CN109378869A - 一种光伏充电站的分层式能量管理方法及系统 - Google Patents
一种光伏充电站的分层式能量管理方法及系统 Download PDFInfo
- Publication number
- CN109378869A CN109378869A CN201811108513.9A CN201811108513A CN109378869A CN 109378869 A CN109378869 A CN 109378869A CN 201811108513 A CN201811108513 A CN 201811108513A CN 109378869 A CN109378869 A CN 109378869A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic
- charge station
- electric car
- energy
- photovoltaic charge
- 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
Links
- 238000007726 management method Methods 0.000 title claims abstract description 41
- 238000007600 charging Methods 0.000 claims abstract description 92
- 238000004146 energy storage Methods 0.000 claims abstract description 61
- 238000000034 method Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000012797 qualification Methods 0.000 claims description 5
- 238000005303 weighing Methods 0.000 claims 1
- 238000010248 power generation Methods 0.000 abstract description 9
- 238000010586 diagram Methods 0.000 description 20
- 230000005611 electricity Effects 0.000 description 11
- 238000009826 distribution Methods 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003912 environmental pollution Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- SAZUGELZHZOXHB-UHFFFAOYSA-N acecarbromal Chemical compound CCC(Br)(CC)C(=O)NC(=O)NC(C)=O SAZUGELZHZOXHB-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000002407 reforming Methods 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H02J7/0027—
-
- H02J7/0077—
-
- 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
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
- H02J7/35—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering with light sensitive cells
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- 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
- 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
- Y02T90/16—Information or communication technologies improving the operation of electric vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明提供了一种光伏充电站的分层式能量管理方法及系统,包括:基于各光伏充电站中电动汽车的数量、所有储能电池的荷电状态及对应的储能电池容量得到每个光伏充电站中储能电池的平均可用容量;以各光伏充电站的平均可用容量保持平衡为目标执行电动汽车第一层充电策略;基于电动汽车第一层充电策略下,每个光伏充电站以电动汽车车主的满意度最优为目标执行第二层充电策略。本发明用于管理多个光伏充电层级的能量流动,最大限度的实现可再生能源发电的最大化利用。
Description
技术领域
本发明涉及光伏充电站能量管理领域,具体涉及一种光伏充电站的分层式能量管理方法及系统。
背景技术
随着能源危机与环境污染问题引起越来越多的关注,具有节能环保特性的电动汽车已经成为全球汽车工业的发展方向。而推广电动汽车进入人们的日常生活,首先要解决电动汽车的充电问题,如果将电动汽车直接连入主电网进行充电,会极大地增加电力系统的负荷。为了避免对主电网的影响,一个可行的解决方案是建造能够独立运行的光伏充电站(Photovoltaic Charging Station,PV-CS),以太阳能作为清洁环保的可再生能源可以很好地应对当前的能源危机与环境污染问题。在建造光伏充电站过程中需要考虑日照强度的随机性,这种随机性导致太阳能的供给是不稳定的,所以通常需要在光伏充电站中增加储能电池。然而,增加储能电池后导致光伏充电站的结构变得非常复杂,不仅包括电池储能系统,还包括易受随机因素影响的太阳能转化装置、电动汽车群体,这样复杂的结构要求光伏充电站拥有高效的能量管理策略。
随着电动汽车数量的不断增长、利用可再生能源发电比例的不断增加,未来将有大量的融合可再生能源发电的电动汽车光伏充电站投入运行,但是因为不同光伏充电站的电动汽车充电数量、充电时间、电动汽车类型、以及充电站容量参数都不同,导致不同的电动汽车光伏充电站的实际运行情况不同,因此如何高效的对多个光伏充电站进行能量管理,使多个光伏充电站可以有效的结合起来,互相支持补充,最大限度地利用可再生能源发电能量为电动汽车提供充电服务,尽量不用或者少利用发电厂的电能,具有十分重要的意义,也是电动汽车发展与可再生能源相结合需要解决的关键问题。
发明内容
为了解决现有技术中因为不同光伏充电站的可用功率随机性大,电动汽车充电数量、充电时间、电动汽车类型、以及光伏充电站容量参数的不同,导致对发电场电能依赖性强,并缺乏对多个光伏充电站能量管理方法,本发明提供一种光伏充电站的分层式能量管理方法及系统,为多个光伏充电站制定高效的能量管理策略,用于管理多个光伏充电层级的能量流动,实现可再生能源发电的最大化利用。
本发明提供的技术方案是:一种光伏充电站的分层式能量管理方法,包括:
基于各光伏充电站中电动汽车的数量、所有储能电池的荷电状态及对应的储能电池容量得到每个光伏充电站中储能电池的平均可用容量;
以各光伏充电站的平均可用容量保持平衡为目标执行电动汽车第一层充电策略;
基于电动汽车第一层充电策略下,每个光伏充电站以电动汽车车主的满意度最优为目标执行第二层充电策略。
优选的,所述以各光伏充电站的平均可用容量保持平衡为目标执行电动汽车第一层充电策略,包括:
基于各相邻光伏充电站的平均可用容量进行虚拟功率流交换;
基于所述虚拟功率流将各相邻光伏充电站的平均可用容量收敛为相同的平均可用容量。
优选的,所述平均可用容量,按下式计算:
式中,AACi:光伏充电站i中储能电池的平均可用容量;SOCi:光伏充电站i中储能电池的荷电状态;Ci:光伏充电站i中储能电池容量;ni:光伏充电站i内的电动汽车数量。
优选的,所述基于各相邻光伏充电站的平均可用容量进行虚拟功率流交换,包括:
基于各相邻光伏充电站的平均可用容量获得相邻的光伏充电站之间需要传输的虚拟功率流;
所述相邻的光伏充电站之间基于所述虚拟功率流通过传输设备进行交换。
优选的,所述虚拟功率流,按下式计算:
式中:pij:从光伏充电站i流向光伏充电站j的虚拟功率流;Pmax,i,j:光伏充电站i与光伏充电站j之间虚拟传输线的功率上限;AACi:光伏充电站i中储能电池的平均可用容量;AACj:光伏充电站j中储能电池的平均可用容量。
优选的,所述各光伏充电站环形连接。
优选的,所述每个光伏充电站以电动汽车车主的满意度最优为目标执行第二层充电策略,包括:
基于所述每个光伏充电站中储能电池的荷电状态,得到光伏充电站内电动汽车总可用功率;
以光伏充电站内电动汽车总可用功率为限定条件,以电动汽车车主的满意度最优计算每个电动汽车的充电功率。
基于同一发明构思本发明还提供了一种光伏充电站的分层式能量管理系统,包括:
计算模块,用于基于各光伏充电站中电动汽车的数量、所有储能电池的荷电状态及对应的储能电池容量得到每个光伏充电站中储能电池的平均可用容量;
第一层管理模块,用于以各光伏充电站的平均可用容量保持平衡为目标执行电动汽车第一层充电策略;
第二层管理模块,用于基于电动汽车第一层充电策略下,每个光伏充电站以电动汽车车主的满意度最优为目标执行第二层充电策略。
优选的,所述第一层管理模块,包括:
第一计算单元,用于将各相邻光伏充电站的平均可用容量收敛为相同的平均可用容量;
第二计算单元,用于各相邻光伏充电站之间基于所述相同的平均可用容量进行虚拟功率流交换。
优选的,所述第二层管理模块,包括:
第三计算单元,用于基于所述每个光伏充电站中储能电池的荷电状态,得到光伏充电站内电动汽车总可用功率;
第四计算单元,用于以光伏充电站内电动汽车总可用功率为限定条件,以电动汽车车主的满意度最优计算每个电动汽车的充电功率。
与现有技术相比,本发明的有益效果为:
本发明提供的技术方案,基于各光伏充电站中电动汽车的数量、所有储能电池的荷电状态及对应的储能电池容量得到每个光伏充电站中储能电池的平均可用容量;以各光伏充电站的平均可用容量保持平衡为目标执行电动汽车第一层充电策略;基于电动汽车第一层充电策略下,每个光伏充电站以电动汽车车主的满意度最优为目标执行第二层充电策略,用于管理多个光伏充电站层级的能量流动,最大限度的实现可再生能源发电的最大化利用,降低了对发电场电能的依赖性,增加了电动汽车车主的满意度。
本发明提供的技术方案,构造了多个光伏充电站系统的模型和拓扑结构,层级采用了基于平均可用容量的能量管理算法,促使多个相邻的光伏充电站保持相一致的储能电池荷电状态,充电层级实现充电互补支持,使充电站充分地利用可再生能源能量,减小了利用发电厂电能的机率,且该算法具有普适性和扩展性。
本发明提供的技术方案,各光伏充电站之间通过环形连接,减小计算量,降低复杂度。
附图说明
图1为本发明的一种光伏充电站的分层式能量管理方法流程图;
图2为本发明中的光伏充电站系统结构示意图;
图3为本发明中的单座光伏充电站系统结构示意图;
图4为本发明实施例中5座光伏充电站的连接示意图;
图5为本发明实施例中单座光伏充电站的光伏发电功率时间曲线示意图;
图6为本发明实施例中单座光伏充电站中进行充电的电动汽车数量示意图;
图7为本发明实施例中单座光伏充电站的交换充电功率变化示意图;
图8为本发明实施例中单座光伏充电站的AAC变化示意图;
图9为本发明实施例中单座光伏充电站的储能电池SOC变化示意图;
图10为本发明实施例中单座光伏充电站总可用功率的变化示意图。
具体实施方式
为了更好地理解本发明,下面结合说明书附图和实例对本发明的内容做进一步的说明。
当前电动汽车已经成为全球汽车工业的发展方向,而推广电动汽车首先要解决充电问题,融合可再生能源发电的电动汽车充电站可以降低对电网的冲击和依赖,而且光伏发电价格逐年下降,光伏充电站应用潜力巨大。随之而来的问题是如何高效地对多个充电站进行能量管理,使多个充电站可以有效的结合起来,互相支持补充,最大限度地利用可再生能源发电能量为电动汽车提供充电服务,尽量不用或者少利用发电厂的发电,具有十分重要的意义。本实施例提出了一种针对多个孤岛运行的光伏充电站进行高效的能量管理方法,用于管理多个光伏充电层级的能量流动,最大限度的实现可再生能源发电的最大化利用,本发明构造了多个光伏充电站系统的模型和拓扑结构,层级采用了基于平均可用容量的能量管理算法,促使多个相邻的光伏充电站保持相一致的储能电池荷电状态,充电层级实现充电互补支持,使充电站充分地利用可再生能源能量,且该算法具有普适性和扩展性。
实施例1:
所述多光伏充电站能量管理方法采用的技术方案包括两个步骤:第一步建立光伏充电站群系统模型与参数,包括单个充电站的模型和电动汽车充电模型,第二步采用分层式能量管理方法,其中第一层(站间)采用基于平均可用容量的方法,第二层(站内)采用基于广义斯塔克尔伯格博弈的电动汽车充电策略。上述广义斯塔克尔伯格博弈指在可充电总功率约束条件下,由光伏充电站决定可充电总功率,随后在各电动汽车间均衡分配。
1、光伏充电站群系统模型与参数
所述充电站群系统模型如图2所示,其中电动汽车光伏充电站的集合由S={S1,S,…,Sn}表示,储能电池的集合由B={B1,B2,…,Bn}表示,光伏的集合由PV={PV1,PV2,…,PVn}表示,电动汽车负载的集合由L={L1,L2,…,Ln}表示,电动汽车由EV={EV1,1,EV1,2,…,EVn,m}表示,其中n为电动汽车光伏充电站的数量,m为电动汽车的数量,对于不同规模的电动汽车光伏充电站,电动汽车的数量m可以是不同的。分布式系统表示其余的多个电动汽车光伏充电站,电动汽车光伏充电站之间的Pi,n表示光伏充电站Si和光伏充电站Sn之间的虚拟功率流。
1.1、单个光伏充电站系统
图3为单个电动汽车光伏充电站系统图,其中光伏阵列、储能电池、负载和电网,以及电动汽车充电桩通过不同种类的变换器连接到直流母线,如直流/直流变换器、双向变换器和逆变器。
1.1.1、光伏充电站系统中的光伏阵列
光伏阵列中光伏面板吸收太阳光的能量后产生光电流,其端电流I和端电压U之间的关系,如公式(1)所示:
式中:I:端电流;Iph为光电流,单位A;Is为二极管反向饱和电流,单位A;q为单位电荷的电荷量(1.60217646×10-19C),单位C;U:端电压;k为玻尔兹曼常数(1.3806505×10- 23J/K),单位J/K;T为开尔文温度,单位K;Rs为串联电阻,单位Ω;Rsh为并联电阻,单位Ω。
其中,光电流Iph可根据日照强度和温度值由下式求出:
ISC为标准测试条件下短路电流,单位A;ki为短路电流温度系数;TSTC为标准测试条件下温度(25℃);G为太阳能板表面日照强度,单位W/m2;GSTC为标准测试条件下日照强度(1000W/m2)。
在光伏阵列中,由公式(1)、(2)可以求出光伏阵列的最大输出功率。为了最大限度利用太阳能,与光伏面板连接的直流变换器工作在最大功率点跟踪模式(Maximum PowerPoint Tracking,MPPT)。在给定的日照强度和温度下,MPPT工作模式的输出功率是唯一确定的,所以光伏发电系统实际上没有可以控制的自由度。
1.1.2、光伏充电站系统中的储能电池
在电动汽车光伏充电站中储能电池系统的一个重要参数为平均可用容量,如下所示:
式中,AACi是第i个光伏充电站中储能电池的平均可用容量;SOCi是第i个光伏充电站中储能电池的荷电状态(state of charge,SOC),Ci是相应的储能电池容量,ni是第i个光伏充电站内的电动汽车数量。
定义ptotal,i是第i个光伏充电站内的电动汽车总可用功率,可以由光伏充电站中储能电池的SOC决定,ptotal,i的调整策略如下:
ptotal,i=pmin,i(1+SOCi)
ptotal,i=pmin,s,i(1+Sbat,i) (4)
其中,SOCbat,i是第i个光伏充电站中储能电池的SOC,ptotal,i的上下限分别是pmin,i=0.5Cmax,iVbus,ili和pmax,i=Cmax,iVbus,ili,Cmax,i是相应的储能电池最大容量,Vbus,i是母线电压,li是第i个光伏充电站内充电桩数目。
1.2、电动汽车充电模型
电动汽车充电模型通过充电功率和电动汽车荷电状态(SOC)之间的关系表述电动汽车充电随时间变化的关系,如公式(5)所示
其中,SOCEV,i,j(t)是第i个光伏充电站中第j个电动汽车的SOC,CEV,i,j是第i个光伏充电站中第j个电动汽车电池包的容量;pEV,i,j是第i个光伏充电站中第j个电动汽车的充电功率。
在接下来的部分,第i个光伏充电站中第j个电动汽车内的所有参数,将会由第i个光伏充电站和之后的第j个电动汽车数字表示。
1.3、电动汽车偏好模型
电动汽车偏好模型表示电动汽车车主的满意度,即在充电功率允许范围内,充电功率越高,满意度也越高。
本实施例中利用对数函数来表示电动汽车车主的满意度uEV,I,j,如下式所示:
式中,uEV,i,j表示电动汽车车主的满意x,pEV,i,j,max和pEV,I,j,min是单个电动汽车的最大和最小充电功,pEV,i,j是第i个光伏充电站中第j个电动汽车的充电功率,ptotal,i表示第i个光伏充电站中供电动汽车使用的总功率。
因为对于每一辆即将到来的电动汽车,初始SOC(电池荷电状态)、电池包容量、到来的时刻是未知的,所以这些参数在本实施例中被设计为不确定性变量,其中初始SOC和电池包容量服从正态分布,而电动汽车的到来时刻服从泊松分布。
2、分层分布式能量管理过程
分层式能量管理方法,其中第一层(站间)采用基于平均可用容量的方法,第二层(站内)采用基于广义斯塔克尔伯格博弈均衡的电动汽车充电策略。
分布式意味着每个充电站拥有自己的控制器,并与相邻的充电站进行信息交互。
2.1基于平均容量的站间能量管理
在本实施例中,能源管理的目标之一是不从电网进行能量交换,即光伏是唯一能量来源,因此,多个PV-CS系统可被视为一个大型孤岛系统,在一定区域内光伏充电站之间应相互调配电能,保持可再生能源发表的高效利用,即平均可用容量较高的光伏充电站应当向整个PV-CS网络提供能量,而平均可用容量较低的光伏充电站应该吸收来自PV-CS网络的能量,保持光伏发电的高效利用。
本发明中当前时刻平均容量的站间能量管理算法为,每个站点都可以把各自的平均可用容量分享给邻居,此处的平均可用容量旨在验证PV-CS的充电有效性。
可以通过下式确定虚拟功率交换:
其中,pij是指从光伏充电站i流向光伏充电站j的虚拟功率流,AACi是光伏充电站i中储能电池的平均可用容量,AACj是光伏充电站j中储能电池的平均可用容量,Pmax,i,j是光伏充电站i与光伏充电站j之间虚拟传输线的功率上限。
为了实现本发明提出的基于博弈论的能量管理,光伏充电站的连接性应该得到保证,因此,如图4所示,在本发明中将多个光伏充电站之间设为环形连接。
2.2基于斯塔克尔伯格的站内能量管理
可以通过广义斯塔克尔伯格博弈来实现电动汽车充电的功率分配,在博弈中,PV-CS和电动汽车车主可以分别视为领导者和追随者,在每个控制时刻,利用基于设定的规则策略来确定第i个PV-CS内的电动汽车总可用功率,即根据(4)式确定ptotal,i,然后利用非合作博弈策略来确定电动汽车中的功率分配,即各电动汽车间属于平等关系。
ptotal,i实际上是单个光伏充电站中的所有电动汽车的共同约束条件。
在已知ptotal,i时,电动汽车可以以分布式方式确定其充电功率,充电站和电动汽车在这里都被视为理性独立的代理人,充电站试图维持储能电池的平均可用容量,而电动汽车希望以更高的功率水平进行充电,所以该能源管理问题可以视为非合作的斯塔克尔伯格博弈。
以公式(6)为目标函数,每个电动汽车需要确定他们的充电功率来优化各自的目标函数。
本实施例中提供的解决方案是基于(Karush-Kuhn-Tucker,KKT)的最优条件,其中KKT是求解非线性规划问题的一种数学方法。
对于每个电动汽车,其目标函数可以写成拉格朗日函数Li,j,如下式所示:
Li,j(pEV,i,j,λi,j)=uEV,i,j+λi,jG(pEV,i,j) (9)
其中
式中:λi,j是拉格朗日乘子。
进一步的,第i辆电动汽车的充电优化问题的KKT条件是
G(pEV,i,j)≤0 (12)
ai,j为第i个光伏充电站中第j辆电动汽车的隐私信息;
并且KKT条件能满足
当满足(13)式时,广义纳什均衡是最稳定的状态。当也就是等价于:
pEV,i,j=pEV,i,j,max若
相反,结合(11)和(13)可得到不等于0时的解,也就是电动汽车间竞争总可用功率ptotal,i平衡决策:
以上已经证明了广义纳什均衡的存在性。
进一步的,从(4)式中,可得到
F函数的雅可比行列式为:
由于JF是正定的,所以F是严格单调的,因此公式(15)表示的广义纳什均衡是唯一的。
3、分层分布式能量管理方法
基于上述讨论,在充电站层级,每个PV-CS需要确定到相邻充电站的功率交换,同时,在电动汽车层级,每个电动汽车需要根据λi,j来确定他们的充电功率,如(11)式所示,本实施例的问题在于如何在分布式结构中确定pij和λi,j。
在充电站间层级,pij将通过(8)确定;而在电动汽车层级中,本实施例通过应用一致性网络算法确定λi,j,因为分配局部最优解决方案所需的全局信息是λi,j,λi,j将作为第i个电动汽车的一致变量,采用基于一致性算法可与相邻的电动汽车共享的信息来访问全局的信息。
在电动汽车层,步骤1是初始化,其中λi,j可以通过下式进行计算:
步骤2是一致性网络算法,在这一步光伏充电站PV-CS和每一个电动汽车通过下面的公式更新δp和λi:
δp=∑pEV,i,j-ptotal,i (20)
其中wi,j是连接强度,通常它们的范围被选在[0,1/ni]来保证一致性参数能收敛到所有参与者(即在本实施例中的各电动汽车)初值的平均值。δp:光伏充电站内可供电动汽车充电的剩余充电功率;η是对δp的步长;
在下面一步中,电动汽车代理人会根据∑pEV,i,j和ptotal,i之间的差值调节它的λi(k+1)。
然后重复步骤2直到∑pEV,i,j和ptotal,i之间的差值足够小为止(对电动汽车的λi,j(k+1)将会停止改变)。
当所有的λi,j(k+1)收敛之后,每辆电动汽车将根据λi,j(k+1)和它们的约束条件更新它们的充电功率如下:
PEV,i,j,min≤pEV,i,j≤PEV,i,j,max (23)
考虑到多PV-CS系统的复杂性,5座充电站的仿真被用来验证提出的基于平均可用容量的能量管理方法。每一个PV‐CS的配置是完全相同的,不同的是日照强度数据,在实际情况下不同充电站的配置可能不同,但是这对本实施例中提出的基于平均可用容量的能量管理策略没有影响。
图5所示的是5座光伏充电站的光伏系统发电功率时间曲线图,显示各个充电站中光伏系统产生的随时间变化的功率曲线。
图6所示的是每座光伏充电站中正在进行充电的电动汽车数量图,显示了不同充电站中电动汽车的数量不同,它们服从泊松分布,且经过900分钟仿真时间后,充电站中将没有电动汽车。
图7所示的是每座光伏充电站与电网之间的交换充电功率变化图。
图8所示的是每座光伏充电站的平均可用容量变化图,经过900分钟仿真时间后,由于各充电站中没有电动汽车,光伏充电站的平均可用容量达到最大值。
图9所示的是每座光伏充电站的储能电池SOC变化图。图10所示的是每座光伏充电站中各个时刻的总可用功率的变化图。
图5-图9的5座充电站的仿真结果表明通过层级的能量交换,储能电池最终的荷电状态SOCf,使用基于平均容量的策略将相邻充电站储能电池的SOCf收敛到相同的值,因此该策略有潜力不需要来自电网提供电量对电动汽车进行充电。
实施例2:
基于同一种发明构思,本发明还提供了一种光伏充电站的分层式能量管理系统,包括:
计算模块,用于基于各光伏充电站中电动汽车的数量、所有储能电池的荷电状态及对应的储能电池容量得到每个光伏充电站中储能电池的平均可用容量;
第一层管理模块,用于以各光伏充电站的平均可用容量保持平衡为目标执行电动汽车第一层充电策略;
第二层管理模块,用于基于电动汽车第一层充电策略下,每个光伏充电站以电动汽车车主的满意度最优为目标执行第二层充电策略。
实施例中,所述第一层管理模块,包括:
第一计算单元,用于将各相邻光伏充电站的平均可用容量收敛为相同的平均可用容量;
第二计算单元,用于各相邻光伏充电站之间基于所述相同的平均可用容量进行虚拟功率流交换。
实施例中,所述计算模块,用于按下式计算平均可用容量:
式中,AACi:光伏充电站i中储能电池的平均可用容量;SOCi:光伏充电站i中储能电池的荷电状态;Ci:光伏充电站i中储能电池容量;ni:光伏充电站i内的电动汽车数量。
实施例中,所述第二层管理模块,包括:
第三计算单元,用于基于所述每个光伏充电站中储能电池的荷电状态,得到光伏充电站内电动汽车总可用功率;
第四计算单元,用于以光伏充电站内电动汽车总可用功率为限定条件,以电动汽车车主的满意度最优计算每个电动汽车的充电功率。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均包含在申请待批的本发明的权利要求范围之内。
Claims (10)
1.一种光伏充电站的分层式能量管理方法,其特征在于,包括:
基于各光伏充电站中电动汽车的数量、所有储能电池的荷电状态及对应的储能电池容量得到每个光伏充电站中储能电池的平均可用容量;
以各光伏充电站的平均可用容量保持平衡为目标执行电动汽车第一层充电策略;
基于电动汽车第一层充电策略下,每个光伏充电站以电动汽车车主的满意度最优为目标执行第二层充电策略。
2.如权利要求1所述的方法,其特征在于,所述以各光伏充电站的平均可用容量保持平衡为目标执行电动汽车第一层充电策略,包括:
基于各相邻光伏充电站的平均可用容量进行虚拟功率流交换;
基于所述虚拟功率流将各相邻光伏充电站的平均可用容量收敛为相同的平均可用容量。
3.如权利要求2所述的方法,其特征在于,所述平均可用容量,按下式计算:
式中,AACi:光伏充电站i中储能电池的平均可用容量;SOCi:光伏充电站i中储能电池的荷电状态;Ci:光伏充电站i中储能电池容量;ni:光伏充电站i内的电动汽车数量。
4.如权利要求2所述的方法,其特征在于,所述基于各相邻光伏充电站的平均可用容量进行虚拟功率流交换,包括:
基于各相邻光伏充电站的平均可用容量获得相邻的光伏充电站之间需要传输的虚拟功率流;
所述相邻的光伏充电站之间基于所述虚拟功率流通过传输设备进行交换。
5.如权利要求4所述的方法,其特征在于,所述虚拟功率流,按下式计算:
式中:pij:从光伏充电站i流向光伏充电站j的虚拟功率流;Pmax,i,j:光伏充电站i与光伏充电站j之间虚拟传输线的功率上限;AACi:光伏充电站i中储能电池的平均可用容量;AACj:光伏充电站j中储能电池的平均可用容量。
6.如权利要求1-5任一项所述的方法,其特征在于,所述各光伏充电站环形连接。
7.如权利要求1所述的方法,其特征在于,所述每个光伏充电站以电动汽车车主的满意度最优为目标执行第二层充电策略,包括:
基于所述每个光伏充电站中储能电池的荷电状态,得到光伏充电站内电动汽车总可用功率;
以光伏充电站内电动汽车总可用功率为限定条件,以电动汽车车主的满意度最优计算每个电动汽车的充电功率。
8.一种光伏充电站的分层式能量管理系统,其特征在于,包括:
计算模块,用于基于各光伏充电站中电动汽车的数量、所有储能电池的荷电状态及对应的储能电池容量得到每个光伏充电站中储能电池的平均可用容量;
第一层管理模块,用于以各光伏充电站的平均可用容量保持平衡为目标执行电动汽车第一层充电策略;
第二层管理模块,用于基于电动汽车第一层充电策略下,每个光伏充电站以电动汽车车主的满意度最优为目标执行第二层充电策略。
9.如权利要求8所述的系统,其特征在于,所述第一层管理模块,包括:
第一计算单元,用于将各相邻光伏充电站的平均可用容量收敛为相同的平均可用容量;
第二计算单元,用于各相邻光伏充电站之间基于所述相同的平均可用容量进行虚拟功率流交换。
10.如权利要求8所述的系统,其特征在于,所述第二层管理模块,包括:
第三计算单元,用于基于所述每个光伏充电站中储能电池的荷电状态,得到光伏充电站内电动汽车总可用功率;
第四计算单元,用于以光伏充电站内电动汽车总可用功率为限定条件,以电动汽车车主的满意度最优计算每个电动汽车的充电功率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811108513.9A CN109378869A (zh) | 2018-09-21 | 2018-09-21 | 一种光伏充电站的分层式能量管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811108513.9A CN109378869A (zh) | 2018-09-21 | 2018-09-21 | 一种光伏充电站的分层式能量管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109378869A true CN109378869A (zh) | 2019-02-22 |
Family
ID=65401718
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811108513.9A Pending CN109378869A (zh) | 2018-09-21 | 2018-09-21 | 一种光伏充电站的分层式能量管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109378869A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113394840A (zh) * | 2021-05-28 | 2021-09-14 | 山东大学 | 一种储能电池电量智能均衡控制方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103683359A (zh) * | 2012-09-21 | 2014-03-26 | 比亚迪股份有限公司 | 电池组的电池均衡方法及电池管理系统 |
CN103840521A (zh) * | 2014-02-27 | 2014-06-04 | 武汉大学 | 基于最优潮流的大规模电动汽车优化充放电系统及方法 |
US20170036560A1 (en) * | 2014-04-22 | 2017-02-09 | Nec Europe Ltd. | Method for load balancing of charging stations for mobile loads within a charging stations network and a charging stations network |
CN107017619A (zh) * | 2017-03-29 | 2017-08-04 | 华北电力大学 | 非合作博弈视角的光伏充电站网络分布式能量管理方法 |
CN107133415A (zh) * | 2017-05-22 | 2017-09-05 | 河海大学 | 一种考虑用户满意和配网安全的电动汽车充放电优化方法 |
CN107706904A (zh) * | 2017-10-10 | 2018-02-16 | 集美大学 | 海上平台风光储直流供电系统中储能变换器虚拟电阻控制方法 |
-
2018
- 2018-09-21 CN CN201811108513.9A patent/CN109378869A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103683359A (zh) * | 2012-09-21 | 2014-03-26 | 比亚迪股份有限公司 | 电池组的电池均衡方法及电池管理系统 |
CN103840521A (zh) * | 2014-02-27 | 2014-06-04 | 武汉大学 | 基于最优潮流的大规模电动汽车优化充放电系统及方法 |
US20170036560A1 (en) * | 2014-04-22 | 2017-02-09 | Nec Europe Ltd. | Method for load balancing of charging stations for mobile loads within a charging stations network and a charging stations network |
CN107017619A (zh) * | 2017-03-29 | 2017-08-04 | 华北电力大学 | 非合作博弈视角的光伏充电站网络分布式能量管理方法 |
CN107133415A (zh) * | 2017-05-22 | 2017-09-05 | 河海大学 | 一种考虑用户满意和配网安全的电动汽车充放电优化方法 |
CN107706904A (zh) * | 2017-10-10 | 2018-02-16 | 集美大学 | 海上平台风光储直流供电系统中储能变换器虚拟电阻控制方法 |
Non-Patent Citations (1)
Title |
---|
曾鸣: ""基于智能电网的电动汽车充馈电调度策略研究"", 《中国博士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113394840A (zh) * | 2021-05-28 | 2021-09-14 | 山东大学 | 一种储能电池电量智能均衡控制方法及系统 |
CN113394840B (zh) * | 2021-05-28 | 2023-03-10 | 山东大学 | 一种储能电池电量智能均衡控制方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mohseni et al. | A multi-agent system for optimal sizing of a cooperative self-sustainable multi-carrier microgrid | |
Lv et al. | Interactive energy management of networked microgrids-based active distribution system considering large-scale integration of renewable energy resources | |
CN112467722B (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 | |
Mohamed et al. | Modeling and simulation of smart grid integrated with hybrid renewable energy systems | |
Liu et al. | An optimization strategy of controlled electric vehicle charging considering demand side response and regional wind and photovoltaic | |
Mírez | A modeling and simulation of optimized interconnection between DC microgrids with novel strategies of voltage, power and control | |
CN107292449A (zh) | 一种含多微网主动配电系统分散协同经济调度方法 | |
Yang et al. | A comprehensive review on electric vehicles integrated in virtual power plants | |
CN107453381B (zh) | 基于两阶段交叉控制的电动汽车集群功率调节方法及系统 | |
Egbue et al. | Multi-agent approach to modeling and simulation of microgrid operation with vehicle-to-grid system | |
CN107392395A (zh) | 一种基于价格激励机制的配电网和微电网协调优化方法 | |
CN110289622B (zh) | 一种光储充能量路由器的日前经济优化调度方法 | |
CN103824123A (zh) | 一种新的配电网蓄电池储能系统的优化配置算法 | |
CN109787304B (zh) | 一种太阳能充电站分布式能量管理方法及系统 | |
CN107769235A (zh) | 一种基于混合储能与电动汽车的微网能量管理方法 | |
CN108037667B (zh) | 基于虚拟电厂的基站电能优化调度方法 | |
CN104124724A (zh) | 充电控制装置和方法 | |
CN105515005A (zh) | 基于开放市场环境下的多微电网系统优化方法 | |
CN108921331A (zh) | 一种计及v2g功能的电动汽车与新能源的调度优化建模及算法 | |
CN103715688A (zh) | 并网型微网优化配置方法及装置 | |
Maulik | Probabilistic power management of a grid-connected microgrid considering electric vehicles, demand response, smart transformers, and soft open points | |
Molina et al. | Optimal EV charge-discharge schedule in smart residential buildings | |
Rajani et al. | A hybrid optimization based energy management between electric vehicle and electricity distribution system | |
Arab et al. | Suitable various-goal energy management system for smart home based on photovoltaic generator and electric vehicles | |
Kumar et al. | Techno-economic optimization of a stand-alone photovoltaic-battery renewable energy system for low load factor situation-a comparison between optimization algorithms |
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: 20190222 |
|
RJ01 | Rejection of invention patent application after publication |