本發(fā)明涉及電力系統(tǒng)配電網(wǎng)優(yōu)化技術(shù)領(lǐng)域，特別是一種b2g和v2g配電網(wǎng)功率控制系統(tǒng)及方法。
背景技術(shù)：
近年來(lái)，電動(dòng)汽車因其環(huán)境友好、低噪聲、高能源使用效率等優(yōu)勢(shì)飛速發(fā)展，2014年全球市場(chǎng)共銷售353522輛電動(dòng)汽車，同比增長(zhǎng)56.78％；其中，電動(dòng)乘用車323864輛，占比91.61％。電動(dòng)乘用車指“雙80”車，即最高時(shí)速80km/h以上，同時(shí)一次充電續(xù)航里程80km以上；電動(dòng)客車及電動(dòng)專用車29658輛，占比8.39％。隨著電動(dòng)汽車的大規(guī)模應(yīng)用，動(dòng)力電池性能的提升，電動(dòng)汽車接入方式的智能化，v2g模式應(yīng)運(yùn)而生，v2g模式將接入電網(wǎng)的電動(dòng)汽車作為可控負(fù)荷和移動(dòng)電源，合理控制電動(dòng)汽車的接入方式，從而將動(dòng)力電池中儲(chǔ)存的電能提供給電網(wǎng)，為電網(wǎng)的經(jīng)濟(jì)運(yùn)行出力。同時(shí)電動(dòng)汽車動(dòng)力電池在容量下降到80％～85％后，就要“退役”，其工況將不再適用于電動(dòng)汽車動(dòng)力電池，大量電動(dòng)汽車退役電池的產(chǎn)生，將動(dòng)力電池的梯級(jí)利用推向研究熱點(diǎn)，而把退役電池用作儲(chǔ)能站儲(chǔ)能電池是最好的選擇。基于電動(dòng)汽車退役電池的b2g，結(jié)合v2g，將進(jìn)一步提高能源使用效率，能夠?yàn)殡娋W(wǎng)削峰填谷，最大化實(shí)現(xiàn)電網(wǎng)經(jīng)濟(jì)運(yùn)行，同時(shí)為分布式電源的平滑接入奠定基礎(chǔ)。但是電動(dòng)汽車與傳統(tǒng)負(fù)荷不同，電動(dòng)汽車充放電功率受用戶駕車行為、電池特性、充放電裝置等因素影響，在時(shí)間和空間上都具有不確定性。電動(dòng)汽車和儲(chǔ)能站在并網(wǎng)時(shí)，隨機(jī)性較大，不能最大程度地發(fā)揮其作用，甚至?xí)哟笈潆娋W(wǎng)負(fù)荷高峰壓力，影響電網(wǎng)安全運(yùn)營(yíng)。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的一個(gè)目的就是提供一種基于遺傳算法的b2g和v2g配電網(wǎng)功率控制系統(tǒng)，通過(guò)該系統(tǒng)可以完成含電動(dòng)汽車v2g和退役電池堆b2g的配電網(wǎng)功率優(yōu)化。
本發(fā)明的該目的是通過(guò)這樣的技術(shù)方案實(shí)現(xiàn)的，它包括有與配電網(wǎng)、分布式電源、退役電池堆和電動(dòng)汽車進(jìn)行數(shù)據(jù)交互的控制中心，控制中心通過(guò)充電樁與電動(dòng)汽車電連接，充電樁分別與退役電池堆和分布式電源電連接。
進(jìn)一步，所述配電網(wǎng)、分布式電源、退役電池堆和電動(dòng)汽車將配電網(wǎng)狀態(tài)信息發(fā)送至控制中心，控制中心根據(jù)配電網(wǎng)狀態(tài)信息制定退役電池堆并網(wǎng)的出力計(jì)劃，并根據(jù)用戶響應(yīng)和控制計(jì)劃，制定電動(dòng)汽車的充放電計(jì)劃。
進(jìn)一步，控制中心與充電樁之間通過(guò)寬帶電力線載波通信；充電樁上配置人機(jī)交互界面，用戶通過(guò)人機(jī)交互界面配合控制中心定制充放電計(jì)劃及費(fèi)用結(jié)算。
進(jìn)一步，充電樁通過(guò)圖像識(shí)別技術(shù)讀取電動(dòng)汽車的車輛信息或通過(guò)無(wú)線通信技術(shù)與車載終端進(jìn)行信息交互，獲取電動(dòng)汽車的車輛信息。
進(jìn)一步，所述系統(tǒng)還包括有廢舊電池堆管理子系統(tǒng)，廢舊電池堆管理子系統(tǒng)獲取退役電池堆的狀態(tài)信息，并通過(guò)寬帶電力線載波通信方式發(fā)送給控制中心。
本發(fā)明的另一個(gè)目的就是提供一種基于遺傳算法的b2g和v2g配電網(wǎng)功率控制方法，它可以通過(guò)遺傳算法將v2g和b2g的處理計(jì)劃進(jìn)行綜合計(jì)算，從而對(duì)配電網(wǎng)進(jìn)行功率優(yōu)化。
本發(fā)明的該目的是通過(guò)這樣的技術(shù)方案實(shí)現(xiàn)的，具體步驟如下：
1)控制中心采集配電網(wǎng)的狀態(tài)信息、電動(dòng)汽車的電量信息、分布式電源的狀態(tài)信息和退役電池堆的狀態(tài)信息；
2)控制中心采用遺傳算法計(jì)算電動(dòng)汽車和退役電池堆的出力計(jì)劃，再將輸出指令發(fā)送至電動(dòng)汽車車載終端和退役電池堆。
進(jìn)一步，步驟2)中所述基于遺傳算法的功率優(yōu)化的具體步驟如下：
2-1)遺傳算法將進(jìn)行統(tǒng)一編碼的電動(dòng)汽車和退役電池堆的出力計(jì)劃(x1,x2,x3…xn)進(jìn)行初始化，得到(x1,x2,x3…xn)0；
2-2)將出力計(jì)劃用于配電網(wǎng)潮流計(jì)算，并得到目標(biāo)函數(shù)值j0，并將結(jié)果進(jìn)行存儲(chǔ)，目標(biāo)函數(shù)為：
其中，w(x1,x2,x3…xn)為v2g與b2g智能結(jié)合出力的經(jīng)濟(jì)收益，其中n為電動(dòng)汽車與退役電池堆總個(gè)數(shù)，需要對(duì)每一臺(tái)電動(dòng)汽車和退役電池堆進(jìn)行統(tǒng)一編號(hào)；xi，i＝1，2，3…n，表示第i臺(tái)裝置出力；δs為配網(wǎng)各支路網(wǎng)損之和；
2-3)利用遺傳算法對(duì)初始化的出力計(jì)劃(x1,x2,x3…xn)進(jìn)行隨機(jī)-精英策略、雙點(diǎn)交叉策略、移民策略的變異，從而得到新的出力計(jì)劃(x1,x2,x3…xn)1；
2-4)轉(zhuǎn)向步驟2-2)，得到j(luò)1，并將結(jié)果進(jìn)行存儲(chǔ)；
2-5)制定迭代次數(shù)，對(duì)步驟2-2)至步驟2-4)進(jìn)行重復(fù)運(yùn)算，求得最優(yōu)的出力計(jì)劃。
進(jìn)一步，步驟2-2)所述配電網(wǎng)潮流計(jì)算為基于nrm的牛頓類算法，其具體方法為：
2-2-1)將節(jié)點(diǎn)電壓和導(dǎo)納表示為直角坐標(biāo)向量時(shí)，其表達(dá)式如式(2)：
式中，vi為節(jié)點(diǎn)i的電壓，ei和fi分別為其實(shí)部和虛部；yij為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間支路的導(dǎo)納；gij為電導(dǎo)；bij為電納；
2-2-2)根據(jù)節(jié)點(diǎn)電壓，可將節(jié)點(diǎn)負(fù)荷表示為式(3)：
式中，pi為節(jié)點(diǎn)i的有功負(fù)荷；qi為節(jié)點(diǎn)i的無(wú)功負(fù)荷；
對(duì)于pq節(jié)點(diǎn)，其節(jié)點(diǎn)功率不平衡量δpi和δqi為式(4)：
對(duì)于pv節(jié)點(diǎn)，其節(jié)點(diǎn)功率和電壓不平衡量為式(5)：
2-2-3)2-2-3)對(duì)于n個(gè)節(jié)點(diǎn)的系統(tǒng)，第n個(gè)節(jié)點(diǎn)為平衡節(jié)點(diǎn)，而平衡節(jié)點(diǎn)的電壓已知，因此不必參與迭代計(jì)算，因此式(4)和式(5)的方程組共有2(n-1)個(gè)方程式，待求變量為e1，f1，e2，f2，…，en-1，fn-1，共2(n-1)個(gè)待求量，方程組(4)和方程組(5)共同構(gòu)成2(n-1)個(gè)聯(lián)立的非線性代數(shù)方程，此方程組的修正方程組為式(6)：
δw＝-jδv(6)
2-2-4)根據(jù)式(6)計(jì)算出節(jié)點(diǎn)電壓的修正量δei(k)和δfi(k)，那么迭代后的節(jié)點(diǎn)電壓為：
2-2-5)利用ei(k)和fi(k)，根據(jù)式(4)和式(5)計(jì)算δpi(k)，δqi(k)及δvi2(k)，并校驗(yàn)其是否收斂，容許誤差ε＝10-5，如果收斂，則計(jì)算平衡節(jié)點(diǎn)功率和全部線路功率，以及目標(biāo)函數(shù)j(k)；如果不收斂，則采用ei(k+1)和fi(k+1)繼續(xù)循環(huán)計(jì)算，直到收斂，并計(jì)算目標(biāo)函數(shù)j(k+1)，到此一次完整的計(jì)算結(jié)束。然后采用遺傳算法改變退役電池堆和電動(dòng)汽車的出力，即改變pq節(jié)點(diǎn)的節(jié)點(diǎn)功率，再次進(jìn)行潮流計(jì)算，收斂后并計(jì)算目標(biāo)函數(shù)。該方法的目標(biāo)函數(shù)為：
其中，w(x1,x2,x3…xn)為v2g與b2g智能結(jié)合出力的經(jīng)濟(jì)收益，其中n為電動(dòng)汽車與退役電池堆總個(gè)數(shù)，需要對(duì)每一臺(tái)電動(dòng)汽車和退役電池堆進(jìn)行統(tǒng)一編號(hào)；xi表示第i臺(tái)裝置的出力；δs為配電網(wǎng)各支路網(wǎng)損之和；w(x1,x2,x3…xn)的具體形式如式(9)所示；δs的具體形式如式(10)所示：
式(9)中，a為當(dāng)前電價(jià)；t為放電時(shí)間；
式(10)中，m為配電網(wǎng)拓?fù)浣Y(jié)構(gòu)中總的支路數(shù)；si表示第i條支路的網(wǎng)損；式(11)中，i和j表示由節(jié)點(diǎn)i和節(jié)點(diǎn)j構(gòu)成的支路bi，i和j即為節(jié)點(diǎn)編號(hào)；ui為節(jié)點(diǎn)i的節(jié)點(diǎn)電壓；uj為節(jié)點(diǎn)j的節(jié)點(diǎn)電壓；rij表示由節(jié)點(diǎn)i和節(jié)點(diǎn)j構(gòu)成的支路的總電阻。
進(jìn)一步，步驟2-3)所述隨機(jī)-精英策略、雙點(diǎn)交叉策略、移民策略的變異的具體方法為：
隨機(jī)精英策略具體步驟：選擇初始種群中隨機(jī)的a個(gè)個(gè)體，a<解群規(guī)模m，并判定a個(gè)個(gè)體中適應(yīng)值最高的個(gè)體，將其直接保存到下一代種群中，循環(huán)進(jìn)行此步驟，當(dāng)保存?zhèn)€數(shù)達(dá)到解群規(guī)模m時(shí)，停止篩選；
精英策略，本代解群中適應(yīng)值最大的染色體個(gè)體，不進(jìn)行任何處理直接進(jìn)入下一代種群，而除此之外的個(gè)體，均進(jìn)行交叉和變異，并等概率遺傳到下一代種群，將隨機(jī)策略和精英策略結(jié)合；
雙點(diǎn)交叉策略具體步驟：將本代種群中的染色體進(jìn)行兩兩隨機(jī)組隊(duì)，染色體是經(jīng)過(guò)二進(jìn)制編碼的的數(shù)據(jù)，選擇兩個(gè)隨機(jī)斷點(diǎn)，兩個(gè)染色體均從此處斷開，然后交換兩斷點(diǎn)中間部分染色體，組成兩個(gè)新染色體，并將兩個(gè)染色體分別帶入本代解群中求解群適應(yīng)度，保留適應(yīng)度高的新染色體，遺傳到下一代種群中；
移民策略具體步驟：記錄20代種群的適應(yīng)值，判斷20代種群的適應(yīng)值變化量，如果變化量低于預(yù)設(shè)的閾值，判定為早熟，將增加新的染色體用于替換種群中適應(yīng)值最差的染色體，新染色體的產(chǎn)生采用變異手段對(duì)原種群中的同等數(shù)量的染色體進(jìn)行變異。
由于采用了上述技術(shù)方案，本發(fā)明具有如下的優(yōu)點(diǎn)：
與現(xiàn)有電動(dòng)汽車和充電樁隨機(jī)出力的方式相比，本項(xiàng)發(fā)明基于改進(jìn)的遺傳算法使v2g與b2g的智能結(jié)合，其優(yōu)點(diǎn)如下：
1)采用v2g與b2g的智能結(jié)合的方法，彌補(bǔ)了v2g空間的分散性，增加了配電網(wǎng)低谷電力市場(chǎng)增量；
2)充分發(fā)揮改進(jìn)遺傳算法的尋優(yōu)特性，找到適合于v2g與b2g的智能結(jié)合的功率控制方法，進(jìn)一步提高能源利用率，優(yōu)化電網(wǎng)運(yùn)行經(jīng)濟(jì)性；
3)v2g與b2g的智能結(jié)合的功率控制方法，為智能電網(wǎng)的潮流計(jì)算奠定了基礎(chǔ)，為拓?fù)浣Y(jié)構(gòu)日益復(fù)雜的配網(wǎng)的電力系統(tǒng)暫態(tài)仿真提供基礎(chǔ)，將電動(dòng)汽車與退役電池堆進(jìn)行綜合考慮，提高了能源利用效率，增加了低谷電力市場(chǎng)的培育對(duì)象，并增大了電力系統(tǒng)的備用容量。
本發(fā)明的其他優(yōu)點(diǎn)、目標(biāo)和特征在某種程度上將在隨后的說(shuō)明書中進(jìn)行闡述，并且在某種程度上，基于對(duì)下文的考察研究對(duì)本領(lǐng)域技術(shù)人員而言將是顯而易見的，或者可以從本發(fā)明的實(shí)踐中得到教導(dǎo)。本發(fā)明的目標(biāo)和其他優(yōu)點(diǎn)可以通過(guò)下面的說(shuō)明書和權(quán)利要求書來(lái)實(shí)現(xiàn)和獲得。
附圖說(shuō)明
本發(fā)明的附圖說(shuō)明如下。
圖1為本發(fā)明的結(jié)構(gòu)示意圖；
圖2為v2g與b2g智能結(jié)合算法流程圖；
圖3為雙點(diǎn)交叉示意圖。
具體實(shí)施方式
下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說(shuō)明。
如圖1所示，基于遺傳算法的b2g和v2g配電網(wǎng)功率控制系統(tǒng)包括有：控制中心、充電樁、退役電池堆和分布式電源。工作時(shí)，控制中心實(shí)時(shí)采集配電網(wǎng)運(yùn)行狀態(tài)，通過(guò)遺傳算法進(jìn)行功率優(yōu)化計(jì)算。將優(yōu)化后的電動(dòng)汽車出力計(jì)劃發(fā)送給充電樁，通過(guò)人機(jī)交互界面與用戶信息交互，根據(jù)配電網(wǎng)的狀態(tài)和用戶的需求制定充放電計(jì)劃和相應(yīng)的費(fèi)用結(jié)算；將優(yōu)化后的退役電池堆的處理計(jì)劃發(fā)送給廢舊電池堆管理子系統(tǒng)bms，從而達(dá)到配電網(wǎng)功率優(yōu)化的技術(shù)目的。充電樁與控制中心通過(guò)電力線載波進(jìn)行通信，電動(dòng)汽車靠近充電樁后，充電樁通過(guò)圖像識(shí)別技術(shù)對(duì)電動(dòng)汽車進(jìn)行識(shí)別，再通過(guò)無(wú)線通信技術(shù)與電動(dòng)汽車數(shù)據(jù)交互。退役電池堆的狀態(tài)檢測(cè)主要由廢舊電池堆管理子系統(tǒng)完成，同時(shí)廢舊電池堆管理子系統(tǒng)將退役電池堆的狀態(tài)信息發(fā)送至控制中心。
如圖2所示，基于遺傳算法的b2g和v2g配電網(wǎng)功率控制方法，具體步驟如下：
1)控制中心采集配電網(wǎng)的狀態(tài)信息、電動(dòng)汽車的電量信息、分布式電源的狀態(tài)信息和退役電池堆的狀態(tài)信息；
2)控制中心采用遺傳算法計(jì)算電動(dòng)汽車和退役電池堆的輸出計(jì)劃，再將輸出指令發(fā)送至電動(dòng)汽車車載終端和退役電池堆bms系統(tǒng)。
步驟2)中所述遺傳算法的具體步驟如下：
2-1)遺傳算法將進(jìn)行統(tǒng)一編碼的電動(dòng)汽車和退役電池堆的出力(x1,x2,x3…xn)進(jìn)行初始化，得到(x1,x2,x3…xn)0；
2-2)以電動(dòng)汽車和退役電池堆的出力(x1,x2,x3…xn)0用于配電網(wǎng)潮流計(jì)算，并得到目標(biāo)函數(shù)值j0，并將結(jié)果進(jìn)行存儲(chǔ)，目標(biāo)函數(shù)為：
其中，w(x1,x2,x3…xn)為v2g與b2g智能結(jié)合出力的經(jīng)濟(jì)收益，其中n為電動(dòng)汽車與退役電池堆總個(gè)數(shù)，需要對(duì)每一臺(tái)電動(dòng)汽車和退役電池堆進(jìn)行統(tǒng)一編號(hào)；xi，i＝1，2，3…n，表示第i臺(tái)裝置出力；δs為配網(wǎng)各支路網(wǎng)損之和；
2-3)利用遺傳算法對(duì)初始化的出力計(jì)劃(x1,x2,x3…xn)進(jìn)行隨機(jī)-精英策略、雙點(diǎn)交叉策略、移民策略的變異，并將結(jié)果進(jìn)行存儲(chǔ)，從而得到新的出力計(jì)劃(x1,x2,x3…xn)1；
2-4)轉(zhuǎn)向步驟2-2)，得到j(luò)1，并將結(jié)果進(jìn)行存儲(chǔ)；
2-5)制定迭代次數(shù)，對(duì)步驟2-2)至步驟2-4)進(jìn)行重復(fù)運(yùn)算，求得最優(yōu)的出力計(jì)劃。
進(jìn)一步，步驟2-2)所述配電網(wǎng)潮流計(jì)算為基于nrm的牛頓類算法，其具體方法為：
2-2-1)將節(jié)點(diǎn)電壓和導(dǎo)納表示為直角坐標(biāo)向量時(shí)，其表達(dá)式如式(2)：
式中，vi為節(jié)點(diǎn)i的電壓，ei和fi分別為其實(shí)部和虛部；yij為節(jié)點(diǎn)i和節(jié)點(diǎn)j之間支路的導(dǎo)納；gij為電導(dǎo)；bij為電納；
2-2-2)根據(jù)節(jié)點(diǎn)電壓，可將節(jié)點(diǎn)負(fù)荷表示為式(3)：
式中，pi為節(jié)點(diǎn)i的有功負(fù)荷；qi為節(jié)點(diǎn)i的無(wú)功負(fù)荷；
對(duì)于pq節(jié)點(diǎn)，其節(jié)點(diǎn)功率不平衡量δpi和δqi為式(4)：
對(duì)于pv節(jié)點(diǎn)，其節(jié)點(diǎn)功率和電壓不平衡量為式(5)：
2-2-3)對(duì)于n個(gè)節(jié)點(diǎn)的系統(tǒng)，第n個(gè)節(jié)點(diǎn)為平衡節(jié)點(diǎn)，而平衡節(jié)點(diǎn)的電壓已知，因此不必參與迭代計(jì)算，因此式(4)和式(5)的方程組共有2(n-1)個(gè)方程式，待求變量為e1，f1，e2，f2，…，en-1，fn-1，共2(n-1)個(gè)待求量，方程組(4)和方程組(5)共同構(gòu)成2(n-1)個(gè)聯(lián)立的非線性代數(shù)方程，此方程組的修正方程組為式(6)：
δw＝-jδv(6)
2-2-4)根據(jù)式(6)計(jì)算出節(jié)點(diǎn)電壓的修正量δei(k)和δfi(k)，那么迭代后的節(jié)點(diǎn)電壓為：
2-2-5)利用ei(k)和fi(k)，根據(jù)式(4)和式(5)計(jì)算δpi(k)，δqi(k)及δvi2(k)，并校驗(yàn)其是否收斂，容許誤差ε＝10-5，如果收斂，則計(jì)算平衡節(jié)點(diǎn)功率和全部線路功率，以及目標(biāo)函數(shù)j(k)；如果不收斂，則采用ei(k+1)和fi(k+1)繼續(xù)循環(huán)計(jì)算，直到收斂，并計(jì)算目標(biāo)函數(shù)j(k+1)，到此一次完整的計(jì)算結(jié)束。然后采用遺傳算法改變退役電池堆和電動(dòng)汽車的出力，即改變pq節(jié)點(diǎn)的節(jié)點(diǎn)功率，再次進(jìn)行潮流計(jì)算，收斂后并計(jì)算目標(biāo)函數(shù)。該方法的目標(biāo)函數(shù)為：
其中，w(x1,x2,x3…xn)為v2g與b2g智能結(jié)合出力的經(jīng)濟(jì)收益，其中n為電動(dòng)汽車與退役電池堆總個(gè)數(shù)，需要對(duì)每一臺(tái)電動(dòng)汽車和退役電池堆進(jìn)行統(tǒng)一編號(hào)；xi表示第i臺(tái)裝置的出力；δs為配電網(wǎng)各支路網(wǎng)損之和；w(x1,x2,x3…xn)的具體形式如式(9)所示；δs的具體形式如式(10)所示：
式(9)中，a為當(dāng)前電價(jià)；t為放電時(shí)間；
式(10)中，m為配電網(wǎng)拓?fù)浣Y(jié)構(gòu)中總的支路數(shù)；si表示第i條支路的網(wǎng)損；式(11)中，i和j表示由節(jié)點(diǎn)i和節(jié)點(diǎn)j構(gòu)成的支路bi，i和j即為節(jié)點(diǎn)編號(hào)；ui為節(jié)點(diǎn)i的節(jié)點(diǎn)電壓；uj為節(jié)點(diǎn)j的節(jié)點(diǎn)電壓；rij表示由節(jié)點(diǎn)i和節(jié)點(diǎn)j構(gòu)成的支路的總電阻。
進(jìn)一步，步驟2-3)所述隨機(jī)-精英策略、雙點(diǎn)交叉策略、移民策略的變異的具體方法為：隨機(jī)精英策略具體步驟：選擇初始種群中隨機(jī)的a個(gè)個(gè)體，a<解群規(guī)模m，并判定a個(gè)個(gè)體中適應(yīng)值最高的個(gè)體，將其直接保存到下一代種群中，循環(huán)進(jìn)行此步驟，當(dāng)保存?zhèn)€數(shù)達(dá)到解群規(guī)模m時(shí)，停止篩選，此為隨機(jī)策略。精英策略的指，本代解群中適應(yīng)值最大的個(gè)體(染色體)，不進(jìn)行任何處理直接進(jìn)入下一代種群，而除此之外的個(gè)體，均進(jìn)行交叉和變異，并等概率遺傳到下一代種群。將隨機(jī)策略和精英策略結(jié)合，即為隨機(jī)-精英策略，保證了解群的多樣性，同時(shí)又保證了解群的高適應(yīng)度。
如圖3所示，雙點(diǎn)交叉策略具體步驟：將本代種群中的染色體進(jìn)行兩兩隨機(jī)組隊(duì)，染色體是經(jīng)過(guò)二進(jìn)制編碼的的數(shù)據(jù)，選擇兩個(gè)隨機(jī)斷點(diǎn)，兩個(gè)染色體均從此處斷開，然后交換兩斷點(diǎn)中間部分染色體，組成兩個(gè)新染色體，并將兩個(gè)染色體分別帶入本代解群中求解群適應(yīng)度，保留適應(yīng)度高的新染色體，遺傳到下一代種群中，此即為雙點(diǎn)交叉策略。
移民策略是指更新種群中染色體的一種策略，可以避免種群早熟和保持種群的多樣性。移民策略具體步驟：記錄20代種群的適應(yīng)值，判斷20代種群的適應(yīng)值變化量，如果變化量低于預(yù)設(shè)的閾值，判定為早熟，將增加新的染色體用于替換種群中適應(yīng)值最差的染色體，新染色體的產(chǎn)生采用變異手段對(duì)原種群中的同等數(shù)量的染色體進(jìn)行變異。
以2個(gè)100kwh退役電池堆、4輛30kwh的電動(dòng)汽車構(gòu)成的b2g和v2g為例，退役電池堆出力以ai(i＝1,2)表示，電動(dòng)汽車出力以bi(i＝1,2,3,4)表示，進(jìn)行統(tǒng)一編碼，待求解可表示為x＝[x1,x2,x3,x4,x5,x6]，當(dāng)前電價(jià)為1元每kwh。給定每個(gè)待求解的解范圍，如-30≤x5≤30，得到算法的初始種群，確定交叉概率pc＝0.45和遺傳概率pm＝0.06，以及最大迭代次數(shù)100。將退役電池堆和電動(dòng)汽車的初始出力計(jì)劃(x0＝[50，50，15，15，15])放入26節(jié)點(diǎn)配網(wǎng)進(jìn)行潮流計(jì)算，得到當(dāng)下潮流情況下的網(wǎng)損，結(jié)合當(dāng)前電價(jià)和出力時(shí)間，計(jì)算得到目標(biāo)函數(shù)j0＝0.2359；對(duì)出力計(jì)劃采用遺傳算法進(jìn)行重組，得到j(luò)1＝0.2219；經(jīng)過(guò)100次迭代得到j(luò)99＝0.00151。從而得到最優(yōu)出力計(jì)劃x99＝[61.54，64.82，10.21，13.00，11.82，13.44]。
最后說(shuō)明的是，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制，盡管參照較佳實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技術(shù)方案進(jìn)行修改或者等同替換，而不脫離本技術(shù)方案的宗旨和范圍，其均應(yīng)涵蓋在本發(fā)明的權(quán)利要求范圍當(dāng)中。