CN107634532B - 基于改进v2g和优先级调度的充放储一体站控制方法 - Google Patents

Abstract

本发明涉及一种基于改进V2G和优先级调度的充放储一体站控制方法，充放储一体站包括充电站、换电站和梯级站，控制方法包括：(1)将进入充放储一体站的每辆电动汽车以及梯级站中的储能电池分别作为一组独立的电池储能系统，预测充放储一体站的实时负荷分布；(2)确定每组电池储能系统的放电下限；(3)确定充放储一体站中各子站的充放电优先级；(4)根据实时电网调度指令以及预测的实时负荷分布，将每组电池储能系统的放电下限作为约束条件，根据充放电优先级确定各组电池储能系统的充放电状态。与现有技术相比，本发明能够有效避免参与V2G的电动汽车接受电网调度过度放电而降低用户的充电体验，达到电动汽车用户和电网的双赢。

Description

基于改进V2G和优先级调度的充放储一体站控制方法

技术领域

本发明涉及一种充放储一体站控制方法，尤其是涉及一种基于改进V2G和优先级调度的充放储一体站控制方法。

背景技术

近年来，随着电动汽车在我国能源结构中所占比例的逐年增加，我国电动汽车新能源行业已步入快速发展阶段。电动汽车(electric vehicle,EV)负荷的随机性和波动性对电网安全稳定运行的影响随着EV的大规模接入而越发突出。充放储一体站(以下并称一体站)的出现对于解决EV并网产生的一系列问题具有重要意义。如何控制一体站储能子系统接受电网调度以及电池储能系统(battery energy storagesystem，BESS)有序充放电是一体站调度控制核心环节，对一体站安全、稳定运行，并更好的参与负荷调节至关重要。在充放储一体站运行过程中，研究储能子系统如何进行能量调度的主要目的是为了保证在满足EV充电需求前提下，实现其各动态性能指标满足运行要求，保证其安全、稳定运行，并能自动跟随电网负荷变化对基本负荷进行调节。一体站储能系统严格地说是一个带有EV随机性的随机储能系统。如何在采用EV与电网互动(vehicle-to-grid,V2G)技术时更好的满足EV用户的充电需求，如何对EV负荷的随机性和波动性进行抑制，对基本负荷进行调节。对充放储一体站储能子系统调度和BESS充放电策略进行研究至关重要。

目前，绝大多数V2G技术将接入电网的EV作为完全接受电网调度的BESS，且仅从经济上对EV用户进行补偿，缺少对EV用户充电需求的考虑，往往不被用户接受。由于很难得到充放储一体站储能系统的精确随机储能模型，因而很难对充放储一体站内部储能进行精确的能量调度。传统发电调度方式有：经济调度、市场竞争调度、计划电量调度和节能发电调度，对EV随机储能参与V2G若采用以上传统调度方式或带来过放等不良后果。

因此对现有传统V2G技术与一体站储能子系统的协调调度策略还需更进一步的研究。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于改进V2G和优先级调度的充放储一体站控制方法。

本发明的目的可以通过以下技术方案来实现：

一种基于改进V2G和优先级调度的充放储一体站控制方法，所述的充放储一体站连接电网，充放储一体站包括充电站、换电站和梯级站，所述的控制方法包括：

(1)将进入充电站和换电站中的每辆电动汽车作为一组独立的电池储能系统，梯级站中的每组储能电池也作为独立的电池储能系统，预测充放储一体站的实时负荷分布；

(2)确定每组电池储能系统的放电下限；

(3)确定充放储一体站中充电站、换电站和梯级站充放电优先级；

(4)根据实时电网调度指令以及预测的实时负荷分布，将每组电池储能系统的放电下限作为约束条件，根据充放电优先级确定充放储一体站中各组电池储能系统的充放电状态。

步骤(1)中对于充电站和换电站中的实时负荷分布通过下述方式得到：建立电动汽车负荷随机性模型，根据随机性模型采用蒙特卡洛模拟预测得到充电站和换电站中负荷分布，所述的负荷分布包括：充电车辆类型分布、初始充电时刻、初始电量和充电时长。

所述的电动汽车负荷随机性模型包括电动汽车充换电初始时刻随机性分布模型、充电车辆类型随机分布模型、电动汽车初始电量随机分布模型、电动汽车截止电量随机分布模型。

电动汽车充换电初始时刻随机性分布满足正态分布，电动汽车充换电初始时刻的概率密度函数为：

其中，t₀为电动汽车充换电初始时刻，μ_s＝17.6，σ_s＝3.4。

充电车辆类型随机分布满足二项分布，充电车辆类型的概率密度函数为：

其中，P(X＝x)为充电车辆类型概率，x＝1表示充电电动汽车，x＝0表示换电电动汽车，p为常数。

电动汽车初始电量随机分布根据不同充电车辆类型其初始电量百分比满足不同的正态分布，电动汽车初始电量百分比的概率密度函数为：

其中，

为电动汽车初始电量百分比；

当充电车辆类型为充电电动汽车时：μ＝0.6，σ＝0.1；

当充电车辆类型为换电电动汽车时：μ＝0.5，σ＝0.1；

进而，电动汽车初始电量为：

其中，E_BESS0为电动汽车初始电量，E_BESSmax为电动汽车最大储能电量。

电动汽车截止电量随机分布与电动汽车截止电量百分比相关，电动汽车截止电量百分比的概率密度函数为：

其中，

为电动汽车截止电量百分比，D为电动汽车最大行驶里程，μ_d＝3.019，σ_d＝1.123；

进而，电动汽车截止电量为：

其中，E_BESSf为电动汽车截止电量，E_BESSmax为电动汽车最大储能电量。

每组电池储能系统的放电下限根据单组电池储能系统可放电电量调节，单组电池储能系统可放电电量为：

其中，ΔE_BESSt为单组电池储能系统可放电电量，E_BESSt为t时刻单组电池储能系统电量，E_BESSmax为电动汽车最大储能电量，α为阈值系数。

阈值系数α满足：

其中，P_L(t)为t时刻电网基本负荷功率，P_Lav(t-1)为t时刻前电网基本负荷功率平均值，β为调整系数，P(i)为第i个采样时刻的电网基本负荷功率。

步骤(3)中充放储一体站中充电站、换电站和梯级站充放电优先级具体为：

若电网调度充放储一体站放电：

当梯级电站中电池储能系统的电量大于对应的放电下限时，则梯级电站对电网、换电站和充电站放电；

当梯级电站中电池储能系统的电量小于对应的放电下限时，则优先换电站对电网和充电站进行放电，当换电站中电池储能系统的电量小于对应的放电下限时则充电站对电网进行放电；

当充电站、换电站和梯级站中的电池储能系统的电量均小于对应的放电下限时，则充放储一体站停止对电网进行放电；

若电网调度充放储一体站充电：

当充电站未充满电，则首先保证充电站进行充电，若电网对充放储一体站的充电功率满足充电站充电功率且有剩余则首先保证对换电站进行充电，若满足充电站、换电站功率，最后再对梯级电站进行充电；

当充电站充满电时，首先保证换电站进行充电，若电网对充放储一体站的充电功率满足换电站充电功率且存在功率剩余则再对梯级电站进行充电；

若充电站、换电站均已充满电，则对梯级电站进行充电；

当充电站、换电站和梯级站均已充满电则充放储一体站停止充电；

当充电过程中充电站、换电站充满电的情况下若由于电动汽车的随机充换电导致充电站或换电站电量又存在缺额，则首先对充电站进行充电，再满足换电站的充电需求，最后满足梯级电站的充电需求。

与现有技术相比，本发明具有如下优点：

(1)本发明提出了改进V2G和优先级调度策略，理论清晰，设计步骤简单，能够更好地调度一体站随机储能对电动汽车随机负荷波动性进行抑制，对基本负荷进行跟踪调节，达到较好的削峰填谷效果，在实际工程应用中具有参考价值，对解决大规模EV并网产生的电网安全性、稳定性问题具有十分重要的实际应用价值；

(2)本发明改进V2G考虑每组电池储能系统的放电下限，能够有效避免参与V2G的电动汽车接受电网调度过度放电而降低电动汽车的用户的充电体验，改进V2G和优先级调度质上是对充放储一体站内部的能量的一种优化策略，满足电动汽车的负荷需求的同时更好的对电网运行参数进行调节，最后达到电动汽车用户和电网的双赢；

(3)本发明结合电动汽车充换电初始时刻随机性分布模型、充电车辆类型随机分布模型、电动汽车初始电量随机分布模型、电动汽车截止电量随机分布模型实现对电动汽车负荷随机性分布的模拟，结果可靠准确；

(4)本发明对充放储一体站中充电站、换电站和梯级站充放电优先级的优先级进行规定，从而形成了完整的优先级调度策略，适用于充放储一体站中储能子系统之间的调节，同时适用于实际工程中带有不同性质和特点的储能子系统的复杂储能系统的能量功率调度，并给电网带有多种储能的调度策略提供了新思路。

附图说明

图1为充放储一体站的结构框图；

图2为充放储一体站分层调度控制系统框图；

图3充放储一体站电力电子器件系统图；

图4为充放储一体站控制方法的流程图；

图5蒙特卡洛模拟预测EV负荷流程图；

图6为单组电池储能系统可放电电量图；

图7为基于改进V2G充放电策略站内充电电动汽车充放电时空分布图；

图8为优先级协调调度策略图；

图9为服务区基本负荷和电动汽车数据曲线图；

图10为电动汽车无序充换电对电网影响图；

图11传统V2G的充放储一体站负荷调节图

图12为改进V2G和优先级调度的充放储一体站负荷调节图；

图13为改进V2G和优先级调度的充放储一体站各时段功率曲线；

图14为改进V2G和优先级调度的充放储一体站各时段电量曲线。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例

本发明将电动汽车(EV)等效为电池储能系统BESS(下文所述BESS包括EV)，提出一种BESS的改进V2G和优先级调度策略对一体站随机储能进行有序调度。本发明旨在解决传统V2G技术对所参与的EV电量过放造成在用户难以接受该技术的问题。同时解决如何实现一体站储能子系统能量协调调度而带来的技术分析困难问题。

如图1所示，充放储一体站连接电网，充放储一体站包括充电站、换电站和梯级站，充电站适用于充电电动汽车，换电站适用于换电电动汽车，梯级站则是一些废旧的电池组，用于能量的备用存储。充电站、换电站和梯级站均通过双向充电机连接至电网，换电站通过单向充电机连接充电站，梯级站分别通过单向充电机连接充电站和换电站。

充放储一体站的核心在于联合协调调度监控系统，该系统通过统一协调调度一体站内充、换和梯级电站的BESS，实现EV随机储能和站内固有储能与电网的友好互动和智能调度。设备层储能子系统主要包括充、换和梯级电站BESS，其中充、换电站主要满足EV的充、换电需求，梯级电站主要利用EV退役修复BESS进行储能对EV随机负荷以及电网基本负荷进行调节。场站监控层主要包括充、换和梯级电站各自监控系统和站内协调控制系统，分别对各储能子系统之间的能量进行协调调度控制。联合调度层分为数据监视、计划编制和站网协调控制三部分，是一体站与电网进行信息交互的主要通道，电网根据一体站实时电量以及自身状态对一体站下达调度指令，一体站根据自身电量以及调度指令对电网进行有序充放电。充放储一体站分层调度控制系统结构图和电力电子器件系统图分别参见图2、图3。

如图4所示，一种基于改进V2G和优先级调度的充放储一体站控制方法，所述的其特征在于，所述的控制方法包括：

(1)将进入充电站和换电站中的每辆电动汽车作为一组独立的电池储能系统，梯级站中的每组储能电池也作为独立的电池储能系统，预测充放储一体站的实时负荷分布；

(2)确定每组电池储能系统的放电下限；

(3)确定充放储一体站中充电站、换电站和梯级站充放电优先级；

(4)根据实时电网调度指令以及预测的实时负荷分布，将每组电池储能系统的放电下限作为约束条件，根据充放电优先级确定充放储一体站中各组电池储能系统的充放电状态。

由于EV负荷是与人们生活习惯以及交通等因素相关的随机负荷，所以需要对一体站EV随机负荷进行预测。本发明设计的改进V2G和优先级调度策略需要建立在EV的随机不确定性上，所以首先需对EV的随机性进行处理。根据美国家用车辆调查结果数据，EV负荷随机性与每辆EV初始时刻(进站时刻)、初始电量(进站时电量)、截止电量(离站时电量)有关，三者相互独立。

本发明采用蒙特卡洛模拟充放储一体站EV不确定性。当日在站内的充电EV充电超过24:00均计为次日0:00进站的充电EV，并对初始时刻和初始电量进行修正，仿真以2个工作日为周期并取第2个工作日EV数据。

综上，步骤(1)中对于充电站和换电站中的实时负荷分布通过下述方式得到：建立电动汽车负荷随机性模型，根据随机性模型采用蒙特卡洛模拟预测得到充电站和换电站中负荷分布，所述的负荷分布包括：充电车辆类型分布、初始充电时刻、初始电量和充电时长。

所述的电动汽车负荷随机性模型包括电动汽车充换电初始时刻随机性分布模型、充电车辆类型随机分布模型、电动汽车初始电量随机分布模型、电动汽车截止电量随机分布模型。

(1)电动汽车充换电初始时刻随机性分布满足正态分布，电动汽车充换电初始时刻的概率密度函数为：

其中，t₀为电动汽车充换电初始时刻，μ_s＝17.6，σ_s＝3.4。

(2)充电车辆类型随机分布满足二项分布，充电车辆类型的概率密度函数为：

其中，P(X＝x)为充电车辆类型概率，x＝1表示充电电动汽车，x＝0表示换电电动汽车，p为常数。

(3)电动汽车初始电量随机分布根据不同充电车辆类型其初始电量百分比满足不同的正态分布，电动汽车初始电量百分比的概率密度函数为：

其中，

为电动汽车初始电量百分比；

当充电车辆类型为充电电动汽车时：μ＝0.6，σ＝0.1；

当充电车辆类型为换电电动汽车时：μ＝0.5，σ＝0.1；

进而，电动汽车初始电量为：

其中，E_BESS0为电动汽车初始电量，E_BESSmax为电动汽车最大储能电量。

(4)电动汽车截止电量与用户行驶里程基本上呈线性关系。行驶里程服从对数正态分布，其概率密度函数为：

其中，d为电动汽车行驶里程，μ_d＝3.019，σ_d＝1.123；

电动汽车截止电量与其行驶里程近似满足线性关系，其函数关系为：

其中，

为电动汽车截止电量百分比，D为电动汽车最大行驶里程。

由此，电动汽车截止电量随机分布与电动汽车截止电量百分比相关，电动汽车截止电量百分比的概率密度函数为：

进而，电动汽车截止电量为：

其中，E_BESSf为电动汽车截止电量，E_BESSmax为电动汽车最大储能电量。

如图5所示为蒙特卡洛模拟预测得到充电站和换电站中负荷分布的具体流程图，由于蒙特卡洛模拟预测方法为现有方法，因此这里不再详细叙述。

改进V2G是根据BESS电量和电网的调度需求得到电池电量下限阈值，灵活控制每组电池储能系统(BESS)。考虑到过放对BESS造成永久损害，BESS放电电量一般不低于30％。改进V2G策略不仅能提高EV用户满意程度，并能实现一体站电量准周期性变化，提高一体站运行稳定性。改进V2G策略单组BESS可放电电量参见图6。每组电池储能系统的放电下限根据单组电池储能系统可放电电量调节，单组电池储能系统可放电电量为：

其中，ΔE_BESSt为单组电池储能系统可放电电量，E_BESSt为t时刻单组电池储能系统电量，E_BESSmax为电动汽车最大储能电量，α为阈值系数。

阈值系数α满足：

其中，P_L(t)为t时刻电网基本负荷功率，P_Lav(t-1)为t时刻前电网基本负荷功率平均值，β为调整系数，P(i)为第i个采样时刻的电网基本负荷功率。

单组电池储能系统(BESS)可放电电量是电量下限阈值以上的电量，通过阈值系数对BESS放电电量下限进行灵活限制，根据电网调度指令和BESS电量进行实时限制。对BESS电量下限的实时限制是实现改进V2G策略的重要手段。基于改进V2G充放电策略站内充电EV充放电时空分布图参见图7。

优先级调度是利用上级调度机构向联合调度层下达的调度指令，站内协调控制系统根据各储能子系统电量和联合调度层调度指令，按优先级调度控制各子系统对电网进行有序充放电。储能子系统充电优先级由高到低为充、换和梯级电站；放电优先级由高到低为梯级、换和充电站。采用优先级调度策略不仅实现储能子系统有序充放电和之间的能量交互，而且提高了EV的截止电量，从能量调度策略上保证EV的充电需求。优先级调度策略本质上是对充放储一体站内部的充、换和梯级电站的充放电顺序进行规定。优先级调度策略图参见图8，具体地：

若电网调度充放储一体站放电：

当梯级电站中电池储能系统的电量大于对应的放电下限时，则梯级电站对电网、换电站和充电站放电；

当梯级电站中电池储能系统的电量小于对应的放电下限时，则优先换电站对电网和充电站进行放电，当换电站中电池储能系统的电量小于对应的放电下限时则充电站对电网进行放电；

当充电站、换电站和梯级站中的电池储能系统的电量均小于对应的放电下限时，则充放储一体站停止对电网进行放电；

上述过程中，当充放储一体站在某子系统放电过程中另一个子系统出现充满电的情况，则停止对这个子系统进行充电。

若电网调度充放储一体站充电：

当充电站未充满电，则首先保证充电站进行充电，若电网对充放储一体站的充电功率满足充电站充电功率且有剩余则首先保证对换电站进行充电，若满足充电站、换电站功率，最后再对梯级电站进行充电；

当充电站充满电时，首先保证换电站进行充电，若电网对充放储一体站的充电功率满足换电站充电功率且存在功率剩余则再对梯级电站进行充电；

若充电站、换电站均已充满电，则对梯级电站进行充电；

当充电站、换电站和梯级站均已充满电则充放储一体站停止充电；

当充电过程中充电站、换电站充满电的情况下若由于电动汽车的随机充换电导致充电站或换电站电量又存在缺额，则首先对充电站进行充电，再满足换电站的充电需求，最后满足梯级电站的充电需求。

由于一体站本质上是由单组BESS组成的随机储能系统。根据改进V2G策略和优先级调度策略，得到基于这两种策略的一体站分层调度模型。基于改进V2G策略和优先级调度策略建立储能系统数学模型如下所示。

一体站整体出力为一体站内所有BESS的出力和，表达式如下：

式中：P_BESScha(t)表示单组电池储能系统(BESS)充电功率，P_BESSdis(t)表示单组电池储能系统(BESS)放电功率，n表示参与充放电的电池储能系统(BESS)组数。

充电储一体站整体可放电电量为：

式中：E_BESS0为单组BESS初始电量；P_BESScha(i)、P_BESSdis(i)分别为单组BESS在第t时刻的充电和放电功率，t表示时间，将一天分为24个小时，每小时调度一次，Δt表示时间间隔，每隔一段时间进行调度，Δt＝1h，因此i＝0,1,2……24，即式中，t＝24。

单组BESS充放电约束：

P_BESScha(t)·P_BESSdis(t)＝0 (14)

单组BESS功率上限约束：

max(|P_BESScha(t)|,|P_BESSdis(t)|)≤P_BESSmax (15)

式中：P_BESSmax为单组BESS充放电最大功率。

单组BESS功率能量相关约束：

电组BESS电量约束：

0≤E_BESSt≤E_BESSmax (18)

电组BESS整流逆变装置功率约束：

P_BESSzmin≤P_BESSz(t_BESS+k_BESSΔt)≤P_BESSzmax (19)

式中：P_BESSz(t)为单组BESS整流逆变装置功率；P_BESSzmin、P_BESSzmax分别为单组BESS整流逆变装置功率上下限；k_BESS＝1,2,...,T_BESS/Δt，T_BESS为单组BESS充放电时长；t_BESS为单组BESS运行时间。

单组BESS整流逆变装置爬坡约束：

P_BESSrmin≤P_BESSz(t_BESS+k_BESSΔt)-P_BESSz(t_BESS+(k_BESS-1)Δt)≤P_BESSrmax (20)

式中：P_BESSrmin、P_BESSrmax分别为单组BESS整流逆变装置在Δt时间内功率调节上下限。

按照改进V2G策略和优先级调度策略，一体站内BESS进行有序充放电，最终得到充放储一体站整体出力。

本发明将提出的改进V2G策略和优先级调度策略应用于实际充放储一体站储能系统的调度控制中。本发明基于MATLAB仿真平台，仿真结果验证了一体站采用所发明的改进V2G策略和优先级调度策略对EV随机负荷进行平抑以及对基本负荷进行削峰填谷的可行性与有效性。

首先对算例仿真参数进行设置，所提供EV充、换电服务区内有500辆EV，充、换电EV比例为4:1，工作日内EV充、换电需求率为20％，每日每车至多进站1次。储能系统均采用比亚迪官方公布的标准车载铁锂电池U3A1-50E-A，以比亚迪e6、k9分别作为充、换电EV，充放电效率为100％。由U3A1-50E-A参数推算充、换电EV电池容量分别为60和324kWh，电池组数分别为25和135组，充放电最大功率分别为70和378kW。服务区一体站换电站配置换电电池20组，梯级电站配置梯级电池2439组。对区内EV进行5000次蒙特卡洛模拟。服务区基本负荷和EV数据曲线图参见图9。

优先级调度策略与发电调度策略不同的是，其对一体站各储能子系统充放电先后顺序进行排列，根据电网实时调度指令和各储能子系统电量进行有序充放电，从调度策略上尽可能地减少EV放电，尽可能的保证EV充电。改进V2G与传统V2G不同的是改进V2G对BESS电量下限的灵活约束，巧妙地根据实时调度指令和各储能子系统监控系统对BESS电量的实时监控数据对BESS电量下限进行灵活约束。仿真结果表明，采用改进V2G的EV截止电量达到84.56％，而采用传统V2G的EV离站电量仅为17.69％，显然改进V2G保证了EV离站时具有较高电量，提高EV用户参与V2G的积极性与V2G技术在实际中的应用价值。

一体站储能系统建模过程中，储能子系统联合模型需结合单组BESS电量的随机性，模型的建立非常复杂且困难，并且在储能参与到电网调峰填谷时，一体站运行状态在负荷与电源之间任意切换是不可避免的，所以对一体站精确模型设计提出了很高的要求。下面通过仿真实验研究验证一体站模型对EV随机负荷与电网基本负荷调节的有效性。仿真对比EV无序充换电、传统V2G、改进V2G和优先级调度的充放储一体站，仿真结果参见图10、图11和图12。仿真结果表明一体站通过本发明提出的改进V2G和优先级协调调度策略对电网负荷进行调节，有效抑制了EV无序充电引起的负荷波动，对基本负荷的削峰填谷效果也相当明显。基于改进V2G和优先级协调调度策略的一体站明显改善了EV接入电网的负荷特性，在大规模EV并网的运行稳定性调节中具有一定的应用价值。

基于改进V2G和优先级调度策略的一体站各时段功率和电量分别参见图13、图14，由图13、图14可知，采用本发明中的基于改进V2G和优先级调度策略的能量控制策略对一体站进行能量调度与控制保证了各储能子系统电量在工作日内准周期变化。通过对一体站精确模型的建立，提高了分析一体站对电网影响的准确性。

本发明提出的改进V2G策略设计思路清晰，对于复杂的EV集群随机储能系统有较好的调控效果，适用范围广。对BESS放电下限限制时综合考虑电网调度与BESS的电量状态，将单组BESS电量下限进行实时控制。仿真结果验证了本发明在参与V2G的EV电量控制效果上的优越性。但对于EV集群随机储能系统这样的复杂储能系统，单纯的放电电量下限限制往往不能发挥更为显著的控制优势，还需对各储能子系统进行能量调度控制。本发明提出的优先级协调调度策略适用于一体站站内储能子系统调节系统，同时适用于实际工程中带有不同性质和特点的储能子系统的复杂储能系统的能量功率调度，并给针对电网带有多种储能的调度策略提供了新思路。

本发明所提出的基于改进V2G策略和优先级调度策略的充放储一体站分层调度模型，理论清晰，设计步骤简单，适应范围广。仿真结果表明采用本发明的能量控制策略的一体站负荷调节性能较好，对复杂的EV集群随机储能系统能量调度具有十分重要的现实意义。应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以更加上诉说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (7)

1.一种基于改进V2G和优先级调度的充放储一体站控制方法，所述的充放储一体站连接电网，充放储一体站包括充电站、换电站和梯级站，其特征在于，所述的控制方法包括：

(1)将进入充电站和换电站中的每辆电动汽车作为一组独立的电池储能系统，梯级站中的每组储能电池也作为独立的电池储能系统，预测充放储一体站的实时负荷分布；

(2)确定每组电池储能系统的放电下限；

(3)确定充放储一体站中充电站、换电站和梯级站充放电优先级；

(4)根据实时电网调度指令以及预测的实时负荷分布，将每组电池储能系统的放电下限作为约束条件，根据充放电优先级确定充放储一体站中各组电池储能系统的充放电状态；

步骤(1)中对于充电站和换电站中的实时负荷分布通过下述方式得到：建立电动汽车负荷随机性模型，根据随机性模型采用蒙特卡洛模拟预测得到充电站和换电站中负荷分布，所述的负荷分布包括：充电车辆类型分布、初始充电时刻、初始电量和充电时长；

所述的电动汽车负荷随机性模型包括电动汽车充换电初始时刻随机性分布模型、充电车辆类型随机分布模型、电动汽车初始电量随机分布模型、电动汽车截止电量随机分布模型；

每组电池储能系统的放电下限根据单组电池储能系统可放电电量调节，单组电池储能系统可放电电量为：

其中，ΔE_BESSt为单组电池储能系统可放电电量，E_BESSt为t时刻单组电池储能系统电量，E_BESSmax为电动汽车最大储能电量，α为阈值系数。

2.根据权利要求1所述的一种基于改进V2G和优先级调度的充放储一体站控制方法，其特征在于，电动汽车充换电初始时刻随机性分布满足正态分布，电动汽车充换电初始时刻的概率密度函数为：

其中，t₀为电动汽车充换电初始时刻，μ_s＝17.6，σ_s＝3.4。

3.根据权利要求1所述的一种基于改进V2G和优先级调度的充放储一体站控制方法，其特征在于，充电车辆类型随机分布满足二项分布，充电车辆类型的概率密度函数为：

其中，P(X＝x)为充电车辆类型概率，x＝1表示充电电动汽车，x＝0表示换电电动汽车，p为常数。

4.根据权利要求1所述的一种基于改进V2G和优先级调度的充放储一体站控制方法，其特征在于，电动汽车初始电量随机分布根据不同充电车辆类型其初始电量百分比满足不同的正态分布，电动汽车初始电量百分比的概率密度函数为：

其中，

为电动汽车初始电量百分比；

当充电车辆类型为充电电动汽车时：μ＝0.6，σ＝0.1；

当充电车辆类型为换电电动汽车时：μ＝0.5，σ＝0.1；

进而，电动汽车初始电量为：

其中，E_BESS0为电动汽车初始电量，E_BESSmax为电动汽车最大储能电量。

5.根据权利要求1所述的一种基于改进V2G和优先级调度的充放储一体站控制方法，其特征在于，电动汽车截止电量随机分布与电动汽车截止电量百分比相关，电动汽车截止电量百分比的概率密度函数为：

其中，

为电动汽车截止电量百分比，D为电动汽车最大行驶里程，μ_d＝3.019，σ_d＝1.123；

进而，电动汽车截止电量为：

其中，E_BESSf为电动汽车截止电量，E_BESSmax为电动汽车最大储能电量。

6.根据权利要求1所述的一种基于改进V2G和优先级调度的充放储一体站控制方法，阈值系数α满足：

其中，P_L(t)为t时刻电网基本负荷功率，P_Lav(t-1)为t时刻前电网基本负荷功率平均值，β为调整系数，P(i)为第i个采样时刻的电网基本负荷功率。

7.根据权利要求1所述的一种基于改进V2G和优先级调度的充放储一体站控制方法，步骤(3)中充放储一体站中充电站、换电站和梯级站充放电优先级具体为：

若电网调度充放储一体站放电：

当梯级电站中电池储能系统的电量大于对应的放电下限时，则梯级电站对电网、换电站和充电站放电；

当梯级电站中电池储能系统的电量小于对应的放电下限时，则优先换电站对电网和充电站进行放电，当换电站中电池储能系统的电量小于对应的放电下限时则充电站对电网进行放电；

当充电站、换电站和梯级站中的电池储能系统的电量均小于对应的放电下限时，则充放储一体站停止对电网进行放电；

若电网调度充放储一体站充电：

当充电站未充满电，则首先保证充电站进行充电，若电网对充放储一体站的充电功率满足充电站充电功率且有剩余则首先保证对换电站进行充电，若满足充电站、换电站功率，最后再对梯级电站进行充电；

当充电站充满电时，首先保证换电站进行充电，若电网对充放储一体站的充电功率满足换电站充电功率且存在功率剩余则再对梯级电站进行充电；

若充电站、换电站均已充满电，则对梯级电站进行充电；

当充电站、换电站和梯级站均已充满电则充放储一体站停止充电；

当充电过程中充电站、换电站充满电的情况下若由于电动汽车的随机充换电导致充电站或换电站电量又存在缺额，则首先对充电站进行充电，再满足换电站的充电需求，最后满足梯级电站的充电需求。

Images