CN101901945B - 一种插电式混合动力车的集中智能调度充电方法 - Google Patents

Abstract

本发明提供一种插电式混合动力车的集中智能调度充电方法，尤其适用于负荷调峰的插电式混合动力车，属于电力系统需求侧响应研究领域。本发明建立在动态估计插值思想的基础上，主要由以下几个部分组成：实时信息提取、PHEV动态分类、负荷标么化、边界条件检测、奇异负荷分析、负荷估计插值、负荷指标评价、充电成本计算。本发明能够动态对PHEV进行充电时段调度，有效地降低了电网侧负荷奇异带来的风险和隐患，间接地减少了电网侧新增发电设备的投资，并且节省用户侧充电成本，达到了电网侧和用户侧利益的双赢效果。

Description

一种插电式混合动力车的集中智能调度充电方法

技术领域：

本发明涉及一种插电式混合动力车的集中智能调度充电方法，尤其适用于负荷调峰的插电式混合动力车，属于电力系统需求侧响应研究领域。

背景技术：

插电式混合动力车(PHEV：Plug-in Hybrid Electric Vehicle)的车辆到电网(V2G：Vehicle to Grid)是一种实现车辆与电网互联的理念，通过PHEV与电网间的电能交流可以满足各种电力市场辅助服务。

随着智能电网概念的提出，国家电网正在打造一个可靠、安全、经济、高效、充分体现需求侧管理思想的新一代电力系统工程。在此宏观背景下，随着插电式混合动力车技术在国内外的迅猛发展，PHEV内部由于具有电池储能系统和复杂的电力电子设备，可实现与电网(一般是配电网馈线末端)的连接，对车载电池进行灵活的充放电。因此V2G将成为未来链接交通系统和电力系统的载体，发挥至关重要的作用。

目前V2G的研究主要分成两部分，一是关于PHEV下V2G概念的引进和介绍，主要从经济角度、能源角度、政府影响、民众理念以及国家战略等多个层面对V2G未来的发展趋势进行预测，其中美国国家可再生能源试验室(NREL：National RenewableEnergy Laboratory)和能源投资战略署(ERIS：Energy Research and Investment Strategies)均已向政府提供V2G可行性研究报告，指出PHEV的V2G在未来数十年内将成为调峰、旋转备用、调频调压等电力辅助服务不可替代的工具，具有巨大的经济价值。另一部分主要从PHEV自身角度研究V2G的物理技术，即硬件设备。目前世界各大汽车制造商均已推出各自的插电式混合动力概念车，显示从硬件角度，V2G技术已日臻成熟，满足未来电网侧对PHEV的灵活调配的需要。

综上，目前关于PHEV的V2G技术主要局限于上述两个方面，然而从需求侧响应角度智能调配PHEV的V2G充电实现电网侧调峰功能目前尚无具体成果，发展空间巨大。因此急需要研究设计一种适用于PHEV智能调峰充电方法可以很好地解决上述技术问题。

发明内容

发明目的：

本发明的所要解决的技术问题是针对背景技术，提供一种能够智能调度PHEV进行V2G集中充电的方法，能够满足电网侧负荷移峰填谷的调峰要求，同时实现PHEV用户充电成本的节约，生成电网侧调峰效果和用户侧成本收益清单。

技术方案：

PHEV调峰集中智能调度充电方法的提出建立在动态估计插值思想的基础上，主要由以下几个部分组成：实时信息提取、PHEV动态分类、负荷标么化、边界条件检测、奇异负荷分析、负荷估计插值、负荷指标评价、充电成本计算。

本发明为实现上述发明目的采用如下技术方案：

第一步：确定电网侧调峰目标以及评价指标，所述调峰目标为负荷曲线峰谷差最小；所述评价指标包括负荷数据的标准差以及充电后的负荷率；

第二步：确立PHEV充电的约束性限制，所述PHEV充电的约束性限制包括充电用时的平衡、PHEV起始充电时段、PHEV调度的初始时刻、充电完成时间不应超过研究时段的上下限、充电连续性约束条件；

第三步：读取电网侧信息，所述电网侧信息包括当前研究时段下各时段负荷信息L以及分时峰谷电价信息；

第四步：读取各调峰时段下的PHEV用户侧信息，所述PHEV用户侧信息包括PHEV车辆数n、每辆PHEV电池容量W_b、电池剩余容量百分比初值SOC₀与期望终值SOC′、每辆PHEV的V2G物理链接传输功率P_l；

第五步：归纳分类PHEV：从充电用时长短角度将所述n辆PHEV分类同时标号和计数；

第六步：从每个分类的第一辆PHEV开始，以第j辆PHEV最大的V2G传输功率P_l，j为基值标么化日前负荷曲线负荷量，直至第n辆PHEV；

第七步：计算最值：在上一步中已标么化的负荷曲线上搜寻最大值、最小值；任意选取该PHEV所需充电用时T_j中的某一个小时的时间区间，使其对应于最小值所在的时段h_min；

第八步：搜寻连续集合：根据第七步中所述最小值所对应的时段h_min以外的剩余充电时间区间，构造时段集合组H；

第九步：边界条件检测：根据调峰时段范围[T_a，T_b]及该车充电用时，判断集合组H内各子集合是否存在越界情况；

第十步：奇异负荷处理：构造新集合N并计算集合N中的最小值n_min；如果n_min等于0，即存在正常时段集合的时段集合U，在N中筛选所有元素等于0所对应的时段集合U二次更新集合组H；如果n_min不等于0，即所有时段集合U均存在奇异现象，在N中筛选所有元素等于n_min所对应的时段集合U二次更新集合组H；

第十一步：估计排序：对集合U中元素进行求和，形成集合S并排序；

第十二步：插值并刷新负荷曲线：选择最小集合S所对应的集合U，将该辆PHEV余下时段插入充电，并刷新负荷曲线；

第十三步：进行PHEV用户充电成本计算，所述PHEV充电成本包括PHEV能用度、PHEV充电信用度、PHEV充电电量；

第十四步：循环执行第六步至第十三步，至该类型PHEV充电完成，刷新负荷曲线；

第十五步：循环执行第五步至第十四步，完成余下类型PHEV的充电，刷新负荷曲线，至此标志初始研究时段下所有PHEV充电完成，进入下一调峰时段；

第十六步：循环执行第四步至第十五步，动态更新各研究时段下的负荷，形成最终移峰填谷负荷曲线，完成用户侧充电总成本计算，充电完成。

具体地，下面对本发明的技术方案每一步进行详细说明：

第一步：确定机制下电网侧调峰具体目标以及评价指标。

负荷移峰移谷调峰目标如下：

$\min (L_{\max }-L_{\min })=\underset{h\∈[T_a,T_b],i\∈[h,T_b]}{\max }\{L_i+\underset{j=1}{\overset{n\left(h\right)}{\mathrm{\Σ}}}{P}_j\·x_{i,j}\}$

$-\underset{h\∈[T_a,T_b],i\∈[h,T_b]}{\min }\{L_i+\underset{j=1}{\overset{n\left(h\right)}{\mathrm{\Σ}}}{P}_j\·x_{i,j}\}$

[式1]

上式中，Lmax代表负荷量最大值；Lmin代表负荷量最小值；[T_a，T_b]代表调峰时段范围，其中目标函数表示在研究时段T_a至T_b内实时动态地对自愿加入协议的每一辆PHEV选择合适时段进行充电，使新形成的负荷曲线峰谷差最小。h为研究时段变量，以小时为单位动态的在T_a至T_b内递增；L_i为第i时段日前负荷量，i在h至T_b时段范围内自由移动；n(h)表示研究时段h下参与协议的PHEV数目，以j为下标变化；P_j表示第j辆PHEV的充电功率，在优化中假定为一常量；x_ij为0-1决策变量确定对第j辆PHEV在时段i内是否充电，其中1表示充电，0表示不充电。

评价指标1：负荷数据的标准差S_L′，该指标可以较好地体现了负荷的波动性。

$S_{L^{\′}}=\sqrt{\frac{1}{T_b-T_a}\underset{i=T_a}{\overset{T_b}{\mathrm{\Σ}}}{|{L_i}^{\′}-\stackrel{\‾}{L^{\′}}|}^2}$ [式2]

其中L_i′是PHEV充电后每个时段的负荷量，

是PHEV充电后的平均负荷量。

评价指标2：负荷率(负荷系数K_L)K_L′，该指标可以较好地体现了负荷的利用率 $K_{L^{\′}}=\frac{P_{\mathrm{av}}}{P_{\max }}$ [式3]

P_av是PHEV充电后负荷的平均功率，P_max是充电后负荷最大功率。

第二步：读取机制下PHEV的V2G充电各项约束性限制。

$\underset{k=i}{\overset{T_b}{\mathrm{\Σ}}}{x}_{k,j}=T_j$ [式4]

T_s，j＝min(k|x_k，j＝1)    [式5]

T_s，j≥T_a                 [式6]

T_s，j+T_j-1≤T_b            [式7]

$\underset{n=0}{\overset{T_j-1}{\mathrm{\Π}}}{x}_{(T_s+n),j}=1$ [式8]

式4反应该辆PHEV充电用时的平衡，其中x_k，j为0-1决策变量，确定对第j辆PHEV在时段k内是否充电，其中1表示充电，0表示不充电。T_j表示当前研究时段下第j辆PHEV所需充电时间。式5中变量T_s，j即第j辆PHEV根据决策变量x_ij确定的该PHEV起始的充电时段。

式6、式7反应了PHEV调度的初始时刻、充电完成时间不应超过研究时段的上下限。此外，V2G充电的一个重要因素在于PHEV的充电方式，加入机制的PHEV连续充电还是间断充电。考虑到PHEV车载电池在短时间内多次充电启停会对电池使用寿命造成极大的影响，且车载蓄电池作为PHEV的核心部件成本昂贵，因此引入式8作为充电连续性约束条件，其中的x_(Ts+n)，j表示第j辆PHEV第(T_s+n)时刻的决策变量。

第三步：读取电网侧信息，包括

(1)当前研究时段下各时段负荷信息L；

注：初始研究时段T_a为日前预测负荷，如下所示：

$L\underset{=}{\mathrm{\Δ}}(L_{T_a},L_{T_a+1},...,L_{T_b-1},L_{T_b})$

式中符号

表示“定义为”，L为一维向量，表示研究时段范围内各时段初始负荷值，如

代表第T_a时刻的负荷信息。

(2)分时峰谷电价，其中谷电价C_v，峰电价C_p；

第四步：读取当前研究时段下加入机制PHEV用户侧信息，包括

(1)PHEV数量n(i)(初始研究时段i＝T_a)；

(2)每辆PHEV电池容量W_b、电池剩余容量百分比初值SOC₀与期望终值SOC′；

(3)每辆PHEV的V2G物理链接传输功率P_l。

第五步：根据T_j＝(SOC′_j-SOC_0，j)·W_b，j/P_l，j计算每辆PHEV所需充电用时T_j，其中下标j表示第j辆PHEV。从充电用时长短角度将该n(i)辆PHEV分类同时标号和计数；例如PHEV¹表示该PHEV充电用时为一小时，记为类型PHEV，对应数量为n(i)¹，假设PHEV最大充电用时为max小时，记为类型PHEV^max，对应数量为n(i)^max。该调峰时段下PHEV总量应满足

第六步：从类型PHEV^max下的第一辆PHEV起始，以该PHEV^max的V2G传输功率P_l，j为基值标么化(单位化)日前负荷曲线负荷量；

第七步：计算最值：在上一步中已标么化的负荷曲线上搜寻最大值、最小值；任意选取该PHEV所需充电用时T_j中的某一个小时的时间区间，将其作为最小值所对应的时段h_min；

第八步：针对该PHEV构造时段集合组H，集合组下每个时段集合U内满足所包含元素数量应该等于该PHEV余下充电时段T_j-1且与上述时段h_min连续，以满足充电连续性约束；

集合组形式：H＝{U₁，U₂，....U_max}；

集合组H内共计max个子集合U如下：

U₁＝{h_min-max+1...h_min-1}

U₂＝{h_min-max+2...h_min+1|h_min}

……

U_max-1＝{h_min-1...h_min+max-2|h_min}

U_max＝{h_min+1...h_min+max-1}

第九步：边界条件检测。

根据调峰时段范围[T_a，T_b]以及该车充电用时，逐一判断集合组H内各子集合是否存在越界情况；删除越界的时段集合，更新时段集合组H；

(1)若边界检测结果为“是”，则根据h_max与边界T_a或T_b的位置关系删除越界的子集合，得到新的集合组H′，此时子集合数量降低，设为m(m＜max)；

(2)若边界检测结果为“否”，则新集合组H′不变，H′＝H(m＝max)；

第十步：奇异负荷检测。

构造新集合N，其元素为每个时段集合U所包含的峰值个数，N＝{n₁，n₂...n_m}计算集合N中的最小值n_min；

(1)如果n_min等于0，即存在正常时段集合(非奇异)的时段集合U，在N中筛选所有元素等于0所对应的时段集合U二次更新集合组H；

(2)如果n_min不等于0，即所有时段集合U均存在奇异现象，在N中筛选所有元素等于n_min所对应的时段集合U二次更新集合组H；

第十一步：逐个对集合组H下各个时段集合U中元素进行求和，形成集合S，将集合S内部元素按照升序排列；

第十二步：选择最小S所对应的U，将该辆PHEV余下的T_j-1时段插入充电，标志该类型的第一辆PHEV充电完毕，计算得该PHEV初始充电时间T_s，刷新负荷曲线；

第十三步：PHEV车主充电成本计算。

(1)根据该PHEV调度充电起始T_s计算该PHEV能用度；

能用度定义为Ca定义为1-(T_s-T_a)/(T_b-T_a)，其中T_a和T_b分别表示协议初始和结束时刻，T_s为安排的起始充电时刻，由PHEV能用度的定义易见PHEV被调度充电越早，用户对PHEV的能用度越大，反之亦然。

(2)PHEV充电信用度；

PHEV的充电信用度表示一定时间周期内PHEV正常履行协议的次数与参与协议的总次数的比值，用于计算PHEV充电成本折扣。

(3)PHEV充电电量；

PHEV的充电用时是区分PHEV类型的一个重要标志，PHEV充电时间越长代表提供给供电侧的电能越多，理应获得更多的充电折扣；

综合该PHEV充电信用度、能用度和充电电量三个变量确定电费折扣函数，计算该PHEV充电成本。

第十四步：循环执行第六步至第十二步，直到类型为PHEV^k的n(i)^k辆PHEV充电完成，刷新负荷曲线；

第十五步：循环执行第五步至第十三步，完成余下类型PHEV的充电，刷新负荷曲线，至此标志初始研究时段下所有PHEV充电完成，进入下一研究时段；

第十六步：循环执行第四步至第十四步，动态更新各研究时段下的负荷，形成最终移峰填谷负荷曲线L′如下所示，形成PHEV充电总成本C′；

$L^{\′}\underset{=}{\mathrm{\Δ}}({L^{\′}}_{T_a},{L^{\′}}_{T_a+1},...,{L^{\′}}_{T_b-1},{L^{\′}}_{T_b})$

充电工作完成。

有益效果：

PHEV集中智能调度充电方法是一种未来适用于负荷调峰的资源调配手段，当PHEV接入电网并选择加入调峰机制后，独立系统调度员(ISO：Independent SystemOperator)根据电网侧对于负荷调峰的指标运行调度方法进行PHEV快速实时的充电时段分配，从电网侧角度实现对负荷移峰填谷的作用，间接降低了PHEV充电作为新负荷带来的新增发电成本，从PHEV车主侧角度享受折扣优惠，降低充电成本，整体上实现电网侧和用电测双方利益的统一。

本方法具有以下优点：

1、利用PHEV的V2G充电在时间和空间上一种柔性负荷的特点，结合需求侧响应思想，较好地达到了电网侧调峰目的，同时实现了供电成本的下降和供电安全可靠性的提升。

2、利用完善的折扣模型吸引PHEV用户加入电网侧调峰服务，保证EPHEV车主充电成本的经济性。

3、能够动态对PHEV进行充电时段调度，有效地降低了电网侧负荷奇异带来的风险和隐患，间接地减少了电网侧新增发电设备的投资，并且节省用户侧充电成本，达到了电网侧和用户侧利益的双赢效果。该方法建立在供需双方平等公正的需求响应基础上，具有运算速度快，实用性强的特点。

附图说明：

图1是PHEV负荷调峰集中智能调度充电方法的物理示意图；该方法由独立系统调度员ISO、电网侧和PHEV车主三个对象组成。

图2是ISO、电网侧和PHEV车主关系示意图。

图3是分时电价下适用于负荷调峰的插电式混合动力车PHEV集中智能调度充电方法流程图。

图4(a)、(b)、(c)分别是子模块的流程图。

图5是分时电价下各种情况下对应的负荷曲线。

图6是分时电价下各种情况下对应的负荷直方图。

图7是PHEV整体充电成本示意图。

具体实施方案：

下面结合附图对技术方案的实施作进一步的详细描述：

如图1所示，在住宅小区和公用停车厂中存在一定数量、具有规模效应的PHEV，可以设置类似于智能电网ISO(独立系统操作员)集中控制对PHEV进行协调优化充放电，在适当情况下可参与电力市场竞价买卖。ISO对每个PHEV的控制手段由通信系统，例如手机机站，无线因特网或者电力线载波等作为控制介质完成的。

如图2所示，本发明以分时电价为背景，提出一个由系统ISO管理运作监督、供电侧与用户侧双方参与的PHEV集中充电机制，其中供电侧的目的在于对负荷进行削峰移谷；用户侧的目标在于节省电费成本。ISO根据充电机制的运行结果向用户侧发出充电调度指令并同时监督机制执行结果的有效性。

如图3所示，本发明提出了分时电价下适用于负荷调峰的插电式混合动力车PHEV集中智能调度充电方法流程图。具体步骤：(1)确定电网侧调峰目标以及评价指标；(2)读取PHEV充电的约束性限制；(3)读取电网侧信息；(4)读取各调峰时段下的PHEV用户侧信息；(5)从充电用时长短角度将PHEV分类，同时标号和计数；(6)根据充电用时因素，分别读取不同分类PHEV数量；(7)调用研究i时段各类型下的n(i)^k辆PHEV^k的充电模块；(8)循环执行第4步至7步，动态更新各研究时段下的负荷，形成最终移峰填谷负荷曲线；(9)计算用户侧充电总成本，充电结束。

如图4(a)所示，是研究i时段类型k下的n(i)^k辆PHEV^k的充电模块的流程图。具体步骤：(1)编号n(i)^k辆PHEV^k类型的PHEV；(2)调用研究时段i类型k下的第j辆PHEV_j ^k的充电模块；(3)循环执行第1步至2步，直至k＝1，转下一步。

如图4(b)所示，是研究时段i类型k下的第j辆PHEV_j ^k的充电模块的流程图。具体步骤：(1)以PHEV_j ^k的V2G传输功率为基值标么化日前负荷曲线负荷量；(2)调用子模块1；(3)边界条件检测；(4)构造新集合N；(5)计算集合N中的最小值n_min，(6)进行奇异负荷处理(n_min是否等于0)；(6)调用子模块2；(7)调用子模块3；(8)下一辆PHEV^k(9)转下一步；

如图4(c)所示，为三个子模块的流程图。子模块1：(1)在上一步中已标么化的负荷曲线上搜寻最大值L_M；(2)在上一步中已标么化的负荷曲线上搜寻最小值对应的时段h_min；(3)任意选取该PHEV所需充电用时T_j中的某一个小时的时间区间，使其与为最小值所在的时段h_min；(4)搜寻满足条件的时段集合组；(5)转下一步。子模块2：(1)对集合U中元素进行求和，形成集合S并排序；(2)选择最小集合S所对应的集合U；(3)将该辆PHEV余下时段插入充电；(4)该类型PHEV充电完成，刷新负荷曲线；(5)转下一步。子模块3：(1)计算PHEV能用度；(2)读取PHEV充电信用度；(3)计算该PHEV充电电量；(4)综合计算该PHEV充电折扣；(5)计算PHEV用户充电成本；(6)转下一步。

具体实施例一

为了验证本发明的可行性，一个具体的实施例如下：美国东北部纽约州State of NewYork的长岛地区Long Island Area PHEV保有率25％，假设其中60％共214，780辆PHEV参加调峰智能充电。2010年1月1日长岛地区ISO发布数据如下表1给出该调峰时段下的日前负荷和电价信息，调峰时段范围为晚上21时至次日上午07时：

表1：日前电价负荷信息一览表

本发明从PHEV电池待充电量角度将PHEV分成，10KWh、8KWh、6KWh、4KWh和2KWh五种类型，则PHEV对应的充电用时为5小时至1小时，各充电用时类型的PHEV所占总PHEV百分比为10％、20％、30％、20％、10％。另外考虑各时段下参与协议机制的PHEV数量随着研究时段的推移成递减趋势，这里合理假设各时段PHEV数量呈等比递减关系。考虑次日4时后参与协议PHEV数量过少(＜150)以及程序下PHEV最大充电用时5小时越界，因此假设214780辆PHEV均在次日凌晨四时前进入V2G模式。下表2给出各时段下各类型PHEV加入协议机制的PHEV数量：

表2：各时段各类型PHEV进入V2G模式数量表(辆)

以上为电网侧调峰基本输入信息；用户成本方面，本文假设所有参与机制的PHEV用户信用度等级信用度折扣为0.85，其次为简化起见，设PHEV用户最终折扣与其信用度折扣、能用度折扣以及充电用时折扣的函数关系为求积，即D_PHEV＝D_c·D_a·D_t。

1.电网侧结果分析

整理以上原始数据运行程序得到分时电价下电网侧调峰仿真结果：

表3给出了PHEV两种充电方式下各时段最终负荷数据，其中PHEV自主充电表示用户即到即时充电。

表3：分时电价下各时段负荷数据一览表(MW)

表4显示了电网侧调峰目标函数值以及其评价指标：

表4：各时段各类型协议PHEV一览表(MW)

图5给出了分时电价下各种情况下对应的负荷曲线。从图中可以看出，日前预测负荷的目标函数峰谷差为657.0MW，当PHEV用户选择自主即时充电时最终整体负荷峰谷值进一步拉大至869.0MW；对于评价指标，日前预测负荷下的标准差值为218.10MW，负荷率为0.83，如果PHEV用户均选择自主充电，则会进一步加剧负荷的波动，标准差值上升至323.50MW，负荷率被拉低跌至0.81；与此形成鲜明对比的是，如果PHEV加入V2G集中充电机制，目标函数和评价指标全面优于以上两种情况，负荷峰谷差值降至409.0MW，标准差值130.20MW，负荷率上升至0.88。

如图6所示，是分时电价下各种情况下对应的负荷直方图，从负荷曲线图和直方图中可以清楚地比较三种情况下负荷量的变化趋势，日前预测负荷在研究时段内整体趋势随着时间的推移逐渐降低。PHEV自主充电情况下，由于是即时速充，因此在日前负荷基础上负荷进一步上升，其中由于在晚上21时至凌晨1时时间段内，PHEV自主充电数量较多，因此在这个时间段内负荷增量相对较大，在04时后自主充电下负荷微增，整体上PHEV自主即时充电下负荷趋势同样随着时间的推移逐渐降低。V2G集中协议充电下负荷曲线可以看出，由于PHEV用户充电时间选择权的转移，ISO基于动态估计插值思想下对PHEV进行调峰调度，尽可能削峰移谷，提高负荷利用率，在晚上21时至凌晨1时时间段内由于日前负荷值本身处于较高值，PHEV带来的负荷增量几乎为零，相较于PHEV自主即时充电，协议下PHEV带来的负荷增值主要集中在凌晨03时至次日07时，将这段日前负荷中平均负荷水平较低的时间段整体负荷水平提高，从整体负荷趋势来看，协议机制下的负荷曲线程初期微调，后期均增的效果，从而最终在峰谷负荷差值的同时也降低了负荷水平的波动性。

2.用户侧结果分析

PHEV集中充电机制程序除了计算电网侧负荷结果外，还从用户整体角度计算所有PHEV研究对象参与协议机制的总充电成本、自主即时充电成本以及节省的总成本；从用户个体角度计算、显示、存储每一位PHEV充电信息，包括其充电时段以及电费成本。实例中第一位PHEV用户侧个体充电信息如下：

表5：PHEV用户侧个体充电信息一览表

这样V2G用户终端可以方便快捷的查询PHEV被分配的充电时间以及相应的电费支出。例如，从表可以了解到该PHEV用户晚上21时加入协议，电池需充电量10kWh，需充时间5小时，被安排在凌晨2时开始充电，在结合信用度，能用度以及充电用时三者后给出折扣电价0.02907美元/kW，计算缴纳电费，原始电费(即自主即时充电电费)0.400美元和节省电费0.1093美元，可以看书加入集中充电机制后，该PHEV可以节省近25％的充电成本，易见协议机制对于用户的激励作用明显。

PHEV整体充电成本如下图7所示，PHEV自主即时充电下总电费成本为51520美元；PHEV加入协议机制集中充电下总电费为38587.8美元，总整体上用户侧PHEV充电共节省12932.2美元，占自主充电成本25.1％。

实例计算表明，插电式混合动力车PHEV的集中智能调峰充电方法很好地降低负荷峰谷差值，显著缓和负荷波动性，达到了调峰目的，从而降低了电网侧输发电时承担的风险，减少直接缩减了电网侧投资成本；另一方面节约了用户侧PHEV充电成本支出。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (1)

1.一种插电式混合动力车的集中智能调度充电方法，其特征在于，该方法的实现过程包括以下步骤：

第一步：确定电网侧调峰目标以及评价指标，所述调峰目标为负荷曲线峰谷差最小；所述评价指标包括负荷数据的标准差以及充电后的负荷率；

第二步：确立插电式混合动力车充电的约束性限制，所述插电式混合动力车充电的约束性限制包括充电用时的平衡、插电式混合动力车起始充电时段、插电式混合动力车调度的初始时刻、充电完成时间不应超过研究时段的上下限、充电连续性约束条件；

第三步：读取电网侧信息，所述电网侧信息包括当前研究时段下各时段负荷信息L以及分时峰谷电价信息；

第四步：读取各调峰时段下的插电式混合动力车用户侧信息，所述插电式混合动力车用户侧信息包括插电式混合动力车车辆数n、每辆插电式混合动力车电池容量W_b、电池剩余容量百分比初值SOC₀与期望终值SOC′、每辆插电式混合动力车的车辆到电网物理链接传输功率P₁；

第五步：归纳分类插电式混合动力车：从充电用时长短角度将所述n辆插电式混合动力车分类同时标号和计数；

第六步：从每个分类的第一辆插电式混合动力车开始，以第j辆插电式混合动力车最大的车辆到电网传输功率P_l，j为基值标么化日前负荷曲线负荷量，直至第n辆插电式混合动力车；

第七步：计算最值：在上一步中已标么化的负荷曲线上搜寻最大值、最小值；任意选取该插电式混合动力车所需充电用时T_j中的某一个小时的时间区间，使其对应于最小值所在的时段h_min；

第八步：搜寻连续集合：根据第七步中所述最小值所对应的时段h_min以外的剩余充电时间区间，构造时段集合组H；

第九步：边界条件检测：根据调峰时段范围[T_a，T_b]及该车充电用时，判断集合组H内各子集合是否存在越界情况；

第十步：奇异负荷处理：构造新集合N并计算集合N中的最小值n_min；如果n_min等于0，即存在正常时段集合的时段集合U，在N中筛选所有元素等于0所对应的时段集合U二次更新集合组H；如果n_min不等于0，即所有时段集合U均存在奇异现象，在N中筛选所有元素等于n_min所对应的时段集合U二次更新集合组H；

第十一步：估计排序：对集合U中元素进行求和，形成集合S并排序；

第十二步：插值并刷新负荷曲线：选择最小集合S所对应的集合U，将该辆插电式混合动力车余下时段插入充电，并刷新负荷曲线；

第十三步：进行插电式混合动力车用户充电成本计算，所述插电式混合动力车充电成本包括插电式混合动力车的能用度、充电信用度、充电电量；

第十四步：循环执行第六步至第十三步，直至第一个类型的插电式混合动力车充电完成，刷新负荷曲线；

第十五步：循环执行第五步至第十四步，完成余下类型插电式混合动力车的充电，刷新负荷曲线，至此标志初始研究时段下所有插电式混合动力车充电完成，进入下一调峰时段；

第十六步：循环执行第四步至第十五步，动态更新各研究时段下的负荷，形成最终移峰填谷负荷曲线，完成用户侧充电总成本计算，充电完成。

Images