基于微電網的插電式混合動力汽車智能高效充電方法

基于微電網（MGs）提出了可實現插電式混合動力汽車（PHEV）最佳充電效果的新隨機專家調查系統(tǒng)，該系統(tǒng)在考慮PHEV的充電需求、充電功率、能源價格和可再生能源輸出功率等不確定預測誤差情況下，模擬分析微電網的能量優(yōu)化管理策略。

PHEV的充電需求受到充電電流、電壓、正在充電汽車的數量、電池的容量等不同因素的影響。這些因素使得PHEV的充電需求具有很大的不確定性，從而會對MGs產生很大影響。提出了一種可以智能高效地調整PHEV在高峰和非高峰時段充電的方法。該智能充電方法利用電價的不同來使PHEV充電成本降到最低。從經濟效益角度看，這種策略是最經濟且最能引起消費者關注。該充電方法使用兩個數據來管理PHEV充電需求（電價和PHEV充電站的數量）。為此，提出了一種基于2m估計法（2m-PEM）和磷蝦群（q-KH）算法的智能隨機架構。

2m-PEM的主要特征是其只包括均值、方差、偏態(tài)和峰態(tài)系數等幾個不確定變量的統(tǒng)計數據，并將隨機問題轉化為確定性問題。q-KH算法（模仿磷蝦尋找食物的行為）與其它進化算法相比，q-KH算法具有一些來自粒子群優(yōu)化算法（PSO）和遺傳算法（GA）強大的元啟發(fā)機制。這些特性使得q-KH算法具有解決非突出優(yōu)化問題的強大能力。此外，q-KH算法還具有快速收斂、容易實現、對調整參數的依賴性低，可用于解決連續(xù)和離散優(yōu)化問題、為解決多模型優(yōu)化問題自動細分等特性。

刊名：Energy（英）

刊期：2014年第78期

作者：Abdollah Kavousi-Fard et al

編譯：皮恒志