本发明涉及电动汽车和储能装置的调度方法，具体的，涉及一种考虑分布式电源接入配电网后电动汽车和储能装置全天优化调度方法。
背景技术：
随着可再生能源发电的快速发展，由于其可观的环境效益，越来越多的以可再生能源为基础的分布式电源接入到配电网中。另一方面，由于电动汽车的环保性，为了替代原有的燃油汽车，越来越多的电动汽车接入到配电网中。然而由于可再生能源和电动汽车负荷的随机性，需要储能装置来调节功率，使系统运行更平稳。研究一种考虑分布式电源接入配网后的电动汽车和储能装置优化调度方法，对于电力系统的安全稳定运行，具有重要意义。
当大量分布式电源和电动汽车接入配电网后，功率波动较大，且具有随机性，不稳定性，从电量平衡的角度来看，分布式电源和电动汽车的接入对电力系统来说是一个很大的挑战，而解决这一挑战的普遍做法是添加储能装置，从而做到实时调节平滑功率的作用。然而现有的研究，通常是电动汽车和储能装置的协调或电动汽车和分布式电源的协调，并没有综合考虑三者时的优化调度方法。
因此，如何在分布式电源接入配网的情况下，考虑电动汽车和储能装置的协同优化调度方法，使电网更加安全、可靠、环保，如何获得更高的效率，成为现有技术亟需解决的技术问题。
技术实现要素：
本发明的目的在于提出一种考虑分布式电源的电动汽车和储能优化调度方法，以功率平衡，电压电流安全稳定为约束条件的考虑分布式电源的电动汽车和储能装置优化调度模型和优化调度策略，得到可调度电动汽车和储能的优化调度方案。根据此方案运行的配电网，运行效率更高，更加安全可靠，对于电网的可持续发展具有重要的现实意义。
一种考虑分布式电源接入配网后的电动汽车和储能装置优化调度方法，其特征在于，包括如下步骤：
分布式电源出力预测步骤s110：根据风速和光照的环境变量的概率分布曲线，对一天内各种分布式电源的出力进行预测；
电动汽车负荷预测步骤s120：构建电动汽车日行驶里程和充电时段概率分布模型，对电动汽车的日行驶里程数以及充电时段进行抽样，得到一天的电动汽车负荷情况；
电动汽车转换模型建立步骤s130，根据实时电价，构建电动汽车可调度和不可调度类型转换模型，获取可调度的电动汽车数量；
充放电模型构建步骤s140，根据储能装置和可调度电动汽车的参数，构建储能和可调度电动汽车的充放电模型；
协同优化调度步骤s150，构建包括储能和可调度电动汽车充放电操作成本、充放电电量成本、日常损耗成本、死区惩罚成本、网络损耗成本和电压偏差成本在内的总成本最小为目标函数，以功率平衡，电压电流安全稳定约束为约束条件的优化调度模型，采用基于优化调度策略改进的粒子群算法对可调度电动汽车和储能装置进行协同优化调度，得到一天内的运行调度规划。
本发明目标在于效率最大化，以总成本最小为示例性表现，以功率平衡，电压电流安全稳定为约束条件的考虑分布式电源的电动汽车和储能装置优化调度模型和优化调度策略，得到可调度电动汽车和储能的优化调度方案。根据此方案运行的配电网，运行效率更高，整体更加经济、安全、可靠，对于电网的可持续发展具有重要的现实意义。
附图说明
图1是根据本发明具体实施例的考虑分布式电源接入配网后的电动汽车和储能优化调度方法的流程图；
图2是根据本发明具体实施例的概率密度曲线抽样示意图；
图3是根据本发明具体实施例的电动汽车充电时段概率分布图；
图4是根据本发明具体实施例的ieee33节点网架结构图；
图5是根据本发明具体实施例的四季负荷曲线；
图6是根据本发明具体实施例的24小时电价变化曲线；
图7是根据本发明具体实施例的风速变化曲线；
图8是根据本发明具体实施例的光照强度变化曲线；
图9是根据本发明具体实施例的电动汽车负荷曲线；
图10(a)-(d)是根据本发明具体实施例的春夏秋冬四个季节储能和各类型电动汽车全天soc变化曲线；
图11(a)-(d)是根据本发明具体实施例的春夏秋冬四个季节经过储能和可调度电动汽车调节前后的总负荷曲线对比。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
参见图1，示出了根据本发明的考虑分布式电源接入配网后的电动汽车和储能装置优化调度方法的流程图，包括如下步骤：
分布式电源出力预测步骤s110：根据风速和光照的环境变量的概率分布曲线，对一天内各种分布式电源的出力进行预测。
具体的，所述分布式电源包括风机和光伏发电，根据风速和光照强度随时间的变化，将风速分为4季，每季24时刻，一共96组概率密度曲线，光照强度分为12组光照强度曲线，每组对应一个月内的典型日光照强度随时间变化的曲线。分别对风速和光照强度进行采样，随机选择风速和光照强度，从而进一步确定风机和光伏的出力。
参见图2，示例性的示出了采样方法，包括：
a.随机生成一个范围为[0，1]的随机数r。对应于总面积为1的概率密度曲线，从原点开始，到红色区域面积为r的点即为抽取到的值。
b.采用矩形面积等效的方法寻找面积为r时的边界点。将概率密度曲线和横坐标围成的区域划分为一系列小矩形，每一个小矩形的高度为该矩形的右边界横坐标对应的概率密度函数值。通过从左到右依次累加小矩形的面积，直到面积和s 大于等于r，记录最后一个矩形的左右边界x-和x 以及之前所有矩形的面积和s_。
c.根据采用线性差值的方法，如下式所示，找到面积r对应的横坐标上的点x。
进一步的，对风速和光照强度进行采样，得到对应时间的风速v和rc。风机输出模型采用威布尔模型，其模型为下式所示。
式中pwt为风机的有功功率输出；pr-wt为风机的额定有功功率输出；vci是风机的切入风速；vr是风机的额定风速；vco是风机的切出风速。
光伏输出模型采用beta分布，如下式所示。
式中，ppv是光伏的有功功率输出；npv是光伏单元的数量；pr-pv是一个光伏单元的额定有功功率输出；rr是额定光照强度；k是功率温度系数；tc和tr是实际温度和标准温度。
电动汽车负荷预测步骤s120：构建电动汽车日行驶里程和充电时段概率分布模型，对电动汽车的日行驶里程数以及充电时段进行抽样，得到一天的电动汽车负荷情况。
具体的，不可调度的电动汽车仅用于日常的出行，其消耗的电量和日行驶里程数相关。日行驶里程数服从正态分布，不同类型的电动汽车，服从的正态分布也不同。
将电动汽车的类型分为三种，公共汽车、出租车和私家车，日行驶里程数的概率分布如下式所示。
式中，dev是该电动汽车日行驶里程数；μ和σ是该正态分布的均值和标准差；
根据式(4)，对每一辆电动汽车的日行驶里程数抽样，得到该电动汽车的日行驶里程数，根据式(5)，计算电动汽车每天消耗的电量，进一步计算电动汽车的储能状态(stateofcharge，soc)，计算公式如(6)所示。
式中，eev-consumption是电动汽车日消耗电量，devmax是最大行驶里程数，cev是电动汽车电池容量，socev是电动汽车行驶dev后剩余的soc，
根据日消耗电量eev-consumption，算出每天需要充电的时间tev-charge，计算公式如下式所示。
式中，tev-charge是一天中电动汽车需要的总充电时间；pev-charging是电动汽车的充电功率。
电动汽车的充电时段的随机性是电动汽车负荷的重要特性。不同种类的电动汽车的充电时段具有不同的分布。本发明采用的不同类型电动汽车充电时段概率分布如图3所示。
根据不同类型电动汽车充电时段概率，对每一辆电动汽车的充电起始时间进行采样，最后得到每一辆电动汽车的充电起始时间tev-start。假设电动汽车在充电分布时间段内连续充电，充电时段的计算方法可用下列步骤进行计算。
1)第一次从tev-start开始，后面开始从当前时刻开始。判断下一时刻是否在充电分布时间段内，若在，则已充电时间加1；若不在，则将下一充电时刻定为下一段充电分布时段的起始时刻，已充电时间加1。记录该时刻为充电时刻，将当前时刻更新为下一时刻的值。
2)判断已充电时间是否达到需要的充电总时间tev-charge，若是，则结束寻找充电时段，得到该电动汽车的充电时间段；若没有达到总时间，则返回1)，继续寻找充电时段。
通过上述步骤，可以得到每一辆电动汽车的充电时段，结合电动汽车的充电功率pev-charging可以得到该电动汽车的充电负荷时间分布。
电动汽车转换模型建立步骤s130，根据实时电价，构建电动汽车可调度和不可调度类型转换模型，获取可调度的电动汽车数量nev-d。
电动汽车的拥有者可以选择将他的电动汽车作为可调度的装置接入电网，供系统灵活调度。而影响这一个决策的重要因素就是峰谷电价差。通常情况下，系统会让储能装置在负荷高峰期时放电，在负荷低谷期时，充电。峰谷电价差的大小直接决定用户可以得到的收益。
因此，所述电动汽车可调度和不可调度类型转换模型如式(8)，
式中，nev-d是转换成可调度电动汽车的数量，r(x)是取整函数，kev-trans是转换系数，cudd是实际的峰谷电价差，c0是转换的阈值。
不同类型的电动汽车，转换的阈值和系数也应该是不同的，因为有不同的转换成本。具体来说，就是该类型的电动汽车转换为可调度装置后，会因为不能作为出行的工具被使用而产生的一系列成本。
充放电模型构建步骤s140，根据储能装置和可调度电动汽车的参数，构建储能和可调度电动汽车的充放电模型。
储能装置和可调度电动汽车作为可调度的能量管理装置，对网络潮流的改善有着非常重要的作用。可调度电动汽车的作用同储能相同，可以将其看成一块容量较大的电池。因此本发明使用相同的模型来描述他们。其数学模型可用下列式子表示。
采用充放电损耗系数构建充电能量平衡等式，即式(9)，和放电能量平衡等式，即式(10)，
ees(t)＝ees(t-δt) ηpes-cδt(9)
式中，ees(t)为t时刻储能装置储存的能量，η是储能装置的充放电损耗系数，pes-c是储能装置的充电功率，pes-f是储能装置的放电功率。
由于对于储能装置来说，soc需要处于一个合理的范围，以此来减少电池的寿命损耗。除此之外，储能的充放电功率也有上下限的约束。
进一步针对soc，以及储能的充放电分别建立约束，
socmin≤soc≤socmax(11)
pes-cmin≤pes-c≤pes-cmax(12)
pes-fmin≤pes-f≤pes-fmax(13)
式中，socmax和socmin是储能装置的soc的上下限；pes-cmax和pes-cmin是储能装置充电功率pes-c的上下限；pes-fmax和pes-fmin是储能装置放电功率pes-f的上下限。
协同优化调度步骤s150，构建包括储能和可调度电动汽车充放电操作成本、充放电电量成本、日常损耗成本、死区惩罚成本、网络损耗成本和电压偏差成本在内的总成本最小为目标函数，以功率平衡，电压电流安全稳定约束为约束条件的优化调度模型，采用基于优化调度策略改进的粒子群算法对可调度电动汽车和储能装置进行协同优化调度，得到一天内的运行调度规划。
具体的，包括：
目标函数计算子步骤：针对储能和可调度汽车进行一天内的充放电策略进行优化，达到效率最高，从而使总成本达到最小。
由于电池进入死区后，会导致电池不能进行双向电量交换，从而使电池调节潮流的作用下降。本发明还考虑了电池充放电进入死区后的惩罚成本。为了考核充放电策略的优越性，引入全天总网损成本和电压偏差成本。
综上，总成本包括储能和可调度电动汽车的充放电操作次数成本、充放电电量成本，不工作时的损耗成本、电池充放电进入死区后的惩罚成本、全天总网损成本和电压偏差成本。
总目标函数如式(14)，式(15)是充放电操作次数成本
式中，
约束条件计算子步骤：在进行模型求解时，应当满足如下的约束条件，包括式(21)-(22)的网络功率平衡的等式约束，式(23)的节点电压的约束，式(24)的线路容量约束，此外还包括步骤s140的公式(11)-(13)储能和电动汽车满足电池充放电约束；
0.95un≤ui≤1.05un(23)
式中，pi和qi是节点i的注入有功功率和无功功率；pdgi和qdgi是节点i的分布式电源输出有功功率和无功功率，有功功率由步骤s110的式(2)-(3)计算得到，无功功率按照功率因数0.9折算求得；pesi是节点i的储能装置输出有功功率，为待求量；pevi是节点i的电动汽车吸收的有功功率，先由步骤s120计算得到每一类汽车的充电负荷时间分布，再根据步骤s130得到的不可调度电动汽车数量，计算得到节点i的电动汽车吸收的有功功率；gij和bij是线路ij的电导和电纳；θij是线路ij两端的电压相角差；un是额定电压；sijmax是线路ij允许流过的最大容量。
优化调度策略及算法改进子步骤：
为了求解上面所提的模型，本发明采用了粒子群算法。粒子群优化算法是比较有效的寻优算法，收敛能力很好，但容易陷入局部最优的状态，寻优效率过低。因此本发明基于粒子群算法，提出了几个优化策略，并结合这些策略，对粒子群算法进行了改进。优化策略有死区时间优化策略、充放电次数优化策略和充放电功率优化策略。
模型的基本求解算法粒子群优化算法主要由两个迭代公式组成，速度更新公式和位置更新公式，如式(25)-(26)所示。新的速度矢量受旧的速度矢量、全局最优位置矢量和个体最优位置矢量影响。新的位置矢量和新的速度矢量有关。因此，通过不断地迭代，能够使粒子的位置趋向于全局最优位置。
式中，
控制粒子的位置主要有两个方法，一个是直接对位置矢量做约束，使其产生想要的结果。另一种方法是对速度矢量做约束，使粒子朝着想要的结果移动。本发明主要基于公式(25)和(26)做改进，使寻优效率大大提高。
采用了粒子群算法，一方面直接对位置矢量做约束，使其产生想要的结果。另一种方法是对速度矢量做约束，使粒子朝着想要的结果移动，提高寻优速度，具体包括：
(1)死区时间优化策略
死区时间是指电池进入不能双向工作区间的时间，通常电池的有效soc区间为20％～80％。当电池的soc达到边界时，电池则进入死区。此时，电池仅能单向工作，电池的调节负荷的作用将大大降低。因此，为了限制电池进入死区的时间，本发明采用了一定的策略。
当电池soc离边界越近时，电池应该向反方向运行。为了达到这一个目的，可以控制粒子位置矢量，对速度更新公式做出改进，改进后的公式为(27)。
该公式中包含多个位置变量，在本发明中是一个以时间刻度为维度的向量，一天1440分钟，x就是1440维的向量，其指代储能和可调度电动汽车在哪一时刻充电和放电以及充电量和放电量；soci是i粒子的储能装置或可调度电动汽车的能量存储状态矢量，即公式(6)的计算结果。
式中，
通过式(27)，当soc接近80％时，公式右侧第二项趋于零，第三项趋于一个绝对值很大的负数。将三项加起来后，粒子的速度趋于负数，从而使粒子的位置趋于负数，即该装置拥有更大的可能放电，从而使它的soc减小；反之同理。
(2)充放电次数优化策略
如果对电池的充放电次数不加限制，电池会因为瞬时的功率波动改变自己的充放电状态，从而加速自身的老化，造成不必要的损耗。本发明根据负荷、分布式电源和电动汽车负荷的输出时间特性，设置了一个电池工作状态最短持续时间变量δtmin。通过该变量的限制，使电池不能短时间内多次改变工作状态。进一步，为了使电池输出功率平稳，本发明将电池在最短持续时间段内的输出功率取时段内的平均值，具体计算公式为(28)，即利用该公式使得使电池输出功率平稳。
式中，
(3)充放电功率优化策略
储能和电动汽车的作用是调节负荷，使电网的功率变化更平缓。所以，它们的充放电功率也要结合负荷变化而决定大小。为了更有效地寻找最优的充放电功率，本发明对速度更新公式做出改进，使粒子朝着期望的方向移动。经过新的改进后的速度更新公式如下式所示。
pload-ave＝pload pev-pdg-pavel(30)
式(30)是对式(29)中的变量pload-ave的补充说明，解释该变量如何计算得到。
式中，
根据式(30)，当总负荷大于平均值时，pload-ave是一个正数，此时电池应该要放电，即粒子的位置应该趋向于-pload-ave；当总负荷小于平均值时，此时pload-ave是一个负数，粒子的位置趋于一个正数，即电池趋向于充电，是符合要求的。
优化调度策略主要包括三方面，死区时间优化策略、充放电次数优化策略和充放电功率优化策略。三者都是通过对粒子群算法进行改进，从而达到优化的目的。通过限制储能和可调度电动汽车进入储能死区的时间，使其发挥调节功率的作用具有充足的保证。通过限制充放电次数，可以很好的保护装置的寿命，使调度方案更加经济。通过优化充放电功率，可以很好的起到调节功率，削峰填谷的作用，使系统运行更加经济，安全。
通过上述的优化，可以使储能和可调度电动汽车进行协同优化调度，电网总负荷变得更加平稳，提高电网工作效率，从而降低总成本。
本发明目标在于效率最大化，以总成本最小为示例性表现，以功率平衡，电压电流安全稳定为约束条件的考虑分布式电源的电动汽车和储能装置优化调度模型和优化调度策略，得到可调度电动汽车和储能的优化调度方案。根据此方案运行的配电网，运行效率更高，整体更加经济、安全、可靠，对于电网的可持续发展具有重要的现实意义。
实施例：
本发明采用ieee33节点系统作实例分析，网架结构如图4所示。
分布式电源参数和接入点如表1所示。
表1分布式电源参数
电动汽车的相关参数和接入点如表2所示。
表2电动汽车的参数
储能的参数如表3所示。
表3储能的参数
负荷四季曲线如图5所示。图中单位为标幺值。
算法参数如下表所示。
表4算法参数
24小时电价变化曲线如图6所示。
根据s110的抽样方法对风速和光照强度进行抽样，结果如图7所示。
根据s120的模型和方法，经过抽样，电动汽车的充电负荷曲线如图9所示。
为了验证本发明所提模型的正确性，本发明将全年分为四个场景，每个季节对应一个场景。然后分别进行了求解，其结果如表5所示。
表5多场景结果
储能和各类型电动汽车分别在春夏秋冬四个季节中全天soc变化曲线如图10(a)、(b)、(c)、(d)所示。图11(a)、(b)、(c)、(d)分别为在春夏秋冬四个季节中经过储能和可调度电动汽车调节前后的总负荷曲线对比。
从图10、图11和表中可以看出，由于储能和可调度电动汽车的协同优化调度，电网总负荷变得更加平稳，总成本得到改善。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施方式仅限于此，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单的推演或替换，都应当视为属于本发明由所提交的权利要求书确定保护范围。
1.一种考虑分布式电源接入配网后的电动汽车和储能装置优化调度方法，其特征在于，包括如下步骤：
分布式电源出力预测步骤s110：根据风速和光照的环境变量的概率分布曲线，对一天内各种分布式电源的出力进行预测；
电动汽车负荷预测步骤s120：构建电动汽车日行驶里程和充电时段概率分布模型，对电动汽车的日行驶里程数以及充电时段进行抽样，得到一天的电动汽车负荷情况；
电动汽车转换模型建立步骤s130，根据实时电价，构建电动汽车可调度和不可调度类型转换模型，获取可调度的电动汽车数量nev-d；
充放电模型构建步骤s140，根据储能装置和可调度电动汽车的参数，构建储能和可调度电动汽车的充放电模型；
协同优化调度步骤s150，构建包括储能和可调度电动汽车充放电操作成本、充放电电量成本、日常损耗成本、死区惩罚成本、网络损耗成本和电压偏差成本在内的总成本最小为目标函数，以功率平衡，电压电流安全稳定约束为约束条件的优化调度模型，采用基于优化调度策略改进的粒子群算法对可调度电动汽车和储能装置进行协同优化调度，得到一天内的运行调度规划。
2.根据权利要求1所述的优化调度方法，其特征在于，
在分布式电源出力预测步骤s110中，所述分布式电源包括风机和光伏发电，根据风速和光照强度随时间的变化，将风速分为4季，每季24时刻，一共96组概率密度曲线，光照强度分为12组光照强度曲线，每组对应一个月内的典型日光照强度随时间变化的曲线。分别对风速和光照强度进行采样，随机选择风速和光照强度，从而进一步确定风机和光伏的出力。
3.根据权利要求2所述的优化调度方法，其特征在于，
在分布式电源出力预测步骤s110中，对风速和光照强度进行采样，得到对应时间的风速v和rc。风机输出模型采用威布尔模型，其模型为下式所示。
式中pwt为风机的有功功率输出；pr-wt为风机的额定有功功率输出；vci是风机的切入风速；vr是风机的额定风速；vco是风机的切出风速；
光伏输出模型采用beta分布，如下式所示。
式中，ppv是光伏的有功功率输出；npv是光伏单元的数量；pr-pv是一个光伏单元的额定有功功率输出；rr是额定光照强度；k是功率温度系数；tc和tr是实际温度和标准温度。
4.根据权利要求1所述的优化调度方法，其特征在于，
在电动汽车负荷预测步骤s120，将电动汽车的类型分为三种，公共汽车、出租车和私家车，日行驶里程数的概率分布如下式所示，
式中，dev是该电动汽车日行驶里程数；μ和σ是该正态分布的均值和标准差；
根据式(4)，对每一辆电动汽车的日行驶里程数抽样，得到该电动汽车的日行驶里程数，根据式(5)，计算电动汽车每天消耗的电量，进一步计算电动汽车的储能状态soc，计算公式如(6)所示，
式中，eev-consumption是电动汽车日消耗电量，devmax是最大行驶里程数，cev是电动汽车电池容量，socev是电动汽车行驶dev后剩余的soc，
根据日消耗电量eev-consumption，算出每天需要充电的时间tev-charge，计算公式如下式所示，
式中，tev-charge是一天中电动汽车需要的总充电时间；pev-charging是电动汽车的充电功率；
根据不同类型电动汽车充电时段概率，对每一辆电动汽车的充电起始时间进行采样，最后得到每一辆电动汽车的充电起始时间tev-start。假设电动汽车在充电分布时间段内连续充电，充电时段的计算方法可用下列步骤进行计算。
1)第一次从tev-start开始，后面开始从当前时刻开始。判断下一时刻是否在充电分布时间段内，若在，则已充电时间加1；若不在，则将下一充电时刻定为下一段充电分布时段的起始时刻，已充电时间加1。记录该时刻为充电时刻，将当前时刻更新为下一时刻的值；
2)判断已充电时间是否达到需要的充电总时间tev-charge，若是，则结束寻找充电时段，得到该电动汽车的充电时间段；若没有达到总时间，则返回1)，继续寻找充电时段。
通过上述步骤，可以得到每一辆电动汽车的充电时段，结合电动汽车的充电功率pev-charging可以得到该电动汽车的充电负荷时间分布。
5.根据权利要求1所述的优化调度方法，其特征在于，
在电动汽车转换模型建立步骤s130中，所述电动汽车可调度和不可调度类型转换模型如式(8)，
式中，nev-d是转换成可调度电动汽车的数量，r(x)是取整函数，kev-trans是转换系数，cudd是实际的峰谷电价差，c0是转换的阈值。
6.根据权利要求1所述的优化调度方法，其特征在于，
在充放电模型构建步骤s140中，采用充放电损耗系数构建充电能量平衡等式，即式(9)，和放电能量平衡等式，即式(10)，
ees(t)＝ees(t-δt) ηpes-cδt(9)
式中，ees(t)为t时刻储能装置储存的能量，η是储能装置的充放电损耗系数，pes-c是储能装置的充电功率，pes-f是储能装置的放电功率；
针对soc，以及储能的充放电分别建立约束，
socmin≤soc≤socmax(11)
pes-cmin≤pes-c≤pes-cmax(12)
pes-fmin≤pes-f≤pes-fmax(13)
式中，socmax和socmin是储能装置的soc的上下限；pes-cmax和pes-cmin是储能装置充电功率pes-c的上下限；pes-fmax和pes-fmin是储能装置放电功率pes-f的上下限。
7.根据权利要求1所述的优化调度方法，其特征在于，
所述协同优化调度步骤s150包括：
目标函数计算子步骤：总成本包括储能和可调度电动汽车的充放电操作次数成本、充放电电量成本，不工作时的损耗成本、电池充放电进入死区后的惩罚成本、全天总网损成本和电压偏差成本。
总目标函数如式(14)，式(15)是充放电操作次数成本
式中，
约束条件计算子步骤：在进行模型求解时，应当满足如下的约束条件，包括式(21)-(22)的网络功率平衡的等式约束，式(23)的节点电压的约束，式(24)的线路容量约束，此外还包括步骤s140的公式(11)-(13)储能和电动汽车满足电池充放电约束；
0.95un≤ui≤1.05un(23)
式中，pi和qi是节点i的注入有功功率和无功功率；pdgi和qdgi是节点i的分布式电源输出有功功率和无功功率，有功功率由步骤s110的式(2)-(3)计算得到，无功功率按照功率因数0.9折算求得；pesi是节点i的储能装置输出有功功率，为待求量；pevi是节点i的电动汽车吸收的有功功率，先由步骤s120计算得到每一类汽车的充电负荷时间分布，再根据步骤s130得到的不可调度电动汽车数量，计算得到节点i的电动汽车吸收的有功功率；gij和bij是线路ij的电导和电纳；θij是线路ij两端的电压相角差；un是额定电压；sijmax是线路ij允许流过的最大容量；
优化调度策略及算法改进子步骤，具体包括：
(1)死区时间优化策略
死区时间是指电池进入不能双向工作区间的时间，电池的有效soc区间为20％～80％，当电池soc离边界越近时，电池应该向反方向运行，为了达到这一个目的，可以控制粒子位置矢量，对速度更新公式做出改进，改进后的公式为(27)。
式中，
(2)充放电次数优化策略
为了使电池输出功率平稳，将电池在最短持续时间段内的输出功率取时段内的平均值，具体计算公式为(28)，
式中，
(3)充放电功率优化策略
储能和电动汽车的作用是调节负荷，使电网的功率变化更平缓，对速度更新公式做出改进，使粒子朝着期望的方向移动。经过新的改进后的速度更新公式如下式所示：
pload-ave＝pload pev-pdg-pavel(30)
式中，
