CN103793758B - 含光伏发电系统的电动汽车充电站的多目标优化调度方法 - Google Patents

含光伏发电系统的电动汽车充电站的多目标优化调度方法 Download PDF

Info

Publication number
CN103793758B
CN103793758B CN201410031192.2A CN201410031192A CN103793758B CN 103793758 B CN103793758 B CN 103793758B CN 201410031192 A CN201410031192 A CN 201410031192A CN 103793758 B CN103793758 B CN 103793758B
Authority
CN
China
Prior art keywords
power
energy
charge
storage system
charging station
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410031192.2A
Other languages
English (en)
Other versions
CN103793758A (zh
Inventor
路欣怡
刘念
张建华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
North China Electric Power University
Original Assignee
North China Electric Power University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by North China Electric Power University filed Critical North China Electric Power University
Priority to CN201410031192.2A priority Critical patent/CN103793758B/zh
Publication of CN103793758A publication Critical patent/CN103793758A/zh
Application granted granted Critical
Publication of CN103793758B publication Critical patent/CN103793758B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02TCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00Road transport of goods or passengers
    • Y02T10/10Internal combustion engine [ICE] based vehicles
    • Y02T10/40Engine management systems

Landscapes

  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明公开了智能电网技术领域中一种含光伏发电系统的电动汽车充电站的多目标优化调度方法。以购电费用最小化和储能系统的循环电量最小化为目标函数,建立含光伏发电系统的电动汽车充电站的多目标优化调度模型;确定所述调度模型的决策变量及其约束条件;确定基础数据;通过多目标优化算法求解,得到非支配解前沿面,进而获得多个Pareto最优解;根据储能系统总循环电量和购电费用综合成本较小,最终选择充电站调度最佳方案。本发明适用于光资源丰富的各类城市的含光伏发电系统的电动汽车充电站;实现了对含光伏发电系统的电动汽车充电站调度方案的优化;可为含光伏发电系统的电动汽车充电站的调度提供理论依据和技术支撑;提高充电站运行的经济性。

Description

含光伏发电系统的电动汽车充电站的多目标优化调度方法
技术领域
本发明涉及含光伏发电系统的电动汽车充电站的多目标优化调度方法,属于智能电网技术领域。
发明背景
随着电动汽车在世界各国的广泛发展,充电基础设施的规划与建设问题已得到我国政府的更多关注。目前我国电力系统发电侧的一次能源仍以煤炭为主(约占75%~80%),电动汽车通过充电基础设施直接接入电网充电,实际所产生的间接碳排放量相比传统燃油汽车并不占明显优势,并且难以减轻对化石燃料的依赖。这种情况下,要实现真正意义上的低碳,存在两种方式:一是大力发展可再生能源发电系统,协同调度电网中电动汽车充电和可再生能源发电,提高电网对可再生能源的消纳能力;二是直接建立充放电设施与分布式可再生能源发电系统的关联,实现可再生能源的就地消纳利用。从当前的发展情况来看,调整电网的一次能源结构是非常困难的,通过可再生能源与电动汽车的就地集成,可以有效提高可再生能源利用率,降低碳排放量。
图1为含光伏发电系统的电动汽车充电站结构示意图。如图1所示,含光伏发电系统的电动汽车充电站一般电气结构包括:光伏发电系统,通过直流转直流(DC/DC)变换器与直流母线相连;储能系统,通过直流转直流(DC/DC)变换器与直流母线相连;光伏充电站停车位,停在光伏充电站停车位待充电的电动汽车与充电桩相连;充电池通过直流转直流(DC/DC)变换器与直流母线相连;交流配网通过交流转直流(AC/DC)变流器后与直流母线相连;中央控制单元与交流母线相连。所述储能系统一般为蓄电池组。
光伏发电系统的电动汽车充电站的运行策略为:(1)在一定的时间周期(如一天)内,有N辆车在不同时段停放在光伏充电站的充电车位上;充电站的电能来源于光伏发电和配电网供电;在停放时间段内由系统根据光伏及电价情况优选起始充电时间,通过充电桩对其充电。(2)假定充电站运营商是光伏发电的投资主体,使用过程中不需再另付来自光伏发电的购电费用;配电网通过交流转直流(AC/DC)变流器向系统供电,采用分时电价(在电网负荷高峰时段电价高,负荷低谷时段电价低)。(3)储能系统根据自身荷电状态(SOC),随光伏发电及电价情况灵活调整充放电方式。在光伏发电功率大于电动汽车充电需求时,利用光伏剩余电能给储能充电;在光伏发电功率不能满足电动汽车充电需求时,储能系统释放电能,与配电网共同对电动汽车充电。
但是,目前仍缺乏针对含光伏发电系统的电动汽车充电站的优化调度方法。
光伏充电站与常规充电站相比,除了在站内配备光伏发电系统外,考虑到光伏发电的波动、间歇特性,还需配备一定容量的储能系统。这种情况下,一方面需尽可能利用光伏发电电量,降低从电网的购电费用;另一方面,需考虑储能系统的使用寿命问题,尽可能降低储能的循环电量。因此,常规充电站的优化调度方法不能完全适用。
当一个优化问题的目标函数大于一个且需要同时处理时即形成多目标优化问题。对于一个多目标优化问题,我们关注其Pareto最优解集(非支配解集),即综合考虑各目标后的折中解集合。20世纪八九十年代以来,各国学者相继提出了不同的多目标进化算法,主要包括MOGA(Multi-objective Genetic Algorithm)、NPGA(Niched Pareto GeneticAlgorithm)、SPEA(Strength Pareto Evolutionary Algorithm)、NSGA(Non-dominatedSorting Genetic Algorithm)和NSGA-II等算法。
NSGA-II是Deb等人于2002年在对NSGA算法改进的基础上提出的,是目前认可度较高的多目标进化算法之一。相对于NSGA算法,其具有以下主要优点:
(1)采用基于分级的快速非支配排序法,计算复杂度为O(mN2)(其中,m为目标函数的个数,N为种群中个体的数量);
(2)提出拥挤距离的概念,用以表示快速非支配排序后同级中不同元素的适应度值,使当前Pareto前沿中的个体能够尽可能均匀地扩展到整个Pareto前沿面,拥挤距离的时间复杂度为O(m(2N)log(2N));
(3)引入精英保留机制,通过子代个体与其父代个体的共同竞争来产生下一代种群,有利于提高种群的整体进化水平。
发明内容
本发明的目的在于,针对上述不足之处公开了含光伏发电系统的电动汽车充电站的多目标优化调度方法,为示范城市电动汽车充电基础设施建设提供理论依据和技术支撑,并有利于提高充电站内整体运行的经济效益。
针对含光伏发电系统的电动汽车充电站,其结构为:光伏发电系统,通过直流转直流(DC/DC)变换器与直流母线相连;储能系统,通过直流转直流(DC/DC)变换器与直流母线相连;光伏充电站停车位,停在光伏充电站停车位待充电的电动汽车与充电桩相连;充电桩通过直流转直流(DC/DC)变换器与直流母线相连;交流配网通过交流转直流(AC/DC)变流器后与直流母线相连;中央控制单元与系统各组件相连,可获取各组件信息并发出指令。
光伏发电系统的电动汽车充电站的运行策略为:(1)在一定的时间周期(如一天)内,有N辆车在不同时段停放在光伏充电站的充电车位上;充电站的电能来源于光伏发电和配电网供电;在停放时间段内由系统根据光伏及电价情况优选起始充电时间,通过充电桩对其充电。(2)假定充电站运营商是光伏发电的投资主体,使用过程中不需再另付来自光伏发电的购电费用;配电网通过交流转直流(AC/DC)变流器向系统供电,采用分时电价(在电网负荷高峰时段电价高,负荷低谷时段电价低)。结合目前现有实际运营现状,本发明暂不考虑向配电网送电的情况。(3)储能系统根据自身荷电状态(SOC),随光伏发电及电价情况灵活调整充放电方式。在光伏发电功率大于电动汽车充电需求时,利用光伏剩余电能给储能充电;在光伏发电功率不能满足电动汽车充电需求时,储能系统释放电能,与配电网共同对电动汽车充电。
本发明提供的技术方案是,
含光伏发电系统的电动汽车充电站的多目标优化调度方法,该方法步骤为:
1)考虑光伏发电系统的电动汽车充电站的结构和运行策略,以购电费用最小化和储能系统的循环电量最小化为目标函数,建立含光伏发电系统的电动汽车充电站的多目标优化调度模型;
在满足站内充电需求的情况下,设计优化目标如下:(1)最小化购电费用;(2)最小化储能系统循环电量;
C = Σ i = 1 T pr i · ( Pg i · Δt i ) E c = Σ i = 1 T Pb i * · Δt i ,
Pb i * = | Pb i | , Pb i < 0 0 , Pb i &GreaterEqual; 0 ,
式中,C为购电总费用;Ec为储能系统循环电量;T为优化的时段数;Δti为第i时段的时长;Pgi为第i时段配电网供电的平均功率;pri为第i时段的电价;Pbi *为第i时段放电功率;Pbi为不同时段储能系统充放电功率。
2)确定光伏发电系统的电动汽车充电站的多目标优化调度模型的决策变量及其约束条件;
根据优化目标设定的光伏发电系统的电动汽车充电站的多目标优化调度模型的决策变量为:电动汽车充电起始时间tsk,储能系统充放电功率Pbi
根据优化目标设定的光伏发电系统的电动汽车充电站的多目标优化调度模型的约束条件包括四个方面:(1)电动汽车充电时间约束;(2)储能系统充放电功率和荷电状态(SOC)范围约束;(3)配电网供电功率约束;(4)系统功率平衡约束。
(1)电动汽车充电时间约束:电动汽车充电时间tsk,储能系统充放电功率Pbi,约束条件如下:
tpk<tsk<tsk+Eevk/P0<tlk
|Pbi|≤Pbnηdd
式中,tpk和tlk分别为第k辆电动汽车到达和离开车位的时间,Pbn为双向DC/DC变换器的额定功率,Eevk为第k辆车所需充电电量;P0为电动汽车额定充电功率;ηdd为直流转直流变换器的效率;
(2)储能系统充放电功率和荷电状态(SOC)范围约束:满足荷电状态(SOC)范围约束条件为,如果放电深度过大,会影响储能系统使用寿命,对储能系统的荷电状态(SOC)范围约束如下:
1-D≤SOCi≤1,
式中,D为储能系统最大放电深度;SOCi为第i时段储能系统荷电状态。
根据充放电功率,储能系统荷电状态(SOC)在不同时间的状态关系可表示为:
SOCi=SOCi-1+Pbi·Δti/Ebn
式中,Ebn为储能系统的额定电量。
(3)配电网供电功率约束条件为,配电网向系统供电功率受到配电变压器和交流转直流(AC/DC)变换器的额定容量约束:
Pgi≤min(PT,PAD),
式中,PT和PAD分别为配电变压器及交流转直流变换器的额定容量。
(4)系统功率平衡约束条件为,光伏充电站系统在运行过程中需满足功率平衡关系。当储能系统处于充电状态时:
Pgi·ηad+Ppvi·ηdd=Pevidd+Pbidd
当储能系统处于放电状态时:
Pgi·ηad+Ppvi·ηdd=Pevidd+Pbi·ηdd
式中,Ppvi为光伏发电功率,Pevi为站内电动汽车充电总功率;ηdd为直流转直流变换器的效率,ηad为交流转直流变换器的效率;
3)含光伏发电系统的电动汽车充电站的多目标优化调度模型求解前,确定以下基础数据:
(1)根据光伏发电的历史数据和气象预报所预测的光伏发电功率;
(2)统计私家车行为规律,预测电动汽车的停放起止时间tpk、tlk和需求电量情况;
(3)确定光伏充电站系统各单元的具体参数,如单价、寿命、效率和额定容量等;
(4)根据私家车停放时间规律和双向DC/DC变换器额定功率约束,确定各决策变量的取值范围;
(5)各时段的电价。
4)根据不同天气预测情况下充电站运行情况,通过多目标优化算法,得到非支配解前沿面,进而获得多个Pareto最优解;
5)根据当地的日照强度以及充电站储能系统起始荷电状态(SOC)的情况,选择对储能系统总循环电量和购电费用综合成本较小的优化方案,最终选择每日的优化调度方案。
本发明的有益效果是:
本发明适用于光资源丰富的各类城市含光伏发电系统的电动汽车充电站内,主要对充电站日前调度进行优化。
本发明提出的含光伏发电系统的电动汽车充电站多目标优化调度方法物理概念明确,算法简便,实现了对光伏充电站调度方案的优化,
本发明可以针对不同日照情况和储能系统起始荷电状态(SOC),根据对电动汽车充电行为的研究,提出日前调度优化方案;提出的优化调度模型,可为含光伏发电的电动汽车充电站的调度提供理论依据和技术支撑,提高充电站站运行的经济性。
附图说明
图1为光伏充电站集成系统结构示意图。
图2为针对优化数学模型采用的求解流程图。图中虚线框中表示的是目标函数的计算方法。
图3为采用特定多目标优化算法,在不同日照强度和储能系统起始荷电状态(SOC)条件下得到储能系统总循环电量和购电费用的关系图。图(a-d)均为两目标优化结果,其中,图(a)为日照较强,储能系统起始荷电状态(SOC)为0.8时的情况;图(b)为日照较强,储能系统起始荷电状态(SOC)为0.4的情况;图(c)为日照较弱,储能系统起始荷电状态(SOC)为0.4的情况;图(d)为日照较弱,储能系统起始荷电状态(SOC)为0.8的情况。
具体实施方式
下面结合附图,对所选算例作详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。
如图1所示,本发明公开了光伏充电站集成系统结构示意图。图1为含光伏发电系统的电动汽车充电站结构示意图,如图1所示,含光伏发电系统的电动汽车充电站一般电气结构包括:光伏发电系统,通过DC/DC变换器与直流母线相连;储能系统,通过DC/DC变换器与直流母线相连;光伏充电站停车位,停在光伏充电站停车位待充电的电动汽车与充电桩相连;充电池通过DC/DC变换器与直流母线相连;交流配网通过AC/DC变流器后与直流母线相连;中央控制单元与交流母线相连。
含光伏发电系统的电动汽车充电站的运行策略(具体)为,(1)在一定的时间周期(如一天)内,有N辆车在不同时段停放在光伏充电站的充电车位上;充电站的电能来源于光伏发电和配电网供电;在停放时间段内由系统根据光伏及电价情况优选起始充电时间,通过充电桩对其充电。(2)假定充电站运营商是光伏发电的投资主体,使用过程中不需再另付购电费用(一般,光伏的所有人为充电站的运营商,因此使用光伏发电不用钱)。配电网通过AC/DC变流器向系统供电,采用分时电价——在电网负荷高峰时段电价高,负荷低谷时段电价低——计算购电费用(结合现在实际运营现状,本发明暂不考虑向配电网送电的情况)。(3)储能系统根据自身荷电状态(SOC),随光伏发电及电价情况灵活调整充放电方式。在光伏发电功率大于电动汽车充电需求时,利用光伏剩余电能给储能充电;在光伏发电功率不能满足电动汽车充电需求时,储能系统释放电能,与配电网共同对电动汽车充电。
本发明提供的含光伏发电系统的电动汽车充电站的多目标优化调度方法,该方法步骤为:
1)构建光伏充电调度优化模型的目标函数。在满足站内充电需求的情况下,设计优化目标如下:(1)最小化购电费用;(2)最小化储能系统循环电量。
C = &Sigma; i = 1 T pr i &CenterDot; ( Pg i &CenterDot; &Delta;t i ) E c = &Sigma; i = 1 T Pb i * &CenterDot; &Delta;t i ,
Pb i * = | Pb i | , Pb i < 0 0 , Pb i &GreaterEqual; 0 ,
式中,C为购电总费用;Ec为储能系统循环电量;T为优化的时段数;Δti为第i时段的时长;Pgi为第i时段配电网供电的平均功率;pri为第i时段的电价;Pbi *为第i时段放电功率;Pbi为不同时段储能系统充放电功率。
2)确定系统的决策变量及其约束条件;
根据优化目标设定的光伏发电系统的电动汽车充电站的多目标优化调度模型的决策变量为:电动汽车充电起始时间tsk,储能系统充放电功率Pbi
根据优化目标设定的系统约束条件包括四个方面:(1)电动汽车充电时间约束;(2)储能系统充放电功率和荷电状态(SOC)范围约束;(3)配电网供电功率约束;(4)系统功率平衡约束。
(1)电动汽车充电时间约束:电动汽车充电时间tsk,储能系统充放电功率Pbi,约束条件如下:
tpk<tsk<tsk+Eevk/P0<tlk
|Pbi|≤Pbnηdd
式中,tpk和tlk分别为第k辆电动汽车到达和离开车位的时间,Pbn为双向DC/DC变换器的额定功率,Eevk为第k辆车所需充电电量;P0为电动汽车额定充电功率;ηdd为直流转直流变换器的效率;
(2)储能系统充放电功率和荷电状态(SOC)范围约束:满足荷电状态(SOC)范围约束条件为,如果放电深度过大,会影响储能系统使用寿命,对储能系统的荷电状态(SOC)范围约束如下:
1-D≤SOCi≤1,
式中,D为储能系统最大放电深度;SOCi为第i时段储能系统荷电状态。
根据充放电功率,储能系统荷电状态(SOC)在不同时间的状态关系可表示为:
SOCi=SOCi-1+Pbi·Δti/Ebn
式中,Ebn为储能系统的额定电量。
(3)配电网供电功率约束条件为,配电网向系统供电功率受到配电变压器和AC/DC模块的额定容量约束:
Pgi≤min(PT,PAD),
式中,PT和PAD分别为配电变压器及AC/DC变换器的额定容量。
(4)系统功率平衡约束条件为,光伏充电站系统在运行过程中需满足功率平衡关系。当储能系统处于充电状态时:
Pgi·ηad+Ppvi·ηdd=Pevidd+Pbidd
当储能系统处于放电状态时:
Pgi·ηad+Ppvi·ηdd=Pevidd+Pbi·ηdd
式中,Ppvi为光伏发电功率,Pevi为站内电动汽车充电总功率;ηdd为直流转直流变换器的效率,ηad为交流转直流变换器的效率;
3)对优化模型进行求解计算时应具备以下基础数据:(1)根据光伏发电的历史数据和气象预报所预测的光伏发电功率;(2)统计私家车行为规律,预测电动汽车的停放起止时间tpk、tlk和需求电量情况;(3)确定光伏充电站系统各单元的具体参数,如单价、寿命、效率和额定容量等;(4)根据私家车停放时间规律和双向DC/DC变换器额定功率约束,确定各决策变量的取值范围;(5)各时段的电价。
4)根据不同天气预测情况下充电站运行情况,通过多目标优化算法,得到非支配解前沿面,进而获得多个Pareto最优解;
本发明多目标优化算法采用的为NSGA-II算法;图2所示为针对优化数学模型采用的求解流程图。图中虚线框中表示的是目标函数的计算方法,这里公开了针对优化数学模型的求解流程示意图——采用NSGA-II算法来求解上述问题,求解的难点在于计算目标函数,即优化时段内购电费用和储能系统的循环电量(如图中虚线框内容),目标函数的计算结果是对NSGA-II算法种群中的个体进行快速非支配排序的基础,具体NSGA-II算法计算目标函数的方法包括如下步骤:
①计算光伏发电功率
根据光伏发电的历史数据和气象预报,获得未来24小时内每时刻光伏系统的输出功率Ppvi
②计算电动汽车充电总功率
统计私家车行为规律,其停放起止时间和电池剩余电量均满足正态分布,根据统计规律预测电动汽车的停放起止时间tpk、tlk和剩余电量情况,求出其电量需求Eevk。在约束下随机生成每辆电动汽车的充电起始时间tsk。
如图中步骤求出每辆车在每时刻的充电功率Pki,求出第i时刻站内电动汽车的充电总功率Pevi
③获得储能系统充放电功率Pbi
在约束条件内随机生成储能系统充放电功率Pbi,检查每时刻储能系统荷电状态是否满足约束,求出第i时刻储能深度的约束,对于不满足的Pbi,使用罚函数进行处理。
④计算光伏充电站从配电网购电的功率
根据系统功率平衡关系,可求出每时刻系统从配电网购电的功率。
⑤计算目标函数之一购电费用
根据分时电价求取优化时段的总购电费用。
⑥计算目标函数之二储能系统循环电量
根据Pbi的正负判断储能系统处于充电或放电状态,可求得优化时段的储能系统循环电量。
如图3所示,图3为采用特定多目标优化算法,在不同日照强度和储能系统起始荷电状态(SOC)条件下得到储能系统总循环电量和购电费用的关系图。本发明公开了一例为采用特定多目标优化算法,在不同日照强度和储能系统起始荷电状态(SOC)条件下得到储能系统总循环电量和购电费用的关系图。图(a-d)均为两目标优化结果,其中,图(a)为日照较强,储能系统始荷电状态(SOC)为0.8时的情况;图(b)为日照较强,储能系统起始荷电状态(SOC)为0.4的情况;图(c)为日照较弱,储能系统起始荷电状态(SOC)为0.4的情况;图(d)为日照较弱,储能系统起始荷电状态(SOC)为0.8的情况。优化结果是一组Pareto最优解,在实际应用中可根据目标城市的日照强度,以及充电站内储能系统起始荷电状态(SOC),来选择光伏充电站的优化调度方案。由多目标优化算法搜索得到的Pareto解集分布均匀且分布范围广,可为在不同日照强度和储能系统起始荷电状态(SOC)条件下对储能系统总循环电量和购电费用的选择提供丰富信息。决策者可充分考虑当地日照强度以及充电站储能系统起始荷电状态(SOC)的情况选择成本较小的优化方案,因此需要综合权衡各方面因素,充分挖掘Pareto最优解蕴含的信息,做出客观决策。
本发明适用于光资源丰富的各类城市的含光伏发电系统的电动汽车充电站;实现了对含光伏发电系统的电动汽车充电站调度方案的优化;可为含光伏发电系统的电动汽车充电站的调度提供理论依据和技术支撑;提高充电站运行的经济性。
以上所述,仅为本发明较佳的具体实施方法,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 (2)

1.含光伏发电系统的电动汽车充电站的多目标优化调度方法,其特征在于,该方法步骤为:
步骤1:考虑光伏发电系统的电动汽车充电站的结构和运行策略,以购电费用最小化和储能系统的循环电量最小化为目标函数,建立含光伏发电系统的电动汽车充电站的多目标优化调度模型;
在满足站内充电需求的情况下,设计优化目标如下:(1)最小化购电费用;(2)最小化储能系统循环电量;
式中,C为购电总费用;Ec为储能系统循环电量;T为优化的时段数;Δti为第i时段的时长;Pgi为第i时段配电网供电的平均功率;pri为第i时段的电价;Pbi *为第i时段放电功率;Pbi为第i时段储能系统充放电功率;
步骤2:确定光伏发电系统的电动汽车充电站的多目标优化调度模型的决策变量及其约束条件;
根据优化目标设定的光伏发电系统的电动汽车充电站的多目标优化调度模型的决策变量为:电动汽车充电起始时间tsk,储能系统充放电功率Pbi
根据优化目标设定的光伏发电系统的电动汽车充电站的多目标优化调度模型的约束条件包括四个方面:(1)电动汽车充电时间约束;(2)储能系统充放电功率和荷电状态范围约束;(3)配电网供电功率约束;(4)系统功率平衡 约束;
(1)电动汽车充电时间约束:电动汽车充电起始时间tsk,储能系统充放电功率Pbi,约束条件如下:
tpk<tsk<tsk+Eevk/P0<tlk
|Pbi|≤Pbnηdd
式中,tpk和tlk分别为第k辆电动汽车到达和离开车位的时间,Pbn为双向直流转直流变换器的额定功率;Eevk为第k辆车所需充电电量;P0为电动汽车额定充电功率;ηdd为直流转直流变换器的效率;
(2)储能系统充放电功率和荷电状态范围约束:满足荷电状态范围约束条件为,如果放电深度过大,会影响储能系统使用寿命,对储能系统的荷电状态范围约束如下:
1-D≤SOCi≤1,
式中,D为储能系统最大放电深度;SOCi为第i时段储能系统荷电状态;
根据充放电功率,储能系统荷电状态在不同时间的状态关系表示为:
SOCi=SOCi-1+Pbi·Δti/Ebn
式中,Ebn为储能系统的额定电量;
(3)配电网供电功率约束条件为,配电网向系统供电功率受到配电变压器和交流转直流模块的额定容量约束:
Pgi≤min(PT,PAD),
式中,PT和PAD分别为配电变压器及整流器的额定容量;
(4)系统功率平衡约束条件为,光伏充电站系统在运行过程中需满足功率平衡关系;当储能系统处于充电状态时:
Pgi·ηad+Ppvi·ηdd=Pevidd+Pbidd
当储能系统处于放电状态时:
Pgi·ηad+Ppvi·ηdd=Pevidd+Pbi·ηdd
式中,Ppvi为光伏发电功率,Pevi为站内电动汽车充电总功率;ηdd为直流转直流变换器的效率,ηad为交流转直流变换器的效率;
步骤3:含光伏发电系统的电动汽车充电站的多目标优化调度模型求解前,确定以下基础数据:
(1)根据光伏发电的历史数据和气象预报所预测得到的光伏发电功率;
(2)统计私家车行为规律,预测电动汽车的停放起止时间tpk、tlk和需求电量情况;
(3)确定含光伏发电系统的电动汽车充电站部件的参数,所述参数为单价、寿命、效率和额定容量任意之一或多个;
(4)根据私家车停放时间规律和双向DC/DC变换器额定功率约束,确定各决策变量的取值范围;
(5)各时段的电价;
步骤4:根据不同天气预测情况下充电站运行情况,通过多目标优化算法,得到非支配解前沿面,进而获得多个Pareto最优解;
步骤5:根据当地的日照强度以及充电站储能系统起始荷电状态的情况,选择对储能系统总循环电量和购电费用综合成本较小的优化方案,最终选择含光伏发电系统的电动汽车充电站最优调度方案。
2.根据权利要求1所述的含光伏发电系统的电动汽车充电站的多目标优化调度方法,其特征在于,所述多目标优化算法为NSGA-II算法,所述NSGA-II 算法方法包括步骤:
①计算光伏发电功率;
根据光伏发电的历史数据和气象预报,获得未来24小时内每时刻光伏系统的输出功率Ppvi
②计算电动汽车充电总功率Pevi;统计私家车行为规律,其停放起止时间和电池剩余电量均满足正态分布,根据统计规律预测电动汽车的停放起止时间tpk、tlk和剩余电量情况,求出其电量需求Eevk
在约束条件下随机生成每辆电动汽车的充电起始时间tsk
求出每辆车在每时刻的充电功率Pki,求出第i时刻站内电动汽车的充电总功率Pevi
③获得储能系统充放电功率Pbi;在约束条件内随机生成储能系统充放电功率Pbi,检查每时刻储能系统荷电状态是否满足约束,求出第i时刻储能深度的约束,对于不满足的Pbi,使用罚函数进行处理;
④计算光伏充电站从配电网购电的功率;根据系统功率平衡关系,求出每时刻系统从配电网购电的功率;
⑤计算目标函数之一购电费用;根据分时电价求取优化时段的总购电费用;
⑥计算目标函数之二储能系统循环电量;根据Pbi的正负判断储能系统处于充电或放电状态,求得优化时段的储能系统循环电量。
CN201410031192.2A 2014-01-23 2014-01-23 含光伏发电系统的电动汽车充电站的多目标优化调度方法 Active CN103793758B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410031192.2A CN103793758B (zh) 2014-01-23 2014-01-23 含光伏发电系统的电动汽车充电站的多目标优化调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410031192.2A CN103793758B (zh) 2014-01-23 2014-01-23 含光伏发电系统的电动汽车充电站的多目标优化调度方法

Publications (2)

Publication Number Publication Date
CN103793758A CN103793758A (zh) 2014-05-14
CN103793758B true CN103793758B (zh) 2017-01-25

Family

ID=50669397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410031192.2A Active CN103793758B (zh) 2014-01-23 2014-01-23 含光伏发电系统的电动汽车充电站的多目标优化调度方法

Country Status (1)

Country Link
CN (1) CN103793758B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133415A (zh) * 2017-05-22 2017-09-05 河海大学 一种考虑用户满意和配网安全的电动汽车充放电优化方法

Families Citing this family (42)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104269849B (zh) * 2014-10-17 2016-08-17 国家电网公司 基于建筑光伏微电网的能量管理方法及系统
CN104680256B (zh) * 2015-03-06 2018-07-27 北京交通大学 电动汽车充电负荷优化方法和装置
CN104794533B (zh) * 2015-04-10 2018-08-03 国家电网公司 计入可入网电动汽车的配电网用户光伏电站的容量最优配置方法
CN106295853B (zh) * 2016-07-28 2020-09-25 华北电力大学(保定) 基于储能调度模式的分布式光伏两阶段多目标就地消纳法
CN106230020B (zh) * 2016-08-11 2018-10-19 浙江工业大学 一种微电网下考虑分布式电源消纳的电动汽车互动响应控制方法
CN106410799B (zh) * 2016-11-27 2019-04-16 东北电力大学 用于光伏高渗透率配电网中电动汽车充电站的选址方法
CN106515492B (zh) * 2016-12-01 2018-12-25 湖南大学 一种基于cps的电动汽车充电方法
CN106505579B (zh) * 2016-12-19 2018-12-18 电子科技大学 一种电动汽车参与配电网电压调节的调度控制方法
CN107067136B (zh) * 2016-12-22 2020-11-27 国家电网公司 电动汽车充电分配方法及装置
CN107627889A (zh) * 2017-10-13 2018-01-26 安徽易威斯新能源科技股份有限公司 一种设置有光伏发电的充电站
WO2019153305A1 (en) * 2018-02-11 2019-08-15 Abb Schweiz Ag Charging station and method and device for controlling charging station
CN108832654A (zh) * 2018-06-07 2018-11-16 中国电力科学研究院有限公司 一种用于光伏发电系统经济效益优化调度的方法及系统
CN109740846A (zh) * 2018-11-30 2019-05-10 国网江苏省电力有限公司电力科学研究院 智能小区需求响应调度方法和系统
CN109767087A (zh) * 2018-12-26 2019-05-17 深圳供电局有限公司 光伏功率的调度方法、装置、计算机设备和存储介质
CN109754119B (zh) * 2018-12-29 2023-07-04 国网天津市电力公司电力科学研究院 基于Floyd算法的电动汽车充换电服务网络优化规划方法
US11001161B2 (en) 2019-02-15 2021-05-11 Ford Global Technologies, Llc Electric vehicle charging scheduler
CN110048475A (zh) * 2019-03-18 2019-07-23 南京理工大学 电动汽车光伏充电站充电优化方法
CN110289622B (zh) * 2019-03-26 2021-11-26 国网浙江省电力有限公司嘉兴供电公司 一种光储充能量路由器的日前经济优化调度方法
CN109980742B (zh) * 2019-04-15 2023-07-25 广东电网有限责任公司电网规划研究中心 计及动力电池梯次利用基于mmc结构的充电站优化方法
CN110126666B (zh) * 2019-04-19 2022-06-21 武汉新能源汽车工业技术研究院有限公司 一种基于云平台的充电站群控系统及控制方法
CN110165687B (zh) * 2019-05-20 2022-08-26 南京邮电大学 一种基于遗传算法的电动汽车快速充电站最优化设计方法
CN111489009B (zh) * 2019-06-06 2023-07-25 国网辽宁省电力有限公司 一种电动汽车充电站运行方式的优化计算方法及装置
CN110601334B (zh) * 2019-08-07 2021-11-05 许继电源有限公司 一种充电站及其能量调度管理方法
CN110633494B (zh) * 2019-08-08 2022-08-12 哈尔滨理工大学 一种基于NSGA-Ⅱ算法的Swiss整流器多目标优化设计方法
CN110890763B (zh) * 2019-08-26 2022-09-13 南京理工大学 限制充放电状态切换的电动汽车与光伏发电协同调度方法
CN110854842A (zh) * 2019-10-10 2020-02-28 中电普瑞科技有限公司 一种光储充电站调度方法及装置
CN110739690A (zh) * 2019-10-31 2020-01-31 山东大学 考虑电动汽车快充站储能设施的配电网优化调度方法及系统
CN110877546B (zh) * 2019-11-01 2021-05-14 中国能源建设集团广东省电力设计研究院有限公司 基于天气预测的光伏充电站充电控制方法及装置
CN111047093A (zh) * 2019-12-12 2020-04-21 海南电网有限责任公司 一种电动汽车典型快充站优化运行配置方法
CN110867883B (zh) * 2019-12-16 2020-10-30 贵州电网有限责任公司 一种适应分布式储能大规模应用的配电网运行方法
CN111319508A (zh) * 2020-02-20 2020-06-23 深圳供电局有限公司 多能互补充电站
CN111376777A (zh) * 2020-03-05 2020-07-07 深圳供电局有限公司 用于充换储一体化电站的微网终端及接口
CN111311031A (zh) * 2020-03-27 2020-06-19 天合光能股份有限公司 一种户用光伏储能供电系统的能量管理方法
CN112418605A (zh) * 2020-10-19 2021-02-26 国网上海市电力公司 一种光储式充电站储能系统优化运行方法
CN112183882B (zh) * 2020-10-19 2022-10-14 武汉理工大学 一种基于电动汽车快充需求的智慧充电站充电优化方法
CN112600194A (zh) * 2020-11-30 2021-04-02 珠海格力电器股份有限公司 汽车的充电管理方法、装置、汽车、存储介质及处理器
CN113306431B (zh) * 2021-05-07 2023-06-09 南方电网数字电网科技(广东)有限公司 电动汽车的充放电功率确定方法、装置和计算机设备
CN113283807B (zh) * 2021-06-23 2024-04-05 阳光慧碳科技有限公司 光储充电站的运营调度方法和装置
CN113452052A (zh) * 2021-06-30 2021-09-28 中国电力科学研究院有限公司 含充储电站的配电网的调度方法、系统、设备及存储介质
CN114037480B (zh) * 2021-11-23 2024-06-25 北京邮电大学 面向新城市的新能源车充电桩需求预测及部署优化方法
CN115416532A (zh) * 2022-09-23 2022-12-02 国网江苏省电力有限公司电力科学研究院 一种基于粒子群算法的多目标汽车充电方法、设备及介质
CN115378007B (zh) * 2022-10-25 2022-12-23 国网安徽省电力有限公司合肥供电公司 一种智能化光伏储能一体化充电站的控制方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509176A (zh) * 2011-11-10 2012-06-20 山东电力集团公司德州供电公司 一种风光储协同调度的滚动优化决策方法
CN103077429A (zh) * 2013-01-10 2013-05-01 华北电力大学 含风光发电与电动汽车换电站的孤立微电网容量优化方法
CN103151797A (zh) * 2013-03-04 2013-06-12 上海电力学院 基于多目标调度模型的并网运行方式下微网能量控制方法
CN103187784A (zh) * 2013-02-28 2013-07-03 华北电力大学 一种优化光伏充电站集成系统的方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102509176A (zh) * 2011-11-10 2012-06-20 山东电力集团公司德州供电公司 一种风光储协同调度的滚动优化决策方法
CN103077429A (zh) * 2013-01-10 2013-05-01 华北电力大学 含风光发电与电动汽车换电站的孤立微电网容量优化方法
CN103187784A (zh) * 2013-02-28 2013-07-03 华北电力大学 一种优化光伏充电站集成系统的方法及装置
CN103151797A (zh) * 2013-03-04 2013-06-12 上海电力学院 基于多目标调度模型的并网运行方式下微网能量控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《含光伏发电系统的电动汽车充电站多目标容量优化配置方法》;陈征等;《电工技术学报》;20130630;第28卷(第6期);全文 *
《微电网多目标动态优化调度模型与方法》;洪博文等;《电力自动化设备》;20130331;第33卷(第3期);全文 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107133415A (zh) * 2017-05-22 2017-09-05 河海大学 一种考虑用户满意和配网安全的电动汽车充放电优化方法
CN107133415B (zh) * 2017-05-22 2019-07-23 河海大学 一种考虑用户满意和配网安全的电动汽车充放电优化方法

Also Published As

Publication number Publication date
CN103793758A (zh) 2014-05-14

Similar Documents

Publication Publication Date Title
CN103793758B (zh) 含光伏发电系统的电动汽车充电站的多目标优化调度方法
CN103151798B (zh) 独立微网系统的优化方法
CN111404206B (zh) 考虑投资回报约束的风光储发电系统容量双层规划方法
CN111626527B (zh) 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法
CN109146201A (zh) 基于合作博弈的充换储一体化电站微电网优化调度方法
Zhao et al. An intelligent solar powered battery buffered EV charging station with solar electricity forecasting and EV charging load projection functions
CN109948823B (zh) 一种光储充电塔自适应鲁棒日前优化调度方法
CN115036918B (zh) 一种光储充电站经济运行费用和负荷方差优化的方法
CN113326467B (zh) 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统
CN115239032B (zh) 计及能源自洽率的高速公路服务区微电网规划方法及系统
CN115001038A (zh) 一种基于随机规划的风光柴储容量配比优化方法
CN111864749A (zh) 光伏系统出力园区电动汽车充电方法、系统及存储介质
CN117134409A (zh) 考虑电-氢-热互补的微网系统及其多目标优化配置方法
Li et al. Energy management model of charging station micro-grid considering random arrival of electric vehicles
CN103915851B (zh) 一种递进步长和期望输出均可变的储能系统优化控制方法
CN108075471A (zh) 基于随机性电源出力预测的多目标约束优化电网调度策略
Rajesh et al. EV charging station using renewable systems (solar and wind)
CN105574681A (zh) 一种多时间尺度社区能源局域网能量调度方法
CN115882460A (zh) 一种考虑需求侧管理的两阶段新能源微电网优化调度方法
CN115603383B (zh) 一种储能辅助火电机组调峰的容量配置及运行调度分层优化方法
CN116937702A (zh) 一种光伏能源综合服务站多目标运行控制系统及方法
CN112884191A (zh) 一种基于网源协调的热电日前调度模型及计算方法
CN114971154A (zh) 一种包含碳交易机制的可再生能源消纳方法
Tutkun et al. Design of a PV Powered Charging Station for PHEVs
Zhu et al. Coordination planning of integrated energy system and electric vehicle charging station considering carbon emission reduction

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant