CN108183473A - 一种集群电动汽车参与辅助服务市场的优化投标方法 - Google Patents

Abstract

本发明公开了一种集群电动汽车参与辅助服务市场的优化投标方法，属于电力调度的技术领域。该方法根据电动汽车和出行需求及充电需求筛选出具备提供辅助服务能力的电动汽车，根据各具备提供辅助服务能力的电动汽车的成本费用并考虑各电动汽车用户补偿需求差异性建立集群电动汽车的成本容量模型，采用模特卡洛模拟法构建多聚合参与的竞争性投标场景集合，计算多聚合商参与的各竞争性投标场景下集群电动汽车的收益期望值，采用和声搜索算法筛选出使得集群电动汽车的收益期望值最大的聚合商报价作为最优报价，既减轻了电力调度中心的负担又为电动汽车带来额外的经济收益。

Description

一种集群电动汽车参与辅助服务市场的优化投标方法

技术领域

本发明公开了一种集群电动汽车参与辅助服务市场的优化投标方法，属于电力调度的技术领域。

背景技术

近年来，风电、太阳能等间歇性能源发展迅猛。随着大规模可再生能源的接入，其随机性和间歇性的特点使得电网电能质量下降，为电力系统的调频带来了极大的挑战。传统的调频机组由于其响应速度慢、爬坡速率低等原因难以满足电力系统的调频需求，电网现有调频容量不足的问题凸显，亟需新的调频手段解决大规模可再生能源接入下的电网调频问题。

电动汽车作为一种灵活的可调节负荷，可以为系统提供调频和备用的需求，其优势体现在：1)响应速度快，与传统调节机组相比无爬坡功率约束；2)响应精度高，其车载的双向电力电子变换器精确地跟踪调频信号；3)效率高，电动汽车充放电效率可达到80％，远高于一般储能站；4)经济效益好，为电动汽车用户带来可观的收益。但现在的研究将集群电动汽车作为一个整体，研究集群电动汽车参与辅助服务市场有助于挖掘需求侧资源的调度潜力，有助于减轻电网的调度负担、制定更有效的电网调度计划；同时为用户来带可观的收益，有利于调动电力用户参与电力系统运行的积极性，进而实现资源的高效利用。现有的电动汽车参与辅助服务市场优化投标的方案缺少对电动汽车个体行为的刻画，也没有充分考虑电动汽车用户的出行需求；同时，现有技术还缺少电动汽车聚合商对其它参与者报价策略的预测，没有实现合理的资源调度，难以达到利益的最大化。

发明内容

本发明的发明目的是针对上述背景技术的不足，提供了一种集群电动汽车参与辅助服务市场的优化投标方法，考虑了各电动汽车出行需求以及各电动汽车用户补偿需求的差异性，在计及多聚合商竞争的场景下实现了最优投标，解决了将集群电动汽车作为整体参与辅助服务市场不利于实现资源高效利用的技术问题。

本发明为实现上述发明目的采用如下技术方案：

一种集群电动汽车参与辅助服务市场的优化投标方法，

根据电动汽车和出行需求及充电需求筛选出具备提供辅助服务能力的电动汽车；

根据各具备提供辅助服务能力的电动汽车的成本费用并考虑各电动汽车用户补偿需求差异性建立集群电动汽车的成本容量模型；

采用模特卡洛模拟法构建多聚合商参与的竞争性投标场景集合；

计算多聚合商参与的各竞争性投标场景下集群电动汽车的收益期望值；

采用和声搜索算法筛选出使得集群电动汽车的收益期望值最大的聚合商报价作为最优报价。

作为集群电动汽车参与辅助服务市场的优化投标方法的进一步优化方案，根据电动汽车出行需求及充电需求筛选出具备提供辅助服务能力的电动汽车的方法为：电动汽车的剩余在网时长T_SET大于其最短充电时间T_min时，该电动汽车具备提供辅助服务能力，T_SET＝(T_out-t)，t为当前时刻，SOC_out为电动汽车用户设定离网时刻的荷电状态充电需求，SOC(t)为电动汽车在当前时刻的荷电状态，C_B为电动汽车的电池容量，η为电动汽车的充放电效率，P_N为电动汽车的最大充电功率，T_out为电动汽车用户预设的离网时刻。

作为集群电动汽车参与辅助服务市场的优化投标方法的进一步优化方案，所述集群电动汽车的成本容量模型为：t为当前时刻，C(t)为当前时刻集群电动汽车的成本，q_k(t)为电动汽车k在当前时刻的充/放电量，Q(t)为当前时刻具备提供辅助服务能力的电动汽车的总充/放电量，C_min为固定成本，N(t)为当前时刻具备提供辅助服务能力的电动汽车的总数。

作为集群电动汽车参与辅助服务市场的优化投标方法的进一步优化方案，采用模特卡洛模拟法构建多聚合商参与的竞争性投标场景集合的方法为：根据聚合商i的报价系数预估符合二维正态分布的聚合商j的报价系数，[a_ij b_ij]^Τ＝[μ_a,ij μ_b,ij]^Τ+Eη，a_ij、b_ij为聚合商i对聚合商j报价系数的估计值，μ_a,ij、μ_b,ij为聚合商i对聚合商j报价系数估计值的均值，E为使得M＝EE^Τ的三角矩阵，M为聚合商j报价系数二维正态分布的的自相关矩阵，η为相互独立的二维标准正态分布随机向量，η＝[η_a,η_b]^Τ，η_a、η_b为η的两个元素且都服从标准正态分布。

作为集群电动汽车参与辅助服务市场的优化投标方法的再进一步优化方案，采用表达式：计算多聚合商参与的各竞争性投标场景下集群电动汽车的收益期望值，π为竞争性投标场景s下集群电动汽车的收益期望值，W表示蒙特卡洛模拟产生的竞争性投标场景总数，C^s为竞争性投标场景s下聚合商的成本，为竞争性投标场景s下辅助服务市场的出清价格，为竞争性投标场景s下聚合商的出清量。

作为集群电动汽车参与辅助服务市场的优化投标方法的更进一步优化方案，采用和声搜索算法筛选出使得集群电动汽车的收益期望值最大的聚合商报价作为最优报价的具体方法为：

对一聚合商的报价系数(a_z,b_z)进行变异得到该聚合商报价系数的变异值rand(-1,1)为-1到1之间的随机数，σ_a、σ_b为报价系数的变异系数，ρ为报价系数的相关系数；

根据该聚合商报价系数的变异值计算集群电动汽车的收益期望值π(a_z+1,b_z+1)，在π(a_z+1,b_z+1)≥π(a_z,b_z)时，π(a_z,b_z)为根据该聚合商报价系数计算集群电动汽车的收益期望值，更新该聚合商报价系数为其变异值；

重复上述变异操作以及更新聚合商报价系数的过程直至达到算法的迭代次数，选取使得集群电动汽车收益期望最大的聚合商报价系数作为最优报价系数，由最优报价系数确定的聚合商报价即为最优报价。

本发明采用上述技术方案，具有以下有益效果：针对当前相关研究并未考虑电动汽车用户需求和意愿以及资源调度不合理的缺陷，本申请在充分考虑各电动汽车用户的出行需求并满足各用户补偿诉求的情形下建立了集群电动汽车的成本容量模型，在计及多聚合商的竞争场景下生成的优化投标策略体现了投标策略的优越性，既减轻了电力调度中心的负担又为电动汽车带来额外的经济收益，为今后电动汽车参与辅助服务市场提供了科学理论支持。

附图说明

图1为本发明方法的总流程图。

图2为本发明步骤2)的成本收益图。

具体实施方式

下面结合附图对发明的技术方案进行详细说明。

针对当前相关研究并未考虑电动汽车用户需求和意愿以及资源调度不合理的缺陷，本发明提出了一种既能获取的最优投标方案又能给用户带来经济效益的集群电动汽车参与辅助服务市场的优化投标方法，该方法如图1所示，主要包括如下5个步骤。

1)采集在网电动汽车的实时状态并判断电动汽车是否具备提供辅助服务的能力

11)根据电动汽车当前时刻的荷电状态SOC(t)及电池容量等相关参数，计算电动汽车的最短充电时间T_min：

式(1)中，C_B为电动汽车的电池容量，SOC_out为电动汽车用户设定离网时刻的荷电状态充电需求，η为电动汽车的充放电效率，P_N为电动汽车的最大充电功率；

12)计算电动汽车剩余的在网时长T_SET：

T_SET＝(T^out-t) (2)，

式(2)中，T^out为电动汽车用户预设的离网时刻；

13)根据得到的T_min和T_SET判断电动汽车作辅助服务备用的能力：

若T_SET≤T_min，则该电动汽车从当前时刻即以额定功率开始充电直到离开电网，即该电动汽车无法作为辅助服务的备用，

若T_SET>T_min，该电动汽车即满足辅助服务备用的需求。

2)获取调用各电动汽车的成本费用并根据步骤1)得到的可提供辅助服务能力的电动汽车建立集群电动汽车的成本容量模型

21)电动汽车车主提出的调度费是关于电动汽车充/放电量的线性函数：

式(3)中，C_k为电动汽车k的车主提出的调度费，q_k为电动汽车k的充/放电量，γ_k为电动汽车k的车主要求的调度补偿系数，服从正态分布γ_k～N(μ,δ²)，N为电动汽车的总数；

22)获得各个车主的报价和充电需求后，得到参与辅助服务市场的集群电动汽车的成本容量函数：

式(4)、式(5)中，C(t)为当前时刻集群电动汽车的成本，q_k(t)为电动汽车k在当前时刻的充/放电量，C_min为固定成本，N(t)为当前时刻具备提供辅助服务能力的电动汽车的总数，Q(t)为当前时刻具备提供辅助服务能力的电动汽车的总充/放电量，采用公式(4)、公式(5)所示成本容量函数得到的成本收益如图2所示。

3)采用模特卡洛模拟法构建多聚合商参与的竞争性投标场景集合

31)假设参与竞标的聚合商有n个，辅助服务市场规则要求各市场成员申报线性报价函数，聚合商向交易中心上报每个时刻的非减线性报价曲线，交易中心采用统一电价出清，报价函数为：

λ_i＝a_iq_i+b_i (6)，

式(6)中，λ_i为聚合商i的报价，a_i、b_i为聚合商i的报价系数；

32)假设对于聚合商i，聚合商j的报价系数符合二维正态分布：

式(7)中，下标i、j表示聚合商i对聚合商j的估计值，a_ij、b_ij为聚合商i对聚合商j报价系数的估计值，μ_a,ij、μ_b,ij为聚合商i对聚合商j报价系数估计值的均值，σ_a,ij、σ_b,ij为聚合商i对聚合商j报价系数估计值的标准差；ρ_ij为聚合商i和聚合商j报价系数的相关系数；

33)根据概率密度函数，聚合商i通过蒙特卡洛模拟生成聚合商j的报价场景集合，对于二维正态分布的自相关矩阵M：取下三角矩阵E：使得M＝EE^Τ；

34)生成相互独立的二维标准正态分布随机向量η：η＝[η_a,η_b]^Τ，其中，η_a～N(0,1)，η_b～N(0,1)；

35)得到聚合商i对聚合商j报价参数的预测值：

[a_ij b_ij]^Τ＝[μ_a,ij μ_b,ij]^Τ+Eη (8)。

4)计算步骤3)构建的各竞争性投标场景下集群电动汽车的收益期望值

41)初始化聚合商报价系数的记忆库A

A＝[(a₁,b₁),(a₂,b₂),(a₃,b₃),……,(a_p,b_p)] (9)，

式(9)中，(a_p,b_p)为第p组报价组合；

42)针对已生成的场景模拟辅助服务市场的出清过程：

式(10)中，为参与辅助服务市场的聚合商i的出清备用量，为市场的出清价格，为市场总的辅助服务需求，n为参与辅助服务市场竞标的聚合商总数；

43)计算该报价组合的期望收益值：

式(11)中，W表示蒙特卡洛模拟产生的报价场景总数，C^s为竞争性投标场景s下聚合商的成本，π为竞争性投标场景s下聚合商的收益期望值(即，集群电动汽车的收益期望值)，为竞争性投标场景s下辅助服务市场的出清价格，为竞争性投标场景s下聚合商的出清量。

5)采用和声搜索算法计算不同系数组合的收益期望值，确定最优报价系数51)在记忆库A中随机选取一组报价组合(a_z,b_z)进行变异：

式(12)中，a_z+1、b_z+1分别为变异后的报价系数，a_z、b_z分别为变异前的报价系数，rand(-1,1)为-1到1之间的随机数，σ_a、σ_b为报价系数a、b的变异系数，ρ为报价系数a、b的相关系数；

52)对该报价组合重复步骤42)、43)的计算过程得到集群电动汽车的收益期望π(a_z+1,b_z+1)，若π(a_z+1,b_z+1)≥π(a_z,b_z)，则在记忆库A中进行更新，反之不更新；

53)重复步骤51)、52)直到迭代次数达到y时，计算记忆库A中各个组合的期望收益，选取期望收益最大时的报价系数组合为最终的报价系数。

Claims (6)

1.一种集群电动汽车参与辅助服务市场的优化投标方法，其特征在于，

根据电动汽车的出行需求及充电需求筛选出具备提供辅助服务能力的电动汽车；

根据各具备提供辅助服务能力的电动汽车的成本费用并考虑各电动汽车用户补偿需求差异性建立集群电动汽车的成本容量模型；

采用模特卡洛模拟法构建多聚合商参与的竞争性投标场景集合；

计算多聚合商参与的各竞争性投标场景下集群电动汽车的收益期望值；

采用和声搜索算法筛选出使得集群电动汽车的收益期望值最大的聚合商报价作为最优报价。

2.根据权利要求1所述一种集群电动汽车参与辅助服务市场的优化投标方法，其特征在于，根据电动汽车的出行需求及充电需求筛选出具备提供辅助服务能力的电动汽车的方法为：电动汽车的剩余在网时长T_SET大于其最短充电时间T_min时，该电动汽车具备提供辅助服务能力，T_SET＝(T_out-t)，t为当前时刻，SOC_out为电动汽车用户设定离网时刻的荷电状态充电需求，SOC(t)为电动汽车在当前时刻的荷电状态，C_B为电动汽车的电池容量，η为电动汽车的充放电效率，P_N为电动汽车的最大充电功率，T_out为电动汽车用户预设的离网时刻。

3.根据权利要求1所述一种集群电动汽车参与辅助服务市场的优化投标方法，其特征在于，所述集群电动汽车的成本容量模型为：为当前时刻，C(t)为当前时刻集群电动汽车的成本，q_k(t)为电动汽车k在当前时刻的充/放电量，Q(t)为当前时刻具备提供辅助服务能力的电动汽车的总充/放电量，C_min为固定成本，N(t)为当前时刻具备提供辅助服务能力的电动汽车的总数。

4.根据权利要求1所述一种集群电动汽车参与辅助服务市场的优化投标方法，其特征在于，采用模特卡洛模拟法构建多聚合商参与的竞争性投标场景集合的方法为：根据聚合商i的报价系数预估符合二维正态分布的聚合商j的报价系数，[a_ij b_ij]^Τ＝[μ_a,ij μ_b,ij]^Τ+Eη，a_ij、b_ij为聚合商i对聚合商j报价系数的估计值，μ_a,ij、μ_b,ij为聚合商i对聚合商j报价系数估计值的均值，E为使得M＝EE^Τ的三角矩阵，M为聚合商j报价系数二维正态分布的的自相关矩阵，η为相互独立的二维标准正态分布随机向量，η＝[η_a,η_b]^Τ，η_a、η_b为η的两个元素且都服从标准正态分布。

5.根据权利要求4所述一种集群电动汽车参与辅助服务市场的优化投标方法，其特征在于，采用表达式：计算多聚合商参与的各竞争性投标场景下集群电动汽车的收益期望值，π为竞争性投标场景s下集群电动汽车的收益期望值，W表示蒙特卡洛模拟产生的竞争性投标场景总数，C^s为竞争性投标场景s下聚合商的成本，为竞争性投标场景s下辅助服务市场的出清价格，为竞争性投标场景s下聚合商的出清量。

6.根据权利要求5所述一种集群电动汽车参与辅助服务市场的优化投标方法，其特征在于，采用和声搜索算法筛选出使得集群电动汽车的收益期望值最大的聚合商报价作为最优报价的具体方法为：

对一聚合商的报价系数(a_z,b_z)进行变异得到该聚合商报价系数的变异值rand(-1,1)为-1到1之间的随机数，σ_a、σ_b为报价系数的变异系数，ρ为报价系数的相关系数；

根据该聚合商报价系数的变异值计算集群电动汽车的收益期望值π(a_z+1,b_z+1)，在π(a_z+1,b_z+1)≥π(a_z,b_z)时，π(a_z,b_z)为根据该聚合商报价系数计算集群电动汽车的收益期望值，更新该聚合商报价系数为其变异值；

重复上述变异操作以及更新聚合商报价系数的过程直至达到算法的迭代次数，选取使得集群电动汽车收益期望最大的聚合商报价系数作为最优报价系数，由最优报价系数确定的聚合商报价即为最优报价。