1、第 12 卷 第 6 期2023 年 6 月Vol.12 No.6Jun.2023储能科学与技术Energy Storage Science and Technology基于改进野狗优化算法的电动汽车调峰策略蔡新雷1，祝锦舟1，刘霡2，刘佳乐1，孟子杰1，余洋2（1广东电网有限责任公司电力调度控制中心，广东 广州 510600；2新能源电力系统国家重点实验室（华北电力大学（保定），河北 保定 071003）摘要：针对新能源接入导致电网峰谷差变大的问题，同时考虑分时电价和碳收益的影响，本工作提出基于改进野狗优化算法(IDOA)的电动汽车调峰策略。首先，设计执行策略动态选择的IDOA，以提升原始野
2、狗优化算法的寻优精度和寻优速度；其次，建立考虑负荷峰谷差、充电成本、放电收益和出售碳配额收益的电动汽车参与调峰优化调度模型，并以惩罚项的形式将约束条件引入优化调度模型形成寻优价值函数，使用IDOA求解该价值函数；最后，对提出的IDOA和优化调度模型进行了仿真验证，结果表明，与其他4种算法相比，IDOA在寻优速度、准确性和鲁棒性上均具有良好效果，IDOA求解调峰模型降低了电网负荷峰谷差，同时也减轻了车主用车成本。关键词：电动汽车；调峰策略；碳收益；改进野狗优化算法；优化调度doi：10.19799/ki.2095-4239.2023.0116 中图分类号：TM 715 文献标志码：A 文章编号：
3、2095-4239（2023）06-1913-07Peak shaving strategy of electric vehicles based on an improved Dingo optimization algorithmCAI Xinlei1,ZHU Jinzhou1,LIU Mai2,LIU Jiale1,MENG Zijie1,YU Yang2(1Electric Power Dispatching Control Center of Guangdong Grid Co.Ltd.,Guangzhou 510600,Guangdong,China;2State Key Labo
4、ratory of Alternate Electrical Power System with Renewable Energy Sources(North China Electric Power University),Baoding 071003,Hebei,China)Abstract:Aiming at the problem that the new energies lead to an increase in the peak-valley difference of the power grid and considering the influence of time-o
5、f-use electricity price and carbon income,this study proposes an electric vehicle peak-shaving strategy based on the Improved Dingo Optimization Algorithm(IDOA).First,the IDOA dynamically selected by the execution strategy is designed to improve the optimization accuracy and speed of the original Di
6、ngo optimization algorithm.Second,an optimal scheduling model of electric vehicles participating in peak load regulation is established,considering the peak-valley difference in load,charging cost,discharging income,and sales carbon quota income.The constraint conditions are introduced into the opti
7、mal scheduling model as a penalty term to form the optimization value function that IDOA solves.Finally,the proposed IDOA and optimal scheduling model are simulated and verified.The results show that IDOA has good results in 储能系统与工程收稿日期：2023-03-06；修改稿日期：2023-04-13。基金项目：南方电网公司科技项目036000KK52220004（GDK
8、JXM20220147）。第一作者：蔡新雷（1986），男，硕士，高级工程师，研究方向为电力系统运行控制，E-mail：；通讯作者：余洋，博士，教授，研究方向为新能源电力系统，E-mail：ncepu_。引用本文：蔡新雷,祝锦舟,刘霡,等.基于改进野狗优化算法的电动汽车调峰策略J.储能科学与技术,2023,12(6):1913-1919.Citation：CAI Xinlei,ZHU Jinzhou,LIU Mai,et al.Peak shaving strategy of electric vehicles based on an improved Dingo optimization a
9、lgorithmJ.Energy Storage Science and Technology,2023,12(6):1913-1919.2023 年第 12 卷储能科学与技术optimization speed,accuracy,and robustness compared to the other four algorithms.The peaking model solved by IDOA reduces the peak-valley difference of power grid load and lowers car owners costs.Keywords:electri
10、c vehicles;peak regulation strategy;carbon earnings;improved dingo optimization algorithm;optimal schedule“双碳”目标下，间歇式高比例新能源正大规模接入电网，导致电网峰谷差不断变大1。传统火电机组调峰存在爬坡速度较慢、调峰深度有限制、控制不灵活等问题2，而水电机组调峰会受到季节、水库调节能力等因素制约3，研究新型调峰手段迫在眉睫。与此同时，为缓解化石能源枯竭和环境污染的双重压力，我国正在大力发展电动汽车(electric vehicle，EV)4-5。有研究表明，我国EV保有量在2030年
11、将达到2000万辆，2035年将达到2500万辆左右6，其中，90%的EV处于闲置状态，具有双向快速响应能力的EV为缓解电网调峰压力提供了大量优质的可调节资源7。利用EV参与电网调峰需关注调度模型构建及其求解算法两大内容。对于调度模型构建，文献8着重考虑EV调度成本，以电池老化成本、充电成本和网损成本为目标函数，经过优化减少了调度成本，不过峰谷差率降低程度有限；文献9以电网负荷方差最小为目标函数，建立EV有序充电调度模型，有效降低了峰谷差率，但未考虑EV调度成本等经济性指标；文献10从用户角度出发，建立了考虑充放电收益的目标函数，忽略了调度成本、峰谷差等其他影响因素。另外，对于优化调度模型的求
12、解方式，主要依赖于求解器求解或智能算法求解。文献11采用CPLEX求解器解算EV调度模型，但当调度模型较为复杂时，可能会陷入死循环；文献12和文献13基于粒子群算法进行求解，但传统粒子群算法迭代速度较慢，难以满足响应的及时性要求；文献14提出了基于子向量的改进粒子群算法，但会出现求解结果不准确的现象。综上，为降低电网负荷峰谷差，本工作考虑分时电价和碳收益等因素提出了基于改进野狗优化算法(improved dingo optimization algorithm，IDOA)的EV调峰优化调度策略。首先，本工作在引入野狗优化算法(dingo optimization algorithm，DOA)的
13、基础上，通过指数函数以及近似的sigmoid函数设计野狗种群执行群体攻击策略、迫害策略和食腐策略的动态概率值，提出IDOA，利用多个标准函数测试了IDOA性能，并与其他优化算法进行了对比；其次，本工作设计EV参与电网调峰的优化调度目标函数，包括电网负荷峰谷差和EV运行成本两个部分，EV运行成本涉及充电成本、放电收益和出售碳配额获得的收益；然后，将EV充放电约束功率、容量约束和数量约束以罚函数的形式引入优化调度目标函数中形成寻优价值函数，并使用IDOA求解该价值函数；最后，对所提出的优化算法和调度模型进行了仿真验证，结果表明，IDOA求解准确度高、速度快，提出的调峰模型降低了电网负荷峰谷差，为E
14、V车主带来了更多收益。1 改进野狗优化算法提出及性能分析1.1野狗优化算法的基本原理DOA是Hernan Peraza-Vazquez等人根据澳大利亚野狗的社交行为于2021年提出的新型智能优化算法15。因其寻优能力强、收敛速度快等特点，DOA已被广泛运用于微电网优化调度及电力系统调峰、调频等场景。DOA的灵感来源于野狗的狩猎策略，包括群体攻击、迫害和食腐3种策略，并引入了寻优个体存活率规则16。DOA的基本工作原理如下所述。（1）生成初始种群规模x i(m)=lbi(m)+r1ubi(m)-lbi(m)(1)式中，m为迭代次数；x i(m)为当前寻优个体；lbi和ubi分别表示x i的下界和
15、上界；r1为0，1之间均匀生成的随机数。（2）3种狩猎策略群体攻击策略。当野狗种群捕食大猎物，如袋鼠时，它们会成群结队去找到猎物的位置，并将其包围，该行为可用式(2)描述：x i(m+1)=1k=1na k(m)-x i(m)na-x*(m)(2)式中，na为位于2,S/2间逆序中生成的随机1914第 6 期蔡新雷等：基于改进野狗优化算法的电动汽车调峰策略整数，S为寻优个体的规模；k(m)为进行群体攻击的寻优个体子集，X，X为随机生成的寻优个体；x*(m)是上一次迭代中发现的最佳寻优个体；1是在-2，2内均匀生成的随机数，它表示比例因子，可改变野狗轨迹的大小。迫害策略。当野狗捕猎小动物，如兔子
16、的时候，野狗种群会一直逼近追逐这些猎物，直到它们被捕获，此时野狗种群的行为可表示为：x i(m+1)=x*(m)+1e2x r2(m)-x i(m)(3)式中，2是-1，1之间生成的随机数，r2是在1到最大野狗种群大小的间隔内生成的随机数；x r2(m)是随机选择的第r2个野狗种群，其中i r2。食腐策略。食腐策略被定义为当野狗在它们的栖息地随意行走时找到腐肉吃的行为，该策略可用式(4)模拟：x i(m+1)=12e2x r2(m)-(-1)x i(m)(4)式中，是随机生成的二进制数，0,1。（3）寻优策略判断针对DOA的3个策略，判断它们的方法为：r3 P，食腐策略r3 P且r4 Q，群体攻击策略r3 P且r4 Q，迫害策略(5)式中，r3和r4是0，1之间均匀生成的随机数；P和Q为野狗种群执行相应策略的概率值，取固定值0.5和0.7。（4）生存策略澳大利亚野狗面临灭绝的危险，主要是由于非法狩猎。在DOA中，野狗的存活率值由式(6)计算：c(i)=Fmax-F(i)Fmax-Fmin(6)式中，c(i)表示第i个野狗的存活率，位于0，1区间；Fmax和Fmin分别表示适应度函数的最
