CN113794215A - 电动汽车与可再生能源协调优化方法和系统 - Google Patents

电动汽车与可再生能源协调优化方法和系统 Download PDF

Info

Publication number
CN113794215A
CN113794215A CN202110960831.3A CN202110960831A CN113794215A CN 113794215 A CN113794215 A CN 113794215A CN 202110960831 A CN202110960831 A CN 202110960831A CN 113794215 A CN113794215 A CN 113794215A
Authority
CN
China
Prior art keywords
power
electric automobile
renewable energy
electric
charging 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.)
Pending
Application number
CN202110960831.3A
Other languages
English (en)
Inventor
陶力
张琳
杜新
陈春逸
宋平
黄屹俊
徐蕾
潘晓玮
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.)
State Grid Corp of China SGCC
Beijing Kedong Electric Power Control System Co Ltd
State Grid Shanghai Electric Power Co Ltd
State Grid Electric Power Research Institute
Original Assignee
State Grid Corp of China SGCC
Beijing Kedong Electric Power Control System Co Ltd
State Grid Shanghai Electric Power Co Ltd
State Grid Electric Power Research Institute
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 State Grid Corp of China SGCC, Beijing Kedong Electric Power Control System Co Ltd, State Grid Shanghai Electric Power Co Ltd, State Grid Electric Power Research Institute filed Critical State Grid Corp of China SGCC
Priority to CN202110960831.3A priority Critical patent/CN113794215A/zh
Publication of CN113794215A publication Critical patent/CN113794215A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
    • H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
    • H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
    • H02J3/144—Demand-response operation of the power transmission or distribution network
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
    • H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/22—The renewable source being solar energy
    • H02J2300/24—The renewable source being solar energy of photovoltaic origin
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00—Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30—Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00—Energy generation through renewable energy sources
    • Y02E10/50—Photovoltaic [PV] energy
    • Y02E10/56—Power conversion systems, e.g. maximum power point trackers
    • 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
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E70/00—Other energy conversion or management systems reducing GHG emissions
    • Y02E70/30—Systems combining energy storage with energy generation of non-fossil origin
    • 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
    • Y02T90/16—Information or communication technologies improving the operation of electric vehicles
    • Y02T90/167—Systems integrating technologies related to power network operation and communication or information technologies for supporting the interoperability of electric or hybrid vehicles, i.e. smartgrids as interface for battery charging of electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • Y04S20/00—Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20—End-user application control systems
    • Y04S20/222—Demand response systems, e.g. load shedding, peak shaving
    • 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
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/12—Remote or cooperative charging
    • 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
    • Y04S30/00—Systems supporting specific end-user applications in the sector of transportation
    • Y04S30/10—Systems supporting the interoperability of electric or hybrid vehicles
    • Y04S30/14—Details associated with the interoperability, e.g. vehicle recognition, authentication, identification or billing

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明提供了电动汽车与可再生能源协调优化方法和系统，以等效负荷波动方差和最小和可再生能源渗透率最大为目标确定多目标问题，用最大模糊满意度法将多目标问题转化为单目标问题；对所述单目标问题进行求解，得到电动汽车充放电负荷的调度计划；以各个时段调度的电动汽车充电功率与所述电动汽车充放电负荷的调度计划之间偏差的平方和最小为目标，用分布式控制算法控制每辆电动汽车的充放电，得到每辆电动汽车的充放电的控制信号。本发明能更好地平衡新能源汽车与可再生能源以及电网之间的关系。

Description

电动汽车与可再生能源协调优化方法和系统
技术领域
本发明属于电动汽车能源调度技术领域，具体涉及电动汽车与可再生能源协调优化方法和系统。
背景技术
电动汽车和可再生能源发电领域近年来迅猛发展，但大规模电动汽车充电产生的随机大负荷会对电网产生新的冲击，同时风电，光伏等可再生能源因受天气环境等因素的影响，其出力具有很大的不确定性，直接影响了可再生能源接入电网的能力，而研究表明绝大多数车辆一天中有95％的时间处于停泊状态。
电动汽车与可再生能源的协调优化本质上是一个多目标优化问题。优化目标的选择越复杂，多目标问题的处理和求解要求也更高。
已有的研究例如：(1)从电网侧的运行需求出发，以可再生能源利用率、负荷波动性、负荷峰谷差作为优化目标，采用一种改进的动态多种群多目标粒子群算法进行求解。(2)考虑配电网负荷波动性、总网络损耗，并增加了电动汽车用户充电成本作为优化目标，求解电动汽车的合理入网数量。(3)从减小地区电网等效负荷差和购电成本的需求出发，建立了计及风光电源的地区电网电动汽车充电调度模型，并采用多目标模糊优化模型将多目标优化问题转化成单目标非线性优化问题进行求解。
目前电动汽车与可再生能源的协调优化主要集中在研究上层调度层面的优化，很少考虑到包含上层调度和下层响应的双层协调优化，然而在实际中，电动汽车与可再生能源的协调优化需要同时计及上层调度和下层响应。目前对分布式电动汽车的控制中多采用电价引导的方式进行，而电价引导往往容易产生新的负荷高峰，这对电网的运行也会产生一定的影响，不能得到满意的调度结果。
发明内容
本发明旨在提供一种方法实现在合理的充放电调度下对电动汽车与可再生能源进行协调优化。
为实现上述方法，本发明采用了以下的技术方案。
一方面，本发明提供了电动汽车与可再生能源协调优化方法，包括：以等效负荷波动方差和最小为目标，以及以可再生能源渗透率最大为目标确定多目标问题，用最大模糊满意度法将多目标问题转化为单目标问题；
对所述单目标问题进行求解，得到电动汽车充放电负荷的调度计划；
以各个时段调度的电动汽车充电功率与所述调度计划之间偏差的平方和最小为目标确定各电动汽车充电功率的目标函数，用分布式控制算法确定每辆电动汽车的充电功率。
进一步地，系统等效负荷波动方差和最小为目标的目标函数表示如下：
Figure BDA0003222003570000021
Figure BDA0003222003570000022
PEV(t)＝Pcha(t)-Pdch(t) (3)
式中，f1为系统等效负荷波动方差和；T为调度周期时段数，
Pd(t)为t时刻系统背景负荷，PEV(t)为t时刻电动汽车等效充电功率，Pwind(t)为t时刻风电发电功率，Psolar(t)为t时刻光伏发电功率，Pav为系统等效负荷平均值，Pcha(t)为t时刻充电功率，Pdch(t)为t时刻放电功率。
再进一步地，以可再生能源渗透率最大为目标的目标函数表示如下：
Figure BDA0003222003570000031
其中f2为系统中可再生能源渗透率；Pgrid为t时刻负荷从电网吸收的电能。
再进一步地，所述多目标问题的约束条件包括：功率平衡约束、风电出力约束、光伏发电出力约束、电动汽车充电功率约束和电池剩余电量约束。
再进一步地，所述功率平衡约束表示如下：
Pgrid(t)+Prenew(t)＝PEV(t)+Pd(t) (5)
Prenew(t)＝Pwind(t)+Psolar(t) (6)
式中，Prenew(t)为t时刻获得的可再生能源出力；
所述风电出力约束表示如下：
Pwind(t)≤Pwind,t (7)
式中，Pwind,t为t时刻风电出力预测值；
所述光伏发电出力约束表示如下：
Psolar(t)≤Psolar,t (8)
式中，Psolar,t为t时刻光伏出力预测值；
所述电动汽车充电功率约束表示如下：
PEVmin＜PEV(t)＜PEVmax (9)
式中，PEVmin为电动汽车充放电功率下限；PEVmax为电动汽车充放电功率上限；
所述电池剩余电量约束表示如下：
Figure BDA0003222003570000041
式中，S(t+1)为电动汽车电池在t+1时段的剩余电量；S(t)为电动汽车电池在t时段的剩余电量；ηdch为电动汽车放电效率，Ndr(t)为t时刻行驶的电动汽车数量；Sdr,(t)为电动汽车在1h的行驶耗电量；
电动汽车电池在t时段的剩余电量应满足下式：
Smin＜S(t)＜Smax (13)
式中，Smin为电动汽车电池最小剩余电量；Smax为电动汽车电池最大剩余电量；
电动汽车在一天中的充放电量应满足约束：
Figure BDA0003222003570000051
再进一步地，电动汽车充放电功率的上下限的计算公式如下：
Figure BDA0003222003570000052
PEVmax＝λ(t)Npcha(t)ηcha (11)
式中，λ(t)为t时刻电动汽车的停驶概率；N为可调度的电动汽车数量；pcha为单台电动汽车充电功率；pdch为单台电动汽车充电功率；ηcha为电动汽车充电效率；ηdch为电动汽车放电效率。
进一步地，所述单目标问题表示如下：
G(t)＝maxλ1 (18)
Figure BDA0003222003570000053
λ1＝min{μ(f1(x))，μ(f2(x))} (17)
其中f1(x)为系统等效负荷波动方差和函数，f2(x)为系统中可再生能源渗透率函数，x为决策向量；c1和c2分别为系统等效负荷波动最小和可再生能源渗透率最大的单目标优化值，δ1和δ2分别为可接受的系统负荷波动方差增加量和期望增加的可再生能源渗透率。μ(f1(x))为系统等效负荷波动方差和函数的隶属度函数，μ(f2(x))为系统中可再生能源渗透率函数的隶属函数，G(t)为电动汽车充放电负荷的调度计划。
再进一步地，以各个时段调度的电动汽车充电功率与所述电动汽车充放电负荷的调度计划之间偏差的平方和最小为目标表示如下：
Figure BDA0003222003570000061
式中，L(p)为目标函数，pi为第i辆电动汽车的充电负荷(即充电功率)，N为可调度的电动汽车数量，Pn(t)表示第n辆电动车第t时刻的充电负荷(即充电功率)，T为调度周期时段数。
再进一步地，所述分布式控制算法具体包括：
(1)初始化充电功率
Figure BDA0003222003570000062
置迭代次数为0；
(2)计算控制信号
Figure BDA0003222003570000063
变量rk为在第k次迭代时的控制信号，设U’为利普希茨连续的函数，将控制信号rk广播到每辆电动汽车；
(3)更新充电功率
对于每一辆电动汽车根据下式计算下一次迭代的充电功率
Figure BDA0003222003570000071
更新每辆电动汽车的充电功率，并将结果反馈到控制中心。
Figure BDA0003222003570000072
(4)置迭代次数k＝k+1，重复步骤(2)-(4)。
当迭代次数达到指定值或者相邻两次的迭代误差小于一定值时迭代终止。
第二方面，本发明提供了电动汽车与可再生能源协调优化系统，包括：多目标问题确定模块，单目标问题转化模块、负荷跟踪模块以及分布式控制算法求解模块；
所述多目标问题确定模块，用于以等效负荷波动方差和最小为目标，以及以可再生能源渗透率最大为目标确定多目标问题，用最大模糊满意度法将多目标问题转化为单目标问题；
所述单目标问题转化模块，用于对所述单目标问题进行求解，得到电动汽车充放电负荷的调度计划；
所述负荷跟踪模块，用于以各个时段调度的电动汽车充电功率与所述电动汽车充放电负荷的调度计划之间偏差的平方和最小为目标确定各电动汽车充电功率的目标函数；
所述分布式控制算法求解模块，用于根据所述各电动汽车充电功率的目标函数，用分布式控制算法确定每辆电动汽车的充电功率。
本发明所取得的有益技术效果：本发明为了更好的平衡新能源汽车与可再生能源以及电网之间的关系，建立了一个电动汽车与可再生能源的双层协调优化模型。以等效负荷波动方差和最小为目标，以及以可再生能源渗透率最大为目标确定多目标问题，用最大模糊满意度法将多目标问题转化为单目标问题；对该单目标问题进行求解，得到的电动汽车充放电负荷的调度计划即为该区域控制中心制定的调度计划，以实现等效负荷波动最小和可再生能源渗透率最大；基于获得的调度计划，确定各电动汽车充电功率的目标函数，进而确定每辆电动汽车具体的充放电负荷，以实现对上层电动汽车充放电负荷的跟踪。考虑到电动汽车充电的分散性，用分布式控制算法控制每辆电动汽车的充放电，将分布式控制算法用于跟踪多目标优化下的给定电动汽车充电负荷从而获得每辆电动汽车的充电功率。
具体实施方式
以下结合具体实施例对本发明做进一步说明。
本发明提出了一种电动汽车与可再生能源的双层协调优化模型方法。该方法分为上层模型和下层模型，首先计算上层模型中的目标函数和约束条件，接着利用相关求解方法实现等效负荷波动最小和可再生能源渗透率最大。接着在下层模型中实现对上层电动汽车充放电负荷的跟踪。
实施例1：电动汽车与可再生能源协调优化方法，
1上层电动汽车与可再生能源协调调度
1.1目标函数
(1)系统等效负荷波动方差和最小
Figure BDA0003222003570000081
Figure BDA0003222003570000091
PEV(t)＝Pcha(t)-Pdch(t) (3)
式中，f1为系统等效负荷波动方差和；T为调度周期时段数，取24；Pd(t)、PEV(t)、Pcha(t)、Pdch(t)、Pwind(t)、Psolar(t)分别为t时刻系统背景负荷、电动汽车等效充电功率、充电功率、放电功率、风电和光伏发电功率；Pav为系统等效负荷平均值。
(2)可再生能源渗透率最大
Figure BDA0003222003570000092
式中，f2为系统中可再生能源渗透率；Pgrid为t时刻负荷从电网吸收的电能。
1.2约束条件
(1)功率平衡约束
在任意时刻t，负荷从电网吸收的功率、可再生能源发电功率、电动汽车充(放)电消耗(提供)的功率与背景负荷之间满足实时平衡关系。
Pgrid(t)+Prenew(t)＝PEV(t)+Pd(t) (5)
Prenew(t)＝Pwind(t)+Psolar(t) (6)
式中，Prenew(t)为t时刻获得的可再生能源出力。
(2)风电出力约束
风力发电具有间歇性，在当前的技术条件下，可对风电场的出力进行预测，一般认为，风电出力小于等于风电场的预测出力，为保证系统安全稳定运行，在实际的调度过程中，可对风电场出力进行下调控制，即：
Pwind(t)≤Pwind,t (7)
式中，Pwind,t为t时刻风电出力预测值。
(3)光伏发电出力约束
一般认为，光伏出力小于等于光伏出力预测值，即：
Psolar(t)≤Psolar,t (8)
式中，Psolar,t为t时刻光伏出力预测值。
(4)电动汽车充电功率约束
电动汽车电池的充放电功率有一定限制，即有充电功率上下限：
PEVmin＜PEV(t)＜PEVmax (9)
式中，PEVmin为电动汽车充放电功率下限；PEVmax为电动汽车充放电功率上限，其上下限的计算方法为：
Figure BDA0003222003570000101
PEVmax＝λ(t)Npcha(t)ηcha (11)
式中，λ(t)为t时刻电动汽车的停驶概率；N为可调度的电动汽车数量；pcha为单台电动汽车充电功率；pdch为单台电动汽车充电功率；ηcha为电动汽车充电效率；ηdch为电动汽车放电效率。
(5)电池剩余电量约束
Figure BDA0003222003570000111
式中，S(t+1)为电动汽车电池在t+1时段的剩余电量；S(t)为电动汽车电池在t时段的剩余电量；Ndr(t)为t时刻行驶的电动汽车数量；Sdr,(t)为电动汽车在1h的行驶耗电量。
为保证电池寿命，对电动汽车电池应尽量保证浅充浅放。
Smin＜S(t)＜Smax (13)
式中，Smin为电动汽车电池最小剩余电量；Smax为电动汽车电池最大剩余电量。
为保证电动汽车第二天的出行需求，电动汽车在一天中的充放电量应满足约束：
Figure BDA0003222003570000112
1.3求解方法
最大模糊满意度法对优化问题的处理过程是，先定义两个优化目标函数的隶属度函数，两者取小即为满意度，转化为满意度最大化问题，其中每个目标的δ值的大小表示决策者对该目标的重视程度。
(1)目标函数模糊化
确定各个目标的隶属度函数是多目标模糊优化模型建模的关键。期望在满足所有约束条件的前提下，系统负荷波动越小越好，有上限而无下限，属于“成本型”隶属度函数，选择单调不增的分布作为该目标的隶属度函数；期望可再生能源渗透率越大越好，有下限而无上限，属于“效益型”隶属度函数，选择单调不减的分布作为该目标的隶属度函数；所以选择降半直线形作为系统负荷波动方差和的隶属度函数，升半直线形作为可再生能源渗透率的隶属度函数。
分别由下式所示的计算式表示。
Figure BDA0003222003570000121
Figure BDA0003222003570000122
式中，x为决策向量；c1和c2分别为系统等效负荷波动最小和可再生能源渗透率最大的单目标优化值；δ1和δ2分别为可接受的系统负荷波动方差增加量和期望增加的可再生能源渗透率。其中，δ1和δ2根据单目标优化得到的优化目标值进行一定程度的伸缩确定。目标函数的隶属度越大，表明决策者对于该优化的结果越满意。
对应的隶属度函数的中的较小者，定义为决策者对该模型的满意程度λ1，即：
λ1＝min{μ(f1(x))，μ(f2(x))} (17)
原问题可以转化为使满意度λ1最大化的问题。
maxλ1 (18)
Figure BDA0003222003570000131
2下层电动汽车负荷跟踪
假设控制中心会对电动汽车采取一定的激励措施，使电动汽车可以在停驶时间接入电网，以接受控制中心的控制信号。具体的电动汽车调度采用分布式控制算法。
2.1负荷跟踪模型
下层模型中期望电动汽车的充电负荷能够跟踪上层模型中电动汽车的调度计划，以下层各个时段调度的电动汽车充电功率与上层计划之间偏差的平方和最小为目标，即为：
Figure BDA0003222003570000132
式中，L(p)为目标函数，pi为第i辆电动汽车的充电负荷，G(t)为上层调度计划。
每辆电动汽车的电量满足约束：
smin＜s(t)＜smax (21)
式中，smin和smax分别为电动汽车电量上下限。
为保证每辆车第二天的出行需求，充放电电量需满足约束：
Figure BDA0003222003570000133
2.2分布式控制算法
定义变量rk为在第k次迭代时的控制信号，设U’为利普希茨(Lipschitz)连续的函数，其利普希茨(Lipschitz)常数为β，且β>0，即：
|U'(x)-U'(y)|≤β|x-y| (23)
其中，参数γ的范围为：
0＜γ＜1/(Nβ) (24)
具体计算流程如下：
(1)初始化充电功率
Figure BDA0003222003570000141
置迭代次数为0。
(2)计算控制信号
Figure BDA0003222003570000142
将控制信号rk广播到每辆电动汽车。
(3)更新充电功率
对于每一辆电动汽车根据下式计算下一次迭代的充电功率
Figure BDA0003222003570000143
更新每辆电动汽车的充电功率，并将结果反馈到控制中心。
Figure BDA0003222003570000144
(4)置迭代次数k＝k+1，重复步骤(2)-(4)。
当迭代次数达到指定值或者相邻两次的迭代误差小于一定值时迭代终止。
控制中心将信号下发到各个电动汽车，电动汽车根据控制信号更新自己的充电计划，并将结果反馈给控制中心，控制中心根据结果更新控制信号。
本发明实施例同时建立了上层模型和下层模型来进行协调优化。上层模型以等效负荷波动最小和可再生能源渗透率最大为目标，用最大模糊满意度法将多目标问题转化为单目标问题，用遗传算法进行求解，得到上层电动汽车充放电负荷的调度计划。下层模型以实现电动汽车负荷跟踪为目标，用分布式控制算法控制每辆电动汽车的充放电，用遗传算法进行求解，得到下层的控制信号。
本发明在合理的充放电调度下对电动汽车与可再生能源进行协调优化，对于平抑风电、光伏的不稳定出力，维持电网稳定运行，提高系统运行整体的经济效益与环境效益有着非常重要的意义。
本发明还提供了电动汽车与可再生能源协调优化系统，包括：多目标问题确定模块，单目标问题转化模块、负荷跟踪模块以及分布式控制算法求解模块；
所述多目标问题确定模块，用于以等效负荷波动方差和最小为目标，以及以可再生能源渗透率最大为目标确定多目标问题，用最大模糊满意度法将多目标问题转化为单目标问题；
所述单目标问题转化模块，用于对所述单目标问题进行求解，得到电动汽车充放电负荷的调度计划；
所述负荷跟踪模块，用于以各个时段调度的电动汽车充电功率与所述电动汽车充放电负荷的调度计划之间偏差的平方和最小为目标确定各电动汽车充电功率的目标函数；
所述分布式控制算法求解模块，用于根据各电动汽车充电功率的目标函数，用分布式控制算法确定每辆电动汽车的充充电功率。
在以上实施例基础上，进一步地，所述多目标问题确定模块确定的以系统等效负荷波动方差和最小为目标的目标函数表示如下：
Figure BDA0003222003570000161
Figure BDA0003222003570000162
PEV(t)＝Pcha(t)-Pdch(t) (3)
式中，f1为系统等效负荷波动方差和；T为调度周期时段数，Pd(t)为t时刻系统背景负荷，PEV(t)为t时刻电动汽车等效充电功率，Pwind(t)为t时刻风电发电功率，Psolar(t)为t时刻光伏发电功率，Pav为系统等效负荷平均值，Pcha(t)为t时刻充电功率，Pdch(t)为t时刻放电功率。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法和设备(系统)来描述的。应理解可由计算机程序指令实现方法中的每一流程或流程的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实方法中一个流程或多个流程中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现一个流程或多个流程中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现一个流程或多个流程中指定的功能的步骤。
对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (11)

1.电动汽车与可再生能源协调优化方法，其特征在于，包括：以等效负荷波动方差和最小为目标，以及以可再生能源渗透率最大为目标确定多目标问题，用最大模糊满意度法将多目标问题转化为单目标问题；对所述单目标问题进行求解，得到电动汽车充放电负荷的调度计划；
以各个时段调度的电动汽车充电功率与所述调度计划之间偏差的平方和最小为目标确定各电动汽车充电功率的目标函数；
根据所述各电动汽车充电功率的目标函数用分布式控制算法确定每辆电动汽车的充电功率。
2.根据权利要求1所述的电动汽车与可再生能源协调优化方法，其特征在于，以系统等效负荷波动方差和最小为目标的目标函数表示如下：
Figure FDA0003222003560000011
Figure FDA0003222003560000012
PEV(t)＝Pcha(t)-Pdch(t) (3)
式中，f1为系统等效负荷波动方差和；T为调度周期时段数，Pd(t)为t时刻系统背景负荷，PEV(t)为t时刻电动汽车等效充电功率，Pwind(t)为t时刻风电发电功率，Psolar(t)为t时刻光伏发电功率，Pav为系统等效负荷平均值，Pcha(t)为t时刻充电功率，Pdch(t)为t时刻放电功率。
3.根据权利要求2所述的电动汽车与可再生能源协调优化方法，其特征在于，以可再生能源渗透率最大为目标的目标函数表示如下：
Figure FDA0003222003560000021
其中f2为系统中可再生能源渗透率；Pgrid为t时刻负荷从电网吸收的电能。
4.根据权利要求3所述的电动汽车与可再生能源协调优化方法，其特征在于，所述多目标问题的约束条件包括：功率平衡约束、风电出力约束、光伏发电出力约束、电动汽车充电功率约束和电池剩余电量约束。
5.根据权利要求4所述的电动汽车与可再生能源协调优化方法，其特征在于，所述功率平衡约束表示如下：
Pgrid(t)+Prenew(t)＝PEV(t)+Pd(t) (5)
Prenew(t)＝Pwind(t)+Psolar(t) (6)
式中，Prenew(t)为t时刻获得的可再生能源出力；
所述风电出力约束表示如下：
Pwind(t)≤Pwind,t (7)
式中，Pwind,t为t时刻风电出力预测值；
所述光伏发电出力约束表示如下：
Psolar(t)≤Psolar,t (8)
式中，Psolar,t为t时刻光伏出力预测值；
所述电动汽车充电功率约束表示如下：
PEVmin＜PEV(t)＜PEVmax (9)
式中，PEVmin为电动汽车充放电功率下限；PEVmax为电动汽车充放电功率上限；
所述电池剩余电量约束表示如下：
Figure FDA0003222003560000031
式中，S(t+1)为电动汽车电池在t+1时段的剩余电量；S(t)为电动汽车电池在t时段的剩余电量；ηdch为电动汽车放电效率，Ndr(t)为t时刻行驶的电动汽车数量；Sdr,(t)为电动汽车在1h的行驶耗电量；
电动汽车电池在t时段的剩余电量应满足下式：
Smin＜S(t)＜Smax (13)
式中，Smin为电动汽车电池最小剩余电量；Smax为电动汽车电池最大剩余电量；
电动汽车在一天中的充放电量应满足约束：
Figure FDA0003222003560000032
6.根据权利要求5所述的电动汽车与可再生能源协调优化方法，其特征在于，电动汽车充放电功率的上下限的计算公式如下：
Figure FDA0003222003560000041
PEVmax＝λ(t)Npcha(t)ηcha (11)
式中，λ(t)为t时刻电动汽车的停驶概率；N为可调度的电动汽车数量；pcha为单台电动汽车充电功率；pdch为单台电动汽车充电功率；ηcha为电动汽车充电效率；ηdch为电动汽车放电效率。
7.根据权利要求1所述的电动汽车与可再生能源协调优化方法，其特征在于，所述单目标问题表示如下：
G(t)＝maxλ1 (18)
Figure FDA0003222003560000042
λ1＝min{μ(f1(x))，μ(f2(x))} (17)
其中f1(x)为系统等效负荷波动方差和函数，f2(x)为系统中可再生能源渗透率函数，x为决策向量；c1和c2分别为系统等效负荷波动最小和可再生能源渗透率最大的单目标优化值，δ1和δ2分别为可接受的系统负荷波动方差增加量和期望增加的可再生能源渗透率；μ(f1(x))为系统等效负荷波动方差和函数的隶属度函数，μ(f2(x))为系统中可再生能源渗透率函数的隶属函数，G(t)为电动汽车充放电负荷的调度计划。
8.根据权利要求7所述的电动汽车与可再生能源协调优化方法，其特征在于，所述各电动汽车充电功率的目标函数表示如下：
Figure FDA0003222003560000051
式中，L(p)为目标函数，pi为第i辆电动汽车的充电功率，N为可调度的电动汽车数量，Pn(t)表示第n辆电动车第t时刻的充电功率，T为调度周期时段数。
9.根据权利要求8所述的电动汽车与可再生能源协调优化方法，其特征在于，所述分布式控制算法具体包括：
初始化各电动汽车的充电功率，置迭代次数为0，表达式如下；
Figure FDA0003222003560000052
根据各电动汽车充电功率的目标函数计算控制信号，表达式如下：
Figure FDA0003222003560000053
变量rk为在第k次迭代时的控制信号，设U’为利普希茨连续的函数，将控制信号rk广播到每辆电动汽车；
根据控制信号更新充电功率，包括对于每一辆电动汽车根据下式计算下一次迭代的充电功率
Figure FDA0003222003560000054
更新每辆电动汽车的充电功率；
Figure FDA0003222003560000055
置迭代次数k＝k+1，重复迭代；当迭代次数达到指定值或者相邻两次的迭代误差小于设定值时迭代终止，获得每辆电动汽车充电功率。
10.电动汽车与可再生能源协调优化系统，其特征在于，包括：多目标问题确定模块，单目标问题转化模块、负荷跟踪模块以及分布式控制算法求解模块；
所述多目标问题确定模块，用于以等效负荷波动方差和最小为目标，以及以可再生能源渗透率最大为目标确定多目标问题，用最大模糊满意度法将多目标问题转化为单目标问题；
所述单目标问题转化模块，用于对所述单目标问题进行求解，得到电动汽车充放电负荷的调度计划；
所述负荷跟踪模块，用于以各个时段调度的电动汽车充电功率与所述电动汽车充放电负荷的调度计划之间偏差的平方和最小为目标确定的各电动汽车充电功率的目标函数；
所述分布式控制算法求解模块，用于根据各电动汽车充电功率的目标函数，用分布式控制算法确定每辆电动汽车的充电功率。
11.根据权利要求10所述的电动汽车与可再生能源协调优化系统，其特征在于，所述多目标问题确定模块确定的以系统等效负荷波动方差和最小为目标的目标函数表示如下：
Figure FDA0003222003560000061
Figure FDA0003222003560000062
PEV(t)＝Pcha(t)-Pdch(t) (3)
式中，f1为系统等效负荷波动方差和；T为调度周期时段数，Pd(t)为t时刻系统背景负荷，PEV(t)为t时刻电动汽车等效充电功率，Pwind(t)为t时刻风电发电功率，Psolar(t)为t时刻光伏发电功率，Pav为系统等效负荷平均值，Pcha(t)为t时刻充电功率，Pdch(t)为t时刻放电功率。
CN202110960831.3A 2021-08-20 2021-08-20 电动汽车与可再生能源协调优化方法和系统 Pending CN113794215A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110960831.3A CN113794215A (zh) 2021-08-20 2021-08-20 电动汽车与可再生能源协调优化方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110960831.3A CN113794215A (zh) 2021-08-20 2021-08-20 电动汽车与可再生能源协调优化方法和系统

Publications (1)

Publication Number Publication Date
CN113794215A true CN113794215A (zh) 2021-12-14

Family

ID=79181918

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110960831.3A Pending CN113794215A (zh) 2021-08-20 2021-08-20 电动汽车与可再生能源协调优化方法和系统

Country Status (1)

Country Link
CN (1) CN113794215A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115733169A (zh) * 2022-12-01 2023-03-03 华北电力大学 新能源充电站的充电控制方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010025028A (ja) * 2008-07-22 2010-02-04 Univ Of Ryukyus 風力発電機の出力電力変動抑制装置
CN106058855A (zh) * 2016-06-16 2016-10-26 南京工程学院 协调储能与柔性负荷的主动配电网多目标优化调度方法
CN108921331A (zh) * 2018-06-08 2018-11-30 广东工业大学 一种计及v2g功能的电动汽车与新能源的调度优化建模及算法
CN109217310A (zh) * 2018-10-25 2019-01-15 三峡大学 一种考虑新能源消纳的电动汽车有序充电控制方法
CN111598391A (zh) * 2020-04-15 2020-08-28 国网电力科学研究院武汉能效测评有限公司 一种电动汽车调度方法及调度系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010025028A (ja) * 2008-07-22 2010-02-04 Univ Of Ryukyus 風力発電機の出力電力変動抑制装置
CN106058855A (zh) * 2016-06-16 2016-10-26 南京工程学院 协调储能与柔性负荷的主动配电网多目标优化调度方法
CN108921331A (zh) * 2018-06-08 2018-11-30 广东工业大学 一种计及v2g功能的电动汽车与新能源的调度优化建模及算法
CN109217310A (zh) * 2018-10-25 2019-01-15 三峡大学 一种考虑新能源消纳的电动汽车有序充电控制方法
CN111598391A (zh) * 2020-04-15 2020-08-28 国网电力科学研究院武汉能效测评有限公司 一种电动汽车调度方法及调度系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
黄晓倩等: "考虑V2G模式的电动汽车与可再生能源协同调度", 工程设计学报, vol. 23, no. 01, pages 67 - 73 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115733169A (zh) * 2022-12-01 2023-03-03 华北电力大学 新能源充电站的充电控制方法及装置
CN115733169B (zh) * 2022-12-01 2023-09-22 华北电力大学 新能源充电站的充电控制方法及装置

Similar Documents

Publication Publication Date Title
CN111738497B (zh) 计及需求侧响应的虚拟电厂双层优化调度方法
CN102694391B (zh) 风光储联合发电系统日前优化调度方法
CN111404206B (zh) 考虑投资回报约束的风光储发电系统容量双层规划方法
CN102509176B (zh) 一种风光储协同调度的滚动优化决策方法
CN110011342A (zh) 一种集群电动汽车充放电功率优化管理方法
CN111697578B (zh) 多目标含储能区域电网运行控制方法
CN109936164A (zh) 基于电源互补特性分析的多能源电力系统优化运行方法
CN112583017B (zh) 考虑储能运行约束的混合微电网能量分配方法及系统
CN110807588B (zh) 一种多能源耦合综合能源系统的优化调度方法
CN103023073A (zh) 一种水电站群电站与机组混合优化调度方法
CN114243795A (zh) 一种典型充电站综合能源协同交互优化配置方法及系统
CN116109076A (zh) 能量和调峰市场下考虑需求响应的虚拟电厂优化调度方法
CN115117940A (zh) 考虑风电、光伏及负荷不确定的风光水火储系统低碳调度模型建模方法
CN115189367A (zh) 一种多时间尺度下的风光储蓄联合优化调度方法及装置
CN113794215A (zh) 电动汽车与可再生能源协调优化方法和系统
CN114154790A (zh) 基于需量管理和柔性负荷的工业园区光储容量配置方法
CN115940284B (zh) 一种考虑分时电价的新能源制氢系统的运行控制策略
CN112260274A (zh) 一种基于全景理论的虚拟电厂组建方法
CN114362169A (zh) 一种计及光储型虚拟电厂边际成本的分层协调调控方法
CN115021336A (zh) 一种面向高比例新能源电力系统惯量不足场景的优化方法
CN113346514B (zh) 一种基于agc的发电机组最优里程调度方法
CN115640894B (zh) 一种基于双时间尺度的综合能源系统优化调度方法
CN111932398B (zh) 一种光储型充电站优化控制方法及系统
CN110198054B (zh) 一种含海水淡化负荷的微网功率调度方法和系统
Lu et al. Optimal Operation Scheduling of Multi-energy Complementary Systems Including Offshore Wind Power

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