多智能體充電樁協同充電控制方法研究

李剛 饒亦然 熊孝國

摘要：在分析充電樁負荷特性、管理架構的基礎上，提出基于多智能體充電樁協同充電控制方法。建立充電樁負荷模型和。采用蒙特卡洛方法模擬電動汽車用戶的充電行為。在考慮電動汽車的充電功率、充電時間以及變壓器可用容量等約束條件的前提下，針對35kV片區配電網中電動汽車接入充電的優化問題，提出基于多智能體充電樁協同充電控制優化策略。仿真結果表明多智能體協同控制策略能夠有效地實現電動汽車充電負荷的“移峰填谷”，減小電網峰谷差。

關鍵詞：電動汽車;充電優化;多智能體;協同控制;復雜自適應系統;模型;負荷管理

引言

電動汽車（EV）作為一種新型交通工具，在緩解能源危機、減少環境污染等方面具有非常大的優勢。電動汽車的普及已成為一種趨勢工，工信部《電動汽車發展戰略研究報告》預測，2030年全國電動汽車保有量將達到6000萬輛。

本文以慢充方式的家庭用電動汽車為主要研究對象，在分析電動汽車充電負荷特性和管理架構的基礎上，將電動汽車和充電樁定義為具有智能的主體，并建立了單個電動汽車智能體的負荷模型和基于多智能體系統的充電優化模型，采用多智能體協同控制的策略對電動汽車的充電優化問題進行求解分析。

1電動汽車充電負荷特性分析

電動汽車充電負荷的建模是研究電動汽車充電優化策略的基礎。首先需要分析充電負荷的影響因素，主要包括以下幾個方面。

a.電動汽車類型。電動汽車的主要類型為公交車、出租車、公務車、私家車等卩氣不同類型電動汽車的用戶用車行為和充電行為差別較大。像公交車、出租車、公務車這類公用車的日行駛里程遠遠大于私家車，一般需要快速充電或者換電池的模式。私家車使用非常靈活，一天中90%以上的時間都處于停駛狀態，有足夠的時間充電，便于協調調度，而且將來私家車的比例會越來越大，研究其充電優化不僅可以為用戶節約充電成本，而且可以為電網提供“移峰填谷”等服務，所以本文中主要研究私家車的充電優化。

b.電動汽車的電池特性。包括電池類型、電池容量、充電速率等。電動汽車的電池主要包括鉛酸、鐐氫、鐐鎘、鋰離子、鈉硫等類型。雖然當前可用于電動汽車的動力電池類型較多，但是根據對電池比能量、效率、比功率等方面的性能對比得出結論，鋰離子電池具備最佳的綜合性能，將有望推動電動汽車的大規模商業化。電池容量決定了電動汽車的續航里程。充電速率決定了實際的充電功率及充電負荷曲線。

C.出行需求和使用習慣C主要指用戶的日行駛里程、出行時間、岀行頻率與岀行目的等，它們決定了用戶的充電時間、需求電能以及獲得充電服務的情況。當前基于出行需求的計算方法認為是電動汽車對傳統車輛的替代使用，不會影響用戶的出行特征，從而可以利用用戶出行特征的統計數據進行研究，通過蒙特卡洛模擬抽樣，可以方便地獲得具有時序特征的充電負荷信息。

d.電動汽車充電方式。不同的充電方式對應的充電負荷具有顯著區別。從充電速率的角度而言，可以分為慢充、快充和電池更換3類;從控制的角度而言，可以分為直接、間接2類。直接控制是由調度機構直接制定充電計劃，并且發送給各電動汽車執行充電。間接控制是指通過制定峰谷電價、實時電價或輔助服務價格等途徑對用戶充電行為加以引導本文主要考慮慢充方式和間接控制方式。

2電動汽車的充電管理架構

2.1電動汽車充電管理架構分析

在近期的一些文獻中介紹了多種電動汽車充電管理的架構，比較有代表性的有集中控制、分層控制和分布式控制3種。

a.集中控制。電動汽車調度問題采取的是由調度機構進行直接調度的模式。對電動汽車的充電進行控制需要電動汽車與電網進行信息交互，交互的內容包括電動汽車的充電需求、停車狀態、電池荷電狀態等。但目前配電網的信息化程度還不夠，配電控制中心對于配網運行實時信息掌握不全，基于在線運行的電動汽車大規模充電控制難度較大，而且大規模電動汽車接入電網時，集中調度模式還會導致在相應優化問題中出現“維數災”問題。

b.分層控制。采用分層分區控制的模式來緩解集中控制中遇到的維數災和通信要求高的問題。在該模式下，一般由配電系統調度機構或第三方電動汽車代理負責某一區域內電動汽車的協調調度，這樣電動汽車的調度問題就分解成為了輸電系統調度問題和若干區域調度問題，可以緩解調度中心的壓力，研究的重點可放在配電系統內各區域的電動汽車最優調度問題上。

c.分布式控制。由于電動汽車分屬于千百萬不同的用戶，它們接入電網及其充電的操作權限也相應地歸屬于不同用戶，所以具有明顯的移動、分散以及不確定性，其充電優化實質上是一個分布式決策的問題的。電動汽車和充電設備看作是多代理系統中的智能體，該智能體可以根據本身的狀態和外部環境的變化做出相應的決策，自主選擇充電站、充電方式，較好地仿真模擬了電動汽車的充電行為。這種分布式控制的方式可以在一定程度上有效地整合規模龐大但時空特性分散的電動汽車進行有序充電，實現電動汽車的分散自治。

本文提出了一種基于多智能體的電動汽車協同充電優化策略。在該策略中.每個電動汽車智能體可以根據自身的充電需求參數和配電變壓器的負荷信息.在滿足自身需求的情況下。以變壓器負荷的“移峰填谷”為目標.制定自身的充電計劃。

基于多智能體的電動汽車協同充電流程

a.初始化電動汽車的參數。包括電動汽車的數最、用戶接入電網和離開電網的時間（可以獲得該用戶可用的充電時段）、日行駛里程、充電效率、額定充電功率等。

b.初始化迭代參數。將Id分為24個時段，每個時段內接入電網充電的電動汽車的數量為M（根據蒙特卡洛抽樣獲取）。

c.根據時間段數進行迭代，將電動汽車按照接入電網時間分配到各個時段。

d.在每個時間段內根據電動汽車的數量進行迭代，每個電動汽車根據自身的接入電網時間、離開電網時間、充電需求等參數，同時結合迭加了該時段內該車接入之前的電動汽車充電負荷的變壓器負荷信息，從而計算出適合自身的充電時段。

e.計算疊加了當前電動汽車充電負荷之后的總負荷如“并和變壓器的最大負荷進行比較，如果則生成該電動汽車的充電計劃并更新變壓器的負荷信息;反之則退出循環（該時段不再接受充電）。

f.按時段循環迭代至t=24，隨時間的推進依次獲取1d內每臺電動汽車的充電計劃。

3結論

本文針對大量電動汽車接入電網之后的充電優化問題展開研究.分析了電動汽車充電負荷的特性和管理架構.提出了基于多智能體的電動汽車協同充電管理架構。基于建立的電動汽車充電優化模型。在變壓器以下采用基于多智能體協同優化的充電模式.能夠有效地實現電動汽車充電負荷的“移峰填谷”.減小電網峰谷差.并且可以將上層調度機構的范圍縮小在變壓器以上.從而有效地避免了大規模電動汽車充電優化的“維數災”和“通信要求高”等問題.為電動汽車充電優化提供了一條新的途徑。本文研究中假定各變壓器下接人的電動汽車組成一個多智能體系統.其用戶通過和電網公司簽署雙贏協議的形式來參與電網公司的“移峰填谷”任務.而且只考慮了配網變壓器容量限制的安全約束。下一步可以結合電價的引導機制.同時考慮更多的安全約束來進行更深層次的研究。

參考文獻

[1]王建，吳奎華，劉志珍，等.電動汽車充電對配電網負荷的影響及有序控制研究[J].電力自動化設備，2013，33（8）：47—52.

[2]草見吉.一種分體式多槍柔性充電堆直流充電機的設計與應用研究[J].機電產品開發與創新，2019.32（6）：2-3.

[3]曹陽，物桃月，邱望標.蓄電池組智能均充裝置的設計[J].裝備制造技術，2016（6）：55-56.