CN110581555A - 一种基于sfla的电动汽车与电网能量互换优化方法 - Google Patents

一种基于sfla的电动汽车与电网能量互换优化方法 Download PDF

Info

Publication number
CN110581555A
CN110581555A CN201910983808.9A CN201910983808A CN110581555A CN 110581555 A CN110581555 A CN 110581555A CN 201910983808 A CN201910983808 A CN 201910983808A CN 110581555 A CN110581555 A CN 110581555A
Authority
CN
China
Prior art keywords
power
battery
charging
sfla
station
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
Application number
CN201910983808.9A
Other languages
English (en)
Other versions
CN110581555B (zh
Inventor
苏寒
王海伟
陈晨
唐庆鹏
倪力
李松
张勇
柏一舟
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.)
Hefei Power Supply Co of State Grid Anhui Electric Power Co Ltd
Original Assignee
Hefei Power Supply Co of State Grid Anhui Electric Power Co Ltd
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 Hefei Power Supply Co of State Grid Anhui Electric Power Co Ltd filed Critical Hefei Power Supply Co of State Grid Anhui Electric Power Co Ltd
Priority to CN201910983808.9A priority Critical patent/CN110581555B/zh
Publication of CN110581555A publication Critical patent/CN110581555A/zh
Application granted granted Critical
Publication of CN110581555B publication Critical patent/CN110581555B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B60L53/64—Optimising energy costs, e.g. responding to electricity rates
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
    • 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
    • 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
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • 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
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems
    • 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

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

一种基于SFLA的电动汽车与电网能量互换优化方法，可解决当前电动汽车充电方式运行成本较高以及电网负荷波动过大的技术问题。包括以下步骤：S100、确定电动汽车充换电站与电网间能量互换方式；S200、基于所述能量互换方式，建立电动汽车充换电站能量互换优化模型；S300、基于所述电动汽车充换电站能量互换优化模型，确定基于SFLA的能量互换优化控制步骤。本发明通过建立充换电站车网能量互换方式的优化模型并且制定优化控制策略；为延伸电动汽车充换电站的社会效益，以及结合V2G技术调动电动汽车电池潜力，调节电网负荷峰谷起到一定的作用，并且一定程度上可以权衡充换电站的建设成本，提高电网的运行经济性。

Description

一种基于SFLA的电动汽车与电网能量互换优化方法
技术领域
本发明涉及电力系统调度控制技术领域，具体涉及一种基于SFLA的电动汽车与电网能量互换优化方法。
背景技术
结合发展趋势，随着电动汽车的推广，其规模将达到数百万，如何在考虑多种充电方式的电动汽车接入的情况下，高效地完成电动汽车与电网互动，实现基于电动汽车多种充电方式的网荷互动，从优化算法、调度方法、互动方式等方面都提出了巨大挑战。
电动汽车与传统的电力负荷有一定的差异性，电动汽车可以作为一种特殊负荷接入电网，由于其电池具备储能性质、其充电行为具有随机性和间歇性，调度大规模的电动汽车以分布式电源的角色参与电网调度有利于实现电网负荷的削峰填谷。现如今，车电互联技术(V2G)发展迅速，实现电动汽车与电网的能量互联，在负荷低谷期，电费一般较低，电动汽车从电网充电，当负荷高峰期时，则向电网反馈电量。通过对电动汽车充换电站内电池组的优化调度，进行有序的控制充放电，来缩小电力负荷峰谷差，另外作为储备电量，可以为电网规划节约运行成本。
另外针对优化问题，蛙跳算法(SFLA)是一种全新的启发式群体进化算法，具有高效的计算性能和优良的全局搜索能力，概念简单，调整的参数少，计算速度快，全局搜索寻优能力强，易于实现的特点。
发明内容
本发明的一种基于SFLA的电动汽车与电网能量互换优化方法，可解决当前电动汽车充电方式运行成本较高以及电网负荷波动过大的技术问题。
为实现上述目的，本发明采用了以下技术方案：
本发明的基于SFLA的电动汽车与电网能量互换优化方法，为了更好的借助于能量互换方式来平抑电网负荷波动、优化电网运行，结合V2G技术，建立能量互换优化控制模型；在一定的模型假设下确定优化运行目标并给出约束条件；再基于混合蛙跳算法建立SFLA优化模型，确定边界约束及越界处理方式，采用具有针对性的更新策略反复迭代直至达到算法终止条件；
包括以下步骤：
确定电动汽车充换电站与电网间能量互换方式；
基于所述能量互换方式，建立电动汽车充换电站能量互换优化模型；
基于所述电动汽车充换电站能量互换优化模型，确定基于SFLA的能量互换优化控制步骤。
进一步说明如下：
建立能量互换优化控制模型目标函数：由于优化模型是为了借助电动汽车充换电站可以发挥其储能作用，利用能量双向互换及优化调度技术来平抑电网负荷波动、优化电网运行，因此选择充换电站入网后的电网电力负荷曲线方差最小作为优化运行目标。
确定能量互换优化控制约束条件：充换电站电池组与电网的能量互换优化控制约束主要包括：满足用户的需求，电池的容量以及充放电功率约束。
建立SFLA优化模型：能量互动模式下，仍以充换电站入网后的电网电力负荷曲线方差最小作为模型的目标函数，即为在SFLA算法中青蛙的适应度，另外每个电池每时段的充放电功率来定义算法中青蛙的位置和维数，并且根据更新策略来使每个模因组内的青蛙在每一维上的位置不断的更新策略直至满足迭代终止条件。
进行边界约束处理：由于SFLA算法中青蛙的位置定义为每个电池每时段的充放电功率，则同能量互换优化控制模型一样，在位置更新过程中，青蛙的每一维的位置都需要受到电池容量和充放电功率的约束，由于在迭代过程中可能出现充放电功率超出边界的情况，则需要进行相应的处理。当发生充/放电功率超出某个边界时，采用“吸收”/“反射”法将该维的取值置于该边界上)来进行边界的越界处理。
通过SFLA处理流程进行优化控制：
基于SFLA的能量互换控制优化流程主要分为5个步骤。参数初始化分别确定青蛙数量、模因组组数和每个模因组中的青蛙个数、整个种群及模因组内混合迭代次数。再输入电网、充换电站及用户的一系列参数，随机生成全部青蛙，并根据SFLA优化模型中的目标函数计算每只青蛙的适应度，并对其进行降序排列，接着以从高到低循环将所有青蛙分别分入各个模因组内，同时确定全局、模因组内位置最好及最差的青蛙集。最后对每个模因组进行迭代更新直至满足算法的终止条件。
由上述技术方案可知，本发明建立在能量互换方式下，在一定的模型假设下，以区域充换电站接入电网后的电力负荷曲线方差最小作为优化运行目标，电池充放电功率和电池容量以及用户需求作为约束条件构建充换电站充放电优化控制模型。并利用SFLA算法进行求解，策略制定流程主要分为五步，首先设定SFLA算法中的初始参数，再根据电网负荷情况、充换电站参数以及用户侧的用户需求预测、电池参数等条件，结合优化模型的约束条件，随机生成若干青蛙，并根据优化模型的目标函数计算每只青蛙的适应度，进行降序排列，同时将所有青蛙按照排序从高到低循环分配进入各模因组内，确定族群全局适应度最高以及各模因组内适应度最高/低的青蛙，接着对每个模因组利用SFLA优化模型的更新策略对青蛙位置进行迭代更新，同时对边界进行约束处理，最后以种群混合迭代次数是否满足设定数值为算法的终止条件。该算法可以利用充换电站中对电池的策略化充放电，对电网的负荷曲线起到调节作用，进行削峰填谷。进一步的，可以通过修改SFLA优化模型中的参数设置，例如青蛙群体的数量，更新迭代的次数，来提高算法的精确度及收敛程度。
本发明通过建立充换电站车网能量互换方式的优化模型并且制定优化控制策略；为延伸电动汽车充换电站的社会效益，以及结合V2G技术调动电动汽车电池潜力，调节电网负荷峰谷起到一定的作用，并且一定程度上可以权衡充换电站的建设成本，提高电网的运行经济性。
附图说明
图1是本发明的方法流程示意图；
图2是本发明的能量互换方式能量流动示意图；
图3是本发明的基于SFLA的能量互换优化控制算法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
如图1所示，本实施例所述的基于SFLA的电动汽车与电网能量互换优化方法，包括以下步骤：
S100、确定电动汽车充换电站与电网间能量互换方式；
S200、基于所述能量互换方式，建立电动汽车充换电站能量互换优化模型；
S300、基于所述电动汽车充换电站能量互换优化模型，确定基于SFLA的能量互换优化控制步骤。
进一步说，
S200、基于所述能量互换方式，建立电动汽车充换电站能量互换优化模型；具体包括：
S201、建立能量互换优化控制模型目标函数；
选择电动汽车充换电站入网后的电网电力负荷曲线方差最小作为优化运行目标；
S202、确定能量互换优化控制约束条件；
电动汽车充换电站电池组与电网的能量互换优化控制约束包括：满足用户的需求、电池的容量以及充放电功率约束。
所述S300、基于所述电动汽车充换电站能量互换优化模型，确定基于SFLA的能量互换优化控制步骤；具体包括：
S301、建立SFLA优化模型；
电动汽车充换电站与电网间互动模式下，仍以充换电站入网后的电网电力负荷曲线方差最小作为模型的目标函数，即为在SFLA算法中青蛙的适应度，另外每个电池每时段的充放电功率来定义算法中青蛙的位置和维数，并且根据更新策略使每个模因组内的青蛙在每一维上的位置不断的更新策略直至满足迭代终止条件；
S302、边界约束处理；
基于SFLA算法中青蛙的位置定义为每个电池每时段的充放电功率，在位置更新过程中，青蛙的每一维的位置都需要受到电池容量和充放电功率的约束，在迭代过程中出现充放电功率超出边界的情况时，则进行如下处理：当发生充/放电功率超出设定边界时，采用“吸收”/“反射”法将该维的取值置于该边界上来进行边界的越界处理；
S303、通过SFLA处理流程进行优化控制。
以下对上述步骤详细说明：
步骤1：确定充换电站与电网间能量互换方式
结合绿色能源的发展趋势，电动汽车充放电技术和充放电设施逐渐完善，电网智能化水平不断提高，电动汽车内的电池是一种可与电网相连的电力电子设备，为充分利用充换电站的储能性质，以电池组作为储能单元参与电网互动可以较好的实现能量互通，在用电低谷期，电池组作为负荷，从电网充电，在负荷高峰期，则作为电源，将电能反馈给电网来实现削峰填谷的作用。其能量及信息流动示意图如图2所示。
且通过V2G技术，在用电负荷低谷期，用较低的电价将电池组充满，而在电价相对较高时将闲置的电能“卖”给电网，可以减小电动汽车运行成本，有利于电动汽车的普及推广。
本实施例的优化模型是建立在车网能量互换方式的背景下的。能量如图2所示，是通过充换电站在电网和车辆电池之间双向流动的。通过V2G技术，可以在一定程度上实现对电网的削峰填谷，从用户侧考虑，可以减小电动汽车运行成本，加强电动汽车的普及推广，另一方面还能更好地优化电网的运行。
步骤2：电动汽车充换电站能量互换优化模型
2.1优化目标
由于所建模型的最终优化目标是借助于对充换电站中电池组充放电行为的优化调度来起到一定削峰填谷、平抑电网负荷波动的作用，因此仍以区域充换电站接入电网后的电力负荷曲线的方差最小作为优化目标。
将TO即优化周期划分为Mb个时间段，设定每个时段时长Tb为：
Tb＝TO/Mb (1)
则可将优化目标表示为：
式(2)中，
Pd,j：预测得到的j时段内的电网负荷功率值；
N：区域换电站内的充电机总数，即任一时刻可进行优化控制的电池数量；
Pi,j：j时段第i个电池的充/放电功率。
2.2约束条件
充换电站除了满足正常的用户电动汽车更换电池的要求约束外，就体现其作为储能单元的作用，电池组在充放电是同样需要考虑电池的容量及充放电功率两个约束。
1)电池充放电功率约束
如图2所示，电池组是通过充放电机来实现与电网的能量互换，无论是对于电池还是充放电机而言，充放电的功率过大会带来一定的冲击和损坏。若定义充放电机最大放电/充电功率分别为Pcharger_dmax和Pcharger_cmax，电池可以达到的最大放电/充电功率定义为Pbattery_dmax和Pbattery_cmax。则在第j时段，电池i需要受到以下的充放电功率约束：
2)电池容量约束
电池除了充放电功率需要有所约束外，充放电容量也存在上下边界，在充电至上限或放电至下限时则需要要停止操作。据此建立以下约束：
Qmin≤Q≤Qmax (5)
其中Qmax和Qmin分别为电池充放电容量的上下限。另外假设Qfull为电池满电荷的响应容量，根据电池SOC和容量的关系，可建立在任一始端内，电池SOC应满足的约束条件：
SOCmin＝Qmin/Qfull≤SOC≤Qmax/Qfull＝SOCmax (6)
假设电池i在tin(i)时段进入充换电站，而电池进站后的一个时段即从tin(i)+1时段才允许进行充放电。在j时段初期，电池i的电量Qi,j为电池的初始电量加上之前所有时段内充放电电量的总和，即
由式(6)和式(7)可得到
为了简化模型，再做一假设：将电池的初始电量设定为其容量的下限，上限则取为电池满电荷容量：
将式(7)和式(9)代入式(8)，有
3)用户需求约束
优化模型的总体目标虽然是通过优化控制电池组充放电行为来减小电网的负荷波动，但不能牺牲充换电站的基本要求，需要满足用户对电池使用的需求约束。电池i从进入充换电站到离开，期间的充放电时段j设定为整数且应处于站内时间段内：
tin(i)+1≤j≤tout(i)-1 (11)
在出站前电池可根据调度要求进行充/放电行为，但要保证出站时电池处于满容量状态，故有：
经整理公式(4)(7)及(12)，可得到：
步骤3：基于SFLA的能量互换优化控制策略
3.1SFLA优化模型
与优化模型的调度目标相同，SFLA优化模型仍以电池组通过优化控制后参与电网调度后电力负荷曲线方差最小作为目标函数，结合SFLA算法的具体流程，将青蛙的位置定义为每个电池每时段的充放电功率。由式(13)可知，出站前最后时刻的电池充电功率可由之前时段的功率组合表示，即在式(11)所示的时间约束内，充放电功率独立变量数目为tout(i)-tin(i)-2，故青蛙的位置可定义为
算法中青蛙位置的维数D为
最重要的，每个模因组内的青蛙在每一维上的位置更新策略可表为
式(16)中，Pb(j,t)和Pw(j,t)分别表示在该模因组内位置最好和最差(适应度最优和最差)的青蛙在同维度上的相应值；对于Pw(j,t)的更新，分为几种情况，①若第j个电池在更新后的青蛙位置较之前的更好，则用更新后在t时段的充放电功率Pw_new(j,t)代替Pw(j,t)；②若更新后没有进步，则用种群内位置最好的青蛙对应值Pg(j,t)来取代Pb(j,t)；③若结果一直没有改进，则随机生成一个Pw_new(j,t)来取代原来的Pw(j,t)进行迭代。
3.2边界约束处理
在SFLA优化模型的建立过程中，也存在相应的一些条件约束。例如：Pw_new(j,t)的更新要受式(4)和式(10)约束。另外，对于约束条件(13)，可能会出现在各维取值更新后，充放电功率超出某个边界的情况，若充电功率超过了某一边界，则采用“吸收”法处理；若放电功率超出某一边界时，采用“反射”法处理。都是将该维的取值直接置于该边界上。
3.3SFLA处理流程
基于SFLA的能量互换控制优化流程分为5个步骤。但是针对能量互换控制模型，青蛙位置设定中各电池的维数的多样化给处理带来了一些问题，可通过将每个电池按照时间先后扩展至整个优化周期，然后其中非有效充放电的时段功率至为0来使得青蛙位置中各个电池的维数相同：
基于SFLA的能量互换优化控制算法流程如图3。具体步骤分为以下五步：
1)参数初始化分别确定青蛙数量、模因组组数和每个模因组中的青蛙个数、整个种群及模因组内混合迭代次数；
2)输入电网、充换电站及用户的一系列参数，随机生成全部青蛙，并以优化模型的目标函数作为每只青蛙的适应度进行计算；
3)按步骤二中算得的青蛙适应度从高到低进行排序排列，并以降序将所有青蛙循环分至各模因组内，同时选出全局位置最好(即适应度最高)的青蛙、每模因组内选出位置最好及最差的青蛙；
4)对每个模因组利用SFLA优化模型的更新策略对青蛙位置进行迭代更新，并对边界进行约束处理；
5)以种群混合迭代次数是否满足设定数值为算法的终止条件。
在车联网背景下，大量电动汽车电池的参与，以及较长的饿时间维度使得求解能量互换优化控制模型成为一个非线性且高维度的持续优化问题，本实施例选择采用SFLA算法进行求解。从迭代收敛及结果精确度考虑，可以通过更改上述流程第二步的参数设置，例如适当地扩大青蛙群体大小或增加更新迭代次数，得到更为精确的优化结果。
同时针对能量互换控制模型，利用SFLA算法求解时，青蛙位置设定中各电池的维数的多样化给处理带来了一些问题，可通过将每个电池按照时间先后扩展至整个优化周期，然后其中非有效充放电的时段功率至为0来使得青蛙位置中各个电池的维数相同。
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种基于SFLA的电动汽车与电网能量互换优化方法，其特征在于：
包括以下步骤：
S100、确定电动汽车充换电站与电网间能量互换方式；
S200、基于所述能量互换方式，建立电动汽车充换电站能量互换优化模型；
S300、基于所述电动汽车充换电站能量互换优化模型，确定基于SFLA的能量互换优化控制步骤。
2.根据权利要求1所述的基于SFLA的电动汽车与电网能量互换优化方法，其特征在于：所述S100中电动汽车充换电站与电网间能量互换方式为通过充换电站在电网和车辆电池之间双向流动的。
3.根据权利要求1所述的基于SFLA的电动汽车与电网能量互换优化方法，其特征在于：所述S200、基于所述能量互换方式，建立电动汽车充换电站能量互换优化模型；具体包括：
S201、建立能量互换优化控制模型目标函数；
选择电动汽车充换电站入网后的电网电力负荷曲线方差最小作为优化运行目标；
S202、确定能量互换优化控制约束条件；
电动汽车充换电站电池组与电网的能量互换优化控制约束包括：满足用户的需求、电池的容量以及充放电功率约束。
4.根据权利要求3所述的基于SFLA的电动汽车与电网能量互换优化方法，其特征在于：所述S201、建立能量互换优化控制模型目标函数；
具体包括：
S2011、以区域充换电站接入电网后的电力负荷曲线的方差最小作为优化目标；
将TO即优化周期划分为Mb个时间段，设定每个时段时长Tb为：
Tb＝TO/Mb (1)
则将优化目标表示为：
式(2)中，
Pd,j：预测得到的j时段内的电网负荷功率值；
N：区域换电站内的充电机总数，即任一时刻可进行优化控制的电池数量；
Pi,j：j时段第i个电池的充/放电功率。
5.根据权利要求4所述的基于SFLA的电动汽车与电网能量互换优化方法，其特征在于：S202、确定能量互换优化控制约束条件；
具体包括：
S2021、电池充放电功率约束；
若定义充放电机最大放电/充电功率分别为Pcharger_dmax和Pcharger_cmax，电池达到的最大放电/充电功率定义为Pbattery_dmax和Pbattery_cmax；则在第j时段，电池i需要受到以下的充放电功率约束：
S2022、电池容量约束；
建立以下约束：
Qmin≤Q≤Qmax (5)
其中Qmax和Qmin分别为电池充放电容量的上下限；另外假设Qfull为电池满电荷的响应容量，根据电池SOC和容量的关系，建立在任一始端内，电池SOC应满足的约束条件：
SOCmin＝Qmin/Qfull≤SOC≤Qmax/Qfull＝SOCmax (6)
假设电池i在tin(i)时段进入充换电站，而电池进站后的一个时段即从tin(i)+1时段才允许进行充放电；在j时段初期，电池i的电量Qi,j为电池的初始电量加上之前所有时段内充放电电量的总和，即
由式(6)和式(7)可得到
再做一假设：将电池的初始电量设定为其容量的下限，上限则取为电池满电荷容量：
将式(7)和式(9)代入式(8)，有
S2022、用户需求约束；
电池i从进入充换电站到离开，期间的充放电时段j设定为整数且应处于站内时间段内：
tin(i)+1≤j≤tout(i)-1 (11)
在出站前电池可根据调度要求进行充/放电行为，但要保证出站时电池处于满容量状态，故有：
经整理公式(4)(7)及(12)，可得到：
6.根据权利要求5所述的基于SFLA的电动汽车与电网能量互换优化方法，其特征在于：所述S300、基于所述电动汽车充换电站能量互换优化模型，确定基于SFLA的能量互换优化控制步骤；具体包括：
S301、建立SFLA优化模型；
电动汽车充换电站与电网间互动模式下，仍以充换电站入网后的电网电力负荷曲线方差最小作为模型的目标函数，即为在SFLA算法中青蛙的适应度，另外每个电池每时段的充放电功率来定义算法中青蛙的位置和维数，并且根据更新策略使每个模因组内的青蛙在每一维上的位置不断的更新策略直至满足迭代终止条件；
S302、边界约束处理；
基于SFLA算法中青蛙的位置定义为每个电池每时段的充放电功率，在位置更新过程中，青蛙的每一维的位置都需要受到电池容量和充放电功率的约束，在迭代过程中出现充放电功率超出边界的情况时，则进行如下处理：当发生充/放电功率超出设定边界时，采用“吸收”/“反射”法将该维的取值置于该边界上来进行边界的越界处理；
S303、通过SFLA处理流程进行优化控制。
7.根据权利要求6所述的基于SFLA的电动汽车与电网能量互换优化方法，其特征在于：所述S301、建立SFLA优化模型；
具体包括：
仍以电池组通过优化控制后参与电网调度后电力负荷曲线方差最小作为目标函数，结合SFLA算法的具体流程，将青蛙的位置定义为每个电池每时段的充放电功率；
由式(13)可知，出站前最后时刻的电池充电功率可由之前时段的功率组合表示，即在式(11)所示的时间约束内，充放电功率独立变量数目为tout(i)-tin(i)-2，故青蛙的位置可定义为
算法中青蛙位置的维数D为
则每个模因组内的青蛙在每一维上的位置更新策略表示为：
式(16)中，Pb(j,t)和Pw(j,t)分别表示在该模因组内位置最好和最差即适应度最优和最差的青蛙在同维度上的相应值；对于Pw(j,t)的更新，分为以下情况，①若第j个电池在更新后的青蛙位置较之前的更好，则用更新后在t时段的充放电功率Pw_new(j,t)代替Pw(j,t)；②若更新后没有进步，则用种群内位置最好的青蛙对应值Pg(j,t)来取代Pb(j,t)；③若结果一直没有改进，则随机生成一个Pw_new(j,t)来取代原来的Pw(j,t)进行迭代。
8.根据权利要求7所述的基于SFLA的电动汽车与电网能量互换优化方法，其特征在于：所述S303、通过SFLA处理流程进行优化控制；具体包括：
通过将每个电池按照时间先后扩展至整个优化周期，然后其中非有效充放电的时段功率至为0来使得青蛙位置中各个电池的维数相同：
具体包括以下步骤：
S3021、参数初始化分别确定青蛙数量、模因组组数和每个模因组中的青蛙个数、整个种群及模因组内混合迭代次数；
S3022、输入电网、充换电站及用户参数，随机生成全部青蛙，并以优化模型的目标函数作为每只青蛙的适应度进行计算；
S3023、按步骤S3022中算得的青蛙适应度从高到低进行排序排列，并以降序将所有青蛙循环分至各模因组内，同时选出全局位置最好即适应度最高的青蛙、每模因组内选出位置最好及最差的青蛙；
S3024、对每个模因组利用SFLA优化模型的更新策略对青蛙位置进行迭代更新，并对边界进行约束处理；
S3025、以种群混合迭代次数是否满足设定数值为算法的终止条件。
CN201910983808.9A 2019-10-16 2019-10-16 一种基于sfla的电动汽车与电网能量互换优化方法 Active CN110581555B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910983808.9A CN110581555B (zh) 2019-10-16 2019-10-16 一种基于sfla的电动汽车与电网能量互换优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910983808.9A CN110581555B (zh) 2019-10-16 2019-10-16 一种基于sfla的电动汽车与电网能量互换优化方法

Publications (2)

Publication Number Publication Date
CN110581555A true CN110581555A (zh) 2019-12-17
CN110581555B CN110581555B (zh) 2021-06-01

Family

ID=68814900

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910983808.9A Active CN110581555B (zh) 2019-10-16 2019-10-16 一种基于sfla的电动汽车与电网能量互换优化方法

Country Status (1)

Country Link
CN (1) CN110581555B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113067370A (zh) * 2021-03-15 2021-07-02 远景智能国际私人投资有限公司 V2g充电站的充电控制方法、装置、服务器及存储介质
CN113162090A (zh) * 2021-05-13 2021-07-23 江苏海基新能源股份有限公司 一种计及电池模块容量的储能系统容量配置优化方法
CN115130896A (zh) * 2022-07-13 2022-09-30 唐山通宝停车设备有限公司 一种电动汽车最优动态调度方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8718850B2 (en) * 2011-11-30 2014-05-06 Nec Laboratories America, Inc. Systems and methods for using electric vehicles as mobile energy storage
EP2801933A1 (en) * 2013-05-07 2014-11-12 Kabushiki Kaisha Toshiba Information issuance apparatus, information issuance method and program
CN105406481A (zh) * 2015-12-13 2016-03-16 温州大学瓯江学院 一种电动汽车充放电控制方法
CN105932690A (zh) * 2016-05-19 2016-09-07 河海大学 一种综合无功优化与网络重构的配网运行优化方法
CN106651002A (zh) * 2016-11-17 2017-05-10 云南电网有限责任公司玉溪供电局 一种基于正弦余弦算法的大规模电动汽车充放电多目标优化方法
US20190217739A1 (en) * 2018-01-12 2019-07-18 Johnson Controls Technology Company Building energy optimization system with battery powered vehicle cost optimization

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8718850B2 (en) * 2011-11-30 2014-05-06 Nec Laboratories America, Inc. Systems and methods for using electric vehicles as mobile energy storage
EP2801933A1 (en) * 2013-05-07 2014-11-12 Kabushiki Kaisha Toshiba Information issuance apparatus, information issuance method and program
CN105406481A (zh) * 2015-12-13 2016-03-16 温州大学瓯江学院 一种电动汽车充放电控制方法
CN105932690A (zh) * 2016-05-19 2016-09-07 河海大学 一种综合无功优化与网络重构的配网运行优化方法
CN106651002A (zh) * 2016-11-17 2017-05-10 云南电网有限责任公司玉溪供电局 一种基于正弦余弦算法的大规模电动汽车充放电多目标优化方法
US20190217739A1 (en) * 2018-01-12 2019-07-18 Johnson Controls Technology Company Building energy optimization system with battery powered vehicle cost optimization

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113067370A (zh) * 2021-03-15 2021-07-02 远景智能国际私人投资有限公司 V2g充电站的充电控制方法、装置、服务器及存储介质
CN113067370B (zh) * 2021-03-15 2023-07-18 远景智能国际私人投资有限公司 V2g充电站的充电控制方法、装置、服务器及存储介质
CN113162090A (zh) * 2021-05-13 2021-07-23 江苏海基新能源股份有限公司 一种计及电池模块容量的储能系统容量配置优化方法
CN115130896A (zh) * 2022-07-13 2022-09-30 唐山通宝停车设备有限公司 一种电动汽车最优动态调度方法及系统

Also Published As

Publication number Publication date
CN110581555B (zh) 2021-06-01

Similar Documents

Publication Publication Date Title
CN111900727B (zh) 基于pso的光储充换一体化充电站协同优化调度方法和装置
Tan et al. Integration of electric vehicles in smart grid: A review on vehicle to grid technologies and optimization techniques
CN110581555B (zh) 一种基于sfla的电动汽车与电网能量互换优化方法
CN111422094B (zh) 分布式充电桩的充放电协调优化控制方法
Yang et al. A binary symmetric based hybrid meta-heuristic method for solving mixed integer unit commitment problem integrating with significant plug-in electric vehicles
CN109742779B (zh) 一种分布式储能调度方法和装置
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
CN109146320B (zh) 一种考虑配电网安全性的虚拟电厂优化调度方法
CN116001624A (zh) 基于深度强化学习的一桩多联电动汽车有序充电方法
CN111177637B (zh) 电动汽车换电站动力电池的容量配置方法
CN106548291A (zh) 一种基于Shapley值的微电网运行效益分配方法
CN112053034B (zh) 一种考虑风电不确定性分布特征的电网可调节鲁棒优化调度方法
CN106786977B (zh) 一种电动汽车充电站的充电调度方法
CN112671022B (zh) 光储充电站容量优化配置方法、系统、终端及存储介质
CN115423207A (zh) 风储虚拟电厂在线调度方法和装置
CN113715669B (zh) 电动汽车有序充电控制方法、系统、设备及可读存储介质
CN112001598A (zh) 基于储能选型的不同用户储能配置评估与运行优化方法
CN117996807A (zh) 一种光储充电站储能电池充放电方法
CN114914923B (zh) 基于网格法的变时长两阶段电动汽车调度方法及系统
CN115147245B (zh) 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法
CN114448044A (zh) 一种换电站双向快充有序充放电方法及系统
CN113780670A (zh) 基于两阶段的区域电网电动汽车调峰优化调度方法
CN116645089A (zh) 一种考虑退役电池容量退化的储能系统双层优化配置方法
CN116247742A (zh) 基于深度强化学习的电力系统源网荷储联合调控方法及装置
CN116167573A (zh) 一种高铁站综合能源需求响应优化调度方法及相关装置

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