一种电动汽车有序充电控制方法与流程

本发明属于电动汽车充电技术领域，具体是一种电动汽车有序充电控制方法。

背景技术

当今时代普遍使用的电动汽车是使用石油为唯一燃料的一种交通工具，随着社会经济的发展对石化资源的依赖越来越严重，化石能源的稀缺已经成为全世界共同面临的难题。另一方面，大量化石能源的燃烧使得so2、co2等有害气体的排放量正在逐年增加。传统汽车排放尾气中的co2是造成温室效应的最大污染源，随着汽车数量的增加造成的环境问题日益严重。传统汽车行业面对能源和环境的双重压力，转型势在必行。

电动汽车是以车载电源为动力，用电机驱动车轮行驶的车辆，包括纯电动汽车、混合动力汽车和燃料电池汽车这三大类。其作为新兴产业之一，使用电能代替传统石油燃料能够有效的节能减排，是调整能源结构缓解环境问题的一个重要方法。电动汽车作为未来汽车行业发展的主导方向，具有广阔的发展前景。未来大规模的电动汽车涌入市场，其无序充电将对配电网经济可靠的运行、电能质量带来深远的影响和挑战，比如负荷峰谷差增大，电压偏移、网络损耗等。

当前现有技术中还没有出现一种对电动汽车的充电进行优化调度的方法，申请号为201810087702.6的专利公开了一种基于用户出行模拟的区域电动汽车充电站负荷预测方法，根据用户出行目的及所处区域划分电动汽车充电站的类型，采用离散马尔科夫过程模拟用户在不同区域之间的出行活动，构造出行链；提取出行链中影响电动汽车充电站充电负荷的时空特征量，并采用概率分布拟合；根据用户的出行需求设定充电条件，建立区域内电动汽车充电站负荷预测模型；利用蒙特卡罗模拟法计算得到不同类型的电动汽车充电站的负荷预测曲线。然而，该专利只能用于对充电站的负荷进行预测，进而研究电动汽车接入电网对电网的影响，而不能有效的解决电动汽车接入电网产生的问题。

技术实现要素：

本发明的目的是针对现有技术存在的问题，提供一种电动汽车有序充电控制方法，用于对电动汽车接入电网有序充电进行优化调度，以最大限度的减少用户的充电费用、提高电网的经济效益并保证电网平稳可靠地运行。

为实现上述目的，本发明采用的技术方案是：一种电动汽车有序充电控制方法，包括以下步骤：

步骤a，根据电动汽车的使用情况，获取电动汽车的日行驶里程和最后一次出行结束时刻的数据，并对获取的数据进行归一化处理，通过极大似然估计法分别对所述日行驶里程和最后一次出行结束时刻的数据进行拟合，得到电动汽车日行驶里程、最后一次出行结束时刻以及充电时长的概率分布；

步骤b，根据电动汽车的起始充电时刻、充电功率和充电时长的概率分布，建立电动汽车一天24小时的充电功率需求模型，通过蒙特卡洛法仿真模拟一天24小时不同时段的电动汽车充电负荷分布情况；

步骤c，将电动汽车的负荷随机接入ieee33节点配电系统中，通过前推回代的潮流计算法，计算出配电系统各个节点的电压幅值和网络损耗，从而验证电动汽车无序充电对配电网的负面影响；

步骤d，根据所述电动汽车24小时的充电功率需求模型和无序充电对配电网的负面影响，构建基于电价引导方案的电动汽车有序充电优化调度模型，该优化调度模型以减小日负荷峰谷差和降低电动汽车用户充电成本为优化目标对电价和电网的峰谷差进行优化调度；保证在满足电动汽车用户行驶需求的前提下，减小负荷峰谷差提高电网的经济性以及保证电网平稳可靠的运行，同时减少用户的充电费用。

具体地，步骤a中，所述电动汽车的使用情况包括电动汽车的充电特性、用户行驶习惯、充电方式等。

具体地，步骤a中，所述电动汽车日行驶里程的数据通过所述极大似然估计法拟合为对数正态分布，所述对数正态分布的概率密度函数为：

其中，μd＝3.20，σd＝0.88；x代表行驶的距离；μd和σd是一组经验值，可通过对电动汽车日行驶里程的调查数据得出；

所述最后一次出行结束时刻的数据通过所述极大似然估计法拟合为正态分布，所述正态分布的概率密度函数为：

其中，μt＝17.6，σt＝3.4；x代表时间；μt和σt是一组经验值，可通过对电动汽车充电时间选择的调查数据得出。

具体地，步骤d中，所述优化调度模型包括两个目标函数，分别为：

目标函数a，用户侧引导电价最小：

其中，函数采用96点日负荷曲线预测法，将一天24小时等分为96个时段，每个时段为15min，pj为第j(j＝1，2，...，96)个时段的电价，pev表示电动汽车的充电功率大小；n为配电网区域内的电动汽车总数；取值为0或1，是一个决策变量，用于确定第i辆电动汽车在第j时间段内是否有充电行为，1代表电动汽车处于充电状态，0代表电动汽车不处于充电状态；δt表示各时间段；ti表示第i台车从开始充电到结束离开所需的充电时长；

目标函数b，电网侧峰谷差最小：

f2＝min(maxp′lj-minp′lj)

其中，plj为第j时段原始负荷值，p′lj为在第j时段叠加电动汽车充电负荷后的系统负荷值，pij为第i辆电动汽车在第j时段的负荷功率；大量电动汽车随机进行充电时会引起“峰上加峰”等问题，本发明通过制定实时电价方案来激励用户充电行为，合理安排各个用户的充电顺序，让车主能尽可能的在负荷低谷时段完成充电，这样就能让电网负荷的高峰值控制在一个相对低一点的范围内，使得负荷整体波动的更加平稳。

具体地，基于所述用户侧和电网侧两个目标函数，建立一个多目标函数，并采用遗传算法进行求解；所述多目标函数如下：

上述两个目标函数是相互影响、相互作用的，为使两者都能达到最优，采用线性加权的方法，将所述多目标函数的优化求解问题转变为单目标函数优化问题进行求解，并对所述单目标函数优化问题做归一化处理，使两个目标函数处于同一个数量级；

所述归一化公式为：

归一化处理后的单目标函数为：

minf＝λ1f1+λ2f2

其中，λ1和λ2分别为f1和f2的权重系数，分别表示充电费用和电网负荷各自所占的比重；λ1+λ2＝1，λ1≥0，λ2≥0。

具体地，步骤d中，所述优化调度模型包括电量约束条件：

tipi＝(1-soci)×bi

其中，soci为电动汽车充电的初始电量，所述初始电量为电动汽车到达配电网时的剩余电量，所述剩余电量采用百分数表示，所述电动汽车在配电网的充电量为1-soci，ti为电动汽车充满电所需时长；pi电动汽车充电功率；bi为蓄电池容量。

具体地，步骤d中，所述优化调度模型还包括充电功率约束条件、网络节点电压约束条件以及配电网传输功率约束条件；

所述充电功率约束条件为：

0≤pi≤pn

所述网络节点电压约束条件为：

所述配电网传输功率约束条件为：

其中，pn为电动汽车充电的额定功率值，为最小网络节点电压，为最大网络节点电压；为配电网最小传输功率，为配电网最大传输功率。

与现有技术相比，本发明的有益效果是：本发明根据电动汽车24小时的充电功率需求模型和无序充电对配电网的负面影响，构建基于电价引导方案的电动汽车有序充电优化调度模型，该优化调度模型以减小日负荷峰谷差和降低电动汽车用户充电成本为优化目标对电价和电网的峰谷差进行优化调度；在满足用户行驶需求的前提下，通过制定实时电价方案来激励用户充电行为，合理安排各个用户的充电顺序，让车主能尽可能的在负荷低谷时段完成充电；不仅站在用户的角度上考虑节约了充电的成本，同时还站在电网侧的角度考虑，减小了峰谷差，达到了“削峰填谷”的效果，使配电网更加可靠经济地运行。

附图说明

图1为本发明中基于蒙特卡洛法计算充电负荷的流程示意图；

图2为本发明中遗传算法的优化流程示意图；

图3为本发明一种电动汽车有序充电控制方法的流程示意图。

具体实施方式

下面将结合本发明中的附图，对本发明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条件下所获得的所有其它实施例，都属于本发明保护的范围。

如图1至3所示，本实施例提供了一种电动汽车有序充电控制方法，包括以下步骤：

步骤a，根据电动汽车的使用情况，获取电动汽车的日行驶里程和最后一次出行结束时刻的数据，并对获取的数据进行归一化处理，通过极大似然估计法分别对所述日行驶里程和最后一次出行结束时刻的数据进行拟合，得到电动汽车日行驶里程、最后一次出行结束时刻以及充电时长的概率分布；

步骤b，根据电动汽车的起始充电时刻、充电功率和充电时长的概率分布，建立电动汽车一天24小时的充电功率需求模型，通过蒙特卡洛法仿真模拟一天24小时不同时段的电动汽车充电负荷分布情况；

步骤c，将电动汽车的负荷随机接入ieee33节点配电系统中，通过前推回代的潮流计算法，计算出配电系统各个节点的电压幅值和网络损耗，从而验证电动汽车无序充电对配电网的负面影响；

步骤d，根据所述电动汽车24小时的充电功率需求模型和无序充电对配电网的负面影响，构建基于电价引导方案的电动汽车有序充电优化调度模型，该优化调度模型以减小日负荷峰谷差和降低电动汽车用户充电成本为优化目标对电价和电网的峰谷差进行优化调度；保证在满足电动汽车用户行驶需求的前提下，减小负荷峰谷差提高电网的经济性以及保证电网平稳可靠的运行，同时减少用户的充电费用。

具体地，步骤a中，所述电动汽车的使用情况包括电动汽车的充电特性、用户行驶习惯、充电方式等。

具体地，步骤a中，所述电动汽车日行驶里程的数据通过所述极大似然估计法拟合为对数正态分布,所述对数正态分布的概率密度函数为：

其中，μd＝3.20，σd＝0.88；μd和σd是一组经验值，可通过对电动汽车日行驶里程的调查数据得出。

所述最后一次出行结束时刻的数据通过所述极大似然估计法拟合为正态分布，所述正态分布的概率密度函数为：

其中，μt＝17.6，σt＝3.4；μt和σt是一组经验值，可通过对电动汽车充电时间选择的调查数据得出。

进一步地，电动汽车所需的充电时长为：

其中，w为每百公里耗电量；s为日行驶里程；pc为电动汽车充电功率。

具体地，步骤c中，所述前推回代的步骤为：

s1，假设给定固定的射型配电网络的拓扑结构，共有n个节点，其根节点电压为u0，其余节点的负荷为pi+qi(i＝1，2…，n-1)，其中pi为有功功率，qi为无功功率；rij+jxij为相邻i，j两节点之间的阻抗，各节点电压、节点注入电流、支路潮流以及网络损耗为待求量；各节点的注入电流为：

s2，通过网络拓扑的结构并结合上式计算配电系统各个支路中的电流，任一支路的电流是该支路末节点的电流与所有位于该支路下游节点的注入电流之和，ii的表达式如下所示：

s3，计算完整个配电系统的支路电流后结合己知的支路阻抗从根节点起计算各支路的电压降，并通过下式更新各节点电压，下式表示始端编号为i，末端编号为j的支路的末端电压；

uj＝ui-ii(rij+jxij)

s4，计算各节点的电压幅值修正量：

δuj＝|uj-uj(0)|

s5，重复前推支路电流和回代节点电压，直到满足迭代条件，得到该配电系统的最终潮流计算结果。

具体地，步骤d中，所述优化调度模型包括两个目标函数，分别为：

目标函数a，用户侧引导电价最小：

其中，函数采用96点日负荷曲线预测法，将一天24小时等分为96个时段，每个时段为15min，pj为第j(j＝1，2，...，96)个时段的电价，pev表示电动汽车的充电功率大小；n为配电网区域内的电动汽车总数；取值为0或1，是一个决策变量，用于确定第i辆电动汽车在第j时间段内是否有充电行为，1代表电动汽车处于充电状态，0代表电动汽车不处于充电状态；δt表示各时间段；ti表示第i台车从开始充电到结束离开所需的充电时长；

目标函数b，电网侧峰谷差最小：

f2＝min(maxp′lj-minp′lj)

其中，plj为第j时段原始负荷值，p′lj为在第j时段叠加电动汽车充电负荷后的系统负荷值，pij为第i辆电动汽车在第j时段的负荷功率；大量电动汽车随机进行充电时会引起“峰上加峰”等问题，本发明通过制定实时电价方案来激励用户充电行为，合理安排各个用户的充电顺序，让车主能尽可能的在负荷低谷时段完成充电，这样就能让电网负荷的高峰值控制在一个相对低一点的范围内，使得负荷整体波动的更加平稳。

具体地，基于所述用户侧和电网侧两个目标函数，建立一个多目标函数，并采用遗传算法进行求解；所述多目标函数如下：

上述两个目标函数是相互影响、相互作用的，为使两者都能达到最优，采用线性加权的方法，将所述多目标函数的优化求解问题转变为单目标函数优化问题进行求解，并对所述单目标函数优化问题做归一化处理，使两个目标函数处于同一个数量级；

所述归一化公式为：

归一化处理后的单目标函数为：

minf＝λ1f1+λ2f2

其中，λ1和λ2分别为f1和f2的权重系数，分别表示充电费用和电网负荷各自所占的比重；λ1+λ2＝1，λ1≥0，λ2≥0。

具体地，步骤d中，所述优化调度模型包括电量约束条件：

tipi＝(1-soci)×bi

其中，soci为电动汽车充电的初始电量，所述初始电量为电动汽车到达配电网时的剩余电量，所述剩余电量采用百分数表示，所述电动汽车在配电网的充电量为1-soci，ti为电动汽车充满电所需时长；pi电动汽车充电功率；bi为蓄电池容量。

具体地，步骤d中，所述优化调度模型还包括充电功率约束条件、网络节点电压约束条件以及配电网传输功率约束条件；

所述充电功率约束条件为：

0≤pi≤pn

所述网络节点电压约束条件为：

所述配电网传输功率约束条件为：

其中，pn为电动汽车充电的额定功率值，为最小网络节点电压，为最大网络节点电压；为配电网最小传输功率，为配电网最大传输功率。

具体地，如图2所示，步骤d中，以减小日负荷峰谷差和降低电动汽车用户充电成本为优化目标对电价和电网的峰谷差进行优化调度的方法为，采用遗传算法进行优化调度，其优化调度步骤如下：

第一步，初始化种群s，选择目标函数的编码方式，根据目标函数和约束条件定义一个适应度函数f(x)，设置种群的规模n，交叉概率pc，变异概率pm，遗传代数t；

第二步，利用适应度函数计算种群个体的适应度：

fi＝f(si)

第三步，若满足迭代条件，则算法终止，取适应度最高的作为最优结果，否则计算概率：

第四步，选择复制，步骤如下：

(1)在第t代，计算fsum和p(si)；

(2)产生{0，1}的随机数rand(.)，求s＝rand(.)*fsum；

(3)求和最小的k，则第k个个体被选中；

(4)进行n次(2)、(3)操作，得到n个个体，为s1；

第五步，按照交叉概率pc在上述s1中随机选取相应数量的个体，并对这些个体进行交叉操作，并用新产生的个体代替原来的个体，得到s2；

第六步，按照变异概率pm在s2中随机选取相应数量的个体，并对这些个体进行变异操作，用新产生的个体代替原来的个体，得到s3；

第七步，将代数增1，t＝t+1，将通过选择、交叉、变异操作得到的作为新一代的种群s3返回至第三步进行验证，直至得到最优结果。

图3为本实施例一种电动汽车有序充电控制方法的整个流程图，通过结合图1和图2，根据电动车的充电负荷和无序充电对电网的影响，构建基于电价引导方案的电动汽车有序充电优化调度模型，该优化调度模型以减小日负荷峰谷差和降低电动汽车用户充电成本为优化目标对电价和电网的峰谷差进行优化调度，得到适应度最高的最优结果；保证在满足电动汽车用户行驶需求的前提下，减小负荷峰谷差提高电网的经济性以及保证电网平稳可靠的运行，同时减少用户的充电费用。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。