自动驾驶电动汽车的车网双向能量优化交互方法及系统与流程

本发明涉及车网双向能量交互领域，尤其涉及一种自动驾驶电动汽车的车网双向能量优化交互方法及系统。

背景技术：

1、车网双向能量互动的概念源于电动汽车和电力系统之间日益紧密的联系，特别是在应对电动汽车快速普及带来的电网压力时，这一互动模式逐渐受到关注，随着全球电动汽车保有量的急剧增长，传统电网面临着前所未有的挑战，如负荷峰值的波动和电力资源分配的复杂化，为了应对这些挑战，车网双向能量互动技术应运而生，其不仅允许电动汽车从电网获取能量进行充电，还能使其在电网需求高峰时段将储存的电能反馈回电网，从而充当分布式储能装置，这一双向能量流动的机制可以有效缓解电网的负担，平衡电力供应与需求，减少峰值电力需求对电网的冲击。

2、自动驾驶技术的进展同样引人瞩目。自动驾驶电动汽车充电引导技术的核心在于通过车载系统与充电基础设施之间的无缝通信，智能选择最佳的充电时机与地点。随着技术的不断迭代，自动驾驶的安全性和稳定性得到了显著提升。除了车辆用户的日常通勤，将自动驾驶电动汽车的优势有效运用到车网双向能量优化交互领域也是需要发掘的方向。

技术实现思路

1、本发明的目的是克服现有技术中存在的上述问题，提供了一种自动驾驶电动汽车的车网双向能量优化交互方法及系统。

2、为实现以上目的，本发明的技术解决方案是：

3、第一方面，本发明提出一种自动驾驶电动汽车的车网双向能量优化交互方法，包括：

4、s1、构建电力-交通耦合网的双向能量优化交互模型，所述电力-交通耦合网的双向能量优化交互模型以最小化自动驾驶电动汽车的综合充电成本为目标，并考虑电动汽车的车主驾驶模式、无人驾驶模式、以及电动汽车的充电和v2g反向放电；

5、s2、求解电力-交通耦合网的双向能量优化交互模型，得到自动驾驶电动汽车的车网双向能量优化交互方案。

6、所述电力-交通耦合网的双向能量优化交互模型的目标函数包括：

7、min ce+cb+ct；

8、

9、上式中，ce为充电站向上级电网购电的成本；cb为电池损耗成本；ct为用户时间成本；d为一年内典型日的数量；t为一个典型日内任意一个时段；为时段t时，配电网向节点e处的充电站输出的有功功率；为时段t的购电电价；cbv和cbe分别为电池作为电动汽车车载动力电池和充电站储能时所消耗的日电池损耗成本；为时段t，采用路径k前往充电站充电的车主驾驶电动汽车的车辆流量；为时段t，采用路径k前往充电站执行v2g反向放电的车主驾驶电动汽车车辆流量；为路径k与道路l的关联系数；为时段t，道路l的通行时长；tch和tdi分别为单次充电和单次v2g反向放电的时长；prt为单位时间成本。

10、所述电力-交通耦合网的双向能量优化交互模型考虑了车辆充放电引导约束，所述车辆充放电引导约束包括：

11、

12、

13、上式中，和分别为时段t，采用路径k前往充电站充电的车主驾驶电动汽车和自动驾驶电动汽车的车辆流量；为路径k与起点or的相关性系数，若其为1则路径k的起点为or；k为前往充电站充电和放电的路径；or和cs分别为行程的起点和充电站所在的节点；和分别为时段t，采用路径k前往充电站执行v2g反向放电的车主驾驶电动汽车和自动驾驶电动汽车的车辆流量；和分别为时段t，在起点or处电量不足和电量充足的电动汽车数量；和为时段t，在起点or处，处于用车状态和空闲状态的电动汽车数量；和分别为时段t，在节点cs处的充电站用于充电和v2g反向放电的充电桩数量；λr为一个典型日内满足的最小充电需求量的比例；为路径k与充电站所在节点cs的相关性系数，若其为1则路径k的目标充电站所在节点为cs；tch和tdi分别为单次充电和v2g反向放电的平均时长；tu为单位时间；为节点cs处的充电站的充电桩数量。

14、所述电力-交通耦合网的双向能量优化交互模型还考虑电动汽车电池全寿命周期的充电站运行约束，所述充电站运行约束包括：

15、

16、

17、prub＝prb/2(cyvbcκv+cyebcκe)；

18、

19、上式中，为t时段，配电网向节点e处的充电站输出的功率；为t时段，节点e处的充电站内实际消纳的光伏功率；为t时段，节点e处的充电站内的输出或输入功率，当时，储能系统处于放电状态，当时，储能系统处于充电状态；为t时段，节点e处的充电站内电动汽车v2g反向放电的功率；λc为电动汽车充电桩的能量转换效率；为t时段，节点e处的充电站内电动汽车的充电负荷；和分别为时段t，在节点cs处的充电站用于充电和v2g反向放电的充电桩数量；为充电站所在节点cs与配电网节点e的相关性系数，若其为1则节点cs处充电站接入配电网节点e；puc为单台充电桩的额定充电功率；pud为单台充电桩的额定v2g反向放电功率；为t时段，节点e处的充电站内光伏的最大功率；pcm和pdm分别为单台储能的最大放电功率和最大充电功率；为配网节点e处充电站内储能系统的配置数量；ηl和ηh分别为储能能量状态的下限和上限；ece为单台储能的安装容量；eco为单台储能的初始电量；prub为电池充放电循环时单位容量的成本；prb为单个电池的价格；cyv和cye分别为电池作为车载动力电池和充电站储能时的循环寿命；bc为单个电池的设计容量；κv和κe分别为电池作为车载动力电池和充电站储能时的健康度；和分别为t时段，节点e处的充电站内储能的充电能量和放电能量，在同一时段两者必有一个为0；为储能运行状态的二进制变量，当时储能放电，时储能充电；at,e为mccormick包络法中采用的辅助变量。

20、所述电力-交通耦合网的双向能量优化交互模型还考虑电力-交通耦合网约束，所述电力-交通耦合网约束包括：

21、

22、上式中，和分别为时段t时线路w上的有功和无功功率；和分别为时段t时，配电网节点e处接入的基础有功和无功负荷；为t时段，配电网向节点e处的充电站输出的功率；w为与配电网节点e相连的所有线路；lcw为配电网线路w的容量；δut,w为时段t内配电网线路w上的电压降；和分别为配电网线路w的电阻和电抗；un为配电网母线额定电压；ut,a和ut,b分别为时段t内配电网节点a和b的母线电压，节点a和b分别为配电网线路w的两个端点；ut,e为时段t内配电网节点e的母线电压；um和um分别为配电网母线电压的上限和下限；为路径k与道路l的关联系数；ftt,l为时段t，道路l上的总交通流量；和分别为时段t，采用路径k前往充电站充电的车主驾驶电动汽车和自动驾驶电动汽车的车辆流量；和分别为时段t，采用路径k前往充电站执行v2g反向放电的车主驾驶电动汽车和自动驾驶电动汽车的车辆流量；fcl为道路l的交通容量上限。

23、第二方面，本发明提出一种自动驾驶电动汽车的车网双向能量优化交互系统，包括模型构建模块和模型求解模块；

24、所述模型构建模块用于构建电力-交通耦合网的双向能量优化交互模型，所述电力-交通耦合网的双向能量优化交互模型以最小化自动驾驶电动汽车的综合充电成本为目标，并考虑电动汽车的车主驾驶模式、无人驾驶模式、以及电动汽车的充电和v2g反向放电；

25、所述模型求解模块用于求解电力-交通耦合网的双向能量优化交互模型，得到自动驾驶电动汽车的车网双向能量优化交互方案。

26、所述电力-交通耦合网的双向能量优化交互模型的目标函数包括：

27、min ce+cb+ct；

28、

29、上式中，ce为充电站向上级电网购电的成本；cb为电池损耗成本；ct为用户时间成本；d为一年内典型日的数量；t为一个典型日内任意一个时段；为时段t时，配电网向节点e处的充电站输出的有功功率；为时段t的购电电价；cbv和cbe分别为电池作为电动汽车车载动力电池和充电站储能时所消耗的日电池损耗成本；为时段t，采用路径k前往充电站充电的车主驾驶电动汽车的车辆流量；为时段t，采用路径k前往充电站执行v2g反向放电的车主驾驶电动汽车车辆流量；为路径k与道路l的关联系数；为时段t，道路l的通行时长；tch和tdi分别为单次充电和单次v2g反向放电的时长；prt为单位时间成本。

30、所述电力-交通耦合网的双向能量优化交互模型考虑了车辆充放电引导约束，所述车辆充放电引导约束包括：

31、

32、上式中，和分别为时段t，采用路径k前往充电站充电的车主驾驶电动汽车和自动驾驶电动汽车的车辆流量；为路径k与起点or的相关性系数，若其为1则路径k的起点为or；k为前往充电站充电和放电的路径；or和cs分别为行程的起点和充电站所在的节点；和分别为时段t，采用路径k前往充电站执行v2g反向放电的车主驾驶电动汽车和自动驾驶电动汽车的车辆流量；和分别为时段t，在起点or处电量不足和电量充足的电动汽车数量；和为时段t，在起点or处，处于用车状态和空闲状态的电动汽车数量；和分别为时段t，在节点cs处的充电站用于充电和v2g反向放电的充电桩数量；λr为一个典型日内满足的最小充电需求量的比例；为路径k与充电站所在节点cs的相关性系数，若其为1则路径k的目标充电站所在节点为cs；tch和tdi分别为单次充电和v2g反向放电的平均时长；tu为单位时间；为节点cs处的充电站的充电桩数量。

33、所述电力-交通耦合网的双向能量优化交互模型还考虑电动汽车电池全寿命周期的充电站运行约束，所述充电站运行约束包括：

34、

35、prub＝prb/2(cyvbcκv+cyebcκe)；

36、

37、

38、上式中，为t时段，配电网向节点e处的充电站输出的功率；为t时段，节点e处的充电站内实际消纳的光伏功率；为t时段，节点e处的充电站内的输出或输入功率，当时，储能系统处于放电状态，当时，储能系统处于充电状态；为t时段，节点e处的充电站内电动汽车v2g反向放电的功率；λc为电动汽车充电桩的能量转换效率；为t时段，节点e处的充电站内电动汽车的充电负荷；和分别为时段t，在节点cs处的充电站用于充电和v2g反向放电的充电桩数量；为充电站所在节点cs与配电网节点e的相关性系数，若其为1则节点cs处充电站接入配电网节点e；puc为单台充电桩的额定充电功率；pud为单台充电桩的额定v2g反向放电功率；为t时段，节点e处的充电站内光伏的最大功率；pcm和pdm分别为单台储能的最大放电功率和最大充电功率；为配网节点e处充电站内储能系统的配置数量；ηl和ηh分别为储能能量状态的下限和上限；ece为单台储能的安装容量；eco为单台储能的初始电量；prub为电池充放电循环时单位容量的成本；prb为单个电池的价格；cyv和cye分别为电池作为车载动力电池和充电站储能时的循环寿命；bc为单个电池的设计容量；κv和κe分别为电池作为车载动力电池和充电站储能时的健康度；和分别为t时段，节点e处的充电站内储能的充电能量和放电能量，在同一时段两者必有一个为0；为储能运行状态的二进制变量，当时储能放电，时储能充电；at,e为mccormick包络法中采用的辅助变量。

39、所述电力-交通耦合网的双向能量优化交互模型还考虑电力-交通耦合网约束，电力-交通耦合网约束包括：

40、

41、

42、上式中，和分别为时段t时线路w上的有功和无功功率；和分别为时段t时，配电网节点e处接入的基础有功和无功负荷；为t时段，配电网向节点e处的充电站输出的功率；w为与配电网节点e相连的所有线路；lcw为配电网线路w的容量；δut,w为时段t内配电网线路w上的电压降；和分别为配电网线路w的电阻和电抗；un为配电网母线额定电压；ut,a和ut,b分别为时段t内配电网节点a和b的母线电压，节点a和b分别为配电网线路w的两个端点；ut,e为时段t内配电网节点e的母线电压；um和um分别为配电网母线电压的上限和下限；为路径k与道路l的关联系数；ftt,l为时段t，道路l上的总交通流量；和分别为时段t，采用路径k前往充电站充电的车主驾驶电动汽车和自动驾驶电动汽车的车辆流量；和分别为时段t，采用路径k前往充电站执行v2g反向放电的车主驾驶电动汽车和自动驾驶电动汽车的车辆流量；fcl为道路l的交通容量上限。

43、与现有技术相比，本发明的有益效果为：

44、1、本发明提出的一种自动驾驶电动汽车的车网双向能量优化交互方法所构建的电力-交通耦合网的双向能量优化交互模型，考虑电动汽车的车主驾驶模式、无人驾驶模式、以及电动汽车的充电和v2g反向放电，一方面利用自动驾驶电动汽车的无人驾驶模式在空闲时段前往充电站进行充电和放电可以有效减少用户的额外行程，降低时间成本，同时增加充放电负荷的调度灵活性；另一方面充分利用了自动驾驶电动汽车的优势，允许其在用户的非用车时段自行前往充电站进行充、放电操作，在满足交通约束的前提下，实现车网双向交互优化。

45、2、本发明提出的一种自动驾驶电动汽车的车网双向能量优化交互方法所构建的电力-交通耦合网的双向能量优化交互模型，采用梯次利用的方式，将车辆淘汰的动力电池配置于充电站进行二次利用，并考虑了充放电循环次数对于储能的寿命影响，采用光伏-储能-自动驾驶电动汽车v2g的多元分布式电源配置方式，提高充电站的整体负荷灵活性，降低系统从上级电网购电的成本。