一种考虑调峰成本的大规模电动汽车分群调度策略的制作方法

1.本发明涉及智能电网技术领域，具体是涉及一种考虑调峰成本的大规模电动汽车分群调度策略。


背景技术：

2.随着政策不断聚焦新能源和智能汽车产业，我国新能源产业规模与电动汽车保有量正在逐年攀升，在给国家治理环境问题带来巨大机遇的同时，也给电力系统运行和调度带来了挑战。一方面，风光出力的间歇性和波动性会对电力系统的功率平衡、网络损耗等产生诸多负面影响，同时大规模电动汽车的无序充电进一步加重了负荷波动、增大了峰谷差率，使电网出现了“峰上加峰”的现象。另一方面，电动汽车通过使用车网互动技术(vehicle-to-grid,v2g) 有计划的进行充放电，可充分利用其储能特性，将电能回馈给电网，从而参与电力系统调峰，同时电动汽车所有者也可以赚取利润。因此，研究如何在考虑到新能源与电动汽车影响的基础上，保证电力系统的稳定可靠运行，尽量减少系统的运行成本具有相当的现实意义。
3.电动汽车负荷作为一种可控、可时移负荷，在参与电网调峰方面已经有了广泛的研究。现有的研究，大部分将电动汽车负荷作为储能单元，通过不断优化完善电动汽车充放电策略，或是利用新的算法优化电动汽车负荷出力计划以促进车网协同配合。另有部分学者通过引入道路交通网，利用交通节点模拟仿真以优化城市的充电桩配置，加强电动汽车负荷的可调度性。但是，随着电动汽车产业的发展，电动汽车负荷的集群效应越来越强，而集群电动汽车内不同负荷单元的充放电特性也不同，已有的研究并未考虑到新发展态势下电动汽车充放电方式及充电站种类的多样性，亟需分别制定不同的定价策略，分群控制势在必得，因此传统的充放电调度模型并不适合在实际调度中应用。
4.基于上述背景，针对优化集群电动汽车负荷参与电网调峰效果的问题，本发明在综合考虑电动汽车分类、充放电策略、电动汽车调峰成本及调峰定价策略等基础上，对已有调峰手段进行改进和综合，提出了一种考虑调峰成本的大规模电动汽车分群调度策略，该方案首先根据接入充电桩类型分类的三种电动汽车负荷，建立其数学模型；接着构建电动汽车参与调峰定价模型，分别以负荷峰谷差最小和系统运行成本最小构建考虑电动汽车分类的电网调峰优化模型，在提升电网调峰水平的同时减小系统的运行成本，保障电网的安全有效运行。


技术实现要素：

5.为解决上述问题，本发明公开了一种考虑调峰成本的大规模电动汽车分群调度策略，充分发挥电动汽车负荷的可调度性和灵活性，提高电网新能源消纳能力，保障电网的安全有效运行。
6.本发明所述的一种考虑调峰成本的大规模电动汽车分群调度策略，包括如下步骤：
7.步骤一：对ev进行分群，并对每个子群的ev分别构建统一的负荷模型，以便对集群ev中具有相似属性的ev负荷给出集中调度策略，分别构建单向、双向、换电型三种ev负荷模型
8.步骤二：考虑ev参与调峰的成本因素，将规模化电动汽车作为灵活的调节资源，构建计及成本的ev调峰定价模型，并基于该模型以负荷峰谷差最小为目标，对区域电网下的集群ev进行调峰定价
9.步骤三：根据调峰定价阶段得到的结果制定ev参与调峰的动态电价，以系统运行成本最小为目标安排ev负荷，做电网调度成本优化
10.步骤四：求解优化模型，基于求解结果对电动汽车参与电网调峰过程进行优化。
11.进一步的，步骤一所建立的三种ev负荷模型，具体如下：
12.1)接入单向充电桩的ev负荷模型
13.构建单向可调度ev的简化数学模型如下：
[0014][0015][0016][0017][0018]
式中，pc为单向可调度ev的充电功率；为t+1时刻增加的负荷；为t+1时刻减少的负荷；为在t+1时刻增加的单向可调度ev负荷；和为ev在t+1时刻的负荷最大值和最小值；为ev在t+1时刻的实际负荷量；为满足条件t0＝t+1和tb》t 的单向可调度ev数量，t0是ev停驶在充电桩的时间，tb是ev入网时间，t为时间周期；为满足条件t0＝t+1和tb《t的单向可调度ev 数量；为满足条件t1＝t+1或cb＝c1的单向可调度ev数量，t1是ev 离开充电桩时间，cb表示ev停驶荷电状态，c1表示ev离网时用户期望荷电状态；
[0019]
2)接入双向充电桩的ev负荷模型
[0020]
构建双向可调度ev的简化数学模型如下：
[0021]
当ev充电时，第i辆ev在t时刻的荷电量可表示为：
[0022][0023]
式中：和分别为第i辆ev在t时刻和t-1时刻的荷电量， p
ev,c
为ev充电功率，δt为时间间隔。
[0024]
当ev放电时，其在t时刻的荷电量可表示为：
[0025][0026]
式中：p
ev,d
为ev放电功率。
[0027]
ev的聚合模型如下式所示：
[0028][0029]
式中：和表示所有ev在t时刻最大可充电功率和最大可放电功率，e
ev,i,max
为第i辆ev充满电所含的荷电量，e
ev,i,min
为第 i辆ev满足车主使用需求所需的最低电量，和分别为t 时刻所有ev总荷电量的上下限，n
ev
为当前接入的ev数量。由于ev 的随机性，ev的聚合可充放电功率及聚合可调度容量在时空上随着 n
ev
的变化而变化。为了简化配置模型，在初始化过程中随机确定每辆ev的接入和退出电网的时间以及ev接入电网时的剩余电荷量，得到各时段n
ev
的值，这样在全天中各个时段n
ev
的值是不同的，但初始化之后该值不再变化。
[0030]
3)接入快速换电站的ev负荷模型
[0031]
构建换电型ev的简化数学模型如下：
[0032]
快速换电站中负荷类型共分为满状态、充电状态、放电状态和等待状态。ev在换电站进行换电的过程可以描述成这四种状态的互相转换。假设在初始时刻t，满状态、充电状态、放电状态和等待状态的电池数量分别为s
m,t
、s
c,t
、s
d,t
、s
w,t
，则系统充电过程为
[0033][0034][0035][0036][0037][0038]
式中，x
n,t
为换电需求，x
n,t
＝0时表示不需要换电，x
n,t
＝1时表示需要换电；,s
n,t
为ev在t时刻的荷电状态；s
th
为ev的荷电状态阈值； s
ev,t
为t时刻ev换电需求量；分别为t时刻开始充电和结束放电的电池数量；s
c,t+1
、s
d,t+1
分别为t+1时刻处于充电状态和放电状态的电池数量。
[0039]
假设充电所需要的时间为tc，放电时间为td，同理可得到放电过程为
[0040][0041][0042]
综上，换电站的功率为
[0043]
p
bess
＝pcs
c-pdsdꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0044]
式中，pc、pd分别为充电机的充、放电额定功率。
[0045]
进一步的，步骤二所建立计及成本的ev调峰定价模型，其电动汽车动态电价模型具体如下：
[0046]
单向充电桩与快速换电站内负荷充电价格，主要受供需关系的影响，电价在用电高峰期升高，在用电低谷期降低，满足线性函数，可表示为
[0047]
f1＝a-bp
ld
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)
[0048]
式中，a、b为需求函数参数；pld为ev等效负荷量。
[0049]
接入双向充电桩和换电站的ev负荷可作为电源向系统馈电，相对于单向可调度ev负荷，它的电池损耗更大，政府会给予一定的放电价格补偿。该类ev负荷同样遵循上述价格规律，在此基础上，系统负荷波动越大，所享受的价格补偿越大。
[0050]
在任意时刻t，若区域电网的负荷pt大于前一日所测的平均负荷pavr，则该时刻需要双向及换电站充电桩参与调峰。ev在不同时段参与系统调峰所享受价格补偿不同，因此引入系统补偿参数kp，并设计电价如下
[0051][0052][0053]
f2＝k
p
f1ꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0054]
式中，kq为削峰需求量系数，其根据系统负荷待削减量pn确定其数值大小；kj为ev用户参与度补偿系数；ζ为削峰需求量价格补偿系数；kj为ev用户参与度调整系数；k
jb
为ev用户的参与度；为响应时段t签约参与v2g的ev用户数量；na为eva内ev用户总数量，f2为当前时刻的实际价格。
[0055]
进一步的，步骤二所建立计及成本的ev调峰定价模型，其目标函数及约束条件具体如下：
[0056]
综合考虑区域电网内三种ev负荷出力及风光出力，以日内负荷峰谷差最小为目标，建立目标函数如下
[0057][0058]
式中，p
load,t
，p
ev,c,t
，p
ev,d,t
分别为t时刻单向ev负荷量、ev对电网的充电功率和放电功率；p
w,t
，p
pv,t
分别为t时刻的风光出力。
[0059]
该目标函数满足约束条件：
[0060]
1)区域电网功率平衡约束
[0061]
p
load，t
+p
ev，c，t
＝p
ev，d，t
p
w，t
+p
pv，t
+p
grid，t
+p
gi，t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(21)
[0062]
式中，p
load,t
为单向负荷的负荷电量；p
gi,t
、p
grid,t
分别为t时刻火电机组及外部电网发电功率。
[0063]
2)单向可调度ev约束条件
[0064][0065][0066]
式中，分别为可调度ev充电容量下、上限；为可调度ev充电容量；为可调度ev总负荷量。
[0067]
3)ev反向馈电约束条件
[0068][0069][0070][0071]
式中，为t时刻ev的放电容量上限；为t时刻ev的充电容量；为t时刻ev放电容量；为ev总负荷量。
[0072]
4)ev换电约束条件
[0073]
换电ev可通过换电站的充、放电机实现与区域电网的能量交互，其约束条件表示为
[0074][0075]
式中，kc为充电机个数；为满电量电池数量最小值。
[0076]
5)火电机组爬坡约束
[0077]-p
gi，down
≤p
gi，t-p
gi，t-1
≤p
gi，up
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(28)
[0078]
式中，p
gi,down
、p
gi,up
分别为火电机组最大向下和最大向上爬坡速率。
[0079]
进一步的，步骤三中电网调度的成本优化过程，具体为：
[0080]
在ev调峰定价阶段决策机组的启停状态和预留备用量，目的在于求得约束条件下最优的机组组合方式，将ev调峰定价阶段的光伏功率、负荷功率作为输入数据，对成本优化阶段的目标函数进行求解。在成本优化阶段考虑应对系统运行成本的期望值，并评估在第一阶段中确定的机组组合方式的可行性。
[0081]
以火电机组成本，弃光成本，ev参与调峰的建设与调节成本等系统运行成本的期望值之和最小为目标，建立目标函数如下：
[0082][0083]
式中，c
gi
为第i台火电机组发电单位成本，c
l
为失负荷单位成本，c
pv
为弃光单位成本，cq为火电机组爬坡单位成本，p
pvd,t
为t时刻光伏弃光功率，p
l,t
为t时刻的总负荷功率，p
pv,t
为t时刻光储联合出力，t为总的优化时间，c
ev
为ev参与调峰阶段的运行成本。
[0084]
本发明的有益效果：
[0085]
本发明在综合考虑电动汽车分类、充放电策略、电动汽车调峰成本及调峰定价策略等基础上，对已有调峰手段进行改进和综合，首先根据接入充电桩类型分类的三种电动汽车负荷，建立其数学模型；接着构建电动汽车参与调峰定价模型，分别以负荷峰谷差最小和系统运行成本最小构建考虑电动汽车分类的电网调峰优化模型，在提升电网调峰水平的同时减小系统的运行成本，保障电网的安全有效运行。
附图说明
[0086]
图1、本发明的考虑调峰成本的大规模电动汽车分群调度策略流程图。
具体实施方式
[0087]
下面结合附图和具体实施方式，进一步阐明本发明，应理解下述具体实施方式仅用于说明本发明而不用于限制本发明的范围。需要说明的是，下面描述中使用的词语“前”、“后”、“左”、“右”、“上”和“下”指的是附图中的方向，词语“内”和“外”分别指的是朝向或远离特定部件几何中心的方向。
[0088]
如图1所示，本实施例的本发明所述的一种考虑调峰成本的大规模电动汽车分群调度策略，包括如下步骤：
[0089]
步骤一：对ev进行分群，并对每个子群的ev分别构建统一的负荷模型，以便对集群ev中具有相似属性的ev负荷给出集中调度策略，分别构建单向、双向、换电型三种ev负荷模型；
[0090]
步骤一所建立的三种ev负荷模型，具体如下：
[0091]
1)接入单向充电桩的ev负荷模型
[0092]
构建单向可调度ev的简化数学模型如下：
[0093][0094][0095]
[0096][0097]
式中，pc为单向可调度ev的充电功率；为t+1时刻增加的负荷；为t+1时刻减少的负荷；为在t+1时刻增加的单向可调度ev负荷；和为ev在t+1时刻的负荷最大值和最小值；为ev在t+1时刻的实际负荷量；为满足条件t0＝t+1和tb》t 的单向可调度ev数量，t0是ev停驶在充电桩的时间，tb是ev入网时间，t为时间周期；为满足条件t0＝t+1和tb《t的单向可调度ev 数量；为满足条件t1＝t+1或cb＝c1的单向可调度ev数量，t1是ev 离开充电桩时间，cb表示ev停驶荷电状态，c1表示ev离网时用户期望荷电状态；
[0098]
2)接入双向充电桩的ev负荷模型
[0099]
构建双向可调度ev的简化数学模型如下：
[0100]
当ev充电时，第i辆ev在t时刻的荷电量可表示为：
[0101][0102]
式中：和分别为第i辆ev在t时刻和t-1时刻的荷电量， p
ev,c
为ev充电功率，δt为时间间隔。
[0103]
当ev放电时，其在t时刻的荷电量可表示为：
[0104][0105]
式中：p
ev,d
为ev放电功率。
[0106]
ev的聚合模型如下式所示：
[0107][0108]
式中：和表示所有ev在t时刻最大可充电功率和最大可放电功率，e
ev,i,max
为第i辆ev充满电所含的荷电量，e
ev,i,min
为第 i辆ev满足车主使用需求所需的最低电量，和分别为t 时刻所有ev总荷电量的上下限，n
ev
为当前接入的ev数量。由于ev 的随机性，ev的聚合可充放电功率及聚合可调度容量在时空上随着 n
ev
的变化而变化。为了简化配置模型，在初始化过程中随机确定每辆ev的接入和退出电网的时间以及ev接入电网时的剩余电荷量，得到各时段n
ev
的值，这样在全天中各个时段n
ev
的值是不同的，但初始化之后该值不再变化。
[0109]
3)接入快速换电站的ev负荷模型
[0110]
构建换电型ev的简化数学模型如下：
[0111]
快速换电站中负荷类型共分为满状态、充电状态、放电状态和等待状态。ev在换电
站进行换电的过程可以描述成这四种状态的互相转换。假设在初始时刻t，满状态、充电状态、放电状态和等待状态的电池数量分别为s
m,t
、s
c,t
、s
d,t
、s
w,t
，则系统充电过程为
[0112][0113][0114][0115][0116][0117]
式中，x
n,t
为换电需求，x
n,t
＝0时表示不需要换电，x
n,t
＝1时表示需要换电；,s
n,t
为ev在t时刻的荷电状态；s
th
为ev的荷电状态阈值； s
ev,t
为t时刻ev换电需求量；分别为t时刻开始充电和结束放电的电池数量；s
c,t+1
、s
d,t+1
分别为t+1时刻处于充电状态和放电状态的电池数量。
[0118]
假设充电所需要的时间为tc，放电时间为td，同理可得到放电过程为
[0119][0120][0121]
综上，换电站的功率为
[0122]
p
bess
＝pcs
c-pdsdꢀꢀꢀꢀꢀꢀꢀꢀ
(15)
[0123]
式中，pc、pd分别为充电机的充、放电额定功率。
[0124]
步骤二：考虑ev参与调峰的成本因素，将规模化电动汽车作为灵活的调节资源，构建计及成本的ev调峰定价模型，并基于该模型以负荷峰谷差最小为目标，对区域电网下的集群ev进行调峰定价；
[0125]
步骤二所建立计及成本的ev调峰定价模型，其电动汽车动态电价模型具体如下：
[0126]
单向充电桩与快速换电站内负荷充电价格，主要受供需关系的影响，电价在用电高峰期升高，在用电低谷期降低，满足线性函数，可表示为
[0127]
f1＝a-bp
ld
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)
[0128]
式中，a、b为需求函数参数；pld为ev等效负荷量。
[0129]
接入双向充电桩和换电站的ev负荷可作为电源向系统馈电，相对于单向可调度ev负荷，它的电池损耗更大，政府会给予一定的放电价格补偿。该类ev负荷同样遵循上述价格规律，在此基础上，系统负荷波动越大，所享受的价格补偿越大。
[0130]
在任意时刻t，若区域电网的负荷pt大于前一日所测的平均负荷pavr，则该时刻需要双向及换电站充电桩参与调峰。ev在不同时段参与系统调峰所享受价格补偿不同，因此引入系统补偿参数kp，并设计电价如下
[0131][0132][0133]
f2＝k
p
f1ꢀꢀꢀꢀꢀꢀꢀꢀ
(19)
[0134]
式中，kq为削峰需求量系数，其根据系统负荷待削减量pn确定其数值大小；kj为ev用户参与度补偿系数；ζ为削峰需求量价格补偿系数；kj为ev用户参与度调整系数；k
jb
为ev用户的参与度；为响应时段t签约参与v2g的ev用户数量；na为eva内ev用户总数量，f2为当前时刻的实际价格。
[0135]
进一步的，步骤二所建立计及成本的ev调峰定价模型，其目标函数及约束条件具体如下：
[0136]
综合考虑区域电网内三种ev负荷出力及风光出力，以日内负荷峰谷差最小为目标，建立目标函数如下
[0137][0138]
式中，p
load,t
，p
ev,c,t
，p
ev,d,t
分别为t时刻单向ev负荷量、ev对电网的充电功率和放电功率；p
w,t
，p
pv,t
分别为t时刻的风光出力。
[0139]
该目标函数满足约束条件：
[0140]
1)区域电网功率平衡约束
[0141]
p
load,t
+p
ev,c,t
＝p
ev,d,t
+p
w,t
+p
pv,t
+p
grid,t
+p
gi,t
ꢀꢀꢀꢀ
(21)
[0142]
式中，p
load,t
为单向负荷的负荷电量；p
gi,t
、p
grid,t
分别为t时刻火电机组及外部电网发电功率。
[0143]
2)单向可调度ev约束条件
[0144][0145][0146]
式中，分别为可调度ev充电容量下、上限；为可调度ev充电容量；为可调度ev总负荷量。
[0147]
3)ev反向馈电约束条件
[0148]
[0149][0150][0151]
式中，为t时刻ev的放电容量上限；为t时刻ev的充电容量；为t时刻ev放电容量；为ev总负荷量。
[0152]
4)ev换电约束条件
[0153]
换电ev可通过换电站的充、放电机实现与区域电网的能量交互，其约束条件表示为
[0154][0155]
式中，kc为充电机个数；为满电量电池数量最小值。
[0156]
5)火电机组爬坡约束
[0157]-p
gi，down
≤p
gi，t-p
gi，t-1
≤p
gi，up
ꢀꢀꢀꢀꢀꢀꢀ
(28)
[0158]
式中，p
gi,down
、p
gi,up
分别为火电机组最大向下和最大向上爬坡速率。
[0159]
步骤三：根据调峰定价阶段得到的结果制定ev参与调峰的动态电价，以系统运行成本最小为目标安排ev负荷，做电网调度成本优化；具体为：
[0160]
在ev调峰定价阶段决策机组的启停状态和预留备用量，目的在于求得约束条件下最优的机组组合方式，将ev调峰定价阶段的光伏功率、负荷功率作为输入数据，对成本优化阶段的目标函数进行求解。在成本优化阶段考虑应对系统运行成本的期望值，并评估在第一阶段中确定的机组组合方式的可行性。
[0161]
以火电机组成本，弃光成本，ev参与调峰的建设与调节成本等系统运行成本的期望值之和最小为目标，建立目标函数如下：
[0162][0163]
式中，c
gi
为第i台火电机组发电单位成本，c
l
为失负荷单位成本，c
pv
为弃光单位成本，cq为火电机组爬坡单位成本，p
pvd,t
为t时刻光伏弃光功率，p
l,t
为t时刻的总负荷功率，p
pv,t
为t时刻光储联合出力，t为总的优化时间，c
ev
为ev参与调峰阶段的运行成本。
[0164]
步骤四：求解优化模型，基于求解结果对电动汽车参与电网调峰过程进行优化。
[0165]
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。