基于多目标粒子群的EV充电与能源调度优化技术

沈阳工业大学学报 ›› 2026, Vol. 48 ›› Issue (4) : 29 -35.

作者信息 +

Author information +

文章历史 +

摘要

【目的】针对电动汽车的广泛使用导致电力系统峰谷差增大、电网局部过负荷等问题，提出了一种基于多目标粒子群优化的电动汽车充电与能源调度策略。该策略在满足用户用电成本最低和电网安全运行的基础上，通过对电动汽车充电方式的优化调度，降低了电网负荷的峰谷差，有效保障了电力系统的安全可靠运行。【方法】设计采用多目标粒子群算法求解电动汽车优化调度函数。构建了粒子群状态评价指标，并以此为依据动态调整粒子群算法的惯性权重和学习因子，利用Sigmoid函数映射方式确保惯性权重和学习因子随评价指标的变化而动态调整。在此基础上，利用高斯变异防止算法陷入早熟收敛或停滞状态，进一步提高了算法的可靠性和稳定性。【结果】研究通过建立电动汽车优化调度目标函数，利用多目标粒子群算法对该函数进行求解。从算法的收敛速度、目标函数值的标准差等方面对算法性能进行了对比分析，最终选定自适应权重优化结合高斯变异的粒子群优化算法作为求解方案。对固定电价和分时电价的优化策略进行了仿真分析，仿真结果表明，本文提出的调度策略在分时电价和固定电价下均可实现削峰填谷效果。【结论】采用自适应权重优化和高斯变异粒子群优化算法虽然收敛速度有所降低，但其具有稳定性和可靠性方面的优势。优化调度之后固定电价负荷曲线峰谷差较原始负荷峰谷差减小37.26%,分时电价负荷曲线峰谷差较原始负荷峰谷差减小53.62%。该算法对不同分时电价策略同样适用。本文的创新点在于：1)提出了一种粒子群收敛状态评价指标，用于评估种群收敛状态，并以此为依据，动态调整粒子群优化算法的惯性权重和学习因子，充分发挥了粒子群优化算法的性能；2)针对多目标函数优化，引入了基于高斯变异优化的粒子群变异策略，避免了种群处于早熟收敛或停滞状态，提升了算法的稳定性和可靠性。