湖南大学电气与信息工程学院的研究人员刘东奇、王耀南、袁小芳，在2017年第3期《电工技术学报》上撰文，提出一种通过控制规模化电动汽车的充放电，使其能够与现有的风力/火力发电系统协同运行的优化调度策略。

针对传统含电动汽车的电力系统优化模型没有考虑电动汽车用户成本，实用性不高的缺陷，建立了包含电网运行经济性、电动汽车用户成本、CO2排放、最小弃风量的多目标优化模型；提出了将改进的NSGA-II遗传算法和加权尺度法相结合的智能优化算法。

应用该算法，求出多目标动态优化模型的帕累托前沿，获得了最符合实际的电力系统综合优化调度方案。对所提出的多目标优化调度方法进行了仿真计算，结果证明，采用所提优化策略可以获得最佳的火电、风电与电动汽车之间的出力方案。该方案符合实际，在合理的电动汽车用户成本范围内可有效地降低电网运行成本、风力发电弃风量和大气碳排放量，应用价值较高。

能源危机、大气污染与气候变化是当今世界面临的三个富有挑战性的难题。导致这些问题的一个主要原因就是现有的交通系统与电力系统都主要依赖不可再生的化石燃料作为能量来源。为了减少对传统化石能源的依赖性，各国政府开始大力发展新能源技术。

其中，作为传统内燃机动力汽车的替代品，电动汽车以其节能环保的巨大优势，受到了各国研究学者越来越多的重视。除了作为交通工具以外，电动汽车也可以被看作是连接在电网上的分布式电源。当接入电网的电动汽车达到一定规模时，其巨大的电能储备就足以实现其向电网提供诸如调频调压、旋转备用、调峰、支持可再生能源等服务的功能[1-3]。

在国外早期的研究中，Amory Lovins于1995年首次提出了V2G(Vehicle-to-Grid)的概念，即电动汽车通过向电网放电来维护电网的稳定运行。随后特拉华大学的William Kempton教授对V2G的理论进行了深入的研究和验证[4-7]。

近几年来，随着电动汽车市场的兴起，研究者开始将注意力聚焦到电动汽车V2G技术上来。文献[8,9]论证了通过大规模集中调度电动汽车，可以使电动汽车具有调节电网频率的能力；文献[10,11]研究了电动汽车在具有风电的微电网中优化调度问题；文献[12,13]研究了考虑包含电动汽车的碳排放和电网运行成本的电力系统优化问题。

然而，以往对电动汽车在电力系统中优化调度问题的研究都没有在优化模型中考虑电动汽车用户成本的因素。事实上，由于深度充放电会造成电池寿命衰减，让电动汽车参与V2G将影响到电动汽车用户自身的利益。而电动汽车用户的支持是实现电动汽车V2G的基础。如果仅仅从电网成本的角度考虑而忽视用户将要付出的成本（或者获得的收益），得出的结论往往是不符合实际的，也会损害电动汽车用户参与V2G的积极性。为此，本文建立了包含电动汽车用户成本的多目标优化模型。

在一个包含了火电、风电、和大量电动汽车的电力系统中，多个优化目标、大量的系统约束使得系统的优化调度问题十分复杂，是一个多目标优化问题[14]，求解非常复杂费时。为此，本文提出一种将改进的NSGA-II遗传算法[15]和加权尺度法相结合的智能优化算法。并应用该算法求出多目标动态优化模型的帕累托前沿，获得最佳的电力系统综合优化调度方案。

图1 电动汽车与风电/火电协同运行系统

结论

随着电动汽车的逐渐普及以及智能电网技术的发展，电动汽车作为分布式储能单元与电网进行友好互动将成为未来智能电网发展的必然趋势。针对传统的含电动汽车的电力系统优化模型没有考虑电动汽车用户成本，实用性不强的缺陷，本文同时考虑电网运行成本、电动汽车用户成本、CO2排放、风力发电弃风量4个方面指标，构建了大规模电动汽车充放电与风力/火力发电系统协同运行的联合调度模型。提出改进NSGA-II遗传算法和加权尺度法相结合的智能优化算法，算法收敛速度快、多样性强、效率高。

算例分析结果表明，采用本文优化策略，可以根据某一地区接入电网的电动汽车数量，考虑到用户收益，制定最优的火电、风电与电动汽车之间的出力方案，该方案符合实际，在合理的电动汽车用户成本范围内有效的降低了电网运行成本、风力发电机弃风量和大气碳排放量，实用价值高。