CN114336706A - 车网主从博弈的电动汽车有序充放电调度及响应激励方法 - Google Patents

车网主从博弈的电动汽车有序充放电调度及响应激励方法 Download PDF

Info

Publication number
CN114336706A
CN114336706A CN202111632656.1A CN202111632656A CN114336706A CN 114336706 A CN114336706 A CN 114336706A CN 202111632656 A CN202111632656 A CN 202111632656A CN 114336706 A CN114336706 A CN 114336706A
Authority
CN
China
Prior art keywords
charging
vehicle
electric
excitation
discharging
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
CN202111632656.1A
Other languages
English (en)
Other versions
CN114336706B (zh
Inventor
沙孝昆
张帆
何中杰
赵晓东
董伟
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 Zhejiang Electric Power Co Ltd Hangzhou Qiantang District Power Supply Co
Hangzhou Dianzi University
Original Assignee
Hangzhou Dianzi 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 Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN202111632656.1A priority Critical patent/CN114336706B/zh
Publication of CN114336706A publication Critical patent/CN114336706A/zh
Application granted granted Critical
Publication of CN114336706B publication Critical patent/CN114336706B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems
    • 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

  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明涉及一种车网主从博弈的电动汽车有序充放电调度及响应激励方法。本发明综合考虑电网侧和用户侧双方各自的利益，构建基于V2G的车网互动调度模型、考虑用户偏好的电动汽车有序充放电功率决策模型，并建立车网互动主从博弈模型，在实际用户的有限理性情况下，通过多次博弈最终达到斯塔克尔伯格均衡，得到电网最优响应激励方法及对应的电动汽车有序充放电调度策略。本发明解决了当前分时电价激励下大量电动汽车集中在低价充电造成的峰荷上叠加负荷的情况，同时，也为电网引导电动汽车参与车网互动的激励提供有益参考依据。

Description

车网主从博弈的电动汽车有序充放电调度及响应激励方法
技术领域
本发明属于智能电网技术领域，尤其涉及一种车网主从博弈的电动汽车有序充放电调度及响应激励方法。
背景技术
随着智能电网和新能源技术的发展，电动汽车逐步成为配电网侧主动负荷的主要构成部分。对电动汽车进行有序充放电，可有效改变电网的负荷曲线形状，达到削峰填谷的目的，计及电动汽车有序充放电的需求响应问题是智能电网研究领域的核心问题之一。
现有有序充放电方法一般是基于电动汽车V2G入网技术，将电动汽车视为负荷和分布式电源，实现电动汽车与电网之间的双向能流和有序优化；然而，一方面，目前电网对电动汽车用户参与V2G的响应激励是以电网的各项指标为目标，忽略了用户响应变化对电网响应激励方法的影响；另一方面，目前方法默认所有用户对参与电网互动的策略作出一致响应，这种简化操作无法真正意义上反映用户的参与意愿，以此求取的电动汽车参与有序充放电方法可实施性低。因此，为了提高电动汽车有序充放电方法的可实施性，提升车网的互动效果，研究电动汽车有序充放电和响应激励优化方法，在综合考虑电网侧和用户侧双方利益情况下，如何实现电动汽车用户参与电网互动时作出不同的自主响应，成为目前亟待解决的问题。
发明内容
针对现有技术的不足，本发明提出了一种车网主从博弈的电动汽车有序充放电调度及响应激励方法。
本发明综合考虑电网侧和用户侧双方各自的利益，构建基于V2G的车网互动调度模型、考虑用户偏好的电动汽车有序充放电功率决策模型，并建立车网互动主从博弈模型，在实际用户的有限理性情况下，通过多次博弈最终达到斯塔克尔伯格均衡，得到电网最优响应激励方法及对应的电动汽车有序充放电调度策略。
一种车网主从博弈的电动汽车有序充放电调度及响应激励方法，包括以下步骤：
步骤一，构造基于V2G的车网互动调度模型架构；
步骤二，根据不同电动汽车用户对响应激励的响应程度，以充放电功率为决策变量，构建考虑用户偏好的电动汽车有序充放电功率决策模型；
步骤三，构建电网对电动汽车的响应激励优化决策模型，并将电网和电动汽车用户作为不同地位决策者的优化过程建模为车网互动主从博弈模型；
步骤四，求解所述车网互动主从博弈模型，多次博弈最终达到斯塔克尔伯格均衡，均衡解即为：电网最优响应激励及对应的电动汽车有序充放电调度策略；
可选的，所述构造基于V2G的车网互动调度模型，包括：
电网制定电动汽车参与电网互动的响应激励，通过系统调度机构下送到各智能充电终端，电动汽车用户在接入智能充电终端时，向系统调度机构上报用户信息，包括：电动汽车接入系统时间、接入时电动汽车的荷电状态(SOC)、离开系统时间、车辆电池总容量；智能充电终端充分考虑用户效益，指导电动汽车有序充放电，系统调度机构充分考虑电网效益，按照给定规则对响应激励进行调整，并将结果反馈给智能充电终端，重复信息互动机制，以达到指定收敛条件。
可选的，所述根据不同电动汽车用户对电网激励的响应程度不同，以充放电功率为决策变量，构建考虑用户偏好的电动汽车有序充放电功率决策模型，包括：
电动汽车用户用电经济性目标：
电动汽车根据自身充电需求，向电网支付充电费用；响应V2G参与电网互动，获得一定的响应激励收益，电动汽车m的经济性目标Um,1为
Figure BDA0003441479620000021
式(1)中，Pt,m为电动汽车m的充放电功率，充电为正，放电为负；Ct为响应激励；Ta为可调度时段。
电动汽车用户用电舒适度目标：
电动汽车在无响应激励，即来即充情况下的充电功率为最符合用户自身用电习惯的充电计划，以此负荷需求曲线为舒适度最大曲线；以优化后实际负荷曲线和舒适度最大曲线的偏差作为衡量充电舒适度指标，电动汽车m的舒适度目标Um,2为
Figure BDA0003441479620000031
式(2)中，Dm,t为优化后负荷和即来即充负荷的差值；
Figure BDA0003441479620000032
为电动汽车m在时段t的即来即充负荷；αm为影响系数；km为舒适度指标。
不同用户对充放电过程的需求不同，通过对经济性和舒适度的偏好来体现。采用自适应权重法对电动汽车用户目标进行归一化处理，通过设置不同的权重值体现用户对经济性和舒适度的不同响应程度，得到如下电动汽车用户目标：
Figure BDA0003441479620000033
式(3)中，最小化电动汽车总花费为充放电成本加上改变充放电习惯的边际成本，λ1为经济目标权重，λ2为舒适目标权重。
所述步骤二中电动汽车有序充放电功率决策模型的约束条件，包括：
-Pmax≤Pt,m≤Pmax (4)
ta＝tdep,m-tstart,m (5)
Figure BDA0003441479620000034
Figure BDA0003441479620000035
PD,t+PEV,t＜Plimit (8)
式(4)为电动汽车充放电功率约束，Pmax为最大充电功率；式(5)为充放电时段约束，tdep,m、tstart,m为电动汽车m接入和离开充电桩的时刻；式(6)为电池能量约束，Eneed,m为电动汽车m接入充电桩后所需的电量总和，Ecap,m为电池容量，γ为离开时车辆SOC需求，SOCb,m为接入充电桩时的SOC，η为充放电效率，以保证车辆离开时电池达到所需电量要求；式(7)为瞬时能量约束，以保证车辆电池安全；式(8)为变压器容量约束。
可选的，所述构建电网对电动汽车的响应激励优化决策模型，并将电网和电动汽车用户作为不同地位决策者的优化过程建模为车网互动主从博弈模型，包括：
构建平抑电网负荷波动带来的调峰收益函数U1：
Figure BDA0003441479620000041
式(9)中，PD,t为区域t时段不计入电动汽车的原负荷，PEV,t为t时段电动汽车充电负荷总和，Pavr为总负荷平均值，α为经济系数。
电网对电动汽车的响应激励优化决策模型的目标函数：
Figure BDA0003441479620000042
式(10)中，目标函数为电网向电动汽车售电收益和电网调峰收益之和。
所述步骤三中电网对电动汽车的响应激励优化决策模型的约束条件，包括：
Ct,min≤Ct≤Ct,max (11)
Figure BDA0003441479620000043
式(11)为响应充放电激励上下限约束，Ct,min为t时刻最低充放电激励，Ct,max为t时刻最大充放电激励；式(12)为平均激励约束，Cavr为一天所有时段的平均响应激励，以保证电力市场的稳定运行。
所述步骤三中的车网互动主从博弈模型为：
领导者
Figure BDA0003441479620000044
跟随者
Figure BDA0003441479620000051
式(13)中，电网为博弈领导者，其在获得最大收益的同时，需要满足式(11)-式(12)所述的约束条件；式(14)中，电动汽车用户为博弈跟随者，其在支付最小成本的同时，需要满足式(4)-式(8)所述的约束条件。
可选的，所述求解所述车网互动主从博弈模型，多次博弈最终达到斯塔克尔伯格均衡，得到电网最优响应激励方法及对应的电动汽车有序充放电调度策略，包括：
步骤4.1：所述电动汽车用户和电网并非同时做出决策，而是电网作为博弈主体先制定响应激励；
步骤4.2：电动汽车用户，作为博弈从体，以效益函数Uev最小为目标，考虑约束条件，将问题转化为非线性多元函数进行求解，得到此激励下电动汽车各时段最优充放电调度策略集Pt,m(m＝1,...,M)，叠加同一时段的所有电动汽车充放电功率得到当前时段电网的电动汽车负荷情况；
步骤4.3：电网根据各时段电动汽车负荷情况，计算自身适应度函数值，以适应度函数Ugrid最大为目标，运用启发式算法，调整自身的决策方案，得到新的响应激励Ct(t＝1,...,24)，将新的响应激励返回步骤2中；
步骤4.4：重复步骤2和3，直至达到最大迭代次数后，输出电网最优响应激励方法C* t(t＝1,...,24)，及此最优响应激励方法下对应的电动汽车有序充放电调度策略Pt,m *(m＝1,...,M)，所述电网最优响应激励方法及对应的电动汽车有序充放电调度策略，组成车网互动主从博弈模型的纳什均衡解[P* t,m,C* t]。
本发明具有以下有益效果：
1、本发明是同时综合电网和电动汽车用户两者利益的车网互动协调策略，将用户充放电行为纳入电网响应激励制定的影响范围，而非电动汽车被动接受电网的分时电价激励；建立了车网互动的主从博弈模型，引导电动汽车有序充放电，对电网起到削峰填谷的作用，解决了当前分时电价激励下大量电动汽车集中在低价充电造成的峰荷上叠加负荷的情况，同时，也为电网引导电动汽车参与车网互动的激励提供有益参考依据。
2、综合考虑电动汽车用户充电经济性和用电舒适度，挖掘不同用户参与V2G互动意愿间的内在联系，建立有限理性下的电动汽车用户效益函数，更加符合电力市场改革背景下电动汽车参与电网互动的实际情况，更真实的反映用户参与意愿，在保证用户出行不受影响的情况下，有助于提高电动汽车有序充放电调度的可实施性，更好地实现电网与电动汽车的良好互动。
附图说明
图1为有序充放电调度及响应激励方法流程示意图；
图2为车网主从博弈模型的协调优化图；
图3为车网主从博弈模型的求解流程图。
具体实施方式
以下结合附图和具体实施例对本发明作进一步的解释说明；
本实施例具体包括以下步骤，如图1所示：
S1：构造基于V2G的车网互动调度模型架构；
S2：根据不同电动汽车用户对响应激励的响应程度，以充放电功率为决策变量，构建考虑用户偏好的电动汽车有序充放电功率决策模型；
S3：构建电网对电动汽车的响应激励优化决策模型，并将电网和电动汽车用户作为不同地位决策者的优化过程建模为车网互动主从博弈模型；
S4：求解所述车网互动主从博弈模型，多次博弈最终达到斯塔克尔伯格均衡，均衡解即为：电网最优响应激励方法及对应的电动汽车有序充放电调度策略。
本实施例基于图2所示的车网互动调度能量流和信息流关系，构建基于V2G的车网互动调度模型架构，具体为：
为了方便上层领导决策者电网和下层追随决策者电动汽车用户制定合理的决策，构建车网互动调度模型架构，提出日前上报机制。电动汽车用户通过智能充电终端向系统调度机构上报次日使用信息，包括：电动汽车接入系统时间、接入时电动汽车的荷电状态(SOC)、离开系统时间、车辆电池总容量。
电动汽车接入智能充电终端，智能充电终端通过有线通信和远距离无线通信与系统调度机构互动，实现对电动汽车身份识别、传输上报信息和电网对用户参与互动的响应激励的发布与实行。
智能充电终端根据用户目标最优，指导电动汽车进行有序充放电，并将充电负荷反馈给系统调度机构，系统调度机构综合考虑电网效益，按照给定规则对响应激励进行调整，并将结果反馈给智能充电终端，重复信息互动机制，以达到指定收敛条件。
本实施例针对不同电动汽车用户对电网激励的响应程度不同进行分析，以充放电功率为决策变量，构建考虑用户偏好的电动汽车有序充放电功率决策模型，具体为：
电动汽车用户用电经济性目标：
电动汽车根据自身充电需求，向电网支付充电费用；响应V2G参与电网互动，获得一定的响应激励收益，电动汽车m的经济性目标Um,1为
Figure BDA0003441479620000071
式(1)中，Pt,m为电动汽车m的充放电功率，充电为正，放电为负；Ct为响应激励；Ta为可调度时段。
电动汽车用户用电舒适度目标：
电动汽车在无响应激励，即来即充情况下的充电功率为最符合用户自身用电习惯的充电计划，以此负荷需求曲线为舒适度最大曲线；以优化后实际负荷曲线和舒适度最大曲线的偏差作为衡量充电舒适度指标，电动汽车m的舒适度目标Um,2为
Figure BDA0003441479620000072
式(2)中，Dm,t为优化后负荷和即来即充负荷的差值；
Figure BDA0003441479620000073
为电动汽车m在时段t的即来即充负荷；αm为影响系数；km为舒适度指标。
不同用户对充放电过程的需求不同，通过对经济性和舒适度的偏好来体现。采用自适应权重法对电动汽车用户目标进行归一化处理，通过设置不同的权重值体现用户对经济性和舒适度的不同响应程度，得到如下电动汽车用户目标：
Figure BDA0003441479620000081
式(3)中，最小化电动汽车总花费为充放电成本加上改变充放电习惯的边际成本，λ1为经济目标权重，λ2为舒适目标权重。
所述S2中电动汽车有序充放电功率决策模型的约束条件，包括：
-Pmax≤Pt,m≤Pmax (4)
ta＝tdep,m-tstart,m (5)
Figure BDA0003441479620000082
Figure BDA0003441479620000083
PD,t+PEV,t＜Plimit (8)
式(4)为电动汽车充放电功率约束，Pmax为最大充电功率；式(5)为充放电时段约束，tdep,m、tstart,m为电动汽车m接入和离开充电桩的时刻；式(6)为电池能量约束，Eneed,m为电动汽车m接入充电桩后所需的电量总和，Ecap,m为电池容量，γ为离开时车辆SOC需求，SOCb,m为接入充电桩时的SOC，η为充放电效率，以保证车辆离开时电池达到所需电量要求；式(7)为瞬时能量约束，以保证车辆电池安全；式(8)为变压器容量约束。
本实施例构建电网对电动汽车的响应激励优化决策模型，并将电网和电动汽车用户作为不同地位决策者的优化过程建模为车网互动主从博弈模型，具体为：
构建平抑电网负荷波动带来的调峰收益函数U1：
Figure BDA0003441479620000084
式(9)中，PD,t为区域t时段不计入电动汽车的原负荷，PEV,t为t时段电动汽车充电负荷总和，Pavr为总负荷平均值，α为经济系数。
电网对电动汽车的响应激励优化决策模型的目标函数：
Figure BDA0003441479620000091
式(10)中，目标函数为电网向电动汽车售电收益和电网调峰收益之和。
所述S3中电网对电动汽车的响应激励优化决策模型的约束条件，包括：
Ct,min≤Ct≤Ct,max (11)
Figure BDA0003441479620000092
式(11)为响应充放电激励上下限约束，Ct,min为t时刻最低充放电激励，Ct,max为t时刻最大充放电激励；式(12)为平均激励约束，Cavr为一天所有时段的平均响应激励，以保证电力市场的稳定运行。
所述S3中的车网互动主从博弈模型为：
领导者
Figure BDA0003441479620000093
跟随着
Figure BDA0003441479620000094
式(13)中，电网为博弈领导者，其在获得最大收益的同时，需要满足式(11)-式(12)所述的约束条件；式(14)中，电动汽车用户为博弈跟随着，其在支付最小成本的同时，需要满足式(4)-式(8)所述的约束条件。
本实施例，求解所述车网互动主从博弈模型，多次博弈最终达到斯塔克尔伯格均衡，得到电网最优响应激励方法及对应的电动汽车有序充放电调度策略，包括：
由于台区内电动汽车的接入和离开系统的时间具有不确定性，电动汽车的基础参数信息也有所不同，不同电动汽车对同一响应激励的最优充放电功率响应也不同，因此车网互动模型实际上为一主多从的博弈关系，则根据主从博弈模型，确定最优响应激励方法。
进一步的，系统调度机构将电网制定的响应激励方法下放到智能充电终端，电动汽车接入智能充电终端时上传用户信息，包括：电动汽车接入系统时间、接入时电动汽车的荷电状态(SOC)、离开系统时间、车辆电池总容量；按照当前响应激励方法确定电动汽车有序充放电调度策略。
为使车网互动主从博弈模型输出的电网最优响应激励方法及对应的电动汽车有序充放电调度策略为模型均衡解，即同时满足电网和电动汽车用户的收益最大化目标，具体优化步骤如下：
步骤1：所述电动汽车用户和电网并非同时做出决策，而是电网作为博弈主体先制定响应激励；
步骤2：电动汽车用户，作为博弈从体，以效益函数Uev最小为目标，考虑约束条件，将问题转化为非线性多元函数进行求解，得到此激励下电动汽车各时段有序充放电调度策略集Pt,m(m＝1,...,M)，叠加同一时段的所有电动汽车充放电功率得到当前时段电网的电动汽车使用负荷情况；
步骤3：电网根据各时段电动汽车负荷情况，计算自身适应度函数值，以适应度函数Ugrid最大为目标，本实施例运用粒子群算法，初始化为一群随机粒子(随机解)，然后通过迭代，更新粒子，即得到新的响应激励Ct(t＝1,...,24)，将新的响应激励返回步骤2中；
步骤4：重复步骤2和3，直至达到粒子群算法最大迭代次数K后，输出电网最优响应激励方法C* t(t＝1,...,24)，及此最优响应激励方法下对应的电动汽车有序充放电调度策略Pt,m *(m＝1,...,M)，所述电网最优响应激励方法及对应的电动汽车有序充放电调度策略，组成车网互动主从博弈模型的纳什均衡解[P* t,m,C* t]。
在本实施例中，将车网互动主从博弈模型的均衡求解转化为嵌套的目标优化问题，以某实际响应激励为优化初始参数，根据所述电动汽车用户的效用函数确定电动汽车的最优充放电功率，叠加各时段所有电动汽车的充放电功率，得到各时段电网的电动汽车充放电负荷情况；根据所述各时段电网的电动汽车充放电负荷情况，确定电网的适应度函数值，进一步结合电网对电动汽车的激励策略，确定优化后的响应激励，重复电网的适应度函数值计算过程，直至达到算法求解的迭代次数，即达到车网互动主从博弈模型的均衡，输出电网对电动汽车的响应激励和电动汽车有序充放电调度策略组，即本实施例的电网最优响应激励方法和电动汽车有序充放电调度策略。

Claims (8)

1.车网主从博弈的电动汽车有序充放电调度及响应激励方法，其特征在于该方法包括以下步骤：
步骤一，构造基于V2G的车网互动调度模型架构；
步骤二，根据不同电动汽车用户对响应激励的响应程度，以充放电功率为决策变量，构建考虑用户偏好的电动汽车有序充放电功率决策模型；
步骤三，构建电网对电动汽车的响应激励优化决策模型，并将电网和电动汽车用户作为不同地位决策者的优化过程建模为车网互动主从博弈模型；
步骤四，求解所述车网互动主从博弈模型，多次博弈最终达到斯塔克尔伯格均衡，均衡解即为：电网最优响应激励及对应的电动汽车有序充放电调度策略。
2.根据权利要求1所述的车网主从博弈的电动汽车有序充放电调度及响应激励方法，其特征在于，所述构造基于V2G的车网互动调度模型，包括：
电网制定电动汽车参与电网互动的响应激励，通过系统调度机构下送到各智能充电终端，电动汽车用户在接入智能充电终端时，向系统调度机构上报用户信息，包括：电动汽车接入系统时间、接入时电动汽车的荷电状态、离开系统时间、车辆电池总容量；
智能充电终端充分考虑用户效益，指导电动汽车有序充放电，系统调度机构充分考虑电网效益，按照给定规则对响应激励进行调整，并将结果反馈给智能充电终端，重复信息互动机制，以达到指定收敛条件。
3.根据权利要求1所述的车网主从博弈的电动汽车有序充放电调度及响应激励方法，其特征在于，所述根据不同电动汽车用户对电网激励的响应程度不同，以充放电功率为决策变量，构建考虑用户偏好的电动汽车有序充放电功率决策模型，包括：
电动汽车用户用电经济性目标：
电动汽车根据自身充电需求，向电网支付充电费用；响应V2G参与电网互动，获得一定的响应激励收益，电动汽车m的经济性目标Um,1为
Figure FDA0003441479610000011
式(1)中，Pt,m为电动汽车m的充放电功率，充电为正，放电为负；Ct为响应激励；Ta为可调度时段；
电动汽车用户用电舒适度目标：
电动汽车在无响应激励，即来即充情况下的充电功率为最符合用户自身用电习惯的充电计划，以此负荷需求曲线为舒适度最大曲线；以优化后实际负荷曲线和舒适度最大曲线的偏差作为衡量充电舒适度指标，电动汽车m的舒适度目标Um,2为
Figure FDA0003441479610000021
式(2)中，Dm,t为优化后负荷和即来即充负荷的差值；
Figure FDA0003441479610000022
为电动汽车m在时段t的即来即充负荷；αm为影响系数；κm为舒适度指标；
不同用户对充放电过程的需求不同，通过对经济性和舒适度的偏好来体现；采用自适应权重法对电动汽车用户目标进行归一化处理，通过设置不同的权重值体现用户对经济性和舒适度的不同响应程度，得到如下电动汽车用户目标：
Figure FDA0003441479610000025
式(3)中，最小化电动汽车总花费为充放电成本加上改变充放电习惯的边际成本，λ1为经济目标权重，λ2为舒适目标权重。
4.根据权利要求3所述的车网主从博弈的电动汽车有序充放电调度及响应激励方法，其特征在于，所述电动汽车有序充放电功率决策模型的约束条件，包括：
-Pmax≤Pt,m≤Pmax (4)
ta＝tdep,m-tstart,m (5)
Figure FDA0003441479610000023
Figure FDA0003441479610000024
PD,t+PEV,t＜Plimit (8)
式(4)为电动汽车充放电功率约束，Pmax为最大充电功率；式(5)为充放电时段约束，tdep,m、tstart,m为电动汽车m接入和离开充电桩的时刻；式(6)为电池能量约束，Eneed,m为电动汽车m接入充电桩后所需的电量总和，Ecap,m为电池容量，γ为离开时车辆SOC需求，SOCb,m为接入充电桩时的SOC，η为充放电效率，以保证车辆离开时电池达到所需电量要求；式(7)为瞬时能量约束，以保证车辆电池安全；式(8)为变压器容量约束。
5.根据权利要求1所述的车网主从博弈的电动汽车有序充放电调度及响应激励方法，其特征在于，所述构建电网对电动汽车的响应激励优化决策模型，并将电网和电动汽车用户作为不同地位决策者的优化过程建模为车网互动主从博弈模型，包括：
构建平抑电网负荷波动带来的调峰收益函数U1：
Figure FDA0003441479610000031
式(9)中，PD,t为区域t时段不计入电动汽车的原负荷，PEV,t为t时段电动汽车充电负荷总和，Pavr为总负荷平均值，α为经济系数；
电网对电动汽车的响应激励优化决策模型的目标函数：
Figure FDA0003441479610000032
式(10)中，目标函数为电网向电动汽车售电收益和电网调峰收益之和。
6.根据权利要求5所述的车网主从博弈的电动汽车有序充放电调度及响应激励方法，其特征在于，步骤三中电网对电动汽车的响应激励优化决策模型的约束条件，包括：
Ct,min≤Ct≤Ct,max (11)
Figure FDA0003441479610000041
式(11)为响应充放电激励上下限约束，Ct,min为t时刻最低充放电激励，Ct,max为t时刻最大充放电激励；式(12)为平均激励约束，Cavr为一天所有时段的平均响应激励，以保证电力市场的稳定运行。
7.根据权利要求5所述的车网主从博弈的电动汽车有序充放电调度及响应激励方法，其特征在于，所述步骤三中的车网互动主从博弈模型为：
领导者
Figure FDA0003441479610000042
跟随者
Figure FDA0003441479610000043
式(13)中，电网为博弈领导者，其在获得最大收益的同时，需要满足式(11)-式(12)所述的约束条件；式(14)中，电动汽车用户为博弈跟随者，其在支付最小成本的同时，需要满足式(4)-式(8)所述的约束条件。
8.根据权利要求1所述的车网主从博弈的电动汽车有序充放电调度及响应激励方法，其特征在于，所述求解所述车网互动主从博弈模型，多次博弈最终达到斯塔克尔伯格均衡，得到电网最优响应激励方法及对应的电动汽车有序充放电调度策略，包括：
步骤4.1：所述电动汽车用户和电网并非同时做出决策，而是电网作为博弈主体先制定响应激励；
步骤4.2：电动汽车用户，作为博弈从体，以效益函数Uev最小为目标，考虑约束条件，将问题转化为非线性多元函数进行求解，得到此激励下电动汽车各时段最优充放电调度策略集Pt,m(m＝1,...,M)，叠加同一时段的所有电动汽车充放电功率得到当前时段电网的电动汽车负荷情况；
步骤4.3：电网根据各时段电动汽车负荷情况，计算自身适应度函数值，以适应度函数Ugrid最大为目标，运用启发式算法，调整自身的决策方案，得到新的响应激励Ct(t＝1,...,24)，将新的响应激励返回步骤2中；
步骤4.4：重复步骤2和3，直至达到最大迭代次数后，输出电网最优响应激励方法C* t(t＝1,...,24)，及此最优响应激励方法下对应的电动汽车有序充放电调度策略Pt,m *(m＝1,...,M)，所述电网最优响应激励方法及对应的电动汽车有序充放电调度策略，组成车网互动主从博弈模型的纳什均衡解[P* t,m,C* t]。
CN202111632656.1A 2021-12-29 2021-12-29 车网主从博弈的电动汽车有序充放电调度及响应激励方法 Active CN114336706B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111632656.1A CN114336706B (zh) 2021-12-29 2021-12-29 车网主从博弈的电动汽车有序充放电调度及响应激励方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111632656.1A CN114336706B (zh) 2021-12-29 2021-12-29 车网主从博弈的电动汽车有序充放电调度及响应激励方法

Publications (2)

Publication Number Publication Date
CN114336706A true CN114336706A (zh) 2022-04-12
CN114336706B CN114336706B (zh) 2023-11-14

Family

ID=81014725

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111632656.1A Active CN114336706B (zh) 2021-12-29 2021-12-29 车网主从博弈的电动汽车有序充放电调度及响应激励方法

Country Status (1)

Country Link
CN (1) CN114336706B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114781061A (zh) * 2022-04-20 2022-07-22 国网江苏省电力有限公司电力科学研究院 一种电动汽车集群响应能力评估方法及装置
CN115439138A (zh) * 2022-08-03 2022-12-06 广东奔流能源有限公司 一种电动汽车充放电功率优化分配方法及系统
CN117429303A (zh) * 2023-10-10 2024-01-23 北京理工大学前沿技术研究院 一种基于物联网的电动汽车电池更换方法、系统及设备

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111639303A (zh) * 2020-05-29 2020-09-08 深圳供电局有限公司 一种电动汽车有序充电博弈方法及装置
CN112257905A (zh) * 2020-09-30 2021-01-22 广东电网有限责任公司广州供电局 一种考虑三方博弈的激励型需求响应方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111639303A (zh) * 2020-05-29 2020-09-08 深圳供电局有限公司 一种电动汽车有序充电博弈方法及装置
CN112257905A (zh) * 2020-09-30 2021-01-22 广东电网有限责任公司广州供电局 一种考虑三方博弈的激励型需求响应方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114781061A (zh) * 2022-04-20 2022-07-22 国网江苏省电力有限公司电力科学研究院 一种电动汽车集群响应能力评估方法及装置
CN114781061B (zh) * 2022-04-20 2024-01-23 国网江苏省电力有限公司电力科学研究院 一种电动汽车集群响应能力评估方法及装置
CN115439138A (zh) * 2022-08-03 2022-12-06 广东奔流能源有限公司 一种电动汽车充放电功率优化分配方法及系统
CN117429303A (zh) * 2023-10-10 2024-01-23 北京理工大学前沿技术研究院 一种基于物联网的电动汽车电池更换方法、系统及设备
CN117429303B (zh) * 2023-10-10 2024-03-12 北京理工大学前沿技术研究院 一种基于物联网的电动汽车电池更换方法、系统及设备

Also Published As

Publication number Publication date
CN114336706B (zh) 2023-11-14

Similar Documents

Publication Publication Date Title
CN114336706A (zh) 车网主从博弈的电动汽车有序充放电调度及响应激励方法
Patil et al. Grid integration of electric vehicles for economic benefits: A review
CN108667052B (zh) 一种面向虚拟电厂优化运行的多类型储能系统规划配置方法及系统
CN111260237B (zh) 一种考虑ev车主意愿的多利益主体协调博弈调度方法
CN109484240B (zh) 一种基于分群控制的电动汽车集群实时充电优化方法
CN106934542A (zh) 一种基于斯塔克伯格博弈论的电动汽车需求响应调控方法
CN110112767B (zh) 广域多形态需求侧负荷参与系统调峰的荷源优化控制方法
CN104966127B (zh) 一种基于需求响应的电动汽车经济调度方法
CN109657993B (zh) 一种基于非合作博弈的能源局域网储能系统自动需求响应方法
CN108062619B (zh) 一种轨道车辆车地一体化容量配置方法及装置
CN108875992A (zh) 一种考虑需求响应的虚拟电厂日前优化调度方法
CN109299817A (zh) 兼顾车主响应与电网成本的电动汽车充放电价优化方法
CN111422094A (zh) 分布式充电桩的充放电协调优化控制方法
CN113258581B (zh) 一种基于多智能体的源荷协调电压控制方法及装置
CN113887032A (zh) 基于拉格朗日分布式算法的电动汽车有序充放电控制方法
CN105576684B (zh) 一种含高渗透率光电微电网中的电动汽车优化调度方法
CN112800658A (zh) 一种考虑源储荷互动的主动配电网调度方法
WO2024092954A1 (zh) 基于深度强化学习的电力系统调控方法
CN104078978A (zh) 一种面向智能电网的电动汽车入网一次调频控制方法
CN110929454A (zh) 研究主动配电网与分布式电源、储能及多样性负荷的交互作用机理的方法
CN106532774A (zh) 一种电动车辆接入多微电网电力分配系统及方法
CN109685287A (zh) 增量配电网电源容量多目标优化配置方法
CN115439138A (zh) 一种电动汽车充放电功率优化分配方法及系统
CN108808655A (zh) 一种用于对电动汽车参与微网调频的经济性评估方法及系统
CN112277711B (zh) 一种考虑匹配电动汽车的多充电模式充电桩控制方法

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
TA01 Transfer of patent application right

Effective date of registration: 20230927

Address after: 310018 Baiyang street, Qiantang District, Hangzhou City, Zhejiang Province

Applicant after: HANGZHOU DIANZI University

Applicant after: State Grid Zhejiang Electric Power Co., Ltd. Hangzhou Qiantang District Power Supply Co.

Address before: 310018 Baiyang street, Qiantang District, Hangzhou City, Zhejiang Province

Applicant before: HANGZHOU DIANZI University

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant