[发明专利]一种基于人工鱼群算法的电动汽车有序充电控制方法

权利要求书

1.一种基于人工鱼群算法的电动汽车有序充电控制方法，其特征在于：包括如下步骤：

步骤1：构建场景优化模型G(t_opt)，G(t_opt)公式如下：

其中，F₁代表无序充电时的用户充电费用，F₂代表无序充电时的电网峰谷差，F_1opt代表有序充电时的用户充电费用，F_2opt代表有序充电时的电网峰谷差，λ₁和λ₂代表各目标函数的加权系数；

步骤2：以minG(t_opt)作为场景优化模型的优化目标，求解出优化后的充电时段t_opt的最优解t_best，结合充电时段t_c利用人工鱼群算法进行优化，得到最终的充电时段

步骤3：按照最终的充电时段安排电动汽车有序充电；

所述无序充电时的用户充电费用F₁计算公式如下：

其中，N为区域内电动汽车的总数量；t_back为返回时刻，t_start为出行时刻，t_c表示可充电时段，P_ev为充电功率，c_c代表充电时刻的电价；

所述无序充电时的电网峰谷差F₂计算公式如下：

F₂＝L_max-L_min

其中，l_t代表t时刻的居民基础负荷；

所述有序充电时的用户充电费用F_1opt计算公式如下：

其中，N为区域内电动汽车的总数量；t_back为返回时刻，t_start为出行时刻，t_opt表示优化后的充电时段，P_ev为充电功率，c_c代表充电时刻的电价；

所述有序充电时的电网峰谷差F_2opt计算公式如下：

F_2opt＝L′_max-L′_min

其中，l_t代表t时刻的居民基础负荷；

人工鱼群算法进行优化具体步骤如下：

2.1对t_c执行随机行为RB，得到初始的RB计算公式如下：

其中，step代表移动步长，rand代表随机变量，step·rand代表随机抽取移动步长；

2.2将上述操作后的执行觅食行为FB，得到FB计算公式如下：

G(t_c)、为G(t_opt)中的t_opt用t_c、替代计算得到；

2.3将上述操作后的赋值给t’_c，并对新的t’_c执行聚群行为SB，得到SB计算公式如下：

其中，R_v为一次调度范围，m为一次调度范围内正在充电的汽车数量，t_i为第i台汽车充电时段，N为区域内电动汽车的总数量；σ为自定义的拥挤度因子；G(t_k)、G(t′_c)为分别将G(t_opt)中的t_opt用t_k、t′_c替代计算得到；

2.4将上述操作后的赋值给t”_c，并对新的t”_c执行追尾行为REB，得到REB计算公式如下：

其中，t_best表示一次调度范围内优化目标minG(t_opt)中t_opt的最优的解，G(t_best)、G(t″_c)为分别将G(t_opt)中的t_opt用t_best、t”_c替代计算得到；

其特征在于：P_ev·t_c的约束条件如下：

其中，l_t代表t时刻的居民基础负荷，t为t_start和t_back之间的所有时刻；P_M表示变压器的最大容量；μ代表变压器可承载的最大容量阈值倍数；t_c表示可充电时段，P_ev为充电功率；N为区域内电动汽车的总数量。