大规模电动汽车车队的网格约束智能充电：顺序动态规划与全车求解器的比较研究

本文提出了一种用于电动汽车车队智能充电的比较优化框架。采用启发式顺序动态编程(SeqDP)方法，该框架在满足电网、充电设施、车辆可用性以及简单电池老化考虑等约束条件下，最小化电费。基于真实世界的运行数据，该模型纳入离散能量状态、时变电价以及电池状态(SoC)目标，以提供可扩展且具有成本效益的解决方案。经典动态规划方法在问题规模扩大时会出现指数级计算复杂度。这在旨在最小化所有车辆峰值电力需求的月度尺度分析中尤其棘手。扩大的时程范围以及多状态决策，使得在更大规模下求解精确优化问题几乎不切实际。为此，采用启发式方法以实现系统性聚合和可行的计算，从而求解非线性规划(NLP)问题。本研究不追求全局最优解，而是致力于一种高效的智能充电策略，以最小化能源成本和平整化整体功率轮廓为目标。在此背景下，提出了一种顺序启发式动态规划方法。该方法与基于Gurobi的全车求解器进行了评估，后者是学术界和工业界广泛使用的商业求解器。该算法在不受控制计划的情况下，实现了整体成本和峰值电力的降低幅度超过90%。其相对成本保持在来自全车求解器获得的最优值9%以内，相对峰值电力偏差在更大规模的车队中保持在15%以下。