CN110705779A - 计及交通流时域耦合的电力-交通网多时段协同调度方法 - Google Patents

计及交通流时域耦合的电力-交通网多时段协同调度方法 Download PDF

Info

Publication number
CN110705779A
CN110705779A CN201910924451.7A CN201910924451A CN110705779A CN 110705779 A CN110705779 A CN 110705779A CN 201910924451 A CN201910924451 A CN 201910924451A CN 110705779 A CN110705779 A CN 110705779A
Authority
CN
China
Prior art keywords
power
traffic
period
time
node
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
Application number
CN201910924451.7A
Other languages
English (en)
Inventor
卫志农
吕思
孙国强
陈�胜
臧海祥
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.)
Hohai University HHU
Original Assignee
Hohai University HHU
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 Hohai University HHU filed Critical Hohai University HHU
Priority to CN201910924451.7A priority Critical patent/CN110705779A/zh
Publication of CN110705779A publication Critical patent/CN110705779A/zh
Pending legal-status Critical Current

Links

Images

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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • 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
    • G06Q50/40—Business processes related to the transportation industry
    • 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
    • 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
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Power Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Educational Administration (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种计及交通流时域耦合的电力‑交通网多时段协同调度方法，设定电力‑交通网协同优化调度的目标函数，协同调度的目标是最小化电网中分布式电源的发电量、配电系统运营商向上级电网的购电量、交通网中用户的行驶时间和用户需要支付的路段拥挤费用，实现社会效益最大化;建立电网、交通网各自的运行模型以及两网耦合模型；输入电网、交通网的网络参数和运行参数；求解协同调度结果，包括分布式电源出力、购电量、各路段拥挤费用以及交通流分布情况；输出优化调度方案和目标函数值，结束。本发明考虑了交通需求和电力需求的日波动特性，并充分计及交通流在相邻时间断面上的耦合，调度结果能够确保电力‑交通网的安全经济运行。

Description

计及交通流时域耦合的电力-交通网多时段协同调度方法
技术领域
本发明属于电力-交通网协同运行领域，具体涉及一种计及交通流时域耦合的电力-交通网多时段协同调度方法。
背景技术
近年来，电动汽车(Electric Vehicle,EV)凭借其环保、无污染的优势被广泛推广，未来有望取代燃油汽车成为主流的交通工具。电动汽车渗透率的提升及其自身的交通属性为电网注入了大量具有时空不确定性的充电负荷，该不确定性主要取决于电动汽车电池余量、路网状况以及充电站的位置和容量。为了最小化电动汽车充电对电网的影响，同时降低用户在交通网中的走行时间，单一考虑电网或交通网的调度方案均无法实现社会效益最大化，因此，有必要考虑电动汽车带来的电网、交通网的耦合特性，研究电力-交通网协同优化运行。
目前已有相关文献考虑交通部门和电力部门的合作，通过收取道路拥挤费用和设定充电站电价来调控电动汽车的行驶路线和充电选择，同时通过调度分布式电源的出力，在确保电网安全的前提下，实现电力流的经济性最优以及交通流的走行时间最少。当前研究主要集中于单断面上的电力-交通网协同优化调度，采用静态模型描述交通流的分布情况。该模型假设各起点与终点之间的交通流量是稳定不变的，仅仅适用于对一天甚至更长时期的交通流建模，难以描述日内交通需求的时变特征，无法推定某个特定时段的路网状况。在电网侧，电力负荷同样具有时变特征，且不同时段的电力负荷差异显著，另一方面，随着当前新能源渗透率不断提升，源端出力的波动性增加，各时段的源-荷平衡面临更大的挑战。因此，有必要从多断面的角度研究电力-交通网协同运行，考虑日内交通需求和电网源荷的波动性，实现耦合系统在整个调度周期内的经济运行。此外，由于交通阻塞问题普遍存在，因此各时段内的交通流并不独立，在对交通流分布进行建模时，有必要考虑交通流在各时段间的耦合。
发明内容
发明目的：本发明所要解决的技术问题是针对现有技术存在的不足而提供一种计及交通流时域耦合的电力-交通网多时段协同优化调度方法。
技术方案：本发明提供以下技术方案：
一种计及交通流时域耦合的电力-交通网多时段协同优化调度方法，在计算机中按以下步骤实现：
1)设定电力-交通网协同优化调度的目标函数，协同调度的目标是最小化电网中分布式电源的发电量、配电系统运营商向上级电网的购电量、交通网中用户的行驶时间和用户需要支付的路段拥挤费用，实现社会效益最大化；
2)建立电网、交通网各自的运行模型以及两网耦合模型；
3)输入电网、交通网的网络参数和运行参数；
4)求解协同调度结果，包括分布式电源出力、购电量、各路段拥挤费用以及交通流分布情况；
5)输出优化调度方案以及相应的目标函数值，结束。
进一步地，所述步骤1)中，目标函数为：
Figure BDA0002218499870000021
式中：T(T)表示所有时间段构成的集合；E(N)表示电网中所有节点构成的集合；T(A)表示交通网中所有路段构成的集合；ai与bi为位于节点i处分布式电源的两个发电参数；
Figure BDA0002218499870000022
表示节点i处分布式电源在t时段的有功出力值；w表示用户行驶时间的惩罚系数；
Figure BDA0002218499870000023
表示车辆在路段a上在t时段的通行时间；
Figure BDA0002218499870000024
表示路段a上在t时段的交通拥挤费用；xa,t表示路段a上在t时段的交通流量。
进一步地，所述步骤2)中：
建立电网运行模型：
Figure BDA0002218499870000025
Figure BDA0002218499870000026
Figure BDA0002218499870000027
Figure BDA0002218499870000028
Figure BDA0002218499870000031
Figure BDA0002218499870000032
式中：π(j)表示与节点j相连的所有子节点k所构成的集合；
Figure BDA0002218499870000034
与
Figure BDA0002218499870000035
分别为线路ij有功与无功功率；
Figure BDA0002218499870000036
与
Figure BDA0002218499870000037
分别为线路jk有功与无功功率；
Figure BDA0002218499870000038
与
Figure BDA0002218499870000039
分别为线路ij电阻与电抗；
Figure BDA00022184998700000310
表示线路ij的阻抗；Ui,t为t时段节点i电压幅值的平方；Uj,t为在t时段节点j电压幅值的平方；
Figure BDA00022184998700000311
和
Figure BDA00022184998700000312
分别为在t时段节点i电压幅值上、下限的平方；
Figure BDA00022184998700000313
为在t时段支路l电流幅值的平方；与
Figure BDA00022184998700000315
分别为t时段流经线路ij的有功、无功功率；
Figure BDA00022184998700000316
表示线路ij的阻抗；
Figure BDA00022184998700000317
为支路l电流上限的平方；和
Figure BDA00022184998700000319
分别为在t时段节点i处电源发出的有功功率和无功功率；
Figure BDA00022184998700000320
表示在t-1时段节点i发出的有功功率；
Figure BDA00022184998700000321
和
Figure BDA00022184998700000322
分别为在t时段节点j处电源发出的有功功率和无功功率；
Figure BDA00022184998700000323
分别为有功出力上、下限；
Figure BDA00022184998700000324
分别为无功出力的上、下限；分别为在t时段节点j处的有功、无功负荷功率；为节点i处电源的爬坡约束。
进一步地，所述步骤2)中：
建立交通网多时段运行模型：
Figure BDA00022184998700000327
Figure BDA00022184998700000328
Figure BDA00022184998700000329
Figure BDA00022184998700000331
Figure BDA0002218499870000041
Figure BDA0002218499870000042
式中：表示路段a的自由走行时间；ca表示路段a的通行容量；xa,t表示t时段内路段a上的车辆数；ta,t表示路段a的实际走行时间；
Figure BDA0002218499870000045
表示车辆经过路径k、走行时间t需支付的拥挤费用；w表示用户行驶时间的惩罚系数；ta,t表示车辆在路段a上在t时段的通行时间；
Figure BDA0002218499870000046
表示路段a上在t时段的交通拥挤费用；
Figure BDA0002218499870000047
指示路段a是否属于路径k，若属于则取1，否则取0；
Figure BDA0002218499870000048
表示选择路径k的车辆的总走行时间；rt rs表示剩余交通流(residual flow)；τ表示协同调度的时间间隔；
Figure BDA0002218499870000049
表示选择路径k的车流量；Krs表示连接起点r与终点s的所有路径所构成的集合；qrs,t表示各时段的交通需求；表示改进的交通出行量；
Figure BDA00022184998700000411
表示时段t内用户在各起点与终点之间的最小支出；T(A)表示交通网中所有路段构成的集合。
式(16)中的垂直符号为本领域常用的数学符号，表示非线性互补松弛条件。
进一步地，所述步骤2)中：
建立两网耦合模型：
Figure BDA00022184998700000412
式中，η表示单台电动汽车的充电功率；
Figure BDA00022184998700000413
为在t时段节点i处的负荷功率。
进一步地，所述步骤3)中，相关网络参数和运行参数包括：
a.电网中输电线路的电阻和电抗；
b.分布式电源的发电参数；
c.电网日负荷预测数据；
d.日交通需求预测数据；
e.交通网中各路段的自由走行时间和路段容量；
f.两网协同调度的时间间隔；
g.交通网各路段与路径的耦合参数；
h.用户行驶时间的惩罚系数；
i.电网节点电压上下限的平方，分布式电源出力上下限，爬坡约束，线路载流量上限的平方。
有益效果：与现有技术相比，本发明提供了一种计及交通流时域耦合的电力-交通网多时段协同优化调度方法。相对于现有技术而言，考虑了交通需求和电力需求的日波动特性，并充分计及交通流在相邻时间断面上的耦合。算例测试结果表明，本发明所提方法较现有方法更贴合实际运行场景，能够确保电力-交通网的多时段安全经济运行。
附图说明
图1为本发明所述计及交通流时域耦合的电力-交通网多时段协同优化调度方法的流程图；
图2为电力-交通耦合系统；
图3为日内交通需求和电网负荷曲线；
图4为两种调度方案所得的交通需求对比；
图5为两种调度方案所得的路段交通流量对比。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实施例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等同形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供以下技术方案：一种计及交通流时域耦合的电力-交通网多时段协同优化调度方法，如图1所示，在计算机中按以下步骤实现：
1)设定电力-交通网协同优化调度的目标函数，协同调度的目标是最小化电网中分布式电源的发电量、配电系统运营商向上级电网的购电量、交通网中用户的行驶时间和用户需要支付的路段拥挤费用，实现社会效益最大化；
2)建立电网、交通网各自的运行模型以及两网耦合模型；
3)输入电网、交通网的网络参数和运行参数；
4)求解协同调度结果，包括分布式电源出力、购电量、各路段拥挤费用以及交通流分布情况；
5)输出优化调度方案和目标函数值，结束。
作为优化，所述步骤1)中，目标函数为：
Figure BDA0002218499870000061
式中：ai与bi为位于节点i处分布式电源的发电参数；表示节点i处分布式电源在t时段的有功出力值；w表示用户出行时间的惩罚系数；ta,t表示车辆在路段a上的通行时间；
Figure BDA0002218499870000063
表示路段a上的交通拥挤费用；xa,t表示路段a上在t时段的交通流量。
所述步骤2)中：
a.建立电网运行模型：
Figure BDA0002218499870000064
Figure BDA0002218499870000067
Figure BDA0002218499870000068
Figure BDA0002218499870000069
Figure BDA00022184998700000610
式中：与
Figure BDA00022184998700000612
分别为线路有功与无功功率；rij与xij分别为线路电阻与电抗；Ui,t为节点i电压幅值的平方；和
Figure BDA00022184998700000614
分别为节点电压幅值上下限的平方；
Figure BDA00022184998700000615
为支路电流幅值的平方；
Figure BDA0002218499870000071
为支路电流上限的平方；
Figure BDA0002218499870000072
和
Figure BDA0002218499870000073
分别为节点i处电源发出的有功功率和无功功率；
Figure BDA0002218499870000074
和
Figure BDA0002218499870000075
分别为有功出力和无功出力的上下限；
Figure BDA0002218499870000076
为节点i处的负荷功率；为节点i处电源的爬坡约束。式(2)-(3)表示节点功率平衡方程；式(4)表示支路压降方程；式(5)表示基于二阶锥松弛的功率方程；式(6)-(8)表示各变量的上下限约束。
b.建立交通网多时段运行模型：
Figure BDA0002218499870000078
Figure BDA0002218499870000079
Figure BDA00022184998700000711
Figure BDA00022184998700000712
Figure BDA00022184998700000713
Figure BDA00022184998700000714
Figure BDA00022184998700000715
式中：
Figure BDA00022184998700000716
表示路段a的自由走行时间；ca表示路段a的通行容量；ta,t表示路段a的实际走行时间；
Figure BDA00022184998700000717
表示车辆经过路径k所需的走行时间以及需支付的拥挤费用；
Figure BDA00022184998700000718
指示路段a是否属于路径k，若属于则取1，否则取0；表示选择路径k的车辆的总走行时间；rt rs表示剩余交通流(residual flow)；τ表示协同调度的时间间隔；
Figure BDA00022184998700000720
表示选择路径k的车流量；qrs,t表示各时段的交通需求；
Figure BDA00022184998700000721
表示改进的交通需求；
Figure BDA00022184998700000722
表示时段t内用户在各起点与终点之间的最小支出。式(9)表示BPR方程，刻画了路段走行时间与路段通行量的关系；式(10)和(11)分别表示路径走行成本和走行时间；式(12)定义了剩余交通流，假设各起始点的交通需求均匀出发，即每分钟出发车辆数目为
Figure BDA0002218499870000081
式(13)定义了改进的交通需求；式(14)和(15)分别表示路段与路径的交通流关系和总交通流守恒；式(16)表示用户均衡(user equilibrium,UE)的非线性互补条件。
c.建立两网耦合模型：
Figure BDA0002218499870000082
式中，η表示单台电动汽车的充电功率。
所述步骤3)中，相关网络参数和运行参数包括：
a.电网中输电线路的电阻rij和电抗xij；
b.分布式电源的发电参数ai和bi；
c.电网日负荷预测数据
Figure BDA0002218499870000083
d.日交通需求预测数据qrs,t；
e.交通网中各路段的自由走行时间
Figure BDA0002218499870000084
和路段容量ca；
f.两网协同调度的时间间隔τ；
g.交通网各路段与路径的耦合参数
h.用户行驶时间的惩罚系数w；
i.电网节点电压上下限的平方
Figure BDA0002218499870000086
分布式电源出力上下限
Figure BDA0002218499870000087
和
Figure BDA0002218499870000088
爬坡约束线路载流量上限的平方
Figure BDA00022184998700000810
下面通过一个算例来说明本发明所述协同调度方法的优越性。本发明测试的算例是由3节点电气化交通网与5节点配电网耦合构成的，交通网中的5个路段均敷设动态无线充电装置并由相应电网节点供电，两网拓扑结构如图2所示。两网耦合形式及交通网参数见表1。日交通需求曲线和日负荷曲线如图3所示。分别采用静态调度法和本发明所提出的动态调度法进行电力-交通网多时段协同调度，通过比较二者的结果来展示本发明所提方法的优越性。其中，由于静态调度法可能会导致电网电压越限而使得调度方案不可行，考虑通过在目标函数中加入惩罚项来松弛节点电压约束，确保静态调度能够得到可行解，改进的目标函数如下：
其中，惩罚系数θ＝$50,000/p.u.。
表1交通网络参数及其与配电网的耦合形式
Figure BDA0002218499870000092
表2不同调度方法的运行结果对比
Figure BDA0002218499870000093
表3不同调度方法的电网电压对比(p.u.)
Figure BDA0002218499870000094
调度结果见表2和表3。静态调度方法会造成电网的5号节点在11:00-12:00和19:00-20:00发生电压越限，无法确保电网的安全运行；而本发明所提出的调度方法能够确保电网各节点的电压均维持在预先设定的安全范围内。图4和图5分别展示了两种调度方法下交通网中各时段的交通需求和各路段的交通流量。由此可见，静态调度方法忽略了交通流的时域耦合特性，得到了不合理的调度方案。而本发明所提的调度方法充分考虑了某时段交通拥挤对其前后时段车辆走行时间的影响，能够更合理地分配交通流，实现电网-交通网的多时段安全、经济、高效运行。
以上仅表达了本发明创造的实施方式，其描述较为具体和详细，但并不能因此而理解为对发明创造专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出若干变形和改进，这些都属于本发明创造的保护范围。因此，本发明创造专利的保护范围应以所附权利要求为准。

Claims (6)

1.一种计及交通流时域耦合的电力-交通网多时段协同优化调度方法，其特征在于：包括以下步骤：
1)设定电力-交通网协同调度的目标函数，协同调度的目标是最小化电网中分布式电源的发电量、配电系统运营商向上级电网的购电量、交通网中用户的行驶时间和用户需要支付的路段拥挤费用；
2)建立电网、交通网各自的运行模型以及两网耦合模型；
3)输入电网、交通网的网络参数和运行参数；
4)求解目标函数中的协同调度结果，包括分布式电源出力、购电量、各路段拥挤费用以及交通流分布情况；
5)输出优化调度方案和目标函数值。
2.根据权利要求1所述的计及交通流时域耦合的电力-交通网多时段协同优化调度方法，其特征在于：
所述步骤1)中，目标函数为：
Figure FDA0002218499860000011
式中：T(T)表示所有时间段构成的集合；E(N)表示电网中所有节点构成的集合；T(A)表示交通网中所有路段构成的集合；ai与bi为位于节点i处分布式电源的两个发电参数；
Figure FDA0002218499860000012
表示节点i处分布式电源在t时段的有功出力值；w表示用户行驶时间的惩罚系数；表示车辆在路段a上在t时段的通行时间；
Figure FDA0002218499860000014
表示路段a上在t时段的交通拥挤费用；xa,t表示路段a上在t时段的交通流量。
3.根据权利要求1所述的计及交通流时域耦合的电力-交通网多时段协同优化调度方法，其特征在于，所述步骤2)中：
建立电网运行模型：
Figure FDA0002218499860000015
Figure FDA0002218499860000016
Figure FDA0002218499860000021
Figure FDA0002218499860000022
Figure FDA0002218499860000023
Figure FDA0002218499860000024
Figure FDA0002218499860000025
式中：π(j)表示与节点j相连的所有子节点k所构成的集合；
Figure FDA0002218499860000026
与
Figure FDA0002218499860000027
分别为线路ij有功与无功功率；
Figure FDA0002218499860000028
与
Figure FDA0002218499860000029
分别为线路jk有功与无功功率；
Figure FDA00022184998600000210
与分别为线路ij电阻与电抗；
Figure FDA00022184998600000212
表示线路ij的阻抗；Ui,t为t时段节点i电压幅值的平方；Uj,t为在t时段节点j电压幅值的平方；
Figure FDA00022184998600000213
和
Figure FDA00022184998600000214
分别为在t时段节点i电压幅值上、下限的平方；
Figure FDA00022184998600000215
为在t时段支路l电流幅值的平方；
Figure FDA00022184998600000216
与
Figure FDA00022184998600000217
分别为t时段流经线路ij的有功、无功功率；
Figure FDA00022184998600000218
表示线路ij的阻抗；
Figure FDA00022184998600000219
为支路l电流上限的平方；
Figure FDA00022184998600000220
和
Figure FDA00022184998600000221
分别为在t时段节点i处电源发出的有功功率和无功功率；表示在t-1时段节点i发出的有功功率；
Figure FDA00022184998600000223
和分别为在t时段节点j处电源发出的有功功率和无功功率；
Figure FDA00022184998600000225
分别为有功出力上、下限；
Figure FDA00022184998600000226
分别为无功出力的上、下限；
Figure FDA00022184998600000227
分别为在t时段节点j处的有功、无功负荷功率；
Figure FDA00022184998600000228
为节点i处电源的爬坡约束。
4.根据权利要求3所述的计及交通流时域耦合的电力-交通网多时段协同优化调度方法，其特征在于，所述步骤2)中：
建立交通网多时段运行模型：
Figure FDA00022184998600000229
Figure FDA00022184998600000230
Figure FDA0002218499860000031
Figure FDA0002218499860000032
Figure FDA0002218499860000034
Figure FDA0002218499860000035
Figure FDA0002218499860000036
式中：表示路段a的自由走行时间；ca表示路段a的通行容量；xa,t表示t时段内路段a上的车辆数；ta,t表示路段a的实际走行时间；
Figure FDA0002218499860000038
表示车辆经过路径k、走行时间t需支付的拥挤费用；w表示用户行驶时间的惩罚系数；ta,t表示车辆在路段a上在t时段的通行时间；
Figure FDA0002218499860000039
表示路段a上在t时段的交通拥挤费用；
Figure FDA00022184998600000310
指示路段a是否属于路径k，若属于则取1，否则取0；
Figure FDA00022184998600000311
表示选择路径k的车辆的总走行时间；
Figure FDA00022184998600000312
表示剩余交通流(residual flow)；τ表示协同调度的时间间隔；
Figure FDA00022184998600000313
表示选择路径k的车流量；Krs表示连接起点r与终点s的所有路径所构成的集合；qrs,t表示各时段的交通需求；
Figure FDA00022184998600000314
表示改进的交通出行量；
Figure FDA00022184998600000315
表示时段t内用户在各起点与终点之间的最小支出；T(A)表示交通网中所有路段构成的集合。
5.根据权利要求4所述的计及交通流时域耦合的电力-交通网多时段协同优化调度方法，其特征在于，所述步骤2)中：
建立两网耦合模型：
Figure FDA00022184998600000316
式中，η表示单台电动汽车的充电功率；为在t时段节点i处的负荷功率。
6.根据权利要求1所述的计及交通流时域耦合的电力-交通网多时段协同优化调度方法，所述步骤3)中，相关网络参数和运行参数包括：
a.电网中输电线路的电阻和电抗；
b.分布式电源的发电参数；
c.电网日负荷预测数据；
d.日交通需求预测数据；
e.交通网中各路段的自由走行时间和路段容量；
f.两网协同调度的时间间隔；
g.交通网各路段与路径的耦合参数；
h.用户行驶时间的惩罚系数；
i.电网节点电压上、下限的平方，分布式电源出力上、下限，爬坡约束，线路载流量上限的平方。
CN201910924451.7A 2019-09-27 2019-09-27 计及交通流时域耦合的电力-交通网多时段协同调度方法 Pending CN110705779A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910924451.7A CN110705779A (zh) 2019-09-27 2019-09-27 计及交通流时域耦合的电力-交通网多时段协同调度方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910924451.7A CN110705779A (zh) 2019-09-27 2019-09-27 计及交通流时域耦合的电力-交通网多时段协同调度方法

Publications (1)

Publication Number Publication Date
CN110705779A true CN110705779A (zh) 2020-01-17

Family

ID=69196851

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910924451.7A Pending CN110705779A (zh) 2019-09-27 2019-09-27 计及交通流时域耦合的电力-交通网多时段协同调度方法

Country Status (1)

Country Link
CN (1) CN110705779A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111768119A (zh) * 2020-07-07 2020-10-13 广东电网有限责任公司电力调度控制中心 一种基于虚拟电厂的车网融合调度方法及装置
CN111768036A (zh) * 2020-06-29 2020-10-13 国网上海市电力公司 一种综合能源配电系统与上级电网交互运行的功率优化方法
CN111815068A (zh) * 2020-07-22 2020-10-23 谢仕炜 二阶段约束边界紧缩算法求解城市综合能源网络优化方法
CN112838584A (zh) * 2021-01-06 2021-05-25 清华大学 一种电力-交通网络流量引导方法
CN115409294A (zh) * 2022-11-01 2022-11-29 江西江投电力技术与试验研究有限公司 一种配电网调度与充电协同的鲁棒优化方法
CN116861627A (zh) * 2023-05-29 2023-10-10 河海大学 一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140073369A1 (en) * 2012-09-13 2014-03-13 Futurewei Technologies, Inc. Systems and Methods for Downlink Power Control and Scheduling in a Wireless Network
CN106849065A (zh) * 2017-03-06 2017-06-13 四川大学 一种计及充电站的配电网多目标协同规划方法
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
CN109523051A (zh) * 2018-09-18 2019-03-26 国网浙江省电力有限公司经济技术研究院 一种电动汽车充电实时优化调度方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20140073369A1 (en) * 2012-09-13 2014-03-13 Futurewei Technologies, Inc. Systems and Methods for Downlink Power Control and Scheduling in a Wireless Network
CN106849065A (zh) * 2017-03-06 2017-06-13 四川大学 一种计及充电站的配电网多目标协同规划方法
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
CN109523051A (zh) * 2018-09-18 2019-03-26 国网浙江省电力有限公司经济技术研究院 一种电动汽车充电实时优化调度方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SI LV等: "Optimal Power and Semi-Dynamic Traffic Flow in Urban Electrified Transportation Networks", 《IEEE》 *

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111768036A (zh) * 2020-06-29 2020-10-13 国网上海市电力公司 一种综合能源配电系统与上级电网交互运行的功率优化方法
CN111768036B (zh) * 2020-06-29 2023-11-03 国网上海市电力公司 一种综合能源配电系统与上级电网交互运行的功率优化方法
CN111768119A (zh) * 2020-07-07 2020-10-13 广东电网有限责任公司电力调度控制中心 一种基于虚拟电厂的车网融合调度方法及装置
CN111768119B (zh) * 2020-07-07 2024-03-19 广东电网有限责任公司电力调度控制中心 一种基于虚拟电厂的车网融合调度方法及装置
CN111815068A (zh) * 2020-07-22 2020-10-23 谢仕炜 二阶段约束边界紧缩算法求解城市综合能源网络优化方法
CN111815068B (zh) * 2020-07-22 2023-01-06 福州大学 二阶段约束边界紧缩算法求解城市综合能源网络优化方法
CN112838584A (zh) * 2021-01-06 2021-05-25 清华大学 一种电力-交通网络流量引导方法
CN112838584B (zh) * 2021-01-06 2022-07-12 清华大学 一种电力-交通网络流量引导方法
CN115409294A (zh) * 2022-11-01 2022-11-29 江西江投电力技术与试验研究有限公司 一种配电网调度与充电协同的鲁棒优化方法
CN116861627A (zh) * 2023-05-29 2023-10-10 河海大学 一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法
CN116861627B (zh) * 2023-05-29 2024-05-14 河海大学 一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法

Similar Documents

Publication Publication Date Title
CN110705779A (zh) 计及交通流时域耦合的电力-交通网多时段协同调度方法
Geng et al. Smart charging management system for electric vehicles in coupled transportation and power distribution systems
US11878602B2 (en) Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station
CN104253470B (zh) 电动汽车与电网互动协调的有序充电控制方法
Yang et al. Application of plug-in electric vehicles to frequency regulation based on distributed signal acquisition via limited communication
Sun et al. ALADIN-based coordinated operation of power distribution and traffic networks with electric vehicles
Panwar et al. Operation window constrained strategic energy management of microgrid with electric vehicle and distributed resources
Zhang et al. Yen’s algorithm-based charging facility planning considering congestion in coupled transportation and power systems
Luo et al. Joint deployment of charging stations and photovoltaic power plants for electric vehicles
CN113469750A (zh) 一种考虑极端天气的充电站与配电网协调规划方法及系统
CN114722714A (zh) 一种考虑交通均衡的电力-交通耦合网络扩展规划方法
Qiao et al. Low-voltage distribution network reconfiguration considering high penetration of electric vehicles# x2014; A UK case study
Rabie et al. Electric vehicles based electric power grid support: a review
Haddad et al. Data-driven design and assessment of dynamic wireless charging systems
CN116384678B (zh) 一种基于交通网和配电网的电动汽车实时充电引导方法
Wang et al. Forecast of urban EV charging load and smart control concerning uncertainties
CN116961057A (zh) 一种考虑电动汽车的多时段配电网故障恢复方法
Zhang et al. Joint optimal power flow routing and decentralized scheduling with vehicle-to-grid regulation service
Übermasser et al. A multi-agent based approach for simulating G2V and V2G charging strategies for large electric vehicle fleets
Zeng et al. Joint mobility and vehicle-to-grid coordination in rebalancing shared mobility-on-demand systems
Liu et al. Collaborative planning strategy for integrated power distribution systems and centralized EV charging stations
Ross et al. Spatial-temporal EV charging demand model considering generic second-order traffic flows
Song Optimal Operation of Coupled Power and Transportation System Based on Double-Objective Optimization
Hu et al. Impact of time-shiftable traffic demands on coupled transportation and power distribution systems
Watanabe et al. Dynamic energy/mobility allocation with EV consumer behavior coupling transmission power and traffic systems

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: 20200117

RJ01 Rejection of invention patent application after publication