CN112085363B - 一种储能和电动汽车集群协同调度的需求响应方法 - Google Patents

一种储能和电动汽车集群协同调度的需求响应方法 Download PDF

Info

Publication number
CN112085363B
CN112085363B CN202010895660.6A CN202010895660A CN112085363B CN 112085363 B CN112085363 B CN 112085363B CN 202010895660 A CN202010895660 A CN 202010895660A CN 112085363 B CN112085363 B CN 112085363B
Authority
CN
China
Prior art keywords
power
energy storage
total
electric automobile
battery
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
CN202010895660.6A
Other languages
English (en)
Other versions
CN112085363A (zh
Inventor
郑梦莲
孙聚伟
赵俊雄
田世明
韩凝晖
栾开宁
杨世海
曹晓冬
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.)
Zhejiang University ZJU
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jiangsu Electric Power Co Ltd
Original Assignee
Zhejiang University ZJU
China Electric Power Research Institute Co Ltd CEPRI
State Grid Jiangsu 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 Zhejiang University ZJU, China Electric Power Research Institute Co Ltd CEPRI, State Grid Jiangsu Electric Power Co Ltd filed Critical Zhejiang University ZJU
Priority to CN202010895660.6A priority Critical patent/CN112085363B/zh
Publication of CN112085363A publication Critical patent/CN112085363A/zh
Application granted granted Critical
Publication of CN112085363B publication Critical patent/CN112085363B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06315—Needs-based resource requirements planning or analysis
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/60—Monitoring or controlling charging stations
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/80—Exchanging energy storage elements, e.g. removable batteries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • 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
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/70—Energy storage systems for electromobility, e.g. batteries
    • 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
    • Y02T10/60—Other road transportation technologies with climate change mitigation effect
    • Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
    • 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
    • Y02T90/12—Electric charging stations
    • 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
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Power Engineering (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Educational Administration (AREA)
  • Evolutionary Computation (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种储能和电动汽车集群协同调度的需求响应方法，具体如下：S1：建立居民用户集群总成本模型，包括建立储能系统的折算年均购置成本模型、电动汽车换电站内储能模块的折算年均购置成本模型和集群全年用电总成本模型；S2：建立插电式电动汽车和储能系统协同响应策略；S3：建立换电式电动汽车和储能系统协同响应策略；S4：选择集群内用户数量、电动汽车数量和换电站内备用电池数量，采用S1中建立的居民用户集群总成本模型来计算目标函数值，从而对DL、EC和PC进行优化。本发明能有效应用于未来社区开发基于储能和电动汽车的需求响应方案的指导工作，降低社区中用户集群的总储能成本和用电成本。

Description

一种储能和电动汽车集群协同调度的需求响应方法
技术领域
本发明属于电力需求侧管理领域，具体涉及一种储能和电动汽车集群协同调度的需求响应方法。
背景技术
充电问题是制约电动汽车快速发展的问题之一。电动汽车进行能量补充的模式主要有三种：(1)插电模式、(2)换电模式和(3)无线充电模式。插电式电动汽车的基础设备为充电站，充电站内配备充电桩，电动汽车为到站式服务模式。此模式下充电方式耗时较长，快充状态电动汽车充电时间在15-30分钟左右，普通充电模式下充电时间将长达6-10小时，充电时间过长会带来里程焦虑问题。由于电动汽车的充电行为具有随机性和不确定性，大规模电动汽车接入会给电网系统造成冲击，但是通过对电动汽车进行集中调配和有序充电，可以管理电动汽车充电行为并使电动汽车参与需求响应。换电模式是指电动汽车与内设电池可分离，当电动汽车需要补充电量时，电动汽车前往换电站更换电池。换电模式下电池更换时间大大减少，但是换电模式对电池的标准化要求高，配套设施成本较高。换电模式下电池在换电站或集中式充电站内统一维护可以延长电池寿命，且充电行为便于集中管理，换电模式的电动汽车在未来具有很大的发展潜力。无线式电动汽车具有充放电简易，设备匹配要求低等优点，但是由于其技术发展尚不完善，暂时未应用到商业市场中。
随着电动车的普及度越来越高，电动车负荷对电网负荷影响越来越大，亟需将电动车考虑到能源系统的需求响应中。然而以往的电动汽车参与需求响应的方案通常只针对单户家庭用户，研究目标是单户家庭的效益最优，而未考虑和优化由多个家庭用户组成的集群的效益。此外，以往考虑电动汽车参与需求响应的方案中电动汽车能量补充模式单一，通常仅考虑插电模式。电动汽车行业的发展势必会伴随着多形式充电技术的发展，换电式电动汽车在运行过程中可以弥补充电式电动汽车的里程焦虑问题，且便于电池的维护与管理，进一步提高电池的使用寿命，在未来将有极大的应用潜力。最后，以往基于储能系统的需求响应策略通常考虑储能系统参与需求响应、或电动汽车作为储能参与需求响应，对于多个家庭用户组成的集群，通常未考虑储能和电动车集群协同参与需求响应的策略。在储能/电动汽车多元化发展的未来社区中，亟需考虑面向家庭集群的储能和电动汽车集群协同调度的需求响应方法。
发明内容
本发明的目的在于克服现有技术中的缺陷，并提供一种储能和电动汽车集群协同调度的需求响应方法。
本发明所采用的具体技术方案如下：
一种储能和电动汽车集群协同调度的需求响应方法，其具体如下：
S1：建立居民用户集群总成本模型，公式如下：
CT＝CS,all+CE＝CS,1+CS,2+CE，
其中，CT为集群全年总成本；CS,all为购置集中储能设备折算年均成本，包括储能系统的折算年均购置成本CS,1和电动汽车换电站内储能模块的折算年均购置成本CS,2两部分；CE为集群全年用电总成本；
建立居民用户集群总成本模型包括建立储能系统的折算年均购置成本模型、电动汽车换电站内储能模块的折算年均购置成本模型和集群全年用电总成本模型；
S2：建立插电式电动汽车和储能系统协同响应策略；
S3：建立换电式电动汽车和储能系统协同响应策略；
S4：选择集群内用户数量、电动汽车数量和换电站内备用电池数量，将S1 所建立的集群全年用电总成本模型设定为目标函数，依据典型年用户负荷、电动汽车行程安排，择一选择S2或S3所建立的电动汽车和储能系统协同响应策略，获得不同目标上限DL、储能系统的额定容量EC和储能系统的额定功率PC情况下的全年总功率需求曲线，采用S1中建立的居民用户集群总成本模型来计算目标函数值，从而对DL、EC和PC进行优化。
作为优选，所述S1具体如下：
S11：居民用户集群从运营商处获取分时电价，包括功率电费费率Cpower，单位为元/千瓦-集群每月最大功率需求；电量电费费率Cenergy，单位为元/千瓦时；固定费率Cfix，单位为元/月；
S12：建立储能系统的折算年均购置成本模型，公式如下：
CPC,1＝CCPC,1×PC1，
CEC,1＝CCEC,1×EC1，
其中，CPC,1为与储能设备额定功率PC1有关的成本，由额定功率PC1和储能设备单位额度功率成本CCPC,1决定；CEC,1为与储能设备额定容量EC1有关的成本，由额定容量EC1和储能设备单位额度容量成本CCEC,1决定；CBOS,1为储能系统中其他辅助设备费用；i为年化利率；T1为储能设备的使用年限；
S13：建立电动汽车换电站内储能模块的折算年均购置成本模型，公式如下：
CPC,2＝CCPC,2×PC2，
CEC,2＝CCEC,2×EC2，
其中，CPC,2为与换电站内电池总额定功率PC2有关的成本，由总额定功率 PC2和电池单位额度功率成本CCPC,2决定；CEC,2为与电池总额定容量EC2有关的成本，由总额定容量EC2和电池单位额度容量成本CCEC,2决定；CBOS,2为储能模块中其他辅助设备费用；i为年化利率；T2为换电站内电池的使用年限；
S14：建立集群全年用电总成本模型，公式如下：
其中，Cpower,k,m为k用户在m月内的功率电费费率，单位为元/千瓦；Cenergy,k,m为k用户在m月内电量电费费率，单位为元/千瓦时；Ek,m为k用户在m月内集群的总用电量，单位为千瓦时；Pk,m为k用户在m月内集群的最大功率需求，单位为千瓦；Cfix,m为当月固定费率，单位为元/月。
进一步的，所述S2具体如下：
S21：设定集群总功率需求的目标上限为DLplug-in；
S22：判断电动汽车j接入充电站情况；
若电动汽车j接入充电站，则按照S221～S224的规则进行；若电动汽车j未接入充电站，将其充放电功率赋值为0，则响应条件不足，对未接入电网系统的插电式汽车不予考虑；
S221：将电动汽车j的到达时间电量状态/>离开时间/>以及次日行程Dj信息上传至调控中心；
S222：按照以下公式计算电动汽车j的剩余接入时间
其中，为第j辆电动汽车剩余接入时间，/>为第j辆电动汽车预期离开时间，TNow为当前时间；
S223：按照以下公式计算电动汽车充放电优先级
其中，为电动汽车j的优先级参数，PC为电动汽车额定功率，Qj为电动汽车目标充电电量；
S224：判断是否小于0，具体规则如下：
若值小于0，此时电动汽车j不具备放电能力，作为不可调度负荷以额度功率进行充电；若/>值大于0，则此时电动汽车j具备放电能力，可以参与需求响应过程；
S23：按照S22重复判断电动汽车j接入充电站的情况，直至为集群内所有具备响应条件的电动汽车计算充放电优先级；
S24：储能系统的充放电优先级赋值为1；
S25：计算集群总功率需求Ptotal，公式如下：
Ptotal＝Phh+PS1+PS2，
PS1＝PS，
其中，Ptotal为集群内所有用户该时刻总功率需求；PS1为储能系统该时刻充放电功率，充电为正值、放电为负值；PS为储能装置充放电功率，充电为正值、放电为负值；PS2为该时刻集群内所有电动汽车总充放电功率，充电为正值、放电为负值；为电动汽车j充放电功率，充电为正值、放电为负值；Phh为居民集群对电网的净用电功率；
S26：判断Ptotal否超过目标上限DLplug-in，按照S261～S265的规则进行，具体如下：
S261：若Ptotal＞DLplug-in，储能系统与电动汽车向用户放电；
S262：若储能设备的放电功率大于(Ptotal-DLplug-in)，则电动汽车不必进行放电活动；
S263：若储能设备的放电功率小于(Ptotal–DLplug-in)，则的电动汽车按照优先级参数由大到小的顺序依次分配放电功率/>直至Ptotal＝DLplug-in，或直至全部/>的电动汽车与储能设备放电至最大放电深度；
S264：若Ptotal<DLplug-in，则对储能系统进行充电，按照优先级参数从小到大的顺序分配充电功率/>和PS，直至Ptotal＝DLplug-in，或直至储能设备电量充满；
S265：若Ptotal＝DLplug-in，则系统无需响应，不进行任何充放电操作；
S27：每单位调控时间操作步骤S23，对当前集群内电动汽车的充放电优先级情况和充电情况进行更新，并重复步骤S24～S26对当前社区内电动汽车和储能系统的充放电情况进行更新。
进一步的，所述S3具体如下：
S31：设定集群总功率需求的目标上限为DLswitching；
S32：判断电动汽车j回到社区情况；
若电动汽车j回到社区，按照S321～S323的规则进行；若电动汽车j未回到社区或不需要换电，将其充放电功率都记为0，电动汽车不进行换电操作；
S321：将电动汽车j的到达时间电量状态/>离开时间/>以及次日行程Dj信息上传至调控中心；
S322：按照以下公式计算电动汽车j的剩余停留时间
其中，为第j辆电动汽车剩余停留时间，/>为第j辆电动汽车预期离开时间，TNow为当前时间；
S323：判断该电动汽车中电池剩余电量是否满足次日行程要求，若满足则记为不需要换电，否则需要换电；
S33：重复判断电动汽车j回到社区情况，直至为集群内所有执行换电操作的电动汽车计算剩余停留时间；
S34：根据S33的结果，统计进行换电的电动汽车数量NEV；
S35：判断NEV与换电站内备用电池数量NMax的大小，按照S351～S352的规则进行，具体如下：
S351：若NEV≤NMax，将需要进行换电的电动汽车按照离开时间从近到远进行重新排序编号，将电动汽车中待换电电池按照剩余电量由多到少重新排序编号，将对应编号的电动汽车在社区剩余停留时间依次赋值给换电站电池；没有对应编号的换电电池，其等效剩余接入时间/>赋值为∞；
按照以下公式计算换电站内备用电池与储能充放电优先级
其中，为换电站内备用电池n的优先级参数，PC为换电站内备用电池n 的额定功率，Qn为换电站内备用电池n的目标充电电量；
当剩余接入时间为∞时，优先级计算结果为1；
S352：若NEV＞NMax，将需要进行换电的电动汽车按照离开时间从近到远进行排序，将换电池按照剩余电量由多到少排序，将对应编号的电动汽车在社区剩余停留时间依次赋值给换电站电池为计算需换电电动汽车数量超出换电电池数量的部分，即(NEV-NMax)的值；将换电站电池电量排名前(NEV-NMax) 的备用电池充放电优先级/>赋值更新为-∞；
S36：判断是否小于0；若/>值小于0，此时电动汽车j不具备放电能力，作为不可调度负荷以电动汽车电池的额度功率进行充电；若/>值大于0，则此时电动汽车j具备放电能力，可以参与需求响应过程；
S37：若在S323中判定电动汽车j需要进行换电，则按照S371～S372的规则判断当前是否实施换电行为，具体如下：
S371：判断S36中对应编号的换电站备用电池是否充满，若电池已充至足够电量，则将电动汽车中电池与换电站中对应备用电池进行交换；
S372：若电动汽车j离开时间已达到，则将电动汽车中电池与换电站中对应备用电池进行交换；
S38：重复判断是否进行换电，直至为S323判定的所有需换电电动汽车的情况进行更新；
S39：储能系统的充放电优先级赋值为1；
S310：计算集群总功率需求Ptotal，公式如下：
Ptotal＝Phh+PS1+PS2，
PS1＝PS，
其中，Ptotal为集群内所有用户该时刻总功率需求；PS1为储能系统该时刻充放电功率，充电为正值、放电为负值；PS为储能装置充放电功率，充电为正值、放电为负值；PS2为该时刻集群内所有电动汽车总充放电功率，充电为正值、放电为负值；为电动汽车j充放电功率，充电为正值、放电为负值；Phh为居民集群对电网的净用电功率；
S311：判断Ptotal否超过目标上限DLswitching，按照S3111～S3114的规则进行，具体如下：
S3111：若Ptotal＞DLswitching，储能系统与换电站中备用电池向用户放电；
S3112：若储能设备的放电功率大于(Ptotal-DLswitching)，则换电站中备用电池不必进行放电活动；
S3113：若储能设备的放电功率小于(Ptotal-DLswitching)，则的换电站中备用电池按照优先级参数由大到小的顺序依次分配放电功率/>直至Ptotal＝DLswitching，或直至全部/>的换电站中备用电池与储能设备放电至最大放电深度；
S3114：若Ptotal<DLswitching，则对储能系统进行充电，按照优先级参数从小到大的顺序分配充电功率/>和PS，直至若Ptotal＝DLswitching，或直至储能设备电量充满；
S312：每单位调控时间操作步骤S33～S38，对当前集群内换电站备用电池的充放电优先级情况和充电情况进行更新，并重复步骤S310和S311对当前社区内换电站备用电池和储能系统的充放电情况进行更新。
本发明相对于现有技术而言，具有以下有益效果：
本发明利用集群总功率需求目标上限和集群整体负荷的差值决定储能和电动车集群充放电行为，利用充放电优先级决定储能和每辆电动车的充放电优先级顺序，也就是说，本发明利用DL和集群整体负荷的差值决定储能和电动车集群充放电行为，利用充放电优先级决定储能和每辆电动车的充放电优先级顺序的需求响应策略；
本发明提供了一种面向家庭用户的集群的，即面向居民用户聚合商的储能和电动汽车协同调度的需求响应方法，充分考虑储能和电动汽车参与需求响应的协同效应和集群效应，以及插电模式和换电模式下电动汽车参与需求响应的响应方法，能有效应用于未来社区开发基于储能和电动汽车的需求响应方案的指导工作，降低社区中用户集群的总储能成本和用电成本。
附图说明
图1是实施例1中电动汽车协同储能设备参与需求响应系统的能流图和信息流图，其中(a)为插电式电动汽车和储能系统协同响应方法的能流图和信息流图，(b)为换电式电动汽车和储能系统协同响应方法的能流图和信息流图；
图2是本发明的插电式电动汽车和储能系统协同响应方法的流程图；
图3是本发明的换电式电动汽车和储能系统协同响应方法的流程图；
图4是实施例1中换电站电池等效剩余接入时间赋值示例(NEV≤NMax)；
图5是实施例1中换电站电池等效剩余接入时间赋值示例(NEV>NMax)；
图6是实施例1中采用插电式电动汽车和储能协同响应方法春季某天负荷曲线图；
图7是实施例1中采用换电式电动汽车和储能协同响应方法春季某天负荷曲线图；
图8是实施例1中电动汽车分别不参与需求响应(案例1)、采用插电式电动汽车协同储能需求响应方法(案例2)、采用换电式电动汽车协同储能需求响应方法(案例3)的总成本图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步阐述和说明。本发明中各个实施方式的技术特征在没有相互冲突的前提下，均可进行相应组合。
如图1所示，为本发明的一种储能和电动汽车集群协同调度的需求响应方法，其具体如下：
S1：建立居民用户集群总成本模型，公式如下：
CT＝CS,all+CE＝CS,1+CS,2+CE，
其中，CT为集群全年总成本；CS,all为购置集中储能设备折算年均成本，包括储能系统的折算年均购置成本CS,1和电动汽车换电站内储能模块的折算年均购置成本CS,2两部分；CE为集群全年用电总成本。
建立居民用户集群总成本模型包括建立储能系统的折算年均购置成本模型、电动汽车换电站内储能模块的折算年均购置成本模型和集群全年用电总成本模型。
S11：居民用户集群从运营商处获取分时电价，包括功率电费费率Cpower(元 /千瓦-集群每月最大功率需求)；电量电费费率Cenergy(元/千瓦时)；固定费率Cfix(元/月)。在本实施例中，应用美国电力公司Consolidated Edison为聚合商提供的SC8再分配电价制度，如表1所示。
表1分时功率电价制度费率表
S12：建立储能系统的折算年均购置成本模型，公式如下：
CPC,1＝CCPC,1×PC1，
CEC,1＝CCEC,1×EC1，
其中，CPC,1为与储能设备额定功率PC1有关的成本，由额定功率PC1和储能设备单位额度功率成本CCPC,1决定；CEC,1为与储能设备额定容量EC1有关的成本，由额定容量EC1和储能设备单位额度容量成本CCEC,1决定；CBOS,1为储能系统中其他辅助设备费用；i为年化利率；T1为储能设备的使用年限。本实施例中I＝0.05，T＝20，储能系统的成本参数如下：
表2储能系统成本计算参数
S13：建立电动汽车换电站内储能模块的折算年均购置成本模型，公式如下：
CPC,2＝CCPC,2×PC2，
CEC,2＝CCEC,2×EC2，
其中，CPC,2为与换电站内电池总额定功率PC2有关的成本，由总额定功率 PC2和电池单位额度功率成本CCPC,2决定；CEC,2为与电池总额定容量EC2有关的成本，由总额定容量EC2和电池单位额度容量成本CCEC,2决定；CBOS,2为储能模块中其他辅助设备费用；i为年化利率；T2为换电站内电池的使用年限。本实施例中I＝0.05，T＝20，换电站内储能模块的成本参数如下：
表3换电站内储能模块成本计算参数
S14：建立集群全年用电总成本模型，公式如下：
其中，Cpower,k,m为k用户在m月内的功率电费费率，单位为元/千瓦；Cenergy,k,m为k用户在m月内电量电费费率，单位为元/千瓦时；Ek,m为k用户在m月内集群的总用电量，单位为千瓦时；Pk,m为k用户在m月内集群的最大功率需求，单位为千瓦；Cfix,m为当月固定费率，单位为元/月。
S2：如图2所示，建立插电式电动汽车和储能系统协设定集群总功率需求(包括集群内所有用户总功率需求、储能系统充电功率和电动汽车充电功率)目标上限为DLplug-in。本实施例中根据负荷差别明显的时间段以及季节中分别优化DLplug-in的数值。
S22：判断电动汽车j接入充电站情况；
若电动汽车j接入充电站，则按照S221～S224的规则进行；若电动汽车j未接入充电站，将其充放电功率赋值为0，则响应条件不足，对未接入电网系统的插电式汽车不予考虑。
S221：将电动汽车j的到达时间电量状态/>离开时间/>以及次日行程Dj信息上传至调控中心。
S222：按照以下公式计算电动汽车j的剩余接入时间
其中，为第j辆电动汽车剩余接入时间，/>为第j辆电动汽车预期离开时间，TNow为当前时间。
S223：按照以下公式计算电动汽车充放电优先级
其中，为电动汽车j的优先级参数，PC为电动汽车额定功率，Qj为电动汽车目标充电电量。
S224：判断是否小于0，具体规则如下：
若值小于0，此时电动汽车j不具备放电能力，作为不可调度负荷以额度功率进行充电；若/>值大于0，则此时电动汽车j具备放电能力，可以参与需求响应过程。
S23：按照S22重复判断电动汽车j接入充电站的情况，直至为集群内所有具备响应条件的电动汽车计算充放电优先级；本实施例中考虑集群中有20户家庭居民和20辆电动汽车。
S24：储能系统的充放电优先级赋值为1。
S25：计算集群总功率需求Ptotal，公式如下：
Ptotal＝Phh+PS1+PS2，
PS1＝PS，
其中，Ptotal为集群内所有用户该时刻总功率需求；PS1为储能系统该时刻充放电功率，充电为正值、放电为负值；PS为储能装置充放电功率，充电为正值、放电为负值；PS2为该时刻集群内所有电动汽车总充放电功率，充电为正值、放电为负值；为电动汽车j充放电功率，充电为正值、放电为负值；Phh为居民集群对电网的净用电功率。
S26：判断Ptotal否超过目标上限DLplug-in，按照S261～S265的规则进行，具体如下：
S261：若Ptotal＞DLplug-in，储能系统与电动汽车向用户放电。
S262：若储能设备的放电功率大于(Ptotal-DLplug-in)，则电动汽车不必进行放电活动。
S263：若储能设备的放电功率小于(Ptotal–DLplug-in)，则的电动汽车按照优先级参数由大到小的顺序依次分配放电功率/>直至Ptotal＝DLplug-in，或直至全部/>的电动汽车与储能设备放电至最大放电深度。
S264：若Ptotal<DLplug-in，则对储能系统进行充电，按照优先级参数从小到大的顺序分配充电功率/>和PS，直至Ptotal＝DLplug-in，或直至储能设备电量充满。
S265：若Ptotal＝DLplug-in，则系统无需响应，不进行任何充放电操作。
S27：每单位调控时间操作步骤S23，对当前集群内电动汽车的充放电优先级情况和充电情况进行更新，并重复步骤S24～S26对当前社区内电动汽车和储能系统的充放电情况进行更新。本实施例中调控时间为每分钟。
S3：如图3所示，建立换电式电动汽车和储能系统协同响应策略，具体如下：
S31：依据经验或者优化结果设定集群总功率需求(包括集群内所有用户总功率需求、储能系统充电功率和电动汽车充电功率)目标上限为DLswitching；本实施例中根据负荷差别明显的时间段以及季节中分别优化DL的数值。
S32：判断电动汽车j回到社区情况。
若电动汽车j回到社区，按照S321～S323的规则进行；若电动汽车j未回到社区或不需要换电，将其充放电功率都记为0，电动汽车不进行换电操作。
S321：将电动汽车j的到达时间电量状态/>离开时间/>以及次日行程Dj信息上传至调控中心。
S322：按照以下公式计算电动汽车j的剩余停留时间
其中，为第j辆电动汽车剩余停留时间，/>为第j辆电动汽车预期离开时间，TNow为当前时间。
S323：判断该电动汽车中电池剩余电量是否满足次日行程要求，若满足则记为不需要换电，否则需要换电。
S33：重复判断电动汽车j回到社区情况，直至为集群内所有执行换电操作的电动汽车计算剩余停留时间。
S34：根据S33的结果，统计进行换电的电动汽车数量NEV。
S35：判断NEV与换电站内备用电池数量NMax的大小，本案例中，NMax＝14。按照S351～S352的规则进行，具体如下：
S351：如图4所示，若NEV≤NMax，将需要进行换电的电动汽车按照离开时间从近到远进行重新排序编号，将电动汽车中待换电电池按照剩余电量由多到少重新排序编号，将对应编号的电动汽车在社区剩余停留时间依次赋值给换电站电池；没有对应编号的换电电池，其等效剩余接入时间/>赋值为∞；
按照以下公式计算换电站内备用电池与储能充放电优先级
其中，为换电站内备用电池n的优先级参数，PC为换电站内备用电池n 的额定功率，Qn为换电站内备用电池n的目标充电电量；当剩余接入时间为∞时，优先级计算结果为1；本案例中设置Qn为换电电池当前电量距离EC不足的部分。
S352：如图5所示，若NEV＞NMax，将需要进行换电的电动汽车按照离开时间从近到远进行排序，将换电池按照剩余电量由多到少排序，将对应编号的电动汽车在社区剩余停留时间依次赋值给换电站电池为计算需换电电动汽车数量超出换电电池数量的部分，即(NEV-NMax)的值；将换电站电池电量排名前 (NEV-NMax)的备用电池充放电优先级/>赋值更新为-∞。
S36：判断是否小于0；若/>值小于0，此时电动汽车j不具备放电能力，作为不可调度负荷以电动汽车电池的额度功率进行充电；若/>值大于0，则此时电动汽车j具备放电能力，可以参与需求响应过程；
S37：若在S323中判定电动汽车j需要进行换电，则按照S371～S372的规则判断当前是否实施换电行为，具体如下：
S371：判断S36中对应编号的换电站备用电池是否充满，若电池已充至足够电量，则将电动汽车中电池与换电站中对应备用电池进行交换。
S372：若电动汽车j离开时间已达到，则将电动汽车中电池与换电站中对应备用电池进行交换。
S38：重复判断是否进行换电，直至为S323判定的所有需换电电动汽车的情况进行更新。
S39：储能系统的充放电优先级赋值为1。
S310：计算集群总功率需求Ptotal，公式如下：
Ptotal＝Phh+PS1+PS2，
S1＝S，
其中，Ptotal为集群内所有用户该时刻总功率需求；PS1为储能系统该时刻充放电功率，充电为正值、放电为负值；PS为储能装置充放电功率，充电为正值、放电为负值；PS2为该时刻集群内所有电动汽车总充放电功率，充电为正值、放电为负值；为电动汽车j充放电功率，充电为正值、放电为负值；Phh为居民集群对电网的净用电功率。
S311：判断Ptotal否超过目标上限DLswitching，按照S3111～S3114的规则进行，具体如下：
S3111：若Ptotal＞DLswitching，储能系统与换电站中备用电池向用户放电。
S3112：若储能设备的放电功率大于(Ptotal-DLswitching)，则换电站中备用电池不必进行放电活动。
S3113：若储能设备的放电功率小于(Ptotal-DLswitching)，则的换电站中备用电池按照优先级参数由大到小的顺序依次分配放电功率/>直至Ptotal＝DLswitching，或直至全部/>的换电站中备用电池与储能设备放电至最大放电深度。
S3114：若Ptotal<DLswitching，则对储能系统进行充电，按照优先级参数从小到大的顺序分配充电功率/>和PS，直至若Ptotal＝DLswitching，或直至储能设备电量充满。
S312：每单位调控时间操作步骤S33～S38，对当前集群内换电站备用电池的充放电优先级情况和充电情况进行更新，并重复步骤S310和S311对当前社区内换电站备用电池和储能系统的充放电情况进行更新。
S4：选择集群内用户数量、电动汽车数量和换电站内备用电池数量，将S1 所建立的集群全年用电总成本模型设定为目标函数，依据典型年用户负荷、电动汽车行程安排，择一选择S2或S3所建立的电动汽车和储能系统协同响应策略，获得不同目标上限DL、储能系统的额定容量EC和储能系统的额定功率PC情况下的全年总功率需求曲线，采用S1中建立的居民用户集群总成本模型来计算目标函数值，从而对DL、EC和PC进行优化。
本实施例中选择集群内用户数量为20户、电动汽车数量为20、换电站内备用电池数量为14，将所建立的总成本设定为目标函数。
本实施例中采用美国典型家庭的负荷数据；本实施例中假设电动车到达时间和每日行驶里程服从韦布分布，电动车离开时间服从广义极值分布，其概率分布公式的相关参数展示在下表中。通过概率模型进行电动汽车负荷建模，其中样本数据来自于美国交通部的全国家庭出行调查数据。通过电动汽车的出行时间概率分布，以及行程里程概率分布可以得知相关信息：电动汽车在社区内平均停留时间为14.36小时，平均行驶里程为32.04km，以额定功率补充次日所需电量平均需插电0.71小时。
表4电动汽车负荷模型参数
本实施例中电动汽车电池模型参数设置如下：电池充放电效率为0.88，电池最大放电深度为0.9，额定功率为7kW，额定容量为30kW·h，百公里耗电量Q100为 13.9kWh/100km。
本实施例中分季节(春秋、冬季、夏季)，分时段(每日三个时段)设置DL，采用S1中计算目标函数值，采用遗传算法对9个DL以及储能系统EC、PC进行优化。11个参数对应群体中每个个体的11个基因，通过个体的基因变异、以及个体间的基因交叉、筛选过程，不断产生和保留使集群全年总成本降低的个体，迭代 1000代，直至优化进程结束。将优化参数代入上述系统可得到系统全年总成本数据。
图6是春季某一天中插电式策略的各类负荷曲线图，时间以分钟为单位。在0-152分钟内，用户集群对电网净负荷等于限制负荷，电动汽车充电，储能设备的功率为0。152分钟后，电动汽车达到满电状态无法继续充电储能，储能电池开始工作，以额定功率进行充电蓄能，且此时的Ptotal低于DL。336分钟后，储能设备电量充满，电动汽车与储能电池在居民负荷低于DL的情况中失去负荷调节作用，Ptotal等于居民负荷。 480分之后，DL的值发生改变，居民负荷高于DL，储能设备向用户放电。960分钟后有电动汽车到达充电站，电动汽车与储能系统共同参与需求响应，使得用户对电网负荷达到DL。
图7为同一天换电式的各类负荷曲线图，时间以分钟为单位。与图6中的响应情况相似。在0-480分钟内，居民用电负荷低于DL，由换电站中的备用电池以及储能装置进行充电储能，直至换电站备用电池与储能设备满电失去响应作用。480分钟后，居民负荷接近DL，此时由换电站和储能设备共同进行需求响应。当换电站中备用电池达到满电状态时，失去低用电负荷响应能力，直至有换电需求的电动汽车回到社区更换电量电池后恢复响应能力。从图中可以看出，插电式和换电式都存在储能满电下低负荷响应失效现象，换电式中与换电站在需求响应中的响应时间远大于插电式中插电式电动汽车的响应时间，固定在换电站中的备用电池不受时间与地点的约束。
图8展示了电动汽车不参与需求响应(案例1)、采用插电式电动汽车和储能协同响应策略(案例2)、采用换电式电动汽车和储能协同响应策略(案例3)的20户居民集群年用电成本。从电费成本上看，使用换电式电动汽车协同储能设备进行需求响应时功率电费和电量电费均达到了最低值，这说明换电式电动汽车参与需求响应对负荷峰值的削减效果最佳。同时电动汽车不参与需求响应、采用插电式电动汽车和储能协同响应策略、采用换电式电动汽车和储能协同响应策略的案例中储能设备成本呈递减趋势，这是因为插电式相对电动汽车不参与需求响应的情况考虑了电动汽车的协同作用，在电动汽车连入电网时分担了部分储能设备的负荷调节任务，而案例3相比于案例2将电动汽车的类型全部设置为换电式电动汽车，增大了电动汽车参与响应的时间，提高了参与率，储能设备的容量和功率进一步降低，成本也随之降低。案例2相比案例1缩减成本25.8％，因此插电式电动汽车在需求响应中的协同作用具有经济效益。案例3相对案例1总成本提高了49.2％.其中锂电池成本占到案例3总成本的55.7％。影响换电式电动汽车参与需求响应经济可行性的主要因素为电动汽车蓄电池的成本。
本发明主要提出了电动汽车协同储能设备参与需求响应的响应策略以及经济可行性。案例结果表明插电式电动汽车协同储能设备进行需求响应可以节省系统总成本的25.1％，具有较强的经济优势。基于优先级策略的储能与电动汽车协同需求响应，可以减少储能单独响应出现的响应失效问题。换电式电动汽车协同储能设备进行需求响应相比仅由储能进行需求响应的案例提高了总费用的49.1％。
随着电动汽车行业的不断发展，储能技术的不断进步，电动汽车的充电模式必将向着多元化的方向发展，应用于电动汽车蓄电池中的成本也将不断降低，换电式电动汽车协同储能系统进行需求响应将有较大的发展潜力。
以上所述的实施例只是本发明的一种较佳的方案，然其并非用以限制本发明。有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (2)

1.一种储能和电动汽车集群协同调度的需求响应方法，其特征在于，具体如下：
S1：建立居民用户集群总成本模型，公式如下：
CT＝CS,all+CE＝CS,1+CS,2+CE，
其中，CT为集群全年总成本；CS,all为购置集中储能设备折算年均成本，包括储能系统的折算年均购置成本CS,1和电动汽车换电站内储能模块的折算年均购置成本CS,2两部分；CE为集群全年用电总成本；
建立居民用户集群总成本模型包括建立储能系统的折算年均购置成本模型、电动汽车换电站内储能模块的折算年均购置成本模型和集群全年用电总成本模型；
S2：建立插电式电动汽车和储能系统协同响应策略；
S3：建立换电式电动汽车和储能系统协同响应策略；
S4：选择集群内用户数量、电动汽车数量和换电站内备用电池数量，将S1所建立的集群全年用电总成本模型设定为目标函数，依据典型年用户负荷、电动汽车行程安排，择一选择S2或S3所建立的电动汽车和储能系统协同响应策略，获得不同目标上限DL、储能系统的额定容量EC和储能系统的额定功率PC情况下的全年总功率需求曲线，采用S1中建立的居民用户集群总成本模型来计算目标函数值，从而对DL、EC和PC进行优化；
所述S2具体如下：
S21：设定集群总功率需求的目标上限为DLplug-in；
S22：判断电动汽车j接入充电站情况；
若电动汽车j接入充电站，则按照S221～S224的规则进行；若电动汽车j未接入充电站，将其充放电功率赋值为0，则响应条件不足，对未接入电网系统的插电式汽车不予考虑；
S221：将电动汽车j的到达时间TArr j、电量状态SOCEV j、离开时间TDep j以及次日行程Dj信息上传至调控中心；
S222：按照以下公式计算电动汽车j的剩余接入时间
其中，TLeft j为第j辆电动汽车剩余接入时间，TDep j为第j辆电动汽车预期离开时间，TNow为当前时间；
S223：按照以下公式计算电动汽车充放电优先级Ws j，
其中，Ws j为电动汽车j的优先级参数，PC为电动汽车额定功率，Qj为电动汽车目标充电电量；
S224：判断Ws j是否小于0，具体规则如下：
若Ws j值小于0，此时电动汽车j不具备放电能力，作为不可调度负荷以额度功率进行充电；若Ws j值大于0，则此时电动汽车j具备放电能力，可以参与需求响应过程；
S23：按照S22重复判断电动汽车j接入充电站的情况，直至为集群内所有具备响应条件的电动汽车计算充放电优先级；
S24：储能系统的充放电优先级Ws赋值为1；
S25：计算集群总功率需求Ptotal，公式如下：
Ptotal＝Phh+PS1+PS2，
PS1＝PS，
其中，Ptotal为集群内所有用户该时刻总功率需求；PS1为储能系统该时刻充放电功率，充电为正值、放电为负值；PS为储能装置充放电功率，充电为正值、放电为负值；PS2为该时刻集群内所有电动汽车总充放电功率，充电为正值、放电为负值；为电动汽车j充放电功率，充电为正值、放电为负值；Phh为居民集群对电网的净用电功率；
S26：判断Ptotal否超过目标上限DLplug-in，按照S261～S265的规则进行，具体如下：
S261：若Ptotal＞DLplug-in，储能系统与电动汽车向用户放电；
S262：若储能设备的放电功率大于(Ptotal-DLplug-in)，则电动汽车不必进行放电活动；
S263：若储能设备的放电功率小于(Ptotal–DLplug-in)，则Ws j>0的电动汽车按照优先级参数由大到小的顺序依次分配放电功率直至Ptotal＝DLplug-in，或直至全部Ws j>0的电动汽车与储能设备放电至最大放电深度；
S264：若Ptotal<DLplug-in，则对储能系统进行充电，按照优先级参数Ws j从小到大的顺序分配充电功率和PS，直至Ptotal＝DLplug-in，或直至储能设备电量充满；
S265：若Ptotal＝DLplug-in，则系统无需响应，不进行任何充放电操作；
S27：每单位调控时间操作步骤S23，对当前集群内电动汽车的充放电优先级情况和充电情况进行更新，并重复步骤S24～S26对当前社区内电动汽车和储能系统的充放电情况进行更新；
所述S3具体如下：
S31：设定集群总功率需求的目标上限为DLswitching；
S32：判断电动汽车j回到社区情况；
若电动汽车j回到社区，按照S321～S323的规则进行；若电动汽车j未回到社区或不需要换电，将其充放电功率都记为0，电动汽车不进行换电操作；
S321：将电动汽车j的到达时间TArr j、电量状态SOCEV j、离开时间TDep j以及次日行程Dj信息上传至调控中心；
S322：按照以下公式计算电动汽车j的剩余停留时间
其中，为第j辆电动汽车剩余停留时间，/>为第j辆电动汽车预期离开时间，TNow为当前时间；
S323：判断该电动汽车中电池剩余电量是否满足次日行程要求，若满足则记为不需要换电，否则需要换电；
S33：重复判断电动汽车j回到社区情况，直至为集群内所有执行换电操作的电动汽车计算剩余停留时间；
S34：根据S33的结果，统计进行换电的电动汽车数量NEV；
S35：判断NEV与换电站内备用电池数量NMax的大小，按照S351～S352的规则进行，具体如下：
S351：若NEV≤NMax，将需要进行换电的电动汽车按照离开时间从近到远进行重新排序编号，将换电站中待换电电池按照剩余电量由多到少重新排序编号，将对应编号的电动汽车在社区剩余停留时间依次赋值给换电站电池；没有对应编号的换电电池，其等效剩余接入时间/>赋值为∞；
按照以下公式计算换电站内备用电池与储能充放电优先级Ws n，
其中，Ws n为换电站内备用电池n的优先级参数，PC为电动汽车额定功率，Qn为换电站内备用电池n的目标充电电量；
当剩余接入时间为∞时，优先级计算结果为1；
S352：若NEV＞NMax，将需要进行换电的电动汽车按照离开时间从近到远进行排序，将换电池按照剩余电量由多到少排序，将对应编号的电动汽车在社区剩余停留时间依次赋值给换电站电池为计算需换电电动汽车数量超出换电电池数量的部分，即(NEV-NMax)的值；将换电站电池电量排名前(NEV-NMax)的备用电池充放电优先级Ws n赋值更新为-∞；
S36：判断Ws n是否小于0；若Ws n值小于0，此时换电站电池n不具备放电能力，作为不可调度负荷以电池的额度功率进行充电；若Ws n值大于0，则此时换电站电池n具备放电能力，可以参与需求响应过程；
S37：若在S323中判定电动汽车j需要进行换电，则按照S371～S372的规则判断当前是否实施换电行为，具体如下：
S371：判断S36中对应编号的换电站备用电池是否充满，若电池已充至足够电量，则将电动汽车中电池与换电站中对应备用电池进行交换；
S372：若电动汽车j离开时间已达到，则将电动汽车中电池与换电站中对应备用电池进行交换；
S38：重复判断是否进行换电，直至为S323判定的所有需换电电动汽车的情况进行更新；
S39：储能系统的充放电优先级Ws赋值为1；
S310：计算集群总功率需求Ptotal，公式如下：
Ptotal＝Phh+PS1+PS2，
PS1＝PS，
其中，Ptotal为集群内所有用户该时刻总功率需求；PS1为储能系统该时刻充放电功率，充电为正值、放电为负值；PS为储能装置充放电功率，充电为正值、放电为负值；PS2为该时刻集群内所有电动汽车总充放电功率，充电为正值、放电为负值；为电动汽车j充放电功率，充电为正值、放电为负值；Phh为居民集群对电网的净用电功率；
S311：判断Ptotal否超过目标上限DLswitching，按照S3111～S3114的规则进行，具体如下：
S3111：若Ptotal＞DLswitching，储能系统与换电站中备用电池向用户放电；
S3112：若储能设备的放电功率大于(Ptotal-DLswitching)，则换电站中备用电池不必进行放电活动；
S3113：若储能设备的放电功率小于(Ptotal-DLswitching)，则Ws n>0的换电站中备用电池按照优先级参数由大到小的顺序依次分配放电功率直至Ptotal＝DLswitching，或直至全部Ws n>0的换电站中备用电池与储能设备放电至最大放电深度；
S3114：若Ptotal<DLswitching，则对储能系统进行充电，按照优先级参数Ws j从小到大的顺序分配充电功率和PS，直至若Ptotal＝DLswitching，或直至储能设备电量充满；
S312：每单位调控时间操作步骤S33～S38，对当前集群内换电站备用电池的充放电优先级情况和充电情况进行更新，并重复步骤S310和S311对当前社区内换电站备用电池和储能系统的充放电情况进行更新。
2.根据权利要求1所述的需求响应方法，其特征在于，所述S1具体如下：
S11：居民用户集群从运营商处获取分时电价，包括功率电费费率Cpower，单位为元/千瓦；电量电费费率Cenergy，单位为元/千瓦时；固定费率Cfix，单位为元/月；
S12：建立储能系统的折算年均购置成本模型，公式如下：
CPC,1＝CCPC,1×PC1，
CEC,1＝CCEC,1×EC1，
其中，CPC,1为与储能设备额定功率PC1有关的成本，由额定功率PC1和储能设备单位额度功率成本CCPC,1决定；CEC,1为与储能设备额定容量EC1有关的成本，由额定容量EC1和储能设备单位额度容量成本CCEC,1决定；CBOS,1为储能系统中其他辅助设备费用；i为年化利率；T1为储能设备的使用年限；
S13：建立电动汽车换电站内储能模块的折算年均购置成本模型，公式如下：
CPC,2＝CCPC,2×PC2，
CEC,2＝CCEC,2×EC2，
其中，CPC,2为与换电站内电池总额定功率PC2有关的成本，由总额定功率PC2和电池单位额度功率成本CCPC,2决定；CEC,2为与电池总额定容量EC2有关的成本，由总额定容量EC2和电池单位额度容量成本CCEC,2决定；CBOS,2为储能模块中其他辅助设备费用；i为年化利率；T2为换电站内电池的使用年限；
S14：建立集群全年用电总成本模型，公式如下：
其中，Cpower,k,m为k用户在m月内的功率电费费率，单位为元/千瓦；Cenergy,k,m为k用户在m月内电量电费费率，单位为元/千瓦时；Ek,m为k用户在m月内集群的总用电量，单位为千瓦时；Pk,m为k用户在m月内集群的最大功率需求，单位为千瓦；Cfix,m为当月固定费率，单位为元/月。
CN202010895660.6A 2020-08-31 2020-08-31 一种储能和电动汽车集群协同调度的需求响应方法 Active CN112085363B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010895660.6A CN112085363B (zh) 2020-08-31 2020-08-31 一种储能和电动汽车集群协同调度的需求响应方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010895660.6A CN112085363B (zh) 2020-08-31 2020-08-31 一种储能和电动汽车集群协同调度的需求响应方法

Publications (2)

Publication Number Publication Date
CN112085363A CN112085363A (zh) 2020-12-15
CN112085363B true CN112085363B (zh) 2024-04-12

Family

ID=73731272

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010895660.6A Active CN112085363B (zh) 2020-08-31 2020-08-31 一种储能和电动汽车集群协同调度的需求响应方法

Country Status (1)

Country Link
CN (1) CN112085363B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113067370B (zh) * 2021-03-15 2023-07-18 远景智能国际私人投资有限公司 V2g充电站的充电控制方法、装置、服务器及存储介质
CN113997820B (zh) * 2021-11-04 2024-03-01 许继集团有限公司 响应电网协同控制的充换电站有功控制方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012171147A1 (zh) * 2011-06-17 2012-12-20 辽宁省电力有限公司 结合风力发电的纯电动汽车有序充放电协调控制系统
CN109242216A (zh) * 2018-10-31 2019-01-18 国网山东省电力公司电力科学研究院 一种虚拟电厂中风电场和电动汽车换电站的协同调度方法
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
CN109740846A (zh) * 2018-11-30 2019-05-10 国网江苏省电力有限公司电力科学研究院 智能小区需求响应调度方法和系统
CN110472785A (zh) * 2019-08-08 2019-11-19 西安交通大学 一种基于负荷分类的电动汽车群调度方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012171147A1 (zh) * 2011-06-17 2012-12-20 辽宁省电力有限公司 结合风力发电的纯电动汽车有序充放电协调控制系统
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
CN109242216A (zh) * 2018-10-31 2019-01-18 国网山东省电力公司电力科学研究院 一种虚拟电厂中风电场和电动汽车换电站的协同调度方法
CN109740846A (zh) * 2018-11-30 2019-05-10 国网江苏省电力有限公司电力科学研究院 智能小区需求响应调度方法和系统
CN110472785A (zh) * 2019-08-08 2019-11-19 西安交通大学 一种基于负荷分类的电动汽车群调度方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Dispatch strategies of distributed tri-generation system in the context of energy internet;Jun Wang等;《3rd IEEE conference on Energy Internet and Energy System Integration》;20191110;全文 *
再分配功率电价制度下基于储能与电动车的居民集群需求响应研究;赵俊雄;《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》;20200815(第8期);C042-362 *

Also Published As

Publication number Publication date
CN112085363A (zh) 2020-12-15

Similar Documents

Publication Publication Date Title
Wang et al. Two-stage optimal scheduling strategy for large-scale electric vehicles
CN112186809B (zh) 基于电动汽车v2g模式的虚拟电厂优化协同调度方法
CN110112767B (zh) 广域多形态需求侧负荷参与系统调峰的荷源优化控制方法
CN109657993B (zh) 一种基于非合作博弈的能源局域网储能系统自动需求响应方法
CN109636008B (zh) 一种电动公交快充站服务费定价获取方法
CN111339689B (zh) 建筑综合能源调度方法、系统、存储介质及计算机设备
CN111900727A (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
CN111177637B (zh) 电动汽车换电站动力电池的容量配置方法
CN112085363B (zh) 一种储能和电动汽车集群协同调度的需求响应方法
Yang et al. Optimization and self-adaptive dispatching strategy for multiple shared battery stations of electric vehicles
CN111224393A (zh) 智能家居电能调度优化方法、装置及存储介质
Korkas et al. A cognitive stochastic approximation approach to optimal charging schedule in electric vehicle stations
Athulya et al. Electric vehicle recharge scheduling in a shopping mall charging station
CN109130943B (zh) 共享电池站控制策略
CN116632896B (zh) 一种多光储充电站的电动汽车充放电协同调度方法及系统
CN116667337A (zh) 一种基于配网优化调度的柔性负荷聚合建模方法
Soleimani et al. Enabling vehicle-to-grid and grid-to-vehicle transactions via a robust home energy management system by considering battery aging
Zhang et al. Two-level optimal scheduling strategy of electric vehicle charging aggregator based on charging urgency
CN114285093B (zh) 一种源网荷储互动调度方法及系统
Xu et al. Control Strategy of Electric Vehicle Participating in Power Grid Peak Regulation Based on V2G
CN114330999A (zh) 一种基于云储能系统的虚拟电网资源匹配方法
CN114782215B (zh) 基于共享停车场典型场景的电-氢能量枢纽规划方法
CN117895510B (zh) 基于聚合商模式下电动汽车集群参与电网调峰方法及系统
CN116934115B (zh) 一种考虑时变虚拟储能的实时端对端能量交易方法
Guo et al. Optimal Electricity Dispatch Strategy for Urban Residential Quarter Considering Nearby Battery Swapping Station

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