基于多智能體的電動(dòng)汽車充電協(xié)同控制策略

許少倫，嚴(yán) 正，馮冬涵，張 良

（上海交通大學(xué) 電氣工程系 電力傳輸與功率變換控制教育部重點(diǎn)實(shí)驗(yàn)室，上海 200240）

0 引言

電動(dòng)汽車（EV）作為一種新型交通工具，在緩解能源危機(jī)、減少環(huán)境污染等方面具有非常大的優(yōu)勢。電動(dòng)汽車的普及已成為一種趨勢［1］，工信部《電動(dòng)汽車發(fā)展戰(zhàn)略研究報(bào)告》預(yù)測，2030年全國電動(dòng)汽車保有量將達(dá)到6 000萬輛。

電動(dòng)汽車作為一種新型的、大容量的負(fù)荷，大量接入電網(wǎng)時(shí)會(huì)給電力系統(tǒng)的安全與經(jīng)濟(jì)運(yùn)行帶來新的挑戰(zhàn)。電動(dòng)汽車的充電行為在時(shí)間和空間上具有不確定性，其無序充電會(huì)導(dǎo)致電網(wǎng)高峰時(shí)段的負(fù)荷明顯上升，需要增加發(fā)電容量，甚至需要新增電力網(wǎng)絡(luò)容量，大幅增加了系統(tǒng)運(yùn)行成本和投資成本；此外，也會(huì)引起電壓控制、諧波、供需平衡等方面的問題［2-4］。同時(shí)，電動(dòng)汽車也可作為分布式儲(chǔ)能元件，如果對電動(dòng)汽車的充放電進(jìn)行優(yōu)化控制，不僅能夠?qū)崿F(xiàn)削峰填谷，有效地降低總的充電成本和系統(tǒng)運(yùn)行成本，而且能夠平抑可再生能源的間歇性，為系統(tǒng)提供調(diào)頻、調(diào)峰及備用等輔助服務(wù)。因此研究電動(dòng)汽車的負(fù)荷模型及其充電優(yōu)化策略，充分發(fā)揮電動(dòng)汽車對電網(wǎng)負(fù)荷削峰填谷等作用，對提高電網(wǎng)供電可靠性和能源利用效率具有重要的意義。

目前，國內(nèi)外學(xué)者在電動(dòng)汽車充電優(yōu)化問題上做了一系列開拓性的研究。文獻(xiàn)［5-8］主要以集中控制和分層控制的模式對電動(dòng)汽車的充電負(fù)荷進(jìn)行優(yōu)化，這種模式能夠在理論上獲得較優(yōu)的控制結(jié)果，但是如果考慮到將來大規(guī)模電動(dòng)汽車接入電網(wǎng)，該模式相應(yīng)的優(yōu)化問題中會(huì)出現(xiàn)嚴(yán)重的“維數(shù)災(zāi)”，難以求解；另外，集中調(diào)度模式要求調(diào)度機(jī)構(gòu)與每輛電動(dòng)汽車之間都要進(jìn)行頻繁通信，這對通信網(wǎng)絡(luò)的可靠性和帶寬的要求極高。因此，這種集中調(diào)度模式在實(shí)際應(yīng)用中難以實(shí)現(xiàn)。

多智能體系統(tǒng)是分布式人工智能研究的一個(gè)重要分支，是由多個(gè)可計(jì)算的智能體組成的集合，其中每個(gè)智能體是一個(gè)物理的或抽象的實(shí)體，能作用于自身和環(huán)境，并可與其他智能體通信，其目標(biāo)是將大的復(fù)雜系統(tǒng)建造成小的、彼此相互通信及協(xié)調(diào)的、易于管理的系統(tǒng)，是研究復(fù)雜自適應(yīng)系統(tǒng)CAS（Complex Adaptive System）的有效方法［9-10］。大規(guī)模電動(dòng)汽車接入之后的配電網(wǎng)實(shí)際上就是CAS，所以采用多智能體的方法來解決大規(guī)模電動(dòng)汽車的充電優(yōu)化問題是一個(gè)很好的探索。

本文以慢充方式的家庭用電動(dòng)汽車為主要研究對象，在分析電動(dòng)汽車充電負(fù)荷特性和管理架構(gòu)的基礎(chǔ)上，將電動(dòng)汽車和充電樁定義為具有智能的主體，并建立了單個(gè)電動(dòng)汽車智能體的負(fù)荷模型和基于多智能體系統(tǒng)的充電優(yōu)化模型，采用多智能體協(xié)同控制的策略對電動(dòng)汽車的充電優(yōu)化問題進(jìn)行求解分析。

1 電動(dòng)汽車充電負(fù)荷特性分析

電動(dòng)汽車充電負(fù)荷的建模是研究電動(dòng)汽車充電優(yōu)化策略的基礎(chǔ)。首先需要分析充電負(fù)荷的影響因素，主要包括以下幾個(gè)方面。

a.電動(dòng)汽車類型。電動(dòng)汽車的主要類型為公交車、出租車、公務(wù)車、私家車等［11］。不同類型電動(dòng)汽車的用戶用車行為和充電行為差別較大。像公交車、出租車、公務(wù)車這類公用車的日行駛里程遠(yuǎn)遠(yuǎn)大于私家車，一般需要快速充電或者換電池的模式。私家車使用非常靈活，一天中90%以上的時(shí)間都處于停駛狀態(tài)，有足夠的時(shí)間充電，便于協(xié)調(diào)調(diào)度，而且將來私家車的比例會(huì)越來越大，研究其充電優(yōu)化不僅可以為用戶節(jié)約充電成本，而且可以為電網(wǎng)提供“移峰填谷”等服務(wù)，所以本文中主要研究私家車的充電優(yōu)化。

b.電動(dòng)汽車的電池特性。包括電池類型、電池容量、充電速率等。

電動(dòng)汽車的電池主要包括鉛酸、鎳氫、鎳鎘、鋰離子、鈉硫等類型［12］。雖然當(dāng)前可用于電動(dòng)汽車的動(dòng)力電池類型較多，但是根據(jù)對電池比能量、效率、比功率等方面的性能對比得出結(jié)論，鋰離子電池具備最佳的綜合性能［12-13］，將有望推動(dòng)電動(dòng)汽車的大規(guī)模商業(yè)化。電池容量決定了電動(dòng)汽車的續(xù)航里程。充電速率決定了實(shí)際的充電功率及充電負(fù)荷曲線。

c.出行需求和使用習(xí)慣。主要指用戶的日行駛里程、出行時(shí)間、出行頻率與出行目的等，它們決定了用戶的充電時(shí)間、需求電能以及獲得充電服務(wù)的情況。當(dāng)前基于出行需求的計(jì)算方法認(rèn)為是電動(dòng)汽車對傳統(tǒng)車輛的替代使用，不會(huì)影響用戶的出行特征，從而可以利用用戶出行特征的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行研究，通過蒙特卡洛模擬抽樣，可以方便地獲得具有時(shí)序特征的充電負(fù)荷信息。

d.電動(dòng)汽車充電方式。不同的充電方式對應(yīng)的充電負(fù)荷具有顯著區(qū)別。從充電速率的角度而言，可以分為慢充、快充和電池更換3類；從控制的角度而言，可以分為直接、間接2類。直接控制是由調(diào)度機(jī)構(gòu)直接制定充電計(jì)劃，并且發(fā)送給各電動(dòng)汽車執(zhí)行充電。間接控制是指通過制定峰谷電價(jià)、實(shí)時(shí)電價(jià)或輔助服務(wù)價(jià)格等途徑對用戶充電行為加以引導(dǎo)［14］，本文主要考慮慢充方式和間接控制方式。

2 電動(dòng)汽車的充電管理架構(gòu)

2.1 電動(dòng)汽車充電管理架構(gòu)分析

在近期的一些文獻(xiàn)中介紹了多種電動(dòng)汽車充電管理的架構(gòu)，比較有代表性的有集中控制、分層控制和分布式控制3種。

a.集中控制。

文獻(xiàn)［8］中對電動(dòng)汽車調(diào)度問題采取的是由調(diào)度機(jī)構(gòu)進(jìn)行直接調(diào)度的模式。對電動(dòng)汽車的充電進(jìn)行控制需要電動(dòng)汽車與電網(wǎng)進(jìn)行信息交互，交互的內(nèi)容包括電動(dòng)汽車的充電需求、停車狀態(tài)、電池荷電狀態(tài)等。但目前配電網(wǎng)的信息化程度還不夠，配電控制中心對于配網(wǎng)運(yùn)行實(shí)時(shí)信息掌握不全，基于在線運(yùn)行的電動(dòng)汽車大規(guī)模充電控制難度較大，而且大規(guī)模電動(dòng)汽車接入電網(wǎng)時(shí)，集中調(diào)度模式還會(huì)導(dǎo)致在相應(yīng)優(yōu)化問題中出現(xiàn)“維數(shù)災(zāi)”問題。

b.分層控制。

文獻(xiàn)［2］中采用分層分區(qū)控制的模式來緩解集中控制中遇到的維數(shù)災(zāi)和通信要求高的問題。在該模式下，一般由配電系統(tǒng)調(diào)度機(jī)構(gòu)或第三方電動(dòng)汽車代理負(fù)責(zé)某一區(qū)域內(nèi)電動(dòng)汽車的協(xié)調(diào)調(diào)度，這樣電動(dòng)汽車的調(diào)度問題就分解成為了輸電系統(tǒng)調(diào)度問題和若干區(qū)域調(diào)度問題，可以緩解調(diào)度中心的壓力，研究的重點(diǎn)可放在配電系統(tǒng)內(nèi)各區(qū)域的電動(dòng)汽車最優(yōu)調(diào)度問題上。

c.分布式控制。

由于電動(dòng)汽車分屬于千百萬不同的用戶，它們接入電網(wǎng)及其充電的操作權(quán)限也相應(yīng)地歸屬于不同用戶，所以具有明顯的移動(dòng)、分散以及不確定性，其充電優(yōu)化實(shí)質(zhì)上是一個(gè)分布式?jīng)Q策的問題［15］。文獻(xiàn)［16］將電動(dòng)汽車和充電設(shè)備看作是多代理系統(tǒng)中的智能體，該智能體可以根據(jù)本身的狀態(tài)和外部環(huán)境的變化做出相應(yīng)的決策，自主選擇充電站、充電方式，較好地仿真模擬了電動(dòng)汽車的充電行為。這種分布式控制的方式可以在一定程度上有效地整合規(guī)模龐大但時(shí)空特性分散的電動(dòng)汽車進(jìn)行有序充電，實(shí)現(xiàn)電動(dòng)汽車的分散自治。

2.2 基于多智能體的電動(dòng)汽車充電管理架構(gòu)

2.2.1 CAS

CAS理論是在1994年由Holland教授正式提出的。CAS理論的核心是適應(yīng)產(chǎn)生復(fù)雜性，其成員稱為具有適應(yīng)性的主體。主體的適應(yīng)性，是指它能夠與環(huán)境以及其他主體進(jìn)行交流，在這種交流的過程中“學(xué)習(xí)”或“積累經(jīng)驗(yàn)”，并且根據(jù)學(xué)到的經(jīng)驗(yàn)改變自身的結(jié)構(gòu)和行為方式［17］。整個(gè)宏觀系統(tǒng)的演變或進(jìn)化，包括新層次的產(chǎn)生、分化和多樣性的出現(xiàn)等，都是在這個(gè)基礎(chǔ)上逐步派生出來的。CAS理論是復(fù)雜性科學(xué)研究的一個(gè)重要領(lǐng)域，它的提出對人們認(rèn)識(shí)、理解、控制和管理復(fù)雜系統(tǒng)提供了新的思路和視角，對于認(rèn)識(shí)與解釋經(jīng)濟(jì)、社會(huì)、生態(tài)和生物等復(fù)雜系統(tǒng)具有特別的意義［16］。

CAS所涵蓋的范圍非常廣泛，小到微觀粒子的內(nèi)部相互作用，大到宏觀經(jīng)濟(jì)、宇宙運(yùn)行，都被認(rèn)為是CAS。當(dāng)配電網(wǎng)中有大量的電動(dòng)汽車接入時(shí)，電動(dòng)汽車與充電設(shè)備、配電網(wǎng)等構(gòu)成的系統(tǒng)實(shí)際上就是一個(gè)CAS。電動(dòng)汽車充電選擇在時(shí)間上和空間上具有隨機(jī)性，可以看作是具有適應(yīng)性的主體，能夠根據(jù)電網(wǎng)環(huán)境的變化改變充電時(shí)間、目標(biāo)充電量等參數(shù)進(jìn)行動(dòng)態(tài)響應(yīng)。

2.2.2 多智能體系統(tǒng)

多智能體系統(tǒng)是由多個(gè)可計(jì)算的智能體組成的集合，其中每個(gè)智能體是一個(gè)物理的或抽象的實(shí)體，能作用于自身和環(huán)境，并可與其他智能體通信。多智能體系統(tǒng)沒有中央控制器，信息的交換和分享也只是在部分個(gè)體間進(jìn)行，每個(gè)個(gè)體根據(jù)分布式的鄰域規(guī)則來更新自身的狀態(tài)，但是就是基于這些簡單的局部信息的作用規(guī)則卻能產(chǎn)生一些期望的宏觀行為［18］。在自然界中，多智能體系統(tǒng)可以是神經(jīng)網(wǎng)絡(luò)、生態(tài)系統(tǒng)、新陳代謝系統(tǒng)等；在工程中，多智能體系統(tǒng)可以是電力網(wǎng)、有線/無線通信系統(tǒng)、傳感器網(wǎng)絡(luò)、機(jī)器人網(wǎng)絡(luò)、軟件系統(tǒng)等。

2.2.3 基于多智能體的電動(dòng)汽車充電管理模式

結(jié)合分層控制和分布式控制，本文提出基于多智能體的電動(dòng)汽車充電管理模式，其架構(gòu)如圖1所示。

圖1 基于多智能體的電動(dòng)汽車充電管理架構(gòu)Fig.1 Charging management structure of EV based on multi-agent

該模式將電力系統(tǒng)分成3個(gè)層次：第（1）層為輸電網(wǎng)絡(luò)層；第（2）層為變壓器以上的配電網(wǎng)絡(luò)層；第（3）層為變壓器以下的用電層。

在變壓器以下層面，采用多智能體協(xié)同控制的策略對電動(dòng)汽車充電進(jìn)行管理。將電動(dòng)汽車作為具有適應(yīng)性的智能體，同一變壓器下的電動(dòng)汽車組成一個(gè)充電群體，它們之間可以利用現(xiàn)今比較主流的基于WiFi的無線傳感網(wǎng)絡(luò)進(jìn)行信息傳遞［19］，其通信機(jī)制如圖2所示。并根據(jù)需要將1 d分為多個(gè)時(shí)段，當(dāng)電動(dòng)汽車接入配電網(wǎng)時(shí)，該智能體獲取所接入的變壓器在該時(shí)段的負(fù)荷信息以及后續(xù)時(shí)段的預(yù)估負(fù)荷信息，同時(shí)結(jié)合自身的充電需求和可用時(shí)段，制定自身的充電計(jì)劃，并將更新后的變壓器負(fù)荷信息發(fā)布給其他智能體，按照接入時(shí)間依次生成各自的充電計(jì)劃，共同完成其所在變壓器負(fù)荷的“移峰填谷”任務(wù)（本文中假定電動(dòng)汽車用戶和上層的電動(dòng)汽車服務(wù)商或配電網(wǎng)調(diào)度中心之間有輔助服務(wù)協(xié)議，暫不考慮充電電價(jià)的影響）。

圖2 基于無線傳感網(wǎng)絡(luò)的電動(dòng)汽車通信機(jī)制Fig.2 Communication mechanism of EV based on wireless sensor network

可在配網(wǎng)變壓器上安裝信息發(fā)布終端，按照時(shí)段定時(shí)將該變壓器的預(yù)測負(fù)荷信息發(fā)布給該時(shí)段內(nèi)接入的電動(dòng)汽車智能體；上層的配電系統(tǒng)調(diào)度和輸電系統(tǒng)調(diào)度采用和傳統(tǒng)電網(wǎng)中相同的調(diào)度策略即可。該架構(gòu)的好處在于因變壓器下的充電設(shè)備可以在較大程度上實(shí)現(xiàn)自適應(yīng)協(xié)同，將上層調(diào)度機(jī)構(gòu)的范圍縮小在變壓器以上，從而可以有效地避免大規(guī)模電動(dòng)汽車充電優(yōu)化的“維數(shù)災(zāi)”和“通信要求高”等問題。

3 電動(dòng)汽車充電優(yōu)化模型

3.1 單臺(tái)電動(dòng)汽車充電負(fù)荷模型

（1）變量和參數(shù)。

表1列舉了本文中單臺(tái)電動(dòng)汽車充電負(fù)荷所考慮的主要變量和參數(shù)。

表1 單臺(tái)電動(dòng)汽車充電負(fù)荷的主要變量定義Table 1 Main variables of a single EV charging load

充電時(shí)間可以通過式（1）、（2）計(jì)算：

（2）需要考慮的約束條件。

a.電量狀態(tài)約束：

即用戶出行離開電網(wǎng)時(shí)，其電動(dòng)汽車完成充電的實(shí)際電池電量狀態(tài)應(yīng)該大于用戶自行設(shè)定的目標(biāo)值，最大為1；考慮到電池過度放電對其壽命的不利影響，用戶回家接入電網(wǎng)時(shí)，電動(dòng)汽車的實(shí)際電池電量狀態(tài)的最小值常取值為0.2［20］。

b.充電時(shí)間約束：

即電動(dòng)汽車應(yīng)該在用戶可用的充電時(shí)間段完成充電。如果未能達(dá)到目標(biāo)電量狀態(tài)，則需要用戶重新設(shè)定目標(biāo)電量狀態(tài)或調(diào)整可用充電時(shí)間段。

本文中假設(shè)充電裝置給電動(dòng)汽車電池的充電過程為恒功率充電。對單臺(tái)電動(dòng)汽車而言，能夠在滿足自身基本電量需求的情況下參與多智能體系統(tǒng)的協(xié)同控制，并且盡可能使自身的起始充電時(shí)間最早：

3.2 基于出行需求的電動(dòng)汽車充電負(fù)荷模擬

對電動(dòng)汽車充電產(chǎn)生影響的用戶行為主要包括用戶出行開始和返回的時(shí)間、日行駛里程等，2009年美國交通部對全美家用車輛的出行進(jìn)行統(tǒng)計(jì)，并發(fā)布了調(diào)查結(jié)果［21-22］。對統(tǒng)計(jì)數(shù)據(jù)進(jìn)行歸一化處理后，用極大似然估計(jì)的方法可以分別將車輛最后1次出行結(jié)束時(shí)刻和第1次出行開始時(shí)刻近似表示為正態(tài)分布函數(shù)，而日行駛里程可近似為對數(shù)正態(tài)分布函數(shù)［23-24］。

最后1次出行返回時(shí)刻，即到家接入電網(wǎng)的時(shí)間滿足正態(tài)分布，其概率密度函數(shù)為：

其中，μS=17.47；σS=3.41。

第1次出行開始時(shí)刻，即出行離開電網(wǎng)的時(shí)間滿足正態(tài)分布，其概率密度函數(shù)為：

其中，μe=8.92；σe=3.24。

日行駛里程滿足對數(shù)正態(tài)分布，其概率密度函數(shù)為：

其中，μm=2.98；σm=1.14。

3.3 基于多智能體系統(tǒng)的電動(dòng)汽車充電優(yōu)化模型

a.變量和參數(shù)。

表2列舉了本文中電動(dòng)汽車多智能體充電負(fù)荷所接入的變壓器需要考慮的主要變量和參數(shù)。

表2 電動(dòng)汽車接入的變壓器的主要變量定義Table 2 Main variables of transformer with interconnection of EV

即疊加了電動(dòng)汽車充電負(fù)荷之后的變壓器總體負(fù)荷小于變壓器的最大負(fù)載功率，Li，j為電動(dòng)汽車i在j時(shí)段的充電功率，M為j時(shí)段內(nèi)電動(dòng)汽車充電的數(shù)量。

c.目標(biāo)函數(shù)。

根據(jù)配電網(wǎng)內(nèi)變壓器的歷史常規(guī)負(fù)荷，可以預(yù)測當(dāng)日此變壓器的常規(guī)負(fù)荷曲線。本文將1 d分成24個(gè)時(shí)間段，以每輛電動(dòng)汽車每個(gè)時(shí)間段的充電功率為變量，以疊加了電動(dòng)汽車充電負(fù)荷的變壓器負(fù)荷曲線的峰谷差最小為目標(biāo)函數(shù)，即：

4 基于多智能體的電動(dòng)汽車充電協(xié)同控制策略

本文提出了一種基于多智能體的電動(dòng)汽車協(xié)同充電優(yōu)化策略。在該策略中，每個(gè)電動(dòng)汽車智能體可以根據(jù)自身的充電需求參數(shù)和配電變壓器的負(fù)荷信息，在滿足自身需求的情況下，以變壓器負(fù)荷的“移峰填谷”為目標(biāo)，制定自身的充電計(jì)劃。其充電時(shí)段選擇示意如圖3所示，電動(dòng)汽車智能體在自身可用充電時(shí)段（Ta至Td）中，可選擇Tr個(gè)較低的變壓器負(fù)荷時(shí)段來進(jìn)行充電。

圖3 單臺(tái)電動(dòng)汽車充電時(shí)段示意Fig.3 Schematic diagram of charging period of a single EV

基于多智能體的電動(dòng)汽車協(xié)同充電流程如圖4所示。

圖4 基于多智能體的電動(dòng)汽車協(xié)同充電流程Fig.4 Flowchart of cooperative charging of EV based on multi-agent

a.初始化電動(dòng)汽車的參數(shù)。包括電動(dòng)汽車的數(shù)量、用戶接入電網(wǎng)和離開電網(wǎng)的時(shí)間（可以獲得該用戶可用的充電時(shí)段）、日行駛里程、充電效率、額定充電功率等。

b.初始化迭代參數(shù)。將1 d分為24個(gè)時(shí)段，每個(gè)時(shí)段內(nèi)接入電網(wǎng)充電的電動(dòng)汽車的數(shù)量為M（根據(jù)蒙特卡洛抽樣獲?。?。

c.根據(jù)時(shí)間段數(shù)進(jìn)行迭代，將電動(dòng)汽車按照接入電網(wǎng)時(shí)間分配到各個(gè)時(shí)段。

d.在每個(gè)時(shí)間段內(nèi)根據(jù)電動(dòng)汽車的數(shù)量進(jìn)行迭代，每個(gè)電動(dòng)汽車根據(jù)自身的接入電網(wǎng)時(shí)間、離開電網(wǎng)時(shí)間、充電需求等參數(shù)，同時(shí)結(jié)合迭加了該時(shí)段內(nèi)該車接入之前的電動(dòng)汽車充電負(fù)荷的變壓器負(fù)荷信息，從而計(jì)算出適合自身的充電時(shí)段。

e.計(jì)算疊加了當(dāng)前電動(dòng)汽車充電負(fù)荷之后的總負(fù)荷 Lj，r，并和變壓器的最大負(fù)荷 Pj，max進(jìn)行比較，如果 Lj，r＜ Pj，max，則生成該電動(dòng)汽車的充電計(jì)劃并更新變壓器的負(fù)荷信息；反之則退出循環(huán)（該時(shí)段不再接受充電）。

f.按時(shí)段循環(huán)迭代至T=24，隨時(shí)間的推進(jìn)依次獲取1 d內(nèi)每臺(tái)電動(dòng)汽車的充電計(jì)劃。

5 算例分析

5.1 仿真參數(shù)設(shè)置

仿真環(huán)境設(shè)置為上海某一35 kV片區(qū)配電網(wǎng)，表3列舉了該片區(qū)中10 kV變壓器和假定接入充電的電動(dòng)汽車的情況。

表3 35 kV片區(qū)配電網(wǎng)下各變壓器的參數(shù)Table 3 Parameters of transformer in 35 kV distribution network

變壓器額定容量Prc，假定變壓器的功率因數(shù)cos φ為0.85、效率ηt為0.95，則該變壓器的最大負(fù)載可以根據(jù)下式計(jì)算：

變壓器的日預(yù)測負(fù)荷曲線根據(jù)歷史數(shù)據(jù)來模擬。

本文僅考慮居民小區(qū)內(nèi)家庭用電動(dòng)汽車的充電負(fù)荷，根據(jù)對其充電負(fù)荷的分析，并參考目前電動(dòng)汽車的發(fā)展?fàn)顩r，對仿真的環(huán)境做出如下假設(shè)。

a.電動(dòng)汽車的電池為鋰電池，容量為30 kW·h。

b.額定充電功率為5 kW。

c.充電效率為90%。

d.行駛100 km耗電量為15 kW·h。

e.電動(dòng)汽車在最后1次出行返回后接入電網(wǎng)，第1次出行開始時(shí)離開電網(wǎng)。接入電網(wǎng)時(shí)間、離開電網(wǎng)時(shí)間、日行駛里程都通過蒙特卡洛抽樣來模擬。

f.假定用戶和電網(wǎng)公司之間有雙贏協(xié)議，需要參與電網(wǎng)公司的“移峰填谷”任務(wù)。

g.默認(rèn)用戶每次設(shè)置的期望電量狀態(tài)都為100%，如有的用戶在可用的充電時(shí)段內(nèi)不能充滿，則默認(rèn)利用完其全部可用充電時(shí)段即可。

5.2 結(jié)果分析

5.2.1 單臺(tái)10 kV變壓器接入電動(dòng)汽車充電

以1臺(tái)1200 kV·A變壓器為例，在無序充電模式下，電動(dòng)汽車在回家接入電網(wǎng)之后即開始充電，直至電池充滿，整個(gè)充電過程不被控制和調(diào)整，從圖5可以看出，電動(dòng)汽車接入變壓器充電的高峰時(shí)段和變壓器負(fù)荷的峰值時(shí)段基本一致，所以會(huì)導(dǎo)致高峰時(shí)段的負(fù)荷明顯上升，甚至?xí)绊懙诫娋W(wǎng)的安全運(yùn)行。

在多智能體協(xié)同優(yōu)化充電模式下，電動(dòng)汽車作為獨(dú)立的主體，接入變壓器后能在自身的可用時(shí)間段內(nèi)自動(dòng)尋找變壓器負(fù)荷低谷的時(shí)段進(jìn)行充電，可有效地實(shí)現(xiàn)負(fù)荷的“移峰填谷”。

圖5 單臺(tái)變壓器接入電動(dòng)汽車在無序充電和協(xié)同優(yōu)化充電模式下的負(fù)荷曲線Fig.5 Load curves of EV charging under random mode and coordinative charging mode，interconnected with one transformer

5.2.2 35 kV片區(qū)配電網(wǎng)接入電動(dòng)汽車充電

以35 kV片區(qū)配電網(wǎng)為例，從圖6可以看出，在多智能體協(xié)同優(yōu)化充電模式下，各臺(tái)10 kV變壓器下的電動(dòng)汽車能夠按照接入時(shí)間逐漸實(shí)現(xiàn)負(fù)荷的“填谷”，其效應(yīng)迭加之后就能實(shí)現(xiàn)35 kV變壓器負(fù)荷的“填谷”，極大降低了“峰谷差”，從而可以有效地降低發(fā)電機(jī)組的啟停次數(shù)，提高配電網(wǎng)運(yùn)行的安全性和經(jīng)濟(jì)性。

圖6 35 kV片區(qū)配電網(wǎng)內(nèi)各變壓器接入的電動(dòng)汽車在協(xié)同充電模式下分時(shí)段的負(fù)荷曲線Fig.6 Load curves of EV interconnected with each transformer in 35 kV distribution network under cooperative charging mode at different periods

5.2.3 比較分析

表4列出了單臺(tái)10 kV變壓器接入電動(dòng)汽車充電和整個(gè)35 kV片區(qū)配電網(wǎng)下電動(dòng)汽車充電的疊加分別對應(yīng)的峰值、谷值和峰谷差，可見多智能體協(xié)同優(yōu)化充電模式下的峰谷差相對于無序充電模式下的峰谷差大幅減小，起到了“移峰填谷”的作用，說明了該模式的有效性。而且相對于集中控制模式，并不需要和上層的調(diào)度機(jī)構(gòu)之間進(jìn)行頻繁的通信，避免了大規(guī)模電動(dòng)汽車充電優(yōu)化的“通信要求高”的問題，同時(shí)也不需要調(diào)度機(jī)構(gòu)采集各臺(tái)電動(dòng)汽車的具體參數(shù)，極大簡化了優(yōu)化問題的求解，從而也有效地避免了大規(guī)模電動(dòng)汽車充電優(yōu)化“維數(shù)災(zāi)”的問題。

表4 無序充電和多智能體協(xié)同優(yōu)化充電模式的結(jié)果對比Table 4 Comparison of results between random charging mode and cooperative charging mode

6 結(jié)論

本文針對大量電動(dòng)汽車接入電網(wǎng)之后的充電優(yōu)化問題展開研究，分析了電動(dòng)汽車充電負(fù)荷的特性和管理架構(gòu)，根據(jù)CAS理論的核心思想，提出了基于多智能體的電動(dòng)汽車協(xié)同充電管理架構(gòu)?；诮⒌碾妱?dòng)汽車充電優(yōu)化模型，應(yīng)用基于多智能體協(xié)同充電的優(yōu)化算法進(jìn)行仿真求解，并做了對比分析。

仿真結(jié)果表明，在變壓器以下采用基于多智能體協(xié)同優(yōu)化的充電模式，能夠有效地實(shí)現(xiàn)電動(dòng)汽車充電負(fù)荷的“移峰填谷”，減小電網(wǎng)峰谷差，并且可以將上層調(diào)度機(jī)構(gòu)的范圍縮小在變壓器以上，從而有效地避免了大規(guī)模電動(dòng)汽車充電優(yōu)化的“維數(shù)災(zāi)”和“通信要求高”等問題，為電動(dòng)汽車充電優(yōu)化提供了一條新的途徑。

本文研究中假定各變壓器下接入的電動(dòng)汽車組成一個(gè)多智能體系統(tǒng)，其用戶通過和電網(wǎng)公司簽署雙贏協(xié)議的形式來參與電網(wǎng)公司的“移峰填谷”任務(wù)，而且只考慮了配網(wǎng)變壓器容量限制的安全約束，下一步可以結(jié)合電價(jià)的引導(dǎo)機(jī)制，同時(shí)考慮更多的安全約束來進(jìn)行更深層次的研究。