面向混合动力汽车的协同调度优化研究

郑振，唐菲

（1.武汉软件工程职业学院，湖北 武汉 430205；2.武汉船舶职业技术学院，湖北 武汉 430050）

0 引 言

燃油动力汽车严重依赖于石油资源，易造成石油资源枯竭，而其排放的二氧化碳等温室气体是造成全球性气候变暖的元凶。插电式混合动力汽车（Plug-in Hybrid Energy Vehicles，PHEV）是介于纯电动车和燃油汽车之间的一种新能源汽车，是减轻碳排放、提高可持续发展的有效途径。电力系统和电气化交通的整合协调使PHEV车主成为电力市场的积极参与者。PHEV不仅能够使用纯电力行驶，还可以使用燃料发动机辅助行驶，不需要进行强制性充电。PHEV作为新的市场参与者，必须与其他市场参与者一起参与，同时刺激消费者参与市场。PHEV的超长续航是造成能源不平衡的一个重要因素。电力公司需要参与市场以最大限度地提高预期收益。由于集中配电单元和发电公司（CDUGC）创造了一个自由市场环境，因此集成电力资源和PHEV系统（IERPHEVS）对电力市场和PHEV双方都有好处。IERPHEVS可以作为价格制定者参与日前批发市场（DAWSM），可以提交报价和进行投标以调整区域边际价格（LMP）。批发市场运营商（WSMO）进行市场出清以实现社会福利最大化，这与IERPHEVS的成本最小化目标相矛盾。对此，本文将建立一个双层多目标两阶段混合鲁棒

随机框架。其中，上层决策问题是 IERPHEVS问题，其优化目标为最小化总成本和采购能源的成本，而 WSMO问题构成下层决策问题。如果充电过程操作不当，PHEV的电池会发生严重的退化，因此必须考虑适当的电池退化成本。随着各个国家和人们环保意识的加强，企业公司更重视其碳信用额。因此，本文将减少排放作为优化框架中的其中一个优化目标。

1 调度优化模型

IERPHEVS运营商的目标是通过优化调度报价和投标过程、PHEV和风力发电来最大限度地降低运营成本和排放。IERPHEVS运营商可以参与DAWSM来采购额外的能源或出售其剩余的产量，在DAWSM中提交报价或进行投标。WSMO的目标是最大化社会福利，这与IERPHEVS运营商的目标不同。通过部署双层优化框架，IERPHEVS运营商可以模拟WSMO对报价和投标的响应。其中，IERPHEVS操作员（称为上层决策者或领导者）在DAWSM中提交报价或出价（称为下层决策者或追随者）。随后WSMO进行市场出清以实现社会福利最大化，并公布区域边际价格（LMP）以及IERPHEVS运营商可以获得的能源总量。IERPHEVS运营商重新提交报价或投标以取得更好的结果。这个过程迭代地进行，直到达到平衡状态。

2 实验评估

下层决策DAWSM问题被建模为一个6总线的TS，包含7条传输线和3个CDUGC，分布在节点1、2和6上。IERPHEVS通过第5个节点连接到DAWSM的TS，并由4 000辆车辆组成，这些车辆使用K-mean聚类分为5个车队。本文计算每个车队所在聚类的质心，质心的到达和离开时间如表1所示。从全国家庭旅行调查收集到达和离开时间的数据，该数据来自170 000多名调查参与者。通过K-means聚类，数据被分为5个主要的PHEV车队。更深的循环深度和更高的充电率会导致电池退化增加。实验使用SCENRED工具进行场景选择，使用CPLEX求解器求解MILP问题。实验场景考虑了3种充电情况：车辆到达后马上进行充电，无调度过程（记为“Immediate”）；PHEV车队在 IERPHEVS运营商的调度下充电，并考虑电池退化（记为“ScheWDegrad”）；考虑到成本和排放目标，对PHEV车队进行调度优化（记为“JointOpti”）。

表1 PHEV车队质心的到达和离开时间

不同充电情况下PHEV车队的平均SOC如图1所示。在Immediate中，PHEV车队一到充电站就马上进行充电，直到达到SOC的最高值。如图1（a）所示，每个车队对应的SOC与每个车队的离开和到达时间一致。例如，由表1可知，车队1的到达时间是16：13，离开时间是第二天早上7：55。因此，如图1（a）所示，在时间段7：55到16：13，车队1的SOC是（接近）零。而从16：13到第二天早上7：55，车队1的SOC为1。ScheWDegrad考虑了电池在充电时的退化成本，因此其SOC比Immediate的要低，以避免更深循环深度和更高充电率所导致的电池退化。在JointOpti中，PHEV车队的充电和放电模式得到智能控制，其充电需求被转移到非高峰期。例如，车队2在时间段14：27到19：32之间到达充电站，而此时车队1、3、4和5中大部分PHEV并不在充电站。因此，通过智能协调调度，JointOpti能提高车队2在该时间段的SOC，提高充电的效率。

图1 PHEV车队的平均SOC

图2展示了不同情况下的电池退化成本。Immediate并没有考虑电池退化，因此电池退化成本非常高，总计84 755.897元。ScheWDegrad由于考虑了退化成本，因此其成本下降至3 316.853元。JointOpti考虑了成本和排放目标，其成本为20 408.747元。为了节能减排，JointOpti需要以牺牲电池退化性能为代价，因此其成本会比ScheWDegrad高一些。

图2 不同情况下的电池退化成本

图3展示了不同鲁棒性参数下JointOpti的最优帕累托前沿。由结果可知，增加稳健性参数的值会导致帕累托前沿的主导地位降低。最优帕累托前沿在开始时呈现出非常急剧的下降，而随着成本的增加，排放的下降则相对平缓。在曲线的开始，即使成本值略微增加，也会导致排放量急剧下降。而当成本下降成果某个特定值后，减少排放则需要付出高昂的代价。

图3 JointOpti排放的帕累托前沿

3 结 论

本文面向混合动力汽车提出了协同调度优化方法，建立双层优化问题以实现混合动力车队的多目标调度。使用实验评估了提出方法的有效性，实验结果表明，不对混合动力汽车进行协调充电会增加本地边际价格和运营成本。通过结合电池退化模型，降低了运营成本。提出方法的多目标优化的虽然具有稍高的成本，但能有效地减少排放。