基于粒子群算法的电动汽车有序充放电调度研究朱玮珂

基于粒子群算法的电动汽车有序充放电调度研究朱玮珂

朱玮珂

（国网苏州供电公司江苏省苏州市215004）

摘要：大规模电动汽车用户的无序充电行为会对电网造成“峰上加峰”等影响，因此电动汽车规模化应用迫切要求实现对充电行为的引导和调度。电动汽车的储能特性，使其可以通过充电站/桩较好地与电网侧进行能量交互，实现V2G调度。根据V2G的特点以充电站各时刻的电动汽车充放电功率为控制对象，建立了以日负荷曲线峰谷差为目标函数的多维、非线性数学模型，并采用粒子群算法求解，得到电动汽车日前优化调度计划。针对电力系统调度问题的应用，本文进一步建立以峰谷差为目标的外层控制模型，并以上述V2G模型作内层优化。应用某典型小区日负荷曲线进行算例仿真，验证了算法的有效性，比较了不同电动汽车数对负荷曲线的影响。结果表明，电动汽车充电调度策略模型，能够有效地降低电网峰谷差，达到平稳负荷波动的效果；且以峰谷差为目标的双层控制模型，能够较好的跟踪不同目标下所需要的可控车辆数，验证了模型有效性。

关键词：电动汽车；充放电调度；粒子群算法；负荷曲线

0引言

电动汽车具有节能环保等优势，近年来随着人们对低碳生活的追求，电动汽车的应用受到了广泛关注。预计，到2020年我国纯电动汽车和插电式混合动力汽车生产能力达200万辆，累计产销量超过500万辆[1]，并且新增集中式充/换电站超过1.2万座，和分散式充电桩超过480万个[2]。大规模电动汽车并入电网之后，电动汽车充放电功率的随机性和波动性给带电网运行来了许多不确定因素。如果大量电动汽车集中在电网负荷高峰时段充电时，电网的负荷峰值会显著增加，从而对系统容量及安全运行带来严峻的挑战。如何合理的应对这些不确定因素，引导电动汽车在满足自身利益的同时，符合电网要求的有序充放电，这就需要对电动汽车有序充放电的引导策略进行研究。

然而将电动汽车（充电站）作为一个储能元件，利用电动汽车与电网互动（VehicletoGrid，V2G）技术的电源特性，可减少其对电网的影响，提高电网运行效率[3]。接入电网的车辆作为可移动的分布式储能系统，实现电能在电网与电动汽车两者之间双向传输。当电动汽车电能充足，在居民用电高峰期，电动汽车可以受调度中心指令控制，作为备用电源向电网回馈电能；而在用电低谷期，电动汽车可作为电力负荷消耗电能，实现电能双向传输互动。

V2G项目的一个核心应用就是使用电动汽车实现削峰填谷。电动汽车作为储能单元接入电网后，通过相应的控制算法，在电网负荷高峰时段，控制电动汽车向电网放电缓解电网压力；当电网负荷低谷时段，控制电动汽车作为普通用电设备进行集中充电，对电网负荷起到良好的移峰填谷作用，并大幅度减少电网峰谷差，减少电网在备用容量上的投资，提高电网运行效率。

在充电调度方法和运行目标方面，国内外学者已经开展了相关研究。文献[4]提出了根据短期负荷趋势以降低电能损耗和提高电压质量为目标的电动汽车智能充电方法。文献[5]提出了一种电动汽车有序充电控制方法及系统，对充换电站的允许功率进行合理限制。文献[6]采用二次规划和动态规划优化了电动汽车充电策略。文献[7]给出了截线法，简单易行，但无法考虑每个电动汽车（或群、组）的充电特性。此外，有文献分别以最大化运营商利润[8]、减少线路损耗、提高负荷率[9]、最大化发电利润[10]等为目标提出了智能充电方法。

本文以减小负荷峰谷差为目标，重点针对小型私有电动汽车的功率需求，综合考虑了电动汽车充放电功率、电池容量、电池荷电状态等约束条件，构建了一天内电动汽车参与电网调峰的模型，并用粒子群算法对优化调度策略进行求解，制定电动车有序充放电策略。

1电动汽车削峰填谷的策略

1.1电动汽车储能特性

电动汽车作为储能与电网互动时，其互动的核也实质上是动力电池[11]。动力电池使得电动汽车具有了储存能量和充放电的能力，因而可以与电网进行能量的交互。可以说，电动汽车的互动特性主要取决于动力电池的特性。另外，电动汽车空间的移动性和时间的不确定性又使得电动汽车储能具有独特的时空特性[12]，使之又成为了区别于电池储能的非传统储能形式。

电动汽车并不能随意地、毫无管理地进行充电行为，大量电动汽车的充电如果与电网峰值负荷叠加，必然会对电网产生极其严重的影响[13]。V2G技术是一种新型电网技术，其充分地利用电动汽车既能充当负荷又能充当电源的特点，实现在智能充放电控制策略下电动汽车与电网的双向互动。其核也思想是[14-15]，当电网负荷较高时，电动汽车作为一种特殊的储能形式向电网放电；而当电网负荷低时，通过电动汽车充电来存储电网过剩的发电量，避免造成弃风、弃光等现象。通过这种双向互动的方式，既可以使电网在调峰[16]、可再生能源消纳[17]、旋转备用[18]等多方面受益，又能让电动汽车用户在电价低、电动汽车闲置时，从电网获得电能，甚至通过放电行为得到补贴，从而获得一定的收益[19]。但是，单辆电动汽车参与V2G给电网带来的益处极其有限，只有当形成一定的规模后，才能发挥电动汽车群体的作用。

1.2V2G参与削峰填谷

如今现状，负荷随经济发展急剧增长，尤其是在东部沿海经济发达地区电能缺口日益严重，峰谷差进一步加大，传统电厂的调峰能力与客观所需的调峰需要矛盾尖锐[20]。峰谷差的增大或峰谷负荷持续时间拉长都会给电网造成严重的影响，不仅导致系统负荷率增大，电网运行过程中产生的损耗也随之增大，安全可靠性也受到威胁。然而电动汽车保有量的大规模增长与智能电网平台的支持，未来运用电动车车载电池V2G技术参与电力系统调峰对于应对日趋严重的调峰问题具有极其重大的意义。

将闲置的电动汽车有效调动起来发挥电源功能，成为电网服务市场最具活力的参与者，不仅需要充放电配套设施建设上的支撑，国家政策的倾斜扶持[21]，更需要对V2G采用有效的调度控制策略。如何更好地利用电动汽车在负荷需求高峰时段将多余的电能让渡出来返还给电网用作“调峰”电能，在负荷需求低谷时段再给车电池充电储能达到“填谷”的效果，需要制定一个有效的控制策略，达到“削峰填谷”目的。

由于电力日负荷曲线不均匀，一天内会出现数次尖峰和低谷负荷，且负荷曲线的尖峰负荷与低谷负荷差值很大[22]，这就要求系统有较大容量的调峰机组[23]。由图1所示，V2G作为负载和等效的发电容量接入系统后，系统可利用电动汽车充放电的灵活性来削峰填谷[24-25]，达到降低系统峰谷差和优化负荷曲线的目的。

2换电站有序充电调度策略模型

2.1目标函数

由于电动汽车的使用规律和换电站的运行规律与人类生活日作息规律密切相关，故调度策略以1天作为1个调度周期，并考虑到调度的可行性和可靠性，以15分钟作为1个时段，即将1个周期分为96个时段。

当电动汽车参与削峰填谷时，其主要应着眼于在峰荷时放电，并在负荷较低时充电来减少峰谷差。因此，目标函数只需要定位于全天的峰谷差[26]。目标函数为

式中，Li为不含电动汽车储能负荷的原电网负荷在i时段的值；Pi为电动汽车储能的负荷，当其为正时，整体表现出储能充电状态，当其为负时，整体表现为储能放电状态。

2.2约束条件

电动汽车充电站实现充电调度的约束条件主要为充电站充放电功率、站内电池电量2个方面。同时考虑到充电站的用户需求，还应保证用户按计划取车时，应有足够的电量[27-29]。

（1）充放电功率约束

该式表面每个时间段的荷电状态与上一个时间段的荷电状态和这一时段的充放电功率有关。

3调度策略的求解

3.1粒子群优化算法

电动汽车优化调度问题本质上是一个多维、多约束、多变量、多目标的组合优化求解问题[30]，经典优化算法内点法、如单纯形法、多项式算法等都难以适用。本文采用粒子群优化算法（PSO），其通用性强、算法原理简单、编程容易等优点被普遍用于解决非线性组合优化问题[31-32]。

PSO是一种以进化理论为基础的计算方法，是由Kennedy和Eberhart博士受鸟群捕食的启发，从而发明的一种进化算法[33]。在PSO算法中，每个需要优化的问题解都被当作成搜索域中的一只鸟，将它扩展到N维搜索空间，即用一个矢量表征粒子i在N维空间里的位置，每个粒子的飞行速度也用矢量表示。全部微粒都有一个被优化目标函数所确定的目标值和一个速度确定的飞行方向与距离。任何粒子都知道到当前为止发现的最好位置和自己现在的位置，这个可以被视为粒子本身的飞行经验。此外，所有粒子还知道到目前整个群体中所有微粒找到的最好位置，这个被视为同伴的经验，所有粒子就是按照自己本身和同伴的经验来指导下一步的运动[34]。其速度和位置的更新如式（6）、式（7）所示。

因此，本文中粒子维数为96*n。但考虑到电动车约束问题，在进化以及初始化过程中，若出现超限情况，应取边界值作为粒子位置。

3.3求解流程

1）输入已知条件和算法基本参数，初始化粒子的位置和速度；

2）根据式（2）—（5）修改粒子位置；

3）计算粒子群的适应度，记录粒子个体最优解和群体最优解；

4）根据式（6）、（7）更新粒子速度和位置；

5）检查粒子位置是否超过限值，是，则重复步骤2）；

6）判断是否达到结束条件，是，则停止计算，否则，返回步骤3）。

4算例仿真

4.1定量电动汽车参与削峰填谷调度

本算例选取某小型智能园区的典型日负荷曲线作为前峰填谷的目标配置电动汽车。此负荷曲线最大值600MW，最小值403MW，峰谷差为33%。

粒子群算法设置为粒子数20，最大迭代次数1000，最大速度为0.4，惯性权重为0.5[35]。

得到500辆电动汽车参与削峰填谷调度时，电动汽车削峰填谷优化负荷曲线和电动汽车充放电负荷值如图2所示。

由图2可知，电力系统原始负荷存在一个极端峰值时刻和一个跨时间较宽的谷值时刻，且电动汽车数较少时（500辆），集中在这两个时段内进行充放电。填充最低谷负荷时，净充电功率较低而平滑；削除峰值负荷时，防电功率较大，但放电时间集中，且时段长度小，总体峰谷差（目标函数）为29.94%。

增加参与调度车辆数，当车辆数达到1200辆时，得到计算结果如图3所示。

根据图3，当可参与削峰填谷调度的车辆数达到1200辆时，系统削峰填谷效果进一步提升，此时，电动汽车在两个时段的净充电功率为正，放电时段几乎不产生变化。此时，峰谷差（目标函数）达到15.91%。

4.2以峰谷差为目标函数的可调度车辆数计算

对于电力系统来说，其目标函数应为峰谷差[36]，以最大化利用发电设备[37]、降低备用容量投资[38]，针对这一目标，本文以车辆数为目标设置外层控制函数[39]，并以前述V2G调度模型为内层函数，流程如下：

1）设置欲达到的目标峰谷差Fc；

2）设置电动汽车数初值N0；

3）应用3.3中步骤对该数量电动汽车V2G调度求解；

4）若内层目标函数F达到预设峰谷差，则停止，否则，应用式（9）对电动汽车数进行线性修正，

从图中可以看出：当调峰调度目标较高时，电动汽车只需要参与削峰一次，参与填谷一次，就能完成目标；随着峰谷差目标降低，电动汽车需求量也增大，峰值有很明显降低[39]；当目标峰谷差很小时，出现了需要进行多次充放电的调度过程[40-41]。

5结论

1）本文根据电动汽车V2G调度的特点，分析了V2G参与削峰填谷的可行性，建立了以减小峰谷差为目标的充电调度策略的数学模型；

2）针对这一多维、多约束、多变量、多目标的组合优化问题，本文采用粒子群优化算法求解，并通过算例计算，可知本模型可以有效地降低峰谷差，其中尤其在“削峰”的应用上更为明显；

3）考虑到电力系统调度的实际问题，本文建立以峰谷差为计算目标的车辆调度计算，将V2G参与削峰填谷的模型作为内层优化模型，并以线性寻优的方式寻找合适的所需车辆数。通过实验，验证了该模型的有效性；

4）本文所涉及的模型和算例均以系统侧为研究对象，如何与用户配合以及如何对电动汽车实施实时控制，仍有待进一步研究。

参考文献：

[1]国务院．节能与新能源汽车产业发展规划（2012-2020年）[EB/OL]．[2012-06]http：//www.miit.gov.cn/n1146295/n1146557/n1146619/c3072778/content.html

[2]国家发展改革委，国家能源局．能源发展“十三五”规划[EB/OL]．[2016-12]http：//www.ndrc.gov.cn/zcfb/zcfbghwb/201701/W020170117350627940556.pdf

[3]刘振亚．智能电网技术[M]．北京．中国电力出版社，2010．

[4]李惠玲，白晓民．电动汽车充电对配电网的影响及对策[J]．电力系统自动化，2011，35（17）：38-43