一定規(guī)模電動(dòng)汽車集群充電優(yōu)化策略研究

馮 明，熊 煒

(貴州大學(xué) 電氣工程學(xué)院，貴州 貴陽(yáng) 550025)

一定規(guī)模電動(dòng)汽車集群充電優(yōu)化策略研究

馮 明，熊 煒

(貴州大學(xué) 電氣工程學(xué)院，貴州 貴陽(yáng) 550025)

電動(dòng)汽車規(guī)模化應(yīng)用后，研究電動(dòng)汽車的充電優(yōu)化策略，不僅可以提高電動(dòng)汽車充電效率，還能起到削峰填谷的作用。以某一固定時(shí)段內(nèi)一定規(guī)模電動(dòng)汽車進(jìn)行集中充電的模式為研究對(duì)象，首先研究了電動(dòng)汽車充電時(shí)長(zhǎng)隨機(jī)規(guī)律，其次在峰谷電價(jià)的基礎(chǔ)上，建立了以用戶總費(fèi)用及單樁最大充電時(shí)間最小為目標(biāo)的電動(dòng)汽車集群充電策略優(yōu)化模型，最后采用改進(jìn)遺傳算法進(jìn)行求解，并與無序充電進(jìn)行比較，驗(yàn)證了所提方法的可行性和有效性。

電動(dòng)汽車；充電時(shí)長(zhǎng)；有序充電策略；遺傳算法

0 引言

隨著電動(dòng)汽車的快速發(fā)展[1-2]，電動(dòng)汽車的無序充電將對(duì)城市配電網(wǎng)規(guī)劃及安全穩(wěn)定運(yùn)行產(chǎn)生較大影響。

針對(duì)電動(dòng)汽車的無序充電對(duì)電網(wǎng)產(chǎn)生的影響，專家學(xué)者開展了以下研究：電動(dòng)汽車充電負(fù)荷建模與仿真計(jì)算、電動(dòng)汽車接入對(duì)電力系統(tǒng)的影響、電動(dòng)汽車的充放電控制與利用等[3]。文獻(xiàn)[4-6]根據(jù)統(tǒng)計(jì)數(shù)據(jù)，對(duì)電動(dòng)汽車起始充電時(shí)間和日行駛里程概率分布分析，采用蒙特卡洛模擬與概率統(tǒng)計(jì)分析結(jié)合的方法，建立了電動(dòng)汽車充電負(fù)荷概率模型。文獻(xiàn)[7]考慮了充電時(shí)長(zhǎng)差異、充電能力限制等因素對(duì)電動(dòng)汽車充電負(fù)荷的影響。文獻(xiàn)[8]中討論了電動(dòng)汽車的V2G特性，不僅可以作為負(fù)荷吸收電能,還可通過放電向電網(wǎng)輸送電能。文獻(xiàn)[9]在電動(dòng)汽車V2G特性基礎(chǔ)下，在考慮峰谷電價(jià)的基礎(chǔ)上，對(duì)各類電動(dòng)汽車的充放電利用來降低用戶費(fèi)用及配網(wǎng)損耗。文獻(xiàn)[10]以平抑負(fù)荷波動(dòng)，減小負(fù)荷峰谷差，避免充電過程產(chǎn)生新的負(fù)荷高峰，作為確定電動(dòng)汽車充電開始時(shí)間，但是會(huì)以一部分用戶的充電要求得不到滿足作為代價(jià)。文獻(xiàn)[11]基于電網(wǎng)分時(shí)電價(jià)特征，以配電變壓器容量及最大限度滿足用戶充電需求為約束條件，以充電站運(yùn)營(yíng)收益最大化為目標(biāo)，建立了充電站內(nèi)電動(dòng)汽車有序充電的數(shù)學(xué)模型，對(duì)于短時(shí)間電能需求大的用戶滿意度較低。以上對(duì)電動(dòng)汽車有序充電研究中，側(cè)重于通過電動(dòng)汽車充電順序的控制來滿足電網(wǎng)的安全穩(wěn)定、充電站運(yùn)營(yíng)收益，會(huì)以犧牲一部分用戶得不到充電服務(wù)作為代價(jià)。

不同類型電動(dòng)汽車，如公交車、公務(wù)車、出租車、私家車等的出行規(guī)律和充電需求各異，具有較強(qiáng)的隨機(jī)性。根據(jù)各自的自身運(yùn)行特點(diǎn)及不同的充電模式，如公交車、公務(wù)車、大型停車場(chǎng)私家車均可在夜間采用集中充電模式，從而具有調(diào)度可行性。本文計(jì)及充電設(shè)施配置比例的影響，研究一定規(guī)模電動(dòng)汽車集群充電優(yōu)化策略，兼顧用戶和電網(wǎng)的利益，以集群充電站充電完成時(shí)間(單樁最大充電時(shí)長(zhǎng))及充電總費(fèi)用最小作為優(yōu)化目標(biāo)，提高充電效率，減少用戶費(fèi)用，同時(shí)起到平滑負(fù)荷、改善電能質(zhì)量等作用。

1 電動(dòng)汽車充電時(shí)長(zhǎng)

1.1 電動(dòng)汽車充電模式

目前電動(dòng)汽車主要的充電模式分為慢速充電、快速充電和電池更換三類。慢速充電模式充電時(shí)間較長(zhǎng)，適用于具備充電功能的大型停車場(chǎng)、居民小區(qū)等。快速充電方式主要用于高速公路上、超市、醫(yī)院等，主要對(duì)象是應(yīng)急充電和中長(zhǎng)途旅行的客戶。更換電池充電模式可以快速完成電池的加滿，多用于公共場(chǎng)合電動(dòng)汽車的電能補(bǔ)給[12]。

文中電動(dòng)汽車均采用慢速充電方式。

1.2 行駛里程

現(xiàn)有電動(dòng)汽車行駛數(shù)據(jù)不足以反映普遍的規(guī)律性，而電動(dòng)汽車運(yùn)行規(guī)律主要是由用戶自身的出行需求決定的。假設(shè)電動(dòng)汽車的使用不改變用戶的行駛特性，因此在分析中使用燃油汽車的相關(guān)運(yùn)行規(guī)律代替電動(dòng)汽車的運(yùn)行規(guī)律。

根據(jù)文獻(xiàn)[13-14]中美國(guó)交通部對(duì)全美家用車輛調(diào)查的統(tǒng)計(jì)結(jié)果,對(duì)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行歸一化處理后，用極大似然估計(jì)的方法,日行駛里程近似服從對(duì)數(shù)正態(tài)分布，其概率密度函數(shù)為：

(1)

式中：μd=3.68；σd=0.88；x為日行駛里程，km。

1.3 充電時(shí)長(zhǎng)

電動(dòng)汽車能耗、電池容量的差異性，使得行駛同一里程后電動(dòng)汽車蓄電池的荷電狀態(tài)存在差異性[11]；電動(dòng)汽車日行駛里程取決于用戶的出行習(xí)慣和行駛特性，具有隨機(jī)性特點(diǎn)；不同種類電動(dòng)汽車采用的蓄電池可能不同，充電特性也存在差異，這些因素都會(huì)導(dǎo)致電動(dòng)汽車充電時(shí)長(zhǎng)的不確定性。

本文以同一類電動(dòng)汽車為研究對(duì)象，忽略能耗差異性對(duì)充電時(shí)間的影響。假設(shè)電動(dòng)汽車行駛同樣路程消耗能量一樣，在充電功率一定下，行駛里程與充電時(shí)長(zhǎng)成正比例關(guān)系，充電時(shí)長(zhǎng)與日行駛里程關(guān)系式如下：

(2)

式中：tcr為充電時(shí)長(zhǎng)，h;x為日行駛里程，km；w為百公里耗電量，kW·h；Pc為充電功率，kW；η為充電效率。

2 電動(dòng)汽車集群充電策略數(shù)學(xué)模型

2.1 問題描述

公交車、公務(wù)車等有很強(qiáng)的運(yùn)行規(guī)律，有明確的停運(yùn)及運(yùn)營(yíng)時(shí)間，私家車在下班時(shí)間集中入庫(kù)，以上類型電動(dòng)汽車具有在某時(shí)間段內(nèi)停止行駛，方便對(duì)其進(jìn)行集中充電的特點(diǎn)，本文研究的問題就是如何對(duì)這類電動(dòng)汽車集中有序充電策略進(jìn)行優(yōu)化，使得所有電動(dòng)汽車完成充電時(shí)充電時(shí)長(zhǎng)最大樁充電時(shí)間最小及考慮峰谷電價(jià)不同的用戶充電總費(fèi)用最小。考慮到在同一臺(tái)充電設(shè)施充電的一組電動(dòng)汽車，組內(nèi)充電次序變化時(shí)，不影響該組電動(dòng)汽車充電完成時(shí)間，因此充電優(yōu)化只需通過確定每臺(tái)電動(dòng)汽車的充電設(shè)施的選擇，來優(yōu)化總充電時(shí)長(zhǎng)。

另外，若采用更換電池充電模式，可將電池類比上述電動(dòng)汽車，可以通過上述優(yōu)化目標(biāo)優(yōu)化每塊電池的充電。

2.2 數(shù)學(xué)模型

2.2.1 假設(shè)條件

設(shè)充電站充電設(shè)施臺(tái)數(shù)為N，在T時(shí)刻之前，所有電動(dòng)汽車進(jìn)入充電站，進(jìn)入充電站的電動(dòng)汽車輛數(shù)為M(M>N)。

假設(shè)條件如下：

(1)在T時(shí)刻之前，所有電動(dòng)汽車都已經(jīng)進(jìn)入充電站，等待充電。

(2)所有電動(dòng)汽車充滿電作為充電結(jié)束時(shí)間。

(3)電動(dòng)汽車以恒功率充電。

(4)每臺(tái)電動(dòng)汽車只能選擇一臺(tái)充電設(shè)施充電，充電完成前不允許更換充電設(shè)施。

(5)每臺(tái)充電設(shè)施在同一時(shí)刻只能對(duì)一輛電動(dòng)汽車充電。

2.2.2 目標(biāo)函數(shù)

本文以用戶充電總費(fèi)用最低及單樁最大充電時(shí)間最小作為目標(biāo)，目標(biāo)函數(shù)表達(dá)式如下：

minF=F1(X)+F2(X)

(3)

式中：F1(X)為集群充電中單樁最大充電時(shí)間對(duì)應(yīng)的充電費(fèi)用；F2(X)為用戶充電總費(fèi)用，計(jì)算公式如下：

(4)

式中：X為N×M矩陣，為待求問題的解；xi(i=1,2,…,M)為n維列向量，用來表示編號(hào)為i的電動(dòng)汽車所選擇的充電設(shè)施；Tev為M維列向量，ti(i=1,2,…,m)為Tev中元素，代表編號(hào)為i的電動(dòng)汽車充滿電的充電時(shí)長(zhǎng)；Pc為充電功率；α1為谷時(shí)電價(jià)；α2為峰時(shí)電價(jià)；T0為谷時(shí)段時(shí)間長(zhǎng)度。

2.2.3 約束條件

(1)變量邏輯約束

每輛電動(dòng)汽車只能選擇一個(gè)充電設(shè)施充電，充電完成前不允許更換充電設(shè)施。一個(gè)充電樁每個(gè)時(shí)刻只能給一輛電動(dòng)汽車充電，每個(gè)充電樁至少給一輛電動(dòng)汽車提供充電。xi(i=1,2,…,M)即元素i所在列的列標(biāo)代表該電動(dòng)汽車所選擇充電設(shè)施編號(hào)：

(5)

r(x1,x2,…,xM)=min(M,N)

(6)

若充電樁數(shù)目N=3，電動(dòng)汽車數(shù)目為M=5，則x2=(0,0,1)T表示編號(hào)為2的電動(dòng)氣車在3號(hào)充電樁充電。

(2)電動(dòng)汽車與充電設(shè)施數(shù)量關(guān)系約束

M>N

(7)

式中：M為電動(dòng)汽車數(shù)量；N為充電設(shè)施數(shù)量。

(3)充電功率約束

Pc=P0

(8)

式中：Pc為充電樁充電功率，即恒定功率充電。

(4)電動(dòng)汽車充電時(shí)長(zhǎng)約束

電動(dòng)汽車充電最小時(shí)長(zhǎng)由用戶出行時(shí)期望的電池荷電狀態(tài)決定，電動(dòng)汽車充電最大時(shí)長(zhǎng)由用戶最大續(xù)航里程決定，用戶電動(dòng)汽車充電時(shí)長(zhǎng)滿足下面約束：

tmin

(9)

(5)樁充電時(shí)長(zhǎng)約束

避免上一次集群充電對(duì)下一次集群充電的影響，樁充電時(shí)長(zhǎng)約束滿足：

0

(10)

2.3 充電流程

電動(dòng)汽車進(jìn)入充電站后，由于充電樁數(shù)目小于車數(shù)量，同時(shí)充電樁每個(gè)時(shí)刻只對(duì)一輛電動(dòng)汽車充電，其充電流程如下：

(1)電動(dòng)汽車用戶進(jìn)站后，對(duì)電動(dòng)汽車進(jìn)行編號(hào)，并通過剩余電量計(jì)算其充電需求時(shí)間。

(2)根據(jù)電動(dòng)汽車的充電時(shí)長(zhǎng)進(jìn)行有序充電優(yōu)化，得出一定規(guī)模電動(dòng)汽車充電優(yōu)化法方案，對(duì)應(yīng)編號(hào)電動(dòng)汽車所選擇的充帶電設(shè)施編號(hào)，選擇同一個(gè)充電設(shè)施充電的電動(dòng)汽車作為一組。

(3)工作人員將電動(dòng)汽車開到各自所需選擇的充電設(shè)施區(qū)域，并對(duì)各組電動(dòng)汽車在各自充電設(shè)施先后依次充電即可。

3 改進(jìn)遺傳算法求解

遺傳算法是模仿生物遺傳與進(jìn)化原理的一種自適應(yīng)概率優(yōu)化方法。它通過基因(變量)的組合編碼來描述優(yōu)化問題的解(個(gè)體)，可方便地處理離散變量。它根據(jù)適應(yīng)度值的大小來決定個(gè)體的性能，并通過優(yōu)勝劣汰的原則來進(jìn)行種群的遺傳進(jìn)化，具體的遺傳操作包括選擇、交叉和變異算子。

本文采取二進(jìn)制編碼，對(duì)X進(jìn)行編碼，X由M個(gè)N維列向量組成，可以看成多決策量，每一個(gè)列向量xi都可以看成一個(gè)決策量，xi是N維向量且其中元素組成只有0，1，可以直接作為遺傳編碼，本文考慮到xi的特點(diǎn)，對(duì)其改進(jìn)可以縮短編碼長(zhǎng)度。具體編碼過程如下：

xi是一列向量，且其中只有一個(gè)元素為1，將其轉(zhuǎn)換zi(zi為正整數(shù))，zi滿足下式：

xi(zi)=1 (1≤zi≤N)

(11)

式中：zi為xi列向量中元素為1的列標(biāo)，zi值反應(yīng)編號(hào)為i電動(dòng)汽車的選擇的充電設(shè)施的編號(hào)。

zi是一正整數(shù)，xi取值范圍都一樣，所以xi的二進(jìn)制編碼位數(shù)一樣長(zhǎng)，此處首先確定二進(jìn)制編碼的位數(shù)l，取決于充電樁數(shù)目N，l與N之間的關(guān)系滿足如下：

2l-1

(l,N均為正整數(shù))

(12)

對(duì)zi進(jìn)行二進(jìn)制編碼為：

zi→ai1ai2…ail,aij∈{0,1}

(j=1,2,…,l)

Z的二進(jìn)制編碼

Z=(z1,z2,…,zm)

Z→a11a12…a1la21a22…a2l…am1am2…aml

其中

aij∈{0,1}，i=1,2,…,m;

j=1,2,…,l

對(duì)X的整個(gè)編碼過程如下：

X→Z→a11a12…a1la21a22…a2l…am1am2…aml

上述編碼中aij值根據(jù)文獻(xiàn)[15]中介紹的謝菲爾德大學(xué)遺傳算法工具箱確定。

其他步驟與一般遺傳算法步驟一致，在此不再贅述。

本文遺傳算法計(jì)算流程如圖1所示。

圖1 基于改進(jìn)遺傳算法電動(dòng)汽車集群充電計(jì)算流程

4 算例

充電設(shè)施數(shù)目N取8，電動(dòng)汽車數(shù)目M取30，充電效率η取0.9，百公里耗電量w取15kW·h，Pc取4.5kW。設(shè)該充電站所處地電力負(fù)荷谷時(shí)段為22時(shí)至次日8時(shí)，即谷時(shí)段時(shí)間T0為10h，谷時(shí)電價(jià)以0.3元/°，其他時(shí)刻以2元/°計(jì)。電動(dòng)汽車集群充電開始時(shí)間為22時(shí)，電動(dòng)汽車的充電時(shí)長(zhǎng)采取蒙特卡洛模擬仿真的處理，根據(jù)日行駛里程概率分布抽取30輛汽車的日行駛里程，在本文中假設(shè)下，根據(jù)式(2)計(jì)算各車充電時(shí)長(zhǎng)，以此作為本文充電時(shí)長(zhǎng)計(jì)算的樣本。幾類典型電動(dòng)汽車?yán)m(xù)航里程如表1所示[16]。

表1 幾類典型電動(dòng)汽車?yán)m(xù)航里程

從表中可看出電動(dòng)汽車?yán)m(xù)航里程在130～300 km之間，本文以200 km作為電動(dòng)汽車的續(xù)航里程，假設(shè)電動(dòng)汽車用戶出行時(shí)希望電池蓄電池荷電狀態(tài)SOC不低于80%，則電動(dòng)汽車進(jìn)入充電站后電池蓄電池荷電狀態(tài)SOC低于80%就有充電需求，因此本文抽取行駛里程為40～200 km之間的數(shù)據(jù)作為計(jì)算樣品，由式(4)可知，在M=8時(shí)，l=3，即每一個(gè)xi用3位二進(jìn)制編碼，從而X二進(jìn)制編碼長(zhǎng)度為90。遺傳參數(shù)設(shè)置如表2所示。

表2 遺傳算法參數(shù)設(shè)置

根據(jù)行駛里程隨機(jī)抽取并計(jì)算得到的充電時(shí)長(zhǎng)數(shù)據(jù)如表3所示。

表3 電動(dòng)汽車充電時(shí)長(zhǎng)數(shù)據(jù)

遺傳算法和無序充電結(jié)果比較如下：

無序充電是指電動(dòng)汽車滿足上文約束條件隨機(jī)分配到充電站中的充電樁上充電。電動(dòng)汽車充電分配如表4所示。

由上述充電結(jié)果，得到集群充電單樁最大充電時(shí)長(zhǎng)及用戶充電總費(fèi)用如表5所示。

從上述結(jié)果看，采用遺傳算法優(yōu)化后，與無序充電場(chǎng)景比較，充電時(shí)長(zhǎng)最大樁充電時(shí)間減少了9.55 h，費(fèi)用減少了117.20元，集群充電費(fèi)用降低了49.90%。從樁充電時(shí)長(zhǎng)方差，可看出遺傳算法優(yōu)化后的方差遠(yuǎn)小于無序充電下方差，即本文所采用的方法，使得各個(gè)充電樁充電時(shí)長(zhǎng)互相接近，從而使單樁最大充電時(shí)長(zhǎng)減少，同時(shí)使更多電動(dòng)汽車的充電過程在負(fù)荷低谷時(shí)段進(jìn)行，低谷時(shí)段的電價(jià)低，使得用戶充電總費(fèi)用降低。

表4 電動(dòng)汽車充電分配及對(duì)應(yīng)樁充電時(shí)長(zhǎng)

表5 遺傳算法和無序充電優(yōu)化結(jié)果比較

5 結(jié)論

電動(dòng)汽車行駛里程的隨機(jī)性，導(dǎo)致每臺(tái)電動(dòng)汽車充電時(shí)長(zhǎng)的差異性，本文在電動(dòng)汽車充電時(shí)長(zhǎng)的分析基礎(chǔ)上，建立了一定規(guī)模電動(dòng)汽車集群充電優(yōu)化模型，采用遺傳算法求解。當(dāng)充電設(shè)施有限時(shí)，與無序充電場(chǎng)景對(duì)比，本文所采用的方法能夠使得電動(dòng)汽車集群充分利用負(fù)荷低谷時(shí)段完成充電，對(duì)電網(wǎng)起到削峰填谷作用，進(jìn)一步減少用戶充電費(fèi)用。

本文是對(duì)同一類型電動(dòng)汽車全部進(jìn)站后，對(duì)電動(dòng)汽車集群充電策略優(yōu)化進(jìn)行研究。在電動(dòng)汽車發(fā)展初期，電動(dòng)汽車進(jìn)站時(shí)間相對(duì)集中，但未來隨著電動(dòng)汽車規(guī)模增長(zhǎng)，需計(jì)及不同類型電動(dòng)汽車、電動(dòng)汽車進(jìn)站時(shí)間對(duì)集群充電時(shí)長(zhǎng)的影響，以便提高充電設(shè)施利用率，進(jìn)一步縮短充電完成時(shí)間。

[1] 肖湘寧,溫劍鋒,陶順,等.電動(dòng)汽車充電基礎(chǔ)設(shè)施規(guī)劃中若干關(guān)鍵問題的研究與建議[J].電工技術(shù)學(xué)報(bào),2014,29(8):1-10.

[2] 中華人民共和國(guó)國(guó)務(wù)院.國(guó)務(wù)院關(guān)于印發(fā)節(jié)能與新能源汽車產(chǎn)業(yè)發(fā)展規(guī)(2012～2020年)的通知[EB/OL]. http://www.gov.cn/zwgk/2012-07/09/content_2179032.htm,2012-07-09.

[3] 胡澤春,宋永華,徐智威,等.電動(dòng)汽車接入電網(wǎng)的影響與利用[J].中國(guó)電機(jī)工程學(xué)報(bào),2012, 32(4):1-10.

[4] 劉青,戚中譯.基于蒙特卡洛法的電動(dòng)汽車負(fù)荷預(yù)測(cè)建模[J].電力科學(xué)與工程,2014,30(10): 14-19.

[5] 艾學(xué)勇,顧潔,解大,等.電動(dòng)汽車日充電曲線預(yù)測(cè)方法[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào),2013, 25(6):25-30.

[6] 楊波,陳衛(wèi),文明浩,等.電動(dòng)汽車充電站的概率負(fù)荷建模[J].電力系統(tǒng)自動(dòng)化,2014,38(16):67-73.

[7] 楊少兵,吳命利,姜久春,等.電動(dòng)汽車充電站負(fù)荷建模方法[J].電網(wǎng)技術(shù),2013, 37(5):1190-1195.

[8] 艾圣芳,林湘寧,萬云飛,等.考慮V2G模式的含多個(gè)電動(dòng)汽車充電站有源配電網(wǎng)規(guī)劃研究[J]. 中國(guó)電機(jī)工程學(xué)報(bào),2013,33(34):122-129.

[9] 高亞靜,呂孟擴(kuò),王球,等.計(jì)及網(wǎng)損與電動(dòng)汽車車主利益的分時(shí)電價(jià)研究[J].電力科學(xué)與工程,2014,30(7):37-42.

[10] 李秋碩,肖湘寧,郭靜,等.電動(dòng)汽車有序充電方法研究[J].電網(wǎng)技術(shù), 2012, 36(12):32-38.

[11] 徐智威,胡澤春,宋永華,等.充電站內(nèi)電動(dòng)汽車有序充電策略[J].電力系統(tǒng)自動(dòng)化,2012, 36(11):38-43.

[12] 屠影.電動(dòng)汽車充電模式及其負(fù)荷特性分析[D].南京：南京理工大學(xué),2013：7-9.

[13] VYAS A,SANTINI D.Use of national surveys for estimating ‘full’ PHEV potential for oil use reduction[EB/OL].http://www.transpotation.anl.gov/pdfs/HV/525.pdf,2008-07-21.

[14] TAYLOR J,MAITRA A,ALEXANDER M,et al. Evaluation of the impact of plug-in electric vehicle loading on distribution system operations[C]// IEEE Power & Energy Society General Meeting, 2009:1-6.

[15] 史峰,王輝,郁磊,等.MATLAB智能算法30個(gè)案例分析[M].北京：北京航空航天大學(xué)出版社，2011：3-16.

[16] 楊冰,王麗芳,廖承林,等.不確定充電習(xí)慣對(duì)電動(dòng)汽車充電負(fù)荷需求及充電負(fù)荷調(diào)節(jié)的影響[J].電工技術(shù)學(xué)報(bào),2015,30(4):226-232.

An Optimal Charging Strategy of Electric Vehicle Aggregated in a Certain Scale

FENG Ming, XIONG Wei

(College of Electrical Engineering, GuiZhouUniversity,Guiyang 550025,China)

With wide application of electric vehicles, the optimal charging strategy for electric vehicles can not only improve the electric vehicle charging efficiency, but also shift peak load. This paper focuses on the centralized charging mode of electric vehicles aggregated in a certain scale during a fixed period of time. Firstly the stochastic characteristics of the electric vehicle charging time are studied, and an optimal charging strategy for aggregated electric vehicle deeming minimum total user cost and minimum of maximum charging time for a single charging pile as its objectives, is presented considering peak-valley electricity price. Then, the problem is solved by the improved genetic algorithm. The results are compared with the ones of random charging case. Finally, the feasibility and effectiveness of the proposed method are verified with the obtained results.

electric vehicle(EV);charging time; strategy of coordinated charging; genetic algorithm

常學(xué)佳(1990-)，男，碩士研究生，主要從事電力系統(tǒng)輸電斷面方面的研究。

10.3969/j.ISSN.1672-0792.2017.05.006

2016-12-08。

TM727.2

A

1672-0792(2017)05-0029-06