计及用户参与度的电动汽车集群实时有序调度方法与流程

本发明属于智能电网领域，涉及一种计及用户参与度的电动汽车集群实时有序调度方法。

背景技术：

在电动汽车与电网互动协调调度问题中，针对电动汽车具有数量庞大、入网随机、行驶自由等特点，许多研究表明在市场机制下，将一定数量的电动汽车聚合起来形成集群(即evaggregator)并网的运营模式，可降低车主成本。

目前大量研究探讨的是电动汽车集群如何在电力系统调度中发挥作用，而合理有序的调度策略是由每一个车辆个体行为聚合形成的，但是由电网电力调度中心直接对各辆电动汽车进行调度是不现实的，因此有学者提出了分层分区的方案，即根据电压等级将电力系统分层，再按地域分区，每一个区域形成一个或多个集群代理商，由其协调自身管辖的车辆充放电。

电动汽车集群及分层控制方法降低了电网需直接调度的电动汽车数量，由此可见，进一步研究电动汽车集群代理商如何合理有序地安排其管辖区域内各辆电动汽车参与并网调度(即vehicle-to-aggregator)，具有重大意义。但是，目前关于v2a的研究较少，并且通常基于分时电价的机制下进行探讨，而现阶段已有研究针对实时电价和分时电价对电动汽车充放电策略的影响进行了详细分析，并通过实例指出证明，当电动汽车参与电网互动(v2g)充放电行为采用实时电价时，用户会调整自己的用电时间，以谋求最大利益，使得在负荷控制方面，由供电公司的直接控制变为用户主动参与负荷控制，因此获取的v2g收益相较于在分时电价条件下时获取的收益更大，且有足够的经济空间通过实现中间组织aggregator管理有序充放电，但分析的方面涵盖较不完善。

技术实现要素：

有鉴于此，本发明的目的在于提供一种计及用户参与度的电动汽车集群实时有序调度方法，当电动汽车集群作为一个非盈利性的代理方时，用户向集群代理商提供车辆各项申报信息对其制定调度计划的影响，提出计及实时电价条件下，基于加速遗传算法—优化组合赋权法的电动汽车集群有序调度策略。

为达到上述目的，本发明提供如下技术方案：

计及用户参与度的电动汽车集群实时有序调度方法，包括以下步骤：

s1：分析电动汽车用户申报各项信息；

s2：采用优化组合赋权法建立电动汽车集群的指标评价体系模型并求解，获得各指标权重以及综合评价值；

s3：考虑管理调整车辆的调度容量，使得实际出力/负荷与电网给定的调度计划尽可能接近。

进一步，步骤s1中，所述各项信息包括申报调度容量、电动汽车参与调度计划的信用程度、用户对v2g调度计划的参与度、电池折旧损耗。

进一步，所述申报调度容量为sd＝sb.max-sb.min，其中，sb.max、sb.min分别表示容量上、下限。

进一步，所述电动汽车参与调度计划的信用程度为其中，表示该电动汽车日前平均申报容量，为日前平均实际调度容量，设ρdown＝0.15，ρup＝0.95。

进一步，所述用户对v2g调度计划的参与度包括电动汽车对电价机制的响应度、电动汽车用户对电网电价补偿机制接受度；

所述电动汽车对电价机制的响应度为其中，p为i、j时刻的电价，满足t表示时刻；

所述电动汽车用户对电网电价补偿机制接受度为其中ce表示在补偿机制条件下的用户收益，有：p是常数，表示电网吸引用户参与调度时给予的基础补偿，表示该电动汽车日前平均申报容量，为日前平均实际调度容量；cp表示电动汽车的成本，pc为充电电价；pm表示补偿电价，取0.23元/kwh；bm表示超出申报容量部分的单位电量电池损耗补偿费率，取0.5元/kwh；pdc表示放电电价；

电动汽车用户参与电网调度计划的执行执行度表示为μ＝βε+(1-β)δ，β是占比系数，用赋权法确定。

进一步，所述电池折旧损耗为其中bloss表示单次充放电平均电池损耗成本，取0.26元，r表示残值率，取5％，为日前平均实际调度容量。

进一步，所述电动汽车集群的指标评价体系模型为对各项指标赋予权重，从而获得电动汽车调度安排的依据；其中，申报调度容量越大越优先调度；电动汽车参与调度计划的信用程度越大越优先调度；电动汽车用户参与电网调度计划的执行度越高越先调度；同时，电池折旧损耗越小越优先调度；即满足：

(1)模糊评价矩阵r构建用于确定各指标排序权重的判断矩阵a＝(aim)k×k，i,m为判断矩阵元素的下标；k为指标数；

其中smin,smax分别表示{s(i),i∈k}的最小值和最大值；an＝min{9,int(smax/smin+0.5)}，表示指标间相对重要性标度参数，int为取整函数；表示对第i个指标角度而言，r矩阵内第i行元素的代数和；分别表示第i、m个指标的客观权重；

(2)

其中当pij＝0时，规定pijlnpij＝0，则有0≤hi≤1；

(3)

其中w1,w2为指标评价权向量，wc＝(wc1,wc2,...wck)^t表示属性组合赋权系数向量，θ1,θ2为组合系数；α表示占比系数；wci表示第i个指标的综合权重；rij为第j个对象对第i个指标的标准化评价值。

进一步，所述s3具体为：

式中，为时段t下第n辆电动汽车的实际功率；nt为调度的电动汽车总数；pev(t)为调度机构给定时段t的调度计划；

式中，分别表示所有申报充/放电计划的电动汽车数量；为时段t下的电动汽车总量；pc,n(t)，pdc,n(t)分别表示在时段t下的第n辆电动汽车充/放电功率。

本发明的有益效果在于：本发明能够综合考虑电动汽车多项指标对调度计划的影响，基于假设已有充足成熟的电动汽车互动信息以及中长期的影响因素评估条件下，提出代理商侧电动汽车集群内的有序调度策略。但由于在目前大规模电动汽车历史数据信息缺乏的情况下，因此本发明的算例仿真侧重于验证文章所提策略的可行性和有效性，对实现调度机构为代理商拟定的调度计划具有一定的参考意义。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为容量与电价关系曲线图；

图2为电动汽车集群指标评价体系；

图3为电动汽车集群有序调度策略流程图；

图4为电动汽车集群内各车辆队列并网容量对比图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

1.分析影响电动汽车集群调度策略的因素

1)申报调度容量

本发明假设每辆电动汽车并网后，其自身在单一时段内只能选择申报充电或放电状态中一种，但对于不同的时段允许申报状态不同，且申报的调度时段可自行决定。

根据用户的各项申报信息，即可获得可调度时段td和可调度容量sd，sd由式(1)计算而得。

sd＝sb.max-sb.min(1)

其中，sb.max、sb.min分别表示容量上、下限，则可调度容量sd可根据用户设定的电池soc上下限及电动汽车的电池容量计算得到。

2)电动汽车参与调度计划的信用程度

从电网侧角度出发，电动汽车作为交通工具这一特性使得用户有可能因故违背调度计划，则其申报容量不能被完全调度，针对上述问题，将“诚信隶属度”引入可调度容量计算中。若电动汽车按申报计划接入和离开电网，则其申报容量完全计入代理商可调用容量中；若电动汽车在计划外突然接入或突然脱离电网，则其申报容量将会根据该用户信用程度的比例来计入可用容量。具体如式(2)所示：

其中，表示该电动汽车日前平均申报容量，为日前平均实际调度容量。当信用度足够大，则取值为1，若过小，则取值为0。此处设ρdown＝0.15，ρup＝0.95。

3)用户对v2g调度计划的参与度

从电动汽车用户侧角度而言，用户是否能先将电网调度需求放于首位，按质按量地执行自身申报计划的任务对电网是整个v2g调度计划顺利执行的基础，参与调度的经济效益是引导计划实施的决定性影响要素。因此本发明基于用户侧考虑电动汽车参与v2g互动的经济性，以决定电动汽车用户参与调度计划的程度。

a)电动汽车对电价机制的响应度

电动汽车的充放电行为是一种需求响应，用户根据价格信号或者激励机制，做出适合自己的用电行为，将用电负荷从高电价时段转移到低电价时段，以达到减少电费支出的目的。

根据需求响应理论，电价变化会引起用户用电需求量的变化，因此采用电价电量弹性来表述用户对电价机制的响应程度，即在一定时间内，电价变化程度与电量变化程度的比值，如式(3)所示。

其中，s，δs分别为容量及其相对增量，可用功率p，δp替代；p，δp为电价及其相对增量。

如图1所示为容量与电价关系的大致曲线图，价格越高，容量越低。

由于电动汽车的响应行为不仅与当时电价有关，还会受相邻时刻电价的影响，故应使用交叉电价电量弹性，如式(4)，表示i时刻电量对j时刻电价的响应。

因此在时刻1～t内，有

其中，e为电价电量弹性矩阵，

b)电动汽车用户对电网电价补偿机制接受度

为了同时满足系统电能需求和用户行驶电量要求，补偿机制针对的电量指的是系统给出所需调控的电量范围中用户愿意响应的部分。用户可以自愿选择是否接受系统的补偿，而系统则可根据用户的接受程度作为调度优先的指标之一，即当电网需要调度的容量超出申报容量时，用户在自身所能接受范围内愿意进一步提供的电量越多，则表明其对补偿机制的接受和满意程度越高，由此电网调度其的可能性越大。

由于目前缺乏对电动汽车作为分布式能源的补偿机制，故本发明借鉴国家对可再生分布式能源的电价补偿机制，取补偿电价的值pm为0.23元/kwh。

同时，电池的损耗并未长时间处于极端状态，因此取超出申报容量部分的单位电量电池损耗补偿费率bm为0.5元/kw·h，定义电动汽车用户对电网电价补偿机制的接受度δ为：

ce表示在补偿机制条件下的用户收益，有：

式(8)中，p是常数，表示电网吸引用户参与调度时给予的基础补偿。

cp表示电动汽车的成本，pc为充电电价：

由此，定义电动汽车用户参与电网调度计划的执行度为：

μ＝βε+(1-β)δ(10)

β表示占比系数，可用赋权法确定。

在上述补偿机制下，通过经济手段引导电动汽车在负荷低谷期集中充电，负荷高峰期集中放电，不仅可以平缓大规模电动汽车并网造成的负荷波动，还可以起到削峰填谷的作用。

4)电池折旧损耗

定义折旧损耗br为：

bloss表示单次充放电平均电池损耗成本，取为0.26元，r表示残值率，为5％。

2.建立电动汽车集群的指标评价体系模型

为了消除各评价指标的量纲效应，使建模具有通用性，需将指标规范化，假设xij为第j个对象对第i个指标的评价值，而rij为xij标准化之后的值。由此形成的r＝(rij)k×n可作为模糊评价矩阵

式中，是指同一指标的最大/最小值。

综上所述，如下图2所示建立评价指标体系。

对各项指标赋予权重，从而获得电动汽车调度安排的依据。其中，可调用容量越大越优先调度；用户信用度越大越优先调度；用户执行度越高越先调度；同时，电池损耗情况越小越优先调度。

为尽可能实现指标的客观性，又兼顾对其的主观偏好，本发明采用优化组合赋权法来解决指标评价体系中的赋权问题，其中n为对象个数(本发明是指各个电动汽车)，k为指标数。

1)基于全局优化的层次分析法确定主观权重

层次分析法(analytichierarchyprocess,ahp)对决策者的主观判断进行定量化，但是目前ahp法多数依赖决策者经验和技巧，主观性强。因此，针对评价指标样本集的排序信息，本发明采用基于模拟生物优胜劣汰规则与群体内部染色体信息交换机制的全局优化ahp法来确定各评价指标的排序权重，由此可避免人为判断因素过强而带来的争议性。

根据模糊评价矩阵r可构建用于确定各指标排序权重的判断矩阵a＝(aim)k×k，实质上，评价系统是一种优化排序的过程，因此模糊评价矩阵r的元素rij越大，即认为对待评对象排序影响越深；而从第i个指标角度而言，r矩阵内第i行元素代数和越大，则认为对排序的影响越深。根据各评价指标的s(i)值，可按照下式(13)获得对应于1-9级指标标度的判断矩阵a：

其中，smin,smax分别表示{s(i),i∈k}的最小值和最大值；指标间相对重要性标度参数an＝min{9,int(smax/smin+0.5)}，int为取整函数。

由判断矩阵定义，理论上有：

此时，矩阵a具有性质：1)aii＝1，即单位性；2)aim＝1/ami，即倒数性；3)aimamk＝aik，即传递性。由此推求各评价指标的权重：

2)熵值法确定客观权重

a)对矩阵r，各指标的概率：

b)指标的输出信息熵：

当pij＝0时，规定pijlnpij＝0，则有0≤hi≤1。

c)计算各指标权重：

3)基于加速遗传算法的优化组合赋权法

在决策分析理论中，由于不同的评价方法难以肯定更为优秀的一方，因此需要充分利用各种方法所含信息得到满意的权重解，本发明采用基于加速遗传算法[i]的优化组合赋权方法以解决问题。

假设第2小节中求解的指标评价权向量为w1,w2，则组合赋权为：

其中，wc＝(wc1,wc2,...wck)^t表示属性组合赋权系数向量，θ1,θ2为组合系数。

则综合评价值为：

关于属性组合赋权系数向量wc的确定，引入离差绝对值：

其中，djn表示对第j个评价对象，第n种赋权方案权重与组合赋权法权重的离差绝对值。

为了综合利用各个评价指标的主观权重和客观权重，对全部评价对象的所有指标而言，应使得在优化组合权重下的评价结果，与在主、客观权重下的评价结果的离差越小越好，因此可通过求解最小化加权离差绝对值和，来估计最佳组合权重，构造下列目标规划模型:

3.计及评价指标体系的电动汽车有序调度策略

如图3所示，当通过优化组合赋权法对指标评价体系建模并求解，而获得各指标权重以及综合评价值后，即可获得不同时段下集群内调度电动汽车个体的序列情况和该时段的可调度容量。但为了避免出现某一时段集群提供的电量不足或过多而造成系统波动的情况，在有序调度策略中，还应考虑管理调整车辆的调度容量，以使得实际出力/负荷与电网给定的调度计划尽可能接近。

此处所提出从电网侧考虑调度容量的调整，是指，电动汽车集群代理商自身通过电动汽车个体的申报信息以及指标评价体系获得的代理商总可调度容量，与电网调度中心需要调控的计划容量相比较，由此代理商调整自身管辖区域内的车辆充/放电，以使得实际调度容量与计划调度容量尽可能相一致。

因此，对某一电动汽车集群，有：

式中，为时段t下第n辆电动汽车的实际功率；nt为调度的电动汽车总数；pev(t)为调度机构给定时段t的调度计划。在调度过程中，上式满足：电动汽车数量足够大以使得可调度容量充足时，优先调度优先权高的车辆；当电动汽车不足时，在同一申报调度时段内，优先调度权重低的车辆，以防出现因优先权低的车辆违背计划脱离电网，而导致该调度时段后期电能需求严重不足的情况。

式中，分别表示所有申报充/放电计划的电动汽车数量；为时段t下的电动汽车总量；pc,n(t)，pdc,n(t)分别表示在时段t下的第n辆电动汽车充/放电功率。

4.算例仿真

由于电动汽车集群内的历史数据短缺，并且当系统规模较大时，模型求解的复杂程度剧增。因此这里以6节点系统为例，系统的拓扑结构、机组参数等参见文献《基于scuc的可入网混合电动汽车优化调度方法》数据。假设参与互动的电动汽车数量为7500辆，可以在节点3,4,5所代表的电动汽车代理商所辖区域内进行充放电，且区域管辖的电动汽车数量不超过总量的70％。电网侧一级调度优化的计划在文献《计及可入网电动汽车最优时空分布的双层经济调度模型》中的模型计算获得，有关负荷情况和优化结果参见文献。以节点4为例，其一级调度(g2a)优化结果如表1所示。

表1节点4一级调度优化结果(mw)

选取时段17这一需要电动汽车放电以起到辅助作用的时段为例，采用本发明提出的优先调度策略进行仿真。假设节点4处代理商所管辖的区域内参与调度的电动汽车数量充足，为265辆，为了便于管理，代理商针对各个车辆的日前信息进行整理后，将参与调度的车辆分为30个队列，每个车队里的汽车日前参与情况相近，特性相似，具体的队列安排、日前互动数据以及实时申报信息如表2所示。

表2节点4时段17的电动汽车申报信息

由于目前v2g计划处于大力发展中，技术尚未成熟而致使数据缺乏，本算例旨在证明本发明所提有序调度策略的有效性和可行性，因此基于可能出现的多种实际情况，对日前申报信息做出假设，表2中包含申报容量与实际容量几乎一致、相差较大以及多个不同的中间状态，以实现对电动汽车参与电网调度计划中可能出现各种情况的考虑。而申报的放电容量则与日前平均申报容量的信息基本一致。实时充放电价如表3所示。

表3实时充放电电价(美分/(kw·h))

由代理商提供的电动汽车队列日前参与调度计划信息，通过熵权法计算时段17处的用户参与度，其中根据申报信息获得该时段各电动汽车队列的ε与δ评价值如表4所示，时段17的ε值是通过日前信息中关于时段16～时段18的实际并网平均容量与相应时段实时电价之间的关系获得的，而时段17的δ则是结合日前信息，由式(7)计算而得。最后通过2.3.2小节所介绍的熵权法，求解出式(10)在时段17处的电动汽车参与度表达式中，占比系数β为0.5541，则该时段的参与度为：μ＝0.5541ε+0.4459δ。

表4时段17各电动汽车队列的ε与δ参数评价值

根据表2以及表4计算得到的参数信息获得时段17各指标评价值，如表5所示。

表5时段17各电动汽车队列的指标评价值

根据2.3.1和2.3.2两种赋权重方法获得时段17各指标主观权重和客观权重如下表6所示。

表6时段17各指标的权重

进一步通过基于加速遗传算法的优化组合赋权法获得表7所示时段17各指标的综合权重系数。

表7时段17各指标的综合权重

由此得到在时段17内，节点4处代理商关于30个车辆队列的优先调度计划结果如表8所示。通过综合权重系数以及规范化指标评价值代入式(20)，即可获得各电动汽车队列的综合评价值，即调度优先权值，按照计划进行调度，在该时段内电动汽车队列里的车辆根据其所属队列的优先权由高到低依次调度。结合表2，表5，表7以及表8的结果，可以看出，

1)申报容量影响电力调度计划需求，若申报容量过低，则电网基本不考虑其参与调度计划(如编号为2，4，9，10，12，17，18，26的车队)；

2)由于在指标评价体系模型中，用户参与度和信用度这两项指标的综合权重系数较高，因此在上述两项指标申报信息中综合评价值均超过0.5的优先考虑调度(如编号为16，25，19，28，20等车队)；

3)优先调用的车辆参与调度计划较为积极，电池折损程度稍高，虽然其获得的v2g补偿也相应较高，但是电网与汽车用户应该要意识到为保护车辆，不宜频繁参与调度充放电。

电动汽车在参与电网调度互动时，其申报信息和日前参与情况是决定当日实时调度顺序的关键，同时获得各时段实时可用容量，并且进一步根据电网下达的调度需求调整电动汽车的调用安排，以达到降低规模化电动汽车集群并网的波动影响，以及实现真正意义上的实时有序调度。

在完整的电动汽车实时调度策略中，确定了上一个时段的调度计划后，结合下一时段的电动汽车信息用同样的方式，即可得到下一个时段的电动汽车调度优先权及调度序表。

表8时段17集群内各电动汽车的优先权及调度序表

由表8中用户申报的容量信息得知时段17处车辆可调用总出力为3.845mw，超出电网给定计划需求容量(3.163mw)0.682mw，因此需要进一步调整调度容量和车辆的实际调用情况，以减少规模化电动汽车并网造成的冲击，并尽可能与电网给定的调度计划相一致，结果如图4所示。

经过最小化代理商申报容量与电网计划容量差方和后，原本排于26-30位调度的车辆将不被调用，调整后时段17的集群总出力为3.169mw，基本与电网调度机构给定计划一致，尽可能避免了因电动汽车集群并网能量过多而引起系统波动的情况，更具有合理性和可靠性。实际上，位于后面的车辆本身优先权较低，在调度计划中，当电动汽车规模较大，数量足够多时，这些车辆也应在考虑范围之外，这与图4结果是相一致的。

同时，排在调度序号为2,4,7,19,21(即对应编号为25,28,22,30,27)的车队，其在时段17的实际调度容量稍高于自身申报容量，结合表2关于电动汽车的历史日前信息和表7的指标综合权重分析，出现这种现象是因为电网电价补偿机制在起作用。当用户车辆闲置时，可自愿选择在接受范围内允许调用高于自身申报容量，以获取更多利润，这也是考虑自主多样化地参与协调调度计划的体现。

由于车辆数量大，申报信息涵盖广，调度时段多，因此本算例仅选取某一节点某一时段为例，对本发明所提出的有序调度策略进行仿真，以验证其可行性。实际上，集群代理商收集多个时段的电动汽车申报信息，每个时段有不同的调度安排，因此，当电动汽车参与电网调度互动技术发展至具有大量成熟数据时，可获得连续的实时调度计划。

最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。