CN113095557B - 基于混合用户均衡理论和充放电管理的智能充电站规划方法 - Google Patents
基于混合用户均衡理论和充放电管理的智能充电站规划方法 Download PDFInfo
- Publication number
- CN113095557B CN113095557B CN202110354464.2A CN202110354464A CN113095557B CN 113095557 B CN113095557 B CN 113095557B CN 202110354464 A CN202110354464 A CN 202110354464A CN 113095557 B CN113095557 B CN 113095557B
- Authority
- CN
- China
- Prior art keywords
- charging
- slow
- charge
- charging station
- power
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 43
- 238000013439 planning Methods 0.000 title claims abstract description 40
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000012546 transfer Methods 0.000 claims abstract description 32
- 238000007599 discharging Methods 0.000 claims abstract description 24
- 239000011159 matrix material Substances 0.000 claims abstract description 16
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 230000006641 stabilisation Effects 0.000 claims abstract description 5
- 238000011105 stabilization Methods 0.000 claims abstract description 5
- 238000010276 construction Methods 0.000 claims description 17
- 230000033228 biological regulation Effects 0.000 claims description 16
- 238000009826 distribution Methods 0.000 claims description 11
- 101000720907 Pseudomonas savastanoi pv. phaseolicola Ornithine carbamoyltransferase 1, anabolic Proteins 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000006870 function Effects 0.000 claims description 6
- 230000001105 regulatory effect Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 claims description 2
- 230000009471 action Effects 0.000 claims description 2
- 230000006399 behavior Effects 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims description 2
- 238000010248 power generation Methods 0.000 claims description 2
- 238000003860 storage Methods 0.000 claims description 2
- 230000002040 relaxant effect Effects 0.000 claims 1
- 230000008878 coupling Effects 0.000 description 5
- 238000010168 coupling process Methods 0.000 description 5
- 238000005859 coupling reaction Methods 0.000 description 5
- 230000005611 electricity Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000087 stabilizing effect Effects 0.000 description 2
- 206010021118 Hypotonia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012795 verification Methods 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
- 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
- G06Q10/06—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
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明提供了一种基于混合用户均衡理论和充放电管理的智能充电站规划方法,包括步骤:基于Wardrop用户均衡理论建立含充电汽车和普通汽车的混合均衡模型以表征实际交通网的稳态车流;建立一种基于负荷转移矩阵的电动汽车慢充站充放电管理模型,实现用户充放电套利与平抑充电负荷的联合优化;建立以系统投资费用与运行等效费用等年值最低为优化目标的智能快、慢充站规划模型;对所述智能快、慢充站规划模型进行松弛处理,以将原模型转化为一个混合整数二阶锥问题并利用商业求解器求解。本发明能够实现充电站的优化配置。
Description
技术领域
本发明涉及电动车技术领域,特别是基于混合用户均衡理论和充放电管理的智能充电站规划方法。
背景技术
随着世界范围内生态环境质量的不断下降,人们越来越提倡绿色环保的生活方式,在各国政府组织及汽车制造企业的联合推动下,具备环保、节能、零排放等显著优点的电动汽车(electric vehicles,EV)在全球范围内得到了飞速发展。在我国电动汽车数量呈爆炸式増长的同时,作为其商业化、产业化不可或缺的重要辅助配套装置,电动汽车充电站的同步建设将为电动汽车进一步扩大市场份额提供重要的推动力。充电站的规划与交通网络流量、用户的充电需求、EV充电装置的类型以及EV充放电管理措施等因素密切相关。充电站规划不当不仅会导致配电系统网络损耗增加和节点电压下降,而且会影响EV用户出行的便利性,进而影响电动汽车的推广使用。因此,对EV充电站进行适当的规划非常重要。
另外,沿途快速充电站和目的地慢速充电站作为EV能源补给的两种重要场所在电动汽车规划领域是研究的重点。对于沿途快速充电站而言,其一般适用于用户紧急临时快速充电的场景,充电需求量与捕获的交通流量密切相关,因此合理表征交通网的稳态交通流是研究的重点之一;对于目的地慢速充电站而言,鉴于其充电体量大且具有一定的可调控性,故采用合理且高效的充放电管理措施有利于优化配电网运行状况。鉴于以上技术背景,开展基于混合用户均衡理论和充放电管理的智能充电站规划方法研究对配电网和交通网的资源利用和高效运行具有重要意义。
发明内容
有鉴于此,本发明的目的是提出基于混合用户均衡理论和充放电管理的智能充电站规划方法,能够实现充电站的优化配置。
本发明采用以下方案实现:一种基于混合用户均衡理论和充放电管理的智能充电站规划方法,包括以下步骤:
基于Wardrop用户均衡理论建立含充电汽车和普通汽车的混合均衡模型以表征实际交通网的稳态车流;
建立一种基于负荷转移矩阵的电动汽车慢充站充放电管理模型,实现用户充放电套利与平抑充电负荷的联合优化;
建立以系统投资费用与运行等效费用等年值最低为优化目标的智能快、慢充站规划模型;
对所述智能快、慢充站规划模型进行松弛处理,以将原模型转化为一个混合整数二阶锥问题并利用商业求解器求解。
与现有技术相比,本发明有以下有益效果:首先,利用本发明搭建的基于混合用户均衡理论和充放电管理的智能充电站规划模型开展快/慢充站规划有利于优化充电站的资源配置,降低规划者的总费用;其次,本发明提出的基于负荷转移矩阵的充放电管理措施,通过确定各场景的负荷转移比例与转移功率需求,实现慢充用户充电费用和充电负荷波动等效费用的双重寻优;再者,本发明基于Wardrop用户均衡理论定义混合用户均衡模型精细化的表示交通网的稳态流量,结果表明信息共享下的用户混合均衡能有优化用户的出行效率,在考虑用户自私心理的前提下降低用户出行时间。
附图说明
图1为本发明实施例的负荷转移矩阵示意图。
图2为本发明实施例的耦合测试系统示意图。其中,(a)为IEEE-33配电网络拓扑,(b)为20节点交通网络拓扑。
图3为本发明实施例的典型电力负荷序列曲线。
图4为本发明实施例的用户出行典型时序曲线。
图5为本发明实施例的慢充站充电功率曲线对比图。
图6为本发明实施例的CV出行总拥堵时间图。
图7为本发明实施例的NV出行总拥堵时间图。
图8为本发明实施例的①号慢充站负荷转移比例与负荷曲线图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本实施例提供了一种基于混合用户均衡理论和充放电管理的智能充电站规划方法,具体包括以下步骤:
基于Wardrop用户均衡理论建立含充电汽车(Charging vehicles,CV)和普通汽车(Normal vehicles,NV)的混合均衡模型以表征实际交通网的稳态车流;
建立一种基于负荷转移矩阵的电动汽车慢充站充放电管理模型,实现用户充放电套利与平抑充电负荷的联合优化;
建立以系统投资费用与运行等效费用等年值最低为优化目标的智能快、慢充站规划模型;
对所述智能快、慢充站规划模型进行松弛处理,以将原模型转化为一个混合整数二阶锥问题并利用商业求解器求解。
进一步地,所述基于Wardrop用户均衡理论建立含充电汽车和普通汽车的混合均衡模型以表征实际交通网的稳态车流具体实现如下:
网络中存在很多O-D点对,每个点对由一个起始节点r和一个终端节点s组成,建立如下模型:
(1)路段累积车流量
(2)交通流量守恒
式中:qw为第w个O-D点对间的交通需求量;
(3)道路通行时间
接着,基于用户均衡理论,定义含充电汽车CV和普通汽车NV的混合均衡如下:
(1)混合均衡模型的数学表达
式中:为O-D点对间选择k出行方案的CV/NV流量;分别为O-D点对间k出行方案的CV/NV出行时间;为O-D点对间CV、NV的出行平衡时间;ΛOD表示交通需求O-D点对的集合;为由起点r到终点s的CV/NV出行方案集合。
(2)路段交通流量
作为交通混合均衡的纽带,两种类型的交通流量叠加:
(3)车辆通行时间
(4)出行等效时间费用
由于电动汽车与普通汽车不同的出行特征,出行等效时间费用分述如下:
式中:表示当前出行方案经过快充站的充电费用;σ表示单位时间的等效费用;式(8)表示电动汽车的等效费用,包含出行时间与快充站充电等效费用两部分;而普通汽车无充电行为,故选择路径的因素仅为全程的出行时间,表达式如式(9)所示。
进一步地,所述建立一种基于负荷转移矩阵的电动汽车慢充站充放电管理模型,实现用户充放电套利与平抑充电负荷的联合优化中采用的慢充管理策略如下:
(1)将无意愿参加充放电管理的用户以及停留时间低于调控时间周期的用户所对应的电动汽车充电需求视为不可调控的慢充负荷,采用即位即充的恒功率充电模式,且充电时间为t1小时;所述调控时间周期为t2小时;
(2)将在目的地停留时间超过调控时间周期且有意愿参与充放电管理的用户所对应的电动汽车充电需求视为可调慢充负荷,该部分待充车辆将会在调控周期t2小时后完成充电行为,以保证用户的正常用车需求;其中,t1<t2。
进一步地,所述建立一种基于负荷转移矩阵的电动汽车慢充站充放电管理模型,实现用户充放电套利与平抑充电负荷的联合优化具体如下:
(1)慢充负荷转移约束
(2)慢充站实际功率约束
式中:为慢充站实际充放电功率;右边第一项为可调控负荷部分,其累加步长由调控周期t2决定,其中mod(·)表示数学取余,N为规划场景数;右边第二项为不可调控负荷部分,其累加步长由不可调控负荷的固定充电时间t1决定;
(3)调控负荷比例约束
αmin≤αi,t≤αmax (12)
式中:αmax、αmin分别代表最大、最小可调控负荷比例,其值介于0~1之间;
(4)充放电限度约束
0≤SOCTt,h≤SOCTt,max (14)
式中:SOCTt,h为t时刻到达的慢充车辆剩余荷电状态;SOCTt,max为t时刻到达的慢充车辆的最大充电容量上限;表示t时刻到达的慢充车辆在调控时段h下的功率转移矩阵。本实施例忽略电动汽车充放电时所产生的功率损耗,即充放电效率均为100%。
进一步地,所述建立以系统投资费用与运行等效费用等年值最低为优化目标的智能快、慢充站规划模型具体为建立基于流量均衡理论和电动汽车充放电管理的智能配电网充电站规划模型。该模型以充电站建设费用和运行费用最小为优化目标,考虑建设约束和运行约束,对沿途快充设备和目的地慢充设备进行合理配置:
(1)目标函数
具体数学表达式如下:
minF=a·Ccon+Cope (15)
Cope=365×(Ctra+CenT+CTM+Cwave) (18)
式中:F表示系统的全周期经济费用;Ccon为系统建设费用;Cope为系统运行费用;a为等年值系数;r为折现率,通常取10%;N为机组寿命;本项目取10年,故通过计算a取0.1628。
j∈Ωqc,k∈Ξqc
i∈Ωsc,k∈Ξsc
3)车辆出行拥堵费用Ctra
t∈T,a∈Ωod
4)目的地慢充站充电费用CenT
t∈T,i∈Ωsc
5)目的地慢充站电动汽车充放电管理费用CTM
t∈T,i∈Ωsc
6)目的地慢充负荷等效波动费用Cwave
t∈T,i∈Ωsc
式中:c0′表示单位波动量的等效波动费用;表示第i个慢充站的平均负荷。根据式(24)可知目的地慢充负荷等效波动费用主要受各时刻的与平均负荷的偏差量所影响,偏差量总和越大,对电网的冲击越大,所产生的等效波动费用越大;反之则越优;
(2)约束条件
本模型的约束类型按照阶段和对象分为设备投建约束、配电网运行约束、交通网运行约束三类。
进一步地,其中约束条件具体为:
1)设备投建约束Con-inv
a)投建数量约束
x∈{qc,sc},Υ∈{Ωsc,Ωqc}
b)慢充站投建功率约束
i∈Ωsc,k∈Ξsc
c)快充站投建功率约束
a∈Ωroad,i∈Ωfc,k∈Ξfc
2)配电网运行约束Con-EDN
a)电力潮流约束
式中:JK(j)、IJ(j)分别表示首、末节点为j的电网馈线集合;pij,t、qij,t分别表示线路ij上的有功功率、无功功率;Rij、Xij分别为馈线ij的电阻、电抗;为电网节点j电压的平方;为线路ij电流的平方;分别表示电网节点j的负荷有功功率、无功功率;式(29)为电能的有功平衡约束;式(30)为电能的无功平衡约束;式(31)为线路电压降关系约束;式(32)为线路的功率与电压的等式关系;
b)安全稳定运行约束
式中:U、分别为电压幅值的下、上限;为电流幅值的上限;分别表示变电站j的可提供有功功率的下、上限;分别为变电站j的可提供无功功率的下、上限。式(33)约束了节点电压波动的安全范围;式(34)对线路的所通过电流上下限进行约束;式(35)和式(36)分别对上级电网输入的有功功率和无功功率上下限进行约束;Ωline、Ωgen分别表示所有线路、主网发电节点的集合。
3)交通网运行约束Con-TN
交通网运行约束包括交通网的网络模型约束和电动汽车充放电管理措施约束,归纳为:
a)路段累积车流量
b)交通流量守恒
c)混合均衡模型的数学表达
d)路段交通流量
e)车辆通行时间
f)出行等效时间费用
g)慢充负荷转移约束
h)慢充站实际功率约束
i)调控负荷比例约束
αmin≤αi,t≤αmax (47)
j)充放电限度约束
0≤SOCTt,h≤SOCTt,max (49)。
进一步地,所述对所述智能快、慢充站规划模型进行松弛处理,以将原模型转化为一个混合整数二阶锥问题并利用商业求解器求解具体为:
采用分段线性化方法、大M法和二阶锥松弛技术对原模型进行松弛处理,以将原模型转化为一个混合整数二阶锥问题并利用商业求解器求解。
具体实现如下:
(1)分段线性化方法
回顾式(7),BPR函数为高次非线性函数,利用分段线性化方法对其进行处理,可转化为如下等价表达式:
式中,τm为ηm·δ的辅助变量;δ和ηm分别为辅助连续变量和二进制变量;M是一个较大的数。
(2)大M法
回顾式(24),式中存在的绝对值函数不利于快速求解最优解。本实施例引入二元变量λ+/λ-、辅助变量Φ+/Φ-对原式进行松弛处理如下:
(3)二阶锥松弛技术
回顾式(32),潮流约束为非线性约束,本实施例采用二阶锥方法对其进行松弛,松弛后表达式为:
式中:||·||2为二范数的数学表达形式。
本实施例还提供了一种基于混合用户均衡理论和充放电管理的智能充电站规划系统,包括存储器、处理器以及存储于存储器上,并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如上文所述的方法步骤。
本实施例还提供了一种计算机可读存储介质,其上存储有能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如上文所述的方法步骤。
接下来,本实施例举一具体的算例进行说明。
本发明采用IEEE33节点配电网与12节点典型交通网耦合系统对所提规划方法进行仿真测试,拓扑结构如图2所示,空间位置的耦合信息如表1~2所示,交通网的路况信息如表3所示。测试系统分别对4个沿途快充站和4个目的地慢充站进行规划,表4和表5分别给出沿途快充充电桩和目的地慢充充电桩的技术参数。此外,为了更好反应用电量情况,本实施例将电力负荷节点划分为工业、商业、居民三类,典型负荷序列如图3所示。交通网的出行需求信息如表6所示,各目的地慢充最大负荷信息如表7所示,用户出行的典型时序曲线如图4所示。本实施例还对快/慢充站的充电费用予以考虑,4个快充站对应充电费用费别为35元、35元、10元、10元;目的地慢充站采用峰谷电价收费,其中峰时段(8:00~21:00)充电费用为0.55元/kW,谷时段(22:00~次日7:00)充电费用为0.35元/kW。充放电管理模型中,固定充电时间t1=3小时、调控周期t2=6小时。其它经济技术参数如表8所示。
表1快充站与电力网耦合节点说明
快充站编号 | ① | ② | ③ | ④ |
电力网节点 | 5 | 11 | 16 | 33 |
交通网道路 | #2 | #9 | #12 | #20 |
表2慢充站与电力网耦合节点说明
慢充站编号 | ① | ② | ③ | ④ |
电力网节点 | 27 | 8 | 10 | 12 |
交通网节点 | 6 | 9 | 10 | 12 |
表3道路参数信息
表4快充桩参数
表5慢充桩参数
表6交通需求信息(p.u.)
出发地 | 目的地 | NV需求 | CV需求 |
1 | 6 | 5 | 0 |
1 | 10 | 6 | 0.6 |
1 | 12 | 6 | 0.6 |
3 | 6 | 7 | 0 |
3 | 10 | 7 | 0.6 |
3 | 12 | 6 | 0.6 |
4 | 9 | 6 | 0 |
4 | 10 | 7 | 0.6 |
4 | 12 | 5 | 0.4 |
表7目的地慢充站负荷需求信息
表8规划参数设置
参数名称 | 参数值 |
折现率r | 10% |
设备寿命N | 10年 |
单位时间费用σ | 5元 |
电动汽车单位充放电功率调控费用κ | 5000元/MW |
<![CDATA[单位波动量的等效波动费用c<sub>0</sub>′]]> | 20000元 |
<![CDATA[最大可调负荷比例α<sub>max</sub>]]> | 50% |
为了验证本项目所提智能配电网充电站规划模型的先进性,本实施例设置对照模型:规划模型不考虑流量均衡理论,即所有交通用户选择负荷要求的最短路径通行,且模型不含电动汽车充放电管理策略,即所有目的地慢充用户都采用即到即充的被动充电模式。规划结果比较如表9所示,经济结果比较如表10所示。
分析表9和表10可得到以下结论:
(1)考虑充放电管理措施有助于优化慢充桩投资且平抑慢充负荷的波动性。由表9可知,本实施例模型配置的慢充桩额定容量为1.573MW,而若不考虑管理措施则需配置总容量为1.954MW的慢充装置。对应的,如表10所示,投资费用降幅达19.52%。为了探究优化设备投资的根本原因并验证本实施例所提充放电管理措施的有效性,图5以①号目的地慢充站为例对比了本实施例模型和对照模型的充电功率曲线。由此可得出,经过充放电管理,一天内的慢充负荷峰谷差减小,波动情况得到明显改善,慢充负荷波动等效费用削减比例高达51.01%;无管理下的充电负荷高峰(17:00~18:00)经过负荷转移措施尖峰得以消除,从而降低了负荷需求峰值,减少慢充设备的投资容量。
表9本项目模型与对照模型规划结果对比
表10本项目模型与对照模型经济指标对比(¥104)
(2)通过交通网通行情况的信息共享使用户达到混合用户均衡状态有利于提高用户出行效率。图6和图7分别展示了CV和NV各场景下的出行拥堵总时间。通过观察可发现交通流量均衡模型可以降低出行车辆的拥堵时间,对于CV作用更加明显,且对于NV在出行高峰时段(17:00)也有一定的缓解拥堵作用。表10给出了出行延迟费用这一量化指标,同比下降2.11%。
为了凸显本实施例所提基于负荷转移矩阵的充放电管理措施的有效性,下面以①号目的地慢充站为例进行分析,负荷转移比例与交通负荷曲线如图8所示,负荷转移矩阵如表11所示。
表11①号慢充站负荷转移情况(kW)
图8中,深色区域为高电价时段,浅色区域为低电价时段。由结果分析可知,电动汽车充电负荷高比例转移主要发生在低负荷时段、高负荷时段、高电价近结束时段。这是由于低负荷与高负荷时段需要通过负荷转移来平抑电动汽车负荷波动性,高电价近结束时段可通过延迟充电降低用户的充电费用。由表11可知,清晨时段(1:00~8:00)电动汽车先充后放以应对白天期间的高目的地充电负荷;上午时段(9:00~13:00)基本不参与电动汽车负荷转移调度,由于到了下午时段用户的出行比例仍处于一个高峰状态,此时若进行负荷转移调度效果不明显;下午时段(14:00~20:00)充电负荷呈现高峰状态,此时通过负荷转移实现削峰效用,电动汽车体现先放后充的充电规律;此外,晚间时段(20:00~23:00),在高峰电价时放电,低谷电价时充电,以此降低充电费用,此外还增加深夜时刻的充电量,平抑慢充负荷的波动性。由此,可证明本实施例所提充放电管理策略有效性。
以上所述,仅是本发明的较佳实施例而已,并非是对本发明作其它形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (7)
1.基于混合用户均衡理论和充放电管理的智能充电站规划方法,其特征在于,包括以下步骤:
基于Wardrop用户均衡理论建立含充电汽车和普通汽车的混合均衡模型以表征实际交通网的稳态车流;
建立一种基于负荷转移矩阵的电动汽车慢充站充放电管理模型,实现用户充放电套利与平抑充电负荷的联合优化;
建立以系统投资费用与运行等效费用等年值最低为优化目标的智能快、慢充站规划模型;
对所述智能快、慢充站规划模型进行松弛处理,以将原模型转化为一个混合整数二阶锥问题并利用商业求解器求解;所述建立以系统投资费用与运行等效费用等年值最低为优化目标的智能快、慢充站规划模型具体如下:
(1)目标函数
具体数学表达式如下:
Cope=365×(Ctra+CenT+CTM+Cwave) (18)
式中:F表示系统的全周期经济费用;Ccon为系统建设费用;Cope为系统运行费用;a′为等年值系数;r为折现率,取10%;N为机组寿命;
3)车辆出行拥堵费用Ctra
4)目的地慢充站充电费用CenT
5)目的地慢充站电动汽车充放电管理费用CTM
6)目的地慢充负荷等效波动费用Cwave
式中:c0′表示单位波动量的等效波动费用;表示第i个慢充站的平均负荷;根据式(24)可知目的地慢充负荷等效波动费用主要受实际充放电功率与平均负荷的偏差量所影响,偏差量总和越大,对电网的冲击越大,所产生的等效波动费用越大;反之则越优;
(2)约束条件
本模型的约束类型按照阶段和对象分为设备投建约束、配电网运行约束、交通网运行约束三类;
其中约束条件具体为:
1)设备投建约束Con-inv
a)投建数量约束
b)慢充站投建功率约束
c)快充站投建功率约束
2)配电网运行约束Con-EDN
a)电力潮流约束
式中:J2K(j2)、IJ2(j2)分别表示首、末节点为j2的电网馈线集合;分别表示线路ij2上的有功功率、无功功率;分别为馈线ij2的电阻、电抗;为电网节点j2电压的平方;为线路ij2电流的平方;分别表示电网节点j2的负荷有功功率、无功功率;式(29)为电能的有功平衡约束;式(30)为电能的无功平衡约束;式(31)为线路电压压降关系约束;式(32)为线路的功率与电压的等式关系;
b)安全稳定运行约束
式中:分别表示变电站j3的可提供有功功率的下、上限;分别为变电站j3的可提供无功功率的下、上限;式(33)约束了节点电压波动的安全范围;式(34)对线路的所通过电流上下限进行约束;式(35)和式(36)分别对上级电网输入的有功功率和无功功率上下限进行约束;Ωline、Ωgen分别表示所有线路、主网发电节点的集合;
3)交通网运行约束Con-TN
交通网运行约束包括交通网的网络模型约束和电动汽车充放电管理措施约束,归纳为:
a)路段累积车流量
b)交通流量守恒
c)混合均衡模型的数学表达
d)路段交通流量
e)车辆通行时间
f)出行等效时间费用
g)慢充负荷转移约束
h)慢充站实际功率约束
i)调控负荷比例约束
j)充放电限度约束。
2.根据权利要求1所述的基于混合用户均衡理论和充放电管理的智能充电站规划方法,其特征在于,所述基于Wardrop用户均衡理论建立含充电汽车和普通汽车的混合均衡模型以表征实际交通网的稳态车流具体实现如下:
网络中存在很多O-D点对,每个点对由一个起始节点r和一个终端节点s组成,建立如下模型:
(1)路段累积车流量
(2)交通流量守恒
式中:qw为第w个O-D点对间的交通需求量;
(3)道路通行时间
接着,基于用户均衡理论,定义含充电汽车CV和普通汽车NV的混合均衡如下:
(1)混合均衡模型的数学表达
式中:为O-D点对间选择k1出行方案的CV/NV流量;分别为O-D点对间k出行方案的CV/NV出行时间;为O-D点对间CV、NV的出行平衡时间;ΛOD表示交通需求O-D点对的集合;为由起点r到终点s的CV/NV出行方案集合;
(2)路段交通流量
作为交通混合均衡的纽带,两种类型的交通流量叠加:
(3)车辆通行时间
(4)出行等效时间费用
由于电动汽车与普通汽车不同的出行特征,出行等效时间费用分述如下:
3.根据权利要求1所述的基于混合用户均衡理论和充放电管理的智能充电站规划方法,其特征在于,所述建立一种基于负荷转移矩阵的电动汽车慢充站充放电管理模型,实现用户充放电套利与平抑充电负荷的联合优化中采用的慢充管理策略如下:
(1)将无意愿参加充放电管理的用户以及停留时间低于调控时间周期的用户所对应的电动汽车充电需求视为不可调控的慢充负荷,采用即位即充的恒功率充电模式,且充电时间为t1小时;所述调控时间周期为t2小时;
(2)将在目的地停留时间超过调控时间周期且有意愿参与充放电管理的用户所对应的电动汽车充电需求视为可调慢充负荷,部分待充车辆将会在调控周期t2小时后完成充电行为,以保证用户的正常用车需求;其中,t1<t2。
4.根据权利要求3所述的基于混合用户均衡理论和充放电管理的智能充电站规划方法,其特征在于,所述建立一种基于功率转移矩阵的电动汽车慢充站充放电管理模型,实现用户充放电套利与平抑充电负荷的联合优化具体如下:
(1)慢充负荷转移约束
(2)慢充站实际功率约束
式中:为慢充站实际充放电功率;右边第一项为可调控负荷部分,其累加步长由调控周期t2决定,其中mod(·)表示数学取余,N′为规划场景数;右边第二项为不可调控负荷部分,其累加步长由不可调控负荷的固定充电时间t1决定;
(3)调控负荷比例约束
αmin≤αi,t≤αmax (12)
式中:αmax、αmin分别代表最大、最小可调控负荷比例,其值介于0~1之间;
(4)充放电限度约束
0≤SOCTt′,h≤SOCTt′,max (14)
5.根据权利要求1所述的基于混合用户均衡理论和充放电管理的智能充电站规划方法,其特征在于,所述对所述智能快、慢充站规划模型进行松弛处理,以将原模型转化为一个混合整数二阶锥问题并利用商业求解器求解具体为:
采用分段线性化方法、大M法和二阶锥松弛技术对原模型进行松弛处理,以将原模型转化为一个混合整数二阶锥问题并利用商业求解器求解。
6.一种基于混合用户均衡理论和充放电管理的智能充电站规划系统,其特征在于,包括存储器、处理器以及存储于存储器上,并能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如权利要求1-5任一项所述的方法步骤。
7.一种计算机可读存储介质,其特征在于,其上存储有能够被处理器运行的计算机程序指令,当处理器运行该计算机程序指令时,能够实现如权利要求1-5任一项所述的方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110354464.2A CN113095557B (zh) | 2021-03-31 | 2021-03-31 | 基于混合用户均衡理论和充放电管理的智能充电站规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110354464.2A CN113095557B (zh) | 2021-03-31 | 2021-03-31 | 基于混合用户均衡理论和充放电管理的智能充电站规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113095557A CN113095557A (zh) | 2021-07-09 |
CN113095557B true CN113095557B (zh) | 2023-04-07 |
Family
ID=76672610
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110354464.2A Active CN113095557B (zh) | 2021-03-31 | 2021-03-31 | 基于混合用户均衡理论和充放电管理的智能充电站规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113095557B (zh) |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017515446A (ja) * | 2014-04-22 | 2017-06-08 | エヌイーシー ヨーロッパ リミテッドNec Europe Ltd. | 充電ステーションネットワーク内で移動負荷に対し複数の充電ステーションの負荷分散を行う方法および充電ステーションネットワーク |
CN107069753B (zh) * | 2017-05-16 | 2019-07-12 | 电子科技大学 | 一种考虑行为随机性的电动汽车参与电网调压调度方法 |
CN110751368B (zh) * | 2019-09-18 | 2021-12-24 | 清华大学 | 一种考虑充电负荷灵活性的电动汽车储充站规划方法 |
CN110895638B (zh) * | 2019-11-22 | 2022-12-06 | 国网福建省电力有限公司 | 考虑电动汽车充电站选址定容的主动配电网模型建立方法 |
CN112467722B (zh) * | 2020-09-30 | 2022-05-13 | 国网福建省电力有限公司 | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 |
-
2021
- 2021-03-31 CN CN202110354464.2A patent/CN113095557B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113095557A (zh) | 2021-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110895638B (zh) | 考虑电动汽车充电站选址定容的主动配电网模型建立方法 | |
US11878602B2 (en) | Method for establishing active distribution network planning model considering location and capacity determination of electric vehicle charging station | |
CN104966127B (zh) | 一种基于需求响应的电动汽车经济调度方法 | |
CN112467722B (zh) | 一种考虑电动汽车充电站的主动配电网源-网-荷-储协调规划方法 | |
CN110866627B (zh) | 一种考虑阶梯气价的多区域电-气耦合综合能源系统优化调度方法 | |
CN108470239A (zh) | 计及需求侧管理和储能的主动配电网多目标分层规划方法 | |
CN106505579A (zh) | 一种电动汽车参与配电网电压调节的调度控制方法 | |
CN108407633A (zh) | 一种电动公交车充换电站优化运行方法 | |
CN109711706A (zh) | 考虑分布式电源和需求响应的主动配电网变电站规划方法 | |
CN107490960A (zh) | 基于智能家电在线需求响应潜力的双层协调优化方法 | |
CN107769235A (zh) | 一种基于混合储能与电动汽车的微网能量管理方法 | |
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 | |
CN114977320A (zh) | 一种配电网源网荷储多目标协同规划方法 | |
CN115360804B (zh) | 一种有序充电系统及有序充电方法 | |
CN107732937B (zh) | 含风-光-储-电动汽车的并网型微网的削峰填谷方法 | |
CN107092975A (zh) | 一种基于储能损耗积分的交直流混合微网经济优化方法 | |
CN110766240B (zh) | 一种不同场景下的快速充电站分层储能配置方法 | |
CN113258559A (zh) | 一种冷热电联供微电网群系统博弈优化方法 | |
CN113095557B (zh) | 基于混合用户均衡理论和充放电管理的智能充电站规划方法 | |
CN117132017A (zh) | 基于合作博弈理论和cps分层架构的共享储能运行优化方法 | |
CN106227986A (zh) | 一种分布式电源与智能停车场的联合部署方法及装置 | |
Bai et al. | Multi-objective planning for electric vehicle charging stations considering TOU price | |
Badugu et al. | Critical review on integration of electric vehicles into residential distribution system | |
Arcos-Aviles et al. | Fuzzy control-based energy management system for interconnected residential microgrids using the forecasts of power generation and load demand | |
CN106253356A (zh) | 基于储能电量价值评估的交直流混合微网实时经济调度法 |
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 |