CN109447376A - 基于用户综合满意度的居民区电动汽车充放电优化方法 - Google Patents
基于用户综合满意度的居民区电动汽车充放电优化方法 Download PDFInfo
- Publication number
- CN109447376A CN109447376A CN201811512389.2A CN201811512389A CN109447376A CN 109447376 A CN109447376 A CN 109447376A CN 201811512389 A CN201811512389 A CN 201811512389A CN 109447376 A CN109447376 A CN 109447376A
- Authority
- CN
- China
- Prior art keywords
- user
- charge
- electric car
- discharge
- moment
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 21
- 230000002068 genetic effect Effects 0.000 claims abstract description 11
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 14
- 239000000203 mixture Substances 0.000 claims description 13
- 238000009472 formulation Methods 0.000 claims description 12
- 230000005611 electricity Effects 0.000 claims description 11
- 238000007599 discharging Methods 0.000 claims description 6
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 2
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- HBBGRARXTFLTSG-UHFFFAOYSA-N Lithium ion Chemical compound [Li+] HBBGRARXTFLTSG-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 229910001416 lithium ion Inorganic materials 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- 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
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- 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
- 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
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于用户综合满意度的居民区电动汽车充放电优化方法，步骤包括：1、建立用户综合满意度模型；2、确定目标函数和约束条件；3、基于用户综合满意度，采用遗传算法求解每辆电动汽车充放电的最优时间段；4、求解经过用户综合满意度模型优化后的配电网日负荷曲线均方差。本发明的方法对单个电动汽车用户使用电网或运营商调度控制策略的满意程度进行了量化，制定了单个用户充放电策略，满足其对出行便利度和经济度的需求，有利于提高电动汽车用户参与电网优化调度的积极性，使得用户充放电时间段的选择有利于配电网负荷“削峰填谷”。
Description
技术领域
发明涉及一种电动汽车领域，尤其涉及一种基于用户综合满意度的居民区电动汽车充放电优化方法。
背景技术
随着世界范围内的能源短缺和环境污染问题日益加重，电动汽车因其在节能减排上的巨大优势受到了人们的密切关注。考虑到电动汽车充放电行为的不确定性，如果不对其大规模并网行为进行适当的引导和调控，势必会对配电网造成“峰上加峰”、电压下降、损耗增加等负面影响。现有方法从电价制定、电网运行、运营商利益等方面研究了电动汽车充放电策略问题，构建电动汽车充放电调度模型，对电动汽车充放电策略进行了时间和空间上的优化。
上述提到的电动汽车充放电策略，主要是电网通过价格信号激励电动汽车用户调整自身充放电行为，未考虑用户的满意度，降低了用户参与电网优化调度的积极性。因此，如何充分考虑用户满意度为用户制定个性化充放电策略是当下的研究重点。
现有技术中，考虑用户满意度及其对电动汽车充放电策略的影响研究较少，文献《考虑用户满意度的电动汽车用户侧最优智能充放电策略》(黄贵鸿,雷霞,芦杨,王宇哲,陈晓盛.考虑用户满意度的电动汽车用户侧最优智能充放电策略.电力系统保护与控制[J].2015(24):40-47.)虽然从用户角度出发，以用户整体满意度最大为目标对大规模电动汽车进行优化调度，但是该策略是从宏观层面分析用户整体的满意度，未充分考虑单个电动汽车用户的满意度，在实际应用中平稳电网负荷，“削峰填谷”的效果不佳。
发明内容
本发明的目的在于克服现有技术中所存在的上述不足，提出了一种基于用户综合满意度的居民区电动汽车充放电优化方法。
为了实现上述发明目的，本发明提供了以下技术方案：
一种基于用户综合满意度的居民区电动汽车充放电优化方法，其特征在于，该方法满足单个用户的综合满意度，包括以下步骤：
步骤S1，考虑用户出行便利度和经济度，建立用户综合满意度模型，计算用户综合满意度。
步骤S2，确定目标函数和约束条件。
步骤S3，基于用户综合满意度，采用遗传算法求解每辆电动汽车充放电的最优时间段。
步骤S4，求解经过用户综合满意度模型优化后的配电网日负荷曲线均方差。
步骤S1中计算用户综合满意度，计算公式为：
SATi＝ω1SATuse,i+ω2SATeco,i
其中，SATi为电动汽车用户i的综合满意度，SATuse,i为电动汽车用户i的出行便利度，SATeco,i为用户i的经济度，ω1和ω2分别为出行便利度指标权重和经济度指标权重，当ω1>ω2时，用户为便利偏好型；当ω1＝ω2时，用户为无偏好型；当ω1<ω2时，用户为经济偏好型。
用户出行便利度以用户电动汽车荷电状态(SOC)随时间t的变化曲线与用户最大出行便利度曲线的差异来计算，公式为：
式中：SATuse,i为电动汽车用户i的出行便利度；tarr,i和tdep,i为电动汽车用户到家时刻和离家时刻；和为t时段电动汽车充电价格和放电价格；为电动汽车参与电网优化调度时其t时刻的荷电状态；为用户最大出行便利度曲线在t时刻的取值。
以用户到家后立即充电时，电动汽车的SOC随时间t变化的曲线为用户最大出行便利度，计算公式为：
其中，
式中：Ii(t)为电动汽车i在时段t的充放电状态；Pc,i(t-1)和Pd,i(t-1)分别为电动汽车i在t-1时刻的充电功率和放电功率；ηc和ηd分别为电动汽车的充、放电效率；Δt为单位时间间隔，本发明取Δt＝1h。
经济度以电动汽车参与电网优化调度前后其充电成本差异来表征，计算公式为：
式中：SATeco,i为用户i的经济度；为用户参与电网优化调度前，在t时刻的充电成本；为用户i参与电网优化调度后，在t时刻的充电成本。
用户参与电网优化调度前，在t时刻的充电成本的计算公式为：
其中，为t时刻电动汽车充电价格，Pc,i(t)为电动汽车i在t时刻的充电功率，Δt为单位时间间隔。
用户参与电网优化调度后，在t时刻的充电成本的计算公式为：
其中，和为t时刻的电动汽车充电价格和放电价格，Pc,i(t)为电动汽车i在t时刻的充电功率，Δt为单位时间间隔，为充、放电成本，为电动汽车充放电带来的蓄电池损耗成本，蓄电池损耗成本可表示为充放电电池费用率与实际充放电电量的乘积，计算公式为：
式中：为电动汽车i在t时刻的电池损耗成本；Cd为充放电电池费用率。在步骤S2中的目标函数为：
maxfSATi＝ω1SATuse,i+ω2SATeco,i
约束条件包括：
(1)充放电状态唯一性约束，约束公式为：Pc,i(t)Pd,i(t)＝0，其中，Pc,i(t)和Pd,i(t)分别为电动汽车i在t时刻的充电功率和放电功率；
(2)蓄电池动态SOC约束，约束公式为：SOCmin≤SOCi(t)≤SOCmax，其中，SOCmax和SOCmin分别为允许的蓄电池荷电状态的最大值和最小值；
(3)假设用户离家时电动汽车荷电状态已达到允许的上限值，充电需求约束公式为：SOCi(tdep,i)＝SOCmax，其中，SOCi(tdep,i)为用户离家时电动汽车荷电状态；
(4)假设电动汽车在到离家后和到家前，不参与电网的优化调度，约束公式为：Ii,t＝0，t＜tarr,i||t＞tdep,i，式中：Ii,t＝0表示电动汽车i在t时刻没有与电网进行能量交换，tarr,i和tdep,i分别为第i辆电动汽车到家时刻、离家时刻。
与现有技术相比，本发明的有益效果：
1、该模型对电动汽车对电网或运营商调度控制策略的满意程度进行了量化，为用户制定充放电决策提供了理论支撑。
2、为出行特性、出行便利度和经济度偏好程度等不同的居民区单个电动汽车用户制定相应充放电策略，满足用户对出行便利度和经济度的需求，并提高电动汽车参与电网优化调度的积极性，使得用户选择的充电时间点和时长有利于配电网“削峰填谷”，配电网负荷变化趋于平稳。
附图说明：
图1为本发明基于用户综合满意度的居民区电动汽车充放电优化方法流程图；
图2为本发明确定每辆电动汽车充放电的最优时间段遗传算法过程图；
图3为本发明实施例2中某居民区典型日负荷曲线图；
图4为本发明实施例2中某一辆电动汽车经过优化后三种类型情况下的充放电时段图；
图5为本发明实施例2中原日负荷曲线与满足用户综合满意度最大化之后的日负荷曲线对比图。
具体实施方式
下面结合试验例及具体实施方式对本发明作进一步的详细描述。但不应将此理解为本发明上述主题的范围仅限于以下的实施例，凡基于本发明内容所实现的技术均属于本发明的范围。
实施例1
为了实现本发明目的，提出了一种满足单个用户综合满意度的电动汽车充放电优化方法，包括以下步骤：
步骤S1，用户满意度是用户期望值与用户体验的匹配程度，用户满意度的提升有助于广泛提高电动汽车用户响应电网优化调度的积极性。本发明综合考虑用户的行驶特性、用电习惯及充电成本，从出行便利度和经济度两大方面构建用户综合满意度模型，公式为：
SATi＝ω1SATuse,i+ω2SATeco,i
其中，SATi为电动汽车用户i的综合满意度，SATuse,i为电动汽车用户i的出行便利度，SATeco,i为用户i的经济度，ω1和ω2分别为出行便利度指标权重和经济度指标权重，根据电动汽车用户对出行便利度和经济度偏好程度的不同，可将用户分为便利偏好型、无偏好型和经济偏好型，当ω1>ω2时，用户为便利偏好型；当ω1＝ω2时，用户为无偏好型；当ω1<ω2时，用户为经济偏好型。
出行便利度计算公式的确定：
现有的电动汽车充放电策略大多采用了用户到家后直至次日离家前不再出行的设定，而事实上，通过GPS采集私人乘用车的实际出行数据结果表明，电动汽车在结束行程当日仍有较高的出行概率。但此时，若电动汽车正在参与电网的优化调度，即在负荷高峰时段放电，则电动汽车剩余电量将持续降低并处于较低水平，难以满足用户的潜在出行需求，严重影响了用户出行便利度。由此可见，若制定电动汽车充放电策略时缺乏对用户出行便利度的考量，则会降低用户对充放电策略的满意度，影响用户参与电网优化调度的积极性。
由以上分析可知，用户出行便利度与电动汽车到家后的荷电状态(state ofcharge，SOC)密切相关。若用户在到家后立即充电，电动汽车的SOC将会持续增长直至达到允许的蓄电池SOC最大值后不变，此充电方式将最大程度满足用户到家后潜在的出行需求，因此，可认为其SOC随时间变化的曲线为用户最大出行便利度曲线。
假设第i辆电动汽车到家时刻、离家时刻和日行驶里程数分别为tarr,i，tdep,i和di。根据di可确定电动汽车到家时刻的荷电状态SOCi(tarr,i)，如式(1)所示：
式中：SOCmax为允许的蓄电池荷电状态的最大值；W100为百公里耗电量；C为电动汽车蓄电池容量。
电动汽车在t(tarr,i＜t≤tdep,i)时刻的SOC如式(2)所示：
其中，Ii(t)如式(3)所示。
式中：Ii(t)为电动汽车i在时段t的充放电状态；Pc,i(t-1)和Pd,i(t-1)分别为电动汽车i在t-1时刻的充电功率和放电功率；ηc和ηd分别为电动汽车的充、放电效率；Δt为单位时间间隔，本发明取Δt＝1h。
本发明根据电动汽车参与电网优化调度后，其SOC随时间t的变化曲线与用户最大出行便利度曲线的差异计算用户出行便利度，如式(4)所示：
式中：SATuse,i为电动汽车用户i的出行便利度；和为t时段电动汽车充电价格和放电价格；为电动汽车参与电网优化调度时其t时刻的荷电状态；为用户最大出行便利度曲线在t时刻的取值。
经济度计算公式的确定：
用户经济度是从用户角度评价电动汽车充放电策略的另一核心指标，电动汽车作为可控负荷参与电网优化调度，进行有序充放电，可降低自身的充电成本。由此引入经济度的概念，用于表征电动汽车参与电网优化调度前后其充电成本差异，如式(5)所示：
式中：SATeco,i为用户i的经济度；和分别为用户i参与电网优化调度前后用户在t时刻的充电成本。
和的计算分别如式(6)和式(7)所示。其中，式(7)所示成本由两部分组成：第一部分为充、放电成本，第二部分为电动汽车充放电带来的蓄电池损耗成本。蓄电池损耗成本可表示为充放电电池费用率与实际充放电电量的乘积，如式(8)所示。
式中：为电动汽车i在t时刻的电池损耗成本；Cd为充放电电池费用率。
步骤S2，确定目标函数和约束条件。
以每辆电动汽车用户综合满意度最大为目标，采用遗传算法求解每辆电动汽车充放电的最优时间段，其中，所述遗传算法的目标函数为:
maxfSATi＝ω1SATuse,i+ω2SATeco,i
所述遗传算法约束条件包括：
(1)充放电状态唯一性约束，约束公式为：Pc,i(t)Pd,i(t)＝0，其中，Pc,i(t)和Pd,i(t)分别为电动汽车i在t时刻的充电功率和放电功率；
(2)蓄电池动态SOC约束，约束公式为：SOCmin≤SOCi(t)≤SOCmax，其中，SOCmax和SOCmin分别为允许的蓄电池荷电状态的最大值和最小值；
(3)假设用户离家时电动汽车荷电状态已达到允许的上限值，充电需求约束公式为：SOCi(tdep,i)＝SOCmax，其中，SOCi(tdep,i)为用户离家时电动汽车荷电状态；
(4)假设电动汽车在到离家后和到家前，不参与电网的优化调度，约束公式为：Ii,t＝0，t＜tarr,i||t＞tdep,i，式中：Ii,t＝0表示电动汽车i在t时刻没有与电网进行能量交换，tarr,i和tdep,i分别为第i辆电动汽车到家时刻、离家时刻。
步骤S3，基于用户综合满意度，采用遗传算法求解每辆电动汽车充放电的最优时间段，步骤如下：
(1)N辆电动汽车基本数据初始化。根据电动汽车i的tarr,i，tdep,i和di(1≤i≤N)，确定其到家时的荷电状态，求得电动汽车i的最大出行便利度曲线及充电成本。
(2)种群初始化。在取值范围内随机生成以二进制编码的电动汽车充放电功率序列。
(3)判断种群中各个体是否满足约束条件。判断在优化调度周期内生成的电动汽车充放电功率分布是否满足约束条件，如不满足，则产生新的个体替换该个体，直至获得满足约束条件的种群。
(4)计算种群中单个用户的综合满意度SATi，以用户综合满意度SATi作为个体适应度值。
(5)反复迭代寻优，直至达到最大遗传代数或达到收敛条件。不满足最大遗传代数或收敛条件时，根据个体适应度值大小选择个体进行交叉、变异，采用轮盘赌注法进行遗传操作，交叉概率Pc＝0.6，变异概率Pm＝0.01，满足，则得出该辆电动汽车充放电时间段，优化下一辆电动汽车。
步骤S4，求解经过用户综合满意度模型优化后的配电网日负荷曲线均方差。
当居民区内，N辆电动汽车都采用综合满意度最大时的充放电策略时，将N辆电动汽车充放电功率进行累加，可计算该区域配电网的日负荷曲线及其均方差值。
电动汽车进行有序充放电，可为电网提供“削峰填谷”辅助性服务，改善电网负荷波动情况。可采用负荷均方差表征配网负荷的波动情况，均方差越小，负荷变化越平稳。假设某居民区有N辆电动汽车，该区域配电网在t时刻负荷大小可由式(9)计算得到。
L(t)＝L0(t)+LEV(t)t∈[1,24] (9)
式中：L(t)为t时刻居民区配电网负荷大小；LEV(t)为N辆电动汽车在t时刻充放电功率；L0(t)为除电动汽车负荷之外配电网在t时刻功率。
配电网日负荷曲线的均方差值计算式如式(10)-(11)所示：
式中：F表示配电网日负荷曲线的均方差值；Lavr为配电网日平均负荷。
实施例2
以某居民区电动汽车数量300辆为例，其中便利偏好型、无偏好型及经济偏好型电动汽车用户数均为100。通过蒙特卡洛法得到300辆电动汽车的基本行驶数据。具体说明使用本发明方法对单个电动汽车满意度充放电策略制定的过程。
设定典型日负荷曲线如图3所示。
设定分时充电电价如表1所示。
表1充电分时电价及放电电价
设定电动汽车的蓄电池采用尼桑锂离子电池，其主要参数如表2所示。电动汽车蓄电池荷电状态最大允许值SOCmax＝90％，最小允许值SOCmin＝10％。充放电折合的电池费用率Cd为0.17元/kW·h。
表2电动汽车参数
设置便利偏好型、无偏好型和经济偏好型用户对应的出行便利度指标和经济度指标权重大小如表3所示。
本发明选取该居民区内某一辆车进行分析，该车行驶数据如表4所示。
表3三种类型用户的指标权重大小
表4某电动汽车行驶数据
根据该辆电动汽车i的到家时刻、次日离家时刻和到家时刻SOC值，求得电动汽车i的最大出行便利度曲线及充电成本，采用遗传算法，求出该用户综合满意度最大时，该辆电动汽车充放电时间段。迭代寻优中的交叉概率Pc＝0.6，变异概率Pm＝0.01，通过仿真软件，得出该用户充放电策略，如图4所示。
若该用户为便利偏好型用户，该类用户对出行便利度指标较敏感。经优化该用户到家后立即充电，充电时段为16-18，经计算知，其充电成本为3.9064元，此充电策略可使其具有最大出行便利度，该用户综合满意度为1，此时该用户不参与电网的充放电调度。
若用户为无偏好型，经优化该用户在谷电价时段充电，与用户到家即充电方式相比，该方式下充电成本减少了1.0984元，SATeco,i为1.2811。该车于次日1时结束充电，但延迟充电使其出行便利度降低至0.9157。此时用户综合满意度为1.0726，其对该居民区配电网基础负荷表现为“填谷”。
若用户为经济偏好型，经优化该用户电动汽车在负荷高峰时段20-23时放电获得一定收益，该车充电成本为2.6982元，其经济度为1.3093。但该车先放电后延迟到谷电价时段充电，与延迟充电相比，其出行便利度曲线更加偏离最大便利度曲线。电动汽车于次日4时结束充电，出行便利度为0.8628，用户综合满意度为1.1977，其对该居民区配电网基础负荷表现为“削峰填谷”。
图5是原日负荷曲线与满足用户综合满意度最大化之后的日负荷曲线对比图，可依此数据为参考，对分时电价进行调整，提高用户电动汽车参与电网优化调度的积极性，有利于配电网“削峰填谷”，使得居民区内的配电网负荷变化趋于平稳。
本方法不限于在居民区使用，也可在具有潮汐特性的商场、工厂、商务区电动汽车充放电策略中使用。
Claims (8)
1.一种基于用户综合满意度的居民区电动汽车充放电优化方法，其特征在于，所述的方法满足单个用户的综合满意度，包括以下步骤：
步骤S1，考虑用户出行便利度和经济度，建立用户综合满意度模型，计算用户综合满意度；
步骤S2，确定目标函数和约束条件；
步骤S3，基于用户综合满意度，采用遗传算法求解每辆电动汽车充放电的最优时间段；
步骤S4，求解经过用户综合满意度模型优化后的配电网日负荷曲线均方差。
2.如权利要求1所述的基于用户综合满意度的居民区电动汽车充放电优化方法，其特征在于，步骤S1中所述计算用户综合满意度，计算公式为：
SATi＝ω1SATuse,i+ω2SATeco,i
其中，SATi为电动汽车用户i的综合满意度，SATuse,i为电动汽车用户i的出行便利度，SATeco,i为用户i的经济度，ω1和ω2分别为出行便利度指标权重和经济度指标权重，当ω1>ω2时，用户为便利偏好型；当ω1＝ω2时，用户为无偏好型；当ω1<ω2时，用户为经济偏好型。
3.如权利要求2所述的基于用户综合满意度的居民区电动汽车充放电优化方法，其特征在于，所述用户i的出行便利度以用户电动汽车荷电状态随时间t的变化曲线与用户最大出行便利度曲线的差异来计算，公式为：
式中：SATuse,i为电动汽车用户i的出行便利度；tarr,i和tdep,i为电动汽车用户到家时刻和离家时刻；和为t时段电动汽车充电价格和放电价格；为电动汽车参与电网优化调度时其t时刻的荷电状态；为用户最大出行便利度曲线在t时刻的取值。
4.如权利要求3所述的基于用户综合满意度的居民区电动汽车充放电优化方法，其特征在于，所述用户最大出行便利度曲线以用户到家后立即充电时，电动汽车的荷电状态随时间t变化的曲线来表征，计算公式为：
其中，
式中：Ii(t)为电动汽车i在时段t的充放电状态；Pc,i(t-1)和Pd,i(t-1)分别为电动汽车i在t-1时刻的充电功率和放电功率；ηc和ηd分别为电动汽车的充、放电效率；Δt为单位时间间隔，本发明取Δt＝1h。
5.如权利要求2所述的基于用户综合满意度的居民区电动汽车充放电优化方法，其特征在于，所述经济度以电动汽车参与电网优化调度前后其充电成本差异来表征，计算公式为：
式中：SATeco,i为用户i的经济度；为用户i参与电网优化调度前，在t时刻的充电成本；为用户i参与电网优化调度后，在t时刻的充电成本。
6.如权利要求5所述的基于用户综合满意度的居民区电动汽车充放电优化方法，其特征在于，所述用户i参与电网优化调度前，在t时刻的充电成本的计算公式为：
其中，为t时刻电动汽车充电价格，Pc,i(t)为电动汽车i在t时刻的充电功率，Δt为单位时间间隔。
7.如权利要求5所述的基于用户综合满意度的居民区电动汽车充放电优化方法，其特征在于，所述用户i参与电网优化调度后，在t时刻的充电成本的计算公式为：
其中，和为t时刻的电动汽车充电价格和放电价格，Pc,i(t)为电动汽车i在t时刻的充电功率，Δt为单位时间间隔，为充、放电成本，为电动汽车充放电带来的蓄电池损耗成本，蓄电池损耗成本可表示为充放电电池费用率与实际充放电电量的乘积，计算公式为：
式中：为电动汽车i在t时刻的电池损耗成本；Cd为充放电电池费用率。
8.如权利要求1所述的基于用户综合满意度的居民区电动汽车充放电优化方法，其特征在于，在步骤S2中所述目标函数为：
所述约束条件包括：
(1)充放电状态唯一性约束，约束公式为：Pc,i(t)Pd,i(t)＝0，其中，Pc,i(t)和Pd,i(t)分别为电动汽车i在t时刻的充电功率和放电功率；
(2)蓄电池动态SOC约束，约束公式为：SOCmin≤SOCi(t)≤SOCmax，其中，SOCmax和SOCmin分别为允许的蓄电池荷电状态的最大值和最小值；
(3)假设用户离家时电动汽车荷电状态已达到允许的上限值，充电需求约束公式为：SOCi(tdep,i)＝SOCmax，其中，SOCi(tdep,i)为用户离家时电动汽车荷电状态；
(4)假设电动汽车在到离家后到家前，不参与电网的优化调度，约束公式为：Ii,t＝0，t＜tarr,i||t＞tdep,i，式中Ii,t＝0表示电动汽车i在t时刻没有与电网进行能量交换，tarr,i和tdep,i分别为第i辆电动汽车到家时刻、离家时刻。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811512389.2A CN109447376A (zh) | 2018-12-11 | 2018-12-11 | 基于用户综合满意度的居民区电动汽车充放电优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811512389.2A CN109447376A (zh) | 2018-12-11 | 2018-12-11 | 基于用户综合满意度的居民区电动汽车充放电优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109447376A true CN109447376A (zh) | 2019-03-08 |
Family
ID=65556894
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811512389.2A Pending CN109447376A (zh) | 2018-12-11 | 2018-12-11 | 基于用户综合满意度的居民区电动汽车充放电优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109447376A (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109910670A (zh) * | 2019-04-19 | 2019-06-21 | 国网能源研究院有限公司 | 一种配电网电动汽车时空充放电电价制定方法 |
| CN111564861A (zh) * | 2020-06-03 | 2020-08-21 | 厦门理工学院 | 一种充放电时间段的求解方法、装置、设备以及存储介质 |
| CN111598391A (zh) * | 2020-04-15 | 2020-08-28 | 国网电力科学研究院武汉能效测评有限公司 | 一种电动汽车调度方法及调度系统 |
| CN112193116A (zh) * | 2020-09-30 | 2021-01-08 | 山西大学 | 一种考虑奖励机制的电动汽车充电优化引导策略 |
| CN112277711A (zh) * | 2020-11-02 | 2021-01-29 | 四川云起老和科技有限公司 | 一种考虑匹配电动汽车的多充电模式充电桩控制方法 |
| CN113675866A (zh) * | 2020-05-15 | 2021-11-19 | 北京信息科技大学 | 一种规模化电动汽车的动态网格化金字塔调度方法 |
| CN116080420A (zh) * | 2023-04-10 | 2023-05-09 | 四川大学 | 一种新能源汽车电驱系统的优化控制系统及方法 |
-
2018
- 2018-12-11 CN CN201811512389.2A patent/CN109447376A/zh active Pending
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109910670A (zh) * | 2019-04-19 | 2019-06-21 | 国网能源研究院有限公司 | 一种配电网电动汽车时空充放电电价制定方法 |
| CN109910670B (zh) * | 2019-04-19 | 2020-12-01 | 国网能源研究院有限公司 | 一种配电网电动汽车时空充放电电价制定方法 |
| CN111598391A (zh) * | 2020-04-15 | 2020-08-28 | 国网电力科学研究院武汉能效测评有限公司 | 一种电动汽车调度方法及调度系统 |
| CN113675866A (zh) * | 2020-05-15 | 2021-11-19 | 北京信息科技大学 | 一种规模化电动汽车的动态网格化金字塔调度方法 |
| CN113675866B (zh) * | 2020-05-15 | 2023-12-05 | 北京信息科技大学 | 一种规模化电动汽车的动态网格化金字塔调度方法 |
| CN111564861A (zh) * | 2020-06-03 | 2020-08-21 | 厦门理工学院 | 一种充放电时间段的求解方法、装置、设备以及存储介质 |
| CN112193116A (zh) * | 2020-09-30 | 2021-01-08 | 山西大学 | 一种考虑奖励机制的电动汽车充电优化引导策略 |
| CN112193116B (zh) * | 2020-09-30 | 2021-12-31 | 山西大学 | 一种考虑奖励机制的电动汽车充电优化引导策略 |
| CN112277711A (zh) * | 2020-11-02 | 2021-01-29 | 四川云起老和科技有限公司 | 一种考虑匹配电动汽车的多充电模式充电桩控制方法 |
| CN116080420A (zh) * | 2023-04-10 | 2023-05-09 | 四川大学 | 一种新能源汽车电驱系统的优化控制系统及方法 |
| CN116080420B (zh) * | 2023-04-10 | 2023-06-06 | 四川大学 | 一种新能源汽车电驱系统的优化控制系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109447376A (zh) | 基于用户综合满意度的居民区电动汽车充放电优化方法 | |
| CN105429218B (zh) | 一种电动汽车群有序充电管理的分布式控制方法 | |
| CN106410861B (zh) | 一种基于可调度能力的微电网优化运行实时控制方法 | |
| Zhang et al. | Optimal decentralized valley-filling charging strategy for electric vehicles | |
| CN107017619B (zh) | 非合作博弈视角的光伏充电站网络分布式能量管理方法 | |
| CN111422094B (zh) | 分布式充电桩的充放电协调优化控制方法 | |
| CN108470239A (zh) | 计及需求侧管理和储能的主动配电网多目标分层规划方法 | |
| CN109816171A (zh) | 一种基于模糊pid实时电价的电动汽车区域微网群双层分布式优化调度方法 | |
| CN110733370B (zh) | 一种基于双层优化算法的电动汽车充电站有序充电方法 | |
| CN107618393B (zh) | 一种基于杠杆电价的电动汽车充电负荷调控系统及方法 | |
| CN106934542A (zh) | 一种基于斯塔克伯格博弈论的电动汽车需求响应调控方法 | |
| CN103241130A (zh) | 一种电动公交车充换电站的能量管理方法及系统 | |
| CN109657993A (zh) | 一种基于非合作博弈的能源局域网储能系统自动需求响应方法 | |
| CN112183882B (zh) | 一种基于电动汽车快充需求的智慧充电站充电优化方法 | |
| CN110533222A (zh) | 基于峰平谷电价的电动汽车充电负荷预测方法及装置 | |
| CN109872228A (zh) | 计及不确定性的柔性负荷聚合商参与电力市场投标方法 | |
| CN109383323B (zh) | 一种电动汽车群的充放电优化控制方法 | |
| Yang et al. | Regulating the collective charging load of electric taxi fleet via real-time pricing | |
| CN109866645A (zh) | 一种基于虚拟实时电价的电动汽车有序充电控制方法 | |
| CN109742755A (zh) | 基于节点分区的含电动汽车的主动配电网运行调度方法 | |
| CN108110801A (zh) | 考虑电动汽车与储能的有源配电网多级冗余协调控制方法 | |
| CN116402307A (zh) | 考虑可调度柔性资源运行特性的电网规划容量分析方法 | |
| CN109672199B (zh) | 一种基于能量平衡的电动汽车削峰填谷能力估计方法 | |
| Masoum et al. | Hybrid optimal online-overnight charging coordination of plug-in electric vehicles in smart grid | |
| CN110334903B (zh) | 基于背包算法的电动汽车充电调度方法 |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |