東北大學信息科學與工程學院、沈陽理工大學信息科學與工程學院、滑鐵盧大學寬帶通信實驗室、沈陽化工大學計算機科學與技術(shù)學院的研究人員譚小波、趙海、彭海霞、李大舟，在2015年第13期《電工技術(shù)學報》上撰文，電動汽車作為未來能源互聯(lián)網(wǎng)的重要組成部分得到了越來越多的關(guān)注。針對電動汽車的充放電問題，提出了一個準實時的協(xié)同充放電多代理系統(tǒng)。

在不破壞配電網(wǎng)系統(tǒng)限制的前提下以最大化用戶充電需求滿意度和最小化用戶充電成本為目標的兩階段優(yōu)化策略在滿足用戶充電需求的同時，節(jié)約了用戶的充電成本。仿真結(jié)果表明采用兩階段優(yōu)化策略的多代理系統(tǒng)可以有效實現(xiàn)電動汽車高滲透率下的協(xié)同充放電管理，增強了系統(tǒng)的健壯性。

電動汽車（Electric Vehicle, EV）作為能源互聯(lián)網(wǎng)的重要組成部分，不僅在緩解能源危機、促進人類與環(huán)境和諧發(fā)展等方面具有傳統(tǒng)內(nèi)燃機汽車無法比擬的優(yōu)勢，而且未來隨著電動汽車的大量增加，其產(chǎn)業(yè)也將成為能源互聯(lián)網(wǎng)最大的商業(yè)模式[1]。因此，EV及其相關(guān)技術(shù)受到了各國政府、科研機構(gòu)、汽車制造商以及能源企業(yè)的廣泛關(guān)注。

保守預計到2030年，中國EV保有量將達到6千萬輛，按每輛EV百公里耗電15kWh、年平均行駛里程1.5萬km估算，每輛EV年耗電量為2250kWh，六千萬輛EV總耗電量為1350億kWh，占2030年全國預計用電量10.37萬億kWh的1.3%左右，有可能突破2%[2]。

假設每輛EV采用慢充方式充電，瞬時充電功率10kW預測，在最極端的情況下，同時充電的峰值充電功率將達到6億kW，占2030年全國預計總裝機容量23.2億kW的26%。

如果采用快充方式，其峰值充電功率將遠遠高于這個數(shù)字?？梢?/span>EV規(guī)?；瘧煤?，其總體充電功率十分龐大。EV充電負荷在時間和空間上具有一定隨機性，如果不對EV充電加以控制，必然導致電網(wǎng)負荷高峰增加，這不僅需要電網(wǎng)新增裝機容量，而且一些配電網(wǎng)將不能承載其能量需求，造成系統(tǒng)過載危害[3,4]。

此外，EV集中充電產(chǎn)生的負荷還會對配電網(wǎng)電壓水平、三相負載平衡以及變壓器壽命產(chǎn)生極大負面影響[5,6]。雖然，目前EV還處于示范運營階段，但在其廣泛應用的前景下，如何對大量EV充電進行有序調(diào)控已成為學術(shù)界研究的焦點。

文獻[7，8]采用時段充電控制策略，通過時段分時電價劃分原則，并考慮EV行駛規(guī)律，引導用戶在負載低谷時段充電。該策略易于執(zhí)行，可有效實現(xiàn)EV充電負荷的轉(zhuǎn)移，避免無序充電峰值與自然峰值的重疊。但該調(diào)控策略過于機械化、缺乏靈活性[9,10]。

文獻[11-13]基于對未來時間段（一天）配電網(wǎng)常規(guī)負載、EV負載需求的預測，提出了實現(xiàn)電網(wǎng)和用戶效益最大化的協(xié)同充放電優(yōu)化方法。然而，這些文獻并沒有依據(jù)電網(wǎng)實時負載情況進行短期預測，無法實現(xiàn)充放電管理的時效性，而且其預測結(jié)果也不能反映電網(wǎng)負載的實際情況。

文獻[14]提出了一個基于云計算的EV智能電池能量管理與控制機制。該機制通過減少EV與電網(wǎng)、充電站之間的重復交互，提高了EV充放電管理的實時性。然而文中提出的充放電決策優(yōu)化并沒有考慮配電網(wǎng)的限制以及充放電對電網(wǎng)所造成的影響。

本文提出EV準實時協(xié)同充放電管理的多代理系統(tǒng)。該系統(tǒng)由EV代理、停車場代理以及控制器代理構(gòu)成。EV代理向停車場代理提供車輛充電所需要的信息；停車場代理根據(jù)當前?？康碾妱悠嚁?shù)量及相關(guān)信息，基于M/G/∞排隊模型預測未來短時間（分鐘級）內(nèi)?？吭撏＼噲龅?/span>EV數(shù)量；控制器代理采用兩階段優(yōu)化策略制定充放電決策，在保證充放電決策可行性的前提下，不僅滿足了用戶的充電需求，而且節(jié)約了用戶的充電成本。仿真結(jié)果表明該多代理系統(tǒng)可以有效實現(xiàn)EV高滲透率下的協(xié)同充放電管理，提高系統(tǒng)的健壯性。

圖1 CA、GA執(zhí)行流程

結(jié)論

針對未來大量電動汽車的充放電問題，提出包含EV代理、停車場代理以及控制中心代理的準實時協(xié)同充放電管理的多代理系統(tǒng)。停車場代理中的預測單元根據(jù)M/G/∞排隊模型預測未來短時段內(nèi)系統(tǒng)中的EV負載，為控制器代理中的優(yōu)化單元提供準實時的決策數(shù)據(jù)?？刂破鞔碇械膬?yōu)化單元采用兩階段優(yōu)化策略，分別以最大化用戶充電容量和最小化用戶充電成本為目標制定充放電決策。

模擬實際的配電網(wǎng)環(huán)境，在電動汽車高、低兩個滲透率下對多代理系統(tǒng)進行測試，并對所提出QCMS-C、QCMS-CD以及其他兩個充電模式的性能做了比較。

仿真結(jié)果表明在EV低滲透率下，QCMS-C提供（該條件下只運行QCMS-C模式）比其他模式更低用戶充電成本的充電決策；在EV高滲透率下，QCMS-C、QCMS-CD提供的充放電決策比其他模式具有更高的充電平均成功率。

性能比較結(jié)果表明：所提出的QCMS能夠在各種EV滲透率下，在保證系統(tǒng)穩(wěn)定性與健壯性的基礎上，為用戶提供高效的協(xié)同充放電決策。盡管在EV高滲透率下，QCMS-CD比QCMS-C提供了更高的充電平均成功率，但這是建立在對電池頻繁充放電的前提下，而對電池頻繁的充放電將會縮短電池的使用壽命，增加用戶額外的成本開銷。