基于遗传算法的小区电动汽车充电策略研究

摘 要：大量电动汽车的充电负荷无序接入，会对电网造成很多负面影响，因此需要对居民进行有序充电策略研究。本文先根据居民区车主行为特性搭建充电负荷模型，并对无序充电进行仿真计算分析。再利用遗传算法模拟仿真出不同时段下的有序充电结果，分析论证优化的可行性。

关键词：电动汽车充电 有序充电 遗传算法

1 电动汽车用户的无序充电分析与仿真

无序充电是指用户根据自身生活及出行习惯自主进行的充电行为，不受外界因素影响［1］。不考虑存在引导用户充电的因素，用户通常在抵达家中后立即开始充电，充电行为将持续至用户下一次需要用车或电池电量达到用户所设定的预期值（本文假设为预期电量值为100%），结束本次的充电行为。

建立模型时，用户归家时间、离家时间以及行驶里程这三个参数通常被视为相互独立的随机变量。本文以某小区为样本建立模型，相关参数如下［2］：

（1）小区变电所配置总容量为1600kVA，功率因数0.9。

（2）共230户，一户一辆电动车。

（3）电动汽车渗透比为30%。

（4） 230户居民购买的电动汽车电池类型均为锂电池，电池的额定容量为40kW·h，额定充电功率为7kW，每百公里耗电量0.5kW·h/km。

（5）当小区电动汽车进行充电时，均选择常规的慢速充电方式进行充电。

（6）居民对电动汽车的预期充电量均为电池电量充至100%。

通过观察多日负荷数据可以发现常规用电负荷具有规律性，选取多日常规负荷数据均值作为算例中小区常规负荷［3］。按照时30分钟划分一个时间间隔，一天即分为48个时段，最后再将仿真结果的横坐标换算回24小时，小区常规负荷曲线如图1所示。

根据上述假设条件，第a个时间段内小区充电总负荷为多辆电动汽车充电负荷叠加求和的值，计算公式如式1所示：

其中

— —第a段时间中总充电负荷，a＝1，2，…，48；

M— —汽车总数；

— —第个时间段时，第m辆车的充电功率。

将a个时段内的充电总负荷与小区平时居民的常规用电负荷相加求和，即可得该时段小区居民配电总负荷的值，具体如式（2）所示：

具体步骤如下：

1.首先将仿真次数M初始化，设已经进行的仿真次数m=１，且m≤M。

2.小区电动汽车总数初始化后为Nh。设当前待充电车辆为第n辆电动汽车，并令n初始值为1，且n≤Nh。

3.利用随机数得出日行驶里程为d。

4.计算电动汽车开始充电的初始电荷量Ss，即电动汽车返回小区时电池剩余的电荷量。

5.判断该辆电动汽车本轮是否需要充电。首先判断电池剩余电量是否满足充电条件，如满足则进行下一步，如不满足则返回第三步，使n=n+1，继续下一辆车的负荷计算过程。

6.设电动汽车起始充电时间值为Tc，且Tc为随机值，并且用户返回小区时刻即电动汽车开始充电时刻。

7.计算电池从当前电量充至100%电池电量所需的时间。

8.叠加每一个时间段内的充电负荷。

9.判定是否完成对所有车辆的计算。

①当n=Nh，则对所有电动汽车充电的负荷完成相应计算过程，可以跳转至下一步骤；

②若n≤Nh，则表示仍有电动汽车未完成充电负荷计算，则程序跳转回第3步，同时更新n=Nh+1，通过这样的循环迭代过程，继续对下一辆电动汽车进行充电负荷的计算。

10.对程序仿真运行次数是否达到设定值M进行判断。当m=M时，则判定仿真结束；当m＜M时，则意味着仿真次数还未达到设定值，程序跳转回到第2步，并使m=m+1，同时重复上述计算，直到仿真运行次数达到设定值M。

设置仿真次数M为1000，运行结束后，具体曲线图如图2所示。

可以看出，充电负荷主要集中在下午2时至凌晨0时。电动汽车的充电需求从下午5时开始显著增加，在晚上8时左右达到顶峰。此时段常规用电负荷叠加充电负荷后，会导致总负荷超出了小区变压器总容量的限制。而晚上9时至次日凌晨1，随着电动汽车的电池充电电量逐渐达到用户预期（即100%电量），充电负荷开始不断下降，该时段小区常规用电负荷和用电总负荷也随之下降［4］。

2 电动汽车有序充电

通过上文仿真可以看出，无序充电会使得小区电动汽车充电高峰与常规用电负荷高峰重合，导致总负荷峰值超出小区配变能承受的最大负荷，引起“峰上加峰”等问题。因此引入有序充电算法是十分必要的。

2.1 遗传算法（GA）

遗传算法通过“生存”与“检测”等迭代过程，实现了高效的优化搜索，体现了生物进化中的自然选择与遗传机制[5]。GA会在迭代过程中反复迭代整个单一解，每一步过程中会从当前种群中选择优良个体进入下一代，并通过这些优良个体为下一代繁殖后代，最终整个种群会朝着“最佳解决方案”进化[6]。当多个目标在特定区域内均要求达到最优解时，这些目标之间往往会出现冲突。为了求解此类问题的帕累托（Pareto）最优解，本文采用并列选择法。

2.2 分时电价

本文将电价纳入仿真建模的关键因素考虑，为准确描述电价对充电负荷的影响，本文引入价格弹性，它能够有效反映电价波动时充电需求的变化趋势[7]。

价格弹性系数的计算公式如式（3）为：

在本文的仿真建模过程中，价格弹性系数为负数，以定量描述这种负向关联[8]。电动汽车用户的充电需求与分时电价响应关系如图3所示：

由上图可以得知，居民小区电动汽车电能代理商在制定分时电价策略时既要考虑到配电网侧的利益，也应该考虑到电动汽车用户侧的利益，二者平衡才能确保充电策略有效施行。综上所述设定分时电价的波动限值约束如式（4）、（5）所示：

式中，以及分别表示分时电价的上下限，为分时电价的平均值，单位均为元/kW·h。

3 案例仿真

假设初始电价为1元／（kW·h），最低充电电价不得低于发电的边际成本电价0.25元/（kW·h），最高电价不得高于2元／（kW·h）。根据参考文献[9]可得电动汽车在峰、谷、平时段的价格弹性矩阵：

遗传算法通过迭代过程不断优化种群中的个体，通过不断迭代和选择，最终可以得到优化后的峰谷平时段电价，如表1所示。

如图4所示，是利用遗传算法计算并优化后的有序充电负荷曲线。

由图4可以看出，当到达设定的峰时段时，系统总负荷曲线明显呈下降趋势，而电价谷、平时段，充电负荷开始上升，起到了一定的“削峰填谷”作用。

表2所示为无序充电和优化后有序充电的相关数据对比，从表格中可以看出充电策略优化后用户充电消费金额和符合均方差都明显降低。

由上述图表可知，当用户按照出行习惯给电动汽车充电时，这些接入电网的无序负荷将会给小区配电系统及该区域配电网带来干扰，而这些干扰会对电网运行的经济性和稳定性造成一定影响。

4 结语

本文先对小区电动汽车用户的无序充电进行仿真，发现小区电动汽车无序充电负荷叠加常规用电负荷后，总负荷在用电高峰时段会超出变压器总配置容量，对电网经济安全稳定运行产生如用户充电费用增加、小区配电变压器过载等不良影响，电动汽车渗透率越高，影响越严重。通过实施分时电价发现可以有效引导用户在特定时间段进行充电，从而降低峰谷负荷差异。因此，本文以配电系统峰谷均方差最小化为目标函数，通过合理的电价策略来引导用户充电，构建电动汽车有序充电模型。通过算例分析可知，高响应度的用户更加倾向于根据电价变动调整自身的充电行为，从而更加有效地平衡了电网负荷，起到一定“削峰填谷”的作用。

参考文献：

[1]桂俊平，常湧，李行之，等.基于分时电价的电动汽车充电负荷影响研究[M].武汉大学学报（工学版）2018（10），915-919+935.

[2]王晓辉.社区电动汽车有序充电策略的研究[D].南昌：南昌大学，2021.

[3]黑桐.居民小区内电动汽车有序充放电策略研究[D].济南：山东大学，2018.

[4]李鹏广.小区电动汽车分布式充放电控制策略研究[D].湖南：湘潭大学，2019.

[5]欧名勇，陈仲伟，谭玉东，等.基于峰谷分时电价引导下的电动汽车充电负荷优化[J].电力科学与技术学报，2020，35（05）：54-59.

[6]李庆.多目标优化遗传算法的改进及其在有序充电中的应用研究[D].青岛：山东科技大学，2020.

[7]智威，胡泽春，宋永华，等.充电站内电动汽车有序充电策略[J].电力系统自动化，2012，36（11）：38-43.

[8]苟方杰.考虑出行不确定性的电动私家车充电策略研究[D].成都：西南交通大学，2020.

[9]胡泽春，宋永华，徐智威，等.电动汽车接入电网的影响与利用[J].中国电机工程学.