CN104517158B

CN104517158B - 一种计及电动汽车和可控负荷的配电系统阻塞调控方法

Info

Publication number: CN104517158B
Application number: CN201410736149.6A
Authority: CN
Inventors: 李梁; 刘伟佳; 俞哲人; 文福拴; 汪宏华; 李波; 陈婧韵; 韩璐羽; 詹燕娇
Original assignee: Zhejiang University ZJU; State Grid Zhejiang Electric Vehicle Service Co Ltd
Current assignee: Zhejiang University ZJU; State Grid Zhejiang Electric Vehicle Service Co Ltd
Priority date: 2014-12-07
Filing date: 2014-12-07
Publication date: 2017-12-15
Anticipated expiration: 2034-12-07
Also published as: CN104517158A

Abstract

本发明公开的一种计及电动汽车和可控负荷的配电系统阻塞调控方法，包括如下步骤：a.确定电动汽车调度特性,建立电动汽车可调度特性的模型;b.确定常见家用负荷的控制特性和能耗特性，建立可控负荷的需求和可调度模型；c.根据可控负荷代理和电动汽车代理的经济理性与需求侧负荷特性,代理商上报下一交易日的初步负荷计划;配电系统调度机构进行校验,并确定阻塞价格;各代理商根据阻塞价格,对可控负荷和电动汽车充放电负荷进行调整和协调。采用本发明的配电系统阻塞调控方法,对配电系统可能发生的阻塞计算阻塞费用，可以合理的错开电动汽车和可控负荷用电高峰，有效的避免集中用电导致的负荷尖峰和配电系统阻塞。

Description

一种计及电动汽车和可控负荷的配电系统阻塞调控方法

技术领域

本发明属于电动汽车和可控负荷的市场调度技术领域，涉及一种计及电动汽车和可控负荷用电需求和阻塞费用调控的方法。

背景技术

居民用户的可控负荷和电动汽车充放电负荷均可视为配电系统中可灵活调度的资源,参与电力市场环境下的阻塞管理。现有的需求侧响应主要针对工业用户等大型负荷,而分布分散、随机性较强的居民负荷一般被认为是不可控的,这样针对居民负荷响应的研究和实践尚不多见。电动汽车普及后其充电安排会在很大程度上影响需求侧响应特性和阻塞管理效果。然而,如何协调调度居民可控负荷和电动汽车充放电负荷以规避配电系统阻塞,就我们所知尚未有研究报道。基于上述背景，本发明针对配电系统内可能发生的阻塞计算阻塞费用，之后利用阻塞费用和电动汽车和可控负荷的灵活性对阻塞进行规避。

发明内容

本发明的目的是提供一种计及电动汽车和可控负荷的配电系统阻塞调控方法。

本发明的计及电动汽车和可控负荷的配电系统阻塞调控方法，包括如下步骤：

a.确定电动汽车调度特性；根据电动汽车用户的出行习惯、电动汽车充电功率和电池特性，建立电动汽车可调度特性的模型，包括：

1)充放电负荷模型

设初始充电时刻T_start的SoC(State of Charge，荷电状态，简写为SoC)为S_init,充电结束时刻T_end的SoC为S_final,EV(Electric Vehicle,电动汽车,简写为EV)电池容量为B_C,充电功率P_ch(t)和EV的SoC值S_ch(t)为时间的函数,充电效率为η_c,电池自放电率为η_l,则单个EV充电需满足:

当EV具备V2G(Vehicle to Grid,电动汽车向电网放电,简写为V2G)，设EV放电功率为P_dch(t),电池的V2G效率为η_d,则式(1)可修正为:

在V2G模式下,EV的放电功率会增加EV的电池损耗,由单位V2G放电电能导致的额外电池损耗成本可估算为:

式中:L_pd、B_lc、I_b、D_od分别为EV在V2G模式下的单位放电电能成本、电池设计的充放电循环寿命、电池成本和V2G放电深度；

2)EV充放电约束模型

为满足车主的使用需求,EV充放电需要满足下述约束条件:

S_ch,min≤S_ch(t)≤S_ch,max (4)

S_final≥S_final,min (5)

式中:S_ch,max和S_ch,min均为保证电池寿命的SoC上限和下限约束,分别用于防止电池过度充电和过度放电；S_final,min为充电结束时车主可接受的最低SoC值；

EV充放电需要满足自身的功率约束,而且每台EV不能同时处于充电和放电状态:

0≤P_ch(t)≤P_ch,max (6)

0≤P_dch(t)≤P_dch,max (7)

P_ch(t)P_dch(t)＝0 (8)

式中:P_ch,max和P_dch,max分别为EV的最大充电功率和最大放电功率。

b.确定家用负荷调度特性；结合空调、冰箱、电热水器的控制特性和能耗特性，建立可控负荷的需求和可调度模型，包括：

1)居民用户整体负荷模型

室内气温T_a、冰箱内部温度T_f和热水器蓄水温度T_w需满足下述约束:

T_a,min≤T_a≤T_a,max (9)

T_f,min≤T_f≤T_f,max (10)

T_w,min≤T_w≤T_w,max (11)

式中:T_a,max、T_a,min、T_f,max、T_f,min、T_w,max、T_w,min分别表示室内气温上限、室内气温下限、冰箱内部温度上限、冰箱内部温度下限、热水器内蓄水的温度上限及热水器内蓄水的温度下限；

此外,空调的热功率Q_AC、冰箱的热功率Q_RF和电热水器的热功率Q_WH必须满足电器设备自身的热功率约束,即:

0≤Q_AC≤Q_AC,max (12)

0≤Q_RF≤Q_RF,max (13)

0≤Q_WH≤Q_WH,max (14)

式中:Q_AC,max、Q_RF,max和Q_WH,max分别为家用空调、电冰箱和电热水器的热功率上限；

分别用η_a、η_f和η_w表示空调热功率与电功率的比值、电冰箱热功率与电功率的比值和电热水器消耗的热功率与电功率的比值,则空调的电功率P_AC、电冰箱的电功率P_RF和电热水器的电功率P_WH分别可用式(15)-(17)计算,用户的总用电负荷可由式(18)求取。

P_AC＝Q_AC/η_a (15)

P_RF＝Q_RF/η_f (16)

P_WH＝Q_WH/η_w (17)

P_D＝P_fix+P_AC+P_RF+P_WH (18)

式中:P_D和P_fix分别表示居民总用电负荷功率和不可控用电负荷功率；

住宅内部的热容量和温度分别用C_a和T_a表示，住宅墙体的热容量和温度分别用C_s和T_s表示，假设住宅内部和外界的热传递速率为R_ae,住宅墙体与外界的热传递速率为R_se,住宅内部与墙体的热传递速率为R_as，C_a和C_s与住宅面积A_s和高度H有关,热传递速率R_se与住宅外墙面积S和空气流通率V_a相关，具体计算公式如下:

C_a＝5.2×10³A_sH(J/K) (19)

C_s＝1.44×10²A_sH(J/K) (20)

R_ae＝0.34V_aA_sH(W/K) (21)

R_as＝7.69S(W/K) (23)

2)家用空调模型

家用空调的数学模型可简化表示为

式中:T_e为外界温度；Q_s和ξ_s分别表示太阳能辐射的热量和效率；W为住宅窗户面积；C_c、T_c和R_ac分别表示空调冷凝机构的热容量、温度和空调冷凝机构与室内空气的热传递速率。

3)家用冰箱模型

冰箱箱体的热容量与温度分别用C_f1与T_f1表示，冷藏箱体的热容量与温度分别用C_f2与T_f2表示，冰箱内部的热容量与温度分别用C_f与T_f表示，制冷结构的热容量与温度分别用C_f4与T_f4表示，家用冰箱的热力学模型为

式中:R_f1f、R_f24、R_ff4、R_af分别表示冰箱箱体与内部的热传递速率、冷藏箱与制冷部分的热传递速率、冰箱内部与制冷部分的热传递速率、冰箱内部与室内空气的热传递速率。

4)电热水器模型

分别用C_t与T_t表示箱体的热容量与温度，用C_w与T_w表示内部蓄水的热容量与温度，电热水器的热力学模型可表示为

式中:R_wt、R_at分别表示热水箱与内部蓄水的热传递速率、热水箱与室内空气的热传递速率。

c.利用节点边际电价和最优潮流的模型，建立配电系统阻塞费用计算模型，包括：

1)零售商代理RA(Retail Agent)的初始负荷计划

在日前市场出清之前,RA并不知道下一交易日的日前市场电价,而需要结合历史数据和下一交易日的预测信息对日前市场的电价进行估算；假设N_d为配电系统的负荷节点数,T_sum为考虑的调度时段,配电系统每个节点上有N_h位用户和N_e辆EV,估算的日前市场电价为λ(t),t＝1,2,…,T_sum；RA的优化目标如下:

式中，i,t,h,e分别为配电网负荷节点、调度时段、用户和电动汽车的编号，其中i＝1,2,…,N_d；t＝1,2,…,T_sum；h＝1,2,…,N_h；e＝1,2,…,N_e；RA的优化目标要受式(1)-(8)和(9)-(18)所分别表示的电动汽车充放电负荷特性和居民负荷的约束；RA在得到各个用户的用电计划后,以节点为单位汇总并上报配电系统调度机构DSO(Distribution SystemOperator)；

2)配电系统调度机构DSO阻塞管理模型

采用多时段直流最优潮流求解配电系统的节点电价DLMP(DistributionLocational Marginal Pricing)，

进而确定节点i在时刻t的阻塞价格λ_c(i,t),目标函数为：

约束条件为：

-F_ij,max≤B_ijθ_ij(t)≤F_ij,max (37)

P_SD,min(i,t)≤P_SD(i,t)≤P_SD,max(i,t) (38)

P_Sch,min(i,t)≤P_Sch(i,t)≤P_Sch,max(i,t) (39)

P_Sdch,min(i,t)≤P_Sdch(i,t)≤P_Sdch,max(i,t) (40)

式中:P_G(i,t)和P_G,sum(t)分别为S在时刻t由节点i注入系统的有功功率和配电系统在时刻t从上层输电系统购买的有功功率；B_ij和θ_ij(t)分别为节点i和节点j之间的线路导纳阵虚部和时刻t节点i与j之间的电压相角差；F_ij,max为线路i-j的有功潮流上限；P_SD(i,t)、P_Sch(i,t)和P_Sdch(i,t)分别为RA上报的以节点为单位的可控负荷、EV充电负荷和EV放电负荷的初始计划；P_SD,max(i,t)、P_SD,min(i,t)、P_Sch,max(i,t)、P_Sch,min(i,t)、P_Sdch,max(i,t)和P_Sdch,min(i,t)分别为时段t节点i可控负荷的上下限、电动汽车的充电负荷上下限和放电负荷上下限，式(8)的约束同样需要在该模型中考虑；

用上述模型求解出的节点电价DLMP为λ_m(i,t),则阻塞价格可由式(41)求得,并作为RA调整可控负荷和EV充放电负荷用电计划的依据，

λ_c(i,t)＝λ_m(i,t)-λ(t) (41)

3)RA对负荷计划的修正

在DSO发布阻塞价格后,RA需要综合考虑用户购电情况,市场电价和阻塞价格,调整可控负荷和EV充放电负荷的用电计划,通过对调度结果利润的最大化实现对DSO阻塞管理信号的响应,自主规避阻塞；RA的优化目标修改如下:

RA在修正负荷计划时需要考虑的约束条件与制定初始负荷计划时相同。

本发明的有益效果是，通过采用本发明的配电系统阻塞的调控方法,对配电系统内可能发生的阻塞计算阻塞费用，可以合理的错开电动汽车和可控负荷用电高峰，有效的避免集中用电导致的负荷尖峰和配电系统阻塞。

附图说明

图1为本发明方法的具体实施流程；

图2为市场价格和根据本发明方法计算得到的阻塞价格；

图3为采用阻塞价格前后的线路负载率对比；

图4为配电系统的某节点总电动汽车在未考虑和考虑V2G模式下的电池储能曲线。

具体实施方式

首先,根据负荷用电灵活性,选取温度控制型的居民用电负荷作为可控负荷,并考虑了电动汽车充放电负荷的灵活性；根据可控负荷的热力学特性和电动汽车的充放电特性,分别建立这两类负荷的需求模型。之后,根据可控负荷代理和电动汽车代理的经济理性与需求侧负荷特性,代理商向配电系统调度机构上报下一交易日的初步负荷计划；配电系统调度机构对负荷计划进行校验,并采用最优潮流方法确定阻塞价格；各代理商则根据阻塞价格,在满足用户需求的前提下对可控负荷和电动汽车充放电负荷进行调整和协调。通过采用这样的机制,最终避免集中用电导致负荷尖峰和配电系统阻塞。如图1所示。具体实施流程如下：

a.电动汽车调度特性的确定。根据电动汽车用户的出行习惯、电动汽车充电功率和电池特性，建立电动汽车可调度特性的模型，此模型又包含如下两步，分别为1)充放电负荷模型、2)EV充放电约束模型：1)充放电负荷模型

由于EV(Electric Vehicle,电动汽车,简写为EV)的行驶里程、充电需求、接入配电系统的时间等都具有很强的不确定性,在负荷高峰时期的无序充电会加大负荷峰谷差,严重时可引起系统阻塞。以单个EV充电为例进行分析,假设用户下午回家后为EV充电,初始充电时刻T_start的SoC(State of Charge，荷电状态，简写为SoC)为S_init,次日上午使用EV,充电结束时刻T_end的SoC为S_final,EV电池容量为B_C,充电功率P_ch(t)和EV的SoC值S_ch(t)为时间的函数,充电效率为η_c,电池自放电率为η_l,则单个EV充电需满足:

式中:S_init、T_start和T_end具有较强的不确定性,可由RA(Retail Agent,零售商代理,简写为RA)根据EV的历史使用情况数据进行统计分析得到。

如果EV具备V2G(Vehicle to Grid,电动汽车向电网放电,简写为V2G)功能,则EV的调度灵活性和优化空间就更大；EV可响应调度信号,在系统需要时通过V2G模式向电力系统回馈电能；或EV根据市场价格信号,在满足EV出行需求的前提下优化充放电计划并获利。假设EV放电功率为P_dch(t),电池的V2G效率为η_d,则可修正为:

式中:L_pd、B_lc、I_b、D_od分别为EV在V2G模式下的单位放电电能成本、电池设计的充放电循环寿命、电池成本和V2G放电深度(Depth of Discharge,DoD)；

2)EV充放电约束模型

为满足车主的使用需求,EV充放电需要满足下述约束条件:

S_ch,min≤S_ch(t)≤S_ch,max (4)

S_final≥S_final,min (5)

式中:S_ch,max和S_ch,min均为保证电池寿命的SoC上限和下限约束,分别用于防止电池过度充电和过度放电；S_final,min为充电结束时车主可接受的最低SoC值,通常由车主根据各自的实际使用情况,与RA签订相应的协议,其中明确可接受的S_final,min值。

0≤P_ch(t)≤P_ch,max (6)

0≤P_dch(t)≤P_dch,max (7)

P_ch(t)P_dch(t)＝0 (8)

式中:P_ch,max和P_dch,max分别为EV的最大充电和放电功率。

b.结合空调、冰箱、电热水器的控制特性和能耗特性，建立可控负荷的需求模型和可调度模型如下1)到4)：

1)居民用户整体负荷模型

考虑到用户的实际需求,空调、电冰箱和电热水器等温度控制型负荷在一定的温度范围内具有调度灵活性,超出该范围后就无法被灵活调度。可控负荷的可调范围也受相关设备的额定值约束。选取室内气温T_a、冰箱内部温度T_f和热水器蓄水温度T_w作为控制对象,在对可控负荷调度时需满足下述约束:

T_a,min≤T_a≤T_a,max (9)

T_f,min≤T_f≤T_f,max (10)

T_w,min≤T_w≤T_w,max (11)

式中:T_a,max、T_a,min、T_f,max、T_f,min、T_w,max、T_w,min分别表示室内气温、冰箱内部、热水器内蓄水的温度上下限。根据不同用户的需求,温度的限制也有所不同。

0≤Q_AC≤Q_AC,max (12)

0≤Q_RF≤Q_RF,max (13)

0≤Q_WH≤Q_WH,max (14)

式中:Q_AC,max、Q_RF,max和Q_WH,max分别为家用空调、电冰箱和电热水器的热功率上限,设备的热功率极限与设备的型号相关。

除了上述可控负荷外,居民用户还有照明负荷等其它家用负荷。这部分负荷主要受用户的选择和控制,通常被视为固定负荷或不可控负荷。居民用户的总用电负荷为不可控负荷与可控负荷之和。

式(12)-(14)对应的是电器设备的热功率约束。需要利用不同家用负荷的能耗特性,将消耗的热量转换为实际消耗的电能。例如,制冷电器实际使用的电功率和热量消耗之间关系通常用能效率(Energy Efficiency Ratio,EER)表示,而制热电器的效率则通常用性能系数(Coefficient of Performance,COP)表示。这里分别用η_a、η_f,和η_w表示空调、电冰箱和电热水器消耗的热功率与电功率的比值,则空调的电功率P_AC、电冰箱的电功率P_RF和电热水器的电功率P_WH分别可用式(15)-(17)计算,而用户的总用电负荷可由式(10)求取。

P_AC＝Q_AC/η_a (15)

P_RF＝Q_RF/η_f (16)

P_WH＝Q_WH/η_w (17)

P_D＝P_fix+P_AC+P_RF+P_WH (18)

式中:P_D和P_fix分别表示居民总用电负荷功率和不可控用电负荷功率。

C_a＝5.2×10³A_sH(J/K) (19)

C_s＝1.44×10²A_sH(J/K) (20)

R_ae＝0.34V_aA_sH(W/K) (21)

R_as＝7.69S(W/K) (23)

2)家用空调模型

家用空调的数学模型可简化表示为

3)家用冰箱模型

4)电热水器模型

c.利用节点边际电价和最优潮流的模型，建立了配电系统阻塞费用计算的模型。该模型又包含如下1)到3)：

在未来的配电系统中,可能出现的市场主体包括分布式供电商、零售商代理(Retail Agent,缩写为RA)、大用户、EV服务商(包括家庭充放电服务和集中充换电站服务)等。

1)RA的初始负荷计划

在日前市场出清之前,RA并不知道下一交易日的日前市场电价,而需要结合历史数据和下一交易日的预测信息对日前市场的电价进行估算。假设N_d为配电系统的负荷节点数,T_sum为考虑的调度时段,配电系统每个节点上有N_h位用户和N_e辆EV,估算的日前市场电价为λ(t),t＝1,2,…,T_sum；RA的优化目标如下:

式中，i,t,h,e分别为配电网负荷节点、调度时段、用户和电动汽车的编号(i＝1,2,…,N_d；t＝1,2,…,T_sum；h＝1,2,…,N_h；e＝1,2,…,N_e)。RA的优化空间要受式(1)-(8)和(9)-(18)所分别表示的电动汽车充放电负荷特性和居民负荷的约束。RA在得到各个用户的用电计划后,以节点为单位汇总并上报DSO。

2)DSO阻塞管理模型

节点i在时刻t的阻塞价格λ_c(i,t)需要真实反映阻塞对系统运行成本的影响。可采用多时段直流最优潮流求解配电系统的节点电价(Distribution Locational MarginalPricing,简写为DLMP),进而确定λ_c(i,t),优化模型为:

目标函数为：

约束条件为：

-F_ij,max≤B_ijθ_ij(t)≤F_ij,max (37)

P_SD,min(i,t)≤P_SD(i,t)≤P_SD,max(i,t) (38)

P_Sch,min(i,t)≤P_Sch(i,t)≤P_Sch,max(i,t) (39)

P_Sdch,min(i,t)≤P_Sdch(i,t)≤P_Sdch,max(i,t) (40)

式中:P_G(i,t)和P_G,sum(t)分别为S在时刻t由节点i注入系统的有功功率和配电系统在时刻t从上层输电系统购买的有功功率；B_ij和θ_ij(t)分别为节点i和节点j之间的线路导纳阵虚部和时刻t节点i与j之间的电压相角差；F_ij,max为线路i-j的有功潮流上限；P_SD(i,t)、P_Sch(i,t)和P_Sdch(i,t)分别为RA上报的以节点为单位的可控负荷、EV充电负荷和EV放电负荷的初始计划；P_SD,max(i,t)、P_SD,min(i,t)、P_Sch,max(i,t)、P_Sch,min(i,t)、P_Sdch,max(i,t)和P_Sdch,min(i,t)分别为时段t节点i可控负荷的上下限、电动汽车的充电负荷上下限和放电负荷上下限。式(8)的约束同样需要在模型中考虑。式(38)-(40)为DSO根据RA上报的初始负荷计划得到的居民用户可控负荷和EV充放电负荷约束.

记用上述模型求解出的DLMP为λ_m(i,t),则阻塞价格可由式(41)求得,并作为RA调整可控负荷和EV充放电负荷用电计划的依据。

λ_c(i,t)＝λ_m(i,t)-λ(t) (41)

3)RA对负荷计划的修正

在DSO发布阻塞价格后,RA需要综合考虑用户购电情况,市场电价和阻塞价格,调整可控负荷和EV充放电负荷的用电计划,通过对调度结果利润的最大化实现对DSO阻塞管理信号的响应,自主规避阻塞。RA的优化目标修改如下:

当EV采用较为快速的充放电模式下,EV集中充电时段的负荷峰值均显著提高。若不引入阻塞价格,所研究线路的过载情况会严重加剧。预测电价和采用本发明所提出的优化模型计算得到的阻塞价格如图2所示,所研究线路的负载率如图3所示,图3同时对比了不考虑V2G模式下的线路负载率。图4比较了所研究配电系统的某节点总电动汽车充放电负荷和平均SoC在未考虑和考虑V2G模式下的结果。

Claims

1.一种计及电动汽车和可控负荷的配电系统阻塞调控方法，其特征在于包括如下步骤：

1)充放电负荷模型

设初始充电时刻T_start的SoC为S_init,充电结束时刻T_end的SoC为S_final,EV电池容量为B_C,充电功率P_ch(t)和EV的SoC值S_ch(t)为时间的函数,充电效率为η_c,电池自放电率为η_l,则单个EV充电需满足:

<mrow> <msub> <mi>S</mi> <mrow> <mi>f</mi> <mi>i</mi> <mi>n</mi> <mi>a</mi> <mi>l</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>S</mi> <mrow> <mi>i</mi> <mi>n</mi> <mi>i</mi> <mi>t</mi> </mrow> </msub> <mo>+</mo> <msubsup> <mi>B</mi> <mi>C</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msubsup> <msubsup> <mo>&Integral;</mo> <msub> <mi>T</mi> <mrow> <mi>s</mi> <mi>t</mi> <mi>a</mi> <mi>r</mi> <mi>t</mi> </mrow> </msub> <msub> <mi>T</mi> <mrow> <mi>e</mi> <mi>n</mi> <mi>d</mi> </mrow> </msub> </msubsup> <msub> <mi>&eta;</mi> <mi>c</mi> </msub> <msub> <mi>P</mi> <mrow> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>t</mi> <mo>-</mo> <msubsup> <mo>&Integral;</mo> <msub> <mi>T</mi> <mrow> <mi>s</mi> <mi>t</mi> <mi>a</mi> <mi>r</mi> <mi>t</mi> </mrow> </msub> <msub> <mi>T</mi> <mrow> <mi>e</mi> <mi>n</mi> <mi>d</mi> </mrow> </msub> </msubsup> <msub> <mi>&eta;</mi> <mi>l</mi> </msub> <msub> <mi>S</mi> <mrow> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>t</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>

当电动汽车(electric vehicle,EV)具备车联网(vehicle-to-grid,V2G)，设EV放电功率为P_dch(t),电池的V2G效率为η_d,则式(1)可修正为:

<mrow> <msub> <mi>S</mi> <mrow> <mi>f</mi> <mi>i</mi> <mi>n</mi> <mi>a</mi> <mi>l</mi> </mrow> </msub> <mo>=</mo> <msub> <mi>S</mi> <mrow> <mi>i</mi> <mi>n</mi> <mi>i</mi> <mi>t</mi> </mrow> </msub> <mo>+</mo> <msubsup> <mi>B</mi> <mi>C</mi> <mrow> <mo>-</mo> <mn>1</mn> </mrow> </msubsup> <msubsup> <mo>&Integral;</mo> <msub> <mi>T</mi> <mrow> <mi>s</mi> <mi>t</mi> <mi>a</mi> <mi>r</mi> <mi>t</mi> </mrow> </msub> <msub> <mi>T</mi> <mrow> <mi>e</mi> <mi>n</mi> <mi>d</mi> </mrow> </msub> </msubsup> <mrow> <mo>(</mo> <msub> <mi>&eta;</mi> <mi>c</mi> </msub> <msub> <mi>P</mi> <mrow> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>-</mo> <mfrac> <mrow> <msub> <mi>P</mi> <mrow> <mi>d</mi> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> <msub> <mi>&eta;</mi> <mi>d</mi> </msub> </mfrac> <mo>)</mo> </mrow> <mi>d</mi> <mi>t</mi> <mo>-</mo> <msubsup> <mo>&Integral;</mo> <msub> <mi>T</mi> <mrow> <mi>s</mi> <mi>t</mi> <mi>a</mi> <mi>r</mi> <mi>t</mi> </mrow> </msub> <msub> <mi>T</mi> <mrow> <mi>e</mi> <mi>n</mi> <mi>d</mi> </mrow> </msub> </msubsup> <msub> <mi>&eta;</mi> <mi>l</mi> </msub> <msub> <mi>S</mi> <mrow> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mi>d</mi> <mi>t</mi> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>

2)EV充放电约束模型

为满足车主的使用需求,EV充放电需要满足下述约束条件:

S_ch,min≤S_ch(t)≤S_ch,max (4)

S_final≥S_final,min (5)

式中:S_ch,max和S_ch,min均为保证电池寿命的荷电状态(SoC)上限和下限约束,分别用于防止电池过度充电和过度放电；S_final,min为充电结束时车主可接受的最低SoC值；

0≤P_ch(t)≤P_ch,max (6)

0≤P_dch(t)≤P_dch,max (7)

P_ch(t)P_dch(t)＝0 (8)

式中:P_ch,max和P_dch,max分别为EV的最大充电功率和最大放电功率；

1)居民用户整体负荷模型

T_a,min≤T_a≤T_a,max (9)

T_f,min≤T_f≤T_f,max (10)

T_w,min≤T_w≤T_w,max (11)

0≤Q_AC≤Q_AC,max (12)

0≤Q_RF≤Q_RF,max (13)

0≤Q_WH≤Q_WH,max (14)

分别用η_a、η_f和η_w表示空调热功率与电功率的比值、电冰箱热功率与电功率的比值和电热水器消耗的热功率与电功率的比值,则空调的电功率P_AC、电冰箱的电功率P_RF和电热水器的电功率P_WH分别可用式(15)-(17)计算,用户的总用电负荷可由式(18)求取：

P_AC＝Q_AC/η_a (15)

P_RF＝Q_RF/η_f (16)

P_WH＝Q_WH/η_w (17)

P_D＝P_fix+P_AC+P_RF+P_WH (18)

C_a＝5.2×10³A_sH(J/K) (19)

C_s＝1.44×10²A_sH(J/K) (20)

R_ae＝0.34V_aA_sH(W/K) (21)

R_as＝7.69S(W/K) (23)

2)家用空调模型

家用空调的数学模型可简化表示为

式中:T_e为外界温度；Q_s和ξ_s分别表示太阳能辐射的热量和效率；W为住宅窗户面积；C_c、T_c和R_ac分别表示空调冷凝机构的热容量、温度和空调冷凝机构与室内空气的热传递速率；

3)家用冰箱模型

式中:R_f1f、R_f24、R_ff4、R_af分别表示冰箱箱体与内部的热传递速率、冷藏箱与制冷部分的热传递速率、冰箱内部与制冷部分的热传递速率、冰箱内部与室内空气的热传递速率；

4)电热水器模型

式中:R_wt、R_at分别表示热水箱与内部蓄水的热传递速率、热水箱与室内空气的热传递速率；

1)零售商代理RA的初始负荷计划

<mrow> <mtable> <mtr> <mtd> <mrow> <mi>M</mi> <mi>i</mi> <mi>n</mi> <mi>i</mi> <mi>m</mi> <mi>i</mi> <mi>z</mi> <mi>e</mi> </mrow> </mtd> <mtd> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>d</mi> </msub> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>T</mi> <mrow> <mi>s</mi> <mi>u</mi> <mi>m</mi> </mrow> </msub> </munderover> <mrow> <mo>(</mo> <mi>&lambda;</mi> <mo>(</mo> <mi>t</mi> <mo>)</mo> <mo>(</mo> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>h</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>h</mi> </msub> </munderover> <msub> <mi>P</mi> <mi>D</mi> </msub> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>h</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> </mrow> <mo>+</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>e</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>e</mi> </msub> </munderover> <msub> <mi>P</mi> <mrow> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>e</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>e</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>e</mi> </msub> </munderover> <msub> <mi>P</mi> <mrow> <mi>d</mi> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>e</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mo>+</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>e</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>e</mi> </msub> </munderover> <msub> <mi>L</mi> <mrow> <mi>p</mi> <mi>d</mi> </mrow> </msub> <mo>(</mo> <mi>e</mi> <mo>)</mo> </mrow> <msub> <mi>P</mi> <mrow> <mi>d</mi> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>e</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> <mo>)</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>33</mn> <mo>)</mo> </mrow> </mrow>

式中，i,t,h,e分别为配电网负荷节点、调度时段、用户和电动汽车的编号，其中i＝1,2,…,N_d；t＝1,2,…,T_sum；h＝1,2,…,N_h；e＝1,2,…,N_e；RA的优化目标要受式(1)-(8)和(9)-(18)所分别表示的电动汽车充放电负荷特性和居民负荷的约束；RA在得到各个用户的用电计划后,以节点为单位汇总并上报配电系统调度机构DSO；

2)配电系统调度机构DSO阻塞管理模型

采用多时段直流最优潮流求解配电系统的节点电价DLMP，进而确定节点i在时刻t的阻塞价格λ_c(i,t),目标函数为：

<mrow> <mtable> <mtr> <mtd> <mrow> <mi>M</mi> <mi>i</mi> <mi>n</mi> <mi>i</mi> <mi>m</mi> <mi>i</mi> <mi>z</mi> <mi>e</mi> </mrow> </mtd> <mtd> <mrow> <munderover> <mo>&Sigma;</mo> <mi>t</mi> <msub> <mi>T</mi> <mrow> <mi>s</mi> <mi>u</mi> <mi>m</mi> </mrow> </msub> </munderover> <mi>&lambda;</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <msub> <mi>P</mi> <mrow> <mi>G</mi> <mo>,</mo> <mi>s</mi> <mi>u</mi> <mi>m</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> </mrow> </mtd> </mtr> </mtable> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>34</mn> <mo>)</mo> </mrow> </mrow>

约束条件为：

<mrow> <msub> <mi>P</mi> <mrow> <mi>G</mi> <mo>,</mo> <mi>s</mi> <mi>u</mi> <mi>m</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>d</mi> </msub> </munderover> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>S</mi> <mi>D</mi> </mrow> </msub> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> <mo>+</mo> <msub> <mi>P</mi> <mrow> <mi>S</mi> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>S</mi> <mi>d</mi> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>=</mo> <mn>0</mn> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>35</mn> <mo>)</mo> </mrow> </mrow> 3

<mrow> <msub> <mi>P</mi> <mi>G</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>,</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <mrow> <mo>(</mo> <msub> <mi>P</mi> <mrow> <mi>S</mi> <mi>D</mi> </mrow> </msub> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> <mo>+</mo> <msub> <mi>P</mi> <mrow> <mi>S</mi> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> <mo>-</mo> <msub> <mi>P</mi> <mrow> <mi>S</mi> <mi>d</mi> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>d</mi> </msub> </munderover> <msub> <mi>B</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mi>&theta;</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>36</mn> <mo>)</mo> </mrow> </mrow>

-F_ij,max≤B_ijθ_ij(t)≤F_ij,max (37)

P_SD,min(i,t)≤P_SD(i,t)≤P_SD,max(i,t) (38)

P_Sch,min(i,t)≤P_Sch(i,t)≤P_Sch,max(i,t) (39)

P_Sdch,min(i,t)≤P_Sdch(i,t)≤P_Sdch,max(i,t) (40)

λ_c(i,t)＝λ_m(i,t)-λ(t) (41)

3)RA对负荷计划的修正

<mrow> <mtable> <mtr> <mtd> <mrow> <mi>M</mi> <mi>i</mi> <mi>n</mi> <mi>i</mi> <mi>m</mi> <mi>i</mi> <mi>z</mi> <mi>e</mi> </mrow> </mtd> <mtd> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>d</mi> </msub> </munderover> <munderover> <mo>&Sigma;</mo> <mrow> <mi>t</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>T</mi> <mrow> <mi>s</mi> <mi>u</mi> <mi>m</mi> </mrow> </msub> </munderover> <mrow> <mo>(</mo> <mo>(</mo> <mrow> <mi>&lambda;</mi> <mrow> <mo>(</mo> <mi>t</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>&lambda;</mi> <mi>c</mi> </msub> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mo>(</mo> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>h</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>h</mi> </msub> </munderover> <msub> <mi>P</mi> <mi>D</mi> </msub> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>h</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> </mrow> <mo>+</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>e</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>e</mi> </msub> </munderover> <msub> <mi>P</mi> <mrow> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>e</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> </mrow> <mo>-</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>e</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>e</mi> </msub> </munderover> <msub> <mi>P</mi> <mrow> <mi>d</mi> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mrow> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>e</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> </mrow> </mrow> <mo>)</mo> <mo>+</mo> <munderover> <mo>&Sigma;</mo> <mrow> <mi>e</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>e</mi> </msub> </munderover> <msub> <mi>L</mi> <mrow> <mi>p</mi> <mi>d</mi> </mrow> </msub> <mo>(</mo> <mi>e</mi> <mo>)</mo> </mrow> <msub> <mi>P</mi> <mrow> <mi>d</mi> <mi>c</mi> <mi>h</mi> </mrow> </msub> <mo>(</mo> <mrow> <mi>i</mi> <mo>,</mo> <mi>e</mi> <mo>,</mo> <mi>t</mi> </mrow> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> <mo>)</mo> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>42</mn> <mo>)</mo> </mrow> </mrow>