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(wǎng)負荷“峰上加峰”[1-2]，不利于電網(wǎng)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(diào)度策略，建立了兼顧電網(wǎng)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(diào)度的結(jié)果進行了對比分析，結(jié)果表明，較大的峰谷分時電價差會使用戶通過響應電網(wǎng)來獲得更大的收益，充分調(diào)動用戶參與電網(wǎng)調(diào)度的積極性，從而可以使電網(wǎng)的負荷曲線更加平緩。

1 電動汽車充放電調(diào)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(diào)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(wǎng)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(wǎng)側(cè)負荷方差最小。負荷方差可以較為直觀的反應電網(wǎng)負荷的波動情況，方差越小負荷變化越平穩(wěn)。以電網(wǎng)側(cè)負荷方差[3]最小為目標函數(shù)：

式中：PLj為j 時段電網(wǎng)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(wǎng)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(diào)動用戶響應電網(wǎng)調(diào)度的積極性，結(jié)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(wǎng)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(wǎng)負荷方差；T2max為不參與電網(wǎng)調(diào)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(wǎng)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(diào)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(jié)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(wǎng)側(cè)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(diào)動用戶參與電網(wǎng)調(diào)度的積極性，可以更好地平衡電網(wǎng)負荷。而分時電價的峰谷時間段和電網(wǎng)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(wǎng)側(cè)負荷的方差、峰谷差和負荷率的優(yōu)化結(jié)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(jié)語

本文針對充放電調(diào)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(diào)度策略，采用交叉遺傳粒子群算法求解，所得結(jié)果揭示了固定電價和不同分時電價對調(diào)度策略的影響。結(jié)果顯示：增加峰谷分時電價差對電網(wǎng)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(wǎng)來獲得更大的收益，調(diào)動用戶參與電網(wǎng)調(diào)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(wǎng)調(diào)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(wǎng)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(wǎng)負荷并增加用戶參與調(diào)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。