基于遺傳算法的小區電動汽車充電策略研究

摘 要：大量電動汽車的充電負荷無序接入，會對電網造成很多負面影響，因此需要對居民進行有序充電策略研究。本文先根據居民區車主行為特性搭建充電負荷模型，并對無序充電進行仿真計算分析。再利用遺傳算法模擬仿真出不同時段下的有序充電結果，分析論證優化的可行性。

關鍵詞：電動汽車充電 有序充電 遺傳算法

1 電動汽車用戶的無序充電分析與仿真

無序充電是指用戶根據自身生活及出行習慣自主進行的充電行為，不受外界因素影響［1］。不考慮存在引導用戶充電的因素，用戶通常在抵達家中后立即開始充電，充電行為將持續至用戶下一次需要用車或電池電量達到用戶所設定的預期值（本文假設為預期電量值為100%），結束本次的充電行為。

建立模型時，用戶歸家時間、離家時間以及行駛里程這三個參數通常被視為相互獨立的隨機變量。本文以某小區為樣本建立模型，相關參數如下［2］：

（1）小區變電所配置總容量為1600kVA，功率因數0.9。

（2）共230戶，一戶一輛電動車。

（3）電動汽車滲透比為30%。

（4） 230戶居民購買的電動汽車電池類型均為鋰電池，電池的額定容量為40kW·h，額定充電功率為7kW，每百公里耗電量0.5kW·h/km。

（5）當小區電動汽車進行充電時，均選擇常規的慢速充電方式進行充電。

（6）居民對電動汽車的預期充電量均為電池電量充至100%。

通過觀察多日負荷數據可以發現常規用電負荷具有規律性，選取多日常規負荷數據均值作為算例中小區常規負荷［3］。按照時30分鐘劃分一個時間間隔，一天即分為48個時段，最后再將仿真結果的橫坐標換算回24小時，小區常規負荷曲線如圖1所示。

根據上述假設條件，第a個時間段內小區充電總負荷為多輛電動汽車充電負荷疊加求和的值，計算公式如式1所示：

其中

— —第a段時間中總充電負荷，a＝1，2，…，48；

M— —汽車總數；

— —第個時間段時，第m輛車的充電功率。

將a個時段內的充電總負荷與小區平時居民的常規用電負荷相加求和，即可得該時段小區居民配電總負荷的值，具體如式（2）所示：

具體步驟如下：

1.首先將仿真次數M初始化，設已經進行的仿真次數m=１，且m≤M。

2.小區電動汽車總數初始化后為Nh。設當前待充電車輛為第n輛電動汽車，并令n初始值為1，且n≤Nh。

3.利用隨機數得出日行駛里程為d。

4.計算電動汽車開始充電的初始電荷量Ss，即電動汽車返回小區時電池剩余的電荷量。

5.判斷該輛電動汽車本輪是否需要充電。首先判斷電池剩余電量是否滿足充電條件，如滿足則進行下一步，如不滿足則返回第三步，使n=n+1，繼續下一輛車的負荷計算過程。

6.設電動汽車起始充電時間值為Tc，且Tc為隨機值，并且用戶返回小區時刻即電動汽車開始充電時刻。

7.計算電池從當前電量充至100%電池電量所需的時間。

8.疊加每一個時間段內的充電負荷。

9.判定是否完成對所有車輛的計算。

①當n=Nh，則對所有電動汽車充電的負荷完成相應計算過程，可以跳轉至下一步驟；

②若n≤Nh，則表示仍有電動汽車未完成充電負荷計算，則程序跳轉回第3步，同時更新n=Nh+1，通過這樣的循環迭代過程，繼續對下一輛電動汽車進行充電負荷的計算。

10.對程序仿真運行次數是否達到設定值M進行判斷。當m=M時，則判定仿真結束；當m＜M時，則意味著仿真次數還未達到設定值，程序跳轉回到第2步，并使m=m+1，同時重復上述計算，直到仿真運行次數達到設定值M。

設置仿真次數M為1000，運行結束后，具體曲線圖如圖2所示。

可以看出，充電負荷主要集中在下午2時至凌晨0時。電動汽車的充電需求從下午5時開始顯著增加，在晚上8時左右達到頂峰。此時段常規用電負荷疊加充電負荷后，會導致總負荷超出了小區變壓器總容量的限制。而晚上9時至次日凌晨1，隨著電動汽車的電池充電電量逐漸達到用戶預期（即100%電量），充電負荷開始不斷下降，該時段小區常規用電負荷和用電總負荷也隨之下降［4］。

2 電動汽車有序充電

通過上文仿真可以看出，無序充電會使得小區電動汽車充電高峰與常規用電負荷高峰重合，導致總負荷峰值超出小區配變能承受的最大負荷，引起“峰上加峰”等問題。因此引入有序充電算法是十分必要的。

2.1 遺傳算法（GA）

遺傳算法通過“生存”與“檢測”等迭代過程，實現了高效的優化搜索，體現了生物進化中的自然選擇與遺傳機制[5]。GA會在迭代過程中反復迭代整個單一解，每一步過程中會從當前種群中選擇優良個體進入下一代，并通過這些優良個體為下一代繁殖后代，最終整個種群會朝著“最佳解決方案”進化[6]。當多個目標在特定區域內均要求達到最優解時，這些目標之間往往會出現沖突。為了求解此類問題的帕累托（Pareto）最優解，本文采用并列選擇法。

2.2 分時電價

本文將電價納入仿真建模的關鍵因素考慮，為準確描述電價對充電負荷的影響，本文引入價格彈性，它能夠有效反映電價波動時充電需求的變化趨勢[7]。

價格彈性系數的計算公式如式（3）為：

在本文的仿真建模過程中，價格彈性系數為負數，以定量描述這種負向關聯[8]。電動汽車用戶的充電需求與分時電價響應關系如圖3所示：

由上圖可以得知，居民小區電動汽車電能代理商在制定分時電價策略時既要考慮到配電網側的利益，也應該考慮到電動汽車用戶側的利益，二者平衡才能確保充電策略有效施行。綜上所述設定分時電價的波動限值約束如式（4）、（5）所示：

式中，以及分別表示分時電價的上下限，為分時電價的平均值，單位均為元/kW·h。

3 案例仿真

假設初始電價為1元／（kW·h），最低充電電價不得低于發電的邊際成本電價0.25元/（kW·h），最高電價不得高于2元／（kW·h）。根據參考文獻[9]可得電動汽車在峰、谷、平時段的價格彈性矩陣：

遺傳算法通過迭代過程不斷優化種群中的個體，通過不斷迭代和選擇，最終可以得到優化后的峰谷平時段電價，如表1所示。

如圖4所示，是利用遺傳算法計算并優化后的有序充電負荷曲線。

由圖4可以看出，當到達設定的峰時段時，系統總負荷曲線明顯呈下降趨勢，而電價谷、平時段，充電負荷開始上升，起到了一定的“削峰填谷”作用。

表2所示為無序充電和優化后有序充電的相關數據對比，從表格中可以看出充電策略優化后用戶充電消費金額和符合均方差都明顯降低。

由上述圖表可知，當用戶按照出行習慣給電動汽車充電時，這些接入電網的無序負荷將會給小區配電系統及該區域配電網帶來干擾，而這些干擾會對電網運行的經濟性和穩定性造成一定影響。

4 結語

本文先對小區電動汽車用戶的無序充電進行仿真，發現小區電動汽車無序充電負荷疊加常規用電負荷后，總負荷在用電高峰時段會超出變壓器總配置容量，對電網經濟安全穩定運行產生如用戶充電費用增加、小區配電變壓器過載等不良影響，電動汽車滲透率越高，影響越嚴重。通過實施分時電價發現可以有效引導用戶在特定時間段進行充電，從而降低峰谷負荷差異。因此，本文以配電系統峰谷均方差最小化為目標函數，通過合理的電價策略來引導用戶充電，構建電動汽車有序充電模型。通過算例分析可知，高響應度的用戶更加傾向于根據電價變動調整自身的充電行為，從而更加有效地平衡了電網負荷，起到一定“削峰填谷”的作用。

參考文獻：

[1]桂俊平，常湧，李行之，等.基于分時電價的電動汽車充電負荷影響研究[M].武漢大學學報（工學版）2018（10），915-919+935.

[2]王曉輝.社區電動汽車有序充電策略的研究[D].南昌：南昌大學，2021.

[3]黑桐.居民小區內電動汽車有序充放電策略研究[D].濟南：山東大學，2018.

[4]李鵬廣.小區電動汽車分布式充放電控制策略研究[D].湖南：湘潭大學，2019.

[5]歐名勇，陳仲偉，譚玉東，等.基于峰谷分時電價引導下的電動汽車充電負荷優化[J].電力科學與技術學報，2020，35（05）：54-59.

[6]李慶.多目標優化遺傳算法的改進及其在有序充電中的應用研究[D].青島：山東科技大學，2020.

[7]智威，胡澤春，宋永華，等.充電站內電動汽車有序充電策略[J].電力系統自動化，2012，36（11）：38-43.

[8]茍方杰.考慮出行不確定性的電動私家車充電策略研究[D].成都：西南交通大學，2020.

[9]胡澤春，宋永華，徐智威，等.電動汽車接入電網的影響與利用[J].中國電機工程學.