CN111987717A - 车联网充放电管理方法及系统、电力系统及存储介质 - Google Patents

Abstract

本发明公开了一种能提升电力系统爬坡灵活性的车联网(V2G)双向充放电管理方法及系统、电力系统及存储介质，该发明通过博弈方法对电动汽车集群的充电行为进行管理，从而利用优化后的车联网双向充电向电力系统贡献灵活性。相较已有技术，本发明实现了车联网充电贡献电力系统灵活性的功能，可应对高比例可再生能源发电接入引起的电力系统灵活性缺乏的问题，并且解决了电动汽车车主和电网运行商的利益平衡问题以及电网潮流阻塞问题。此外，本发明还通过单层混合整数二阶锥优化模型的重建，使得所提出的模型能快速求解，能同时保证求解的高效率、高精度和最优性。

Description

车联网充放电管理方法及系统、电力系统及存储介质

技术领域

本发明涉及一种电力系统技术领域，提出了一种能提升电力系统爬坡灵活性的车联网双向充放电管理方法，其通过博弈方法对电动汽车集群的充电行为进行管理，从而利用优化后的车联网双向充电向电力系统贡献灵活性。

背景技术

高比例可再生能源发电接入下的电力系统呈现出灵活性爬坡能力不足的问题。其具体表现为，由于可再生能源间歇性发电的特点，其突然的出力增加或下降将导致系统净负荷曲线在短时间段内快速发生变化。此时，系统中的传统发电机组虽然有充足的发电容量，但是却没有足够的爬坡能力来应对净负荷的快速变化，从而引发系统切负荷(向上爬坡能力缺乏)或系统电压过高(向下爬坡能力缺乏)的现象。提升系统灵活性的传统方案主要针对于发电侧，包括削减新能源出力、新建或升级灵活性更强的发电机组，但是会带来弃风弃光问题，并且机组投资很大。因此，从系统需求侧出发，利用需求侧管理向系统贡献灵活性，对于高比例新能源电力系统至关重要。

现有技术已对电动汽车通过车联网充放电的形式参与电网调度或需求侧响应进行了研究，例如电动汽车参与电网的调频、电动汽车换电站与风电商的协调优化研究、电动汽车充放电价制定方法研究等。图1给出了现有技术下常见的电动汽车并网系统结构图。图1中市场主体包括电网运营商和若干电动汽车集群，其中各电动汽车集群由一个代理负责参与电力市场交易。图1中各单元均已安装高级量测设备且车联网技术已得到应用，电网运营商和电动汽车集群可以进行能量和信息的双向交互。然而，现有技术存在以下三点不足：1、未从提升系统灵活性爬坡能力方面考虑制定优化调度方案。电力系统的灵活性爬坡能力关系到电网的安全与经济运行，目前在国外，美国部分电网已实施了相关灵活性爬坡产品来解决系统灵活性爬坡能力缺乏的问题，系统的灵活性爬坡能力不容忽视。2、未考虑电网的网络潮流约束。在车联网技术下，电动汽车与电网之间可进行双向的能量交互，而大规模电动汽车并网会对系统潮流带来影响，电网需要在利用电动汽车提升系统灵活性爬坡能力的同时兼顾系统的安全运行。3、模型求解的最优性得不到保证。搜索算法虽然可以用来求解一类较为复杂的优化模型，但其特点决定了其求解结果易陷入局部最优且优化效率低下。

发明内容

本发明所要解决的技术问题是，针对现有技术不足，提供一种基于主从博弈理论的用于提升电力系统爬坡灵活性的车联网充放电管理方法及系统、电力系统及存储介质，从而在利用电动汽车为电网提供灵活性爬坡资源的同时将电动汽车车主的自利性以及大规模电动汽车并网对线路潮流阻塞产生的影响考虑进来。此外，本发明中还将基于主从博弈理论建立的双层优化模型重写为单层的混合整数二阶锥优化(MISOCP)问题，以实现模型的高效求解。

为解决上述技术问题，本发明所采用的技术方案是：一种基于主从博弈理论的用于提升电力系统爬坡灵活性的车联网充放电管理方法，其特征在于，基于车联网双向充电，将电动汽车集群作为灵活性爬坡资源，通过博弈激励其充电行为，从而利用该资源向电力系统贡献灵活性，并解决电动汽车车主与电网运行商利益平衡问题以及电网潮流阻塞问题，这通过优化以下单层MISOCP模型而实现，该模型以减小电网最大爬坡需求即增强整个系统灵活性为目标函数，输出电网t时段灵活性爬坡需求值r_t、各电动汽车集群激励电价

电动汽车的充电量大小

和放电量大小

并根据电网t时段灵活性爬坡需求值r_t计算出电力系统在总优化时间段内的最大灵活性爬坡需求量||R||_∞：

约束条件：

R＝{r₁,r₂,…r_T}

||R||_∞＝max{|r|₁,|r₂|,…|r|_T}

其中，N表示电动汽车集群数量，n表示第n个集群；M表示电动汽车集群下电动汽车数量，m表示第m辆汽车；S为电力系统节点集合，i、j表示节点编号；T为总优化时段；a和b为惩罚成本系数，为正数；R为优化周期内系统在各时段对应爬坡需求的集合；||R||_∞表示总优化时间段内电力系统的最大爬坡需求量，||·||_∞为无穷范数；

为电网引导电动汽车充放电的价格，即电动汽车集群激励电价；

和

分别为电动汽车的充电量大小和放电量大小；

和

分别表示电价的上边界和下边界；δ_t为电力负荷与新能源发电的差值；

和

分别表示总电力负荷和新能源总发电量；r_t表示t时段的净负荷爬坡大小，即电网t时段灵活性爬坡需求值；

和

分别为支路ij首端流动的有功功率和无功功率；R_ij和X_ij分别为支路ij的阻抗；

和

分别为流出节点j的有功功率和无功功率；

和

分别为节点i的电压、电压平方下界和电压平方上界；

和

分别为支路ij电流平方和电流平方上界；

均为拉格朗日乘子；||·||₂为2-范数；

为二进制变量。

公式

中，

表示对于任意一个集群n，都满足

同理，

表示对于任意一个集群和任意时刻t，都满足

同理，

表示对于任意一个集群和电动汽车集群下任意一辆汽车，都满足

以上公式中

后的符号解释类同。

本发明考虑到车联网双向充电管理下电动汽车的灵活性贡献潜力、电动汽车车主的自利性以及大规模电动汽车并网对线路潮流带来的影响，基于主从博弈理论对电网运营商与电动汽车车主间的博弈关系进行数学建模，同时保证电网的安全性与经济性。

所述单层MISOCP优化模型可通过对电网运营商和电动汽车集群的主从博弈双层优化模型进行数学恒等变换获得，具体过程包括：

1)以减小电网净负荷最大爬坡需求为目标，基于distflow潮流方程，建立主从博弈上层电网优化模型：

约束条件：

R＝{r₁,r₂,…r_T}

||R||_∞＝max{|r|₁,|r₂|,…|r|_T}

2)接收电动汽车集群激励电价

建立主从博弈下层电动汽车集群成本最小化模型：

约束条件：

3)通过卡罗需-库恩-塔克条件、强对偶理论和二阶锥优化，将上述主从博弈的上层电网优化模型和下层电动汽车集群优化模型转换为单层MISOCP优化问题。

本发明建立的主从博弈模型可在向电网贡献灵活性的同时减小电动汽车的充放电成本。而该主从博弈下的双层模型重写为单层的MISOCP问题后，则使模型具有求解速度快、精度高以及最优性能得到保证的特点。首先，本发明以减小系统最大灵活性爬坡需求为目标建立了电网运营商的优化调度模型，模型中电网运营商通过主从博弈理论制定电动汽车的充放电价以激励具有自利性的电动汽车车主提供灵活性爬坡能力。其次，建立了主从博弈理论下电动汽车集群的最小化充放电成本优化模型，模型中电动汽车代理商根据车主的出行行为和汽车电池约束对电网运营商下发的电价进行响应，调整电动汽车的充放电策略。最后，考虑到基于主从博弈理论建立的双层优化模型不易直接求解，本发明通过卡罗需-库恩-塔克条件、强对偶理论和二阶锥优化将该双层优化模型重写为商业软件可直接高效求解的单层MISOCP问题。

本发明还提供了一种电力系统，该电力系统通过对下述将电动汽车作为灵活性爬坡资源、考虑潮流阻塞和电动汽车车主自利性且以减小电网最大爬坡需求为目标的单层MISOCP优化模型进行优化，输出电网t时段灵活性爬坡需求值r_t、各电动汽车集群激励电价

电动汽车的充电量大小

和放电量大小

并根据电网t时段灵活性爬坡需求值r_t计算出电力系统在总优化时间段内的最大灵活性爬坡需求量||R||_∞：

约束条件：

R＝{r₁，r₂，…r_T}

||R||_∞＝max{|r|₁，|r₂|，…|r|_T}

其中，N表示电动汽车集群数量，n表示第n个集群；M表示电动汽车集群下电动汽车数量，m表示第m辆汽车；S为电力系统节点集合，i、j表示节点编号；T为总优化时段；a和b为惩罚成本系数，为正数；R为优化周期内系统在各时段对应爬坡需求的集合；||R||_∞表示总优化时间段内电力系统的最大爬坡需求量，||·||_∞为无穷范数；

为电网引导电动汽车充放电的价格，即电动汽车集群激励电价；

和

分别为电动汽车的充电量大小和放电量大小；

和

分别表示电价的上边界和下边界；δ_t为电力负荷与新能源发电的差值；

和

分别表示总电力负荷和新能源总发电量；r_t表示t时段的净负荷爬坡大小，即电网t时段灵活性爬坡需求值；

和

分别为支路ij首端流动的有功功率和无功功率；R_ij和X_ij分别为支路ij的阻抗；

和

分别为流出节点j的有功功率和无功功率；

和

分别为节点i的电压、电压平方下界和电压平方上界；

和

分别为支路ij电流平方和电流平方上界；

ξ^n,m均为拉格朗日乘子；||·||₂为2-范数；

为二进制变量，M为常数。

作为一个发明构思，本发明还提供了一种车联网充放电管理系统，包括计算机设备；所述计算机设备被配置或编程为用于执行本发明所述的方法。

作为一个发明构思，本发明还提供了一种计算机可读存储介质，其特征在于，其存储有程序；所述程序被配置为用于执行本发明所述的方法。

与现有技术相比，本发明所具有的有益效果为：

1、本发明提供了一种用于提升电力系统爬坡灵活性的车联网充放电管理方法。第一，本发明中将车联网协调管理下的具有电能和信息双向传输能力的电动汽车集群作为电力系统灵活性的供给资源，电网运营商可利用这部分灵活性资源有效应对高比例可再生能源发电接入引起的系统灵活性爬坡能力缺乏问题。相比较，现有技术从发电侧考虑提升系统灵活性的方案会带来大量投资成本。第二，本发明中考虑了电动汽车车主的利益，电网运营商在使用电动汽车电池减小系统灵活性爬坡需求时，须向电动汽车车主提供价格激励信号。相比较，现有技术中电网运营商在利用电动汽车进行灵活性爬坡调节时忽略了电池频繁充放电对电动汽车车主利益带来的影响以及电动汽车车主对电池的优先控制权。第三，本发明考虑了网络潮流对电动汽车和电网的决策影响，在提高系统灵活性爬坡能力的同时，兼顾了系统的安全性。相比较，现有技术中电动汽车大规模并网对电网带来的潮流阻塞影响未被考虑。

2、为实现本发明功能，将建立的车联网主从博弈双层优化模型变换为易于求解的单层MISOCP问题。一方面，将主从博弈下层电动汽车的优化模型以卡罗需-库恩-塔克条件进行替换并对其中的互补松弛条件进行线性化，并根据强对偶理论将下层优化目标替换为其对偶函数的目标。另一方面，对主从博弈上层电网优化模型中非凸distflow潮流方程进行二阶锥优化。

3、本发明提出的方法能够为电网运营方的以下问题提供详实答案以及给出解决方案：如何利用电动汽车与电网的博弈关系有效激励电动汽车车主调整自身的充放电行为以实现向电网贡献灵活性的目的，以及如何应对新能源发电和电动汽车大规模接入对电网安全稳定运行造成的影响。

4、本发明基于主从博弈理论对电网运营商与电动汽车集群的互动进行了数学建模，该模型可实现利用电动汽车充放电向电力系统贡献灵活性的同时减小电动汽车的充放电成本。该模型中，电网运营商作为领导者以系统灵活性获取成本最小为目标，通过调整交易电价激励电动汽车的充放电行为，而电动汽车集群作为跟随者以充放电成本最小为目标，对交易电价进行响应并改变自身充放电策略，并反过来影响该电价的设定。

附图说明

图1是现有技术下电动汽车并网系统结构图。

图2是本发明的方法流程图。

图3是运用本发明进行仿真验证的修改后的IEEE33节点图。

图4是运用本发明求解出的电网与各电动汽车集群交易电价。

图5(a)给出了电动汽车接入前电网各时段的净负荷爬坡大小；图5(b)-图5(d)分别是运用本发明求解出的3个电动汽车集群的充放电调度结果；

图6是运用本发明前后系统各时段灵活性爬坡需求的对比。

具体实施方式

图2中电网运营商和若干电动汽车集群在电力市场中建立了一主多从的主从博弈模型。模型中电网运营商的主要职责有：在主从博弈中作为领导者，以减小电网灵活性爬坡需求即增强整个系统灵活性为目标，通过合理设置动态交易电价，激励电动汽车车主为电网提供灵活性爬坡能力。模型中电动汽车集群代理商的主要职责有：在主从博弈中作为跟随者，以最小化其自身充放电成本为目标，通过获取所管理电动汽车的并网与离网时间、电池初始容量、净充电需求以及电网运营商制定的电价，动态调整电动汽车的充放电大小。

本发明实施例具体步骤包括：

步骤S1，输入数据：包括电力系统的网络参数(网络拓朴结构，支路阻抗R_ij和X_ij)，电价参数(电价下界

和上界

)以及电动汽车参数(并网、离网时间

期望净充电量S^n,m，最大充、放电功率E^n,m,max、e^n,m,max)，电池初始容量、最小容量和最大容量

和

)，其中电动汽车的并网

以及离网时间

服从正态分布，可基于蒙特卡洛仿真模拟产生；

步骤S2，电网运营商建模：以减小电网净负荷最大爬坡需求为目标，基于distflow潮流方程，建立主从博弈上层电网优化模型：

subject to

R＝{r₁,r₂,…r_T} (1.6)

||R||_∞＝max{|r|₁,|r₂|,…|r|_T} (1.7)

其中，N表示电动汽车集群数量，并以n表示各集群；M表示电动汽车集群下电动汽车数量，并以m表示各汽车；S为配电系统节点集合，并以i、j表示各节点；T为总优化时段，并以t表示各时段。(1.1)中第一项为系统最大爬坡需求带来的成本，a和b为惩罚成本系数，为正数。R为优化周期内系统在各时段对应爬坡需求的集合；||R||_∞表示总优化时间段内系统的最大爬坡需求量，||·||_∞为无穷范数。高比例可再生能源接入下，系统所需的最大爬坡量一般超过发电机组的最大爬坡能力，而对于其他所需爬坡量较小的时段，发电机组的爬坡能力则能够提供。因此，若激励电动汽车在电网所需爬坡量大于机组爬坡能力时提供其充放电的灵活性，则可有效提升系统的灵活性爬坡能力。(1.1)中第二项为系统与电动汽车交易带来的收益。

为电网引导电动汽车充放电的价格，由于在不同的并网点电动汽车对系统的潮流影响不一，因此电网对各节点电动汽车制定的充放电价格也不一致。

和

分别为电动汽车的充放电量大小。(1.2)为电网对不同并网点电动汽车集群设置的各时段充放电电价集合。(1.3)为充放电价的约束，

和

分别表示电价的上下边界，以保证电价的合理性。(1.4)中δ_t为系统中电力负荷与新能源发电的差值，也是不考虑电动汽车参与下的系统净负荷大小，

和

分别表示系统中的总电力负荷和新能源总发电量。(1.5)为系统在t时段的净负荷爬坡大小并以r_t表示。(1.6)和(1.7)分别为各时段爬坡集合和系统爬坡最大值。(1.8)-(1.13)为系统的distflow潮流方程。

和

为支路ij首端流动的有功和无功功率；R_ij和X_ij分别为支路ij的阻抗；

和

分别为流出节点j的功率；

和

分别为节点i的电压、电压平方下界和上界；

和

分别为支路ij电流和电流平方上界。

步骤S3，电动汽车集群建模：接受步骤S2下发的交易电价

建立主从博弈下层电动汽车集群成本最小化模型：

subject to

其中，(2.1)为集群n代理的电动汽车成本最小化目标函数。(2.2)-(2.3)为电动汽车充、放电功率约束，E^n,m,max和e^n,m,max分别为最大充、放电功率大小。

和

分别表示电动汽车并网和离网的时间。(2.4)表示电动汽车未并网下状态。(2.5)表示电动汽车在并网期间要满足净充电量S^n,m。(2.6)为电动汽车电池容量限制，

和

为电池最小和最大容量，

表示电动汽车刚并入电网时的电池能量。

步骤S4，模型变换：基于卡罗需-库恩-塔克条件、线性化法、强对偶和二阶锥优化理论将上述主从博弈的上下层优化模型转换为单层的MISOCP优化问题：

subject to

(1.2)-(1.7),(2.2)-(2.6)

其中，(3.1)为强对偶理论下(1.1)的等价变化。

分别为(2.2)、(2.3)和(2.6)对应的拉格朗日乘子，

和

为(2.4)对应的拉格朗日乘子，ξ^n,m为(2.5)对应的拉格朗日乘子。(3.2)-(3.7)为非凸distflow潮流方程(1.8)-(1.13)二阶锥优化结果，式(3.7)中||·||₂为2-范数。(3.8)-(3.9)为下层电动汽车卡罗需-库恩-塔克条件中的一阶静止条件。(3.10)-(3.15)为经过线性化后的卡罗需-库恩-塔克条件中的互补松弛条件，

为二进制变量，M为足够大的常数。

步骤S5，输出结果：对步骤S4中的MISOCP问题进行优化，输出电网各时段灵活性爬坡需求值r_t、各电动汽车集群激励电价

和电动汽车充/放电调度优化结果

并根据优化得出的r_t计算出系统在优化时间段内的最大灵活性爬坡需求量||R||_∞。

本发明在修改后的IEEE 33节点系统进行仿真验证，见图3。本发明中的优化模型调用商业求解器GUROBI 9.0.2在2.6GHz CPU、16GB内存的个人电脑上进行优化求解。

仿真设定如下。节点8、24和33下各有一个电动汽车集群，节点10，17，21和33均有光伏发电机组接入，节点14和22接入无功补偿装置。IEEE 33节点系统的基准电压和总容量分别设为12.66kV和10MVA，节点电压标幺化下安全运行范围设为0.95～1.05。无功补偿装置的无功补偿量范围为±500kvar。每个节点光伏发电机组的容量均设为1.1MVA，具体大小在表1中给出。IEEE 33节点系统各节点在21：00的负荷大小以及线路阻抗见[1]，其他时刻负荷大小以21点为基准值按照表2标幺化结果获取。

表1光伏发电量(kW)

表2负荷标幺化数据

仿真中每个电动汽车集群中有20辆电动汽车，每辆汽车的最大充放电功率均设为10kW，汽车电池最大容量设为50kW，最小容量设为5kW。各集群中电动汽车初始容量分别设为：集群1在[10,20]kW随机产生；集群2在[15,30]kW随机产生；集群3在[20,40]kW随机产生。各集群中电动汽车并网和离网的时间分别设为：集群1中电动汽车并网时间服从均值为7，方差为0.5的正态分布N～(7,0.5)，离网时间服从N～(20,0.5)；集群2中电动汽车代并网时间服从N～(6,0.5)，离网时间服从N～(19,0.5)；集群3中电动汽车代并网时间服从N～(8,0.5)，离网时间服从N～(22,0.5)。所有电动汽车均在充满电后才离网。电网从批发市场购电价来自[2]，考虑到配电线路的建设费用和维护费用，电力零售价设为批发市场购电价的1.5倍。爬坡成本系数取自[3]。

[1]IEEE33节点数据。数据来源：

https://wenku.baidu.com/view/85e449084a7302768e99391c.html

[2]各时段市场批发电价。数据来源：

https://ieeexplore.ieee.org/document/7582518

[3]爬坡成本系数。数据来源：

https://ieeexplore.ieee.org/document/7907337

图4给出了在主从博弈中由电网运营商最终决定的交易价格。考虑到电网运营商需要向电动汽车提供有吸引力的交易价格，以激励他们加入该计划，交易价格的上下限分别为批发价格的1.3倍和0.4倍，低于零售电价。从图4可以看出，10:00之前交易价格达到上限，10:00之后处于上下限之间。这表明配电系统运营商不鼓励电动汽车在10:00前充、放电，而是鼓励电动汽车在10:00后通过调整充放电策略提供灵活性。从图4中还可以看到，电网运营商为集群确定的充放电价格在10:00之后有所不同。这是因为电动汽车集群连接在配电网中的不同节点上，对系统潮流有不同的影响，从而导致电网运营商制定了不同的交易价格。

图5(a)描述了电动汽车集群未并网前电网净负荷在各时段的爬坡大小，图5(b)-(d)描绘了不同集群中电动汽车的充放电优化结果。

在图5(a)中，电网净负荷在12:00左右有一个负的最大爬坡尖峰值，在17:00左右有一个正的最大爬坡尖峰值。由图4和5可知，负的最大爬坡值是由于在11:00和12:00之间大量光伏发电功率注入电网以及负荷减少引起的。类似地，正的最大爬坡值归因于光伏发电功率的突然降低并且负荷在16:00至17:00之间增加。在负、正最大爬坡尖峰值时间段内，电网需要分别降低和增加传统发电机组的发电量以保持功率平衡。然而，发电机组可能缺乏这种最大爬坡的能力。为解决此问题，本发明中电网运营商通过主从博弈理论制定了与电动汽车的交易价格(见图4)，并以此激励电动汽车车主调整充、放电策略，从而提高系统的灵活性爬坡能力。

尽管10:00之前电网制定的与电动汽车交易的价格达到了上界，但仍然低于其他时段的价格(见图4)。因此，从图5(b)-图5(d)可以看出，所有电动汽车一旦并网，都选择在10:00前充电以减少充电成本。此外，当电网净负荷出现正的最大爬坡值时，所有的电动车都在17:00放电。这种放电功率可以有效地减轻系统因光伏发电功率减少和负荷增加而带来的爬坡需求。换句话说，所提出的协调策略提高了系统爬坡的灵活性。此外，图5(b)-图5(d)也表明，一些电动汽车选择在12:00进行充电以减小电网负的最大爬坡需求。

为进一步研究所提策略对电动汽车充电成本的影响，表3比较了电动汽车集群参与灵活性爬坡调度前后的充电成本。显然，使用所提出的策略时，所有电动汽车集群的充电成本都会降低。这表明，从电动汽车车主的角度来看，本发明所提策略符合车主的自利性。

表3电动汽车参与灵活性爬坡调度前后成本对比

图6比较了在运用本发明所提策略前后电网各时段的爬坡需求。在图6中，当采用本发明所提策略时，电网最大灵活性爬坡需求从1.54MW降低到0.94MW，降低率达到39％，最大的负的爬坡需求也从1.28MW降低到0.90MW，这有效地提升了电网的灵活性爬坡能力。此外，图6显示在10:00之前电网爬坡需求相对较小，这也从侧面反映了电网在10点之前将交易电价设为电价上界的原因(见对图4的分析)。

Claims (6)

1.一种车联网充放电管理方法，其特征在于，对下述优化模型进行优化，输出包括电网t时段灵活性爬坡需求值r_t、各电动汽车集群激励电价

电动汽车的充电量大小

和放电量大小

并根据电网t时段灵活性爬坡需求值r_t计算出电力系统在总优化时间段内的最大灵活性爬坡需求量||R||_∞：

约束条件：

R＝{r₁,r₂,…r_T}

||R||_∞＝max{|r|₁,|r₂|,…|r|_T}

其中，N表示电动汽车集群数量，n表示第n个集群；M表示电动汽车集群下电动汽车数量，m表示第m辆汽车；S为电力系统节点集合，i、j表示节点编号；T为总优化时段；a和b为惩罚成本系数，为正数；R为优化周期内系统在各时段对应爬坡需求的集合；||R||_∞表示总优化时间段内电力系统的最大爬坡需求量，||·||_∞为无穷范数；

为电网引导电动汽车充放电的价格，即电动汽车集群激励电价；E_t ^m,n和

分别为电动汽车的充电量大小和放电量大小；

和

分别表示电价的上边界和下边界；δ_t为电力负荷与新能源发电的差值；P_t ^load和P_t ^re分别表示总电力负荷和新能源总发电量；r_t表示t时段的净负荷爬坡大小，即电网t时段灵活性爬坡需求值；P_t ^ij和

分别为支路ij首端流动的有功功率和无功功率；R_ij和X_ij分别为支路ij的阻抗；P_t ^j和

分别为流出节点j的有功功率和无功功率；V_t ⁱ，

和

分别为节点i的电压、电压平方下界和电压平方上界；

和

分别为支路ij电流平方和电流平方上界；

ξ^n,m均为拉格朗日乘子；||·||₂为2-范数；

为二进制变量。

2.根据权利要求1所述的车联网充放电管理方法，其特征在于，所述优化模型的获取过程包括：

1)以减小电网净负荷最大爬坡需求即增强电力系统灵活性为目标函数，基于distflow潮流方程，建立主从博弈上层电网优化模型：

约束条件：

R＝{r₁,r₂,…r_T}

||R||_∞＝max{|r|₁,|r₂|,…|r|_T}

2)接收电动汽车集群激励电价

建立主从博弈下层电动汽车集群成本最小化模型：

约束条件：

3)通过卡罗需-库恩-塔克条件、强对偶理论和二阶锥优化，将上述主从博弈的上层电网优化模型和下层电动汽车集群优化模型转换为单层混合整数二阶锥优化问题，即得到优化模型。

3.一种电力系统，其特征在于，该电力系统通过对下述优化模型进行优化，输出电网t时段灵活性爬坡需求值r_t、各电动汽车集群激励电价

电动汽车的充电量大小

和放电量大小

并根据电网t时段灵活性爬坡需求值r_t计算出电力系统在总优化时间段内的最大灵活性爬坡需求量||R||_∞：

约束条件：

R＝{r₁,r₂,…r_T}

||R||_∞＝max{|r|₁，|r₂|，…|r|_T}

其中，N表示电动汽车集群数量，n表示第n个集群；M表示电动汽车集群下电动汽车数量，m表示第m辆汽车；S为电力系统节点集合，i、j表示节点编号；T为总优化时段；a和b为惩罚成本系数，为正数；R为优化周期内系统在各时段对应爬坡需求的集合；||R||_∞表示总优化时间段内电力系统的最大爬坡需求量，||·||_∞为无穷范数；

为电网引导电动汽车充放电的价格，即电动汽车集群激励电价；

和

分别为电动汽车的充电量大小和放电量大小；

和

分别表示电价的上边界和下边界；δ_t为电力负荷与新能源发电的差值；P_t ^load和P_t ^re分别表示总电力负荷和新能源总发电量；r_t表示t时段的净负荷爬坡大小，即电网t时段灵活性爬坡需求值；P_t ^ij和

分别为支路ij首端流动的有功功率和无功功率；R_ij和X_ij分别为支路ij的阻抗；P_t ^j和

分别为流出节点j的有功功率和无功功率；V_t ⁱ，

和

分别为节点i的电压、电压平方下界和电压平方上界；

和

分别为支路ij电流平方和电流平方上界；

ξ^n,m均为拉格朗日乘子；||·||₂为2-范数；

为二进制变量，M为常数。

4.根据权利要求3所述的电力系统，其特征在于，所述优化模型的获取过程包括：

1)以减小电网净负荷最大爬坡需求即增强电力系统灵活性为目标，基于distflow潮流方程，建立主从博弈上层电网优化模型：

约束条件：

R＝{r₁,r₂,…r_T}

||R||_∞＝max{|r|₁,|r₂|,…|r|_T}

2)接收电动汽车集群激励电价

建立主从博弈下层电动汽车集群成本最小化模型：

约束条件：

3)通过卡罗需-库恩-塔克条件、强对偶理论和二阶锥优化，将上述主从博弈的上层电网优化模型和下层电动汽车集群优化模型转换为单层混合整数二阶锥优化问题，即得到优化模型。

5.一种车联网充放电管理系统，其特征在于，包括计算机设备；所述计算机设备被配置或编程为用于执行权利要求1或2所述的方法。

6.一种计算机可读存储介质，其特征在于，其存储有程序；所述程序被配置为用于执行权利要求1或2所述的方法。

Images