多智能體充電樁協(xié)同充電控制方法研究

李剛 饒亦然 熊孝國

摘要：在分析充電樁負荷特性、管理架構(gòu)的基礎(chǔ)上，提出基于多智能體充電樁協(xié)同充電控制方法。建立充電樁負荷模型和。采用蒙特卡洛方法模擬電動汽車用戶的充電行為。在考慮電動汽車的充電功率、充電時間以及變壓器可用容量等約束條件的前提下，針對35kV片區(qū)配電網(wǎng)中電動汽車接入充電的優(yōu)化問題，提出基于多智能體充電樁協(xié)同充電控制優(yōu)化策略。仿真結(jié)果表明多智能體協(xié)同控制策略能夠有效地實現(xiàn)電動汽車充電負荷的“移峰填谷”，減小電網(wǎng)峰谷差。

關(guān)鍵詞：電動汽車;充電優(yōu)化;多智能體;協(xié)同控制;復(fù)雜自適應(yīng)系統(tǒng);模型;負荷管理

引言

電動汽車（EV）作為一種新型交通工具，在緩解能源危機、減少環(huán)境污染等方面具有非常大的優(yōu)勢。電動汽車的普及已成為一種趨勢工，工信部《電動汽車發(fā)展戰(zhàn)略研究報告》預(yù)測，2030年全國電動汽車保有量將達到6000萬輛。

本文以慢充方式的家庭用電動汽車為主要研究對象，在分析電動汽車充電負荷特性和管理架構(gòu)的基礎(chǔ)上，將電動汽車和充電樁定義為具有智能的主體，并建立了單個電動汽車智能體的負荷模型和基于多智能體系統(tǒng)的充電優(yōu)化模型，采用多智能體協(xié)同控制的策略對電動汽車的充電優(yōu)化問題進行求解分析。

1電動汽車充電負荷特性分析

電動汽車充電負荷的建模是研究電動汽車充電優(yōu)化策略的基礎(chǔ)。首先需要分析充電負荷的影響因素，主要包括以下幾個方面。

a.電動汽車類型。電動汽車的主要類型為公交車、出租車、公務(wù)車、私家車等卩氣不同類型電動汽車的用戶用車行為和充電行為差別較大。像公交車、出租車、公務(wù)車這類公用車的日行駛里程遠遠大于私家車，一般需要快速充電或者換電池的模式。私家車使用非常靈活，一天中90%以上的時間都處于停駛狀態(tài)，有足夠的時間充電，便于協(xié)調(diào)調(diào)度，而且將來私家車的比例會越來越大，研究其充電優(yōu)化不僅可以為用戶節(jié)約充電成本，而且可以為電網(wǎng)提供“移峰填谷”等服務(wù)，所以本文中主要研究私家車的充電優(yōu)化。

b.電動汽車的電池特性。包括電池類型、電池容量、充電速率等。電動汽車的電池主要包括鉛酸、鐐氫、鐐鎘、鋰離子、鈉硫等類型。雖然當前可用于電動汽車的動力電池類型較多，但是根據(jù)對電池比能量、效率、比功率等方面的性能對比得出結(jié)論，鋰離子電池具備最佳的綜合性能，將有望推動電動汽車的大規(guī)模商業(yè)化。電池容量決定了電動汽車的續(xù)航里程。充電速率決定了實際的充電功率及充電負荷曲線。

C.出行需求和使用習(xí)慣C主要指用戶的日行駛里程、出行時間、岀行頻率與岀行目的等，它們決定了用戶的充電時間、需求電能以及獲得充電服務(wù)的情況。當前基于出行需求的計算方法認為是電動汽車對傳統(tǒng)車輛的替代使用，不會影響用戶的出行特征，從而可以利用用戶出行特征的統(tǒng)計數(shù)據(jù)進行研究，通過蒙特卡洛模擬抽樣，可以方便地獲得具有時序特征的充電負荷信息。

d.電動汽車充電方式。不同的充電方式對應(yīng)的充電負荷具有顯著區(qū)別。從充電速率的角度而言，可以分為慢充、快充和電池更換3類;從控制的角度而言，可以分為直接、間接2類。直接控制是由調(diào)度機構(gòu)直接制定充電計劃，并且發(fā)送給各電動汽車執(zhí)行充電。間接控制是指通過制定峰谷電價、實時電價或輔助服務(wù)價格等途徑對用戶充電行為加以引導(dǎo)本文主要考慮慢充方式和間接控制方式。

2電動汽車的充電管理架構(gòu)

2.1電動汽車充電管理架構(gòu)分析

在近期的一些文獻中介紹了多種電動汽車充電管理的架構(gòu)，比較有代表性的有集中控制、分層控制和分布式控制3種。

a.集中控制。電動汽車調(diào)度問題采取的是由調(diào)度機構(gòu)進行直接調(diào)度的模式。對電動汽車的充電進行控制需要電動汽車與電網(wǎng)進行信息交互，交互的內(nèi)容包括電動汽車的充電需求、停車狀態(tài)、電池荷電狀態(tài)等。但目前配電網(wǎng)的信息化程度還不夠，配電控制中心對于配網(wǎng)運行實時信息掌握不全，基于在線運行的電動汽車大規(guī)模充電控制難度較大，而且大規(guī)模電動汽車接入電網(wǎng)時，集中調(diào)度模式還會導(dǎo)致在相應(yīng)優(yōu)化問題中出現(xiàn)“維數(shù)災(zāi)”問題。

b.分層控制。采用分層分區(qū)控制的模式來緩解集中控制中遇到的維數(shù)災(zāi)和通信要求高的問題。在該模式下，一般由配電系統(tǒng)調(diào)度機構(gòu)或第三方電動汽車代理負責(zé)某一區(qū)域內(nèi)電動汽車的協(xié)調(diào)調(diào)度，這樣電動汽車的調(diào)度問題就分解成為了輸電系統(tǒng)調(diào)度問題和若干區(qū)域調(diào)度問題，可以緩解調(diào)度中心的壓力，研究的重點可放在配電系統(tǒng)內(nèi)各區(qū)域的電動汽車最優(yōu)調(diào)度問題上。

c.分布式控制。由于電動汽車分屬于千百萬不同的用戶，它們接入電網(wǎng)及其充電的操作權(quán)限也相應(yīng)地歸屬于不同用戶，所以具有明顯的移動、分散以及不確定性，其充電優(yōu)化實質(zhì)上是一個分布式?jīng)Q策的問題的。電動汽車和充電設(shè)備看作是多代理系統(tǒng)中的智能體，該智能體可以根據(jù)本身的狀態(tài)和外部環(huán)境的變化做出相應(yīng)的決策，自主選擇充電站、充電方式，較好地仿真模擬了電動汽車的充電行為。這種分布式控制的方式可以在一定程度上有效地整合規(guī)模龐大但時空特性分散的電動汽車進行有序充電，實現(xiàn)電動汽車的分散自治。

本文提出了一種基于多智能體的電動汽車協(xié)同充電優(yōu)化策略。在該策略中.每個電動汽車智能體可以根據(jù)自身的充電需求參數(shù)和配電變壓器的負荷信息.在滿足自身需求的情況下。以變壓器負荷的“移峰填谷”為目標.制定自身的充電計劃。

基于多智能體的電動汽車協(xié)同充電流程

a.初始化電動汽車的參數(shù)。包括電動汽車的數(shù)最、用戶接入電網(wǎng)和離開電網(wǎng)的時間（可以獲得該用戶可用的充電時段）、日行駛里程、充電效率、額定充電功率等。

b.初始化迭代參數(shù)。將Id分為24個時段，每個時段內(nèi)接入電網(wǎng)充電的電動汽車的數(shù)量為M（根據(jù)蒙特卡洛抽樣獲?。?。

c.根據(jù)時間段數(shù)進行迭代，將電動汽車按照接入電網(wǎng)時間分配到各個時段。

d.在每個時間段內(nèi)根據(jù)電動汽車的數(shù)量進行迭代，每個電動汽車根據(jù)自身的接入電網(wǎng)時間、離開電網(wǎng)時間、充電需求等參數(shù)，同時結(jié)合迭加了該時段內(nèi)該車接入之前的電動汽車充電負荷的變壓器負荷信息，從而計算出適合自身的充電時段。

e.計算疊加了當前電動汽車充電負荷之后的總負荷如“并和變壓器的最大負荷進行比較，如果則生成該電動汽車的充電計劃并更新變壓器的負荷信息;反之則退出循環(huán)（該時段不再接受充電）。

f.按時段循環(huán)迭代至t=24，隨時間的推進依次獲取1d內(nèi)每臺電動汽車的充電計劃。

3結(jié)論

本文針對大量電動汽車接入電網(wǎng)之后的充電優(yōu)化問題展開研究.分析了電動汽車充電負荷的特性和管理架構(gòu).提出了基于多智能體的電動汽車協(xié)同充電管理架構(gòu)?；诮⒌碾妱悠嚦潆妰?yōu)化模型。在變壓器以下采用基于多智能體協(xié)同優(yōu)化的充電模式.能夠有效地實現(xiàn)電動汽車充電負荷的“移峰填谷”.減小電網(wǎng)峰谷差.并且可以將上層調(diào)度機構(gòu)的范圍縮小在變壓器以上.從而有效地避免了大規(guī)模電動汽車充電優(yōu)化的“維數(shù)災(zāi)”和“通信要求高”等問題.為電動汽車充電優(yōu)化提供了一條新的途徑。本文研究中假定各變壓器下接人的電動汽車組成一個多智能體系統(tǒng).其用戶通過和電網(wǎng)公司簽署雙贏協(xié)議的形式來參與電網(wǎng)公司的“移峰填谷”任務(wù).而且只考慮了配網(wǎng)變壓器容量限制的安全約束。下一步可以結(jié)合電價的引導(dǎo)機制.同時考慮更多的安全約束來進行更深層次的研究。

參考文獻

[1]王建，吳奎華，劉志珍，等.電動汽車充電對配電網(wǎng)負荷的影響及有序控制研究[J].電力自動化設(shè)備，2013，33（8）：47—52.

[2]草見吉.一種分體式多槍柔性充電堆直流充電機的設(shè)計與應(yīng)用研究[J].機電產(chǎn)品開發(fā)與創(chuàng)新，2019.32（6）：2-3.

[3]曹陽，物桃月，邱望標.蓄電池組智能均充裝置的設(shè)計[J].裝備制造技術(shù)，2016（6）：55-56.