本发明涉及电动汽车领域，特别涉及一种基于离散动作集的电动汽车充放电多目标优化调度方法。
背景技术：
1、电动汽车不仅是交通出行领域的革新力量，更以其车载电池系统作为储能单元，在智能电网中扮演着日益重要的分布式能源角色。随着大量的电动汽车无序接入电网，可能会加剧电网负荷波动，给电网的安全稳定性带来巨大挑战。同时，由于v2g技术的快速发展，电动汽车的电池作为移动分散式的储能装置允许电动汽车与电网之间进行双向的能量交换，也就是说电动汽车可以充电和放电。
2、在传统的随机优化模型驱使下电池连续随机充放电会导致计算和通信复杂度过大，并且目前大部分研究的优化调度一般只考虑了负荷波动这单一优化目标，忽略了车主利益从而影响参与调度的积极性。因此，亟需探索一种充放电调度方法，来避免连续随机充放电所带来的计算和通信复杂度过大的问题，同时使其能够缓解电网负荷波动，还能使车主在电力市场价格波动时套利，以实现微电网侧的优化管理和套利。
技术实现思路
1、为了解决上述技术问题，本发明提供一种算法简单的基于离散动作集的电动汽车充放电多目标优化调度方法。
2、本发明解决上述技术问题的技术方案是：一种基于离散动作集的电动汽车充放电多目标优化调度方法，包括以下步骤：
3、步骤一：获取微电网每个优化周期内不考虑电动汽车作用的基本负荷、分时电价的预测数据，并将预测数据传入决策中心；
4、步骤二：决策中心将预测数据输入预先构建的充放电多目标优化调度模型，并采用有限的离散动作集以及配套的拍卖算法来协调微电网与电动汽车之间的互补性电力交换过程；
5、步骤三：利用具有权衡偏好特性的基于分解的多目标进化算法获得该优化周期内电动汽车各时间片的最优前瞻性充放电功率计划，以优化协调充放电行为。
6、述基于离散动作集的电动汽车充放电多目标优化调度方法，所述步骤二具体过程为：
7、步骤s21：构建充放电多目标优化调度模型；
8、步骤s22：确定构建的充放电多目标优化调度模型的约束条件；
9、步骤s23：提出有限的离散动作集；
10、步骤s24：设计拍卖算法；
11、步骤s25：决策中心将预测数据输入充放电多目标优化调度模型，并采用有限的离散动作集以及拍卖算法来协调微电网与电动汽车之间的互补性电力交换过程。
12、上述基于离散动作集的电动汽车充放电多目标优化调度方法，所述步骤s21中，充放电多目标优化调度模型的主要目标包括最小化电网负荷波动和最大化电动汽车车主套利收入，构建的充放电多目标优化调度模型为：
13、
14、minf1表示最小化电网负荷波动，maxf2表示最大化套利收入，t表示优化周期，n表示电动汽车的数量，pl,t表示在时间片t未接入电动汽车的基本负荷，pavr表示优化周期t时段内接入电动汽车后的平均负荷，pi,t表示第i辆电动汽车在时间片t的充放电功率值，其为正数代表放电，负数代表充电，0则代表未参与调度，pricet表示时间片t的电价，变量βt决定时间片t电价为放电补贴或者充电电价；
15、按下式确定pavr和βt：
16、
17、pavr表示优化周期t时段内接入电动汽车后的平均负荷，βt决定时间片t电价为放电补贴或者充电电价，当时间片t所有电动汽车充放电功率之和为负数，则代表当前充电功率比放电功率多，即此时电价为充电电价，βt＝-1；反之，和为正数时为放电补贴电价，即套利收入，βt＝1；和为0时，则该时间片充放电功率一致，即充电费用和补贴电价抵消，无套利收入，βt＝0。
18、上述基于离散动作集的电动汽车充放电多目标优化调度方法，所述步骤s22中，按下式确定充放电多目标优化调度模型的约束条件：
19、pi,tmin≤pi,t≤pi,tmax (5)
20、
21、式(5)表示第i辆电动汽车在时间片t的充放电功率的约束，pi,tmin和pi,tnax分别是第i辆电动汽车在时间片t充放电功率的上下限，其中pi,tmin为负值，pi,tmax为正值；
22、式(6)表示防止电动汽车电池过充电或过放电，即电池荷电状态受到上限或下限的约束，soci,t表示第i辆电动汽车电池在时间片t时的荷电状态，en是第i辆电动汽车的电池容量，和soci分别表示电动汽车电池荷电状态的上下限。
23、上述基于离散动作集的电动汽车充放电多目标优化调度方法，所述步骤s23中，有限的离散动作集的提出限定充放电功率的可选范围，如下式所述：
24、
25、式(7)和(8)表示电池进行充放电时可选择的设定好的有限离散动作集，是映射到不同的soci,t范围的，其中pdi,t代表的是放电时可选择的离散动作集，而pci,t则是充电时可选择的离散动作集，{c,3c,7c}和{d,3d,7d}分别代表充电和放电有限离散动作集，数字越小代表充放电速率越小。
26、上述基于离散动作集的电动汽车充放电多目标优化调度方法，所述步骤s24中，拍卖算法步骤如下：
27、步骤s241：收集微电网方所需削峰填谷的功率需求以及电动汽车方基于有限离散动作集的可选择的充放电功率；
28、步骤s242：分配任务，即功率需求给买方；
29、步骤s243：更新买方充放电功率，即竞价，获得更多最优拍卖结果，直至满足终止条件，即当所有的竞价总和与需求量的差值最小时停止拍卖。
30、上述基于离散动作集的电动汽车充放电多目标优化调度方法，所述步骤s25中，协调微电网与电动汽车之间的互补性电力交换的过程中，拍卖场景的买方为电动汽车车主，而卖方是微电网，电动汽车通过充放电完成削峰填谷目标，实现自身套利收入的同时保证微电网稳定安全。
31、上述基于离散动作集的电动汽车充放电多目标优化调度方法，所述步骤三中，基于分解的多目标进化算法帮助决策者在实际工程中根据不同权重偏好做出明智的选择，基于分解的多目标进化算法步骤如下：
32、步骤s31：输入参数，包括种群大小n、问题的决策向量维度d、电动汽车电池初始荷电状态socinitial、有限的离散动作集set；
33、步骤s32：生成初始化种群，生成包含n个个体的初始种群pop，每个个体由d维决策向量构成，代表优化周期内电动汽车各时间片的充放电功率计划；
34、步骤s33：利用拍卖算法，动态调整初始种群pop，以获得电动汽车的充放电功率候选计划；
35、步骤s34：适应度值计算：根据切比雪夫方法函数公式计算调整后的pop的目标函数值，同时从中选出理想点，理想点由每个目标上取得的最优值构成；
36、步骤s35：遍历所有个体，采用交叉和变异算子生成候选解，再用拍卖算法，根据分时电价和约束限制来动态调整候选解，以确保其可行性；
37、步骤s36：利用切比雪夫函数分解方法更新pop，并计算得出n个不同偏好下的权重向量所对应的最优解，直至循环迭代停止；最终求得不同偏好下优化周期内电动汽车各时间片的最优前瞻性充放电功率计划。
38、上述基于离散动作集的电动汽车充放电多目标优化调度方法，所述步骤s36中，切比雪夫方法函数公式如下：
39、
40、gte表示由切比雪夫方法构成子问题集，表示第j个子问题的决策向量，wj表示第j个子问题所对应的权重向量，表示第j个子问题在第m个目标函数上的权重值；表示第j个子问题对应的决策向量，z*表示理想点，表示第m个目标函数的理想点，表示第j个子问题对应的第q个目标函数值，q＝1,…,m，ω表示决策空间即算法的搜索空间。
41、上述基于离散动作集的电动汽车充放电多目标优化调度方法，所述步骤s36中，决策向量的计算公式如下：
42、
43、其中代表决策向量，也就是用于优化的充放电功率计划，代表在时间片h上所有电动汽车的充放电功率组合，h＝1,2,3,…,t，pn,h代表时间片h上第n辆电动汽车的充放电功率，决策向量的维度d的大小是t*n。
44、本发明的有益效果在于：首先，为了避免连续随机充放电带来的通信计算和复杂度过大问题，将充放电动作离散化，使实时调度成为可能；其次，引入拍卖算法协调微电网与电动汽车的电力交换，确保资源高效分配，实现削峰填谷以及使车主套利的效果；再者，借助基于分解的多目标进化算法(moea/d)，在最小化电网负荷波动和最大化车主套利收入之间找到最佳平衡点，即获得优化周期内电动汽车各时间片的最优前瞻性充放电功率计划，最终有效提升微电网的运行效率和经济效益，为未来智能电网与电动汽车的深度融合奠定了坚实基础。
1.一种基于离散动作集的电动汽车充放电多目标优化调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于离散动作集的电动汽车充放电多目标优化调度方法，其特征在于，所述步骤二具体过程为：
3.根据权利要求2所述的基于离散动作集的电动汽车充放电多目标优化调度方法，其特征在于，所述步骤s21中，充放电多目标优化调度模型的主要目标包括最小化电网负荷波动和最大化电动汽车车主套利收入，构建的充放电多目标优化调度模型为：
4.根据权利要求2所述的基于离散动作集的电动汽车充放电多目标优化调度方法，其特征在于，所述步骤s22中，按下式确定充放电多目标优化调度模型的约束条件：
5.根据权利要求2所述的基于离散动作集的电动汽车充放电多目标优化调度方法，其特征在于，所述步骤s23中，有限的离散动作集的提出限定充放电功率的可选范围，如下式所述：
6.根据权利要求2所述的基于离散动作集的电动汽车充放电多目标优化调度方法，其特征在于，所述步骤s24中，拍卖算法步骤如下：
7.根据权利要求2所述的基于离散动作集的电动汽车充放电多目标优化调度方法，其特征在于，所述步骤s25中，协调微电网与电动汽车之间的互补性电力交换的过程中，拍卖场景的买方为电动汽车车主，而卖方是微电网，电动汽车通过充放电完成削峰填谷目标，实现自身套利收入的同时保证微电网稳定安全。
8.根据权利要求1所述的基于离散动作集的电动汽车充放电多目标优化调度方法，其特征在于，所述步骤三中，基于分解的多目标进化算法帮助决策者在实际工程中根据不同权重偏好做出明智的选择，基于分解的多目标进化算法步骤如下：
9.根据权利要求8所述的基于离散动作集的电动汽车充放电多目标优化调度方法，其特征在于，所述步骤s36中，切比雪夫方法函数公式如下：
10.根据权利要求9所述的基于离散动作集的电动汽车充放电多目标优化调度方法，其特征在于，所述步骤s36中，决策向量的计算公式如下：
