本發(fā)明涉及一種電動(dòng)汽車技術(shù)，特別涉及一種基于改進(jìn)布谷鳥算法的電動(dòng)汽車換電站有序充電控制方法。

背景技術(shù)：

電動(dòng)汽車作為一種節(jié)能減排的關(guān)鍵技術(shù)，是未來解決能源危機(jī)普遍看好的途徑之一。隨著電動(dòng)汽車駕駛性能的不斷完善及其在節(jié)約成本方面的潛力，電動(dòng)汽車用戶群在不斷的擴(kuò)大。目前，電動(dòng)汽車電能補(bǔ)給形式有整車充電和換電兩種方式。整車充電又可分為插充(包括快充和慢充)和無線充電。插充模式下，一方面，對(duì)車主而言其能源補(bǔ)充耗時(shí)太長，一般要4—5小時(shí)(快充也需耗時(shí)30分鐘以上)，便捷性遠(yuǎn)遠(yuǎn)不能滿足人們的要求；另一方面，就其社會(huì)性而言，該模式需要建設(shè)基礎(chǔ)設(shè)施，涉及多方利益協(xié)調(diào)(如車主、電網(wǎng)公司、小區(qū)物業(yè)等)，而且由于一些問題尚未協(xié)調(diào)好而大大制約了充電樁的廣泛建設(shè)。無線充電，又稱無線供電，是一種以耦合的電磁場為媒介實(shí)現(xiàn)電能傳遞的方式。無線充電具有使用方便、安全，無火花及觸電危險(xiǎn)等優(yōu)點(diǎn)，因此，人們認(rèn)識(shí)到其在電動(dòng)汽車充電方面的應(yīng)用前景。然而，目前電動(dòng)汽車無線供電能量傳遞效率低下成為制約其發(fā)展的主要瓶頸。此外，不管是插充還是無線充電，電動(dòng)汽車充電負(fù)荷都具有明顯的時(shí)間和空間不確定性，這將對(duì)電網(wǎng)的運(yùn)行與規(guī)劃提出極大挑戰(zhàn)。

基于電池租賃的換電模式以其能源補(bǔ)給的快速性和充電管理的方便性目前已經(jīng)成為用戶傾向選擇、電網(wǎng)重視的商業(yè)技術(shù)模式，首先，采用換電模式一般可在1至2分鐘內(nèi)就完成換電過程，其便捷性不輸于目前常規(guī)的加油方式；其次，對(duì)電池采用集中型管理可有效避免大規(guī)模電動(dòng)汽車隨機(jī)充電對(duì)電網(wǎng)帶來的不利影響，甚至還可以與可再生能源發(fā)電協(xié)同運(yùn)行，避免綠色能源損失，減少發(fā)電成本。

對(duì)經(jīng)過換電服務(wù)換下的電池，若隨即就投入電網(wǎng)充電可能造成配電網(wǎng)線路過載，電壓跌落，配電變壓器過載，配電網(wǎng)峰谷差加劇，“峰上加峰”的現(xiàn)象出現(xiàn)，所以得對(duì)換電站的換電與充電服務(wù)加以控制，以消除其對(duì)電網(wǎng)的不利影響。而目前現(xiàn)有的對(duì)于電動(dòng)汽車有序充電控制的實(shí)現(xiàn)大多是通過控制充電功率來實(shí)現(xiàn)，這在現(xiàn)實(shí)應(yīng)用難以做到精準(zhǔn)控制，因?yàn)楝F(xiàn)實(shí)中對(duì)于換電站管理者來說更方便的是控制充電電池的投放的數(shù)量與時(shí)間。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明是針對(duì)對(duì)電動(dòng)汽車換電站合理管理的問題，提出了一種電動(dòng)汽車換電站有序充電控制方法，便于換電站管理者操作的有序充換電控制方法，得到包含每時(shí)段參與換電服務(wù)的電動(dòng)汽車數(shù)量，參與充電行為的換電池?cái)?shù)量換電站有序充換電調(diào)度調(diào)度，以滿足換電站日常經(jīng)營的同時(shí)，實(shí)現(xiàn)對(duì)區(qū)域電網(wǎng)填谷的作用。

本發(fā)明的技術(shù)方案為：一種電動(dòng)汽車換電站有序充電控制方法，具體包括如下步驟：

1)根據(jù)單位充電時(shí)間步長內(nèi)換電池荷電狀態(tài)增量的大小將電池的荷電狀態(tài)離散化，將所帶荷電量區(qū)間共分為M個(gè)等級(jí)：

2)獲取換電站入站的電動(dòng)汽車需求信息，各時(shí)段入站電動(dòng)汽車總數(shù)，以及處于待充電、充電中和充滿狀態(tài)的電動(dòng)汽車數(shù)量；

3)在對(duì)電動(dòng)汽車換電和電池充電控制中建立一個(gè)有序充換電模型，該模型以t時(shí)段投入充電的第m級(jí)荷電狀態(tài)電池的數(shù)量u(t，m)為控制量，以最小化負(fù)荷曲線的離差平方和為目標(biāo)；

4)通過改進(jìn)布谷鳥算法初始化鳥巢，得到各荷電等級(jí)進(jìn)入充電的數(shù)量矩陣u_T×M和優(yōu)化周期T內(nèi)的充電矩陣C_TxM作為初始鳥巢信息，運(yùn)用改進(jìn)布谷鳥算法對(duì)步驟3)中有序充換電模型進(jìn)行求解，負(fù)荷曲線的離差平方和為布谷鳥算法中的適應(yīng)度函數(shù)，得到充換電安排表；

5)根據(jù)獲取的充換電安排表對(duì)換電站內(nèi)的電池進(jìn)行有序充電控制。

所述運(yùn)用改進(jìn)布谷鳥算法對(duì)步驟3)中有序充換電模型進(jìn)行求解具體步驟如下：

(1)、設(shè)置算法參數(shù)并初始化鳥巢信息，所述初始化鳥巢，每個(gè)鳥巢中包含u_T×M矩陣和C_T×M矩陣的信息，具體步驟如下：

A、根據(jù)D(t，m)隨機(jī)產(chǎn)生u(t,m),其中D(t,m)t時(shí)段內(nèi)待充電池中荷電狀態(tài)處于第m級(jí)的電池?cái)?shù)量為D(t,m)，u(t,m)表示t時(shí)段決策投入充電的第m級(jí)荷電狀態(tài)等級(jí)電池的數(shù)量；

B、根據(jù)u(t，m)計(jì)算C(t,m)，其中C(t,m)是t時(shí)段正在充電的電池中荷電狀態(tài)處于m級(jí)的電池?cái)?shù)；

C、判斷是否成立，其中N1表示換電站內(nèi)充電機(jī)的數(shù)量，若成立，則計(jì)算D(t+1,m)＝D(t,m)-u(t,m)+s(t,m),F(t+1)＝F(t)-s(t)+f(t)，并令t＝t+1,轉(zhuǎn)至步驟D；若不等式不成立，則轉(zhuǎn)至步驟A，其中s(t，m)是t時(shí)段接受換電服務(wù)且荷電狀態(tài)處于第m級(jí)的電動(dòng)汽車數(shù)量，F(xiàn)(t)表示t時(shí)段換電站滿電電池庫存數(shù)量，s(t)表示t時(shí)段內(nèi)接受換電服務(wù)的電動(dòng)汽車數(shù)量，f(t)表示t時(shí)段內(nèi)剛好充滿電的電池?cái)?shù)量；

D、判斷t<T是否成立，T表示優(yōu)化周期內(nèi)的總時(shí)段數(shù)，若成立，轉(zhuǎn)至步驟A，若不成立，轉(zhuǎn)至步驟E；

E、結(jié)束初始化，輸出初始鳥巢信息；

(2)、以負(fù)荷曲線的離差平方和為適應(yīng)度函數(shù)，計(jì)算各鳥巢適應(yīng)度值并評(píng)價(jià)；

(3)、計(jì)算levy飛行搜索路徑并對(duì)該路徑進(jìn)行二進(jìn)制變換；

(4)、根據(jù)第(3)步中的路徑更新鳥巢，計(jì)算各新鳥巢的適應(yīng)度值并評(píng)價(jià)；

(5)、以pa的概率選擇舍棄相對(duì)劣巢，根據(jù)舍棄的劣巢的二進(jìn)制編碼生成其的量子位編碼，再利用量子旋轉(zhuǎn)門產(chǎn)生新鳥巢替代被舍棄的巢，計(jì)算新巢的適應(yīng)度值并評(píng)價(jià)；

(6)、選擇當(dāng)代最優(yōu)解并保存，判斷是否滿足迭代條件，若滿足，轉(zhuǎn)至步驟(1)，若不滿足，轉(zhuǎn)至步驟(7)；

(7)、輸出最優(yōu)解。

所述步驟(3)中對(duì)路徑進(jìn)行二進(jìn)制變換具體方法為：

將劉建華公式引入levy飛行搜索路徑變換中：

當(dāng)step≤0時(shí)，

當(dāng)step>0時(shí)，

其中，x^m，x^m+1別表示第m代和第m+1代鳥巢的某位置二進(jìn)制編碼，step表示Levy飛行搜索的路徑，參數(shù)μ，ν為服從正態(tài)分布的隨機(jī)數(shù)，sig()表示Sigmond函數(shù)，β是參數(shù)，其取值范圍在[0,2]之間。

所述步驟(5)中二進(jìn)制編碼生成其的量子位編碼，就是在區(qū)間[-1,1]上隨機(jī)生成beta，找到二進(jìn)制編碼中編碼位為“1”的位置，若該位置上對(duì)應(yīng)的beta值大于0.5，則將其修改至0.5，再根據(jù)修改過的beta量子位生成alpha量子位矩陣。

所述步驟(5)中量子門旋轉(zhuǎn)中自適應(yīng)旋轉(zhuǎn)角定義為：

式中：θ_min是最小旋轉(zhuǎn)角，θ_max是最大旋轉(zhuǎn)角，f_i是指選中要舍棄的鳥巢中第i個(gè)鳥巢的適應(yīng)值，f_min是當(dāng)代鳥巢中的最小適應(yīng)值，f_max是當(dāng)代鳥巢中的最大適應(yīng)值，gen是當(dāng)前的迭代數(shù)，maxgen是算法設(shè)置的最大迭代數(shù)。

本發(fā)明的有益效果在于：本發(fā)明電動(dòng)汽車換電站有序充電控制方法，能跳出局部最優(yōu)解，收斂速度良好，且所得的充電安排方案能有效發(fā)揮填谷用，可廣泛應(yīng)用于換電站有序充換電控制領(lǐng)域。

附圖說明

圖1為本發(fā)明電動(dòng)汽車換電站有序充電控制方法流程圖；

圖2為本發(fā)明改進(jìn)布谷鳥算法的流程圖；

圖3為本發(fā)明一個(gè)實(shí)施例的充換電站的運(yùn)行模型圖；

圖4為本發(fā)明有序充換電控制與無序充電下的負(fù)荷曲線圖；

圖5為本發(fā)明實(shí)施例中改進(jìn)布谷鳥算法的迭代收斂圖；

圖6為本發(fā)明實(shí)施例中采用遺傳算法時(shí)的迭代收斂圖。

具體實(shí)施方式

本發(fā)明提供一種電動(dòng)汽車換電站有序充換電控制方法。如圖1所示具體包括如下步驟：

一、根據(jù)單位充電時(shí)間步長內(nèi)換電池荷電狀態(tài)增量的大小將電池的荷電狀態(tài)離散化：離散化電池荷電狀態(tài)特征是：設(shè)電池滿電時(shí)荷電狀態(tài)為1，空電池的荷電狀態(tài)為0，若單位調(diào)度時(shí)間步長內(nèi)(如1h)充電引起的荷電增量為ΔSOC,則第k等級(jí)表示的荷電量區(qū)間為[(k-1)ΔSOC,kΔSOC)，共分為M個(gè)等級(jí)；

二、獲取換電站入站的電動(dòng)汽車需求信息，根據(jù)獲取的電動(dòng)汽車需求信息對(duì)換電站內(nèi)的電動(dòng)汽車換電、對(duì)換電站內(nèi)換電池的充電進(jìn)行控制。

電動(dòng)汽車需求信息包括：各時(shí)段入站電動(dòng)汽車總數(shù)，以及處于各等級(jí)荷電狀態(tài)的電動(dòng)汽車數(shù)量。

對(duì)電動(dòng)汽車換電和對(duì)換電池充電控制，包括：確定進(jìn)入換電服務(wù)區(qū)的電動(dòng)汽車數(shù)量S_T×M，確定各荷電等級(jí)進(jìn)入充電的數(shù)量矩陣u_T×M，其中T表示優(yōu)化周期內(nèi)的總時(shí)段數(shù)，M表示電池荷電狀態(tài)分的等級(jí)數(shù)。

確定進(jìn)入換電服務(wù)的電動(dòng)汽車數(shù)量矩陣S_T×M的過程，該矩陣是一個(gè)T行M列的矩陣，矩陣中元素為s(t，m)，其含義是t時(shí)段接受換電服務(wù)且荷電狀態(tài)處于第m級(jí)的電動(dòng)汽車數(shù)量為s(t，m)；若換電站內(nèi)共有N₂套換電設(shè)備，每套換電設(shè)備完成一次服務(wù)需要的時(shí)間是Ds，t時(shí)段滿電電池庫存數(shù)量為F(t)，等待充電的電動(dòng)汽車數(shù)量為E(t，m)。

先通過式子得到S(t)，S(t)是接受換電服務(wù)的總數(shù)，然后通過得到s(t,m)，也就是確定各荷電等級(jí)接受換電服務(wù)的數(shù)量，然后將得到的s(t,m)和S(t)帶入式子檢驗(yàn)，若不滿足則適當(dāng)調(diào)整s(t,m)，因?yàn)槠囀钦麛?shù)，而比值有可能是小數(shù)，最終保證t時(shí)段內(nèi)所有充電汽車總數(shù)與等待充電總數(shù)比值＝m等級(jí)接受充電與m等級(jí)等待充電數(shù)量汽車數(shù)的比值，也就是得到的進(jìn)行換電服務(wù)的汽車數(shù)量是整數(shù)。

優(yōu)化周期T內(nèi)的充電矩陣C_T×M具有以下特征：充電矩陣C_T×M是一個(gè)T行M的整數(shù)矩陣，矩陣中元素為c(t,m)，其含義是t時(shí)段正在充電的電池中荷電狀態(tài)處于m級(jí)的電池?cái)?shù)；則t時(shí)段第一荷電狀態(tài)等級(jí)電池處于充電狀態(tài)的數(shù)量為c(t,1)＝u(t,1)，其中u(t,1)表示t時(shí)段決策投入充電的第一荷電狀態(tài)等級(jí)電池的數(shù)量；t時(shí)段荷電狀態(tài)處于第m級(jí)電池處于充電狀態(tài)的數(shù)量為c(t,m)＝c(t-1，m-1)+u(t,m)，其中：c(t-1,m-1)表示t-1時(shí)段正在充電的電池中荷電狀態(tài)處于m-1級(jí)的電池?cái)?shù)，u(t,m)表示t時(shí)段決策投入充電的第m級(jí)荷電狀態(tài)等級(jí)電池的數(shù)量。

t時(shí)段內(nèi)剛好充滿電的電池?cái)?shù)為f(t)＝c(t-1,M)，其中：c(t-1,M)表示t-1時(shí)段內(nèi)荷電狀態(tài)處于第M級(jí)(即最高荷電狀態(tài)等級(jí))的電池?cái)?shù)。

優(yōu)化周期T內(nèi)換電站滿電電池庫存數(shù)量矩陣F_T×1具有以下特征：滿電電池庫存矩陣F_T×1為一個(gè)T行1列的整數(shù)矩陣，矩陣中元素為F(t),其含義是t時(shí)段換電站滿電電池的庫存數(shù)量為F(t)；則F(t)＝F(t-1)-S(t-1)+f(t-1)，其中：F(t-1)表示t-1時(shí)段換電站滿電電池庫存數(shù)量，S(t-1)表示t-1時(shí)段內(nèi)接受換電服務(wù)的電動(dòng)汽車數(shù)量，f(t-1)表示t-1時(shí)段內(nèi)剛好充滿電的電池?cái)?shù)量。

優(yōu)化周期T內(nèi)換電站待充電池?cái)?shù)量矩陣D_T×M具有以下特征：該矩陣為一個(gè)T行M列的整數(shù)矩陣，矩陣中元素為D(t,m)，其含義是t時(shí)段內(nèi)待充電池中荷電狀態(tài)處于第m級(jí)的電池?cái)?shù)量為D(t,m)，則D(t,m)＝D(t-1,m)-u(t-1,m)+s(t-1,m)，式中D(t-1,m)表示t-1時(shí)段內(nèi)待充電池中荷電狀態(tài)處于第m級(jí)的電池?cái)?shù)量，u(t-1,m)表示t-1時(shí)段內(nèi)決策投入充電的第m級(jí)荷電狀態(tài)等級(jí)電池的數(shù)量，s(t-1,m)表示t-1時(shí)段內(nèi)接受換電服務(wù)且荷電狀態(tài)處于第m級(jí)的電動(dòng)汽車數(shù)量。

三、在對(duì)電動(dòng)汽車換電和電池充電控制中建立一個(gè)有序充換電模型，該模型以t時(shí)段投入充電的第m級(jí)荷電狀態(tài)電池的數(shù)量u(t，m)為控制量，以最小化負(fù)荷曲線的離差平方和為目標(biāo)，綜合考慮荷電狀態(tài)轉(zhuǎn)移特性、換電站滿意度需求、所屬變電站容量限制要求等約束。

四、提出一種改進(jìn)的布谷鳥算法，如圖2所示流程圖，將該算法用于求解上述有序充電模型，求解效率高，不易陷入局部最優(yōu)，求解得到充換電安排表。該算法包括以下步驟：1、設(shè)置算法參數(shù)并初始化鳥巢位置；2、以負(fù)荷曲線的離差平方和為適應(yīng)度函數(shù)，計(jì)算各鳥巢適應(yīng)度值并評(píng)價(jià)；3、計(jì)算levy飛行搜索路徑并對(duì)該路徑進(jìn)行二進(jìn)制變換；4、根據(jù)第3步中的路徑更新鳥巢，計(jì)算各新鳥巢的適應(yīng)度值并評(píng)價(jià)；5、以pa的概率選擇舍棄相對(duì)劣巢，根據(jù)這些舍棄的劣巢的二進(jìn)制編碼生成其的量子位編碼，再利用量子旋轉(zhuǎn)門產(chǎn)生新鳥巢替代被舍棄的巢，計(jì)算新巢的適應(yīng)度值并評(píng)價(jià)；6、選擇當(dāng)代最優(yōu)解并保存，判斷是否滿足迭代條件，若滿足，轉(zhuǎn)至步驟1，若不滿足，轉(zhuǎn)至步驟7；7、輸出最優(yōu)解。

改進(jìn)布谷鳥算法初始化鳥巢，每個(gè)鳥巢中包含u_T×M矩陣和C_T×M矩陣的信息，具體步驟如下：1、根據(jù)D(t，m)隨機(jī)產(chǎn)生u(t,m)；2、根據(jù)u(t，m)計(jì)算C(t,m)；3、判斷是否成立，其中N1表示換電站內(nèi)充電機(jī)的數(shù)量，若成立，則計(jì)算D(t+1,m)＝D(t,m)-u(t,m)+s(t,m),F(t+1)＝F(t)-S(t)+f(t)，并令t＝t+1,轉(zhuǎn)至步驟4；若不等式不成立，則轉(zhuǎn)至步驟1；4、判斷t<T是否成立，若成立，轉(zhuǎn)至步驟1，若不成立，轉(zhuǎn)至步驟5；5、結(jié)束初始化，輸出初始鳥巢信息。

常規(guī)布谷鳥算法只能求解連續(xù)型優(yōu)化問題，在這里將levy飛行路徑離散化了，也就是進(jìn)行了二進(jìn)制變換，這樣離散后，使得布谷鳥算法可以求解整數(shù)優(yōu)化方面的問題也就是這樣改進(jìn)后求解出來的解只能是非負(fù)整數(shù)。改進(jìn)布谷鳥算法中對(duì)levy飛行搜索路徑二進(jìn)制變換：將劉建華公式引入levy飛行搜索路徑變換中，具體如下：

當(dāng)step≤0時(shí)，

當(dāng)step>0時(shí)，

其中，x^m，x^m+1別表示第m代和第m+1代鳥巢的某位二進(jìn)制編碼，step表示Levy飛行搜索的路徑，參數(shù)μ，ν為服從正態(tài)分布的隨機(jī)數(shù)，sig()表示Sigmond函數(shù)，β只是個(gè)參數(shù)，無實(shí)際意義，其取值范圍在[0,2]之間，一般取1.5。

根據(jù)二進(jìn)制編碼生成量子位編碼，在區(qū)間[-1,1]上隨機(jī)生成beta，找到二進(jìn)制編碼中編碼位為“1”的位置，若該位置上對(duì)應(yīng)的beta值大于0.5，則將其修改至0.5，再根據(jù)修改過的beta量子位生成alpha量子位矩陣。

量子門旋轉(zhuǎn)過程是一種自適應(yīng)量子旋轉(zhuǎn)操作，自適應(yīng)選擇量子旋轉(zhuǎn)角，避免了由于旋轉(zhuǎn)角過長陷入局部最優(yōu)以及旋轉(zhuǎn)角過小時(shí)算法收斂時(shí)間太長的現(xiàn)象發(fā)生，其具體實(shí)現(xiàn)過程如下：一般的量子旋轉(zhuǎn)門表達(dá)式為：則經(jīng)過量子旋轉(zhuǎn)門更新后的量子位為：其中θ_i為第i個(gè)個(gè)體的量子位旋轉(zhuǎn)的角度，即旋轉(zhuǎn)角，本發(fā)明中自適應(yīng)旋轉(zhuǎn)角定義為：

式中：θ_min是最小旋轉(zhuǎn)角，θ_max是最大旋轉(zhuǎn)角，f_i是第i個(gè)個(gè)體的適應(yīng)值，在本發(fā)明中指選中要舍棄的鳥巢中第i個(gè)鳥巢的適應(yīng)值，f_min是當(dāng)代鳥巢中的最小適應(yīng)值，f_max是當(dāng)代鳥巢中的最大適應(yīng)值，gen是當(dāng)前的迭代數(shù)，maxgen是算法設(shè)置的最大迭代數(shù)。這樣，如果當(dāng)前要舍棄的鳥巢較好時(shí)，采用步長較小的旋轉(zhuǎn)角進(jìn)行更新操作產(chǎn)生新的巢來替代舍棄的巢，而如果要舍棄的巢較差時(shí)，旋轉(zhuǎn)角的步長也相應(yīng)變得大些來進(jìn)行快速的縮近搜索，以期望找到更好的巢來替代所舍棄的鳥巢。這樣改進(jìn)的算法既提高了其搜索速度又不失其搜索精度。

如圖3所示，充換電站內(nèi)共有N₁個(gè)充電樁，N₂套換電設(shè)備(即同時(shí)最多能為N₂臺(tái)電動(dòng)汽車提供換電服務(wù))，電池總數(shù)為B塊。整個(gè)換電站運(yùn)行模型可以看成一個(gè)由電動(dòng)汽車組成的開環(huán)排隊(duì)系統(tǒng)和一個(gè)由換電池組成的閉環(huán)排隊(duì)系統(tǒng)耦合而成的大系統(tǒng)。t時(shí)刻，換電站已有E(t)輛電動(dòng)車在等待換電服務(wù)，而此時(shí)又有e(t)輛新的電動(dòng)汽車進(jìn)入換電站，這些電動(dòng)汽車可能直接換電服務(wù)或者進(jìn)入排隊(duì)隊(duì)列等待接受換電，若等待時(shí)間過長，電動(dòng)汽車可能放棄換電駛離換電站，假設(shè)t時(shí)刻有d(t)輛放棄換電，則實(shí)際進(jìn)入換電場所進(jìn)行換電行為的電動(dòng)汽車為s(t)輛。滿電電池(FCB)和待充電池(DB)以及充電場所的正在充電的電池構(gòu)成了一個(gè)閉環(huán)的排隊(duì)系統(tǒng)。t時(shí)刻，換電站分別有F(t)塊滿電電池和D(t)塊待充電池，完成換電服務(wù)后，又有s(t)塊離開滿電電池隊(duì)列，進(jìn)入待充電池隊(duì)列。與此同時(shí)，有f(t)塊電池完成了充電，進(jìn)入滿電電池隊(duì)列，而后換電站管理者根據(jù)不同的目的決策此時(shí)刻讓u(t)塊待充電池進(jìn)入充電場所進(jìn)行充電。(本段中所有s(t),F(t)等均指的是t時(shí)段這個(gè)時(shí)間截面上各類電池的數(shù)量)

結(jié)合本發(fā)明的一個(gè)實(shí)施例說明本發(fā)明的具體實(shí)施方式。在該實(shí)施例中，以某地充換電站運(yùn)行數(shù)據(jù)為基礎(chǔ)，取1h為一個(gè)時(shí)段，換電站內(nèi)所有換電池均為同一型號(hào)，均以比亞迪E6電池參數(shù)為例，采用恒功率方式充電。站內(nèi)充電機(jī)數(shù)量為100臺(tái)，單臺(tái)充電機(jī)充電功率為40kw，換電池總數(shù)為200塊，每塊換電池容量為200kw·h，將電池的荷電狀態(tài)劃分為5個(gè)等級(jí)，換電站某日的進(jìn)站電動(dòng)汽車數(shù)量及其荷電等級(jí)情況的預(yù)測值如下表：

則根據(jù)本發(fā)明所述的有序充換電控制方法得到該日換電站的充換電安排如下表：

圖4示出本采用發(fā)明所述的有序充換電控制與無序充電下的負(fù)荷曲線；通常將電動(dòng)汽車電池的即換即充成為充換電站的無序充電模式，即不考慮到站電池的荷電狀態(tài)等信息，僅按換電池到站的先后順序?qū)ζ浒才懦潆娭敝脸潆姌度刻幱诠ぷ鳡顟B(tài)。在無序充電情況下，電網(wǎng)原有負(fù)荷和換電站充電負(fù)荷易出現(xiàn)“峰峰重疊”現(xiàn)象，對(duì)比原負(fù)荷曲線，該情況下疊加充電負(fù)荷后的負(fù)荷曲線的離差平方和、峰值、峰谷差都有較為明顯的增大；而采用本發(fā)明提出的有序充換電控制方法的情況下，疊加后的負(fù)荷曲線峰值雖有小幅增大，但其峰谷差和離差平方和均有明顯的減小，說明了本發(fā)明所述的有序充換電控制方法的有效性，以及本發(fā)明所述的一種改進(jìn)布谷鳥算法的可行性。

圖5所示出本發(fā)明的實(shí)施例中改進(jìn)布谷鳥算法的迭代收斂圖；圖6所示出同一個(gè)實(shí)施例采用遺傳算法時(shí)的迭代收斂圖。從圖6中可以看出，遺傳算法前期收斂速度較快，而后期收斂速度變緩，較易陷入局部最優(yōu)解；而從圖5中看出，改進(jìn)的布谷鳥算法前期收斂速度良好，后期(約第60代后)算法使優(yōu)化問題跳出了局部最優(yōu)。在算法參數(shù)設(shè)置方面，改進(jìn)布谷鳥的鳥巢數(shù)還不到遺傳算法的種群數(shù)的一半，而其種群多樣性卻優(yōu)于遺傳算法，這說明本發(fā)明所述的改進(jìn)布谷鳥算法改進(jìn)可以提高算法的全局多樣性(即全局尋優(yōu)能力)，同時(shí)又不增加算法規(guī)模。綜上，所提的改進(jìn)布谷鳥算法相比與遺傳算法具有法具有優(yōu)越性。