CN109710882A - 一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模及求解方法 - Google Patents
一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模及求解方法 Download PDFInfo
- Publication number
- CN109710882A CN109710882A CN201811567981.2A CN201811567981A CN109710882A CN 109710882 A CN109710882 A CN 109710882A CN 201811567981 A CN201811567981 A CN 201811567981A CN 109710882 A CN109710882 A CN 109710882A
- Authority
- CN
- China
- Prior art keywords
- electric car
- load
- period
- charge
- state
- 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.)
- Granted
Links
Classifications
-
- 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
- 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
- Supply And Distribution Of Alternating Current (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模方法及其求解方法,为离网型微电网提供优化的日前调度计划,首先建立目标函数,确定约束,修正数据,在MATLAB中通过工具箱Yalmip调用GUROBI优化软件进行求解,采用本发明的技术具有如下有益效果:把电动汽车负荷建模从复杂的非线性混合整数规划问题简化为线性混合整数规划问题,以微电网运行费用最小为目标,同时考虑新能源出力对电动汽车负荷的影响。模型通过调用GUROBI进行求解,便于工程人员学习使用,通用性较好,可广泛应用。
Description
技术领域
本发明涉及电气工程领域,具体涉及一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模及求解方法。
背景技术
微电网主要包括非传统的分布式能源,如风电、光伏、燃料电池等,微电网既可以与大电网相连运行,也可以离网运行。风光出力的随机性和波动性在高渗透率情况下会给微网经济安全运行带来考验。微电网离网运行时,只能依靠自身实现对负荷的供电和对风光的消纳,不能与大电网进行电能交易,因此风光出力的波动性对微网会造成的影响更严重。
同时,我国近年来的政策支持使电动汽车飞速发展,大量电动汽车入网对电网运行的影响开始凸显。考虑电动汽车接入微电网,可以缓解直接接入电网的不利影响,同时可以发挥考虑电动汽车作为可调度负荷的优势与分布式能源 (DG)进行互补。由于电动汽车大规模接入微电网,会对微电网的运行方式产生一定的影响,所以微电网规划也需要做出相应的调整。由此可见,在这种新背景下,研究电动汽车的有序充放电负荷模型,具有一定的理论和现实意义。
发明内容
针对上述现有技术中的不足之处,本发明采用了以下技术方案:
一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模方法,为离网型微电网提供优化的日前调度计划,实现本发明目的的技术方案包括以下步骤:
S1、确定目标函数为
式中,E是离网型微电网一天的运行总费用,T是一天内总时间段数,ND是柴油机台数,EF(i,t)和ES(i,t)分别是是第i台柴油机在第t个时段的燃耗成本和开机费用,Ewg(t)和Epv(t)分别是第t个时段的弃风、弃光惩罚费用,Eload(t)是第t个时段的削负荷费用,N是电动汽车总台数,EEVch(k,t)和EEVdch(k,t)是第t个时段第k 辆电动汽车充电费用和放电补贴;
S2、建立目标函数的约束条件
功率平衡约束
式中,PDE(i,t)是柴油机实际出力,ΔPwg(t)是第t时段的弃风功率,ΔPpv(t)是第t时段的弃光功率,ΔPload(t)是第t时段的削负荷电量,Pch(k,t)和Pdch(k,t)分别是第k辆电动汽车在第t个时段的充电功率和放电功率;
柴油机最大和最小出力约束
PDEmin,i×uDE(i,t)≤PDE,i(t)≤PDEmax,i×uDE(i,t)
式中,uDE(i,t)表示第i台柴油机在第t个时段的启停状态,取值为1或0;
弃风弃光约束
0≤ΔPwg(t)≤Pwg(t)
0≤ΔPpv(t)≤Ppv(t)
削负荷约束
0≤ΔPlaod(t)≤Pload(t)
电动汽车可调度时段约束
电动汽车参与调度的前提是满足作为交通工具的出行需求,在处于行驶状态的时段是不能进行充放电行为的,只有在停车时段才能参与V2G调度,即
式中,Xstate(k,t)是第k辆电动汽车在第t个时段的充放电状态变量, Xstate(k,t)=-1表示第k辆电动汽车在第t个时段放电,Xstate(k,t)=1表示在第t时段内充电,Xstate(k,t)=0表示不充不放;R是代表电动汽车行车状态的矩阵,R=0表示电动汽车在行驶过程中,R=1表示电动汽车处于居住区停车时段,R=2表示处于工作单位停车时段,R=3表示用户在中午休息时间出行的时段;
电动汽车荷电状态约束
Xstate(k,t)×PEVmin≤PEV(k,t)≤Xstate(k,t)×PEVmax
SOCmin(k,t)≤soc(k,t)≤SOCmax(k,t)
其中,soc(k,t)是电动汽车t时刻的荷电状态,与前一时刻荷电状态及该时段内的充放电情况有关,PEV(k,t)是第k辆电动汽车在第t个时段的充(放)电功率; SOCmin(k,t)是第k辆电动汽车在t时刻的荷电状态下限;SOCmax(k,t)是第k辆电动汽车在t时刻的荷电状态上限;PEVmin表示电动汽车在第t个时段的充(放)电功率下限;PEVmax表示电动汽车在第t个时段的充(放)电功率上限;
电动汽车充放电功率约束
Pch(k,t)和Pdch(k,t)是电动汽车每个时段的充、放电功率;
始末荷电状态相等约束
soc(k,0)=soc(k,T)
SOC(k,0)一天0时刻的荷电状态,SOC(k,T)是当天结束时的荷电状态;
S3、在MATLAB中通过工具箱Yalmip调用GUROBI优化软件进行求解,其中求解步骤包括:
S3.1、初始化优化周期和时间步长,并读取系统机组参数、负荷数据、电动汽车基本数据;
S3.2、对电动车的出行时刻信息进行蒙特卡洛模拟抽样,并修正数据;
S3.3、确定电动汽车的可调度时段,确定对应时段的SOC上、下限;
S3.4、确定电动汽车无序充电负荷,更新负荷预测数据;
S3.5、根据净负荷确定峰谷电价时段;
S3.6、求解,得到电动汽车有序充放电负荷,风力、光伏以及柴油机的出力,输出结果。
进一步地,步骤S1中,燃耗费用EF(i,t)、柴油机开机费用ES(i,t)、弃风弃光惩罚费用Ewg(t)和Epv(t)、削负荷费用Eload(t)、充电费用EEVch(k,t)的计算方法如下:
EF(i,t)=f(aPDE_r(i)+bPDE(i,t))
ES(i,t)=ST(i)×uDE(i,t)×(1-uDE(i,t-1))
Ewg(t)=cwg×ΔPwg(t)×ΔT
Epv(t)=cpv×ΔPpv(t)×ΔT
Eload(t)=cload×ΔPlaod(t)×ΔT
EEVch(k,t)=cch(t)×Pch(k,t)×ΔT
Pdch(k,t)=Xstate(k,t)×PEVr,Xstate(k,t)<0
式中,EF(i,t)是柴油机i在t时段的燃耗成本,PDE_r(i)是柴油机i的额定功率,PDE(i,t)是柴油机实际出力,f是柴油价格,本发明取f=6.5元/L,a、b 是燃耗成本曲线的截距系数,uDE(i,t)是第i台柴油机在第t个时段开停机状态,ST(i) 是柴油机机组启动费用,cwg和cpv分别是弃风和弃光的惩罚系数,弃风惩罚费用为12元/kWh,弃光惩罚费用为20元/kWh,cload是削负荷的惩罚系数,削负荷惩罚费用为50元/kWh,cch(t)和cdch(t)分别是第t时段电动汽车的充电电价和放电的补贴电价,ΔPwg(t)和ΔPpv(t)分别是第t时段的弃风和弃光功率,ΔPload(t)是第t时段的削负荷电量,Pch(k,t)和Pdch(k,t)分别是第k辆电动汽车在第t个时段的充电功率和放电功率,ΔT是时段长度。
进一步地,步骤S2中,电动汽车荷电状态约束中,t时刻的荷电状态表达式为:
其中,soc(k,t)是电动汽车t时刻的荷电状态,与前一时刻荷电状态及该时段内的充放电情况有关,PEV(k,t)是第 k辆电动汽车在第t个时段的充(放)电功率,Q是电动汽车电池满电时的容量,容量单位为kWh。
进一步地,步骤S2中,电动汽车的充放电功率约束满足在第t个时段内同一辆电动汽车不能同时进行充电和放电,即满足
Pch(k,t)×Pdch(k,t)=0
Pch(k,t)+Pdch(k,t)=PEV(k,t)
其中,PEV(k,t)是充放电功率矩阵,Pch(k,t)和Pdch(k,t)是电动汽车每个时段的充、放电功率。
一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模求解方法,包括以下步骤,
步骤1:初始化优化周期和时间步长,并读取系统机组参数、负荷数据、电动汽车基本数据,包括日前风光出力预测值、负荷预测值、柴油机参数,电动汽车规模N、行驶速度v、用户响应有序充电的比例λ、备用荷电状态SOCr以及峰谷电价cp、cv和放电补贴电价cdch。设周期为24h,时间步长为1h;
步骤2:对电动汽车的出行时刻等信息进行蒙特卡洛模拟抽样,根据已知的概率分布,利用蒙特卡洛发模拟数量为N的电动汽车日行驶里程d、第一次出行时刻e,其达到工作地点的时刻twk、离开工作地点的时刻tlvwk、到达居住区的时刻thome分别为
tlvwk=twk+tpark
其中v是行车速度,对到达工作地点的时刻进行分类,得到停车时长tpark;
步骤3:修正电动汽车的时刻数据;由于优化周期是24h,若到达或离开工作单位的时刻twk、tlvwk或者回到家的时刻thome存在大于24h的情况,用t=t-24对其进行修正,使得电动汽车所有的时刻点都满足0≤t<24;
步骤4:确定电动汽车可调度时段;根据响应电价政策的电动汽车比例λ,得到参与有序充电的电动汽车数量Np=λ×N,由步骤3得到居住区停车时段和非居住区停车时段,从而得到Np辆电动汽车的行车状态矩阵R;同时确定各时段的荷电状态上下限;
步骤5:更新微电网负荷预测曲线;对于剩余不可调度的(1-Np)辆电动汽车,采用无序充电方式,充电负荷通过蒙特卡罗法模拟得到,并将其并入微电网基本负荷,得到新的微电网负荷预测曲线;
步骤6:确定电价信息;根据风光预测出力Pwg、Ppv和含有电动汽车无序充电负荷的微电网负荷预测值Pnew_load,得到净负荷Pnet=Pnew_load-Pwg-Ppv,并制定峰谷电价固定、峰谷时段变化的动态充电电价;
步骤7:在MATLAB中通过工具箱Yalmip调用GUROBI优化软件求解该模型,得到优化后的电动汽车时序充放电负荷和风力、光伏以及柴油机出力。
本发明的有益效果包括:把电动汽车负荷建模从复杂的非线性混合整数规划问题简化为线性混合整数规划问题,以微电网运行费用最小为目标,同时考虑新能源出力对电动汽车负荷的影响。模型通过调用GUROBI进行求解,便于工程人员学习使用,通用性较好,可广泛应用。
附图说明
图1是本发明中基于优化运行的离网型微电网电动汽车有序充放电负荷建模求解方法的流程图;
图2是本发明实施例中不同风光接入比例的电动汽车负荷曲线。
具体实施方式
下面结合具体实施例及附图来进一步详细说明本发明。
本发明旨在提供一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模方法。实现本发明目的的技术方案是:一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模,目标函数为:
式中,E是微网一天的运行总费用,T是一天内总时间段数,ND是柴油机台数,EF(i,t)和ES(i,t)分别是是第i台柴油机在第t个时段的燃耗成本和开机费用, Ewg(t)和Epv(t)分别是第t个时段的弃风、弃光惩罚费用,Eload(t)是第t个时段的削负荷费用,N是电动汽车总台数,EEVch(k,t)和EEVch(k,t)是第t个时段第k辆电动汽车充电费用和放电补贴。燃耗费用EF(i,t)、柴油机开机费用ES(i,t)、弃风弃光惩罚费用Ewg(t)和Epv(t)等费用的计算方法如公式(2)~(8)所示:
EF(i,t)=f(aPDE_r(i)+bPDE(i,t)) (2)
ES(i,t)=ST(i)×uDE(i,t)×(1-uDE(i,t-1)) (3)
Ewg(t)=cwg×ΔPwg(t)×ΔT (4)
Epv(t)=cpv×ΔPpv(t)×ΔT (5)
Eload(t)=cload×ΔPlaod(t)×ΔT (6)
EEVch(k,t)=cch(t)×Pch(k,t)×ΔT (7)
Pdch(k,t)=Xstate(k,t)×PEVr,Xstate(k,t)<0 (8)
式中,EF(i,t)是柴油机i在t时段的燃耗成本,PDE_r(i)是柴油机i的额定功率,PDE(i,t)是柴油机实际出力,f是柴油价格,本文取f=6.5元/L,a、b是燃耗成本曲线的截距系数,uDE(i,t)是第i台柴油机在第t个时段开停机状态,ST(i) 是柴油机机组启动费用,cwg和cpv分别是弃风和弃光的惩罚系数,弃风惩罚费用为12元/kWh,弃光惩罚费用为20元/kWh,cload是削负荷的惩罚系数,削负荷惩罚费用为50元/kWh,cch(t)和cdch(t)分别是第t时段电动汽车的充电电价和放电的补贴电价,ΔPwg(t)和ΔPpv(t)分别是第t时段的弃风和弃光功率,ΔPload(t)是第t时段的削负荷电量,Pch(k,t)和Pdch(k,t)分别是第k辆电动汽车在第t个时段的充电功率和放电功率,ΔT是时段长度。
建立目标函数的约束条件为:
①功率平衡约束
②柴油机最大最小出力约束
PDEmin,i×uDE(i,t)≤PDE,i(t)≤PDEmax,i×uDE(i,t) (11)
其中,uDE(i,t)表示第i台柴油机在第t个时段的启/停状态(1/0)。
③弃风弃光约束
0≤ΔPwg(t)≤Pwg(t) (12)
0≤ΔPpv(t)≤Ppv(t) (13)
④削负荷约束
0≤ΔPlaod(t)≤Pload(t) (14)
⑤电动汽车可调度时段约束
电动汽车参与调度的前提是满足作为交通工具的出行需求,在处于行驶状态的时段是不能进行充放电行为的,只有在停车时段才能参与V2G调度,即
式中,Xstate(k,t)是第k辆电动汽车在第t个时段的充放电状态变量, Xstate(k,t)=-1表示第k辆电动汽车在第t个时段放电,Xstate(k,t)=1表示在第t时段内充电,Xstate(k,t)=0表示不充不放。R是代表电动汽车行车状态的矩阵,R=0表示电动汽车在行驶过程中,R=1表示电动汽车处于居住区停车时段,R=2表示处于工作单位停车时段,R=3表示用户在中午休息时间出行的时段。
⑥电动汽车荷电状态约束,t时刻荷电状态的表达式为
其中,soc(k,t)是电动汽车t时刻的荷电状态,与前一时刻荷电状态及该时段内的充放电情况有关,PEV(k,t)是第k辆电动汽车在第t个时段的充(放)电功率, Q是电动汽车电池满电时的容量,容量单位为kWh。
Xstate(k,t)×PEVmin≤PEV(k,t)≤Xstate(k,t)×PEVr (17)
SOCmin(k,t)≤soc(k,t)≤SOCmax(k,t) (18)
式中,SOCmin(k,t)是第k辆电动汽车在t时刻的荷电状态下限,SOCmax(k,t)是第k辆电动汽车在t时刻的荷电状态上限;PEVmin表示电动汽车在第t个时段的充(放)电功率下限;PEVmax表示电动汽车在第t个时段的充(放)电功率上限;一方面为了保证电动汽车的正常行驶,另一方面为了避免电池深度放电,延长电池的使用寿命。
⑦电动汽车充放电功率约束,约束同一辆电动汽车在第t个时段内不能同时进行充电行为和放电行为
Pch(k,t)×Pdch(k,t)=0 (19)
Pch(k,t)+Pdch(k,t)=PEV(k,t) (20)
其中,PEV(k,t)是充放电功率矩阵,Pch(k,t)和Pdch(k,t)是电动汽车每个时段的充、放电功率,满足最大最小充、放电功率约束
⑧为了保证电动汽车第二天的正常行驶,一天结束时的荷电状态须等于当天0时刻的荷电状态
soc(k,0)=soc(k,T) (22)
一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模求解方法,其过程如图1所示,具体步骤如下:
步骤1:初始化优化周期和时间步长,并读取系统机组参数、负荷数据、电动汽车基本数据,包括日前风光出力预测值、负荷预测值、柴油机参数,电动汽车规模N、行驶速度v、用户响应有序充电的比例λ、备用荷电状态SOCr以及峰谷电价cp、cv和放电补贴电价cdch。设周期为24h,时间步长为1h。
步骤2:对电动汽车的出行时刻等信息进行蒙特卡洛模拟抽样。根据已知的概率分布,利用蒙特卡洛发模拟数量为N的电动汽车日行驶里程d、第一次出行时刻e,通过公式(23)可得到达工作地点的时刻twk,其中v是行车速度。对到达工作地点的时刻进行分类,得到停车时长tpark,用公式(24)和(25)计算出电动汽车离开工作地点的时刻tlvwk、到达居住区的时刻thome。
tlvwk=twk+tpark (24)
步骤3:修正电动汽车的时刻数据。由于优化周期是24h,若到达或离开工作单位的时刻twk、tlvwk或者回到家的时刻thome存在大于24h的情况,用t=t-24对其进行修正,使得电动汽车所有的时刻点都满足0≤t<24。可以这样修正的原因是基于假设电动汽车每天的行驶规律一致,认为这部分时刻被修正的车辆是前一天出发,当天到达工作单位或者回到居住地,即认为电动汽车的行驶过程是可以跨天的。
步骤4:确定电动汽车可调度时段。根据响应电价政策的电动汽车比例λ,得到参与有序充电的电动汽车数量Np=λ×N,由步骤3得到居住区停车时段和非居住区停车时段,从而得到Np辆电动汽车的行车状态矩阵R。同时确定各时段的荷电状态上下限。
步骤5:更新微电网负荷预测曲线。对于剩余不可调度的(1-Np)辆电动汽车,采用无序充电方式,充电负荷通过蒙特卡罗法模拟得到,并将其并入微电网基本负荷,得到新的微电网负荷预测曲线。
步骤6:确定电价信息。根据风光预测出力Pwg、Ppv和含有电动汽车无序充电负荷的微电网负荷预测值Pnew_load,得到净负荷Pnet=Pnew_load-Pwg-Ppv,并制定峰谷电价固定、峰谷时段变化的动态充电电价。
步骤7:在MATLAB中通过工具箱Yalmip调用GUROBI优化软件求解该模型,得到优化后的电动汽车时序充放电负荷和风力、光伏以及柴油机出力。
以一个小型离网运行的微型电网为例,该离网运行的微型电网包括6台柴油发电机、1台风机、1台光伏发电系统,柴油发电机的参数如表一所示,
表1柴油机参数
本实施例中主要计算连续运行的工况,因此不考虑柴油发电机的爬坡功率和开机时间。该离网运行的微型电网的某调度日24小时的基本负荷数据如表2 所示。
表2离网型微网的负荷数据
该离网运行的微型电网的峰值负荷为300Kw,风电装机容量为150kW,选用切入的风速为3m/s、额定风速12m/s、切除风速25m/s,光伏装机容量为100kW。弃风惩罚费用为12元/kWh,弃光惩罚费用为20元/kWh,削负荷惩罚费用为50 元/kWh。
调度时段ΔT=1h,充、放电额定功率分别为Pchr=3.3kW、Pdchr=3.3kW,取充、放电功率下限Pch_min=2kW、Pdch_min=2kW。取峰谷电价cp=1.108元/kWh,cv=0.596 元/kWh。放电补贴电价cdch=1.3元/kWh,选择略高于充电峰值电价的补贴,以激励用户积极参与有序充放电。取电动汽车响应调度的比例λ=30%。
定义风光接入比例为风光总装机容量与总装机容量的比值。保持微网电源容量为560kW不变,风机、光伏机组各1台,容量配比为3:2,3种型号的柴油发电机组各2台,开机费用不变。分别对不同风光接入比例的情况进行负荷优化计算。定义微电网新能源利用率指标为一定时间跨度内实际消耗的新能源总和与风电和光伏预测的出力总和的比值,这一指标反映了在一定时间跨度内新能源有效利用的大小:
不同风光接入比例下的微网运行费用表3,电动汽车时序负荷曲线如图2所示。
表3不同风光接入比例下的运行费用
由于电动汽车的行驶具有一定随机性,故表中的运行费用和新能源利用率均是重复计算10次后的平均值。从表3可以看出,随着风光接入比例的增加,微网运行费用先减少后增大。
以上对本发明实施例所提供的技术方案进行了详细介绍,本文中应用了具体个例对本发明实施例的原理以及实施方式进行了阐述,以上实施例的说明只适用于帮助理解本发明实施例的原理;同时,对于本领域的一般技术人员,依据本发明实施例,在具体实施方式以及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (5)
1.一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模方法,其特征在于,包括以下步骤:
S1、确定目标函数为
式中,E是离网型微电网一天的运行总费用,T是一天内总时间段数,ND是柴油机台数,EF(i,t)和ES(i,t)分别是是第i台柴油机在第t个时段的燃耗成本和开机费用,Ewg(t)和Epv(t)分别是第t个时段的弃风、弃光惩罚费用,Eload(t)是第t个时段的削负荷费用,N是电动汽车总台数,EEVch(k,t)和EEVdch(k,t)是第t个时段第k辆电动汽车充电费用和放电补贴;
S2、建立目标函数的约束条件
①功率平衡约束
式中,PDE(i,t)是柴油机实际出力,ΔPwg(t)是第t时段的弃风功率,ΔPpv(t)是第t时段的弃光功率,ΔPload(t)是第t时段的削负荷电量,Pch(k,t)和Pdch(k,t)分别是第k辆电动汽车在第t个时段的充电功率和放电功率;
②柴油机最大和最小出力约束
PDEmin,i×uDE(i,t)≤PDE,i(t)≤PDEmax,i×uDE(i,t)
式中,uDE(i,t)表示第i台柴油机在第t个时段的启停状态,取值为1或0;
③弃风弃光约束
0≤ΔPwg(t)≤Pwg(t)
0≤ΔPpv(t)≤Ppv(t)
④削负荷约束
0≤ΔPlaod(t)≤Pload(t)
电动汽车可调度时段约束
电动汽车参与调度的前提是满足作为交通工具的出行需求,在处于行驶状态的时段是不能进行充放电行为的,只有在停车时段才能参与V2G调度,即
式中,Xstate(k,t)是第k辆电动汽车在第t个时段的充放电状态变量,Xstate(k,t)=-1表示第k辆电动汽车在第t个时段放电,Xstate(k,t)=1表示在第t时段内充电,Xstate(k,t)=0表示不充不放;R是代表电动汽车行车状态的矩阵,R=0表示电动汽车在行驶过程中,R=1表示电动汽车处于居住区停车时段,R=2表示处于工作单位停车时段,R=3表示用户在中午休息时间出行的时段;
⑤电动汽车荷电状态约束
Xstate(k,t)×PEVmin≤PEV(k,t)≤Xstate(k,t)×PEVmax
SOCmin(k,t)≤soc(k,t)≤SOCmax(k,t)
其中,soc(k,t)是电动汽车t时刻的荷电状态,与前一时刻荷电状态及该时段内的充放电情况有关,PEV(k,t)是第k辆电动汽车在第t个时段的充(放)电功率;SOCmin(k,t)是第k辆电动汽车在t时刻的荷电状态下限;SOCmax(k,t)是第k辆电动汽车在t时刻的荷电状态上限;PEVmin表示电动汽车在第t个时段的充(放)电功率下限;PEVmax表示电动汽车在第t个时段的充(放)电功率上限;
⑥电动汽车充放电功率约束
Pch(k,t)和Pdch(k,t)是电动汽车每个时段的充、放电功率;
⑦始末荷电状态相等约束
soc(k,0)=soc(k,T)
SOC(k,0)一天0时刻的荷电状态,SOC(k,T)是当天结束时的荷电状态;
S3、在MATLAB中通过工具箱Yalmip调用GUROBI优化软件进行求解,其中求解步骤包括:
S3.1、初始化优化周期和时间步长,并读取系统机组参数、负荷数据、电动汽车基本数据;
S3.2、对电动车的出行时刻信息进行蒙特卡洛模拟抽样,并修正数据;
S3.3、确定电动汽车的可调度时段,确定对应时段的SOC上、下限;
S3.4、确定电动汽车无序充电负荷,更新负荷预测数据;
S3.5、根据净负荷确定峰谷电价时段;
S3.6、求解,得到电动汽车有序充放电负荷,风力、光伏以及柴油机的出力,输出结果。
2.根据权利要求1所述的一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模方法,其特征在于:步骤S1中,燃耗费用EF(i,t)、柴油机开机费用ES(i,t)、弃风弃光惩罚费用Ewg(t)和Epv(t)、削负荷费用Eload(t)、充电费用EEVch(k,t)的计算方法如下:
EF(i,t)=f(aPDE_r(i)+bPDE(i,t))
ES(i,t)=ST(i)×uDE(i,t)×(1-uDE(i,t-1))
Ewg(t)=cwg×ΔPwg(t)×ΔT
Epv(t)=cpv×ΔPpv(t)×ΔT
Eload(t)=cload×ΔPlaod(t)×ΔT
EEVch(k,t)=cch(t)×Pch(k,t)×ΔT
Pdch(k,t)=Xstate(k,t)×PEVr,Xstate(k,t)<0
式中,EF(i,t)是柴油机i在t时段的燃耗成本,PDE_r(i)是柴油机i的额定功率,PDE(i,t)是柴油机实际出力,f是柴油价格,取f=6.5元/L,a、b是燃耗成本曲线的截距系数,uDE(i,t)是第i台柴油机在第t个时段开停机状态,ST(i)是柴油机机组启动费用,cwg和cpv分别是弃风和弃光的惩罚系数,弃风惩罚费用为12元/kWh,弃光惩罚费用为20元/kWh,cload是削负荷的惩罚系数,削负荷惩罚费用为50元/kWh,cch(t)和cdch(t)分别是第t时段电动汽车的充电电价和放电的补贴电价,ΔPwg(t)和ΔPpv(t)分别是第t时段的弃风和弃光功率,ΔPload(t)是第t时段的削负荷电量,Pch(k,t)和Pdch(k,t)分别是第k辆电动汽车在第t个时段的充电功率和放电功率,ΔT是时段长度。
3.根据权利要求1所述的一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模方法,其特征在于:步骤S2中,电动汽车荷电状态约束中,t时刻的荷电状态表达式为,
其中,soc(k,t)是电动汽车t时刻的荷电状态,与前一时刻荷电状态及该时段内的充放电情况有关,PEV(k,t)是第k辆电动汽车在第t个时段的充(放)电功率,Q是电动汽车电池满电时的容量,容量单位为kWh。
4.根据权利要求1所述的一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模方法,其特征在于:步骤S2中,电动汽车的充放电功率约束满足在第t个时段内同一辆电动汽车不能同时进行充电和放电,即满足
Pch(k,t)×Pdch(k,t)=0
Pch(k,t)+Pdch(k,t)=PEV(k,t)
其中,PEV(k,t)是充放电功率矩阵,Pch(k,t)和Pdch(k,t)是电动汽车每个时段的充、放电功率。
5.一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模求解方法,包括权利要求1至4任一所述的一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模方法,其特征在于:还包括以下步骤,
步骤1:初始化优化周期和时间步长,并读取系统机组参数、负荷数据、电动汽车基本数据,包括日前风光出力预测值、负荷预测值、柴油机参数,电动汽车规模N、行驶速度v、用户响应有序充电的比例λ、备用荷电状态SOCr以及峰谷电价cp、cv和放电补贴电价cdch。设周期为24h,时间步长为1h;
步骤2:对电动汽车的出行时刻等信息进行蒙特卡洛模拟抽样,根据已知的概率分布,利用蒙特卡洛发模拟数量为N的电动汽车日行驶里程d、第一次出行时刻e,其达到工作地点的时刻twk、离开工作地点的时刻tlvwk、到达居住区的时刻thome分别为
tlvwk=twk+tpark
其中v是行车速度,对到达工作地点的时刻进行分类,得到停车时长tpark;
步骤3:修正电动汽车的时刻数据;由于优化周期是24h,若到达或离开工作单位的时刻twk、tlvwk或者回到家的时刻thome存在大于24h的情况,用t=t-24对其进行修正,使得电动汽车所有的时刻点都满足0≤t<24;
步骤4:确定电动汽车可调度时段;根据响应电价政策的电动汽车比例λ,得到参与有序充电的电动汽车数量Np=λ×N,由步骤3得到居住区停车时段和非居住区停车时段,从而得到Np辆电动汽车的行车状态矩阵R;同时确定各时段的荷电状态上下限;
步骤5:更新微电网负荷预测曲线;对于剩余不可调度的(1-Np)辆电动汽车,采用无序充电方式,充电负荷通过蒙特卡罗法模拟得到,并将其并入微电网基本负荷,得到新的微电网负荷预测曲线;
步骤6:确定电价信息;根据风光预测出力Pwg、Ppv和含有电动汽车无序充电负荷的微电网负荷预测值Pnew_load,得到净负荷Pnet=Pnew_load-Pwg-Ppv,并制定峰谷电价固定、峰谷时段变化的动态充电电价;
步骤7:在MATLAB中通过工具箱Yalmip调用GUROBI优化软件求解该模型,得到优化后的电动汽车时序充放电负荷和风力、光伏以及柴油机出力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811567981.2A CN109710882B (zh) | 2018-12-21 | 2018-12-21 | 一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模及求解方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811567981.2A CN109710882B (zh) | 2018-12-21 | 2018-12-21 | 一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模及求解方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109710882A true CN109710882A (zh) | 2019-05-03 |
CN109710882B CN109710882B (zh) | 2023-06-09 |
Family
ID=66257171
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811567981.2A Active CN109710882B (zh) | 2018-12-21 | 2018-12-21 | 一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模及求解方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109710882B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110525259A (zh) * | 2019-07-23 | 2019-12-03 | 广州供电局有限公司 | 电动汽车的充电需求响应方法、装置、计算机设备 |
CN112241596A (zh) * | 2020-10-26 | 2021-01-19 | 国网上海市电力公司 | 一种计及电动汽车的城市电网中长期生产模拟方法 |
CN113837431A (zh) * | 2021-07-28 | 2021-12-24 | 智汇能源科技(广州)有限公司 | 一种考虑交通出行特性的电动汽车有序充放电方法 |
CN113919620A (zh) * | 2021-12-06 | 2022-01-11 | 南通大学 | 一种风光储微电网日前能量调度算法 |
WO2022021957A1 (zh) * | 2021-03-16 | 2022-02-03 | 中国科学院广州能源研究所 | 运营商收益最大化的v2g二阶段随机规划调度模型 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103077429A (zh) * | 2013-01-10 | 2013-05-01 | 华北电力大学 | 含风光发电与电动汽车换电站的孤立微电网容量优化方法 |
US20130190938A1 (en) * | 2012-01-25 | 2013-07-25 | General Electric Company | Power generation optimization in microgrid including renewable power source |
CN103296681A (zh) * | 2013-05-27 | 2013-09-11 | 东南大学 | 一种电动汽车与风电协同实时调度优化方法 |
WO2014071314A2 (en) * | 2012-11-02 | 2014-05-08 | Coritech Srvices, Inc. | Modular microgrid unit and method of use |
CN104933481A (zh) * | 2015-06-16 | 2015-09-23 | 国网山东省电力公司经济技术研究院 | 用于电力系统评估与渐进规划的参考电网模型及求解方法 |
CN105160451A (zh) * | 2015-07-09 | 2015-12-16 | 上海电力学院 | 一种含电动汽车的微电网多目标优化调度方法 |
JP2016032337A (ja) * | 2014-07-28 | 2016-03-07 | 株式会社Ihi | エネルギーマネジメントシステム、電力需給計画最適化方法および電力需給計画最適化プログラム |
CN106026152A (zh) * | 2016-05-19 | 2016-10-12 | 合肥工业大学 | 一种电动汽车接入微电网的充放电调度方法 |
CN106339778A (zh) * | 2016-09-30 | 2017-01-18 | 安徽工程大学 | 一种考虑多目标的光蓄微电网运行优化方法 |
CN106570611A (zh) * | 2016-09-29 | 2017-04-19 | 重庆大学 | 一种计及负荷需求响应的并网型微电网可靠性评估方法 |
CN106600024A (zh) * | 2016-09-29 | 2017-04-26 | 重庆大学 | 一种计及温控设备的社区级微电网经济运行建模及其求解方法 |
CN107482675A (zh) * | 2017-07-31 | 2017-12-15 | 东南大学 | 一种基于离网型微网的电动汽车消纳可再生能源的计算方法 |
CN107704947A (zh) * | 2017-08-31 | 2018-02-16 | 合肥工业大学 | 一种考虑电动汽车随机接入的微电网多目标优化调度方法 |
CN108090277A (zh) * | 2017-12-15 | 2018-05-29 | 燕山大学 | 一种考虑满意度和调度能力的电动汽车微网双层优化调度方法 |
CN108520314A (zh) * | 2018-03-19 | 2018-09-11 | 东南大学 | 结合v2g技术的主动配电网调度方法 |
CN108683179A (zh) * | 2018-05-03 | 2018-10-19 | 国网山东省电力公司潍坊供电公司 | 基于混合整数线性规划的主动配电网优化调度方法及系统 |
-
2018
- 2018-12-21 CN CN201811567981.2A patent/CN109710882B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130190938A1 (en) * | 2012-01-25 | 2013-07-25 | General Electric Company | Power generation optimization in microgrid including renewable power source |
WO2014071314A2 (en) * | 2012-11-02 | 2014-05-08 | Coritech Srvices, Inc. | Modular microgrid unit and method of use |
CN103077429A (zh) * | 2013-01-10 | 2013-05-01 | 华北电力大学 | 含风光发电与电动汽车换电站的孤立微电网容量优化方法 |
CN103296681A (zh) * | 2013-05-27 | 2013-09-11 | 东南大学 | 一种电动汽车与风电协同实时调度优化方法 |
JP2016032337A (ja) * | 2014-07-28 | 2016-03-07 | 株式会社Ihi | エネルギーマネジメントシステム、電力需給計画最適化方法および電力需給計画最適化プログラム |
CN104933481A (zh) * | 2015-06-16 | 2015-09-23 | 国网山东省电力公司经济技术研究院 | 用于电力系统评估与渐进规划的参考电网模型及求解方法 |
CN105160451A (zh) * | 2015-07-09 | 2015-12-16 | 上海电力学院 | 一种含电动汽车的微电网多目标优化调度方法 |
US20170337646A1 (en) * | 2016-05-19 | 2017-11-23 | Hefei University Of Technology | Charging and discharging scheduling method for electric vehicles in microgrid under time-of-use price |
CN106026152A (zh) * | 2016-05-19 | 2016-10-12 | 合肥工业大学 | 一种电动汽车接入微电网的充放电调度方法 |
CN106570611A (zh) * | 2016-09-29 | 2017-04-19 | 重庆大学 | 一种计及负荷需求响应的并网型微电网可靠性评估方法 |
CN106600024A (zh) * | 2016-09-29 | 2017-04-26 | 重庆大学 | 一种计及温控设备的社区级微电网经济运行建模及其求解方法 |
CN106339778A (zh) * | 2016-09-30 | 2017-01-18 | 安徽工程大学 | 一种考虑多目标的光蓄微电网运行优化方法 |
CN107482675A (zh) * | 2017-07-31 | 2017-12-15 | 东南大学 | 一种基于离网型微网的电动汽车消纳可再生能源的计算方法 |
CN107704947A (zh) * | 2017-08-31 | 2018-02-16 | 合肥工业大学 | 一种考虑电动汽车随机接入的微电网多目标优化调度方法 |
CN108090277A (zh) * | 2017-12-15 | 2018-05-29 | 燕山大学 | 一种考虑满意度和调度能力的电动汽车微网双层优化调度方法 |
CN108520314A (zh) * | 2018-03-19 | 2018-09-11 | 东南大学 | 结合v2g技术的主动配电网调度方法 |
CN108683179A (zh) * | 2018-05-03 | 2018-10-19 | 国网山东省电力公司潍坊供电公司 | 基于混合整数线性规划的主动配电网优化调度方法及系统 |
Non-Patent Citations (6)
Title |
---|
DONGSHENG YANG: "Optimal Operation of Microgrid Based on User Power Unsatisfactory", 《ENERGY PROCEDIA》 * |
PHILLIP OLIVER KRIETT: "Optimal control of a resicential microgrid", 《ENERGY》 * |
刘超: "计及电动汽车最优时空分布的分级调度模型研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
吴宇: "考虑电动汽车的微电网电源优化配置研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
宣宁平: "计及电动汽车充电负荷的微电网优化配置研究", 《供用电》 * |
巩旭: "电动汽车与多源微电网综合优化调度研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110525259A (zh) * | 2019-07-23 | 2019-12-03 | 广州供电局有限公司 | 电动汽车的充电需求响应方法、装置、计算机设备 |
CN112241596A (zh) * | 2020-10-26 | 2021-01-19 | 国网上海市电力公司 | 一种计及电动汽车的城市电网中长期生产模拟方法 |
WO2022021957A1 (zh) * | 2021-03-16 | 2022-02-03 | 中国科学院广州能源研究所 | 运营商收益最大化的v2g二阶段随机规划调度模型 |
CN113837431A (zh) * | 2021-07-28 | 2021-12-24 | 智汇能源科技(广州)有限公司 | 一种考虑交通出行特性的电动汽车有序充放电方法 |
CN113837431B (zh) * | 2021-07-28 | 2024-01-26 | 智汇能源科技(广州)有限公司 | 一种考虑交通出行特性的电动汽车有序充放电方法 |
CN113919620A (zh) * | 2021-12-06 | 2022-01-11 | 南通大学 | 一种风光储微电网日前能量调度算法 |
CN113919620B (zh) * | 2021-12-06 | 2022-05-03 | 南通大学 | 一种风光储微电网日前能量调度算法 |
Also Published As
Publication number | Publication date |
---|---|
CN109710882B (zh) | 2023-06-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105160451B (zh) | 一种含电动汽车的微电网多目标优化调度方法 | |
CN109710882A (zh) | 一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模及求解方法 | |
CN106026152B (zh) | 一种电动汽车接入微电网的充放电调度方法 | |
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 | |
CN106230020B (zh) | 一种微电网下考虑分布式电源消纳的电动汽车互动响应控制方法 | |
CN104852373B (zh) | 一种含间歇性能源独立微电网的动态经济调度优化方法 | |
CN109599856B (zh) | 一种微网多楼宇中电动汽车充放电管理优化方法及装置 | |
CN107704947A (zh) | 一种考虑电动汽车随机接入的微电网多目标优化调度方法 | |
CN111626527B (zh) | 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法 | |
CN107546781B (zh) | 基于pso改进算法的微电网多目标运行优化方法 | |
CN102664401B (zh) | 一种基于电池寿命模型的微电网控制方法 | |
CN103903090B (zh) | 基于用户意愿和出行规律的电动汽车充电负荷分配方法 | |
CN109256800A (zh) | 一种区域充换储一体化电站微电网群协调优化调度方法 | |
CN111614121A (zh) | 考虑需求响应的含电动汽车的多能源园区日前经济调度方法 | |
CN105787605A (zh) | 基于改进型量子遗传算法的微网经济优化运行调度方法 | |
CN108539793A (zh) | 一种海岛微电网综合优化配置方法及装置 | |
CN107147152A (zh) | 新能源配电网多类型有功无功源协同优化配置方法及系统 | |
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 | |
CN109217290A (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
CN105225022A (zh) | 一种热电联产型微电网的经济性优化运行方法 | |
CN109713674A (zh) | 计及电动汽车有序充放电的离网型微电网可靠性评估方法 | |
CN107453381A (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 | |
CN110350512A (zh) | 一种智能园区新能源发电站调度优化方法及系统 | |
CN109787221B (zh) | 一种微电网电能安全经济调度方法和系统 | |
CN105207207B (zh) | 基于能量管理的孤网状态下的微电网系统调度方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |