計及路電耦合模型的電動汽車有序調度優(yōu)化方法研究

摘 要：針對大量電動汽車作為隨機負荷接入電網時，其特有的波動性、無序性影響電網穩(wěn)定這一問題，提出一種計及路電耦合模型的電動汽車有序調度優(yōu)化方法。首先，考慮交通網絡拓撲結構、充電樁建設網絡和電池SOC等因素，計算最短充電路徑，進而對電動汽車充電負荷時空分布進行預測；其次，提出基于充電路徑優(yōu)化的預測融合交通網和電網信息的路段賦權策略，引入Floyd算法進行模型建立，使用自適應粒子群優(yōu)化算法進行求解；最后通過仿真實驗對此優(yōu)化策略進行驗證。結果表明，該優(yōu)化方法在大量電動汽車接入電網下有效提升電動汽車充電效率，節(jié)約充電時間，減少充電成本。

關鍵詞：電動汽車 隨機負荷 充電負荷時空分布 充電路徑優(yōu)化

隨著全球氣候問題的日益嚴峻，傳統(tǒng)燃油汽車尾氣排放導致的環(huán)境污染認識的不斷加深，電動汽車（Electric Vehicle，EV）作為一種清潔、高效的交通工具，正逐步受到全球的青睞。

姚建盛[1]研究了充電站選址規(guī)劃、電動汽車大規(guī)模充電對電網的影響，缺少對充電主體，即用戶充電需求的分析。王遠峰等[2]針對用戶信用優(yōu)先級分區(qū)調度策略，將上層電網的調度計劃合理分配給電動汽車，忽略了用戶的動態(tài)需求特點。吳躍[3]從用戶角度出發(fā)，制定了動態(tài)電價以減少無序充電行為，但僅考慮用戶經濟需求，較為片面。廖瑩[4]通過有效預測電動汽車在各種不同情況下的轉移概率，進而對EV充電與負荷情況進行評估，但是未考慮最優(yōu)路徑規(guī)劃。丁楠[5]結合行駛距離、負載與速度等為用戶進行了路徑規(guī)劃，但是缺乏對于車輛行駛過程中是否有充電需求的討論。

上述調度方案均缺少對用戶與電網雙方需求的全面綜合分析，未能實現實際情況中的電動汽車充電高效有序調度。

于是，本文從業(yè)內痛點出發(fā)，通過構建快充站多目標決策模型，結合交通網和電網信息的路段賦權，對電動汽車的充電負荷進行時空分布預測，以期為解決電動汽車充電問題提供理論支持和實踐指導。本文的研究對于推動電動汽車的普及和可持續(xù)發(fā)展具有重要意義，同時也為充電基礎設施的建設和管理提供了有益的參考。

1 電動汽車充電路徑建模

1.1 最短充電路徑的預測模型

通常來講，綜合考慮各方面因素之后，目前市面上大多數的鉛酸蓄電池，放電深度為80%左右是最合適的。也就是說，電量剩余20%的時候充電最好。行駛中電動汽車若電量小于等于總量的20%，就需要前往充電站獲取補給?，F以充電站與電動汽車之間的距離為研究對象，以電池電量為判定條件，展開由圖1所示的最優(yōu)路徑分析。

電動汽車發(fā)出充電信號之后，車主將根據車輛系統(tǒng)的計算建議，提供能夠完成充電目標的、行駛路徑最優(yōu)的充電站。下文對行駛距離計算方法進行具體說明。

由圖2可知，A，D表示道路，設其長度為lad，B，C，E為路段AD上的三個節(jié)點；距B點距離最短的充電站位于A節(jié)點，則用lab表示點B與點A的之間的路徑，并記作最短路徑；同理，D節(jié)點處充電站為距離C點的最近充電站，lcd表示CD之間的距離，記作最短距離。在道路BC上，某匱電的電動汽車此時正位于E點，設騎車距離B點長度為x（0≤x≤lab），此時，車主應選擇最合適的充電站進行充電。前往充電站行駛的總路程記作M（x）：

（1）

充電行駛距離與交通網絡拓撲結構、充電站建設狀況及EV在道路上的位置等多種因素有關。例如在考慮用戶經濟和時間的情況下，若某充電站位于BC與直線距離呈±60°范圍內，則優(yōu)先考慮該充電站。通過該方法選出最優(yōu)的3到5個充電站。

1.2 融合交通網和電網信息的路段賦權模型

為使路徑優(yōu)化過程更加實時化，提出各段路徑的平均實時速度，進而對交通中的各條路徑加權。即：

（2）

其中，w1為實際車速，w2為加權車速，表示在t時段路段ab的平均車速。

引入路段平均速度后，采用Floyd算法：在整條路徑上插入一個點。記該路徑長度為l。若不直接從起點去往終點，而是選擇先從起點行駛至插入點，隨后再由插入點前往終點，記該情況下走過的多段路程之和l1；當滿足了l大于l1時，滿足縮短距離的要求，選擇由起點前往插入點最終駛向終點的辦法。

2 電動汽車充電路徑建模優(yōu)化

2.1 目標函數

電動汽車向充電站行駛需要消耗時間，因此需預測電動汽車到達充電站的時間。設電動汽車于T0時刻發(fā)出充電需求，從T0時刻位置行駛至最優(yōu)充電站耗時t1，則最終到達充電站時刻為，滿足：

（3）

為計算匱電的電動汽車從發(fā)出充電需求位置距離充電站的最小權值路徑長度，同時預測完成充電作業(yè)所需要的總時間長度。此處采用排隊模型進一步計算汽車進入充電站后還需要等候的時間長短。借助FCFS 排隊模型：假定aπ（T，T+t）表示在（T，T+t）時間段內到達充電站π的預期車輛數，列出下式：

（4）

2.2 約束條件

2.2.1 用戶時間成本

用戶時間成本的計算方法如式（5）所示：

（5）

式中，為第i個充電站第j仿真時段EV的平均等待時間;為每個時段的仿真時長;為充電站i處的j時刻的車流量。為轉換系數，將時間函數轉換成為經濟函數，本文取1.8。車主在進入服務區(qū)接受充電服務時，不會無條件等待，因此，對于排隊時間也應該滿足一定的約束，具體如式（6）所示：

（6）

其中為客戶所能承受的最大時間成本。

2.2.2 電網負荷量

電網最大負荷量必須大于 EV 負荷需求量，因此預留 20%的電能用于調度。具體如式（7）所示：

（7）

算式中，分別表示第i個節(jié)點的充電樁容量。

2.3 模型求解方法

本文采用自適應粒子群優(yōu)化算法對模型進行求解。作矩陣，用代表粒子位置，其中包含潛在最優(yōu)解。經過a次迭代出現了第b個粒子處于最優(yōu)位置，記作，并記：種群全局中的最優(yōu)位置。在不斷迭代尋找最優(yōu)位置過程中，粒子依據個體最優(yōu)值和種群最優(yōu)值更新第b+1次迭代運算中自身的位置和速度：

（8）

作為慣性權重，C1，C2為加速度的相關因素，C1是個體最優(yōu)權值，C2是全局最優(yōu)位置權值。s1，s2為[0，1]中的任意一個數字。在進行逐步優(yōu)化后，粒子種群大概率會有局部最優(yōu)粒子位置出現?？赏ㄟ^多次迭代的方式來尋找最優(yōu)方案，關注粒子局部搜索能力。經過Tmax次迭代，的數值可以由公式（9）計算并發(fā)現其數值大小與迭代次數呈現出反比關系，1：初始慣性權重，2：終止慣性權重。

（9）

公式（8）調節(jié)第j次迭代運算s1，s2的值。參數e用于限定雙曲正切函數的范圍

（10）

3 優(yōu)化仿真結果分析

為了確保路徑優(yōu)化方案的適用性，仿真模型依據實際狀況建立了一個適合電動汽車行駛需求的交通網絡模型，并且規(guī)劃容量充足的充電站與電網來支持電動汽車的充電活動。本文參照XA市的道路結構以及電網特點，來構建出仿真環(huán)境，從而進一步對該策略的意義進行分析。

在仿真模型中，電動汽車既是交通網構成的一部分，同時也在不斷消耗電網能量。因此，在模擬中需要詳細考慮每輛電動汽車的起始位置、電池充放電特性等屬性，以及整體車輛群在空間和時間上的分布情況。考慮到電網模型在能量供應中至關重要，因此對其采用網絡拓撲結構進行表示，并使用矩陣來記錄電網的實時狀態(tài)。根據交通網模型的建模方法，結合XA市充電站的已有和待建情況，本文共構建了16個充電站模型。如圖3所示，每個充電站根據其本身的面積大小以及地理位置狀況，分別建立了80到120個可用充電位。常規(guī)的分時電價詳情見表1。

利用MATLAB對一天當中所有前往充電站充電的電動汽車其各種充電行為進行了仿真實驗，得到了在不同方法策略下各充電站一天內的運營情況。此處討論三種方案下的運營狀況，從而進一步探討本文所提出的策略的價值。

方案A：選擇距離匱電電車距離最短的充電站的方法。

方案B：選擇電價最優(yōu)的充電站的方法。

方案C：選擇路電耦合模型的電動汽車有序調度優(yōu)化方法。

在三個案例中，分析10：00時各充電站內等候充電與正在充電的電車總數目分布情況，發(fā)現9號充電站內的電動汽車總數逼近300量，導致該站點壓力過大而其余站點充電車輛總數較少，造成了嚴重數量不均的局面；在案例二和案例三中，在采用了更優(yōu)的快速充電站推薦策略的情況下，第9號充電站內的電動汽車數量分別下降至原先的53.21%和53.58%，據此可有力證明本文所提出的策略有利于匱電車輛的均勻分布。若采用方案A則會發(fā)生15號電站的充電負荷明顯高于平均值的情況；反之選擇方案C后各充電站負荷得到了明顯的平均，可見方案C更加合理可行。表2計算了12：00各充電站之間的充電負荷的方差。顯而易見，方案三中各充電站之間方差明顯減小。綜上三處比較可見，本研究提出的策略有效地調整了充電負荷的空間分布。

4 結論

電動汽車充電調度優(yōu)化策略的研究對于提升能源利用效率、確保電網穩(wěn)定以及推動電動汽車的普及具有重要意義?；趯ψ顑?yōu)充電路徑的計算結果，對電動汽車充電負荷時空分布進行分析，準確預測出各充電站時刻充電汽車與正在等候充電汽車數量等情況。其次提出了基于充電路徑優(yōu)化的預測融合交通網和電網信息的路段賦權策略，實現了“錯峰充電”，避免出現充電站過度飽和的現象。綜上所述，電動汽車充電調度優(yōu)化策略的研究是一個復雜而重要的課題。通過綜合考慮各種因素和策略，可以制定出更加合理、高效的充電調度方案，推動電動汽車的普及和發(fā)展，并為實現可持續(xù)能源利用和電網穩(wěn)定做出貢獻。

參考文獻：

[1]姚建盛.“一樁對多車”場景下的電動汽車充電調度策略[J].邵陽學院學報（自然科學版），2023，20（06）：7-16.

[2]王遠峰，孫小慧.共享電動汽車用戶參與充電調度意愿預測[J].交通科技與經濟，2023，25（06）：38-45.

[3]吳躍.電動汽車充電負荷預測及其參與電網調度的潛力評估[D].南京：南京郵電大學，2022.

[4]廖瑩.基于馬爾可夫鏈的電動汽車充電負荷預測分析[J].電子技術（上海），2023.

[5]丁楠，楊景帥，韓志斌，等.基于電能消耗規(guī)律的電動汽車線路規(guī)劃[J].交通運輸系統(tǒng)工程與信息，2021：17-24.