區(qū)域內(nèi)電動汽車有序充電控制方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種區(qū)域內(nèi)電動汽車有序充電控制方法，屬于電力規(guī)劃技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 電動汽車因其自身的負荷與電源雙重屬性的特點，廣受全世界范圍內(nèi)推廣和研 究。《電動汽車科技發(fā)展"十二五"專項規(guī)劃》指出，發(fā)展電動汽車產(chǎn)業(yè)已經(jīng)是我國不可改 變的必然趨勢，也是我國發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)的歷史機遇。據(jù)保守估計，截止到2020年和 2030,我國的汽車使用量將達到1. 5億和2. 5億輛，如果電動汽車全部普及，總發(fā)電量將分 別提高4%和5. 5%。
[0003] 隨著大規(guī)模的電動汽車的普及，接踵而至的將是大規(guī)模的電動汽車充電負荷的增 加，電動汽車的移動性和駕駛行為的隨機性都將導(dǎo)致規(guī)?；妱悠嚨某潆娦袨闊o序性， 如果不采取合理的政策對電動汽車接入電網(wǎng)進行控制，將會給電網(wǎng)的平衡負荷、電能質(zhì)量、 負荷波動、電網(wǎng)穩(wěn)定等方面帶來巨大的挑戰(zhàn)，電動汽車的普遍行為是白天出行，夜晚休息， 這也恰巧與一般的負荷曲線的"日間高峰、夜間低谷"特點相匹配，勢必會拉大峰谷差，外加 電動汽車行為的隨機性，同樣會給電網(wǎng)造成負荷波動，增加電網(wǎng)負擔(dān)。
[0004] 但是，如果對電動汽車充電行為加以控制和規(guī)劃，利用電動汽車的儲能特性，使其 在低谷時段充電，高峰時期放電，對其充電行為加以引導(dǎo)和輔助管理，可使其達到削峰填谷 的效果。然而目前因為電動汽車發(fā)展還處在初步階段，相應(yīng)的數(shù)據(jù)信息較少，對充電負荷預(yù) 測難度較大，使充電負荷控制策略的研究缺乏數(shù)據(jù)基礎(chǔ)支撐，導(dǎo)致此方面的研究極少。
[0005] 另外，現(xiàn)有的研究表明，交通現(xiàn)象是以"流"的形式出現(xiàn)，交通流反映的正是交通 現(xiàn)象在時間和空間上的連續(xù)分配，這種交通現(xiàn)象的流向和流量受到各種條件的影響，如社 會屬性、人口數(shù)量、就業(yè)崗位數(shù)和道路網(wǎng)絡(luò)條件等。居民在選擇出行時間、出行方式以及參 與活動的先后順序都會受到這些條件的影響甚至制約，在現(xiàn)狀道路交通條件改變不大的情 況下交通流具有很強的規(guī)律性。出行鏈結(jié)構(gòu)指的是個人為完成一項或幾項活動（多目的 出行），在一定時間順序上不同出行目的的連接形式，包括出發(fā)時間、離開時間、活動持續(xù)時 間、行程時間、0D分布、使用的交通工具等。出行鏈?zhǔn)墙煌ㄐ袨檠芯康闹匾獌?nèi)容，它能刻畫 居民活動的選擇和順序，通過居民出行移動放在活動鏈中進行線素式跟蹤分析，不是孤立 地研究一個時刻一個地點的一種交通發(fā)生量，而是體現(xiàn)出交通出行研究的動態(tài)性。
[0006] 電動汽車的出行鏈描述的正是從起始地到達另一個目的地或另幾個目的地然后 再返回起始地這樣一個過程，過程中包含大量的時間、空間、方式和活動類型信息，而且這 些信息之間是相互聯(lián)系和相互作用的。因此，可以充分利用電動汽車的出行鏈信息，制定恰 當(dāng)?shù)碾妱悠囉行虺潆姷目刂撇呗裕梢允蛊湓趯崿F(xiàn)新能源新興產(chǎn)業(yè)的同時，提供削峰填 谷和減小配電網(wǎng)負荷波動的輔助效益。

【發(fā)明內(nèi)容】

[0007] 本發(fā)明要解決技術(shù)問題是：克服現(xiàn)有技術(shù)的缺點，提供一種可以降低電網(wǎng)的峰谷 差、減小電網(wǎng)負荷波動的控制電動汽車充電策略的方法。
[0008] 為了解決上述技術(shù)問題，本發(fā)明提出的技術(shù)方案是：一種區(qū)域內(nèi)電動汽車有序充 電控制方法，所述區(qū)域內(nèi)共有N輛電動汽車，每天平均分成Μ個時間段；所述方法包括以下 步驟：
[0009] 步驟一、收集所述區(qū)域內(nèi)所有Ν輛電動汽車的出行鏈信息，每輛電動汽車的出行 鏈信息包括該電動汽車的起始出行時間、出行距離和目標(biāo)地點；
[0010] 步驟二、檢測所述區(qū)域內(nèi)所有電動汽車起始時刻的荷電電量；
[0011] 步驟三、根據(jù)每輛電動汽車的起始時刻的荷電電量、起始出行時間和出行距離及 目標(biāo)地點，從而可以確定每輛電動汽車出行所需電量，并通過以下方法確定該電動汽車的 充電地點：
[0012] 當(dāng)該電動汽車的荷電電量可以滿足一天的出行活動，則該電動汽車的充電地點為 該電動汽車出行鏈的起始地點；
[0013] 當(dāng)該電動汽車的荷電電量不能滿足一天的出行活動，則該電動汽車到達出行鏈中 的每一個目標(biāo)地點時均計算此時的荷電電量，如果荷電電量不能滿足到達下一個目標(biāo)地 點，則該電動汽車的充電地點為當(dāng)前目標(biāo)地點；
[0014] 當(dāng)該電動汽車在行駛過程中，荷電電量降低到預(yù)定閥值，則該電動汽車的充電地 點為該電動汽車的荷電電量達到預(yù)定閥值時的地點；
[0015] 步驟四、從電力系統(tǒng)的配電網(wǎng)中獲取該配電網(wǎng)的歷史常規(guī)負荷，得到當(dāng)日的配電 網(wǎng)預(yù)測負荷曲線；
[0016] 步驟五、以最大化降低配電網(wǎng)的負荷峰谷差為目標(biāo)，利用遺傳算法確定每輛電動 汽車的最優(yōu)充電時間段和最優(yōu)充電時長；其中所述遺傳算法的目標(biāo)函數(shù)為
[0018] 式中，Pb]為配電網(wǎng)預(yù)測負荷曲線第j時間段的平均負荷值，Ρ為每輛電動汽車的 充電功率；nj為第j時間段電動汽車接入電網(wǎng)的數(shù)量，其中〇 < j < Μ ;x ^表第i輛電動車 在第j時間段的充電狀態(tài)，其中〇< i <N，Xlj=0表示該電動汽車此時不充電，Xlj= 1表 示該電動汽車此時處于充電狀態(tài)，b為第i輛電動汽車在第j時間段的充電時長；
[0019] 所述遺傳算法的約束條件為任意時刻每輛電動汽車的荷電電量都滿足如下公 式：
[0021] 式中，是第i輛電動車任一時間段的充電電量，
為第i輛電動汽車荷 電電量的最小值，5OC；為第i輛電動汽車第j時間段的荷電電量
為第i輛電動汽 車荷電電量的最大值，《夂；,為第i輛電動汽車第j+Ι時間段的荷電電量。
[0022] 本發(fā)明的方法限定為城區(qū)范圍的電動汽車，主要是因為城區(qū)人口通常比較密集， 整個城區(qū)可以劃分為商業(yè)區(qū)、學(xué)校區(qū)、居民區(qū)和工作區(qū)等四類區(qū)域，這樣電動汽車的出行鏈 可以簡化為不同種類區(qū)域之間的移動路線，而且在需要充電時可以很方便地找到充電場所 (充電站）。
[0023] 本發(fā)明帶來的有益效果是：本發(fā)明針對電動汽車規(guī)?；\行的實際情況，利用出 行鏈思想對每輛電動汽車的充電負荷進行預(yù)測，以最大化降低配電網(wǎng)的負荷峰谷差為目 標(biāo)，利用遺傳算法確定每輛電動汽車的最優(yōu)充電時間段和最優(yōu)充電時長，從而使電動汽車 由無序充電有序化，實現(xiàn)電動汽車充電負荷的優(yōu)化調(diào)度，達到降低峰谷差、減小負荷波動的 作用。
[0024] 上述技術(shù)方案的進一步改進是：通過以下公式判斷荷電電量是否滿足一天的出行 活動，
[0026] 式中S0Ckiini為第k輛電動汽車在起始時刻的荷電電量，0 < k < N，S0Ckiave為第k 輛電動汽車運行每公里荷電電量下降速度，dk為第k輛電動汽車的出行距離。
[0027] 上述技術(shù)方案的再進一步改進是：所述遺傳算法的變異算子通過下式確定變異概 率：
[0029] 式中，P"表示個體變異概率；Ρ μ表示預(yù)設(shè)最大變異概率；P "2表示預(yù)設(shè)最小變異概 率；f表示要變異個體的適應(yīng)度值；favg表示種群平均適應(yīng)度值；f_表示種群最大個體適應(yīng) 度。
【具體實施方式】
[0030] 實施例
[0031] 本實例中共有N輛電動汽車，每天平均分成Μ = 96個時間段。本實施例的區(qū)域內(nèi) 電動汽車有序充電控制方法包括以下步驟：
[0032] 步驟一、收集所述區(qū)域內(nèi)所有Ν輛電動汽車的出行鏈信息，每輛電動汽車的出行 鏈信息包括該電動汽車的起始出行時間、出行距離和目標(biāo)地點，其中目標(biāo)地點可