一种计及碳减排的充电站定价方法、系统及设备与流程

本发明涉及一种计及碳减排的充电站定价方法、系统及设备，属于智能电力、电网。

背景技术：

1、近些年来，电动汽车的市场热度逐渐升高，电动汽车因其具有清洁环保、高效节能和低噪声等优点得到政府推崇及车辆使用者的喜爱。目前，我国的新能源车主要有纯电动汽车和非纯电动汽车两种，而这两类新能源汽车都需要通过充电或者换电池的方法补充能量，基于我国换电模式实现较为困难，充电则成为了新能源汽车补充能量最普遍的选择。而电动汽车数量的增长迅速，使充电需求也大量增加，充电功率提高迅速。电动汽车用户在晚间的聚集充电行为将引发配电网“峰上加峰”问题。作为一种新型负荷，电动汽车无序充电会加大网侧负荷峰谷差、减少变压器寿命以及增大网损，电动汽车有序充电能够参与电网辅助服务，优化电网运行。

2、因此需要引导电动汽车进行有序充电，合理有效的充电定价方法能够引导电动汽车用户改变固有的充电习惯，响应充电站的调度，降低电动汽车充电负荷随机性对电网的负面影响。通过调节充电站价格，可以引导用户进行不同时间段，不同站点进行充电，通过改变负载状态改变电网潮流，减小电动汽车负载对电网造成的影响。而如何进行合理的充电站定价以达到提高充电站收益并降低碳排放与负荷峰谷差的目的，成为本领域技术人员亟待解决的技术问题。

3、因此，需要一种计及碳减排的充电站定价方法以解决上述问题。

技术实现思路

1、本发明的目的在于提供一种计及碳减排的充电站定价方法，以解决上述背景技术中提出的问题。

2、一种计及碳减排的充电站定价方法，包括以下步骤：

3、一、获取充电站运营数据，提取运营数据中充电的价格差与对应的用户响应意愿数据，建立考虑死区的电动汽车用户价格响应模型；

4、二、以配电网潮流约束、线路安全约束、充电站定价约束和充电站收益约束为约束条件，以电动汽车碳排放最小、配电网负荷峰谷差最小以及充电站收益最大为优化目标，构建计及碳减排的电动汽车充电站协调定价模型；

5、三、将步骤二构建的计及碳减排的电动汽车充电站协调定价模型转化为马尔科夫决策过程模型；

6、四、通过ppo算法对步骤三得到的马尔科夫决策过程模型进行训练求解，完成电动汽车充电站协调定价。

7、更进一步的，步骤三中马尔科夫决策过程模型包括四个基本元素，四个基本元素分别为状态、动作、奖励和状态转移概率。

8、更进一步的，步骤一中建立考虑死区的电动汽车用户价格响应模型，包括以下步骤：

9、11、根据运营数据中充电的价格差与对应的用户响应意愿数据，确定死区阈值δλ1和饱和阈值δλ2；

10、12、根据下式建立考虑死区的电动汽车用户价格响应模型：

11、

12、其中,μ电动汽车用户响应意愿；μmax为最大响应意愿；δλ为充电站新的分时电价与原电价的价格差；δλ1为死区阈值；δλ2为饱和阈值。

13、更进一步的，步骤二中配电网潮流约束通过下式表示：

14、

15、

16、式中：为配电网在t时段的有功负荷；分别为配电网在t时段的无功负荷；为充电站在t时段的有功负荷；为充电站在t时段的无功负荷；vi,t为节点i在t时段的电压；gij为支路i-j的电导；bij为支路i-j的电纳；θij,t为支路i-j的相角差；

17、线路安全约束通过下式表示：

18、vi,min≤vi,t≤vi,max

19、iij,min≤iij,t≤iij,max

20、pij,min≤pij,t≤pij,max

21、qij,min≤qij,t≤qij,max

22、式中：vi,t为节点i在t时段的电压；vi,max为节点i的电压上限；vi,min为节点i的电压下限；iij,t为支路i-j电流；iij,max为支路i-j电流上限；iij,min为支路i-j电流下限；pij,t为支路i-j有功功率；pij,max为支路i-j有功功率上限；pij,min为支路i-j有功功率下限；qij,t为支路i-j无功功率；qij,max为支路i-j无功功率上限；qij,min为支路i-j无功功率下限；

23、充电站定价约束通过下式表示：

24、

25、式中：χ为定价限幅系数，λttou为工业分时电价，为充电站i在t时段的充电电价；

26、充电站收益约束通过下式表示：

27、

28、式中：为实施所提分时电价之后的充电站收益；为实施所提分时电价之前的充电站收益，t为时间段；i为充电站编号；t为总时间段；n为充电站总数量。

29、更进一步的，步骤二中电动汽车碳排放最小的目标函数为：

30、

31、式中，t为一天总时间段；为配电网在t时段的碳排放因子；ptev为不同时刻电动汽车总充电负荷；δt为时间步长；

32、配电网负荷峰谷差最小的目标函数为：

33、

34、式中，为配电网负荷峰值，为配电网负荷谷值；

35、充电站收益最高的目标函数为：

36、

37、式中，n为充电站数量；λttou为工业分时电价；为充电站i在t时段的充电电价；为充电站i在t时段的充电负荷大小，δt为时间步长，t为一天总时间段。

38、更进一步的，步骤三中将步骤二构建的计及碳减排的电动汽车充电站协调定价模型转化为马尔科夫决策过程模型，包括以下步骤：

39、31、根据配电网的有功负荷数据和碳排放因子数据与充电站的有功负荷数据和分时电价数据，构建状态函数：

40、

41、式中，st为t时刻环境状态；为配电网在t时段的有功负荷，为配电网在t时段的碳排放因子；为各充电站在t时段的有功负荷，为各充电站在t-1时段的充电电价；

42、32、根据各充电站实时电价数据，构建动作函数：

43、

44、式中，为各充电站实时充电电价，at为t时刻执行动作；

45、33、根据碳排放成本数据、配电网负荷峰谷差数据和充电站收益数据，构建奖励函数：

46、

47、

48、

49、

50、式中，rt为奖励；为碳排放成本；rtdn为负荷峰谷差惩罚；rtcs为充电站收益；为碳排放成本系数；λpd为峰谷差惩罚系数，n为充电站数量，λttou为工业分时电价；为充电站i在t时段的充电电价，δt为时间步长，为配电网负荷峰值，为配电网负荷谷值，st为t时刻环境状态；

51、34：在t时刻，环境状态为st，执行动作at后进入t+1时刻，环境状态会随之转移到st+1，构建状态转移概率函数：

52、st+1＝ψ(st,at)

53、式中，st+1为t+1时刻环境状态，st为t时刻环境状态，at为t时刻执行动作。

54、更进一步的，步骤四中ppo算法，包括以下步骤：

55、41、根据ppo算法构建t时刻的优势函数

56、

57、式中，vφ(st)为状态价值函数；γ为折旧率；k为视野步长，sk为从状态st开始的第k个视野状态；rt为t时刻的奖励；rt+1为t+1时刻的奖励；γk-t+1为从状态st开始的第k个视野状态到t+1时刻之间的折旧率；rk-1为状态st开始的第k-1个时间步的奖励；γk-t为从状态st开始的第k个视野状态到t时刻之间的折旧率；

58、42、根据优势函数ppo算法的目标函数lclip为：

59、

60、

61、

62、式中：ε代表裁减率，τt代表新旧策略比率，为策略函数；

63、43、根据下式调整裁减率ε：

64、

65、δt＝rt+γvφ(st+1)-vφ(st)

66、式中，εmax为最大裁减率；εmin为最小裁减率；δt为时间差分误差；为时间差分误差的均值；vφ(st)为t时刻的状态价值函数；vφ(st+1)为t+1时刻的状态价值函数；γ为折旧率；rt为奖励。

67、更进一步的，步骤四中通过ppo算法对步骤三得到的马尔科夫决策过程模型进行离线训练与在线求解，所述ppo算法包括策略网络actor和价值网络critic，包括以下步骤：

68、s451：初始化训练次数和时间步长，设n＝1，t＝1，n<n，t<t，其中，n为最大训练次数，t为训练最长时间；

69、s452：根据配电网的有功负荷数据和碳排放因子数据与充电站的有功负荷数据和分时电价数据，构建状态函数st：

70、

71、式中，st为t时刻环境状态；为配电网在t时段的有功负荷，为配电网在t时段的碳排放因子；为各充电站在t时段的有功负荷，为各充电站在t-1时段的充电电价；

72、根据各充电站实时电价数据，构建动作函数at：

73、

74、式中，为各充电站实时充电电价，at为t时刻执行动作；

75、s453：根据步骤s452得到的配电网与充电站实时状态st和动作决策at计算所得奖励rt，得到新的环境状态st+1；

76、s454：将样本(st,at,rt,st+1)存入经验池；

77、s455：计算样本的时间差分误差δt，根据下式动态调整裁减率ε：

78、

79、δt＝rt+γvφ(st+1)-vφ(st)

80、式中，εmax为最大裁减率；εmin为最小裁减率；δt为时间差分误差；为时间差分误差的均值；vφ(st)为t时刻的状态价值函数；vφ(st+1)为t+1时刻的状态价值函数；γ为折旧率；rt为奖励；

81、s456：从经验池中抽取mini-batch样本，更新价值网络critic；

82、s457：根据下式计算lclip，更新策略网络actor：

83、

84、

85、

86、式中：ε代表裁减率，τt代表新旧策略比率，为策略函数；

87、s458：判断是否达到最大时间，若达到最大时间则进行下一步，若未到达最大时间则返回步骤s452并设t＝t+1；

88、s4509：判断是否达到最大回合，若达到最大回合则进行下一步，若未到达最大回合则返回步骤s452并设n＝n+1；

89、s4510：结束并输出电动汽车充电站协调定价。

90、有益效果：本发明的计及碳减排的充电站定价方法通过建立以碳排放最低、负荷峰谷差最小以及充电站收益最高为目标的定价优化模型并将其转化为马尔科夫决策模型，同时提出一种基于时间差分误差的改进的ppo算法，以提高算法的效率与稳定性，该定价方法通过合理的充电站定价能够降低配网负荷峰谷差，提高充电站经济效益并降低碳排放。

91、本发明还公开了一种计及碳减排的充电站定价系统，采用如上所述的计及碳减排的充电站定价方法，包括数据提取处理模块、模型构建模块、模型转化模块和训练输出模块，所述数据提取处理模块用于取充电站运营数据，提取运营数据中充电的价格差与对应的用户响应意愿数据，建立考虑死区的电动汽车用户价格响应模型；

92、所述模型构建模块用于以配电网潮流约束、线路安全约束、充电站定价约束和充电站收益约束为约束条件，以电动汽车碳排放最小、配电网负荷峰谷差最小以及充电站收益最大为优化目标，构建计及碳减排的电动汽车充电站协调定价模型；

93、所述模型转化模块用于将所述模型构建模块构建的计及碳减排的电动汽车充电站协调定价模型转化为马尔科夫决策过程模型；

94、所述训练输出模块用于通过改进的ppo算法对所述模型转化模块得到的马尔科夫决策过程模型进行离线训练与在线求解，完成电动汽车充电站协调定价。

95、有益效果：本发明的计及碳减排的充电站定价系统通过建立以碳排放最低、负荷峰谷差最小以及充电站收益最高为目标的定价优化模型并将其转化为马尔科夫决策过程，同时提出一种基于时间差分误差的改进的ppo算法，以提高算法的效率与稳定性，该定价方法通过合理的充电站定价能够降低配网负荷峰谷差，提高充电站经济效益并降低碳排放。

96、本发明还公开了一种计及碳减排的充电站定价设备，包括存储器和处理器，所述存储器用于存储计算机程序，所述处理器用于在调用所述计算机程序时执行如上所述的计及碳减排的充电站定价方法。

97、有益效果：本发明的计及碳减排的充电站定价装置通过建立以碳排放最低、负荷峰谷差最小以及充电站收益最高为目标的定价优化模型并将其转化为马尔科夫决策过程，同时提出一种基于时间差分误差的改进的ppo算法，以提高算法的效率与稳定性，该定价方法通过合理的充电站定价能够降低配网负荷峰谷差，提高充电站经济效益并降低碳排放。