專利名稱：基于分散搜索算法的停車場pev充放電優(yōu)化調(diào)度方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種停車場PEV充放電優(yōu)化調(diào)度方法，尤其是涉及一種基于分散搜索算法的停車場PEV充放電優(yōu)化調(diào)度方法。
背景技術(shù)：
可入網(wǎng)電動(dòng)汽車(Plug-1n electric vehicle, PEV)以電能為動(dòng)力，具有清潔、高效、環(huán)保等特點(diǎn)，同時(shí)也是智能電網(wǎng)的重要組成部分。PEV的動(dòng)力電池可作為電網(wǎng)中移動(dòng)的分布式儲(chǔ)能單元，在受控狀態(tài)下，可實(shí)現(xiàn)與電網(wǎng)的能量、信息雙向互動(dòng)。因此，動(dòng)力電池不僅是PEV的動(dòng)力源，也是重要的移動(dòng)儲(chǔ)能介質(zhì)。當(dāng)動(dòng)力電池需要充電時(shí)，電能從電網(wǎng)流向汽車；當(dāng)汽車暫停使用時(shí)，也可以把車載電池中的電能反送給電網(wǎng)系統(tǒng)。PEV充放電模式的應(yīng)用，是電動(dòng)汽車能源供給體系中的重要形式之一，也是智能電網(wǎng)建設(shè)的重要內(nèi)容。
目前，停車場PEV集中充放電的模型已經(jīng)開始得到初步研究。但是，已有的研究大多集中于宏觀層面的充放電調(diào)度與優(yōu)化，如考慮了電動(dòng)汽車代理商的雙層優(yōu)化模型，考慮日峰荷和負(fù)荷波動(dòng)最小的優(yōu)化模型，考慮PEV有序用電的數(shù)學(xué)模型等。而在分時(shí)電價(jià)的背景下，對(duì)某個(gè)確定的PEV充放電行為的調(diào)度模型與方法，卻是研究的空白。對(duì)PEV充放電行為的優(yōu)化調(diào)度問題屬于組合優(yōu)化問題，且問題的解空間巨大，常規(guī)的數(shù)值計(jì)算方法難以在有限時(shí)間得到滿意的優(yōu)化解。因此，尋找快速有效的調(diào)度優(yōu)化算法，也成為當(dāng)前研究的熱點(diǎn)和難點(diǎn)之一；而智能優(yōu)化算法在解決大規(guī)模問題時(shí)的簡單高效，使其更適合于求解該問題。發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題，就是提供一種基于分散搜索算法的停車場PEV充放電優(yōu)化調(diào)度方法，以分時(shí)電價(jià)為背景，針對(duì)停車場內(nèi)PEV集中充放電的收益模型，建立了 PEV充放電行為的調(diào)度模型，進(jìn)行快速有效的優(yōu)化調(diào)度。
解決上述技術(shù)問題，本發(fā)明采用的技術(shù)方案如下
一種基于分散搜索算法的停車場PEV充放電優(yōu)化調(diào)度方法，包括以下步驟
SI建立停車場PEV充放電收益模型「 ^1\1= M. - Y C.
1 Lu yVMaximize沖TS'卿(I)
Subjectto dV = TOUjHBaivml - SOC*js DTS1^
Q = muJ *(SOC*BCL, -BCdvailje CTS,c(3)
其中，TOUj表示時(shí)刻j的實(shí)時(shí)電價(jià)；M4ax表示車輛i電池的最大容量WGrarf表示車輛i電池的當(dāng)前可用容量和略分別表示電池的充電效率和放電效率;Α \和DTi分別為車輛i的到達(dá)時(shí)間和離開時(shí)間。DTSi和CTSi分別表示車輛i的放電時(shí)間集和充電時(shí)間集。式(I)表示調(diào)度指標(biāo)為車輛i的收益，即充放電費(fèi)用差；式(2)表示車輛i在時(shí)刻j的放電收益，式⑶表示車輛i在時(shí)刻j的充電成本；
S2采用分散搜索算法，優(yōu)化停車場PEV充放電調(diào)度，定義算法操作的配置如下
S2-1編碼用兩位二進(jìn)制數(shù)串來代表任意時(shí)間間隔內(nèi)PEV的充放電00_充電， 11-放電，01、10_保持(即既不充電又不放電);考慮一天中24個(gè)時(shí)間間隔，每個(gè)解的編碼長度為2*24=48 ;另外，在車輛i的到達(dá)時(shí)刻ATi和離開時(shí)刻DTi之外時(shí)間的充放電是沒有意義的，即子串要定義成01或10;
S2-2初始化種群，選擇一個(gè)整數(shù)作為群體的規(guī)模參數(shù)，隨機(jī)生成解空間該整數(shù)個(gè)初始個(gè)體作為初始群體，代表問題的一些可能解，該整數(shù)取10，隨機(jī)產(chǎn)生10個(gè)解；
S2-3對(duì)S2-2中產(chǎn)生的初始解按分時(shí)電價(jià)進(jìn)行降序排列，對(duì)于停車場中的每輛 PEV,都在電價(jià)最高時(shí)進(jìn)行放電操作，在電價(jià)最低時(shí)進(jìn)行充電操作，每輛PEV只進(jìn)行一次充放電；將改進(jìn)后的解放入初始種群中替代初始化的種群；
S2-4將改進(jìn)后種群中的解按照目標(biāo)函數(shù)值進(jìn)行降序排列；
S2-5建立初始參考集RefSet=RefSetl U RefSet2，包括兩個(gè)子集，具有Id1個(gè)高質(zhì)量解的子集Refsetl和具有b2個(gè)較好多樣性的子集Refset2 ;在本分散搜索解算法中，將參考集的大小b( = bi+b2)設(shè)為5，Id1為3，b2為2 ;首先從P中選擇3個(gè)目標(biāo)函數(shù)值最好的解放入?yún)⒖技薪efSetl，然后通過計(jì)算解之間的距離選擇多樣性解；
兩個(gè)解之間的距離為兩個(gè)解編碼不同的位的個(gè)數(shù)；
計(jì)算目前不在參考集中的其他初始解，對(duì)于在P-RefSet集合中的解x計(jì)算其與每一個(gè)在RefSet集合中的解y之間的距離(Ii (x,y),并選擇出min Wi (x，y)}其中i取值從I到目前參考集中的解個(gè)數(shù)，從這些最小值中選擇一個(gè)產(chǎn)生最大距離的解，將其放入RefSet2 ； 重復(fù)這個(gè)過程直到I RefSet2 | =2,并記錄有新解產(chǎn)生。
S2-6判斷是否有新的解生成，如果有轉(zhuǎn)到步驟S2-7開始執(zhí)行，若沒有則轉(zhuǎn)到 S2-9 ；
S2-7按照子集產(chǎn)生方法生成子集，
S2-7-1)基于參考集，構(gòu)建子集，采用四種類型的子集二元組、三元組、四元組及包含最好5個(gè)元素的子集；
S2-7-2) 二元組，參考集中任意兩個(gè)解構(gòu)成的子集；
S2-7-3)三元組基于二元組，通過增加一個(gè)目前不在該二元組的目標(biāo)函數(shù)值最好的解進(jìn)行構(gòu)建；
S2-7-4)四元組基于三元組，通過增加一個(gè)目前不在該三元組的目標(biāo)函數(shù)值最好的解進(jìn)行構(gòu)建；
S2-7-5)包含最好的5個(gè)目標(biāo)函數(shù)值最優(yōu)的解；
S2-8標(biāo)識(shí)沒有新解生成；
S2-9判斷子集是否為空，當(dāng)子集不為空時(shí)，轉(zhuǎn)到S2-10開始執(zhí)行；當(dāng)子集為空時(shí)結(jié)束
S2-10 選擇子集 s ；
S2-11應(yīng)用解組合方法，針對(duì)子集中的解，計(jì)算不同解在到達(dá)和離開時(shí)間范圍內(nèi)每個(gè)小時(shí)充放電狀態(tài)對(duì)整個(gè)目標(biāo)函數(shù)的影響，選擇影響因子最大的充放電狀態(tài)作為每個(gè)小時(shí)最終的充放電狀態(tài)，組合成為一個(gè)新解；
最后對(duì)到達(dá)和離開時(shí)間范圍充放電的情況進(jìn)行計(jì)算，保證放電過程中動(dòng)力電池的5剩余電量維持在SOC以上，一旦在放電過程中電能狀態(tài)達(dá)到S0C，放電過程立即停止；
對(duì)組合后的解進(jìn)行計(jì)算，從收益最小的部分進(jìn)行可行化，直到滿足約束要求，生成新解xs ；
S2-12將解Xs按分時(shí)電價(jià)進(jìn)行降序排列，對(duì)于停車場中的每輛PEV，都在電價(jià)最高時(shí)進(jìn)行放電操作，在電價(jià)最低時(shí)進(jìn)行充電操作，每輛PEV只進(jìn)行一次充放電；得到一個(gè)新的改進(jìn)解Xs’ ；
S2-13如果Xs’不在RefSet中，且Xs’的目標(biāo)函數(shù)值好于在RefSet中目標(biāo)函數(shù)值最差的解那么執(zhí)行S2-14 ；
S2-14將Xs’加入到RefSet中替換RefSet中的最差解；
S2-15設(shè)置有新解產(chǎn)生的標(biāo)識(shí)；
S2-16從子集中刪除S，轉(zhuǎn)到S2-9執(zhí)行。
S2-17如果有新解產(chǎn)生轉(zhuǎn)到S2-6執(zhí)行，如果沒有結(jié)束。
有益效果本發(fā)明提供了一種基于分散搜索算法的停車場PEV充放電優(yōu)化調(diào)度方法，方法簡單可行，能有效地對(duì)停車場內(nèi)PEV充放電行為進(jìn)行優(yōu)化調(diào)度，實(shí)現(xiàn)“低價(jià)買進(jìn)、高價(jià)賣出”，進(jìn)而最大限度地獲得收益。


圖1為本發(fā)明的詳細(xì)流程圖；
圖2為實(shí)施例的最優(yōu)解調(diào)度圖。
具體實(shí)施方式
如圖1所示，本發(fā)明的基于分散搜索算法的停車場PEV充放電優(yōu)化調(diào)度方法實(shí)施例，包括以下步驟
SI建立停車場PEV充放電收益模型
停車場內(nèi)PEV進(jìn)行集中充放電的收益模型可描述如下停車場中有若干輛PEV，每輛PEV在到達(dá)時(shí)刻和離開時(shí)刻之間可進(jìn)行多次充放電。另外，基于分時(shí)電價(jià)理論，一天24 個(gè)時(shí)間間隔的電價(jià)有所差別。調(diào)度目標(biāo)是確定每輛PEV的充電時(shí)刻和放電時(shí)刻，實(shí)現(xiàn)“低價(jià)買進(jìn)、高價(jià)賣出”，使得在滿足時(shí)間約束的前提下每輛PEV的收益最大。通常，每輛PEV在離開停車場之前，其動(dòng)力電池要保持一定的荷電狀態(tài)(State-of-Charge，SOC)，SOC是表征電池剩余容量的重要參數(shù)，它不僅是制定能量管理策略的一個(gè)重要依據(jù)，也是電池充放電控制的主要依據(jù)。
由于停車場中的各個(gè)車輛充放電相互獨(dú)立，因此以車輛i，(i=l，2，..，N)為例，其收益模型可以描述如下
1 兄 _ ΣL 」Maximize^DTS·卿，⑴
Subjectt0 A, = TOUjHBC^an-SOC*BCma^)*E1d Js DTS1⑵「00481 C, =TOU1 * (SOC* BCmsi1-BCivail)*^- j^LTSEc(V
其中，TOU,表示時(shí)刻j的實(shí)時(shí)電價(jià)；^4 表示車輛i電池的最大容量表示車輛i電池的當(dāng)前可用容量和島分別表示電池的充電效率和放電效率;Α \和DTi分別為車輛i的到達(dá)時(shí)間和離開時(shí)間。DTSi和CTSi分別表示車輛i的放電時(shí)間集和充電時(shí)間集。式(I)表示調(diào)度指標(biāo)為車輛i的收益，即充放電費(fèi)用差；式(2)表示車輛i在時(shí)刻j的放電收益，式⑶表示車輛i在時(shí)刻j的充電成本；
S2采用分散搜索算法，優(yōu)化停車場PEV充放電調(diào)度
由于PEV充放電行為的優(yōu)化調(diào)度問題的解空間巨大，常規(guī)的數(shù)值方法難以在有限的時(shí)間得到滿意的優(yōu)化解，因此，需要采用簡單高效的智能優(yōu)化算法進(jìn)行求解。分散搜索算法作為一種新型的群體進(jìn)化算法，在解決大規(guī)模強(qiáng)約束的優(yōu)化問題上有著明顯的優(yōu)勢(shì)。本發(fā)明采用分散搜索算法，解決停車場PEV充放電優(yōu)化調(diào)度問題。
定義算法操作的步驟如下
S2-1編碼用兩位二進(jìn)制數(shù)串來代表任意時(shí)間間隔內(nèi)PEV的充放電00_充電， 11-放電，01、10_保持(即既不充電又不放電);考慮一天中24個(gè)時(shí)間間隔，每個(gè)解的編碼長度為2*24=48 ;另外，在車輛i的到達(dá)時(shí)刻ATi和離開時(shí)刻DTi之外時(shí)間的充放電是沒有意義的，即子串要定義成01或10;
S2-2初始化種群，選擇一個(gè)整數(shù)作為群體 的規(guī)模參數(shù)，隨機(jī)生成解空間該整數(shù)個(gè)初始個(gè)體作為初始群體，代表問題的一些可能解，該整數(shù)取10，隨機(jī)產(chǎn)生10個(gè)解；
S2-3對(duì)S2-2中產(chǎn)生的初始解按分時(shí)電價(jià)進(jìn)行降序排列，對(duì)于停車場中的每輛 PEV,都在電價(jià)最高時(shí)進(jìn)行放電操作，在電價(jià)最低時(shí)進(jìn)行充電操作，每輛PEV只進(jìn)行一次充放電；將改進(jìn)后的解放入初始種群中替代初始化的種群；
S2-4將改進(jìn)后種群中的解按照目標(biāo)函數(shù)值進(jìn)行降序排列；
S2-5建立初始參考集RefSet=RefSetl U RefSet2，包括兩個(gè)子集，具有Id1個(gè)高質(zhì)量解的子集Refsetl和具有b2個(gè)較好多樣性的子集Refset2 ;在本分散搜索解算法中，將參考集的大小b( = bi+b2)設(shè)為5，Id1為3，b2為2 ;首先從P中選擇3個(gè)目標(biāo)函數(shù)值最好的解放入?yún)⒖技薪efSetl，然后通過計(jì)算解之間的距離選擇多樣性解；
兩個(gè)解之間的距離為兩個(gè)解編碼不同的位的個(gè)數(shù)；
計(jì)算目前不在參考集中的其他初始解，對(duì)于在P-RefSet集合中的解x計(jì)算其與每一個(gè)在RefSet集合中的解y之間的距離(Ii (x,y),并選擇出min Wi (x，y)}其中i取值從I到目前參考集中的解個(gè)數(shù)，從這些最小值中選擇一個(gè)產(chǎn)生最大距離的解，將其放入RefSet2 ； 重復(fù)這個(gè)過程直到I RefSet2 | =2,并記錄有新解產(chǎn)生。
S2-6判斷是否有新的解生成，如果有轉(zhuǎn)到步驟S2-7開始執(zhí)行，若沒有則轉(zhuǎn)到 S2-9。
S2-7按照子集產(chǎn)生方法生成子集
S2-7-1)基于參考集，構(gòu)建子集，采用四種類型的子集二元組、三元組、四元組及包含最好5個(gè)元素的子集；
S2-7-2) 二元組，參考集中任意兩個(gè)解構(gòu)成的子集；
S2-7-3)三元組基于二元組，通過增加一個(gè)目前不在該二元組的目標(biāo)函數(shù)值最好的解進(jìn)行構(gòu)建；
S2-7-4)四元組基于三元組，通過增加一個(gè)目前不在該三元組的目標(biāo)函數(shù)值最好的解進(jìn)行構(gòu)建；
S2-7-5)包含最好的5個(gè)目標(biāo)函數(shù)值最優(yōu)的解；
S2-8標(biāo)識(shí)沒有新解生成；
S2-9判斷子集是否為空，當(dāng)子集不為空時(shí)，轉(zhuǎn)到S2-10開始執(zhí)行；當(dāng)子集為空時(shí)結(jié)束
S2-10 選擇子集 s ；
S2-11應(yīng)用解組合方法，針對(duì)子集中的解，計(jì)算不同解在到達(dá)和離開時(shí)間范圍內(nèi)每個(gè)小時(shí)充放電狀態(tài)對(duì)整個(gè)目標(biāo)函數(shù)的影響，選擇影響因子最大的充放電狀態(tài)作為每個(gè)小時(shí)最終的充放電狀態(tài)，組合成為一個(gè)新解；
最后對(duì)到達(dá)和離開時(shí)間范圍充放電的情況進(jìn)行計(jì)算，保證放電過程中動(dòng)力電池的剩余電量維持在SOC以上，一旦在放電過程中電能狀態(tài)達(dá)到S0C，放電過程立即停止；
對(duì)組合后的解進(jìn)行計(jì)算，從收益最小的部分進(jìn)行可行化，直到滿足約束要求，生成新解Xs ；
S2-12將解Xs按分時(shí)電價(jià)進(jìn)行降序排列，對(duì)于停車場中的每輛PEV，都在電價(jià)最高時(shí)進(jìn)行放電操作，在電價(jià)最低時(shí)進(jìn)行充電操作，每輛PEV只進(jìn)行一次充放電；得到一個(gè)新的改進(jìn)解Xs’ ；
S2-13如果Xs’不在RefSet中，且Xs’的目標(biāo)函數(shù)值好于在RefSet中目標(biāo)函數(shù)值最差的解那么執(zhí)行S2-14 ；
S2-14將Xs’加入到RefSet中替換RefSet中的最差解；
S2-15設(shè)置有新解產(chǎn)生的標(biāo)識(shí)；
S2-16從子集中刪除S，轉(zhuǎn)到S2-9執(zhí)行。
S2-17如果有新解產(chǎn)生轉(zhuǎn)到S2-6執(zhí)行，如果沒有則結(jié)束。
下面結(jié)合具體實(shí)例對(duì)本發(fā)明做進(jìn)一步說明。
表I是某地某天的分時(shí)電價(jià)數(shù)據(jù)表，不同時(shí)間間隔內(nèi)的電價(jià)有所不同。
表I分時(shí)電價(jià)數(shù)據(jù)表
8
權(quán)利要求
1. 一種基于分散搜索算法的停車場PEV充放電優(yōu)化調(diào)度方法，包括以下步驟S1建立停車場PEV充放電收益模型
2.根據(jù)權(quán)利要求I所述的基于分散搜索算法的停車場PEV充放電優(yōu)化調(diào)度方法，其特征是所述的S2-1編碼中的01、10_保持等于即既不充電又不放電，所述的整數(shù)取10，隨機(jī)產(chǎn)生10個(gè)解。
3.根據(jù)權(quán)利要求I所述的基于分散搜索算法的停車場PEV充放電優(yōu)化調(diào)度方法，其特征是所述的S2-7包括以下子步驟 S2-7-1)基于參考集，構(gòu)建子集，采用四種類型的子集ニ元組、三元組、四元組及包含最好5個(gè)元素的子集； S2-7-2) ニ元組，參考集中任意兩個(gè)解構(gòu)成的子集； S2-7-3)三元組基于ニ元組，通過增加ー個(gè)目前不在該ニ元組的目標(biāo)函數(shù)值最好的解進(jìn)行構(gòu)建； S2-7-4)四元組基于三元組，通過增加ー個(gè)目前不在該三元組的目標(biāo)函數(shù)值最好的解進(jìn)行構(gòu)建； S2-7-5)包含最好的5個(gè)目標(biāo)函數(shù)值最優(yōu)的解。
全文摘要
一種基于分散搜索算法的停車場PEV充放電優(yōu)化調(diào)度方法S1建立收益模型；S2采用分散搜索算法優(yōu)化調(diào)度S2-1編碼；S2-2初始化種群；S2-3替代初始化種群；S2-4降序排列；S2-5建立初始參考集；S2-6有新的解轉(zhuǎn)到步驟S2-7；S2-7生成子集；S2-8標(biāo)識(shí)新解；S2-9判斷子集是否為空；S2-10選擇子集s；S2-11生成新解xs；S2-12得到改進(jìn)解xs’；S2-13目標(biāo)函數(shù)值好于最差的解執(zhí)行S2-14；S2-14替換最差解；S2-15設(shè)置新解標(biāo)識(shí)；S2-16從子集中刪除s；S2-17有新解轉(zhuǎn)到S2-6，無則結(jié)束。本發(fā)明簡單可行有效地優(yōu)化，實(shí)現(xiàn)“低買高賣”，最大限度地獲得收益。
文檔編號(hào)G06Q10/04GK102982391SQ20121043961
公開日2013年3月20日 申請(qǐng)日期2012年11月6日 優(yōu)先權(quán)日2012年11月6日
發(fā)明者隋宇, 朱浩駿, 丁伯劍, 曲毅, 章晉龍 申請(qǐng)人:廣東電網(wǎng)公司電網(wǎng)規(guī)劃研究中心