CN111798121A - 一种面向电动汽车能源管理调度的分布式协同优化方法 - Google Patents

Abstract

本发明提供一种面向电动汽车能源管理调度的分布式协同优化方法，本发明首先采用价格模型来刻画用户对电动汽车充放电的意愿，根据用户的用电经济性目标和电网负荷稳定性要求分别构造用电意愿系数和充放电成本系数，保证用户用电的公平性和电网公司的盈利要求。然后用多层分级的多目标优化模型来描述电动汽车充放电调度过程，保证负荷曲线的波动最小和用户用电的成本最优。最后设计动态时域的优化调度算法解决用户用电行为的不确定性，使得优化过程可随着用户的行为变化实时调整，实现电动汽车多时段在线优化调度，满足智能电网系统中一般的用电场景，实现电网供需侧双赢。

Description

一种面向电动汽车能源管理调度的分布式协同优化方法

技术领域

本发明涉及一种能源管理调度方法，具体涉及一种面向电动汽车能源管理调度的分布式协同优化方法。

技术背景

随着电池技术和分布式储能技术的发展，电动汽车可大大缓解不可再生能源的紧缺性，促进经济的可持续发展和维持生态平衡。并且大部分电动汽车以锂电池作为储能介质，可作为分布式能源来优化电网资源配置，提高电网供电质量、降低用户用电成本，确保电力供应的安全性、可靠性和经济性。但是传统针对电动汽车多时段优化调度的研究，没有将用户对用电策略的意愿指数纳入到系统中进行优化，并且用户的随机行为也会打破策略的经济最优性。本方法立足用户的意愿和随机行为，通过构造用户的用电意愿指数，将其纳入到系统指标中进行优化，基于动态时域优化调度算法解决用户用电行为的不确定性，这一创新想法打破了传统被动调整优化策略的局限性，有助于提高用户对用电优化策略的满意度，适应一般的用电场景,将电动汽车当做电网和用户联系的纽带，实现供需侧的双赢。

发明内容

本发明针对现有技术的不足，提供一种面向电动汽车能源管理调度的分布式协同优化方法，研究如何构造用户的用电意愿指数并构造多目标优化问题同时保证电力负荷的稳定性和用户用电的经济性，并设计动态时域的优化调度算法解决用户用电行为的不确定性，比如用户接入电网和退出电网时间的不确定、用户用电需求的不确定等。首先采用价格模型来刻画用户对电动汽车充放电的意愿，根据用户的用电经济性目标和电网负荷稳定性要求分别构造用电意愿系数和充放电成本系数，保证用户用电的公平性和电网公司的盈利要求。然后用多层分级的多目标优化模型来描述电动汽车充放电调度过程，保证负荷曲线的波动最小和用户用电的成本最优。最后设计动态时域的优化调度算法解决用户用电行为的不确定性，使得优化过程可随着用户的行为变化实时调整，实现电动汽车多时段在线优化调度，满足智能电网系统中一般的用电场景，实现电网供需侧双赢。

本发明为解决上述技术问题，提供了一种面向电动汽车能源管理调度的分布式协同优化方法，该方法的步骤如下:

步骤一：采用基于价格模型的方法对电动汽车用户的用电意愿和充放电成本数学建模，得到电动汽车用户用电的价格函数，保证电动汽车用户用电的公平性和电网公司的盈利要求；网络信息层通过传感器等将价格模型发送到各个电动汽车所在集中器，完成信息的交互；

所述的价格模型具体为：选取正的充电成本系数

和放电收益系数

用

和

分别表示i个电动汽车用户对充电的意愿系数和放电意愿系数，满足

定义h(x)是第i个电动汽车在k时刻的充电成本，满足h(x)＞0，以及g(x)是第i个电动汽车在k时刻的放电收益，满足g(x)＜0。用

表示电动汽车与电网之间交换的电能，若

则电网向电动汽车供电，电动汽车处于充电状态；若

则电动汽车向电网反馈电能，电动汽车处于放电状态。则电动汽车充电成本h(x)和放电收益g(x)的表达式为：

其中：s_i(0)是电动汽车i初始电池水平；为了保证电网给用户提供电能时，能够获得盈利而不会发生亏损，使得|h(x)|＞|g(x)|；为了用电公平，对于不同用户的充电系数设置相同，而由于不同用户对电池寿命的维护费用各不相同，因此不同用户的放电系数设置不同：即

其中a、b表示电网给定的充电成本系数和放电收益系数，随用户的数量和总体负荷曲线进行自适应调整。若用户的电动汽车的初始电能较少，则有较强的充电意愿，即

较大，从而电网会鼓励用户在用电低谷期对电动汽车进行充电，实现负荷曲线的填谷，并保证有较小的充电成本；若用户的电动汽车的初始电能较大，则有较强的放电意愿，即

较大，从而电网会鼓励用户在用电高峰期对电动汽车来进行放电，实现负荷曲线削峰，并保证有较大的放电收益；

步骤二：网络信息层通过控制分配给电动汽车的电能来优化整体的负荷曲线，使得负荷曲线的波动最小；基于网络信息层分配的最优的电能，用电设备层基于用户的用电规律，通过自主协调控制电动汽车的充放电功率来实现用户的充电成本最小和放电收益最大，同时满足用户的用电需求；基于时域对用电规律进行分段，构造具有优先级的多目标优化问题；根据目标函数的优先级将多目标优化问题解耦成带约束条件的单目标优化问题，再通过解多个单目标优化问题来求解原多目标优化问题的最优解，实现电网电力负荷曲线的波动最小和用户用电的成本最优，获得相应的调度策略；

其中构造具有优先级的多目标优化模型具体为：获得最优的放电和充电的临界点k⁺，满足在[1,k⁺]内电动汽车放电；在[k⁺+1,N]内电动汽车充电；令s^min表示在放电结束时电动汽车的电池状态水平；在用电区域有

共n个电动汽车，将

分成两个包含n₁个电动汽车和n₂个电动汽车子集

因此具有优先级的多目标优化模型描述为：

目标函数：

约束条件：

1)状态向量的不等式约束：

2)状态向量的等式约束：

3)目标函数的不等式约束：

s.t.F(x)＞G(x)＞H(x)(6)

其中

表示最大放电功率，

表示最大充电功率，ΔT是采样时间，

表示第i个电动汽车的电池容量，用

表示电池的充电效率，

表示放电效率：

优化模型式(3)-(6)中

s^min，k⁺是优化变量；q^k是用电子区域的非电动汽车固定负荷，F(x)是网络信息层优化问题的目标函数，使得整个网络的负荷曲线波动最小；G(x)和H(x)分别是在[1,k⁺]和[k⁺+1,N]内的放电收益和充电成本；

步骤三：用户交互层通过智能传感设备与其相邻的用户组成优化子区域，实现电动汽车充放电功率等信息的通信，通过采用动态时域的优化调度算法对调度策略进行在线优化，使得最终的优化策略适用于智能电网系统中一般的用电场景，解决用户用电的随机性，实现电网供需侧双赢；采用动态时域的优化调度算法对调度策略进行在线优化，具体为：

优化的目标函数：

约束条件：

1)状态向量的不等式约束：

2)状态向量的等式约束：

3)目标函数的不等式约束：

s.t.F(x)＞G(x)＞H(x)(11)

其中：t表示优化的起始时刻；k⁺(t)表示最优的充放电时间临界点；s_i(t)表示电动汽车i在时刻t的电池状态水平；K＝max(K₁,…,K_n)，K_i表示第i个电动汽车在k时刻的充放电优化时域，并且当第i个电动汽车没有达到时，令K_i＝0；根据K的定义可知，只有新到达的电动汽车具有更长的充电时域，K才会发生变化。

本发明还提供了一种面向电动汽车能源管理调度的智能调度系统，该系统总体而言分为三层，分别为网络信息层、用电设备层和用户交互层。

所述网络信息层将收集用电区域的用电负荷需求，设计合理的发电机出力给多个用电区域供电，实现总用电负荷曲线波动最小；

所述用电设备层接入集中控制器和相应的规模的电动汽车形成集群，并且集中器和电动汽车之间组成放射形结构；

所述用户交互层是不同区域的电动汽车用户组成的交互层，用户通过智能传感设备与其相邻的用户组成优化子区域，实现电动汽车充放电功率等信息的通信，根据多个用户的充放电需求和用电行为来优化其所在电动汽车集群的控制策略。

本发明的有益效果是：本发明首先采用基于价格模型的方法对用户的用电意愿和充放电成本数学建模，得到用户用电的价格函数；然后采用基于优先级的多目标优化模型来刻画智能电网中电动汽车多时段调度过程，实现电网电力负荷曲线的波动最小和用户用电的成本最优，并获得相应的调度策略；最后动态时域的优化调度算法对调度策略进行在线优化，使得最终的优化策略适用于智能电网系统中一般的用电场景。本发明根据用户的用电意愿和电网需求按照优先级顺序实现了电动汽车能源的协同优化调度，提高了用户对用电策略的满意度，并行地实现了电网中多个优化目标，弥补了单一目标优化算法的缺陷，通过动态时域优化调度算法对调度策略进一步调整，解决用户用电行为的不确定性，满足一般的用电场景，实现了电网供需侧双赢。

附图说明

图1是本发明实施例中面向电动汽车能源管理调度系统示意图；

图2是本发明实施例中求解具有优先级的多目标优化问题的算法框图；

图3是本发明实施例中采用动态时域优化算法对调度策略进行在线优化的算法框图；

图4表示电力负荷曲线；

图5表示电动汽车成本曲线。

具体实施方式

下面结合附图对本发明的具体实施方式做进一步说明。

本发明的实施例是一种面向电动汽车能源管理调度的分布式协同优化方法，本发明的核心在于采用价格模型对用户的用电意愿和充放电成本进行数学建模，构造具有优先级的多目标优化模型，采用分层自治的思想进行求解，最后采用动态时域优化算法对优化策略进行在线优化，解决用户用电行为的不确定性，使得调度算法满足更一般的用电场景，实现电网供需侧的双赢。该方法的具体实施过程如下：

步骤1.1：选取正的用户用电系数，保证电网给用户提供电能时，能够获得盈利而不会发生亏损；同时为了用电公平，对于不同用户的充电系数设置相同，而由于不同用户对电池寿命的维护费用各不相同，因此不同用户的放电系数设置不同；

步骤1.2：选取用户的用电意愿系数，参数范围在0到1之间，使得用户的充电成本函数和放电收益函数与用电意愿参数成反比；

步骤1.3：基于用户用电系数和用电意愿系数，基于功率价格模型构造用户充电成本函数和放电收益函数，网络信息层通过传感器等将价格模型发送到各个电动汽车所在集中器，完成信息的交互。

步骤2.1：网络信息层通过控制分配给电动汽车的电能来优化整体的负荷曲线，使得负荷曲线的波动最小；

步骤2.2：基于网络信息层分配的最优的电能，用电物理层基于用户的用电规律，通过自主协调控制电动汽车的充放电功率来实现用户的充电成本最小和放电收益最大，同时满足用户的用电需求；

步骤2.3：由于用电负荷的高峰经常发生白天，而用电负荷的低谷经常发生在晚上，采用在用电高峰期对电动汽车进行放电，在用电低谷期对电动汽车进行充电，基于时域对用电规律进行分段，构造具有优先级的多目标优化问题；

步骤2.4：根据目标函数的优先级将多目标优化问题解耦成带约束条件的单目标优化问题，再通过解多个单目标优化问题来求解原多目标优化问题的最优解；

步骤3：考虑实际用电场景，当电动汽车接入的充电时间和退出充电的时间是根据用户的实际需求设定，通过动态时域的优化调度算法对调度策略进行在线优化，同时为了减小计算量，只在有新的电动汽车到达并且该车充电时域长度相较其他电动汽车更长才会更新原有的优化策略，实现在线优化。

与其他已有专利不同的是，本发明只需要采集接入到电动汽车能源管理调度系统的用电价格信息和用电量信息，无需对电动汽车设备进行类别的区分，因此对数据采集设备的硬件要求和环境要求大幅度降低，降低了传感器通信硬件等成本。

具体来说，首先选取正的充电成本系数

和放电收益系数

用

和

分别表示i个电动汽车用户对充电的意愿系数和放电意愿系数，满足

定义h(x)是第i个电动汽车在k时刻的充电成本满足h(x)＞0，以及g(x)是第i个电动汽车在k时刻的放电收益，满足g(x)＜0，它们的表达式为：

其中：s_i(0)是电动汽车i初始电池水平。为了保证电网给用户提供电能时，能够获得盈利而不会发生亏损，使得|h(x)|＞|g(x)|；为了用电公平，对于不同用户的充电系数设置相同，而由于不同用户对电池寿命的维护费用各不相同，因此不同用户的放电系数设置不同：即

值得注意的是，对用户意愿描述的创新点在于：若用户的电动汽车的初始电能较少，则有较强的充电意愿，即

较大，从而电网会鼓励用户在用电低谷期对电动汽车进行充电，实现负荷曲线的填谷，并保证有较小的充电成本。若用户的电动汽车的初始电能较大，则有较强的放电意愿，即

较大，从而电网会鼓励用户在用电高峰期对电动汽车来进行放电，实现负荷曲线削峰，并保证有较大的放电收益(绝对值)。

构造具有优先级的多目标优化模型实现电网电力负荷曲线的波动最小和用户用电的成本最优：由于在用电高峰期对电动汽车进行放电，在用电低谷期对电动汽车进行充电，因此需要获得最优的放电和充电的临界点k⁺，满足在[1,k⁺]内电动汽车放电；在[k⁺+1,N]内电动汽车充电。令s^min表示在放电结束时电动汽车的电池状态水平。在用电区域有

共n个电动汽车，将

分成两个包含n₁个电动汽车和n₂个电动汽车子集

因此具有优先级的多目标优化模型描述为：

目标函数：

约束条件：

1)状态向量的不等式约束：

2)状态向量的等式约束：

3)目标函数的不等式约束：

s.t.F(x)＞G(x)＞H(x) (6)

其中ΔT是采样时间，

表示第i个电动汽车的电池容量，η_i(k)表示电池效率：

优化模型中

s^min，k⁺是优化变量。q^k是用电子区域的非电动汽车固定负荷，F(x)是网络信息层优化问题的目标函数，使得整个网络的负荷曲线波动最小；G(x)和H(x)分别是在[1,k⁺]和[k⁺+1,N]内的放电收益和充电成本。根据目标函数的优先级将该问题解耦成带约束条件的单目标优化问题，再通过解多个单目标优化问题来求解原多目标优化问题的最优解，算法框图如图2所示。

在以上优化模型中，所有电动汽车开始充电和退出充电的时间都相同，所有电动汽车的充电时域均为N，但是在实际的用电场景中这种条件具有很强的局限性。因此本专利考虑更实际电动汽车充电场景，即所有电动汽车接入的充电时间和退出充电的时间是根据用户的实际需求设定，通过动态时域优化调度算法解决用户用电行为的不确定性，重新构造优化问题模型和约束条件：

目标函数：

约束条件：

1)状态向量的不等式约束：

2)状态向量的等式约束：

3)目标函数的不等式约束：

s.t.F(x)＞G(x)＞H(x) (11)

其中：t表示优化的起始时刻；k⁺(t)表示最优的充放电时间临界点；s_i(t)表示电动汽车i在时刻t的电池状态水平；K＝max(K₁,…,K_n)，K_i表示第i个电动汽车在k时刻的充放电优化时域，并且当第i个电动汽车没有达到时，令K_i＝0。根据K的定义可知，只有新到达的电动汽车具有更长的充电时域，K才会发生变化。在动态时域优化调度算法中

在每个时刻k实时更新，但是实际中为了减小运算量，只在新的电动汽车达到并且充电时域长度相较其他电动汽车更长才会更新

为了测试面向电动汽车能源管理调度的分布式协同优化方法的准确性，本发明利用已有的软件平台针对实际的电动汽车能源管理调度系统进行算法验证。

不失一般性，假设有十台电动汽车参与调度优化，用户接入和退出的时间如表1所示。电动汽车的仿真参数如表2所示。仿真结果如图4和图5所示。图4表示电力负荷曲线，图5表示电动汽车成本曲线。

表1

表2

从图4可以看出，对于达到时间和离开时间不同的10台电动汽车，电动汽车充放电时域内能实现总体负荷曲线的“削峰填谷”。从图5中看出，对于电动汽车随机到达和离开的场景，协调的充放电控制可以使得用户的用电成本最小，验证了本发明算法的有效性，用户将会更愿意积极参与到电动汽车多时段协调充放电优化调度中。

本发明中的面向电动汽车能源管理调度系统如图1所示，采用三层架构，自顶向下依次是网络信息层、用电设备层和用户交互层。每个系统层都有相应的优化目标和连接方式，其中网络信息层的电力网收集各个用电区域的用电负荷需求，设计合理的发电机出力给多个用电区域供电，实现总用电负荷曲线波动最小；用电物理层包括多个不同的用电区域，如商业区、住宅区、工业区等，每个用电区域都接入了集中控制器和相应的电动汽车集群，集中器和电动汽车之间组成放射形结构。不同用电区域之间通过电力线相互连接，每个用电区域看做是用电物理层基本的用电单元，所有用电区域的用电总和构成了电网的总负荷。社会用户层是不同区域的电动汽车用户组成的交互层，每个用户通过智能传感设备(如智能手机、智能家居、边缘设备等)与其相邻的用户组成优化子区域，实现电动汽车充放电功率等信息的通信，根据多个用户的充放电需求和用电行为来优化其电动汽车充放电控制策略，实现用户充电成本最小化和放电收益最大化。具体实施例已在上面进行详细说明，这里不再赘述。

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。上述针对实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (1)

1.一种面向电动汽车能源管理调度的分布式协同优化方法，其特征在于，该方法具体包括以下步骤：

步骤一：采用基于价格模型的方法对电动汽车用户的用电意愿和充放电成本数学建模，得到电动汽车用户用电的价格函数，保证电动汽车用户用电的公平性和电网公司的盈利要求；网络信息层通过传感器将价格模型发送到各个电动汽车所在集中器，完成信息的交互；

所述的价格模型具体为：选取正的充电成本系数

和放电收益系数

用

和

分别表示i个电动汽车用户对充电的意愿系数和放电意愿系数，满足

定义h(x)是第i个电动汽车在k时刻的充电成本，满足h(x)＞0，以及g(x)是第i个电动汽车在k时刻的放电收益，满足g(x)＜0；用

表示电动汽车与电网之间交换的电能，若

则电网向电动汽车供电，电动汽车处于充电状态；若

则电动汽车向电网反馈电能，电动汽车处于放电状态；则电动汽车充电成本h(x)和放电收益g(x)的表达式为：

其中：s_i(0)是电动汽车i初始电池水平；为了保证电网给用户提供电能时，能够获得盈利而不会发生亏损，使得|h(x)|＞|g(x)|；为了用电公平，对于不同用户的充电系数设置相同，而由于不同用户对电池寿命的维护费用各不相同，因此不同用户的放电系数设置不同：即

其中a、b表示电网给定的充电成本系数和放电收益系数，随用户的数量和总体负荷曲线进行自适应调整；若用户的电动汽车的初始电能较少，则有较强的充电意愿，即

较大，从而电网会鼓励用户在用电低谷期对电动汽车进行充电，实现负荷曲线的填谷，并保证有较小的充电成本；若用户的电动汽车的初始电能较大，则有较强的放电意愿，即

较大，从而电网会鼓励用户在用电高峰期对电动汽车来进行放电，实现负荷曲线削峰，并保证有较大的放电收益；

步骤二：网络信息层通过控制分配给电动汽车的电能来优化整体的负荷曲线，使得负荷曲线的波动最小；基于网络信息层分配的最优的电能，用电设备层基于用户的用电规律，通过自主协调控制电动汽车的充放电功率来实现用户的充电成本最小和放电收益最大，同时满足用户的用电需求；基于时域对用电规律进行分段，构造具有优先级的多目标优化问题；根据目标函数的优先级将多目标优化问题解耦成带约束条件的单目标优化问题，再通过解多个单目标优化问题来求解原多目标优化问题的最优解，实现电网电力负荷曲线的波动最小和用户用电的成本最优，获得相应的调度策略；

其中构造具有优先级的多目标优化模型具体为：获得最优的放电和充电的临界点k⁺，满足在[1,k⁺]内电动汽车放电；在[k⁺+1,N]内电动汽车充电；令s^min表示在放电结束时电动汽车的电池状态水平；在用电区域有

共n个电动汽车，将

分成两个包含n₁个电动汽车和n₂个电动汽车子集

因此具有优先级的多目标优化模型描述为：

目标函数：

约束条件：

1)状态向量的不等式约束：

2)状态向量的等式约束：

3)目标函数的不等式约束：

s.t.F(x)＞G(x)＞H(x) (6)

其中

表示最大放电功率，

表示最大充电功率，ΔT是采样时间，

表示第i个电动汽车的电池容量，用

表示电池的充电效率，

表示放电效率：

优化模型式(3)-(6)中

s^min，k⁺是优化变量；q^k是用电子区域的非电动汽车固定负荷，F(x)是网络信息层优化问题的目标函数，使得整个网络的负荷曲线波动最小；G(x)和H(x)分别是在[1,k⁺]和[k⁺+1,N]内的放电收益和充电成本；

步骤三：用户交互层通过智能传感设备与其相邻的用户组成优化子区域，实现电动汽车充放电功率等信息的通信，通过采用动态时域的优化调度算法对调度策略进行在线优化，使得最终的优化策略适用于智能电网系统中一般的用电场景，解决用户用电的随机性，实现电网供需侧双赢；采用动态时域的优化调度算法对调度策略进行在线优化，具体为：

优化的目标函数：

约束条件：

1)状态向量的不等式约束：

2)状态向量的等式约束：

3)目标函数的不等式约束：

s.t.F(x)＞G(x)＞H(x) (11)

其中：t表示优化的起始时刻；k⁺(t)表示最优的充放电时间临界点；s_i(t)表示电动汽车i在时刻t的电池状态水平；K＝max(K₁,…,K_n)，K_i表示第i个电动汽车在k时刻的充放电优化时域，并且当第i个电动汽车没有达到时，令K_i＝0；根据K的定义可知，只有新到达的电动汽车具有更长的充电时域，K才会发生变化。

Images