申请/专利权人：华北电力大学

申请日：2020-09-17

公开（公告）日：2024-03-22

公开（公告）号：CN112257897B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/40;G06N3/006

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.03.02#实质审查的生效;2021.01.22#公开

摘要：本发明提供了一种基于改进多目标粒子群的电动汽车充电优化方法和系统，包括：获取电动汽车充电信息和电网负荷信息的数据输入到预先建立的电动汽车充电策略模型；采用多目标粒子群算法和小生境算法对电动汽车充电策略模型求解，得到各个时段电动汽车充电最优策略；基于各个时段电动汽车充电最优策略得到全时段电动汽车的充电最优充电策略；其中，所述电动汽车充电模型是基于充电费用最小和电网负荷方差最小建立的，所述电动汽车充电模型包括多个分别与电动汽车在各时刻内的充电功率对应的粒子。本发明可以大幅度降低充电费用和平滑电网负荷曲线，提高了电动汽车充电的稳定性和准确性。

主权项：1.一种基于改进多目标粒子群的电动汽车充电优化方法，其特征在于，包括：获取电动汽车充电信息和电网负荷信息的数据输入到预先建立的电动汽车充电策略模型；采用多目标粒子群算法和小生境算法对电动汽车充电策略模型求解，得到各个时段电动汽车充电最优策略；基于各个时段电动汽车充电最优策略得到全时段电动汽车的充电最优充电策略；其中，所述电动汽车充电模型是基于充电费用最小和电网负荷方差最小建立的,所述电动汽车充电模型包括多个分别与电动汽车在各时刻内的充电功率对应的粒子；所述采用多目标粒子群算法和小生境算法对电动汽车充电策略模型求解，得到各个时段电动汽车充电最优策略，包括：建立各电动汽车在各时刻内的充电功率与改进多目标粒子群算法模型预设时段的粒子位置变量间的对应关系；根据多目标粒子群算法和小生境算法对电动汽车充电策略模型中的充电功率进行粒子位置更新；根据所述粒子位置更新的结果确定更新全局的最优位置；利用小生境算法对所述全局的最优位置的粒子进行精英解集的更新；判断更新的精英解集是否能够生成Pareto最优解集，若是则在Pareto最优解集中采用TOPSIS的方法确定电动汽车充电策略模型中指定时段的充电功率的最优解，若不是则重新更新个体位置，直到能够生成Pareto最优解集；所述根据多目标粒子群算法和小生境算法对电动汽车充电策略模型中的充电功率进行粒子位置更新，包括：在最优位置的集合里根据小生境算法确定电动汽车充电策略模型中孤立性最好的粒子；对所述电动汽车充电策略模型中孤立性最好的粒子和最优位置集合中存在的Pareto改进的粒子进行变异操作，得到新的粒子；根据Pareto优劣性，将所述新的粒子与其之前所经过的最优位置的粒子进行选择，得到该新的粒子的最新位置；所述在最优位置的集合里根据小生境算法确定电动汽车充电策略模型中孤立性最好的粒子，包括：根据当前迭代过程中电动汽车充电策略模型中每个粒子分别经过的最优位置的集合计算两个粒子之间的当量距离；根据两个粒子之间的当量距离计算粒子之间的共享值；依据粒子之间的当量距离对粒子的小生境半径进行动态更新并根据所述粒子之间的共享值计算粒子的小生境数；根据小生境数中最小的粒子确定独立性最好的粒子；所述根据所述粒子位置更新的结果确定更新全局的最优位置，包括：计算所有粒子的Pareto支配数，选取支配数值最大所对应粒子的位置作为预设次数迭代的全局最优位置；当多个粒子的支配数值同时为最大值，任意选取其中一个粒子的位置作为预设次数迭代的全局最优位置；所述利用小生境算法对所述全局的最优位置的粒子进行精英解集的更新，包括：将每次寻优迭代中的全局最优粒子保存在种群外部的预设规模的精英解集中，并依据小生境数对该解集进行更新；如果精英解集没有饱和，则将全局最优粒子直接放入至精英解集；如果精英解集已经饱和，则根据按照小生境数去除数值较大的粒子；所述电动汽车充电策略模型的建立，包括：根据电动汽车充电信息和电网负荷信息以充电费用最小和电网负荷方差最小作为电动汽车充电策略的目标函数；以充电功率上限约束、充电功率波动约束和充电量约束作为电动汽车充电优化的约束条件，建立电动汽车充电策略模型；所述根据电动汽车充电信息和电网负荷信息以充电费用最小和电网负荷方差最小作为电动汽车充电策略的目标函数，包括：所述充电费用最小的计算公式如下： 所述电网负荷方差最小的计算公式如下： 式中minF1表示电动汽车的充电费用最小；minF2表示电网负荷方差最小；Cb表示第b时段内的充电单价；Pa,tΔtp表示第a辆电动汽车在第b时段内的充电电量；Pa,b表示第a辆电动汽车在第b时段内的充电功率；Δtp表示每个时段的时间间隔；B表示时段总数；n表示电动汽车总数；Pload,b表示第b时段内区域的普通负荷；表示第a辆电动汽车在第b时段内n个电动汽车的总负荷；电动汽车充电优化的约束条件如下所示：充电功率上限约束：电动汽车在充电时充电功率不能超过充电站的充电功率上限，如式3所示：0≤Pa,b≤Pmax3式中Pa,b——表示第a辆电动汽车在第b时段内的充电功率；Pmax——表示电动汽车充电功率的上限；充电功率波动约束；对电动汽车充电时的充电功率波动范围进行限制，用以防止过大的充电功率波动对电网负荷造成较大的影响，如式4所示： 式中Pa,b——表示第a辆电动汽车在第b时段内的充电功率；Δtp——表示每个时段的时间间隔；n——表示电动汽车总数；Pa,b+1——表示第a辆电动汽车在第b+1时段内的充电功率；Pf——表示充电过程中两个相邻时段的充电功率波动最大值；充电量约束：电动汽车充电结束时的电量需小于等于电动汽车电池的最大容量，如式5所示； 式中——表示第a辆电动汽车预期的充电电量； ——表示第a辆电动汽车充电前的已有电量； ——表示第a辆电动汽车电池最大容量；Pa,b——表示第a辆电动汽车在第b时段内的充电功率；Δtp——表示每个时段的时间间隔；B——表示时段总数；所述根据小生境数中最小的粒子确定独立性最好的粒子包括：令当前迭代过程中所有个体所经过的最优位置的集合为P＝{pi＝pi1,pi2,L,pin|i＝1,2,L,N}，对于P中任意两个粒子i、j之间的当量距离可以用式10来表示： 式中dij——表示粒子i和粒子j之间的当量距离； ——表示粒子i的第s个目标； ——表示粒子j第s个目标；m——表示粒子数量； ——表示第s个目标的最大值； ——表示第s个目标的最小值；采用式11来计算粒子之间的共享值： 式中dij——表示粒子i和粒子j之间的当量距离；σshare——表示粒子的小生境半径；依据粒子之间的当量距离对粒子的小生境半径进行动态更新，如式12所示： 则粒子i的小生境数记为： 那么小生境数最小的粒子为独立性最好的粒子，记为：q＝q1,q2,L,qn。

全文数据：

权利要求：

百度查询： 华北电力大学 基于改进多目标粒子群的电动汽车充电优化方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD