基于粒子群算法的电动汽车有序充电控制策略

安 源，薛宇轩

（西安理工大学，陕西 西安 710048）

0 引 言

为提升电动汽车在高速公路上的快速充电效率，满足电动汽车用户多样化需求，同时保证配电变压器的安全稳定运行，本文基于粒子群算法对相关策略进行探究。

1 基于粒子算法的电动汽车有序充电策略

1.1 粒子算法

该算法的基本思想是：假定空气中的粒子数目为n，各粒子在D维空间内均有一个对应位点，且每个粒子均有自己的运行速度，则此时n个粒子对应的目标函数的适应度为n个。处于空间中的各粒子，会结合自身的运行经验与群体的运行经验对自体运行轨迹进行个性化调整，且空间中的粒子会根据自身的飞行经验和群体的飞行经验来调整自己的飞行轨迹，经数次迭代，连续摸索最佳方位即目标函数的最优解。

采用速度向量vi=[v(i,1),v(i,2),…,v(i,D)]与位置向量xi=[x(i,1),x(i,2),…,x(i,D)]，对粒子的运行轨迹做出相应阐述。位置对应的是目标函数内的变量，位置更新影响粒子运行速度。粒子位置更新的公式为：

其中，i为第i个粒子；k为第k次迭代；d为D维空间内第d个坐标；v为粒子所处的位置[1]。

由于理论分析，粒子群算法处理的是连续性变量，因此提出了二进制粒子群优化算法，以实现对二进制变量的有效处理。速度v在原始公式的基础上，在某项运算的作用下映射至[0，1]，映射公式为：

其中，s表示x取值为1的机率。粒子通过式（3）实现对自体所处方位的有效调整，二进制位置的更新公式为：

其中，rand表示[0，1]的随机函数。

1.2 电动汽车有序充电策略

结合数学模型，本次研究中应用PSO算法优化的变量是xij，对于第t个粒子，其位置函数可表示为：

本文在对电动汽车有序充电策略设计优化过程中，探析能使目标函数指标最小的X的解，有序充电控制的流程具体如下。首先，充电汽车进入充电站后，读取进站时间（t），并在电池管理系统的协助下，获得用户进站时电动汽车电池荷电状态（SOC）与电池容量大小。其次，汽车自行设计符合充电完成时的SOC值，并计算出充电完成的大概耗时，将相关信息反馈至用户，为其合理规划离站时间[2]。再次，采集配电网负荷对象的数据信息，并在粒子群算法的协助下，测算出汽车充电的最佳时间段。最后，电动汽车进入充电模式后，调整配电网的负荷指标。

2 算例分析

为实现所建设模型的有效性检测，本文应用了典型充电模式进行对照分析。

典型充电模式实质上是一类“即插即用”的充电模式。该模式与充电汽车电池的充电属性曲线运行相统一，即可视为不同时间点汽车的充电功率均为7 kW。本文应用的充电负荷指标在24 h内均有变化，将探究200辆电动汽车在不同时间点的分布状况，以更科学地解析大规模负荷的充电负荷曲线运行状况。

2.1 典型充电模式下电池充电特性

国内电动汽车安装的电池以锂离子电池为主，本文选用了Nissan Altra所构建的锂离子电池，电池容量为29.07 kW/h，充电功率曲线如图1所示。

图1 锂离子电池充电曲线示意图

由图1可知，汽车电池在5 h内的充电功率基本在7 kW上下波动。为强化计算过程的简洁性，忽略初始时刻与即将结束时刻的充电功率变化。此外，本文研究的充电汽车类型以私家车为主，不同型号的汽车运行参数也存在差异，95%的电动汽车充电应用慢充模式，其余5%电动汽车充电应用快充模式。

2.2 每日行驶拟合曲线

充电持续时间和电池剩余电量之间存在明显相关性，本文假设全部电动汽车均以恒定功率进行充电，则此时车辆日平均行驶里程是影响汽车充电耗用时间的主要因素。结合NFTS对家用车辆行驶里程的调查数据，认为每次充电均达到满电量[3]。则电动汽车所耗时间长度Tc可估测为：

其中，Tc为充电时间长度，f(r)为日行驶里程，W为每百千米的耗电量，Pi为充电功率。

2.3 有序充电状态下的符合曲线

利用蒙特卡洛模拟法采集电动汽车的初始充电时间、充电电量及充电形式等指标，并基于粒子群算法的优化模型的支撑下，勾画出电动汽车有序充放电的负荷曲线示意图，如图2所示。

图2 配电网电动汽车有序充电负荷变化曲线示意图

由图2可知，有序充电能促使配电网峰谷差率由39.14%降低至36.54%，进而明显抑制电网波动负荷变化，有效改善电网的负荷属性。有序充电时，电动汽车峰值负荷、谷值负荷、峰谷差率及日负荷率对应指标分别为51 355 kW、32 598 kW、36.56%及0.839 9[4]。

3 结 论

在环保理念广泛推行和工业产业持续发展的背景下，电动汽车已被广泛普及。在高速公路上建设快速充电站，能为电动汽车长途运行创造基础条件。本文探究一种基于粒子群算法的电动汽车有序充电控制策略。算例表明，有序充放电策略能减少配电网负荷波动幅度，明显提升电力资源的有效利用率，促进电动汽车行业的持续发展。