CN111900727B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN111900727B
CN111900727B CN202010683118.4A CN202010683118A CN111900727B CN 111900727 B CN111900727 B CN 111900727B CN 202010683118 A CN202010683118 A CN 202010683118A CN 111900727 B CN111900727 B CN 111900727B
Authority
CN
China
Prior art keywords
power
charging station
charging
integrated
integrated charging
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
Application number
CN202010683118.4A
Other languages
English (en)
Other versions
CN111900727A (zh
Inventor
时珊珊
张宇
方陈
彭道刚
王皓靖
刘舒
曹一纯
魏新迟
赵慧荣
贾礼杰
王丹豪
徐樾
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.)
Shanghai University of Electric Power
State Grid Shanghai Electric Power Co Ltd
Original Assignee
Shanghai University of Electric Power
State Grid Shanghai 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 Shanghai University of Electric Power, State Grid Shanghai Electric Power Co Ltd filed Critical Shanghai University of Electric Power
Priority to CN202010683118.4A priority Critical patent/CN111900727B/zh
Publication of CN111900727A publication Critical patent/CN111900727A/zh
Application granted granted Critical
Publication of CN111900727B publication Critical patent/CN111900727B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • H02J3/003—Load forecast, e.g. methods or systems for forecasting future load 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
    • 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
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • 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
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging
    • 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
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/14—Details associated with the interoperability, e.g. vehicle recognition, authentication, identification or billing

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及一种基于PSO的光储充换一体化充电站协同优化调度方法和装置，方法包括以下步骤：获取光储充换一体化充电站内各光伏发电模块、能量储存模块和电动汽车充换电模块的测点信息；根据获取的信息建立协同调度策略模型，协同调度策略模型包括实现光储充换一体化充电站运行成本最小的目标函数和约束条件；通过粒子群算法对协同调度策略模型进行求解；根据求得的最优解制定光储充换一体化充电站的电网电力输入及储能出力计划。与现有技术相比，本发明针对充电站内各模块在运作时的协同控制特性对各模块的出力进行协同优化调度，有效减少了一体化充电站对电网系统稳定性的影响，同时也保证了一体化充电站自身的安全稳定运行。

Description

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
技术领域
本发明涉及电网调度领域，尤其是涉及一种基于PSO的光储充换一体化充电站协同优化调度方法和装置。
背景技术
当今，全球环境变得越来越恶劣，能源短缺问题日益严重，所有国家都不得不向高效、清洁、可再生能源转型这一共同目标发展。近年来，随着新能源发电、储能等技术的快速发展，以电能为主要动力的电动汽车由于具有独特的优势与条件，已经在大城市得到了快速发展与普及。
电动汽车的充电站不仅对生态环境产生积极影响，它还可以作为大功率储能和负荷实现电力系统的负荷均衡。首先，大量连接到电网的电动汽车充电站将导致电网负荷增加，电网负载峰谷差异更大，并且需要更高的装机容量。其次，电动汽车的充电行为具有较大的不确定性和随机性，电动汽车用户的无序充换电也会对电网的安全稳定运行产生不良影响，包括对配网造成负荷峰谷差加剧、线路过载等负面影响，这将增加电网控制的难度，降低整个电力系统的可靠性。电动汽车在充电过程中的合理调度不仅能够改善用户的充换电体验、减少充电成本和电池储备的损耗，还能改善配电网的负荷特性，因此具有十分重要的意义。
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，能够平衡空间负荷，提高电网区域负荷的稳定性，同时满足电动汽车用户的充换电需求。
本发明的目的可以通过以下技术方案来实现：
一种基于PSO的光储充换一体化充电站协同优化调度方法，所述的光储充换一体化充电站包括光伏发电模块、能量储存模块和电动汽车充换电模块，所述方法包括以下步骤：
S1、获取光储充换一体化充电站内各光伏发电模块、能量储存模块和电动汽车充换电模块的测点信息；
S2、根据获取的信息建立协同调度策略模型，所述的协同调度策略模型包括实现光储充换一体化充电站运行成本最小的目标函数和对应的约束条件；
S3、通过粒子群算法对协同调度策略模型进行求解；
S4、根据求得的最优解制定光储充换一体化充电站的电网电力输入及储能出力计划；
其中，所述的协同调度策略模型的目标函数为：
minF＝C1+C2+C3+C4
式中，F为一体化充电站的运行成本；C1为分时电价下一体化充电站与电网的交互成本；C2为一体化充电站光伏系统的发电单元的发电成本；C3为储能电池的损耗成本，C4为一体化充电站的运行管理成本；λb为t时刻的电网电价，Pgrid(t)为t时刻一体化充电站与电网的交互功率；λPV为光伏发电模块的单位发电成本，PPV(t)为t时刻光伏发电模块的输出功率；λC为储能模块的单位电池损耗成本，PC(t)为t时刻储能模块的充放电功率，ηC为储能电池的充放电效率；λj为电动汽车充换电模块充电功率运营管理成本，Pj(t)为t时刻站内电动汽车充换电模块的输出功率，λh为电动汽车充换电模块内单位充换电车辆的服务成本，Nt为t-1到t时段内的充换电车辆数。
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：一体化充电站的功率平衡约束、储能充放电功率及电池SOC约束、电动汽车充换电模块电池数量约束、交直流充电机充电功率约束，以及一体化充电站的电网输入功率约束。
进一步地，所述的一体化充电站的功率平衡约束表达式为：
Pload＝PPV+PC+Pgrid
式中，Pload为t时刻一体化充电站的负荷功率；PPV为t时刻光伏发电模块的输出功率，PC为t时刻储能模块的充放电功率，Pgrid为t时刻一体化充电站与电网的交互功率。
进一步地，所述的储能充放电功率及电池SOC约束表达式为：
SOCmin≤SOC≤SOCmax
-Pbatmax≤Pbat≤Pbatmax
式中，SOCmin为储能模块中电池SOC的最小值，SOCmax为储能模块中电池SOC的最大值，Pbat为储能模块的输出功率，输出功率为正表示储能模块充电，输出功率为负表示储能模块放电。
进一步地，所述的电动汽车充换电模块电池数量约束表达式为：
Nemin(t)≤Ne(t)≤Nemax(t)
式中，Ne(t)为t-1到t时间段内一体化充电站为电动汽车储备的可换电池数量，Nemin(t)和Nemax(t)为t-1到t时间段内电动汽车换电所需的最低、最高储备数量。
进一步地，，所述的交直流充电机充电功率约束表达式为：
0≤Pac(t)≤Pacmax(t)
0≤Pdc(t)≤Pdcmax(t)
Pac(t)和Pdc(t)为t时刻一体化充电站内所有工作的交直流充电机的充电功率，Pacmax(t)和Pdcmax(t)为t时刻一体化充电站内交直流充电机的最大充电功率。
进一步地，，所述的一体化充电站的电网输入功率约束表达式为：
Pbuymin(t)≤Pbuy(t)≤Pbuymax(t)
式中，Pbuy(t)为t时刻一体化充电站的输入功率，Pbuymin(t)和Pbuymax(t)为t时刻电网所允许的输入功率最小和最大限制。
进一步地，所述的步骤S3中，粒子群算法中，每个粒子的位置代表一体化充电站各模块与电网的交换功率。
进一步地，基于粒子群优化算法对模型求解具体包括以下步骤：
A1、数据初始化，输入光伏发电模块输出功率、一体化充电站负荷需求预测值，以及电网成本，设定一体化充电站从电网输入功率的最大值和最小值，储能模块的充放电功率的最大值和最小值，以及电池额定容量，粒子群规模、粒子群位置、粒子速度和相关常数；
A2、初始化粒子的位置和速度，并评价粒子的初始适应度值，确定个体极值位置gbest及个体适应度值fgbest以及群体极值位置zbest和群体适应度值fzbest；
A3、随机产生N个种群的储能模块的SOC值，计算初始储能模块的输出功率，结合电动汽车充换电模块的负荷需求功率，计算一体化充电站向电网的初始需求的输入功率；
A4、更新粒子的速度和位置，计算当前N个种群所对应的目标函数的函数值；
A5、对粒子边界进行处理，如果粒子输出功率超出最大值限制时令其等于最大值，超出最小值限制时令其等于最小值；如果粒子电网输入功率超出电网允许的最大值限制时令其等于最大值，超出最小值限制时令其等于最小值；并且判断目前的迭代次数是否超过设定的阈值，若是，则执行步骤A6；若否，则执行步骤A4；
A6、输出适应度最优时的储能模块的最优输出功率，结合一体化充电站负荷需求预测值计算一体化充电站的最优电网输入功率。
一种基于PSO的光储充换一体化充电站协同优化调度装置，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基于PSO的光储充换一体化充电站协同优化调度方法。
与现有技术相比，本发明具有以下优点：
1、本发明基于光储充换一体化充电站，针对充电站内各模块在运作时的协同控制特性对各模块的出力进行协同优化调度，有效减少了一体化充电站对电网系统稳定性的影响，同时也保证了一体化充电站自身的安全稳定运行。
2、本发明在保证有效接纳光伏发电并确保全消纳，以及满足电动汽车用户正常充换电的基础上，更是有效地减少了一体化充电站在为电动汽车用户提供充换电服务时的运行成本，实用价值高。
附图说明
图1为光储充换一体化充电站系统结构示意图。
图2为本发明的流程结构示意图。
图3为本发明中粒子群算法的流程示意图。
图4为实施例中一体化充电站储能出力和电网出力优化调度曲线。
图5为实施例中储能参与下优化前后一体化充电站的负荷曲线。
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。
目前常见的电动汽车充电站设计比较单一，很少考虑储能配置情况以及用户的换电需求情况，而且充电站的各设备之间相互独立且缺少电气联系，使得充电站的能量管理及优化调度等方面的效率不是很高，随着储能电池成本的不断降低和换电成本及换电时间逐步满足用户的换电需求，面向城市的光储充换一体化充电站将会成为综合能源服务在电动汽车用户响应侧的一种重要设备。本实施例提供了一种光储充换一体化充电站，主要由光伏发电模块，储能模块和电动汽车充换电模块组成，并且外接电网供电系统。各模块内部以及与电网之间的协同互动，从而实现一体化充电站的能量优化运行。光储充换一体化充电站的电气结构如图1所示，虚线箭头表示能量流动形式。
城市光储充换一体化充电站的运行方式如下：光伏发电模块发出的电通过母线连接到站内充电机、储能模块以及电网，主要能量流向交直流充电机给电动汽车供电，当光伏发电量充足或者充电需求低时可以给储能模块以及电动汽车充换电模块的电池仓供能，同时还可以并网参与更多服务；储能模块主要负责消纳光伏等新能源发电，同时作为后备电源参与电动汽车充换电以及电网互动，利用功率调节特性实现削峰填谷降低一体化充电站的运行成本、改善电网电压等；电动汽车充换电模块的交直流充电机在满足不同车型、不同用户的快慢充需求的情况下协同其它模块保证充电功率平衡，降低运行成本；电动汽车充换电模块作的换电服务作为一体化充电站新的服务模式，主要为新能源汽车提供快速换电功能，来弥补快速充电无法满足用户需的问题，也可以当作备用储能参与电网的互动缓解用能紧张；EMS能量管理系统中心(控制中心)下发调度指令协同控制各个模块的能量流动形式，形成对电网、光储充换一体化充电站、用户之间协调运作的模式。
如图2所示，本实施例提供了一种基于PSO的光储充换一体化充电站协同优化调度方法，包括如下步骤：
步骤S1、获取光储充换一体化充电站内各光伏发电模块、能量储存模块和电动汽车充换电模块的测点信息；
步骤S2、根据获取的信息建立协同调度策略模型，所述的协同调度策略模型包括实现光储充换一体化充电站运行成本最小的目标函数和对应的约束条件；
步骤S3、通过粒子群算法对协同调度策略模型进行求解；
步骤S4、根据求得的最优解制定光储充换一体化充电站的电网电力输入(购电)及储能出力计划。
其中，步骤S2的原理和展开如下：
优化调度包含了对充换电需求负荷预测、光伏功率预测、结合一体化充电站负荷需求及电网成本(电网电价)制定储能出力计划和电网出力计划等。由于一体化充电站的光伏装机及储能配置容量有限，本实施例中不考虑弃光的情况，光伏发电完全用于给电动汽车供电及储能消纳。在含光储充换一体化系统的调度模型的基础上，提出基于一体化充电站运行成本最小的协同优化调度策略模型，在一体化充电站的负荷需求、光伏输出功率预测值及电网电价已知的情况下，本实施例中制定了基于一体化充电站运行成本最小的储能出力计划及电网电力输入计划。
基于PSO的光储充换一体化充电站的协同调度策略模型的目标函数为如下式所示：
minF＝C1+C2+C3+C4
式中，F为一体化充电站的运行成本；C1为分时电价下一体化充电站与电网的交互成本；C2为一体化充电站光伏系统的发电单元的发电成本；C3为储能电池的损耗成本，C4为一体化充电站的运行管理成本；λb为t时刻的电网电价，Pgrid(t)为t时刻一体化充电站与电网的交互功率；λPV为光伏发电模块的单位发电成本，PPV(t)为t时刻光伏发电模块的输出功率；λC为储能模块的单位电池损耗成本，PC(t)为t时刻储能模块的充放电功率，ηC为储能电池的充放电效率；λj为电动汽车充换电模块充电功率运营管理成本，Pj(t)为t时刻站内电动汽车充换电模块的输出功率，λh为电动汽车充换电模块内单位充换电车辆的服务成本，Nt为t-1到t时段内的充换电车辆数。
在一体化充电站的运行过程中，满足功率平衡的条件如下：
Pload＝PPV+PC+Pgrid
式中，Pload为t时刻一体化充电站的负荷功率；PPV为t时刻光伏发电模块的输出功率，PC为t时刻储能模块的充放电功率，Pgrid为t时刻一体化充电站与电网的交互功率。
在储能模块参与一体化充电站运行过程中，储能电池过充或过放均会造成电池寿命大幅度下降，因此充放电过程中电池的SOC以及充放电功率需控制在合理的范围内，满足的约束条件如下：
SOCmin≤SOC≤SOCmax
-Pbatmax≤Pbat≤Pbatmax
式中，SOCmin为储能模块中电池SOC的最小值，SOCmax为储能模块中电池SOC的最大值，Pbat为储能模块的输出功率，输出功率为正表示储能模块充电，输出功率为负表示储能模块放电。为避免储能模块频繁充电，储能模块的充电功率应大于系统允许的最小充电功率Pbatmin，即Pbat≤-Pbatmin。
电动汽车充换电模块满足的约束条件如下：
Nemin(t)≤Ne(t)≤Nemax(t)
0≤Pac(t)≤Pacmax(t)
0≤Pdc(t)≤Pdcmax(t)
式中，Ne(t)为t-1到t时间段内一体化充电站为电动汽车储备的可换电池数量，Nemin(t)和Nemax(t)为t-1到t时间段内电动汽车换电所需的最低、最高储备数量，Pac(t)和Pdc(t)为t时刻一体化充电站内所有工作的交直流充电机的充电功率，Pacmax(t)和Pdcmax(t)为t时刻一体化充电站内交直流充电机的最大充电功率。
充电站并网给电动汽车提供充换电服务需要与电网签订一定的电网输入(购电)协议，以免造成电网的峰谷负荷差变大，给电网的安全运行带来影响，电网输入功率约束表达式如下：
Pbuymin(t)≤Pbuy(t)≤Pbuymax(t)
式中，Pbuy(t)为t时刻一体化充电站的输入功率，Pbuymin(t)和Pbuymax(t)为t时刻电网所允许的输入功率最小和最大限制。
步骤S3的原理和展开如下：
本实施例中采用粒子群算法，其主要来源于对鸟群捕食的行为研究，假设区域里就只有一块食物(即通常优化问题中所讲的最优解)，鸟群的任务是找到这个食物源。鸟群在整个搜寻的过程中，通过相互传递各自的信息，让其他的鸟知道自己的位置，通过这样的协作，来判断自己找到的是不是最优解，同时也将最优解的信息传递给整个鸟群，最终，整个鸟群都能聚集在食物源周围，即找到了最优解，也就是问题收敛。
粒子群算法通过设计一种无质量的粒子来模拟鸟群中的鸟，粒子仅具有两个属性：速度和位置，速度代表移动的快慢，位置代表移动的方向。每个粒子在搜索空间中单独的搜寻最优解，并将其记为当前个体极值，并将个体极值与整个粒子群里的其他粒子共享，找到最优的那个个体极值作为整个粒子群的当前全局最优解，粒子群中的所有粒子根据自己找到的当前个体极值和整个粒子群共享的当前全局最优解来调整自己的速度和位置。
综上所述，基于运行成本最小的粒子群优化算法的程序流程图如图3所示。
以一体化充电站的经济运行成本函数最小为目标，每个粒子的位置代表一体化充电站各模块与电网的交换功率，初始化粒子的位置时，首先要设定一体化充电站向电网购电功率的最大、最小值以及储能模块充放电功率的最大、最小值，在求解的过程中利用储能对一体化充电站负荷发挥消峰填谷的作用，并利用分时电价来制定使充电站运行成本最小的电网输入(电网出力)计划和储能出力计划。具体步骤如下：
步骤A1：数据初始化，输入光伏发电模块输出功率、一体化充电站负荷需求预测值，以及电网成本，设定一体化充电站从电网输入功率的最大值和最小值，储能模块的充放电功率的最大值和最小值，以及电池额定容量，粒子群规模、粒子群位置(粒子群位置即搜索维度，共计96维)、粒子速度和相关常数(学习常数等)。
步骤A2：初始化粒子的位置和速度，并评价粒子的初始适应度值，确定个体极值位置gbest及个体适应度值fgbest以及群体极值位置zbest和群体适应度值fzbest。
步骤A3：随机产生N个种群的储能模块的SOC值，计算初始储能模块的输出功率，结合电动汽车充换电模块的负荷需求功率(调度量)，计算一体化充电站向电网的初始需求的输入功率(调度量)。
步骤A4：更新粒子的速度和位置，计算当前N个种群所对应的目标函数的函数值；即通过光伏发电输出功率预测值求得的光伏发电成本，充换电需求求得的充换电站设备运营管理成本、储能电池的损耗成本和一体化充电站与电网的交互成本构成的一体化充电站经济运行成本函数最小的目标函数值，求解最优运行成本下的储能输出功率与电网输入功率的优化值。
步骤A5：对粒子边界进行处理，如果粒子输出功率超出最大值限制时令其等于最大值，超出最小值限制时令其等于最小值；如果粒子电网输入功率超出电网允许的最大值限制时令其等于最大值，超出最小值限制时令其等于最小值；并且判断目前的迭代次数是否超过设定的阈值(本实施例为200次)，若是，则执行步骤A6；若否，则执行步骤A4。
步骤A6、输出适应度最优时的储能模块的0到24小时的最优输出功率，结合一体化充电站负荷需求预测值计算一体化充电站的最优电网输入功率。
本实施例仿真验证
本实施例采用了粒子群优化算法实现一体化充电站运行成本最小的优化调度，种群规模为D＝30；粒子个数由优化问题所决定，本实施例中的问题就是搜索空间数，即取N＝288；学习因子c1＝c2＝1.49；最大迭代次Kmax＝100；最大、小惯性权重ωmax＝0.9，ωmin＝0.4；粒子速度最大值Vmax＝5。蓄电池荷电状态初始值和蓄电池容量值设定。设置光伏、蓄电池的充放电功率的最大值和最小值以及充电站向电网购电功率的最大值和最小值，输入光伏发电、充换电负荷需求的功率(预测量)以及电网实时电价(成本)。
结合一体化充电站的光伏、实时用电负荷需求预测统计值以及电网电价进行实时调度优化，优化结果如图4，展示了最低运行成本下的电网和储能调度出力计划，图5为优化调度前后一体化充电站的负荷需求曲线。
通过分析优化调度结果可知，一体化一体式充电站选择在电价低谷时段(22：00～6：00)从电网购电来保证一体式充电站的基础负荷、电动汽车充电需求，并给储能模块以及换电站电池进行充电以满足高峰时段换电需求和一体式充电站负荷需求量大的情况下发挥储能的功率调节作用，在用电高峰时段优先光伏和储能给一体式充电站供电，不足部分由电网提供，电网出力和储能出力的多少不仅是考虑一体式充电站负荷的需求量，还要考虑到一体式充电站的储能配置容量、储能成本以及与电网的交互成本，算法给出了一体化充电站运行成本最低情况下的优化调度结果，制定最优情况下的储能出力计划及电网出力计划，从优化前后的充电站负荷可以看出采用本优化调度方法后，可以更好的利用储能和电网的分时电价对充换电负荷进行调节，在优化前，因为电动汽车用户的充换电需求与电网负荷波峰时段有部分重叠，而在低谷时段与电网的功率交换较少，会增加电网的峰谷差，通过对系统的协同优化，充分发挥储能系统的作用，而换电站内的电池也可以作为备用储能参与调度，可以选择在电价低时进行充电，在电价较高时向外供电，同时与光伏发电相结合，提高对波动性能源的消纳，协同优化后，充分考虑到了发电成本、储能充放电成本、电网交互成本等。由于该问题为带约束的非线性优化问题，粒子群算法能够很好的解决此类问题，从结果也可以看出，经过粒子群算法对其进行协同优化，一体化充电站可以显著发挥储能的作用，通过分时电价储能对系统的功率起到了重要调节作用，利用峰谷电价差来降低运行成本，以此获得额外收益，可以显著促进一体化系统削峰填谷的运行模式。
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 (10)

1.一种基于PSO的光储充换一体化充电站协同优化调度方法，所述的光储充换一体化充电站包括光伏发电模块、能量储存模块和电动汽车充换电模块，其特征在于，所述方法包括以下步骤：
S1、获取光储充换一体化充电站内各光伏发电模块、能量储存模块和电动汽车充换电模块的测点信息；
S2、根据获取的信息建立协同调度策略模型，所述的协同调度策略模型包括实现光储充换一体化充电站运行成本最小的目标函数和对应的约束条件；
S3、通过粒子群算法对协同调度策略模型进行求解；
S4、根据求得的最优解制定光储充换一体化充电站的电网电力输入及储能出力计划；
其中，所述的协同调度策略模型的目标函数为：
min F＝C1+C2+C3+C4
式中，F为一体化充电站的运行成本；C1为分时电价下一体化充电站与电网的交互成本；C2为一体化充电站光伏系统的发电单元的发电成本；C3为储能电池的损耗成本，C4为一体化充电站的运行管理成本；λb为t时刻的电网电价，Pgrid(t)为t时刻一体化充电站与电网的交互功率；λPV为光伏发电模块的单位发电成本，PPV(t)为t时刻光伏发电模块的输出功率；λC为储能模块的单位电池损耗成本，PC(t)为t时刻储能模块的充放电功率，ηC为储能电池的充放电效率；λj为电动汽车充换电模块充电功率运营管理成本，Pj(t)为t时刻站内电动汽车充换电模块的输出功率，λh为电动汽车充换电模块内单位充换电车辆的服务成本，Nt为t-1到t时段内的充换电车辆数。
2.根据权利要求1所述的基于PSO的光储充换一体化充电站协同优化调度方法，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：一体化充电站的功率平衡约束、储能充放电功率及电池SOC约束、电动汽车充换电模块电池数量约束、交直流充电机充电功率约束，以及一体化充电站的电网输入功率约束。
3.根据权利要求2所述的基于PSO的光储充换一体化充电站协同优化调度方法，其特征在于，所述的一体化充电站的功率平衡约束表达式为：
Pload＝PPV+PC+Pgrid
式中，Pload为t时刻一体化充电站的负荷功率；PPV为t时刻光伏发电模块的输出功率，PC为t时刻储能模块的充放电功率，Pgrid为t时刻一体化充电站与电网的交互功率。
4.根据权利要求2所述的基于PSO的光储充换一体化充电站协同优化调度方法，其特征在于，所述的储能充放电功率及电池SOC约束表达式为：
SOCmin≤SOC≤SOCmax
-Pbatmax≤Pbat≤Pbatmax
式中，SOCmin为储能模块中电池SOC的最小值，SOCmax为储能模块中电池SOC的最大值，Pbat为储能模块的输出功率，输出功率为正表示储能模块充电，输出功率为负表示储能模块放电。
5.根据权利要求2所述的基于PSO的光储充换一体化充电站协同优化调度方法，其特征在于，所述的电动汽车充换电模块电池数量约束表达式为：
Nemin(t)≤Ne(t)≤Nemax(t)
式中，Ne(t)为t-1到t时间段内一体化充电站为电动汽车储备的可换电池数量，Nemin(t)和Nemax(t)为t-1到t时间段内电动汽车换电所需的最低、最高储备数量。
6.根据权利要求2所述的基于PSO的光储充换一体化充电站协同优化调度方法，其特征在于，所述的交直流充电机充电功率约束表达式为：
0≤Pac(t)≤Pacmax(t)
0≤Pdc(t)≤Pdcmax(t)
Pac(t)和Pdc(t)为t时刻一体化充电站内所有工作的交直流充电机的充电功率，Pacmax(t)和Pdcmax(t)为t时刻一体化充电站内交直流充电机的最大充电功率。
7.根据权利要求2所述的基于PSO的光储充换一体化充电站协同优化调度方法，其特征在于，所述的一体化充电站的电网输入功率约束表达式为：
Pbuymin(t)≤Pbuy(t)≤Pbuymax(t)
式中，Pbuy(t)为t时刻一体化充电站的输入功率，Pbuymin(t)和Pbuymax(t)为t时刻电网所允许的输入功率最小和最大限制。
8.根据权利要求1所述的基于PSO的光储充换一体化充电站协同优化调度方法，其特征在于，所述的步骤S3中，粒子群算法中，每个粒子的位置代表一体化充电站各模块与电网的交换功率。
9.根据权利要求8所述的基于PSO的光储充换一体化充电站协同优化调度方法，其特征在于，基于粒子群优化算法对模型求解具体包括以下步骤：
A1、数据初始化，输入光伏发电模块输出功率、一体化充电站负荷需求预测值，以及电网成本，设定一体化充电站从电网输入功率的最大值和最小值，储能模块的充放电功率的最大值和最小值，以及电池额定容量，粒子群规模、粒子群位置、粒子速度和相关常数；
A2、初始化粒子的位置和速度，并评价粒子的初始适应度值，确定个体极值位置gbest及个体适应度值fgbest以及群体极值位置zbest和群体适应度值fzbest；
A3、随机产生N个种群的储能模块的SOC值，计算初始储能模块的输出功率，结合电动汽车充换电模块的负荷需求功率，计算一体化充电站向电网的初始需求的输入功率；
A4、更新粒子的速度和位置，计算当前N个种群所对应的目标函数的函数值；
A5、对粒子边界进行处理，如果粒子输出功率超出最大值限制时令其等于最大值，超出最小值限制时令其等于最小值；如果粒子电网输入功率超出电网允许的最大值限制时令其等于最大值，超出最小值限制时令其等于最小值；并且判断目前的迭代次数是否超过设定的阈值，若是，则执行步骤A6；若否，则执行步骤A4；
A6、输出适应度最优时的储能模块的最优输出功率，结合一体化充电站负荷需求预测值计算一体化充电站的最优电网输入功率。
10.一种基于PSO的光储充换一体化充电站协同优化调度装置，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1～9任一所述的基于PSO的光储充换一体化充电站协同优化调度方法。
CN202010683118.4A 2020-07-15 2020-07-15 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 Active CN111900727B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010683118.4A CN111900727B (zh) 2020-07-15 2020-07-15 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010683118.4A CN111900727B (zh) 2020-07-15 2020-07-15 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

Publications (2)

Publication Number Publication Date
CN111900727A CN111900727A (zh) 2020-11-06
CN111900727B true CN111900727B (zh) 2024-02-02

Family

ID=73192018

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010683118.4A Active CN111900727B (zh) 2020-07-15 2020-07-15 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

Country Status (1)

Country Link
CN (1) CN111900727B (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112417656B (zh) * 2020-11-10 2022-08-12 苏州沃联新能源有限公司 光储系统的能量调度策略的优化方法、装置和存储介质
CN112550047B (zh) * 2020-11-13 2022-05-10 国电南瑞南京控制系统有限公司 一种充光储一体化充电站优化配置方法和装置
CN112821418B (zh) * 2021-01-21 2023-07-07 上海电气集团股份有限公司 一种光储充多目标功率动态调节系统及方法
CN113300392B (zh) * 2021-05-13 2022-07-29 上海电力设计院有限公司 考虑余电上网的光储充一体化电站优化控制方法
CN113486504B (zh) * 2021-06-28 2022-05-27 上海电机学院 一种基于调度成本的电池管理控制方法
CN113765127B (zh) * 2021-07-22 2023-03-28 国网安徽省电力有限公司合肥供电公司 一种多站融合的光储充换协调控制方法
CN114336715A (zh) * 2022-03-08 2022-04-12 安徽中科海奥电气股份有限公司 一种内置直流微网和高效dc变换器的储能充电桩
CN115378053B (zh) * 2022-10-25 2023-03-03 华能国际电力江苏能源开发有限公司清洁能源分公司 一种新能源电站储能融合系统
CN116306050B (zh) * 2023-05-23 2023-08-18 广东电网有限责任公司阳江供电局 储能配置确定方法、装置及电子设备
CN116611673B (zh) * 2023-07-20 2023-10-03 国网湖北省电力有限公司经济技术研究院 一种面向电力交通耦合网的光储充电站规划方法及系统
CN117301899B (zh) * 2023-11-29 2024-03-15 江西五十铃汽车有限公司 一种电动汽车无线充电方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105160451A (zh) * 2015-07-09 2015-12-16 上海电力学院 一种含电动汽车的微电网多目标优化调度方法
CN109256800A (zh) * 2018-09-18 2019-01-22 三峡大学 一种区域充换储一体化电站微电网群协调优化调度方法
CN110188950A (zh) * 2019-05-30 2019-08-30 三峡大学 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法
CN110751409A (zh) * 2019-10-28 2020-02-04 华北电力大学 考虑储能系统和交通分配的电动汽车充电管理方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109462231B (zh) * 2018-11-15 2020-09-01 合肥工业大学 居民微电网的负荷优化调度方法、系统和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105160451A (zh) * 2015-07-09 2015-12-16 上海电力学院 一种含电动汽车的微电网多目标优化调度方法
CN109256800A (zh) * 2018-09-18 2019-01-22 三峡大学 一种区域充换储一体化电站微电网群协调优化调度方法
CN110188950A (zh) * 2019-05-30 2019-08-30 三峡大学 基于多代理技术的虚拟电厂供电侧和需求侧优化调度建模方法
CN110751409A (zh) * 2019-10-28 2020-02-04 华北电力大学 考虑储能系统和交通分配的电动汽车充电管理方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
电动公交车光储充电站日运行随机优化策略;李睿雪;胡泽春;电网技术;第41卷(第12期);3772-3779 *

Also Published As

Publication number Publication date
CN111900727A (zh) 2020-11-06

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
CN109146201A (zh) 基于合作博弈的充换储一体化电站微电网优化调度方法
CN109066750B (zh) 基于需求侧响应的光伏-电池微电网混合能量调度管理方法
CN109473976B (zh) 一种冷热电联供型微网能量调度方法及系统
CN111064214A (zh) 基于电动汽车两阶段滚动式策略的配电网优化调度方法
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
CN109599881B (zh) 一种基于锰酸锂电池储能系统的电网调频调压方法
CN116151486B (zh) 含储能系统的光伏充电站多时间尺度随机优化方法及装置
CN109742755B (zh) 基于节点分区的含电动汽车的主动配电网运行调度方法
Salkuti Energy storage and electric vehicles: technology, operation, challenges, and cost-benefit analysis
CN104156789A (zh) 计及储能寿命损耗的孤立微电网最优经济运行方法
CN115021295B (zh) 针对一次调频的风电场混合储能容量优化配置方法及系统
CN114448044A (zh) 一种换电站双向快充有序充放电方法及系统
CN115549159A (zh) 一种考虑调峰成本的大规模电动汽车分群调度策略
CN115473285A (zh) 基于合作博弈论的多类型储能系统最优容量配置方法
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
CN103915851A (zh) 一种递进步长和期望输出均可变的储能系统优化控制方法
CN110581555B (zh) 一种基于sfla的电动汽车与电网能量互换优化方法
CN115001001B (zh) 一种新型电力系统源荷储的主从博弈优化方法
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
CN115360738B (zh) 一种考虑可控域约束的电动汽车一次调频控制方法
Li et al. Optimal operation of AC/DC hybrid microgrid under spot price mechanism
CN114285093B (zh) 一种源网荷储互动调度方法及系统
CN110137957A (zh) 一种基于直流配电中心的柔性互联配电网削峰填谷方法
CN112039057B (zh) 一种基于两阶段调度的低电压治理方法

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