CN105868499A - 一种含风光储的电动汽车充电站容量配比方法 - Google Patents
一种含风光储的电动汽车充电站容量配比方法 Download PDFInfo
- Publication number
- CN105868499A CN105868499A CN201610248255.9A CN201610248255A CN105868499A CN 105868499 A CN105868499 A CN 105868499A CN 201610248255 A CN201610248255 A CN 201610248255A CN 105868499 A CN105868499 A CN 105868499A
- Authority
- CN
- China
- Prior art keywords
- wind
- electric automobile
- charging
- light storage
- 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.)
- Granted
Links
- 238000003860 storage Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000004146 energy storage Methods 0.000 claims abstract description 26
- 230000005611 electricity Effects 0.000 claims description 14
- 238000005286 illumination Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 9
- 230000002068 genetic effect Effects 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 5
- 102000010029 Homer Scaffolding Proteins Human genes 0.000 claims description 4
- 108010077223 Homer Scaffolding Proteins Proteins 0.000 claims description 4
- 238000009434 installation Methods 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 238000009826 distribution Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000000977 initiatory effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000036642 wellbeing Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000005304 joining Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- Y—GENERAL 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Human Resources & Organizations (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Public Health (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种含风光储的电动汽车充电站容量配比方法,以电动汽车充电需求,通过风机设备和光伏设备的出力数据、以及运行成本,以充电站经济收益最大化为目标,计算含风光储的电动汽车充电站中的风机设备、光伏设备、储能电池和充电桩的容量配比,在满足区域电动汽车充电需求的基础上,减小含风光储的电动汽车充电站建站成本和提高建站规划的合理性。
Description
技术领域
本发明属于电动汽车技术领域,更为具体地讲,涉及一种含风光储的电动汽车充电站容量配比方法。
背景技术
电动汽车的使用需要电动汽车充电站的支撑,目前我国电动汽车充电站的发展还没有形成相应的规模,电动汽车充电站的分布主要集中在一线城市,在其他的大部分地区充电站的建设极其缺乏,随着国家对新能源汽车的大力推广,市场对电动汽车充电站的需求量也会越来越大,电动汽车充电站的建设将成为以后新能源电动汽车发展的重点。
风光资源作为可再生资源,已经在全世界得到广泛应用。我国在新能源方面的应用也越来越重视:国家十三五计划大力发展新能源,其中风光能源作为新能源中的重要资源,其发展也越来越受到关注。中国具有丰富的风光资源,地域广阔,建立含风光储的电动汽车充电站可以有效地利用风光两种清洁能源,也可以为电动汽车提供充电服务,满足电动汽车的快速发展。同时,配比合理的离网型风光储电动汽车充电站不需要并入大电网,可以减小大规模电动汽车充电对电网带来的冲击。
含风光储的电动汽车充电站是由风机设备、光伏设备、储能电池与电动汽车充电站相结合组成的新能源智能微网。离网型的风光储电动汽车充电站一方面可以利用无成本的太阳能和光能发电为电动汽车供电,多余的能量可以储存在储能电池中。另一方面离网型充电站不需要并入大电网,减小了大规模电动汽车充电对电网的冲击。然而,建设含风光储的电动汽车充电站仍普遍存在各种问题,其中建设成本昂贵、系统运营收益较低、风光资源利用效率不高、系统控制成本过高等问题尤为突出。因此,如何对风力发电、光伏发电、储能电池的容量进行合理的优化配置,以实现联合发电系统经济收益的最优化、提高风光资源利用率等问题,成为一个必须进行研究的课题。
在国内外对新能源容量配比的研究中,对于充电负荷的充电需求数据,通常是根据历史数据或者当地实时充电负荷的数据进行的研究,在没有得到具体的充电负荷数据,容量配比方法难以进行。本文针对在没有具体充电负荷数据时,通过统计学方法,研究出电动汽车充电的功率需求,在此基础上进行的容量配比研究。
发明内容
本发明的目的在于克服现有技术的不足,提供一种含风光储的电动汽车充电站容量配比方法,在满足电动汽车充电的前提下,通过对风光储容量进行配比,来实现电动汽车建站收益的最大化。
为实现上述发明目的,本发明一种含风光储的电动汽车充电站容量配比方法,其特征在于,包括以下步骤:
(1)、计算每小时正在充电的电动汽车的充电总功率Pk
(1.1)、计算每台电动汽车的充电起始时刻
设电动汽车的总数量为n,对概率密度函数随机取值,得到每台电动汽车的不同充电起始时刻
其中,i=1,2,…,n;σ1、σ2、μ1、μ2均为常数;
(1.2)、计算每台电动汽车的充电时长ti
电动汽车充电功率与时间关系满足:
其中,为电动汽车充电功率;Pc为电动汽车充电设备的充电功率,为恒定值;SOCi为第i台电动汽车开始充电时的电量占电池容量的百分比;C为电动汽车电池充满电时的电池电量;
电动汽车电量与功率关系满足:
结合公式(2)和(3)可以得到每台电动汽车的充电时长ti;
(1.3)、计算每小时正在充电的电动汽车的充电总功率Pk
根据充电起始时刻和充电时长ti,统计出每小时内正在充电的电动汽车的数量Nk,则每小时内正在充电的电动汽车的充电总功率Pk=Nk·Pc,k=1,2,…,24,代表一天24小时;
(2)、计算风机设备和光伏设备的出力
根据预先统计的某一地区平均一年中每小时的风速Vk、光照强度GTk和温度Tsk,结合威布尔出力模型,计算出风机设备的出力Pw(k);
其中,Pe为风力发电机长期稳定工作下的最大功率;Va为能使风力发电机运行的最小速度;Ve为能使风机在额定状态下工作的风速;Vb为能使风力发电机损坏的最小风速;m为威布尔参数;
结合HOMER光出力模型计算出光伏设备的出力Pv(k);
其中,为光伏电池板在标准测试下的稳定运行的最大功率;Sv为常数;GS为标准测试条件下的光照强度;Dp为常系数;Tc为标准测试下的电池温度;
(3)、建立约束条件和目标函数
根据步骤(1)得到的充电总功率Pk,以及步骤(2)中得到的风机设备的出力Pw(k)和光伏设备的出力Pv(k),建立约束条件为:
其中,Pd为每台储能电池的额定功率;Nw、Np、Nd分别为风机设备个数、光伏设备个数和储能电池个数;σ为常数;Pz为风光储电动汽车充电站的装机容量;dw为风力发电机叶片直径、Sp每台光伏设备占地面积、Sd每台储能电池占地面积;L为风光储电动汽车充电站的总长度、S为风光储电动汽车充电站的占地总面积;
建立目标函数为:
其中,T为风光储电动汽车充电站存在收益的天数;Cd为平均一天n台电动汽车的充电收益;C0为电动汽车电池容量;为每度电费的价格;r为发电设备折旧额与原始折旧价格的比例;l为发电设备使用的时间;Nj,j=1,2,3分别为风机设备、光伏设备、储能设备的台数;Cj,j=1,2,3为风力发电机、光伏设备、储能设备的单台价格;
(4)、利用改进的遗传算法计算出含风光储的电动汽车充电站容量配比结果
(4.1)、初始化种群个数为h、迭代次数为d、交叉概率为p1、变异概率为p2;
(4.2)、在步骤(3)中的约束条件下,对风机设备个数Nw、光伏设备个数Np和储能电池个数Nd分别随机赋值成h组不同的风光储组合;
(4.3)、将步骤(3)中建立的目标函数设置为适应度函数;
(4.4)、根据适应度函数计算出每组风光储组合对应的适应度函数值,再将h组适用度函数值按从大到小的顺序排序;
将种群个数为h、迭代次数为d代入到公式h(c%)d>1中,计算出满足常数c的最大值为f,再按照排好的顺序,从h组风光储组合中选出适应度函数值最大的前h*f%组风光储组合;
(4.5)、根据交叉概率p1、变异概率p2,将h*f%组风光储组合进行交叉变异操作,生成新的h*f%组风光储组合,再判断新的h*f%组风光储组合是否满足步骤(3)中建立的约束条件,如果满足约束条件,则进行步骤(4.6);如果不满足约束条件,则继续交叉变异,直到新的h*f%风光储组合满足约束条件,再进行步骤(4.6);
(4.6)、以新的h*f%组风光储组合为基准,按照步骤(4.5)所述方法进行迭代,直到迭代次数到达d时,选出第d次迭代时,h*f%组风光储组合中适应度函数值最大的风光储组合,即为容量配比结果。
本发明的发明目的是这样实现的:
本发明一种含风光储的电动汽车充电站容量配比方法,以电动汽车充电需求,通过风机设备和光伏设备的出力数据、以及运行成本,以充电站经济收益最大化为目标,计算含风光储的电动汽车充电站中的风机设备、光伏设备、储能电池和充电桩的容量配比,在满足区域电动汽车充电需求的基础上,减小含风光储的电动汽车充电站建站成本和提高建站规划的合理性。
同时,本发明一种含风光储的电动汽车充电站容量配比方法还具有以下有益效果:
(1)、通过基于统计学的电动汽车充电功率需求模型,获得区域电动汽车充电功率需求;
(2)、采用威布尔出力模型和HOMER光出力模型分别得到风电设备、光伏设备的出力曲线;
(3)、以电动汽车充电功率需求、风光储装机容量等约束条件,建立基于电动汽车充电站充电收益最大化为目标函数的容量配比模型;
(4)、通过改进的遗传算法对建立的容量配比模型进行求解,得到风光储电动汽车充电站的容量配比最优结果。
附图说明
图1是本发明一种含风光储的电动汽车充电站容量配比方法流程图;
图2是电动汽车充电起始时刻的概率分布图;
图3是电动汽车初始时刻的SOC概率分布图;
图4是某充电站中每个小时正在充电的电动汽车数量;
图5是某地一年中平均每小时的风速数据曲线;
图6是某地一年中平均每小时的光照强度曲线;
图7是某地一年中平均每小时的温度曲线;
图8是某地一年中平均每小时单台风机设备的出力曲线;
图9是某地一年中平均每小时单台光伏设备出力曲线;
图10是三种容量配比下的输出功率与负荷功率。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
实施例
图1是本发明一种含风光储的电动汽车充电站容量配比方法流程图。
在本实施例中,如图1所示,本发明一种含风光储的电动汽车充电站容量配比方法,包括以下步骤:
S1、计算每小时正在充电的电动汽车的充电总功率Pk
(1.1)、计算每台电动汽车的充电起始时刻
设电动汽车的总数量为n=600,通过对电动汽车行驶习惯进行调查,其调查数据结果用统计学方法进行处理,充电起始时刻近似为正态分布,其概率密度函数如下公式(1),通过对概率密度函数随机取值,如图2所示,其中,横坐标表示0~24小时,纵坐标表示电动汽车充电起始时刻的概率,进而可以得到每台电动汽车的不同充电起始时刻
其中,i=1,2,…,n;σ1、σ2、μ1、μ2均为常数;在本实施例中,概率密度函数的随机取值范围为[0.8,1],μ1=17.6,σ1=3.4;μ2=14,σ2=10.6;
S1.2、计算每台电动汽车的充电时长ti
电动汽车充电时长与电动汽车起始充电时刻、起始充电时刻SOC、电动汽车的电池容量、充电设备功率有关,而电动汽车的电池容量和充电设备的功率是恒定值,因此决定电动汽车充电时长的关键在于起始充电时刻SOC;
电动汽车开始充电时的SOC近似于正态分布N(0.2,0.322),由图3可以看出电动汽车初始时刻SOC在0.1~0.3之间的概率比较大,这个结果与实际情况比较相符。一般用户会在电动汽车电量达到0.1~0.3左右进行充电,如果充电电量过低可能导致电动汽车续航困难,如果电动汽车充电电量过高又会导致用户时间浪费。图3是由仿真软件对电动汽车初始时刻SOC概率密度的仿真结果,其中,横坐标表示电动汽车起始充电时的SOC值,纵坐标表示对应SOC值时的概率;对于给定的600辆电动汽车,取概率在0.8~1之间对应的SOC的随机值可得到每辆电动汽车初始充电时刻值SOCi,i=1,2,.....,600;
下面对每台电动汽车的充电时长ti的计算方法进行详细说明,电动汽车充电功率与时间关系满足:
其中,为电动汽车充电功率;Pc为电动汽车充电设备的充电功率,为恒定值;SOCi为第i台电动汽车开始充电时的电量占电池容量的百分比;C为电动汽车电池充满电时的电池电量;
电动汽车电量与功率关系满足:
结合公式(2)和(3)可以得到每台电动汽车的充电时长ti;
S1.3、计算每小时正在充电的电动汽车的充电总功率Pk
在确定了一天24小时电动汽车充电数量、每台电动汽车充电的起始时刻、每台电动汽车充电时长之后,每小时正在充电的电动汽车的充电总功率需求即可确定;
根据充电起始时刻和充电时长ti,统计出600辆电动汽车中,每小时内正在充电的电动汽车的数量Nk,如图4所示,则每小时内正在充电的电动汽车的充电总功率Pk=Nk·Pc,k=1,2,…,24,代表一天24小时,其中,在图4中,横坐标表示0~24小时,纵坐标表示正在充电的电动汽车数量。
S2、计算风机设备和光伏设备的出力
根据预先统计的某一地区平均一年中每小时的风速Vk、光照强度GTk和温度Tsk,在本实施例中,收集某地一年的风光资源数据,通过求取平均值得到每小时风力、光照强度和温度数据,如表1;
表1
由上表可得出平均一年中,每小时的风力、光照强度、温度曲线,如图5~7所示,其中,横坐标表示0~24小时,纵坐标依次表示风速、光辐射强度和温度;其次,在本实施例中,风机设备的型号选择WPS-10000,其各项参数为:额定功率10kw,最大功率12kw,叶片直径6.2m,启动风速2.6m/s,切出风速20m/s,额定风速10m/s,额定电压220v,价格49000元;光伏设备的型号选择KE-GU5KTL,其各项参数为最大功率5KW,输出电压220v,输出电流22A,价格45000元;储能电池的参数为:容量28AH,充放电电压36V,价格为4000元;
下面先结合威布尔出力模型,计算出风机设备的出力Pw(k);
其中,Pe=12kw为风力发电机长期稳定工作下的最大功率;Va=2.6m/s为能使风力发电机运行的最小速度;Ve=10m/s为能使风机在额定状态下工作的风速;Vb=20m/s为能使风力发电机损坏的最小风速;m=3为威布尔参数;
将表1中的风速数据和风机设备的参数代入公式(4),可得出图8所示的每小时单台风机设备的出力曲线,其中,横坐标表示0~24小时,纵坐标表示风力发电机输出功率;
结合HOMER光出力模型计算出光伏设备的出力Pv(k);
其中,为光伏电池板在标准测试下的稳定运行的最大功率;Sv=3.5为常数;GS=1000为标准测试条件下的光照强度;Dp=-0.47%为常系数;Tc=25为标准测试下的电池温度;
将表1中的光照强度、温度和光伏设备的参数代入公式(5)可得出图9所示的每小时单台风光伏设备的出力曲线,其中,横坐标表示0~24小时,纵坐标表示光伏设备输出功率。
S3、建立约束条件和目标函数
在确定了充电总功率、风、光出力之后,开始建立容量配比计算模型,该计算模型以电动汽车充电功率需求、风光储装机容量等作为约束条件,以含风光储的电动汽车充电站运行经济效益最大化为优化目标;
电动汽车充电站建站的大前提是满足电动汽车的充电功率需求,因此充电功率需求成为了首要的约束条件;
其次,电动汽车的充电功率需求是有限的,在建造电动汽车充电站之前需要根据充电功率的需求对风光储电动汽车充电站设定一个装机容量,该装机容量限制了风光储发电设备的个数和功率大小;
最后,在规划建设一个风光储电动汽车充电站时,其占地面积是事先规划好的,一般规定在建造风力发电机时,相邻的风力发电机之间的距离至少要大于5倍的风机叶片直径,可以通过这个规定确定风力发单机台数与场地长度的关系,因为通常风力发电机在高处,故一般不考虑风力发电机的地面面积,光伏发电设备和储能电池通常在地面,故其面积需要考虑;
结合上述因素,根据步骤S1得到的充电总功率Pk,以及步骤S2中得到的风机设备的出力Pw(k)和光伏设备的出力Pv(k),建立约束条件为:
其中,Pd为每台储能电池的额定功率;Nw、Np、Nd分别为风机设备个数、光伏设备个数和储能电池个数;σ为常数,一般去0.2;Pz为风光储电动汽车充电站的装机容量;dw为风力发电机叶片直径、Sp每台光伏设备占地面积、Sd每台储能电池占地面积;L为风光储电动汽车充电站的总长度、S为风光储电动汽车充电站的占地总面积;
建立目标函数为:
其中,T为风光储电动汽车充电站存在收益的天数;Cd为平均一天n台电动汽车的充电收益;C0为电动汽车电池容量;为每度电费的价格;r为发电设备折旧额与原始折旧价格的比例;l为发电设备使用的时间;Nj,j=1,2,3分别为风机设备、光伏设备、储能设备的台数;Cj,j=1,2,3为风力发电机、光伏设备、储能设备的单台价格;
S4、利用改进的遗传算法计算出含风光储的电动汽车充电站容量配比结果
S4.1、初始化种群个数为h=120、迭代次数为d=30、交叉概率为p1=0.6、变异概率为p2=0.03;
S4.2、在步骤S3中的约束条件下,对风机设备个数Nw、光伏设备个数Np和储能电池个数Nd分别随机赋值成h组不同的风光储组合;
S4.3、将步骤S3中建立的目标函数设置为适应度函数;
S4.4、根据适应度函数计算出每组风光储组合对应的适应度函数值,再将h组适用度函数值按从大到小的顺序排序;
将种群个数为h、迭代次数为d代入到公式h(c%)d>1中,计算出满足常数c的最大值为f,再按照排好的顺序,从h组风光储组合中选出适应度函数值最大的前h*f%组风光储组合;
S4.5、根据交叉概率p1、变异概率p2,将h*f%组风光储组合进行交叉变异操作,生成新的h*f%组风光储组合,再判断新的h*f%组风光储组合是否满足步骤S3中建立的约束条件,如果满足约束条件,则进行步骤S4.6;如果不满足约束条件,则继续交叉变异,直到新的h*f%风光储组合满足约束条件,再进行步骤S4.6;
S4.6、以新的h*f%组风光储组合为基准,按照步骤S4.5所述方法进行迭代,直到迭代次数到达d时,选出第d次迭代时,h*f%组风光储组合中适应度函数值最大的风光储组合,即为容量配比结果。
仿真:
风机设备 | 光伏设备 | 储能电池 | 10年收益(万) |
238 | 76 | 117 | 1569.37 |
381 | 108 | 167 | 1064.95 |
467 | 89 | 94 | 842.49 |
表2
表2中第一行是通过改进的遗传算法得出的最优容量配比结果,后面两组结果是选择的种群中满足约束条件的两组种群结果,对比可以看出虽然后面组结果满足了电动汽车充电的功率需求,但是其十年收益效果没有第一组的收益好。
通过对表2的容量配比结果进行仿真,其结果如图10所示,其中,横轴代表0~24小时,纵轴代表功率;图10中的“*”、“+”、“0”、“x”分别表示电动汽车充电负荷、表2中第一行对应的风光储出力、表2中第二行对应的风光储出力、表2中第三行对应的风光储出力,
可以看出三种容量配比的风光储联合输出功率均满足了电动汽车的充电功率需求,这是因为三种不同的容量配比是在满足约束条件下遗传算法的种群,约束条件中电动汽车充电负荷限制了风光储的容量,其区别在于十年的电动汽车充电站收益不同。可以看出随着风机台数达到一定的数量值时随着风机台数的增加,收益并没有增大。其收益结果是与容量配比结果综合组合有关,与单项风力发电机、光伏设备、储能电池的数量没有直接的关系。仿真结果表明本发明可以在满足电动汽车充电功率的前提下,实现电动汽车充电站建站收益经济性的最大化。
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (2)
1.一种含风光储的电动汽车充电站容量配比方法,其特征在于,包括以下步骤:
(1)、计算每小时正在充电的电动汽车的充电总功率Pk
(1.1)、计算每台电动汽车的充电起始时刻
设电动汽车的总数量为n,对概率密度函数随机取值,可以得到每台电动汽车的不同充电起始时刻
其中,i=1,2,…,n;σ1、σ2、μ1、μ2均为常数;
(1.2)、计算每台电动汽车的充电时长ti
电动汽车充电功率与时间关系满足:
其中,为电动汽车充电功率;Pc为电动汽车充电设备的充电功率,为恒定值;SOCi为第i台电动汽车开始充电时的电量占电池容量容量的百分比;C为电动汽车电池充满电时的电池电量;
电动汽车电量与功率关系满足:
结合公式(2)和(3)可以得到每台电动汽车的充电时长ti;
(1.3)、计算每小时正在充电的电动汽车的充电总功率Pk
根据充电起始时刻和充电时长ti,统计出每小时内正在充电的电动汽车的数量Nk,则每小时内正在充电的电动汽车的充电总功率Pk=Nk·Pc,k=1,2,…,24,代表一天24小时;
(2)、计算风机设备和光伏设备的出力
根据预先统计的某一地区平均一年中每小时的风速Vk、光照强度GTk和温度Tsk,结合威布尔出力模型,计算出风机设备的出力Pw(k);
其中,Pe为风力发电机长期稳定工作下的最大功率;Va为能使风力发电机运行的最小速度;Ve为能使风机在额定状态下工作的风速;Vb为能使风力发电机损坏的最小风速;m为威布尔参数;
结合HOMER光出力模型计算出光伏设备的出力Pv(k);
其中,为光伏电池板在标准测试下的稳定运行的最大功率;Sv为常数;GS为标准测试条件下的光照强度;Dp为常系数;Tc为标准测试下的电池温度;
(3)、建立约束条件和目标函数
根据步骤(1)得到的充电总功率Pk,以及步骤(2)中得到的风机设备的出力Pw(k)和光伏设备的出力Pv(k),建立约束条件可以为:
其中,Pd为每台储能电池的额定功率;Nw、Np、Nd分别为风机设备个数、光伏设备个数和储能电池个数;σ为常数;Pz为风光储电动汽车充电站的装机容量;dw为风力发电机叶片直径、Sp每台光伏设备占地面积、Sd每台储能电池占地面积;L为风光储电动汽车充电站的总长度、S为风光储电动汽车充电站的占地总面积;
建立目标函数为:
其中,T为风光储电动汽车充电站存在收益的天数;Cd为平均一天n台电动汽车的充电收益;C0为电动汽车电池容量;为每度电费的价格;r为发电设备折旧额与原始折旧价格的比例;l为发电设备使用的时间;Nj,j=1,2,3分别为风机设备、光伏设备、储能设备的台数;Cj,j=1,2,3为风力发电机、光伏设备、储能设备的单台价格;
(4)、利用改进的遗传算法计算出含风光储的电动汽车充电站容量配比结果
(4.1)、初始化种群个数为h、迭代次数为d、交叉概率为p1、变异概率为p2;
(4.2)、在步骤(3)中的约束条件下,对风机设备个数Nw、光伏设备个数Np和储能电池个数Nd分别随机赋值成h组不同的风光储组合;
(4.3)、将步骤(3)中建立的目标函数设置为适应度函数;
(4.4)、根据适应度函数计算出每组风光储组合对应的适应度函数值,再将h组适用度函数值按从大到小的顺序排序;
将种群个数为h、迭代次数为d代入到公式h(c%)d>1中,计算出满足常数c的最大值为f,再按照排好的顺序,从h组风光储组合中选出适应度函数值最大的前h*f%组风光储组合;
(4.5)、根据交叉概率p1、变异概率p2,将h*f%组风光储组合进行交叉变异操作,生成新的h*f%组风光储组合,再断新的h*f%组风光储组合是否满足步骤(3)中建立的约束条件,如果满足约束条件,则进行步骤(4.6);如果不满足约束条件,则继续交叉变异,直到新的h*f%风光储组合满足约束条件,再进行步骤(4.6);
(4.6)、以新的h*f%组风光储组合为基准,按照步骤(4.5)所述方法进行迭代,直到迭代次数到达d时,选出第d次迭代时,h*f%组风光储组合中适应度函数值最大的风光储组合,即为容量配比结果。
2.根据权利要求1所述的一种含风光储的电动汽车充电站容量配比方法,其特征在于,所述的概率密度函数的随机取值范围为[0.8,1]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610248255.9A CN105868499B (zh) | 2016-04-20 | 2016-04-20 | 一种含风光储的电动汽车充电站容量配比方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610248255.9A CN105868499B (zh) | 2016-04-20 | 2016-04-20 | 一种含风光储的电动汽车充电站容量配比方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105868499A true CN105868499A (zh) | 2016-08-17 |
CN105868499B CN105868499B (zh) | 2018-10-16 |
Family
ID=56633198
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610248255.9A Expired - Fee Related CN105868499B (zh) | 2016-04-20 | 2016-04-20 | 一种含风光储的电动汽车充电站容量配比方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105868499B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109004677A (zh) * | 2018-08-30 | 2018-12-14 | 南通大学 | 一种基于光伏发电与电动车流量的充电桩数量配置方法 |
CN109359310A (zh) * | 2018-07-27 | 2019-02-19 | 武汉理工大学 | 一种船舶动力系统中动力电池容量配比的优化方法 |
CN110362874A (zh) * | 2019-06-19 | 2019-10-22 | 安徽工程大学 | 一种光伏太阳能充电桩收益最优计算方法 |
CN110649641A (zh) * | 2019-09-29 | 2020-01-03 | 国网山东省电力公司德州供电公司 | 基于源网荷储协同服务的电动汽车快充站储能系统及其方法 |
CN112884270A (zh) * | 2020-12-31 | 2021-06-01 | 国网山东省电力公司聊城供电公司 | 一种考虑不确定性因素的多场景配电网规划方法及系统 |
CN114394024A (zh) * | 2022-01-26 | 2022-04-26 | 上海伟翔众翼新能源科技有限公司 | 一种基于模型预测控制的风光储一体化电动汽车充电系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102280938A (zh) * | 2011-08-29 | 2011-12-14 | 电子科技大学 | 一种风光储输混合发电站建站容量配比规划方法 |
CN104616071A (zh) * | 2015-01-19 | 2015-05-13 | 南京师范大学 | 一种风光储互补发电系统优化配置方法 |
CN104701871A (zh) * | 2015-02-13 | 2015-06-10 | 国家电网公司 | 一种含风光水多源互补微网混合储能容量最佳配比方法 |
CN104794533A (zh) * | 2015-04-10 | 2015-07-22 | 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 |
-
2016
- 2016-04-20 CN CN201610248255.9A patent/CN105868499B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102280938A (zh) * | 2011-08-29 | 2011-12-14 | 电子科技大学 | 一种风光储输混合发电站建站容量配比规划方法 |
CN104616071A (zh) * | 2015-01-19 | 2015-05-13 | 南京师范大学 | 一种风光储互补发电系统优化配置方法 |
CN104701871A (zh) * | 2015-02-13 | 2015-06-10 | 国家电网公司 | 一种含风光水多源互补微网混合储能容量最佳配比方法 |
CN104794533A (zh) * | 2015-04-10 | 2015-07-22 | 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 |
Non-Patent Citations (2)
Title |
---|
LI LIN 等: "Investigation of Maximum Probabilistic Capacity of Wind Farms Based on Voltage Stability", 《 IEEE PES INNOVATIVE SMART GRID TECHNOLOGIES》 * |
徐林 等: "风光蓄互补发电系统容量的改进优化配置方法", 《中国电机工程学报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109359310A (zh) * | 2018-07-27 | 2019-02-19 | 武汉理工大学 | 一种船舶动力系统中动力电池容量配比的优化方法 |
CN109004677A (zh) * | 2018-08-30 | 2018-12-14 | 南通大学 | 一种基于光伏发电与电动车流量的充电桩数量配置方法 |
CN109004677B (zh) * | 2018-08-30 | 2021-11-16 | 南通大学 | 一种基于光伏发电与电动车流量的充电桩数量配置方法 |
CN110362874A (zh) * | 2019-06-19 | 2019-10-22 | 安徽工程大学 | 一种光伏太阳能充电桩收益最优计算方法 |
CN110649641A (zh) * | 2019-09-29 | 2020-01-03 | 国网山东省电力公司德州供电公司 | 基于源网荷储协同服务的电动汽车快充站储能系统及其方法 |
CN112884270A (zh) * | 2020-12-31 | 2021-06-01 | 国网山东省电力公司聊城供电公司 | 一种考虑不确定性因素的多场景配电网规划方法及系统 |
CN112884270B (zh) * | 2020-12-31 | 2023-02-17 | 国网山东省电力公司聊城供电公司 | 一种考虑不确定性因素的多场景配电网规划方法及系统 |
CN114394024A (zh) * | 2022-01-26 | 2022-04-26 | 上海伟翔众翼新能源科技有限公司 | 一种基于模型预测控制的风光储一体化电动汽车充电系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105868499B (zh) | 2018-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021098352A1 (zh) | 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法 | |
CN106410861B (zh) | 一种基于可调度能力的微电网优化运行实时控制方法 | |
CN107017619B (zh) | 非合作博弈视角的光伏充电站网络分布式能量管理方法 | |
CN108688503B (zh) | 计及输电阻塞的电动汽车用户充电选择辅助决策方法 | |
CN108470239A (zh) | 计及需求侧管理和储能的主动配电网多目标分层规划方法 | |
CN105868499A (zh) | 一种含风光储的电动汽车充电站容量配比方法 | |
CN105337315B (zh) | 一种风光蓄互补独立微电网高维多目标优化配置方法 | |
CN105071389B (zh) | 计及源网荷互动的交直流混合微电网优化运行方法及装置 | |
CN107092985A (zh) | 一种面向电动汽车群柔性充放电响应的主动配电网阻塞调度方法 | |
CN112467722A (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
CN105160451A (zh) | 一种含电动汽车的微电网多目标优化调度方法 | |
CN107104454A (zh) | 计及电动汽车功率可调控域的最优潮流节点电价计算方法 | |
CN105811397A (zh) | 一种基于多时间尺度的多能互补微网调度方法 | |
CN112183882B (zh) | 一种基于电动汽车快充需求的智慧充电站充电优化方法 | |
CN109657993A (zh) | 一种基于非合作博弈的能源局域网储能系统自动需求响应方法 | |
CN102280938A (zh) | 一种风光储输混合发电站建站容量配比规划方法 | |
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 | |
CN105205552A (zh) | 一种独立新能源混合发电系统优化规划方法 | |
CN110084443A (zh) | 一种基于qpso优化算法的换电站运行优化模型分析方法 | |
CN103187784B (zh) | 一种优化光伏充电站集成系统的方法及装置 | |
CN110417045A (zh) | 一种针对交直流混合微电网容量配置的优化方法 | |
CN104102954B (zh) | 考虑黑启动功能的分布式综合供能系统的优化配置方法 | |
CN104578160A (zh) | 一种微网能量控制方法 | |
CN109742755A (zh) | 基于节点分区的含电动汽车的主动配电网运行调度方法 | |
CN106096807A (zh) | 一种考虑小水电的互补微网经济运行评价方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181016 Termination date: 20210420 |
|
CF01 | Termination of patent right due to non-payment of annual fee |