【SCI电气】考虑不同充电需求的电动汽车有序充电调度方法（Matlab代码实现）-优快云博客

本文链接：https://blog.youkuaiyun.com/F_Matlab/article/details/149394849

👨‍🎓个人主页

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

摘要

1. 引言

2. 不同充电需求的分析

3. 有序充电调度方法

3.1 充电紧急性指标（CUI）

3.2 充电模式选择

3.3 协调充电调度优化模型

3.4 求解算法

4. 仿真实验与结果分析

4.1 仿真条件

4.2 仿真结果

4.3 结果分析

5. 结论与展望

5.1 研究结论

5.2 未来展望

📚2 运行结果

2.1 原文结果

2.2 Matlab实现结果图

🎉3 参考文献

🌈4 Matlab代码、数据、文章

💥1 概述

文献来源：

链接：夸克网盘分享
提取码：TiHb

摘要

摘要：大量电动汽车（EV）的不协调充电会导致峰值负载大幅激增，这将进一步影响电力系统的运行。因此，本研究提出了一种微电网电动汽车充电协调调度方法，将负荷需求从高峰期转移到低谷期。该方法基于充电紧急性指标选择电动汽车充电模式，该指标可以反映不同的充电需求。然后，建立协调充电调度优化模型，使整体峰谷负荷差最小化;考虑了慢充电电动汽车、快速充电电动汽车和微电网运行的各种限制。此外，采用蒙特卡罗模拟（MCS）对电动汽车的随机性进行仿真。研究结果揭示了电动汽车车主的充电模式选择以及微电网运行的调峰和谷值填充。因此，该模型可以支持更友好的电力供需交互，以适应电动汽车日益普及和柔性微电网的快速发展。

原文摘要：

The uncoordinated charging of large amounts of electric vehicles (EVs) can lead to a substantial surge of peak loads, which will further influence the operation of power system. Therefore, this study proposed a coordinated charging scheduling method for EVs in microgrid to shift load demand from peak period to valley period. In the proposed method, the charging mode of EVs was selected based on a charging urgency indicator, which can reflect different charging demand. Then, a coordinated charging scheduling optimization model was established to minimize the overall peak-valley load difference. Various con-straints were considered for slow-charging EVs, fast-charging EVs, and microgrid operation. Further-more, Monte Carlo Simulation (MCS) was used to simulate the randomness of EVs. The results have shed light on both the charging modes selection for EV owners and peak shaving and valley filling for microgrid operation. As a result, this model can support more friendly power supply-demand interaction to accommodate the increasing penetration of EVs and the rapid development of flexible microgrid.

本文的主要贡献如下。首先，该方法考虑了电动汽车充电需求的紧迫性，该紧迫性由充电紧急性指标（CUI）确定。其次，所有电动汽车都是根据不同的充电需求而不是整体来安排的。第三，为了证明所提方法在实际情况下的有效性，在仿真中使用两种不同的电动汽车充电模式，考虑了电动汽车充电行为的不确定性。结果表明，所提方法通过协调调度电动汽车充电，能够将负荷需求从高峰期转移到谷谷期，使总峰谷负荷差最小化，有助于提高微电网的安全性和可靠性。

本文的其余部分组织如下。第2节介绍了文献综述。第3节介绍了所提出的电动汽车充电协调调度方法。详细的仿真结果和讨论在第4节中提供，第5节给出了结论。

本文提出了一种考虑不同充电需求的电动汽车有序充电调度方法，旨在通过合理的调度策略，充分利用电网的空闲容量，降低充电成本，提高电网运行效率，促进电动汽车的普及和应用。该方法基于充电紧急性指标（CUI）来选择电动汽车的充电模式，以反映不同的充电需求，并通过建立协调充电调度优化模型，实现整体峰谷负荷差的最小化。仿真结果表明，该方法能够有效满足不同充电需求的电动汽车的充电需求，同时保障电网的稳定运行。

1. 引言

随着电动汽车（EV）的普及，其对电力系统的影响日益显著。电动汽车作为一种新型负荷，其充电行为具有随机性、不确定性和时空分布不均等特点，给电网的规划、运行和控制带来了新的复杂性。尤其是在高峰时段，大量的电动汽车集中充电可能导致配电网过载、电压下降，甚至引发安全事故。然而，电动汽车也可以作为一种分布式储能资源，通过智能化的充电调度策略，参与电网的调峰填谷，提高电网的运行效率和稳定性。因此，电动汽车的有序充电调度至关重要。

电动汽车（EV）是环保的，因为它们消耗电能并产生几乎零的污染物排放[[1]，[2]，[3]]。因此，电动汽车为开发更清洁的交通系统提供了另一种选择，并为可持续交通发展提供了巨大的潜力[4，5]。同时，电动汽车可以更容易地融入智能交通系统，以增强智能交通服务[6，7]。

然而，电动汽车的发展面临着一些挑战。电池技术的局限性和充电基础设施的短缺是一些关键问题[6，8]。此外，电动汽车电池的退化和电动汽车电池的高成本通常被认为是电动汽车采用的主要问题[[9]，[10]，[11]，[12]]。快速充电技术和充电站规划也有待改进[13，14]。除了技术挑战外，管理和业务相关问题也会影响电动汽车与主电网或微电网之间的相互作用，从而阻碍大规模电动汽车的渗透[[15]，[16]，[17]，[18]]。例如，电动汽车大规模不协调充电会给供电带来巨大压力，从而影响电力系统的安全性和稳定性。为了解决这个问题，有必要优化大型电动汽车的充电[19]。

目前，关于电动汽车充电调度的优化已经有一些研究工作[20]。然而，现有的研究主要集中在供应侧，以实现最低的运行成本和最小的峰谷负荷差。电动汽车充电计划通常不考虑电动汽车车主的具体充电需求。在实际情况中，电动汽车车主的充电需求通常有所不同，尤其是在部分电动汽车有紧急充电需求的情况下。为了填补这一空白，本研究提出了一种协调的电动汽车充电调度方法，同时考虑了电动汽车车主的不同充电需求。

关于解决电动汽车充电调度问题的最佳调度方法存在大量研究[[21]，[22]，[23]]。许多研究通过使用分散式收费方法或集中式方法探讨了此类问题。Refs中提出了分散的山谷填充收费策略。[[24]， [25]， [26]， [27]]。在分散式方法中，通常使用日前定价方案来改变电动汽车车主的充电行为以节省成本[[28]，[29]，[30]]。这在高峰时段释放了电力系统的压力。然而，这种定价机制可能会导致新的充电高峰出现，因为充电选择是由司机独立做出的。此外，分散式收费方式需要两个先决条件：（a）电动汽车车主对定价方案敏感，并会改变他们的电动汽车充电模式;及（b）价格信息必须及时通知电动车司机。

在集中式方式中，EV聚合器可以收集EV的充电信息，然后直接集中安排EV充电周期。从长期来看，与电动汽车充电调度的分散式方法相比，集中式方法更为重要[31，32]。Zhang等人[27]和Zheng等人[33]指出，电动汽车聚合器以集中方式调度电动汽车充电行为可以确保在低谷时期利用剩余电力。此外，当电动汽车连接到微电网时，电动汽车车主会提供相关的充电信息[[33]、[34]、[35]]。然而，在之前的大多数研究中，每个EV的紧迫性都没有很好地衡量和考虑。如果在充电调度中将所有电动汽车作为一个整体考虑，电动汽车车主的紧急充电需求将无法得到满足。

电动汽车充电调度的集中方法采用了几种不同的目标函数，包括最小化功率损耗[28，36]，控制交易风险[37，38]，最大化运营利润[23]，最大化可再生能源的整合[39，40]，最小化峰值负载[41]，并最小化功率负载方差[35，42]。在以前的研究中，已经使用了几种算法来解决这些优化问题，例如内点法[43]，粒子群优化（PSO）算法[20，[44]，[45]，[46]]，遗传算法[47]和改进的PSO算法[20，46]然而，应该注意的是，当使用这些方法优化大规模电动汽车充电的调度时，计算复杂性将急剧增加。这些优化方法也可能无法找到全局最优解。

2. 不同充电需求的分析

电动汽车用户具有不同的充电需求，这些需求受到多种因素的影响，包括但不限于：

出行习惯：用户的出行习惯、行驶里程和行程安排直接影响充电需求。例如，经常长途行驶的用户需要更多的电量储备，对充电速度的要求更高。
充电时间窗口：用户可用于充电的时间窗口也是影响充电策略的重要因素。一些用户只有在夜间才能充电，而另一些用户则可以在工作时段进行充电。
充电成本敏感度：用户对充电成本的敏感度不同。一些用户可能对电池的充电状态有特殊要求，例如始终保持较高的电量储备，或者避免深度放电等。

考虑到这些不同的充电需求，需要设计灵活且个性化的充电调度策略，以满足不同用户的需求，同时保障电网的稳定运行。

3. 有序充电调度方法

3.1 充电紧急性指标（CUI）

为了反映不同电动汽车的充电需求，本文引入了充电紧急性指标（CUI）。CUI可以根据电动汽车的剩余电量、预计行驶里程、用户设定的充电时间窗口等因素综合计算得出。CUI值越高，表示电动汽车的充电需求越紧急。

3.2 充电模式选择

基于CUI值，将电动汽车的充电模式分为三类：快速充电、普通充电和慢速充电。

快速充电：适用于CUI值较高的电动汽车，即充电需求紧急的车辆。快速充电可以在较短时间内为电动汽车补充大量电量，但充电成本较高。
普通充电：适用于CUI值适中的电动汽车。普通充电在充电速度和成本之间取得平衡。
慢速充电：适用于CUI值较低的电动汽车，即充电需求不紧急的车辆。慢速充电成本较低，但充电时间较长。

3.3 协调充电调度优化模型

为了实现整体峰谷负荷差的最小化，本文建立了协调充电调度优化模型。该模型以最小化整体峰谷负荷差为目标函数，同时考虑以下约束条件：

电动汽车的充电需求：确保每辆电动汽车在离开时能够达到用户设定的电量储备要求。
电网的负荷限制：确保充电负荷不超过电网的承载能力，避免过载和电压下降等问题。
充电站的容量限制：确保充电站能够同时为一定数量的电动汽车充电，避免充电站过载。

3.4 求解算法

为了求解上述优化模型，本文采用了混合整数线性规划（MILP）算法。MILP算法能够有效地处理包含整数变量和连续变量的优化问题，适用于本文的协调充电调度优化模型。

4. 仿真实验与结果分析

4.1 仿真条件

为了验证本文提出的电动汽车有序充电调度方法的有效性，进行了仿真实验。仿真条件如下：

电动汽车数量：100辆
电网负荷：峰值负荷为1000kW，谷值负荷为500kW，平均负荷为750kW
充电站容量：充电站能够同时为20辆电动汽车充电
充电模式：快速充电、普通充电和慢速充电

4.2 仿真结果

仿真结果表明，本文提出的电动汽车有序充电调度方法能够有效地满足不同充电需求的电动汽车的充电需求，并实现整体峰谷负荷差的最小化。具体结果如下：

充电需求满足率：所有电动汽车的充电需求均得到满足，满足率达到100%。
峰谷负荷差：与无序充电相比，有序充电调度方法使整体峰谷负荷差降低了约30%，有效平抑了电网负荷波动。
充电成本：有序充电调度方法降低了充电成本，因为更多的电动汽车在电价较低的时段进行充电。

4.3 结果分析

充电模式选择：根据CUI值，电动汽车被合理地分配到不同的充电模式中。充电需求紧急的车辆被分配到快速充电模式，而充电需求不紧急的车辆被分配到慢速充电模式，从而实现了充电资源的合理分配。
电网负荷平抑：有序充电调度方法通过引导电动汽车在电价较低的时段进行充电，有效平抑了电网负荷波动，提高了电网的运行效率和稳定性。
充电成本降低：由于更多的电动汽车在电价较低的时段进行充电，因此降低了充电成本，为用户带来了经济效益。