[發明專利]一種基于改進NSGA-II算法的電動汽車有序充電方法

在審

• 申請號: 202010826171.5
• 申請日: 2020-08-17
• 公開（公告）號: CN112200401A
• 公開（公告）日: 2021-01-08
• 發明（設計）人: 張宇;時珊珊;方陳;王皓靖;劉舒
• 申請（專利權）人: 國網上海市電力公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q30/02;G06Q50/06;H02J3/00;H02J3/06;H02J3/14;B60L53/64;B60L53/66;G06N3/12
• 代理公司: 上海科律專利代理事務所(特殊普通合伙) 31290
• 代理人: 金碎平

1.一種基于改進NSGA-II算法的電動汽車有序充電方法，其特征在于，具體包括如下步驟：

1)以每個電動汽車充電站為節點，建立配電網，以配電網安全穩定運行和電動汽車充電電量為約束條件，構建了以配電網網絡損耗最小和單位電量充電費用最少的多目標優化模型；

2)電動汽車調度中心首先獲取各充電站的電動汽車充電需求、充電站的基礎負荷及各充電站的實時電價數據，然后以各時段內電動汽車總充電功率為變量，隨機產生初始種群X，采用改進的NSGA-II算法對步驟1)所建立的多目標優化模型進行求解，得到最優電動汽車有序充電方案；

所述改進NSGA-II算法的改進點包括：

2.1)交叉算子改進：

以個體的優劣性為依據改變父代種群個體X₁和X₂對應的權重，動態調整交叉原點X_1,2；

式中：λ₁和λ₂分別為種群個體X₁和X₂經過非支配排序后被指定的支配層級；

當X₁優于X₂時，對應的非支配排序層級λ₁小于λ₂，則X_1,2更多的偏向于個體X₁；

反之，X_1,2更多的偏向于個體X₂，進而達到保留更多的優良基因的目標；

動態調整交叉指數η_c的取值，對種群個體X₁和X₂進行交叉操作，生成種群X′₁和X′₂，改進的交叉算子數學表達式為：

其中：μ_c為交叉隨機數；個體X_i的動態調整交叉指數為

2.2)變異算子改進

以綜合負梯度為依據確定變異的方向，以種群個體優劣性為依據確定變異的幅度，對變異隨機數μ_m進行動態調整；

設多目標優化模型數學表達式為：

各目標函數的關于自變量的負梯度分別為：

則綜合負梯度g可表示為：

其中，

式中：為綜合負梯度g關于自變量的模長；β₁、β₂、...、β_q為對應目標函數的權重因子，且β₁+β₂+Lβ_q＝1；為綜合負梯度g關于自變量的相角，當時，當時，

通過綜合負梯度g確定變異的方向，使變異朝著最優解的方向進行，即通過確定自變量的值是增加還是減小；

則個體X_i的變異隨機數μ_m,i＝[μ_m,i,1,μ_m,i,2,μ_m,i,3L,μ_m,i,j]，則個體X_i的第j個基因的變異隨機數μ_m,i,j為：

式中：λ_max為最大的非支配排序層級，表達式為

則改進的變異算子的表示為：

其中：

式中：X_max為變異前種群個體的最大值，X_min為變異前種群個體的最小值。

2.根據權利要求1所述基于改進NSGA-II算法的電動汽車有序充電方法，其特征在于，所述多目標優化模型中

目標函數1：考慮電動汽車用戶充電性價比，使單位電量充電費用最低，具體表達式為：

式中：f₁為最小單位電量充電費用；T為總的時段數；N_EV為電動汽車總數；P_EV,n為第n輛車的充電功率；ω_n,t為第n輛電動汽車在第t時段的充電狀態決策，ω_n,t＝1時，電動汽車參與充電，ω_n,t＝0電動汽車不參與充電；c_t為第t時段的電動汽車充電電價；Δt為每個時段的時長；

目標函數2：綜合考慮配電系統各支路，使配電系統有功損耗最小：

式中：f₂為配電網最小有功損耗；N_branch為配電網支路總數；R_l為支路l的電阻值；I_t,l為第t時段支路l的電流值，表達式如下：

式中：i_l為潮流計算時支路l對應的節點；為第t時段節點i_l上的基礎負荷有功功率值；為第t時段節點i_l上的基礎負荷無功功率值；為第t時段節點i_l的電壓值；第t時段節點i_l上的電動汽車充電負荷有功功率值，表達式如下：

式中：為計劃在i_l節點充電的電動汽車總數。