(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210913975.8 (22)申请日 2022.08.01 (71)申请人 东北大学秦皇岛分校 地址 066000 河北省秦皇岛市秦皇岛市经 济技术开发区泰山路143号 (72)发明人 周子天　孙慢　赵野　张浩文　 (51)Int.Cl. G06Q 10/06(2012.01) G06Q 50/06(2012.01) G06N 3/00(2006.01) (54)发明名称 一种基于自适应改进PSO算法的电动汽 车充 电调度方法 (57)摘要 本发明公开了一种基于自适应改进PSO算法 的电动汽车充电调度方法， 用于提高算法的全局 寻优能力和收敛速度。 包括如下步骤： 基于蒙特 卡洛思想生成电动汽车充电信息； 初始化粒子位 置， 记录种群的平均适应度值； 初始化惯性权重 和学习因子并建立适应度与惯性权重之间的反 馈调节机制； 种群搜索进化， 各时段先分别求最 优解后再进行汇总； 引入模拟退火算法的概率接 受公式加大搜索区间从而确保搜索到全局最优。 本发明改进的PSO用于规划高负载下的电动汽车 充电调度问题， 相较于传统PSO算法， 该方法提高 了算法的收敛速度， 减小了电网波动方差以及用 户的充电延迟时间。 权利要求书1页 说明书6页 附图7页 CN 115130921 A 2022.09.30 CN 115130921 A 1.一种基于自适应改进PSO算法的电动汽车充电调度方法， 其特征在于： 包括以下步 骤： S1： 基于蒙特卡洛思想生成电动汽车充电信息， 初始化惯性权 重等参数和粒子位置； S2： 建立粒子适应度值和惯性权重之间的反馈调节机制， 根据适应度值的变化情况调 节粒子的搜索速度； S3： 在进化后期， 引入非劣解的概率接受公式， 在满足接受条件的非劣解附近进行精确 搜索， 若能发现新的全局最优解， 更新； 若搜索不到， 当达到最大迭代次数时， 输出全局最优 解。 2.根据权利要求1所述的基于自适应改进PSO算法的电动汽车充电调度 方法， 其特征在 于： 基于蒙特卡洛思想生成初始电动汽车充电信 息， 用于三种不同算法计算电网波动和充 电延迟时间。 3.根据权利要求1所述的基于自适应改进PSO算法的电动汽车充电调度 方法， 其特征在 于： 建立粒子适应度值和惯性权重之间的反馈调节机制， 根据适应度值的变化情况调节粒 子的搜索速度， 如式(1)、 公式(2)所示： 其中wk+1为粒子下一次搜索的惯性权重； wmax、 wmin分别为设定惯性权重的最大最小值； fitid为粒子当前位置的适应度值； fitave为所有粒子先前搜索得到的适应度平均 值； fitmin 为所有粒子先前搜索得到的适应度平均值； c1， c2是个体学习影响因子和 群体学习影响因 子； 反映个体搜索最优解和群体搜索最优解对搜索速度的影响； 表示粒子自身搜索历史 中的最优解 位置； 表示粒子群 体搜索历史中的最优解 位置； 为粒子当前位置 。 4.根据权利要求1所述的基于自适应改进PSO算法的电动汽车充电调度 方法， 其特征在 于： 在进化后期， 引入非劣解的概率接受公式， 在满足接受条件的非劣解附近进行精确搜 索， 若能发现新的全局最优解， 更新； 若搜索不到， 当达到最大迭代次数时， 输出全局最优 解， 如式(3)所示： 其中vg为粒子最优位置， vg ′为满足条件的非劣解。 如果在非劣解处进化10代仍未寻找 到新的最优解， 则最优解重 置为接受非劣解前的解。权　利　要　求　书 1/1 页 2 CN 115130921 A 2一种基于自适应改进PSO算法的电动汽车充电调度方 法 技术领域 [0001]本发明适用于智能充电， 电力系统管理领域， 其提供的基于自适应改进PSO算法的 电动汽车充电调度方法可在满足电网的平稳运行的同时进一 步提升用户体验。 背景技术 [0002]受限于地理位置等原因， 我国的一些中小县城无法直接享受到空运网络、 高铁网 络辐射衔接带来的出行便利。 长期以来， 当地人民想要搭乘飞机、 高铁等交通工具就必须先 到达临近的大城市。 随着人们对出行要求的进一步提高， 传统客运出行方式已无法满足人 们对出行快速性、 舒适性的要求。 为了满足当地人民的出行要求并减少私家车队非法运营 带来的安全隐患， 当地公交公司注册成立了专门的城际电动车队用于接送往返于当地到临 近高铁站、 飞机场的乘客。 [0003]然而， 考虑到整体使用率、 资金成本等因素， 公交公司短时间内不可能为城际电动 车队修建专门的充电站。 这种情况下， 城际电动车队往往借助于为市内公交车准备 的充电 装置进行充电。 而为了多盈利， 在节假日等运营高峰期， 经常会出现城际电动车队 “扎堆充 电”、“争抢充电 ”的不安全现象。 考虑到公交站本身承载着相当数量的电网负载， 如果城际 电动车队无序充电的行为长期不能得到改善， 不但会缩短电力设备 的使用寿命， 同时也会 严重威胁电网系统的安全甚至影响市内公交的正常运营。 因此， 设计合理的充电策略， 引导 城际电动车队有序充电， 对保证司机的相应权益， 保证电网安全运行， 保证市内公交的正常 运营都有着重要的现实意 义。 [0004]PSO算法是人们 从鸟类觅食行为中得到启发， 融入个体认知和社会影响因素对生 物的群体活动进行模拟设计的一种群体智能算法。 PSO算法具有搜索速度快、 效率高、 实现 简单等优点。 当种群粒子数足够多时， 有 可能只需要简单迭代就可以得到最优解。 但是针对 离散问题， 随着种群迭代次数的增加， 传统PSO算法存在陷入局部最优解难以跳出、 前期搜 索速度过大易错过最优解等问题。 这对我们设计算法解决问题的寻优速度和寻优准确性是 不利的。 发明内容 [0005]为解决上文提到的在汽车智能充电领域传统PSO算法存在的不足， 在保证电网系 统稳定运行的同时进一步考虑用户的权益， 本发明提出一种基于自适应改进PSO算法的电 动汽车充电调度方法。 具体的技 术步骤如下： [0006]S1： 基于蒙特卡洛思想， 以符合实际需求的均值和标准差， 生成服从正态分布的城 际电动车队的期望充电信息包括接入时间、 充电时长等。 并将充电信息与电网系统本身功 率负载信息 输入到预 先建立的电动汽车充电策略模型； [0007]S2： 采用传统PSO算法， 对电动汽车充电策略模型进行求解， 记录下可充电时刻的 电网波动方差和各 可充电时间 间隔的平均充电延迟时间。 [0008]S3： 采用自适应权重并借鉴模拟退火算法思想改进的PSO算法对电动汽车充电模说　明　书 1/6 页 3 CN 115130921 A 3