[發明專利]電動汽車的充放電調度方法、服務器及存儲介質

在審

• 申請號: 202211457070.0
• 申請日: 2022-11-16
• 公開（公告）號: CN115860365A
• 公開（公告）日: 2023-03-28
• 發明（設計）人: 羅博特;董志華;陳冠錦
• 申請（專利權）人: 廣州小鵬汽車科技有限公司
• 主分類號: G06Q10/0631
• 分類號: G06Q10/0631;G06Q50/06;G06F30/27;G06N3/006;G06F111/06;G06F113/04;G06F111/04
• 代理公司: 北京博思佳知識產權代理有限公司 11415
• 代理人: 陳雨柔

1.一種電動汽車的充放電調度方法，其特征在于，包括：

針對于在智慧園區內進行的電動汽車充放電調度任務，構建多目標優化模型和所述多目標優化模型中的決策變量的約束條件；其中，所述多目標優化模型包括針對于智慧園區內的電網的第一優化模型、針對于智慧園區內的充電站的第二優化模型、和針對于與所述充電站簽約的電動汽車的第三優化模型；

以最小化所述第一優化模型中電網的凈負荷方差、所述第二優化模型中充電站的運營成本和所述第三優化模型中電動汽車的總充電成本為優化目標，結合所述約束條件求解所述多目標優化模型，獲得所述多目標優化模型中的決策變量的博弈均衡解；

根據所述多目標優化模型中的決策變量的博弈均衡解，執行所述電動汽車充放電調度任務。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括：

根據所述智慧園區中的電網的負荷歷史數據、充電站的充放電歷史數據、與所述充電站簽約的電動汽車的充放電歷史數據，對所述多目標優化模型中的決策變量的取值進行預測，得到所述決策變量的預測取值集合；

所述求解所述多目標優化模型，包括：

按照所述多目標優化模型中的決策變量的約束條件，從所述預測取值范圍中隨機選擇所述決策變量的多組解；

根據所述決策變量的多組解進行多輪迭代更新，獲得滿足所述多目標優化模型的優化目標的博弈均衡解；其中，所述多目標優化模型的優化目標為最小化以下三者的動態自適應加權求和結果：所述第一優化模型中電網的凈負荷方差、所述第二優化模型中充電站的運營成本和所述第三優化模型中電動汽車的總充電成本。

3.根據權利要求2所述的方法，其特征在于，所述根據所述決策變量的多組解進行多輪迭代更新，包括：

利用隨機選擇的所述決策變量的多組解初始化種群；所述種群包括多個個體，每個個體的位置向量表征所述決策變量的一組解；

在每輪迭代過程中重復執行以下步驟直到達到預設的迭代次數：

對于當前種群中的個體，根據該個體對應的所述多目標優化模型的優化目標值確定該個體的適應度值；

根據所述當前種群中的各個個體的適應度值選擇最優個體和次優個體；

利用所述最優個體的位置向量更新所述當前種群中的個體的位置向量，得到新增種群；和/或，利用所述最優個體的位置向量和所述次優個體的位置向量更新所述當前種群中的個體的位置向量，得到重組種群；其中，所述新增種群和所述重組種群中的至少一個、和所述最優個體組合得到的種群為下一輪迭代過程中的所述當前種群。

4.根據權利要求3所述的方法，其特征在于，所述利用所述最優個體的位置向量更新所述當前種群中的個體的位置向量，得到新增種群，包括：

根據所述最優個體的位置向量和所述當前種群中的個體在當輪迭代過程中的位置向量之間的第一位置向量差值，更新所述當前種群中的個體在當輪迭代過程中的速度向量；

利用所述當前種群中的個體更新后的速度向量更新該個體的位置向量，得到新增種群中的新增個體的位置向量。

5.根據權利要求4所述的方法，其特征在于，所述當前種群中的個體更新后的速度向量根據該個體在當輪迭代過程中的速度向量和第一乘積的加權求和結果確定，所述第一乘積為所述第一速度向量差值與預設隨機數之積；

所述新增個體的位置向量為所述當前種群中的個體更新后的速度向量和該個體在當輪迭代過程中的位置向量之和。

6.根據權利要求3所述的方法，其特征在于，所述利用所述最優個體的位置向量和所述次優個體的位置向量更新所述當前種群中的個體的位置向量，得到重組種群，包括：

根據所述最優個體的位置向量和所述次優個體的位置向量進行融合，得到重組位置向量，所述重組位置向量表征所述決策變量的一組重組解，該組重組解的其中一部分來自所述最優個體，另一部來自所述次優個體；

根據所述重組位置向量和所述當前種群中的個體在當輪迭代過程中的位置向量之間的第二位置向量差值以及該個體的高斯分布概率，更新所述當前種群中的個體在當輪迭代過程中的速度向量；

利用所述當前種群中的個體更新后的速度向量更新該個體的位置向量，得到重組種群中的重組個體的位置向量。