CN112581313B - 一种光伏充电站资源的分配调节方法和系统 - Google Patents
一种光伏充电站资源的分配调节方法和系统 Download PDFInfo
- Publication number
- CN112581313B CN112581313B CN202011539814.4A CN202011539814A CN112581313B CN 112581313 B CN112581313 B CN 112581313B CN 202011539814 A CN202011539814 A CN 202011539814A CN 112581313 B CN112581313 B CN 112581313B
- Authority
- CN
- China
- Prior art keywords
- charging
- model
- charging station
- equivalent
- power generation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 57
- 238000013439 planning Methods 0.000 claims abstract description 31
- 238000005457 optimization Methods 0.000 claims description 60
- 238000010248 power generation Methods 0.000 claims description 52
- 230000005611 electricity Effects 0.000 claims description 23
- 238000013468 resource allocation Methods 0.000 claims description 8
- 238000005315 distribution function Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims 1
- 230000006399 behavior Effects 0.000 abstract description 15
- 239000002699 waste material Substances 0.000 abstract description 4
- 230000002349 favourable effect Effects 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 7
- 238000011160 research Methods 0.000 description 5
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000000295 fuel oil Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
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
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- 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
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种光伏充电站资源的分配调节方法和系统,涉及充电站技术领域,通过用户选择模型描述用户到充电站的充电行为,通过充电资源调节模型描述充电站为用户提供充电服务的行为,结合两个模型的等价二阶锥规划模型描述用户和充电站两者的行为,根据等价二锥规划模型对充电站资源进行分配调节,利于充电资源的合理分配,以提高用户体验,避免充电站资源的浪费;同时等价二锥规划模型考虑了不确定性,使模型更加符合实际情况。
Description
技术领域
本发明涉及充电站技术领域,具体涉及一种光伏充电站资源的分配调节方法和系统。
背景技术
随着碳排放等环境问题的日益加剧,世界各国对于环保的呼声越来越高。目前国内燃油汽车能源消耗比重最大,也造成了温室效应等严重的环境污染问题。因此,具有环境友好型特点的电动汽车作为新能源工具得到了发展的空间与机遇。其中,电动汽车由于电池容量有限、充电时间长等缺点被广泛抱怨,这些缺点极大地阻碍了电动汽车的普及。充电便利性成为人们关注的首要问题。随着更多的电动汽车加入城市网格,充电等待时间过长、充电站较少、充电难成为重大挑战。如何合理应对充电需求进行调节,并最大化充电站资源收入对于充电站的正常运营来说是一个重要的问题。在这些问题中,充电站充电服务充电费率对于充电站正常运行和盈利有着直接的影响。
在众多清洁能源中,光伏发电具有无污染、分布较广、地域限制少等优点。但是与传统能源不同,光伏发电具有高度的不确定性和可变性。电动汽车光伏充电站可以通过在非高峰时段提供充电设施和调整收费价格,这两个措施分别在调峰负荷方面和影响电动汽车车主的行为方面发挥关键作用。因此,价格激励/信号可以作为电动汽车网络中重要的管理工具。电动汽车司机的充电需求根据地理位置具有空间分布的不均衡性。
在高峰时段,某些电动汽车充电站可能会以排长队结束,这将直接影响到电动汽车车主的满意度;而其他需求较少地区的电动汽车充电站到来的充电需求较少,造成充电桩闲置。因此导致资源分配调节失衡,部分充电需求流失,降低了充电站收益和生存空间。为了解决这些问题,电动汽车充电站运营商需要一种系统的费率调度技术,既要考虑电力负荷的分配,又要减少交通流量在充电站的拥堵和等待时间。
如何刻画电动汽车充电需求对于电动汽车运营商进行充电策略决策、定价策略决策等具有重要意义。用于刻画用户需求的不同模型或者算法有许多种,例如用户选择模型,时间序列算法,马尔可夫链模型和条件概率模型等。还有学者利用蒙特卡罗仿真(MCS)预测EV行为(到达和离开时间、SoCs等),两阶段博弈模型刻画用户与充电站之间的选择关系。
关于电动汽车充电站的定价研究可根据时空关系分为分时阶段动态定价、多充电站联合定价等问题,建立相应的博弈模型、双层优化模型、混合整数优化模型等。现有文献对于分时定价问题研究较多,大多基于电网承载力进行研究;较少考虑用户行为及市场影响,对分区域的充电站定价研究较少。因此亟需一种合理的分配调节方法和策略来指导电动汽车充电站的运营,推动充电价格市场化进程。
发明内容
针对现有技术中存在的上述技术问题,本发明提供一种光伏充电站资源的分配调节方法和系统,通过等价二阶锥规划模型描述用户到充电站充电行为,从而对充电站资源进行分配调节,利于充电资源的合理分配,以提高用户体验,避免充电站资源浪费。
本发明公开了一种光伏充电站资源的分配调节方法,所述方法包括:建立电动出租车的行驶数据集,所述数据集包括乘客上车地点和消耗电量,其中所述乘客上车地点作为需求点;对所述需求点进行聚类,并获得每个分类的中心作为需求中心;建立光伏充电站集,所述光伏充电站集包括充电站的安装地址和光伏发电历史数据,所述光伏发电历史数据包括光伏发电量;基于多项Logit的用户选择模型,根据从需求中心到充电站的驾驶距离和充电费率,计算用户到所述充电站充电的概率;根据所述概率,预测所述充电站的电量消耗;根据光伏发电量、购电费率和电量消耗,预测充电站的资源净收入;基于鲁棒性优化的方法,根据所述资源净收入、光伏发电量、购电费率和电量消耗构建充电资源调节模型;根据充电资源调节模型和用户选择模型,构建等价二阶锥规划模型;根据所述等价二阶锥规划模型,对充电站资源进行分配调节。
优选的,构建等价二阶锥规划模型的方法包括:
对用户选择模型中的充电费率进行离散化,获得离散优化模型;
将所述离散优化模型转化为等价二阶锥约束;
根据线性化约束,将充电资源调节模型进行线性化,获得线性化模型;
对线性化模型进行光伏发电随机鲁棒优化,获得鲁棒优化模型;
将所述鲁棒优化模型转化后与线性化约束和二阶锥约束合并,获得等价二阶锥规划模型。
本发明还提供一种用于实现上述方法的系统,包括行驶数据模块、需求聚类模块、充电站数据模块、用户选择模块、充电站资源分配模块、优化模块和分配调节模块:
所述行驶数据模块用于建立电动出租车的行驶数据集,所述数据集包括乘客上车地点和消耗电量,其中所述乘客上车地点作为需求点;
所述需求聚类模块用于对所述需求点进行分类,并获得每个分类的中心作为需求中心;
所述充电站数据模块用于建立光伏充电站集,所述光伏充电站集包括充电站的安装地址和光伏发电历史数据,所述光伏发电历史数据包括光伏发电量;
所述用户选择模块基于多项Logit的用户选择模型,根据从需求中心到充电站的驾驶距离和充电费率,计算用户到所述充电站充电的概率;
所述充电站资源分配模块基于鲁棒性优化的方法,根据所述概率,预测所述充电站的电量消耗,根据光伏发电量、购电费率和电量消耗,预测充电站的资源净收入,并基于鲁棒性优化的方法,根据所述资源净收入、光伏发电量、购电费率和电量消耗构建充电资源调节模型;
所述优化模块用于根据充电资源调节模型和用户选择模型,构建等价二阶锥规划模型;
所述分配调节模块用于根据所述等价二阶锥规划模型,对充电站资源进行分配调节。
优选的,所述优化模块用于对用户选择模型中的充电费率,进行离散化,获得离散优化模型;将所述离散优化模型转化为等价二阶锥约束;根据线性化约束,对充电资源调节模型进行线性化,获得线性化模型;对线性化模型进行光伏发电随机鲁棒优化,获得鲁棒优化模型;将所述鲁棒优化模型转化后与线性化约束和二阶锥约束合并,获得等价二阶锥规划模型。
与现有技术相比,本发明的有益效果为:通过用户选择模型描述用户到充电站的充电行为,通过充电资源调节模型描述充电站为用户提供充电服务的行为,结合两个模型的等价二阶锥规划模型描述用户和充电站两者的行为,根据等价二锥规划模型对充电站资源进行分配调节,利于充电资源的合理分配,以提高用户体验,避免充电站资源的浪费;同时等价二锥规划模型考虑了不确定性,使模型更加符合实际情况。
附图说明
图1是本发明光伏充电站资源的分配调节方法流程图;
图2是构建等价二阶锥规划模型的方法流程图;
图3是本发明的系统逻辑框图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图对本发明做进一步的详细描述:
一种光伏充电站资源的分配调节方法,如图1所示,所述方法包括:
步骤101:建立电动出租车的行驶数据集,所述数据集包括乘客上车地点和消耗电量,其中所述乘客上车地点作为需求点。其中,消耗电量可以根据电动出租车的行驶距离计算得到。
步骤102:对所述需求点进行聚类,并获得每个分类的中心作为需求中心。
将充电需求聚合为一个个充电需求中心,每个需求中心产生的需求会在一定驾驶距离内选择一个充电站去充电,也可能选择不充电。在一个具体实施例中,通过k均值聚类算法(k-means clustering algorithm,k-Means)聚类出多个类别,每个类别都具有一个需求中心,需求中心附近区域所有需求点消耗电池电量的总和作为中心需求。但聚类的算法不限于此,也可以采用以下K-MEDOIDS算法、Clara算法和Clarans算法。
步骤103:建立光伏充电站集,所述光伏充电站集包括充电站的安装地址和光伏发电历史数据,所述光伏发电历史数据包括光伏发电量。
步骤104:基于多项Logit的用户选择模型,根据从需求中心到充电站的驾驶距离和充电费率,计算用户到所述充电站充电的概率。
与传统燃油汽车相似,电动汽车司机需要去类似加油站的电动汽车充电站进行充电。对于每一个司机而言,可选择的电动汽车充电站不唯一。司机会结合价格、驾驶距离、停车费等一定因素,根据个人偏好,以一定的概率选择某一个充电站进行充电。Logit模型是最早的离散选择模型,也是目前应用最广的模型,是用来刻画用户选择行为重要工具。Logit模型能够考虑到各种因素的用户选择行为模型,推导出充分反映用户选择的用户选择模型。选择去哪个电动汽车充电站充电的概率基于每个车主的个人偏好以及对价格和驾驶距离的敏感度等。
步骤105:根据所述概率,预测所述充电站的电量消耗和资源收入。
步骤106:根据光伏发电量、购电费率和电量消耗,预测充电站的资源净收入。
步骤107:基于鲁棒性优化的方法,根据所述资源净收入、光伏发电量、购电费率和电量消耗构建充电资源调节模型。光伏发电具有一定的不确定性,光伏发电使用完后,需从电网中购电用于充电,因此引入鲁棒性优化的方法,以提高模型或数据的稳定性。
步骤108:根据充电资源调节模型和用户选择模型,构建等价二阶锥规划模型。
步骤109:根据所述等价二阶锥规划模型,对充电站资源进行分配调节。
本发明通过用户选择模型描述用户到充电站的充电行为,通过充电资源调节模型描述充电站为用户提供充电服务的行为,结合两个模型的等价二阶锥规划模型描述用户和充电站两者的行为,根据等价二锥规划模型对充电站资源进行分配调节,利于充电资源的合理分配,以提高用户体验,避免充电站资源的浪费;同时等价二锥规划模型考虑了不确定性,使模型更加符合实际情况,可以为实际的充电站运营提供决策。
本发明可以通过充电费率的调整策略,将需求集中地区的充电需求吸引到需求稀疏地区的充电站,提升充电站充资源的利用率,使得运营商的利润最大化的同时,提高用户体验。因此建立考虑光伏发电随机鲁棒性的模型,对每个电动汽车充电站求解出最优的电动汽车充电站充电费率,对电动汽车充电站资源分配调节。
如图2所示,构建等价二阶锥规划模型的方法包括:
步骤201:对用户选择模型中的充电费率进行离散化,获得离散优化模型。
步骤202:将所述离散优化模型转化为等价二阶锥约束。
步骤203:根据线性化约束,对充电资源调节模型进行线性化,获得线性化模型。
步骤204:对线性化模型进行光伏发电随机鲁棒优化,获得鲁棒优化模型。
步骤205:将所述鲁棒优化模型转化后与线性化约束和二阶锥约束合并,获得等价二阶锥规划模型。
所述用户选择模型为:
其中,yij表示车主从需求中心i选择去充电站j充电的概率,α为用户充电初始效用,αij为用户从需求中心i去充电站j的充电初始效用,αil用户从需求中心i去充电站l的充电初始效用,β为充电费率的权重系数,p为充电费率,pj为充电站j的充电费率,pl为充电站l的充电费率,dij为需求中心到充电站的驾驶距离,γ为驾驶距离权重系数,I为需求中心集合,表示任意需求中心i属于需求中心集合I,j∈Ji表示充电站j属于Ji集合,e为自然常数,l表示除j之外的一个充电站,Gi={j:dij≤dmax}表示需求中心i到充电站j的驾驶距离小于等于dmax的充电站集合,dmax为驾驶距离的阈值,l∈Gi表示充电站l属于Gi集合,Ji=Gi∪{0},表示Ji为0或者Gi,Ji=0或j=0表示用户选择回家充电,而不去充电站充电。公式3中分子表示去充电站充电的效用,分母表示不充电和去其它充电站充电的效用。
将所述用户选择模型转换为离散优化模型的方法:
令pj=∑k∈Kxjkak,∑k∈Kxjk=1 (31)
其中,ak为可以作为充电费率的数值,ak∈A表示ak属于A集合,A表示为充电费率的集合,变量xjk∈{0,1}表示第j个充电站决定选择第k个充电费率作为当前充电费率的归一化概率,∑k∈Kxjk=1表示取且只取一个ak作为当前充电费率,k表示集合A中充电费率的总个数,K为k的集合,例如,可以设定充电费率集合A,A={1.2,1.5,1.7,1.9,2.1},仅能从集合A中选取一个作为当前充电费率;
将公式31代入公式3中,获得离散优化模型:
将公式4转化为等价二阶锥约束的方法包括:
通过离散化和二阶锥转化的方法,使模型易于求解,引入了变量Cijk。
所述充电资源调节模型包括:
maxp,y,uminF∈ΩEF[∑j∈J(ujpj-ej(uj-zj)+)]=maxp,y,uminF∈ΩEF[∑j∈J(∑k∈Kakxjkuj-ej(uj-zj)+)] (2)
其中,maxp,y,u表示最大化充电站的资源净收入,minF∈ΩEF[·]表示采用鲁棒性优化方法中的考虑最坏情况,ej为不确定参数,zj表示光伏发电量,光伏发电具有不稳定性,uj表示消耗电量或充电电量,F表示为分布函数,Ω表示为分布函数的集合,EF[·]表示求目标函数在不确定参数ej服从分布函数F下的期望值,(uj-zj)+表示当uj-zj≥0时,函数值为uj-zj;当uj-zj<0时,函数值为0。其中,充电费率的单位可以为:元/KWh,电量消耗或充电电量的单位为:kWh。
通过大M法对公式2进行线性化的方法包括:
令ωjk=xjkuj,ωjk=xjkuj等价于:
其中,公式7作为线性约束,将ωjk=xjkuj代入公式6得到:
公式8等价于:
根据光伏发电量的随机鲁棒优化方法,其中,随机鲁棒优化的方法采用了文献(鲁棒性选择应用下风险参数的紧密连接;L Chen,S He,S Zhang;Operations Research 59(4),847-865 37 2011)的模型:
其中,sup表示求上界,与max等价,X是一个随机变量,X~(μ,σ2)表示X服从均值为μ和σ的分布;r是一个参数;E[(r-X)+]表示求函数(r-X)+的期望值,对于在变量X服从均值μ和方差σ的分布情况下,函数(r-X)+的最大期望值可以直接通过推导得到解析表达式:
每个充电站的光伏发电量zj的均值μj和方差σj都已知,代入r=uj,X=zj,公式9等价于:
其中,μj为光伏发电量zj的均值和σj光伏发电量的方差,可以根据光伏发电历史数计算得到。
通过等价二阶锥规划模型的求解方法包括:
其中,s.t.表示该式子为约束条件,
将公式5、7和12结合,可以得到等价二阶锥规划模型:
等价二阶锥规划模型通过Gurobi求解器求解,得到鲁棒性优化的充电费率。Gurobi为一种商用的求解器由美国Gurobi公司开发的新一代大规模数学规划优化器,在第三方优化器评估中,展示出更快的优化速度和精度。
本发明还提供一种用于实现上述方法的系统,如图3所示,包括行驶数据模块1、需求聚类模块2、充电站数据模块3、用户选择模块4、充电站资源分配模块5、优化模块6和分配调节模块7:
行驶数据模块1用于建立电动出租车的行驶数据集,所述数据集包括乘客上车地点和消耗电量,其中所述乘客上车地点作为需求点;
需求聚类模块2用于对所述需求点进行分类,并获得每个分类的中心作为需求中心;
充电站数据模块3用于建立光伏充电站集,所述光伏充电站集包括充电站的安装地址和光伏发电历史数据,所述光伏发电历史数据包括光伏发电量;
用户选择模块4基于多项Logit的用户选择模型,根据从需求中心到充电站的驾驶距离和充电费率,计算用户到所述充电站充电的概率;
充电站资源分配模块5基于鲁棒性优化的方法,根据所述概率,预测所述充电站的电量消耗,根据光伏发电量、购电费率和电量消耗,预测充电站的资源净收入,并基于鲁棒性优化的方法,根据所述资源净收入、光伏发电量、购电费率和电量消耗构建充电资源调节模型;
优化模块6用于根据充电资源调节模型和用户选择模型,构建等价二阶锥规划模型;
分配调节模块7用于根据所述等价二阶锥规划模型,对充电站资源进行分配调节。
具体的,优化模块6用于对用户选择模型中的充电费率,进行离散化,获得离散优化模型;将所述离散优化模型转化为等价二阶锥约束;根据过线性化约束,将充电资源调节模型进行线性化,获得线性化模型;对线性化模型进行光伏发电随机鲁棒优化,获得鲁棒优化模型;将所述鲁棒优化模型转化后与线性化约束和二阶锥约束合并,获得等价二阶锥规划模型。
以上仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种光伏充电站资源的分配调节方法,其特征在于,所述方法包括:
建立电动出租车的行驶数据集,所述数据集包括乘客上车地点和消耗电量,其中所述乘客上车地点作为需求点;
对所述需求点进行聚类,并获得每个分类的中心作为需求中心;
建立光伏充电站集,所述光伏充电站集包括充电站的安装地址和光伏发电历史数据,所述光伏发电历史数据包括光伏发电量;
基于多项Logit的用户选择模型,根据从需求中心到充电站的驾驶距离和充电费率,计算用户到充电站充电的概率;
根据所述概率,预测所述充电站的电量消耗;
根据光伏发电量、购电费率和电量消耗,预测充电站的资源净收入;
基于鲁棒性优化的方法,根据所述资源净收入、光伏发电量、购电费率和电量消耗构建充电资源调节模型;
根据充电资源调节模型和用户选择模型,构建等价二阶锥规划模型;
根据所述等价二阶锥规划模型,对充电站资源进行分配调节。
2.根据权利要求1所述的分配调节方法,其特征在于,构建等价二阶锥规划模型的方法包括:
对用户选择模型中的充电费率进行离散化,获得离散优化模型;
将所述离散优化模型转化为等价二阶锥约束;
根据线性化约束,将充电资源调节模型进行线性化,获得线性化模型;
对线性化模型进行光伏发电随机鲁棒优化,获得鲁棒优化模型;
将所述鲁棒优化模型转化后与线性化约束和二阶锥约束合并,获得等价二阶锥规划模型。
3.根据权利要求1所述的分配调节方法,其特征在于,所述用户选择模型为:
Gi={j:dij≤dmax},
Ji=Gi∪{0} (3)
6.根据权利要求5所述的分配调节方法,其特征在于,所述充电资源调节模型包括:
maxp,y,uminF∈ΩEF[∑j∈J(ujpj-ej(uj-zj)+)]=
maxp,y,uminF∈ΩEF[∑j∈J(∑k∈Kakxjkuj-ej(uj-zj)+)] (2)
其中,maxp,y,u表示最大化充电站的资源净收入,minF∈ΩEF[·]表示采用鲁棒性优化方法中的考虑最坏情况,ej为不确定参数,zj表示光伏发电量,uj表示消耗电量或充电电量,F表示为分布函数,Ω表示为分布函数的集合,EF[·]表示求目标函数在不确定参数ej服从分布函数F下的期望值,(uj-zj)+表示当uj-zj≥0时,函数值为uj-zj;当uj-zj<0时,函数值为0。
9.一种用于实现权利要求1-8任一项所述分配调节方法的系统,其特征在于,包括行驶数据模块、需求聚类模块、充电站数据模块、用户选择模块、充电站资源分配模块、优化模块和分配调节模块:
所述行驶数据模块用于建立电动出租车的行驶数据集,所述数据集包括乘客上车地点和消耗电量,其中所述乘客上车地点作为需求点;
所述需求聚类模块用于对所述需求点进行分类,并获得每个分类的中心作为需求中心;
所述充电站数据模块用于建立光伏充电站集,所述光伏充电站集包括充电站的安装地址和光伏发电历史数据,所述光伏发电历史数据包括光伏发电量;
所述用户选择模块基于多项Logit的用户选择模型,根据从需求中心到充电站的驾驶距离和充电费率,计算用户到所述充电站充电的概率;
所述充电站资源分配模块基于鲁棒性优化的方法,根据所述概率,预测所述充电站的电量消耗,根据光伏发电量、购电费率和电量消耗,预测充电站的资源净收入,并基于鲁棒性优化的方法,根据所述资源净收入、光伏发电量、购电费率和电量消耗构建充电资源调节模型;
所述优化模块用于根据充电资源调节模型和用户选择模型,构建等价二阶锥规划模型;
所述分配调节模块用于根据所述等价二阶锥规划模型,对充电站资源进行分配调节。
10.根据权利要求9所述的系统,其特征在于,所述优化模块用于对用户选择模型中的充电费率,进行离散化,获得离散优化模型;将所述离散优化模型转化为等价二阶锥约束;根据线性化约束,将充电资源调节模型进行线性化,获得线性化模型;对线性化模型进行光伏发电随机鲁棒优化,获得鲁棒优化模型;将所述鲁棒优化模型转化后与线性化约束和二阶锥约束合并,获得等价二阶锥规划模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011539814.4A CN112581313B (zh) | 2020-12-23 | 2020-12-23 | 一种光伏充电站资源的分配调节方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011539814.4A CN112581313B (zh) | 2020-12-23 | 2020-12-23 | 一种光伏充电站资源的分配调节方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112581313A CN112581313A (zh) | 2021-03-30 |
CN112581313B true CN112581313B (zh) | 2022-02-22 |
Family
ID=75139361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011539814.4A Active CN112581313B (zh) | 2020-12-23 | 2020-12-23 | 一种光伏充电站资源的分配调节方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112581313B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113723512B (zh) * | 2021-08-31 | 2022-08-02 | 南京邮电大学盐城大数据研究院有限公司 | 电动汽车光伏充电站网络的资源均衡分配方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730048A (zh) * | 2017-10-26 | 2018-02-23 | 华中科技大学 | 一种风电‑电动汽车联合系统随机鲁棒优化调度方法 |
CN111582581A (zh) * | 2020-05-08 | 2020-08-25 | 北京理工大学 | 考虑随机交通流量偏移的电动汽车换电站鲁棒选址方法 |
CN111651899A (zh) * | 2020-06-28 | 2020-09-11 | 北京理工大学 | 考虑用户选择行为的换电站鲁棒选址定容方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108082002B (zh) * | 2012-02-13 | 2021-06-22 | 埃森哲环球服务有限公司 | 用于电力跟踪和电力分配的分布式智能的方法和系统 |
-
2020
- 2020-12-23 CN CN202011539814.4A patent/CN112581313B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107730048A (zh) * | 2017-10-26 | 2018-02-23 | 华中科技大学 | 一种风电‑电动汽车联合系统随机鲁棒优化调度方法 |
CN111582581A (zh) * | 2020-05-08 | 2020-08-25 | 北京理工大学 | 考虑随机交通流量偏移的电动汽车换电站鲁棒选址方法 |
CN111651899A (zh) * | 2020-06-28 | 2020-09-11 | 北京理工大学 | 考虑用户选择行为的换电站鲁棒选址定容方法和系统 |
Non-Patent Citations (1)
Title |
---|
考虑交通环境和纯电动汽车电池电量的动态路径规划方法;史云阳等;《上海大学学报(自然科学版)》;20200630(第03期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112581313A (zh) | 2021-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110046753B (zh) | 一种电动汽车充电站最优建设数量和选址方案规划方法 | |
CN103241130B (zh) | 一种电动公交车充换电站的能量管理方法及系统 | |
CN109177802B (zh) | 一种基于无线通信的电动汽车有序充电系统及其方法 | |
CN108764634A (zh) | 一种考虑充电需求增长的电动汽车充电站动态规划方法 | |
CN106651059A (zh) | 一种电动汽车充电站优化配置的方法 | |
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 | |
CN109936128A (zh) | 一种规模化电动汽车接入条件下的动态需求响应方法 | |
CN108269008B (zh) | 考虑用户满意度和配网可靠性的充电设施优化规划方法 | |
CN114039370B (zh) | 基于v2g模式的电动汽车与智能充放电站的资源优化方法 | |
CN108596667A (zh) | 一种基于车联网的电动汽车实时充电电价计算方法 | |
CN112183882B (zh) | 一种基于电动汽车快充需求的智慧充电站充电优化方法 | |
CN112381398B (zh) | 考虑用户有限理性出行的电动汽车充电站选址方法及系统 | |
CN116316567A (zh) | 一种阶梯碳交易机制下综合能源需求响应优化方法 | |
CN115545337A (zh) | 一种考虑线-网互动的电动汽车充电决策优化方法 | |
CN112581313B (zh) | 一种光伏充电站资源的分配调节方法和系统 | |
CN112115385A (zh) | 一种考虑充电时间的单向共享汽车系统选址优化方法 | |
Zhong et al. | Charging navigation strategy for electric vehicles considering empty-loading ratio and dynamic electricity price | |
He et al. | Expansion planning of electric vehicle charging stations considering the benefits of peak‐regulation frequency modulation | |
Zheng et al. | Optimal dispatch of hydrogen/electric vehicle charging station based on charging decision prediction | |
CN113112097A (zh) | 一种电动汽车负荷预测及充电设施布局优化方法 | |
CN117543581A (zh) | 考虑电动汽车需求响应的虚拟电厂优化调度方法及其应用 | |
CN117172861A (zh) | 基于用户负荷差异与空间约束的移动充电动态定价方法 | |
CN116596252A (zh) | 一种电动汽车集群多目标充电调度方法 | |
CN113222241B (zh) | 考虑充电服务引导与客户需求的出租车快充电站规划方法 | |
Xiang et al. | Charging pile siting with group multirole assignment |
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 |