[发明专利]综合考虑车主和运营商利益的充电站负荷调度模型

摘要

综合考虑车主和运营商利益的充电站负荷调度模型，包括模式分析、建立目标函数、构建约束条件、模型求解与寻优四个步骤。设tstart为调度开始时刻，tend为调度结束时刻，在该时段内：(1)模式分析；(2)建立目标函数；(3)构建约束条件；(4)模型求解与寻优。该模型属于双目标优化模型，采用NSGA II算法进行求解得到一组非支配解，再通过模糊专家理论筛选出折中的解。本发明以车主和运营商利益为优化目标，考虑功率平衡、充电覆盖率和电价情况约束，从而建立了电动汽车充电调度模型，实时采集充电站可再生能源出力情况、梯次电池储能情况和车主的出行需求、充电需求，再通过NSGA II算法和模糊专家理论求解模型得到调度结果。

主权项

综合考虑车主和运营商利益的充电站负荷调度模型，包括模式分析、建立目标函数、构建约束条件、模型求解与寻优四个步骤，其特征在于：设tstart为调度开始时刻，tend为调度结束时刻，在该时段内：(1)模式分析：①车主等待时：车主费用：F1.owner(t)=A+B+E=Σs=1NΣt=tstarttend(wTs+zP1.s(t)+m1(t)p1.s(t));]]>式中，A代表车主的等待时间成本，B代表车主的电池折旧成本，E代表车主的充电费用，W为单位时间内的等待时间成本，Ts为第s辆电动汽车的等待时间，N为相应该情况的汽车数量，Z为电池每充放一度电的折旧成本，m1(t)为充电价格，p1.s(t)为该情况下第s辆电动汽车需要的电能；运营商损失：假设等待的车辆最终可以全部得到充电，即等待的车辆数等于充电的车辆数，运营商生产的电全部售出，损失为零；F1.station(t)＝0；式中：m为单位发电成本；②车主离开，另寻充电站：车主费用：F2.owner(t)=C+B+E=Σs=1NΣt=tstarttend(wSsVs+zP2.s(t)+m2(t)p2.s(t));]]>式中：C代表车主从充电站返回的出行成本，Ss为第s辆电动汽车的行驶路程，V为第s辆电动汽车的行驶速度，m2(t)为充电价格，P2.s(t)为该情况下第s辆电动汽车需要的电能；运营商损失：F2.stahon(t)=Σs=1NΣt=tstarttend(m2(t)p2.s(t));]]>③车主离开，使用引擎行驶时：车主费用：F3.owner(t)=C+B+D+E=Σs=1NΣt=tstarttend(wSsVs+zP3.s(t)+P3.s(t)ηqgasmgas+m3(t)p3.s(t));]]>式中：D代表车主的燃料成本，P3.s(t)为电动汽车需要的电能，η为汽车将燃料转化为等效果电能时的转化效率，qgas为燃料的燃烧值，mgas为燃料价格，m3(t)为充电价格；；运营商损失：F3.station(t)=Σs=1NΣt=tstarttend(m3(t)p3.s(t));]]>(2)建立目标函数：①运营商损失最低：Fstation=Σj=13Fj·station(t);]]>②车主费用最少：Fowner=Σj=13Fj·owner(t);]]>(3)构建约束条件：①功率约束：Pg＝P1+Pb；式中，Pg为可再生能源的出力，P1为调度之后的电动汽车用电需求，Pb为梯次电池存储的电量，正数表示充电，负数表示放电；②充电覆盖率：m≤DafterD;]]>式中，Dafter为响应调度的电动汽车，D为总的电动汽车，m为常数，该式表示调度之后的充电站必须满足一定数量的电动汽车充电需求；③电价约束：mmin≤m(t)≤mmax；式中，mmin为保障充电站运营商的损失的最低电价，mmax为车主所能接收的最高电价。(4)模型求解与寻优：该模型属于双目标优化模型，采用NSGAII算法进行求解得到一组非支配解，再通过模糊专家理论筛选出折中的解，其详细步骤如下：①基因编码：根据上文可以得到模型的特征量为充电站出力N，包括可再生能源发电和梯次电池储能，电动汽车充电需求L和调度起止时间T，故而采用浮点数编码法对特征量进行编码得到编码表达式；x＝[N,L,T]；②适应度函数：f＝αFstation+βFowner；式中，α、β分别为运营商的损失和车主费用函数的权重系数，表征设计者考虑侧重点的不同。假设α＝0.4、β＝0.6，利用该式求得群体中个体i的适应度fi；③选择函数：选择轮盘赌法则对父代个体进行比较，假设群体个数为n，则个体i被选中的概率为：Pi=fiΣi=1nfi;]]>④求解与优选：模糊专家理论是通过将专家经验和模糊数学相结合，将隶属函数的概念引入到专家系统的模糊知识表示中，由专家快速的模糊推理选出最优的隶属函数值对应的方案，其理论的关键在于隶属函数以及专家知识库的构架，本文定义隶属度函数如下：ui=1,fi<fiminfimax-ffimax-fimin,fimin≤fi≤fimax0,f>fimax;]]>根据专家经验选择适当的u为最折中解，本文选取最大值为最折中解。