[0121] 122、将第k+1次迭代的第i辆电动汽车充放电粒子的初值P11^u作为第i辆电 动汽车的个体最优位置，并取令式（5)最小的第i辆电动汽车充放电粒子的初值作为全局 最优位置，通过以式（5)作为目标函数，以式（3)-(4)作为约束条件进行粒子群算法，迭代 算出第i辆电动汽车的充放电粒子P 11^1;进而得到第k+1次迭代的第1个小区充放电粒子 pk+1'i;
[0122] 仿真验证：
[0123] -、仿真试验的参数和条件如下：
[0124] 居民小区有住户389户，汽车总数为300辆，假设其出行开始时刻服从正态分布：
[0125]
[0126] 其中：y L= 7. 2, 〇 L= 2. 1(h);
[0127]最后出行结束时刻的服从正态分布：
[0128]
[0132] 其中：y D= 3.2, 〇 L= 0.88(英里）；
[0133] 该居民小区2014年1月某日的日负荷如表1所示：
[0134] 表1居民小区2014年冬季1月某日负荷
[0135]
[0136] 根据表1可计算次日基础负荷的日负荷率、峰谷差和负荷均方差等指标，采用深 圳居民用电分时电价如表2所示：
[0137] 表2深圳市冬季居民电价表
[0138]
[0139] 二、仿真试验结果：
[0140] 表1是无序充电模式（车主在最后一次出行结束后立即以最大功率充电，直至荷 电状态达到最大允许值）下的仿真试验结果；表2是本发明方法的仿真试验结果。渗透率 为电动汽车数占汽车总数的比率。
[0141] 表1无序充电模式的仿真试验结果
[0142]
[0146] 表中的渗透率为电动汽车数占汽车总数的比率。从表1、表2可以看出：在相同 的渗透率（电动汽车数）下，本发明方法的仿真试验得到的各项指标均优于无序充电的 指标。如在渗透率为50% (即电动汽车为150辆）时：电动汽车车主需要交的电费，采用 本发明方法只需395. 4042元、而无序充电则为899. 7931元，采用本发明方法的日负荷波 动71. 2883kW，日负荷峰值为469. 4kW，日负荷峰谷差为205. 8kW，而无序充电则分别高达 167.3819kW ;666. 8kW，548. 8kW。
【主权项】
1. 一种居民小区电动汽车充放电控制方法，其步骤为： 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Ic 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\ s、最后返回时刻t^、日耗电量S1;其中i代表电动汽车的编号，i = 1，2, 3··· I ;1为居民小区内电动汽车总数； 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Flniax、次日基础 负荷的波动均方差F3niax; C、 计算次日车主的最大总费用F4_ 将电动汽车i在次日的最后返回时刻t^，即以最大充电功率Pniaxil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:其中：cPj为第j小时的充电电价；t μ为电动汽车i在最大充电功率PniaxilT，将动力 电池一次性充满所需的充电小时数，可由下式算出：其中：□为四舍五入取整； D、 充放电功率约束条件和目标函数的确定 设电动汽车i在次日第j小时内的分时充放电功率为Pli i，则其满足约束条件式 (3)-(4)：其中，H为高电价时段集合，Z为整数集；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； 目标函数为：电动汽车的净充电量与日耗电量的偏差fitness :E、 以式（5)值最小为目标函数，以式（3)-(4)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Pli j的集合构成电动汽车i的充放电粒子P ^P1= [P u，Pli2-Pli i…Pli24];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= [PnPyPr-P1]; F、 次日充放电参数的计算 Fl、计算归一化的次日负荷峰谷差: 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小时的充放电功率p u 总和即为L',小区次日第j小时的负荷L'比较小区次日各小时负荷U i，得出次日的最大负荷U _和最小负荷U _，式中：max表示取最大值，min表示取最小值； 进而得到次日负荷的峰谷差F1, Fl=Lr Hlax-Lr mm (8) 对次日负荷峰谷差匕用次日基础负荷峰谷差F lMX进行归一化处理，得到归一化的次日 负荷峰谷差圩， F2、计算归一化的次日日负荷率垮: 计算次日的平均负荷L' av，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 ?2，对次日日负荷率F2用次日基础负荷日负荷率F2_进行归一化处理，得到归一化的次日 曰负荷率<，C=F2minZF2 ; F3、计算归一化的次日负荷波动均方差蹲;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F4、计算归一化的次日车主费用巧：式中：ι?? Viij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 i」= 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； 对次日的车主费用F4用次日车主的最大总费用F4_进行归一化处理，得到归一化的次 曰的车主费用夂，S=G /尸4·:; G、 优化目标值的确定： 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 :式中：Wl、w2、W3分别是负荷峰谷差F i、日负荷率F2、波动均方差匕的权系数，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 ; H、 第一次迭代 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F1'第1个小区充放电粒子为Pu，每个小区 充放电粒子P u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，BP;最小的F1'1值所对应的小区充放电粒子P 11即为全局最优小区 充放电粒子Pgbest，完成第一次迭代； I、 第二次及以后各次迭代 11、 比较第1个小区充放电粒子历次迭代中的Fiu值，若第k'次迭代中Fk^1值最小， 则第k'次迭代中的P 1"·1为第1个个体最优小区充放电粒子P Ipbest; 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Pgbest以及第1个个体最优小区充放电粒子P Ipbest代入粒子群优 化算法，迭代求解得到第k+Ι次，即本次迭代的小区充放电粒子Pk+U，进而得到电动汽车i 的充放电粒子Zf+υ，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Pi j; 13、 将迭代值Pli j重新代入步骤F和步骤G，得到第1个小区充放电粒子Pk+1'1的优化目 标值F k+U; 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Pgtest，完成本次迭代； 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Pgtest;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 gbest的元素 P u的值 进行充放电。2.根据权利要求1所述的一种小区电动汽车充放电控制方法，其特征在于：所述步骤D 中，通过粒子群算法以式（5)为目标函数，以式（3)-(4)为约束条件迭代计算出Pli]的第1 次迭代值，所采用的参数为：权重因子取〇. 9,学习因子取2. 02,粒子规模数取20。
【专利摘要】本发明公开了一种居民小区电动汽车充放电控制方法，它采用双层离散粒子群算法，通过底层粒子群算法求解各电动汽车满足所有约束条件的充放电计划，再利用顶层粒子群算法优化得出居民小区所有电动汽车充放电功率的控制方法。该方法不但能够有效改善居民小区的负荷特性指标，提高居民小区的电网设备利用率，同时，还能显著降低电动汽车的充电费用，易于实施和推广。
【IPC分类】G05B13/02
【公开号】CN105068419
【申请号】CN201510471445
【发明人】杨健维, 黄宇, 王湘, 何正友
【申请人】西南交通大学
【公开日】2015年11月18日
【申请日】2015年8月4日