CN114782215B - 基于共享停车场典型场景的电-氢能量枢纽规划方法 - Google Patents
基于共享停车场典型场景的电-氢能量枢纽规划方法 Download PDFInfo
- Publication number
- CN114782215B CN114782215B CN202210419840.6A CN202210419840A CN114782215B CN 114782215 B CN114782215 B CN 114782215B CN 202210419840 A CN202210419840 A CN 202210419840A CN 114782215 B CN114782215 B CN 114782215B
- Authority
- CN
- China
- Prior art keywords
- parking lot
- shared parking
- energy
- hydrogen
- scene
- 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.)
- Active
Links
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 120
- 239000001257 hydrogen Substances 0.000 title claims abstract description 120
- 238000000034 method Methods 0.000 title claims abstract description 74
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims abstract description 79
- 238000004146 energy storage Methods 0.000 claims abstract description 39
- 230000008901 benefit Effects 0.000 claims abstract description 29
- 238000003860 storage Methods 0.000 claims abstract description 24
- 230000004044 response Effects 0.000 claims abstract description 20
- 230000006399 behavior Effects 0.000 claims abstract description 16
- 238000006243 chemical reaction Methods 0.000 claims abstract description 11
- 238000010248 power generation Methods 0.000 claims abstract description 9
- 239000000446 fuel Substances 0.000 claims description 49
- 230000006870 function Effects 0.000 claims description 49
- 238000005984 hydrogenation reaction Methods 0.000 claims description 30
- 238000012423 maintenance Methods 0.000 claims description 12
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims description 11
- 229910052799 carbon Inorganic materials 0.000 claims description 11
- 238000009434 installation Methods 0.000 claims description 11
- 230000005611 electricity Effects 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 7
- 150000002431 hydrogen Chemical class 0.000 claims description 6
- 230000036962 time dependent Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 15
- 238000009826 distribution Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 238000007599 discharging Methods 0.000 description 6
- 238000005457 optimization Methods 0.000 description 6
- 238000005070 sampling Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 208000001613 Gambling Diseases 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005315 distribution function Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 230000002093 peripheral effect Effects 0.000 description 3
- 230000006641 stabilisation Effects 0.000 description 3
- 238000011105 stabilization Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000007723 transport mechanism Effects 0.000 description 2
- SLXKOJJOQWFEFD-UHFFFAOYSA-N 6-aminohexanoic acid Chemical compound NCCCCCC(O)=O SLXKOJJOQWFEFD-UHFFFAOYSA-N 0.000 description 1
- FGUUSXIOTUKUDN-IBGZPJMESA-N C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 Chemical compound C1(=CC=CC=C1)N1C2=C(NC([C@H](C1)NC=1OC(=NN=1)C1=CC=CC=C1)=O)C=CC=C2 FGUUSXIOTUKUDN-IBGZPJMESA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002146 bilateral effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000013256 coordination polymer Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000008303 genetic mechanism Effects 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Public Health (AREA)
- Algebra (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Water Supply & Treatment (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于共享停车场典型场景的电‑氢能量枢纽规划方法、计算设备及存储介质，该方法在计算设备中执行，电‑氢能量枢纽在共享停车场典型场景实现为共享停车场，共享停车场包括能量转换设备和储能设备，能量转换设备包括可再生能源设备，储能设备包括电储能设备和氢储能设备，该方法包括：结合可再生能源设备发电出力、用户出行行为和用户需求响应引起的不确定性，获取共享停车场的运行收益；根据共享停车场的投资成本和运行收益，构建共享停车场规划的目标函数；生成约束条件，约束条件包括配置约束条件和运行约束条件；基于目标函数，通过约束条件，对共享停车场进行规划。
Description
技术领域
本发明涉及能源电力领域，特别涉及一种基于共享停车场典型场景的电- 氢能量枢纽规划方法、计算设备及存储介质。
背景技术
能量枢纽(Energy Hub，EH)由不同能量载体混合组成，通过这些载体，电力能源系统内的每一种能量流可以最佳地转换、存储并相互作用，以实现客户能源需求的高效交付。这种“能量转换”的能力使能量枢纽可提供更大的操作灵活性，以应对随机的可再生能源(Renewable Energy Source，RES)渗透的影响。与传统能源系统相比，这种灵活性使能量枢纽具有不同的优势，包括减少温室气体排放、提高系统的能源效率和降低系统的运行成本等。
氢能作为一种清洁、高效、环保、无污染的二次能源，逐渐成为新能源的热点，利用可再生能源发电的电解水制氢已成为一种重要的制氢手段。电、氢和可再生能源系统耦合形成的电-氢能量枢纽，可作为应对未来能源系统可再生能源集成问题的新解决方案。
近年来，共享经济的发展势不可挡，其资源配置优化、交通运输作为终端能源领域，在能源系统中占有一席之地。作为节能减排的重要工具，电动汽车的数量日渐增多，氢能的应用也逐渐从单一的工业领域转向交通领域。氢燃料汽车是下一代汽车技术的重要研究路线之一，通过利用清洁能源替代化石能源从而实现了零碳排放。
在上述能量枢纽发展的背景下，以共享停车场(Shared Parking Lot，SPL) 为典型场景，建立分时租赁模式下的电-氢能量枢纽具有前瞻性。在这一模式下，电-氢能量枢纽在共享停车场典型场景下实现为共享停车场，进而对共享停车场进行规划，有助于探讨该模式下能量枢纽的多车型联运与多能源互补过程。然而，目前的相关研究较少关注这一方面，也没有建立完善的数学模型来说明和解决问题，且综合需求响应取决于用户对车型的选择，而用户的偏好受租车价格等因素的影响，具有高度的不确定性，但需求侧响应的不确定性却又是难以准确描述的。
因此，需要一种新的基于共享停车场典型场景的电-氢能量枢纽规划方法来优化处理。
发明内容
为此，本发明提供一种基于共享停车场典型场景的电-氢能量枢纽规划方案，以力图解决或者至少缓解上面存在的问题。
根据本发明的一个方面，提供一种基于共享停车场典型场景的电-氢能量枢纽规划方法，在计算设备中执行，电-氢能量枢纽在共享停车场典型场景下实现为共享停车场，共享停车场包括能量转换设备和储能设备，能量转换设备包括可再生能源设备，储能设备包括电储能设备和氢储能设备，该方法包括如下步骤：首先，结合可再生能源设备发电出力、用户出行行为和用户需求响应引起的不确定性，获取共享停车场的运行收益；根据共享停车场的投资成本和运行收益，构建共享停车场规划的目标函数；生成约束条件，约束条件包括配置约束条件和运行约束条件；基于目标函数，通过约束条件，对共享停车场进行规划。
可选地，在根据本发明的基于共享停车场典型场景的电-氢能量枢纽规划方法中，共享停车场还包括车辆，车辆包括电动汽车和氢燃料汽车，运行收益以如下公式确定：
其中，Uopt表示运行收益，λs表示场景s出现的概率， 分别表示场景s下共享停车场的年租车收益、年能源购买成本、年运行维护成本、碳排放成本，S表示场景集合。
可选地，在根据本发明的基于共享停车场典型场景的电-氢能量枢纽规划方法中，场景s下共享停车场的年租车收益可以如下公式确定：
其中，τ表示一年中的天数，ce、ch分别表示收费方式与时间相关时电动汽车、氢燃料汽车每分钟的租赁费用，分别表示收费方式与时间和距离均相关时，电动汽车每公里的租赁费用、每分钟的租赁费用，分别表示收费方式与时间和距离均相关时，氢燃料汽车每公里的租赁费用、每分钟的租赁费用，分别表示收费包含起步费时电动汽车的起步费、每分钟的租赁费用，分别表示收费包含起步费时氢燃料汽车的起步费、每分钟的租赁费用，di,s分别表示场景s下用户i的车辆返回时间、车辆出发时间和车辆行驶距离，I1、I2分别表示租赁电动汽车用户集合、租赁氢燃料汽车用户集合，α为一个0/1变量。
可选地，在根据本发明的基于共享停车场典型场景的电-氢能量枢纽规划方法中，共享停车场通过输入端口与外网连接，外网包括外部电网和外部氢网，场景s下共享停车场的年能源购买成本以如下公式确定：
其中，τ表示一年中的天数，cele、ch分别表示系统购电价格、购氢价格，分别表示场景s下时刻t内共享停车场从外部电网中购电功率、从外部氢网中购氢功率，T表示时间集合，△t表示T中划分的每一个时段。
可选地，在根据本发明的基于共享停车场典型场景的电-氢能量枢纽规划方法中，共享停车场还包括能量填充装置，能量填充装置包括加氢设备和充电桩，场景s下共享停车场的年运行维护成本以如下公式确定：
其中，Ma分别表示共享停车场内设备a的年固定维护成本、安装容量，cmai_e、cmai_h、cmai_he、cmai_cp分别表示电动汽车、氢燃料汽车、加氢设备、充电桩的年固定维护成本，ncar_e、ncar_h、nhe、ncp分别表示电动汽车、氢燃料汽车、加氢设备、充电桩的数量，A表示共享停车场内设备集合。
可选地，在根据本发明的基于共享停车场典型场景的电-氢能量枢纽规划方法中，还包括获取共享停车场的投资成本，投资成本以如下公式确定：
其中，Cinv表示投资成本，ka、Ma分别表示共享停车场内设备a的资本回收因数、单位容量投资成本、安装容量，ke、kh、khe、kcp分别表示电动汽车、氢燃料汽车、加氢设备、充电桩的资本回收因数，cinv_e、cinv_h、cinv_he、 cinv_cp分别表示电动汽车、氢燃料汽车、加氢设备、充电桩的单位数量投资成本，ncar_e、ncar_h、nhe、ncp分别表示电动汽车、氢燃料汽车、加氢设备、充电桩的数量，A表示共享停车场内设备集合。
可选地，在根据本发明的基于共享停车场典型场景的电-氢能量枢纽规划方法中，根据共享停车场的投资成本和运行收益，构建共享停车场规划的目标函数的步骤，包括：计算运行收益与共享停车场的投资成本的差值，将差值最大化作为共享停车场规划的目标函数。
可选地，在根据本发明的基于共享停车场典型场景的电-氢能量枢纽规划方法中，配置约束条件包括系统配置约束和定价约束；和/或运行约束条件包括设备运行特性约束、功率平衡约束和车辆数量约束。
根据本发明的又一个方面，提供了一种计算设备，包括：至少一个处理器；以及存储器，存储有程序指令，其中，程序指令被配置为适于由至少一个处理器执行，程序指令包括用于执行如上所述的基于共享停车场典型场景的电-氢能量枢纽规划的指令。
根据本发明的又一个方面，提供了一种存储有程序指令的可读存储介质，当程序指令被计算设备读取并执行时，使得计算设备执行如上所述的基于共享停车场典型场景的电-氢能量枢纽规划方法。
根据本发明的基于共享停车场典型场景的电-氢能量枢纽规划方案，电-氢能量枢纽在共享停车场典型场景下实现为共享停车场，结合可再生能源设备发电出力、用户出行行为和用户需求响应引起的不确定性，获取共享停车场的运行收益，根据共享停车场的投资成本和运行收益，构建共享停车场规划的目标函数，并生成约束条件，基于目标函数，通过约束条件，对共享停车场进行规划。在上述技术方案中，充分考虑了需求响应的不确定性，探讨用户出行偏好以促进用户需求弹性能力的协同协调，深入分析了共享停车场的运行特点和规划过程中的多能源互补过程，实现可再生能源的有效利用，最大限度地减少碳排放。
附图说明
为了实现上述以及相关目的，本文结合下面的描述和附图来描述某些说明性方面，这些方面指示了可以实践本文所公开的原理的各种方式，并且所有方面及其等效方面旨在落入所要求保护的主题的范围内。通过结合附图阅读下面的详细描述，本公开的上述以及其它目的、特征和优势将变得更加明显。遍及本公开，相同的附图标记通常指代相同的部件或元素。
图1示出了根据本发明一个实施例的计算设备100的结构框图；以及
图2示出了根据本发明一个实施例的基于共享停车场典型场景的电-氢能量枢纽规划方法200的流程图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
图1示出了根据本发明一个实施例的计算设备100的结构框图。
如图1所示，在基本的配置102中，计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。
取决于期望的配置，处理器104可以是任何类型的处理，包括但不限于：微处理器(UP)、微控制器(UC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用，或者在一些实现中，存储器控制器118可以是处理器104的一个内部部分。
取决于期望的配置，系统存储器106可以是任意类型的存储器，包括但不限于：易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。系统存储器106可以包括操作系统120、一个或者多个应用122以及程序数据124。在一些实施方式中，应用122可以布置为在操作系统上由一个或多个处理器104利用程序数据124执行指令。
计算设备100还包括储存设备132，储存设备132包括可移除储存器136 和不可移除储存器138。
计算设备100还可以包括储存接口总线134。储存接口总线134实现了从储存设备132(例如，可移除储存器136和不可移除储存器138)经由总线/接口控制器130到基本配置102的通信。操作系统120、应用122以及程序数据 124的至少一部分可以存储在可移除储存器136和/或不可移除储存器138上，并且在计算设备100上电或者要执行应用122时，经由储存接口总线134而加载到系统存储器106中，并由一个或者多个处理器104来执行。
计算设备100还可以包括有助于从各种接口设备(例如，输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156，它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备(例如，键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160，其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块，并且可以包括任何信息递送介质。“调制数据信号”可以是这样的信号，它的数据集中的一个或者多个或者它的改变可以在信号中以编码信息的方式进行。作为非限制性的示例，通信介质可以包括诸如有线网络或者专线网络之类的有线介质，以及诸如声音、射频(RF)、微波、红外(IR) 或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。
计算设备100可以实现为包括桌面计算机和笔记本计算机配置的个人计算机。当然，计算设备100也可以实现为小尺寸便携(或者移动)电子设备的一部分，这些电子设备可以是诸如蜂窝电话、数码照相机、个人数字助理 (PDA)、个人媒体播放器设备、无线网络浏览设备、个人头戴设备、应用专用设备、或者可以包括上面任何功能的混合设备。甚至可以被实现为服务器，如文件服务器、数据库服务器、应用程序服务器和WEB服务器等。本发明的实施例对此均不做限制。
在根据本发明的实施例中，计算设备100被配置为执行根据本发明的基于共享停车场典型场景的电-氢能量枢纽规划方法200。其中，布置在操作系统上的应用122中包含用于执行方法200的多条程序指令，这些程序指令可以指示处理器104执行本发明的方法200，以便计算设备200通过执行本发明的方法200来对基于共享停车场典型场景的电-氢能量枢纽进行规划。
图2示出了根据本发明一个实施例的基于共享停车场典型场景的电-氢能量枢纽规划方法200的流程图。基于共享停车场典型场景的电-氢能量枢纽规划方法200可以在计算设备(例如前述计算设备100)中执行。
电-氢能量枢纽在共享停车场典型场景下实现为共享停车场，以下所提到的共享停车场均是指基于共享停车场典型场景下的电-氢能量枢纽。根据本发明的一个实施例，共享停车场通过输入端口与外网连接，通过输出端口连接终端用户的能源需求，共享停车场包括能量转换设备、储能设备、能量填充装置和车辆，外网包括外部电网和外部氢网，。
其中，能量转换设备包括可再生能源设备、电解池(Electrolytic Cell，EC)、燃料电池(Fuel Cell，FC)，可再生能源设备包括风机(Wind Turbine，WT)、光伏(Photovoltaic，PV)设备。储能设备包括电储能(Electrical energy Storage， ES)设备和氢储能(Hydrogen Storage，HS)设备，能量填充装置包括加氢设备(Hydrogenation Equipment，HE)、充电桩(Charging Pile，CP)，车辆包括电动汽车和氢燃料汽车。
在实践中，共享停车场从外部电网、外部氢网获取一次能源，并通过相应的能量转化技术实现两种能源的相互转换，然后这些产生的能源将直接用于满足用户的旅行租赁需求，或交付到储能设备存储，旨在更有效地利用能源。此外，还可以通过合理的租赁价格等变量影响用户对不同车型的偏好，从而允许共享停车场所有者(Shared Parking LotOwner，SPLO)和用户之间的双边互动，实现用户需求响应。
假设共享停车场的规划和运行都由一个共享停车场所有者承担。作为一个独立的实体，这个私有的共享停车场所有者的目标是通过优化投资策略和在运营阶段协调不同能源(特别是可再生能源)的使用，以最大的总回报满足用户的能源需求。为此，规划问题不仅包括相关设施的投资决策(如确定设备容量或数量)，还包括所发布的面向用户的租赁价格方案，这将影响需求侧在运行过程中对不同模型的偏好，从而实现供给和需求响应的协同利用。
根据以上描述，共享停车场规划问题可以抽象为一个两阶段决策过程。在第一阶段，共享停车场所有者确定最优的数量、安装容量和租赁价格，从而得出共享停车场的设计策略，以便以最低成本提供规定的能源服务。此规划问题受到相应设备参数和预算约束的制约。这些得到的决策将被用作先验信息，然后定义第二阶段问题的边界条件。
在第二阶段，共享停车场所有者通过控制设备的运行状态，对所提的共享停车场系统进行优化管理，有效满足用户的能源需求。这种决策通常是根据共享停车场的运行特性和系统每天每小时进行一次的预测数据(包括用户的随机出行需求、响应等)做出的。在这一过程中，与共享停车场所有者相关的一个重要问题是系统中不确定性的潜在影响。例如，在实践中，每个用户对于不同的车型有不同的选择偏好，这取决于租赁价格等因素。同样，由于可再生能源和需求侧表现的随机性，可再生能源生产和用户的日常出行习惯也可能具有不确定性。因此，共享停车场所有者在确定共享停车场的最优规划方案时，必须考虑这些变量的影响。
第二阶段决策将返回在给定的能源需求和价格条件下，共享停车场设施的运行状态和提供给用户的租赁价格方案，从而量化所建议的共享停车场的最优运行性能。将这些结果与第一阶段的投资决策相结合，在一个交互框架下得到共享停车场的最优规划解。
为了简化分析，采用如下假设：
1)由于针对的是社区能量枢纽系统的，因此可忽略能量传输网络的影响；
2)采用碳排放成本表示共享停车场设计的可再生能源利用目标，并将其作为目标函数的一部分，在所提出的最大效益规划模型中最小化；
3)在一年内用户每天的出行习惯是相同的，车辆的租赁和归还限制在同一天，且每次初始租赁汽车均为满状态。
如图2所示，方法200始于步骤S210。在步骤S210中，结合可再生能源设备发电出力、用户出行行为和用户需求响应引起的不确定性，获取共享停车场的运行收益。
根据本发明的一个实施例，考虑到数据的准确性，可再生能源设备发电出力用区间数表示，用户出行行为和用户需求响应用概率分布函数表示。但需要强调的是，与用户出行行为引起的内在不确定性不同，用户需求响应引起的不确定性的概率不是恒定的，而是随着决策而变化的。
可再生能源设备发电出力的概率分布不易准确得到，从许多历史数据中获得的信息质量也不完全令人满意。因此，用区间数来表示，既能保留变量的不确定性信息，又便于实现。风机和光伏设备的产电功率可以如下公式确定：
其中，Pt WT、Pt PV分别表示时刻t风机、光伏设备的产电功率，分别表示时刻t风机、光伏设备的载荷因数，为区间数，MWT、MPV分别表示风机、光伏设备的配置容量。
对用户出行行为而言，用户的出行习惯和驾驶特性对车辆行驶距离、车辆返回时间和车辆出发时间都有决定性作用。因此，可以参考历史数据形成的概率密度分布函数，并假设不同能量形态的车辆遵循相同的概率分布。
为了简单起见，使用离散概率分布来表示用户i的出行距离。表1示出了根据本发明一个实施例的车辆行驶距离随机概率分布的示例，具体如下所示：
表1
从表1中可以看出，当随着车辆行驶距离由30千米开始，逐步增加到60、 90、120和150千米时，概率是由0.2先增大到0.4，再从0.4逐步减小到0.3、 0.07、0.03。由此，假设剩余能量与车辆行驶距离为线性关系，则车辆返回时剩余能量的比例为：
其中，di,s分别表示场景s下用户i的电动汽车的剩余能量、氢燃料汽车的剩余能量、车辆行驶距离(即用户出现随机行驶距离)，dR_e、 dR_h分别表示电动汽车、氢燃料汽车的最大行驶里程，i∈I，I表示用户集合， s∈S，S表示场景集合。
车辆返回时间满足正态分布，其概率密度函数表示为：
其中，表示场景s下用户i的车辆返回时间，该分布的期望μ2＝17.6，标准差σ2＝3.4。
车辆出发时间服从对数正态分布，其概率密度函数表示为：
其中，表示场景s下用户i的车辆出发时间，该分布的期望μ3＝2.18，标准差σ3＝0.3。
而对于用户需求响应引起的不确定性，则要从演化博弈论出发来考虑。
演化博弈论是以有限理性的参与者群体为对象，采用动态研究过程研究参与者如何在博弈演化中调整自己的策略以适应环境，并由此产生群体行为演化趋势的博弈理论。与传统博弈论不同的是，演化博弈不要求参与者具备完全理性，参与者通过类似于遗传机制而非理性选择过程，因此可以更合理地刻画博弈行为。
演化博弈模型主要包括5种元素：参与者集合、策略集、适应度函数、复制者动态方程、演化稳定策略。在演化博弈过程中，参与者会通过不断学习其他参与者，改变自己的策略选择使适应度函数最优。经过一段时间的演化，所有参与者最终会趋向于某个稳定策略而达到均衡状态，即演化稳定策略。由于参与者会根据适应度函数进行策略的学习与改变，因此群体中采用不同策略的比例(概率)会随之发生变化。复制者动态方程便揭示了种群比例(概率) 的演化规律，若个体的选择策略的收益少于群体平均收益，则该选择策略的增长率为负，反之为正。复制者动态方程一般以如下形式表示：
其中，f(j,x)表示采用策略j的个体的适应度函数，表示群体平均适应度，p为选择策略j的参与者比例。
称策略x∈J为演化稳定策略，若策略y∈J且y≠x(J表示策略集合)，均存在某个正数使得关于策略为x的群体的适应度函数满足下式：
演化博弈模型的求解就是通过求解式(6)所示的复制者动态方程(当其等于零时)，达到演化稳定状态，从而得到稳定状态下群体选择各个策略的比例值。
在共享停车场的投资规划结果下，用户需要决定如何在一天内合理分配共享停车场的车辆资源，以满足各自的出行需求。每个用户的策略是自我选择的，通过学习其他用户的有利策略来优化自己的效益，经过一段时间后达到稳定的进化状态，个体之间存在随机性和差异性。用户的选择策略受到共享停车场所有者公布的租赁价格方案和规划方案的影响，这有利于促进用户需求响应能力(即需求灵活性)的协同协调，但也带来了一些不确定性。因此，基于进化博弈理论，建立以面向用户的需求响应模型，讨论用户的选择偏好，有利于准确分析用户的能源消费行为和趋势，构建进化博弈模型如下：
1)博弈参与者：用户集合I；
2)策略集合：每一个博弈参与者的策略为其选择的车型，这里指的是能源形式的不同，设群体中个体可用的策略集合为J＝{1，2，…,j}，则本发明考虑两种策略，j＝1表示电动汽车，j＝2表示氢燃料汽车；
3)种群比例：xj表示选择策略j完成出行的用户比例，即策略选择比例， xj∈[0,1]，x1+x2＝1；
4)适应度函数：用ui表示用户i选择策略时的用户效益函数。
将用户i在场景s下选择策略j时的适应度函数ui,j,s定义如下：
其中，vi,j,s表示场景s下选择策略j时满足用户i出行需求后转化的收益，最常用的换算方法是计算出在纯汽油模式下行驶相同状况所消耗的成本。w 是一个描述价格敏感性的系数，反应车辆的租赁价格对用户的影响。cj为选择策略j时的租赁价格，π为调度系数，A0为总用户数，n是一个常数，为最大安排车辆数量。
式(8)中等式右边的第三项，衡量的是用户租车时的车辆调度率。例如， xj越大，表示选择策略j出行的用户越多，但是，在最大安排车辆数量n下，这意味着策略j的车辆调度更加拥挤，用户的服务满意度会降低。因此，该效益函数同时考虑了消费满意度和服务满意度。
所以，对于每一种策略下总的适应度函数(即用户效益函数)为：
其中，uj,s、xj,s分别表示场景s下选择策略j的总的用户效益、场景s下选择策略j完成出行的用户比例。
进而得到选择所有策略的平均效益函数为：
从而，可生成上述情况下的复制者动态方程，以如下公式表示：
其中，表示对t求偏导数。
通过求解式(8)～(11)，可以得到演化稳定状态下用户选择不同车辆的概率。因此，用户对不同车型的偏好是服从二项分布的随机变量。由于服从二项分布的概率值会随第一阶段的决策变量的结果而动态变化，因此用户需求响应的不确定性是一种决策相关的不确定性。
基于以上对相关不确定性的分析和处理，运行收益可以如下公式确定：
其中，Uopt表示运行收益，λs表示场景s出现的概率， 分别表示场景s下共享停车场的年租车收益、年能源购买成本、年运行维护成本、碳排放成本。
由于租赁收益取决于共享停车场所有者向用户公布的收费方案，所以为了不失一般性，考虑了三种不同的收费方案，分别是：
方案1：假设收费方式与时间相关，电动汽车为ce元/分钟，氢燃料汽车为 ch元/分钟；
方案2：假设收费方式与时间和距离均相关，电动汽车为元/公里+元 /分钟，氢燃料汽车为元/公里+元/分钟；
方案3：假设收费方式包含起步费，电动汽车为起步费元(含30分钟) +元/分钟，氢燃料汽车为起步费元(含30分钟)+元/分钟。
因此，构建不同收费方案下的租赁收益函数如下：
其中，τ表示一年中的天数，ce、ch分别表示收费方式与时间相关时电动汽车、氢燃料汽车每分钟的租赁费用，分别表示收费方式与时间和距离均相关时，电动汽车每公里的租赁费用、每分钟的租赁费用，分别表示收费方式与时间和距离均相关时，氢燃料汽车每公里的租赁费用、每分钟的租赁费用，分别表示收费包含起步费时电动汽车的起步费、每分钟的租赁费用，分别表示收费包含起步费时氢燃料汽车的起步费、每分钟的租赁费用，I1、I2分别表示租赁电动汽车用户集合、租赁氢燃料汽车用户集合，α为一个0-1变量，用来表示在方案3下用户租赁费用是否在起步费内。
场景s下共享停车场的年能源购买成本以如下公式确定：
其中，τ表示一年中的天数，如365天，cele、ch分别表示系统购电价格、购氢价格，分别表示场景s下时刻t内共享停车场从外部电网中购电功率、从外部氢网中购氢功率，T表示时间集合，如划分为一天的24个时段，表示为{1，2，…，t}，△t表示T中划分的每一个时段，如为1小时。
场景s下共享停车场的年运行维护成本以如下公式确定：
其中，Ma分别表示共享停车场内设备a的年固定维护成本、安装容量，cmai_e、cmai_h、cmai_he、cmai_cp分别表示电动汽车、氢燃料汽车、加氢设备、充电桩的年固定维护成本，ncar_e、ncar_h、nhe、ncp分别表示电动汽车、氢燃料汽车、加氢设备、充电桩的数量，A表示共享停车场内设备集合。
场景s下共享停车场的碳排放成本以如下公式确定：
其中，ceco、ethg、ehp分别表示单位碳排放所对应的环境成本、外部电网 (如火电机组)单位发电量产生的碳排放、外部氢网(如制氢厂)单位制氢量产生的碳排放。
根据本发明的一个实施例，方法200还包括获取共享停车场的投资成本，投资成本以如下公式确定：
其中，Cinv表示投资成本，ka、Ma分别表示共享停车场内设备a的资本回收因数、单位容量投资成本、安装容量，ke、kh、khe、kcp分别表示电动汽车、氢燃料汽车、加氢设备、充电桩的资本回收因数，cinv_e、cinv_h、cinv_he、 cinv_cp分别表示电动汽车、氢燃料汽车、加氢设备、充电桩的单位数量投资成本，资本回收因数可通过贴现率和设备使用寿命计算得出。
随后，进入步骤S220，根据共享停车场的投资成本和运行收益，构建共享停车场规划的目标函数。根据本发明的一个实施例，可以通过如下方式对目标函数进行构建，即计算运行收益与共享停车场的投资成本的差值，将差值最大化作为共享停车场规划的目标函数。
在该实施方式中，根据式(12)和(18)可确定目标函数表示如下：
maxf＝Uopt-Cinv (19)
其中，f表示最终利润，max表示求最大值。
在步骤S230中，生成约束条件，约束条件包括配置约束条件和运行约束条件。根据本发明的一个实施例，配置约束条件包括系统配置约束和定价约束。
系统配置约束可以如下公式确定：
其中，nemax、nhmax、nhemax、ncpmax分别表示是电动汽车、氢燃料汽车、加氢设备、充电桩的数量配置上限，表示设备a的安装容量上限。
定价约束用于对车辆租赁费用进行限制，在三种不同的收费方案下，其对应的租赁费用都需要满足不超过租车价格上下限。
根据本发明的一个实施例，运行约束条件包括设备运行特性约束、功率平衡约束和车辆数量约束。在该实施方式中，设备运行特性约束包括储能设备运行约束、电解池运行约束和燃料电池运行约束。
储能设备运行约束以如下公式确定：
其中，分别表示场景s下时刻t氢储能设备、电储能设备的储能状态，分别表示场景s下时刻t-1氢储能设备、电储能设备的储能状态，βHS、βES分别表示氢储能设备、电储能设备的自放能率，ηHS-ch、ηHS-dch分别表示氢储能设备的充、放能效率，ηES-ch、ηES-dch分别表示电储能设备的充、放能效率，分别表示场景s下时刻t氢储能设备的充、放电功率，分别表示场景s下时刻t电储能设备的充、放电功率，μHS-min、μHS-max分别表示氢储能设备的最小、最大储能系数，μES-min、μES-max分别表示电储能设备的最小、最大储能系数，分别表示时刻t氢储能设备充、放能状态，为0-1变量，分别表示时刻t电储能设备充、放能状态，为0-1变量，σHS、σES分别表示氢储能设备、电储能设备的功率-容量比，MHS、MES分别表示氢储能设备、电储能设备的安装容量。
电解池运行约束以如下公式确定：
其中，分别表示场景s下时刻t电解池产氢功率、耗电功率，ηEC表示电解池效率，MEC表示电解池安装容量。
燃料电池运行约束以如下公式确定：
其中，分别表示场景s下时刻t燃料电池耗氢功率、发电功率，ηFC表示燃料电池效率，MFC表示燃料电池安装容量。
功率平衡约束可以如下公式确定：
其中，分别表示场景s下时刻t负荷用电、用氢功率，Pbuy-max、 Hbuy-max分别表示从外部电网、外部氢网里购能上限，Pele、Ph分别表示共享停车场内设备额定充电、加氢功率，分别表示场景s下时刻t正在充电、加氢的车辆数量。
对车辆数量约束而言，包括如下式(30)～(35)所示的约束要求。首先将共享停车场内的电动汽车分为充满电、正在充电和等待充电三种状态，氢燃料汽车分为加满氢、正在加氢和等待加氢三种状态。基于此种考虑，将一天划分为24 个时段，即表示为{1，2，…，t}，则每个状态的车辆数量满足以下约束：
其中，分别表示场景s下时刻t对应的时段内充满电、正在充电和等待充电的电动汽车数量，分别表示场景s 下时刻t-1对应的时段内充满电、正在充电和等待充电的电动汽车数量，分别表示场景s下时刻t-1对应的时段内完成充电、开始充电、出租、返回的电动汽车数量，分别表示场景s下时刻t对应的时段内加满氢、正在加氢和等待加氢的氢燃料汽车数量，分别表示场景s下时刻t-1对应的时段内加满氢、正在加氢和等待加氢的氢燃料汽车数量， 分别表示场景s下时刻t-1对应的时段内完成加氢、开始加氢、出租、返回的氢燃料汽车数量。
所有状态下的车辆总数保持不变，则有：
其中，分别表示场景s下时刻t对应的时段内出租、返回的电动汽车数量,分别表示场景s下时刻t对应的时段内出租、返回的氢燃料汽车数量。
充电桩的充电功率为一恒定值，所以对于剩余电量相同的车辆，充能时间相同。因此，可根据前述抽样生成的离散型车辆行驶距离(或剩余能量)将其划分为自然组，每组满足如下式所示约束。同理，氢燃料汽车也是如此。
其中，分别表示场景s下时刻t+Tc对应的时段内完成充电的电动汽车数量、时刻t+Th对应的时段内完成加氢的氢燃料汽车数量, 分别表示场景s下时刻t对应的时段内开始充电的电动汽车数量、开始加氢的氢燃料汽车数量，Tc、Th分别表示电动汽车充电时间、氢燃料汽车加氢时间。
正在充能车辆数量不超过能量填充装置数量，则有：
车辆出行需求应满足如下要求：
任何一个状态的车辆数量少于总数量，则有：
其中，分别表示场景s下时刻t对应的时段内完成充电的电动汽车数量、完成加氢的氢燃料汽车数量。
最后，执行步骤S240，基于目标函数，通过约束条件，对共享停车场进行规划。根据本发明的一个实施例，通过如式(19)所示的目标函数，再结合如式(20)～(35)所示的约束条件，对基于共享停车场典型场景的电-氢能量枢纽，即所实现的共享停车场进行规划。
例如，可采用一种混合区间-随机两阶段规划方法来进行处理。需求侧能耗相关变量可以归纳为用户出行行为和用户需求响应两个方面，这些变量可以用概率密度分布函数来表示。因此，用户i的行为信息可以用向量Φi表示如下：
其中，Zi,s表示场景s下用户i对不同车型的选择偏好。
将模型中用户的能耗场景表示为式(37)，以描述所有用户在运行过程中的出行状态：
Ψs＝{Φi|i∈I} (37)
其中，Ψs表示场景s下所有用户在运行过程中的出行状态集合。
利用蒙特卡罗模拟采样，在需求侧生成一组针对每个用户出行行为的场景。与一般的抽样不同，需要考虑决策相关的不确定性变量的抽样。抽样步骤如下：
步骤1：设置初始数据，包括生成场景数量和每个场景中用户数量；
步骤2：输入与用户出行行为相关的不确定变量的概率密度分布 表示场景s下用户i的车辆剩余能量；
步骤3：获取每个场景中每个用户的随机出行数据；
步骤4：从步骤3生成的随机出行场景中提取规划阶段共享停车场所有者的决策变量信息；
步骤5：根据复制者动态方程，即式(11)，得到用户选择不同策略的概率，即策略选择比例xj；
步骤6：根据xj抽样得到Zi,s；
步骤7：根据式(36)、(37)，结合变量di,s、和Zi,s建立场景Ψs。
通过上述处理，可以消除由随机变量引起的不确定性。
此外，在实践中，上述步骤1～7生成的示例场景数量过多，因此可使用场景缩减技术(如聚类分析等)来简化场景。这样，原始的用户场景集可以根据统计相似性聚为个位数的类别。
在进行区间优化的确定性变换时，一个典型的区间优化模型可以如下公式确定：
其中，x为决策变量，u为不确定性变量，f(x,u)(即P)为目标函数， h(x,u)(即H)、g(x,u)(即G)为约束条件，h(x,u)＝0、g(x,u)≥0分别表示等式约束、不等式约束。
关于目标函数的确定性变换，先考虑区间数是由上、下界值组成的波动区间，以下式(39)表示，同时，由于区间不确定变量具有波动范围，因此目标函数P在决策变量x处的影响也可以表示为区间数，如下式(40)、(41)所示。下式 (42)～(44)表示不确定目标函数P可以由m(P)和w(P)组成，其中m(P)为区间中点，用来反映区间数的位置，w(P)为区间半径值，反映了目标函数对不确定因素影响的敏感性。
U＝[uL,uR]＝{u:uL≤u≤uR} (39)
P＝[pL,pR]＝{p:pL≤pu≤pR} (40)
P＝<m(P),w(P)> (42)
m(P)＝(pL+pR)/2 (43)
w(P)＝(pR-pL)/2 (44)
其中，U表示不确定性变量的区间数，uR、uL分别表示不确定性变量的上、下限值。pu、pR、pL分别表示目标函数P的值、波动上限、波动下限，分别表示以不确定性变量u为自变量求最小值、最大值。
在区间优化中，目标值以区间的形式求得。为了确定最优解，需要对与区间中点大小和区间半径长短有关的两个区间数进行比较，所以有必要在两者之间进行权衡。从悲观决策者的角度可定义偏好顺序，即对于任意两个区间数 AA和BB，定义一个模糊偏好函数来表示决策者对AA、BB的偏好，如下式(45)所示。然后，从0到1选取悲观情绪来描述决策者的风险承受能力，将模糊偏好函数值与决策者的悲观程度进行比较，以确定优选的区间数。
其中，m(AA)、m(BB)分别为AA、BB的区间中点，w(AA)为AA的区间半径，bL为BB的下限值。
在基于模糊偏好函数和决策者悲观程度的区间数比较中，需要区间中点值和区间半径值。在上述基础上，对区间数的比较进行了简化，如下式(46)所示：
m(AA)+(ξ-1)×w(AA)>m(BB)+(ξ-1)×w(BB) (46)
其中，w(BB)为BB的区间半径，ξ为根据式(45)简化处理得到的系数。当大于ξ时，决策者选择AA，否则，选择BB。
因此，通过以上过程，目标函数P可转化为以下确定性模型：
max m(P)+(ξ-1)×w(P) (47)
而对于约束条件的确定性变换，由于不确定性变量u有波动范围，约束条件H也可以表示为决策变量x影响下的区间数，由下式(48)确定：
其中，hL、hR分别表示约束条件H的波动下限、波动上限。
利用上述方法将式(38)中的约束条件转化为确定性约束条件，则有：
其中，m(H)、w(H)分别表示约束条件H的区间中点、区间半径，m(G)、 w(G)分别表示约束条件G的区间中点、区间半径。
因此，区间优化模型可以转化为以下确定性模型：
以下为上述混合区间-随机两阶段规划方法处理过程的简要说明：
步骤a：设置初始数据、读取输入数据、设置算法参数；
步骤b：随机生成初始种群(第一阶段规划方案)；
步骤c：按照式(36)、(37)及相关处理步骤获取场景设置Ψs；
步骤d：根据式(38)～(49)，对所有个体采用区间分析法和模糊偏好排序函数，实现原模型的确定性转换，如式(50)所示；
步骤e：确定所有个体的适合度值和排序；
步骤f：判断是否满足收敛条件，如果迭代次数达到最大值，则输出当前最优个体作为最终方案，否则，对亲本种群进行选择、杂交和突变，形成后代种群，然后回到步骤c。
根据本发明实施例的基于共享停车场典型场景的电-氢能量枢纽规划方案，电-氢能量枢纽在共享停车场典型场景下实现为共享停车场，结合可再生能源设备发电出力、用户出行行为和用户需求响应引起的不确定性，获取共享停车场的运行收益，根据共享停车场的投资成本和运行收益，构建共享停车场规划的目标函数，并生成约束条件，基于目标函数，通过约束条件，对共享停车场进行规划。在上述技术方案中，在共享停车场的场景下，充分考虑了需求响应的不确定性，通过演化博弈来描述用户出行选择策略的不确定性，探讨用户出行偏好以促进用户需求弹性能力的协同协调，深入分析了实现为共享停车场的电-氢能量枢纽的运行特点，以及规划过程中的多能源互补过程，实现可再生能源的有效利用，最大限度地减少碳排放。此外，在求解目标函数时，将区间优化技术与随机规划技术相结合，提出了区间-随机两阶段混合规划方法，很好地处理了由离散区间和概率分布相互作用所引起的复杂不确定性。
这里描述的各种技术可结合硬件或软件，或者它们的组合一起实现。从而，本发明的方法和设备，或者本发明的方法和设备的某些方面或部分可采取嵌入有形媒介，例如可移动硬盘、U盘、软盘、CD-ROM或者其它任意机器可读的存储介质中的程序代码(即指令)的形式，其中当程序被载入诸如计算机之类的机器，并被所述机器执行时，所述机器变成实践本发明的设备。
在程序代码在可编程计算机上执行的情况下，计算设备一般包括处理器、处理器可读的存储介质(包括易失性和非易失性存储器和/或存储元件)，至少一个输入装置，和至少一个输出装置。其中，存储器被配置用于存储程序代码；处理器被配置用于根据该存储器中存储的所述程序代码中的指令，执行本发明的基于共享停车场典型场景的电-氢能量枢纽规划方法。
以示例而非限制的方式，可读介质包括可读存储介质和通信介质。可读存储介质存储诸如计算机可读指令、数据结构、程序模块或其它数据等信息。通信介质一般以诸如载波或其它传输机制等已调制数据信号来体现计算机可读指令、数据结构、程序模块或其它数据，并且包括任何信息传递介质。以上的任一种的组合也包括在可读介质的范围之内。
在此处所提供的说明书中，算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与本发明的示例一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中，或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外，所述实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行所述功能的其它装置实施的方法或方法元素的组合。因此，具有用于实施所述方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外，装置实施例的在此所述的元素是如下装置的例子：该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样，除非另行规定，使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例，并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明，但是受益于上面的描述，本技术领域内的技术人员明白，在由此描述的本发明的范围内，可以设想其它实施例。此外，应当注意，本说明书中使用的语言主要是为了可读性和教导的目的而选择的，而不是为了解释或者限定本发明的主题而选择的。因此，在不偏离所附权利要求书的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围，对本发明所做的公开是说明性的，而非限制性的，本发明的范围由所附权利要求书限定。
Claims (5)
1.一种基于共享停车场典型场景的电-氢能量枢纽规划方法，在计算设备中执行，所述电-氢能量枢纽在共享停车场典型场景下实现为共享停车场，所述共享停车场包括能量转换设备和储能设备，所述能量转换设备包括可再生能源设备，所述储能设备包括电储能设备和氢储能设备，所述方法包括：
结合所述可再生能源设备发电出力、用户出行行为和用户需求响应引起的不确定性，获取所述共享停车场的运行收益；
根据所述共享停车场的投资成本和所述运行收益，构建所述共享停车场规划的目标函数；
生成约束条件，所述约束条件包括配置约束条件和运行约束条件；
基于所述目标函数，通过所述约束条件，对所述共享停车场进行规划；
其中，所述共享停车场还包括车辆，所述车辆包括电动汽车和氢燃料汽车，所述运行收益以如下公式确定：
其中，Uopt表示运行收益，λs表示场景s出现的概率， 分别表示场景s下共享停车场的年租车收益、年能源购买成本、年运行维护成本、碳排放成本，S表示场景集合；
所述场景s下共享停车场的年租车收益可以如下公式确定：
其中，τ表示一年中的天数，ce、ch分别表示收费方式与时间相关时电动汽车、氢燃料汽车每分钟的租赁费用，分别表示收费方式与时间和距离均相关时，电动汽车每公里的租赁费用、每分钟的租赁费用，分别表示收费方式与时间和距离均相关时，氢燃料汽车每公里的租赁费用、每分钟的租赁费用，分别表示收费包含起步费时电动汽车的起步费、每分钟的租赁费用，分别表示收费包含起步费时氢燃料汽车的起步费、每分钟的租赁费用，di,s分别表示场景s下用户i的车辆返回时间、车辆出发时间和车辆行驶距离，I1、I2分别表示租赁电动汽车用户集合、租赁氢燃料汽车用户集合，α为一个0/1变量；
所述共享停车场通过输入端口与外网连接，所述外网包括外部电网和外部氢网，所述场景s下共享停车场的年能源购买成本以如下公式确定：
其中，τ表示一年中的天数，cele、ch分别表示系统购电价格、购氢价格，分别表示场景s下时刻t内共享停车场从外部电网中购电功率、从外部氢网中购氢功率，T表示时间集合，Δt表示T中划分的每一个时段；
所述共享停车场还包括能量填充装置，所述能量填充装置包括加氢设备和充电桩，所述场景s下共享停车场的年运行维护成本以如下公式确定：
其中，Ma分别表示共享停车场内设备a的年固定维护成本、安装容量，cmai_e、cmai_h、cmai_he、cmai_cp分别表示电动汽车、氢燃料汽车、加氢设备、充电桩的年固定维护成本，ncar_e、ncar_h、nhe、ncp分别表示电动汽车、氢燃料汽车、加氢设备、充电桩的数量，A表示共享停车场内设备集合；
所述方法还包括获取所述共享停车场的投资成本，所述投资成本以如下公式确定：
其中，Cinv表示投资成本，ka、Ma分别表示共享停车场内设备a的资本回收因数、单位容量投资成本、安装容量，ke、kh、khe、kcp分别表示电动汽车、氢燃料汽车、加氢设备、充电桩的资本回收因数，cinv_e、cinv_h、cinv_he、cinv_cp分别表示电动汽车、氢燃料汽车、加氢设备、充电桩的单位数量投资成本，ncar_e、ncar_h、nhe、ncp分别表示电动汽车、氢燃料汽车、加氢设备、充电桩的数量，A表示共享停车场内设备集合。
2.如权利要求1所述的方法，其中，所述根据所述共享停车场的投资成本和所述运行收益，构建所述共享停车场规划的目标函数的步骤，包括：
计算所述运行收益与所述共享停车场的投资成本的差值，将所述差值最大化作为所述共享停车场规划的目标函数。
3.如权利要求1或2所述的方法，其中：
所述配置约束条件包括系统配置约束和定价约束；和/或
所述运行约束条件包括设备运行特性约束、功率平衡约束和车辆数量约束。
4.一种计算设备，包括：
至少一个处理器；以及
存储器，存储有程序指令，其中，所述程序指令被配置为适于由所述至少一个处理器执行，所述程序指令包括用于执行如权利要求1-3中任一项所述的方法的指令。
5.一种存储有程序指令的可读存储介质，当所述程序指令被计算设备读取并执行时，使得所述计算设备执行如权利要求1-3中任一项所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210419840.6A CN114782215B (zh) | 2022-04-20 | 2022-04-20 | 基于共享停车场典型场景的电-氢能量枢纽规划方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210419840.6A CN114782215B (zh) | 2022-04-20 | 2022-04-20 | 基于共享停车场典型场景的电-氢能量枢纽规划方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114782215A CN114782215A (zh) | 2022-07-22 |
| CN114782215B true CN114782215B (zh) | 2024-05-10 |
Family
ID=82430988
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210419840.6A Active CN114782215B (zh) | 2022-04-20 | 2022-04-20 | 基于共享停车场典型场景的电-氢能量枢纽规划方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114782215B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107844925A (zh) * | 2017-12-19 | 2018-03-27 | 天津大学 | 考虑电动汽车换电模式的主动配电网网架规划方法 |
| CN109800917A (zh) * | 2019-01-23 | 2019-05-24 | 华北电力大学 | 一种电动汽车停车场的规划方法、装置和计算设备 |
| CN110503265A (zh) * | 2019-08-26 | 2019-11-26 | 广东工业大学 | 一种充电设备用电交易管理方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7063151B2 (ja) * | 2018-07-03 | 2022-05-09 | トヨタ自動車株式会社 | 情報処理装置および情報処理方法 |
-
2022
- 2022-04-20 CN CN202210419840.6A patent/CN114782215B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107844925A (zh) * | 2017-12-19 | 2018-03-27 | 天津大学 | 考虑电动汽车换电模式的主动配电网网架规划方法 |
| CN109800917A (zh) * | 2019-01-23 | 2019-05-24 | 华北电力大学 | 一种电动汽车停车场的规划方法、装置和计算设备 |
| CN110503265A (zh) * | 2019-08-26 | 2019-11-26 | 广东工业大学 | 一种充电设备用电交易管理方法及装置 |
Non-Patent Citations (3)
| Title |
|---|
| Optimal Sizing and Economic Analysis of a Hydrogen Refuelling Station Providing Frequency Containment Reserve;Akbar Dadkhah等;《: 2020 IEEE International Conference on Environment and Electrical Engineering and 2020 IEEE Industrial and Commercial Power Systems Europe》;20200806;1-21 * |
| 含租车站的电氢微能源网区间随机优化规划方法;王诗文;《中国优秀硕士学位论文全文数据库 信息科技辑》;20240403;1-49 * |
| 电动汽车充换电网络规划的技术经济评价研究;王骏海;《中国优秀硕士学位论文全文数据库 经济与管理科学辑》;20150115;J163-76 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114782215A (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zheng et al. | Day-ahead bidding strategy for electric vehicle aggregator enabling multiple agent modes in uncertain electricity markets | |
| Wang et al. | A scenario-based stochastic optimization model for charging scheduling of electric vehicles under uncertainties of vehicle availability and charging demand | |
| Han et al. | Ordered charge control considering the uncertainty of charging load of electric vehicles based on Markov chain | |
| Shi et al. | A comprehensive charging network planning scheme for promoting EV charging infrastructure considering the Chicken-Eggs dilemma | |
| CN111612358A (zh) | 共享汽车车辆调度及调度员路径优化方法 | |
| CN113610311B (zh) | 双层协同架构下考虑碳减排的综合能源服务商合作运行优化方法 | |
| Wang et al. | Scenario analysis, management, and optimization of a new Vehicle-to-Micro-Grid (V2μG) network based on off-grid renewable building energy systems | |
| CN109800917A (zh) | 一种电动汽车停车场的规划方法、装置和计算设备 | |
| Yang et al. | Regulating the collective charging load of electric taxi fleet via real-time pricing | |
| CN116596252A (zh) | 一种电动汽车集群多目标充电调度方法 | |
| Zeng et al. | Optimal configuration planning of vehicle sharing station-based electro-hydrogen micro-energy systems for transportation decarbonization | |
| Li et al. | Electric vehicle charging scheduling with mobile charging stations | |
| CN112581313B (zh) | 一种光伏充电站资源的分配调节方法和系统 | |
| Zhang et al. | A green-fitting dispatching model of station cluster for battery swapping under charging-discharging mode | |
| Kong et al. | Independence enhancement of distributed generation systems by integrating shared energy storage system and energy community with internal market | |
| 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 | |
| Peng et al. | Energy storage capacity optimization of residential buildings considering consumer purchase intention: A mutually beneficial way | |
| CN117196233A (zh) | 考虑多目标优化和需求响应的虚拟电厂能量调度方法 | |
| CN114782215B (zh) | 基于共享停车场典型场景的电-氢能量枢纽规划方法 | |
| CN112085363A (zh) | 一种储能和电动汽车集群协同调度的需求响应方法 | |
| Meng et al. | Research on the capacity of charging stations based on queuing theory and energy storage scheduling optimization sharing strategy | |
| Chen et al. | Overview of transmission expansion planning in the market environment | |
| CN115441494A (zh) | 基于柔性直流互联系统的换流站容量优化配置方法和装置 | |
| Chen et al. | Data-driven-based distributionally robust optimization approach for a virtual power plant considering the responsiveness of electric vehicles and Ladder-type carbon trading | |
| Jawad et al. | A novel renewable powered stand-alone electric vehicle parking-lot model |
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 |