CN107766980A - 基于用户行为习惯的电动汽车分时充电电价优化方法 - Google Patents

基于用户行为习惯的电动汽车分时充电电价优化方法 Download PDF

Info

Publication number
CN107766980A
CN107766980A CN201710997287.3A CN201710997287A CN107766980A CN 107766980 A CN107766980 A CN 107766980A CN 201710997287 A CN201710997287 A CN 201710997287A CN 107766980 A CN107766980 A CN 107766980A
Authority
CN
China
Prior art keywords
mrow
msub
munderover
price
msubsup
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.)
Pending
Application number
CN201710997287.3A
Other languages
English (en)
Inventor
王冉冉
王亚丽
刘莫尘
赵斌
王爱萍
陈明
李颖瑾
陈博
王乐天
吕欣
崔艳
沈轩如
谢云岩
呼文强
公衍钊
马健珂
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.)
Shandong Agricultural University
Original Assignee
Shandong Agricultural 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 Shandong Agricultural University filed Critical Shandong Agricultural University
Priority to CN201710997287.3A priority Critical patent/CN107766980A/zh
Publication of CN107766980A publication Critical patent/CN107766980A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F15/00—Coin-freed apparatus with meter-controlled dispensing of liquid, gas or electricity
    • G07F15/003—Coin-freed apparatus with meter-controlled dispensing of liquid, gas or electricity for electricity
    • G07F15/005—Coin-freed apparatus with meter-controlled dispensing of liquid, gas or electricity for electricity dispensed for the electrical charging of vehicles
    • G—PHYSICS
    • G07—CHECKING-DEVICES
    • G07F—COIN-FREED OR LIKE APPARATUS
    • G07F15/00—Coin-freed apparatus with meter-controlled dispensing of liquid, gas or electricity
    • G07F15/08—Coin-freed apparatus with meter-controlled dispensing of liquid, gas or electricity with means for varying the tariff or changing the price
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
    • Y02T90/10—Technologies relating to charging of electric vehicles
    • Y02T90/12—Electric charging stations
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

一种基于用户行为习惯的电动汽车分时充电电价优化方法。根据对A地区每天负荷的数据分析，将日负荷曲线对应的时间划分为峰、谷、平三个时段；将时间进行划分；通过对该地区电动汽车用户的出行、充电以及停车习惯的跟踪了解和调查分析，得出在24个时间段内电动汽车的充电数量；充电优化模型以电网峰负荷最小为优化目标，利用遗传算法对优化目标进行优化问题求解。本发明根据峰谷分时电价机制，促使用户根据自己的行为习惯自觉地调整充电方式，缓解负荷高峰期电力供应紧张的压力，提高电力系统的负荷率和整体效益的目的。

Description

基于用户行为习惯的电动汽车分时充电电价优化方法
技术领域
本发明涉及电价的优化方法，特别是一种基于用户行为习惯的电动汽车分时充电电价优化方法。
背景技术
随着全球能源危机的不断加深，石油资源的日趋枯竭以及大气污染、全球气温上升的危害加剧，利用电能替代传统石油燃料，可减少温室气体排放和对石油进口的依赖。各国政府非常重视电动汽车的发展。
近年来，由于电动汽车具有无排放污染、噪声低、易于操纵、热辐射小及运行成本低等优点，在节能和环保上具有不可比拟的优势，而且也是解决人类能源和环境压力的有效途径之一，从而使得电动汽车的发展更为迅猛，电动汽车的用户也在日益增加。而用户的出行习惯、停车习惯以及充电习惯都具有一定的规律性，所以当用户集中充电时就会产生用电高峰期，从而导致电网负荷增加，同时也会对配电网可靠性带来影响。
虽然国家电网公司为缓解用电集中的缺陷，实施分时段电价计费的措施，但是由于电动汽车用户的出行习惯、停车习惯、充电习惯等行为习惯的不同，使得电动汽车用户在为汽车进行充电时没有避开充电高峰期，不仅充电费用高，而且在高峰期充电，充电效率低，电网负荷大。
目前的阶梯电价方案并不是针对电动汽车的，随着现在电动汽车的增加，电动汽车在汽车总有量上占有一部分的比例，通常用户都会在下班后进行充电，也就是在我们平常用电的高峰，这样一来就加大了电网负荷的力度，使得电网运行不稳定，而电动汽车充电所需要的负荷也在逐渐增加，在高峰期充电的效率低。
发明内容
本发明是针对目前电动汽车在用电高峰期充电所造成的电费高、充电效率低的缺陷，提供一种基于用户行为习惯的电动汽车分时充电电价优化方法。
本发明所采用的技术方案是：一种基于用户行为习惯的电动汽车分时充电电价优化方法，按照以下步骤进行优化计算；
步骤1：根据对A地区每天负荷的数据分析，按照峰负荷、平负荷以及谷负荷所在的范围将日负荷曲线对应的时间划分为峰、谷、平三个时段，即:Tf、Tg、Tp
Tf+Tp+Tg＝24 (1)
Tp为平时段，Tf为峰时段，Tg为谷时段；
步骤2：将时间进行划分，以1h为时间间隔把一天分为24个时间段，Qj表示每个时间段内不含电动汽车负荷的其他负荷，即
Qj＝{Q1,Q2,Q3,,,Qj,,,Q24} (2)
步骤3：通过对该地区电动汽车用户的出行、充电以及停车习惯的跟踪了解和调查分析，得出在24个时间段内电动汽车的充电数量是不同的，可由下式表示：
式中，α为影响因子；N为今日所需充电的电动汽车数量，Nj为j时段电动汽车充电的数量，Rj为j时段的分时电价，Rmax为分时电价的最大值；
步骤:4：假设在j时段电动汽车充电相同时间的平均功率是一样的，记piv为j时段内电动汽车的平均充电功率，则
式中，Pj为j时段内总的电动汽车充电功率。
步骤5：充电优化模型以电网峰负荷最小为优化目标，函数表达式为：
步骤6：利用遗传算法对优化目标进行优化问题求解，即求解出最佳电价和影响因子。
电价模型的约束条件表示如下：
1)考虑发电的成本以及用户的承受能力，应对分时电价进行如下约束：
Rmin≤Rj≤Rmax (6)
式中，Rj为j时段的分时电价，
Rmin为监管部门规定的电价的下限，
Rmax为监管部门规定的电价的上限；
2)峰谷电价比要有一定的范围限制，公式如下：
Rjg≤Rjp≤Rjf (7)
式中，k1,k2为限制峰谷电价比的常数；
3)在分时电价实施后，保证用户的用电费用不高于实施之前，即
式中，R’j为优化前j时段的电价，P’j为优化前j时段电动汽车总的充电功率。
运用遗传算法对优化目标进行优化问题求解，算法步骤如下：
S1：染色体编码及初始种群的生成，
(1)编码
采用二进制编码，设X＝(x1,x2,x3,α)
式中，X为峰、平、谷电价以及影响因子4个决策变量构成的向量；通常我国居民电价的最小值为rmin，最大值为rmax，现以取自变量小数点后第二位为精度优化函数，因此每个分量都可表示为1个7位的二进制串，由4个这样的二进制串依次排列构成1个染色体；染色体(解的编码)由四个变量所表示的二进制串依次排列组成，共28位；
(2)初始种群的生成
随机产生N个染色体Xi(l＝0)(i＝1,2，...,N)，由这些染色体组成群体的初始规模G(l＝0)＝Xi(l＝0)，l表示进化代数；
S2：计算适应函数值
以作为适应值函数，计算出群体G(l＝0)中每个个体Xi(0)的适应值fit(Xi(0))；
S3：遗传算子
(1)选择算子
计算每代中所有个体的生存概率
则有
从编号为1的个体开始逐个累加，直至满足下列条件
此时对应第q个个体，即该个体将被选中复制到下一代。如此反复，选择复制N个个体构成下一代种群，δt(t＝1,2,...,N)为产生的一个随机数；
(2)交叉算子
将新复制产生的位串个体随机两两配对，然后随机选择交叉点，对匹配的位串以交叉概率pc＝a(交叉概率范围为0.25～0.75)进行交叉繁殖，产生一对新的位串；
(3)变异算子
对位串随机制定的某一位或某几位基因以变异概率pm＝b(变异概率范围为0.01～0.20)作变异运算，产生新一代种群；
S4：运算终止条件
将种群代数l+1(初始值l＝0)，循环执行步骤S2～S3，直到已迭代了预置的代数C。以最后一代中适应值最大的个体作为最优解输出。
本发明所公开的这种基于用户行为习惯的电动汽车分时充电电价优化方法，主要是针对充电站使用，充电站通过对用户行为习惯的分析，利用该算法计算出峰、平、谷三个时段的最优电价，利用充电电价的变化对电动汽车充电行为进行引导，通过在高峰期设置比较高的电价，重新调整电价之后能够使他们避开这种高峰期，在低谷或者平时段进行充电，这样就能缓解电力负荷，形成较平稳的电力负荷运行状态；本发明根据峰谷分时电价机制，促使用户根据自己的行为习惯自觉地调整充电方式，缓解负荷高峰期电力供应紧张的压力，提高电力系统的负荷率和整体效益的目的。
通过调查电动汽车用户的出行习惯，停车习惯，以及充电习惯，知道这些电动汽车用户在不同时段内电动汽车负荷的分布。充电站要结合电动汽车充电的用电负荷和本身已有的电价，对现有电价进行调整。
附图说明
图1为本发明中求解程序流程框图。
具体实施方式
下面结合实施例对本发明做进一步说明。
本发明所公开的这种电动汽车分时充电电价计算方法，基于用户的行为习惯，如出行习惯、用电习惯、停车习惯等，基于上述行为习惯，可根据峰谷分时电价机制，促使用户根据自己的行为习惯自觉地调整充电方式。
本发明所公开的这种电价计算方法，其目的是通过有关部门对一天时段内不同时间段进行电价的阶梯划分，然后用户根据自己的实际行为习惯，选择时段对自己的电动汽车进行充电，以实现既能降低高峰时段集中用电时刻的用电量，而且能够为用户提供快速、有效的充电时段，并能降低用户的充电费用。该发明提供的该技术方案主要针对充电站的电价调整或计算部门，由充电站调整电价促使用户调整用电方式。
这种基于用户行为习惯的电动汽车分时充电电价优化方法如下。
为确保这个算法的可行性，实施分时电价模式，需要具备以下的假设条件：
1、实行分时电价前后每一天的总用电总量不发生变化。
2、转移到某时段的用电量在时间轴上进行均匀分布。
这种基于用户行为习惯的电动汽车分时充电电价优化方法如下。一种基于用户行为习惯的电动汽车分时充电电价优化方法，其特征是：
步骤1：根据对A地区每天负荷的数据分析，按照峰负荷、平负荷以及谷负荷所在的范围将日负荷曲线对应的时间划分为峰、谷、平三个时段，即:Tf、Tg、Tp
Tf+Tp+Tg＝24 (1)
Tp为平时段，Tf为峰时段，Tg为谷时段；
步骤2：我们将时间进行划分，以1h为时间间隔把一天分为24个时间段，Qj表示每个时间段内不含电动汽车负荷的其他负荷，即
Qj＝{Q1,Q2,Q3,,,Qj,,,Q24} (2)
步骤3：通过对该地区电动汽车用户的出行、充电以及停车习惯的跟踪了解和调查分析，得出在24个时间段内电动汽车的充电数量是不同的，可由下式表示：
式中，α为影响因子，不同地区的经济水平、用户的消费习惯等的不同，影响因子就会存在差异。N为今日所需充电的电动汽车数量，Nj为j时段电动汽车充电的数量，Rj为j时段的分时电价，Rmax为分时电价的最大值。
步骤:4：假设在j时段电动汽车充电相同时间的平均功率是一样的，记piv为j时段内电动汽车的平均充电功率，则
式中，Pj为j时段内总的电动汽车充电功率。
步骤5：充电优化模型以电网峰负荷最小为优化目标，函数表达式为：
其中：电价模型的约束条件表示如下：
1)考虑发电的成本以及用户的承受能力，应对分时电价进行如下约束：
Rmin≤Rj≤Rmax (6)
式中，Rj为j时段的分时电价，
Rmin为监管部门规定的电价的下限，
Rmax为监管部门规定的电价的上限。
2)为了避免分时电价后，出现峰谷倒置、峰谷错位或响应不足的现象，一般峰时段电价较高于平时段电价，谷时段电价低于平时段电价，且峰谷电价比要有一定的范围限制。公式如下：
Rjg≤Rjp≤Rjf (7)
式中，k1,k2为限制峰谷电价比的常数。
4)用户在响应分时电价时可能会调整原有的用电方式，改变用电习惯以节约成本。为激励用户积极参与响应，在分时电价实施后，应该保证用户的用电费用不高于实施之前，即
式中，R’j为优化前j时段的电价，P’j为优化前j时段电动汽车总的充电功率。
步骤6：利用遗传算法对优化目标进行优化问题求解，即求解出最佳电价和影响因子。
运用遗传算法对优化目标进行优化问题求解，算法步骤如下：
S1：染色体编码及初始种群的生成。
(3)编码
采用二进制编码，设X＝(x1,x2,x3,α)
式中，X为峰、平、谷电价以及影响因子4个决策变量构成的向量。通常我国居民电价的最小值为rmin，最大值为rmax，现以取自变量小数点后第二位为精度优化函数，因此每个分量都可表示为1个7位的二进制串，由4个这样的二进制串依次排列构成1个染色体。染色体(解的编码)由四个变量所表示的二进制串依次排列组成，共28位。
(4)初始种群的生成
随机产生N个染色体Xi(l＝0)(i＝1,2，...,N)，由这些染色体组成群体的初始规模G(l＝0)＝Xi(l＝0)，l表示进化代数。
S2：计算适应函数值
以作为适应值函数，计算出群体G(l＝0)中每个个体Xi(0)的适应值fit(Xi(0))。
S3：遗传算子
(4)选择算子
计算每代中所有个体的生存概率
则有
从编号为1的个体开始逐个累加，直至满足下列条件
此时对应第q个个体，即该个体将被选中复制到下一代。如此反复，选择复制N个个体构成下一代种群，δt(t＝1,2,...,N)为产生的一个随机数。
(5)交叉算子
将新复制产生的位串个体随机两两配对，然后随机选择交叉点，对匹配的位串以交叉概率pc＝a(交叉概率范围为0.25～0.75)进行交叉繁殖，产生一对新的位串。
(6)变异算子
对位串随机制定的某一位或某几位基因以变异概率pm＝b(变异概率范围为0.01～0.20)作变异运算，产生新一代种群。
S4：运算终止条件
将种群代数l+1(初始值l＝0)，循环执行步骤S2～S3，直到已迭代了预置的代数C。
以最后一代中适应值最大的个体作为最优解输出。
算例分析：
时段划分：峰时段:(09：00～12:00；17:00～22:00)、平时段:(06:00～09:00；12:00～17:00)、谷时段:(22:00～24:00；00:00～06:00)
优化前：峰负荷：261.98万kW；谷负荷为：175.42万kW
峰谷差：86.56万KW
遗传算法参数设置如下：种群规模为500，迭代次数为100，交叉率为0.85，变异率为0.05。以电网峰负荷最小为优化目标进行优化，优化结果如下：
影响因子α：0.58
具体电价：峰时段电价:0.866元/kWh、平时段电价:0.675元/kWh谷
时段电价:0.392元/kWh
各项负荷指标：最大峰负荷：239.17万kw；最小谷负荷：193.65万kw；负荷峰谷差:45.52万kw；
与优化前对比可以看出，最大峰负荷由原来的261.93万kW降为239.1万kW；最小谷负荷由原来的165.32万kW升为183.6万kW；峰谷差由96.61万kW降为55.5万kW，实现了负荷的削峰填谷。

Claims (3)

1.一种基于用户行为习惯的电动汽车分时充电电价优化方法，其特征是：按照以下步骤进行优化计算；
步骤1：根据对A地区每天负荷的数据分析，按照峰负荷、平负荷以及谷负荷所在的范围将日负荷曲线对应的时间划分为峰、谷、平三个时段，即:Tf、Tg、Tp
Tf+Tp+Tg＝24 (1)
Tp为平时段，Tf为峰时段，Tg为谷时段；
步骤2：将时间进行划分，以1h为时间间隔把一天分为24个时间段，Qj表示每个时间段内不含电动汽车负荷的其他负荷，即
Qj＝{Q1,Q2,Q3,,,Qj,,,Q24} (2)
步骤3：通过对该地区电动汽车用户的出行、充电以及停车习惯的跟踪了解和调查分析，得出在24个时间段内电动汽车的充电数量是不同的，可由下式表示：
<mrow> <msub> <mi>N</mi> <mi>j</mi> </msub> <mo>=</mo> <mi>N</mi> <mi>&amp;alpha;</mi> <mrow> <mo>(</mo> <mn>1</mn> <mo>-</mo> <mfrac> <msub> <mi>R</mi> <mi>j</mi> </msub> <msub> <mi>R</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> </mfrac> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo> </mrow> </mrow>
式中，α为影响因子；N为今日所需充电的电动汽车数量，Nj为j时段电动汽车充电的数量，Rj为j时段的分时电价，Rmax为分时电价的最大值；
步骤:4：假设在j时段电动汽车充电相同时间的平均功率是一样的，记piv为j时段内电动汽车的平均充电功率，则
<mrow> <msub> <mi>P</mi> <mi>j</mi> </msub> <mo>=</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <msub> <mi>N</mi> <mi>j</mi> </msub> </munderover> <msub> <mi>p</mi> <mrow> <mi>i</mi> <mi>v</mi> </mrow> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
式中，Pj为j时段内总的电动汽车充电功率。
步骤5：充电优化模型以电网峰负荷最小为优化目标，函数表达式为：
<mrow> <mi>F</mi> <mo>=</mo> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <munder> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> <mrow> <mi>j</mi> <mo>&amp;Element;</mo> <msub> <mi>T</mi> <mi>f</mi> </msub> </mrow> </munder> <mo>(</mo> <mrow> <msub> <mi>Q</mi> <mi>j</mi> </msub> <mo>+</mo> <msub> <mi>P</mi> <mi>j</mi> </msub> </mrow> <mo>)</mo> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
步骤6：利用遗传算法对优化目标进行优化问题求解，即求解出最佳电价和影响因子。
2.根据权利要求1所述的优化方法，其特征是：
电价模型的约束条件表示如下：
1)考虑发电的成本以及用户的承受能力，应对分时电价进行如下约束：
Rmin≤Rj≤Rmax (6)
式中，Rj为j时段的分时电价，
Rmin为监管部门规定的电价的下限，
Rmax为监管部门规定的电价的上限；
2)峰谷电价比要有一定的范围限制，公式如下：
Rjg≤Rjp≤Rjf (7)
<mrow> <msub> <mi>k</mi> <mn>1</mn> </msub> <mo>&amp;le;</mo> <mfrac> <msub> <mi>R</mi> <mrow> <mi>j</mi> <mi>f</mi> </mrow> </msub> <msub> <mi>R</mi> <mrow> <mi>j</mi> <mi>g</mi> </mrow> </msub> </mfrac> <mo>&amp;le;</mo> <msub> <mi>k</mi> <mn>2</mn> </msub> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>
式中，k1,k2为限制峰谷电价比的常数；
3)在分时电价实施后，保证用户的用电费用不高于实施之前，即
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <msub> <mi>P</mi> <mi>j</mi> </msub> <msub> <mi>R</mi> <mi>j</mi> </msub> <mo>&amp;le;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mn>24</mn> </munderover> <msubsup> <mi>P</mi> <mi>j</mi> <mo>,</mo> </msubsup> <msubsup> <mi>R</mi> <mi>j</mi> <mo>,</mo> </msubsup> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>9</mn> <mo>)</mo> </mrow> </mrow>
式中，R’j为优化前j时段的电价，P’j为优化前j时段电动汽车总的充电功率。
3.根据权利要求1所述的优化方法，其特征是：
运用遗传算法对优化目标进行优化问题求解，算法步骤如下：
S1：染色体编码及初始种群的生成，
(1)编码
采用二进制编码，设X＝(x1,x2,x3,α)
式中，X为峰、平、谷电价以及影响因子4个决策变量构成的向量；通常我国居民电价的最小值为rmin，最大值为rmax，现以取自变量小数点后第二位为精度优化函数，因此每个分量都可表示为1个7位的二进制串，由4个这样的二进制串依次排列构成1个染色体；染色体(解的编码)由四个变量所表示的二进制串依次排列组成，共28位；
(2)初始种群的生成
随机产生N个染色体Xi(l＝0)(i＝1,2，...,N)，由这些染色体组成群体的初始规模G(l＝0)＝Xi(l＝0)，l表示进化代数；
S2：计算适应函数值
以作为适应值函数，计算出群体G(l＝0)中每个个体Xi(0)的适应值fit(Xi(0))；
S3：遗传算子
(1)选择算子
计算每代中所有个体的生存概率
则有
<mrow> <msubsup> <mi>w</mi> <mn>1</mn> <mrow> <mo>(</mo> <mi>l</mi> <mo>=</mo> <mn>0</mn> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <mfrac> <mrow> <mi>f</mi> <mi>i</mi> <mi>t</mi> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mn>1</mn> </msub> <mo>(</mo> <mi>l</mi> <mo>=</mo> <mn>0</mn> <mo>)</mo> </mrow> <mo>)</mo> </mrow> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mi>f</mi> <mi>i</mi> <mi>t</mi> <mo>(</mo> <msub> <mi>X</mi> <mn>1</mn> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>=</mo> <mn>0</mn> <mo>)</mo> </mrow> <mo>)</mo> </mrow> </mfrac> </mrow>
<mrow> <msubsup> <mi>w</mi> <mn>2</mn> <mrow> <mo>(</mo> <mi>l</mi> <mo>=</mo> <mn>0</mn> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <mfrac> <mrow> <mi>f</mi> <mi>i</mi> <mi>t</mi> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mn>2</mn> </msub> <mo>(</mo> <mi>l</mi> <mo>=</mo> <mn>0</mn> <mo>)</mo> </mrow> <mo>)</mo> </mrow> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mi>f</mi> <mi>i</mi> <mi>t</mi> <mo>(</mo> <msub> <mi>X</mi> <mn>2</mn> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>=</mo> <mn>0</mn> <mo>)</mo> </mrow> <mo>)</mo> </mrow> </mfrac> </mrow>
.................
<mrow> <msubsup> <mi>w</mi> <mi>N</mi> <mrow> <mo>(</mo> <mi>l</mi> <mo>=</mo> <mn>0</mn> <mo>)</mo> </mrow> </msubsup> <mo>=</mo> <mfrac> <mrow> <mi>f</mi> <mi>i</mi> <mi>t</mi> <mrow> <mo>(</mo> <msub> <mi>X</mi> <mi>N</mi> </msub> <mo>(</mo> <mi>l</mi> <mo>=</mo> <mn>0</mn> <mo>)</mo> </mrow> <mo>)</mo> </mrow> <mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <mi>f</mi> <mi>i</mi> <mi>t</mi> <mo>(</mo> <msub> <mi>X</mi> <mi>N</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>=</mo> <mn>0</mn> <mo>)</mo> </mrow> <mo>)</mo> </mrow> </mfrac> </mrow>
从编号为1的个体开始逐个累加，直至满足下列条件
<mrow> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>q</mi> <mo>-</mo> <mn>1</mn> </mrow> </munderover> <msubsup> <mi>w</mi> <mi>i</mi> <mrow> <mo>(</mo> <mi>l</mi> <mo>=</mo> <mn>0</mn> <mo>)</mo> </mrow> </msubsup> <mo>&amp;le;</mo> <msub> <mi>&amp;delta;</mi> <mi>t</mi> </msub> <mo>&amp;le;</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>q</mi> </munderover> <msubsup> <mi>w</mi> <mi>i</mi> <mrow> <mo>(</mo> <mi>l</mi> <mo>=</mo> <mn>0</mn> <mo>)</mo> </mrow> </msubsup> </mrow>
此时对应第q个个体，即该个体将被选中复制到下一代。如此反复，选择复制N个个体构成下一代种群，δt(t＝1,2,...,N)为产生的一个随机数；
(2)交叉算子
将新复制产生的位串个体随机两两配对，然后随机选择交叉点，对匹配的位串以交叉概率pc＝a(交叉概率范围为0.25～0.75)进行交叉繁殖，产生一对新的位串；
(3)变异算子
对位串随机制定的某一位或某几位基因以变异概率pm＝b(变异概率范围为0.01～0.20)作变异运算，产生新一代种群；
S4：运算终止条件
将种群代数l+1(初始值l＝0)，循环执行步骤S2～S3，直到已迭代了预置的代数C。以最后一代中适应值最大的个体作为最优解输出。
CN201710997287.3A 2017-10-20 2017-10-20 基于用户行为习惯的电动汽车分时充电电价优化方法 Pending CN107766980A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710997287.3A CN107766980A (zh) 2017-10-20 2017-10-20 基于用户行为习惯的电动汽车分时充电电价优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710997287.3A CN107766980A (zh) 2017-10-20 2017-10-20 基于用户行为习惯的电动汽车分时充电电价优化方法

Publications (1)

Publication Number Publication Date
CN107766980A true CN107766980A (zh) 2018-03-06

Family

ID=61269117

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710997287.3A Pending CN107766980A (zh) 2017-10-20 2017-10-20 基于用户行为习惯的电动汽车分时充电电价优化方法

Country Status (1)

Country Link
CN (1) CN107766980A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596667A (zh) * 2018-04-25 2018-09-28 国网天津市电力公司电力科学研究院 一种基于车联网的电动汽车实时充电电价计算方法
CN109191694A (zh) * 2018-06-26 2019-01-11 北京国网普瑞特高压输电技术有限公司 一种电动汽车快充站充电分段计费方法及装置
CN109299817A (zh) * 2018-09-04 2019-02-01 东北电力大学 兼顾车主响应与电网成本的电动汽车充放电价优化方法
CN109978240A (zh) * 2019-03-11 2019-07-05 三峡大学 一种电动汽车有序充电优化方法及系统
CN110807612A (zh) * 2018-08-06 2020-02-18 北京京东尚科信息技术有限公司 确定剩余产能的方法和装置
CN111873841A (zh) * 2020-07-31 2020-11-03 武汉瑞莱保能源技术有限公司 一种智能充电站管理系统
CN112026586A (zh) * 2020-07-31 2020-12-04 武汉瑞莱保能源技术有限公司 一种基于需求实时响应机制的智能充电桩系统
CN118381016A (zh) * 2024-06-21 2024-07-23 国网上海市电力公司 一种充电站的负荷预测和电网负荷平衡方法与系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103077316A (zh) * 2013-01-14 2013-05-01 天津大学 一种负荷曲线的削峰填谷优化方法
CN106056264A (zh) * 2016-04-28 2016-10-26 东南大学 一种考虑负荷发展的分时电价优化方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103077316A (zh) * 2013-01-14 2013-05-01 天津大学 一种负荷曲线的削峰填谷优化方法
CN106056264A (zh) * 2016-04-28 2016-10-26 东南大学 一种考虑负荷发展的分时电价优化方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
吕孟扩: ""适用于电动汽车充放电的分时电价研究"", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 *
郑丹等: ""采用分时充电电价时电动汽车充电需求分析"", 《广东电力》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108596667A (zh) * 2018-04-25 2018-09-28 国网天津市电力公司电力科学研究院 一种基于车联网的电动汽车实时充电电价计算方法
CN108596667B (zh) * 2018-04-25 2022-02-22 国网天津市电力公司电力科学研究院 一种基于车联网的电动汽车实时充电电价计算方法
CN109191694A (zh) * 2018-06-26 2019-01-11 北京国网普瑞特高压输电技术有限公司 一种电动汽车快充站充电分段计费方法及装置
CN110807612A (zh) * 2018-08-06 2020-02-18 北京京东尚科信息技术有限公司 确定剩余产能的方法和装置
CN109299817A (zh) * 2018-09-04 2019-02-01 东北电力大学 兼顾车主响应与电网成本的电动汽车充放电价优化方法
CN109299817B (zh) * 2018-09-04 2021-11-30 东北电力大学 兼顾车主响应与电网成本的电动汽车充放电价优化方法
CN109978240A (zh) * 2019-03-11 2019-07-05 三峡大学 一种电动汽车有序充电优化方法及系统
CN109978240B (zh) * 2019-03-11 2022-10-04 三峡大学 一种电动汽车有序充电优化方法及系统
CN111873841A (zh) * 2020-07-31 2020-11-03 武汉瑞莱保能源技术有限公司 一种智能充电站管理系统
CN112026586A (zh) * 2020-07-31 2020-12-04 武汉瑞莱保能源技术有限公司 一种基于需求实时响应机制的智能充电桩系统
CN118381016A (zh) * 2024-06-21 2024-07-23 国网上海市电力公司 一种充电站的负荷预测和电网负荷平衡方法与系统

Similar Documents

Publication Publication Date Title
CN107766980A (zh) 基于用户行为习惯的电动汽车分时充电电价优化方法
CN109165788B (zh) 一种冷热电联供系统的优化方法
CN109390973B (zh) 一种考虑通道约束的送端电网电源结构优化方法
CN111753431B (zh) 综合能源系统中最优配置的计算方法和计算设备
CN105787588A (zh) 一种用于提升新能源消纳能力的动态峰谷分时电价方法
CN107919675B (zh) 综合考虑车主和运营商利益的充电站负荷调度模型
CN107069834A (zh) 一种含新能源发电区域电网碳排放优化调度方法
CN113783224A (zh) 一种考虑多种分布式能源运行的配电网双层优化规划方法
CN110264012A (zh) 基于经验模态分解的可再生能源功率组合预测方法及系统
CN114154744A (zh) 综合能源系统的扩容规划方法、装置及电子设备
CN116667325B (zh) 一种基于改进布谷鸟算法的微电网并网运行优化调度方法
CN106961125B (zh) 风水火电力系统动态经济调度的等式约束处理方法
CN113536581B (zh) 一种计及运行策略的储能系统多状态可靠性建模方法
CN108694475B (zh) 基于混合模型的短时间尺度光伏电池发电量预测方法
CN114358378A (zh) 一种用于考虑需量管理的用户侧储能优化配置系统及方法
CN112564160B (zh) 一种计及风电不确定性的储能系统随机配置方法、终端及存储介质
CN113177860A (zh) 一种基于改进蚁狮算法的含电动汽车参与的微电网优化调度方法
CN105552941B (zh) 一种分布式电源调峰容量优化方法
CN108599142A (zh) 一种基于权重的混合整数二次规划多目标调度方法
CN114707795A (zh) 综合能源优化调度方法和系统、电子设备及存储介质
CN115776138A (zh) 一种考虑多维不确定性和能量管理策略的微电网容量规划方法及装置
CN114362185A (zh) 考虑随机负荷的分布式电源配电网分析及优化控制方法
CN114066280A (zh) 一种基于改进蜜獾优化的电力经济排放调度方法
CN113269420A (zh) 基于通信噪声的分布式事件驱动电力经济调度方法
CN115528687B (zh) 一种有限成本约束下的电力系统柔性响应能力优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180306

RJ01 Rejection of invention patent application after publication