PDF《基于充电设备利用率的电动汽车充电路径多目标优化调度》

2020 年,全球 将有

6 万座充电站、240 万个充电桩投入使用[3-4] . 但是在充电站的建设过程中,也出现了一些问 题.主要有电动汽车用户在去往目的地的途中由于 受电量不足的影响, 途中必须选择充电站进行充电, 由于用户对充电站的布局并不清楚,用户往往要绕 很多路程才能找到充电站进行充电,而且由于对目 前站内充电站的使用情况也不清楚,用户很有可能 选择充电负载高的充电站,又不得不排队等候,这-116 - 电力系统保护与控制 使得用户需要支付更多的路程成本和时间成本,大 大降低了用户的满意度[5-6] . 为解决该问题,需要对电动汽车选择充电站的 路径进行优化调度,以实现电动汽车的合理充电和 充电站的合理布局.国内外很多学者进行了深入研 究, 例如文献[7]运用改进后的混合离散粒子群-变权 Voronoi 图算法对电动汽车的充电路径进行优化规 划.文献[8]将路径选择、到达时间、电池容量作为 约束条件,构建了以用户出行总成本最小为优化目 标的电动汽车路径选择模型.文献[9]构建了以电池 容量和充电时间为优化目标的电动汽车路径选择模 型,并采用单亲遗传算法进行模型求解.文献[10] 提出将大规模电动汽车、配电网与道路交通网

3 方 面作为一个整体进行研究, 提出了基于路段权值思 想和 Dijkstra 最短路径算法的大规模电动汽车最优 充电站推荐和路径规划方法. 上述电动汽车充电路径优化调度模型大多以充 电路径最短或是车主出行总成本最小为优化目标, 但是由于电动汽车车主选择充电站存在随意性和多 样性,如果仅从满足车主花费最小的角度出发,很 容易导致大量电动汽车集中选择一个充电站进行充 电,造成不同充电站的充电设备的利用效率在整个 充电站服务网络中的分布不均衡,有可能造成整个 配电网的负荷失衡,使得充电站的收益下降,这样 必然对充电站的整体发展带来负面影响.因此本文 在兼顾用户的利益基础上,将充电站内的充电设备 利用效率的均衡性也作为主要优化目标,建立了基 于充电设备利用率的电动汽车充电路径多目标优化 调度模型,并采用基于细菌趋化的改进粒子群算法 进行模型求解.仿真结果证明了该算法的有效性.

1 电动汽车充电路径的优化调度 电动汽车充电路径的优化调度就是根据电动汽 车的数量和分布情况、电网可用充电功率、充电站 位置和数量等因素来合理调度电动汽车,以实现电 动汽车车主花费最小和充电站的合理布局.电动汽 车充电路径优化调度的合理性,将可以使各个充电 站充电时间利用率均衡分布,直接影响充电站布局 的合理性和经济效益,因此电动汽车的合理充电路 径优化调度对于充电站的建设和布局起着非常重要 的作用[11-12] . 当电动汽车从起点出发,并计划去一个目的地 时,其会面临着以下情况之一:1) 可以直接到达目 的地;

2) 需要在充电站充电后才能达到目的地;

3) 不能够到达指定的目的地和任何一个充电站. 下 面将分别对这

3 种情况下的电动汽车的路径规划进 行讨论. 情况 1:直接到达目的地 在这种情况下,电动汽车可以直接到达目的 地.也就是说,电动汽车剩余电池容量保证其到达 目的地后,还可以再去一个或多个充电站,如图

1 所示,即1RSS??(1) 式中:R 表示电动汽车在剩余电量的状态下所能行 驶的最大距离;