基于改進粒子群優(yōu)化算法的電動汽車最優(yōu)充放電策略研究

隨著我國人們經(jīng)濟收入的持續(xù)增加，對汽車的擁有量也在呈現(xiàn)不斷上升的趨勢，在這樣的情況下對環(huán)境造成的污染也越來越嚴(yán)重，因此，我國開始大力推廣新能源電動汽車，這樣可以減少污染物的排放，從而起到保護環(huán)境的作用。隨著大量的電動汽車接入到電網(wǎng)進行相應(yīng)的充電，這在某種程度上面便給電網(wǎng)的安全、經(jīng)濟運行造成一定的威脅。因此，本論文首先對電動汽車的最優(yōu)充放電策略進行了相應(yīng)的建模，接下來，再對基于遺傳變異及模擬退火思想的改進粒子群優(yōu)化算法進行了相應(yīng)的概述，最后，進行了電動汽車充放電策略的仿真試驗。

【關(guān)鍵詞】充放電策略 遺傳變異 電動汽車 最優(yōu) 仿真

1 對電動汽車的最優(yōu)充放電策略進行建模

1.1 對電動汽車建模進行概述

由于不同的用戶具有不同的偏好、并且用戶出行時間也存在差異等，這就導(dǎo)致電動汽車接入到電網(wǎng)是具有很大的隨機性的。為了對電動汽車進行最優(yōu)化的控制，需要采取措施實現(xiàn)電網(wǎng)與用戶達到雙贏的目的。假設(shè)上下班時間段，電動汽車離開電網(wǎng)（即沒有進行充電）的時間是服從正態(tài)分布的，而對于非上下班時間離開電網(wǎng)時間的概率假設(shè)其是服從均勻分布的，對于時刻β，我們假設(shè)電動汽車離開電網(wǎng)的概率是為Pleave，β，在這樣的情況下，我們可以認(rèn)為在時刻β接入電網(wǎng)的電動汽車的相應(yīng)的比例是為：Pβ ≈ 1-Pleave，β。

由于不同的電動汽車出現(xiàn)目的不一樣，很顯然，其行駛的里程及對電量的消耗也是存在差異的。根據(jù)相關(guān)調(diào)查統(tǒng)計，可以很明確的知道電動汽車每一天消耗電量的曲線圖。

為了更好的對電池的荷電狀態(tài)（簡稱SOC）進行跟蹤，需要設(shè)定一個變量來對電池的相關(guān)剩余電量進行描述，假設(shè)變量為Eαstore，β。在我國，由于電動汽車數(shù)量眾多，那么，就不能夠直接對每一輛電動汽車的充放電情況進行控制，鑒于該種情況，本論文主要是針對同一個節(jié)點的N輛電動汽車視為一個功率能夠進行雙向流動的儲能單元，因此，針對Eαstore，β的計算方程式如下所示：

Eαstore，β1 Eαstore，β Pβ·Nα，EV·PαEV，β·Δt-（1-Pβ）·Eβv2r （1）

對于Eαstore，β是表示在節(jié)點α電動汽車在時刻β的剩余電量等。對于Eαstore，β1是表示在節(jié)點α電動汽車在時刻β+1的剩余電量等。

1.2 對最優(yōu)充放電策略建模進行概述

針對電網(wǎng)的總負荷來講，通常情況下它是分為用戶的基本負荷以及電動汽車的充放電負荷的。本論文研究是假設(shè)用戶的基本負荷為已知的。

1.2.1 目標(biāo)函數(shù)

3 電動汽車充放電策略仿真結(jié)果分析

3.1 無序充電仿真

針對常規(guī)充電來講，充電時間一般是需要5-8h，因此，假設(shè)電動汽車接入電網(wǎng)的時間區(qū)間[5，8]是服從均勻分布的，在這樣的情況下，對電動汽車的充電過程進行蒙特卡仿真，這樣便可以得到如下圖1所示的電動汽車充電方面的負荷曲線圖。

3.2 基于最優(yōu)潮流充放電策略仿真

圖2為OLTC的變化仿真圖。

4 結(jié)束語

本論文對電動汽車的最優(yōu)充放電策略進行了相關(guān)的建模，接下來，對基于遺傳變異及模擬退火思想的改進粒子群優(yōu)化算法進行了簡要的概述，最后，對電動汽車充放電策略仿真結(jié)果分析。

參考文獻

[1]黃少芳等.電動汽車充電機（站）諧波問題的研究[D].北京：北京交通大型，2013（03）：54-59.

[2]田麗亭等.電動汽車充電功率需求的統(tǒng)計學(xué)建模方法[J].電網(wǎng)技術(shù)，2012（05）：20-27.

[3]張亮等.電動汽車充電對電網(wǎng)影響的綜述[J].電網(wǎng)技術(shù)，2011（20）：62-67.

作者簡介

曹一曉（1989-），男，河南省南陽市人。碩士研究生學(xué)歷。研究方向為微電網(wǎng)運行與控制。

作者單位

華北水利水電大學(xué)電力學(xué)院 河南省鄭州市 450045