电动汽车群的充电控制方法和系统的制作方法
【专利摘要】本发明涉及一种电动汽车群的充电控制方法和系统，该方法通过构建电动汽车群参与市场竞标策略的双层随机动态规划模型，通过根据约束条件求解双层随机动态规划模型，得到最优解并根据所述最优解确定电动汽车群的充电策略，从而根据所述充电策略控制所述电动汽车群充电。由于双层随机动态规划模型的上层优化问题对应电动汽车群充电期间成本最小化，所述下层优化问题对应调度需求侧资源实现发电成本最小，从而在考虑电动汽车群的购电成本和发电成本最小的协调的前提下，实现真正意义上最优竞价，根据最优竞价确定充电策略调度电动汽车群用户调整充电行为，以控制电动汽车群在合适的竞价成本时进行充电，从而降低电动汽车群的购电成本。
【专利说明】
电动汽车群的充电控制方法和系统
技术领域
[0001] 本发明涉及电力技术领域，特别是涉及一种电动汽车群的充电控制方法和系统。
【背景技术】
[0002] 未来我国将拥有数量庞大而分散的电动汽车，若不对其充电进行有效管控任由其 随机并网，将导致峰值负荷增加、电压波动、谐波污染等，降低电能供应质量并对配电网设 备产生严重影响。因此，有必要深入研究电动汽车并网充电的有序管理问题。
[0003] 要进行电动汽车有序充电管理，其先决条件是借助科学有效的优化方法，即确定 何时、何地给电动汽车以哪种电价水平进行充电，从而在达到管理周期内电动汽车所需要 的电能供应的基础上，实现用电总成本最低化的目标。针对电动汽车充放电策略，目前广泛 采用的优化方法为:首先，基于电动汽车充放电成本、效益分析，构建电动汽车充放电需求 函数;然后，在满足电动汽车充电需求条件下，以总充放电期间成本最小化作为目标，优化 电动汽车的充电策略。
[0004] 上述方法并没有考虑到电动汽车群的主动参与市场竞标，得到的竞价价格不是最 优价格。在实际的应用中，电动车的充放电是一个持续的过程。随着电动车数量的增加，充 电需求也在增加。然而，若在不是最优价格时进行充电，则将会增加电动汽车群的购电成 本。
【发明内容】
[0005] 基于此，有必要提供能够降低电动汽车的充电成本的一种电动汽车群的充电控制 方法。
[0006] -种电动汽车群的充电控制方法，包括：
[0007] 构建电动汽车群参与市场竞标策略的双层随机动态规划模型，所述双层随机动态 规划模型包括上层优化问题和下层优化问题，所述上层优化问题对应电动汽车群充电期间 成本最小化，所述下层优化问题对应调度需求侧资源实现发电成本最小；
[0008] 构建所述双层随机动态规划模型的约束条件；
[0009] 根据所述约束条件，采用随机动态规划方法求解所述双层随机动态规划模型，得 到所述双层随机动态规划模型的最优解；
[0010] 根据所述最优解确定电动汽车群的充电策略；
[0011]根据所述充电策略控制所述电动汽车群充电。
[0012] 在一个实施例中，所述上层优化问题的目标函数为：
[0013]
[0014] 其中，C为电动汽车群充电期间成本;Pt为t时刻电能的市场出清价格，PRt为t时刻 备用的市场出清价格；目标函数表示的电动汽车群充电期间成本是四部分的总和，其中，第 一部分为电动汽车按调度安排未达到期望的充电状态就停止充电的边际惩罚成本;第二部 分为固定竞标的成本期望值;第三部分为灵活竞标按备用出清时的成本期望值;第四部分 为灵活竞标按电能出清时的成本期望值;μ为边际惩罚成本系数，Lt为电动汽车t时刻未完 成的充电量; ati为在t时段，固定竞标中标量分配给尚开时刻为1的电动汽车的充电量;r为 备用，Pr为按备用出清的概率，Pti为在t时段，灵活竞标中标量分配给尚开时刻为1的电动汽 车的充电量;e为电能，Pe为按电能出清的概率。
[0015] 在一个实施例中，所述下层优化问题的目标函数为：
[0016]
[0017] 其中，Ctgen为t时段内发电机组g的边际成本，Qtg(3n为t时段内发电机组g的发电量， PtsSt时段负荷集成商s灵活竞标的价格，qtsSt时段负荷集成商s灵活竞标的中标量。
[0018] 在一个实施例中，与所述上层优化问题对应的约束条件包括配电网容量约束、电 动汽车功率约束、电池缺电容量约束、电动汽车充电需求约束以及电动汽车充电时长约束 的至少一种。
[0019] 在一个实施例中，与所述下层优化问题对应的约束条件包括电能供需平衡约束、 调峰调频备用容量约束、发电功率约束和负荷集成商灵活竞标限制约束的至少一种。
[0020] -种电动汽车群的充电控制系统，包括：
[0021] 建模模块，用于构建电动汽车群参与市场竞标策略的双层随机动态规划模型，所 述双层随机动态规划模型包括上层优化问题和下层优化问题，所述上层优化问题对应电动 汽车群充电期间成本最小化，所述下层优化问题对应调度需求侧资源实现发电成本最小；
[0022] 约束构建模块，用于构建所述双层随机动态规划模型的约束条件；
[0023] 计算模块，用于根据所述约束条件，采用随机动态规划方法求解所述双层随机动 态规划模型，得到所述双层随机动态规划模型的最优解；
[0024] 确定充电策略模块，用于根据所述最优解确定电动汽车群的充电策略；
[0025] 充电控制模块，用于根据所述充电策略控制所述电动汽车群充电。
[0026] 在一个实施例中，所述上层优化问题的目标函数为：
[0027]
I I I .
[0028] 其中，C为电动汽车群充电期间成本;Pt为t时刻电能的市场出清价格，PRt为t时刻 备用的市场出清价格；目标函数表示的电动汽车群充电期间成本是四部分的总和，其中，第 一部分为电动汽车按调度安排未达到期望的充电状态就停止充电的边际惩罚成本;第二部 分为固定竞标的成本期望值;第三部分为灵活竞标按备用出清时的成本期望值;第四部分 为灵活竞标按电能出清时的成本期望值;μ为边际惩罚成本系数，Lt为电动汽车t时刻未完 成的充电量; ati为在t时段，固定竞标中标量分配给尚开时刻为1的电动汽车的充电量;r为 备用，Pr为按备用出清的概率，Pti为在t时段，灵活竞标中标量分配给尚开时刻为1的电动汽 车的充电量;e为电能， Pe3为按电能出清的概率。
[0029] 亦一个走偷仿1丨由 所祙下尽优化问题的目标函数为：
[0030]
[0031]其中，Ctgen为t时段内发电机组g的边际成本，Qtgen为t时段内发电机组g的发电量， PtsSt时段负荷集成商s灵活竞标的价格，qtsSt时段负荷集成商s灵活竞标的中标量。
[0032] 在一个实施例中，与所述上层优化问题对应的约束条件包括配电网容量约束、电 动汽车功率约束、电池缺电容量约束、电动汽车充电需求约束以及电动汽车充电时长约束 的至少一种。
[0033] 在一个实施例中，与所述下层优化问题对应的约束条件包括电能供需平衡约束、 调峰调频备用容量约束、发电功率约束和负荷集成商灵活竞标限制约束的至少一种。
[0034] 上述的电动汽车群的充电控制方法和系统，通过构建电动汽车群参与市场竞标策 略的双层随机动态规划模型，通过根据约束条件求解双层随机动态规划模型，得到最优解 并根据所述最优解确定电动汽车群的充电策略，从而根据所述充电策略控制所述电动汽车 群充电。由于双层随机动态规划模型的上层优化问题对应电动汽车群充电期间成本最小 化，所述下层优化问题对应调度需求侧资源实现发电成本最小，从而在考虑电动汽车群的 购电成本和发电成本最小的协调的前提下，实现真正意义上最优竞价，根据最优竞价确定 充电策略调度电动汽车群用户调整充电行为，例如，在负荷低谷时段充电，在价格低的时段 充电，以控制电动汽车群在合适的竞价成本时进行充电，从而降低电动汽车群的购电成本。
【附图说明】
[0035] 图1 一个实施例的电动汽车群的充电控制方法的流程图；
[0036] 图2为一个实施例的高/低阻塞水平下负荷集成商灵活竞标电价；
[0037] 图3为一个实施例的低阻塞水平下市场竞标策略的灵活与固定竞标电量与缺电量 期望值；
[0038] 图4为一个实施例的电动汽车群的充电控制系统的功能模块示意图。
【具体实施方式】
[0039]为了使本发明的目的、技术方案以及优点更加清楚明白，以下结合附图及实施例， 对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明， 并不限定本发明。
[0040] 通过对现有的电动汽车充电优化方法进行分析后，发现其局限性如下：
[0041] 1)研究通常针对电动汽车被动接受电价情况下对有序充电的经济性进行分析；
[0042] 2)忽略了大规模电动汽车群作为重要的需求侧资源其充放电对维护电网可靠性 与稳定性的作用。
[0043] 因此，本发明提供一种电动汽车群的充电控制方法，在开放的市场环境下，以电动 汽车群总充电成本最小为目标，综合各类市场出清约束以及电动汽车充电约束，负荷集成 商管理大规模电动汽车进行固定竞标和灵活竞标，通过设置灵活竞标的三种可能市场出清 事件，可以充分体现电动汽车的需求侧资源价值，为负荷集中商管理者提供一种能够实现 大大降低电动汽车并网充电期间成本，同时实现削峰填谷和平滑负荷的可行的电动汽车市 场竞标策略优化方案，并根据该优化方案控制电动汽车的充电行为，以实现对电动汽车群 的充电控制。
[0044] 在一个实施例中，如图1所示，提供一种电动汽车群的充电控制方法，包括以下步 骤：
[0045] S102:构建电动汽车群参与市场竞标策略的双层随机动态规划模型，双层随机动 态规划模型包括上层优化问题和下层优化问题，上层优化问题对应电动汽车群充电期间成 本最小化，下层优化问题对应调度需求侧资源实现发电成本最小。
[0046] S104:构建双层随机动态规划模型的约束条件。
[0047] S106:根据约束条件，采用随机动态规划方法求解双层随机动态规划模型，得到双 层随机动态规划模型的最优解。
[0048] 具体的，双层随机动态规划模型的最优解为不同时段成交的电量和竞价成本。
[0049] S108:根据最优解确定电动汽车群的充电策略。
[0050] 充电策略与双层随机动态规划模型的最优解对应。
[0051] S110:根据充电策略控制电动汽车群充电。
[0052] 本实施例的电动汽车群的充电控制方法，通过构建电动汽车群参与市场竞标策略 的双层随机动态规划模型，通过根据约束条件求解双层随机动态规划模型，得到最优解并 根据最优解确定电动汽车群的充电策略，从而根据充电策略控制电动汽车群充电。由于双 层随机动态规划模型的上层优化问题对应电动汽车群充电期间成本最小化，下层优化问题 对应调度需求侧资源实现发电成本最小，从而在考虑电动汽车群的购电成本和发电成本最 小的协调的前提下，实现真正意义上最优竞价，根据最优竞价确定充电策略调度电动汽车 群用户调整充电行为，例如，在负荷低谷时段充电，在价格低的时段充电，以控制电动汽车 群在合适的竞价成本时进行充电，从而降低电动汽车群的购电成本。
[0053]具体的，以电动汽车群充电期间成本C最小化构建的上层优化问题的目标函数如 下：
[0054]
(1)
[0055] 其中，Pt为t时刻电能的市场出清价格，PRt为t时刻备用的市场出清价格。目标函数 表示的电动汽车群充电期间成本是四部分的总和:第一部分是电动汽车按调度安排未达到 期望的充电状态就停止充电的边际惩罚成本，μ为边际惩罚成本系数，Lt为电动汽车t时刻 未完成的充电量。第二部分是固定竞标的成本期望值，*: 1^为在t时段，固定竞标中标量分配 给尚开时刻为1的电动汽车的充电量。第三部分是灵活竞标按备用出清时的成本期望值，r 为备用，Pr为按备用出清的概率，Pti为在t时段，灵活竞标中标量分配给尚开时刻为1的电动 汽车的充电量;最后一部分是灵活竞标按电能出清时的成本期望值，e为电能， P(3为按电能 出清的概率。
[0056] 电动汽车充电动态系统t时段的状态取决于计划在不同时段1完成充电的电动汽 车数量nti，以及电动汽车未完成的充电量LtuLti=(l-S0C) · λ表示预计1时刻完成充电的 电动汽车在t结束时刻未完成的充电量Lti等于1减去此时电动汽车荷电状态S0C(State of Charge，S0C)与电池容量λ的乘积，并且Lti和nti具备动态性。L(t+i)i = Lti+ Δ Lti-ati_9pts0ti， k>t，0表示市场出清事件对动态电池容量的影响，当灵活竞标按备用出清时值为1/2,当灵 活竞标按电能出清时值为1，当灵活竞标未中时值为〇。此外，n(t+m = nti+ Δ nti，1 > t，规定， 中标量在离开时1相同的电动汽车中平均分配，=Σα?' ' t =Σ& ° I l
[0057] 具体的，与上层优化问题对应的约束条件包括配电网容量约束、电动汽车功率约 束、电池缺电容量约束、电动汽车充电需求约束以及电动汽车充电时长约束的至少一种。
[0058] (1)配电网容量约束：
[0059] 在t时段，固定竞标中标量和灵活竞标中标量分配给尚开时刻为1的电动汽车的充 电量之和应不大于配电网容量。
[0060]
(2)
[0061]其中，atl表示在t时段，固定竞标中标量分配给离开时刻为1的电动汽车的充电量； i3tl表示在t时段，灵活竞标中标量分配给离开时刻为1的电动汽车的充电量，ct为配电网容 量。
[0062] (2)电动汽车功率约束：
[0063] 在t时段，离开时刻为1的电动汽车的充电量之和应不大于电动汽车充电功率的最 大值。
[0064]
(3)
[0065] 其中，p表示电动汽车充电功率;atl表示在t时段，固定竞标中标量分配给离开时刻 为1的电动汽车的充电量;Pti表不在t时段，灵活竞标中标量分配给尚开时刻为1的电动汽车 的充电量；W为任何时段1 ;nti为在t时段统计的计划在1时段完成充电的电动汽车数量。 [0066] (3)电池缺电容量约束：
[0067] 在t时段，尚开时刻为1的电动汽车的充电量之和应不大于电动汽车在t时段的缺 电量。
[0068] atl +β" < L;/, V/ (4)
[0069] atl表示在t时段，固定竞标中标量分配给离开时刻为1的电动汽车的充电量;i3tl表 不在t时段，灵活竞标中标量分配给尚开时刻为1的电动汽车的充电量;V/为任何时段1 ;Lti 为计划在1时段完成充电的电动汽车在t时刻未完成的充电量。
[0070] (4)电动汽车充电需求约束：
[0071]
(5)
[0072] 其中，pw表示电动汽车额定充电功率，δ表示充电效率，X表示充电率;1^为计划在1 时段完成充电的电动汽车在t时刻未完成的充电量。
[0073] (5)电动汽车充电时间约束：
Γ π (6)
[0074] v
[0075] 其中，ti表不电动汽车i的充电时长，Xi(t)表不电动汽车i的充电率，Pi,W表不电动 汽车i的额定充电功率，δ?表示电动汽车i的充电效率。
[0076] 在另一实施例中，在开放的市场环境中，负荷集成商控制用户端电动汽车有序充 电与发电企业同等参与市场竞标，市场交易中心在满足电力平衡和调峰、调频备用辅助服 务安全约束的条件下，优化电力市场出清，实现经济调度降低发电成本。因此，通过调度需 求侧资源实现发电成本最小对应的下层优化模型的目标函数如下：
[0077]
(7)
[0078] 其中，Ctgen为t时段内发电机组g的边际成本，单位为元/kWh;Qtgen为t时段内发电机 组g的发电量，单位为kWh; pts为t时段负荷集成商s灵活竞标的价格，单位为元/kWh; qts为t 时段负荷集成商s灵活竞标的中标量，单位为kWh。
[0079]与下层优化问题的目标函数对应的约束条件包括电能供需平衡约束、调峰调频备 用容量约束、发电功率约束和负荷集成商灵活竞标限制约束的至少一种。具体约束条件如 下：
[0080] (1)电能平衡约束：
[0081] 发电企业的发电量等于负荷集成商的所有竞标中标电量之和。
[0082]
(8)
[0083]其中，Qtsg表示负荷集成商固定竞标中标量;qts*t时段负荷集成商s灵活竞标的中 标量;Qtgen为t时段内发电机组g的发电量。
[0084] (2)调峰调频备用容量约束：
[0085] 由发电企业和负荷集成商提供的调峰调频备用之和应不小于系统所需备用容量 的最小值·'
[0086]
稱
[0087] 其中，Rtg(3n为t时段内由发电商提供的调峰、调频备用容量;RtAt时段内分别由负 荷集成商提供的调峰、调频备用容量，R表示所需的备用容量。
[0088] (3)最大最小发电功率限制条件：
[0089] 发电机组提供电能与备用需保证满足机组的发电功率最大最小约束限制。
[0090] Rtgen+Qtgen ^ maxQtgen (10)
[0091] Qtgen-Rtgen 彡 minQtgen (11)
[0092] 其中，Rtgen为t时段内由发电商提供的调峰、调频备用容量;Qtgen为t时段内发电机 组g的发电量.
[0093] (4)负荷集成商最大最小灵活竞标限制条件：
[0094] 负荷集成商中标的电能与备用应不大于总竞标量，并且电能中标量需不小于备用 中标量。
[0095] Rts+qts^Qts (12)
[0096] qts-Rts^O (13)
[0097] 其中，Rts*t时段内分别由负荷集成商提供的调峰、调频备用容量;qts*t时段负 荷集成商s灵活竞标的中标量;Q ts为总竞标量。
[0098] 此外，负荷集成商参与时前电力市场竞标的形式包含固定竞标和灵活竞标，灵活 竞标的市场交易结果存在三种可能事件:一是竞标按负荷以电能形式出清，二是竞标按储 能装置以备用形式出清，三是竞标未中。具体产生哪种竞标出清事件取决于灵活竞标价格 与市场出清价格之间的关系。
[0099] 若 |Pt-pts|<PRt (14)
[0100] 贝 1|有^=見=导 （15): .2
[0101 ] t时刻电能和备用的市场出清价格分别为pt和PRt (元/kWh)。此时，市场交易机构结 算负荷集成商的电能支出为l/2PtQts，以及负荷集成商提供备用服务的收入为l/2P RtQts，负 荷集成商的灵活竞标一半以电能出清，一半以备用出清。
[0102] 若 pts>Pt+PRt (16)
[0103] 则有 qts = Qts，Rts = 〇 (17)
[0104] 此时，市场交易机构结算负荷集成商的电能支出为PtQts，负荷集成商的灵活竞标 全部以电能形式出清。
[0105] 若 pts<Pt-PRt (18)
[0106] 则有 qts = Rts = 〇 (19)
[0107] 此时，市场交易机构拒绝负荷集成商的灵活竞标。
[0108]负荷集成商管理电动汽车有序充电参与电力市场的最优竞标策略优化方法，考虑 了负荷集成商综合配电网容量限制条件，电动汽车起始与期望荷电状态和充电完成时间等 信息，通过模型优化竞标策略，能够实现满足用户个性化需求前提下的电动汽车充电成本 最小化。
[0109] 在另一实施例中，大规模充电汽车充电属于随机动态规划问题，求解维度高约束 复杂问题，具有随机性、动态性和分布性特点，而随机动态规划方法对求解该问题具有较好 的适应性，因此，步骤S106中采用随机动态规划对模型进行求解，具体步骤如下：
[0110] A、问题划分，按照问题的时间或空间特征，把问题分为若干阶段；
[0111] B、确定状态和状态变量，将问题发展到各个阶段时所处于的各种客观情况用不同 的状态表示出来；
[0112] C、确定决策并写出状态转移方程，状态转移即根据上一阶段的状态和决策来导出 本阶段的状态；
[0113] D、写出终止条件或边界条件；
[0114] E、输出最优解。
[0115]假设固定灵活竞价为#，求解生成的线性规划问题得到竞标的数量3和期望成本c (#)。在多级动态规划的部分，灵活竞价不影响竞价数量的可行性，只影响线性规划成本向 量ck。因此，通过竞价扰动，更新成本向量￡^0.并评估xk，能够迅速计算梯度如公式（18)所 7Jn 〇
[0116]
(2〇)
[0117] 注意在梯度方法收敛时延期成本必须保持固定，因为改变延期成本会影响成本向 量，从而使得之前的梯度估计无效。
[0118] 在梯度估计时，运用最速下降法来更新竞价，如公式(19)所示，
[0119]
⑶）
[0120] 其中I为单位矩阵，ak为步长。
[0121] 本发明实施例的考虑了大规模电动汽车充电在电力系统中对于维护电网供需平 衡和提供备用辅助服务的作用。在目标函数中包含了通过概率估算电动汽车竞标结果的影 响，从而切实保证电动汽车充电总期间成本最低这个根本目标的实现，以实现削峰填谷和 平滑负荷曲线，对于促进电网同大规模电动汽车可持续发展具有重要的现实意义和良好的 推广前景。
[0122] 以下给出本发明的一个应用实例。
[0123] 该应用实例采用的低压配电网包含50户共100辆插电式混合动力电动汽车，假设 每户额定电压为10kW，每辆电动汽车归来时电池电量全部耗尽，所有电动汽车在模型开始 时插入充电，并在3:00-12:00之间完成充电，充电完成时的S0C为100%，如表1所示，电动汽 车电池的容量为8kWh，惩罚成本为0.8元/kWh。
[0124] 表1各时段充电的电动汽车的数量
[0125]
[0126]
[0127] 将三种电动汽车充电策略的结果进行对比。第一种，是市场参与策略，即本发明的 双层随机动态规划模型对应的充电策略。第二种，自我调度策略，负荷集成商仅提交固定电 能竞标，并基于电价预测情况给电动汽车充电。市场参与策略和自我调度策略时，负荷集成 商均对馈线容量限制进行监测。第三种，是机会充电策略，即从插入开始充电，直到理想的 充电状态达到为止，而不管馈线容量的可用性。
[0128] 通过对时前电力市场电能与备用出清价格的估计值以及高/低阻塞水平下配电网 可用容量估计值，运用CPLEX MIP优化引擎结合C++编程求解模型。负荷集成商在时前市场 竞标策略的优化结果如图2、3所示。本实施例的优化方法在成本上更合理。具体计算结果见 表2。
[0129] 表2三种电动汽车充电策略的结果
[0130]
[0132] 市场参与策略能够为填谷提供最佳选择给出需求模式假设，机会充电增加，峰时 负荷延长几个小时，并且馈线容量限制发生变化。负荷集成商可能会通过监测容量限制，扣 除有限的馈线损耗充电量。自我调度将转移到低阻塞时期充电，然而充电可能会导致负荷 曲线中的第二个高峰，有时被称为"反弹高峰"。对于市场参与策略，由于市场事件的不确定 性，以及电动汽车为了提供备用必须以低于最大消耗率充电，因此对更早充电和以更低消 耗率充电有激励，从而能够控制电动汽车群的充电行为。
[0133] 在一个实施例中，还提供一种电动汽车群的充电控制系统，如图4所示，包括：
[0134] 建模模块102,用于构建电动汽车群参与市场竞标策略的双层随机动态规划模型， 双层随机动态规划模型包括上层优化问题和下层优化问题，上层优化问题对应电动汽车群 充电期间成本最小化，下层优化问题对应调度需求侧资源实现发电成本最小。
[0135] 约束构建模块104,用于构建电动汽车群参与市场竞标策略支持模型的约束条件。
[0136] 计算模块106,用于根据约束条件，采用随机动态规划方法求解双层随机动态规划 模型，得到双层随机动态规划模型的最优解。
[0137] 确定充电策略模块108,用于根据最优解确定电动汽车群的充电策略。
[0138] 充电控制模块110,用于根据充电策略控制电动汽车群充电。
[0139] 本实施例的电动汽车群的充电控制系统，通过构建电动汽车群参与市场竞标策略 的双层随机动态规划模型，通过根据约束条件求解双层随机动态规划模型，得到最优解并 根据最优解确定电动汽车群的充电策略，从而根据充电策略控制电动汽车群充电。由于双 层随机动态规划模型的上层优化问题对应电动汽车群充电期间成本最小化，下层优化问题 对应调度需求侧资源实现发电成本最小，从而在考虑电动汽车群的购电成本和发电成本 最小的协调的前提下，实现真正意义上最优竞价，根据最优竞价确定充电策略调度电动汽 车群用户调整充电行为，例如，在负荷低谷时段充电，在价格低的时段充电，以控制电动汽 车群在合适的竞价成本时进行充电，从而降低电动汽车群的购电成本。
[0140] 在一个实施例中，上层优化问题的目标函数为：
[0141]
[0142] 其中，C为电动汽车群充电期间成本;Pt为t时刻电能的市场出清价格，PRt为t时刻 备用的市场出清价格；目标函数表示的电动汽车群充电期间成本是四部分的总和，其中，第 一部分为电动汽车按调度安排未达到期望的充电状态就停止充电的边际惩罚成本;第二部 分为固定竞标的成本期望值;第三部分为灵活竞标按备用出清时的成本期望值;第四部分 为灵活竞标按电能出清时的成本期望值;μ为边际惩罚成本系数，Lt为电动汽车t时刻未完 成的充电量; ati为在t时段，固定竞标中标量分配给尚开时刻为1的电动汽车的充电量;r为 备用，Pr为按备用出清的概率，Pti为在t时段，灵活竞标中标量分配给尚开时刻为1的电动汽 车的充电量;e为电能， Pe3为按电能出清的概率。
[0143] 在一个实施例中，下层优化问题的目标函数为：
[0144]
[0145] 其中，Ctgen为t时段内发电机组g的边际成本，Qtgen为t时段内发电机组g的发电量， PtsSt时段负荷集成商s灵活竞标的价格，qtsSt时段负荷集成商s灵活竞标的中标量。
[0146] 在一个实施例中，与上层优化问题对应的约束条件包括配电网容量约束、电动汽 车功率约束、电池缺电容量约束、电动汽车充电需求约束以及电动汽车充电时长约束的至 少一种。
[0147] 在一个实施例中，与下层优化问题对应的约束条件包括电能供需平衡约束、调峰 调频备用容量约束、发电功率约束和负荷集成商灵活竞标限制约束的至少一种。
[0148] 以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例 中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛 盾，都应当认为是本说明书记载的范围。
[0149] 以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并 不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来 说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护 范围。因此，本发明专利的保护范围应以所附权利要求为准。
【主权项】
1. 一种电动汽车群的充电控制方法，包括： 构建电动汽车群参与市场竞标策略的双层随机动态规划模型，所述双层随机动态规划 模型包括上层优化问题和下层优化问题，所述上层优化问题对应电动汽车群充电期间成本 最小化，所述下层优化问题对应调度需求侧资源实现发电成本最小； 构建所述双层随机动态规划模型的约束条件； 根据所述约束条件，采用随机动态规划方法求解所述双层随机动态规划模型，得到所 述双层随机动态规划模型的最优解； 根据所述最优解确定电动汽车群的充电策略； 根据所述充电策略控制所述电动汽车群充电。2. 根据权利要求1所述的电动汽车群的充电控制方法，其特征在于，所述上层优化问题 的目标函数为：其中，C为电动汽车群充电期间成本;Pt为t时刻电能的市场出清价格，PRt为t时刻备用 的市场出清价格；目标函数表示的电动汽车群充电期间成本是四部分的总和，其中，第一部 分为电动汽车按调度安排未达到期望的充电状态就停止充电的边际惩罚成本;第二部分为 固定竞标的成本期望值;第三部分为灵活竞标按备用出清时的成本期望值;第四部分为灵 活竞标按电能出清时的成本期望值;μ为边际惩罚成本系数，U为电动汽车t时刻未完成的 充电量; ati为在t时段，固定竞标中标量分配给尚开时刻为1的电动汽车的充电量;r为备用， Pr为按备用出清的概率，Pti为在t时段，灵活竞标中标量分配给尚开时刻为1的电动汽车的 充电量;e为电能，Pf3为按电能出清的概率。3. 根据权利要求1所述的电动汽车群的充电控制方法，其特征在于，所述下层优化问题 的目标函数为：其中，Ctgen为t时段内发电机组g的边际成本，Qtgen为t时段内发电机组g的发电量，ptAt 时段负荷集成商s灵活竞标的价格，qtsSt时段负荷集成商s灵活竞标的中标量。4. 根据权利要求2所述的电动汽车群的充电控制方法，其特征在于，与所述上层优化问 题对应的约束条件包括配电网容量约束、电动汽车功率约束、电池缺电容量约束、电动汽车 充电需求约束以及电动汽车充电时长约束的至少一种。5. 根据权利要求3所述的电动汽车群的充电控制方法，其特征在于，与所述下层优化问 题对应的约束条件包括电能供需平衡约束、调峰调频备用容量约束、发电功率约束和负荷 集成商灵活竞标限制约束的至少一种。6. -种电动汽车群的充电控制系统，包括： 建模模块，用于构建电动汽车群参与市场竞标策略的双层随机动态规划模型，所述双 层随机动态规划模型包括上层优化问题和下层优化问题，所述上层优化问题对应电动汽车 群充电期间成本最小化，所述下层优化问题对应调度需求侧资源实现发电成本最小； 约束构建模块，用于构建所述双层随机动态规划模型的约束条件； 计算模块，用于根据所述约束条件，采用随机动态规划方法求解所述双层随机动态规 划模型，得到所述双层随机动态规划模型的最优解； 确定充电策略模块，用于根据所述最优解确定电动汽车群的充电策略； 充电控制模块，用于根据所述充电策略控制所述电动汽车群充电。7. 根据权利要求6所述的电动汽车群的充电控制系统，其特征在于，所述上层优化问题 的目标函数为：其中，C为电动汽车群充电期间成本;Pt为t时刻电能的市场出清价格，PRt为t时刻备用 的市场出清价格；目标函数表示的电动汽车群充电期间成本是四部分的总和，其中，第一部 分为电动汽车按调度安排未达到期望的充电状态就停止充电的边际惩罚成本;第二部分为 固定竞标的成本期望值;第三部分为灵活竞标按备用出清时的成本期望值;第四部分为灵 活竞标按电能出清时的成本期望值;μ为边际惩罚成本系数，U为电动汽车t时刻未完成的 充电量; ati为在t时段，固定竞标中标量分配给尚开时刻为1的电动汽车的充电量;r为备用， Pr为按备用出清的概率，Pti为在t时段，灵活竞标中标量分配给尚开时刻为1的电动汽车的 充电量;e为电能，Pf3为按电能出清的概率。8. 根据权利要求6所述的电动汽车群的充电控制系统，其特征在于，所述下层优化问题 的目标函数为：其中，Ctgen为t时段内发电机组g的边际成本，Qtgen为t时段内发电机组g的发电量，ptAt 时段负荷集成商s灵活竞标的价格，qtsSt时段负荷集成商s灵活竞标的中标量。9. 根据权利要求7所述的电动汽车群的充电控制系统，其特征在于，与所述上层优化问 题对应的约束条件包括配电网容量约束、电动汽车功率约束、电池缺电容量约束、电动汽车 充电需求约束以及电动汽车充电时长约束的至少一种。10. 根据权利要求8所述的电动汽车群的充电控制系统，其特征在于，与所述下层优化 问题对应的约束条件包括电能供需平衡约束、调峰调频备用容量约束、发电功率约束和负 荷集成商灵活竞标限制约束的至少一种。
【文档编号】B60L11/18GK105932741SQ201610394740
【公开日】2016年9月7日
【申请日】2016年6月2日
【发明人】宋艺航, 张翔, 蒙文川, 冷媛, 王玲, 席云华, 傅蔷, 陈政, 曾鸣
【申请人】中国南方电网有限责任公司电网技术研究中心, 南方电网科学研究院有限责任公司, 华北电力大学