基于改进多目标混沌粒子群优化的电动汽车充放电调度

摘要

针对电动汽车充放电调度问题，提出一种考虑用户综合满意度的有序充放电算法.首先，构建了大规模电动汽车有序充放电模型，并量化用户综合满意度；其次，提出了一种基于改进多目标策略多样性混沌序列扰动粒子群优化(improved multi-objective role partitioning chaotic particle swarm optimization,IMRPC-PSO)算法以解决传统方法中多样性不足和易陷入局部最优的问题.根据粒子性能，给粒子赋予精英粒子、一般粒子和学习粒子的角色，并分别执行保持搜索、发展搜索和学习搜索的多样性策略.每个粒子根据其角色寻优搜索空间；为避免陷入局部最优，在每次迭代初始化后加入混沌序列扰动.最后，通过案例仿真对比所提算法与其余5种多目标优化算法的性能，结果显示IMRPC-PSO在解决电动汽车有序充放电问题上优于其他算法，验证了该算法的有效性和可行性.

关键词

电动汽车 / 有序充放电 / Tent混沌序列扰动 / 粒子群优化算法 / 多目标优化