CN111079971A - 一种考虑车、站、网三方的充电站定价方法 - Google Patents
一种考虑车、站、网三方的充电站定价方法 Download PDFInfo
- Publication number
- CN111079971A CN111079971A CN201911029156.1A CN201911029156A CN111079971A CN 111079971 A CN111079971 A CN 111079971A CN 201911029156 A CN201911029156 A CN 201911029156A CN 111079971 A CN111079971 A CN 111079971A
- Authority
- CN
- China
- Prior art keywords
- charging
- station
- charging station
- model
- formula
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005457 optimization Methods 0.000 claims abstract description 52
- 239000002356 single layer Substances 0.000 claims abstract description 22
- 238000013139 quantization Methods 0.000 claims abstract description 3
- 230000005611 electricity Effects 0.000 claims description 25
- 230000009977 dual effect Effects 0.000 claims description 16
- 150000001875 compounds Chemical class 0.000 claims description 10
- 230000005540 biological transmission Effects 0.000 claims description 9
- 230000002040 relaxant effect Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000003993 interaction Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000007599 discharging Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- XZXHXSATPCNXJR-ZIADKAODSA-N nintedanib Chemical compound O=C1NC2=CC(C(=O)OC)=CC=C2\C1=C(C=1C=CC=CC=1)\NC(C=C1)=CC=C1N(C)C(=O)CN1CCN(C)CC1 XZXHXSATPCNXJR-ZIADKAODSA-N 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Finance (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明涉及电力系统技术，具体涉及一种考虑车、站、网三方的充电站定价方法，包括以负荷波动最小为目标建立配电网最优潮流模型；以充电站收益最大为目标建立充电站有序充电调度模型；以充电成本最小为目标建立电动汽车用户决策模型；通过主从博弈模型将车、站、网三方博弈模型转化为单层优化模型；通过二阶锥松弛和多面体逼近策略将单层优化模型转化为凸优化模型；通过标量化方法多次求解凸优化模型以得到车、站、网三方博弈均衡解，从而制定充电价格。该方法提供了一种公平的定价方法，可能提升充电电能交易市场的公平性，促进电动汽车用户、充电站运营商和配电网运营商的有序互动，实现车、站、网三方共赢。
Description
技术领域
本发明属于电力系统技术领域，尤其涉及一种考虑车、站、网三方的充电站定价方法。
背景技术
电动汽车由于对环境影响相对传统汽车较小，其前景被广泛看好。技术相对简单成熟，只要有电力供应的地方都能够充电。电动汽车的使用成本，有些使用价格比汽车贵，有些价格仅为汽车的1/3，这主要取决于电池的寿命及当地的油、电价格。
在电力市场环境下电动汽车、充电站、电网分属于不同的利益主体，电动汽车需要满足用户出行需求，充电站/桩作为充电服务商的运行主体将追求自身利益的最大化，而电网需要保证安全经济高效运行。根据用户的不同响应结果带来的可调度潜力的改变制定合理的充放电电价和激励措施是调度电动汽车参与电网辅助服务的关键所在。因此，研究电动汽车充放电市场机制和充放电电价措施，能够为提升电动汽车参与电网互动的意愿提供激励方法。
目前对电动汽车充放电电价的研究主要集中在以电网为主导的“车-网”互动模式下的有序充电行为，未考虑市场平等主体交易模式下“车-站-网”多层次互动。在实际引导电动汽车用户的过程中，直接影响电动汽车用户充电意愿的是充电站的服务电价，因此充电站必须考虑电网的边际电价以及用户的响应程度，制定合理的充电站服务费用。因此，在充电站定价的过程中应当考虑“车-站-网”三方的博弈关系，以促使电动汽车用户参与“车-站-网”有序互动，有效提升电动汽车参与电网互动的意愿。
发明内容
本发明的目的是提供一种考虑“车-站-网”三方博弈的充电站定价方法。
为实现上述目的，本发明采用的技术方案是：一种考虑车、站、网三方的充电站定价方法，包括以下步骤：
步骤1、以负荷波动最小为目标建立配电网最优潮流模型；
步骤2、以充电站收益最大为目标建立充电站有序充电调度模型；
步骤3、以充电成本最小为目标建立电动汽车用户决策模型；
步骤4、通过主从博弈模型将车、站、网三方博弈模型转化为单层优化模型；
步骤5、通过二阶锥松弛和多面体逼近策略将单层优化模型转化为凸优化模型；
步骤6、通过标量化方法多次求解凸优化模型以得到车、站、网三方博弈均衡解，从而制定充电价格。
在上述的考虑车、站、网三方的充电站定价方法中，步骤1所述建立配电网最优潮流模型包括：
步骤1.1、建立目标函数：
配电网运营商的决策变量是充电站的功率曲线，目标是最小化峰谷差；
式中，fDSO是配电网的负荷波动；PG,t是配电网在t时间段内总的有功负荷；
是配电网一天之中的平均负荷，
是充电站i在t时间段内的充电负荷；
步骤1.2、约束条件包括：
配电网节点有功功率平衡约束；节点无功功率平衡约束；节点电压安全边界约束；线路功率传输能力约束；
式中，
是节点i在t时间段内的基础有功负荷；
是节点i在t时间段内的基础无功负荷；
是充电站i在t时间段内的充电负荷；Gij是线路ij的电导，其中线路ij是指节点i与节点j之间的输电线路；是节点i在t时间段内的电压；θij,t是线路ij在t时间段内的功角差；T是调度时间集合；Bij是线路ij的电纳；I是配电网中的节点集合；L是配电网的输电线路集合；
和
分别是电压的上下安全边界。
在上述的考虑车、站、网三方的充电站定价方法中，步骤2所述建立充电站有序充电调试模型包括：
步骤2.1、建立目标函数：
充电站的决策变量是充电分时电价，目标是最大化自身的收益；
式中，fCSs是充电站的收入；πc,t是充电站在t时间段内的充电电价；πb,t是充电站在t时间段内向配电网运营商购电的电价；Pb,t是充电站在t时间段内向配电网运营商购电的功率。
步骤2.2、约束条件包括：
包括能量平衡约束，对充电电站的规范约束；
式中，N是电动汽车用户集合；
是电动汽车n在t时间段内的充电功率；
和
是市场允许的充电电价上下限边界；
是一天之中的平均充电电价。
在上述的考虑车、站、网三方的充电站定价方法中，步骤3所述建立电动汽车用户决策模型包括：
步骤3.1、建立目标函数：
电动汽车用户的目标是最小化自身的充电成本；
式中，fEV,n是电动汽车n的充电成本；N是电动汽车用户集合；
是电动汽车n在t时间段内的充电功率；πc,t是充电站在t时间段内的充电电价；
步骤3.2、约束条件：
约束条件包括电量需求约束，充电功率边界约束和可用充电时间约束；
式中，
是电动汽车n的电量需求；
电动汽车的最大充电功率；Te(n)是电动汽车n的可充电时间集合；N是电动汽车用户集合；
是电动汽车n在t时间段内的充电功率；T是调度时间集合。
在上述的考虑车、站、网三方的充电站定价方法中，步骤4所述建立车、站、网三方博弈单层优化模型包括以下步骤：
步骤4.1、建立充电站和电动汽车用户的主从博弈模型；
电动汽车用户的充电决策为充电分时电价的函数；
电动汽车用户充电决策问题的拉格朗日函数：
式中，Ln是(5)和(6)对应电动汽车用户充电决策问题的拉格朗日函数；λn是充电需求约束的对偶变量；
和
是充电功率边界约束的对偶变量；
是可充电时间约束的对偶变量；
是电动汽车n的电量需求；
电动汽车的最大充电功率；N是电动汽车用户集合；
是电动汽车n在t时间段内的充电功率；T是调度时间集合；
步骤4.2根据线性对偶定理将原始的电动汽车用户充电决策问题转化为对偶问题：
其对应的最优性条件为：
通过大M法将式(10)转化为混合整数线性约束：
式中，M是一个给定的较大的数；
和Yt n是引入的布尔变量，其目的在于松弛式(10)；
步骤4.3、电动汽车用户充电决策问题转化为一组约束条件，充电站定价模型转化为一个单层优化模型，其目标函数为：
步骤4.4、单层优化模型为：
约束条件为：
式中各参数意义同前。
在上述的考虑车、站、网三方的充电站定价方法中，步骤5的实现包括以下步骤：
步骤5.1、利用二阶锥松驰法将单层优化模型转化为二阶锥规划问题：
步骤5.1.1、首先通过式(16)对原始模型进行等式替换：
式中，Rij,t,Sij,t,Wi,t是引入的辅助变量，用于原始模型中的变量进行替换；
步骤5.1.2、式(2)描述的原始问题被转化为式(17)：
步骤5.1.3、式(18)将求解空间松弛为笛卡尔锥空间，将原始问题转化为凸优化问题，通过多面体逼近方法求解，从而获得快速的获得最优解：
步骤5.2、利用多面体逼近策略将二阶锥规划问题转化为混合整数线性规划问题：
步骤5.2.1、首先将式(18)改写为式(19)的标准形式；
步骤5.2.2、将(19)松弛为(20)：
式中：ε是松弛限度，且ε∈(0,0.5]；
步骤5.2.3、通过式(21)和式(22)将旋转锥空间分解为两个标准锥空间：
步骤5.2.4、通过定义集合松弛限度，得式(23)，将锥空间近似为一组线性空间，得(24)-(26)：
式中，υ为多面体的数量；
式中，
为引入的中间变量；
式中，
为引入的中间变量；
式中，
为引入的中间变量；
最终将原始充电站定价模型转化为混合整数线性规划模型；
步骤5.3、将单层优化模型转化为凸优化模型：
步骤5.3.1、目标函数：
步骤5.3.2、约束条件：
步骤5.3.3、返回映射方法计算原始决策变量Vi,t和θij,t；
首先通过式(31)还原变量Vi,t：
高维变量与原始决策变量满足式(32)的等式关系，通过式(33)并求解关联矩阵，还原变量θij,t：
在上述的考虑车、站、网三方的充电站定价方法中，步骤6的具体实现包括：将配电网运营商的目标函数改写为式(34)的约束条件，利用标量化方法重复求解充电站定价凸优化模型，得到Pareto前沿；从Pareto前沿中选择一个保证双方利益的均衡解，得到充电站的充电价格；
标量化方法的步骤如下：
步骤6.1、忽略式(34)，求解充电站定价凸优化模型，并计算当前解下的配电网负荷波动数值
步骤6.2、给定一个标量Δ，另
添加式(34)求解充电站定价凸优化模型，记录当前解下的配电网负荷波动数值
和充电站的收入fCSs；
步骤6.3重复步骤6.2，直到
不再变化，输出不同解下的
和fCSs向量，构成Pareto前沿。
本发明的有益效果：本发明提供了一种公平的定价方法，可能提升充电电能交易市场的公平性，促进电动汽车用户、充电站运营商和配电网运营商的有序互动，实现车、站、网三方共赢。有效提升了电动汽车参与电网互动的意愿，对降低电动汽车使用成本起到促进作用。
附图说明
图1为本发明一个实施例考虑车、站、网三方博弈的充电站定价方法流程图；
图2为本发明一个实施例车、站、网博弈关系示意图；
图3为本发明一个实施例多面体逼近方法的流程示意图。
具体实施方式
下面结合附图对本发明的实施方式进行详细描述。
如图1所示，本发明提供了一种考虑车、站、网三方博弈的充电站定价模型，包括以下步骤：
S1、以负荷波动最小为目标建立配电网最优潮流模型。
目标函数：
配电网运营商的决策变量是充电站的功率曲线，目标是最小化峰谷差。
式中：fDSO是配电网的负荷波动；PG,t是配电网在t时间段内总的有功负荷；
是配电网一天之中的平均负荷。
约束条件：
包括配电网节点有功功率平衡约束；节点无功功率平衡约束；节点电压安全边界约束；线路功率传输能力约束。
式中：
是节点i在t时间段内的基础有功负荷；
是节点i在t时间段内的基础无功负荷；
是充电站i在t时间段内的充电负荷；Gij是线路ij的电导，其中线路ij是指节点i与节点j之间的输电线路；是节点i在t时间段内的电压；θij,t是线路ij在t时间段内的功角差；T是调度时间集合；Bij是线路ij的电纳；I是配电网中的节点集合；L是配电网的输电线路集合；
和
分别是电压的上下安全边界。
S2、以充电站收益最大为目标建立充电站有序充电调度模型。
目标函数：
充电站的决策变量是充电分时电价，充电站通过向电网购电并向电动汽车用户提供充电以赚取差价，目标是最大化自身的收益。
式中：fCSs是充电站的收入；πc,t是充电站在t时间段内的充电电价；πb,t是充电站在t时间段内向配电网运营商购电的电价；Pb,t是充电站在t时间段内向配电网运营商购电的功率。
约束条件：
充电站在制定电价时需要满足一定的约束，包括能量平衡约束，同时为了避免充电站垄断对电动汽车用户利益的影响，需要将充电电站规范在一定的范围内。
式中：N是电动汽车用户集合；
是电动汽车n在t时间段内的充电功率；
和
是市场允许的充电电价上下限边界；
是一天之中的平均充电电价。
S3、以充电成本最小为目标建立电动汽车用户决策模型。
目标函数：
电动汽车用户的决策变量是自身的充电决策，包括充电时间和充电功率，其目标是最小化自身的充电成本。
式中：fEV,n是电动汽车n的充电成本；
约束条件：
约束条件包括电量需求约束，充电功率边界约束和可用充电时间约束。
式中：
是电动汽车n的电量需求；
电动汽车的最大充电功率；Te(n)是电动汽车n的可充电时间集合。
S4、建立车、站、网三方博弈单层优化模型。
S41、建立充电站运营商和电动汽车用户的主从博弈模型。
如图2所示，电动汽车用户和充电站运营商之间是一种非合作博弈关系，可以通过Stackelberg领导者博弈模型来描述双方之间的非合作博弈。Stackelberg领导者博弈模型又可以称为领导者博弈模型，其主要内容是：电动汽车用户和充电站运营商之间的决策存在先后顺序的区别，充电站运营商具有优先权，其优先制定充电分时电价，而电动汽车用户将根据充电分时电价改变自身决策。因此，电动汽车用户的充电决策可以认为是充电分时电价的函数，如式(7)所示。
进一步可以写出电动汽车用户充电决策问题的拉格朗日函数，如(8)所示：
式中：Ln是(5)和(6)对应电动汽车用户充电决策问题的拉格朗日函数；λn是充电需求约束的对偶变量；
和
是充电功率边界约束的对偶变量；
是可充电时间约束的对偶变量。
根据线性对偶定理能够将原始的电动汽车用户充电决策问题转化为对偶问题，如(9)所示：
其对应的最优性条件如(10)所示：
式(10)中包含有互补约束，需要通过大M法转化为混合整数线性约束，如式(11)所示：
式中：M是一个给定的较大的数；
和Yt n是引入的布尔变量，没有实际的物理含义，其目的在于松弛式(10)。
此时电动汽车用户充电决策问题被转化为一组约束条件，充电站定价模型被转化为一个单层优化模型，其目标函数如(12)所示。
S42、利用强对偶定理将“车-站-网”三方博弈模型转化为单层优化模型。
目标函数：
约束条件：
S5、建立车、站、网三方博弈凸优化模型。
S51、利用二阶锥松弛将单层优化模型转化为二阶锥规划问题。
二阶锥松弛是一种通过等式变量将原始优化问题投影至高维空间求解，并通过返回映射计算得到原始变量的方法，首先通过式(16)对原始模型进行等式替换：
式中：Rij,t,Sij,t,Wi,t是引入的辅助变量，从而对原始模型中的变量进行替换，没有实际的物理意义。
式(2)描述的原始问题被转化为式(17)：
式(18)将求解空间松弛为笛卡尔锥空间，将原始问题转化为凸优化问题，能够进一步通过多面体逼近方法求解，从而获得快速的获得最优解。
S52、利用多面体逼近策略将二阶锥规划问题转化为混合整数线性规划问题。
如图3所示，多面体逼近方法是用一组线性约束将原始的锥空间用一系列多面体进行替代，从而利用单纯型法求解，首先将(18)改写为(19)的标准形式。
进一步将(19)松弛为(20)：
式中：ε是松弛限度，且ε∈(0,0.5]。
然后通过(21)和(22)将旋转锥空间分解为两个标准锥空间：
最后，通过定义集合松弛限度，如(23)所示，将锥空间近似为一组线性空间，如(24)-(26)所示：
式中：υ为多面体的数量。
式中：
为引入的中间变量，没有实际的物理意义。
式中：
为引入的中间变量，没有实际的物理意义。
式中：
为引入的中间变量，没有实际的物理意义。
最终将原始充电站定价模型转化为混合整数线性规划模型。
S53、将单层优化模型转化为凸优化模型。
目标函数：
约束条件：
返回映射方法：
充电站定价凸优化模型求解后，Wi,t,Sij,t,Rij,t的值就已经确定了，但是原始的决策变量Vi,t和θij,t则需要通过返回映射方法计算得到。首先通过(31)还原变量Vi,t：
进一步由于高维变量与原始决策变量满足(32)的等式关系，因此可以通过(33)并求解关联矩阵，还原变量θij,t：
S6、制定充电价格。
进一步考虑配电网运营商的利益，认为配电网运营商与充电站运营商是一种合作博弈关系，充电站运营商与配电网运营商签订合约，配电网运营商向充电站运营商开放灵活电力市场，以较低的电价向充电站供电，而充电站运营商在制定电能计划的时候需要考虑配电网运营商的利益，即最小化配电网的峰谷差。
博弈的关键是计算博弈均衡解，而合作博弈的关键在于得到Pareto前沿。通过将配电网运营商的目标函数改写为如(34)所示的约束条件，并利用标量化方法重复求解充电站定价凸优化模型，即可以得到Pareto前沿。最后从Pareto前沿中选择一个保证双方利益的均衡解，即可以得到充电站的充电价格。
根据凸优化理论，标量化方法是处理多目标优化问题的常用方法，其关键在于：在多目标优化问题中，将某一个目标改写为约束条件，通过改变该约束条件的边界并重复的求解模型，能够得到多目标优化问题的Pareto前沿。
因此，标量化方法的步骤如下所示：
1)忽略式(34)，求解充电站定价凸优化模型，并计算当前解下的配电网负荷波动数值
2)给定一个标量Δ，另
添加式(34)求解充电站定价凸优化模型，记录当前解下的配电网负荷波动数值
和充电站的收入fCSs。
3)重复步骤2，直到
不在变化，输出不同解下的
和fCSs向量，其构成了Pareto前沿。
应当理解的是，本说明书未详细阐述的部分均属于现有技术。
虽然以上结合附图描述了本发明的具体实施方式，但是本领域普通技术人员应当理解，这些仅是举例说明，可以对这些实施方式做出多种变形或修改，而不背离本发明的原理和实质。本发明的范围仅由所附权利要求书限定。
Claims (7)
1.一种考虑车、站、网三方的充电站定价方法，其特征是，包括以下步骤：
步骤1、以负荷波动最小为目标建立配电网最优潮流模型；
步骤2、以充电站收益最大为目标建立充电站有序充电调度模型；
步骤3、以充电成本最小为目标建立电动汽车用户决策模型；
步骤4、通过主从博弈模型将车、站、网三方博弈模型转化为单层优化模型；
步骤5、通过二阶锥松弛和多面体逼近策略将单层优化模型转化为凸优化模型；
步骤6、通过标量化方法多次求解凸优化模型以得到车、站、网三方博弈均衡解，从而制定充电价格。
2.如权利要求1所述的考虑车、站、网三方的充电站定价方法，其特征是，步骤1所述建立配电网最优潮流模型包括：
步骤1.1、建立目标函数：
配电网运营商的决策变量是充电站的功率曲线，目标是最小化峰谷差；
式中，fDSO是配电网的负荷波动；PG,t是配电网在t时间段内总的有功负荷；
是配电网一天之中的平均负荷，
是充电站i在t时间段内的充电负荷；
步骤1.2、约束条件包括：
配电网节点有功功率平衡约束；节点无功功率平衡约束；节点电压安全边界约束；线路功率传输能力约束；
式中，
是节点i在t时间段内的基础有功负荷；
是节点i在t时间段内的基础无功负荷；
是充电站i在t时间段内的充电负荷；Gij是线路ij的电导，其中线路ij是指节点i与节点j之间的输电线路；是节点i在t时间段内的电压；θij,t是线路ij在t时间段内的功角差；T是调度时间集合；Bij是线路ij的电纳；I是配电网中的节点集合；L是配电网的输电线路集合；
和
分别是电压的上下安全边界。
3.如权利要求1所述的考虑车、站、网三方的充电站定价方法，其特征是，步骤2所述建立充电站有序充电调试模型包括：
步骤2.1、建立目标函数：
充电站的决策变量是充电分时电价，目标是最大化自身的收益；
式中，fCSs是充电站的收入；πc,t是充电站在t时间段内的充电电价；πb,t是充电站在t时间段内向配电网运营商购电的电价；Pb,t是充电站在t时间段内向配电网运营商购电的功率；
步骤2.2、约束条件包括：
包括能量平衡约束，对充电电站的规范约束；
式中，N是电动汽车用户集合；
是电动汽车n在t时间段内的充电功率；
和
是市场允许的充电电价上下限边界；
是一天之中的平均充电电价。
4.如权利要求1所述的考虑车、站、网三方的充电站定价方法，其特征是，步骤3所述建立电动汽车用户决策模型包括：
步骤3.1、建立目标函数：
电动汽车用户的目标是最小化自身的充电成本；
式中，fEV,n是电动汽车n的充电成本；N是电动汽车用户集合；
是电动汽车n在t时间段内的充电功率；πc,t是充电站在t时间段内的充电电价；
步骤3.2、约束条件：
约束条件包括电量需求约束，充电功率边界约束和可用充电时间约束；
式中，
是电动汽车n的电量需求；
电动汽车的最大充电功率；Te(n)是电动汽车n的可充电时间集合；N是电动汽车用户集合；
是电动汽车n在t时间段内的充电功率；T是调度时间集合。
5.如权利要求1所述的考虑车、站、网三方的充电站定价方法，其特征是，步骤4所述建立车、站、网三方博弈单层优化模型包括以下步骤：
步骤4.1、建立充电站和电动汽车用户的主从博弈模型；
电动汽车用户的充电决策为充电分时电价的函数；
电动汽车用户充电决策问题的拉格朗日函数：
式中，Ln是(5)和(6)对应电动汽车用户充电决策问题的拉格朗日函数；λn是充电需求约束的对偶变量；
和
是充电功率边界约束的对偶变量；
是可充电时间约束的对偶变量；
是电动汽车n的电量需求；
电动汽车的最大充电功率；N是电动汽车用户集合；
是电动汽车n在t时间段内的充电功率；T是调度时间集合；
步骤4.2根据线性对偶定理将原始的电动汽车用户充电决策问题转化为对偶问题：
其对应的最优性条件为：
通过大M法将式(10)转化为混合整数线性约束：
式中，M是一个给定的较大的数；
和Yt n是引入的布尔变量，其目的在于松弛式(10)；
步骤4.3、电动汽车用户充电决策问题转化为一组约束条件，充电站定价模型转化为一个单层优化模型，其目标函数为：
步骤4.4、单层优化模型为：
约束条件为：
式中各参数意义同前。
6.如权利要求1所述的考虑车、站、网三方的充电站定价方法，其特征是，步骤5的实现包括以下步骤：
步骤5.1、利用二阶锥松驰法将单层优化模型转化为二阶锥规划问题：
步骤5.1.1、首先通过式(16)对原始模型进行等式替换：
式中，Rij,t,Sij,t,Wi,t是引入的辅助变量，用于原始模型中的变量进行替换；
步骤5.1.2、式(2)描述的原始问题被转化为式(17)：
步骤5.1.3、式(18)将求解空间松弛为笛卡尔锥空间，将原始问题转化为凸优化问题，通过多面体逼近方法求解，从而获得快速的获得最优解：
步骤5.2、利用多面体逼近策略将二阶锥规划问题转化为混合整数线性规划问题：
步骤5.2.1、首先将式(18)改写为式(19)的标准形式；
步骤5.2.2、将(19)松弛为(20)：
式中：ε是松弛限度，且ε∈(0,0.5]；
步骤5.2.3、通过式(21)和式(22)将旋转锥空间分解为两个标准锥空间：
步骤5.2.4、通过定义集合松弛限度，得式(23)，将锥空间近似为一组线性空间，得(24)-(26)：
式中，υ为多面体的数量；
式中，
为引入的中间变量；
式中，
为引入的中间变量；
式中，
为引入的中间变量；
最终将原始充电站定价模型转化为混合整数线性规划模型；
步骤5.3、将单层优化模型转化为凸优化模型：
步骤5.3.1、目标函数：
步骤5.3.2、约束条件：
步骤5.3.3、返回映射方法计算原始决策变量Vi,t和θij,t；
首先通过式(31)还原变量Vi,t：
高维变量与原始决策变量满足式(32)的等式关系，通过式(33)并求解关联矩阵，还原变量θij,t：
7.如权利要求1所述的考虑车、站、网三方的充电站定价方法，其特征是，步骤6的具体实现包括：将配电网运营商的目标函数改写为式(34)的约束条件，利用标量化方法重复求解充电站定价凸优化模型，得到Pareto前沿；从Pareto前沿中选择一个保证双方利益的均衡解，得到充电站的充电价格；
标量化方法的步骤如下：
步骤6.1、忽略式(34)，求解充电站定价凸优化模型，并计算当前解下的配电网负荷波动数值
步骤6.2、给定一个标量Δ，另
添加式(34)求解充电站定价凸优化模型，记录当前解下的配电网负荷波动数值
和充电站的收入fCSs；
步骤6.3重复步骤6.2，直到
不再变化，输出不同解下的
和fCSs向量，构成Pareto前沿。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911029156.1A CN111079971A (zh) | 2019-10-28 | 2019-10-28 | 一种考虑车、站、网三方的充电站定价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911029156.1A CN111079971A (zh) | 2019-10-28 | 2019-10-28 | 一种考虑车、站、网三方的充电站定价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111079971A true CN111079971A (zh) | 2020-04-28 |
Family
ID=70310565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911029156.1A Pending CN111079971A (zh) | 2019-10-28 | 2019-10-28 | 一种考虑车、站、网三方的充电站定价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111079971A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111619391A (zh) * | 2020-05-06 | 2020-09-04 | 三峡大学 | 基于合作博弈与动态分时电价的电动汽车有序充放电方法 |
| CN111660861A (zh) * | 2020-06-03 | 2020-09-15 | 国网重庆市电力公司营销服务中心 | 一种充电站内电动汽车的充电控制方法 |
| CN111756064A (zh) * | 2020-06-29 | 2020-10-09 | 山东理工大学 | 基于分时电价的含电动汽车电网优化调度方法和装置 |
| 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 |
| CN112257905A (zh) * | 2020-09-30 | 2021-01-22 | 广东电网有限责任公司广州供电局 | 一种考虑三方博弈的激励型需求响应方法 |
| CN112487560A (zh) * | 2020-12-11 | 2021-03-12 | 国网江苏省电力有限公司南通供电分公司 | 基于ev车主意愿的电力交通耦合系统协调博弈调度方法 |
| CN112966360A (zh) * | 2021-04-06 | 2021-06-15 | 国网辽宁省电力有限公司经济技术研究院 | 一种分布式电源与电动汽车充电站联合规划方法 |
| CN113428040A (zh) * | 2021-07-07 | 2021-09-24 | 山西大学 | 一种电动汽车充电的时空协调方法 |
| CN113650515A (zh) * | 2021-07-07 | 2021-11-16 | 广州杰赛科技股份有限公司 | 电动汽车充电控制方法、装置、终端设备及存储介质 |
| CN114493098A (zh) * | 2021-12-20 | 2022-05-13 | 北京理工大学 | 基于区块链智能合约的电动汽车有序充电引导方法和系统 |
| CN114862103A (zh) * | 2022-03-25 | 2022-08-05 | 东北电力大学 | 一种基于主从博弈的输配电网协同优化控制方法 |
| CN114862460A (zh) * | 2022-04-28 | 2022-08-05 | 国网江苏省电力有限公司电力科学研究院 | 一种基于主从博弈的电动汽车虚拟电厂运营商的定价方法 |
| CN116645124A (zh) * | 2023-05-30 | 2023-08-25 | 浙江大学 | 一种考虑用户有限理性和市场监管的充电站动态定价方法 |
-
2019
- 2019-10-28 CN CN201911029156.1A patent/CN111079971A/zh active Pending
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111619391B (zh) * | 2020-05-06 | 2023-02-03 | 三峡大学 | 基于合作博弈与动态分时电价的电动汽车有序充放电方法 |
| CN111619391A (zh) * | 2020-05-06 | 2020-09-04 | 三峡大学 | 基于合作博弈与动态分时电价的电动汽车有序充放电方法 |
| CN111660861A (zh) * | 2020-06-03 | 2020-09-15 | 国网重庆市电力公司营销服务中心 | 一种充电站内电动汽车的充电控制方法 |
| CN111756064A (zh) * | 2020-06-29 | 2020-10-09 | 山东理工大学 | 基于分时电价的含电动汽车电网优化调度方法和装置 |
| 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 |
| CN112257905A (zh) * | 2020-09-30 | 2021-01-22 | 广东电网有限责任公司广州供电局 | 一种考虑三方博弈的激励型需求响应方法 |
| CN112257905B (zh) * | 2020-09-30 | 2023-12-05 | 广东电网有限责任公司广州供电局 | 一种考虑三方博弈的激励型需求响应方法 |
| CN112487560A (zh) * | 2020-12-11 | 2021-03-12 | 国网江苏省电力有限公司南通供电分公司 | 基于ev车主意愿的电力交通耦合系统协调博弈调度方法 |
| CN112487560B (zh) * | 2020-12-11 | 2022-08-19 | 国网江苏省电力有限公司南通供电分公司 | 基于ev车主意愿的电力交通耦合系统协调博弈调度方法 |
| CN112966360A (zh) * | 2021-04-06 | 2021-06-15 | 国网辽宁省电力有限公司经济技术研究院 | 一种分布式电源与电动汽车充电站联合规划方法 |
| CN112966360B (zh) * | 2021-04-06 | 2024-04-12 | 国网辽宁省电力有限公司经济技术研究院 | 一种分布式电源与电动汽车充电站联合规划方法 |
| CN113650515A (zh) * | 2021-07-07 | 2021-11-16 | 广州杰赛科技股份有限公司 | 电动汽车充电控制方法、装置、终端设备及存储介质 |
| CN113428040A (zh) * | 2021-07-07 | 2021-09-24 | 山西大学 | 一种电动汽车充电的时空协调方法 |
| CN114493098A (zh) * | 2021-12-20 | 2022-05-13 | 北京理工大学 | 基于区块链智能合约的电动汽车有序充电引导方法和系统 |
| CN114862103A (zh) * | 2022-03-25 | 2022-08-05 | 东北电力大学 | 一种基于主从博弈的输配电网协同优化控制方法 |
| CN114862460A (zh) * | 2022-04-28 | 2022-08-05 | 国网江苏省电力有限公司电力科学研究院 | 一种基于主从博弈的电动汽车虚拟电厂运营商的定价方法 |
| CN114862460B (zh) * | 2022-04-28 | 2024-07-12 | 国网江苏省电力有限公司电力科学研究院 | 一种基于主从博弈的电动汽车虚拟电厂运营商的定价方法 |
| CN116645124A (zh) * | 2023-05-30 | 2023-08-25 | 浙江大学 | 一种考虑用户有限理性和市场监管的充电站动态定价方法 |
| CN116645124B (zh) * | 2023-05-30 | 2024-05-24 | 浙江大学 | 一种考虑用户有限理性和市场监管的充电站动态定价方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111079971A (zh) | 一种考虑车、站、网三方的充电站定价方法 | |
| Das et al. | Multi-objective techno-economic-environmental optimisation of electric vehicle for energy services | |
| Zhang et al. | Multi-objective load dispatch for microgrid with electric vehicles using modified gravitational search and particle swarm optimization algorithm | |
| Dinh et al. | A home energy management system with renewable energy and energy storage utilizing main grid and electricity selling | |
| Li et al. | Optimal scheduling of isolated microgrid with an electric vehicle battery swapping station in multi-stakeholder scenarios: A bi-level programming approach via real-time pricing | |
| Cao et al. | Hydrogen-based networked microgrids planning through two-stage stochastic programming with mixed-integer conic recourse | |
| Chen et al. | Research on day-ahead transactions between multi-microgrid based on cooperative game model | |
| Wang et al. | A multi-energy scheduling strategy for orderly charging and discharging of electric vehicles based on multi-objective particle swarm optimization | |
| Wang et al. | Transactive energy sharing in a microgrid via an enhanced distributed adaptive robust optimization approach | |
| Shang et al. | Internet of smart charging points with photovoltaic Integration: A high-efficiency scheme enabling optimal dispatching between electric vehicles and power grids | |
| CN111082451B (zh) | 基于场景法的增量配电网多目标优化调度模型 | |
| CN106960279B (zh) | 考虑用户参与度的电动汽车能效电厂特征参数评估方法 | |
| Tostado-Véliz et al. | A stochastic-interval model for optimal scheduling of PV-assisted multi-mode charging stations | |
| Beyazıt et al. | Cost optimization of a microgrid considering vehicle-to-grid technology and demand response | |
| Essiet et al. | Optimal open-circuit voltage (OCV) model for improved electric vehicle battery state-of-charge in V2G services | |
| Rajani et al. | A hybrid optimization based energy management between electric vehicle and electricity distribution system | |
| He et al. | A multi-block ADMM based approach for distribution market clearing with distribution locational marginal price | |
| Lin et al. | Optimal scheduling management of the parking lot and decentralized charging of electric vehicles based on Mean Field Game | |
| Kang et al. | Multi-objective sizing and real-time scheduling of battery energy storage in energy-sharing community based on reinforcement learning | |
| Qi et al. | Deep reinforcement learning based charging scheduling for household electric vehicles in active distribution network | |
| Cheng et al. | Optimized configuration of distributed power generation based on multi-stakeholder and energy storage synergy | |
| Wang et al. | Inventory management of battery swapping and charging stations considering uncertainty | |
| Yan et al. | Optimal scheduling strategy and benefit allocation of multiple virtual power plants based on general nash bargaining theory | |
| Zhai et al. | Scheduling optimization of shared energy storage and peer-to-peer power trading among industrial buildings | |
| Trinh et al. | Optimal pev charging and discharging algorithms to reduce operational cost of microgrid using adaptive rolling horizon framework |
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: 20200428 |
|
| RJ01 | Rejection of invention patent application after publication |