基于BDI模型考慮多方利益的電動汽車快充策略

丘華敏

摘 ? 要：隨著EV進入快速發展期，EV快速充電站已經成為重要的基礎設施，但大量的EV快充負荷接入會給配電系統帶來沖擊，造成網絡損耗增大、電壓水平下降、線路阻塞等問題，EV車主充電也存在排隊時間偏長的困擾。在此背景下，為了協調好電動汽車車主、快充站運營商及配電網運營商三方的利益，實現對電動汽車合理、靈活的快充控制，文章提出一種基于多代理系統的電動汽車快充策略。首先根據不同利益主體的利益訴求，利用多代理技術BDI模型構建不同的Agent，然后建立協調EV快充的多代理分層管理系統;最后在多代理JADE平臺實現多代理系統的協商、博弈過程，IEEE33節點算例證明文章所提策略可以實現快充資源的合理利用，平衡各方利益主體，具有可行性和實用性。

關鍵詞：多代理;電動汽車;快充;信念—愿望—意圖模型

電動汽車（Electric Vehicle，EV）的大力推廣有效減少了汽車尾氣的排放，近幾年得到了快速的發展。快速充電技術（快充）對EV的發展影響重大，是未來EV商業化、產業化的重要環節[1]。EV快充優化控制涉及多方利益相關者：EV車主、快充站運營商及配電網運營商等，因此，在目前EV推廣應用階段，快充設施分布不均、智能化程度不足的情況下，如何科學、合理地利用快充資源成了眾多學者關注的焦點。

當前，針對EV充電優化控制已有大量研究成果，根據不同利益主體的需求會建立目標函數不同的優化策略，主要可大致分為以下幾類。

主要考慮EV車主利益的優化策略。通過引入快充站所在節點的配電系統電壓可承受度指標，有學者提出一種能夠滿足EV車主多樣化需求的充電導航策略。考慮到EV車主的行駛時間、充電等待時間和充電時間，有學者提出一種以EV車主充電總時間最短為目標函數的快充導航策略。

主要考慮配電網運營商利益的優化控制。配電網運營商的利益主要體現在峰谷差最小、網損最小、系統電壓偏移最小等。研究了基于車輛到電網（Vehicle-to-Grid，V2G）技術的EV有序充電策略，通過配電網與EV之間的電能交換實現配電網的調峰調頻與經濟運行[2]。

目前，EV充電優化控制的研究中綜合考慮多方利益主體的研究還較少，并且對EV快充負荷的考慮也不多。在此背景下，本文基于多代理系統（Multiple Agent System，MAS）提出一種綜合考慮EV車主、快充站運營商和配電網運營商三方利益的EV快充優化策略，利用“信念—愿望—意圖”（Belief-Desire-Intention，BDI）模型構建代表不同利益訴求的Agent，IEEE33節點算例驗證所提策略可保證各方利益并提高對EV快充資源的合理利用。

1 ? ?EV快充多代理系統

1.1 ?多代理技術

MAS是分布式人工智能研究的前沿領域，在機械工程、電子商務和電力系統等開放系統中被廣泛應用。Agent本質上是在一定環境下，具有一定推斷能力和決策能力，能夠與其他代理進行實時信息交互，完成一個或多個功能目標的軟件模塊。一般來講，一個MAS中各Agent的功能、目的可以完全不同，可以根據不同的控制目標和需求進行劃分。MAS具有分散控制的特點，如圖1所示，本文從不同利益主體尋求利益最大化的目的出發，建立協調EV快充的MAS分層管理系統[3]。

1.2 ?BDI模型

BDI模型最早由Georgeff等提出，其從認知概念的角度來描述Agent，通過信念（Belief）、愿望（Desire）、意圖（Intention）3個模塊來表示Agent的決策模型和推理策略。Belief模塊描述Agent所處的環境特征，包括客觀環境信息、自身信息和其他Agent信息，是實現愿望和規劃意圖的基礎。Desire模塊描述Agent的目標，是其所要達到或保持的狀態。Intention模塊描述Agent基于Belief和Desire而決定執行的承諾和計劃，直接驅動Agent的外部行為。

EV快充控制過程中配電系統、快充站運營商和車主需要根據不同的環境和自身目標調整策略、改變行為，與BDI模型的特點十分相似，故本文采用BDI模型構建代表不同利益主體的Agent。

1.3 ?EV快充多代理結構

EV快充控制涉及3類不同的利益主體：EV車主、快充站運營商及配電網運營商，它們有著不同的利益訴求和目標導向，基于MAS的EV快充多代理分層結構如圖2所示。

2 ? ?算例分析

2.1 ?算例參數

本文搭建的協調EV快充的多代理分層管理系統運行在JADE環境，并通過Matlab平臺驗證最優結果。以IEEE33節點的配電系統作為算例驗證本章所提EV快充管理策略的有效性，如圖3所示[4]。其中，功率基值為10 MVA，電壓基值12.66 kV，設置節點1為參考節點，與主網相連。假設配電系統內共有120輛EV，每輛EV電池容量為25 kWh，快充功率為100 kW，則每輛車最多15 min可以充滿電。在節點6、節點9、節點32接有快充充電站A、B、C（圖3中以“EV”表示快充站），每個快充站擁有的快速充電樁數量為24個。取μ=0.14，λ=3.2，則快充站平均排隊長度Lq=13輛，EV平均等待時間T1=4.1 min。以下通過對不引入本章所提策略（場景Ⅰ）和引入本章所提策略（場景Ⅱ）兩個場景下的結果進行對比分析。

2.2 ?場景I

假設某天下午16：00共有60輛EV需要充電，包括正在進行快充和處于等待狀態的EV，此時EV車主簡單地根據地理位置的遠近選擇快充站，并不考慮等待時間，有35輛EV選擇節點32的快充站C，有13輛EV選擇節點9的快充站B，12輛EV選擇節點6的快充站A。配電系統電價及快充站運營商快充服務費用參數設置如表1所示。

假設每輛EV均充滿電后離開，此時配電系統的網損為584.959 kW，占總負荷6.79%;節點32、節點9、節點6電壓標幺值比無EV接入時分別降落到0.88、0.93、0.94以下，如果將電壓安全閾值設為0.90，則節點32存在節點越限的情況，此時DNAgent電價收益為快充站運營商C、B、A的運營利潤L分別為：751.2元、406.9元，375.6元;處于快充站C的EV車主有11位需要排隊等待，具體結果如表2所示。

2.3 ?場景II

利用本文所提策略對場景I的充電行為進行引導，此時DNAgent根據FCAgent接納的沖擊負荷容量制定電價，EV車主可獲得全部3個快充站的等待時間及快充服務費用C3等信息，此時最優結果如表3所示。

由表3可以得到場景II各Agent的交互機制：60輛EV需要充電（產生充電需求Wn），其感知層向FCAgent咨詢此時的等待時間T1和快充費用C3。FCAgent收到各EVAgent的詢問后向DNAgent咨詢此時的電價，DNAgent不希望造成配電系統線路阻塞（大量EV涌入同一快充站充電）、網損過大（D1）和電壓波動（B1）等問題，根據不同快充站快充負荷的容量大小制定并發布不同的電價（I1）：快充站A、B、C收到的電價分別為0.318元/kWh、0.687元/kWh和0.705元/kWh。3個FCAgent收到價格后為了使自身收益L最大化（D2），各自制定不同的快充服務費用（I2），快充站C的EV數量最多，排隊等待時間也最長，為了“留住EV車主”，其服務費用最低，為1.0元/kWh，快充站A雖然得到的電價最低，但在其站內的EV數目最少，不需要排隊等待，故其服務費用較高為1.4元/kWh。EV車主得到各個快充站的信息后（B3），根據自身對時間成本和經濟成本的衡量（D3），選擇快充站進行充電（I3）。

此時有27位EV車主選擇快充站C，18位選擇快充站B，15位選擇快充站A;配電系統網損為481.84 kW，占總負荷4.96%;節點32電壓標幺值相比場景I回升至0.91，節點9和節點6仍維持在0.93和0.94;快充站C、B、A的利潤為796.5元、531.0元、619.5元。

對比表2—3可得：場景I時由于大部分的EV都選擇了快充站C，導致節點32存在電壓越限的情況，并且配電系統網損偏大;而到了場景II，各個Agent根據自身的利益訴求做出決定，為了實現利益最大化，DNAgent通過改變電價來改善接入系統的沖擊負荷，從而改變FCAgent制定的快充服務費用，而EV車主根據等待時長和到其他快充站（地理位置非最近）的成本，重新選擇快充站進行充電[5]。

引入本文所提策略可降低配電系統的網損，改善快充站所在節點的電壓水平，提高了大量快充沖擊負荷接入配電網時的安全運行水平。同時通過不同利益主體的權衡和協商，該策略在提高了快充站運營商利潤的同時，顯著降低了EV車主的等待時間，均衡了配電網、快充站、車主各自的利益，可為EV大量接入配電網的運行控制提供參考。

3 ? ?結語

本文考慮了快充背景下EV接入配電網時涉及的多方利益主體，基于BDI模型建立了不同利益訴求的Agent。算例結果驗證了本文所提策略可權衡各方利益，更合理地調配、利用快充資源，為未來EV快充站普及后的配電網運行控制提供參考。

不同類型的EV（私家車、公交車、出租車等）在不同日期（工作日、周末）的出行習慣各有不同，因此，未來需要對更多樣化的快充需求進行研究。

[參考文獻]

[1]FOLEY A，GALLACH?IR B ?. Analysis of electric vehicle charging using the traditional generation expansion planning analysis tool WASP-IV[J].Journal of Modern Power Systems & Clean Energy，2015（2）：240-248.

[2] 董曉紅，穆云飛，于力，等.考慮配網潮流約束的高速公路快速充電站校正規劃方法[J].電力自動化設備，2017（6）：124-131.

[3]BOULANGER A G，CHU A C，MAXX S，et al.Vehicle electrification：status and issues[J].Proceedings of the IEEE，2011（6）：1116-1138.

[4]胡澤春，宋永華，徐智威，等.電動汽車接入電網的影響與利用[J].中國電機工程學報，2012（4）：1-10.

[5]王錫凡，邵成成，王秀麗，等.電動汽車充電負荷與調度控制策略綜述[J].中國電機工程學報，2013（1）：1-10.