CN114357693A - 一种考虑源-网-桩的电动汽车充电决策优化策略 - Google Patents

一种考虑源-网-桩的电动汽车充电决策优化策略 Download PDF

Info

Publication number
CN114357693A
CN114357693A CN202111346527.6A CN202111346527A CN114357693A CN 114357693 A CN114357693 A CN 114357693A CN 202111346527 A CN202111346527 A CN 202111346527A CN 114357693 A CN114357693 A CN 114357693A
Authority
CN
China
Prior art keywords
charging
network
electric vehicle
time
pile
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
CN202111346527.6A
Other languages
English (en)
Inventor
姬旭东
邰伟
韩青青
温积群
王慕将
张之轩
杨迁
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.)
Nanjing Dongbo Intelligent Energy Research Institute Co ltd
Wenzhou Science And Technology Branch Of Zhejiang Tusheng Transmission And Transfer Engineering Co ltd
Original Assignee
Nanjing Dongbo Intelligent Energy Research Institute Co ltd
Wenzhou Science And Technology Branch Of Zhejiang Tusheng Transmission And Transfer Engineering Co ltd
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 Nanjing Dongbo Intelligent Energy Research Institute Co ltd, Wenzhou Science And Technology Branch Of Zhejiang Tusheng Transmission And Transfer Engineering Co ltd filed Critical Nanjing Dongbo Intelligent Energy Research Institute Co ltd
Priority to CN202111346527.6A priority Critical patent/CN114357693A/zh
Publication of CN114357693A publication Critical patent/CN114357693A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • 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
    • Y02T90/14—Plug-in electric vehicles

Landscapes

  • Charge And Discharge Circuits For Batteries Or The Like (AREA)

Abstract

本发明涉及能源效率与低碳技术领域，且公开了一种考虑源‑网‑桩的电动汽车充电决策优化策略，该策略在以新能源为主体的新型电力系统背景下，对优化电动汽车充电行为、电网稳定运行以及电网碳减排具有重要意义，该方法首先在路‑电耦合网络模型中引入光伏电站，并提出“源‑网‑桩”网络权重计算方法，然后提出综合考虑充电时间，碳排放，充电费用，耦合网络运行状态，光伏出力特性的源‑网‑桩电动汽车充电策略，减小电动汽车的充电排队时间、降低电网碳排放量；该一种考虑源‑网‑桩的电动汽车充电决策优化策略，能够有效减少EV充电时间，降低电网碳排放量，对减少电动汽车充电行为所产生的碳排放，降低EV用户充电成本有重要意义和实用价值。

Description

一种考虑源-网-桩的电动汽车充电决策优化策略
技术领域
本发明涉及能源效率与低碳技术领域，具体为一种考虑源-网-桩的电动汽车充电决策优化策略。
背景技术
双碳目标下、电网将转变为以新能源为主的新型电力系统，电网的波动性将显著增强，电动汽车接入数量不断增长，对电网运行带来冲击，影响交通运行，对电动汽车充电行为进行优化，对优化电网运行、减小交通压力、降低碳排放具有重要意义，为缓解环境逐步恶化，能源紧缺的现状，清洁能源和电动汽车接入电网数量逐渐增多，目前电动汽车的大规模接入会使得电网尖峰负荷持续攀升，电网调峰压力加大，并且电动汽车无序出行会导致电网的峰谷差加大、电压下降等问题，现有电动汽车充电方式主要有快充和慢充两类：慢充方式主要通过选择电动汽车充电时间段来响应电网需求，快充方式主要引导电动汽车选择充电时间短、更加经济的充电方式，随着经济的快速发展，选择快充模式的用户逐渐增多，所以本文主要研究快充模式，在快充决策中，有学者利用博弈论的方法，对车、站、网多方进行调控，有学者基于电价调控的方式引导电动汽车充电行为，并通过价格的方式，引导电动汽车消纳更多的新能源，但上述方法忽略了电动汽车的交通属性，在新型电力系统环境下，并未综合考虑电动汽车充电成本、对电网影响、以及对碳排放的影响。
现有技术存在以下缺陷与不足：
电动汽车在进行充电时，其充电行为会产生电网充电拥堵及路网交通拥堵，使得充电成本、碳排放量较高，而光伏消纳水平却较低。
发明内容
针对现有技术的不足，本发明提供了一种考虑源-网-桩的电动汽车充电决策优化策略，首先分析光伏发电特性，以及对电网的影响，以路-电耦合网络模型为基础，引入光伏电站，并计算“源-网-桩”的网络权重，然后构建“源-网-桩”聚合充电模型，提出“源网桩”充电决策方法，以碳排放、充电时长为要素，引导EV用户充电行为，对减小用户充电成本、减小路网交通压力、降低电网碳排放具有重要意义。
为实现上述的一种考虑源-网-桩的电动汽车充电决策优化策略目的，本发明提供如下技术方案：一种考虑源-网-桩的电动汽车充电决策优化策略，包括如下步骤：
(1)基于分层图论的原理，研究路-电耦合模型；
(2)搭建路-电耦合模型，并在此模型的基础上计算路、电网权重；
(3)基于路-电耦合模型及相关计算，提出“源-网-桩”充电聚合模型；
(4)基于构建的“源-网-桩”充电聚合模型进行求解，构建“源-网-桩”的电动汽车充电决策优化策略；
(5)基于“源-网-桩”的电动汽车充电决策优化策略，充分降低电动汽车充电成本、降低碳排放、提高光伏消纳水平。
优选的，所述步骤(1)中，由于电动汽车在行驶和充电过程中会同时影响电网与路网的运行状态，为了能够量化研究电动汽车这一行为给电网和路网带来的影响，需要借助基于分层图论的路-电耦合模型来具体分析，路-电耦合模型如图1所示，路-电耦合拓扑式见式(1)：
Figure RE-GDA0003551454780000021
式中Gr指代路网，Gg指代电网，Er-g指代两者的耦合关系，Vr是指路网节点，Vg指电网节点，路网拓扑公式见(2)；
Figure RE-GDA0003551454780000022
式中Vr为路网节点、Er为路网边、
Figure RE-GDA0003551454780000025
为路网边权重，
Figure RE-GDA0003551454780000023
为路网节点权重，电网拓扑公式见式(3)；
Figure RE-GDA0003551454780000024
式中Vg为电网节点，Eg为电网边，
Figure RE-GDA0003551454780000031
为电网边权重，
Figure RE-GDA0003551454780000032
为电网节点权重。
优选的，所述步骤(2)中，考虑实际路况、路段、时间对通行速度的影响，用t0表示零流通道路行驶平均时间，用TTI来表示路段、时间对道路通行速度的影响，引入拥堵系数来实时模拟路况并考虑节点连接外部道路的问题，由此可得路网权重计算如式(4)、 (5)、(6)：
Figure RE-GDA0003551454780000033
Figure RE-GDA0003551454780000034
Figure RE-GDA0003551454780000035
其中式(4)表示t时刻道路ab间的平均通行时间，
Figure 1
为道路ab的零流通时间，μa,b,t为道路拥挤系数，I t为t时刻的TTI，式(5)表示t时刻路网节点a处的路网权重，J表示路网节点个数，式(6)表示考虑边界节点外接道路的路网权重计算，Jex为边界节点个数，考虑光伏加入后的电网节点权重计算，潮流平衡公式如式(7)所示
Figure RE-GDA0003551454780000037
式中
Figure RE-GDA0003551454780000038
为t时刻的光伏输出功率，
Figure RE-GDA0003551454780000039
为t时刻节点h的注入有功、无功功率，
Figure RE-GDA00035514547800000310
Figure RE-GDA00035514547800000311
为节点除电动汽车充电功率外的其他负荷，
Figure 2
为电动汽车的充电功率，Uh,t为节点电压，Gh,d为节点间电导，Bh,d为节点间电纳，由于光伏入网要求与配电网电压一致，所以本发明不考虑无功功率问题，仅考虑光伏入网后对电网有功功率影响，计算电网权重公式如(8)式所示，本发明采用电网某一节点电压差来判断电网运行状态，
Figure RE-GDA00035514547800000313
λG是电网权重量纲系数，ΔUa,t是指在t时刻，电网节点a的电压变化量。
优选的，所述步骤(3)中，基于提出的路-电耦合模型及路、电网网络权重计算，考虑电动汽车充电拥堵，产生碳排放、光伏利用率低，提出“源-网-桩”充电聚合模型方案，由于电动汽车用户是通过充电APP获得各充电站充电桩剩余情况及充电费用，并通过软件提供的充电方式进行决策，另外，用户充电决策会影响到路、电耦合网络的运行情况，对此，通过对火力充电站、光伏充电站收取不同的碳排放费用，引导用户在有序充电的前提下尽量选择碳排放更少的光伏站，在改善耦合网络运行的情况下实现节能减排，其中含光伏出力的耦合网络、信息存储平台、充电服务费、电动汽车用户的充电决策构成了一个闭环，源-网-桩聚合充电模型如图2，其充电站实时服务费如式(9)；
Figure RE-GDA0003551454780000041
P为充电站的充电服务费，P0为充电站的基础服务费，λ为耦合网络权重的量纲系数。
优选的，所述步骤(4)中，基于构建的“源-网-桩”充电聚合模型进行求解，提出构建“源-网-桩”的电动汽车充电决策优化策略，本发明所提出的电动汽车充电决策优化策略综合考虑充电服务费、时间成本、碳排放费，以“源-网-桩”充电成本最小为目标，构建了“源-网-桩”充电成本的数学模型；
(1)目标函数
综合考虑基本充电费用、实时充电费用、碳费用、时间成本，以电动汽车充电总成本最小为目标，见公式(10)；
Smin＝π(p+pin+(kc1+kc2)Pe)+t1+t2 (10)
式中Smin是最小充电总成本，pin是充电站电价，kc1与kc2为光伏、火电供电的充电站碳排放系数，Pe为电动汽车充电功率，t1是汽车行驶到充电站的时间，t2是汽车等待充电的排队时间，π是量纲系数，其物理含义为时间成本与支付费用间的换算，K包括(kc1、 kc2)，是碳排放系数，Cca是电动汽车充电产生的碳排放量；
(2)约束条件
约束条件主要包括充电服务费约束、出行时间约束、充电成本约束、剩余电量约束、充电功率约束、碳排放约束；
(1)充电服务费约束
P≥P0 (11)
Pmax≤P≤Pmin (12)
其中(9)式表明了充电服务费要大于或等于基础服务费，(10)是指充电服务费的收取有上限和下限；
(2)出行时间约束
γ(t)∈Π＝{γ1,γ2,...γn} (13)
式中γ(t)为t时刻出行行程，Π为一天出行次数的合集，γ1—γn为第一次到第n次出行；
(3)充电成本约束
S≤S' (14)
式中S'为未使用优化策略的电动汽车用户在任意时间去任意充电站的充电成本；
(4)剩余电量约束
SOC≤SOCt (15)
式中SOC为电动汽车开到充电站所耗费的电量，SOCt为电动汽车的剩余电量；
(5)充电功率约束
∑P+Pe≤Pcap (16)
式中∑P为电动汽车充电之前充电站的总充电功率，Pcap为充电站的容量；
(6)碳排放约束
0≤Cca≤K*Pe (17)
约束(17)表示该电动汽车充电行为产生的碳排放量应当不超过电动汽车充电功率换算的碳排放量；
电动汽车充电决策优化策略步骤流程图如图3所示，具体如下：
(1)、物联网信息平台储存各充电站前一天的充电费用，充电时长数据；
(2)、平台查看t时刻充电桩占用情况，并获取t时刻路、电网权重；
(3)、平台根据获取的数据制定充电服务费；
(4)、规定平台计算一天的电动汽车出行行程，①当时间小于24小时时，平台首先获取用户出行意向，然后按照优化策略提供适合的充电方案；等待用户选择之后记录用户所作决策和充电成本；然后更新新一轮的路、电网权重以及电动汽车负荷情况；更新充电服务费，接着进行新一轮的循环；②当时间大于24小时，结束循环。
优选的，所述步骤(5)中，基于“源-网-桩”的电动汽车充电决策优化的调控策略，以电动汽车充电成本为最小目标，输出最优电动汽车充电决策，供电动汽车用户参考。
与现有技术相比，本发明提供了一种考虑源-网-桩的电动汽车充电决策优化策略，具备以下有益效果：
本发明对电动汽车充电行为所带来的充电拥挤、道路交通堵塞，碳排放较高等问题，考虑“源-网-桩”综合运行特征，构建了“源-网-桩”聚合充电模型，进而，针对电动汽车充电行为，提出了“源-网-桩”充电优化决策策略，本发明所提策略充分利用了光伏发电特性、电动汽车的路网、电网特征，增加光伏消纳空间，在降低用户排队时间、降低电网碳排放的同时缓解新能源出力的不确定性、电动汽车充电随机性、对提升“源-网-桩”综合运行特性具有重要意义。
附图说明
图1为本发明的思维图；
图2为本发明的路-电耦合网络模型图；
图3为本发明的源-网-桩充电服务费制定图；
图4为本发明的充电服务费制定流程图；
图5为本发明的路-电网络模型结构图；
图6为本发明的功率预测曲线图；
图7为本发明的调控前负荷曲线图；
图8为本发明的调控后负荷曲线图；
图9为本发明的优化前后碳排放量曲线图；
图10为本发明的算例仿真所用参数及其取值数据图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-10，一种考虑源-网-桩的电动汽车充电决策优化策略，包括如下步骤：
(1)基于分层图论的原理，研究路-电耦合模型；
(2)搭建路-电耦合模型，并在此模型的基础上计算路、电网权重；
(3)基于路-电耦合模型及相关计算，提出“源-网-桩”充电聚合模型；
(4)基于构建的“源-网-桩”充电聚合模型进行求解，构建“源-网-桩”的电动汽车充电决策优化策略；
(5)基于“源-网-桩”的电动汽车充电决策优化策略，充分降低电动汽车充电成本、降低碳排放、提高光伏消纳水平。
综上，步骤(1)中，由于电动汽车在行驶和充电过程中会同时影响电网与路网的运行状态，为了能够量化研究电动汽车这一行为给电网和路网带来的影响，需要借助基于分层图论的路-电耦合模型来具体分析，路-电耦合模型如图1所示，路-电耦合拓扑式见式(1)：
Figure RE-GDA0003551454780000071
式中Gr指代路网，Gg指代电网，Er-g指代两者的耦合关系，Vr是指路网节点，Vg指电网节点，路网拓扑公式见(2)；
Figure RE-GDA0003551454780000072
式中Vr为路网节点、Er为路网边、
Figure RE-GDA0003551454780000073
为路网边权重，
Figure RE-GDA0003551454780000074
为路网节点权重，电网拓扑公式见式(3)；
Figure RE-GDA0003551454780000075
式中Vg为电网节点，Eg为电网边，
Figure RE-GDA0003551454780000076
为电网边权重，
Figure RE-GDA0003551454780000077
为电网节点权重。
步骤(2)中，考虑实际路况、路段、时间对通行速度的影响，用t0表示零流通道路行驶平均时间，用TTI来表示路段、时间对道路通行速度的影响，引入拥堵系数来实时模拟路况并考虑节点连接外部道路的问题，由此可得路网权重计算如式(4)、(5)、(6)：
Figure RE-GDA0003551454780000078
Figure RE-GDA0003551454780000081
Figure RE-GDA0003551454780000082
其中式(4)表示t时刻道路ab间的平均通行时间，
Figure 100002_3
为道路ab的零流通时间，μa,b,t为道路拥挤系数，It为t时刻的TTI，式(5)表示t时刻路网节点a处的路网权重，J表示路网节点个数，式(6)表示考虑边界节点外接道路的路网权重计算，Jex为边界节点个数，考虑光伏加入后的电网节点权重计算，潮流平衡公式如式(7)所示；
Figure RE-GDA0003551454780000084
式中
Figure RE-GDA0003551454780000085
为t时刻的光伏输出功率，
Figure RE-GDA0003551454780000086
为t时刻节点h的注入有功、无功功率，
Figure RE-GDA0003551454780000087
Figure RE-GDA0003551454780000088
为节点除电动汽车充电功率外的其他负荷，
Figure 100002_4
为电动汽车的充电功率，Uh,t为节点电压，Gh,d为节点间电导，Bh,d为节点间电纳，由于光伏入网要求与配电网电压一致，所以本发明不考虑无功功率问题，仅考虑光伏入网后对电网有功功率影响，计算电网权重公式如(8)式所示，本发明采用电网某一节点电压差来判断电网运行状态；
Figure RE-GDA00035514547800000810
λG是电网权重量纲系数，ΔUa,t是指在t时刻，电网节点a的电压变化量。
步骤(3)中，基于提出的路-电耦合模型及路、电网网络权重计算，考虑电动汽车充电拥堵，产生碳排放、光伏利用率低，提出“源-网-桩”充电聚合模型方案，由于电动汽车用户是通过充电APP获得各充电站充电桩剩余情况及充电费用，并通过软件提供的充电方式进行决策，另外，用户充电决策会影响到路、电耦合网络的运行情况，对此，通过对火力充电站、光伏充电站收取不同的碳排放费用，引导用户在有序充电的前提下尽量选择碳排放更少的光伏站，在改善耦合网络运行的情况下实现节能减排，其中含光伏出力的耦合网络、信息存储平台、充电服务费、电动汽车用户的充电决策构成了一个闭环，源-网-桩聚合充电模型如图2，其充电站实时服务费如式(9)；
Figure RE-GDA00035514547800000811
P为充电站的充电服务费，P0为充电站的基础服务费，λ为耦合网络权重的量纲系数。
步骤(4)中，基于构建的“源-网-桩”充电聚合模型进行求解，提出构建“源-网-桩”的电动汽车充电决策优化策略，本发明所提出的电动汽车充电决策优化策略综合考虑充电服务费、时间成本、碳排放费，以“源-网-桩”充电成本最小为目标，构建了“源-网-桩”充电成本的数学模型；
(1)目标函数
综合考虑基本充电费用、实时充电费用、碳费用、时间成本，以电动汽车充电总成本最小为目标，见公式(10)
Smin＝π(p+pin+(kc1+kc2)Pe)+t1+t2 (10)
式中Smin是最小充电总成本，pin是充电站电价，kc1与kc2为光伏、火电供电的充电站碳排放系数，Pe为电动汽车充电功率，t1是汽车行驶到充电站的时间，t2是汽车等待充电的排队时间，π是量纲系数，其物理含义为时间成本与支付费用间的换算，K包括(kc1、 kc2)，是碳排放系数，Cca是电动汽车充电产生的碳排放量；
(2)约束条件
约束条件主要包括充电服务费约束、出行时间约束、充电成本约束、剩余电量约束、充电功率约束、碳排放约束；
(1)充电服务费约束
P≥P0 (11)
Pmax≤P≤Pmin (12)
其中(11)式表明了充电服务费要大于或等于基础服务费，(12)是指充电服务费的收取有上限和下限；
(2)出行时间约束
γ(t)∈Π＝{γ1,γ2,...γn} (13)
式中γ(t)为t时刻出行行程，Π为一天出行次数的合集，γ1—γn为第一次到第n次出行；
(3)充电成本约束
S≤S' (14)
式中S'为未使用优化策略的电动汽车用户在任意时间去任意充电站的充电成本；
(4)剩余电量约束
SOC≤SOCt (15)
式中SOC为电动汽车开到充电站所耗费的电量，SOCt为电动汽车的剩余电量；
(5)充电功率约束
∑P+Pe≤Pcap (15)
式中∑P为电动汽车充电之前充电站的总充电功率，Pcap为充电站的容量；
(6)碳排放约束
0≤Cca≤K*Pe (17)
约束(17)表示该电动汽车充电行为产生的碳排放量应当不超过电动汽车充电功率换算的碳排放量；
电动汽车充电决策优化策略步骤流程图如图3所示，具体如下：
(1)、物联网信息平台储存各充电站前一天的充电费用，充电时长数据；
(2)、平台查看t时刻充电桩占用情况，并获取t时刻路、电网权重；
(3)、平台根据获取的数据制定充电服务费；
(4)、规定平台计算一天的电动汽车出行行程；①当时间小于24小时时，平台首先获取用户出行意向，然后按照优化策略提供适合的充电方案；等待用户选择之后记录用户所作决策和充电成本；然后更新新一轮的路、电网权重以及电动汽车负荷情况；更新充电服务费，接着进行新一轮的循环；②当时间大于24小时，结束循环。
步骤(5)中，基于“源-网-桩”的电动汽车充电决策优化的调控策略，以电动汽车充电成本为最小目标，输出最优电动汽车充电决策，供电动汽车用户参考。
本发明的工作使用步骤为：
(1)考虑电动汽车在行驶和充电过程中对电网与路网的运行有影响，为能量化研究电动汽车这一行为给电网和路网带来的影响，借助基于分层图论的基本原理，研究路-电耦合模型；
(2)搭建路-电耦合模型，如图1所示，综合考虑路、电网运行涉及相关参数的情况，计算路、电网权重；
(3)基于提出的路-电耦合模型及路、电网网络权重计算，考虑电动汽车充电拥堵，产生碳排放、光伏利用率低，提出“源-网-桩”充电聚合模型方案；
(4)基于构建的“源-网-桩”充电聚合模型进行求解，构建“源-网-桩”的电动汽车充电决策优化策略，本发明所提出的考虑碳排放的源-网-桩电动汽车充电费用最小模型包含了充电时间，排队时间，碳费用等因素，然后结合电动汽车出行计划，历史数据来制定电动汽车充电决策，其步骤流程图如图3所示，具体如下：
1)物联网信息平台储存各充电站前一天的充电费用，充电时长数据；
2)平台查看t时刻充电桩占用情况，并获取t时刻路、电网权重；
3)平台根据获取的数据制定充电服务费；
4)规定平台计算一天的电动汽车出行行程；①当时间小于24小时时，平台首先获取用户出行意向，然后按照优化策略提供适合的充电方案；等待用户选择之后记录用户所作决策和充电成本；然后更新新一轮的路、电网权重以及电动汽车负荷情况；更新充电服务费，接着进行新一轮的循环；②当时间大于24小时，结束循环；
(5)基于“源-网-桩”的电动汽车充电决策优化策略，充分降低电动汽车充电成本、降低碳排放、提高光伏消纳水平。
本一种考虑源-网-桩的电动汽车充电决策优化策略在使用时，通过以新能源为主体的新型电力系统背景下，对优化电动汽车(electric vehicle，EV)充电行为、电网稳定运行以及电网碳减排具有重要意义，该方法首先在路-电耦合网络模型中引入光伏电站，并提出“源 -网-桩”网络权重计算方法，然后提出综合考虑充电时间，碳排放，充电费用，耦合网络运行状态，光伏出力特性的源-网-桩电动汽车充电策略，减小电动汽车的充电排队时间、降低电网碳排放量，最后，仿真结果验证了本发明方法的优越性和有效性，本发明所提方法能够有效减少EV充电时间，降低电网碳排放量，对减少电动汽车充电行为所产生的碳排放，降低EV用户充电成本有重要的意义和实用价值。
本一种考虑源-网-桩的电动汽车充电决策优化策略，为了验证本发明所提策略的优越性和有效性，下面以一个简单的算例说明本方法的实施流程，算例选择某地兼有火电，光伏充电站分布的地区为交通网，该路网包含了31个节点，设置车辆数为300辆，有五座充电站，两座是光伏充电站，三座是火电充电站，一共有30个充电桩，充电功率为120kW，电网负荷规模采用IEEE33节点配电网，路电耦合网络结构如图4所示，仿真所用参数见图10；通过负荷模拟，得到光伏充电站和火力充电站出力预测曲线如图4.由出力曲线图可知，晴天光伏出力从早上5点开始，晚上10点结束，晚上10点到第二天早上5点，光照强度约为0，光伏出力约为0；在中午时段，11点到下午2点之间光照强度最强，光伏出力随之达到峰值，火电出力曲线刚好弥补光伏出力缺陷；通过有序、无序充电负荷模拟得到电动汽车有序、无序负荷模拟曲线，由图5、图6对比可以看出调控前电动汽车在10 点到14点，21点到22点呈现出两个EV充电高峰，前者是由于出勤高峰之后大量电动车到达工作区进行充电，后者是由于用户下班回家之后在住宅区进行充电所出现的充电高峰，而经过调控之后，原先由于充电堵塞，网络权重升高，含碳费用的充电服务费提高，大量EV用户选择延后充电时间，因而整体的充电高峰集中在10点到18点，双峰特性消失，网络权重降低，配电网可以平缓运行，通过对有序、无序前后的电动汽车充电排队时间进行模拟，由图7可看出经过优化之后的电动汽车充电时间较之前减少将近1倍，由图 8可以看出优化后的碳排放曲线略低于优化前的碳排放曲线，证明了本发明通过碳费用引导电动汽车用户选择充电费用较低的光伏充电站，减少火力充电站的参与，间接降低碳排放量的优化策略的有效性。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种考虑源-网-桩的电动汽车充电决策优化策略，其特征在于，所述方法包括如下步骤：
(1)基于分层图论的原理，研究路-电耦合模型；
(2)搭建路-电耦合模型，并在此模型的基础上计算路、电网权重；
(3)基于路-电耦合模型及相关计算，提出“源-网-桩”充电聚合模型；
(4)基于构建的“源-网-桩”充电聚合模型进行求解，构建“源-网-桩”的电动汽车充电决策优化策略；
(5)基于“源-网-桩”的电动汽车充电决策优化策略，充分降低电动汽车充电成本、降低碳排放、提高光伏消纳水平。
2.根据权利要求1所述的一种考虑源-网-桩的电动汽车充电决策优化策略，其特征在于：
Figure RE-FDA0003551454770000011
式中Gr指代路网，Gg指代电网，Er-g指代两者的耦合关系，Vr是指路网节点，Vg指电网节点，路网拓扑公式见(2)；
Figure RE-FDA0003551454770000012
式中Vr为路网节点、Er为路网边、
Figure RE-FDA0003551454770000013
为路网边权重，
Figure RE-FDA0003551454770000014
为路网节点权重，电网拓扑公式见式(3)；
Figure RE-FDA0003551454770000015
式中Vg为电网节点，Eg为电网边，
Figure RE-FDA0003551454770000016
为电网边权重，
Figure RE-FDA0003551454770000017
为电网节点权重。
3.根据权利要求1所述的一种考虑源-网-桩的电动汽车充电决策优化策略，其特征在于：所述步骤(2)中，考虑实际路况、路段、时间对通行速度的影响，用t0表示零流通道路行驶平均时间，用TTI来表示路段、时间对道路通行速度的影响，引入拥堵系数来实时模拟路况并考虑节点连接外部道路的问题，由此可得路网权重计算如式(4)、(5)、(6)：
Figure RE-FDA0003551454770000021
Figure RE-FDA0003551454770000022
Figure RE-FDA0003551454770000023
其中式(4)表示t时刻道路ab间的平均通行时间，
Figure 5
为道路ab的零流通时间，μa,b,t为道路拥挤系数，It为t时刻的TTI，式(5)表示t时刻路网节点a处的路网权重，J表示路网节点个数，式(6)表示考虑边界节点外接道路的路网权重计算，Jex为边界节点个数，考虑光伏加入后的电网节点权重计算，潮流平衡公式如式(7)所示；
Figure 3
式中
Figure RE-FDA0003551454770000026
为t时刻的光伏输出功率，
Figure RE-FDA0003551454770000027
为t时刻节点h的注入有功、无功功率，
Figure RE-FDA0003551454770000028
Figure RE-FDA0003551454770000029
为节点除电动汽车充电功率外的其他负荷，
Figure 4
为电动汽车的充电功率，Uh,t为节点电压，Gh,d为节点间电导，Bh,d为节点间电纳，由于光伏入网要求与配电网电压一致，所以本发明不考虑无功功率问题，仅考虑光伏入网后对电网有功功率影响，计算电网权重公式如(8)式所示，本发明采用电网某一节点电压差来判断电网运行状态；
Figure RE-FDA00035514547700000211
λG是电网权重量纲系数，ΔUa,t是指在t时刻，电网节点a的电压变化量。
4.根据权利要求1所述的一种考虑源-网-桩的电动汽车充电决策优化策略，其特征在于：所述步骤(3)中，基于提出的路-电耦合模型及路、电网网络权重计算，考虑电动汽车充电拥堵，产生碳排放、光伏利用率低，提出“源-网-桩”充电聚合模型方案，由于电动汽车用户是通过充电APP获得各充电站充电桩剩余情况及充电费用，并通过软件提供的充电方式进行决策，另外，用户充电决策会影响到路、电耦合网络的运行情况，对此，通过对火力充电站、光伏充电站收取不同的碳排放费用，引导用户在有序充电的前提下尽量选择碳排放更少的光伏站，在改善耦合网络运行的情况下实现节能减排，其中含光伏出力的耦合网络、信息存储平台、充电服务费、电动汽车用户的充电决策构成了一个闭环，源-网-桩聚合充电模型如图2，其充电站实时服务费如式(9)；
Figure RE-FDA0003551454770000031
P为充电站的充电服务费，P0为充电站的基础服务费，λ为耦合网络权重的量纲系数。
5.根据权利要求1所述的一种考虑源-网-桩的电动汽车充电决策优化策略，其特征在于：所述步骤(4)中，基于构建的“源-网-桩”充电聚合模型进行求解，提出构建“源-网-桩”的电动汽车充电决策优化策略，本发明所提出的电动汽车充电决策优化策略综合考虑充电服务费、时间成本、碳排放费，以“源-网-桩”充电成本最小为目标，构建了“源-网-桩”充电成本的数学模型；
(1)目标函数
综合考虑基本充电费用、实时充电费用、碳费用、时间成本，以电动汽车充电总成本最小为目标，见公式(10)；
Smin＝π(p+pin+(kc1+kc2)Pe)+t1+t2 (10)
式中Smin是最小充电总成本，pin是充电站电价，kc1与kc2为光伏、火电供电的充电站碳排放系数，Pe为电动汽车充电功率，t1是汽车行驶到充电站的时间，t2是汽车等待充电的排队时间，π是量纲系数，其物理含义为时间成本与支付费用间的换算，K包括(kc1、kc2)，是碳排放系数，Cca是电动汽车充电产生的碳排放量；
(2)约束条件
约束条件主要包括充电服务费约束、出行时间约束、充电成本约束、剩余电量约束、充电功率约束、碳排放约束；
(1)充电服务费约束
P≥P0 (11)
Pmax≤P≤Pmin (12)
其中(11)式表明了充电服务费要大于或等于基础服务费，(12)是指充电服务费的收取有上限和下限；
(2)出行时间约束
γ(t)∈Π＝{γ1,γ2,...γn} (13)
式中γ(t)为t时刻出行行程，Π为一天出行次数的合集，γ1—γn为第一次到第n次出行；
(3)充电成本约束
S≤S' (14)
式中S'为未使用优化策略的电动汽车用户在任意时间去任意充电站的充电成本；
(4)剩余电量约束
SOC≤SOCt (15)
式中SOC为电动汽车开到充电站所耗费的电量，SOCt为电动汽车的剩余电量；
(5)充电功率约束
∑P+Pe≤Pcap (16)
式中∑P为电动汽车充电之前充电站的总充电功率，Pcap为充电站的容量；
(6)碳排放约束
0≤Cca≤K*Pe (17)
约束(17)表示该电动汽车充电行为产生的碳排放量应当不超过电动汽车充电功率换算的碳排放量；
电动汽车充电决策优化策略步骤流程图如图3所示，具体如下：
(1)、物联网信息平台储存各充电站前一天的充电费用，充电时长数据；
(2)、平台查看t时刻充电桩占用情况，并获取t时刻路、电网权重；
(3)、平台根据获取的数据制定充电服务费；
(4)、规定平台计算一天的电动汽车出行行程，①当时间小于24小时时，平台首先获取用户出行意向，然后按照优化策略提供适合的充电方案；等待用户选择之后记录用户所作决策和充电成本；然后更新新一轮的路、电网权重以及电动汽车负荷情况；更新充电服务费，接着进行新一轮的循环；②当时间大于24小时，结束循环。
6.根据权利要求1所述的一种考虑源-网-桩的电动汽车充电决策优化策略，其特征在于：所述步骤(5)中，基于“源-网-桩”的电动汽车充电决策优化的调控策略，以电动汽车充电成本为最小目标，输出最优电动汽车充电决策，供电动汽车用户参考。
CN202111346527.6A 2021-11-15 2021-11-15 一种考虑源-网-桩的电动汽车充电决策优化策略 Pending CN114357693A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111346527.6A CN114357693A (zh) 2021-11-15 2021-11-15 一种考虑源-网-桩的电动汽车充电决策优化策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111346527.6A CN114357693A (zh) 2021-11-15 2021-11-15 一种考虑源-网-桩的电动汽车充电决策优化策略

Publications (1)

Publication Number Publication Date
CN114357693A true CN114357693A (zh) 2022-04-15

Family

ID=81096140

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111346527.6A Pending CN114357693A (zh) 2021-11-15 2021-11-15 一种考虑源-网-桩的电动汽车充电决策优化策略

Country Status (1)

Country Link
CN (1) CN114357693A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115115268A (zh) * 2022-07-22 2022-09-27 东南大学溧阳研究院 基于路电耦合与低碳约束的电动汽车充电桩容量规划方法
CN115375183A (zh) * 2022-09-19 2022-11-22 浙江大学 考虑能流-碳流耦合约束的电力系统配网优化调度方法
WO2024055545A1 (zh) * 2022-09-15 2024-03-21 广东邦普循环科技有限公司 一种汽车动力电池管控方法及系统

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115115268A (zh) * 2022-07-22 2022-09-27 东南大学溧阳研究院 基于路电耦合与低碳约束的电动汽车充电桩容量规划方法
CN115115268B (zh) * 2022-07-22 2023-04-18 东南大学溧阳研究院 基于路电耦合与低碳约束的电动汽车充电桩容量规划方法
WO2024055545A1 (zh) * 2022-09-15 2024-03-21 广东邦普循环科技有限公司 一种汽车动力电池管控方法及系统
CN115375183A (zh) * 2022-09-19 2022-11-22 浙江大学 考虑能流-碳流耦合约束的电力系统配网优化调度方法

Similar Documents

Publication Publication Date Title
CN114357693A (zh) 一种考虑源-网-桩的电动汽车充电决策优化策略
CN106230020B (zh) 一种微电网下考虑分布式电源消纳的电动汽车互动响应控制方法
CN108596667B (zh) 一种基于车联网的电动汽车实时充电电价计算方法
CN108944531A (zh) 一种电动汽车有序充电控制方法
US11610214B2 (en) Deep reinforcement learning based real-time scheduling of Energy Storage System (ESS) in commercial campus
CN107169273A (zh) 计及延时和v2g充电模式的电动汽车充电功率预测方法
CN116001624A (zh) 基于深度强化学习的一桩多联电动汽车有序充电方法
CN108320064A (zh) 一种电动汽车与风电协同充电双层优化调度方法
CN106877339B (zh) 一种考虑电动汽车接入配电网后随机模糊潮流的分析方法
CN112238781B (zh) 一种基于分层架构的电动汽车有序充电控制方法
CN110086187A (zh) 计及负荷特性的储能调峰日前优化调度方法
CN113580984A (zh) 一种电动汽车有序充电策略及其仿真方法
CN114004450A (zh) 一种电动汽车充电负荷交互式实时定价策略引导的有序充电模型
CN114282821B (zh) 一种共享电动汽车的调度方法、系统及设备
CN107482690A (zh) 风电与电动汽车协同调度的电力系统调度优化方法及系统
CN112928767B (zh) 一种分布式储能协同控制方法
CN115147245B (zh) 一种工业负荷参与调峰辅助服务的虚拟电厂优化调度方法
CN106299511B (zh) 电动汽车充电站储能容量优化方法
CN116596252A (zh) 一种电动汽车集群多目标充电调度方法
CN116029453A (zh) 一种电动汽车充电桩配置方法、记录媒体及系统
Zhaoyun et al. Researh on dynamic time-sharing tariff orderly charging strategy based on NSGA2 in PV-Storage-Charging stations
CN113487131A (zh) 一种基于充电需求和储能调节的站网互动方法
CN116811628A (zh) 一种含电动汽车充电的综合能源系统及有序充电方法
Zhong et al. Charging navigation strategy for electric vehicles considering empty-loading ratio and dynamic electricity price
He et al. Expansion planning of electric vehicle charging stations considering the benefits of peak‐regulation frequency modulation

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