多智能体充电桩协同充电控制方法研究

李刚 饶亦然 熊孝国

摘要：在分析充电桩负荷特性、管理架构的基础上，提出基于多智能体充电桩协同充电控制方法。建立充电桩负荷模型和。采用蒙特卡洛方法模拟电动汽车用户的充电行为。在考虑电动汽车的充电功率、充电时间以及变压器可用容量等约束条件的前提下，针对35kV片区配电网中电动汽车接入充电的优化问题，提出基于多智能体充电桩协同充电控制优化策略。仿真结果表明多智能体协同控制策略能够有效地实现电动汽车充电负荷的“移峰填谷”，减小电网峰谷差。

关键词：电动汽车;充电优化;多智能体;协同控制;复杂自适应系统;模型;负荷管理

引言

电动汽车（EV）作为一种新型交通工具，在缓解能源危机、减少环境污染等方面具有非常大的优势。电动汽车的普及已成为一种趋势工，工信部《电动汽车发展战略研究报告》预测，2030年全国电动汽车保有量将达到6000万辆。

本文以慢充方式的家庭用电动汽车为主要研究对象，在分析电动汽车充电负荷特性和管理架构的基础上，将电动汽车和充电桩定义为具有智能的主体，并建立了单个电动汽车智能体的负荷模型和基于多智能体系统的充电优化模型，采用多智能体协同控制的策略对电动汽车的充电优化问题进行求解分析。

1电动汽车充电负荷特性分析

电动汽车充电负荷的建模是研究电动汽车充电优化策略的基础。首先需要分析充电负荷的影响因素，主要包括以下几个方面。

a.电动汽车类型。电动汽车的主要类型为公交车、出租车、公务车、私家车等卩气不同类型电动汽车的用户用车行为和充电行为差别较大。像公交车、出租车、公务车这类公用车的日行驶里程远远大于私家车，一般需要快速充电或者换电池的模式。私家车使用非常灵活，一天中90%以上的时间都处于停驶状态，有足够的时间充电，便于协调调度，而且将来私家车的比例会越来越大，研究其充电优化不仅可以为用户节约充电成本，而且可以为电网提供“移峰填谷”等服务，所以本文中主要研究私家车的充电优化。

b.电动汽车的电池特性。包括电池类型、电池容量、充电速率等。电动汽车的电池主要包括铅酸、镣氢、镣镉、锂离子、钠硫等类型。虽然当前可用于电动汽车的动力电池类型较多，但是根据对电池比能量、效率、比功率等方面的性能对比得出結论，锂离子电池具备最佳的综合性能，将有望推动电动汽车的大规模商业化。电池容量决定了电动汽车的续航里程。充电速率决定了实际的充电功率及充电负荷曲线。

C.出行需求和使用习惯C主要指用户的日行驶里程、出行时间、岀行频率与岀行目的等，它们决定了用户的充电时间、需求电能以及获得充电服务的情况。当前基于出行需求的计算方法认为是电动汽车对传统车辆的替代使用，不会影响用户的出行特征，从而可以利用用户出行特征的统计数据进行研究，通过蒙特卡洛模拟抽样，可以方便地获得具有时序特征的充电负荷信息。

d.电动汽车充电方式。不同的充电方式对应的充电负荷具有显著区别。从充电速率的角度而言，可以分为慢充、快充和电池更换3类;从控制的角度而言，可以分为直接、间接2类。直接控制是由调度机构直接制定充电计划，并且发送给各电动汽车执行充电。间接控制是指通过制定峰谷电价、实时电价或辅助服务价格等途径对用户充电行为加以引导本文主要考虑慢充方式和间接控制方式。

2电动汽车的充电管理架构

2.1电动汽车充电管理架构分析

在近期的一些文献中介绍了多种电动汽车充电管理的架构，比较有代表性的有集中控制、分层控制和分布式控制3种。

a.集中控制。电动汽车调度问题采取的是由调度机构进行直接调度的模式。对电动汽车的充电进行控制需要电动汽车与电网进行信息交互，交互的内容包括电动汽车的充电需求、停车状态、电池荷电状态等。但目前配电网的信息化程度还不够，配电控制中心对于配网运行实时信息掌握不全，基于在线运行的电动汽车大规模充电控制难度较大，而且大规模电动汽车接入电网时，集中调度模式还会导致在相应优化问题中出现“维数灾”问题。

b.分层控制。采用分层分区控制的模式来缓解集中控制中遇到的维数灾和通信要求高的问题。在该模式下，一般由配电系统调度机构或第三方电动汽车代理负责某一区域内电动汽车的协调调度，这样电动汽车的调度问题就分解成为了输电系统调度问题和若干区域调度问题，可以缓解调度中心的压力，研究的重点可放在配电系统内各区域的电动汽车最优调度问题上。

c.分布式控制。由于电动汽车分属于千百万不同的用户，它们接入电网及其充电的操作权限也相应地归属于不同用户，所以具有明显的移动、分散以及不确定性，其充电优化实质上是一个分布式决策的问题的。电动汽车和充电设备看作是多代理系统中的智能体，该智能体可以根据本身的状态和外部环境的变化做出相应的决策，自主选择充电站、充电方式，较好地仿真模拟了电动汽车的充电行为。这种分布式控制的方式可以在一定程度上有效地整合规模庞大但时空特性分散的电动汽车进行有序充电，实现电动汽车的分散自治。

本文提出了一种基于多智能体的电动汽车协同充电优化策略。在该策略中.每个电动汽车智能体可以根据自身的充电需求参数和配电变压器的负荷信息.在满足自身需求的情况下。以变压器负荷的“移峰填谷”为目标.制定自身的充电计划。

基于多智能体的电动汽车协同充电流程

a.初始化电动汽车的参数。包括电动汽车的数最、用户接入电网和离开电网的时间（可以获得该用户可用的充电时段）、日行驶里程、充电效率、额定充电功率等。

b.初始化迭代参数。将Id分为24个时段，每个时段内接入电网充电的电动汽车的数量为M（根据蒙特卡洛抽样获取）。

c.根据时间段数进行迭代，将电动汽车按照接入电网时间分配到各个时段。

d.在每个时间段内根据电动汽车的数量进行迭代，每个电动汽车根据自身的接入电网时间、离开电网时间、充电需求等参数，同时结合迭加了该时段内该车接入之前的电动汽车充电负荷的变压器负荷信息，从而计算出适合自身的充电时段。

e.计算叠加了当前电动汽车充电负荷之后的总负荷如“并和变压器的最大负荷进行比较，如果则生成该电动汽车的充电计划并更新变压器的负荷信息;反之则退出循环（该时段不再接受充电）。

f.按时段循环迭代至t=24，随时间的推进依次获取1d内每台电动汽车的充电计划。

3结论

本文针对大量电动汽车接入电网之后的充电优化问题展开研究.分析了电动汽车充电负荷的特性和管理架构.提出了基于多智能体的电动汽车协同充电管理架构。基于建立的电动汽车充电优化模型。在变压器以下采用基于多智能体协同优化的充电模式.能够有效地实现电动汽车充电负荷的“移峰填谷”.减小电网峰谷差.并且可以将上层调度机构的范围缩小在变压器以上.从而有效地避免了大规模电动汽车充电优化的“维数灾”和“通信要求高”等问题.为电动汽车充电优化提供了一条新的途径。本文研究中假定各变压器下接人的电动汽车组成一个多智能体系统.其用户通过和电网公司签署双赢协议的形式来参与电网公司的“移峰填谷”任务.而且只考虑了配网变压器容量限制的安全约束。下一步可以结合电价的引导机制.同时考虑更多的安全约束来进行更深层次的研究。

参考文献

[1]王建，吴奎华，刘志珍，等.电动汽车充电对配电网负荷的影响及有序控制研究[J].电力自动化设备，2013，33（8）：47—52.

[2]草见吉.一种分体式多枪柔性充电堆直流充电机的设计与应用研究[J].机电产品开发与创新，2019.32（6）：2-3.

[3]曹阳，物桃月，邱望标.蓄电池组智能均充装置的设计[J].装备制造技术，2016（6）：55-56.