【SCI电气】考虑不同充电需求的电动汽车有序充电调度方法（Matlab代码实现）

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

💥1 概述

2. 文献综述

📚2 运行结果

2.1 原文结果

2.2 Matlab实现结果图

🎉3 参考文献

🌈4 Matlab代码、数据、文章讲解

💥1 概述

文献来源：

链接：夸克网盘分享
提取码：TiHb

摘要：大量电动汽车（EV）的不协调充电会导致峰值负载大幅激增，这将进一步影响电力系统的运行。因此，本研究提出了一种微电网电动汽车充电协调调度方法，将负荷需求从高峰期转移到低谷期。该方法基于充电紧急性指标选择电动汽车充电模式，该指标可以反映不同的充电需求。然后，建立协调充电调度优化模型，使整体峰谷负荷差最小化;考虑了慢充电电动汽车、快速充电电动汽车和微电网运行的各种限制。此外，采用蒙特卡罗模拟（MCS）对电动汽车的随机性进行仿真。研究结果揭示了电动汽车车主的充电模式选择以及微电网运行的调峰和谷值填充。因此，该模型可以支持更友好的电力供需交互，以适应电动汽车日益普及和柔性微电网的快速发展。

原文摘要：

The uncoordinated charging of large amounts of electric vehicles (EVs) can lead to a substantial surge of peak loads, which will further influence the operation of power system. Therefore, this study proposed a coordinated charging scheduling method for EVs in microgrid to shift load demand from peak period to valley period. In the proposed method, the charging mode of EVs was selected based on a charging urgency indicator, which can reflect different charging demand. Then, a coordinated charging scheduling optimization model was established to minimize the overall peak-valley load difference. Various con-straints were considered for slow-charging EVs, fast-charging EVs, and microgrid operation. Further-more, Monte Carlo Simulation (MCS) was used to simulate the randomness of EVs. The results have shed light on both the charging modes selection for EV owners and peak shaving and valley filling for microgrid operation. As a result, this model can support more friendly power supply-demand interaction to accommodate the increasing penetration of EVs and the rapid development of flexible microgrid.

电动汽车（EV）是环保的，因为它们消耗电能并产生几乎零的污染物排放[[1]，[2]，[3]]。因此，电动汽车为开发更清洁的交通系统提供了另一种选择，并为可持续交通发展提供了巨大的潜力[4，5]。同时，电动汽车可以更容易地融入智能交通系统，以增强智能交通服务[6，7]。

然而，电动汽车的发展面临着一些挑战。电池技术的局限性和充电基础设施的短缺是一些关键问题[6，8]。此外，电动汽车电池的退化和电动汽车电池的高成本通常被认为是电动汽车采用的主要问题[[9]，[10]，[11]，[12]]。快速充电技术和充电站规划也有待改进[13，14]。除了技术挑战外，管理和业务相关问题也会影响电动汽车与主电网或微电网之间的相互作用，从而阻碍大规模电动汽车的渗透[[15]，[16]，[17]，[18]]。例如，电动汽车大规模不协调充电会给供电带来巨大压力，从而影响电力系统的安全性和稳定性。为了解决这个问题，有必要优化大型电动汽车的充电[19]。

目前，关于电动汽车充电调度的优化已经有一些研究工作[20]。然而，现有的研究主要集中在供应侧，以实现最低的运行成本和最小的峰谷负荷差。电动汽车充电计划通常不考虑电动汽车车主的具体充电需求。在实际情况中，电动汽车车主的充电需求通常有所不同，尤其是在部分电动汽车有紧急充电需求的情况下。为了填补这一空白，本研究提出了一种协调的电动汽车充电调度方法，同时考虑了电动汽车车主的不同充电需求。

本文的主要贡献如下。首先，该方法考虑了电动汽车充电需求的紧迫性，该紧迫性由充电紧急性指标（CUI）确定。其次，所有电动汽车都是根据不同的充电需求而不是整体来安排的。第三，为了证明所提方法在实际情况下的有效性，在仿真中使用两种不同的电动汽车充电模式，考虑了电动汽车充电行为的不确定性。结果表明，所提方法通过协调调度电动汽车充电，能够将负荷需求从高峰期转移到谷谷期，使总峰谷负荷差最小化，有助于提高微电网的安全性和可靠性。

本文的其余部分组织如下。第2节介绍了文献综述。第3节介绍了所提出的电动汽车充电协调调度方法。详细的仿真结果和讨论在第4节中提供，第5节给出了结论。

2. 文献综述

关于解决电动汽车充电调度问题的最佳调度方法存在大量研究[[21]，[22]，[23]]。许多研究通过使用分散式收费方法或集中式方法探讨了此类问题。Refs中提出了分散的山谷填充收费策略。[[24]， [25]， [26]， [27]]。在分散式方法中，通常使用日前定价方案来改变电动汽车车主的充电行为以节省成本[[28]，[29]，[30]]。这在高峰时段释放了电力系统的压力。然而，这种定价机制可能会导致新的充电高峰出现，因为充电选择是由司机独立做出的。此外，分散式收费方式需要两个先决条件：（a）电动汽车车主对定价方案敏感，并会改变他们的电动汽车充电模式;及（b）价格信息必须及时通知电动车司机。

在集中式方式中，EV聚合器可以收集EV的充电信息，然后直接集中安排EV充电周期。从长期来看，与电动汽车充电调度的分散式方法相比，集中式方法更为重要[31，32]。Zhang等人[27]和Zheng等人[33]指出，电动汽车聚合器以集中方式调度电动汽车充电行为可以确保在低谷时期利用剩余电力。此外，当电动汽车连接到微电网时，电动汽车车主会提供相关的充电信息[[33]、[34]、[35]]。然而，在之前的大多数研究中，每个EV的紧迫性都没有很好地衡量和考虑。如果在充电调度中将所有电动汽车作为一个整体考虑，电动汽车车主的紧急充电需求将无法得到满足。

电动汽车充电调度的集中方法采用了几种不同的目标函数，包括最小化功率损耗[28，36]，控制交易风险[37，38]，最大化运营利润[23]，最大化可再生能源的整合[39，40]，最小化峰值负载[41]，并最小化功率负载方差[35，42]。在以前的研究中，已经使用了几种算法来解决这些优化问题，例如内点法[43]，粒子群优化（PSO）算法[20，[44]，[45]，[46]]，遗传算法[47]和改进的PSO算法[20，46]然而，应该注意的是，当使用这些方法优化大规模电动汽车充电的调度时，计算复杂性将急剧增加。这些优化方法也可能无法找到全局最优解。