CN113325701B - 含新能源的电动车与建筑空调系统协同优化方法与装置 - Google Patents

含新能源的电动车与建筑空调系统协同优化方法与装置 Download PDF

Info

Publication number
CN113325701B
CN113325701B CN202110432670.0A CN202110432670A CN113325701B CN 113325701 B CN113325701 B CN 113325701B CN 202110432670 A CN202110432670 A CN 202110432670A CN 113325701 B CN113325701 B CN 113325701B
Authority
CN
China
Prior art keywords
building
electric vehicle
electric automobile
period
electric
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
CN202110432670.0A
Other languages
English (en)
Other versions
CN113325701A (zh
Inventor
徐占伯
赵浩铭
吴江
管晓宏
刘凤霞
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.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
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 Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN202110432670.0A priority Critical patent/CN113325701B/zh
Publication of CN113325701A publication Critical patent/CN113325701A/zh
Application granted granted Critical
Publication of CN113325701B publication Critical patent/CN113325701B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/46—Improving electric energy efficiency or saving
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • 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

Abstract

本发明公开了含新能源的电动车与建筑空调系统协同优化方法与装置，该方法以电动汽车和建筑房间作为能量转换载体，可以提高系统对新能源的消纳能力，降低系统的运行费用；系统可以选择在光伏发电功率较大时对电动汽车充电或对没有热舒适度需求的建筑房间进行预制冷或预制热，在光伏发电功率较小时让电动汽车对系统放电；由于分时电价的存在，通过最小化运行费用，可以将该系统的用电高峰转移至谷时电价时段；该方法采用模型预测控制方法以解决随机性问题，可以在天气状态和电动汽车出行状态具有随机性的情况下，通过实时根据当前信息对未来信息进行预测，以减少随机性对系统的影响。

Description

含新能源的电动车与建筑空调系统协同优化方法与装置
技术领域
本发明属于多能源系统技术领域，具体涉及含新能源的电动车与建筑空调系统的建筑能源系统的协同优化方法和装置。
背景技术
近年来，现代社会的能源危机和环境污染问题加剧恶化。人类亟需寻找清洁新能源来代替化石能源并减少对化石能源的依赖。风能、水能与太阳能是目前最成熟并且已经大规模投入使用的清洁新能源。从风电、光伏发电的应用与课题组的初步研究中可以发现，风电与光伏发电等新能源受天气影响较大，具有较大的不确定性，因此了解和分析新能源生产的不确定特性对电网安全运行具有重大意义。根据新能源的生产特性，与传统能源相配合，对能源系统进行综合优化调度，能够显著提高系统对新能源的消纳能力，从而大幅降低电力生产中传统能源的使用，较少对化石能源的依赖，实现减排的环保目的。
除了在供给侧寻找化石能源的替代能源之外，节能也是解决世界能源问题的有效途径，并且得到越来越多的关注和重视。随着经济与城市化的迅速发展，建筑能源消耗急剧上升并且在全社会总能耗中占据越来越大的比例。在过去的十年里，美国建筑能耗占其社会总能耗的40％，其中有40％的能源被暖通空调系统用来满足用户室内的舒适度需求。除此之外，随着电动汽车市场保有量的上升，电动汽车的充电需求对电力市场造成的影响越来越不容忽视。因此，对建筑空调系统和电动汽车充电的需求进行协同优化具有巨大的节能和消纳新能源的潜力。
需求侧的能源消耗通常也具有不确定性的特点，不确定的系统需求与不确定的新能源出力相配合，给能源系统的安全经济运行带来了新的挑战。现代能源系统的需求与供给通常都具有时空耦合的特性，建筑空调系统和电动汽车充电需求的弹性给系统优化调度带来了实现增加新能源消纳量的可能，但是如何在满足用户需求和能源系统各个组成部分的安全运行约束的同时解决实时供需匹配的动态优化调度问题异常复杂。
信息技术融入电网形成“智能电网”，为实现综合能源系统安全节能优化奠定了基础。先进传感测量、信息获取与处理、通信、控制与优化等信息技术在智能电网中应用，实施电网实时监测、统一调度和控制，提供分时和实时电价信息，能够支持能源双向流动基础上的需求响应。在智能电网技术支持下，电能生产与需求的协调与优化匹配成为可能。综合考虑能源生产的不确定特性，协调需求侧电能和其它能源介质的生产、存储和使用，优化需求侧的能源使用，实现发电与用电优化匹配与动态优化调度，可以促进发电不确定性在需求侧的有效消纳，达到节能降耗的目标。
发明内容
为了解决上述问题，本发明提供了含新能源的电动车与建筑空调系统的建筑能源系统的协同优化方法与装置，在满足用户在建筑中的热舒适度需求和驾驶电动汽车的出行能量需求的同时，消纳分布式新能源，最小化运行成本。
为达到上述目的，含新能源的电动车与建筑空调系统协同优化方法，包括以下步骤：
S1、构建样本参数集，所述样本参数集包括天气数据样本，电价参数，所有建筑中的设备参数，电动汽车出行规律参数，电动汽车位置状态与对应房间占用状态的耦合关系参数；
S2、收集当前天气数据，根据当前天气数据计算当前光伏发电功率；收集辆电动汽车位置状态和每间房间的占用状态，根据电动汽车位置状态得到电动汽车的充电需求信息，根据房间的占用状态得到房间的热舒适度需求，进而得到建筑空调系统的需求信息；
S3、在每个时段根据建筑空调系统的需求信息，电动汽车的充电需求信息以及光伏发电功率进行协同优化，得到当前时刻该系统最优运行策略集；
S4、根据S3得到的最优运行策略集对建筑空调系统和电动汽车充电桩进行控制；
其中，得到系统最优运行策略集的过程包括以下步骤：
S301、构建含新能源的建筑空调系统与电动汽车的数学模型，所述数学模型包括电动汽车出行的行程链模型、电动汽车剩余电量动态模型和建筑房间室内温度动态模型；
S302、确定目标函数及约束条件，目标函数使得该系统运行费用最小；
S303、基于天气数据、当前电动汽车位置状态和电动汽车行程链的不确定性，对未来系统状态进行预测；
S304、基于S1构建的样本参数集与S303得到的未来系统状态，对S301构建的数学模型和S302确定的约束条件，采用混合整数规划方法对所述目标函数求解，获得当前时段最优运行策略集。
进一步的，S301中，电动汽车出行的行程链模型为：
Figure RE-GDA0003106939300000031
Figure RE-GDA0003106939300000032
其中，
Figure RE-GDA0003106939300000033
表示电动汽车i在k+1时段保持当前停车或行驶状态的剩余时间；
Figure RE-GDA0003106939300000034
表示电动汽车i在k时段保持当前停车或行驶状态的剩余时间；Δt为单个决策时段的长度，
Figure RE-GDA0003106939300000035
表示电动汽车i在k+1时段到达某栋建筑后的停车时间，
Figure RE-GDA0003106939300000036
表示电动汽车i在k+1时段离开某栋建筑后的行驶时间；
Figure RE-GDA0003106939300000037
表示电动汽车i在k+1时段的所在位置；
Figure RE-GDA0003106939300000038
表示电动汽车i在k时段的所在位置；当电动汽车i在k时段停靠在建筑j中时，定义
Figure RE-GDA0003106939300000039
当电动汽车i在k时段在路上行驶时，定义
Figure RE-GDA00031069393000000310
Figure RE-GDA00031069393000000311
是随机变量，表示电动汽车i在k+1时段到达某栋建筑。
进一步的，所述S301中，电动汽车剩余电量动态模型为：
Figure RE-GDA0003106939300000041
其中，
Figure RE-GDA0003106939300000042
为电动汽车i在k+1时刻的剩余电量，
Figure RE-GDA0003106939300000043
为电动汽车i在k时刻的剩余电量；
Figure RE-GDA0003106939300000044
为电动汽车i在k时刻的充电策略，
Figure RE-GDA0003106939300000045
为电动汽车i在k时刻的放电策略，Pi,V为电动汽车i 的额定充放电功率，Δt是单个决策时段的长度，Ev,i,cap表示电动汽车i的电池容量，
Figure RE-GDA0003106939300000046
表示电动汽车在行驶时消耗电量与行驶时间的函数关系。
进一步的，S301中，建筑房间室内温度动态模型为：
Figure RE-GDA0003106939300000047
其中，
Figure RE-GDA0003106939300000048
为房间r在k+1时段的室内温度，
Figure RE-GDA0003106939300000049
表示k时段环境空气温度，μ表示HVAC系统的性能系数，
Figure RE-GDA00031069393000000410
和Cr是分别是房间r等效热阻和等效热容，
Figure RE-GDA00031069393000000411
为房间r在k时刻的空调运行策略，
Figure RE-GDA00031069393000000412
为房间r在k时段的室内温度。
进一步的，S302中的目标函数为：
Figure RE-GDA00031069393000000413
其中，P为预测周期，下标(n|k)为第k个时段对这个变量时段n时的取值的预测值，M为系统中包含的建筑总数，上标j为第j栋建筑，
Figure RE-GDA00031069393000000414
是建筑j在k时段从电网购买(向电网出售)电量的功率，
Figure RE-GDA00031069393000000415
是建筑j在k时段向电网出售电量的功率，λ(nk)和β(nk)分别是k时段从电网买电和向电网卖电的价格，N为系统中包含的电动汽车总数，上标i为第i辆电动汽车，
Figure RE-GDA00031069393000000416
是电动汽车i在k时段基于电动汽车电池一次性投资与总寿命的惩罚费用。
进一步的，S302中的约束条件包括电动汽车电池容量约束、出行电量需求约束、充电行为约束和基于电池寿命惩罚费用约束，房间用户室内热舒适度约束，以及建筑与电网能量交互约束。
进一步的，电动汽车电池容量约束为：
Figure RE-GDA00031069393000000417
其中，Soc是为了防止过放对电动汽车电池寿命造成严重影响的剩余电量的下限；
Figure RE-GDA00031069393000000418
是电动汽车i在k时刻的剩余电量；
出行电量需求约束为：
Figure RE-GDA0003106939300000051
其中，Ev,i,cap为电动汽车i的电池容量，
Figure RE-GDA0003106939300000052
为电动汽车i在k时刻的出行能量需求；
充电行为约束为：
Figure RE-GDA0003106939300000053
Figure RE-GDA0003106939300000054
为电动汽车i在k时刻的充电策略，
Figure RE-GDA0003106939300000055
表示电动汽车i在k时段的所在位置，
Figure RE-GDA0003106939300000056
为电动汽车i在k时刻的放电策略；
基于电池寿命惩罚费用约束为：
Figure RE-GDA0003106939300000057
Figure RE-GDA0003106939300000058
Figure RE-GDA0003106939300000059
其中，
Figure RE-GDA00031069393000000510
表示电动汽车i在k时段开始充电，
Figure RE-GDA00031069393000000511
表示电动汽车i在k时段开始放电，
Figure RE-GDA00031069393000000512
和
Figure RE-GDA00031069393000000513
是辅助变量；
Figure RE-GDA00031069393000000514
为电动汽车i在k+1时刻的充电策略，
Figure RE-GDA00031069393000000515
为电动汽车i在k时刻的充电策略，
Figure RE-GDA00031069393000000516
为电动汽车i在k+1时刻的放电策略，
Figure RE-GDA00031069393000000517
为电动汽车i在k时刻的放电策略，
Figure RE-GDA00031069393000000518
是电动汽车i在k时段基于电动汽车电池一次性投资与总寿命的惩罚费用，ρ是用电动汽车电池价格和寿命计算得出的参数；
房间用户室内热舒适度约束为：
Figure RE-GDA00031069393000000519
其中，T是一个极大的正整数；
Figure RE-GDA00031069393000000520
是用来表示房间r在时段k的被占用状态的二元变量， T+和T-表示用户热舒适度需求对室内温度要求的上下限；
建筑与电网能量交互约束为：
Figure RE-GDA00031069393000000521
其中，
Figure RE-GDA00031069393000000522
是建筑j在k时段从电网购买电量的功率，
Figure RE-GDA00031069393000000523
是建筑j在k时段向电网出售电量的功率，
Figure RE-GDA00031069393000000524
是在k时段停靠在建筑j中的电动汽车集合，Pi,V为电动汽车i的额定充放电功率，
Figure RE-GDA00031069393000000525
是根据太阳辐射强度计算出的k时段在建筑j中的光伏发电功率；Bj是在建筑j 中所有房间的集合，
Figure RE-GDA00031069393000000526
为房间r在k时刻的空调运行策略，
Figure RE-GDA00031069393000000527
和
Figure RE-GDA00031069393000000528
均为二元变量，
Figure RE-GDA00031069393000000529
表示建筑j在k时段从电网买电，
Figure RE-GDA0003106939300000061
表示建筑j在k时段向电网卖电；F表示建筑与电网的交互功率容量。
含新能源的电动车与建筑空调系统协同优化装置，包括样本构建模块、信息采集模块、优化计算模块与中央控制器模块；所述样本构建模块，用于构建样本参数集，所述样本参数集包括一个天气数据样本，电价参数，所有建筑中的设备参数，电动汽车相关的出行规律参数；所述信息采集模块收集当前天气数据，建筑房间的占用状态和电动汽车位置状态，将当前的建筑房间占用状态和电动汽车位置状态上传到优化计算模块；所述优化计算模块根据建筑房间占用状态和电动汽车位置状态得到该建筑能源系统中各建筑空调系统和电动汽车充电桩的最优运行策略集，并将该最优运行策略集输上传中央控制器；所述中央控制器模块通过数据线与所述建筑中的空调系统和充电桩相连，下发并执行最优运行策略集。
进一步的，所述优化计算模块包括初始化模块、未来状态预测模块和求解模块；
初始化模块，用于构建含新能源的电动车与建筑空调系统组成的建筑能源系统的数学模型，确定目标函数及相关约束条件，目标函数使得该系统运行成本最小；
未来状态预测模块，用于预测未来室外空气温度、太阳辐射强度、电动汽车所在位置、剩余停车或行驶时间和房间占用状态，得到当前和预测的建筑空调系统需求信息和电动汽车的需求信息；
求解模块，用于对已构建的样本参数集与当前和预测的建筑空调系统需求信息和电动汽车的需求信息，采用混合整数规划算法对所述目标函数求解，获得最优运行策略集。
一种含新能源的电动车与建筑空调系统协同优化装置，其特征在于，包括处理器、存储器和总线；存储器用于存储计算机指令，处理器与存储器通过总线连接，当含新能源的电动汽车与建筑空调系统的运行优化装置运行时，处理器执行存储器存储的计算机执行指令，以执行如权利要求上述的优化方法。
与现有技术相比，本发明至少具有以下有益的技术效果：
本发明采用模型预测控制方法以解决随机性问题，根据天气和电动汽车行程链的变化规律，按照实时的天气数据和电动汽车出行规律对未来的室外空气温度、太阳辐射强度、电动汽车所在位置、剩余停车或行驶时间和房间占用状态进行预测，以系统运行费用最小为目标，对系统进行混合整数规划建模求解，以研究系统的运行策略。在该优化问题中，系统实时采集当前信息，利用相较于日前更多的信息对未来状态信息进行预测，可以降低系统对未来状态信息进行预测时与真实状态的误差，提高系统对未来状态信息预测的准确性。以此方法来对电动汽车与建筑空调系统进行协同优化可以使得到的运行策略更加接近最优运行策略，最大限度地降低系统运行费用。
本发明以电动汽车和建筑房间作为能量转换载体，可以提高系统对新能源的消纳能力，降低系统的运行费用：系统可以选择在光伏发电功率高于必要负荷时对电动汽车充电或对没有热舒适度需求的建筑房间进行预制冷或预制热，在光伏发电功率低于必要负荷时让电动汽车对系统放电；由于分时电价的存在，通过最小化运行费用，可以将该系统的用电高峰转移至谷时电价时段，通过电动汽车在满足自身出行需求的前提下，在价格低谷期充电，在价格高峰期放电；通过在价格低谷期对没有热舒适度需求的建筑房间进行预制冷或预制热，减小系统在价格高峰期的用电量，调整系统的负荷曲线；模型预测控制方法的运用，可以在天气状态和电动汽车出行状态具有随机性的情况下，通过实时根据当前信息对未来信息进行预测，以减少随机性对系统的影响。
本发明提出的优化装置，操作简单，只需要输入样本参数集，采集当前天气数据、每辆电动汽车和每间房间的占用状态，通过上述信息得到建筑空调系统的需求信息，电动汽车的充电需求信息，以及光伏发电的出力信息进行协同优化，得到当前时刻该系统运行费用最小的运行策略集。
附图说明
图1为含新能源的电动车与建筑空调系统的建筑能源系统的示意图；
图2为含新能源的电动车与建筑空调系统的运行优化装置示意图；
图3为一种含新能源的电动车与建筑空调系统的运行优化方法流程图；
图4为在对未来信息进行预测具有一定误差时与最优结果的对比；
图5为优化计算模块一种可能的结构示意图；
图6为优化计算模块的第二种可能的结构示意图；
图7为优化计算模块的第三种可能的结构示意图。
具体实施方式
为了使本发明的目的和技术方案更加清晰和便于理解。以下结合附图和实施例，对本发明进行进一步的详细说明，此处所描述的具体实施例仅用于解释本发明，并非用于限定本发明。
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
下面结合附图和具体实施方式对本发明进行详细说明。
参照图1，本发明的实施例提供了含新能源的电动车与建筑空调系统的建筑能源系统，该系统由M栋建筑与N辆电动汽车组成，其中每栋建筑都装配有楼顶分布式光伏发电系统、空调系统、电动汽车充电桩和信息采集系统，该系统可通过电网、分布式新能源发电供能，满足用户在建筑中的热舒适度需求和驾驶电动汽车的出行能量需求。
分布式光伏发电系统通过电线与建筑能源系统连接，光伏发电系统传输给建筑能源系统的能量可以直接通过与建筑能源系统相连的充电桩向电动汽车进行充电，同时也可以通过导线把电供给建筑中的其他用电设备使用，当新能源发电量大于建筑当地的负荷时，也可以通过将剩余电量传输给电网获取收益；
当电动汽车停靠在建筑中时，电动汽车与建筑能源系统内的的充电桩连接，由于电动汽车具有储能能力它充当着“需求”与“供给”的双重角色，在满足其下一次出行的最低能量需求时，通过调度电动汽车的充电行为平衡具有间歇性和随机性的光伏发电功率，调整电网的负荷曲线，为实现电网总负荷的“削峰填谷”提供了可能性；
建筑空调系统是建筑的主要电能消耗者，由于房间室内温度的动态变化过程较为缓慢，因此可以将房间视为虚拟的储能设备，通过在光伏发电功率较大时或电价低谷期对没有热舒适度需求的建筑房间进行预制冷或预制热，以减少在光伏发电功率较小时或电价高峰期建筑空调系统的用电需求。
温度采集系统散布在建筑外部和建筑房间内部，能够实时采集到当前室外空气温度跟当前房间室内温度，并且能将采集到的温度传递到优化计算模块内；
电动汽车信息采集系统集成在电动汽车充电桩内，能够实时采集到当前与充电桩电连接的电动汽车(简称当前电动汽车)的剩余电量、当前位置与行驶状态、剩余停车时间或行驶时间，并能将采集到的电动汽车位置状态信息上传至优化计算模块内；
该系统可利电动汽车和房间作为分布式的储能系统，在光伏发电功率较大时或电价低谷时期对电动汽车充电或对没有热舒适度需求的建筑房间进行预制冷或预制热，在光伏发电功率较小时或电价高峰时期让电动汽车对系统放电，平衡具有间歇性和随机性的新能源出力，增大系统对新能源的消纳能力，减少系统在电价高峰期的对电网的用电需求，调整电网的负荷曲线，降低建筑能源系统的运行费用。
含新能源发电系统、电动车充电桩与建筑空调系统的建筑能源系统的协同优化方法，该系统与电网连接，可与电网进行电力交易，买入电价遵循峰谷电价，由光伏发电系统将太阳能转化为电能，当某时段光伏发电功率较大时或处于谷时电价时，通过充电桩，对电动汽车进行充电，将电能转化成化学能存储起来；对没有热舒适度需求的建筑房间进行预制冷或预制热，以减少在光伏发电功率较小时或峰时电价时建筑空调系统的用电需求。当某时段光伏发电功率较小时或处于峰时电价时，电动汽车可以通过充电桩对建筑供电系统进行放电，将化学能转化成电能释放出来。参照图2所示，本发明的实施例含新能源的电动车与建筑空调系统的运行优化方法，构建包括一个天气数据样本包括各个时段的太阳辐射强度、室外空气温度的变化规律；电价参数，所有建筑中的设备参数包括电动汽车充电桩额定功率，电动汽车额定电量,电动汽车出行能耗，电动汽车电池寿命的惩罚费用参数，建筑空调系统运行参数样本，光伏太阳能电板的相关参数，电动汽车相关的出行规律参数的样本参数集；收集包括太阳辐射强度、室外空气温度的当前天气数据，收集包括电动汽车当前电池剩余电量、当前位置与行驶状态、剩余停车或行驶时间、下段行程最小能量需求的每辆电动汽车位置状态信息和每间房间的室内温度信息，构建含新能源的由电动汽车与建筑空调系统组成的建筑能源系统的数学模型，确定目标函数以及相关约束条件，对已构建的数学模型采用混合整数规划算法对目标函数求解，获得最优运行策略集；具体包括如下步骤：
S1、构建样本参数集，所述样本参数集包括一个天气数据样本，电价参数，所有建筑中的设备参数，电动汽车相关的出行规律参数，电动汽车位置状态与对应房间占用状态的耦合关系参数；
S2、收集当前天气数据，其中天气数据包括太阳辐射强度、室外空气温度，根据天气数据给出当前光伏发电功率的数据；收集每辆电动汽车和每间房间的占用状态，其中包括电动汽车当前电池剩余电量，当前位置与行驶状态，剩余停车或行驶时间，下段行程最小能量需求，房间室内温度，根据电动汽车位置状态得到电动汽车的充电需求信息，根据房间的占用状态得到房间的热舒适度需求，进而得到建筑空调系统的需求信息；
S3、在每个时段根据S1，S2得到建筑空调系统的需求信息，电动汽车的充电需求信息，以及光伏发电功率对电动汽车充电桩与建筑空调系统进行协同优化，得到当前时刻该系统最优运行策略集
Figure RE-GDA0003106939300000111
最优运行策略集为运行费用最小的运行策略集，其中，
Figure RE-GDA0003106939300000112
为电动汽车i在k时刻的充电策略，
Figure RE-GDA0003106939300000113
为电动汽车i在k时刻的放电策略，
Figure RE-GDA0003106939300000114
为房间 r在k时刻的空调运行策略，
Figure RE-GDA0003106939300000115
为建筑j在k时刻从电网买电的策略，
Figure RE-GDA0003106939300000116
为建筑j在k时刻向电网卖电的策略。
S4、根据S3得到的最优运行策略对建筑空调系统和电动汽车充电桩的运行进行控制。
其中，参照图3所示，得到建筑空调系统和电动汽车充电桩在新能源供应下的最优运行策略集的过程包括以下步骤：
S301、构建基于新能源的建筑空调系统与电动汽车的数学模型，其包括电动汽车出行的行程链模型、电动汽车剩余电量动态模型、建筑房间室内温度动态模型；
电动汽车出行的行程链模型：
Figure RE-GDA0003106939300000117
Figure RE-GDA0003106939300000121
Figure RE-GDA0003106939300000122
表示电动汽车i在k+1时段保持当前停车或行驶状态的剩余时间；
Figure RE-GDA0003106939300000123
表示电动汽车i 在k时段保持当前停车或行驶状态的剩余时间；Δt为单个决策时段的长度，
Figure RE-GDA0003106939300000124
表示电动汽车 i在k+1时段的所在位置；
Figure RE-GDA0003106939300000125
表示电动汽车i在k时段的所在位置；当电动汽车i在k时段停靠在建筑j中时，定义
Figure RE-GDA0003106939300000126
当电动汽车i在k时段在路上行驶时，定义
Figure RE-GDA0003106939300000127
其中
Figure RE-GDA0003106939300000128
和
Figure RE-GDA0003106939300000129
是随机变量，其中
Figure RE-GDA00031069393000001210
表示电动汽车i在k+1时段到达某栋建筑后的停车时间，
Figure RE-GDA00031069393000001211
表示电动汽车i在k+1时段离开某栋建筑后的行驶时间。
Figure RE-GDA00031069393000001212
是随机变量，表示电动汽车i在k+1时段到达某栋建筑。
电动汽车剩余电量动态模型：
Figure RE-GDA00031069393000001213
其中
Figure RE-GDA00031069393000001214
为电动汽车i在k时刻的剩余电量；Pi,V为电动汽车i的额定充放电功率，Δt是单个决策时段的长度，Ev,i,cap表示电动汽车i的电池容量，
Figure RE-GDA00031069393000001215
表示电动汽车在行驶时消耗电量与行驶时间的函数关系。其中
Figure RE-GDA00031069393000001216
表示当电动汽车停靠在建筑中的停车场时剩余电量的动态变化特性，
Figure RE-GDA00031069393000001217
表示电动汽车在路上行驶时剩余电量的动态变化特性。
建筑房间室内温度动态模型：
Figure RE-GDA00031069393000001218
一个容阻电路模型被用来刻画房间室内温度动态变化特性，其中，
Figure RE-GDA00031069393000001219
为房间r在k+1时段的室内温度，即建筑空调系统的需求信息，
Figure RE-GDA00031069393000001220
表示k时段环境空气温度，μ表示HVAC系统的性能系数，Re和C是分别是等效热阻和等效热容。
S302、确定目标函数及约束条件，目标函数使得该系统运行费用最小；
目标函数为：
Figure RE-GDA0003106939300000131
其中，P为预测周期，下标(n|k)为第k个时段对这个变量时段n时的取值的预测值，M为系统中包含的建筑总数，上标j为第j栋建筑，
Figure RE-GDA0003106939300000132
是建筑j在k时段从电网购买或向电网出售电量的功率，其中λ(nk)和β(nk)分别是k时段从电网买电和向电网卖电的价格，N为系统中包含的电动汽车总数，上标i为第i辆电动汽车，
Figure RE-GDA0003106939300000133
是电动汽车i在k时段基于电动汽车电池一次性投资与总寿命的惩罚费用。
相关约束包括以下6个约束：
1)电动汽车电池容量约束：
Figure RE-GDA0003106939300000134
其中，Soc是为了防止过放对电动汽车电池寿命造成严重影响的剩余电量的下限；
Figure RE-GDA0003106939300000135
为电动汽车i在k时刻的剩余电量；
2)出行电量需求约束：
Figure RE-GDA0003106939300000136
为电动汽车i的电池容量，
Figure RE-GDA0003106939300000137
为电动汽车i 在k时刻的出行能量需求；
3)充电行为约束：
Figure RE-GDA0003106939300000138
为电动汽车i在k时刻的充电策略，
Figure RE-GDA0003106939300000139
为电动汽车i在k时刻的放电策略，
Figure RE-GDA00031069393000001310
表示电动汽车i在k时段的所在位置。
此约束限制了电动汽车只能在停靠在某栋建筑时才能进行充放电并且不能同时进行充电和放电行动。
4)基于电池寿命惩罚费用约束：
Figure RE-GDA00031069393000001311
Figure RE-GDA00031069393000001312
Figure RE-GDA00031069393000001313
其中，
Figure RE-GDA00031069393000001314
和
Figure RE-GDA00031069393000001315
是二元变量，
Figure RE-GDA00031069393000001316
表示电动汽车i在k时段开始充电(放电)，因为当电动汽车i的电池在k时段的工作状态从充电(放电)变为闲置时不会产生惩罚费用，因此引入辅助变量
Figure RE-GDA0003106939300000141
和
Figure RE-GDA0003106939300000142
来避免这种状态转移发生时产生惩罚费用；
Figure RE-GDA0003106939300000143
是电动汽车i在k时段基于电动汽车电池一次性投资与总寿命的惩罚费用，ρ是用电动汽车电池价格和寿命计算得出的参数。此约束表示当电动汽车停靠在建筑中由于电动汽车电池有限的寿命和较大的投资成本引起的充电或放电行为的惩罚费用。
5)房间用户室内热舒适度约束：
Figure RE-GDA0003106939300000144
其中，T是一个极大的正整数；
Figure RE-GDA0003106939300000145
是一个用来表示房间r在时段k的被占用状态的二元变量，我们定义如果房间r在时段k被占用则
Figure RE-GDA0003106939300000146
否则
Figure RE-GDA0003106939300000147
T+和T-表示用户热舒适度需求对室内温度要求的上下限。此式表示为了满足用户热舒适度需求对室内温度的约束。
6)建筑与电网能量交互约束：
Figure RE-GDA0003106939300000148
Figure RE-GDA0003106939300000149
其中
Figure RE-GDA00031069393000001410
是建筑j在k时段从电网购买(向电网出售)电量的功率，
Figure RE-GDA00031069393000001411
是在k时段停靠在建筑j中的电动汽车集合，Bj是在建筑j中所有房间的集合，
Figure RE-GDA00031069393000001412
是根据太阳辐射强度计算出的k时段在建筑j中的光伏发电功率。由于从电网买电和向电网卖电的差价，我们规定建筑j在k时段不能既从电网买电又向电网卖电，
Figure RE-GDA00031069393000001413
是一个二元变量，
Figure RE-GDA00031069393000001414
Figure RE-GDA00031069393000001415
表示建筑j在k时段从电网买电(向电网卖电)，否则它们为0。F表示建筑与电网的交互功率容量。此式描述了建筑j在k时段的能量平衡并保证了建筑j在k时段不会同时从电网买电和向电网卖电。
S303、基于天气数据、当前电动汽车的状态信息和电动汽车行程链的不确定性，对未来系统状态进行预测；对未来的系统状态进行预测包括对未来室外空气温度、太阳辐射强度、电动汽车所在位置、剩余停车或行驶时间和房间占用状态的预测。
S304、基于S1构建的样本参数集与S303得到的未来系统状态，对S301构建的数学模型和S302确定的约束条件，采用混合整数规划方法对所述目标函数求解，获得当前时段最优运行策略集Ak。
该方法考虑了电动汽车与建筑空调系统组成的建筑能源系统在新能源供应下的协同优化。在上述方案中，构建包括一个天气数据样本，电价参数，所有建筑中的设备参数，电动汽车相关的出行规律参数的样本参数集，收集包括太阳辐射强度、室外空气温度的当前天气数据，收集包括电动汽车当前电池剩余电量、当前位置与行驶状态、剩余停车或行驶时间、下段行程最小能量需求的每辆电动汽车位置状态信息和每间房间的室内温度信息，构建含新能源的电动汽车与建筑空调系统组成的建筑能源系统的数学模型，确定目标函数以及相关约束条件，对已构建的数学模型采用混合整数规划算法对目标函数求解，获得最优运行策略集。
表1为16栋建筑和12辆电动汽车基于上述方案的优化结果。16栋建筑包括12栋住宅楼，3栋办公楼和1栋商业楼，三种建筑的空调最大功率分别为5kW、20kW和100kW；12辆电动汽车的电池容量为50kWh，最大充电功率为20kWh，行驶能耗为8kWh/h。图4为当系统对未来状态的预测存在一定误差时优化结果与最优结果的对比。
表1
协同优化(本发明) 单独优化
总运行费用(RMB) 214.19 295.32
计算时间(s) 21 18
由表1可以看出，对建筑空调系统与电动汽车进行协同优化可以比对他们单独优化节省 27.5％的运行费用并且没有引起所需计算时间的明显提高。如此明显的运行费用的降低主要有两点原因：第一，对建筑空调系统与电动汽车进行协同优化可以增强系统根据分时电价进行负荷转移的灵活度；第二，他还可以帮助系统消纳更多的新能源。
该系统可利电动汽车和房间作为分布式的储能系统，在光伏发电功率较大时或电价低谷时期对电动汽车充电或对没有热舒适度需求的建筑房间进行预制冷或预制热，在光伏发电功率较小时或电价高峰时期让电动汽车对系统放电，平衡具有间歇性和随机性的新能源出力，增大系统对新能源的消纳能力，减少系统在电价高峰期的对电网的用电需求，调整电网的负荷曲线，降低建筑能源系统的运行费用。
参照图2，一种含新能源的电动车与建筑空调系统协同优化装置，包括样本构建模块、信息采集模块、优化计算模块与中央控制器模块；样本构建模块用于构建一个包括天气数据样本、电价参数、所有建筑中的设备参数、电动汽车相关的出行规律参数的样本参数集；天气数据样本包括各个时段的太阳辐射强度、室外空气温度；电价参数包括分时电价、上网电价；建筑中的设备参数包括电动汽车充电桩额定功率，电动汽车额定电量,电动汽车出行能耗，电动汽车电池寿命的惩罚费用参数，建筑空调系统运行参数样本，建筑能源系统容量参数，光伏太阳能电板的相关参数；电动汽车相关的出行规律参数包括基于电动汽车当前状态的未来状态变化规律等。
信息采集模块收集当前天气数据，建筑房间信息和电动汽车位置状态信息，将当前的建筑房间信息和电动汽车的状态信息上传到优化计算模块；
优化计算模块根据建筑房间信息和电动汽车的状态信息得到该建筑能源系统中各建筑空调系统和电动汽车充电桩的最优运行策略集，并将该最优运行策略集上传中央控制器；
中央控制器模块通过数据线与所述建筑中的空调系统和充电桩相连，下发并执行得到的空调系统和电动汽车充电桩的最优运行策略集。
实施例2
本实施例提供一种含新能源的电动汽车与建筑空调系统的运行优化装置，用于执行上述含新能源的电动汽车与建筑空调系统的建筑能源系统的运行优化方法。可以根据上述方法示例对优化计算模块进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。需要说明的是，本发明实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
在采用对应各个功能划分各个功能模块的情况下，图5示出了优化计算模块的一种可能的结构示意图，含新能源的电动汽车与建筑空调系统的运行优化装置包括：初始化模块101、未来状态预测模块102和求解模块103。
初始化模块，用于构建含新能源的电动车与建筑空调系统组成的建筑能源系统的数学模型，确定目标函数及相关约束条件，目标函数使得该系统运行成本最小；
未来状态预测模块，预测未来室外空气温度、太阳辐射强度、电动汽车所在位置、剩余停车或行驶时间和房间占用状态，得到当前和预测的建筑空调系统需求信息和电动汽车的需求信息
求解模块，用于对已构建的样本参数集与当前和预测的建筑空调系统需求信息和电动汽车的需求信息，采用混合整数规划算法对所述目标函数求解，获得最优运行策略集。
初始化模块101用于支持含新能源的电动汽车与建筑空调系统的运行优化装置执行S301 及S302；未来状态预测模块102用于支持含新能源的电动汽车与建筑空调系统的运行优化装置执行S303；求解模块103用于支持含新能源的电动汽车与建筑空调系统的运行优化装置执行S304；其中，上述方法实施例涉及的各步骤的所有相关内容均可以援引到对应功能模块的功能描述，在此不再赘述。
在采用集成的单元的情况下，图6示出了优化计算模块的一种可能的结构示意图。含新能源的电动汽车与建筑空调系统的运行优化装置包括：处理单元111和存储单元112。处理单元111用于对含新能源的电动汽车与建筑空调系统的运行优化装置的动作进行控制管理，例如，处理单元112用于支持含新能源的电动汽车与建筑空调系统的运行优化装置执行上述方法中的S301、S302、S303和S304；存储单元112用于含新能源的电动汽车与建筑空调系统的运行优化装置的程序代码和数据。
其中，处理单元111可以是处理器或控制器，例如可以是中央处理器(centralprocessing unit，CPU)，通用处理器，数字信号处理器(digital signal processor，DSP)，专用集成电路(application-specific integrated circuit，ASIC)，现场可编程门阵列(field programmable gate array，FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。存储单元112可以是存储器。
当处理单元111为处理器，存储单元112为存储器时，本发明实施例所涉及的含新能源的电动汽车与建筑空调系统的运行优化装置可以为如下的含新能源的电动汽车与建筑空调系统的运行优化装置。
实施例3
参照图7所示，一种优化计算模块，包括：处理器121、存储器122和总线123；存储器122用于存储计算机执行指令，处理器121与存储器122通过总线123连接，当含新能源的电动汽车与建筑空调系统的运行优化装置12运行时，处理器121执行存储器122存储的计算机执行指令，以执行如上述的含新能源的电动汽车与建筑空调系统的运行优化方法中的S3。总线123可以是外设部件互连标准(peripheral component interconnect，PCI)总线或扩展工业标准结构(extended industry standard architecture，EISA)总线等。总线123可以分为地址总线、数据总线、控制总线等。为便于表示，图7中仅用一条线表示，但并不表示仅有一根总线或一种类型的总线。
由于本发明实施例提供的含新能源的电动汽车与建筑空调系统的运行优化装置可用于执行上述含新能源的电动汽车与建筑空调系统的运行优化方法，因此其所能获得的技术效果可参考上述方法实施例，本发明实施例在此不再赘述。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机程序指令时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digitalsubscriber line，DSL)) 或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk， SSD))等。
尽管在此结合各实施例对本发明进行了描述，然而，在实施所要求保护的本发明过程中，本领域技术人员通过查看附图、公开内容、以及所附权利要求书，可理解并实现公开实施例的其他变化。在权利要求中，“包括”(comprising)一词不排除其他组成部分或步骤，“一”或“一个”不排除多个的情况。单个处理器或其他单元可以实现权利要求中列举的若干项功能。相互不同的从属权利要求中记载了某些措施，但这并不表示这些措施不能组合起来产生良好的效果。
尽管结合具体特征及其实施例对本发明进行了描述，显而易见的，在不脱离本发明的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是所附权利要求所界定的本发明的示例性说明，且视为已覆盖本发明范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (4)

1.含新能源的电动车与建筑空调系统协同优化方法，其特征在于，包括以下步骤：
S1、构建样本参数集，所述样本参数集包括天气数据样本，电价参数，所有建筑中的设备参数，电动汽车出行规律参数，电动汽车位置状态与对应房间占用状态的耦合关系参数；
S2、收集当前天气数据，根据当前天气数据计算当前光伏发电功率；收集辆电动汽车位置状态和每间房间的占用状态，根据电动汽车位置状态得到电动汽车的充电需求信息，根据房间的占用状态得到房间的热舒适度需求，进而得到建筑空调系统的需求信息；
S3、在每个时段根据建筑空调系统的需求信息，电动汽车的充电需求信息以及光伏发电功率进行协同优化，得到当前时刻该系统最优运行策略集；
S4、根据S3得到的最优运行策略集对建筑空调系统和电动汽车充电桩进行控制；
其中，得到系统最优运行策略集的过程包括以下步骤：
S301、构建含新能源的建筑空调系统与电动汽车的数学模型，所述数学模型包括电动汽车出行的行程链模型、电动汽车剩余电量动态模型和建筑房间室内温度动态模型；
S302、确定目标函数及约束条件，目标函数使得该系统运行费用最小；
S303、基于天气数据、当前电动汽车位置状态和电动汽车行程链的不确定性，对未来系统状态进行预测；
S304、基于S1构建的样本参数集与S303得到的未来系统状态，对S301构建的数学模型和S302确定的约束条件，采用混合整数规划方法对所述目标函数求解，获得当前时段最优运行策略集；
所述S301中，电动汽车出行的行程链模型为：
Figure FDA0003606006620000011
Figure FDA0003606006620000021
其中，
Figure FDA0003606006620000022
表示电动汽车i在k+1时段保持当前停车或行驶状态的剩余时间；
Figure FDA0003606006620000023
表示电动汽车i在k时段保持当前停车或行驶状态的剩余时间；Δt为单个决策时段的长度，
Figure FDA0003606006620000024
表示电动汽车i在k+1时段到达某栋建筑后的停车时间，
Figure FDA0003606006620000025
表示电动汽车i在k+1时段离开某栋建筑后的行驶时间；
Figure FDA0003606006620000026
表示电动汽车i在k+1时段的所在位置；
Figure FDA0003606006620000027
表示电动汽车i在k时段的所在位置；当电动汽车i在k时段停靠在建筑j中时，定义
Figure FDA0003606006620000028
当电动汽车i在k时段在路上行驶时，定义
Figure FDA0003606006620000029
Figure FDA00036060066200000210
是随机变量，表示电动汽车i在k+1时段到达某栋建筑；
所述S301中，电动汽车剩余电量动态模型为：
Figure FDA00036060066200000211
其中，
Figure FDA00036060066200000212
为电动汽车i在k+1时刻的剩余电量，
Figure FDA00036060066200000213
为电动汽车i在k时刻的剩余电量；
Figure FDA00036060066200000214
为电动汽车i在k时刻的充电策略，
Figure FDA00036060066200000215
为电动汽车i在k时刻的放电策略，Pi,V为电动汽车i的额定充放电功率，Δt是单个决策时段的长度，Ev,i,cap表示电动汽车i的电池容量，
Figure FDA00036060066200000216
表示电动汽车在行驶时消耗电量与行驶时间的函数关系；
所述S301中，建筑房间室内温度动态模型为：
Figure FDA00036060066200000217
其中，
Figure FDA00036060066200000218
为房间r在k+1时段的室内温度，
Figure FDA00036060066200000219
表示k时段环境空气温度，μ表示HVAC系统的性能系数，
Figure FDA00036060066200000220
和Cr是分别是房间r等效热阻和等效热容，
Figure FDA00036060066200000221
为房间r在k时刻的空调运行策略，
Figure FDA00036060066200000222
为房间r在k时段的室内温度；
S302中的目标函数为：
Figure FDA00036060066200000223
其中，P为预测周期，下标(n|k)为第k个时段对这个变量时段n时的取值的预测值，M为系统中包含的建筑总数，上标j为第j栋建筑，
Figure FDA0003606006620000031
是建筑j在k时段从电网购买电量的功率，
Figure FDA0003606006620000032
是建筑j在k时段向电网出售电量的功率，λ(n|k)是k时段从电网买电的价格，β(n|k)是k时段向电网卖电的价格，N为系统中包含的电动汽车总数，上标i为第i辆电动汽车，
Figure FDA0003606006620000033
是电动汽车i在k时段基于电动汽车电池一次性投资与总寿命的惩罚费用；
S302中的约束条件包括电动汽车电池容量约束、出行电量需求约束、充电行为约束和基于电池寿命惩罚费用约束，房间用户室内热舒适度约束，以及建筑与电网能量交互约束；
电动汽车电池容量约束为：
Figure FDA0003606006620000034
其中，Soc是为了防止过放对电动汽车电池寿命造成严重影响的剩余电量的下限；
Figure FDA0003606006620000035
是电动汽车i在k时刻的剩余电量；
出行电量需求约束为：
Figure FDA0003606006620000036
其中，Ev,i,cap为电动汽车i的电池容量，
Figure FDA0003606006620000037
为电动汽车i在k时刻的出行能量需求；
充电行为约束为：
Figure FDA0003606006620000038
Figure FDA0003606006620000039
为电动汽车i在k时刻的充电策略，
Figure FDA00036060066200000310
表示电动汽车i在k时段的所在位置，
Figure FDA00036060066200000311
为电动汽车i在k时刻的放电策略；
基于电池寿命惩罚费用约束为：
Figure FDA00036060066200000312
Figure FDA00036060066200000313
Figure FDA00036060066200000314
其中，
Figure FDA00036060066200000315
表示电动汽车i在k时段开始充电，
Figure FDA00036060066200000316
表示电动汽车i在k时段开始放电，
Figure FDA00036060066200000317
和
Figure FDA00036060066200000318
是辅助变量；
Figure FDA00036060066200000319
为电动汽车i在k+1时刻的充电策略，
Figure FDA00036060066200000320
为电动汽车i在k时刻的充电策略，
Figure FDA00036060066200000321
为电动汽车i在k+1时刻的放电策略，
Figure FDA00036060066200000322
为电动汽车i在k时刻的放电策略，
Figure FDA00036060066200000323
是电动汽车i在k时段基于电动汽车电池一次性投资与总寿命的惩罚费用，ρ是用电动汽车电池价格和寿命计算得出的参数；
房间用户室内热舒适度约束为：
Figure FDA0003606006620000041
其中，T是一个极大的正整数；
Figure FDA0003606006620000042
是用来表示房间r在时段k的被占用状态的二元变量，T+和T-表示用户热舒适度需求对室内温度要求的上下限；
建筑与电网能量交互约束为：
Figure FDA0003606006620000043
其中，
Figure FDA0003606006620000044
是建筑j在k时段从电网购买电量的功率，
Figure FDA0003606006620000045
是建筑j在k时段向电网出售电量的功率，
Figure FDA0003606006620000046
是在k时段停靠在建筑j中的电动汽车集合，Pi,V为电动汽车i的额定充放电功率，
Figure FDA0003606006620000047
是根据太阳辐射强度计算出的k时段在建筑j中的光伏发电功率；Bj是在建筑j中所有房间的集合，
Figure FDA0003606006620000048
为房间r在k时刻的空调运行策略，
Figure FDA0003606006620000049
和
Figure FDA00036060066200000410
均为二元变量，
Figure FDA00036060066200000411
表示建筑j在k时段从电网买电，
Figure FDA00036060066200000412
表示建筑j在k时段向电网卖电；F表示建筑与电网的交互功率容量。
2.一种含新能源的电动车与建筑空调系统协同优化装置，用于实现权利要求1所述的方法，其特征在于，包括样本构建模块、信息采集模块、优化计算模块与中央控制器模块；
所述样本构建模块，用于构建样本参数集，所述样本参数集包括一个天气数据样本，电价参数，所有建筑中的设备参数，电动汽车相关的出行规律参数；
所述信息采集模块收集当前天气数据，建筑房间的占用状态和电动汽车位置状态，将当前的建筑房间占用状态和电动汽车位置状态上传到优化计算模块；
所述优化计算模块根据建筑房间占用状态和电动汽车位置状态得到该建筑能源系统中各建筑空调系统和电动汽车充电桩的最优运行策略集，并将该最优运行策略集输上传中央控制器；
所述中央控制器模块通过数据线与所述建筑中的空调系统和充电桩相连，下发并执行最优运行策略集。
3.根据权利要求2所述的一种含新能源的电动车与建筑空调系统协同优化装置，其特征在于，所述优化计算模块包括初始化模块、未来状态预测模块和求解模块；
初始化模块，用于构建含新能源的电动车与建筑空调系统组成的建筑能源系统的数学模型，确定目标函数及相关约束条件，目标函数使得该系统运行成本最小；
未来状态预测模块，用于预测未来室外空气温度、太阳辐射强度、电动汽车所在位置、剩余停车或行驶时间和房间占用状态，得到当前和预测的建筑空调系统需求信息和电动汽车的需求信息；
求解模块，用于对已构建的样本参数集与当前和预测的建筑空调系统需求信息和电动汽车的需求信息，采用混合整数规划算法对所述目标函数求解，获得最优运行策略集。
4.一种含新能源的电动车与建筑空调系统协同优化装置，其特征在于，包括处理器(121)、存储器(122)和总线(123)；存储器(122)用于存储计算机指令，处理器(121)与存储器(122)通过总线(123)连接，当含新能源的电动汽车与建筑空调系统的运行优化装置运行时，处理器(121)执行存储器(122)存储的计算机执行指令，以执行如权利要求1所述的优化方法。
CN202110432670.0A 2021-04-21 2021-04-21 含新能源的电动车与建筑空调系统协同优化方法与装置 Active CN113325701B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110432670.0A CN113325701B (zh) 2021-04-21 2021-04-21 含新能源的电动车与建筑空调系统协同优化方法与装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110432670.0A CN113325701B (zh) 2021-04-21 2021-04-21 含新能源的电动车与建筑空调系统协同优化方法与装置

Publications (2)

Publication Number Publication Date
CN113325701A CN113325701A (zh) 2021-08-31
CN113325701B true CN113325701B (zh) 2022-06-07

Family

ID=77413482

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110432670.0A Active CN113325701B (zh) 2021-04-21 2021-04-21 含新能源的电动车与建筑空调系统协同优化方法与装置

Country Status (1)

Country Link
CN (1) CN113325701B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113895276A (zh) * 2021-09-03 2022-01-07 国网北京市电力公司 电动汽车充电网络调整方法、装置及非易失性存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102089178A (zh) * 2008-07-08 2011-06-08 西门子公司 用于给车辆充能量的适配器装置和方法
CN104269849A (zh) * 2014-10-17 2015-01-07 国家电网公司 基于建筑光伏微电网的能量管理方法及系统
CN106022597A (zh) * 2016-05-17 2016-10-12 西南交通大学 含光伏智能小区电动汽车与可控负荷两阶段优化调度方法
CN106896727A (zh) * 2015-12-18 2017-06-27 鸿大工程有限公司 一种基于物联网技术的智能建筑能源管理控制系统
CN110956329A (zh) * 2019-12-02 2020-04-03 国网浙江省电力有限公司绍兴供电公司 基于分布式光伏与电动汽车时空分布的负荷预测方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11346572B2 (en) * 2017-06-23 2022-05-31 Johnson Controls Tyco IP Holdings LLP Building equipment with predictive control

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102089178A (zh) * 2008-07-08 2011-06-08 西门子公司 用于给车辆充能量的适配器装置和方法
CN104269849A (zh) * 2014-10-17 2015-01-07 国家电网公司 基于建筑光伏微电网的能量管理方法及系统
CN106896727A (zh) * 2015-12-18 2017-06-27 鸿大工程有限公司 一种基于物联网技术的智能建筑能源管理控制系统
CN106022597A (zh) * 2016-05-17 2016-10-12 西南交通大学 含光伏智能小区电动汽车与可控负荷两阶段优化调度方法
CN110956329A (zh) * 2019-12-02 2020-04-03 国网浙江省电力有限公司绍兴供电公司 基于分布式光伏与电动汽车时空分布的负荷预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Fengxia Liu等.Coordinated Optimization of EVs and Multiple Buildings with Renewable Energy.《2020 IEEE 16th International Conference on Automation Science and Engineering (CASE)》.2020,第1491-1496页. *

Also Published As

Publication number Publication date
CN113325701A (zh) 2021-08-31

Similar Documents

Publication Publication Date Title
CN110533225B (zh) 一种基于机会约束规划的商业园区综合能源系统优化调度方法
Doroudchi et al. Approaching net zero energy housing through integrated EV
Yang et al. Resilient residential energy management with vehicle-to-home and photovoltaic uncertainty
CN111339689B (zh) 建筑综合能源调度方法、系统、存储介质及计算机设备
CN112952820B (zh) 考虑退役电池的智能社区微网超多目标能量管理方法
CN114418249B (zh) 一种光储柔系统运行控制方法及装置
Xu et al. Optimal pricing strategy of electric vehicle charging station for promoting green behavior based on time and space dimensions
Niu et al. Hierarchical power control strategy on small-scale electric vehicle fast charging station
Zhou A regression learner-based approach for battery cycling ageing prediction―advances in energy management strategy and techno-economic analysis
CN113517690A (zh) 含电动汽车充电站的社区综合能源系统双层调度方法
Chellaswamy et al. A framework for building energy management system with residence mounted photovoltaic
CN113325701B (zh) 含新能源的电动车与建筑空调系统协同优化方法与装置
CN114282821A (zh) 一种共享电动汽车的调度方法、系统及设备
Gong et al. Comprehensive review of modeling, structure, and integration techniques of smart buildings in the cyber-physical-social system
CN113255968A (zh) 基于设备和行为信息的商业办公楼精细化负荷预测方法
Yu et al. Quantifying the real-time energy flexibility of commuter plug-in electric vehicles in an office building considering photovoltaic and load uncertainty
CN107944712B (zh) 基于电网结构坚强性的集中型换电站选址定容方法
CN111917135A (zh) 一种智能建筑群电能优化共享方法
Ma et al. Intelligent charging control method of shared vehicle based on MPPT algorithm in the environment of internet of things
Azizi et al. Cost/comfort-oriented clustering-based extended time of use pricing
Wang et al. Case studies of a distributed building energy system incorporating with EVs considering effects of random charging behaviors and time-of-use pricing in electricity
CN108400585B (zh) 多辆电动汽车在微电网系统中的分布式实时能量分配方法
CN115330062A (zh) 一种社区场景下的新能源汽车有序充电服务调度优化方法
CN113315135B (zh) 低碳楼宇优化调度方法、系统、终端及介质
CN113313410B (zh) 多能源耦合建模评估方法、装置及终端设备

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