[发明专利]含光伏发电系统的电动汽车充电站的多目标优化调度方法

说明书

技术领域

本发明涉及含光伏发电系统的电动汽车充电站的多目标优化调度方法，属于智能电网技术领域。

发明背景

随着电动汽车在世界各国的广泛发展，充电基础设施的规划与建设问题已得到我国政府的更多关注。目前我国电力系统发电侧的一次能源仍以煤炭为主（约占75%～80%），电动汽车通过充电基础设施直接接入电网充电，实际所产生的间接碳排放量相比传统燃油汽车并不占明显优势，并且难以减轻对化石燃料的依赖。这种情况下，要实现真正意义上的低碳，存在两种方式：一是大力发展可再生能源发电系统，协同调度电网中电动汽车充电和可再生能源发电，提高电网对可再生能源的消纳能力；二是直接建立充放电设施与分布式可再生能源发电系统的关联，实现可再生能源的就地消纳利用。从当前的发展情况来看，调整电网的一次能源结构是非常困难的，通过可再生能源与电动汽车的就地集成，可以有效提高可再生能源利用率，降低碳排放量。

图1为含光伏发电系统的电动汽车充电站结构示意图.如图1所示，含光伏发电系统的电动汽车充电站一般电气结构包括：光伏发电系统，通过直流转直流（DC/DC）变换器与直流母线相连；储能系统，通过直流转直流（DC/DC）变换器与直流母线相连；光伏充电站停车位，停在光伏充电站停车位待充电的电动汽车与充电桩相连；充电池通过直流转直流（DC/DC）变换器与直流母线相连；交流配网通过交流转直流（AC/DC）变流器后与直流母线相连；中央控制单元与交流母线相连。所述储能系统一般为蓄电池组。

光伏发电系统的电动汽车充电站的运行策略为：（1）在一定的时间周期（如一天）内，有N辆车在不同时段停放在光伏充电站的充电车位上；充电站的电能来源于光伏发电和配电网供电；在停放时间段内由系统根据光伏及电价情况优选起始充电时间，通过充电桩对其充电。（2）假定充电站运营商是光伏发电的投资主体，使用过程中不需再另付来自光伏发电的购电费用；配电网通过交流转直流（AC/DC）变流器向系统供电，采用分时电价（在电网负荷高峰时段电价高，负荷低谷时段电价低）。（3）储能系统根据自身荷电状态（SOC），随光伏发电及电价情况灵活调整充放电方式。在光伏发电功率大于电动汽车充电需求时，利用光伏剩余电能给储能充电；在光伏发电功率不能满足电动汽车充电需求时，储能系统释放电能，与配电网共同对电动汽车充电。

但是，目前仍缺乏针对含光伏发电系统的电动汽车充电站的优化调度方法。

光伏充电站与常规充电站相比，除了在站内配备光伏发电系统外，考虑到光伏发电的波动、间歇特性，还需配备一定容量的储能系统。这种情况下，一方面需尽可能利用光伏发电电量，降低从电网的购电费用；另一方面，需考虑储能系统的使用寿命问题，尽可能降低储能的循环电量。因此，常规充电站的优化调度方法不能完全适用。

当一个优化问题的目标函数大于一个且需要同时处理时即形成多目标优化问题。对于一个多目标优化问题，我们关注其Pareto最优解集（非支配解集），即综合考虑各目标后的折中解集合。20世纪八九十年代以来，各国学者相继提出了不同的多目标进化算法，主要包括MOGA（Multi-objective Genetic Algorithm）、NPGA（Niched Pareto Genetic Algorithm）、SPEA（Strength Pareto Evolutionary Algorithm）、NSGA（Non-dominated Sorting Genetic Algorithm）和NSGA-II等算法。

NSGA-II是Deb等人于2002年在对NSGA算法改进的基础上提出的，是目前认可度较高的多目标进化算法之一。相对于NSGA算法，其具有以下主要优点：

（1）采用基于分级的快速非支配排序法，计算复杂度为O(mN2)（其中,m为目标函数的个数，N为种群中个体的数量）；

（2）提出拥挤距离的概念，用以表示快速非支配排序后同级中不同元素的适应度值，使当前Pareto前沿中的个体能够尽可能均匀地扩展到整个Pareto前沿面，拥挤距离的时间复杂度为O(m(2N)log(2N))；

（3）引入精英保留机制，通过子代个体与其父代个体的共同竞争来产生下一代种群，有利于提高种群的整体进化水平。

发明内容

本发明的目的在于，针对上述不足之处公开了含光伏发电系统的电动汽车充电站的多目标优化调度方法，为示范城市电动汽车充电基础设施建设提供理论依据和技术支撑，并有利于提高充电站内整体运行的经济效益。