基于電價(jià)分時(shí)的新能源汽車(chē)充電控制策略研究

董偉

（三門(mén)峽職業(yè)技術(shù)學(xué)院汽車(chē)學(xué)院）

0 引言

在化石型能源日益枯竭、環(huán)境污染日益加劇的全球環(huán)境下，新能源汽車(chē)由于采用清潔型能源，使其普遍受到廣大用戶(hù)的青睞，其保有量顯著增加[1]。新能源汽車(chē)的充電負(fù)荷對(duì)于配電網(wǎng)來(lái)說(shuō)是不可忽略的，新能源汽車(chē)的不合理充電會(huì)對(duì)配電網(wǎng)的安全性、穩(wěn)定性、可靠性產(chǎn)生一定程度的影響[2-3]。

針對(duì)新能源汽車(chē)充電所帶來(lái)的問(wèn)題，根據(jù)新能源汽車(chē)充電負(fù)荷具有可控性的特點(diǎn)，本文構(gòu)建新能源汽車(chē)充電控制模型，從配電網(wǎng)和電力用戶(hù)兩方面考慮，既要將新能源汽車(chē)充電負(fù)荷對(duì)配電網(wǎng)的影響程度降到最低，又要最大限度降低充電成本，并且采用非支配排序遺傳算法對(duì)模型進(jìn)行求解，通過(guò)算例仿真驗(yàn)證本文所提出控制策略的有效性和科學(xué)性[4]。

1 新能源汽車(chē)充電模式

隨著城市新能源汽車(chē)保有量的不斷上升，與之相配套的充電裝置也要跟隨建設(shè)[5-6]。新能源汽車(chē)集中充電的物理框架在新能源汽車(chē)充電控制策略的研究中發(fā)揮了重要作用，具體架構(gòu)如圖1所示。

圖1 新能源汽車(chē)集中充電物理架構(gòu)

本文所提出的新能源汽車(chē)充電控制策略適用于新能源汽車(chē)集中充電模式。在這種集中充電模式下，通過(guò)一個(gè)控制單元對(duì)接入到充電站進(jìn)行充電的新能源汽車(chē)的集群充電行為進(jìn)行管理[7-8]。在智能電網(wǎng)中，新能源汽車(chē)對(duì)應(yīng)于一個(gè)充電樁進(jìn)行充電，由控制單元通過(guò)充電樁檢測(cè)新能源汽車(chē)的充電參數(shù)，包括充電開(kāi)始時(shí)刻、充電結(jié)束時(shí)刻、電池額定容量、電池實(shí)時(shí)電量、預(yù)計(jì)充電結(jié)束時(shí)刻等[9]?？刂茊卧軌蚋潆娋W(wǎng)進(jìn)行數(shù)據(jù)交互，得到配電網(wǎng)的負(fù)荷預(yù)測(cè)數(shù)據(jù)，計(jì)算得到每輛新能源汽車(chē)在每個(gè)時(shí)間步長(zhǎng)下的充電功率，由對(duì)應(yīng)的充電樁來(lái)執(zhí)行[10]?？刂茊卧獣?huì)對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)刷新，根據(jù)實(shí)際情況安排新能源汽車(chē)的充電計(jì)劃。控制單元會(huì)根據(jù)不同新能源汽車(chē)的數(shù)據(jù)計(jì)算新能源汽車(chē)以最大功率充電是否能夠達(dá)到電池充電狀態(tài)量（普遍情況為滿(mǎn)電量的95%）[11-12]。本文的研究都假設(shè)新能源汽車(chē)以最大電池充電量為充電目標(biāo)，如果充電期間以最大功率進(jìn)行充電仍然不能夠達(dá)到電池充電狀態(tài)量，則不進(jìn)行充電調(diào)度，始終保持以最大功率進(jìn)行充電。

2 新能源汽車(chē)充電控制策略

2.1 新能源汽車(chē)充電控制模型

為了兼顧新能源汽車(chē)充電負(fù)荷對(duì)配電網(wǎng)的影響以及充電成本，本文構(gòu)建了新能源汽車(chē)充電控制模型，模型的目標(biāo)函數(shù)包含兩部分，即充電總成本最低和負(fù)荷方差最小。新能源汽車(chē)的充電會(huì)對(duì)配電網(wǎng)的安全、穩(wěn)定、可靠運(yùn)行造成一定程度的影響，從供電公司的角度來(lái)說(shuō)，將充電成本最低作為目標(biāo)函數(shù)，充分考慮了新能源汽車(chē)車(chē)主的利益，吸引更多的新能源汽車(chē)到集中充電停車(chē)場(chǎng)參與到集中充電活動(dòng)中，配電網(wǎng)也因此聚集了相當(dāng)容量的新能源汽車(chē)，并對(duì)其充電行為進(jìn)行科學(xué)控制；將負(fù)荷方差最小作為另一個(gè)目標(biāo)函數(shù)，能夠?qū)崿F(xiàn)對(duì)負(fù)荷波動(dòng)的有效抑制，降低對(duì)配電網(wǎng)的沖擊，有利于配電網(wǎng)的安全、可靠、穩(wěn)定運(yùn)行。實(shí)現(xiàn)供電公司和新能源汽車(chē)車(chē)主的雙贏(yíng)。

2.2 目標(biāo)函數(shù)

（1）充電成本最低

基于電價(jià)分時(shí)機(jī)制，保證新能源汽車(chē)充電成本最低，是從新能源汽車(chē)車(chē)主經(jīng)濟(jì)性的角度出發(fā)，最大限度保證新能源汽車(chē)在電價(jià)低的時(shí)段（也就是負(fù)荷低的時(shí)段）充電，這樣做能夠起到削峰填谷的作用。目標(biāo)函數(shù)的表達(dá)式為：

式中，n是充電站中參與集中充電的新能源汽車(chē)的數(shù)量；m是時(shí)間步長(zhǎng)；Pk是k時(shí)段的分時(shí)電價(jià)；t為當(dāng)前的時(shí)段號(hào)碼，△t為時(shí)段的持續(xù)時(shí)長(zhǎng)。

（2）負(fù)荷方差最小

充電成本最低目標(biāo)函數(shù)會(huì)使大量的新能源汽車(chē)在配電網(wǎng)負(fù)荷低的時(shí)段集中充電，如果此時(shí)新能源汽車(chē)充電的負(fù)荷足夠大，則可能會(huì)在配電網(wǎng)負(fù)荷低的時(shí)段將負(fù)荷重新拉高，形成新的負(fù)荷高峰時(shí)段，為了避免這種情況的出現(xiàn)，提出另一個(gè)目標(biāo)函數(shù)，即符合方差最小。電網(wǎng)本身負(fù)荷加上新能源汽車(chē)充電負(fù)荷在各時(shí)段最小，能夠保證配電網(wǎng)全運(yùn)行周期的負(fù)荷更為平滑，進(jìn)一步降低備用發(fā)電機(jī)組的容量。在實(shí)際運(yùn)行中，負(fù)荷方差最小對(duì)應(yīng)于配電網(wǎng)損耗最小，采用負(fù)荷方差最小避免了復(fù)雜的潮流計(jì)算。本身模型的求解過(guò)程也更為簡(jiǎn)便，目標(biāo)函數(shù)的表達(dá)式為：

式中，Pl.k為第k個(gè)時(shí)段配電網(wǎng)負(fù)荷的預(yù)測(cè)值；Pl.s為第s個(gè)時(shí)段配電網(wǎng)負(fù)荷的預(yù)測(cè)值。

2.3 約束條件

（1）充電樁充電功率約束條件

式中，Pmax為充電樁所能夠提供的最大充電功率；λ為充電轉(zhuǎn)換效率。

（2）新能源汽車(chē)電池充電狀態(tài)量約束條件

式中，SOCi.des是第i個(gè)參與集中充電的新能源汽車(chē)車(chē)主期望達(dá)到的新能源汽車(chē)電池充電狀態(tài)量的水平；SOCi.dep是第i個(gè)參與集中充電的新能源汽車(chē)結(jié)束充電時(shí)的電池充電狀態(tài)量的水平；SOCmax是新能源汽車(chē)電池所允許的電池充電狀態(tài)量的上限值，超過(guò)這個(gè)數(shù)值則電池過(guò)充。

（3）新能源汽車(chē)電池充電爬坡斜率約束條件

式中，SOCi(k+1)是第i輛新能源汽車(chē)在k+1時(shí)段的電池充電狀態(tài)量的水平；SOCi(k)是第k輛新能源汽車(chē)在k時(shí)段的電池充電狀態(tài)量的水平；△SOCimax是充電爬坡斜率的上限值。新能源汽車(chē)充電時(shí)的充電爬坡斜率不能超過(guò)上限值。

3 充電控制模型求解方法

本文提出的充電控制模型是實(shí)時(shí)優(yōu)化的，每次優(yōu)化都需要進(jìn)行模型求解，因此采用非支配排序遺傳算法對(duì)模型進(jìn)行求解。

非支配排序遺傳算法主要具備三項(xiàng)特點(diǎn)：快速非支配排序法，能夠降低運(yùn)算復(fù)雜程度；采用精英策略，保證了計(jì)算準(zhǔn)確度；加入擁擠度參數(shù)，避免特定共享參數(shù)的指定。非支配排序遺傳算法的運(yùn)算結(jié)果是得到最優(yōu)解集合，由于充電控制模型對(duì)運(yùn)算實(shí)時(shí)性有著較高的要求，因此采用信息熵的序數(shù)偏好法從最優(yōu)解集合中尋取最優(yōu)解，其原理是通過(guò)計(jì)算最優(yōu)解集合中的各個(gè)最優(yōu)解與目標(biāo)值的差異來(lái)實(shí)現(xiàn)權(quán)重參數(shù)的確定，如果與目標(biāo)值的差異性越小則權(quán)重參數(shù)取值越低，對(duì)最終結(jié)果的影響程度就越低；如果與目標(biāo)值的差異性越大則權(quán)重參數(shù)取值越高，對(duì)最終結(jié)果的影響程度就越高。

4 算例分析

為了對(duì)本文提出的新能源汽車(chē)充電控制策略進(jìn)行驗(yàn)證，以某停車(chē)場(chǎng)充電站為例進(jìn)行分析，新能源汽車(chē)的開(kāi)始充電時(shí)刻是符合正態(tài)分布曲線(xiàn)要求的，概率密度曲線(xiàn)的均值取8，方差取1.5，電池充電狀態(tài)量初始值設(shè)定為0.3～0.5之間的隨機(jī)數(shù)，充電時(shí)長(zhǎng)取1～8h之間的隨機(jī)數(shù)，充電效率取0.85，充電樁所能提供的最大充電功率為7.8kW。為了便于進(jìn)行仿真，時(shí)段長(zhǎng)度設(shè)定為1h，總充電時(shí)長(zhǎng)取24h。

基于Matlab環(huán)境下，采用非支配排序遺傳算法對(duì)模型進(jìn)行仿真分析，設(shè)定新能源汽車(chē)的總數(shù)為50輛，迭代次數(shù)為300，交叉率為0.75，變異率為0.25，如圖2所示為仿真分析結(jié)果。

圖2 非支配排序遺傳算法仿真結(jié)果

非支配排序遺傳算法得到的Pareto前沿分布均勻穩(wěn)定，驗(yàn)證該算法對(duì)于模型求解的有效性。如圖2所示，描述新能源汽車(chē)充電成本與負(fù)荷標(biāo)準(zhǔn)差（對(duì)應(yīng)于方差）這兩個(gè)目標(biāo)函數(shù)的分布關(guān)系，提供了科學(xué)的決策信息，隨著負(fù)荷標(biāo)準(zhǔn)差的逐步增大，充電成本會(huì)降低，這是由于在電價(jià)低的時(shí)段內(nèi)新能源汽車(chē)充電負(fù)荷越大，充電成本越低，但可能會(huì)在這個(gè)時(shí)段內(nèi)造成負(fù)荷的上升，引起配電網(wǎng)負(fù)荷波動(dòng)。

5 結(jié)束語(yǔ)

本文專(zhuān)門(mén)針對(duì)新能源汽車(chē)集中充電問(wèn)題進(jìn)行分析，基于電價(jià)分時(shí)構(gòu)建新能源汽車(chē)充電控制模型，將充電成本和負(fù)荷方差作為控制目標(biāo)，將充電功率、電池狀態(tài)量、充電爬坡斜率作為約束條件，基于非支配排序遺傳算法對(duì)模型進(jìn)行求解。經(jīng)過(guò)仿真驗(yàn)證，本文所提出的新能源汽車(chē)充電控制策略能夠具有一定的先進(jìn)性和較高的經(jīng)濟(jì)價(jià)值，可以進(jìn)行大規(guī)模推廣應(yīng)用。