居民小区电动汽车充放电控制方法
【技术领域】
[0001] 本发明涉及电动汽车优化控制领域，特别涉及一种电动汽车与智能小区的能量互 动领域。
【背景技术】
[0002] 电动汽车具有节能、减排的优势，是各国竞相发展的新兴产业，电动汽车关键技术 的突破促进了电动汽车的大规模应用。规模化电动汽车的无序充电会引起电网负荷剧烈波 动，增加电气设备的扩建成本、降低电气设备的利用率；电动汽车的储能潜能没有充分利用 不利于主动配电网的建设。制定居民小区电动汽车充放电控制方法，能够在满足电动汽车 主行驶需求的前提下，采用分时电价引导用户参与电动汽车的有序充放电，改善居民小区 的负荷特性、提高供电可靠性，延缓用电设备的扩建周期，并且减少用户的电费支出。
[0003] 现有的居民小区电动汽车充放电调度方法主要是整数规划、混合整数规划算法以 及智能优化算法。整数规划、混合整数规划算法不能处理非线性问题、易陷入局部最优以及 产生"维数灾"问题。智能优化算法包括粒子群优化算法、遗传算法以及基于基本优化算法 的改进算法，这类算法能实现更为理想的优化结果，然而难以处理含有等式约束的居民小 区电动汽车充放电控制方法。
[0004] 粒子群算法（Particle Swarm Optimization，PS0)具有容易实现、计算速度快、收 敛性好等优点，在求解高维度、含不等式约束、非线性等问题上有较好的适应性。而求解含 等式约束优化问题则需利用罚函数将等式约束变为无约束，或者把等式约束变成两个不等 式约束，再构造新的粒子群优化求解，这些方法都存在粒子位置难以满足等式约束、影响收 敛精度的问题。
【发明内容】
[0005] 本发明的目的是提供一种居民小区电动汽车充放电控制方法，该方法采用粒子群 算法求解，能够显著降低居民小区用电负荷的峰谷差、提高用电负荷率，降低用电负荷波动 状况，减少电动汽车充电费用支出。
[0006] 本发明实现其发明目的所采用的技术方法是，一种居民小区电动汽车充放电控 制方法，其步骤为：
[0007] A、记录电动汽车i的动力电池容量E1、最大充电功率Pniaxil、动力电池可用容量比 例k 1;并将当日电动汽车i的最初出行时刻、最后返回时刻、日行驶里程，分别设定为次日 电动汽车i的最初出行时刻t liS、最后返回时刻h日耗电量S1;其中i代表电动汽车的编 号，i = 1，2,3-1 ;1为居民小区内电动汽车总数；
[0008] B、根据小区的历史基础电力负荷数据，预测出次日第j小时（j = 1，2, 3-24)内 的基础负荷Lj，进而得到次日基础负荷的日负荷率F2niin、次日基础负荷的峰谷差F lniax、次日 基础负荷的波动均方差F3niax;
[0009] C、计算次日车主的最大总费用F4mx
[0010] 将电动汽车i在次日的最后返回时刻tiY即以最大充电功率Pniaxi 1充电直至充满， 所产生的总费用定义为次日车主的最大总费用F4niax:
[0011]
[0012]其中：CPj为第j小时的充电电价；th。为电动汽车i在最大充电功率P ^axilT，将 动力电池一次性充满所需的充电小时数，可由下式算出：
[0013]
[0014] 其中：□为四舍五入取整；
[0015] D、充放电功率约束条件和目标函数的确定
[0016] 设电动汽车i在次日第j小时内的分时充放电功率为Pli j，则其满足约束条件式 (3)-(4)：
[0017]
[0018] 其中，H为高电价时段集合，Z为整数集；
[0019]
[0020] 式（3)的含义为：只允许电动汽车i在高电价时段放电；式（4)的含义为：任意时 刻电动汽车i的净放电量与日耗电量之和不能超过电动汽车i的可用容量；
[0021] 目标函数为：电动汽车的净充电量与日耗电量的偏差fitness :
[0022]
[0023] E、以式（5)值最小为目标函数，以式（3)-⑷为约束条件，通过粒子群算法迭代计 算出次日电动汽车i在第j小时的充放电功率P li i的迭代值P u，则电动汽车i的所有充放 电功率迭代值Pi j的集合构成电动汽车i的充放电粒子P ^P1= [P u，Pi^Pii i…P124];居 民小区内所有电动汽车充放电粒子P1的集合构成小区充放电粒子P，P = [PuPyPr-P1];
[0024] F、次日充放电参数的计算
[0025]Fl、计算归一化的次日负荷峰谷差F1'
[0026] 小区次日第j小时内的基础负荷Lj加上所有电动汽车i在第j小时的充放电功
[0027]比较小区次日各小时负荷L'j，得出次日的最大负荷L'_和最小负荷L' _，
[0030] 式中：max表示取最大值，min表示取最小值；
[0031] 进而得到次日负荷的峰谷差F1,
[0032] F1= L/nax-L/nin (8)
[0033] 对次日负荷峰谷差匕用次日基础负荷峰谷差F lniax进行归一化处理，得到归一化的 次日负荷峰谷差F1' <= F /Flniax;
[0034] F2、计算归一化的次日日负荷率F/:
[0035] 计算次日的平均负荷L' av，
[0036]
[0037] 算出次日的平均负荷L' av和次日的最大负荷L' _的比率，即得到次日的日负 荷率F2,
[0038]
[0039] 对次日日负荷率F2用次日基础负荷日负荷率F 2_进行归一化处理，得到归一化的 次日日负荷率F/，F/=F2_/F2;
[0040] F3、计算归一化的次日负荷波动均方差F/:
[0041 ]
[0042] 对次日负荷波动均方差F3用次日基础负荷日负荷率F 3_进行归一化处理，得到归 一化的次日负荷波动均方差F/，F/= F 3/F3_;
[0043] F4、计算归一化的次日车主费用F/:
[0044]
[0045] 式中：Uiij^iij分别为第i辆电动汽车在第j小时的充电、放电标志符：充电时u =1，Vu= 0,放电时u ^j= 0, V ^j= I ;cp .j、dp.j分别为第j小时的充电电价和放电电价；
[0046] 对次日的车主费用F4用次日车主的最大总费用F 4_进行归一化处理，得到归一化 的次日的车主费用F/，F4*= F 4/F4_;
[0047] G、优化目标值的确定：
[0048] 将步骤F得到的四个归一化参数采用线性加权求和，得到优化目标值F:
[0049]
[0050]式中：Wl、w2、《3分别是负荷峰谷差Fi、日负荷率F2、波动均方差F3的权系数，其取 值均为0. 2, W4为车主总费用F 4的权系数，其取值为0. 4 ;
[0051] H、第一次迭代
[0052] 重复步骤E-至步骤F的操作L次，得到第一次迭代的L个优化目标值F和L个小 区充放电粒子P，令第1个优化目标值为F 1'第1个小区充放电粒子为P1'每个小区充放 电粒子Pu为第1次操作对应的所有电动汽车的次日分时充电功率P u的集合，即P U = [P/'1，P2U-P1U…P/'1];最小的F 1'1值所对应的小区充放电粒子P u即为全局最优小区充 放电粒子Pgb6st，完成第一次迭代；
[0053]I、第二次及以后各次迭代
[0054] II、比较第1个小区充放电粒子历次迭代中的严^直，若第k'次迭代中Fk^ 1值最 小，则第k'次迭代中的Pk^1为第1个个体最优小区充放电粒子P Ub6st;
[0055] 12、以步骤D中的式（5)为目标函数，以式（3)-(4)为约束条件，将上次即k次迭 代的全局最优小区充放电粒子P gb6st以及第1个个体最优小区充放电粒子P upb6sMf入粒子 群优化算法，迭代求解得到第k+1次，即本次迭代的小区充放电粒子Pk+1' S进而得到电动汽 车i的充放电粒子Pf1'1，由[Plil, Pli2，…P1^Pli24] = Pfu得到本次迭代第j小时电动 汽车i的充放电功率的迭代值Pli j;
[0056]13、将迭代值Plij重新代入步骤F和步骤G，得到第1个小区充放电粒子Pk+U的优 化目标值#1'1;
[0057] 14、重复步骤11-13操作L次，最小的Fk+U值所对应的小区充放电粒子P k+u即为 全局最优小区充放电粒子Pgb6st，完成本次迭代；
[0058] 15、重复步骤11-14操作K次，得到K次迭代时的全局最优小区充放电粒子Pgb6st; 次日即控制电动汽车i按电动汽车i在次日第j小时的充放电功率等于P gb6st的元素Pu的 值进行充放电。
[0059] 进一步，本发明所述步骤D中，通过粒子群算