关键词：电动汽车;混合粒子群优化遗传算法(HPSOGA);充电优化;多目标优化模型
摘 要：随着电动汽车保有量的快速上升，电动汽车无序并网充电将会给配电网负荷平稳带来巨大的不确定性，因此对电动汽车的充电进行优化十分重要。为此，提出一种基于混合粒子群优化遗传算法（hybrid particle swarm optimization genetic algorithm, HPSOGA）的多目标电动汽车充电优化策略。使用Monte Carlo法基于用户出行规律建立电动汽车充电负荷曲线，在传统PSO算法的基础上引入GA算法的迭代机制，形成HPSOGA算法并用其对以用户充电费用最少和电网负荷波动率最小建立的多目标优化模型进行求解。结合具体算例进行仿真分析，结果显示基于HPSOGA算法的多目标电动汽车充电优化策略具有更快的优化速度以及更好的优化效果，进一步降低电网负荷峰值、提高电网负荷谷值，电网负荷波动率得到有效降低，同时用户充电成本得到有效减少。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取