0引言

為鼓勵(lì)電動(dòng)汽車(chē)用戶(hù)參與到電動(dòng)汽車(chē)的協(xié)調(diào)充電過(guò)程，本文提出了一種用戶(hù)成本分?jǐn)偰Ｐ?，并利用帶約束條件的優(yōu)化模型描述了有限*域內(nèi)電動(dòng)汽車(chē)協(xié)調(diào)充電的動(dòng)態(tài)變化過(guò)程；其次，為解決所描述的優(yōu)化問(wèn)題，本文提出了兩層最*充電策略將描述的優(yōu)化問(wèn)題分解成2個(gè)階段，分別在低壓變壓器控制層和用戶(hù)控制層來(lái)予以解決。

1系統(tǒng)模型

1.1圖論介紹

在有向圖G=(V,E)中,非空集合V=表示圖的頂點(diǎn)，E=表示從頂點(diǎn)j可以接受到i的信息，wi,j是關(guān)聯(lián)矩陣W的第i行、第j列元素。對(duì)于節(jié)點(diǎn)i∈V，其入鄰居和出鄰居為Ni-=和Ni+=。節(jié)點(diǎn)i接收入鄰居的信息，并將自身信息發(fā)送給出鄰居完成信息。

在鄰居之間的傳遞。di-=|Ni-|和d=|Ni+|分別表示入鄰居和出鄰居的個(gè)數(shù)。強(qiáng)連通的有向圖是指任意兩個(gè)節(jié)點(diǎn)之間是可達(dá)的。令k=k0,k1,…,kN-1表示N個(gè)時(shí)間戳,G(k)=(V,E(k))表示k時(shí)刻的強(qiáng)連通圖。

1.2問(wèn)題描述

本文研究的分布式電網(wǎng)架構(gòu)如圖1所示，包含1個(gè)高壓變壓器（HVT）連接到1組低壓變壓器（LVTs），每個(gè)低壓變壓器又連接到多個(gè)用戶(hù)，并且每個(gè)用戶(hù)擁有1臺(tái)插電式混合動(dòng)力汽車(chē)。

圖1分布式電網(wǎng)架構(gòu)

圖1所示的分布式電網(wǎng)架構(gòu)［19—20］是一種徑向放射網(wǎng)狀結(jié)構(gòu)，由于低壓變壓器比高壓變壓器更容易過(guò)載，高壓變壓器和低壓變壓器無(wú)法同時(shí)獲得波動(dòng)最小的負(fù)荷曲線(xiàn)。因此本文研究低壓側(cè)電網(wǎng)的負(fù)載波動(dòng)情況。在此基礎(chǔ)上，本文進(jìn)一步研究使電動(dòng)汽車(chē)用戶(hù)充電成本最小化的充電策略，從而使用戶(hù)能積極參與到負(fù)荷曲線(xiàn)的削峰填谷中去。

本文將電網(wǎng)中的插電式混合動(dòng)力汽車(chē)協(xié)調(diào)充電問(wèn)題描述成有限*域的多約束優(yōu)化問(wèn)題。假設(shè)所有電動(dòng)汽車(chē)充電開(kāi)始和結(jié)束的時(shí)刻分別為k0和kN-1，xi,k∈R表示電網(wǎng)在k時(shí)刻提供給電動(dòng)汽車(chē)i的電能。

一般來(lái)說(shuō)，對(duì)于約束條件為線(xiàn)性的凸優(yōu)化問(wèn)題具有唯*的全局最*解，為了便于求解和表征電動(dòng)汽車(chē)充電用戶(hù)的充電成本，本文假設(shè)每個(gè)電動(dòng)汽車(chē)i在時(shí)刻k均關(guān)聯(lián)一個(gè)凸的二次型成本函數(shù)

Fi,k(xi,k)=(xi,k-αi,k)2/2βi,k+γi,k（1）

式中：αi,k和γi,k∈R為成本系數(shù)；βi,k>0保證了二次型函數(shù)為凸函數(shù)。相應(yīng)的導(dǎo)函數(shù)為

Ji,k(xi,k)=dFi,k(xi,k)/dxi,k=(xi,k-αi,k)/βi,k（2）

由于插電式混合動(dòng)力汽車(chē)的鋰離子電池容量和最大充電功率有一定的限制，因此電動(dòng)汽車(chē)i在k時(shí)刻具有相應(yīng)的最大充電功率和最小充電功率約束

-xi,k≤xi,k≤i,k（3）

在本文中，假設(shè)i,k=i，-xi,k=-xi。為了滿(mǎn)足用在某一段時(shí)間[k0,kN-1]的充電需求，有如下約束條件

i,k=bi（4）

式中：bi為電動(dòng)汽車(chē)i在時(shí)間段[k0,kN-1]內(nèi)需要充的電能。此外，電網(wǎng)低壓變壓器提供給所有電動(dòng)汽車(chē)的電能為

i,k=dk（5）

式中：dk為k時(shí)刻電網(wǎng)提供給n個(gè)電動(dòng)汽車(chē)的電能。

從電動(dòng)汽車(chē)用戶(hù)的角度，每個(gè)用戶(hù)都希望將自身的充電成本降到最*。因此，在分布式電網(wǎng)中插電式混合動(dòng)力汽車(chē)協(xié)調(diào)充電問(wèn)題可表示為如下帶約束條件的優(yōu)化問(wèn)題

在下一節(jié)中本文將給出相應(yīng)的最*充電控制策略，來(lái)解決式（6）所描述的電動(dòng)汽車(chē)協(xié)調(diào)充電問(wèn)題。

2最*充電策略

為了解決式（6）所示的有限*域內(nèi)帶等式約束和不等式約束的優(yōu)化問(wèn)題，本文提出了一種雙層最*充電策略，其框架如圖2所示。

圖2一種基于LVTs和插電式混合動(dòng)力汽車(chē)之間相互作用的最*控制方案

2.1第一階段優(yōu)化

為了能最*程度實(shí)現(xiàn)電網(wǎng)低壓變壓器的負(fù)載曲線(xiàn)“削峰填谷"目的，低壓變壓器控制器基于用戶(hù)的非電動(dòng)汽車(chē)負(fù)載來(lái)規(guī)劃提供給電動(dòng)汽車(chē)充電的電能。令dkj表示在時(shí)刻kj變壓器提供給n臺(tái)電動(dòng)汽車(chē)充電的電能，qi(k)表示電動(dòng)汽車(chē)用戶(hù)i的非電動(dòng)汽車(chē)負(fù)載所消耗的功率（如熱水器、電吹風(fēng)、空調(diào)等），第一階段的目標(biāo)是通過(guò)規(guī)劃給電動(dòng)汽車(chē)充電的電能盡可能使得低壓變壓器側(cè)總負(fù)荷曲線(xiàn)（即電動(dòng)汽車(chē)負(fù)荷與非電動(dòng)汽車(chē)負(fù)荷之和）最平。通過(guò)對(duì)某居民用電區(qū)域統(tǒng)計(jì)其負(fù)載變化規(guī)律，本文假設(shè)某個(gè)家庭中的非電動(dòng)汽車(chē)負(fù)載對(duì)用戶(hù)i來(lái)講是已知的。第一階段低壓變壓器控制器基于需求側(cè)管理負(fù)荷曲線(xiàn)波動(dòng)最小問(wèn)題可以描述為

式中：目標(biāo)函數(shù)f(d)為各個(gè)時(shí)刻負(fù)荷曲線(xiàn)的波動(dòng)變化之和，當(dāng)且僅當(dāng)f(d)=0時(shí)，總體的功率曲線(xiàn)和理想的功率曲線(xiàn)保持一致，即負(fù)載曲線(xiàn)完*實(shí)現(xiàn)了削峰填谷；dkj為優(yōu)化變量，表示在時(shí)刻kj變壓器提供給n臺(tái)電動(dòng)汽車(chē)充電的電能，kj=k0,k1,…,kN-1為電動(dòng)汽車(chē)的優(yōu)化時(shí)刻；qi(k)為電動(dòng)汽車(chē)用戶(hù)i的非電動(dòng)汽車(chē)負(fù)載所消耗的功率；i為電動(dòng)汽車(chē)i的最大

充電功率；η為期望的負(fù)載功率曲線(xiàn)，計(jì)算公式為

通過(guò)MATLAB線(xiàn)性多約束優(yōu)化工具箱可有效解決式（7）所示的線(xiàn)性多約束優(yōu)化問(wèn)題。算法如下：

（1）算法1基于LVT需求側(cè)管理調(diào)度算法輸入：bi,qi(k),i=1,2,…n,k=k0,k1,…,kN-1輸出：dkj,kJ=k0,k1,…,kN-1

Step1.PHEVi向LVT發(fā)送用戶(hù)的充電需求bi以及其他非電動(dòng)汽車(chē)的負(fù)載qi(k)，i=1,2,…n,k=k0,k1,…,kN-1。

Step2.LVT計(jì)算k時(shí)刻總體非電動(dòng)汽車(chē)負(fù)載

Step3.LVT計(jì)算理想的負(fù)載功率曲線(xiàn)

Step4.利用MATLAB的MLPP工具箱求解問(wèn)題（7）。

Step5.LVT將獲得的需求側(cè)管理調(diào)度結(jié)果發(fā)送給所有的電動(dòng)汽車(chē)用戶(hù)。

2.2第二階段優(yōu)化

為了能使所有用戶(hù)的充電成本達(dá)到最小，同時(shí)滿(mǎn)足用戶(hù)的充電需求，第二階段將在第一階段基礎(chǔ)上，基于一致性迭代算法來(lái)解決最初的優(yōu)化問(wèn)題（6），獲得全局的最*的調(diào)度策略。其中，問(wèn)題（6）中的第三項(xiàng)等式約束，通過(guò)在迭代算法中引入拉格朗日乘子向量，并通過(guò)迭代使其收斂到一致的最*值，從而滿(mǎn)足該項(xiàng)等式約束。在文獻(xiàn)中，本文提出了一致性迭代算法并解決動(dòng)了態(tài)資源分配問(wèn)題（dynamicresourceallocationproblem,DRAP），獲得了全局唯*的最*解。在本文中，本文利用一致性迭代算法來(lái)解決優(yōu)化問(wèn)題（6），算法的證明過(guò)程見(jiàn)文獻(xiàn)定理1。

（2）算法2基于一致性迭代的最*充電算法

PHEVi（i=1,2,…,n）通過(guò)基于鄰居信息交換的一致性算法，依次迭代拉格朗日乘子λi,k(t)滿(mǎn)足（6）中的第三項(xiàng)等式約束條件，迭代優(yōu)化變量xi,k(t)滿(mǎn)足（6）中第二項(xiàng)不等式約束條件，迭代殘差變量si,k(t)滿(mǎn)足（6）中第一項(xiàng)等式約束條件。

3仿真研究

為了驗(yàn)證本文提出的智能電網(wǎng)中電動(dòng)汽車(chē)雙層最*充電策略的有效性，以某小區(qū)內(nèi)分布式電網(wǎng)中小規(guī)模的電動(dòng)汽車(chē)滲透為背景?？紤]到電動(dòng)汽車(chē)充電時(shí)的充電功率對(duì)小區(qū)內(nèi)變壓器峰值的影響若電動(dòng)汽車(chē)數(shù)目過(guò)少則導(dǎo)致負(fù)荷波動(dòng)幅度過(guò)小，起不到普適性的研究目的。同時(shí)，根據(jù)對(duì)不同汽車(chē)數(shù)量樣本的計(jì)算結(jié)果進(jìn)行比對(duì)，一般電動(dòng)汽車(chē)充電個(gè)數(shù)達(dá)到4個(gè)后，就會(huì)對(duì)峰值產(chǎn)生顯著影響，并且后續(xù)隨著汽車(chē)數(shù)量增多，仿真結(jié)論均趨于一致。因此本文考慮小區(qū)內(nèi)具有普適性的電動(dòng)汽車(chē)充電場(chǎng)景，以4個(gè)電動(dòng)汽車(chē)用戶(hù)充電為例進(jìn)行仿真研究。

電動(dòng)汽車(chē)參數(shù)如表1所示。電動(dòng)汽車(chē)充電的時(shí)間為18:00至次日6:00，共12h，每個(gè)小時(shí)采樣14個(gè)點(diǎn)，一共有168個(gè)采樣點(diǎn)。本文通過(guò)以最大功率充電的方式進(jìn)行對(duì)比，從而突出本文的算法有效性。

表1仿真中的電動(dòng)汽車(chē)參數(shù)設(shè)置

隨著通信技術(shù)和測(cè)量技術(shù)在智能電網(wǎng)中的廣泛應(yīng)用，假設(shè)在局域網(wǎng)中電動(dòng)汽車(chē)用戶(hù)之間的拓?fù)溥B接方式如圖3所示。另外，以最大功率充電的拓?fù)浣Y(jié)構(gòu)為全聯(lián)通方式。

圖3仿真中強(qiáng)連通電動(dòng)汽車(chē)拓?fù)浣Y(jié)構(gòu)

在本仿真研究中，所有電動(dòng)汽車(chē)的開(kāi)始充電時(shí)間為18:00，結(jié)束時(shí)間為次日6:00。采樣周期14samples/h。因此整個(gè)電動(dòng)汽車(chē)優(yōu)化運(yùn)行共有168個(gè)采樣時(shí)刻，本文等間隔地將其分為4組，每組21個(gè)采樣時(shí)刻。在每個(gè)時(shí)刻，與每個(gè)電動(dòng)汽車(chē)關(guān)聯(lián)的成本函數(shù)均采用二次型凸函數(shù)形式。算法2中的正參數(shù)ε=0.2。

圖4算法1的電動(dòng)汽車(chē)充電功率曲線(xiàn)

圖5以最大功率充電的負(fù)荷曲線(xiàn)

圖6不協(xié)調(diào)充電時(shí)電動(dòng)汽車(chē)充電的功率分配

圖7不協(xié)調(diào)充電和協(xié)調(diào)充電電動(dòng)汽車(chē)充電的功率曲線(xiàn)

圖8電動(dòng)汽車(chē)用戶(hù)每日充電成本柱形圖

仿真結(jié)果如圖4—圖8所示。圖4為通過(guò)算法1低壓變壓器的負(fù)載功率曲線(xiàn)。綠色實(shí)線(xiàn)表示總的非電動(dòng)汽車(chē)負(fù)載。從圖4可以看出，當(dāng)電動(dòng)汽車(chē)的運(yùn)行周期被分割的時(shí)間區(qū)間個(gè)數(shù)趨向于無(wú)窮時(shí)，總功率曲線(xiàn)將與期望的負(fù)載曲線(xiàn)保持一致，達(dá)到完整的“削峰填谷"效果。

圖5和圖6分別為電動(dòng)汽車(chē)在協(xié)調(diào)充電策略和不協(xié)調(diào)充電策略下的仿真結(jié)果。不協(xié)調(diào)充電策略是指電動(dòng)汽車(chē)以最大功率進(jìn)行充電直到達(dá)到用戶(hù)的充電需求。通過(guò)圖5和圖6的對(duì)比可以看出，電動(dòng)汽車(chē)的協(xié)調(diào)充電策略可以極大的減小電動(dòng)汽車(chē)的充電峰值負(fù)荷，從而可以進(jìn)一步減小對(duì)電網(wǎng)穩(wěn)定性的影響。圖7表示分別在協(xié)調(diào)充電和非協(xié)調(diào)充電情況下總體的功率曲線(xiàn)變化。

從圖7可以看出，不協(xié)調(diào)充電策略的總功率最大值為42kW，相對(duì)于期望的功率曲線(xiàn)20kW造成了110%的過(guò)載，而協(xié)調(diào)充電策略波動(dòng)至25kW，遠(yuǎn)遠(yuǎn)小于非協(xié)調(diào)充電策略，驗(yàn)證了本文提出的算法通過(guò)控制電動(dòng)汽車(chē)的充電功率和充電時(shí)間使總功率曲線(xiàn)波動(dòng)明顯減小。圖8表示在協(xié)調(diào)充電和非協(xié)調(diào)充電情況下用戶(hù)的成本柱形圖。

從圖8可以看出，協(xié)調(diào)充電策略不僅僅可以減小全體的電動(dòng)汽車(chē)用戶(hù)充電成本，同時(shí)可以大大減少每個(gè)電動(dòng)汽車(chē)用戶(hù)的充電成本，從而可以鼓勵(lì)用戶(hù)參與到電網(wǎng)的“削峰填谷"協(xié)調(diào)充電調(diào)度策略中去。

通過(guò)對(duì)電動(dòng)汽車(chē)的充電策略進(jìn)行規(guī)劃，使用最*的充電策略來(lái)完成電動(dòng)汽車(chē)的充電，用電能來(lái)替代傳統(tǒng)的化學(xué)能源，有利于減緩傳統(tǒng)能源的消耗速度。進(jìn)一步，通過(guò)大規(guī)模利用電動(dòng)汽車(chē)來(lái)取代傳統(tǒng)的油車(chē)，減少污染物的排放，從而減小環(huán)境污染。本文的首要目標(biāo)是通過(guò)使得電網(wǎng)曲線(xiàn)波動(dòng)最小，峰谷差最小，從而避免因峰值過(guò)高引起跳閘甚至大面積停電。

4安科瑞充電樁收費(fèi)運(yùn)營(yíng)云平臺(tái)系統(tǒng)選型方案

4.1概述

AcrelCloud-9000安科瑞充電柱收費(fèi)運(yùn)營(yíng)云平臺(tái)系統(tǒng)通過(guò)物聯(lián)網(wǎng)技術(shù)對(duì)接入系統(tǒng)的電動(dòng)電動(dòng)自行車(chē)充電站以及各個(gè)充電整法行不間斷地?cái)?shù)據(jù)采集和監(jiān)控，實(shí)時(shí)監(jiān)控充電樁運(yùn)行狀態(tài)，進(jìn)行充電服務(wù)、支付管理，交易結(jié)算，資要管理、電能管理，明細(xì)查詢(xún)等。同時(shí)對(duì)充電機(jī)過(guò)溫保護(hù)、漏電、充電機(jī)輸入/輸出過(guò)壓，欠壓，絕緣低各類(lèi)故障進(jìn)行預(yù)警；充電樁支持以太網(wǎng)、4G或WIFI等方式接入互聯(lián)網(wǎng)，用戶(hù)通過(guò)微信、支付寶，云閃付掃碼充電。

4.2應(yīng)用場(chǎng)所

適用于民用建筑、一般工業(yè)建筑、居住小區(qū)、實(shí)業(yè)單位、商業(yè)綜合體、學(xué)校、園區(qū)等充電樁模式的充電基礎(chǔ)設(shè)施設(shè)計(jì)。

4.3系統(tǒng)結(jié)構(gòu)

系統(tǒng)分為四層：

1）即數(shù)據(jù)采集層、網(wǎng)絡(luò)傳輸層、數(shù)據(jù)層和客戶(hù)端層。

2）數(shù)據(jù)采集層：包括電瓶車(chē)智能充電樁通訊協(xié)議為標(biāo)準(zhǔn)modbus-rtu。電瓶車(chē)智能充電樁用于采集充電回路的電力參數(shù)，并進(jìn)行電能計(jì)量和保護(hù)。

3）網(wǎng)絡(luò)傳輸層：通過(guò)4G網(wǎng)絡(luò)將數(shù)據(jù)上傳至搭建好的數(shù)據(jù)庫(kù)服務(wù)器。

4）數(shù)據(jù)層：包含應(yīng)用服務(wù)器和數(shù)據(jù)服務(wù)器，應(yīng)用服務(wù)器部署數(shù)據(jù)采集服務(wù)、WEB網(wǎng)站，數(shù)據(jù)服務(wù)器部署實(shí)時(shí)數(shù)據(jù)庫(kù)、歷史數(shù)據(jù)庫(kù)、基礎(chǔ)數(shù)據(jù)庫(kù)。

5）應(yīng)客戶(hù)端層：系統(tǒng)管理員可在瀏覽器中訪(fǎng)問(wèn)電瓶車(chē)充電樁收費(fèi)平臺(tái)。終端充電用戶(hù)通過(guò)刷卡掃碼的方式啟動(dòng)充電。

小區(qū)充電平臺(tái)功能主要涵蓋充電設(shè)施智能化大屏、實(shí)時(shí)監(jiān)控、交易管理、故障管理、統(tǒng)計(jì)分析、基礎(chǔ)數(shù)據(jù)管理等功能，同時(shí)為運(yùn)維人員提供運(yùn)維APP，充電用戶(hù)提供充電小程序。

4.4安科瑞充電樁云平臺(tái)系統(tǒng)功能

4.4.1智能化大屏

智能化大屏展示站點(diǎn)分布情況，對(duì)設(shè)備狀態(tài)、設(shè)備使用率、充電次數(shù)、充電時(shí)長(zhǎng)、充電金額、充電度數(shù)、充電樁故障等進(jìn)行統(tǒng)計(jì)顯示，同時(shí)可查看每個(gè)站點(diǎn)的站點(diǎn)信息、充電樁列表、充電記錄、收益、能耗、故障記錄等。統(tǒng)一管理小區(qū)充電樁，查看設(shè)備使用率，合理分配資源。

4.4.2實(shí)時(shí)監(jiān)控

實(shí)時(shí)監(jiān)視充電設(shè)施運(yùn)行狀況，主要包括充電樁運(yùn)行狀態(tài)、回路狀態(tài)、充電過(guò)程中的充電電量、充電電壓電流，充電樁告警信息等。

4.4.3交易管理

平臺(tái)管理人員可管理充電用戶(hù)賬戶(hù)，對(duì)其進(jìn)行賬戶(hù)進(jìn)行充值、退款、凍結(jié)、注銷(xiāo)等操作，可查看小區(qū)用戶(hù)每日的充電交易詳細(xì)信息。

4.4.4故障管理

設(shè)備自動(dòng)上報(bào)故障信息，平臺(tái)管理人員可通過(guò)平臺(tái)查看故障信息并進(jìn)行派發(fā)處理，同時(shí)運(yùn)維人員可通過(guò)運(yùn)維APP收取故障推送，運(yùn)維人員在運(yùn)維工作完成后將結(jié)果上報(bào)。充電用戶(hù)也可通過(guò)充電小程序反饋現(xiàn)場(chǎng)問(wèn)題。

4.4.5統(tǒng)計(jì)分析

通過(guò)系統(tǒng)平臺(tái)，從充電站點(diǎn)、充電設(shè)施、、充電時(shí)間、充電方式等不同角度，查詢(xún)充電交易統(tǒng)計(jì)信息、能耗統(tǒng)計(jì)信息等。

4.4.6基礎(chǔ)數(shù)據(jù)管理

在系統(tǒng)平臺(tái)建立運(yùn)營(yíng)商戶(hù)，運(yùn)營(yíng)商可建立和管理其運(yùn)營(yíng)所需站點(diǎn)和充電設(shè)施，維護(hù)充電設(shè)施信息、價(jià)格策略、折扣、優(yōu)惠活動(dòng)，同時(shí)可管理在線(xiàn)卡用戶(hù)充值、凍結(jié)和解綁。4.4.7運(yùn)維APP

面向運(yùn)維人員使用，可以對(duì)站點(diǎn)和充電樁進(jìn)行管理、能夠進(jìn)行故障閉環(huán)處理、查詢(xún)流量卡使用情況、查詢(xún)充電\充值情況，進(jìn)行遠(yuǎn)程參數(shù)設(shè)置，同時(shí)可接收故障推送。

4.4.8充電小程序

面向充電用戶(hù)使用，可查看附近空閑設(shè)備，主要包含掃碼充電、賬戶(hù)充值，充電卡綁定、交易查詢(xún)、故障申訴等功能。

4.5系統(tǒng)硬件配置

5結(jié)束語(yǔ)

本文研究了分布式電網(wǎng)架構(gòu)中插電式混合動(dòng)力汽車(chē)的協(xié)調(diào)充電問(wèn)題。首先，將電動(dòng)汽車(chē)的充電協(xié)調(diào)問(wèn)題描述成帶多個(gè)約束條件的凸優(yōu)化問(wèn)題，基于此，本文提出兩層最*充電策略來(lái)解決該優(yōu)化問(wèn)題。在所提提出的最*策略中，上層應(yīng)用基于需求側(cè)管理的調(diào)度算法來(lái)求解，在此基礎(chǔ)上，下層應(yīng)用一致性迭代的優(yōu)化算法進(jìn)行求解。最后通過(guò)數(shù)值仿真驗(yàn)證了所提算法的有效性。所提出的最*充電策略既保持了電網(wǎng)變壓器供電負(fù)荷曲線(xiàn)波動(dòng)最小，又實(shí)現(xiàn)了每個(gè)電動(dòng)汽車(chē)用戶(hù)的充電成本最小，同時(shí)滿(mǎn)足了用戶(hù)的充電需求。未來(lái)的研究方向會(huì)考慮大規(guī)模的電動(dòng)汽車(chē)充電場(chǎng)景，即根據(jù)用戶(hù)的行為和習(xí)慣隨機(jī)地將電動(dòng)汽車(chē)接入電網(wǎng)進(jìn)行充電，并且用戶(hù)充電的開(kāi)始和結(jié)束時(shí)刻各不相同，該種場(chǎng)景可通過(guò)本文提出的最*控制策略結(jié)合滾動(dòng)域優(yōu)化方法來(lái)予以解決。

參考文獻(xiàn):

[1]范子愷，俞豪君，朱俊澎，等.電力高峰時(shí)段電動(dòng)汽車(chē)負(fù)荷優(yōu)化調(diào)度［J］.電力需求側(cè)管理，2014，16（5）：3-9.

[2]吳奇珂，陳昕儒，姜寧，等.峰谷電價(jià)背景下考慮電動(dòng)汽車(chē)用戶(hù)行為的配網(wǎng)規(guī)劃研究［J］.電力需求側(cè)管理，

[3]蒯圣宇，田佳，臺(tái)德群，等.計(jì)及分布式能源與電動(dòng)汽車(chē)接入的空間負(fù)荷預(yù)測(cè)［J］.電力需求側(cè)管理，2019，21（1）：47-51.

[4]安科瑞企業(yè)微電網(wǎng)設(shè)計(jì)與應(yīng)用手冊(cè).2022.05版

[5]白云霄，劉思捷，錢(qián)峰，劉俊磊，鮑威.智能電網(wǎng)中電動(dòng)汽車(chē)雙層最*充電策略