多目标约束的电动汽车实时调度策略

常 硕， 牛玉刚， 陈凯炎

（华东理工大学能源化工过程智能制造教育部重点实验室，上海 200237）

电动汽车（Electric Vehicle, EV）具有零污染、低耗能、扩大可再生能源利用的特性[1-2]，正在逐步取代传统的燃油汽车。EV 在节能减排方面的优势明显，但其并网数量和电池容量的不断增加给电力系统带来了巨大的运行负担。据调查，EV 的无序充放电行为和电网负荷曲线峰值吻合时，会加重电网超载问题[3]。众多研究表明大量EV 的无序并网会对电网带来可靠性问题和安全隐患，如峰值负荷增加、网络损耗增加、输电线超载、变压器老化加速等[4]。

具有车网互动（Vehicle-to-Grid, V2G）能力的EV 在荷电状态（State of Charge, SOC）高时可以把电能回馈到电网。V2G 技术和车辆自主通信技术的成熟[5]，使得EV 能够参与优化调度，降低负荷压力。EV 充放电具有相似性和聚集性，即同一街道或小区的EV 具有相似的充电行为，增加了EV 的可调度性。

目前，研究EV 优化调度问题的方法分为日前全局优化和实时局部优化。文献[6]建立了EV 用户充放电不确定的响应模型，以净收益最大进行日前调度，提高EV 参与辅助服务的效果。文献[7]建立了EV 日内优先调度模型，使电网负荷峰谷差最小，验证了日内优化的合理性。然而，V2G 调度问题是一个大规模、非梯度、多目标的优化问题，很难找到全局最优解。全局优化调度需要假设EV 的到达时间和已知电网的基础负荷，这是不切实际的，与EV 的动态特性相矛盾。

文献[8] 提出了一种V2G 实时调度方法，以充电成本和网损成本为目标函数进行优化，并证明了实时调度方法的有效性。……