一种基于遗传学算法的电动公交车充换电站充换电方法技术

本发明专利技术公开了一种基于遗传学算法的电动公交车充换电站充换电方法，应用于电动公交车充放电优化技术领域，包括：预设优化控制时段，构建包括以车辆充放电完成后电量最多及考虑电池退化成本的车辆充放电成本最低的多目标优化函数；设置谷时段充放电优化控制系数；利用遗传学算法初始化随机产生种群，求解峰时段和平时段的充放电优化控制系数，并根据电池容量约束修正充放电优化控制系数，带入多目标优化函数，求得各优化控制时段最优解；对初始化种群进行迭代更新，重复上述遗传学算法求各优化控制时段最优解过程，得到多个各优化控制时段最优解，进行对比择优，得到各优化控制时段择优解对应的充放电优化控制系数，提高了充换电站削峰添谷的能力。电站削峰添谷的能力。电站削峰添谷的能力。

【技术实现步骤摘要】
一种基于遗传学算法的电动公交车充换电站充换电方法


[0001]本专利技术涉及电动公交车充放电优化
，特别涉及一种基于遗传学算法的电动公交车充换电站充换电方法。

技术介绍

[0002]电动汽车(EV)因其环保、节能、高效等优势，近年来规模不断扩大，但是，随之而来的也有大规模电动汽车的无序充电行为。对于电动公交车充换电站，大规模电动汽车的无序充电行为会导致电网在特定时段内负荷激增，进而导致变压器过载老化、负荷峰谷差增大、电压质量恶化、线路网损增加等现象。
[0003]双向智能充电(V2G)，作为电动汽车独有的功能，通常通过提高峰时段电价，降低谷时段电价，实现对电动汽车充放电行为的简单调控，实现对电动公交车充换电站简单的削峰添谷。但是，仅仅通过调控电价的方式是远远无法满足规模日益增长的电动汽车调控需求的。
[0004]为此，如何提供一种能够对大规模电动汽车的无序充电行为进行有效调控，满足规模日益增长的电动汽车调控需求，实现用户充电成本的降低，提高电动公交车有序充电参与度，量化电动公交车参与削峰填谷能力，以激励电网侧和电动公交车用户侧参与车辆的有序调控的基于遗传学算法的电动公交车充换电站充换电方法是本领域技术人员亟需解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提出了一种基于遗传学算法的电动公交车充换电站充换电方法。
[0006]为了实现上述目的，本专利技术采用如下技术方案：
[0007]一种基于遗传学算法的电动公交车充换电站充换电方法，包括：
[0008]步骤(1)：预设优化控制时段，构建包括以车辆充放电完成后电量最多及考虑电池退化成本的车辆充放电成本最低为目标的多目标优化函数；
[0009]步骤(2)：设置谷时段充放电优化控制系数；
[0010]步骤(3)：利用遗传学算法初始化随机产生种群，求解峰时段和平时段的充放电优化控制系数，并根据电池容量约束修正充放电优化控制系数，带入多目标优化函数，求得各优化控制时段最优解；
[0011]步骤(4)：对初始化种群进行迭代更新，重复步骤(3)，得到多个各优化控制时段最优解，并进行对比择优，以各优化控制时段择优解对应的充放电优化控制系数执行充电、放电及闲置操作。
[0012]可选的，步骤(1)中，电池退化成本，表达式如下：
[0013][0014]其中，为车辆EV
k
在t时段的电池退化成本；B
k
为电池寿命与循环次数之间的线性关系系数；γ
k,t
为车辆EV
k
在t时段的循环充放电电量；C
k
为电池容量；C
B
为电池更换成本；SOC
k,t
和SOC
k,t
‑1分别为车辆EV
k
在t时段和上个时段的SOC。
[0015]可选的，步骤(1)中，考虑电池退化成本的车辆充放电成本最低，表达式如下：
[0016][0017]其中，f
k,1
为电池退化成本的车辆充放电成本；n为预设优化控制时间的数量；S
t
为t时段的充放电电价；S
cp
、S
cf
、S
cv
分别为峰时段、平时段、谷时段的充电电价；S
dp
、S
df
、S
dv
分别为峰时段、平时段、谷时段的放电电价；x
k,t
是电动公交车充放电控制系数；P
k
为电动公交车额定功率。
[0018]可选的，步骤(1)中，车辆充放电完成后电量最多，表达式如下：
[0019][0020]其中，f
k,2
为车辆EV
k
充放电完成后电量的负数；SOC
0,k
为车辆EV
k
的初始SOC。
[0021]可选的，步骤(1)中，多目标优化函数，表达式如下：
[0022][0023]其中，f
k
为车辆EV
k
的多目标优化函数；分别为单目标函数f
k,1
、f
k,2
的最大值；λ
k,1
、λ
k,2
分别为单目标函数f
k,1
、f
k,2
的优化权重。
[0024]可选的，步骤(2)中，设置谷时段充放电优化控制系数，具体为：
[0025]将车辆EV
k
接入电网时每个时段的负荷大小进行升序排列；
[0026]为车辆EV
k
按1：1：1划分峰、平、谷时段；
[0027]将车辆EV
k
接入电网时，所有的谷时段设置为以额定功率进行充电。
[0028]可选的，步骤(3)中，利用遗传学算法初始化随机产生种群，求解峰时段和平时段的充放电优化控制系数，具体为：
[0029]根据车辆EV
k
在停车时间内经过谷时段充放电优化控制系数优化后剩余的峰时段和平时段的数量N
k
初始化随机产生种群，得到一个由编码0、1构成的矩阵pop，如下：
[0030]pop＝round(rand(popsize，chromlength))；
[0031]其中，popsize为矩阵行数，也为初始化种群个体数目；chromlength为矩阵列数，
也为初始化种群个体的编码长度，计算公式如下：
[0032]chromlength＝N
k
*10；
[0033]提取初始化种群中所有个体第j个变量对应的二进制编码信息，表达式如下：
[0034]pop1＝pop(：，1+(j
‑
1)*10：10j)；
[0035]矩阵pop1包含初始化种群中所有个体第j个变量对应的二进制编码信息；
[0036]解码，将矩阵pop1中二进制数转化为十进制数，表达式如下：
[0037][px，py]＝size(pop1)；
[0038]其中，px为矩阵pop1的行数，也为种群个体数目；py为矩阵pop1的列数，也为种群中所有个体第j个变量对应的二进制编码所占位数；
[0039]for i＝1：py；
[0040]popp(:，1)＝2.∧(py
‑
i).*pop1(:，i)；
[0041]end；
[0042]pop2＝sum(popp)；
[0043]其中，矩阵pop2为将矩阵pop1中二进制数转化为十进制数所得；
[0044]将矩阵pop2中二值域的数转化为变量域中的数，表达式如下：
[0045]pop3＝
‑
1+pop2*2/pop2
max
；
[0046]其中，pop3为矩阵pop2中二值域的数转化为变量域中的数所得，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传学算法的电动公交车充换电站充换电方法，其特征在于，包括：步骤(1)：预设优化控制时段，构建包括以车辆充放电完成后电量最多及考虑电池退化成本的车辆充放电成本最低为目标的多目标优化函数；步骤(2)：设置谷时段充放电优化控制系数；步骤(3)：利用遗传学算法初始化随机产生种群，求解峰时段和平时段的充放电优化控制系数，并根据电池容量约束修正所述充放电优化控制系数，带入所述多目标优化函数，求得各优化控制时段最优解；步骤(4)：对所述初始化种群进行迭代更新，重复所述步骤(3)，得到多个所述各优化控制时段最优解，并进行对比择优，以各优化控制时段择优解对应的所述充放电优化控制系数执行充电、放电及闲置操作。2.根据权利要求1所述的一种基于遗传学算法的电动公交车充换电站充换电方法，其特征在于，步骤(1)中，所述电池退化成本，表达式如下：其中，为车辆EV
k
在t时段的电池退化成本；B
k
为电池寿命与循环次数之间的线性关系系数；γ
k,t
为车辆EV
k
在t时段的循环充放电电量；C
k
为电池容量；C
B
为电池更换成本；SOC
k,t
和SOC
k,t
‑1分别为车辆EV
k
在t时段和上个时段的SOC。3.根据权利要求2所述的一种基于遗传学算法的电动公交车充换电站充换电方法，其特征在于，步骤(1)中，考虑电池退化成本的车辆充放电成本最低，表达式如下：其中，f
k,1
为电池退化成本的车辆充放电成本；n为预设优化控制时段的数量；S
t
为t时段的充放电电价；S
cp
、S
cf
、S
cv
分别为峰时段、平时段、谷时段的充电电价；S
dp
、S
df
、S
dv
分别为峰时段、平时段、谷时段的放电电价；x
k,t
是电动公交车充放电控制系数；P
k
为电动公交车额定功率。4.根据权利要求3所述的一种基于遗传学算法的电动公交车充换电站充换电方法，其特征在于，步骤(1)中，所述车辆充放电完成后电量最多，表达式如下：其中，f
k,2
为车辆EV
k
充放电完成后电量的负数；SOC
0,k
为车辆EV
k
的初始SOC。5.根据权利要求4所述的一种基于遗传学算法的电动公交车充换电站充换电方法，其特征在于，步骤(1)中，所述多目标优化函数，表达式如下：
其中，f
k
为车辆EV
k
的多目标优化函数；分别为单目标函数f
k,1
、f
k,2
的最大值；λ
k,1
、λ
k,2
分别为单目标函数f
k,1
、f
k,2
的优化权重。6.根据权利要求1所述的一种基于遗传学算法的电动公交车充换电站充换电方法，其特征在于，步骤(2)中，设置所述谷时段充放电优化控制系数...

【专利技术属性】
技术研发人员：戚佳金，戴咏夏，宋书轩，尹宏源，石磊，丁妞妞，蔡明艳，
申请(专利权)人：杭州市新能源汽车服务有限公司，
类型：发明
国别省市：