南京理工大學自動化學院 吳宇翔 楊 偉

隨著科技的不斷進步，電動汽車的成本日益降低，其保有量逐年增加。而一定規(guī)模的電動汽車無序充電易使得電網負荷“峰上加峰”[1-2]，不利于電網的安全穩(wěn)定運行。本文提出一種考慮用戶出行需求的電動汽車充放電優(yōu)化調度策略，建立了兼顧電網負荷方差和用戶充放電費用的多目標優(yōu)化模型。采用基于雜交的混合粒子群算法求解，算例對不同電價下優(yōu)化調度的結果進行了對比分析，結果表明，較大的峰谷分時電價差會使用戶通過響應電網來獲得更大的收益，充分調動用戶參與電網調度的積極性，從而可以使電網的負荷曲線更加平緩。

1 電動汽車充放電調度模型

本文提出的考慮用戶出行需求的電動汽車充放電優(yōu)化調度策略以分時電價機制為基礎，充分考慮到用戶的日常用車需求，以平衡電網負荷和降低用戶的用電成本為目標進行優(yōu)化。

1.1 目標函數(shù)

1.1.1 目標函數(shù)1

電網側負荷方差最小。負荷方差可以較為直觀的反應電網負荷的波動情況，方差越小負荷變化越平穩(wěn)。以電網側負荷方差[3]最小為目標函數(shù)：

式中：PLj為j 時段電網的常規(guī)負荷（未考慮電動汽車充放電負荷）；Pij為電動汽車i 在j 時段的充放電功率，充電功率為正，放電功率為負；Pave為考慮電動汽車負荷后電網總負荷的平均值；n 表示電動汽車數(shù)量。

1.1.2 目標函數(shù)2：用戶用電成本最小

為調動用戶響應電網調度的積極性，結合分時電價[4]的情況，以用戶用電成本最低為目標，用電成本由充電費用、放電補貼和電池損耗費用三部分組成， 即，式中：Sj為j 時段的電價，電動汽車的充電電價為正、放電電價為負，包括放電時的電網電價和國家分布式發(fā)電的補貼電價。對以上三個目標函數(shù)進行歸一化處理，建立綜合目標函數(shù)為：式中：T1max為只考慮常規(guī)負荷的電網負荷方差；T2max為不參與電網調度下車主的最大充電費用，即車主從到達就開始充電，直到電量充滿為止的費用。λ1為電網負荷波動的權重系數(shù)，λ2為電動汽車用戶充放電費用的權重系數(shù)。

1.2 約束條件

本文主要考慮充放電功率約束、電池容量約束、出行需求約束。

充放電功率約束Pmin≤Pij≤Pmax，式中：Pij為電動汽車i 在j 時段的充放電功率，Pmax表示電動汽車在每個時段的最大充電功率；Pmin為最小放電功率。

電池可用容量約束SOCmin≤SOCij≤SOCmax，式中：SOCij為電動汽車i 在j 時段的電池電量；SOCmax和SOCmin分別為電池電量的上下限?？紤]到蓄電池的充放電安全，取SOCmin為0.2，SOCmax為0.9。

出行SOC 需求約束。電動汽車的出行需要約束SOCi(t)≥SOCi(need),tc≤t ≤24， 式中：SOCi(need)為電動汽車滿足日常出行所需的荷電狀態(tài)，本文取0.5；tc為電動汽車充電到電池荷電狀態(tài)大于等于SOCi(need),的時刻；SOCi(t)表示電動汽車i 在t 時段的荷電狀態(tài)。

1.3 調度策略求解方法

粒子群算法與傳統(tǒng)優(yōu)化算法相比，是一種參數(shù)少、收斂快且易于實現(xiàn)的智能算法，在求解非線性優(yōu)化問題時被廣泛應用。本文借鑒遺傳算法的思想，將遺傳算法中的交叉遺傳的步驟加入粒子群算法中，新加入的交叉遺傳步驟可以有效提高算法的收斂精度，更大概率收斂于全局最優(yōu)解。

2 算例分析

2.1 基本參數(shù)設置

本文采用某商用建筑日用電負荷數(shù)據(jù)進行仿真。算例中電動汽車的電池容量為24kWh；電動汽車充放電功率的約束范圍設置為-3～3kW。本文取1萬元進行電池的損耗費用計算。電動汽車起始時刻的SOC 設定為0.3。目標函數(shù)歸一化參T1max=4561.8，T2max=66.54。算例中的粒子數(shù)N 為20，慣性權重w 取0.9，最大迭代次數(shù)為2000，每個粒子速度取值范圍為[-0.4，0.4]。

2.2 結果分析

圖1為兩種分時電價下優(yōu)化后的負荷曲線，并和初始的負荷曲線進行了比較。由圖1可看出，與固定電價相比，分時電價下電網側負荷的方差以及峰谷差都有顯著的降低，負荷率也略有提升。這說明分時電價策略更能調動用戶參與電網調度的積極性，可以更好地平衡電網負荷。而分時電價的峰谷時間段和電網原始負荷的峰谷時間段大致相同，用戶放電不僅能獲得國家給予的放電補貼，同時在電價低時充電、電價高時放電，賺取充放電電價的差值，從而降低自己的充電成本。

通過圖1可以看出，在分時電價2下，電網側負荷的方差、峰谷差和負荷率的優(yōu)化結果均是優(yōu)于分時電價1的，這是因為與分時電價1相比分時電價2的峰谷差值更大、電價均值更高，并含有尖峰電價。通常情況下車輛充電集中在谷時，更低的谷時電價可以進一步削減充電費用。而受到尖峰電價的影響，用戶為了賺取更多收益，將按照電價稍微改變放電時間段，更多的選擇在峰時段尤其是電價的尖峰時段放電，以獲得更多的放電收益。電價峰谷時段與負荷峰谷時段更對應的分時電價2在進一步降低用戶成本的同時，也使得負荷波動更加平緩，可以獲得更好的優(yōu)化效果。

圖1 兩種分時電價下優(yōu)化后的負荷曲線

3 結語

本文針對充放電調度策略問題，建立了考慮分時電價和電池損耗的電動汽車充放電優(yōu)化調度策略，采用交叉遺傳粒子群算法求解，所得結果揭示了固定電價和不同分時電價對調度策略的影響。結果顯示：增加峰谷分時電價差對電網的削峰填谷效果明顯，同時較大的峰谷分時電價差也會使用戶通過響應電網來獲得更大的收益，調動用戶參與電網調度的積極性。

本文充分考慮用戶的日常出行需要，提出了滿足用戶出行需要的最低電量約束。雖然電動汽車不能參與電網調度深度充放電，在平衡負荷曲線和增加自身充放電收益上或許有所不足，但這樣可以確保用戶隨時使用電動汽車，并且沒有深度充放電也可以大大延長電池的使用壽命，降低每次充放電的電池損耗成本，對用戶來說利大于弊。

總體來說，本文在分時電價2下實現(xiàn)了電網負荷平衡和用戶收益的雙贏，但是本文的電池購置成本是以未來電池技術發(fā)展以及國家對電動汽車的大力支持為前提的。要想進一步平衡電網負荷并增加用戶參與調度的收益，需要進一步研究來尋找更加合理且分段更細的分時電價制度、或者進一步增加國家對分布式電源放電的補貼。