基于DEB-ABC算法的电动汽车充电优化调度模型

随着电动汽车保有量不断上升, 其相关配套设施也面临巨大挑战, 不合理的充电资源分配在充电高峰期会造成部分充电站过度拥挤, 并且影响电网稳定运行. 提出一种考虑多目标优化的调度模型, 通过分析充电站内不同充电选项的排队时间, 并根据排队率和分时电价提出一种动态定价模型, 影响车主充电行为, 结合动态定价模型与充电需求计算充电成本, 考虑基于起讫点的充电总路径行驶时间, 以总成本最少为优化目标, 基于DEB-ABC算法进行求解. 在某区域内对1 500辆电动汽车进行仿真验证, 结果表明提出的优化调度模型可减少充电等待时间、充电成本和总行驶时间, 提高区域内充电站利用率.     

充电站内引导电动汽车有序充电控制方法仿真

传统的电动汽车充电控制通常采用基于多代理、基于T-S模糊控制器、基于交替方向乘子的有序充电控制方法,但这几种方法的电网负荷波动率较高,为此提出一种充电站内引导电动汽车有序充电控制方法。应用滚动优化法对集中充电站进行充电时段划分;结合灰色理论对电动汽车用户短期的用电负荷状况进行预测,通过预测未来一段时间的电动汽车用户用电负荷值,对各个时段电动汽车用户的充电计划进行优化求解,最终实现电动汽车有序充电控制。为了验证上述方法的有效性,与三种传统控制方法进行对比,得出上述方法的充电负荷波动率为49.2%,通过比较可知,所提方法的充电负荷波动率最低,证明了上述方法的有效性。     

时空需求下的电动汽车充电设施选址优化模型

针对电动汽车充电站布局位置不合理、充电利用率较低等问题，提出了一种时空需求下的充电设施选址优化模型STDM。通过对电动汽车出行数据的时空分布特征进行挖掘，结合电动汽车的出行与充电行为构建充电需求预测模型来获得区域内时空需求分布；采用基于时空统计量的方法获取需求热点区域，考虑到充电站服务覆盖问题，定义充电覆盖率作为模型评估参数；在此基础上从用户角度与运营和社会角度综合构建电动汽车到站距离成本、充电站建设运行成本和碳排放成本的优化模型。最后通过实际数据验证模型的可行性和有效性。结果表明，模型得出了区域内12个充电站的选址方案降低综合成本，同时确定充电站的布局位置与充电桩数量；此外，采用所提方法得到的模型选址结果相比于其他文献方法能够有效缩短电动汽车到站距离，并提高到站覆盖率。     

基于二次聚类的大规模电动汽车有序充电调度策略优化

针对大量电动汽车无序充电造成的充电站利用率不均衡问题,提出一种大规模电动汽车有序充电调度策略。首先,以电动汽车充电需求的位置为聚类指标,借助归一化相似度进行层次聚类和基于K-means算法的二次划分,以实现属性相似的电动汽车的汇聚。进一步地,通过Dijkstra算法获取电动汽车到达各个充电站的最优路径,以充电站内电动汽车的均匀分配和电动汽车充电路程最短作为目标函数,构建了基于电动汽车聚类的充电调度模型,通过遗传算法求取最优解。与未进行电动汽车聚类的充电调度策略进行的仿真对比实验结果表明,在车辆较多时所提方法的计算时间可减少一半以上,具有较高的实用性。     

基于单亲遗传算法混合动态规划的电动汽车充电调度优化策略

充电调度是电动汽车运营的一个重要内容,合理有效的充电策略在帮助运营商降低成本的同时还能减轻电网高峰时段的供电负担。从充电站运营商的角度出发,在实时电价和每个充电任务时间必须连续的假设下,建立了一个电动汽车充电成本最小模型,给出一个单亲遗传算法混合动态规划的两阶段常规充电调度算法。与电桩一旦闲置即刻分配车辆进行充电的策略以及传统单亲遗传算法相比较,该充电调度策略在电桩负载均衡的情况下有效降低了电费成本,说明了算法的有效性。此外,实验结果表现出了充电任务在多数相同时段聚集从而避开高电价时段的特征,说明充电策略对减轻高峰时段的电网压力也有一定帮助。     

基于混合蚁群算法的冷链电动汽车车辆路径问题

用电动汽车进行冷链物流配送符合绿色物流的发展趋势。针对电动汽车冷链配送需消耗更多能源以维持低温环境,而电动汽车续驶里程短、充电时间长,致使运营成本高的现象,思考了电动汽车配送中的冷链车辆路径问题（REVRP）。考虑电动汽车能耗特点和社会充电站的充电需求,构建了以总配送成本最小为优化目标的线性规划模型,而目标函数由固定成本和可变成本构成,其中可变成本包含运输成本和制冷成本。模型考虑容量约束和电量约束,并设计混合蚁群（HACO）算法对其进行求解,其中重点设计了适合社会充电站的转移规则以及4种局部优化算子。在改进Solomon基准算例的基础上,形成了小规模和大规模两个算例集,并通过实验比较了蚁群（ACO）算法和局部优化算子的性能。实验结果表明,在小规模算例集中,传统ACO算法与CPLEX求解器均能找到精确解,而ACO算法在运算时间方面可节省99.6%;而在大规模算例集中,与ACO算法相比,结合4种局部优化算子的HACO算法的平均优化效率提升了4.45%。所提算法能够在有限时间内得出电动汽车REVRP的可行解。     

面向用户行驶计划的电动汽车充电调度策略

充电站（桩）尚未普及以及电动汽车有限的行驶里程,使得大多数汽车用户关于是否选择电动汽车犹豫不决。为了减少用户对于电动汽车有限电池容量的担心,并且降低因频繁充电以及偏离原定行驶路线绕路进行充电所增加的电动汽车使用费用,提出一种基于匹配理论面向用户行驶计划的电动汽车充电调度方案TPCS。首先,分别根据电动汽车用户的行驶计划和对各充电站的电量需求构建电动汽车用户与充电站的偏好表;然后,建立电动汽车用户与充电站之间的多对一匹配模型;最后,以系统总效用为优化目标进行充电站接口分配。数值仿真结果显示,与随机分配（RCS）算法和仅考虑电动汽车效用分配（OEVS）算法相比,TPCS算法将系统总效用较RCS算法最多提高了39.3%,较OEVS算法最多提高了5%;而在电动汽车充电需求轻负载时,TPCS算法始终保证用户满意度在90%以上,高于RCS算法。所提算法能够有效地提高系统总效用和用户满意度,同时降低计算复杂度。     

基于用户数据的电动汽车充电桩网络攻击模型

电动汽车(electrical vehicle, EV)的用户数据是优化EV充电成本的关键数据,对用户数据的操纵可能导致错误的充电成本,使充电桩运营商蒙受经济损失。针对EV充电桩,提出了一种基于用户数据的网络攻击模型,该模型通过篡改接入EV充电桩的用户数据生成虚假的充电计划,从而提高充电桩的充电成本。所提出的攻击模型为一种基于混合整数线性规划的两层优化模型,在上层生成注入EV充电桩的恶意用户数据,下层为EV充电计划优化算法,通过应用KKT条件使两层优化模型转化为单层优化攻击模型。仿真以一个虚拟充电站场景为例,相较于无攻击情况,该攻击模型通过提高EV的充电能量或移动EV的充电时段增加了充电站的总充电成本,验证了该攻击模型的可行性和危害性。     

计及峰谷电价的电动汽车负荷模型分析

大规模电动汽车无序接入配电网会导致电网负荷峰值增加。首先,本文通过分析电动汽车行驶特性,根据电动汽车电量需求、电池荷电状态、充放电功率等约束条件,基于电动汽车有序充放电概率模型和功率期望,构建最小负荷峰值目标函数。再通过遗传算法求解,以峰谷电价时间作为优化变量,得到优化前后的电网负荷曲线。然后分别研究了在不同峰谷电价时间以及在不同用户响应度下电网负荷曲线的变化,并与电动汽车无序充电时的负荷曲线进行对比。最后讨论分析了用户响应度和充电模式对电网负荷峰值的作用效果。     

风力发电与电动汽车充放电协同优化调度策略

大规模电动汽车无序充电以及风力发电在电网中的渗透率不断提高,给电力系统带来安全经济运行问题。在考虑电动汽车电池容量约束、充放电功率约束以及24 h的电动汽车运行行为特性基础上,建立了风力发电及电动汽车负荷平抑、降低电动汽车充放电费用和负荷峰谷差率的多目标协调优化调度模型;采用传统遗传算法和自适应非线性遗传算法对所建模型进行求解。仿真结果验证了模型的合理性以及算法的正确性。     

基于实时路况的电动汽车充电调度算法

随着电动汽车行业在我国蓬勃发展, 电动汽车的"充电难"问题逐渐显现, 已经逐步成为限制电动汽车行业发展的瓶颈. 电动汽车充电时间长, 城市充电桩数目不足且时空分布不均等问题是导致"充电难"的直接原因. 本文提出一种基于路况的电动汽车充电调度算法, 通过综合考虑路网内的实际情况, 对充电车辆进行统一调度. 文章建立了车辆调度模型并进行了仿真模拟, 结果表明: 该算法能够有效降低电动汽车的充电时间、平衡区域内充电站的负载、提升全局的充电效率.     

基于空间语义和个体活动的电动汽车充电站选址方法

针对电动汽车充电站（EVCS）的选址问题，提出一种基于空间语义和个体活动模式的城市充电站选址方法。首先，根据城市规划，采用无监督学习对非服务半径内兴趣点（POI）进行聚类，以确定新建充电站个数；然后，采用受约束的双存档进化算法（CTAEA）求解目标函数，在站间距最大化以及新充电站覆盖POI最多的约束条件下优化电动汽车选址方案。以成都市二环路内出租车的轨迹数据和POI为实验样本，并规划了15个充电站的选址方案。实验结果表明，相较于NSGA2(Non-dominated Sorting Genetic Algorithm 2）和SPEA2(Strength Pareto Evolutionary Algorithm 2),CTAEA的POI覆盖率指标提高了22.9和20.6个百分点，司机平均选择距离缩短了18.9%和25.5%，验证了所提方法在电动汽车选址方面的便利性与合理性。     

考虑充电桩最优效率的电动汽车有序充电模型

在电动汽车有序充电过程中,充电效率的评估和优化有助于提升调度模型的精确度。提出一种考虑直流充电桩最优充电效率的电动汽车有序充电模型。首先,分别对直流充电桩中Vienna整流器部分与双有源桥DC-DC部分进行损耗建模,并使用Pareto优化方法求取最优充电效率。然后,以电网运行、电池电量、充电功率和用户行为作为约束条件,构建最优负荷波动率目标函数,并通过粒子群优化方法进行求解。最后以南京城区某大型充电站的夏季负荷历史数据为参考,利用MATLAB软件分析有序充电模型的执行效果,负荷波动率从0.912降低到0.833。实验结果表明,考虑直流充电桩最优充电效率的有序充电模型能较好地降低负荷波动率。     

基于约束优化的电动汽车快速充电方法研究

在低碳经济的需求推导下,电动汽车的相关技术得到了快速的发展。该文针对电动汽车充电速度慢、电池易损耗等问题,提出了一种基于约束优化的电动汽车快速充电方法。为此,首先构建了等效电路模型、电池组模型、热模型、以及电池老化模型。在此基础上,提出将直流快速充电站优化问题与电动汽车快速充电问题相结合。利用约束优化的方法,在最短的时间内找到充电的最优点,从而在提高充电效率的同时,能够使充电站的利润最大化。最后通过实验验证了所提出方法的有效性。     

面向最大使用效益的充电站网络优化方法

我国政府目前已建成一定规模的充电站网络.针对充电站网络利用率低,存在大量冗余站点和电动汽车充电难等问题,提出了一种数据驱动的充电站网络优化方法.首先,该方法模拟电动汽车充电行为,对不同时间戳内的充电站分别建立队列系统,进而估计充电站间的到达率情况.在此基础上,分析城市电动汽车的充电行为空间特征,用于挖掘城市电动汽车的充...     

电动汽车可调度能力的风车协同参与机组组合方法

为了提高用户评估电动汽车的利用效率,节省用户成本,提出了风车协同参与机组组合方法。通过构建出电动汽车可调度充电数据模型以及电动汽车可调度充电和放电数据模型,从整体上把握电动汽车运行过程中的容量范围,并且还能够及时、有效地评价电动汽车的风电功率、放电功率以及充电功率等。从而设计出不同汽车类型、不同容量的发电机组的启停机规划,实现用户的最大化利益。通过算例分析,在PEV电网应用环境下进行仿真试验,考虑了不同类型的电动汽车的出行特征,分析出各种不同类型的电动汽车出行数据,并测量、计算出不同时段的汽车输出功率,最终分析出汽车运行的最小成本,通过多次运算,整体误差较小。     

基于GPU并行计算的电动出租车新建充电站选址模型

针对电动出租车充电站优化选址问题，构建了以未满足的电动出租车充电需求量和新建充电站的固定成本最小为目标函数的电动出租车新建充电站选址模型，并提出基于改进的多目标粒子群算法的模型求解方法。为解决未满足充电需求量计算的性能瓶颈问题，设计了一个基于图形处理器（GPU）的未满足充电需求量并行计算算法，并通过实验验证其运行时间约为基于CPU串行算法运行时间的10%~12%。以北京为例，收集、处理相关多源数据，对提出的选址模型进行了应用示例分析，表明所提出的充电站优化选址方案具有可行性。     

考虑用户选择偏好的电动汽车充电站规划研究

在国家大力发展新能源汽车的过程中,充电问题一直阻碍着电动汽车的发展,充电基础设施尤其是快速充电站的规划和建设尤为重要。大规模发展电动汽车（electric vehicle,EV）的关键是根据用户的充电选择偏好,建立完善的充电基础设施,减少用户的里程焦虑,彻底解决充电不方便的问题。在考虑了各方面社会因素并确定一定数量的候选节点背景研究的基础上,提出了一种双目标规划模型,在满足需求、距离、容量等约束条件下,分析了建设充电站总成本和充电覆盖范围之间的关系,寻找最优的充电站建设方案,并以A城市B区为例,通过多目标粒子群算法进行求解,求出充电站的最佳节点和数量。用不同算法进行求解,通过对结果进行分析比较,表明多目标粒子群算法（MOPSO）在求解双目标问题时更具有实际意义。     

基于储能利用的充换电站电池调度路径优化北大核心CSCD

以电动汽车充换电服务为研究背景,通过计算调度车辆和用户车辆的充电损耗,并结合站点和电网间的储能共享,分析了时变路况下电池调度的路径优化问题。首先,提出了基于荷电状态和时速的调度行驶数学模型,并建立电池充电模型;然后,为精确计算充电损耗,考虑在时变功率下的电能损耗,提出了基于电池容量修正的电池损耗模型。此外,为实现储能利用,提出在充换电站与电网之间进行储能电池共享,从而建立了以充电损耗和共享收入为调度成本的目标函数。最后,在传统的站点流量和电池容量等约束下,又考虑了基于储能利用的站点电源功率约束,并采用遗传算法求解。实验结果表明,所提方法能有效减少调度过程中的充电损耗,研究成果为充换电站和电网之间的共享储能提供了理论指导。     

基于改进粒子群算法的电动汽车停车场V2G策略研究

为解决电动汽车大规模并网带来的一系列问题,国内外逐步在城市商业停车场内提供电动汽车充电服务。在此背景下,提出一种基于电动汽车并网技术的电动汽车充放电停车场模型。该模型响应实时电价,对电动汽车的充电并网行为进行动态调度,继而与电网进行能量交互。在求解电动汽车最优调度策略时采用粒子群优化算法,从可行性编码、自适应搜索半径、边界变异修正等方面进行改进,以提高算法的效率及收敛精度。仿真实验采用美国PJM公司的实时电价数据及主流电动汽车的型号参数,对比分析了3种不同情景下电动汽车停车场的运营过程及结果,验证了所提模型的合理性以及改进算法的有效性。