1.一种基于模糊控制考虑用户评价的电动汽车有序充放电控制方法，其特征在于，所述方法包括以下步骤：

S1：构建基于模糊控制的有序充放电框架，建立电动汽车充放电模型、电池损耗模型，获取来自配网运营商的引导电价、V2G响应时段、V2G补贴数据，同时初始化模糊控制器；

S2：设定控制周期为24小时，并将其离散化为N个时段，时间间隔为 分钟，每个时段开始阶段EV控制终端获取新接入电动汽车预定离开时间、电池状态、用户评价参数和电网负荷状态；

S3：按照时间先后将所有的电动汽车依次纳入等待获取下阶段充放电指令的队列，根据电动汽车的荷电状态SOC与其预定离开时间确定当前最需要进行充电的电动汽车；根据建立的评价模型计算该电动汽车充放电状态的综合评价，并结合电网负荷状态，通过模糊控制器得到下一个阶段的充放电计划；

S4：将模糊控制器的计算结果与设定的约束条件做对比，若超过了约束条件则以约束条件为准重新制定目标电动汽车的充放电计划，并将目标电动汽车从待确定计划的电动汽车队列中清出；

S5：确定队列中是否清空，若否，返回步骤S3根据更新后的基础负荷状态制定下一辆电动汽车的充放电计划；若是，则将更新后的电网负荷状态上传至配网运营商并等待下一个控制时段开始；

S6：确定目前是否已经完成一日内所有的控制时段的有序充放电控制任务，若是，则结束本日的充放电控制任务；若否，等待下一个控制时段开始；

所述步骤S1中，有序充放电框架的各组成部分作用如下所述：S1‑1：EV区域控制终端作为一个小型区域的充电设备中继节点，可以和所有区域内的充电设备进行通讯，并向其发送指令；EV区域控制终端可以控制一个充电站、一个停车场或者一个指定区域内所有的充电桩，EV区域控制终端能够执行有序充放电控制方法，下属的充电装置可以执行控制指令；

配网运营商是一个大型区域内的电能提供商，为常规负荷和区域内所有EV区域控制终端提供电能，配网运营商为EV区域控制终端提供制定电动汽车充放电计划所需引导电价、V2G时段信息，同时负责与大电网进行能量交换，引导电价以在谷时段和平时段提供充电补贴，峰时段提供V2G补贴的方式体现；

用户通过智能手机或者充电桩上的人机互动模块为EV区域控制终端提供制定计划所需的用户需求信息；

整个充电管理系统的通讯可由高速5G无线通信网络完成，假设所用的充电桩具有物联网通信的功能，能够定时获取接入电动汽车的SOC、充电功率、V2G功率信息，具有控制电动汽车的充放电功率的能力，用户在智能手机上使用的APP以及充电桩上的人机互动模块能够向用户展示充电电价信息，并上传用户的充电需求与充电时间；

S1‑2：建立的电动汽车充放电模型如下：以磷酸铁锂电池为对象，将电动汽车充放电近似认为是功率恒定的过程，得到单台电动汽车充放电模型：式中t为当前所处的时刻，ts与te分别为电动汽车接入充电桩的时刻与用户预定离开的时刻；Pt为t时刻电动汽车的充放电功率；Pmin为V2G放电的极限功率，Pmax为充电的极限功率；St为当前时刻电动汽车的电池荷电状态，Sin为电动汽车接入时的电池荷电状态，ηt为电动汽车的充放电能量效率，表达式如下：式中ηp为充电效率，ηv2g为放电效率；

S1‑3:建立的电动汽车电池损耗模型如下：考虑电动汽车采用直流充电桩慢充的充电方式，充电功率较低，电池在长时间尺度下的温度变化不明显，因此忽略功率变化和温度变化对电池损耗的影响，只考虑初始放电SOC与放电深度对电池损耗的影响；

放电深度D与电池开始放电时的SOC值S1以及放电结束时的SOC值S2之间的关系为：D＝S1‑S2                                (4)根据目前已有的研究结果，电池总循环寿命和其放电深度的关系可以概括为：电池放电深度越大，其循环寿命的次数越少，在对已有实验结果进行了拟合之后得到的数学表达式如下：

b

L＝aD D∈[0,0.9]                            (5)式中：L为电池循环寿命的次数；a、b为拟合系数，拟合后的a为2151，b为‑2.301；

电池寿命与单次放电量的乘积可以表示为总放电量R，由于电池更换所需成本是固定的，由此可知电池在放电深度D下的总放电量越大，其单位放电成本Cd就越低，电池的利用效率就越高，总放电量R和单位放电成本Cd可以表示为：R＝L×E×D                               (6)式中：Cb为电池更换成本，E为电池容量；

在所述步骤S1中，用于根据用户评价与电网负荷状态得到充放电功率变化指令的模糊控制器，其设计如下：

S1‑4：根据所要达到的控制目标——提高用户评价的同时对电网进行“削峰填谷”以增强电网稳定性，设计一种多输入模糊控制器，输入参数为电网负荷状态和用户评价的量化值，输出结果为充放电功率变化量值，如下：

1)用户评价的模糊化，设定θ为用户对当前充放电状态的综合评价，即综合用户评价指标，其基本论域取为[0，1]，将计算得到的评价量化为5个等级，设定其模糊论域为{‑2，‑1，

0，1，2}，量化因子k1＝4，对应的模糊子集为{terrible，bad，ok，well，good}，其中模糊子集ok代表对目前的充放电状态的评价一般，good和terrible分别代表评价最高和评价最低；

根据消费者心理学原理，用户对刺激的反应存在一个最小可觉差，在这个差别阈值的范围内，用户基本上无响应或响应非常小，即不敏感期；超过这个差别阈值的范围时，用户将有所响应，且与刺激的程度有关，即正常响应期；用户对刺激也有一个饱和值，超过这个数值，用户就没有更进一步的响应了，即响应极限期；为了简化问题，常常将这一响应过程用一个分段线性函数来表示，因此，使用由多个分段线性函数组成的梯形隶属度函数来描述用户评价的隶属度；

2)电网负荷状态的模糊化，设定G为目前电网的负荷状态，其基本论域取为{‑1000，

1000}kW，将模糊论域取为{‑3，‑2，‑1，0，1，2，3}，量化因子k2＝3/1000，对应的模糊子集为{NB，NM，NS，ZE，PS，PM，PB}，模糊子集NB代表目前电网的负荷状态接近极限值，即负荷“峰”状态；模糊子集PB代表目前电网的负荷状态接近最低值，需要更多的负载以利用冗余电能，即负荷“谷”状态；

由于电网对负荷的压力不存在上述刺激响应问题，使用三角形隶属度函数来描述电网负荷状态的隶属度；

3)输出量的解模糊，将充电桩充电功率分为3个级别，放电功率分为2个级别，加上功率为0这个级别，一共有6个级别的功率，统一进行功率控制；充电桩的功率将在这6个级别中变化，其功率的变化量，就是模糊控制的输出量ΔP，ΔP的基本论域取为 模糊论域取为[‑2，2]，在[Pmin，0]区间内量化因子k3＝2/Pmin，在 区间内对应的模糊子集取为{SR，RP，KP，IP，SI}，模糊子集SR代表显著减少充放电功率，KP表式保持目前的充放电功率，而SI表示显著增加目前的充放电功率；

采用面积中心法对输出的模糊集合进行解模糊处理，得到功率变化量ΔP为：式中：[X+0.5]表示对X进行四舍五入取整，u1、u2分别为量化后的综合评价Z和电网负荷状态G，Au1和Au2分别为θ和G的隶属度函数；

4)模糊规则的设定，设计的模糊控制器的主要逻辑是：当电网负荷处于“谷”状态时，由于EV区域控制终端会为电动汽车提供充电补贴，此时用户充电的支出应是较低的，若此时用户的综合评价较低，说明用户目前的充电功率较低，应加大充电功率以减少总的充电时间，吸收电网的富余功率，优化电网运行；而此时评价较高的用户只需要保持目前的充电状态不变即可；

当电网负荷处于“峰”状态时，EV区域控制终端将不再提供充电费用补贴，而会根据实际情况向参与V2G响应的电动汽车提供V2G响应补贴，此时充电电价较高，进行V2G响应可以获利，若此时该用户的综合评价较低，说明该用户目前的充电功率较高，应降低目前的充电功率以减少在高峰时的充电费用，同时减轻此时电网的负载压力，防止出现“峰上加峰”的情况；若此时用户评价仍然较高，说明该用户对充电费用并不敏感，应保持其目前充电状态；

设定的模糊控制规则如表1所示：

表1。

2.如权利要求1所述的基于模糊控制考虑用户评价的电动汽车有序充放电控制方法，其特征在于，在所述步骤S3中，确定队列中当前最需要进行充电的电动汽车的方法如下：S3‑1：定义电动汽车的充电优先级为U，优先级最大的电动汽车为当前最需要进行充电的电动汽车，表达式如下：

其中tc为电动汽车充电所需的最短时间，Se设定为1，电动汽车充电优先级U的数值越大，说明电动汽车能够参与有序充放电调度的时间越少，应该更优先对该电动汽车进行充电，当充电优先级U的数值大于1则说明该电动汽车必须马上进行充电，不能参与有序充放电调度；

S3‑2：由于电动汽车用户对电动汽车充放电状态存在个性化的需求，具有不同的评价标准，因此，将用户评价分为两种类型，充电过程评价和充电费用评价，计算用户评价的方法如下：

1)充电过程评价，对希望尽快充满电动汽车或者可能提前用车的用户来说，其满意的充放电状态是电动汽车能在尽量短的时间达到尽量高的SOC，考虑用户参与V2G响应对SOC的影响，建立电动汽车能量边界模型；

Se、Sin分别代表电动汽车离开和接入充电桩时的SOC，离开时的SOC一般为满SOC；下限值SOCmin代表EV区域控制终端允许的最深放电SOC，斜率表示充放电的功率；最高评价轨迹表示最快到达满SOC的电能注入曲线，既电动汽车接入充电桩之后直接以最高功率进行充电，并在之后不参与V2G响应放电；最低评价轨迹表示电动汽车接入后进行V2G放电直到SOCmin，之后延迟充电，在离开前恰好充电到满SOC；可能轨迹表示一种可能的充放电情况，最高评价轨迹可以让用户更早达到满SOC，满足用户急切的出行需求，而最低评价轨迹正好背离用户对充电过程速度的需求；充放电曲线的值反映了用户对充电过程的评价，值越接近当前时刻最高评价轨迹，用户充电过程评价越高；曲线的斜率代表评价或降低提升的速度；由此可以得出结论，影响用户时间评价的两个因素是电动汽车的SOC与充放电功率；

SOC决定了当用户需要提前使用电动汽车时是否有足够的电能，电动汽车SOC越高，用户对充放电过程的评价就越高，定义SOC系数为SOCt：式(11)中：Smax,t与Smin,t分别表示电动汽车以最满意轨迹和最不满轨迹进行充放电在t时段的SOC；

另一方面，在一个时段内充放电功率越高，便能使电动汽车更快接近目标SOC，定义充放电功率系数POWt：

综合考虑SOCt与POWt，得到了如下用户充电过程评价指标θt：2

θt＝1‑(SOCtPOWt)                                     (13)

2)充电费用评价，对更加重视将电动汽车充满电所支付的费用的用户来说，由于电动汽车充电的基本电价是一个固定值，因此，在“谷”时段影响其支出的主要因素是此时段的充电补贴水平；在“峰”时段，是否提供V2G补贴以及V2G补贴的多少将影响用户可能的收入情况；而电动汽车在这些时段的充放电功率将影响能否获得这些补贴，获得多少，该用户会更加希望尽可能被安排充电补贴较高的谷时段充电，而在提供V2G补贴的峰时段参与V2G响应放电放电；

定义Cmax为当前时段的最高充电费用，Dmax是电动汽车在其可调配区间中单位时段内进行充电能获得的最大充电补贴费用；Dv2g，max为此时段能获得的最大V2G补贴费用；ω是配网公司为电动汽车提供的单位V2G补贴费用；C为当前时段的标准充电电价；λt为电动汽车单位充电激励补贴费用；上述费用均与电网的负荷程度有关，由配网运营商确定；

Dmax＝max(λt)Pmin ts≤t≤te                 (14)Cmax＝CPmax                           (15)Dv2g,max＝ωPmin                         (16)由此设计用户的充电费用评价指标θc：从用户的角度考虑，一方面对电动汽车充电过程存在需求，希望能尽快将电动汽车的SOC提高到满足其使用需求的程度；另一方面又希望能够通过参与电动汽车有序放充电调度以获得配网运营商提供的补贴以减少总的充电费用，这两者共同构成了用户对电动汽车充放电行为的综合评价，而这两方面的需求往往难以同时得到满足，因此，设定α为用户评价偏好系数，由用户决定自己的需求，结合上述两种充电评价指标，得到综合用户评价指标θ；

综合评价指标模型：

θ＝αθt+(1‑α)θc 0≤α≤1                               (18)综合用户评价指标θ将作为上文所述模糊控制器的一个输入量参与对电动汽车充放电状态的控制。

3.如权利要求1所述的基于模糊控制考虑用户评价的电动汽车有序充放电控制方法，其特征在于，所述步骤S4中所提约束条件如下：S4‑1：放电深度约束，根据电池损耗与放电深度的关系，对用户来说，在SOC较高时进行V2G响应放电具有成本上的优势，应尽量在高SOC时放电，而对于EV区域控制终端来说，V2G补贴的下限应为用户的充电费用与电池损耗成本之和，因此同样也希望用户能在高SOC时进行V2G响应，但是如果放电深度不足又无法充分利用电动汽车作为移动储能的作用，因此定义V2G响应的放电深度约束如下：D≤δ                                                (19)式中，δ为放电深度约束值，该值设定的越高，代表电动汽车控制终端提供的V2G补贴越高，电动汽车参与V2G响应所允许的放电量越大，δ的取值范围在0.2到0.4之间，当电动汽车的放电深度大于放电深度约束值时，停止进行V2G放电；

S4‑2：最终电量约束，对电动汽车用户来说，离开时保证电动汽车拥有足够的电量是一项基本要求，因此，有序充放电策略必须确保电动汽车能在离开时达到目标SOC，基于电动汽车充电优先级，当优先级大于1时，说明该电动汽车可能无法在离开时间前达到目标电量，必须马上以最大功率进行充电；

S4‑3：V2G放电起始时间约束，由于最终电量约束的存在，可能会出现电动汽车进行V2G响应之后马上进行全功率充电的情况，而当电动汽车以全功率充电的时间段仍然在电网负荷高峰时间段内时，便无法起到减少电网负荷高峰时期负载压力的作用，也会增加EV控制终端需要提供的V2G补贴费用总量，若是大量电动汽车同时接入并出现上述状况，甚至会导致“峰上加峰”的情况出现；

因此，设定V2G响应最晚时刻tmin，电动汽车只能在tmin之前进入V2G响应的状态，在此时刻之后仍然可以参与有序充电调度，但不参与V2G响应放电；

公式如下：

tmin＝te‑Tmin                                         (20)式(21)中Tmin为电动汽车应该为V2G响应留出的最少时间，时长由三个部分组成：1)为以最大功率V2G响应放电到极限放电深度的时长；2)为以最大功率充电直至电量充满的所需要的时间；3)为时长系数β，β越大，电动汽车在负荷高峰时进行全功率充电的概率越小，但若是β过大，又会导致没有足够电动汽车参与V2G响应，影响“削峰”效果，β取值在0.5到2之间，与地区的负荷高峰持续时间有关。