面向混合動力汽車的協同調度優化研究

鄭振，唐菲

（1.武漢軟件工程職業學院，湖北 武漢 430205；2.武漢船舶職業技術學院，湖北 武漢 430050）

0 引 言

燃油動力汽車嚴重依賴于石油資源，易造成石油資源枯竭，而其排放的二氧化碳等溫室氣體是造成全球性氣候變暖的元兇。插電式混合動力汽車（Plug-in Hybrid Energy Vehicles，PHEV）是介于純電動車和燃油汽車之間的一種新能源汽車，是減輕碳排放、提高可持續發展的有效途徑。電力系統和電氣化交通的整合協調使PHEV車主成為電力市場的積極參與者。PHEV不僅能夠使用純電力行駛，還可以使用燃料發動機輔助行駛，不需要進行強制性充電。PHEV作為新的市場參與者，必須與其他市場參與者一起參與，同時刺激消費者參與市場。PHEV的超長續航是造成能源不平衡的一個重要因素。電力公司需要參與市場以最大限度地提高預期收益。由于集中配電單元和發電公司（CDUGC）創造了一個自由市場環境，因此集成電力資源和PHEV系統（IERPHEVS）對電力市場和PHEV雙方都有好處。IERPHEVS可以作為價格制定者參與日前批發市場（DAWSM），可以提交報價和進行投標以調整區域邊際價格（LMP）。批發市場運營商（WSMO）進行市場出清以實現社會福利最大化，這與IERPHEVS的成本最小化目標相矛盾。對此，本文將建立一個雙層多目標兩階段混合魯棒

隨機框架。其中，上層決策問題是 IERPHEVS問題，其優化目標為最小化總成本和采購能源的成本，而 WSMO問題構成下層決策問題。如果充電過程操作不當，PHEV的電池會發生嚴重的退化，因此必須考慮適當的電池退化成本。隨著各個國家和人們環保意識的加強，企業公司更重視其碳信用額。因此，本文將減少排放作為優化框架中的其中一個優化目標。

1 調度優化模型

IERPHEVS運營商的目標是通過優化調度報價和投標過程、PHEV和風力發電來最大限度地降低運營成本和排放。IERPHEVS運營商可以參與DAWSM來采購額外的能源或出售其剩余的產量，在DAWSM中提交報價或進行投標。WSMO的目標是最大化社會福利，這與IERPHEVS運營商的目標不同。通過部署雙層優化框架，IERPHEVS運營商可以模擬WSMO對報價和投標的響應。其中，IERPHEVS操作員（稱為上層決策者或領導者）在DAWSM中提交報價或出價（稱為下層決策者或追隨者）。隨后WSMO進行市場出清以實現社會福利最大化，并公布區域邊際價格（LMP）以及IERPHEVS運營商可以獲得的能源總量。IERPHEVS運營商重新提交報價或投標以取得更好的結果。這個過程迭代地進行，直到達到平衡狀態。

2 實驗評估

下層決策DAWSM問題被建模為一個6總線的TS，包含7條傳輸線和3個CDUGC，分布在節點1、2和6上。IERPHEVS通過第5個節點連接到DAWSM的TS，并由4 000輛車輛組成，這些車輛使用K-mean聚類分為5個車隊。本文計算每個車隊所在聚類的質心，質心的到達和離開時間如表1所示。從全國家庭旅行調查收集到達和離開時間的數據，該數據來自170 000多名調查參與者。通過K-means聚類，數據被分為5個主要的PHEV車隊。更深的循環深度和更高的充電率會導致電池退化增加。實驗使用SCENRED工具進行場景選擇，使用CPLEX求解器求解MILP問題。實驗場景考慮了3種充電情況：車輛到達后馬上進行充電，無調度過程（記為“Immediate”）；PHEV車隊在 IERPHEVS運營商的調度下充電，并考慮電池退化（記為“ScheWDegrad”）；考慮到成本和排放目標，對PHEV車隊進行調度優化（記為“JointOpti”）。

表1 PHEV車隊質心的到達和離開時間

不同充電情況下PHEV車隊的平均SOC如圖1所示。在Immediate中，PHEV車隊一到充電站就馬上進行充電，直到達到SOC的最高值。如圖1（a）所示，每個車隊對應的SOC與每個車隊的離開和到達時間一致。例如，由表1可知，車隊1的到達時間是16：13，離開時間是第二天早上7：55。因此，如圖1（a）所示，在時間段7：55到16：13，車隊1的SOC是（接近）零。而從16：13到第二天早上7：55，車隊1的SOC為1。ScheWDegrad考慮了電池在充電時的退化成本，因此其SOC比Immediate的要低，以避免更深循環深度和更高充電率所導致的電池退化。在JointOpti中，PHEV車隊的充電和放電模式得到智能控制，其充電需求被轉移到非高峰期。例如，車隊2在時間段14：27到19：32之間到達充電站，而此時車隊1、3、4和5中大部分PHEV并不在充電站。因此，通過智能協調調度，JointOpti能提高車隊2在該時間段的SOC，提高充電的效率。

圖1 PHEV車隊的平均SOC

圖2展示了不同情況下的電池退化成本。Immediate并沒有考慮電池退化，因此電池退化成本非常高，總計84 755.897元。ScheWDegrad由于考慮了退化成本，因此其成本下降至3 316.853元。JointOpti考慮了成本和排放目標，其成本為20 408.747元。為了節能減排，JointOpti需要以犧牲電池退化性能為代價，因此其成本會比ScheWDegrad高一些。

圖2 不同情況下的電池退化成本

圖3展示了不同魯棒性參數下JointOpti的最優帕累托前沿。由結果可知，增加穩健性參數的值會導致帕累托前沿的主導地位降低。最優帕累托前沿在開始時呈現出非常急劇的下降，而隨著成本的增加，排放的下降則相對平緩。在曲線的開始，即使成本值略微增加，也會導致排放量急劇下降。而當成本下降成果某個特定值后，減少排放則需要付出高昂的代價。

圖3 JointOpti排放的帕累托前沿

3 結 論

本文面向混合動力汽車提出了協同調度優化方法，建立雙層優化問題以實現混合動力車隊的多目標調度。使用實驗評估了提出方法的有效性，實驗結果表明，不對混合動力汽車進行協調充電會增加本地邊際價格和運營成本。通過結合電池退化模型，降低了運營成本。提出方法的多目標優化的雖然具有稍高的成本，但能有效地減少排放。