【CN109978240A】一种电动汽车有序充电优化方法及系统【专利】

(19)中华人民共和国国家知识产权局

(12)发明专利申请

(10)申请公布号 (43)申请公布日 (21)申请号 201910181112.4

(22)申请日 2019.03.11

(71)申请人 三峡大学

地址 443002 湖北省宜昌市西陵区大学路8

号

(72)发明人 程江洲　王劲峰　李君豪　谢诗雨　

唐阳　熊双菊　

(74)专利代理机构 宜昌市三峡专利事务所

42103

代理人 成钢

(51)Int.Cl.

G06Q 10/04(2012.01)

G06Q 50/06(2012.01)

G06N 3/12(2006.01)

(54)发明名称一种电动汽车有序充电优化方法及系统(57)摘要本发明公开了一种电动汽车有序充电优化方法，该充电优化方法所采用的充电优化系统包括处理模块、通信模块、信息获取模块和功率选择模块，信息获取模块和功率选择模块分别经通信模块与处理模块连接，信息获取模块和功率选择模块分别与电动汽车连接。本发明建立优化模型，以小区变压器功率峰谷差最小化作为优化目标构筑目标函数，以不超过变压器额定功率作为约束条件，采用莫楞贝突变遗传算法对电动汽车的充电时间进行求解，得到每辆电动汽车的最佳接入时间。本发明通过智能算法合理的安排每辆电动汽车的充电负荷，在不改变变压器现有容量下满足大量电动汽车用户的充电需求；有效的降低变压器输出功率峰谷差，减小电网运行的风

险。权利要求书2页 说明书5页 附图3页CN 109978240 A 2019.07.05

C N 109978240

A

1.一种电动汽车有序充电优化方法，其特征在于，该充电优化方法所采用的充电优化系统包括处理模块、通信模块、信息获取模块和功率选择模块，信息获取模块和功率选择模块分别经通信模块与处理模块连接，信息获取模块和功率选择模块分别与电动汽车连接，电动汽车有序充电优化方法具体步骤如下，

步骤1：当电动汽车接入充电桩时，获取电动汽车的接入时间、剩余电量和用户期望电量充满时间；

步骤2：根据所获得的剩余电量信息选择充电功率；

步骤3：根据当前小区的用户用电负荷信息、光伏发电输出功率信息和电动汽车充电负荷相关信息，建立优化模型，以小区变压器功率峰谷差最小化作为优化目标构筑目标函数，以不超过变压器额定功率作为约束条件，采用莫楞贝突变遗传算法对电动汽车的充电时间进行求解，得到每辆电动汽车的最佳接入时间；

步骤4：根据莫楞贝突变遗传算法求解结果，作出相应的用电负荷曲线。

2.根据权利要求1所述的电动汽车有序充电优化方法，其特征在于，所述采用莫楞贝突变遗传算法对电动汽车的充电时间进行求解，具体步骤如下，

步骤1：生成初始种群，Np为种群中个体数量，设置总迭代数、总变异数；

步骤2：随机选择2个个体进行交叉，若交叉后优于亲本则进行替换；

步骤3：交叉数增加1，迭代数增加1；

步骤4：判断交叉数是否不小于N p /2；

步骤4.1：若交叉数小于N p /2，则执行步骤2；

步骤4.2：若交叉数大于等于N p /2，则执行步骤5；

步骤5：根据适应度来分配总群；

步骤6：随机选择个体进行变异，若变异后优于亲本则进行替换；

步骤7：变异数增加1，迭代数增加1；

步骤8：判断变异数是否大于等于总变异数；

步骤8.1：若变异数大于等于总变异数，则执行步骤9；

步骤8.2：若变异数小于总变异数，则执行步骤6；

步骤9：根据适应度来分配总群；

步骤10：判断是否达到总迭代数；

步骤10.1：若未达到总迭代数，则执行步骤2；

步骤10.2：若达到总迭代数，则结束。

3.根据权利要求2所述的电动汽车有序充电优化方法，其特征在于，所述莫楞贝突变遗传算法的变异采用的变异算子如下

m 'i ＝m i ±range i ·γ,a i ＜m i ＜b i (1)

式中m i 为要突变的参数，m 'i 为莫楞贝突变的结果参数，range i

为突变范围；

式中γ为突变概率，αk ∈{0,1}，

其中概率权　利　要　求　书1/2页2CN 109978240 A