[发明专利]一种电动汽车有序充电优化方法及系统

权利要求书

1.一种电动汽车有序充电优化方法，其特征在于，该充电优化方法所采用的充电优化系统包括处理模块、通信模块、信息获取模块和功率选择模块，信息获取模块和功率选择模块分别经通信模块与处理模块连接，信息获取模块和功率选择模块分别与电动汽车连接，电动汽车有序充电优化方法具体步骤如下，

步骤1：当电动汽车接入充电桩时，获取电动汽车的接入时间、剩余电量和用户期望电量充满时间；

步骤2：根据所获得的剩余电量信息选择充电功率；

步骤3：根据当前小区的用户用电负荷信息、光伏发电输出功率信息和电动汽车充电负荷相关信息，建立优化模型，以小区变压器功率峰谷差最小化作为优化目标构筑目标函数，以不超过变压器额定功率作为约束条件，采用莫楞贝突变遗传算法对电动汽车的充电时间进行求解，得到每辆电动汽车的最佳接入时间；

步骤4：根据莫楞贝突变遗传算法求解结果，作出相应的用电负荷曲线；

所述采用莫楞贝突变遗传算法对电动汽车的充电时间进行求解，具体步骤如下，

1)生成初始种群，Np为种群中个体数量，设置总迭代数、总变异数；

2)随机选择2个个体进行交叉，若交叉后优于亲本则进行替换；

3)交叉数增加1，迭代数增加1；

4)判断交叉数是否不小于N_p/2；

4.1)若交叉数小于N_p/2，则执行步骤2)；

4.2)若交叉数大于等于N_p/2，则执行步骤5)；

5)根据适应度来分配总群；

6)随机选择个体进行变异，若变异后优于亲本则进行替换；

7)变异数增加1，迭代数增加1；

8)判断变异数是否大于等于总变异数；

8.1)若变异数大于等于总变异数，则执行步骤9)；

8.2)若变异数小于总变异数，则执行步骤6)；

9)根据适应度来分配总群；

10)判断是否达到总迭代数；

10.1)若未达到总迭代数，则执行步骤2)；

10.2)若达到总迭代数，则结束；

所述莫楞贝突变遗传算法的变异采用的变异算子如下

m′_i＝m_i±range_i·γ,a_im_ib_i (1)

式中m_i为要突变的参数，m′_i为莫楞贝突变的结果参数，range_i为突变范围；

式中γ为突变概率，α_k∈{0,1}，其中概率

2.根据权利要求1所述的电动汽车有序充电优化方法，其特征在于，所述选择充电功率为选择快速充电模式或者慢速充电模式；所述快速充电模式充电过程中保持功率恒定；所述慢速充电模式进行低功率充电；充电功率模型为

式中f为功率选择函数，单位为千瓦kW，x为电池剩余电量百分比。

3.根据权利要求1所述的电动汽车有序充电优化方法，其特征在于，步骤3中，所述优化模型以变压器功率峰谷差最小化作为目标函数，即minF₂，

其中

F₂＝maxF₁-minF₁ (4)

式中F₁为变压器功率，F₂为变压器功率峰谷差；

约束条件为

其中

F₁＝P_base.t+P_vehicle.t-P_pv.t (6)

式中P_base.t表示t时刻居民用电消耗的功率；P_vehicle.t表示t时刻电动汽车充电消耗的功率；P_pv.t表示t时刻光伏发电的输出功率；S_N表示变压器的额定容量；表示变压器额定功率因数。