[发明专利]一种基于正弦余弦算法的大规模电动汽车充放电多目标优化方法

摘要

本申请揭露一种基于正弦余弦算法(sine cosine algorithm，SCA)的大规模电动汽车充放电多目标优化方法，该方法通过相似分群的方法将大规模电动汽车进行分群归类，使用SCA算法进行电动汽车群体充放电策略的制定，以实现电网侧削峰填谷、用户侧充电费用最小的目标。另外，所采用的正弦余弦算法是一种较新的智能算法，相比于经典的遗传算法(Genetic Algorithm，GA)、粒子群算法(Particle Swarm Optimization，PSO)等，具有收敛速度更快，全局收敛性更强等特点，从而使电动汽车充放电计划制定地更为合理。

主权项

一种基于正弦余弦算法(SCA)的大规模电动汽车充放电多目标优化方法，包括以下步骤：采集电网常规负荷预测信息、分时电价和各时刻接入电网的电动汽车信息，包括接入时间、离开时间、电池容量、电池充放电极限、充电电量；根据接入电网的电动汽车的接入时间和离开时间划分电动汽车群体；以该时刻到优化结束时刻的减小区域内电网负荷曲线波动和用户充电费用最小为优化目标，经各目标值进行加权处理确定适应度函数；以电动汽车群体充放电极限、充电需求及相关约束条件确定基本控制模型；根据区域内常规负荷预测情况、分时电价情况制定电动汽车群体各时段的充放电策略；根据模型参数及约束条件初始化可控变量，所述初始化可控变量为各电动汽车群体各时段的充放电功率；用SCA算法和适应度函数进行解的适应度评价；根据正弦余弦变化的数学模型确定算法搜索方向，更新各电动汽车群体各时段的充放电功率；判断是否达到最大迭代次数或判断收敛，若达到最大迭代次数或收敛，则结束计算并输出各电动汽车群体各时段的充放电功率策略，否则，返回用SCA算法和适应度函数进行适应度评价的步骤。