阅读说明：本技术 一种基于双层优化算法的电动汽车充电站有序充电方法 (electric vehicle charging station ordered charging method based on double-layer optimization algorithm ) 是由 沈华 林林 陈葛亮 殷俊 李勇生 金震 胡楠 傅慧华 张丁溶 于 2019-11-20 设计创作，主要内容包括：本发明提供了一种基于双层优化算法的电动汽车充电站有序充电方法,上层采用遗传算法对各充电站调度计划P<Sub>j,t</Sub>编码形成初始种群,适应度函数为F,然后通过算法迭代最终得到P<Sub>j,t</Sub>最优解；然后将最优解传递给下层的各充电站；下层考虑电动汽车充电路径选择机制,采用蚁群算法求解；首先输入电动汽车参数、位置信息和充电站信息等,计算下层模型最小调度偏差函数f<Sub>1</Sub>,并基于最小偏差及约束,采用蚁群算法计算目标函数f,形成电动汽车最佳充电方案,并返回上层继续优化,求解终止条件为上下层调度偏差满足收敛判据。本发明上层模型优化目标为实现负荷削峰填谷,下层模型用以减少电动汽车充电出行时间和充电费用。(The invention provides electric vehicle charging station ordered charging methods based on double-layer optimization algorithm, wherein the upper layer adopts genetic algorithm to schedule plan P for each charging station j,t Encoding to form an initial population, performing fitness function F, and performing algorithm iteration to finally obtain P j,t An optimal solution; then transmitting the optimal solution to each charging station on the lower layer; the lower layer considers a charging path selection mechanism of the electric automobile and adopts an ant colony algorithm to solve; firstly, inputting parameters, position information, charging station information and the like of the electric vehicle, and calculating a minimum dispatching deviation function f of a lower layer model 1 And based on the minimum deviation and the constraint, adopting an ant colony algorithm to calculate a target function f to form an optimal charging scheme of the electric automobile, returning to the upper layer for continuous optimization, and solving a termination condition to ensure that the upper and lower layer scheduling deviations meet a convergence criterion. Book (I)The upper layer model is optimized to realize load peak clipping and valley filling, and the lower layer model is used for reducing the charging travel time and charging cost of the electric automobile.)

一种基于双层优化算法的电动汽车充电站有序充电方法

技术领域

本发明属于电动汽车技术领域，特别涉及一种基于双层优化算法的电动汽车充电站有序充电方法。

背景技术

近年来，全球能源危机日益突出，大气污染、全球气温上升的危害不断加剧，人们对能源与环境问题的关注也不断提高。汽车是人们重要的交通工具，而传统汽车主要以燃油方式提供能源供给，大多具有高能耗、高污染的缺点，传统汽车行业在推动经济发展的同时，也加剧了能源紧缺和环境恶化问题。电动汽车因其从低碳电网获得能量补给的特性，不仅可以减小交通网络对气候变化的影响，而且在很大程度上降低了交通出行对化石燃料的依赖。它作为一种可持续发展的环境友好型交通工具，近些年来倍受大众的关注。

由于电动汽车负荷具有时空随机性的特征，电动汽车规模化的充电负荷将会产生电网峰谷差增大、扰乱配电网稳定运行等不良影响。如何减小电动汽车充电负荷对电网的冲击，以有利于电网安全经济运行为目标有序充电成为当前研究的热点。目前研究的充电方法大多假设电动汽车采用慢速或快速充电模式，而未来充电站可提供慢充、快充和更换电池等多种充电模式以及制定动态分时充电电价，引导电动汽车用户根据自身需求选择，但目前为止鲜有文献设计。

发明内容

为了克服现有技术的不足，本发明提出一种基于双层优化模型的电动汽车充电站有序充电方法，上层模型优化目标为实现负荷削峰填谷，下层模型用以减少电动汽车充电出行时间和充电费用。可实现系统负荷高峰期将充电站负荷降低，起到削峰填谷的作用，使配电网负荷时空分布愈加合理。

本发明具体为一种基于双层优化算法的电动汽车充电站有序充电方法，包括如下步骤：

步骤(1)、确定电动汽车充电站有序充电控制框架，包含三层结构：配电网管理层、充电站运营层、电动汽车用户层；

步骤(2)、基于电动汽车充电站有序充电控制框架建立上下两层调度模型，上层配电网管理层制定各充电站的调度计划，下层充电站运营层根据上层调度计划确定每辆电动汽车的具体充电方案；

步骤(3)、采用遗传算法优化上层模型目标函数F；

步骤(4)、将得到的调度计划P_j传给下层充电桩；

步骤(5)、初始化电动汽车序号i，令i＝0；

步骤(6)、输入电动汽车参数、位置信息以及充电站信息；

步骤(7)、计算下层模型最小调度偏差函数f₁；

步骤(8)、以最小偏差和收敛判据为约束，采用蚁群算法计算目标函数；

步骤(9)、得到最佳充电站j并生成最优充电路径；

步骤(10)、判断i是否小于充电站j内电动汽车数量I，若是，进入步骤(11)，若否，i＝i+1，并返回步骤(6)；

步骤(11)、得到下层模型充电站j的充电负荷调度计划；

步骤(12)、判断是否满足收敛判据：

若是，进入步骤(13)，若否，将下层响应的充电负荷传递给上层继续优化，返回步骤(1)；其中，P_j,t为时段t充电站j的充电负荷，

为下层优化得到的时段t充电站j的充电相应负荷；

步骤(13)、输出各充电站的最优调度计划和各电动汽车最优充电方案。

进一步的，充电站为用户提供三种充电模式，分别为：

快速直流充电模式：通过非车载充电机以大电流的形式直接给电动汽车电池充电，此模式下将深度放电的电池充满需要大约2h，理论上最大可减少至0.5h；

慢速交流充电模式：通过车载充电装置对电动汽车电池充电，相较于快速直流充电，慢充功率较低，约为6.6kW，充电电流仅为16A，同时充电时间加长，为6～8h；

电池更换模式：在电动汽车电池能量较低时，通过采用满电量的电池组更换低电量的电池组，实现迅速补充电动汽车电能的目的；换电操作在3min内完成，使电动汽车续驶里程无限延伸。

进一步的，所述步骤(2)中的上下两层调度模型具体为：

(a)上层优化模型

上层模型需考虑充电负荷的波动性对电网运行不利，以配电网负荷方差和上下层模型确定调度计划偏差综合最小为优化目标，目标函数为：

式中T为一个调度周期的总时段数；P_t ^a为时段t常规居民用电负荷；P_j,t为时段t充电站j的充电负荷，J为充电站数量；P^av为系统总负荷的平均值；α为加权系数，表示对上下层调度计划偏差的惩罚；

为下层优化得到的时段t充电站j的充电相应负荷；

节点电压幅值约束

U_m ^min≤U_m≤U_m ^max (2)

式中U_m ^max和U_m ^min分别为节点m的电压上下限；

线路传输功率约束

|P_l,t|≤P_l ^max (3)

式中P_l ^max为线路l最大运行传输功率；

(b)下层优化模型

下层优化首先以上层确定的调度计划与下层响应充电负荷偏差最小为前提，目标函数为：

式中

为下层响应充电计划；I为充电站j内电动汽车数量；x_i,k,t为决策变量，其中等于1时表示时段t内电动汽车i在模式k下处于充电状态，等于0表示没有；其中k＝1为快充模式，k＝2为慢充模式，k＝3为换电模式；

下层模型通过式(5)计算出响应充电计划并反馈给上层，上层再次进行优化计算，直至满足收敛判据：

式中ε为收敛精度，取10^-3；

电动汽车最大行驶里程约束

式中，E_i ^B为电动汽车i电池额定容量；SOC_i,t为时段t电动汽车i的SOC；

为电动汽车每百里耗电量；

电动汽车SOC约束

SOC_i ^min≤SOC_i,t≤SOC_i ^max (8)

式中，SOC_i ^max、SOC_i ^min分别为电动汽车SOC上下限，分别取1、0.1。

本发明的有益效果为：

(1)考虑充电站为用户提供快速直流充电模式、慢速交流充电模式、电池更换模式，三种充电模式拓展了用户的需求，有利于用户电动汽车出行；

(2)采用双层规划的上下两层调度模型，上层配电网管理层制定各充电站的调度计划，下层充电站运营层根据上层调度计划确定每辆电动车具体充电方案，有助于电动车最优充电路径选择；

(3)相较于无序充电，所提优化有序充电方法，在系统负荷高峰期将充电站负荷降低，并将部分充电负荷转移至用电低谷时段，起到“削峰填谷”的作用，使配电网负荷时空分配更加合理；

(4)在有序控制下，充电负荷调整明显，考虑了负荷方差最小这一控制因素，使负荷的的波动性明显降低；

(5)通过下层模型对电动汽车充电的优化调度，可以减少电动汽车充电的出行时间和充电费用。

附图说明

图1为本发明电动汽车充电站有序充电控制框架；

图2为本发明基于双层优化模型的电动汽车有序充电方法流程图。

具体实施方式

下面结合附图对本发明一种基于双层优化算法的电动汽车充电站有序充电方法的具体实施方式做详细阐述。

图1为电动汽车充电站有序充电控制框架，主要包含三层结构：配电网管理层、充电站运营层、电动汽车用户层。三层之间具备完善的通信网络以便进行必要的信息交互。配电网管理层控制核心为集中式管理系统(Centralized Management System，CMS)，CMS包含调度程序和潮流计算程序。调度程序控制各充电站任意时段的充电负荷；潮流计算程序检验电压和电流等约束是否越界。充电站运营层安装有智能人机交互终端，一方面为入站用户提供充电模式选择以及计算相应模式的服务时间(充电时间与排队等待时间之和)，另一方面将待充电的车辆信息传输给CMS并接受调度。电动汽车安装有车载智能终端，通过车联网可以查看附近充电站信息以及估算到站时间。

充电站为用户提供三中充电模式作为前提，充电模式为：

(1)快速直流充电模式。通过非车载充电机以大电流的形式直接给电动汽车电池充电。此模式下将深度放电的电池充满需要大约2h，理论上最大可减少至0.5h；

(2)慢速交流充电模式。通过车载充电装置对电动汽车电池充电。相较于快速直流充电，慢充功率较低，约为6.6kW。充电电流仅为16A。同时充电时间加长，一般为6～8h；

(3)电池更换模式。在电动汽车电池能量较低时，通过采用满电量的电池组更换低电量的电池组，实现迅速补充电动汽车电能的目的。换电操作可在3min内完成，在理论上使电动汽车续驶里程无限延伸。

下面针对具体控制方法做如下阐述：

基于图1所示控制框架建立上下两层调度模型，上层配电网管理层制定各充电站的调度计划，下层充电站运营层根据上层调度计划确定每辆电动汽车的具体充电方案。

(1)上层优化模型

上层模型需考虑充电负荷的波动性对电网运行不利，以配电网负荷方差和上下层模型确定调度计划偏差综合最小为优化目标，目标函数为：

式中T为一个调度中期的总时段数；P_t ^a为时段t常规居民用电负荷；P_j,t为时段t充电站j的充电负荷，J为充电站数量；P^av为系统总负荷的平均值；α为加权系数，表示对上下层调度计划偏差的惩罚；

为下层优化得到的时段t充电站j的充电相应负荷。

节点电压幅值约束

U_m ^min≤U_m≤U_m ^max (2)

式中U_m ^max和U_m ^min分别为节点m的电压上下限。

线路传输功率约束

|P_l,t|≤P_l ^max (3)

式中P_l ^max为线路l最大运行传输功率。

(2)下层优化模型

下层优化首先以上层确定的调度计划与下层响应充电负荷偏差最小为前提，目标函数为：

式中

为下层响应充电计划；I为充电站j内电动汽车数量；x_i,k,t为决策变量，其中等于1时表示时段t内电动汽车i在模式k下处于充电状态，等于0表示没有。其中k＝1为快充模式，k＝2为慢充模式，k＝3为换电模式。

下层模型通过式5计算出响应充电计划并反馈给上层，上层再次进行优化计算，直至满足收敛判据：

式中ε为收敛精度，本发明取10^-3。

电动汽车最大行驶里程约束

式中，E_i ^B为电动汽车i电池额定容量；SOC_i,t为时段t电动汽车i的SOC；

为电动汽车每百里耗电量。

电动汽车SOC约束

SOC_i ^min≤SOC_i,t≤SOC_i ^max (8)

式中，SOC_i ^max、SOC_i ^min分别为电动汽车SOC上下限，本专利分别取1、0.1。

图2为基于双层优化模型的电动汽车有序充电求解流程图，采用分层迭代法求解所提双层优化模型，通过上下层模型之间反复迭代至最终满足约束，可得充电站最优充电计划和电动汽车最优充电方案。首先上层采用遗传算法对各充电站调度计划P_j,t编码形成初始种群，适应度函数为F，然后通过算法迭代最终得到P_j,t最优解。然后将最优解传递给下层的各充电站。

下层考虑电动汽车充电路径选择机制，采用蚁群算法求解。首先输入电动汽车参数、位置信息和充电站信息等，计算下层模型最小调度偏差函数f₁，并基于最小偏差及式7-8为约束，采用蚁群算法计算目标函数f。形成电动汽车最佳充电方案，并将

返回上层继续优化。求解终止条件为上下层调度偏差满足收敛判据。

最后应该说明的是，结合上述实施例仅说明本发明的技术方案而非对其限制。所属领域的普通技术人员应当理解到，本领域技术人员可以对本发明的具体实施方式进行修改或者等同替换，但这些修改或变更均在申请待批的权利要求保护范围之中。