考虑不同充电模式下迫切需求的电动汽车充电调度

该研究提出了一个多目标电动车（EV）充电调度模型，旨在同时减小电网的峰谷负荷差异和EV用户的总充电成本。针对具有紧急和非紧急充电需求的EV，分别研究了两种具有不同充电功率和电价方案的模式。通过在家庭和公共充电模式下对100辆EV进行案例研究，展示了所提出模型的有效性。此外，还考虑了200、300和500辆EV，以进一步研究EV数量的影响。所提出的多目标充电调度模型可以同时造福电网和EV用户，因为它不仅可以减少EV对电网稳定和安全运行的影响，还可以降低EV用户的充电成本。研究还表明，EV数量对峰谷负荷差异和总充电成本的减少比例影响不大。但EV用户的充电行为会影响协调充电调度模型的有效性。本研究的结果可以更好地支持高渗透率EV的电力系统运行以及EV产业的可持续发展。

交通电气化是减少碳排放、实现可持续发展的关键解决方案[1,2]。电动车辆（EVs）由于没有污染气体排放的优势，在近年来得到了很大的发展[3,4]。目前，大多数EVs在充电时没有协调[5]。大规模EVs的非协调充电将对电力网络产生负面影响[6]。这些影响包括加重峰值负荷负担、影响电压和频率、增加功率损耗、降低稳定性以及加重输电线路的压力[7e9]。EV在电力网络中是重要的负载形式[10]。非协调充电的不良影响将威胁到电力网络运行的稳定性和安全性。因此，EVs的协调充电调度越来越受到关注。

大量研究已经证明了协调充电的有效性。

针对消除电力网络负面影响的EV充电调度，相关研究可以从不同的角度进行分类。将其划分为集中式调度模型[11,12]和分散式调度模型[13e15]是最常见的分类标准之一。在分散式调度模型中，EV用户需要根据电力网络的指示信息独立制定自己的充电计划。例如，Tushar等人[13]基于非合作Stackelberg博弈建立了一个分散式调度模型，智能电网运营商设置电价，几个插电式EV群体制定自己的充电策略。然而，由于缺乏其他EV充电计划的调度信息以及EV用户的不完全理性，分散式调度可能会产生新的负荷峰值。此外，由于充电过程通常在时间上分段进行，如果实施实时调度，EV用户可能需要多次重新调整充电过程。在集中式调度模型中，EV集成商整合EV的充电需求，并为EV集中设计充电计划。然而，充电需求的特性经常被忽视。一些研究人员尝试将分散式和集中式调度模型结合起来[16]。Wang等人[17]建立了一个混合的集中-分散式充电调度模型，其中集中式充电调度模型是离线的，而分散式充电.关于消除电力网络负面影响的电动车（EV）充电调度，相关研究可以从不同角度进行分类。将其划分为集中式调度模型[11,12]和分散式调度模型[13e15]是最常见的分类标准之一。在分散式调度模型中，EV用户需要根据电力网络的指示信息独立制定自己的充电计划。例如，Tushar等人[13]基于非合作Stackelberg博弈建立了一个分散式调度模型，其中智能电网运营商设定电价，几个插电式EV群体制定自己的充电策略。然而，由于缺乏其他EV充电计划的调度信息以及EV用户的不完全理性，分散式调度可能会导致新的负荷峰值。此外，由于充电过程通常在时间上分段进行，如果实施实时调度，EV用户可能需要多次重新调整充电过程。我无法提供完整的翻译，因为您提供的文本是不完整的。如果您需要对剩余文本进行翻译，请继续提供文本内容。

在集中式调度模型中，电动车（EV）聚合器整合了EV的充电需求并为EV设计集中式充电计划。然而，充电需求的特性经常被忽视。一些研究人员尝试将分散式和集中式调度模型结合起来[16]。Wang等人[17]建立了一个混合的集中-分散式充电调度模型，其中集中式充电调度模型是在线的，而分散式充电调度模型是离线的。基于模型预测控制方法和领导者-追随者非合作Stackelberg博弈模型，EV用户可以根据自己的偏好选择由一个充电调度模型进行调度。Hu等人[18]建立了一个多车队运营商（FO）-配电系统运营商（DSO）模型，其中每个FO代表并调度一定数量的EVs。然而，当网络拥塞发生时，DSO将取代FO来调度EVs，这可能导致充电不足。集中式调度模型避免了EV用户必须自行设计充电计划的负担。与此同时，在信息和规模优势的帮助下，集中式调度模型可以实现更好的优化效果。因此，集中式调度模型可能更符合实际需求，特别是在考虑到充电需求特性时。

根据调度目标的数量，通常可以将其划分为单目标调度模型[19,20]和多目标调度模型[21]。经济优化目标通常被考虑在内，如减少充电成本和增加充电服务的收益。其他常见的优化目标包括防止配电网络拥塞、减少负荷变化、促进谷填平。一些模型致力于提高经济性能，但忽略了电力网络稳定性指标，或者将其仅视为约束条件。Wang等人[17]只考虑了经济性能的改善和总充电负荷控制，忽略了充电负荷在时间上的分布，这可能导致网络拥塞和过度的负荷波动。Wu等人[22]考虑了分段充电过程和不适当充电功率对电池造成的损害。他们规定充电桩只优化充电启动时间，充电功率由每个EV的电池管理系统独立确定。Sortomme等人[23]针对插电式EV建立了三种协调充电调度模型，旨在最小化对配电系统的影响。充电站和EV的经济效益得到了满足，但忽略了电力网络稳定性。同样，仅考虑提高电力网络稳定性的研究可能会导致过高的充电成本。单一目标优化模型难以同时满足电力网络和EV用户的利益，考虑双方利益的多目标优化模型更为实际。

在我们之前的研究中[24]，我们提出了一个集中式协调充电调度模型，以平滑由电动车（EVs）引起的负荷波动。充电需求的差异通过紧急性指示器考虑和表征。然而，在该提出的模型中没有考虑充电成本。此外，该模型要求EV用户提供两个SOC边界值，这可能导致EV用户在边界选择上花费很多时间。本研究是基于我们之前的工作[24]的进一步研究。本研究提出了一个新的集中式协调充电调度模型，考虑了电力网络的负荷波动和EV用户的充电成本。本研究的主要贡献如下：（1）通过多目标优化框架确定了峰谷负荷差异最小化和总充电成本最小化之间的权衡。 （2）考虑了充电需求的紧急性。 （3）研究并比较了不同的充电模式和EV数量。