基于電價分時的新能源汽車充電控制策略研究

董偉

（三門峽職業技術學院汽車學院）

0 引言

在化石型能源日益枯竭、環境污染日益加劇的全球環境下，新能源汽車由于采用清潔型能源，使其普遍受到廣大用戶的青睞，其保有量顯著增加[1]。新能源汽車的充電負荷對于配電網來說是不可忽略的，新能源汽車的不合理充電會對配電網的安全性、穩定性、可靠性產生一定程度的影響[2-3]。

針對新能源汽車充電所帶來的問題，根據新能源汽車充電負荷具有可控性的特點，本文構建新能源汽車充電控制模型，從配電網和電力用戶兩方面考慮，既要將新能源汽車充電負荷對配電網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模型進行求解，通過算例仿真驗證本文所提出控制策略的有效性和科學性[4]。

1 新能源汽車充電模式

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

圖1 新能源汽車集中充電物理架構

本文所提出的新能源汽車充電控制策略適用于新能源汽車集中充電模式。在這種集中充電模式下，通過一個控制單元對接入到充電站進行充電的新能源汽車的集群充電行為進行管理[7-8]。在智能電網中，新能源汽車對應于一個充電樁進行充電，由控制單元通過充電樁檢測新能源汽車的充電參數，包括充電開始時刻、充電結束時刻、電池額定容量、電池實時電量、預計充電結束時刻等[9]。控制單元能夠跟配電網進行數據交互，得到配電網的負荷預測數據，計算得到每輛新能源汽車在每個時間步長下的充電功率，由對應的充電樁來執行[10]。控制單元會對數據進行實時刷新，根據實際情況安排新能源汽車的充電計劃。控制單元會根據不同新能源汽車的數據計算新能源汽車以最大功率充電是否能夠達到電池充電狀態量（普遍情況為滿電量的95%）[11-12]。本文的研究都假設新能源汽車以最大電池充電量為充電目標，如果充電期間以最大功率進行充電仍然不能夠達到電池充電狀態量，則不進行充電調度，始終保持以最大功率進行充電。

2 新能源汽車充電控制策略

2.1 新能源汽車充電控制模型

為了兼顧新能源汽車充電負荷對配電網的影響以及充電成本，本文構建了新能源汽車充電控制模型，模型的目標函數包含兩部分，即充電總成本最低和負荷方差最小。新能源汽車的充電會對配電網的安全、穩定、可靠運行造成一定程度的影響，從供電公司的角度來說，將充電成本最低作為目標函數，充分考慮了新能源汽車車主的利益，吸引更多的新能源汽車到集中充電停車場參與到集中充電活動中，配電網也因此聚集了相當容量的新能源汽車，并對其充電行為進行科學控制；將負荷方差最小作為另一個目標函數，能夠實現對負荷波動的有效抑制，降低對配電網的沖擊，有利于配電網的安全、可靠、穩定運行。實現供電公司和新能源汽車車主的雙贏。

2.2 目標函數

（1）充電成本最低

基于電價分時機制，保證新能源汽車充電成本最低，是從新能源汽車車主經濟性的角度出發，最大限度保證新能源汽車在電價低的時段（也就是負荷低的時段）充電，這樣做能夠起到削峰填谷的作用。目標函數的表達式為：

式中，n是充電站中參與集中充電的新能源汽車的數量；m是時間步長；Pk是k時段的分時電價；t為當前的時段號碼，△t為時段的持續時長。

（2）負荷方差最小

充電成本最低目標函數會使大量的新能源汽車在配電網負荷低的時段集中充電，如果此時新能源汽車充電的負荷足夠大，則可能會在配電網負荷低的時段將負荷重新拉高，形成新的負荷高峰時段，為了避免這種情況的出現，提出另一個目標函數，即符合方差最小。電網本身負荷加上新能源汽車充電負荷在各時段最小，能夠保證配電網全運行周期的負荷更為平滑，進一步降低備用發電機組的容量。在實際運行中，負荷方差最小對應于配電網損耗最小，采用負荷方差最小避免了復雜的潮流計算。本身模型的求解過程也更為簡便，目標函數的表達式為：

式中，Pl.k為第k個時段配電網負荷的預測值；Pl.s為第s個時段配電網負荷的預測值。

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為充電轉換效率。

（2）新能源汽車電池充電狀態量約束條件

式中，SOCi.des是第i個參與集中充電的新能源汽車車主期望達到的新能源汽車電池充電狀態量的水平；SOCi.dep是第i個參與集中充電的新能源汽車結束充電時的電池充電狀態量的水平；SOCmax是新能源汽車電池所允許的電池充電狀態量的上限值，超過這個數值則電池過充。

（3）新能源汽車電池充電爬坡斜率約束條件

式中，SOCi(k+1)是第i輛新能源汽車在k+1時段的電池充電狀態量的水平；SOCi(k)是第k輛新能源汽車在k時段的電池充電狀態量的水平；△SOCimax是充電爬坡斜率的上限值。新能源汽車充電時的充電爬坡斜率不能超過上限值。

3 充電控制模型求解方法

本文提出的充電控制模型是實時優化的，每次優化都需要進行模型求解，因此采用非支配排序遺傳算法對模型進行求解。

非支配排序遺傳算法主要具備三項特點：快速非支配排序法，能夠降低運算復雜程度；采用精英策略，保證了計算準確度；加入擁擠度參數，避免特定共享參數的指定。非支配排序遺傳算法的運算結果是得到最優解集合，由于充電控制模型對運算實時性有著較高的要求，因此采用信息熵的序數偏好法從最優解集合中尋取最優解，其原理是通過計算最優解集合中的各個最優解與目標值的差異來實現權重參數的確定，如果與目標值的差異性越小則權重參數取值越低，對最終結果的影響程度就越低；如果與目標值的差異性越大則權重參數取值越高，對最終結果的影響程度就越高。

4 算例分析

為了對本文提出的新能源汽車充電控制策略進行驗證，以某停車場充電站為例進行分析，新能源汽車的開始充電時刻是符合正態分布曲線要求的，概率密度曲線的均值取8，方差取1.5，電池充電狀態量初始值設定為0.3～0.5之間的隨機數，充電時長取1～8h之間的隨機數，充電效率取0.85，充電樁所能提供的最大充電功率為7.8kW。為了便于進行仿真，時段長度設定為1h，總充電時長取24h。

基于Matlab環境下，采用非支配排序遺傳算法對模型進行仿真分析，設定新能源汽車的總數為50輛，迭代次數為300，交叉率為0.75，變異率為0.25，如圖2所示為仿真分析結果。

圖2 非支配排序遺傳算法仿真結果

非支配排序遺傳算法得到的Pareto前沿分布均勻穩定，驗證該算法對于模型求解的有效性。如圖2所示，描述新能源汽車充電成本與負荷標準差（對應于方差）這兩個目標函數的分布關系，提供了科學的決策信息，隨著負荷標準差的逐步增大，充電成本會降低，這是由于在電價低的時段內新能源汽車充電負荷越大，充電成本越低，但可能會在這個時段內造成負荷的上升，引起配電網負荷波動。

5 結束語

本文專門針對新能源汽車集中充電問題進行分析，基于電價分時構建新能源汽車充電控制模型，將充電成本和負荷方差作為控制目標，將充電功率、電池狀態量、充電爬坡斜率作為約束條件，基于非支配排序遺傳算法對模型進行求解。經過仿真驗證，本文所提出的新能源汽車充電控制策略能夠具有一定的先進性和較高的經濟價值，可以進行大規模推廣應用。