CN114757507A - 基于动态区域调度电价的电动汽车v2g调控方法 - Google Patents

基于动态区域调度电价的电动汽车v2g调控方法 Download PDF

Info

Publication number
CN114757507A
CN114757507A CN202210322454.5A CN202210322454A CN114757507A CN 114757507 A CN114757507 A CN 114757507A CN 202210322454 A CN202210322454 A CN 202210322454A CN 114757507 A CN114757507 A CN 114757507A
Authority
CN
China
Prior art keywords
electric vehicle
charging
regulation
electric
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
CN202210322454.5A
Other languages
English (en)
Other versions
CN114757507B (zh
Inventor
杜兆斌
范国晨
玉少华
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202210322454.5A priority Critical patent/CN114757507B/zh
Publication of CN114757507A publication Critical patent/CN114757507A/zh
Application granted granted Critical
Publication of CN114757507B publication Critical patent/CN114757507B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Health & Medical Sciences (AREA)
  • Water Supply & Treatment (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明公开了一种基于动态区域调度电价的电动汽车V2G调控方法，包括以下步骤：根据电动汽车出行行为模拟预测模型结果，获取电动汽车充放电需求时空分布特性；构建电动汽车充电需求模型；计及区域电网运行状态差异性和电动汽车入网情况，提出区域调度电价动态更新策略；考虑配电网运营商、电动汽车集成商和电动汽车用户多利益主体诉求，构建电动汽车充放电调控模型；设计配电网运营商、电动汽车集成商和电动汽车用户多主体成本效益分析方案，根据经济成本分析结果迭代寻优，实现电动汽车充放电优化调控。本发明电动汽车调控方法能够有效缩小区域电网负荷偏差，降低电动汽车集成商运行成本，减少电动汽车用户充电费用，提高系统运行安全性和经济性。

Description

基于动态区域调度电价的电动汽车V2G调控方法
技术领域
本发明涉及电力系统运行调度领域，具体地说，涉及一种基于动态区域调度电价的电动汽车V2G调控方法。
背景技术
电动汽车(Electric Vehicle，EV)因具有高效节能、低碳环保等显著优点得以迅速发展和普及，然而，大量电动汽车无序充电行为可能会给电网带来线路与变压器过载、负荷峰谷差拉大及电能质量恶化等问题，对电力系统的安全优质和经济运行带来极大挑战。在电动汽车车联网(Vehicle to grid，V2G)技术快速发展和应用的背景下，电动汽车作为高度灵活性的移动储能单元，具备源、荷双重属性，在平抑电网负荷波动、改善电网电能质量、参与电网辅助服务及提高用户经济效益等方面拥有巨大潜力，通过合理的充放电调控，能够有效缓解电动汽车充电负荷对电网的负面影响，提高电力系统运行安全性和经济性。
目前，针对电动汽车V2G优化调控策略的相关研究中，主要集中于时间维度，通过引导改变电动汽车充电功率时间分布以实现相应目标，但鲜有基于空间维度和时间维度电价信号的电动汽车有序充放电引导策略。实际上，电力系统各空间区域的电网基础设施和运行状态具有一定差异性，区域电网统一电价信号机制一方面难以充分发挥电动汽车V2G调控潜力，另一方面可能会导致电动汽车充放电负荷空间分布不合理，出现局部区域线路、变压器过载等情况。因此，亟需一种能够有效调控电动汽车充放电行为，实现系统安全、经济效益最大化，促进系统各利益主体互利共赢的基于动态区域调度电价的电动汽车V2G调控方法出现。
发明内容
本发明的目的在于克服现有电动汽车V2G优化调控策略可能导致电动汽车充放电负荷空间分布不合理、局部区域过载的问题，提出一种基于动态区域调度电价的电动汽车V2G调控方法，改善区域电网负荷特性，提高系统运行安全性和经济性。
为了实现上述目的，本发明所采用的技术方案如下：
一种基于动态区域调度电价的电动汽车V2G调控方法，包括如下具体步骤：
S1、根据地块功能性质划分系统区域并结合电动汽车出行链结构，构建电动汽车出行行为模拟预测模型，获取电动汽车充放电需求时空分布特性；
S2、根据调控时间自适应调整电动汽车电池荷电状态下限，构建电动汽车充电需求模型；
S3、计及区域电网运行状态差异性和电动汽车入网情况，在电网峰谷分时电价的基础上，提出融合电网时空信息的区域调度电价动态更新策略；
S4、对配电网运营商、电动汽车集成商和电动汽车用户各利益主体优化目标进行归一化处理，并采用加权系数法线性加权得到电动汽车充放电调控模型的综合优化目标函数，构建考虑配电网运营商、电动汽车集成商和电动汽车用户多利益主体的电动汽车充放电调控模型；
S5、考虑分析配电网运营商参与调控后的成本及效益，分析比较电动汽车集成商参与调控前后的售卖电价及电动汽车用户参与调控前后的充电成本，构建电网运营商、电动汽车集成商和电动汽车用户多利益主体成本效益分析模型，根据经济成本分析结果迭代寻优，实现电动汽车充放电优化调控。
优选地，上述步骤S1具体包括：
S11、将电动汽车出行链结构分为时间链和空间链两个部分，时间链描述用户出行的时间分布情况，主要包括首次出行时间、行驶时长、到达时间、离开时间等时间变量信息；空间链描述用户出行的空间转移情况，主要包括出行目的、出行距离、出行顺序等空间信息。
S12、根据系统区域范围内地块功能性质的差异，将系统区域划分成办公区(Office，O)、商业区(Business，B)和住宅区(Home，H)，单辆电动汽车根据自身出行需求、出行活动数量及其不同功能区之间的出行顺序确定出行链结构，并结合蒙特卡洛马尔可夫(Monte Carlo Markov Chain，MCMC)方法，生成单辆电动汽车的出行行为模拟预测模型。
优选地，上述步骤S2具体包括：
考虑到电动汽车并网V2G调控过程中，用户对电动汽车电池电量具有一定风险意识，随着电动汽车离网时间的临近，电动汽车提前取车概率逐渐增大，为保障用户提前取车时电动汽车具有一定保底电量，电动汽车电池荷电状态(State of Charge，SOC)下限需根据调控时间自适应调整。
因此，通过以下公式计算单辆电动汽车的充电需求：
Figure BDA0003572264320000031
式中，SOCn,i,t为区域i在t时刻第n辆电动汽车的荷电状态；
Figure BDA0003572264320000032
和
Figure BDA0003572264320000033
分别为区域i在t时刻第n辆电动汽车的充电功率及放电功率，其中，住宅区和办公区为慢充慢放，商业区为快充快放；ηch和ηdisc分别为电动汽车充电及放电效率；E为单辆电动汽车电池容量；SOCEn,i为区域i第n辆电动汽车离网最小期望荷电状态；
Figure BDA0003572264320000034
和
Figure BDA0003572264320000035
分别为第n辆电动汽车电池荷电状态上限及下限；
Figure BDA0003572264320000036
为第n辆电动汽车电池荷电状态基础下限；Tn,in和Tn,out分别为第n辆电动汽车并网时刻及离网时刻；λn为荷电状态保底下限增长系数；Δt为调控时间间隔。
优选地，上述步骤S3具体包括：
考虑到电价所具有的时空差异性，为尽可能实现系统全局最优，最大化配电网运营商(Distribution system operator，DSO)、电动汽车集成商(Electric vehicleaggregator，EVA)和电动汽车用户三方主体利益，提高电动汽车集成商和电动汽车用户参与电网调控的积极性，在电网峰谷分时电价的基础上，提出区域调度电价策略，制定电动汽车V2G放电激励调度电价和充电服务费动态更新策略。
通过以下公式计算电动汽车放电激励调度电价：
Figure BDA0003572264320000037
其中：
Figure BDA0003572264320000041
式中，
Figure BDA0003572264320000042
为区域i在t时刻的电动汽车V2G放电激励电价，
Figure BDA0003572264320000043
为V2G放电激励系数，vbcomp为V2G基础放电激励电价，
Figure BDA0003572264320000044
和
Figure BDA0003572264320000045
分别为电网削峰系数及电动汽车集成商激励系数，ri d为区域i的放电激励调度电价调节系数，Pi avb为区域i的基础有功负荷平均值，
Figure BDA0003572264320000046
为电动汽车集成商充电桩利用率，
Figure BDA0003572264320000047
和
Figure BDA0003572264320000048
分别为电动汽车集成商充电桩利用率范围，
Figure BDA0003572264320000049
为区域i电动汽车集成商的充电桩数量。
通过以下公式计算电动汽车充电服务费：
Figure BDA00035722643200000410
其中：
Figure BDA00035722643200000411
式中，
Figure BDA00035722643200000412
为区域i在t时刻的电动汽车充电服务费，
Figure BDA00035722643200000413
为充电服务费调整系数，vbserv为基础充电服务费，ri c为区域i的充电服务费调节系数，
Figure BDA00035722643200000414
为电动汽车集成商调整系数，
Figure BDA00035722643200000415
为电网削峰填谷系数，
Figure BDA00035722643200000416
和
Figure BDA00035722643200000417
分别为电动汽车集成商充电桩利用率范围，Pi Lmax和Pi Lmin分别为区域i的电网基础有功负荷最大值及最小值。
通过以下公式表述电动汽车区域调度电价策略的电价约束：
Figure BDA0003572264320000051
Figure BDA0003572264320000052
Figure BDA0003572264320000053
Figure BDA0003572264320000054
式中，
Figure BDA0003572264320000055
和
Figure BDA0003572264320000056
分别为区域i在t时刻的电动汽车充电电价上限及下限；
Figure BDA0003572264320000057
和
Figure BDA0003572264320000058
分别为区域i在t时刻的电动汽车放电电价上限及下限。
优选地，上述步骤S4具体包括：
为兼顾配电网运营商、电动汽车集成商、电动汽车用户三方的利益诉求，充分体现各利益主体优化目标函数的重要性，首先对各利益主体目标进行归一化处理，进而采用加权系数法线性加权得到电动汽车充放电调控模型的综合优化目标函数。
Figure BDA0003572264320000059
式中，ω1、ω2、ω2分别为配电网运营商、电动汽车集成商和电动汽车用户优化目标的权重系数，CB为电池置换成本。
配电网运营商主体优化目标为最小化负荷偏差，其中：
Figure BDA00035722643200000510
式中，T为调控周期，I为功能区域数量，对应I个电动汽车集成商，
Figure BDA00035722643200000511
为区域i在t时刻的基础有功负荷，
Figure BDA00035722643200000512
为区域i在t时刻的电动汽车总充放电功率，Ni,t为区域i在t时刻接入电网的电动汽车数量，
Figure BDA00035722643200000513
为区域i在t时刻的第n辆电动汽车充放电功率，Pi av为区域i的平均有功负荷。
电动汽车集成商主体优化目标为最小化运行成本，其中：
Figure BDA0003572264320000061
式中，
Figure BDA0003572264320000062
和
Figure BDA0003572264320000063
分别为电动汽车集成商购电成本、激励成本及备用收益，
Figure BDA0003572264320000064
为区域i在t时刻的电网电价，
Figure BDA0003572264320000065
和
Figure BDA0003572264320000066
分别为电动汽车充电价及放电价，γi为区域电动汽车集成商给予电动汽车用户参与V2G和备用服务的激励力度，
Figure BDA0003572264320000067
为电动汽车提供旋转备用服务电价，
Figure BDA0003572264320000068
和
Figure BDA0003572264320000069
分别为第n辆电动汽车在t时刻提供的上备用功率及下备用功率。
电动汽车用户主体优化目标为最小化充放电成本，其中：
Figure BDA00035722643200000610
式中，Ln为电动汽车电池寿命，CF100为标准最大循环次数，
Figure BDA00035722643200000611
为实际等效循环次数，Dn,i,t为t时刻区域i第n辆电动汽车的循环电量，kp为范围在0.8至2.1的常数。
优选地，同时，电动汽车充放电调控模型的综合优化目标函数需考虑电动汽车充放电约束、电动汽车上下备用能力约束、配变电压器容量约束等约束条件。
通过以下公式表述电动汽车充放电约束：
Figure BDA00035722643200000612
通过以下公式表述电动汽车上下备用能力约束：
Figure BDA0003572264320000071
通过以下公式表述配电变压器容量约束：
Figure BDA0003572264320000072
式中，
Figure BDA0003572264320000073
和
Figure BDA0003572264320000074
分别为t时刻区域i第n辆电动汽车的最大充电功率及最小充电功率，
Figure BDA0003572264320000075
和
Figure BDA0003572264320000076
分别为t时刻区域i第n辆电动汽车的最大放电功率及最小放电功率，
Figure BDA0003572264320000077
和
Figure BDA0003572264320000078
分别表示第n辆电动汽车的充电标识及放电标识，
Figure BDA0003572264320000079
和
Figure BDA00035722643200000710
为0-1变量；Pi trasf,max为区域i变压器最大有功容量。
优选地，上述步骤S5具体包括：
配电网运营商成本主要包括买电支出和备用容量支出，即支付给电动汽车用户的放电费用；配电网运营商效益分为可避免容量和可避免电量效益，可避免容量效益即通过V2G技术减少的变压器、输电线路及其配套电力设备等电网新建或扩建投资费用，可避免电量效益即配电网运营商高峰时段从发电企业减少购电的电量费用。
通过以下公式考虑分析配电网运营商经济成本效益
Figure BDA00035722643200000711
式中，Rg、Bg和Cg分别为配电网运营商纯利润、效益及成本，ΔVk和ΔQk分别为可避免容量及可避免电量，ck为配电网运营商变压器、输电线路及其配套电力设备的单位平均造价，ρk为高峰放电时段平均上网电价，dk为电动汽车每年总放电天数，K为经济效益评估年限，αk为第k年的现值系数。
对于电动汽车集成商来说，应保证其参与电动汽车调控后的平均售卖电价不小于参与调控前的售卖电价。
通过以下公式分析比较电动汽车集成商经济成本效益
Figure BDA0003572264320000081
式中，
Figure BDA0003572264320000082
为区域i配电网运营商出现削峰需求的总时间。
对于电动汽车用户来说，应保证其参与调控后的充电成本不大于调控前的充电成本。
通过以下公式分析比较电动汽车用户经济成本效益
Figure BDA0003572264320000083
式中，N为系统总电动汽车数量；
Figure BDA0003572264320000084
为第n辆电动汽车调控前充电成本，即单辆电动汽车无序充电成本。
优选地，电动汽车调控云服务平台(Cloud service,CS)以模型综合优化目标函数值作为效益，基于配电网运营商、电动汽车集成商和电动汽车用户主体经济成本效益分析模型，根据经济成本效益分析结果，进行电动汽车充放电调控模型的迭代寻优，实现电动汽车充放电优化调控。
与现有技术相比，本发明具有以下有益效果：
1、本发明兼顾配电网运营商、电动汽车集成商和电动汽车用户三方利益，建立基于系统全局利益最优的电动汽车充放电调控模型，采用经济成本效益分析模型评估分析各主体参与电动汽车调控后的获利情况，能够实现三方长久获利共赢。
2、本发明计及电动汽车用户的电池电量风险意识，提出基于在网时间的电动汽车保底电量自适应调整方法，保证用户提前取车电量需求。
3、本发明提出基于区域电网运行状态和电动汽车在网情况差异性的区域调度电价更新策略，相较于传统的峰谷分时电价和系统动态电价，在引导电动汽车有序充放电行为方面有着很大的优越性和应用潜力。
附图说明
图1为本发明基于动态区域调度电价的电动汽车V2G调控方法的流程示意图。
图2为本发明实施例IEEE-33节点系统区域划分示意图。
图3为本发明实施例区域调度电价动态更新策略结果示意图。
图4为本发明实施例各区域电网负荷水平变化情况示意图。
具体实施方式
下面结合附图和具体实施例对本发明基于动态区域调度电价的电动汽车V2G调控方法作进一步说明。
请参阅图1，本实施例中基于动态区域调度电价的电动汽车V2G调控方法，具体包括S1、S2、S3、S4、S5五个步骤。
S1、根据地块功能性质划分系统区域并结合电动汽车出行链结构，构建电动汽车出行行为模拟预测模型，获取电动汽车充放电需求时空分布特性。
其中，步骤S1具体包括：
S11、将电动汽车(Electric Vehicle，EV)出行链结构分为时间链和空间链两个部分，时间链描述用户出行的时间分布情况，主要包括首次出行时间、行驶时长、到达时间、离开时间等时间变量信息；空间链描述用户出行的空间转移情况，主要包括出行目的、出行距离、出行顺序等空间信息。
S12、根据系统区域范围内地块功能性质的差异，将系统区域划分成办公区(Office，O)、商业区(Business，B)和住宅区(Home，H)，单辆电动汽车根据自身出行需求、出行活动数量及其不同功能区之间的出行顺序确定出行链结构，并结合蒙特卡洛马尔可夫(Monte Carlo Markov Chain，MCMC)方法，生成单辆电动汽车的出行行为模拟预测模型。
本实施例采用经适应性调整的IEEE-33节点系统，并根据区域功能性质差异，将其划分成4个功能区域：办公区、商业区、住宅区1和住宅区2，对应4个电动汽车集成商，如图2所示。假设每个功能区均拥有足够数量的充电桩，并且已进行合理地规划布置。假设系统内共有100辆电动汽车，参数如表1所示。并基于英国国家交通出行调查(National travelsurvey，NTS)数据库统计数据和MCMC方法，获取电动汽车出行链数量和比例，构建电动汽车出行行为预测模型。
表1单辆电动汽车仿真参数表
Figure BDA0003572264320000091
Figure BDA0003572264320000101
S2、根据调控时间自适应调整电动汽车电池荷电状态下限，构建电动汽车充电需求模型。
本实施例假设电动汽车用户在不同功能区具有不同的期望电量SOCEn,i，在住宅区和办公区时服从N(0.85,0.02)的正态分布，在商业区时服从N(0.75,0.02)的正态分布，进而通过以下公式求解系统内各辆电动汽车的充电需求：
Figure BDA0003572264320000102
式中，SOCn,i,t为区域i在t时刻第n辆电动汽车的荷电状态，
Figure BDA0003572264320000103
和
Figure BDA0003572264320000104
分别为区域i在t时刻第n辆电动汽车的充电功率及放电功率，其中，住宅区和办公区为慢充慢放，商业区为快充快放，ηch和ηdisc分别为电动汽车充电及放电效率，E为单辆电动汽车电池容量，SOCEn,i为区域i第n辆电动汽车离网最小期望荷电状态，
Figure BDA0003572264320000105
和
Figure BDA0003572264320000106
分别为第n辆电动汽车电池荷电状态上限及下限，
Figure BDA0003572264320000107
为第n辆电动汽车电池荷电状态基础下限，Tn,in和Tn,out分别为第n辆电动汽车并网时刻及离网时刻，λn为荷电状态保底下限增长系数，Δt为调控时间间隔。
S3、计及区域电网运行状态差异性和电动汽车入网情况，在电网峰谷分时电价的基础上，提出融合电网时空信息的区域调度电价动态更新策略。
本实施例假设电动汽车提供旋转备用服务电价
Figure BDA0003572264320000108
为0.022元/kWh，相关电价参数如表2所示。仿真周期T设置为前一日5:00至后一日5:00共24h，仿真时间间隔取Δt＝15min，即包含96个调控时段。
表2相关电价仿真参数表
Figure BDA0003572264320000109
Figure BDA0003572264320000111
进一步地，通过以下公式计算电动汽车放电激励调度电价：
Figure BDA0003572264320000112
其中：
Figure BDA0003572264320000113
式中，
Figure BDA0003572264320000114
为区域i在t时刻的电动汽车V2G放电激励电价，
Figure BDA0003572264320000115
为V2G放电激励系数，vbcomp为V2G基础放电激励电价，
Figure BDA0003572264320000116
和
Figure BDA0003572264320000117
分别为电网削峰系数及电动汽车集成商激励系数，ri d为区域i的放电激励调度电价调节系数，Pi avb为区域i的基础有功负荷平均值，
Figure BDA0003572264320000118
为电动汽车集成商充电桩利用率，
Figure BDA0003572264320000119
和
Figure BDA00035722643200001110
分别为电动汽车集成商充电桩利用率范围，
Figure BDA00035722643200001111
为区域i电动汽车集成商的充电桩数量。
通过以下公式计算电动汽车充电服务费：
Figure BDA00035722643200001112
其中：
Figure BDA0003572264320000121
式中，
Figure BDA0003572264320000122
为区域i在t时刻的电动汽车充电服务费，
Figure BDA0003572264320000123
为充电服务费调整系数，vbserv为基础充电服务费，ri c为区域i的充电服务费调节系数，
Figure BDA0003572264320000124
为电动汽车集成商调整系数，
Figure BDA0003572264320000125
为电网削峰填谷系数，
Figure BDA0003572264320000126
和
Figure BDA0003572264320000127
分别为电动汽车集成商充电桩利用率范围，Pi Lmax和Pi Lmin分别为区域i的电网基础有功负荷最大值及最小值。
通过以下公式表述电动汽车区域调度电价策略的电价约束：
Figure BDA0003572264320000128
Figure BDA0003572264320000129
Figure BDA00035722643200001210
Figure BDA00035722643200001211
式中，
Figure BDA00035722643200001212
和
Figure BDA00035722643200001213
分别为区域i在t时刻的电动汽车充电电价上限及下限，
Figure BDA00035722643200001214
和
Figure BDA00035722643200001215
分别为区域i在t时刻的电动汽车放电电价上限及下限。
请参阅图3，本发明所提出的区域调度电价动态更新策略由电动汽车调控云服务平台根据配电网运营商、电动汽车集成商和电动汽车用户的交互信息计算更新，结果如图3所示。由于各区域电网负荷特性以及电动汽车出行特性具有一定差异，各区域电网电动汽车放电激励电价和充电服务费情况也迥然不同。
S4、对配电网运营商、电动汽车集成商和电动汽车用户各利益主体优化目标进行归一化处理，并采用加权系数法线性加权得到电动汽车充放电调控模型的综合优化目标函数，构建考虑配电网运营商、电动汽车集成商和电动汽车用户多利益主体的电动汽车充放电调控模型。
根据配电网运营商、电动汽车集成商、电动汽车用户三方的利益诉求，首先对各利益主体目标进行归一化处理，进而采用加权系数法线性加权得到电动汽车充放电调控模型的综合优化目标函数。
通过以下公式求解电动汽车V2G优化调控结果：
Figure BDA0003572264320000131
式中，ω1、ω2、ω2分别为配电网运营商、电动汽车集成商和电动汽车用户优化目标的权重系数，T为调控周期，I为功能区域数量，
Figure BDA0003572264320000132
为区域i在t时刻的基础有功负荷，
Figure BDA0003572264320000133
为区域i在t时刻的电动汽车总充放电功率，Pi av为区域i的平均有功负荷，Ni,t为区域i在t时刻接入电网的电动汽车数量，
Figure BDA0003572264320000134
和
Figure BDA0003572264320000135
分别为电动汽车集成商购电成本、激励成本及备用收益，γi为区域电动汽车集成商给予电动汽车用户参与V2G和备用服务的激励力度；
Figure BDA0003572264320000136
为区域i在t时刻第n辆电动汽车的充电电价，
Figure BDA0003572264320000137
为区域i在t时刻第n辆电动汽车的充电功率，CB为电池置换成本，Ln为电动汽车电池寿命。
请参阅图4，本实施例的电动汽车V2G优化调控模型计算结果如图4所示，展示了一天96个时段各区域电网基础有功负荷(PB)、区域电网等效有功负荷变化曲线(PEL)、区域电动汽车V2G实时调控结果(P电动汽车集成商)。
配电网运营商和电动汽车集成商根据区域电网负荷削峰填谷需求，引导区域在网电动汽车调制充电功率和放电功率。其中，办公区、商业区、住宅区1和住宅区2的负荷率分别由基础有功负荷的63.48％、57.52％、59.56％和59.27％提升至65.55％、58.56％、75.27％和74.94％，分别提升了2.07％、1.04％、15.71％和15.67％，区域负荷率提升效果显著。
S5、考虑分析配电网运营商参与调控后的成本及效益，分析比较电动汽车集成商参与调控前后的售卖电价及电动汽车用户参与调控前后的充电成本，构建配电网运营商、电动汽车集成商和电动汽车用户多利益主体成本效益分析模型，根据经济成本分析结果迭代寻优，实现电动汽车充放电优化调控。
配电网运营商经济成本效益通过以下公式求解：
Figure BDA0003572264320000141
式中，Rg、Bg和Cg分别为配电网运营商纯利润、效益及成本，ΔVk和ΔQk分别为可避免容量及可避免电量，ck为配电网运营商变压器、输电线路及其配套电力设备的单位平均造价，ρk为高峰放电时段平均上网电价，dk为电动汽车每年总放电天数，K为经济效益评估年限，αk为第k年的现值系数。
电动汽车集成商经济成本效益通过以下公式求解：
Figure BDA0003572264320000142
式中，
Figure BDA0003572264320000143
为区域i配电网运营商出现削峰需求的总时间。
电动汽车用户经济成本效益通过以下公式求解：
Figure BDA0003572264320000144
式中，N为系统总电动汽车数量，
Figure BDA0003572264320000145
为第n辆电动汽车调控前充电成本，即单辆电动汽车无序充电成本。
本实施例中，配电网运营商调控效益Bg＝4.7978×107，调控成本Cg＝1.2336×107，净利润Rg＝3.5642×107，实现了盈利；办公区、商业区、住宅区1和住宅区2的电动汽车集成商参与调控后售卖电价(单位：元/kWh)分别为1.1240、1.0472、1.0361和1.0355，相比于调控前的0.95，分别提升了18.32％、10.23％、9.06％和9.00％，实现了平均利润的提高；电动汽车用户平均充电成本(单位：元/辆)由调控前的37.2429，降低至18.4832，降幅高达50.37％，实现了用户充电成本的降低。本发明所提优化调控方法促进了配电网运营商、电动汽车集成商和电动汽车用户的三方盈利，有利于系统实现安全、经济效益最大化。
综上，本发明具有如下的优点及效果：
1、本发明兼顾配电网运营商、电动汽车集成商和电动汽车用户三方利益，建立基于系统全局利益最优的电动汽车充放电调控模型，采用经济成本效益分析模型评估分析各主体参与电动汽车调控后的获利情况，能够实现三方长久获利共赢。
2、本发明计及电动汽车用户的电池电量风险意识，提出基于在网时间的电动汽车保底电量自适应调整方法，保证用户提前取车电量需求。
3、本发明提出基于区域电网运行状态和电动汽车在网情况差异性的区域调度电价更新策略，相较于传统的峰谷分时电价和系统动态电价，在引导电动汽车有序充放电行为方面有着很大的优越性和应用潜力。
上述说明是针对本发明较佳可行实施例的详细说明，但实施例并非用以限定本发明的专利申请范围，凡本发明所揭示的技术精神下所完成的同等变化或修饰变更，均应属于本发明所涵盖专利范围。

Claims (10)

1.一种基于动态区域调度电价的电动汽车V2G调控方法，其特征在于，包括以下步骤：
S1、根据地块功能性质划分系统区域并结合电动汽车出行链结构，构建电动汽车出行行为模拟预测模型，获取电动汽车充放电需求时空分布特性；
S2、根据调控时间自适应调整电动汽车电池荷电状态下限，构建电动汽车充电需求模型；
S3、计及区域电网运行状态差异性和电动汽车入网情况，在电网峰谷分时电价的基础上，提出融合电网时空信息的区域调度电价动态更新策略；
S4、对配电网运营商、电动汽车集成商和电动汽车用户各利益主体优化目标进行归一化处理，并采用加权系数法线性加权得到电动汽车充放电调控模型的综合优化目标函数，构建考虑配电网运营商、电动汽车集成商和电动汽车用户多利益主体的电动汽车充放电调控模型；
S5、考虑分析配电网运营商参与调控后的成本及效益，分析比较电动汽车集成商参与调控前后的售卖电价及电动汽车用户参与调控前后的充电成本，构建电网运营商、电动汽车集成商和电动汽车用户多利益主体的经济成本效益分析模型，根据经济成本分析结果迭代寻优，实现电动汽车充放电优化调控。
2.根据权利要求1的基于动态区域调度电价的电动汽车V2G调控方法，其特征在于，S1包括如下步骤：
S11、将电动汽车出行链结构分为时间链和空间链两个部分，时间链描述用户出行的时间分布情况，主要包括首次出行时间、行驶时长、到达时间、离开时间等时间变量信息，空间链描述用户出行的空间转移情况，主要包括出行目的、出行距离、出行顺序等空间信息；
S12、根据系统区域范围内地块功能性质的差异，将系统区域划分成办公区、商业区和住宅区，单辆电动汽车根据自身出行需求、出行活动数量及其不同功能区之间的出行顺序确定出行链结构，并结合蒙特卡洛马尔可夫方法，生成单辆电动汽车的出行行为模拟预测模型。
3.根据权利要求2的基于动态区域调度电价的电动汽车V2G调控方法，其特征在于，S2中，为保障用户提前取车时电动汽车具有一定保底电量，通过以下公式计算单辆电动汽车的充电需求
Figure FDA0003572264310000021
式中，SOCn,i,t为区域i在t时刻第n辆电动汽车的荷电状态，
Figure FDA0003572264310000022
和
Figure FDA0003572264310000023
分别为区域i在t时刻第n辆电动汽车的充电功率及放电功率，其中，住宅区和办公区为慢充慢放，商业区为快充快放，ηch和ηdisc分别为电动汽车充电及放电效率，E为单辆电动汽车电池容量，SOCEn,i为区域i第n辆电动汽车离网最小期望荷电状态，
Figure FDA0003572264310000024
和
Figure FDA0003572264310000025
分别为第n辆电动汽车电池荷电状态上限及下限，
Figure FDA0003572264310000026
为第n辆电动汽车电池荷电状态基础下限，Tn,in和Tn,out分别为第n辆电动汽车并网时刻及离网时刻，λn为荷电状态保底下限增长系数，Δt为调控时间间隔。
4.根据权利要求2的基于动态区域调度电价的电动汽车V2G调控方法，其特征在于，S3中，在电网峰谷分时电价的基础上，通过以下公式计算电动汽车放电激励调度电价
Figure FDA0003572264310000027
其中
Figure FDA0003572264310000028
式中，
Figure FDA0003572264310000029
为区域i在t时刻的电动汽车V2G放电激励电价，
Figure FDA00035722643100000210
为V2G放电激励系数，vbcomp为V2G基础放电激励电价，
Figure FDA00035722643100000211
和
Figure FDA00035722643100000212
分别为电网削峰系数及电动汽车集成商激励系数，
Figure FDA00035722643100000213
为区域i的放电激励调度电价调节系数，
Figure FDA00035722643100000323
为区域i的基础有功负荷平均值，
Figure FDA0003572264310000031
为电动汽车集成商充电桩利用率，
Figure FDA0003572264310000032
和
Figure FDA0003572264310000033
分别为电动汽车集成商充电桩利用率范围，
Figure FDA0003572264310000034
为区域i电动汽车集成商的充电桩数量。
5.根据权利要求4的基于动态区域调度电价的电动汽车V2G调控方法，其特征在于，S3中，在电网峰谷分时电价的基础上，通过以下公式计算电动汽车充电服务费
Figure FDA0003572264310000035
其中
Figure FDA0003572264310000036
式中，
Figure FDA0003572264310000037
为区域i在t时刻的电动汽车充电服务费，
Figure FDA0003572264310000038
为充电服务费调整系数，vbserv为基础充电服务费，ri c为区域i的充电服务费调节系数，
Figure FDA0003572264310000039
为电动汽车集成商调整系数，
Figure FDA00035722643100000310
为电网削峰填谷系数，
Figure FDA00035722643100000311
和
Figure FDA00035722643100000312
分别为电动汽车集成商充电桩利用率范围，
Figure FDA00035722643100000313
和
Figure FDA00035722643100000314
分别为区域i的电网基础有功负荷最大值及最小值。
6.根据权利要求5的基于动态区域调度电价的电动汽车V2G调控方法，其特征在于，S3中，通过以下公式表述电动汽车区域调度电价策略的电价约束
Figure FDA00035722643100000315
Figure FDA00035722643100000316
Figure FDA00035722643100000317
Figure FDA00035722643100000318
式中，
Figure FDA00035722643100000319
和
Figure FDA00035722643100000320
分别为区域i在t时刻的电动汽车充电电价上限及下限，
Figure FDA00035722643100000321
和
Figure FDA00035722643100000322
分别为区域i在t时刻的电动汽车放电电价上限及下限。
7.根据权利要求2的基于动态区域调度电价的电动汽车V2G调控方法，其特征在于，S4中，电动汽车充放电调控模型的综合优化目标函数为
Figure FDA0003572264310000041
式中，ω1、ω2、ω2分别为配电网运营商、电动汽车集成商和电动汽车用户优化目标的权重系数，CB为电池置换成本；
配电网运营商主体优化目标为最小化负荷偏差，其中
Figure FDA0003572264310000042
Figure FDA0003572264310000043
式中，T为调控周期，I为功能区域数量，对应I个电动汽车集成商，
Figure FDA0003572264310000044
为区域i在t时刻的基础有功负荷，
Figure FDA0003572264310000045
为区域i在t时刻的电动汽车总充放电功率，Ni,t为区域i在t时刻接入电网的电动汽车数量，
Figure FDA0003572264310000046
为区域i在t时刻的第n辆电动汽车充放电功率，
Figure FDA0003572264310000047
为区域i的平均有功负荷；
电动汽车集成商主体优化目标为最小化运行成本，其中
Figure FDA0003572264310000048
式中，
Figure FDA0003572264310000049
和
Figure FDA00035722643100000410
分别为电动汽车集成商购电成本、激励成本及备用收益，
Figure FDA00035722643100000411
为区域i在t时刻的电网电价，
Figure FDA00035722643100000412
和
Figure FDA00035722643100000413
分别为电动汽车充电价及放电价，γi为区域电动汽车集成商给予电动汽车用户参与V2G和备用服务的激励力度，
Figure FDA00035722643100000414
为电动汽车提供旋转备用服务电价，
Figure FDA00035722643100000415
和
Figure FDA00035722643100000416
分别电动汽车为第n辆电动汽车在t时刻提供的上备用功率及下备用功率；
电动汽车用户主体优化目标为最小化充放电成本，其中
Figure FDA0003572264310000051
式中，Ln为电动汽车电池寿命，CF100为标准最大循环次数，
Figure FDA0003572264310000052
为实际等效循环次数，Dn,i,t为t时刻区域i第n辆电动汽车的循环电量，kp为范围在0.8至2.1的常数。
8.根据权利要求7的基于动态区域调度电价的电动汽车V2G调控方法，其特征在于，S4中，通过以下公式表述电动汽车充放电约束
Figure FDA0003572264310000053
通过以下公式表述电动汽车上下备用能力约束
Figure FDA0003572264310000054
通过以下公式表述配电变压器容量约束
Figure FDA0003572264310000055
式中，
Figure FDA0003572264310000056
和
Figure FDA0003572264310000057
分别为t时刻区域i第n辆电动汽车的最大充电功率及最小充电功率，
Figure FDA0003572264310000058
和
Figure FDA0003572264310000059
分别为t时刻区域i第n辆电动汽车的最大放电功率及最小放电功率，
Figure FDA00035722643100000510
和
Figure FDA00035722643100000511
分别表示第n辆电动汽车的充电标识及放电标识，
Figure FDA00035722643100000512
和
Figure FDA00035722643100000513
为0-1变量，
Figure FDA00035722643100000514
为区域i变压器最大有功容量。
9.根据权利要求7的基于动态区域调度电价的电动汽车V2G调控方法，其特征在于，S5中，通过以下公式考虑分析配电网运营商参与调控后的经济成本效益
Figure FDA0003572264310000061
式中，Rg、Bg和Cg分别为配电网运营商纯利润、效益及成本，ΔVk和ΔQk分别为可避免容量及可避免电量，ck为配电网运营商变压器、输电线路及其配套电力设备的单位平均造价，ρk为高峰放电时段平均上网电价，dk为电动汽车每年总放电天数，K为经济效益评估年限，αk为第k年的现值系数；
通过以下公式分析比较电动汽车集成商参与调控前后的经济成本效益
Figure FDA0003572264310000062
式中，
Figure FDA0003572264310000063
为区域i配电网运营商出现削峰需求的总时间；
通过以下公式分析比较电动汽车用户参与调控前后的经济成本效益
Figure FDA0003572264310000064
式中，N为系统总电动汽车数量，
Figure FDA0003572264310000065
为第n辆电动汽车调控前充电成本，即单辆电动汽车无序充电成本。
10.根据权利要求9的基于动态区域调度电价的电动汽车V2G调控方法，其特征在于，电动汽车调控云服务平台以电动汽车充放电调控模型的综合优化目标函数值作为效益，基于配电网运营商、电动汽车集成商和电动汽车用户经济成本效益分析模型，根据经济成本效益分析结果，进行电动汽车充放电调控模型的迭代寻优，实现电动汽车充放电优化调控。
CN202210322454.5A 2022-03-30 2022-03-30 基于动态区域调度电价的电动汽车v2g调控方法 Active CN114757507B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210322454.5A CN114757507B (zh) 2022-03-30 2022-03-30 基于动态区域调度电价的电动汽车v2g调控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210322454.5A CN114757507B (zh) 2022-03-30 2022-03-30 基于动态区域调度电价的电动汽车v2g调控方法

Publications (2)

Publication Number Publication Date
CN114757507A true CN114757507A (zh) 2022-07-15
CN114757507B CN114757507B (zh) 2024-09-27

Family

ID=82328274

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210322454.5A Active CN114757507B (zh) 2022-03-30 2022-03-30 基于动态区域调度电价的电动汽车v2g调控方法

Country Status (1)

Country Link
CN (1) CN114757507B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115409294A (zh) * 2022-11-01 2022-11-29 江西江投电力技术与试验研究有限公司 一种配电网调度与充电协同的鲁棒优化方法
CN115459286A (zh) * 2022-09-29 2022-12-09 湖南工程学院 一种基于小区级别的智能充/放电微网系统及控制方法
CN118651117A (zh) * 2024-08-16 2024-09-17 国网甘肃省电力公司张掖供电公司 一种基于v2g技术的电动汽车参与电网的动态调节系统及方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070282495A1 (en) * 2006-05-11 2007-12-06 University Of Delaware System and method for assessing vehicle to grid (v2g) integration
CN108681795A (zh) * 2018-05-23 2018-10-19 华南理工大学 城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法
CN109193718A (zh) * 2018-08-01 2019-01-11 南京师范大学 一种适应于v2g的选择电动汽车入网调控方法
CN110443415A (zh) * 2019-07-24 2019-11-12 三峡大学 一种计及动态电价策略的电动汽车充电站多目标优化调度方法
CN112865149A (zh) * 2020-12-31 2021-05-28 天津大学 一种基于代理商与区域分时电价的车网多时空互动方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070282495A1 (en) * 2006-05-11 2007-12-06 University Of Delaware System and method for assessing vehicle to grid (v2g) integration
CN108681795A (zh) * 2018-05-23 2018-10-19 华南理工大学 城市交通路网和用户出行链约束下的电动汽车充电负荷时空预测方法
CN109193718A (zh) * 2018-08-01 2019-01-11 南京师范大学 一种适应于v2g的选择电动汽车入网调控方法
CN110443415A (zh) * 2019-07-24 2019-11-12 三峡大学 一种计及动态电价策略的电动汽车充电站多目标优化调度方法
CN112865149A (zh) * 2020-12-31 2021-05-28 天津大学 一种基于代理商与区域分时电价的车网多时空互动方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115459286A (zh) * 2022-09-29 2022-12-09 湖南工程学院 一种基于小区级别的智能充/放电微网系统及控制方法
CN115459286B (zh) * 2022-09-29 2023-06-02 湖南工程学院 一种基于小区级别的智能充/放电微网系统及控制方法
CN115409294A (zh) * 2022-11-01 2022-11-29 江西江投电力技术与试验研究有限公司 一种配电网调度与充电协同的鲁棒优化方法
CN118651117A (zh) * 2024-08-16 2024-09-17 国网甘肃省电力公司张掖供电公司 一种基于v2g技术的电动汽车参与电网的动态调节系统及方法

Also Published As

Publication number Publication date
CN114757507B (zh) 2024-09-27

Similar Documents

Publication Publication Date Title
Mozafar et al. A simultaneous approach for optimal allocation of renewable energy sources and electric vehicle charging stations in smart grids based on improved GA-PSO algorithm
CN114757507A (zh) 基于动态区域调度电价的电动汽车v2g调控方法
CN111082451B (zh) 基于场景法的增量配电网多目标优化调度模型
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
CN109636008B (zh) 一种电动公交快充站服务费定价获取方法
CN111310966A (zh) 含电动汽车充电站的微电网选址及优化配置方法
CN111079971A (zh) 一种考虑车、站、网三方的充电站定价方法
Beyazıt et al. Cost optimization of a microgrid considering vehicle-to-grid technology and demand response
CN114881502B (zh) 一种基于区间约束的电动汽车充放电优化调度方法
Reddy et al. A novel on energy management strategy with maximum exploitation of renewables and EV storage in distribution networks
CN110533222A (zh) 基于峰平谷电价的电动汽车充电负荷预测方法及装置
CN116596252A (zh) 一种电动汽车集群多目标充电调度方法
Wang et al. Coordinated planning of electric vehicle charging infrastructure and renewables in power grids
CN117613906B (zh) 分布式源荷参与下的配电系统多主体实时协同降碳方法
CN116995656A (zh) 一种参与削峰填谷辅助服务的充电站优化方法及系统
Ozkan et al. A novel Electric Vehicle Charging/Discharging Scheme with incentivization and complementary energy sources
Lin et al. Aggregator pricing and electric vehicles charging strategy based on a two-layer deep learning model
CN114784896A (zh) 面向虚拟电厂的规模化充电桩能量优化管理方法和系统
Venkatraman et al. Optimal Design of Time-of-Use Tariffs using Bilevel Optimization
CN116404629A (zh) 一种高比例分布式光伏配电网中的电动汽车协调充电方法
CN114372606A (zh) 考虑道路交通模型的ev聚合商短时调度和响应激励方法
CN113469436A (zh) 一种城市电网侧储能规划方法
Ganapaneni et al. Optimizing the effect of charging electric vehicles on distribution transformer using demand side management
Wang et al. The Coordinated Charging Pricing Approach for Charging Stations with Multi-Agent Deep Reinforcement Learning
You et al. Charging guiding strategy for pet based on q learning algorithm (ispec 2020)

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