CN114204580A - 一种电动汽车聚合商基于调频的实时调控方法及计算装置 - Google Patents

一种电动汽车聚合商基于调频的实时调控方法及计算装置 Download PDF

Info

Publication number
CN114204580A
CN114204580A CN202111429386.4A CN202111429386A CN114204580A CN 114204580 A CN114204580 A CN 114204580A CN 202111429386 A CN202111429386 A CN 202111429386A CN 114204580 A CN114204580 A CN 114204580A
Authority
CN
China
Prior art keywords
frequency modulation
electric vehicle
aggregator
real
time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202111429386.4A
Other languages
English (en)
Other versions
CN114204580B (zh
Inventor
郭烨
龚莉凌
孙宏斌
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.)
Shenzhen International Graduate School of Tsinghua University
Original Assignee
Shenzhen International Graduate School of Tsinghua 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 Shenzhen International Graduate School of Tsinghua University filed Critical Shenzhen International Graduate School of Tsinghua University
Priority to CN202111429386.4A priority Critical patent/CN114204580B/zh
Publication of CN114204580A publication Critical patent/CN114204580A/zh
Application granted granted Critical
Publication of CN114204580B publication Critical patent/CN114204580B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • B60L53/63—Monitoring or controlling charging stations in response to network capacity
    • 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
    • B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
    • 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
    • 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
    • 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • 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
    • H02J3/24—Arrangements for preventing or reducing oscillations of power in networks
    • H02J3/241—The oscillation concerning frequency
    • 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]
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Transportation (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Mechanical Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明提出一种电动汽车聚合商基于调频的实时调控方法及计算装置，实时调控方法具体包括步骤：S1、建立电动汽车基于调频参与的最优经济调度模型；S2、建立电动汽车聚合商基于模型预测控制的实时调度框架。本发明在最大化聚合商市场收益的同时，通过调控电动汽车的实时充电功率以快速响应系统调频指令，使得电动汽车用户的充电需求能在其离开前得到满足，且电动汽车聚合商最大程度实际履行已出清的调频容量。

Description

一种电动汽车聚合商基于调频的实时调控方法及计算装置
技术领域
本发明涉及电动汽车领域，特别是一种电动汽车聚合商基于调频的实时调控方法及计算装置。
背景技术
近年来，随着电动汽车的大规模渗透，其无序充电将对电力系统造成大量的不利影响。而电动汽车大部分时间可连接到电网，其负荷具有高度的运行灵活性。同时，随着可再生能源接入电力系统的比重增长，其波动性及不确定性将导致系统调频容量不足的问题日益突出，给电网的经济性、稳定性运行造成了巨大挑战。而电动汽车电池的快速响应特性，使其可为电力系统提供调频等辅助服务。如果考虑对电动汽车集群实施有序充电管理，其容量可与较小的分布式水利发电厂相媲美。此外，随着电力体制改革的不断深化，现货电能量市场和辅助服务市场建设将不断推进。电动汽车聚合商参与现货市场，一方面可为电网提供灵活性服务，另一方面可获得可观的市场收益以激励电动汽车用户参与。以国外发展成熟的实时电力市场为背景，电动汽车聚合商需参与市场竞价，并基于出清结果对电动汽车的充电功率进行实时调控。该问题的主要难点在于电动汽车用户充电的随机性行为以及调频市场价格、实时电价等不确定信息。同时在考虑调频参与时，由于调频信号的不确定性造成的电池能量偏差，难以保证电动汽车用户在离开时其电池荷电状态达到充电需求。因此需要设计有效的电动汽车聚合商滚动竞价策略以最大化其市场收益，同时也需要设计有效的充电功率实时调控方案以同时保证系统调频指令得以快速响应和电动汽车用户的充电需求得以满足。
目前国内外电动汽车基于调频参与的研究主要针对市场背景下的竞价策略，即通过调频容量评估、电能量价格及调频价格预测，优化其竞价策略以最大化市场收益。但是，由于用户充电行为的随机性，将导致出清的调频容量与实际停留电动汽车的可调度容量存在偏差。现阶段，我国的调频现货市场仍在建设中，而在国外大量发展成熟的调频市场中，过差的调频表现将导致该资源失去调频参与的资格。因此需要研究一种有效的实时滚动优化框架以实现电动汽车聚合商参与电能量市场和调频市场的经济调度。
目前，国内外学界针对电动汽车集群协调实时充电功率以响应系统调频指令的研究仍较少。关于市场环境下电动汽车集群充电功率的实时协调问题，现阶段的主要方法仍为启发式算法，即根据当前各电动汽车荷电状态及其充电时间灵活度指标，动态变换各电动汽车的充电优先级。该方法的缺点是，电动汽车充电过程可建模为动态优化问题，当前时段的启发式调度算法可能对后续市场的经济性造成不利影响，从而影响聚合商整体收益。因此需要研究一种保证市场最佳收益下的电动汽车聚合商实时充电功率协同调控方法。
发明内容
为了解决现有技术中无法有效协调电动汽车聚合商参与电力市场的技术问题，本发明提出一种电动汽车聚合商基于调频的实时调控方法及计算装置。
为此，本发明提出的电动汽车聚合商基于调频的实时调控方法具体包括如下步骤：
S1、建立电动汽车基于调频参与的最优经济调度模型；
S2、建立电动汽车聚合商基于模型预测控制的实时调度框架。
进一步地，所述步骤S1具体包括：
S11、提出电动汽车聚合器协同管理构架；
S12、建立单个电动汽车基于调频参与的经济调度模型；
S13、建立电动汽车集群基于调频参与的经济调度模型。
进一步地，在所述步骤S11中，在运行时刻，电动汽车聚合商基于用户的充电需求，需要将已出清的调频容量分配给当前连接的电动汽车集群，并实时调控其充电功率以快速响应系统发布的调频信号。
进一步地，在所述步骤S11中，在电能量市场中，电动汽车聚合商作为电能消费者，其使用的所有电量均可被出清，在调频市场中，电动汽车聚合商的竞价策略为只提供调频容量及零调频成本。
进一步地，所述步骤S2具体包括：
S21、建立电动汽车聚合器滚动管理流程图；
S22、建立两阶段随机滚动优化模型；
S23、建立电动汽车聚合商的风险管理方案；
S24、建立电动汽车聚合商的实时运行操作方案；
S25、电动汽车聚合器数据库管理与更新。
进一步地，在所述步骤S21中，在当前时段K开始时，电动汽车聚合商需承担两项任务：1)将当前时段已出清的调频容量分配给连接状态的电动汽车集群，并实时控制其充电功率，以快速响应调频信号；2)优化得到下一时段的最优调频容量，将其填入竞价信息参与实时市场。
进一步地，在所述步骤S21中，在当前时段K结束时，电动汽车聚合商需承担两项任务：1)统计该时段由于调频响应造成的预期能量偏差并进行修正；2)更新电动汽车聚合商的信息。
进一步地，所述步骤S22具体包括：
S221、生成电动汽车聚合商信息参数及预测场景；
S222、建立两阶段随机优化的目标函数；
S223、建立电动汽车用户充电需求约束；
S224、建立电动汽车聚合器运行约束。
本发明提出的计算装置具体包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过执行所述计算机程序能够实现上述电动汽车聚合商基于调频的实时调控方法。
本发明提出的计算机可读存储介质存储有能够被处理器执行的计算机程序，所述处理器通过执行所述计算机程序能够实现上述电动汽车聚合商基于调频的实时调控方法。
相对于现有技术，本发明具有如下有益效果：
本发明在最大化聚合商市场收益的同时，保证电动汽车用户的充电需求能在其离开前得到满足，并且电动汽车聚合商最大程度实际履行已出清的调频容量。
附图说明
图1是本发明实施例实时调控方法的流程图；
图2是本发明实施例实时电力市场环境的示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图说明本发明的具体实施方式。
如图1所示，本发明实施例提出的电动汽车聚合商基于调频的实时调控方法具体包括如下步骤：
S1、建立电动汽车基于调频参与的最优经济调度模型，具体包括：
S11、提出电动汽车聚合器协同管理构架，本发明提出的方法实施适用于图2所示的电动汽车聚合商及相应的实时电力市场环境，如图所示，电动汽车聚合商2主要涉及调频容量21和电能耗量22，电动汽车系统下放的指令作为调频信号，调频容量21通过竞价策略与电力市场1中的实时调频市场11进行交互，电能耗量22与电力市场1中的实时电能量市场12相关，连接状态的电动车31通过充电协同和充电需求与电动汽车聚合商2进行交互，按计划离开的电动车32和未知的到达电动车33会对连接状态的电动车31造成影响，电动汽车聚合商将参与实时调频市场与电能量市场，进行市场竞价及出清，本发明只考虑电动汽车单向充电的场景，即不存在电能量从电动汽车反向流入电网，同时，在运行时刻，电动汽车聚合商基于用户的充电需求，需要将已出清的调频容量分配给当前连接的电动汽车集群，并实时调控其充电功率以快速响应系统发布的调频信号，本发明假设电动汽车聚合商作为价格接受者参与电力市场，在电能量市场中，由于单向充电模式，聚合商作为电能消费者，其使用的所有电量均可被出清，在调频市场中，考虑到节点边际的结算方式，聚合商的竞价策略为：只提供调频容量及零调频成本。
S12、建立单个电动汽车基于调频参与的经济调度模型，假设单个电动汽车的容量足以参加电力市场，则其经济调度模型为：
Figure BDA0003379569610000041
Figure BDA0003379569610000042
Figure BDA0003379569610000043
Figure BDA0003379569610000044
Figure BDA0003379569610000045
式中，λτ和μτ分别为出清1MWh资源的实时电能量市场价格和实时调频市场价格，
Figure BDA0003379569610000046
和
Figure BDA0003379569610000047
分别第i个电动汽车接入聚合商和离开聚合商的时间，
Figure BDA0003379569610000048
为该电动汽车的最大充电功率，ΔEi为电动汽车的需求充电电量，其值由电动汽车到达荷电状态
Figure BDA0003379569610000049
电动汽车需求荷电状态
Figure BDA00033795696100000410
电动汽车电池容量
Figure BDA00033795696100000411
电动汽车充电效率ηi，计算得到(如约束(1e)所示)。在上述模型中，其决策变量为每个时段τ的预期充电功率xi,τ及调频容量yi,τ。注意到，电动汽车单向充电的场景中，电动汽车可调整其实时充电功率低于预期充电功率，从而为电网提供向上调频；同时，电动汽车可调整其实时充电功率高于预期充电功率，从而为电网提供向下调频。
目标函数(1a)用以优化电动汽车在连接电网期间的整体电力市场最小成本，约束(1b)限制了电动汽车在预期充电功率及其可用调频容量条件下，其实际充电功率大于零小于其最大充电功率，不等式(1c)建模了非负调频容量约束，约束(1d)为满足电动汽车用户的充电需求，其中未考虑实际调频带来的电能量偏差。在美国PJM的调频市场中，存在传统调频信号(RegA，针对慢速响应资源，如传统活动机组)和快速调频信号(RegD,针对快速响应且电容量有限的资源，如电池储能等)，RegD信号初始设计时，需考虑实现15分钟电能量中性的条件，由于调频信号由系统下发，其实际表征发电量与用电量的实时不平衡量导致调频信号难以预测，基于上述原因，在此不考虑实际调频所带来的能量偏差，在步骤S25中将对实际调频带来的电能量偏差进行修正。
S13、建立电动汽车集群基于调频参与的经济调度模型，实际电力市场的最低容量约束，使得电动汽车资源只能以聚类集群等形式参与市场，其经济调度模型如下所示：
(a)电动汽车集群的简单经济调度模型
Figure BDA0003379569610000051
s.t.(1b)-(1e),
Figure BDA0003379569610000052
式中N为该集群内电动汽车的集合，Ti为第i个电动汽车的电网连接时段。由上述优化模型(2)，电动汽车聚合商可得到每个时段参与电力市场的最优总电能耗量
Figure BDA0003379569610000053
和最优总调频容量
Figure BDA0003379569610000054
(b)参数聚类及等效变换
充电灵活性指标定义：
Figure BDA0003379569610000055
其中，
Figure BDA0003379569610000056
运算符为高斯向上取整函数。由于电动汽车电池容量及最大功率的限制，充电灵活性指标Fi为一个有限取值的整数。
等效变换：如果存在一群电动汽车(i＝1,...,N)，他们的到达时间、离开时间以及充电灵活度指标均相同；则该电动汽车集群的最优经济调度模型(2)可等效为一辆虚拟电动汽车的最优调度模型(1)。通过该等效操作，可极大减少优化问题规模，快速求解得到最优值。该等效的虚拟电动汽车具有相同的到达时间和离开时间，其他参数如下所示：
Figure BDA0003379569610000057
式中ΔE和pmax分别为该虚拟电动汽车的需求充电电量和最大充电功率。可证明，该虚拟电动汽车关于经济调度模型(1)的最优解等效与该电动汽车集群关于经济调度模型(2)的最优解，即
Figure BDA0003379569610000058
考虑电动汽车聚合商为电动汽车用户的调频参与提供一定的补贴，并设定其调频补贴价格为ρ($/MW)。则经济调度模型的目标函数(1a)将变为如下所示：
Figure BDA0003379569610000061
注意到，上述场景下等效变换(4a)仍然成立。
S2、建立电动汽车聚合商基于模型预测控制的实时调度框架，具体包括：
S21、建立电动汽车聚合器滚动管理流程图，本发明提出的方法适用于电动汽车聚合器在实时电力市场参与的场景下，协同调控连接状态的电动汽车实时充电功率，以快速响应系统发布的调频指令。同时，电动汽车聚合商需优化下一时段的调频竞价策略，并参与实时调频市场。在当前时段K开始时，电动汽车聚合商需承担以下两项任务：1)将当前时段已出清的调频容量分配给连接状态的电动汽车集群，并实时控制其充电功率，以快速响应调频信号；2)优化得到下一时段的最优调频容量，将其填入竞价信息参与实时市场。同时，在当前时段K结束时，电动汽车聚合商需承担以下两项任务：1)统计该时段由于调频响应造成的预期能量偏差并进行修正；2)更新电动汽车聚合商的信息，包含连接状态电动汽车信息、新到达电动汽车信息、离开电动汽车信息等。
S22、建立两阶段随机滚动优化模型，在实际运行过程中，电动汽车聚合商需在当前时段初始求解该两阶段随机优化模型，其具体建模如下：
S221、生成电动汽车聚合商信息参数及预测场景，本发明考虑了电动汽车用户充电的随机行为及市场出清价格的不确定性。在该模型中体现为下一时段前到达的电动汽车集群参数信息，以及时间窗口H内的实时电能量出清价格和调频出清价格。因此在本模型中，电动汽车聚合商需建立两个电动汽车集群进行管理，即当前连接的电动汽车集群{A}和下一时段前到达的电动汽车集群{F}。对于电动汽车集群{A}，由于电动汽车用户在到达时，会告知电动汽车聚合商其离开时间和电动汽车需求荷电状态，且其电池容量、充电效率、目前电池荷电状态及最大充电功率对聚合商均为确定信息。故电动汽车聚合商可将集群{A}的信息建模为[ΔEA,PA,+,TA]矩阵形式。其中，ΔEA为集群{A}的需求充电电量向量，PA,+为集群{A}的最大充电功率向量，TA集群{A}的剩余停留时间向量；集群{A}的所有信息对聚合商而言均为已知，[ΔEA,PA,+,TA]矩阵中各向量维度为当前时段实际停留的电动汽车数量。对于电动汽车集群{F}，由于电动汽车用户在到达前，其所有信息对于聚合商均为未知。考虑对下一时段前可能到达的所有电动汽车，对其使用步骤S13所示的等效变换方法后，聚合商可用电动汽车集群{F}表示下一时段前到达的虚拟电动汽车组。该虚拟电动汽车组具有固定的数量，且每个虚拟电动汽车具有确定的到达时间和离开时间。故[ΔEF,PF,+]矩阵建模集群{F}的不确定充电需求及充电参数。其中，ΔEF为集群{F}的等效需求充电电量向量，PF ,+为集群{F}的等效最大充电功率向量。
针对优化模型中的不确定信息，本模型将生成一组预测场景{s∈Ω,πs}:
Figure BDA0003379569610000071
进行表示。其中，Ω为场景集合；s为某一场景编号；πs为该s场景发生概率；
Figure BDA0003379569610000072
和
Figure BDA0003379569610000073
分别为该s场景τ时刻的电能量价格和调频价格；
Figure BDA0003379569610000074
和
Figure BDA0003379569610000075
分别为该s场景下集群{F}的等效需求充电电量向量与等效最大充电功率向量。关于预测方式，可采用传统的SARIMA模型或者机器学习算法，本发明不包含此部分内容。注意，本发明所使用的向量均为列向量。
S222、建立两阶段随机优化的目标函数
Figure BDA0003379569610000076
其中：
Figure BDA0003379569610000077
Figure BDA0003379569610000078
Figure BDA0003379569610000079
Figure BDA00033795696100000710
式中，λK和μK分别为当前运行时段已出清的实时电价和调频价格，
Figure BDA00033795696100000711
和
Figure BDA00033795696100000712
分别为对于当前时段不能履行的调频容量进行惩罚的参数和对于下一时段不能履行的调频容量进行惩罚的参数。该模型中，第一阶段决策变量有
Figure BDA00033795696100000713
BK+1,ωK：其中
Figure BDA00033795696100000714
和
Figure BDA00033795696100000715
分别为当前运行时段集群{A}的预期充电功率向量及调频容量向量，BK+1为下一时段电动汽车聚合商调频总容量值，ωK为对于当前时段已出清的调频容量，电动汽车聚合商不能履行的数值。第二阶段决策变量有
Figure BDA00033795696100000716
其中，
Figure BDA00033795696100000717
和
Figure BDA00033795696100000718
分别为集群{A}在s场景下t时段的预期充电功率向量及调频容量向量，
Figure BDA00033795696100000719
和
Figure BDA00033795696100000720
分别为集群{F}在s场景下t时段的预期充电功率向量及调频容量向量,
Figure BDA00033795696100000721
为对于下一时段出清的调频容量，电动汽车聚合商在s场景下不能履行的数值。
目标函数(5a)为电动汽车聚合商最小化在滚动窗口H时段内的总成本。其中，等式(5b)为当前时刻K，聚合商的总电量成本；等式(5c)为下一时刻K+1，聚合商的电量和调频总成本；等式(5d)为剩余的滚动窗口时段内，聚合商的电量和调频总成本。等式(5c)区分于(5d)的原因为，当前时段电动汽车聚合商需提交下一时段的调频总容量值以参与实时调频市场。同时，由于当前时段的调频容量已被出清，故(5b)中不考虑调频收益。在等式(5e)建模了当前出清调频容量和下一时段出清调频容量不能被聚合商履行的总惩罚。
S223、建立电动汽车用户充电需求约束
滚动窗口时段内电池能量的转换约束：
Figure BDA0003379569610000081
其中，g(H,T)(i)为该向量的第i个元素，即第i个电动汽车的能量转换率。
连接状态的电动汽车集群{A}充电需求约束
Figure BDA0003379569610000082
其中，等式左侧建模了不同场景下的决策方案，等式右侧为集群{A}在滚动窗口H时段内需要实现的充电电量向量。
即将到达的电动汽车集群{F}充电需求约束
Figure BDA0003379569610000083
其中，等式左侧建模了不同场景下的决策方案，等式右侧为集群{F}在滚动窗口H时段内需要实现的充电电量向量。
可调度时段约束
Figure BDA0003379569610000084
其中，运算符
Figure BDA0003379569610000085
为矩阵的哈达玛积，即两个同阶矩阵对应元素相乘所得到的同阶矩阵。
Figure BDA0003379569610000086
和
Figure BDA0003379569610000087
分别为集群{A}和集群{F}在t时段的二元连通性向量参数，例如
Figure BDA0003379569610000088
代表集群{A}中的第i个电动汽车在t时段未与聚合商连接，则该电动汽车该时段不可进行充电操作。约束(6d)可限制未连接的电动汽车预期充电功率为0。预期充电功率为零的电动汽车受运行约束的限制，对应的调频容量将同样为零。
S224、建立电动汽车聚合器运行约束
调频容量非负约束
Figure BDA0003379569610000091
电动汽车集群考虑调频的运行约束
Figure BDA0003379569610000092
Figure BDA0003379569610000093
Figure BDA0003379569610000094
其中，(7b)为集群{A}当前时段的运行约束；注意到，
Figure BDA0003379569610000095
和
Figure BDA0003379569610000096
均为第一阶段变量，故单独建模处理。(7c)为集群{A}在s场景下t时段的运行约束；(7d)为集群{F}在s场景下t时段的运行约束。
市场出清的总调频容量约束
Figure BDA0003379569610000097
Figure BDA0003379569610000098
Figure BDA0003379569610000099
其中，BK为当前时段已出清的调频总容量参数，BK+1为下一时段的调频总容量决策变量。注意到，本发明中聚合器在调频市场的竞价策略为提供调频容量和零调频成本。故可假设，聚合器上报的调频容量可全部被出清。约束(7e)建模了当前时段调频总容量的实施情况，约束(7f)建模了下一时段调频总容量在不同场景下的实施情况，约束(7g)建模了不能履行调频容量的非负性。
S23、建立电动汽车聚合商的风险管理方案，本模型考虑到的不确定性参数有：电动汽车集群{F}的等效充电需求及最大功率，以及电能量出清价格和调频出清价格。在上述两阶段随机优化模型中，通过场景生成的方式对这些不确定信息进行描述。下面，将通过条件风险价值对聚合商的不确定性进行风险管理：
Figure BDA00033795696100000910
其中，Cost(s)由等式(5a)计算求得，α∈(0,1)为给定置信水平，z为在给定置信水平α下的风险价值。由(8)可求出给定置信水平α下的条件风险价值。
将条件风险价值添加进两阶段随机滚动优化模型中，其线性化模型如下所示：
Figure BDA0003379569610000101
其中，α′＝(1-α)-1，v(s)是将整个优化模型线性化所添加的辅助变量。
S24、建立电动汽车聚合商的实时运行操作方案，求解优化模型(9)后，可得到第一阶段决策变量的最优解，可使用
Figure BDA0003379569610000102
表示。其中，
Figure BDA0003379569610000103
作为下一时刻的调频容量竞价信息，由电动汽车聚合商在当前时段K向实时调频市场上报。
同时，电动汽车聚合商需将当前时段K已出清的调频总容量BK分配给目前连接状态的电动汽车集群{A}。其中，第i个电动汽车K时段的调频容量如下所示：
Figure BDA0003379569610000104
注意到，电动汽车需要快速响应系统发布的调频信号。例如美国PJM市场中，快速调频信号RegD，每两秒更新一次。则第i个电动汽车的充电功率根据实时调频信号如下所示
Figure BDA0003379569610000105
其中，rgD(γ,K)∈[-1,1]为当前K时段系统发布的实时调频信号。
S25、电动汽车聚合器数据库管理与更新，由于系统调频信号具有高度的不确定性，故两阶段随机滚动优化模型中未考虑到电动汽车参与调频响应而造成的电量偏差。故电动汽车聚合器需要在当前时刻K结束时，进行数据修正。针对电动汽车集群{A}，其相关修正数据如下：
Figure BDA0003379569610000106
TA(i)＝TA(i)-1
其中，ΔEA(i)和TA(i)为电动汽车集群的剩余充电电量向量和剩余连接时长。
同时，电动汽车聚合器在当前时刻K结束时，需要在集群{A}中删除离开的电动汽车，并添加新到达的电动汽车。
然后，电动汽车聚合器需要根据最新的信息，更新生成新一组预测场景{s∈Ω,πs}:
Figure BDA0003379569610000111
接着，电动汽车聚合商需进行新的当前时刻K+1的滚动优化等操作，需转到步骤S22。
本发明实施例提出一种计算装置，具体包括处理器和存储器，存储器中存储有计算机程序，处理器通过执行计算机程序能够实现上述电动汽车聚合商基于调频的实时调控方法。
本发明提出的电动汽车聚合商基于调频的实时调控方法在考虑实时电能量市场及调频市场参与的场景下，提出了基于模型预测控制的滚动市场竞价策略和实时运行操作方案。首先，通过电动汽车基于调频参与的经济调度建模，提出一种新型电动汽车集群等效聚类方案，并将其作为即将到达电动汽车充电需求的预测模型。接着，建立基于条件风险价值的两阶段随机规划算法，将当前时刻已出清的调节容量分配给连接状态的电动汽车，并滚动优化下一时段的调频容量投标，在每个运行时段结束时，聚合商将对电动汽车因调频响应造成的电能量偏差进行了修正，以保证电动汽车用户的充电需求在离开前得到满足。本发明在最大化聚合商市场收益的同时，通过调控电动汽车的实时充电功率以快速响应系统调频指令，使得电动汽车用户的充电需求能在其离开前得到满足，且电动汽车聚合商最大程度实际履行已出清的调频容量。由于如果预测误差过大而造成的出清调频容量过多，电动汽车聚合商是无法实际履行的，因此，聚合商需要考虑当前停留电动汽车实际最大充电功率的限制以及用户充电需求等约束，以及当前已出清的调频容量。
以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利范围。应当指出，对于本技术领域的技术人员，在不脱离本发明设计结构及原理的前提下对本发明方案所作的等同变化都视作本发明的保护范围。

Claims (10)

1.一种电动汽车聚合商基于调频的实时调控方法，其特征在于,具体包括如下步骤：
S1、建立电动汽车基于调频参与的最优经济调度模型；
S2、建立电动汽车聚合商基于模型预测控制的实时调度框架。
2.根据权利要求1所述的实时调控方法，其特征在于，所述步骤S1具体包括：
S11、提出电动汽车聚合器协同管理构架；
S12、建立单个电动汽车基于调频参与的经济调度模型；
S13、建立电动汽车集群基于调频参与的经济调度模型。
3.根据权利要求2所述的实时调控方法，其特征在于，在所述步骤S11中，在运行时刻，电动汽车聚合商基于用户的充电需求，需要将已出清的调频容量分配给当前连接的电动汽车集群，并实时调控其充电功率以快速响应系统发布的调频信号。
4.根据权利要求2所述的实时调控方法，其特征在于，在所述步骤S11中，在电能量市场中，电动汽车聚合商作为电能消费者，其使用的所有电量均可被出清，在调频市场中，电动汽车聚合商的竞价策略为只提供调频容量及零调频成本。
5.根据权利要求1所述的实时调控方法，其特征在于，所述步骤S2具体包括：
S21、建立电动汽车聚合器滚动管理流程图；
S22、建立两阶段随机滚动优化模型；
S23、建立电动汽车聚合商的风险管理方案；
S24、建立电动汽车聚合商的实时运行操作方案；
S25、电动汽车聚合器数据库管理与更新。
6.根据权利要求5所述的实时调控方法，其特征在于，在所述步骤S21中，在当前时段K开始时，电动汽车聚合商需承担两项任务：1)将当前时段已出清的调频容量分配给连接状态的电动汽车集群，并实时控制其充电功率，以快速响应调频信号；2)优化得到下一时段的最优调频容量，将其填入竞价信息参与实时市场。
7.根据权利要求6所述的实时调控方法，其特征在于，在所述步骤S21中，在当前时段K结束时，电动汽车聚合商需承担两项任务：1)统计该时段由于调频响应造成的预期能量偏差并进行修正；2)更新电动汽车聚合商的信息。
8.根据权利要求5所述的实时调控方法，其特征在于，所述步骤S22具体包括：
S221、生成电动汽车聚合商信息参数及预测场景；
S222、建立两阶段随机优化的目标函数；
S223、建立电动汽车用户充电需求约束；
S224、建立电动汽车聚合器运行约束。
9.一种计算装置，其特征在于,具体包括处理器和存储器，所述存储器中存储有计算机程序，所述处理器通过执行所述计算机程序能够实现权利要求1-8中任一项所述的电动汽车聚合商基于调频的实时调控方法。
10.一种计算机可读存储介质，其特征在于,存储有能够被处理器执行的计算机程序，所述处理器通过执行所述计算机程序能够实现权利要求1-8中任一项所述的电动汽车聚合商基于调频的实时调控方法。
CN202111429386.4A 2021-11-29 2021-11-29 一种电动汽车聚合商基于调频的实时调控方法及计算装置 Active CN114204580B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111429386.4A CN114204580B (zh) 2021-11-29 2021-11-29 一种电动汽车聚合商基于调频的实时调控方法及计算装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111429386.4A CN114204580B (zh) 2021-11-29 2021-11-29 一种电动汽车聚合商基于调频的实时调控方法及计算装置

Publications (2)

Publication Number Publication Date
CN114204580A true CN114204580A (zh) 2022-03-18
CN114204580B CN114204580B (zh) 2023-09-19

Family

ID=80649401

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111429386.4A Active CN114204580B (zh) 2021-11-29 2021-11-29 一种电动汽车聚合商基于调频的实时调控方法及计算装置

Country Status (1)

Country Link
CN (1) CN114204580B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115001054A (zh) * 2022-07-29 2022-09-02 东南大学溧阳研究院 一种基于模型预测含电动汽车的电力系统频率控制策略
CN115001019A (zh) * 2022-06-14 2022-09-02 华北电力大学 电动汽车参与调频辅助服务市场的充放电调度优化方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046371A (zh) * 2015-08-19 2015-11-11 东南大学 一种基于需求侧竞价的电动汽车充放电调度方法
CN110011342A (zh) * 2019-04-04 2019-07-12 华北电力大学 一种集群电动汽车充放电功率优化管理方法
CN111762051A (zh) * 2020-06-03 2020-10-13 国网上海市电力公司 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法
CN111987719A (zh) * 2020-08-19 2020-11-24 广东电网有限责任公司电力调度控制中心 一种电动汽车聚合商参与调频的投标方法及装置
CN112332430A (zh) * 2020-11-24 2021-02-05 东南大学 一种面向快速调频需求的电动汽车响应控制计算方法
CN113515884A (zh) * 2021-04-19 2021-10-19 国网上海市电力公司 分散式电动汽车实时优化调度方法、系统、终端及介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105046371A (zh) * 2015-08-19 2015-11-11 东南大学 一种基于需求侧竞价的电动汽车充放电调度方法
CN110011342A (zh) * 2019-04-04 2019-07-12 华北电力大学 一种集群电动汽车充放电功率优化管理方法
CN111762051A (zh) * 2020-06-03 2020-10-13 国网上海市电力公司 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法
CN111987719A (zh) * 2020-08-19 2020-11-24 广东电网有限责任公司电力调度控制中心 一种电动汽车聚合商参与调频的投标方法及装置
CN112332430A (zh) * 2020-11-24 2021-02-05 东南大学 一种面向快速调频需求的电动汽车响应控制计算方法
CN113515884A (zh) * 2021-04-19 2021-10-19 国网上海市电力公司 分散式电动汽车实时优化调度方法、系统、终端及介质

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
XIANGCHU XU ET AL: "A Multi-timescale Response Capability Evaluation Model of EV Aggregator Considering Customers’ Response Willingness", 2020 IEEE INDUSTRY APPLICATIONS SOCIETY ANNUAL MEETING *
ZHONGKAI YI ET AL: "Aggregate Operation Model for Numerous Small-Capacity Distributed Energy Resources Considering Uncertainty", IEEE TRANSACTIONS ON SMART GRID, vol. 12, no. 5, XP011873031, DOI: 10.1109/TSG.2021.3085885 *
叶秀珍: "基于动态需求侧响应的微电网运营机制优化", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, vol. 02 *
王敏;许建;潘永春;王鹤梅;耿照江;: "电动汽车参与配电侧电力市场竞价博弈的研究", 广东电力, no. 02 *
陈永新: "售电市场环境下的电动汽车聚合商竞价与共享策略研究", 中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑, no. 02 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115001019A (zh) * 2022-06-14 2022-09-02 华北电力大学 电动汽车参与调频辅助服务市场的充放电调度优化方法
CN115001054A (zh) * 2022-07-29 2022-09-02 东南大学溧阳研究院 一种基于模型预测含电动汽车的电力系统频率控制策略
CN115001054B (zh) * 2022-07-29 2022-11-01 东南大学溧阳研究院 一种基于模型预测含电动汽车的电力系统频率控制策略

Also Published As

Publication number Publication date
CN114204580B (zh) 2023-09-19

Similar Documents

Publication Publication Date Title
Koufakis et al. Offline and online electric vehicle charging scheduling with V2V energy transfer
Abbasi et al. Coordinated operation of electric vehicle charging and wind power generation as a virtual power plant: A multi-stage risk constrained approach
Deb et al. Charging coordination of plug-in electric vehicle for congestion management in distribution system integrated with renewable energy sources
Liu et al. Two-stage optimal scheduling of electric vehicle charging based on transactive control
CN111762051B (zh) 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法
Yamin et al. Unit commitment using a hybrid model between Lagrangian relaxation and genetic algorithm in competitive electricity markets
Zhang et al. Multi-objective hydro-thermal-wind coordination scheduling integrated with large-scale electric vehicles using IMOPSO
CN113515884A (zh) 分散式电动汽车实时优化调度方法、系统、终端及介质
CN111612358A (zh) 共享汽车车辆调度及调度员路径优化方法
CN112101637B (zh) 基于分时电价和能耗控制的动态充电优化方法及其应用
Seitaridis et al. An agent-based negotiation scheme for the distribution of electric vehicles across a set of charging stations
CN113437754A (zh) 一种基于台区智能融合终端的电动汽车有序充电方法及系统
CN112465208A (zh) 计及区块链技术的虚拟电厂随机自适应鲁棒优化调度方法
CN116316567A (zh) 一种阶梯碳交易机制下综合能源需求响应优化方法
Ferro et al. A predictive discrete event approach for the optimal charging of electric vehicles in microgrids
CN107887932A (zh) 虚拟发电厂在日前市场的生产竞价组织方法
Wan et al. Internet data centers participating in electricity network transition considering carbon-oriented demand response
CN114204580B (zh) 一种电动汽车聚合商基于调频的实时调控方法及计算装置
Ren et al. Study on optimal V2G pricing strategy under multi-aggregator competition based on game theory
CN113988440A (zh) 基于虚拟电厂的区域配电网二次调频方法
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
CN113723823A (zh) 电网运营的模拟装置及方法
CN113765154A (zh) 一种高弹性电网源网荷储多元协同优化控制方法
Qi et al. Deep reinforcement learning based charging scheduling for household electric vehicles in active distribution network
Liu et al. Energy management of green charging station integrated with photovoltaics and energy storage system based on electric vehicles classification

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