基于微電網(wǎng)的插電式混合動力汽車智能高效充電方法

基于微電網(wǎng)的插電式混合動力汽車智能高效充電方法

基于微電網(wǎng)（MGs）提出了可實(shí)現(xiàn)插電式混合動力汽車（PHEV）最佳充電效果的新隨機(jī)專家調(diào)查系統(tǒng)，該系統(tǒng)在考慮PHEV的充電需求、充電功率、能源價格和可再生能源輸出功率等不確定預(yù)測誤差情況下，模擬分析微電網(wǎng)的能量優(yōu)化管理策略。

PHEV的充電需求受到充電電流、電壓、正在充電汽車的數(shù)量、電池的容量等不同因素的影響。這些因素使得PHEV的充電需求具有很大的不確定性，從而會對MGs產(chǎn)生很大影響。提出了一種可以智能高效地調(diào)整PHEV在高峰和非高峰時段充電的方法。該智能充電方法利用電價的不同來使PHEV充電成本降到最低。從經(jīng)濟(jì)效益角度看，這種策略是最經(jīng)濟(jì)且最能引起消費(fèi)者關(guān)注。該充電方法使用兩個數(shù)據(jù)來管理PHEV充電需求（電價和PHEV充電站的數(shù)量）。為此，提出了一種基于2m估計(jì)法（2m-PEM）和磷蝦群（q-KH）算法的智能隨機(jī)架構(gòu)。

2m-PEM的主要特征是其只包括均值、方差、偏態(tài)和峰態(tài)系數(shù)等幾個不確定變量的統(tǒng)計(jì)數(shù)據(jù)，并將隨機(jī)問題轉(zhuǎn)化為確定性問題。q-KH算法（模仿磷蝦尋找食物的行為）與其它進(jìn)化算法相比，q-KH算法具有一些來自粒子群優(yōu)化算法（PSO）和遺傳算法（GA）強(qiáng)大的元啟發(fā)機(jī)制。這些特性使得q-KH算法具有解決非突出優(yōu)化問題的強(qiáng)大能力。此外，q-KH算法還具有快速收斂、容易實(shí)現(xiàn)、對調(diào)整參數(shù)的依賴性低，可用于解決連續(xù)和離散優(yōu)化問題、為解決多模型優(yōu)化問題自動細(xì)分等特性。

刊名：Energy（英）

刊期：2014年第78期

作者：Abdollah Kavousi-Fard et al

編譯：皮恒志