CN111900725B - 一种电动汽车充电站与光伏发电站的协同互动方法和系统 - Google Patents
一种电动汽车充电站与光伏发电站的协同互动方法和系统 Download PDFInfo
- Publication number
- CN111900725B CN111900725B CN202010682354.4A CN202010682354A CN111900725B CN 111900725 B CN111900725 B CN 111900725B CN 202010682354 A CN202010682354 A CN 202010682354A CN 111900725 B CN111900725 B CN 111900725B
- Authority
- CN
- China
- Prior art keywords
- electric vehicle
- photovoltaic power
- power
- station
- load
- 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.)
- Active
Links
- 230000009133 cooperative interaction Effects 0.000 title claims abstract description 61
- 238000000034 method Methods 0.000 title claims abstract description 31
- 239000002245 particle Substances 0.000 claims abstract description 71
- 238000010248 power generation Methods 0.000 claims abstract description 65
- 238000009396 hybridization Methods 0.000 claims abstract description 37
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 238000005070 sampling Methods 0.000 claims description 12
- 230000006870 function Effects 0.000 claims description 10
- 230000006978 adaptation Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 abstract description 5
- 230000008901 benefit Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 238000005286 illumination Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009044 synergistic interaction Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
-
- 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
-
- 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
- H02J3/381—Dispersed generators
-
- 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
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/40—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation wherein a plurality of decentralised, dispersed or local energy generation technologies are operated simultaneously
-
- 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
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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
- Y02E70/00—Other energy conversion or management systems reducing GHG emissions
- Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明涉及一种电动汽车充电站与光伏发电站的协同互动方法和系统,方法包括:获取区域内各光伏发电站、用户用电端和接入电动汽车充电站的电动汽车的节点功率信息;根据获取的信息建立电动汽车‑光伏发电协同互动动态规划模型,所述的电动汽车‑光伏发电协同互动动态规划模型包括实现区域内能源系统负荷方差最小的目标函数和对应的约束条件;通过基于杂交的粒子群优化算法对电动汽车‑光伏发电协同互动动态规划模型进行求解;根据求得的最优解制定区域能源系统内的能源协同互动策略。与现有技术相比,本发明实现了光伏发电站和电动汽车充电站的能量协同互动,确保区域能源系统的运行稳定,同时兼顾环保效益。
Description
技术领域
本发明涉及区域能源协同控制领域,尤其是涉及一种电动汽车充电站与光伏发电站的协同互动方法和系统。
背景技术
保障能源使用安全及应对主要有大量使用化石能源带来的温室气体排放和污染问题已经成为世界主要国家能源发展战略的核心目标。当前,推动能源体系向清洁低碳方向转型,如何解决可再生能源接入给传统电网负荷带来的随机性和不确定性,如何有效平抑负荷波动成为现在需要解决的问题。
与此同时,电动汽车正逐步大规模应用于现代社会,电动汽车充电站的大规模发展将对整个能源系统的发展产生重要影响:具有随机性的大规模电动汽车充电负荷的接入,进一步打破了传统电网和可再生能源发电系统原有的能量供需平衡,增加了电网系统负荷的随机性和不确定性,给电网的运行规划造成影响。
但是,从另一方面说,规模化的电动汽车充电站又可作为一种分布式能源,与现有的电网组成一个区域能源系统,利用电动汽车充电负荷的可调控性,参与电网系统的调峰调频,对可再生能源进行及时消纳,避免资源浪费,为电网安全经济运行提供有效支撑。但是,目前还没有将电动汽车充电站作为分布式能源参与电网调控的相关具体研究和应用,因此研究一种以光伏发电为典型代表的可再生能源发电和电动汽车相结合的协同互动方法是具有重要意义的。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种电动汽车充电站与光伏发电站的协同互动方法和系统,实现了光伏发电和电动汽车充电站的能量协同互动,确保区域能源系统的运行稳定,同时兼顾环保效益。
本发明的目的可以通过以下技术方案来实现:
一种电动汽车充电站与光伏发电站的协同互动方法,在设定区域内设有区域能源系统,该系统包括光伏发电站、用户用电端和电动汽车充电站,所述方法包括以下步骤:
S1、获取区域内各光伏发电站、用户用电端和接入电动汽车充电站的电动汽车的节点功率信息;
S2、根据获取的信息建立电动汽车-光伏发电协同互动动态规划模型,所述的电动汽车-光伏发电协同互动动态规划模型包括实现区域内能源系统负荷方差最小的目标函数和对应的约束条件;
S3、通过基于杂交的粒子群优化算法对电动汽车-光伏发电协同互动动态规划模型进行求解;
S4、根据求得的最优解制定区域能源系统内的能源协同互动策略;
其中,所述的电动汽车-光伏发电协同互动动态规划模型的目标函数为:
Ps(i)=Pl(i)+Pev(i)-Ppv(i)
式中,t为电动汽车参与协同的起始时刻;T为一个协同互动的周期;Ps(i)为区域能源系统净负荷在i时刻的功率值;Pl(i)为用户用电端常规负荷在i时刻的功率值;Pev(i)为电动汽车在i时刻充电时的功率值;Ppv(i)为光伏发电站出力在i时刻的功率值;Ps,av为采样周期内区域能源系统净负荷的平均值。
进一步地,所述的步骤S2中,约束条件包括以下约束条件的一个或多个:电动汽车功率约束、电动汽车电池容量平衡约束、电动汽车电池剩余电量不等式约束、电动汽车用户充电需求约束,以及光伏板数量的不等式约束表达式。
进一步地,所述的电动汽车功率约束表达式为:
ηminP′ev(i)≤Pev(i)≤ηmaxP′ev(i)
式中,ηmin和ηmax为无序充电模式下的充电裕度;P′ev(i)为电动汽车在i时刻下无序充电的功率值。
进一步地,所述的电动汽车电池容量平衡约束表达式为:
Sev(i+1)=Sev(i)+λchPev(i)Δt-Pev,dch(i)Δt
式中,Sev(i+1)和Sev(i)为i+1时刻和i时刻电动汽车电池剩余电量;λch为电动汽车充电效率;Δt为时间间隔;Pev,dch(i)为i时刻电动汽车的消耗功率。
进一步地,所述的电动汽车电池剩余电量的不等式约束表达式为:
Sev,min≤Sev(i)≤Sev,max
式中,Sev,max和Sev,min为电池存储能量上限和下限。
进一步地,所述的电动汽车用户充电需求约束表达式为:
式中,P′ev(i)为电动汽车在i时刻下无序充电的功率值。
进一步地,所述的光伏发电功率约束表达式为:
式中,PSTE为标准测试环境下单块光伏电池板的额定输出功率;G(i)为i时刻的光照强度;GSTE为标准测试环境下的光照强度,为1kW/m2;k为功率温度系数;TPT(i)为i时刻光伏电池板的温度;TSTE(i)为标准测试环境下的参考温度25℃;TET(i)为i时刻的环境温度。
进一步地,所述的光伏板数量不等式约束表达式为:
进一步地,所述的步骤S3中,基于杂交的粒子群优化算法中,以协同互动后的等效区域能源系统负荷方差最小为目标,每个子代粒子代表区域能源系统的负荷功率,初始化种群中各微粒的位置和速度时,利用局部寻优法求得系统内各采样时间节点的最优等效负荷后,替代原有粒子的位置和速度。
进一步地,基于杂交的粒子群优化算法对模型求解具体包括以下步骤:
A1、选取某一天的光伏发电功率、用户用电负荷和电动汽车充电功率采样数据作为初始样本数据生成基本负荷曲线,初步统计基本负荷曲线内最大负荷功率和最小负荷功率,利用区域能源系统运行参数,求得峰谷差值与负荷方差,并作为初始运行数据;
A2、设置杂交种群粒子数N,给定杂交概率Pc和杂交池比例大小Sp,随机初始化杂交种群,通过子代位置公式child(x)和子代速度公式child(v)初步筛选确定杂交种群中各微粒的位置和速度,将区域能源系统内负荷功率看成一组杂交种群;
A3、评价每个微粒的适应度,将当前各个微粒的位置和适应值存储在各个微粒的pbest(最优位置)中,将所有pbest中适应值最优个体的位置和适应值存储于gbest(全局最优位置)中;
A4、由于子代粒子的速度和位置会不断更新,针对各个微粒的速度和位置不断进行修正,更新此刻每个微粒的速度和位置并计算目标函数值;
A5、对每个微粒,将其适应值与其经过的最好位置作比较,如果较好,则将其作为当前的最好位置;
A6、比较当前所有的pbest和gbest,并更新gbest;
A7、根据杂交概率选取指定数量的粒子放入杂交池内,池中的粒子随机两两杂交产生同样数目的子代粒子,通过公式child(x)和child(v)计算子代粒子的位置和速度,同时保持pbest和gbest不变;
A8、判断是否满足预设的运算精度或迭代次数,若是则搜索停止,输出结果;若否则执行步骤A4继续搜索。
进一步地,所述的步骤A2中,子代位置公式child(x)的表达式为:
child(x)=p·parent1(x)+(1-p)·parent2(x)
式中,p是0到1之间的随机数,child(x)代表子代位置,parent1(x)和parent2(x)代表亲代位置;
子代速度公式child(v)的表达式为:
式中,child(v)代表子代速度,parent1(v)和parent2(v)代表亲代速度。
一种电动汽车充电站与光伏发电站的协同互动系统,包括处理器和存储器,存储器上存储有程序,该程序被处理器执行时实现如上任一所述的电动汽车充电站与光伏发电站的协同互动方法。
与现有技术相比,本发明具有以下有益效果:
1、本发明的协同互动方法实现电动汽车充电站和光伏发电的互动协调,在保证有效接纳光伏发电并保证全消纳的基础上,更加有效地平抑区域能源系统负荷波动,降低系统等效负荷方差,在实现了削峰填谷的同时保障了环保效益。
2、本发明提出了基于区域能源系统等效负荷方差最小的协同互动策略,使得可再生清洁能源优先发电上网,光伏发电接入系统后被全额消纳,电动汽车作为平抑光伏发电并网产生波动的手段,剩余负荷部分由火电厂机组承担,减小了光伏发电接入系统时的波动对系统运行稳定性产生的冲击。
3、本发明基于电动汽车充电站与光伏发电站的联合协同互动系统,针对其在时空上的互补特性,有效减少了对区域内电力系统稳定性的影响。
附图说明
图1为本发明的流程示意图。
图2为本发明中基于杂交的粒子群优化算法流程示意图。
图3为本发明中利用杂交粒子群算法求解系统等效负荷方差流程示意图。
图4为实施例中采样周期内原始用户负荷曲线示意图。
图5为实施例中采样周期内光伏发电功率曲线示意图。
图6为实施例中电动汽车无序充电功率曲线示意图。
图7为实施例中电动汽车与光伏发电联合接入园区系统前后负荷对比情况示意图。
图8为实施例中优化前后的系统等效负荷方差对比曲线示意图。
图9为实施例中优化前后的电动汽车充电功率对比曲线示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
由于光伏发电与传统电网两者之间在时间和空间上具有一定的互补协调特性,而规模化电动汽车充电站具有良好的调节性能,能够有效地平抑光伏发电在接入电力系统时所产生的波动性。将光伏发电站、电动汽车充电站以及传统用户负荷形成一个区域能源系统,构成一个光伏汽车与电动汽车互补的发电系统,并通过制定相应的电动汽车充电站与光伏发电站的协同互动策略使得可再生清洁能源的发电更加平稳可控,提高可再生清洁能源的利用率。电动汽车充电站与光伏发电站的协同联合一方面可以直接供电给用户负荷使用,也可并入电网进行统一协同供电。本实施例中,在某工业园区(相当于设定区域)内设有区域能源系统,该系统包括光伏发电站、园区内日程用电设备(相当于用户用电端)和电动汽车充电站。
如图1所示,本实施例提供了一种电动汽车充电站与光伏发电站的协同互动方法,包括以下步骤:
步骤S1、获取区域内各光伏发电站、用户用电端和接入电动汽车充电站的电动汽车的节点功率信息;
步骤S2、根据获取的信息建立电动汽车-光伏发电协同互动动态规划模型,所述的电动汽车-光伏发电协同互动动态规划模型包括实现区域内能源系统负荷方差最小的目标函数和对应的约束条件;
步骤S3、通过基于杂交的粒子群优化算法对电动汽车-光伏发电协同互动动态规划模型进行求解;
步骤S4、根据求得的最优解制定区域能源系统内的能源协同互动策略。
其中,步骤S2的原理和展开如下:
针对光伏接入导致的电压升高问题,调控电动汽车充电站在光伏出力高峰时段充电,有效降低光伏出力波动对电能质量的影响,实现光伏就地消纳。电动汽车充电站的充电行为具有较大的可调控裕度,针对电动汽车、可再生能源、常规火电并存的情况,结合可再生能源功率输出特性、充电设施控制模式以及区域能源系统控制特性,分析规模化电动汽车充电站与可再生能源发电的协同互动方案。根据不同时间段光伏出力的变化调节电动汽车充电站的充放电功率和充电模式,进而减小净负荷的爬坡速率,达到降低电网调峰的目标。结合电动汽车充电、光伏发电和系统常规负荷三者之间的协同性和互补性,将电动汽车充电站与光伏发电站直接建立关联协同模型,以协同后系统等效负荷方差最小为目标,提高光伏发电的利用率,减小电网的峰谷差率。在光伏发电功率、园区内用户负荷和电动汽车充电功率已知的情况下,本实施例中制定了电动汽车-光伏发电协同互动动态规划模型,其模型表达式如下:
目标函数为:
Ps(i)=Pl(i)+Pev(i)-Ppv(i)
式中,t为电动汽车参与协同的起始时刻;T为一个协同互动的周期;Ps(i)为区域能源系统净负荷在i时刻的功率值;Pl(i)为用户用电端常规负荷在i时刻的功率值;Pev(i)为电动汽车在i时刻充电时的功率值;Ppv(i)为光伏发电站出力在i时刻的功率值;Ps,av为采样周期内区域能源系统净负荷的平均值。
约束条件包括以下约束条件的一个或多个,本实施例中采用全部约束调节,分别为电动汽车功率约束、电动汽车电池容量平衡约束、电动汽车电池剩余电量不等式约束,以及电动汽车用户充电需求约束。
当用户将电动汽车开入园区内需要进行充电时,为保证系统稳定,应该将每个时段可调度的电动汽车充电功率限制在一定范围内,可以根据用户无序充电模式下进行电动汽车充电功率约束,即
ηminP′ev(i)≤Pev(i)≤ηmaxP′ev(i)
式中,ηmin和ηmax为无序充电模式下的充电裕度;P′ev(i)为电动汽车在i时刻下无序充电的功率值。
i+1时刻与i时刻之间电动汽车电池容量平衡关系可表示为:
Sev(i+1)=Sev(i)+λchPev(i)Δt-Pev,dch(i)Δt
式中,Sev(i+1)和Sev(i)为i+1时刻和i时刻电动汽车电池剩余电量;λch为电动汽车充电效率;Δt为时间间隔;Pev,dch(i)为i时刻电动汽车的消耗功率。
根据电动汽车电池的荷电状态以及用户的需求,可以灵活调整充电时间,电动汽车电池剩余电量的不等式约束为:
Sev,min≤Sev(i)≤Sev,max
式中,Sev,max和Sev,min为电池存储能量上、下限。
在一个协同互动周期内,电动汽车无序充电与有序充电的总需求相等,对应的等式约束为:
式中,P′ev(i)为电动汽车在i时刻下无序充电的功率值。
光伏发电具有很强的地域性和随机性,光伏发电功率大小受很多因素影响,不仅与所在区域内的光照强度有关,还与环境温度、气象条件有关,其中每天的光照强度和环境温度是主要影响因素,针对光伏发电通常采用如下模型,即:
式中,PSTE为标准测试环境下单块光伏电池板的额定输出功率;G(i)为i时刻的光照强度;GSTE为标准测试环境下的光照强度,为1kW/m2;k为功率温度系数;TPT(i)为i时刻光伏电池板的温度;TSTE(i)为标准测试环境下的参考温度25℃;TET(i)为i时刻的环境温度。
光伏发电站的装机容量与光伏电池板的数量有关,而光伏电池板的数量受区域能源系统面积的约束,则光伏电池板数量应满足如下不等式约束,即
步骤S3的原理和展开如下:
本实施例将杂交概率和杂交池的大小比例融入到算法中,利用遗传算法中的杂交概念加入到算法中,以此提出了一种基于杂交的粒子群算法,该算法是借鉴遗传算法中的杂交概念,相对于传统粒子群算法,该算法提高了全局搜索能力,充分利用了种群中的共享信息,在提高收敛速度的同时能够提高收敛率,基于杂交的粒子群优化算法流程图如图2所示。
以协同互动后的等效区域能源系统负荷方差最小为目标,每个子代粒子代表区域能源系统的负荷功率,初始化种群中各微粒的位置和速度时,利用局部寻优法求得系统内各采样时间节点的最优等效负荷后,替代原有粒子的位置和速度,并按照最优等效负荷制定协同互动计划以及能源协同互动策略。每个杂交种群包含N个区域能源系统288个时段的负荷功率,在满足电力平衡约束的条件下,还需要满足电动汽车功率约束以及电动汽车-光伏发电联合容量平衡约束等约束条件。详细的求解模型流程图如图3所示,具体展开如下:
步骤A1、选取某一天的光伏发电功率、用户用电负荷和电动汽车充电功率采样数据作为初始样本数据生成基本负荷曲线,初步统计基本负荷曲线内最大负荷功率和最小负荷功率,利用区域能源系统运行参数,求得峰谷差值与负荷方差,并作为初始运行数据;
步骤A2、设置杂交种群粒子数N,给定杂交概率Pc和杂交池比例大小Sp,随机初始化杂交种群,通过子代位置公式child(x)和子代速度公式child(v)初步筛选确定杂交种群中各微粒的位置和速度,将区域能源系统内负荷功率看成一组杂交种群;
步骤A3、评价每个微粒的适应度,将当前各个微粒的位置和适应值存储在各个微粒的pbest中,将所有pbest中适应值最优个体的位置和适应值存储于gbest中;
步骤A4、由于子代粒子的速度和位置会不断更新,针对各个微粒的速度和位置不断进行修正,更新此刻每个微粒的速度和位置并计算目标函数值;
步骤A5、对每个微粒,将其适应值与其经过的最好位置作比较,如果较好,则将其作为当前的最好位置;
步骤A6、比较当前所有的pbest和gbest,并更新gbest;
步骤A7、根据杂交概率选取指定数量的粒子放入杂交池内,池中的粒子随机两两杂交产生同样数目的子代粒子,通过公式child(x)和child(v)计算子代粒子的位置和速度,同时保持pbest和gbest不变;
步骤A8、判断是否满足预设的运算精度或迭代次数,若是则搜索停止,输出结果;若否则执行步骤A4继续搜索。
在步骤A2中,子代位置公式child(x)的表达式为:
child(x)=p·parent1(x)+(1-p)·parent2(x)
式中,p是0到1之间的随机数,child(x)代表子代位置,parent1(x)和parent2(x)代表亲代位置;
子代速度公式child(v)的表达式为:
式中,child(v)代表子代速度,parent1(v)和parent2(v)代表亲代速度。
仿真验证:
采用本实施例的方法进行园区内区域能源系统的优化调度仿真,也就是对建立的电动汽车-光伏发电协同互动动态规划模型进行优化调度仿真,并采用基于杂交的粒子群算法求解此模型,在Matlab2017a环境下编程,仿真参数如表1所示。
表1仿真参数设置
采用该园区内2019年某一天的288个数据点原始用户负荷曲线作为基础负荷曲线如图4所示,光伏发电站在一个采样周期内输出功率如图5所示,电动汽车充电站的无序充电功率如图6所示。电动汽车与光伏发电联合接入园区系统前后负荷对比情况如图7所示。接入前后的系统负荷特性如表2所示。
表2电动汽车和光伏发电接入前后负荷特性
由图7和表2可知,电动汽车和光伏系统的联合接入能够有效缩小峰谷差,平抑负荷波动。在光伏发电站和电动汽车充电站接入该园区后,系统等效负荷方差明显减小,由最初的1.54e+6kW2降低至1.33e+6kW2。当该园区用户日常用电仅来源于配电网时,系统的等效负荷峰谷差为140.92kW;当光伏发电和电动汽车协同作用接入园区时,系统的等效负荷峰谷差为124.95kW。在白天用户负荷需求较大时,通过光伏发电向用户供电,减小了火电机组的出力负担;在夜晚用户负荷需求减小时,白天光伏发电并网调度时导致系统负荷过剩,此时,电动汽车充电站可进行充电,作为规模化负荷消纳光伏发电,起到填谷的作用。
经过本实施例协同互动方法进行电力调度优化,园区的区域能源系统的等效负荷方差对比曲线如图8所示,优化前后的电动汽车充电功率对比曲线如图9所示。
如图8所示,两条曲线分别代表经过基于杂交的粒子群算法优化前后的区域能源系统负荷。综合分析图8和图9可以看出,在晚上(如1:00-6:00)系统负荷功率较低时,电动汽车充电功率略高于其无序充电时的功率;而在白天(如10:00-16:00)系统负荷功率较高时,电动汽车充电功率略低于其无序充电时的功率。这种结果表明,通过本实施例的协同互动方法优化,能够引导电动汽车在夜晚系统负荷较低时多充电,消纳过剩的光伏发电负荷;而在白天系统负荷较高时少充电,实现削峰填谷。
为了能够定量直观的分析优化前后对区域能源系统负荷特性的影响,峰谷差、负荷率等结果如表3所示。
表3优化前后特性指标对比分析
由表3的数据可以看出,优化前系统的峰谷差为124.95kW,优化后系统的峰谷差为113.21kW,作为本实施例目标函数的系统负荷方差也从1.33e+6kW2优化到了1.02e+6kW2。根据优化结果可以调整电动汽车站中电动汽车的充电时间和充电数量,通过有序充电过程能进一步缩小系统峰谷差,降低负荷方差,当电动汽车充电的有序性越强,系统运行越稳定,能源利用率越高,越能更好地消纳光伏出力。
综合以上结果可以提出以下协同互动策略,园区内用户负荷在凌晨阶段最低,由于夜间光照强度几乎为0,光伏发电功率则为0,在满足电动汽车用户的充电需求的前提下,根据电动汽车-光伏发电协同互动动态规划模型确定峰谷时期的电动汽车充电站提供用户的充电电量、充电时间和充电功率,利用好白天的高峰时期和夜间的低谷时期,调整一部分电动汽车用户从当天晚上的20:00到第二天的凌晨5:00进行充电,通过电动汽车电池的剩余容量消纳第二天高峰时刻到来之前光伏所发电量,极大提高光伏发电的利用率,选择在低负荷时刻优先充电达到了填谷的目的。用电高峰期主要集中在7:00到17:00,为满足日常生活需要,园区内的用户负荷会有较大的提升,当能量来源仅限于传统电网时会产生较大峰值,通过电动汽车-光伏发电的联合接入,与夜间的系统协同互动策略相配合,在高负荷时刻优先使用光伏发电,既能消纳白天光伏系统所发电量,也能减少电动汽车的充电负荷,达到削峰的目的,最终能够实现最大化满足电动汽车的充电需求、最大化满足园区内用户负荷需要以及最大化光伏发电的利用率,提高区域能源系统运行的稳定性。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (8)
1.一种电动汽车充电站与光伏发电站的协同互动方法,在设定区域内设有区域能源系统,该系统包括光伏发电站、用户用电端和电动汽车充电站,其特征在于,所述方法包括以下步骤:
S1、获取区域内各光伏发电站、用户用电端和接入电动汽车充电站的电动汽车的节点功率信息;
S2、根据获取的信息建立电动汽车-光伏发电协同互动动态规划模型,所述的电动汽车-光伏发电协同互动动态规划模型包括实现区域内能源系统负荷方差最小的目标函数和对应的约束条件;
S3、通过基于杂交的粒子群优化算法对电动汽车-光伏发电协同互动动态规划模型进行求解;
S4、根据求得的最优解制定区域能源系统内的能源协同互动策略;
其中,所述的电动汽车-光伏发电协同互动动态规划模型的目标函数为:
Ps(i)=Pl(i)+Pev(i)-Ppv(i)
式中,t为电动汽车参与协同的起始时刻;T为一个协同互动的周期;Ps(i)为区域能源系统净负荷在i时刻的功率值;Pl(i)为用户用电端常规负荷在i时刻的功率值;Pev(i)为电动汽车在i时刻充电时的功率值;Ppv(i)为光伏发电站出力在i时刻的功率值;Ps,av为采样周期内区域能源系统净负荷的平均值;
基于杂交的粒子群优化算法对模型求解具体包括以下步骤:
A1、选取某一天的光伏发电功率、用户用电负荷和电动汽车充电功率采样数据作为初始样本数据生成基本负荷曲线,初步统计基本负荷曲线内最大负荷功率和最小负荷功率,利用区域能源系统运行参数,求得峰谷差值与负荷方差,并作为初始运行数据;
A2、设置杂交种群粒子数N,给定杂交概率Pc和杂交池比例大小Sp,随机初始化杂交种群,通过子代位置公式child(x)和子代速度公式child(v)初步筛选确定杂交种群中各微粒的位置和速度,将区域能源系统内负荷功率看成一组杂交种群;
A3、评价每个微粒的适应度,将当前各个微粒的位置和适应值存储在各个微粒的pbest中,将所有pbest中适应值最优个体的位置和适应值存储于gbest中;
A4、由于子代粒子的速度和位置会不断更新,针对各个微粒的速度和位置不断进行修正,更新此刻每个微粒的速度和位置并计算目标函数值;
A5、对每个微粒,将其适应值与其经过的最好位置作比较,如果较好,则将其作为当前的最好位置;
A6、比较当前所有的pbest和gbest,并更新gbest;
A7、根据杂交概率选取指定数量的粒子放入杂交池内,池中的粒子随机两两杂交产生同样数目的子代粒子,通过公式child(x)和child(v)计算子代粒子的位置和速度,同时保持pbest和gbest不变;
A8、判断是否满足预设的运算精度或迭代次数,若是则搜索停止,输出结果;若否则执行步骤A4继续搜索;
所述的步骤A2中,子代位置公式child(x)的表达式为:
child(x)=p·parent1(x)+(1-p)·parent2(x)
式中,p是0到1之间的随机数,child(x)代表子代位置,parent1(x)和parent2(x)代表亲代位置;
子代速度公式child(v)的表达式为:
式中,child(v)代表子代速度,parent1(v)和parent2(v)代表亲代速度。
2.根据权利要求1所述的电动汽车充电站与光伏发电站的协同互动方法,其特征在于,所述的步骤S2中,约束条件包括以下约束条件的一个或多个:电动汽车功率约束、电动汽车电池容量平衡约束、电动汽车电池剩余电量不等式约束,以及电动汽车用户充电需求约束。
3.根据权利要求2所述的电动汽车充电站与光伏发电站的协同互动方法,其特征在于,所述的电动汽车功率约束表达式为:
ηminP′ev(i)≤Pev(i)≤ηmaxP′ev(i)
式中,ηmin和ηmax为无序充电模式下的充电裕度;P′ev(i)为电动汽车在i时刻下无序充电的功率值。
4.根据权利要求2所述的电动汽车充电站与光伏发电站的协同互动方法,其特征在于,所述的电动汽车电池容量平衡约束表达式为:
Sev(i+1)=Sev(i)+λchPev(i)Δt-Pev,dch(i)Δt
式中,Sev(i+1)和Sev(i)为i+1时刻和i时刻电动汽车电池剩余电量;λch为电动汽车充电效率;Δt为时间间隔;Pev,dch(i)为i时刻电动汽车的消耗功率。
5.根据权利要求2所述的电动汽车充电站与光伏发电站的协同互动方法,其特征在于,所述的电动汽车电池剩余电量的不等式约束表达式为:
Sev,min≤Sev(i)≤Sev,max
式中,Sev,max和Sev,min为电池存储能量上限和下限。
7.根据权利要求1所述的电动汽车充电站与光伏发电站的协同互动方法,其特征在于,所述的步骤S3中,基于杂交的粒子群优化算法中,以协同互动后的等效区域能源系统负荷方差最小为目标,每个子代粒子代表区域能源系统的负荷功率,初始化种群中各微粒的位置和速度时,利用局部寻优法求得系统内各采样时间节点的最优等效负荷后,替代原有粒子的位置和速度。
8.一种电动汽车充电站与光伏发电站的协同互动系统,包括处理器和存储器,其特征在于,存储器上存储有程序,该程序被处理器执行时实现如权利要求1~7任一所述的电动汽车充电站与光伏发电站的协同互动方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010682354.4A CN111900725B (zh) | 2020-07-15 | 2020-07-15 | 一种电动汽车充电站与光伏发电站的协同互动方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010682354.4A CN111900725B (zh) | 2020-07-15 | 2020-07-15 | 一种电动汽车充电站与光伏发电站的协同互动方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111900725A CN111900725A (zh) | 2020-11-06 |
CN111900725B true CN111900725B (zh) | 2021-11-30 |
Family
ID=73191361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010682354.4A Active CN111900725B (zh) | 2020-07-15 | 2020-07-15 | 一种电动汽车充电站与光伏发电站的协同互动方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111900725B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112734098B (zh) * | 2020-12-31 | 2023-01-31 | 国网山东省电力公司青岛供电公司 | 一种基于源-荷-网平衡的配电网电力调度方法及系统 |
CN114640133B (zh) * | 2022-03-15 | 2024-02-23 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于实时信息的城市电网电动汽车协同调控方法及系统 |
CN115173490B (zh) * | 2022-09-05 | 2022-11-25 | 北京邮电大学 | 综合能源站供能方法和装置、电子设备 |
CN115907136B (zh) * | 2022-11-16 | 2023-10-20 | 北京国电通网络技术有限公司 | 电动汽车调度方法、装置、设备和计算机可读介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886472B (zh) * | 2019-01-23 | 2022-12-02 | 天津大学 | 一种分布式光伏和电动汽车接入不确定性的配电台区容量方法 |
-
2020
- 2020-07-15 CN CN202010682354.4A patent/CN111900725B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111900725A (zh) | 2020-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111900725B (zh) | 一种电动汽车充电站与光伏发电站的协同互动方法和系统 | |
CN111340274A (zh) | 一种基于虚拟电厂参与的综合能源系统优化方法和系统 | |
CN107730048B (zh) | 一种风电-电动汽车联合系统随机鲁棒优化调度方法 | |
CN111244988B (zh) | 考虑分布式电源的电动汽车和储能优化调度方法 | |
CN107609693A (zh) | 基于Pareto档案粒子群算法的微电网多目标优化方法 | |
Song et al. | Multi-objective configuration optimization for isolated microgrid with shiftable loads and mobile energy storage | |
CN110138006A (zh) | 考虑含有新能源电动汽车的多微电网协调优化调度方法 | |
CN112290533A (zh) | 一种氢能-天然气混合储能的综合能源微电网调度方法 | |
CN112070628B (zh) | 一种计及环境因素的智能电网多目标经济调度方法 | |
CN111327053A (zh) | 一种适用于极地气候下的多源微电网容量优化配置方法 | |
CN110889581A (zh) | 一种电动汽车参与的台区优化调度方法和系统 | |
CN109787221B (zh) | 一种微电网电能安全经济调度方法和系统 | |
CN116667325B (zh) | 一种基于改进布谷鸟算法的微电网并网运行优化调度方法 | |
CN116061742B (zh) | 一种分时电价光伏园区内电动汽车的充电控制方法和系统 | |
CN114519449A (zh) | 一种园区能源系统运行优化方法 | |
CN114583729A (zh) | 考虑全生命周期碳排放的光-储电动汽车充电站调度方法 | |
CN117578537A (zh) | 基于碳交易和需求响应的微电网优化调度方法 | |
CN115115130A (zh) | 一种基于模拟退火算法的风光储制氢系统日前调度方法 | |
Ikram et al. | Optimizing energy consumption in smart homes: Load scheduling approaches | |
CN117254502A (zh) | 基于电-氢混合储能综合能源系统多目标优化调度方法 | |
CN117254529A (zh) | 一种计及碳排放与不确定性的配电网实时调度方法及系统 | |
CN115940284B (zh) | 一种考虑分时电价的新能源制氢系统的运行控制策略 | |
CN114285093B (zh) | 一种源网荷储互动调度方法及系统 | |
CN115811051A (zh) | 电动汽车充电负荷与分布式电源互补协调方法 | |
CN114784896A (zh) | 面向虚拟电厂的规模化充电桩能量优化管理方法和系统 |
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 |