CN107482690B - 风电与电动汽车协同调度的电力系统调度优化方法及系统 - Google Patents

Abstract

本发明公开了一种风电与电动汽车协同调度的电力系统调度优化方法及系统，用于解决目前尚没有在能够考虑风电机组和电动汽车的不确定性的情况下，针对电力系统进行动态经济环境调度的优化方法的技术问题。本发明通过获取到风电机组的历史出力数据之后构建风电机组的输出功率隶属度函数，并且计算在调度周期内电动车的充放电功率；然后将充分考虑了不确定性所得到的风电机组的输出功率隶属度函数和电动车的充放电功率与系统的经济目标函数和环境目标函数一并构建存在安全运行约束条件的模糊优化目标函数模型，最后通过对模糊优化目标函数模型进行仿真求解，可以获得系统的优化运行策略。

Description

风电与电动汽车协同调度的电力系统调度优化方法及系统

技术领域

本发明涉及电力系统调度优化技术领域，尤其涉及一种风电与电动汽车协同调度的电力系统调度优化方法及系统。

背景技术

近年来，由于风力发电在绿色生态、能源结构调整和降低经济成本等方面的巨大优势，使得其在世界范围得到大力发展和全面应用。风力发电具有间歇性、随机性、可调度性低的特点，风电大规模接入电网后,会对电网的运行会产生较大影响，因此，合理的调整运行电网方式和优化电力系统的动态响应，及时跟踪风电功率大幅度、高频率的波动十分必要。为了解决风力发电对电网产生的不确定影响，一个重要的途径是与储电设施联合运行。通过近年来技术的发展，电动汽车可以和电网相互实现电能周转，在考虑清洁能源风力发电的收益性和电动汽车入网的必然性，研究两者的协同优化的多目标动态经济调度计算方法具有实用性与必要性。一方面，电动汽车充放电模式可实现与大电网之间能量的双向流动，使电动汽车在系统负荷低峰时段吸收电能以减少风电并网所引起的消纳过剩问题所导致电力系统轻载负荷时被迫减少部分风电并网的弃风问题；另一方面，电动汽车在负荷峰谷时段作为储能装置为电网提供电能，有效地补偿风电出力的不确定性所引起的负荷不合理波动，辅助负荷的峰谷调节，平抑风力发电和负荷的波动。因此，电动汽车与风电机组之间潜在的协同关系为电力系统的多种电源间协调互补利用提供了可能。

但是，风电机组和电动汽车均具有很强的随机特性，即风电机组的发电功率与电动汽车的充放电在电网中各个时段均有可能是变化的，而目前尚没有在能够考虑风电机组和电动汽车的不确定性的情况下，针对电力系统进行动态经济环境调度的优化方法。

发明内容

本发明实施例提供了一种风电与电动汽车协同调度的电力系统调度优化方法及系统，解决了目前尚没有在能够考虑风电机组和电动汽车的不确定性的情况下，针对电力系统进行动态经济环境调度的优化方法的技术问题。

本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化方法，包括：

根据风电机组在各个时段的输出功率构建风电机组的输出功率隶属度函数；

根据电动汽车的充放电性能计算电动车的充放电功率；

由常规发电机组的出力情况构建系统的经济目标函数和环境目标函数；

根据风电机组的输出功率隶属度函数、电动汽车的充放电功率和常规发电机组的运行性能设定系统安全运行的约束条件函数；

通过经济目标函数和环境目标函数构建对应的经济隶属度函数和环境隶属度函数，并由经济隶属度函数、环境隶属度函数和风电机组的输出功率隶属度函数建立系统的模糊优化目标函数模型；

引入约束条件函数进行对模糊优化目标函数模型的求解，获得系统的运行策略结果。

优选地，根据风电机组在各个时段的输出功率构建风电机组的输出功率隶属度函数之前包括：

根据风速预测误差的瞬时风速值、风电机组的风能利用效率参数和风电机组所处位置的环境数据信息，计算风电机组在各个时段的输出功率；

环境数据信息包括地表面在各个时段的风速、风电机组所处位置的空气密度和风电机组在各个时段扫描的面积。

优选地，根据风电机组在各个时段的输出功率构建风电机组的输出功率隶属度函数具体包括：

根据风电机组所处位置的历史风速数据设定风电机组的输出功率隶属度函数的梯形模糊参数，并根据梯形模糊参数和风电机组在各个时段的输出功率构建风电机组的输出功率隶属度函数。

优选地，根据电动汽车的充放电性能计算电动车的充放电功率具体包括：

根据电动汽车正常行驶周期内相邻时间的荷电量差值、充电时长和电池充电效率计算电动车的充电功率；

根据电动汽车正常行驶周期内相邻时间的荷电量差值、放电时长和电池放电效率计算电动车的放电功率。

优选地，由常规发电机组的出力情况构建系统的经济目标函数和环境目标函数包括：

由常规发电机组的输出有功功率、启停情况、燃料费用系数和阀点效应系数构建系统的经济目标函数；

由常规发电机组的输出有功功率、启停情况、燃料费用系数和排放系数构建系统的环境目标函数。

本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化系统，包括：

输出功率隶属度函数构建模块，用于根据风电机组在各个时段的输出功率构建风电机组的输出功率隶属度函数；

充放电功率计算模块，用于根据电动汽车的充放电性能计算电动车的充放电功率；

目标函数构建模块，用于由常规发电机组的出力情况构建系统的经济目标函数和环境目标函数；

设定模块，用于根据风电机组的输出功率隶属度函数、电动汽车的充放电功率和常规发电机组的运行性能设定系统安全运行的约束条件函数；

建模模块，用于通过经济目标函数和环境目标函数构建对应的经济隶属度函数和环境隶属度函数，并由经济隶属度函数、环境隶属度函数和风电机组的输出功率隶属度函数建立系统的模糊优化目标函数模型；

求解模块，用于引入约束条件函数进行对模糊优化目标函数模型的求解，获得系统的运行策略结果。

优选地，本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化系统还包括：

风电机组输出功率计算模块，用于根据风速预测误差的瞬时风速值、风电机组的风能利用效率参数和风电机组所处位置的环境数据信息，计算风电机组在各个时段的输出功率；

环境数据信息包括地表面在各个时段的风速、风电机组所处位置的空气密度和风电机组在各个时段扫描的面积。

优选地，输出功率隶属度函数构建模块具体包括：

输出功率隶属度函数构建子模块，用于根据风电机组所处位置的历史风速数据设定风电机组的输出功率隶属度函数的梯形模糊参数，并根据梯形模糊参数和风电机组在各个时段的输出功率构建风电机组的输出功率隶属度函数。

优选地，充放电功率计算模块具体包括：

充电功率计算子模块，用于根据电动汽车正常行驶周期内相邻时间的荷电量差值、充电时长和电池充电效率计算电动车的充电功率；

放电功率计算子模块，用于根据电动汽车正常行驶周期内相邻时间的荷电量差值、放电时长和电池放电效率计算电动车的放电功率。

优选地，目标函数构建模块包括：

经济目标函数构建子模块，用于由常规发电机组的输出有功功率、启停情况、燃料费用系数和阀点效应系数构建系统的经济目标函数；

环境目标函数构建子模块，用于由常规发电机组的输出有功功率、启停情况、燃料费用系数和排放系数构建系统的环境目标函数。

从以上技术方案可以看出，本发明实施例具有以下优点：

本发明中通过获取到风电机组的历史出力数据之后构建风电机组的输出功率隶属度函数，并且计算在调度周期内电动车的充放电功率；然后将充分考虑了不确定性所得到的风电机组的输出功率隶属度函数和电动车的充放电功率与系统的经济目标函数和环境目标函数一并构建存在安全运行约束条件的模糊优化目标函数模型，最后通过对模糊优化目标函数模型进行仿真求解，可以获得系统的优化运行策略，即获得优化后的系统各部分的运行参数。本发明中为了更好地协调目标函数中环境与经济相互矛盾的优化目标，通过隶属度函数将优化目标模糊化与单一化，把风电有功出力隶属度评价指标加入多目标优化模型的满意度指标中。因此，基于模糊理论的多目标经济调度模糊建模可令传统调度优化问题中的刚性约束条件保持一定程度的柔性，以在目标函数最优和满足约束条件间取得适度的折中，实现对电力系统的不确定性优化问题的解答。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。

图1为本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化方法的实施例一的流程示意图；

图2为本发明实施例提供的一个降压输电系统结构示意图；

图3为本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化方法的实施例二的流程示意图；

图4为本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化系统的结构示意图。

具体实施方式

本发明实施例提供了一种风电与电动汽车协同调度的电力系统调度优化方法及系统，用于解决目前尚没有在能够考虑风电机组和电动汽车的不确定性的情况下，针对电力系统进行动态经济环境调度的优化方法的技术问题。

为使得本发明的发明目的、特征、优点能够更加的明显和易懂，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，下面所描述的实施例仅仅是本发明一部分实施例，而非全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

本发明的目的主要是克服现有技术的不足，采用一种风电与电动汽车协同调度的电力系统调度优化方法。本发明充分考虑了风电随机出力的模糊建模以及电力调度模型对环境的影响，构建了基于风电与电动汽车协同并网的环境经济调度的模糊优化目标函数模型。充分考虑了风电随机出力以及电动汽车随机充放电的动态经济调度综合考虑各调度时段间的相互耦合关系，相比于传统的静态调度，更符合实际，特别是对风电出力随机变化的含风电场电力系统。通过模糊隶属度函数能够将优化目标模糊化与单一化，综合考虑系统的调峰能力、网络传输能力、备用水平、负荷水平的影响。本发明所构建的风电与电动汽车协同调度的电力系统动态环境经济的模糊优化目标函数模型兼顾了电网的环保性和经济性的两个指标：1)系统常规机组燃料成本，使风电与电动汽车入网调度后的发电经济成本得到进一步的减少；2)污染气体排放指标，使全网在调度周期内由风电与电动汽车协同调度后污染气体的排放量得到进一步的改善。本发明针对两个优化指标进行数学建模，提出考虑风电与电动汽车协同入网的电力系统动态经济多目标优化的计算方法，进而获取得电力系统动态经济环境的优化运行策略。

实施例一：

请参阅图1，该图为本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化方法的实施例一的流程示意图。

本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化方法包括：

S101、根据风电机组在各个时段的输出功率构建风电机组的输出功率隶属度函数；

由于风力具有一定的不确定性，即在每个时段内风力的大小、方向均可能发生变化，因此依靠风力进行出力的风电机组的发电出力情况可看成是具有随机性的。然而，尽管风力具有一定的不确定性，但在特定地点中的某一时段内，仍可根据历史同期的风力数据信息等对风力情况进行概率性预测，如天气预报中的具体风力情况。因此，可以根据由历史数据得到的对风速情况的预测数据，求取风电机组在各个时段的输出功率，并将风电机组的输出功率模糊化以构建风电机组的输出功率隶属度函数。

S102、根据电动汽车的充放电性能计算电动车的充放电功率；

针对在调度期间内，由于电动汽车车主用车的个人习惯不同，电动车车主充电的习惯不同以及不同的电动汽车的充放电时长不同，容易造成电动汽车在不同时段内在电力系统中的充放电功率存在较大的随机性。但是又正因大部分电动汽车车主均有较为固定的电动汽车使用习惯，且大部分的电动汽车的充电时长以及充电的速率均为固定的，因此，也可以根据历史的电动汽车接入电网充放电数据，对电动车的充放电功率进行模糊化计算，获得在调度期间内电动车的充放电功率。

S103、由常规发电机组的出力情况构建系统的经济目标函数和环境目标函数；

由于常规发电机组一般为燃煤或燃气发电机组，因此，通常存在着经济效益与环境保护两者之间的矛盾制约关系。为了获得在风电与电动汽车协同并网的情况下对经济环境调度的共同优化结果，需要根据常规发电机组的出力情况并结合常规发电机组的燃料费用成本及排放污染等参数，构建在风电与电动汽车协同并网的情况下系统的经济目标函数和环境目标函数。

S104、根据风电机组的输出功率隶属度函数、电动汽车的充放电功率和常规发电机组的运行性能设定系统安全运行的约束条件函数；

为了使调度期间内，系统能够稳定安全的运行，需要设定能够满足系统安全运行的约束条件。因为，电力系统经济调度的前提约束是电网安全运行，电网中各支路上满足功率平衡约束关系，电动汽车需满足电池剩余电量和车主日常出行需求约束关系。即系统内部的各机组出力情况、传输网损以及负荷需求等需要进行匹配。因此，可以根据风电机组的输出功率隶属度函数、电动汽车的充放电功率和常规发电机组的运行性能以及传输网损和负荷需求等设定系统安全运行的约束条件函数。

S105、通过经济目标函数和环境目标函数构建对应的经济隶属度函数和环境隶属度函数，并由经济隶属度函数、环境隶属度函数和风电机组的输出功率隶属度函数建立系统的模糊优化目标函数模型；

由于风电场出力的随机模糊性会给电力系统经济调度带来挑战，本发明实施例中引入基于模糊集理论的模糊决策法来求解风力发电与负荷波动所导致的不确定性问题。在考虑电动汽车入网的含风力发电系统的模糊经济调度的建模过程中，把经济目标函数和环境目标函数都处理为一个隶属度函数，取其最小值作为决策者最大满意度指标，从而实现了多目标优化模型的单目标转化，其特点是原模型的所有约束条件仍严格成立，保证了模型的科学性的同时很好地兼顾了系统发电的经济性和环保性的两个目标。

S106、引入约束条件函数进行对模糊优化目标函数模型的求解，获得系统的运行策略结果。

在建立好模糊优化目标函数模型之后，最后通过采用MATLAB仿真器利用改进的粒子群算法并引入约束条件函数进行对模糊优化目标函数模型的仿真求解，获得系统的运行策略结果。

本发明中通过获取到风电机组的历史出力数据之后构建风电机组的输出功率隶属度函数，并且计算在调度周期内电动车的充放电功率；然后将充分考虑了不确定性所得到的风电机组的输出功率隶属度函数和电动车的充放电功率与系统的经济目标函数和环境目标函数一并构建存在安全运行约束条件的模糊优化目标函数模型，最后通过对模糊优化目标函数模型进行仿真求解，可以获得系统的优化运行策略，即获得优化后的系统各部分的运行参数。本发明中为了更好地协调目标函数中环境与经济相互矛盾的优化目标，通过隶属度函数将优化目标模糊化与单一化，把风电有功出力隶属度评价指标加入多目标优化模型的满意度指标中。因此，基于模糊理论的多目标经济调度模糊建模可令传统调度优化问题中的刚性约束条件保持一定程度的柔性，以在目标函数最优和满足约束条件间取得适度的折中，实现对电力系统的不确定性优化问题的解答。

以上为对本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化方法的一个实施例详细描述，为了便于理解以下将结合具体应用场景对本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化方法的另一个实施例进行详细的描述。

实施例二：

请参阅图2，该图为本发明实施例提供的一个降压输电系统结构示意图。

为了便于理解，以下将对图2中的标记进行说明解释。图2中，1为500kV或380kV高压侧母线；2为主变电站降压变压器；3为500kV或380kV低压侧母线，其电压等级多为220kV；4为主变压器低压侧220kV母线1、2支路的传输线路阻抗；5为1、2支路间传输功率损耗；6为主变压器低压侧220kV母线2支路的1条供电支线；7为主变压器低压侧220kV母线2支路接入的电动汽车，其功率为P_EV1+jQ_EV1；8为主变压器低压侧220kV母线2支路接入的无功补偿电容器组，其值为jQ_RC1；9为主变压器低压侧220kV母线3支路上的负荷；10为主变压器低压侧220kV母线4支路上接入的电动汽车；11为主变压器低压侧220kV母线ij支路的传输线路阻抗，其值为R_i+jX_i；13为主变压器低压侧220kV母线N-2支路上的负荷；14为主变压器低压侧220kV母线N-2支路上接入的无功补偿电容器组；15为主变压器低压侧220kV母线N-1支路上的1条配电支线；16为输电母线末端；17为输电母线末端接入的电动汽车；18为输电母线末端接入的无功补偿电容器。其中i、j＝1,2，…，N。

如图2所示，为一降压输电系统，在该系统中所接入的新能源为风电和电动汽车，电动汽车需要考虑其充放电模式，由于不同区域的设备差异、风能资源、风速特性等因素造成风电机组出力的不确定性，以及车主个人使用习惯和电动汽车充放电时长差异，使得电力系统经济调度增加了难度。基于此系统，本发明实施例提供了一种具体的风电与电动汽车协同调度的电力系统调度优化方法，优化方法中的决策变量包括离散型变量和连续型变量，同时对常规机组、风电出力与电动汽车充放电功率进行优化，为输电管理以及电网调度运行提供必要的技术支撑。

请参阅图3，为本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化方法的实施例二的流程示意图。

本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化方法包括：

S201、根据风速预测误差的瞬时风速值、风电机组的风能利用效率参数和风电机组所处位置的环境数据信息，计算风电机组在各个时段的输出功率；环境数据信息包括地表面在各个时段的风速、风电机组所处位置的空气密度和风电机组在各个时段扫描的面积。

由于风力具有一定的不确定性，即在每个时段内风力的大小、方向均可能发生变化，因此依靠风力进行出力的风电机组的发电出力情况可看成是具有随机性的。然而，尽管风力具有一定的不确定性，但在特定地点中的某一时段内，仍可根据历史同期的风力数据信息等对风力情况进行概率性预测，如天气预报中的具体风力情况。因此，可以根据由历史数据得到的对风速情况的预测数据，求取风电机组在各个时段的输出功率。

可选地，可以从风力发电场所在地监控中心获取一定周期内各时段的相关环境数据信息，包括近地表面的不同时段风速

(在计算风力发电机的输出功率时，必须先把实测的每小时平均风速折算到风力发电机转轴高度处的相应值)、风电机组发电环境的空气密度ρ_WG、风电机组调度周期内不同时间段所扫描的面积N_Tx，风能利用效率参数C_PWG以及考虑了风速预测误差的瞬时风速值

来计算风电机组各时段风电场的平均输出功率：

式中，

为调度周期内参考高度H处各时段风速值；

为调度周期内目标高度H处各时段风速实测值；Δv为一个服从均值为0、标准差为σ_v的正态分布的风速预测误差；α为地面粗糙度因子，通常取1/7。

S202、根据风电机组在各个时段的输出功率构建风电机组的输出功率隶属度函数；

针对风电出力的随机性，可以引入通过隶属度函数将优化目标模糊化与单一化，形成风电有功出力隶属度评价指标，即风电机组的输出功率隶属度函数。

可选的，本发明实施例提供一种可供实现的风电机组的输出功率隶属度函数的构建方法。通过查阅当地气象的资料，统计风电机组所处区域的历史风速数据并总结得到该区域规划水平日风速预测值，设其值为风电场输出功率隶属度函数的梯形模糊参数ω_i(ω₁、ω₂、ω₃以及ω₄可分别取0.6、0.9、1.1和1.4)，计算风机模糊隶属度输出功率：

式中，ω_i为风电场隶属度参数，i＝1,2,3,4；通常由规划区域风电场的历史调研数据获得。

S203、根据电动汽车的充放电性能计算电动车的充放电功率；

针对在调度期间内，由于电动汽车车主用车的个人习惯不同，电动车车主充电的习惯不同以及不同的电动汽车的充放电时长不同，容易造成电动汽车在不同时段内在电力系统中的充放电功率存在较大的随机性。但是又正因大部分电动汽车车主均有较为固定的电动汽车使用习惯，且大部分的电动汽车的充电时长以及充电的速率均为固定的，因此，也可以根据历史的电动汽车接入电网充放电数据，对电动车的充放电功率进行模糊化计算，获得在调度期间内电动车的充放电功率。

可选的，本发明实施例提供一种测量电动车的充放电功率的实现方式。从电动汽车运营数据统计中心等相关机构获取电动汽车的充电时长与充电速率、充电前电池的荷电状态等数据；并获取电动汽车放电速率、电池寿命以及电动汽车放电区间、逆变效率等信息。通过对数据信息的整理，得到相关电动车充放电数据，可计算充、放电状态时电动汽车的充放电功率分别为：

式中，ΔE_EV(t)为电动汽车正常行驶周期内相邻时间的荷电量差值；t_chr、t_dis分别为充放电时长；τ_EV、η_conv分别为电池充电效率和逆变效率。

S204、由常规发电机组的出力情况构建系统的经济目标函数和环境目标函数；

由于常规发电机组一般为燃煤或燃气发电机组，因此，通常存在着经济效益与环境保护两者之间的矛盾制约关系。为了获得在风电与电动汽车协同并网的情况下对经济环境调度的共同优化结果，需要根据常规发电机组的出力情况并结合常规发电机组的燃料费用成本及排放污染等参数，构建在风电与电动汽车协同并网的情况下系统的经济目标函数和环境目标函数。

可选地，构建考虑风电与电动汽车协同调度的电力系统动态环境经济调度的多目标函数具体为：

式中，F₁为经济目标函数；F₂为环境目标函数；T_day为调度周期内的时段数；N_g为常规机组总数；P_i ^t为机组i在时段t输出的有功功率；

为机组i在时段t的启停情况；a_i、b_i、c_i为机组i的燃料费用系数；g_i、h_i为机组i的阀点效应系数。α_i、β_i、γ_i和ζ_i为机组i的排放系数。

S205、根据风电机组的输出功率隶属度函数、电动汽车的充放电功率和常规发电机组的运行性能设定系统安全运行的约束条件函数；

为了使调度期间内，系统能够稳定安全的运行，需要设定能够满足系统安全运行的约束条件。因为，电力系统经济调度的前提约束是电网安全运行，电网中各支路上满足功率平衡约束关系，电动汽车需满足电池剩余电量和车主日常出行需求约束关系。即系统内部的各机组出力情况、传输网损以及负荷需求等需要进行匹配。因此，可以根据风电机组的输出功率隶属度函数、电动汽车的充放电功率和常规发电机组的运行性能以及传输网损和负荷需求等设定系统安全运行的约束条件函数。

可选的，为设定系统安全运行的约束条件函数，本发明实施例提供一种可供实现的方式。从电网能量管理系统EMS获取相关数据，包括常规机组的运行出力最大值和最小值分别为

P _i；设风电机组出力最大值和最小值分别为

设第i条支路上的负荷功率最大值和最小值分别为

S _LD；设第i个支路上的无功功率电容器组投切容量最大值和最小值分别为

Q _RC；电动汽车额定充电功率为

电动汽车额定充电功率为

PHEV电池电量的安全上、下限

S _t；基于上述数据，系统安全运行需要满足的约束条件为：

式中，

分别为t时段的负荷需求和传输网损，可通过预测得到；ξ_C、ξ_D分别为储能电池的充、放电效率系数；Δt为调度周期；ΔS为单位距离的耗电量；L为电动汽车在时段t的行驶里程；U_Ri、D_Ri分别为机组i的出力在相邻时段所允许的最大上升爬坡率和下降爬坡率；

为系统在时段t的旋转备用容量需求。

S206、通过经济目标函数和环境目标函数构建对应的经济隶属度函数和环境隶属度函数，并由经济隶属度函数、环境隶属度函数和风电机组的输出功率隶属度函数建立系统的模糊优化目标函数模型；

由于风电场出力的随机模糊性会给电力系统经济调度带来挑战，本发明实施例中引入基于模糊集理论的模糊决策法来求解风力发电与负荷波动所导致的不确定性问题。在考虑电动汽车入网的含风力发电系统的模糊经济调度的建模过程中，把经济目标函数和环境目标函数都处理为一个隶属度函数，取其最小值作为决策者最大满意度指标，从而实现了多目标优化模型的单目标转化，其特点是原模型的所有约束条件仍严格成立，保证了模型的科学性的同时很好地兼顾了系统发电的经济性和环保性的两个目标。

首先，构建经济与环境目标函数的隶属度函数：

式中，χ₁(F₁)、χ₂(F₂)分别为调度周期内经济与环境目标函数的隶属度函数；F_1N、F_2N分别为机组燃料成本和废气污染物排放量最小的理想值，可参照相关文献获取；ρ₁、ρ₂分别为多目标函数可允许的伸缩值，一般可取为0.5。

通过引入隶属度函数后风电与电动汽车协同调度的电力系统动态环境经济模糊优化的目标函数为：

式中，λ为决策者满意度指标，其值为所有隶属度函数的最小值；

为对应各时段风电场有功出力的隶属度函数；χ₁(F₁)、χ₂(F₂)分别为调度周期内经济与环境目标函数的隶属度函数。

其中，风电场有功出力隶属度函数计算公式为：

式中，

为对应各时段风电场有功出力的隶属度函数；P_1w～P_4w一般可由风电场统计一定运行周期内各时段风电出力情况后，预测各时段风电场的平均输出功率P_w·av来确定的。

S207、引入约束条件函数进行对模糊优化目标函数模型的求解，获得系统的运行策略结果。

在建立好模糊优化目标函数模型之后，最后通过采用MATLAB仿真器利用改进的粒子群算法并引入约束条件函数进行对模糊优化目标函数模型的仿真求解，获得系统的运行策略结果。

可选的，在对传统粒子群算法采用线性下降搜寻思想和考虑边界约束的粒子信息分享方法进行改进的基础上，采用改进粒子群优化(Particle Swarm Optimization，PSO)算法仿真计算调度周期内常规机组的运行出力

风电机组出力

无功补偿电容器组的投切容量Q_RCi、电动汽车的充电功率

电动汽车的放电功率

即获得经过优化后的系统的运行策略结果。

本发明中通过获取到风电机组的历史出力数据之后构建风电机组的输出功率隶属度函数，并且计算在调度周期内电动车的充放电功率；然后将充分考虑了不确定性所得到的风电机组的输出功率隶属度函数和电动车的充放电功率与系统的经济目标函数和环境目标函数一并构建存在安全运行约束条件的模糊优化目标函数模型，最后通过对模糊优化目标函数模型进行仿真求解，可以获得系统的优化运行策略，即获得优化后的系统各部分的运行参数。本发明中为了更好地协调目标函数中环境与经济相互矛盾的优化目标，通过隶属度函数将优化目标模糊化与单一化，把风电有功出力隶属度评价指标加入多目标优化模型的满意度指标中。因此，基于模糊理论的多目标经济调度模糊建模可令传统调度优化问题中的刚性约束条件保持一定程度的柔性，以在目标函数最优和满足约束条件间取得适度的折中，实现对电力系统的不确定性优化问题的解答。且利用本发明实施例提供的方法可以计算出在调度周期内常规机组的运行出力、风电机组出力、无功补偿电容器组的投切容量、电动汽车的充放电功率。反映了采风高度、地理位置、空气密度等环境因素对风电输出功率的影响机理，反映了风电出力的波动性对电力系统动态经济调度的影响机理，反映了模糊理论在电力调度和电网多资源整合的适用性，为电网安全运行和提高电能质量提供了一种可靠的运行策略。

以上为对本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化方法的另一个实施例的详细描述，以下将对本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化系统进行详细的描述。

请参阅图4，该图为本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化系统的结构示意图。

本发明实施例提供的一种风电与电动汽车协同调度的电力系统调度优化系统包括：

风电机组输出功率计算模块301，用于根据风速预测误差的瞬时风速值、风电机组的风能利用效率参数和风电机组所处位置的环境数据信息，计算风电机组在各个时段的输出功率；环境数据信息包括地表面在各个时段的风速、风电机组所处位置的空气密度和风电机组在各个时段扫描的面积。

输出功率隶属度函数构建模块302，用于根据风电机组在各个时段的输出功率构建风电机组的输出功率隶属度函数；输出功率隶属度函数构建模块302具体包括：

输出功率隶属度函数构建子模块3021，用于根据风电机组所处位置的历史风速数据设定风电机组的输出功率隶属度函数的梯形模糊参数，并根据梯形模糊参数和风电机组在各个时段的输出功率构建风电机组的输出功率隶属度函数。

充放电功率计算模块303，用于根据电动汽车的充放电性能计算电动车的充放电功率；充放电功率计算模块303具体包括：

充电功率计算子模块3031，用于根据电动汽车正常行驶周期内相邻时间的荷电量差值、充电时长和电池充电效率计算电动车的充电功率；

放电功率计算子模块3032，用于根据电动汽车正常行驶周期内相邻时间的荷电量差值、放电时长和电池放电效率计算电动车的放电功率。

目标函数构建模块304，用于由常规发电机组的出力情况构建系统的经济目标函数和环境目标函数；目标函数构建模块304包括：

经济目标函数构建子模块3041，用于由常规发电机组的输出有功功率、启停情况、燃料费用系数和阀点效应系数构建系统的经济目标函数；

环境目标函数构建子模块3042，用于由常规发电机组的输出有功功率、启停情况、燃料费用系数和排放系数构建系统的环境目标函数。

设定模块305，用于根据风电机组的输出功率隶属度函数、电动汽车的充放电功率和常规发电机组的运行性能设定系统安全运行的约束条件函数；

建模模块306，用于通过经济目标函数和环境目标函数构建对应的经济隶属度函数和环境隶属度函数，并由经济隶属度函数、环境隶属度函数和风电机组的输出功率隶属度函数建立系统的模糊优化目标函数模型；

求解模块307，用于引入约束条件函数进行对模糊优化目标函数模型的求解，获得系统的运行策略结果。

以上所述，以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种风电与电动汽车协同调度的电力系统调度优化方法，其特征在于，包括：

根据风电机组在各个时段的输出功率构建所述风电机组的输出功率隶属度函数；

根据电动汽车的充放电性能计算电动车的充放电功率；

由常规发电机组的出力情况构建系统的经济目标函数和环境目标函数；

根据所述风电机组的输出功率隶属度函数、所述电动汽车的充放电功率和所述常规发电机组的运行性能设定所述系统安全运行的约束条件函数；

通过所述经济目标函数和所述环境目标函数构建对应的经济隶属度函数和环境隶属度函数，并由所述经济隶属度函数、所述环境隶属度函数和所述风电机组的输出功率隶属度函数建立所述系统的模糊优化目标函数模型；

引入所述约束条件函数进行对模糊优化目标函数模型的求解，获得所述系统的运行策略结果；

其中，所述经济隶属度函数为：

所述环境隶属度函数为：

式中，χ₁(F₁)、χ₂(F₂)分别为调度周期内经济与环境目标函数的隶属度函数；F_1N、F_2N分别为机组燃料成本和废气污染物排放量最小的理想值，参照相关文献获取；ρ₁、ρ₂分别为多目标函数允许的伸缩值，取为0.5；

所述风电机组的输出功率隶属度函数为：

式中，

为对应各时段风电场有功出力的隶属度函数；P_1w～P_4w由风电场统计一定运行周期内各时段风电出力情况后，预测各时段风电场的平均输出功率P_w·av来确定；

所述系统的模糊优化目标函数模型为：

式中，λ为决策者满意度指标，其值为所有隶属度函数的最小值；

为对应各时段风电场有功出力的隶属度函数；χ₁(F₁)、χ₂(F₂)分别为调度周期内经济与环境目标函数的隶属度函数。

2.根据权利要求1所述的风电与电动汽车协同调度的电力系统调度优化方法，其特征在于，所述根据风电机组在各个时段的输出功率构建所述风电机组的输出功率隶属度函数之前包括：

根据风速预测误差的瞬时风速值、风电机组的风能利用效率参数和所述风电机组所处位置的环境数据信息，计算所述风电机组在各个时段的输出功率；

所述环境数据信息包括地表面在各个时段的风速、所述风电机组所处位置的空气密度和所述风电机组在各个时段扫描的面积。

3.根据权利要求1所述的风电与电动汽车协同调度的电力系统调度优化方法，其特征在于，所述根据风电机组在各个时段的输出功率构建所述风电机组的输出功率隶属度函数具体包括：

根据风电机组所处位置的历史风速数据设定所述风电机组的输出功率隶属度函数的梯形模糊参数，并根据所述梯形模糊参数和风电机组在各个时段的输出功率构建所述风电机组的输出功率隶属度函数。

4.根据权利要求1所述的风电与电动汽车协同调度的电力系统调度优化方法，其特征在于，所述根据电动汽车的充放电性能计算电动车的充放电功率具体包括：

根据电动汽车正常行驶周期内相邻时间的荷电量差值、充电时长和电池充电效率计算所述电动车的充电功率；

根据电动汽车正常行驶周期内相邻时间的荷电量差值、放电时长和电池放电效率计算所述电动车的放电功率。

5.根据权利要求1所述的风电与电动汽车协同调度的电力系统调度优化方法，其特征在于，所述由常规发电机组的出力情况构建系统的经济目标函数和环境目标函数包括：

由常规发电机组的输出有功功率、启停情况、燃料费用系数和阀点效应系数构建系统的经济目标函数；

由常规发电机组的输出有功功率、启停情况、燃料费用系数和排放系数构建系统的环境目标函数。

6.一种风电与电动汽车协同调度的电力系统调度优化系统，其特征在于，包括：

输出功率隶属度函数构建模块，用于根据风电机组在各个时段的输出功率构建所述风电机组的输出功率隶属度函数；

充放电功率计算模块，用于根据电动汽车的充放电性能计算电动车的充放电功率；

目标函数构建模块，用于由常规发电机组的出力情况构建系统的经济目标函数和环境目标函数；

设定模块，用于根据所述风电机组的输出功率隶属度函数、所述电动汽车的充放电功率和所述常规发电机组的运行性能设定所述系统安全运行的约束条件函数；

建模模块，用于通过所述经济目标函数和所述环境目标函数构建对应的经济隶属度函数和环境隶属度函数，并由所述经济隶属度函数、所述环境隶属度函数和所述风电机组的输出功率隶属度函数建立所述系统的模糊优化目标函数模型；

求解模块，用于引入所述约束条件函数进行对模糊优化目标函数模型的求解，获得所述系统的运行策略结果；

其中，所述经济隶属度函数为：

所述环境隶属度函数为：

式中，χ₁(F₁)、χ₂(F₂)分别为调度周期内经济与环境目标函数的隶属度函数；F_1N、F_2N分别为机组燃料成本和废气污染物排放量最小的理想值，参照相关文献获取；ρ₁、ρ₂分别为多目标函数允许的伸缩值，取为0.5；

所述风电机组的输出功率隶属度函数为：

式中，

为对应各时段风电场有功出力的隶属度函数；P_1w～P_4w由风电场统计一定运行周期内各时段风电出力情况后，预测各时段风电场的平均输出功率P_w·av来确定；

所述系统的模糊优化目标函数模型为：

式中，λ为决策者满意度指标，其值为所有隶属度函数的最小值；

为对应各时段风电场有功出力的隶属度函数；χ₁(F₁)、χ₂(F₂)分别为调度周期内经济与环境目标函数的隶属度函数。

7.根据权利要求6所述的风电与电动汽车协同调度的电力系统调度优化系统，其特征在于，还包括：

风电机组输出功率计算模块，用于根据风速预测误差的瞬时风速值、风电机组的风能利用效率参数和所述风电机组所处位置的环境数据信息，计算所述风电机组在各个时段的输出功率；

所述环境数据信息包括地表面在各个时段的风速、所述风电机组所处位置的空气密度和所述风电机组在各个时段扫描的面积。

8.根据权利要求6所述的风电与电动汽车协同调度的电力系统调度优化系统，其特征在于，所述输出功率隶属度函数构建模块具体包括：

输出功率隶属度函数构建子模块，用于根据风电机组所处位置的历史风速数据设定所述风电机组的输出功率隶属度函数的梯形模糊参数，并根据所述梯形模糊参数和风电机组在各个时段的输出功率构建所述风电机组的输出功率隶属度函数。

9.根据权利要求6所述的风电与电动汽车协同调度的电力系统调度优化系统，其特征在于，所述充放电功率计算模块具体包括：

充电功率计算子模块，用于根据电动汽车正常行驶周期内相邻时间的荷电量差值、充电时长和电池充电效率计算所述电动车的充电功率；

放电功率计算子模块，用于根据电动汽车正常行驶周期内相邻时间的荷电量差值、放电时长和电池放电效率计算所述电动车的放电功率。

10.根据权利要求6所述的风电与电动汽车协同调度的电力系统调度优化系统，其特征在于，所述目标函数构建模块包括：

经济目标函数构建子模块，用于由常规发电机组的输出有功功率、启停情况、燃料费用系数和阀点效应系数构建系统的经济目标函数；

环境目标函数构建子模块，用于由常规发电机组的输出有功功率、启停情况、燃料费用系数和排放系数构建系统的环境目标函数。

Images