基于粒子群算法的電動汽車有序充電控制策略

安 源，薛宇軒

（西安理工大學，陜西 西安 710048）

0 引 言

為提升電動汽車在高速公路上的快速充電效率，滿足電動汽車用戶多樣化需求，同時保證配電變壓器的安全穩定運行，本文基于粒子群算法對相關策略進行探究。

1 基于粒子算法的電動汽車有序充電策略

1.1 粒子算法

該算法的基本思想是：假定空氣中的粒子數目為n，各粒子在D維空間內均有一個對應位點，且每個粒子均有自己的運行速度，則此時n個粒子對應的目標函數的適應度為n個。處于空間中的各粒子，會結合自身的運行經驗與群體的運行經驗對自體運行軌跡進行個性化調整，且空間中的粒子會根據自身的飛行經驗和群體的飛行經驗來調整自己的飛行軌跡，經數次迭代，連續摸索最佳方位即目標函數的最優解。

采用速度向量vi=[v(i,1),v(i,2),…,v(i,D)]與位置向量xi=[x(i,1),x(i,2),…,x(i,D)]，對粒子的運行軌跡做出相應闡述。位置對應的是目標函數內的變量，位置更新影響粒子運行速度。粒子位置更新的公式為：

其中，i為第i個粒子；k為第k次迭代；d為D維空間內第d個坐標；v為粒子所處的位置[1]。

由于理論分析，粒子群算法處理的是連續性變量，因此提出了二進制粒子群優化算法，以實現對二進制變量的有效處理。速度v在原始公式的基礎上，在某項運算的作用下映射至[0，1]，映射公式為：

其中，s表示x取值為1的機率。粒子通過式（3）實現對自體所處方位的有效調整，二進制位置的更新公式為：

其中，rand表示[0，1]的隨機函數。

1.2 電動汽車有序充電策略

結合數學模型，本次研究中應用PSO算法優化的變量是xij，對于第t個粒子，其位置函數可表示為：

本文在對電動汽車有序充電策略設計優化過程中，探析能使目標函數指標最小的X的解，有序充電控制的流程具體如下。首先，充電汽車進入充電站后，讀取進站時間（t），并在電池管理系統的協助下，獲得用戶進站時電動汽車電池荷電狀態（SOC）與電池容量大小。其次，汽車自行設計符合充電完成時的SOC值，并計算出充電完成的大概耗時，將相關信息反饋至用戶，為其合理規劃離站時間[2]。再次，采集配電網負荷對象的數據信息，并在粒子群算法的協助下，測算出汽車充電的最佳時間段。最后，電動汽車進入充電模式后，調整配電網的負荷指標。

2 算例分析

為實現所建設模型的有效性檢測，本文應用了典型充電模式進行對照分析。

典型充電模式實質上是一類“即插即用”的充電模式。該模式與充電汽車電池的充電屬性曲線運行相統一，即可視為不同時間點汽車的充電功率均為7 kW。本文應用的充電負荷指標在24 h內均有變化，將探究200輛電動汽車在不同時間點的分布狀況，以更科學地解析大規模負荷的充電負荷曲線運行狀況。

2.1 典型充電模式下電池充電特性

國內電動汽車安裝的電池以鋰離子電池為主，本文選用了Nissan Altra所構建的鋰離子電池，電池容量為29.07 kW/h，充電功率曲線如圖1所示。

圖1 鋰離子電池充電曲線示意圖

由圖1可知，汽車電池在5 h內的充電功率基本在7 kW上下波動。為強化計算過程的簡潔性，忽略初始時刻與即將結束時刻的充電功率變化。此外，本文研究的充電汽車類型以私家車為主，不同型號的汽車運行參數也存在差異，95%的電動汽車充電應用慢充模式，其余5%電動汽車充電應用快充模式。

2.2 每日行駛擬合曲線

充電持續時間和電池剩余電量之間存在明顯相關性，本文假設全部電動汽車均以恒定功率進行充電，則此時車輛日平均行駛里程是影響汽車充電耗用時間的主要因素。結合NFTS對家用車輛行駛里程的調查數據，認為每次充電均達到滿電量[3]。則電動汽車所耗時間長度Tc可估測為：

其中，Tc為充電時間長度，f(r)為日行駛里程，W為每百千米的耗電量，Pi為充電功率。

2.3 有序充電狀態下的符合曲線

利用蒙特卡洛模擬法采集電動汽車的初始充電時間、充電電量及充電形式等指標，并基于粒子群算法的優化模型的支撐下，勾畫出電動汽車有序充放電的負荷曲線示意圖，如圖2所示。

圖2 配電網電動汽車有序充電負荷變化曲線示意圖

由圖2可知，有序充電能促使配電網峰谷差率由39.14%降低至36.54%，進而明顯抑制電網波動負荷變化，有效改善電網的負荷屬性。有序充電時，電動汽車峰值負荷、谷值負荷、峰谷差率及日負荷率對應指標分別為51 355 kW、32 598 kW、36.56%及0.839 9[4]。

3 結 論

在環保理念廣泛推行和工業產業持續發展的背景下，電動汽車已被廣泛普及。在高速公路上建設快速充電站，能為電動汽車長途運行創造基礎條件。本文探究一種基于粒子群算法的電動汽車有序充電控制策略。算例表明，有序充放電策略能減少配電網負荷波動幅度，明顯提升電力資源的有效利用率，促進電動汽車行業的持續發展。