CN110962667B - 电动汽车有序充电的方法 - Google Patents

Abstract

本发明提供了一种电动汽车有序充电的方法，主要包括以下步骤：建立电动汽车并网充电的网络互动模型；对电动汽车进行空间上的有序充电；对电动汽车进行时间上的有序充电。相较于现有技术，本发明在时间和空间上使得电动汽车进行有序充电，不仅可以满足用户充电需求，为电动汽车用户提供更优质的服务，而且可以有效减小配电网络负荷峰谷差，有利于配电网络安全和稳定地运行。

Description

电动汽车有序充电的方法

技术领域

本发明涉及一种电动汽车有序充电的方法，属于电动汽车有序充电技术领域。

背景技术

大量的电动汽车接入电网会导致配电网络负荷曲线峰谷差增加、配电网线路过载以及配电网损耗增加等一系列的问题。为了减少大量电动汽车接入电网带来的不利影响，研究人员提出了一系列电动汽车有序充电地方法。有序充电是在满足电动汽车充电需求的前提下，运用实际有效的经济或技术措施引导、控制电动汽车在某些特定时段进行充电，对电网负荷曲线进行削峰填谷，降低大量电动汽车竞争充电时对配变、配电网络的负荷冲击影响。

目前国内外针对有序充电方法研究尚存在以下弊端：(1)目前大多数文献中涉及到的电动汽车负荷模型均采用蒙特卡洛模拟的方法，这种基于概率统计的模拟方法存在随机性和不确定性；(2)多以改善电动汽车充电对配电网的不良影响为目标，往往忽视了用户充电的主动性和利益，导致有序充电方法较难得到用户的积极响应；(3)多以静态的方式相应分时电价，不能及时更新配电网状态和制定有效的充电方法；(4)没有考虑电动汽车与配电网之间存在着一定的有机联系。随着电动汽车数量的大规模增长，如何构建配电网与电动汽车的网络互动模型，构建多目标优化模型，动态响应分时电价成为电动汽车有序充电研究的重要问题。

有鉴于此，确有必要提出一种电动汽车有序充电的方法，以解决上述问题。

发明内容

本发明的目的在于提供一种电动汽车有序充电的方法，以减小配电网络负荷峰谷差，保障配电网络安全和稳定地运行。

为实现上述目的，本发明提供了一种电动汽车有序充电的方法，主要包括以下步骤：

步骤1、建立电动汽车并网充电的网络互动模型；

步骤2、对电动汽车进行空间上的有序充电；

步骤3、对电动汽车进行时间上的有序充电。

可选的，步骤1具体包括以下步骤：

步骤11、按照网络简化原则，将线路的电抗值作为连接边的权重；

步骤12、将电动汽车作为负荷节点接入配电网络，在电动汽车持续充电时将保持与配电网络的连接，在充电完成离开时将断开与配电网络的连接；

步骤13、通过采用网络生长点的方法，模拟新增电动汽车负荷节点的初始位置。

可选的，步骤2具体包括以下步骤：

步骤21、在初始时刻，有m个电动汽车节点连接到配电网络中；

步骤22、如果电动汽车在下一时刻继续充电，则电动汽车节点保持与配电网络的连接，其位置保持不变；

如果新的电动汽车节点在下一时刻接入配电网络，则位置从网络生长点随机选取；

如果电动汽车在下一时刻满足充电需求，电动汽车节点将与配电网络断开连接；

步骤23、对于新加入的电动汽车节点，每个充电站节点都有一个优选因子，新加入的电动汽车节点具体连接到哪个充电站节点由优选因子决定；

步骤24、更新网络拓扑和节点信息。

可选的，所述优选因子公式为：

其中，α＝1/μ_i，β＝1/SOC_j，在配电网络侧，

由k_i和μ_i组成，在用户侧，

由l_ij和SOC_j组成，其中，SOC_j是电动汽车节点j的当前荷电状态，μ_i是电动汽车节点i的平均负载率。

可选的，所述新增加的电动汽车节点连接到具体充电站节点的概率为：

可选的，所述充电站节点i的坐标定义如下：

v_i(x_i,y_i),i＝1,...,n₀，

电动汽车节点j的坐标定义如下：

v_j(x_j,y_j),i＝1,...,m，

充电站与电动汽车之间的物理距离l_ij定义为：

电动汽车节点j的度k_i被限制为电动汽车节点j连接到充电站i的个数。

可选的，步骤3具体包括以下步骤：

步骤31、读取电网负荷和充电分时电价信息；

步骤32、记录电动汽车电池信息和用户需求信息；

步骤33、综合考虑电网性能和用户需求，提出有序充电多目标优化模型，即用户充电总费用最少和总负荷方差最小的目标函数；

步骤34、考虑特殊情况。

可选的，所述用户充电总费用最少的目标函数F₁：

其中，N是电动汽车总数，I为充电时间段，S_ni表示电动汽车充电状态，Δp为电动汽车的额定充电功率，Δt为单位时间段；

总负荷方差最小的目标函数F₂：

其中，p_i是第i(i＝1,2,...,96)个时间段内常规负荷的大小。

可选的，所述有序充电多目标优化模型设置变压器额定容量约束：

其中，A_i表示充电站在第i(i＝1,2,...,96)个时段输出功率占变压器额定容量的比例，取值范围为[0,1]，λ为充电效率因数平均值；

以及，用户充电需求约束如下：

其中，SOC_n,end是第n辆电动汽车离开充电站时期望达到的电池荷电状态，SOC_n,start是第n辆电动汽车的起始荷电状态，SOC_n,max是第n辆电动汽车电池荷电状态的最大值，也就是额定电池容量。

可选的，所述特殊情况包括：对于充电站在用户期望的时间里达不到其充电需求的情况，提示用户本次充电将不能满足其充电需求，并请用户更改充电时间或降低SOC_n,end；如果用户不同意，则放弃该用户；如果用户同意，则对调整后的SOC_n,end重新计算；若SOC_n,end降到了SOC_n,start，上述问题仍无解，那么也只能放弃该用户。

本发明的有益效果是：本发明在时间和空间上使得电动汽车进行有序充电，不仅可以满足用户充电需求，为电动汽车用户提供更优质的服务，而且可以有效减小配电网络负荷峰谷差，有利于配电网络安全和稳定地运行。

附图说明

图1是本发明电动汽车有序充电的方法中网络生长点的结构示意图。

图2是本发明电动汽车在空间上的有序充电算法流程图。

图3是本发明电动汽车充电负荷时空分布图。

图4为本发明电动汽车在时间上有序充电的算法流程图。

图5是本发明实例中某区域常规日负荷曲线图。

图6是求解电动汽车充电状态矩阵的算法流程图。

具体实施方式

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

本发明揭示了一种电动汽车有序充电的方法，主要包括以下步骤：

步骤1、建立电动汽车并网充电的网络互动模型；

步骤2、对电动汽车进行空间上的有序充电；

步骤3、对电动汽车进行时间上的有序充电。

以下将对步骤1-步骤3进行详细说明。

在步骤1中，本发明摒弃了传统蒙特卡洛模拟法建立的电动汽车负荷模型，从而构建了电动汽车接入电网的网络互动模型，具体步骤包括：

步骤11、按照网络简化原则，将线路的电抗值作为连接边的权重，并将整个配电网络抽象成含有n₀个节点和k条边的配电网络，同时按照节点功能将电动汽车和充电站分别划分为负荷节点和联络节点；

步骤12、由于电动汽车做出的不同动作会导致网络拓扑结构的改变，因此在电动汽车并网充电时，将电动汽车作为负荷节点接入配电网络，在电动汽车持续充电时将保持与配电网络的连接，在充电完成离开时将断开与配电网络的连接；

步骤13、通过采用网络生长点的方法，模拟新增电动汽车负荷节点的初始位置，同时定义网络生长点为，以充电站节点为圆心，半径为r的圆内任意位置。

如图1所示，实心圆表示配电网络中的充电站节点，空心圆代表网络生长点，新增的电动汽车负荷节点从网络生长点中随机产生。

在步骤2中，以某区域充电站实际连接情况为例，综合考虑配电网络性能和用户需求，为每个充电站节点分配优选因子

如图2所示，为电动汽车空间上的有序充电算法流程图，具体步骤包括：

步骤21、配电网络初始具有n₀个充电站节点和k条边，在初始时刻，有m个电动汽车节点连接到配电网络中；

步骤22、如果电动汽车在下一时刻继续充电，则电动汽车节点保持与配电网络的连接，其位置保持不变；

如果新的电动汽车节点在下一时刻接入配电网络，则位置从网络生长点随机选取；

如果电动汽车在下一时刻满足充电需求，电动汽车节点将与配电网络断开连接。

步骤23、对于新加入的电动汽车节点j，每个充电站节点都有一个优选因子

新加入的电动汽车节点j具体连接到哪个充电站节点由优选因子

决定：

其中，α＝1/μ_i，β＝1/SOC_j，然后，新增加的电动汽车节点j连接到充电站节点i的概率为：

上述公式说明，在电网侧，充电站的剩余容量由k_i和μ_i决定，且k_i和μ_i越小，充电站越有可能接入电动汽车；而在用户侧，因电动汽车电池荷电状态和距离成本因素，用户往往选择离自己更近的充电站进行充电。

在配电网络侧，

由k_i和μ_i组成，在用户侧，

由l_ij和SOC_j组成，其中，SOC_j是电动汽车节点j的当前荷电状态。

充电站节点i的坐标定义如下：v_i(x_i,y_i),i＝1,...,n₀，电动汽车节点j的坐标定义如下：v_j(x_j,y_j),i＝1,...,m，充电站与电动汽车之间的物理距离l_ij定义为：

电动汽车节点j的度k_i被限制为电动汽车节点j连接到充电站i的个数，其中，i属于充电站节点，μ_i是电动汽车节点i的平均负载率，被定义为：

μ_l＝|p_l ⁰/p_l ^max|,l＝1,...,L_i，

其中，L_i是连接到i的线路数量，μ_l是线路负载率，P_l ⁰是线路l的实际有功潮流，P_l ^max是线路l的最大有功潮流。

如图3所示，为电动汽车充电负荷时空分布图，由此得知在各个时刻每个充电站附近请求充电的电动汽车数量，电动汽车会综合考虑配电网络性能和用户需求选择最优的充电站进行充电；

步骤24、更新网络拓扑和节点信息。

在步骤3中，如图4所示，为本发明提出的电动汽车在时间上有序充电的算法流程图，具体包括以下步骤：

步骤31、读取电网负荷和充电分时电价信息。传统的电网分时电价是根据某一地区常规负荷制定的，并没有考虑电动汽车负荷。例如：国内工业用电分时电价划分为：峰时段(08:00-12:00，17:00-21:00)共8h；平时段(12:00-17:00，21:00-24:00)共8h；谷时段(00:00-08:00)共8h。

如图5所示，为某区域配电网络的典型日常规负荷曲线。从图中可以看出，传统分时电价为平时段时(12:00-17:00)，配电网常规负荷却有一部分达到高峰状态，若采用传统的分时电价引导用户充电，大量电动汽车在该时段接入配电网络，从而导致配电网络负荷出现“峰上加峰”的现象。从图4中可以看出，(12:00-17:00)在传统分时电价的划分中属于平时段，但是却出现了负荷高峰。这足以说明，一味的按照传统分时电价的时段划分并不能准确反映出某地区的常规负荷曲线。为解决这一问题，本发明在传统分时电价时段划分的基础上，根据该区域常规日负荷曲线小范围划分传统分时电价，以得到电动汽车充电分时电价时段。如图4所示，将(12:00-17:00)细分为平和峰两个时段，由此得到的充电分时电价时段与日常规负荷波动情况基本一致，也避免出现“峰上加峰”的现象。

步骤32、记录电动汽车电池信息和用户需求信息。将该区域日常规负荷曲线按时间间隔Δt＝15min进行划分，得到96个时间段，第i(i＝1,2,...,96)个时间段内常规负荷的大小为p_i。设充电站内所有充电机均采用恒功率充电的形式且额定充电功率为Δp，变压器额定容量为S_T，充电效率因数平均值为λ，A_i表示充电站在第i(i＝1,2,...,96)个时段输出功率占变压器额定容量的比例，取值范围为[0,1]，C_i为充电分时电价，i＝1,2,...,96。

根据所有电动汽车用户的充电信息，确定出所有电动汽车停留时间的最大值T_max，由此得到充电时间段数I，

[]表示向上取整。根据得到的充电时间段数I，构建出电动汽车状态矩阵S，其元素S_ni表示第n个电动汽车在第i个时段上的充电状态：S_ni＝1表示该车正在充电，S_ni＝0表示该车等待充电或者充完驶离。系统每隔15min就要根据当前充电站内电动汽车充电状况、电价信息、用户需求和网络负荷等信息重新调用电动汽车有序充电程序，实现动态响应分时电价。

步骤33、综合考虑电网性能和用户需求，提出有序充电多目标优化模型，即用户充电总费用最少和总负荷方差最小的目标函数。

动态响应分时电价，可使得电动汽车用户充电费用最少，同时也尽可能让电动汽车在电价低的时段充电，有效减小配电网络负荷峰谷差。因此提出用户充电总费用最少的目标函数F₁：

其中，N是电动汽车总数，I为充电时间段，S_ni表示电动汽车充电状态，Δp为电动汽车的额定充电功率，Δt为单位时间段，在本发明中取15min。

目标函数F₁会激励大量的用户在夜间电价低的时段充电从而导致另一个负荷高峰的出现。为了防止这种现象的发生，本发明特提出第二个目标函数，即总负荷方差最小的目标函数F₂：

其中，p_i是第i(i＝1,2,...,96)个时间段内常规负荷的大小。

同时，有序充电多目标优化模型设置变压器额定容量约束：

其中，A_i表示充电站在第i(i＝1,2,...,96)个时段输出功率占变压器额定容量的比例，取值范围为[0,1]，λ为充电效率因数平均值。

为满足用户充电需求，应使电动汽车离开充电站时达到用户期望的荷电状态，同时在充满电的情况下立即停止充电，用户充电需求约束如下：

其中，SOC_n,end是第n辆电动汽车离开充电站时期望达到的电池荷电状态，SOC_n,start是第n辆电动汽车的起始荷电状态，SOC_n,max是第n辆电动汽车电池荷电状态的最大值，也就是额定电池容量。

上述有序充电多目标优化模型是以电动汽车充电状态矩阵S为决策变量的线性整数规划模型，本发明采用一种成熟的多目标优化算法NSGA—II来求解。NSGA—II算法就是在第一代非支配排序遗传算法NSGA的基础上改进而来的，其改进主要体现在以下三个方面：提出了快速非支配排序算法，降低了计算的复杂度；引进精英方法，保证某些优良的种群个体在进化过程中不会被丢弃，从而提高了优化结果的精度；采用拥挤度和拥挤度比较算子，保证了种群的多样性。

如图6所示，为求解电动汽车充电状态矩阵S的算法流程图，具体步骤如下：

步骤(1)、参数设定：输入NSGA—II各参数，设置种群数量N＝200，迭代总次数G＝500，目标函数数量M＝2，决策变量S的最小值和最大值分别用一个全0矩阵和一个全1矩阵来表示，空间维度V等于充电时间段数I；

步骤(2)、初始化种群：根据设置的种群数量N，随机地创建一个种群P0(共有N个个体)；

步骤(3)、计算目标函数值：输入本发明中的多目标函数F₁和F₂，对P0计算各目标函数值，先计算第一个目标函数F₁，然后再计算第二个目标函数F₂；

步骤(4)、交叉、变异：交叉算法选择的是模拟二进制交叉，交叉概率设置为0.9；变异算法选择的是多项式变异，随机选定要变异的基因位，变异概率设置为1/V；交叉和变异算法的分布指数均为20；

步骤(5)、计算拥挤度：计算指定个体的相邻两个个体间目标函数的距离，然后评估指定个体处种群的密集程度；

步骤(6)、竞标赛选择：获得种群的个体数量，每次随机选择两个个体，优先选择排序等级高的个体，如果排序等级一样，优选选择拥挤度大的个体；

步骤(7)、选出下一代种群：首先，对P0进行快速非支配排序，按照非支配性对种群P0进行排序，将P0划分为多个集合H_i，每个H_i集合中的个体具有相同的非支配性；然后，对P0进行竞标赛选择、交叉和变异得到一个子种群Q0，并令当前迭代次数g＝0；

步骤(8)、将P_g和Q_g合并组成R_g：R_g＝P_g∪Q_g；

步骤(9)、对R_g计算各个目标函数值，并对R_g进行快速非支配排序，令i＝1；

步骤(10)、对H_i进行拥挤度计算然后将其并入下一代的父种群中：P_(g+1)＝P_g∪H_i；

步骤(11)、令i＝i+1，并判断P_(g+1)中的个体数是否大于种群数量N，如果不大于N，则转到步骤(10)继续计算；

步骤(12)、将P_(g+1)中的前N个个体组成新的P_(g+1)；

步骤(13)、再次通过竞标赛选择、交叉和变异得到新的子种群Q_g；

步骤(14)、令迭代次数加1，即g＝g+1，并判断是否满足g≥G，如果满足，则完成迭代，得到帕累托最优解；如果不满足，则返回步骤(8)继续迭代。

步骤34、考虑特殊情况。对于充电站在用户期望的时间里达不到其充电需求的情况，提示用户本次充电将不能满足其充电需求，并请用户更改充电时间或降低SOC_n,end。如果用户不同意，则放弃该用户。如果用户同意，则对调整后的SOC_n,end重新计算。若SOC_n,end降到了SOC_n,start，上述问题仍无解，那么也只能放弃该用户。

综上所述，本发明在时间和空间上使得电动汽车进行有序充电，不仅可以满足用户充电需求，为电动汽车用户提供更优质的服务，而且可以有效减小配电网络负荷峰谷差，有利于配电网络安全和稳定地运行。

以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围。

Claims (2)

1.一种电动汽车有序充电的方法，其特征在于，主要包括以下步骤：

步骤1、建立电动汽车并网充电的网络互动模型；步骤1具体包括以下步骤：

步骤11、按照网络简化原则，将线路的电抗值作为连接边的权重；

步骤12、将电动汽车作为负荷节点接入配电网络，在电动汽车持续充电时将保持与配电网络的连接，在充电完成离开时将断开与配电网络的连接；

步骤13、通过采用网络生长点的方法，模拟新增电动汽车负荷节点的初始位置；

步骤2、对电动汽车进行空间上的有序充电；步骤21、配电网络初始具有n₀个充电站节点和k条边，在初始时刻，有m个电动汽车节点连接到配电网络中；

步骤22、如果电动汽车在下一时刻继续充电，则电动汽车节点保持与配电网络的连接，其位置保持不变；

如果新的电动汽车节点在下一时刻接入配电网络，则位置从网络生长点随机选取；

如果电动汽车在下一时刻满足充电需求，电动汽车节点将与配电网络断开连接；

步骤23、对于新加入的电动汽车节点，每个充电站节点都有一个优选因子，新加入的电动汽车节点具体连接到哪个充电站节点由优选因子决定；所述优选因子公式为：

其中，α＝1/μ_i，β＝1/SOC_j，在配电网络侧，

由k_i和μ_i组成，在用户侧，

由l_ij和SOC_j组成，其中，SOC_j是电动汽车节点j的当前荷电状态，μ_i是电动汽车节点i的平均负载率；所述充电站节点i的坐标定义如下：

v_i(x_i,y_i),i＝1,…,n₀，

电动汽车节点j的坐标定义如下：

v_j(x_j,y_j),i＝1,…,m，

充电站与电动汽车之间的物理距离l_ij定义为：

电动汽车节点j的度k_i被限制为电动汽车节点j连接到充电站i的个数；

步骤24、更新网络拓扑和节点信息；

步骤3、对电动汽车进行时间上的有序充电，步骤3具体包括以下步骤：

步骤31、读取电网负荷和充电分时电价信息；

步骤32、记录电动汽车电池信息和用户需求信息；

步骤33、综合考虑电网性能和用户需求，提出有序充电多目标优化模型，即用户充电总费用最少和总负荷方差最小的目标函数；所述用户充电总费用最少的目标函数F₁：

其中，N是电动汽车总数，I为充电时间段，S_ni表示电动汽车充电状态，Δp为电动汽车的额定充电功率，Δt为单位时间段，C_i为充电分时电价；

总负荷方差最小的目标函数F₂：

其中，p_i是第i(i＝1,2,…,96)个时间段内常规负荷的大小；

所述有序充电多目标优化模型设置变压器额定容量约束：

其中，A_i表示充电站在第i(i＝1,2,...,96)个时段输出功率占变压器额定容量的比例，取值范围为[0,1]，λ为充电效率因数平均值，S_T为变压器额定容量；

以及，用户充电需求约束如下：

其中，SOC_n,end是第n辆电动汽车离开充电站时期望达到的电池荷电状态，SOC_n,start是第n辆电动汽车的起始荷电状态，SOC_n,max是第n辆电动汽车电池荷电状态的最大值，也就是额定电池容量；

步骤34、考虑特殊情况；所述特殊情况包括：对于充电站在用户期望的时间里达不到其充电需求的情况，提示用户本次充电将不能满足其充电需求，并请用户更改充电时间或降低SOC_n,end；如果用户不同意，则放弃该用户；如果用户同意，则对调整后的SOC_n,end重新计算；若SOC_n,end降到了SOC_n,start，上述问题仍无解，那么也只能放弃该用户。

2.根据权利要求1所述的电动汽车有序充电的方法，其特征在于：所述新增加的电动汽车节点连接到具体充电站节点的概率为：

Images