区域内电动汽车有序充电控制方法

摘要

本发明涉及一种区域内电动汽车有序充电控制方法，该方法基于出行链思想分析电动汽车出行特性，收集所述区域内所有N辆电动汽车的出行链信息，获取电动汽车用户起始时刻的电池荷电状态并分析获取电动汽车充电时间和充电场所；获取电网运行状态信息,更新常规负荷曲线；最后以最大化降低配电网的负荷峰谷差为目标，利用遗传算法确定每辆电动汽车的最优充电时间段和最优充电时长。本发明能够制定控制电动汽车有序充电策略，利用出行链思想对充电负荷进行预测，提高电动汽车负荷预测的真实性，增加控制策略的实用性，起到降低峰谷差、减小负荷波动的作用。

主权项

一种区域内电动汽车有序充电控制方法，所述区域内共有N辆电动汽车，每天平均分成M个时间段；其特征在于所述方法包括以下步骤：步骤一、收集所述区域内所有N辆电动汽车的出行链信息，每辆电动汽车的出行链信息包括该电动汽车的起始出行时间、出行距离和目标地点；步骤二、检测所述区域内所有电动汽车起始时刻的荷电电量；步骤三、根据每辆电动汽车的起始时刻的荷电电量、起始出行时间和出行距离及目标地点，从而可以确定每辆电动汽车出行所需电量，并通过以下方法确定该电动汽车的充电地点：当该电动汽车的荷电电量可以满足一天的出行活动，则该电动汽车的充电地点为该电动汽车出行链的起始地点；当该电动汽车的荷电电量不能满足一天的出行活动，则该电动汽车到达出行链中的每一个目标地点时均计算此时的荷电电量，如果荷电电量不能满足到达下一个目标地点，则该电动汽车的充电地点为当前目标地点；当该电动汽车在行驶过程中，荷电电量降低到预定阀值，则该电动汽车的充电地点为该电动汽车的荷电电量达到预定阀值时的地点；步骤四、从电力系统的配电网中获取该配电网的历史常规负荷，得到当日的配电网预测负荷曲线；步骤五、以最大化降低配电网的负荷峰谷差为目标，利用遗传算法确定每辆电动汽车的最优充电时间段和最优充电时长；其中所述遗传算法的目标函数为$min\underset{j=1}{\overset{M}{\Sigma }}{(P_{bj}+\underset{i=1}{\overset{n_j}{\Sigma }}P·x_{ij}·t_{ij}-\underset{j=1}{\overset{M}{\Sigma }}(P_{bj}+\underset{i=1}{\overset{n_j}{\Sigma }}P·x_{ij}·t_{ij})/M)}^2$式中，P_bj为配电网预测负荷曲线第j时间段的平均负荷值，P为每辆电动汽车的充电功率；n_j为第j时间段电动汽车接入电网的数量，其中0＜j＜M；x_ij表第i辆电动车在第j时间段的充电状态，其中0＜i＜N，x_ij＝0表示该电动汽车此时不充电，x_ij＝1表示该电动汽车此时处于充电状态，t_ij为第i辆电动汽车在第j时间段的充电时长；所述遗传算法的约束条件为任意时刻每辆电动汽车的荷电电量都满足如下公式：$\begin{array}{cc}{\mathrm{SOC}}_{min}^i<{\mathrm{SOC}}_j^i<{\mathrm{SOC}}_{max}^i,& {\mathrm{SOC}}_{j+1}^i={\mathrm{SOC}}_j^i+\frac{P}{{\mathrm{\Delta C}}_i}\end{array}$式中：ΔC_i是第i辆电动车任一时间段的充电电量，为第i辆电动汽车荷电电量的最小值，为第i辆电动汽车第j时间段的荷电电量，为第i辆电动汽车荷电电量的最大值，为第i辆电动汽车第j+1时间段的荷电电量。