新能源汽车排队充电策略研究*

沈志顺，韩友国，顾民，姚朝华



新能源汽车排队充电策略研究*

沈志顺，韩友国，顾民，姚朝华

（奇瑞新能源汽车技术有限公司，安徽 芜湖 241000）

新能源汽车的发展意义重大。文章在不提高新能源汽车充电效率的基础上，对新能源汽车排队充电的策略进行研究。利用智能算法中性能优良的粒子群算法对建立的模型进行求解，得到的充电排序方法能够满足实际的需要，为现实环境的新能源汽车的排队充电提供了理论依据。

新能源汽车；排队充电；排序策略

前言

随着新能源汽车的发展与逐渐的普及，各个城市都在不断的为新能源汽车的发展提供强有力的支持，大量的充电桩随之建立起来。但是，鉴于城市的结构复杂，还不能有效解决电动汽车的充电问题。由于快速充电技术在短时间内不会有较大的突破，因此短期内充电技术不是影响充电效率的重要因素，因而不能提高充电效率。假设充电功率不变，由于不同种类的电动汽车有着不同容量，因此可以将充电的用户分为三类：大充电需求用户、中充电需求用户和小充电需求用户。这些用户在充电时间上有着较大的差异性，不同的用户所需的充电时间各有不同。这种差异性会给充电站以及用户带来较大的影响。

当充电站比较忙时，大充电需求的用户会在很长的时间内占用较多的充电资源，造成排在其后的用户因长时间等待而产生抱怨，同时后续车辆陆续到达，使得充电站的排队长度较长，从而影响附近道路交通和其他用户出行。当充电站闲时，若站内用户充电需求均较小，则会降低充电设施的利用率，从而造成充电资源的浪费。因此，电动汽车充电需求的多样性问题，实际上是由于无序充电造成的。虽然该问题会随着未来电池技术和快速充电技术的突破而得到解决，但在各项技术尚未突破的时期，仍需通过一种有序引导策略来缩小用户充电需求的差异性，以解决电动汽车的无序充电问题。

1 新能源汽车排队充电的数学模型

本文优化的目标为最大充电时间，即对于给定的个新能源汽车和个充电桩，如何进行有序引导可以使得它们的总充电时间最短。

2 智能算法

粒子群算法（Particle Swarm Optimization，PSO）是由J. Kennedy和R. C. Eberhart等开发的一种性能优良的进化算法，在很多领域都有很好的应用。PSO一般从一个随机解出发，通过多次迭代寻找最优解或者次优解，搜索过程中主要利用适应度计算来对解进行评价。相比于遗传算法而言，它没有复杂的交叉变异过程，它只通过追随最优值来寻找整个解空间的全局最优解。粒子群算法有着容易实现、精度高以及收敛速度快的特点，因此在解决实际问题中展现出了极大的优势。本文将利用粒子群算法求解新能源汽车的排队充电问题。

3 具体案例

为了便于进行分析，并且保证算法的适用性，本文假设有100辆电池容量不同的新能源汽车需要充电，某一充电桩区域内共有5个充电桩。每辆新能源汽车的充电时间如表1所示。

4 实验仿真

本文利用计算机进行仿真模拟，通过计算可以快速获得新能源汽车的调度方案，对表1中的100辆新能源汽车进行调度，可以获得有序充电排序图如图1所示。

表1 100辆汽车的充电时间

5 结论与展望

充电效率对新能源汽车的发展有着很重要的影响，在关键技术不能及时解决的环境下，对策略的研究便会起到关键的作用。本文首先建立了新能源汽车的充电排序模型，然后利用粒子群算法进行求解，通过模拟现实环境中汽车的充电过程，得到了系能源汽车的有序充电排序方案，结果验证了求解思路的正确性。未来将对复杂环境下的问题进行更加深入的探讨和研究。

[1] 田家森,丁超.新时期新能源汽车发展的问题及解决对策[J].西部皮革,2018,40(23):37.

[2] 林伯强.新能源汽车如何实现华丽转身[N].中国证券报,2018-12- 08(A07).

[3] 俞跃,吕亚君.基于新城区的新能源汽车充电行业发展研究[J].现代商业,2018(32):183-184.

[4] 刘影.我国新能源汽车的发展现状[J].山东工业技术,2018(23):35.

[5] 李竞强,甄晓阳,康苏媛,郁有建.天津市新能源汽车充电基础设施建设现状及对策研究[J].天津科技,2018,45(10):9-10+13.

[6] 张瑞云.新能源汽车现状及未来发展趋势分析[J].电子世界,2018 (20):56-57.

[7] 许凤.新能源汽车的发展与社区的机遇[J].城市开发,2018(20):54 -55.

Research on queuing charging strategy of new energy vehicles*

Shen Zhishun, Han Youguo, Gu Min, Yao Zhaohua

（Chery new energy vehicle technology co. LTD., Anhui Wuhu 241000 )

The development of new energy vehicles is of great significance.In this paper, on the basis of not improving the charging efficiency of new energy vehicles, the strategy of queuing charging of new energy vehicles is studied.The particle swarm optimization (pso) algorithm with excellent performance in the intelligent algorithm is used to solve the established model, and the obtained charging ordering method can meet the actual needs, providing a theoretical basis for the queuing charging of new energy vehicles in the real environment.

New energy vehicles; Queue charging; Sorting strategy

U469.7

A

1671-7988(2019)07-22-02

沈志顺，硕士，项目经理，就职于奇瑞新能源汽车技术有限公司，从事新能源汽车研发工作。

2017年芜湖市科技重大专项：高性能平台化电驱动系统研发（编号：2017zd01）。

U469.7

A

1671-7988(2019)07-22-02

10.16638/j.cnki.1671-7988.2019.07.006