能为一个， 也可能为多个（即多目标出行）。
[0033] 步骤二、检测所述区域内所有电动汽车起始时刻的荷电电量。
[0034] 步骤三、根据每辆电动汽车的起始时刻的荷电电量、起始出行时间和出行距离及 目标地点，从而可以确定每辆电动汽车出行所需电量，并通过以下方法确定该电动汽车的 充电地点：
[0035] 当该电动汽车的荷电电量可以满足一天的出行活动，则该电动汽车的充电地点为 该电动汽车出行链的起始地点；
[0036] 本实施例通过以下公式判断荷电电量是否满足一天的出行活动，
[0038] 式中S0Ckiini为第k辆电动汽车在起始时刻的荷电电量，0 < k < N，S0Ckiave为第k 辆电动汽车运行每公里荷电电量下降速度，dk为第k辆电动汽车的出行距离；
[0039] 当该电动汽车的荷电电量不能满足一天的出行活动，则该电动汽车到达出行链中 的每一个目标地点时均计算此时的荷电电量，如果荷电电量不能满足到达下一个目标地 点，则该电动汽车的充电地点为当前目标地点；
[0040] 当该电动汽车在行驶过程中，荷电电量降低到预定阀值，则该电动汽车的充电地 点为该电动汽车的荷电电量达到预定阀值时的地点。
[0041] 步骤四、从电力系统的配电网中获取该配电网的历史常规负荷，得到当日的配电 网预测负荷曲线；获取当日的配电网预测负荷曲线为现有技术，不再赘述。
[0042] 步骤五、以最大化降低配电网的负荷峰谷差为目标，利用遗传算法确定每辆电动 汽车的最优充电时间段和最优充电时长；其中所述遗传算法的目标函数为
[0044] 式中，Pb]为配电网预测负荷曲线第j时间段的平均负荷值，P为每辆电动汽车的 充电功率；nj为第j时间段电动汽车接入电网的数量，其中〇 < j < Μ ;x ^表第i辆电动车 在第j时间段的充电状态，其中〇< i <N，Xlj=0表示该电动汽车此时不充电，Xlj= 1表 示该电动汽车此时处于充电状态，b为第i辆电动汽车在第j时间段的充电时长；
[0045] 所述遗传算法的约束条件为任意时刻每辆电动汽车的荷电电量都满足如下公 式：
[0047] 式中，是第i辆电动车任一时间段的充电电量，
为第i辆电动汽车荷 电电量的最小值，*50^为第i辆电动汽车第j时间段的荷电电量，
为第i辆电动汽 车荷电电量的最大值，为第i辆电动汽车第j+Ι时间段的荷电电量。
[0048] 遗传算法（Genetic Algorithm)是模拟达尔文生物进化论的自然选择和遗传学机 理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。本实施 例利用遗传算法制定控制电动汽车有序充电策略，遗传算法将问题（即每辆电动汽车的最 优充电时间段和最优充电时长）通过解编码成染色体，通过遗传算法选择、交叉、变异来产 生新一代更适应环境的染色体，不断繁殖、进化最终达到最优解。本实施例的遗传算法参数 设置如下：种群大小为300,交叉概率为0. 9,交叉重复次数为5,变异概率为0. 1，变异窗口 大小为3,现有的遗传算法均可应用于本实施例。
[0049] 本实施例在变异算子的计算过程中，通过下式确定变异概率：
[0051] 式中，P"表示个体变异概率；Ρ μ表示预设最大变异概率；P "2表示预设最小变异概 率；f表示要变异个体的适应度值；favg表示种群平均适应度值；f_表示种群最大个体适应 度。
[0052] 本实施例当然也可以采用其他确定变异概率的方法。
[0053] 本发明不局限于上述实施例，另外凡采用等同替换形成的技术方案，均落在本发 明要求的保护范围内。
【主权项】
1. 一种区域内电动汽车有序充电控制方法，所述区域内共有N辆电动汽车，每天平均 分成Μ个时间段；其特征在于所述方法包括以下步骤： 步骤一、收集所述区域内所有Ν辆电动汽车的出行链信息，每辆电动汽车的出行链信 息包括该电动汽车的起始出行时间、出行距离和目标地点； 步骤二、检测所述区域内所有电动汽车起始时刻的荷电电量； 步骤三、根据每辆电动汽车的起始时刻的荷电电量、起始出行时间和出行距离及目标 地点，从而可以确定每辆电动汽车出行所需电量，并通过以下方法确定该电动汽车的充电 地点： 当该电动汽车的荷电电量可以满足一天的出行活动，则该电动汽车的充电地点为该电 动汽车出行链的起始地点； 当该电动汽车的荷电电量不能满足一天的出行活动，则该电动汽车到达出行链中的每 一个目标地点时均计算此时的荷电电量，如果荷电电量不能满足到达下一个目标地点，则 该电动汽车的充电地点为当前目标地点； 当该电动汽车在行驶过程中，荷电电量降低到预定阀值，则该电动汽车的充电地点为 该电动汽车的荷电电量达到预定阀值时的地点； 步骤四、从电力系统的配电网中获取该配电网的历史常规负荷，得到当日的配电网预 测负荷曲线； 步骤五、以最大化降低配电网的负荷峰谷差为目标，利用遗传算法确定每辆电动汽车 的最优充电时间段和最优充电时长：其中所沭遗传算法的目标函数为式中，Pb]为配电网预测负荷曲线第j时间段的平均负荷值，Ρ为每辆电动汽车的充电 功率;nj为第j时间段电动汽车接入电网的数量，其中〇 <j<Μ;x^表第i辆电动车在第 j时间段的充电状态，其中〇 <i<N，Xlj= 0表示该电动汽车此时不充电，Xlj= 1表示该 电动汽车此时处于充电状态，b为第i辆电动汽车在第j时间段的充电时长； Κ??未谱佑曾沣的的市客仳先#音时划标細由油辩车的荷电电量都满足如下公式：式中：是第i辆电动车任一时间段的充电电量，为第i辆电动汽车荷电电 量的最小值，为第i辆电动汽车第j时间段的荷电电量，为第i辆电动汽车荷 电电量的最大值，为第i辆电动汽车第j+Ι时间段的荷电电量。2. 根据权利要求1所述的区域内电动汽车有序充电控制方法，其特征在于，通过以下 公式判断荷电电量是否满足一天的出行活动， SOCMni-SOCk,ave*dk< 0 式中SOCkiini为第k辆电动汽车在起始时刻的荷电电量，0 <k<N，SOCkiave为第k辆 电动汽车运行每公里荷电电量下降速度，dk为第k辆电动汽车的出行距离。
【专利摘要】本发明涉及一种区域内电动汽车有序充电控制方法，该方法基于出行链思想分析电动汽车出行特性，收集所述区域内所有N辆电动汽车的出行链信息，获取电动汽车用户起始时刻的电池荷电状态并分析获取电动汽车充电时间和充电场所；获取电网运行状态信息,更新常规负荷曲线；最后以最大化降低配电网的负荷峰谷差为目标，利用遗传算法确定每辆电动汽车的最优充电时间段和最优充电时长。本发明能够制定控制电动汽车有序充电策略，利用出行链思想对充电负荷进行预测，提高电动汽车负荷预测的真实性，增加控制策略的实用性，起到降低峰谷差、减小负荷波动的作用。
【IPC分类】H02J7/00
【公开号】CN105262167
【申请号】CN201510691246
【发明人】朱红, 王勇, 嵇文路, 徐青山, 马洲俊, 蔡婷婷, 杜红卫, 罗兴, 王春宁, 苏光, 李文书, 赵辉程
【申请人】江苏省电力公司南京供电公司, 江苏省电力公司, 国家电网公司, 东南大学, 国电南瑞科技股份有限公司
【公开日】2016年1月20日
【申请日】2015年10月22日