基于MATLAB/GUI的电动汽车充电站有序充放电优化调度仿真平台

赵孟雨，王贤宁，徐康仪

(1.三峡大学 电气与新能源学院，湖北 宜昌 443002；2.国网江西省电力有限公司 赣州分公司，江西 赣州 341000)

0 引言

近年来，电动汽车(Electric Vehicle，EV)的发展也带动着该产业构架的逐步完善[1-2]。随着信息时代的到来，大数据技术对调度数据的收集、处理、集成显示等技术的发展也起到了推动作用。因此，在研究EV充电站对EV有序充放电优化调度的基础上，设计与调度配套的仿真平台具有较实用的研究价值。

各类仿真软件已在电气领域得到了广泛的应用。文献[3]在LabVIEW环境中试验搭建EV的电机控制系统仿真平台。文献[4]基于电磁暂态数字实时仿真系统HYPERSIM平台建立了大规模电网的模型，并开发了一套可把BPA数据转为HYPERSIM电磁暂态模型的自动建模软件。文献[5]基于有限差分法和MATLAB图形用户界面(GUI)，开发了传热学课程虚拟实验教学平台。

已有学者研究EV的优化调度仿真平台，文献[6]建立了计及EV充放电的单区域系统负荷频率控制模型，并将该模型扩展为两区域互联系统，在MATLAB/Simulink中建模并进行仿真分析。文献[7]利用MATLAB中图形用户界面设计功能(GUI)建立了EV充电站优化调度的仿真系统。上述文献均涉及计及动态电价，对放电进行约束的EV有序充放电的优化调度仿真平台。

本文将EV的充放电价作为决策变量，构建以最大化充电站收益和最小化充电站与配电网之间交互功率波动为目标的EV充电站优化调度模型，并采用动态自适应粒子群优化(Dynamic Adaptive Particle Swarm Optimization，DAPSO)算法求解该多变量、高维度优化问题，并与分时电价进行对比，设计的仿真平台可将上述不同电价的调度结果集中显示出来，供充电站调度决策者参考。

1 EV充电站有序充放电优化调度仿真平台结构

EV充电站作为服务类机构，若能开发出与其运营、调度相匹配的仿真平台，对其自身的运营管理的集成度、日常调度结果的可视化以及工程实践都具有重要意义。本文基于MATLAB/GUI的界面设计功能，设计一个充电站优化调度的仿真平台，该仿真平台主要由主界面中的各个模块进行显示，主界面由基本信息模块、基础数据模块、分时电价调度模块、DAPSO算法设置模块、动态电价优化调度模块、节制放电优化调度模块以及调度结果显示模块这7个模块组成。在输入基本参数、DAPSO算法流程图与分时电价等基本信息，基础负荷数据、接入电网时间、离开电网时间、日行驶里程等基础数据后，再以不同的充放电价进行优化调度，并分别运行对应模块的程序后，可得到对应的负荷曲线、充电站收益以及最终的充放电价，充电站调度中心可直观地对比不同方案对应的调度结果，便于后续经营模式的调整，使充电站更有效地运行。

图1 仿真平台结构Fig.1 The structure of the simulation platform

1.1 仿真平台结构

EV充电站有序充放电优化调度仿真平台运行机制如图1所示。在仿真平台运行时，首先将基本参数、求解流程图、分时电价等基本信息与基础负荷、EV的出行参数等基础数据上传到平台中；然后，充电站调度中心对优化算法进行基本的参数设置，在获取上述信息之后，根据不同的调度方式运行程序，获取相应的负荷曲线图以及最大收益；最后将以上结果以图形、数据的形式展示在平台界面上，实现可视化。

1.2 基础信息的获取

该仿真平台的基础信息主要是通过模块1与模块2上传，它们是为调度模型提供数据基础的模块。

1.2.1 基本信息模块

基本信息模块主要包含充放电边界模型、电池容量、额定充放电功率、充放电效率、配网容量上限、分时电价。

1.2.2 基础数据模块

基础数据模块主要包括EV的出行特性：日行驶里程、接入电网时间、离开电网时间以及配电网日负荷数据等，详细内容可参考文献[8]。根据各个出行特性的概率分布函数，通过蒙特卡洛模拟抽样即可得到。具体流程图如图2所示。

图2 蒙特卡洛模拟抽样流程图Fig.2 The flow chart of Monte-Carlo simulation sampling

2 EV充电站有序充放电优化调度仿真平台的建立

2.1 基于MATLAB/GUI的平台界面设计

本文的算例仿真是在MATLAB软件中建立与运行的，仿真平台是基于MATLAB的GUI[9]建立的，其中的控制面板有各种控件与参数设置，可实现计算机操作界面设计。

2.2 仿真平台的建立

在仿真平台的运行主界面中共有7个模块，如图3所示。7个模块具体内容如下。

图3 仿真平台运行界面Fig.3 The operation interface of the simulation platform

图4 DAPSO算法流程图Fig.4 The flow chart of DAPSO algorithm

模块1：基本信息。基本信息包括充放电行为边界模型、基本参数、DAPSO算法流程图、分时电价，它们均设置为控制按钮，在m文件中均对应winopen函数，比如，单击“分时电价”按钮对应的是在该按钮的回调函数中输入并执行语句“winopen(‘分时电价.pdf’)”，即打开指定文件。其中，DAPSO算法流程图如图4所示。

模块2：基础数据。在当前m文件的模块中，通过在其对应按钮的回调函数中输入子程序文件名，运行该子程序得出相应的变量，并使用load指令将该变量调到当前m文件中。比如，单击“日行驶里程”按钮，执行的是“run road.m”“axes(handles.axes2)”以及plot语句，首先运行蒙特卡洛模拟日行驶里程的函数并得到数据，然后设置该图显示在2号坐标轴中，最后，日行驶里程图会出现在第二个坐标轴中。

模块3：分时电价。该模块由运行程序、负荷曲线、充电站最大收益三部分组成，其中运行程序与负荷曲线的按钮都与模块2中的按钮操作一致，充电站最大收益是在运行程序按钮执行之后，得到的变量以revenue_TOU表示，通过在m文件中输入set(hendles.edit12,‘string’，revenue_TOU)，即在该模块运行程序后此变量对应的数值就被输入到指定的可编辑文本框中。

模块4：DAPSO算法设置。该部分是算法参数的设置，迭代次数设为100。可通过下拉菜单设置粒子数量，还可自定义迭代次数供三个电价模块使用。

模块5与模块6的操作设计均与模块3类似。

模块7：调度结果显示区域。该模块设置3个坐标轴，用于显示模块2、模块3、模块5、模块6的运行仿真图。

3 算例分析

3.1 基础参数设置

配电网的基础负荷数据采用文献[10]中的数据，将一天24小时分成24个时段Ti，T1～T24的基础负荷如表1所示。负荷峰值为1 069.3 kW，配电网选用S13型变压器，额定容量为1 250 kV·A。充电站的售电电价CCS和向电网购电电价CG采用表2给出的分时电价[10-11]，EV的参数设置如表3所示。

表1 配电网基础负荷

表2 分时电价Tab.2 Time-of-use electricity price 元/(kW·h)

表3 EV参数设置Tab.3 Parameters of EV

3.2 运行仿真

利用蒙特卡洛法抽样模拟某地区一天之内50辆EV的充放电行为，分别在分时电价、动态电价、节制放电这三种运行模式下，运用DAPSO算法[12-13]进行优化调度，对这三种调度方式得到的负荷曲线、充电站最大收益进行对比。在仿真平台上的运行结果如图5所示；配电网负荷曲线如图6所示；充电站收益、配电网负荷的峰谷差、均方差的对比如表4所示。

图5 仿真平台运行结果Fig.5 The operation result of the simulation platform图6 三种策略下配电网负荷曲线Fig.6 Load curves of the distribution network in three different price strategies

表4 三种策略下充电站收益、配电网负荷的峰谷差、均方差Tab.4 The charging station revenue， the valley-to-peak and standard deviation of distribution network for three different price strategies

由图5、图6和表4可看出，对比分时电价，动态电价策略和节制放电策略下EV有序充放电在保证充电站收益小幅增长的前提下，具有较强的削峰功能；节制放电策略针对次尖峰时段(T8～T15)的削峰效果更为明显。采用动态电价策略和节制放电策略得到的充电站收益分别提高了6.2%，1.1%，峰谷差分别降低了7.55%，9.78%，均方差分别降低了9.9%，11.9%。由此可见，在动态电价的前提下，同时对EV放电进行一定程度的限制可显著降低负荷曲线的峰谷差，并且不损害充电站的利益，利用电价信号能够更灵活地引导EV的充放电行为，使EV能够更好地为实现平抑负荷波动提供服务。

4 结论

本文基于MATLAB中的GUI设计了一个EV充电站有序充放电优化调度仿真平台，并以50辆EV到站进行充放电需求作为基础算例进行仿真模拟。该平台可直观地体现三种不同调度方式各自对应的负荷曲线和充电站最大收益，还可直观地看出不同调度方式下本地的负荷波动情况，有利于充电站通过分析运营中的问题，制定出更加合理高效的调度策略。