电流区间或者中充电电流区间内的电流充电和谷时电价时间区间内以高充电电流区间内的电流充电所得的电量能达到SOC₁，则在峰时电价时间区间内以低充电电流区间或者中充电电流区间内的电流充电，此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为该时间区间内的充电电流I₂，此时，该情况下，如果以低充电电流区间或者中充电电流区间内的电流充电所得的电量均能达到SOC₁，则以低充电电流区间和中充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂；如果低充电电流区间内的电流充电不能达到SOC₁而以中充电电流区间内的电流充电能达到SOC₁，则以中充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂；同时在谷时电价时间区间内以高充电电流区间内的电流充电，此时以高充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为该时间区间内的充电电流I₂，如果峰时电价时间区间内以低充电电流区间和中充电电流区间内的电流充电和谷时电价时间区间内以高充电电流区间内的电流充电所得的电量不能达到SOC₁，则在峰时电价时间区间内和谷时电价时间区间内均以高充电电流区间内的电流充电，此时以高充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂；

若充电时间为长充电时间，则充电时间均选择在谷时电价时间区间内，并均以低充电电流区间内的电流充电，此时以低充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂。

该具体实施方式中，如图1所示，步骤1之前，收集微网系统内要进行充放电的汽车的宏观信息，所述宏观信息包括要进行充放电的汽车的数量。

本发明通过模糊控制策略和粒子群优化算法，能得出汽车最优的充放电电流，即充放电倍率；本发明量化了汽车储能电池的经济效益，并结合实时电价，基于模糊控制策略判断汽车的参与能量调度程度，提高了微网系统的经济性；对微网系统内汽车充放电情况的收集，并对不同汽车充放电状态的判定，判断汽车是否需要参与能量调度，保证了微网系统的可靠性，提高了微网系统的灵活性；该方法可在线实时进行微网系统的能量调度，响应速度快，适用性好，操作过程简便，经济效益明显，具有较好的应用价值。

进一步的，步骤1和步骤2的顺序可以互换。

Claims (7)

1.一种基于模糊控制的V2G微网系统能量优化控制方法，其特征在于，包括如下步骤：

步骤1：收集微网系统内要进行充放电的汽车的微观信息，所述微观信息包括汽车的停车时间t、汽车当前的电池SOC和汽车预计行驶里程对应的SOC₁；

步骤2：收集微网系统内分时电价对应的时间区间，即峰时电价时间区间和谷时电价时间区间，峰时电价时间区间的开始时刻为谷时电价时间区间的结束时刻，谷时电价时间区间的开时时刻为峰时电价时间区间的结束时刻；

步骤3：判断汽车为可放电状态或者为可充电状态，若SOC大于或等于SOC₁，则汽车为可放电状态，若SOC小于SOC₁，则汽车为可充电状态；

步骤4：若汽车为可放电状态，在放电时采用第一模糊控制策略和第一粒子群优化算法得出放电电流，并采用该放电电流进行放电，若汽车为可充电状态，在充电时采用第二模糊控制策略和第二粒子群优化算法得出充电电流，并采用该充电电流进行充电。

2.根据权利要求1所述的方法，其特征在于，汽车充放电时，电池容量衰退率Q_loss％表示为如下：

式中：T为电池的实时热力学温度，R为理想气体常数，I_c为充电或放电电流，A为电池购买成本，h为充电或放电时间；

电池容量衰退率折合为费用S₃，如下：

S₃＝A×∫Q_loss％dt

3.根据权利要求2所述的方法，其特征在于，所述步骤4中，汽车为可放电状态并进行放电；

在停车时间t内，将放电时间分为短放电时间、中放电时间和长放电时间，短放电时间表示放电时间不跨分时电价对应的时间区间，中放电时间表示放电时间跨分时电价对应的时间区间，长放电时间表示放电时间足够长；根据汽车电池的自身属性，将放电电流分为三个电流区间，即低放电电流区间、中放电电流区间和高放电电流区间；

所述第一粒子群优化算法的目标函数如下：

F₁(I₁)＝S₂-S₃

其中，S₂为电池放电时的电价，I₁为放电电流；

采用所述第一模糊控制策略和第一粒子群优化算法得出放电电流过程如下：

若放电时间为短放电时间：当短放电时间位于峰时电价时间区间内，以高放电电流区间内的电流进行放电，此时以高放电电流区间内的电流为变量，采用第一粒子群优化算法，得出目标函数值最大的电流即为该时间区间内的放电电流I₁；当短放电时间位于谷时电价时间区间内，相应地以中放电电流区间或者低放电电流区间内的电流进行放电，此时以中放电电流区间和低放电电流区间内的电流为变量，采用第一粒子群优化算法，得出目标函数值最大的电流即为该时间区间内的放电电流I₁；

若放电时间为中放电时间：在峰时电价时间区间内以高放电电流区间内的电流进行放电，此时以高放电电流区间内的电流为变量，采用第一粒子群优化算法，得出目标函数值最大的电流即为该时间区间内的放电电流I₁，在谷时电价时间区间内相应地以中放电电流区间或者低放电电流区间内的电流进行放电，此时以中放电电流区间和低放电电流区间内的电流为变量，采用第一粒子群优化算法，得出目标函数值最大的电流即为该时间区间内的放电电流I₁；

若放电时间为长放电时间：则放电时间均选择在峰时电价时间区间内，并均以低放电电流区间内的电流进行放电，此时以低放电电流区间内的电流为变量，采用第一粒子群优化算法，得出目标函数值最大的电流即为该时间区间内的放电电流I₁；

在短放电时间、中放电时间和长放电时间的放电过程中，当电池的SOC小于SOC₂，则停止放电，SOC₂为汽车可实现V2G最低限制的SOC，其中SOC₂小于SOC₁。

4.根据权利要求2所述的方法，其特征在于，所述步骤4中，汽车为可充电状态并进行充电；

在停车时间t内，将充电时间分为短充电时间、中充电时间和长充电时，短充电时间表示充电时间不跨分时电价对应的时间区间，中充电时间表示充电时间跨分时电价对应的时间区间，长充电时间表示充电时间足够长，根据汽车电池的自身属性，将充电电流分为三个电流区间，即低充电电流区间、中充电电流区间和高充电电流区间；

所述第二粒子群优化算法的目标函数如下：

F₂(I₂)＝S₁+S₃

其中，S₁为电池充电时的电价，I₂为充电电流；

采用所述第二模糊控制策略和第二粒子群优化算法得出充电电流过程如下：

若充电时间为短充电时间：短充电时间位于峰时电价时间区间内或者谷时电价时间区间内，如果以低充电电流区间或者中充电电流区间内的电流充电所得的电量能达到SOC₁，则相应地以低充电电流区间或者中充电电流区间内的电流充电，此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂；如果以低充电电流区间和中充电电流区间内的电流充电所得的电量均不能达到SOC₁，则以高充电电流区间内的电流充电，此时以高充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂；

若充电时间为中充电时间：如果在峰时电价时间区间和谷时电价时间区间内均以低充电电流区间或者中充电电流区间内的电流充电所得的电量能达到SOC₁，则在峰时电价时间区间和谷时电价时间区间内均相应地以低充电电流区间或者中充电电流区间内的电流充电，此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂，如果在峰时电价时间区间和谷时电价时间区间内以低充电电流区间和中充电电流区间内的电流充电所得的电量均不能达到SOC₁，采取如下方法：

如果峰时电价时间区间内以低充电电流区间或者中充电电流区间内的电流充电和谷时电价时间区间内以高充电电流区间内的电流充电所得的电量能达到SOC₁，则在峰时电价时间区间内以低充电电流区间或者中充电电流区间内的电流充电，此时以低充电电流区间和中充电电流区间内的电流为变量或者以中充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为该时间区间内的充电电流I₂，同时在谷时电价时间区间内以高充电电流区间内的电流充电，此时以高充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为该时间区间内的充电电流I₂，如果峰时电价时间区间内以低充电电流区间和中充电电流区间内的电流充电和谷时电价时间区间内以高充电电流区间内的电流充电所得的电量不能达到SOC₁，则在峰时电价时间区间内和谷时电价时间区间内均以高充电电流区间内的电流充电，此时以高充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂；

若充电时间为长充电时间，则充电时间均选择在谷时电价时间区间内，并均以低充电电流区间内的电流充电，此时以低充电电流区间内的电流为变量，采用第二粒子群优化算法，得出目标函数值最小的电流即为相对应时间区间内的充电电流I₂。

5.根据权利要求3所述的方法，其特征在于，得出放电电流后，通过如下公式计算电池放电产生的效益：

效益＝∫U×I₁ dt×(S₂-S₁-S₃)

其中，U为放电电压，S₁为电池充电时的电价。

6.根据权利要求1所述的方法，其特征在于，步骤1之前，收集微网系统内要进行充放电的汽车的宏观信息，所述宏观信息包括要进行充放电的汽车的数量。

7.根据权利要求1所述的方法，其特征在于，所述步骤1和所述步骤2可以互换。