CN112241596A - 一种计及电动汽车的城市电网中长期生产模拟方法 - Google Patents
一种计及电动汽车的城市电网中长期生产模拟方法 Download PDFInfo
- Publication number
- CN112241596A CN112241596A CN202011156118.5A CN202011156118A CN112241596A CN 112241596 A CN112241596 A CN 112241596A CN 202011156118 A CN202011156118 A CN 202011156118A CN 112241596 A CN112241596 A CN 112241596A
- Authority
- CN
- China
- Prior art keywords
- load
- charging
- representing
- formula
- unit
- 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.)
- Granted
Links
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 48
- 238000004088 simulation Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000012423 maintenance Methods 0.000 claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 6
- 230000002354 daily effect Effects 0.000 claims description 7
- 239000004973 liquid crystal related substance Substances 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 claims description 5
- 238000005315 distribution function Methods 0.000 claims description 4
- 238000009826 distribution Methods 0.000 claims description 3
- 230000003203 everyday effect Effects 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 2
- 238000012614 Monte-Carlo sampling Methods 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Images
Classifications
-
- 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
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution networks
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Health & Medical Sciences (AREA)
- Finance (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Water Supply & Treatment (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种计及电动汽车的城市电网中长期生产模拟方法,首先,基于电动汽车保有量及气温历史数据,通过蒙特卡洛抽样模拟方法预测电动汽车充电负荷;其次,建立综合负荷模型,将城市电网常规基础负荷与电动汽车充电负荷相叠加得到持续负荷曲线,并进行分段处理以简化求解难度;然后,以系统运行成本最低为目标构建生产模拟目标函数以及运行约束条件;最后,求解优化规划问题,得到包括发电机出力、总运行成本等生产模拟结果。本发明充分考虑了电动汽车对城市电网负荷的影响;得到经济性最优的城市电网机组出力方案与机组检修方案;可以作为现有系统或规划方案经济性的重要评价依据。
Description
技术领域
本发明属于含电动汽车的城市电网规划运行领域,尤其涉及一种计及电动汽车的城市电网中长期生产模拟方法。
背景技术
近年来,电动汽车作为一种全新的交通工具,在环保和节能方面表现出色,目前也得到了广泛的应用。大规模电动汽车接入城市电网,将带来大量充电负荷,从而影响电网的稳定性和可靠性。因此,在城市电网的规划运行过程中,有必要考虑电动汽车的用能情况与发展趋势。随机生产模拟又作为规划运行方案可行性的重要评估方法,它对提高系统运行的经济效益和可靠性水平,以及系统未来发展前景有重要的意义。其模拟内容主要是在持续负荷曲线下,考虑机组的随机停运和负荷的随机波动,模拟系统的发电调度,预测各机组的发电量及燃料耗量,分析生产成本和评估系统的可靠性。然而,现有生产模拟研究中较少考虑电动汽车的影响。
发明内容
本发明的目的旨在充分考虑城市电网中电动汽车充电负荷,结合电动汽车充电负荷预测结果和城市电网基础负荷,以系统运行成本最小为目标,设计计及电动汽车的城市电网中长期生产模拟方法。通过生产模拟方法,最终得到经济性最优的城市电网发电机组出力方案、发电机组检修方案,以及经济性最优生产模拟方案下的各机组生产运行成本、启停成本、系统运行总成本。为此,本发明提供一种计及电动汽车的城市电网中长期生产模拟方法。
本发明的一种计及电动汽车的城市电网中长期生产模拟方法,首先,对电动汽车充电负荷进行预测,基于电动汽车保有量及气温历史数据,通过蒙特卡洛抽样模拟方法预测电动汽车充电负荷;其次,建立综合负荷模型,将城市电网常规基础负荷与电动汽车充电负荷相叠加得到持续负荷曲线,并对负荷曲线进行分段处理以简化求解难度;然后,以系统运行成本最低为目标,构建生产模拟目标函数以及运行约束条件,目标函数考虑发电机运行成本和启停成本,约束条件包括发电机组运行约束和系统运行约束;最后,求解优化规划问题,得到包括发电机出力、总运行成本等生产模拟结果。具体包括以下步骤:
A.电动汽车充电负荷建模:
(1)确定开始充电时刻和日行驶里程。
电动汽车每日起始出行时刻T满足正态分布,概率密度函数为:
其中,μs,δs 2为正态分布函数的对称轴和方差。
日行驶里程S服从S~N(μ,δ2)的对数正态分布,概率密度函数为:
其中,μm,δm 2为对数正态分布函数的对称轴和方差。
(2)计算行程耗电量,其中行程耗电量有里程耗电量、空调耗电量两个部分。
里程耗电量计算,需考虑不同天气对交通路况的影响,具体某一时速的单位里程耗电量由以下公式确定:
H=x×S
式中:v为行驶时速;x为电动汽车以速度v行驶单位里程的耗电量;H表示电动汽车行驶S公里耗电量。
空调耗电量计算,考虑温度对空调耗电量的影响,电动汽车在不同温度下行驶的空调耗电量表示为:
式中:KT表示温度为T时的电池实际最大载电量;θ表示空调耗电量占比。
空调启动概率密度函数为:
式中,ut、δt为启动系数。
(3)确定荷电状态(State of Charge,SOC);
考虑温度对于电池的影响,不同温度的电池实际最大载电量表示为:
CT=bT×CT
式中:CT表示温度为T时的电池实际最大载电量;bT是温度为T时,电池相对容量百分数。
(4)计算充电需求,包括:
充电需求计算以24小时为单位,将其划分为96个时段,每个时段15分钟;第m时段的总充电需求为所有电动汽车在该时段的充电需求之和,总充电需求表示为:
式中:N为电动汽车保有量;Pi,m为第i辆车在第m时段的充电功率;PEV,m为第m时段的总充电需求。
充电策略为“随即充电”型:电动汽车每到达一处目的地,只要该地配备有充电设施,就进行充电:
式中:Tch为充电时长;Eexp为理想的电池电量,一般取电池总容量的90%;Pch为充电功率;η为充电效率;tstay为停留时间。
B.综合负荷模型:
(1)获得系统中常规基础负荷的数据。
(2)将常规基础负荷和电动汽车负荷叠加,绘制出实时负荷曲线。
(3)对时序负荷曲线按照从大到小的次序依次排序,形成精确持续负荷曲线,并根据需要选择适当的分段数和相应的负荷水平,形成持续负荷曲线。
持续负荷曲线的分段方法由如下公式确定:
式中:t表示时段,T计算周期总时长;b表示近似持续负荷曲线的分块,B为曲线总的分块数;分别代表t时间段常规负荷和电动汽车负荷的功率大小;Dt代表t时间段的持续时间;Lt,b表示t时段内第b分段的负荷大小;Dt,b表示t时段中第b个负荷水平的持续时间;Ltotal表示全年负荷总量;Lb,h表示b分段规定的负荷水平数值;Ωb表示b分段内的时段集合;Lb,min,Lb,max分别表示b分段内的最小和最大负荷大小。
C.构建生产模拟目标函数及约束条件:
(1)以生产运行成本最小为目标,并考虑机组启停成本,构建生产模拟规划目标函数;
生产模拟规划目标函数由以下公式确定:
式中:其中t表示时段,T计算周期总时长;b表示近似持续负荷曲线的分块,B为曲线总的分块数;tp表示发电机组集合;g表示发电机组编号;fg(p)表示发电机组g在出力为p时的单位时间运行成本;pg,t,b表示发电机组g在t时间段b负荷段的出力大小;Dt.b表示t时刻下b负荷段的持续时间;Cqt表示机组启停一次的总成本;表示T时间周期内机组g的启停次数。
(2)考虑发电机组运行约束以及系统运行约束,构建生产模拟规划约束条件,其中:
发电机运行约束条件具体内容和数学模型如下:
检修次数约束:
式中:zg,t是一个0-1变量,代表在t时间段内机组g是否进入检修状态,当机组进入检修状态后为1,否则为0;ONg代表T时段内各机组所需的检修次数。
检修时间约束:
式中:ug,t是一个0-1变量,代表在t时间段内机组g是否处于检修状态,当机组处于检修状态后为1,否则为0;n为正整数,n·t则是每次检修的持续时间。
检修间隔约束:
机组开机约束:
zg,t+ug,t≤1
机组出力上下限:
Pg,max·ug,t≤pg,t,b≤Pg,min·ug,t
式中:Pg,max,Pg,min分别代表机组g的最大出力功率和最小出力功率。
系统运行约束条件具体内容和数学模型如下:
电力平衡约束:
式中:Lt,b为时段t负荷段b的负荷功率。
电量平衡约束:
式中:LCt,b代表失电量。
D.求解优化问题得出结果:
具体包括利用CPLEX求解器对规划问题进行求解,并得出生产模拟的结果。
结果包括经济性最优的城市电网发电机组出力方案、发电机组检修方案,以及在经济性最优生产模拟方案下的各机组生产运行成本、启停成本、系统运行总成本、系统总发电量。
本发明的有益技术效果为:
1、充分考虑了电动汽车对城市电网负荷的影响,通过计及电动汽车的城市电网生产模拟,减少了因电动汽车大量接入城市电网所带来的供需不平衡。
2、发电机组的启停成本十分昂贵,而多数生产模拟研究中并未考虑此因素。因此,本发明在优化目标函数中考虑了火电机组的启停成本,避免了模拟结果中出现随意的机组停机,提高了所得发电机组出力方案的合理性。
附图说明
图1为本发明计及电动汽车的城市电网中长期生产模拟方法的流程图。
图2为模拟结果中某机组一年内的出力情况柱状图。
图3为模拟结果中电动汽车充电负荷某周的日负荷曲线图。
具体实施方式
下面结合附图和具体实施例对本发明做进一步详细说明。
本发明的一种计及电动汽车的城市电网中长期生产模拟方法的流程图如图1所示,实施例以RTS1979系统为例,结合交通负荷,对该系统进行中长期生产模拟。生产模拟时长T为1年,单位时间t为1周。常规负荷大小以RTS1979测试系统中默认大小为准,发电机组24组,机组的全年检修次数为3次,检修持续时间为1周,机组启停成本为40万元。区域电动汽车保有量取10万辆,气温数据取2016年全年上海气象统计局的数据。具体步骤为:
A.电动汽车充电负荷建模:
(1)根据电动汽车发展现状,电动汽车保有量为100000辆,进行蒙特卡罗模拟仿真,初始化输入保有量数和某一天的平均温度,再进行蒙特卡洛法抽取电动汽车的开始充电时刻和日行驶里程。
日行驶里程S服从S~N(μ,δ2)的对数正态分布,概率密度函数为:
其中取μm=2.98,δm=1.14。
电动汽车每日起始出行时刻T满足正态分布,概率密度函数为:
这里区分工作日和休息日:在工作日时μe=9,δe=1.5;休息日时μs=12,δs=1.5。
(2)再进行行程耗电量计算,包括里程耗电量和空调耗电量。
里程耗电量,考虑需不同天气对交通路况的影响,具体某一时速的单位里程耗电量由以下公式确定:
H=x×S
式中v为行驶时速;x为电动汽车以速度v行驶单位里程的耗电量;H表示电动汽车行驶S公里耗电量。在这里,定制了具有季节性天气特性下的最佳行驶速度。冬季在A路况下安全速度为40km/h,B路况下安全速度为55km/h;夏季在A路况下安全速度为65km/h,B路况下安全速度为80km/h;春秋季在综合路况下安全速度为40~80km/h。其中,A路况表示表示雨雪雾严重,B路况表示雨雪雾轻微;A路况表示表示雨天,B路况表示晴天。
空调耗电量,考虑温度对空调耗电量的影响,电动汽车在不同温度下行驶的空调耗电量表示为:
式中:KT表示温度为T时的电池实际最大载电量;θ表示空调耗电量占比。
空调启动概率密度函数为:
式中,式中制热启动取ut=10.82,δt=2.14;制冷启动取ut=29.4,δt=1.75。
根据对应温度的空调启动概率Y,单辆车生成服从U(0,1)均匀分布的随机数y,若y<Y启动空调;θcold=32.5%,θhot=35%。
(3)然后确定SOC状态,考虑温度对于电池的影响,不同温度的电池实际最大载电量可表示为:
CT=bT×CT
式中:CT表示温度为T时的电池实际最大载电量;bT是温度为T时,电池相对容量百分数。设定25℃为参考温度,在高温段电池实际最大载电量变化不明显,超过30℃电池实际最大载电量基本不变。而低温段,随着温度下降,最大载电量逐渐减小,0℃时电池相对容量为79.3%,-20℃时电池最大载电量仅43.6%。10℃~20℃段电池实际最大载电量的衰减率随温度的下降急剧增加。
(4)最后,计算充电需求,考虑充电策略为“随即充电”型,电动汽车每到达一处目的地,只要该地配备有充电设施,就进行充电,数学模型为:
式中:Tch为充电时长;Eexp为理想的电池电量,一般取电池总容量的90%;Pch为充电功率;η为充电效率;tstay为停留时间。
再以24小时为单位,将其划分为96个时段,每个时段15分钟。第m时段的总充电需求为所有电动汽车在该时段的充电需求之和,总充电需求可表示为:
式中N为电动汽车保有量;Pi,m为第i辆车在第m时段的充电功率,PEV,m第m时段的总充电需求。
B.综合负荷模型;
(1)获得系统中常规基础负荷的数据,这里的数据是RTS1979测试系统中全年默认负荷数据。
(2)将常规负荷和电动汽车负荷叠加,绘制出实时负荷曲线。
(3)对时序负荷曲线按照从大到小的次序依次排序,形成精确持续负荷曲线,并根据需要选择适当的分段数和相应的负荷水平,形成持续负荷曲线。
依据如下的公式,得到分段持续负荷曲线:
式中:t表示时段,T计算周期总时长;b表示近似持续负荷曲线的分块,B为曲线总的分块数;分别代表t时间段常规负荷和电动汽车负荷的功率大小;Dt代表t时间段的持续时间;Lt,b表示t时段内第b分段的负荷大小;Dt,b表示t时段中第b个负荷水平的持续时间;Ltotal表示全年负荷总量;Lb,h表示b分段规定的负荷水平数值;Ωb表示b分段内的时段集合;Lb,min,Lb,max分别表示b分段内的最小和最大负荷大小。
C.构建生产模拟目标函数及约束条件:
(1)以生产运行成本最小为目标,并考虑机组启停成本,构建生产模拟规划目标函数;生产模拟规划目标函数由以下公式确定:
式中:t表示时段,T计算周期总时长;b表示近似持续负荷曲线的分块,B为曲线总的分块数;tp表示发电机组集合;g表示发电机组编号;fg(p)表示发电机组g在出力为p时的单位时间运行成本;pg,t,b表示发电机组g在t时间段b负荷段的出力大小;Dt.b表示t时刻下b负荷段的持续时间;Cqt表示机组启停一次的总成本;表示T时间周期内机组g的启停次数;
(2)考虑发电机组运行约束以及系统运行约束,构建生产模拟规划约束条件,包括:
检修次数约束:
式中:zg,t是一个0-1变量,代表在t时间段内机组g是否进入检修状态,当机组进入检修状态后为1,否则为0;ONg代表T时段内各机组所需的检修次数。
检修时间约束:
式中:ug,t是一个0-1变量,代表在t时间段内机组g是否处于检修状态,当机组处于检修状态后为1,否则为0;n为正整数,n·t则是每次检修的持续时间。
检修时间约束:
检修间隔约束:
机组开机约束:
zg,t+ug,t≤1
机组出力上下限:
Pg,max·ug,t≤pg,t,b≤Pg,min·ug,t
式中:Pg,max,Pg,min分别代表机组g的最大出力功率和最小出力功率。
电力平衡约束:
式中:Lt,b为时段t负荷段b的负荷功率。
电量平衡约束:
式中:LCt,b代表失电量。
D.求解优化问题得出结果。
各机组运行参数如表1所示:
表1各机组运行参数
系统总发电量和系统运行总成本如表2所示:
表2系统总发电量和系统运行总成本
其中,各机组的出力情况由柱状图展示,如附图2,电动汽车的负荷预测结果由日负荷曲线展示,如附图3。
Claims (4)
1.一种计及电动汽车的城市电网中长期生产模拟方法,其特征在于,具体包括以下步骤:
A.电动汽车充电负荷建模:
(1)确定开始充电时刻和日行驶里程;
电动汽车每日起始出行时刻T满足正态分布,概率密度函数为:
其中,μs,δs 2为正态分布函数的对称轴和方差;
日行驶里程S服从S~N(μ,δ2)的对数正态分布,概率密度函数为:
其中,μm,δm 2为对数正态分布函数的对称轴和方差;
(2)计算行程耗电量,其中行程耗电量有里程耗电量、空调耗电量两个部分;
(3)确定荷电状态SOC;
考虑温度对于电池的影响,不同温度的电池实际最大载电量表示为:
CT=bT×CT
式中:CT表示温度为T时的电池实际最大载电量;bT是温度为T时,电池相对容量百分数;
(4)计算充电需求,包括:
充电需求计算以24小时为单位,将其划分为96个时段,每个时段15分钟;第m时段的总充电需求为所有电动汽车在该时段的充电需求之和,总充电需求表示为:
式中:N为电动汽车保有量;Pi,m为第i辆车在第m时段的充电功率;PEV,m为第m时段的总充电需求;
B.综合负荷模型:
(1)获得系统中常规基础负荷的数据;
(2)将常规基础负荷和电动汽车负荷叠加,绘制出实时负荷曲线;
(3)对时序负荷曲线按照从大到小的次序依次排序,形成精确持续负荷曲线,并根据需要选择适当的分段数和相应的负荷水平,形成持续负荷曲线;
C.构建生产模拟目标函数及约束条件:
(1)以生产运行成本最小为目标,并考虑机组启停成本,构建生产模拟规划目标函数;
生产模拟规划目标函数由以下公式确定:
式中:其中t表示时段,T计算周期总时长;b表示近似持续负荷曲线的分块,B为曲线总的分块数;tp表示发电机组集合;g表示发电机组编号;fg(p)表示发电机组g在出力为p时的单位时间运行成本;pg,t,b表示发电机组g在t时间段b负荷段的出力大小;Dt.b表示t时刻下b负荷段的持续时间;Cqt表示机组启停一次的总成本;表示T时间周期内机组g的启停次数;
(2)考虑发电机组运行约束以及系统运行约束,构建生产模拟规划约束条件,其中:
发电机运行约束条件具体内容和数学模型如下:
检修次数约束:
式中:zg,t是一个0-1变量,代表在t时间段内机组g是否进入检修状态,当机组进入检修状态后为1,否则为0;ONg代表T时段内各机组所需的检修次数;
检修时间约束:
式中:ug,t是一个0-1变量,代表在t时间段内机组g是否处于检修状态,当机组处于检修状态后为1,否则为0;n为正整数,n·t则是每次检修的持续时间;
检修间隔约束:
机组开机约束:
zg,t+ug,t≤1
机组出力上下限:
Pg,max·ug,t≤pg,t,b≤Pg,min·ug,t
式中:Pg,max,Pg,min分别代表机组g的最大出力功率和最小出力功率;
系统运行约束条件具体内容和数学模型如下:
电力平衡约束:
式中:Lt,b为时段t负荷段b的负荷功率;
电量平衡约束:
式中:LCt,b代表失电量;
D.求解优化问题得出结果:
具体包括利用CPLEX求解器对规划问题进行求解,并得出生产模拟的结果;
结果包括经济性最优的城市电网发电机组出力方案、发电机组检修方案,以及在经济性最优生产模拟方案下的各机组生产运行成本、启停成本、系统运行总成本、系统总发电量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011156118.5A CN112241596B (zh) | 2020-10-26 | 2020-10-26 | 一种计及电动汽车的城市电网中长期生产模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011156118.5A CN112241596B (zh) | 2020-10-26 | 2020-10-26 | 一种计及电动汽车的城市电网中长期生产模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112241596A true CN112241596A (zh) | 2021-01-19 |
CN112241596B CN112241596B (zh) | 2022-09-02 |
Family
ID=74169770
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011156118.5A Active CN112241596B (zh) | 2020-10-26 | 2020-10-26 | 一种计及电动汽车的城市电网中长期生产模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112241596B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420953A (zh) * | 2021-05-24 | 2021-09-21 | 国网上海市电力公司电力科学研究院 | 一种基于容量可信度的柔性负荷可调节能力分析方法 |
CN113435663A (zh) * | 2021-07-15 | 2021-09-24 | 国网冀北电力有限公司唐山供电公司 | 一种考虑电动汽车充电负荷影响的cnn-lstm联合负荷预测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109710882A (zh) * | 2018-12-21 | 2019-05-03 | 重庆大学 | 一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模及求解方法 |
CN109767078A (zh) * | 2018-12-19 | 2019-05-17 | 西安交通大学 | 一种基于混合整数规划的多类型电源检修安排方法 |
CN110570014A (zh) * | 2019-08-07 | 2019-12-13 | 浙江大学 | 一种基于蒙特卡洛和深度学习的电动汽车充电负荷预测方法 |
CN111008748A (zh) * | 2019-12-18 | 2020-04-14 | 广东工业大学 | 包括电动汽车充电负荷的微电网经济调度优化方法 |
CN111626527A (zh) * | 2020-06-10 | 2020-09-04 | 太原理工大学 | 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法 |
-
2020
- 2020-10-26 CN CN202011156118.5A patent/CN112241596B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109767078A (zh) * | 2018-12-19 | 2019-05-17 | 西安交通大学 | 一种基于混合整数规划的多类型电源检修安排方法 |
CN109710882A (zh) * | 2018-12-21 | 2019-05-03 | 重庆大学 | 一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模及求解方法 |
CN110570014A (zh) * | 2019-08-07 | 2019-12-13 | 浙江大学 | 一种基于蒙特卡洛和深度学习的电动汽车充电负荷预测方法 |
CN111008748A (zh) * | 2019-12-18 | 2020-04-14 | 广东工业大学 | 包括电动汽车充电负荷的微电网经济调度优化方法 |
CN111626527A (zh) * | 2020-06-10 | 2020-09-04 | 太原理工大学 | 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法 |
Non-Patent Citations (3)
Title |
---|
庞成宇等: "电动汽车充电负荷接入小区配电网的仿真分析", 《通信电源技术》 * |
张振文等: "电动汽车随机充电对城市负荷曲线的影响", 《宁夏电力》 * |
王海玲等: "基于气温影响的电动汽车充电需求预测", 《电测与仪表》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113420953A (zh) * | 2021-05-24 | 2021-09-21 | 国网上海市电力公司电力科学研究院 | 一种基于容量可信度的柔性负荷可调节能力分析方法 |
CN113420953B (zh) * | 2021-05-24 | 2022-08-02 | 国网上海市电力公司电力科学研究院 | 一种基于容量可信度的柔性负荷可调节能力分析方法 |
CN113435663A (zh) * | 2021-07-15 | 2021-09-24 | 国网冀北电力有限公司唐山供电公司 | 一种考虑电动汽车充电负荷影响的cnn-lstm联合负荷预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112241596B (zh) | 2022-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xie et al. | Microsimulation of electric vehicle energy consumption and driving range | |
CN112241596B (zh) | 一种计及电动汽车的城市电网中长期生产模拟方法 | |
CN105095611B (zh) | 一种高速公路电动汽车快速充电站排队方法 | |
Jenkins et al. | Utilization and effect of plug-in hybrid electric vehicles in the United States power grid | |
CN102360401B (zh) | 一种基于遗传算法的城市轨道交通节能运行图设计方法 | |
CN107169273A (zh) | 计及延时和v2g充电模式的电动汽车充电功率预测方法 | |
CN111626527B (zh) | 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法 | |
CN102735303B (zh) | 一种增程式电动汽车能量消耗量实验计算方法 | |
CN111267827B (zh) | 一种混合动力汽车能量管理方法和系统 | |
CN109034498A (zh) | 考虑用户充电频率和充电功率变化的电动汽车充电负荷预测方法 | |
CN110428105B (zh) | 一种电动公交车日前充放电优化调度方法 | |
CN108053058A (zh) | 一种基于大数据的电动出租车充电桩选址方法 | |
Affonso et al. | Probabilistic assessment of electric vehicle charging demand impact on residential distribution transformer aging | |
CN110556822B (zh) | 一种含电动汽车消纳大规模风电机组的组合计算方法 | |
CN109334511A (zh) | 一种电动汽车续航里程的预测方法 | |
CN105184420A (zh) | 一种基于灰色关联分析的充电站规划方案评估方法 | |
CN109919393B (zh) | 一种电动出租汽车的充电负荷预测方法 | |
CN115411756A (zh) | 一种基于灰狼算法的光储充电站电动汽车三阶段优化方法 | |
Pan et al. | Optimal scheduling for unit commitment with electric vehicles and uncertainty of renewable energy sources | |
Chen et al. | Density-based clustering multiple linear regression model of energy consumption for electric vehicles | |
Yang et al. | Data-driven analysis of battery electric vehicle energy consumption under real-world temperature conditions | |
CN113052450B (zh) | 一种适应电能替代发展战略的城市能源互联网规划方法 | |
CN115204546A (zh) | 考虑建设与运行成本的电解制氢加氢站制氢及储氢配置方法 | |
Pietzcker et al. | Vehicle technologies and shifts in modal split as mitigation options towards a 2 C climate target | |
CN115049272A (zh) | 一种基于电池交换进行中间站充电的电动公交调度方法 |
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 |