基于粒子群算法的電動汽車有序充電控制策略

安 源，薛宇軒

（西安理工大學，陜西 西安 710048）

0 引 言

為提升電動汽車在高速公路上的快速充電效率，滿足電動汽車用戶多樣化需求，同時保證配電變壓器的安全穩(wěn)定運行，本文基于粒子群算法對相關(guān)策略進行探究。

1 基于粒子算法的電動汽車有序充電策略

1.1 粒子算法

該算法的基本思想是：假定空氣中的粒子數(shù)目為n，各粒子在D維空間內(nèi)均有一個對應(yīng)位點，且每個粒子均有自己的運行速度，則此時n個粒子對應(yīng)的目標函數(shù)的適應(yīng)度為n個。處于空間中的各粒子，會結(jié)合自身的運行經(jīng)驗與群體的運行經(jīng)驗對自體運行軌跡進行個性化調(diào)整，且空間中的粒子會根據(jù)自身的飛行經(jīng)驗和群體的飛行經(jīng)驗來調(diào)整自己的飛行軌跡，經(jīng)數(shù)次迭代，連續(xù)摸索最佳方位即目標函數(shù)的最優(yōu)解。

采用速度向量vi=[v(i,1),v(i,2),…,v(i,D)]與位置向量xi=[x(i,1),x(i,2),…,x(i,D)]，對粒子的運行軌跡做出相應(yīng)闡述。位置對應(yīng)的是目標函數(shù)內(nèi)的變量，位置更新影響粒子運行速度。粒子位置更新的公式為：

其中，i為第i個粒子；k為第k次迭代；d為D維空間內(nèi)第d個坐標；v為粒子所處的位置[1]。

由于理論分析，粒子群算法處理的是連續(xù)性變量，因此提出了二進制粒子群優(yōu)化算法，以實現(xiàn)對二進制變量的有效處理。速度v在原始公式的基礎(chǔ)上，在某項運算的作用下映射至[0，1]，映射公式為：

其中，s表示x取值為1的機率。粒子通過式（3）實現(xiàn)對自體所處方位的有效調(diào)整，二進制位置的更新公式為：

其中，rand表示[0，1]的隨機函數(shù)。

1.2 電動汽車有序充電策略

結(jié)合數(shù)學模型，本次研究中應(yīng)用PSO算法優(yōu)化的變量是xij，對于第t個粒子，其位置函數(shù)可表示為：

本文在對電動汽車有序充電策略設(shè)計優(yōu)化過程中，探析能使目標函數(shù)指標最小的X的解，有序充電控制的流程具體如下。首先，充電汽車進入充電站后，讀取進站時間（t），并在電池管理系統(tǒng)的協(xié)助下，獲得用戶進站時電動汽車電池荷電狀態(tài)（SOC）與電池容量大小。其次，汽車自行設(shè)計符合充電完成時的SOC值，并計算出充電完成的大概耗時，將相關(guān)信息反饋至用戶，為其合理規(guī)劃離站時間[2]。再次，采集配電網(wǎng)負荷對象的數(shù)據(jù)信息，并在粒子群算法的協(xié)助下，測算出汽車充電的最佳時間段。最后，電動汽車進入充電模式后，調(diào)整配電網(wǎng)的負荷指標。

2 算例分析

為實現(xiàn)所建設(shè)模型的有效性檢測，本文應(yīng)用了典型充電模式進行對照分析。

典型充電模式實質(zhì)上是一類“即插即用”的充電模式。該模式與充電汽車電池的充電屬性曲線運行相統(tǒng)一，即可視為不同時間點汽車的充電功率均為7 kW。本文應(yīng)用的充電負荷指標在24 h內(nèi)均有變化，將探究200輛電動汽車在不同時間點的分布狀況，以更科學地解析大規(guī)模負荷的充電負荷曲線運行狀況。

2.1 典型充電模式下電池充電特性

國內(nèi)電動汽車安裝的電池以鋰離子電池為主，本文選用了Nissan Altra所構(gòu)建的鋰離子電池，電池容量為29.07 kW/h，充電功率曲線如圖1所示。

圖1 鋰離子電池充電曲線示意圖

由圖1可知，汽車電池在5 h內(nèi)的充電功率基本在7 kW上下波動。為強化計算過程的簡潔性，忽略初始時刻與即將結(jié)束時刻的充電功率變化。此外，本文研究的充電汽車類型以私家車為主，不同型號的汽車運行參數(shù)也存在差異，95%的電動汽車充電應(yīng)用慢充模式，其余5%電動汽車充電應(yīng)用快充模式。

2.2 每日行駛擬合曲線

充電持續(xù)時間和電池剩余電量之間存在明顯相關(guān)性，本文假設(shè)全部電動汽車均以恒定功率進行充電，則此時車輛日平均行駛里程是影響汽車充電耗用時間的主要因素。結(jié)合NFTS對家用車輛行駛里程的調(diào)查數(shù)據(jù)，認為每次充電均達到滿電量[3]。則電動汽車所耗時間長度Tc可估測為：

其中，Tc為充電時間長度，f(r)為日行駛里程，W為每百千米的耗電量，Pi為充電功率。

2.3 有序充電狀態(tài)下的符合曲線

利用蒙特卡洛模擬法采集電動汽車的初始充電時間、充電電量及充電形式等指標，并基于粒子群算法的優(yōu)化模型的支撐下，勾畫出電動汽車有序充放電的負荷曲線示意圖，如圖2所示。

圖2 配電網(wǎng)電動汽車有序充電負荷變化曲線示意圖

由圖2可知，有序充電能促使配電網(wǎng)峰谷差率由39.14%降低至36.54%，進而明顯抑制電網(wǎng)波動負荷變化，有效改善電網(wǎng)的負荷屬性。有序充電時，電動汽車峰值負荷、谷值負荷、峰谷差率及日負荷率對應(yīng)指標分別為51 355 kW、32 598 kW、36.56%及0.839 9[4]。

3 結(jié) 論

在環(huán)保理念廣泛推行和工業(yè)產(chǎn)業(yè)持續(xù)發(fā)展的背景下，電動汽車已被廣泛普及。在高速公路上建設(shè)快速充電站，能為電動汽車長途運行創(chuàng)造基礎(chǔ)條件。本文探究一種基于粒子群算法的電動汽車有序充電控制策略。算例表明，有序充放電策略能減少配電網(wǎng)負荷波動幅度，明顯提升電力資源的有效利用率，促進電動汽車行業(yè)的持續(xù)發(fā)展。