本發(fā)明屬于電力系統(tǒng)運行和控制技術領域，具體涉及一種基于多代理商的電動汽車有序充電方法。

背景技術：

隨著環(huán)境污染、化石資源枯竭等問題日益嚴峻，環(huán)境友好型的電動汽車正成為世界各國青睞的對象，用以實現減少對化石燃料的依賴，減少溫室氣體的排放。然而，當電動汽車的數量到達一定規(guī)模時，若對其充電行為不加以控制，則會對電網的穩(wěn)定運行造成負面影響，例如，增加峰值負載需求、增加功率損耗、降低電能質量等。因此，有必要對電動汽車的充電行為進行調度，保證電網的安全穩(wěn)定運行，另一方面，也能降低用戶的充電費用，實現電網與用戶雙贏的結果。

目前針對電動汽車充電調度的研究工作主要采用集中式的優(yōu)化策略，此類策略通常需要中央控制器來搜集所有電動汽車的信息，如接入電網和離開電網的時間、充電功率以及充電需求，并求解模型得到調度策略。此類策略需要提前得到所有電動汽車的充電信息，需要更頻繁的雙向通信以及需要更大的計算量。在目前分布式優(yōu)化策略研究中，采用針對每段時間內所有電動汽車充電曲線迭代優(yōu)化的分布式策略同樣具有龐大計算量等集中式優(yōu)化策略的缺點。

隨著人們環(huán)保意識的提高以及政府對電動汽車產業(yè)的大力支持，電動汽車的規(guī)模逐步擴大，甚至當電動汽車電池技術取得突破性進展時，電動汽車可能會取代傳統(tǒng)能源汽車成為人們出行的主要交通工具。因此，對電動汽車的充電行為進行有效高效調度，保證電網的安全穩(wěn)定運行是亟待解決的問題。

技術實現要素：

本發(fā)明的目的在于提出一種基于多代理商的電動汽車有序充電方法，能快速有效地對電動汽車的充電行為進行調度，不需要廣泛的雙邊通信以及繁重的計算量，就能滿足用戶的充電需求，保持電網的穩(wěn)定性。

為達到上述目的，本發(fā)明采用的技術方案為：

一種基于多代理商的電動汽車有序充電方法，包括以下步驟：

1)當電動汽車接入電網，家庭代理商hi,j獲取其負責區(qū)域內時間段[t,t+△t)中已接入電網的m輛電動汽車的充電信息；其中m為家庭代理商hi,j負責區(qū)域內時間段[t,t+△t)中所有接入電網的電動汽車總數；t為m輛電動汽車中第一輛電動汽車接入電網的時刻，△t為充電時間步長，hi,j為電網代理商g區(qū)域中的第j個變電站代理商sj區(qū)域中的第i個家庭代理商；

2)根據步驟1)中獲取的充電信息判斷第n輛電動汽車在時間段[t,t+△t)內的可調度狀態(tài)；根據可調度狀態(tài)獲取m輛電動汽車中可參與調度的電動汽車總數n；其中n＝1～m，n≤m；

3)獲取家庭代理商hi,j所需的電網原始負載pbt，其中pbt＝pbase+pev，pbase為一天內電網中除電動汽車之外的基本負載，pev為一天中t時刻之前電網中已參與調度且并未結束充電過程的電動汽車的總負載；

4)根據步驟1)至3)中獲取的數據建立家庭代理商hi,j中參與調度的所有電動汽車的實時充電模型，并根據實時該充電模型求解出n輛電動汽車各自的預計充電曲線；

其中實時充電模型為：

f為家庭代理商hi,j中參與調度的所有電動汽車的總充電成本，f1為家庭代理商hi,j中參與調度的所有電動汽車只考慮分時電價的總充電成本，f2為家庭代理商hi,j中參與調度的所有電動汽車考慮電網總負荷的總充電成本；為電動汽車α的充電開始時間，α＝1～n；λ1、λ2為正權重系數，且λ1+λ2＝1；

5)家庭代理商hi,j將n輛電動汽車各自的預計充電曲線發(fā)送到變電站代理商sj，變電站代理商sj根據目標函數檢測該預計充電曲線下電網負荷的波動情況，并根據檢測結果作出決定，對于檢測結果符合目標函數的電動汽車，按照其預計充電曲線進行充電；對于檢測結果不符合目標函數的電動汽車，則修改λ1、λ2，返回步驟4)，進行迭代計算，直至調整后的檢測結果符合目標函數要求或者λ1、λ2其中一個的值為1；當迭代后λ1、λ2其中一個的值為1時，按照迭代后步驟4)求出的該電動汽車的預計充電曲線直接對其進行充電；

6)家庭代理商hi,j根據步驟5)的結果調度其負責區(qū)域內的n輛電動汽車進行充電，實現基于多代理商的電動汽車有序充電；

7)在時間段[t,t+△t)之后，變電站代理商sj將其負責區(qū)域內的所有電動汽車的充電負荷上傳至電網代理商，并更新電網原始負載為p′bt，當有新的電動汽車接入電網時，返回步驟1)重新開始電動汽車的有序充電調度。

所述步驟1)具體為：在時間段[t,t+△t)中，在家庭代理商hi,j負責區(qū)域內，當第n輛電動汽車接入電網，n＝1～m，家庭代理商hi,j獲取第n輛電動汽車的入網時刻和預計離開時刻額定充電功率以及充電需求rn，以此獲取m輛電動汽車各自的入網時刻、預計離開時刻、額定充電功率以及充電需求。

所述步驟2)中第n輛電動汽車的可調度狀態(tài)為

當時表示第n輛電動汽車能在其預計離開時刻之前完成充電過程，則該輛電動汽車可參與調度，當時表示第n輛電動汽車不能在其預計離開時刻之前完成充電過程，則該輛電動汽車不參與調度，直接對其進行充電；其中rn分別為第n輛電動汽車的入網時刻、預計離開時刻、額定充電功率以及充電需求。

所述步驟4)中

t為n輛電動汽車在可調度時間內包含時間步長△t的最大數目，其中為n輛電動汽車的最晚離開時刻；為第α輛電動汽車的額定充電功率；s(t+△tβ)為時刻t+△tβ時的電價；β＝1～t；pbt(t+△tβ)為時刻t+△tβ的電網原始負載；當ξα(t+△tβ)＝1時表示電動汽車α在時刻t+△tβ為充電狀態(tài)，當ξα(t+△tβ)＝0時表示電動汽車α在時刻t+△tβ為未充電或者充滿閑置狀態(tài)；為第α輛電動汽車的充電結束時間。

所述步驟4)中實時充電模型的約束條件為：

其中l(wèi)α表示電動汽車α的充電持續(xù)時長，表示第α輛電動汽車接入電網的時間，表示第α輛電動汽車離開電網的時間，rα為第α輛電動汽車的充電需求。

所述步驟5)中的目標函數為：

其中

t′為將一天24小時從0點起以△t時間段平均劃分的時間段數目，t′＝1～t′；為電動汽車α′的額定充電功率；α′＝1～m′，m′為變電站代理商sj負責區(qū)域內在[t,t+△t)時間段接入電網并參與調度的電動汽車總數；為第α輛電動汽車的額定充電功率，α＝1～n；η為小于1但接近1的系數；ξα′,t′為電動汽車α′在時間段t′的充電狀態(tài)，當ξα′,t′＝1時表示電動汽車α′在時間段t′處于充電狀態(tài)，當ξα′,t′＝0時表示電動汽車α′在時間段t′處于未充電或者充滿閑置狀態(tài)；為電動汽車α′充電開始時間，為第α′輛電動汽車的充電結束時間。

相對于現有技術，本發(fā)明的有益效果為：

本發(fā)明提供的基于多代理商的電動汽車有序充電方法中，家庭代理商和變電站代理商協同工作，服務于電網代理商，將需要集中處理的大量請求進行分布式處理，有效地提高了計算效率，降低了計算資源要求，避免了額外的雙向通信過程。該方法只需要當前電動汽車實時能量需求信息和充電時間安排，不需要將來接入電網電動汽車的信息，不需要復雜的預測方法和優(yōu)化技術，并且該方法具有良好的擴展性，適用于電動汽車高滲透率情況。本發(fā)明中的電動汽車充電過程為恒功率無間斷充電，避免了電動汽車電池頻繁地切換充電模式，最大程度地降低了充電調度對電動汽車電池使用壽命的影響。本發(fā)明有效地提高了電動汽車實時充電優(yōu)化的效果，在滿足用戶需求、降低用戶充電成本的同時更好地削峰填谷，保證了電網的穩(wěn)定性，實現了用戶與電網的共同獲益。本發(fā)明在實現用戶最大利益的同時保證了電網的穩(wěn)定性，提高了用戶參與調度的積極性以及降低了電動汽車充電對電網的負面影響。

本發(fā)明具體具有以下優(yōu)點：

(1)在本發(fā)明中，當電動汽車接入電網，電網只需要知道當前電動汽車的充電信息，而不需要預測將來接入電網的電動汽車用電信息，避免了使用預測方法帶來的計算量，同時也提高了調度的準確性；

(2)本發(fā)明的調度方法實時地對接入電網的每輛電動汽車單獨進行調度，調度結束后產生的調度結果即為電動汽車的充電計劃，減少了優(yōu)化算法的復雜度，降低了電網和電動汽車雙邊的通信量；

(3)本發(fā)明采用一種基于電網代理商、變電站代理商和家庭代理商的多代理商系統(tǒng)，將大規(guī)模接入電網的電動汽車分散到每個家庭代理商中，進行分布式處理，有效地降低了電力調度中心的計算量，提高了計算效率，同時該系統(tǒng)具有良好的擴展性，適用于新增電動汽車接入電網的情況；

(4)本發(fā)明通過家庭代理商產生側重于減少電動汽車用戶充電費用的調度結果，并上傳變電站代理商，有效地維護了電動汽車用戶的利益，提高其參與電動汽車充電調度的積極性；

(5)本發(fā)明通過變電站代理商使用反饋機制檢測家庭代理商上傳的電動汽車預計充電計劃是否滿足電網負荷波動要求，降低了由于分時電價奇點造成的負荷低谷對電網負荷波動的影響，有利于電網的安全穩(wěn)定；

(6)本發(fā)明采用的電動汽車充電過程為恒功率無間斷充電，使得電動汽車電池的充電模式變化次數最小，最大程度地降低了充電調度對電動汽車電池使用壽命的影響。

附圖說明

圖1為本發(fā)明的多代理系統(tǒng)框架圖；

圖2是本發(fā)明的整體流程圖；

圖3是本發(fā)明中電網代理商的算法流程圖；

圖4是本發(fā)明中變電站代理商的算法流程圖；

圖5是本發(fā)明中家庭代理商的算法流程圖；

圖6是33節(jié)點場景示意圖；

圖7是不同電動汽車滲透率下電網負荷曲線圖；

圖8是不含反饋機制的電網負荷曲線圖；

圖9是采用本發(fā)明方法調度后的電網負荷曲線圖。

具體實施方式

下面結合附圖對本發(fā)明做進一步詳細說明。

本發(fā)明提供的基于多代理商的電動汽車有序充電方法，利用家庭代理商、變電站代理商和電網代理商分布式協同工作，將數量龐大的電動汽車同時接入電網的充電問題按區(qū)域進行分布式處理，變電站代理商調度部分通過求解實時充電數學模型得到入網電動汽車充電曲線，并將調度結果下發(fā)到家庭代理商，調度電動汽車的充電行為。本發(fā)明有效地提高了電動汽車實時充電優(yōu)化的效果，在滿足用戶需求、降低用戶充電成本的同時更好地削峰填谷，保證了電網的穩(wěn)定性。

本發(fā)明提供的基于多代理商的電動汽車有序充電方法中，家庭代理商、變電站代理商協同工作，服務于電網代理商，分布式處理大量復雜的充電請求，并采用實時貪心算法調度電動汽車充電行為。家庭代理商側主要根據實時電價以最大化用戶的利益為目標調度電動汽車的充電行為，采用實時貪心算法求解所提出的模型。變電站代理商主要代表電網的利益，檢驗家庭代理商提交的充電需求是否滿足電網波動性要求，如此循環(huán)迭代，互相協商，最終達到一個雙方都比較滿意的結果。

參見圖1，本發(fā)明中的多代理商共分為三級，第一級為電網代理商(共一個)，電網代理商下設若干第二級的變電站代理商，每個變電站代理商下設若干第三級的家庭代理商，每個家庭代理商分管若干電動汽車的充電過程，由此構成本發(fā)明的電動汽車有序充電方法所基于的多代理商結構。

參見圖2，本發(fā)明提供的基于多代理商的電動汽車有序充電方法，具體包括以下步驟：

(1)當電動汽車接入電網，家庭代理商hi,j獲取其負責區(qū)域內時間段[t,t+△t)中已接入電網的m輛電動汽車的充電信息；即當第n輛電動汽車接入電網，n＝1～m，家庭代理商hi,j獲取第n輛電動汽車的入網時刻和預計離開時刻額定充電功率以及充電需求rn；其中m為家庭代理商hi,j負責區(qū)域內時間段[t,t+△t)中所有接入電網的電動汽車總數；t為m輛電動汽車中第一輛電動汽車接入電網的時刻，△t為充電時間步長(△t＝10～20min)，hi,j為電網代理商g區(qū)域中的第j個變電站代理商sj區(qū)域中的第i個家庭代理商；

(2)根據步驟(1)中獲取的充電信息判斷第n輛電動汽車在時間段[t,t+△t)內的可調度狀態(tài)根據可調度狀態(tài)獲取m輛電動汽車中可參與調度的電動汽車總數n，n≤m；其中當時表示第n輛電動汽車能在其預計離開時刻之前完成充電過程，則該輛電動汽車可參與調度，而當時表示第n輛電動汽車不能在其預計離開時刻之前完成充電過程，則該輛電動汽車不參與調度，直接對其進行充電。

(3)獲取家庭代理商hi,j所需的電網原始負載pbt，其中pbt＝pbase+pev，pbase為一天內電網中除電動汽車之外的基本負載，pev為一天中t時刻之前電網中已參與調度且并未結束充電過程的電動汽車的總負載；

(4)根據步驟(1)至(3)中獲得的數據建立家庭代理商hi,j中參與調度的所有電動汽車的實時充電模型，并根據該充電模型求解出n輛電動汽車各自的預計充電曲線；

所述充電模型為：

其中：

f為家庭代理商hi,j中參與調度的所有電動汽車的總充電成本，f1為只考慮分時電價的總充電成本，f2為考慮電網總負荷的總充電成本；為電動汽車α充電開始時間，為第α輛電動汽車的充電結束時間，α＝1～n；λ1、λ2為正權重系數，且λ1+λ2＝1；n為在時間段[t,t+△t)內接入家庭代理商hi,j并參與調度的電動汽車總數；△t為充電時間步長；t為n輛電動汽車在可調度時間內包含時間步長△t的最大數目，其中為n輛電動汽車的最晚離開時刻；當ξα(t+△tβ)＝1時表示電動汽車α在時刻t+△tβ為充電狀態(tài)，當ξα(t+△tβ)＝0時表示電動汽車α在時刻t+△tβ為未充電或者充滿閑置狀態(tài)；s(t+△tβ)為時刻t+△tβ時的電價；β＝1～t；為第α輛電動汽車的額定充電功率；pbt(t+△tβ)為時刻t+△tβ的電網原始負載；

上述充電模型的約束條件如下：

其中l(wèi)α表示電動汽車α的充電持續(xù)時長，表示第α輛電動汽車接入電網的時間，表示第α輛電動汽車離開電網的時間，rα為第α輛電動汽車的充電需求。該約束條件能夠確保在每輛電動汽車在其預計離開時間內能夠滿足其的充電需求。

(5)家庭代理商hi,j將n輛電動汽車各自的預計充電曲線發(fā)送到變電站代理商sj，變電站代理商sj根據目標函數檢測該預計充電曲線下電網負荷的波動情況，并根據檢測結果作出決定，對于檢測結果符合目標函數的電動汽車，按照其預計充電曲線進行充電；對于檢測結果不符合目標函數的電動汽車，則修改λ1、λ2，返回步驟(4)進行迭代計算，直至調整后的檢測結果符合目標函數要求或者λ1、λ2其中一個的值為1；當迭代后λ1、λ2其中一個的值為1時，按照迭代后步驟4)求出的該電動汽車的預計充電曲線直接對其進行充電；

所述目標函數為：

其中

t′為將一天24小時從0點起以△t時間段平均劃分的時間段數目，t′＝1～t′；pbt為電網原始負載；為電動汽車α′的額定充電功率；α′＝1～m′，m′為變電站代理商sj負責區(qū)域內在[t,t+△t)時間段接入電網并參與調度的電動汽車總數；ξα′,t′為電動汽車α′在時間段t′的充電狀態(tài)，當ξα′,t′＝1時表示電動汽車α′在時間段t′處于充電狀態(tài)，當ξα′,t′＝0時表示電動汽車α′在時間段t′處于未充電或者充滿閑置狀態(tài)；為電動汽車α′充電開始時間，為第α′輛電動汽車的充電結束時間；η為小于1但接近1的系數。

(6)家庭代理商hi,j根據步驟(5)的結果調度其負責區(qū)域內的n輛電動汽車進行充電，實現基于多代理商的電動汽車有序充電；

(7)在時間段[t,t+△t)之后，變電站代理商sj將其負責區(qū)域內的所有電動汽車的充電負荷上傳至電網代理商，更新電網原始負載為p′bt，當有新的電動汽車接入電網時，返回步驟(1)重新開始電動汽車的有序充電調度。

本發(fā)明中電網代理商、變電站代理商和家庭代理商各自的算法流程圖分別如圖3、圖4、圖5所示。

圖3為電網代理商g的算法流程圖。如圖3所示，電網代理商具有最高的統(tǒng)籌能力，能夠收集電網中充電的電動汽車負荷信息，并與通過歷史數據預測的不包含電動汽車負荷的基本負荷相加生成用于電動汽車充電調度的原始負荷，下發(fā)到變電站代理商，同時從變電站代理商收集接入電網的電動汽車的充電信息，以此來更新電網的原始負荷，用于下一時段電動汽車充電行為的調度。

圖4為變電站代理商s的算法流程圖。從圖4中可以看出，變電站代理商是信息的傳輸中樞，主要負責信息的傳遞和整合，以及對家庭代理商上傳的充電需求是否達標做出決策。變電站代理商從電網代理商獲取電網當前時刻的原始負荷曲線，并將該負荷曲線下發(fā)至轄區(qū)家庭代理商。家庭代理商根據獲得的原始負荷曲線，對接入電網的電動汽車充電行為進行調度，產生主要考慮用戶費用的電動汽車優(yōu)化曲線，并上傳至變電站代理商。變電站代理商根據家庭代理商上傳的電動汽車充電曲線計算該曲線對電網負荷波動的影響，若能夠有效的降低電網的負荷波動，則同意該請求并上傳至電網代理商，若不滿足要求，則退回家庭代理商，使其重新制定充電計劃。

圖5為家庭代理商h的算法流程圖。如圖5所示，家庭代理商是直接與電動汽車通信的模塊，主要負責電動汽車充電策略的制定和執(zhí)行。家庭代理商根據電網的原始負荷，采用以分時電價為基礎的實現電動汽車用戶費用最小的目標函數對電動汽車的充電行為進行優(yōu)化，得到的優(yōu)化曲線上傳至變電站代理商。若變電站代理商同意該充電請求，則根據優(yōu)化結果對電動汽車進行有序充電；若不同意該充電請求，則通過調整目標函數的權重系數，進行反饋訓練，重新制定新的充電計劃，不停地迭代優(yōu)化，直到達到一種平衡狀態(tài)。

下面結合一個具體的仿真實例對本發(fā)明作進一步詳細說明。

選取如圖6所示的33節(jié)點系統(tǒng)來研究電動汽車隨機接入電網對配電系統(tǒng)的影響。配電網結構如圖6所示，該配電系統(tǒng)中共有32條支路，1個電源，網絡首端基準電壓為12.66kv，三相功率基準值為10mva，網絡電壓等級是10kv和220v，0節(jié)點為電源節(jié)點，其電壓標幺值為1.05，其余節(jié)點均可作為電動汽車充電負載節(jié)點。(假設分接頭選為+5％)

該配電系統(tǒng)最大負荷容量為9200kw，并且在該配電系統(tǒng)中，商業(yè)用電和居民用電最高負荷占系統(tǒng)總負荷的60％。選取的電動汽車充電功率為3kw；則該系統(tǒng)能夠接入的電動汽車最大數量為9200/3＝3066輛，考慮到電力系統(tǒng)中潮流約束和電壓質量的影響，實際能夠接入的電動汽車數量要比理論值更小。本配電系統(tǒng)中電動汽車保有量設為3000輛，并定義電動汽車滲透率為電動汽車實際數量占電動汽車保有量的百分比。

該配電系統(tǒng)中電網代理商共一個，變電站代理商共6個，家庭代理商共32個，電動汽車隨機地接入到各家庭代理商中。

首先考慮在無電動汽車接入，以及電動汽車滲透率為10％、30％、50％情況下的電動汽車無序充電對配電網負荷的影響，對應的電動汽車數量分別為零輛、300輛、900輛和1500輛。圖7為不同電動汽車滲透率下配電網總負荷曲線。從圖7中可以看出，配電網峰值負荷在19:00左右，并且隨著電動汽車滲透率的增加，峰值負荷也隨之增大，進而增大峰谷差，增大電網的波動性，對電網的安全運行造成一定的負面影響。

其次考慮家庭代理商單方面調度的情況。本發(fā)明采用表1的工業(yè)分時電價作為家庭代理商調度目標函數的電價參數。

表1工業(yè)分時電價值

家庭代理商通過求解電動汽車充電綜合成本最低的模型得到電動汽車的充電曲線。當電動汽車的滲透率為30％時，仿真結果如圖8所示。從圖8中可以看出，電動汽車調度后的充電時間是在22:00以后的基本負荷低谷時間段進行充電。同時，電動汽車的充電負荷是較為分散地分布在22:00～06:00，即整個負荷低谷時間段。在減少用戶充電費用的同時，并未產生明顯的負荷尖峰，解決了單純使用分時電價策略會產生負荷尖峰的問題，有利于電網的穩(wěn)定。

上述方法利用電動汽車負荷的靈活性基本實現了削峰填谷的作用，將無序充電產生的高峰負荷轉移到負荷低谷時段，實現了降低用戶充電費用的要求，并避免了充電尖峰。但從圖8中看到，在時間段21:00～23:00仍然存在未被填充的低谷部分，電網仍具有一定的波動性，未達到電網的利益最大化目標。由于家庭代理商主要代表用戶的利益，因此不能單純依靠家庭代理商使電網獲得更大利益。在本發(fā)明提出的多代理系統(tǒng)中，變電站代理商對家庭代理商提交的用戶充電需求具有評估和決策權力，并且變電站代理商服務于電網代理，代表電網的利益。因此，本發(fā)明提出一種訓練反饋機制，應用于變電站代理商部分，通過檢驗家庭代理商上傳的充電需求，改變電動汽車可調度充電時間區(qū)域來不斷訓練，最終達到一個電網和用戶雙方都比較滿意的結果，更新電網信息并指導電動汽車充電。

最后將反饋機制加入到基于多代理商的電動汽車有序充電方法中，即利用本發(fā)明的方法進行充電，仿真結果如圖9所示。從圖9中可以看出，加入反饋機制的電動汽車充電曲線基本填平了原負荷曲線的谷時段，實現了真正意義上的削峰填谷，在實現用戶降低充電費用的同時減少了電網負荷的波動性，提高了電網運行的經濟性和安全性。

以上所述，僅是本發(fā)明的較佳實施例，并非對本發(fā)明作任何限制，凡是根據本發(fā)明技術實質對以上實施例所作的任何簡單修改、變更以及等效結構變換，均仍屬于本發(fā)明技術方案的保護范圍內。