一种基于日前计划的电动汽车实时智能充电方法与流程

本发明涉及电动汽车优化充电方法领域，尤其是涉及一种基于日前计划的电动汽车实时智能充电方法。

背景技术：

在全球环境日益恶化以及石油资源的日趋紧张的背景下，国家和政府大力扶持电动汽车行业的发展，电动汽车作为新型能源交通工具越来越受到关注，越来越多的人开始购买和使用电动汽车。然而，大量电动汽车的无序充电行为将会加大负荷波动、引起三相不平衡和减少变压器寿命等问题。

目前对电动汽车优化充电问题的研究主要采用“日前+实时”的优化思想，由于日前的基础数据预测结果准确性较差，使得日前电动汽车充电计划不能直接应用于实时充电场景中，需对日前充电计划进行实时调整。但现有研究中实时优化的原则固定单一化，使得不同充电场景的适应性差。因此，如何实现不同充电场景下智能调节实时优化是目前电动汽车优化充电问题的一大难点。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种能够根据不同充电场景的要求实时调整优化的基于日前计划的电动汽车实时智能充电方法。

本发明的目的可以通过以下技术方案来实现：

一种基于日前计划的电动汽车实时智能充电方法，该方法具体为，采用预先建立的日前电动汽车优化充电模型，综合考虑电动汽车充电量、电动汽车充电费用、负荷波动和三相不平衡，对计划内的电动汽车进行充电；采用预先建立的实时电动汽车优化充电模型，根据电动汽车用户充电优先级的高低，对计划外的电动汽车进行充电。

进一步地，所述日前电动汽车优化充电模型的目标函数为：

z＝min(ω1·z1+ω2·z2+ω3·z3+ω4·z4)

式中，z为日前电动汽车优化充电模型计算结果，z1为电动汽车充电量分量，ω1为电动汽车充电量分量的权重，z2为电动汽车充电费用分量，ω2为电动汽车充电费用分量的权重，z3为负荷波动分量，ω3为负荷波动分量的权重，z4为三相不平衡分量，ω4为三相不平衡分量的权重。

进一步地，所述电动汽车充电量分量的计算表达式为：

式中，n为电动汽车总数，socmin为电池荷电状态的下限值，socmax为电池荷电状态的上限值，为第n辆电动汽车的初始荷电状态，socn为第n辆电动汽车的荷电状态，c为权重因子。

进一步地，所述电动汽车充电费用分量的计算表达式为：

式中，ck为第k时段电动汽车充电电价，pi,j,k为第k时段电动汽车充电站i第j相的负荷功率，δt为每个时段的时长，qn.need为第n辆电动汽车充电需求电量，ωn为电动汽车n的充电效率。

进一步地，所述负荷波动分量的计算表达式为：

式中，pi,j,k为第k时段电动汽车充电站i第j相的负荷功率，aj,n为充电站第j相充电的电动汽车数量，δpj,n为第j相第n辆电动汽车相邻时段最大充电功率差值，tj,n为第j相第n辆电动汽车的充电时长，δt为每个时段的时长。

进一步地，所述三相不平衡分量的计算表达式为：

式中，pi,j,k为第k时段电动汽车充电站i第j相的负荷功率，j＝1,2,3，n为电动汽车总数，pev,max为电动汽车n最大充电功率，dk,n为电动汽车n在第k时段的充电决策，当dk,n＝1时，电动汽车n在第k时段充电，当dk,n＝0时，电动汽车n在第k时段不充电。

进一步地，所述实时电动汽车优化充电模型包括充电电量优先级子模型，该充电电量优先级子模型的表达式为：

式中，prority1(n,t)为电动汽车n在t时刻的充电电量优先级，socn,t为电动汽车n在t时刻的荷电状态，socmin为电池荷电状态的下限值，socmax为电池荷电状态的上限值，bn为电动汽车n的电池容量；tn,stay为电动汽车n停车时长，m为常数，取值为10⁵。

进一步地，所述实时电动汽车优化充电模型包括充电费用优先级子模型，该充电费用优先级子模型的表达式为：

式中，prority2(n,t)为电动汽车n在t时刻的充电费用优先级，ct为t时刻电动汽车充电电价，pev,n,t为电动汽车n在t时刻充电功率，tmax为充电时间最大值。

进一步地，所述实时电动汽车优化充电模型包括充电时负荷波动优先级子模型，该充电时负荷波动优先级子模型的表达式为：

priority3(n,t)＝-pev,n,t

式中，priority3(n,t)为电动汽车n在t时刻的充电时负荷波动的优先级值，pev,n,t为电动汽车n在t时刻充电功率。

进一步地，所述实时电动汽车优化充电模型包括充电时三相不平衡优先级子模型，该充电时三相不平衡优先级子模型的表达式为：

priority4(n,t)＝l'imbalance(n,t)-limbalance(n,t)

式中，priority4(n,t)为电动汽车n在t时刻的充电时三相不平衡优先级；l'imbalance(n,t)为t时刻电动汽车n不参与充电时的三相不平衡度；limbalance(n,t)为t时刻电动汽车n参与充电时的三相不平衡度。

随着计划外的电动汽车参与充电，充电场景不断发生变化，不同充电场景对电动汽车充电电量、充电费用、负荷波动和三相不平衡的要求程度不一样，在电动汽车实时优化充电过程中，根据不同充电场景的要求不断调整混合优先级指标的排列顺序。

与现有技术相比，本发明具有以下优点：

(1)本发明基于日前计划的电动汽车实时智能充电方法，对计划内的电动汽车，采用日前电动汽车优化充电模型进行充电，日前电动汽车优化充电模型考虑到电动汽车充电量、电动汽车充电费用、负荷波动和三相不平衡这些因素，而这些因素会随不同充电场景不断发生变化，从而实现不同充电场景下智能调节优化；对计划外的电动汽车，则采用基于充电优先级高低的实时电动汽车优化充电模型进行充电，对日前电动汽车优化充电模型进行实时调整，得到最优电动汽车充电方案。

(2)本发明提出的实时电动汽车优化充电模型中，衡量电动汽车充电优先级的因素也包括：电动汽车充电电量、充电费用、负荷波动和三相不平衡，与日前电动汽车优化充电模型考虑的因素相对应，实现不同充电场景下智能调节优化，具有较强的适应性。

(3)本发明对日前电动汽车优化充电模型，设有每辆电动汽车只能在一个充电站进行充电的约束、电动汽车充电功率约束，以及电动汽车充电站负荷功率不能超过充电站最大功率的约束，考虑全面，提高本发明电动汽车实时智能充电方法的可靠性。

附图说明

图1为本发明基于日前计划的电动汽车实时智能充电方法的流程图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1

如图1所示，本实施例提供一种基于日前计划的电动汽车实时智能充电方法，该方法综合考虑电动汽车充电电量、充电费用、负荷波动和三相不平衡，建立日前电动汽车优化充电模型；提出电动汽车实时充电混合优化指标，建立对应的实时电动汽车优化充电模型，根据不同充电场景的要求实时混合优化指标的组合顺序，对日前电动汽车优化充电计划进行实时调整。

该方法根据不同的充电场景的要求制定出优化指标的组合顺序，有效解决了电动汽车实时优化充电中调整原则设置固定单一的缺点，能够适用于不同充电场景的电动汽车优化充电问题中，具有较强的适应性。

下面分别对日前电动汽车优化充电模型、实时电动汽车优化充电模型和仿真实验进行详细描述。

一、日前电动汽车优化充电模型

综合考虑电动汽车充电电量、充电费用、负荷波动和三相不平衡，建立日前电动汽车优化充电模型，日前电动汽车优化充电模型的目标函数和约束条件如下：

1)目标函数

目标函数的表达式为：

z＝min(ω1·z1+ω2·z2+ω3·z3+ω4·z4)

式中，z为日前电动汽车优化充电模型计算结果，z1为电动汽车充电量分量，ω1为电动汽车充电量分量的权重，z2为电动汽车充电费用分量，ω2为电动汽车充电费用分量的权重，z3为负荷波动分量，ω3为负荷波动分量的权重，z4为三相不平衡分量，ω4为三相不平衡分量的权重。四个分量的表达式分别如下所示：

式中：n为电动汽车总数；socmin，socmax分别为电池荷电状态的下限值和上限值；为第n辆电动汽车初始荷电状态；c为权重因子，取值为0.1，表示将电动汽车电池充电至最小荷电状态socmin的重要度是充电至最大荷电状态socmax的重要度的10倍；ck为第k时段电动汽车充电电价；pi,j,k为第k时段电动汽车充电站i第j相的负荷功率；δt为每个时段的时长；ωn为电动汽车n的充电效率；qn.need为第n辆电动汽车充电需求电量；aj,n为充电站第j相充电的电动汽车数量；δpj,n为第j相第n辆电动汽车相邻时段最大充电功率差值；tj,n为第j相第n辆电动汽车汽车的充电时长；pev,n,max为电动汽车n最大充电功率；dk,n为电动汽车n在第k时段的充电决策，当dk,n＝1时，电动汽车n在第k时段充电，当dk,n＝0时，电动汽车n在第k时段不充电。

2)约束条件

约束条件如下：

2.1)每辆电动汽车只能在一个充电站进行充电，进行第一约束，第一约束的表达式为：

式中：xi,n为电动汽车n在充电站i的充电指令，当xi,n＝1时，电动汽车n在充电站i充电，当xi,n＝0时，电动汽车n不在充电站i充电。

2.2)进行电动汽车充电功率约束，电动汽车充电功率约束的表达式为：

0≤pev,n≤pev,max

式中：pev,n为电动汽车n的充电功率。

2.3)电动汽车充电站负荷功率不能超过充电站最大功率，进行第二约束，第二约束的表达式为：

式中：pi,j,t为t时刻充电站i第j相的负荷功率；pstation,i,max为充电站i的最大功率。

二、实时电动汽车优化充电模型

根据日前电动汽车优化充电模型得出日前电动汽车充电计划，计划内的电动汽车按照日前充电计划进行充电。根据电动汽车用户充电优先级的高低，安排计划外的电动汽车进行有序充电。衡量电动汽车充电优先级的因素包括：电动汽车充电电量、充电费用、负荷波动和三相不平衡，分别建立优先级模型如下所示：

式中：prority1(n,t)为电动汽车n在t时刻充电电量的优先级值；socn,t为电动汽车n在t时刻的荷电状态；bn为电动汽车n的电池容量；tn,stay为电动汽车n停车时长，m为常数，取值为10⁵。

式中：prority2(n,t)为电动汽车n在t时刻的充电费用的优先级值；ct为t时刻电动汽车充电电价；pev,n,t为电动汽车n在t时刻充电功率；

priority3(n,t)＝-pev,n,t

式中：priority3(n,t)为电动汽车n在t时刻的充电时负荷波动的优先级值

priority4(n,t)＝l'imbalance(n,t)-limbalance(n,t)

式中：priority4(n,t)为电动汽车n在t时刻的充电时三相不平衡的优先级值；l'imbalance(n,t)为t时刻电动汽车n不参与充电时的三相不平衡度；limbalance(n,t)为t时刻电动汽车n参与充电时的三相不平衡度。

随着计划外的电动汽车参与充电，充电场景不断发生变化，不同充电场景对电动汽车充电电量、充电费用、负荷波动和三相不平衡的要求程度不一样，在电动汽车实时优化充电过程中，根据不同充电场景的要求不断调整混合优先级指标的排列顺序。

三、仿真实验

为验证基于日前计划的电动汽车实时智能充电方法的正确性和有效性，将本实施例所提的电动汽车智能优化充电方法和传统“日前+实时”的电动汽车优化充电方法进行对比仿真验证，通过在不同的场景，即日前电动汽车充电计划与电动汽车实时充电偏差程度rand不同，进行多次仿真实验，取平均值作为最后的结果，如表1所示。

表1不同充电场景下的数据结果

由表1分析可得：本实施例所提电动汽车智能充电方法与传统的“日前+实时”电动汽车充电方法相比，本实施例所提的电动汽车智能充电方法能够有效提高电动汽车离开时的荷电状态，减小负荷波动和三相不平衡，且随着日前电动汽车充电计划与实时充电的偏差程度不断增大，本实施例所提方法的效果更加明显。

通过仿真案例研究表明：本实施例所提的电动汽车智能充电方法能够适用于不同充电场景，且随着充电场景的复杂程度不断优势更加明显，具有较强的适应性。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。