CN115377964A - 一种区域两阶段弹性能量管理方法、系统、设备及介质 - Google Patents
一种区域两阶段弹性能量管理方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN115377964A CN115377964A CN202210899358.7A CN202210899358A CN115377964A CN 115377964 A CN115377964 A CN 115377964A CN 202210899358 A CN202210899358 A CN 202210899358A CN 115377964 A CN115377964 A CN 115377964A
- Authority
- CN
- China
- Prior art keywords
- power
- load
- time
- area
- power failure
- 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
Links
- 238000007726 management method Methods 0.000 title description 36
- 238000009826 distribution Methods 0.000 claims abstract description 49
- 238000000034 method Methods 0.000 claims abstract description 40
- 238000007493 shaping process Methods 0.000 claims abstract description 27
- 230000005611 electricity Effects 0.000 claims abstract description 14
- 238000007599 discharging Methods 0.000 claims description 37
- 238000010248 power generation Methods 0.000 claims description 30
- 238000003860 storage Methods 0.000 claims description 17
- 150000001875 compounds Chemical class 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 238000005457 optimization Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000007717 exclusion Effects 0.000 claims description 7
- 238000005286 illumination Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 10
- 238000004146 energy storage Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 241000156302 Porcine hemagglutinating encephalomyelitis virus Species 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
- H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed generators
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
一种区域两阶段弹性能量管理方法、系统、设备及介质，包括：将区域内各用户历史用电负荷数据、电动汽车相关参数、停电时段和停电时段天气预测值输入预先构建的优化调度模型，得到停电时段内区域总负荷曲线；基于区域内各用户历史用电数据生成各用户初始负荷曲线，并基于初始负荷曲线和停电时段内区域总负荷曲线结合预先构建的功率分配模型，得到停电时段内各用户分配的功率；其中，优化调度模型是以计划停电时段内区域的失负荷总量最小为目标构建的。本发明采用优化调度模型与功率分配模型结合的两阶段方法进行能量管理，有效避免以集中方式整形大量的用户负荷曲线，显著降低区域方面的计算复杂度。
Description
技术领域
本发明涉及建筑能源管理技术领域，具体涉及一种区域两阶段弹性能量管理方法、系统、设备及介质。
背景技术
随着分布式可再生能源高比例接入、负荷需求急剧增长等因素的影响，电网计划停电的影响范围逐渐扩大，发生频率也在增加。与电网故障或极端自然灾害等引起的计划外停电不同，计划停运会将停电计划和持续时间提前通知用户。因此，为了缓解计划停电对居民用户的影响，弹性建筑能源管理已成为近年来的研究热点。随着可再生能源和电动汽车(Electric Vehicles,EV)等分布式能源在住宅建筑侧的大规模集成，借助双向通信、先进计量基础设施(AMI)和楼宇自动化系统，住宅建筑可以通过有效的能源管理方法实现应急供电恢复。在弹性能源管理方面，针对含有光储系统的商业楼宇型微电网,提出一种基于鲁棒优化的应急能量管理策略。研究家庭负荷和PHEV的协调运行，提出一种计及可再生能源不确定性的弹性家庭能源管理随机规划方法。利用太阳能发电和EV实现自供电提出了一种基于规则的弹性家庭能源管理策略。研究PHEV与汽油发动机的协调运行策略以最大限度地延长自供电时间。
在住宅区域层面，将V2H模型扩展到多住宅应用场景，通过集中优化PHEV的充放电支撑整个区域的应急电力需求。基于云储能的家庭微电网提出一种应急能源管理策略以减小用户停电损失和用户不满意度。为了整形家庭负荷曲线以进一步提高弹性能源管理能力，提出一种弹性区域能源管理情形，通过优化电池储能系统(BESS)的充放电整形家庭负荷曲线，将整个小区在停电期间的失负荷降至最低。然而，存在有两个主要限制。一是在区域层面集中整形大量家庭负荷曲线计算负担较大，且随着区域规模(即住户数量)的增加计算负担将急剧增加。二是目前BESS的投资和运维成本仍然很高，因此很难在住宅侧大规模部署以支持弹性能源管理。
发明内容
为了解决现有技术对区域层面集中整形大量家庭负荷曲线计算负担较大，且随着区域规模(即住户数量)的增加计算负担将急剧增加，而且BESS的投资和运维成本仍然很高很难在住宅侧大规模部署以支持弹性能源管理的问题，本发明提供了一种区域两阶段弹性能量管理方法，包括：
将区域内各用户历史用电负荷数据、电动汽车相关参数、停电时段和停电时段天气预测值输入预先构建的优化调度模型，得到停电时段内区域总负荷曲线及电动汽车充放电功率；
基于区域内各用户历史用电数据生成各用户初始负荷曲线，并基于所述初始负荷曲线和停电时段内区域总负荷曲线结合预先构建的功率分配模型，得到停电时段内各用户分配的功率；
其中，所述优化调度模型是以计划停电时段内所述区域的失负荷总量最小为目标构建的；
所述功率分配模型是根据各用户可调功率占总可调功率的比例结合功率分配系数构建的。
可选的，所述优化调度模型的构建包括：
基于区域内各用户历史用电数据生成各用户初始负荷曲线；
基于所述初始负荷曲线、停电时段和停电时段天气预测值计算停电时段内所述区域的失负荷总量；
以所述停电时段内区域的失负荷总量最小为目标构建目标函数；
为所述目标函数设置约束条件；
所述约束条件包括：电动汽车充电功率和放电功率约束、光伏发电功率约束、充放电互斥约束、SOC约束、区域负荷曲线整形约束。
可选的，所述基于所述初始负荷曲线、停电时段和停电时段天气预测值计算停电时段内所述区域的失负荷总量，包括：
基于停电时段内所述天气预测值结合光伏发电功率公式计算光伏发电功率；
基于所述电动汽车的历史充电数据和历史出行数据，预测所述电动汽车在停电时段内的充电功率和放电功率；
基于所述各用户在停电时段内的初始负荷与所述电动汽车在停电时段内的充电功率和放电功率之和减去所述光伏发电功率的最大值，作为单位时间内区域失负荷；
由所述单位时间内区域失负荷乘以所述停电时段的时长得到停电时段内区域的失负荷总量；
其中，所述电动汽车相关参数包括：电动汽车的历史充电数据和电动汽车历史出行数据。
可选的，所述目标函数如下式所示：
式中，
为时刻t的区域失负荷；Δt为调度时间间隔；t1为停电的开始时间；t2为停电的结束时间；Flost为t1至t2停电时段内区域的失负荷总量。
可选的，所述时刻t的区域失负荷
按下式计算：
式中，Pt solar是时刻t的光伏发电功率，Pt com是时刻t的区域总负荷；
分别是时刻t第k辆电动汽车的充电功率和放电功率；K是区域内电动汽车总数；k电动汽车编号。
可选的，所述时刻t的光伏发电功率Pt solar按下式计算：
式中，
是时刻t的光照强度；Ssolar是光伏阵列的面积；ζ是光伏转换效率；Tt out是时刻t的环境温度。
可选的，所述区域负荷曲线整形约束公式如下式所示：
式中：Pt hem是时刻t区域初始电力负荷；Pt com为时刻t的区域总负荷；T是时间间隔数；Δt为调度时间间隔。
可选的，所述功率分配模型的构建包括：
基于获取的区域负荷曲线整形上边界、下边界，结合停电时段内各时刻用户指定的耗电功率向上比例和向下比例，结合功率分配系数计算式得到停电时段内各时刻的功率分配系数；
基于停电时段内各时刻区域总负荷减去各时刻用户初始电力负荷得到各时刻的负荷差值；
由所述各时刻的负荷差值的绝对值与对应时刻的功率分配系数的乘积作为所述时刻的负荷调节量；
由所述时刻的负荷调节量与所述各时刻用户初始电力负荷之和作为所述用户在所述时刻分配的功率。
可选的，所述功率分配模型如下式所示：
式中，
是时刻t分配给第n个用户的功率；Wn,t是时刻t第n个用户的功率分配系数，Pt com是时刻t的区域总负荷；Pt hem是时刻t区域初始电力负荷；
是时刻t第n用户的初始电力负荷。
可选的，所述功率分配系数计算式如下式所示：
式中，Wn,t是时刻t第n个用户的功率分配系数；
分别是时刻t第n个用户指定的耗电功率向上比例和向下比例；Pt hem,max、Pt hem,min分别是区域负荷曲线整形上边界和下边界；Pt com是时刻t的区域总负荷，Pt hem是时刻t区域初始电力负荷。
再一方面本发明还提供了一种区域两阶段弹性能量管理系统，包括：
运行优化模块，用于将区域内各用户历史用电负荷数据、电动汽车相关参数、停电时段和停电时段天气预测值输入预先构建的优化调度模型，得到停电时段内区域总负荷曲线；
功率分配模块，用于基于区域内各用户历史用电数据生成各用户初始负荷曲线，并基于所述初始负荷曲线和停电时段内区域总负荷曲线结合预先构建的功率分配模型，得到停电时段内各用户分配的功率；
其中，所述优化调度模型是以计划停电时段内所述区域的失负荷总量最小为目标构建的；
所述功率分配模型是根据各用户可调功率占总可调功率的比例结合功率分配系数构建的。
可选的，还包括模型构建模块用于：
基于区域内各用户历史用电负荷数据生成各用户初始负荷曲线；
基于所述初始负荷曲线、停电时段和停电时段天气预测值计算停电时段内所述区域的失负荷总量；
以所述停电时段内区域的失负荷总量最小为目标构建目标函数；
为所述目标函数设置约束条件；
所述约束条件包括：电动汽车充电功率和放电功率约束、光伏发电功率约束、充放电互斥约束、SOC约束、区域负荷曲线整形约束；
其中，所述电动汽车相关参数包括：电动汽车的历史充电数据和电动汽车历史出行数据。
可选的，所述目标函数如下式所示：
式中，Pt lost为时刻t的区域失负荷；Δt为调度时间间隔；t1为停电的开始时间；t2为停电的结束时间；Flost为t1至t2停电时段内区域的失负荷总量。
可选的，所述时刻t的区域失负荷Pt lost按下式计算：
式中，Pt solar是时刻t的光伏发电功率，Pt com是时刻t的区域总负荷；
分别是时刻t第k辆电动汽车的充电功率和放电功率；K是区域内电动汽车总数；k电动汽车编号。
可选的，所述时刻t的光伏发电功率Pt solar按下式计算：
式中，
是时刻t的光照强度；Ssolar是光伏阵列的面积；ζ是光伏转换效率；Tt out是时刻t的环境温度。
可选的，所述区域负荷曲线整形约束公式如下式所示：
式中：Pt hem是时刻t区域初始电力负荷；Pt com为时刻t的区域总负荷；T是时间间隔数；Δt为调度时间间隔。
再一方面本发明还提供了一种计算机设备，包括：一个或多个处理器；
所述处理器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现上述所述的一种区域两阶段弹性能量管理方法。
再一方面本发明还提供了一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现如上述所述的一种区域两阶段弹性能量管理方法。
与现有技术相比，本发明的有益效果为：
本发明提供了一种区域两阶段弹性能量管理方法，包括：将区域内各用户历史用电负荷数据、电动汽车相关参数、停电时段和停电时段天气预测值输入预先构建的优化调度模型，得到停电时段内区域总负荷曲线；基于区域内各用户历史用电数据生成各用户初始负荷曲线，并基于所述初始负荷曲线和停电时段内区域总负荷曲线结合预先构建的功率分配模型，得到停电时段内各用户分配的功率；其中，所述优化调度模型是以计划停电时段内所述区域的失负荷总量最小为目标构建的；所述功率分配模型是根据各用户可调功率占总可调功率的比例结合功率分配系数构建的。本发明充分利用区域电动汽车储能资源和用户负荷柔性协同，采用优化调度模型与功率分配模型结合的两阶段方法进行能量管理，有效避免以集中方式整形大量的用户负荷曲线，显著降低区域方面的计算复杂度，使停电时间内整个区域的失负荷最小，且无需额外的储能投资。
附图说明
图1是本发明提供的一种区域两阶段弹性能量管理方法流程图；
图2是本发明的区域微电网孤岛运行系统架构图；
图3是本发明的两阶段弹性能量管理方法框架图；
图4是本发明的太阳能辐照度和环境温度预测结果图；
图5是本发明的区域总负荷曲线图；
图6是本发明的区域部分用户的功率曲线图；
图7是本发明的情形1下电动汽车的SOC变化曲线图；
图8是本发明的情形3下电动汽车的SOC变化曲线图；
图9是本发明的不同区域规模的计算时间对比图。
具体实施方式
为了更好地理解本发明，下面结合说明书附图和实例对本发明的内容做进一步的说明。
实施例1：
本发明提供一种区域两阶段弹性能量管理方法,如图1所示，包括：
步骤1：将区域内各用户历史用电负荷数据、电动汽车相关参数、停电时段和停电时段天气预测值输入预先构建的优化调度模型，得到停电时段内区域总负荷曲线；
步骤2：基于区域内各用户历史用电数据生成各用户初始负荷曲线，并基于所述初始负荷曲线和停电时段内区域总负荷曲线结合预先构建的功率分配模型，得到停电时段内各用户分配的功率；
其中，所述优化调度模型是以计划停电时段内所述区域的失负荷总量最小为目标构建的；
所述功率分配模型是根据各用户可调功率占总可调功率的比例结合功率分配系数构建的。
在步骤1之前，本发明还包括构建优化调度模型，具体内容如下：
基于区域内各用户历史用电数据生成各用户初始负荷曲线；
基于所述初始负荷曲线、停电时段和停电时段天气预测值计算停电时段内所述区域的失负荷总量；
以停电时段内所述区域的失负荷总量最小为目标构建目标函数；
为所述目标函数设置约束条件；
所述约束条件包括：电动汽车充电功率和放电功率约束、光伏发电功率约束、充放电互斥约束、SOC约束、区域负荷曲线整形约束。
其中，基于所述初始负荷曲线、停电时段和停电时段天气预测值计算停电时段内所述区域的失负荷总量，具体包括：
基于区域内各用户历史用电负荷数据生成各用户初始负荷曲线；
基于停电时段内所述天气预测值结合光伏发电功率公式计算光伏发电功率；
基于所述电动汽车的历史充电数据得到所述电动汽车电池的相关参数，并基于电动汽车历史出行数据，预测所述电动汽车在停电时段内的出行数据；
其中，所述电动汽车相关参数包括：电动汽车的历史充电数据和电动汽车历史出行数据。
一、优化调度阶段模型
(1)目标函数：
在接收到上层电网计划停电的信息后，优化调度阶段的主要目标是在停电时间内使整个区域的失负荷最小化，其目标函数为：
式中：Pt lost是时刻t的区域失负荷；Pt com是时刻t的区域计划用电负荷，作为优化调度阶段的决策变量；
分别是时刻t第k辆电动汽车的充电功率和放电功率；K是区域内电动汽车总数；Pt solar是时刻t的光伏发电功率，可以由式(3)计算得到；
是时刻t的光照强度；Ssolar是光伏阵列的面积；ζ是光伏转换效率；Tt out是时刻t的环境温度；t1、t2分别是停电的开始时间和结束时间；Δt是调度时间间隔；T是时间间隔数，且
(2)约束条件：
优化调度阶段包含两类约束，分别是电动汽车充放电约束和区域负荷曲线整形约束。
1)电动汽车充放电约束：
电动汽车充电功率和放电功率约束：
式中：
分别是第k辆电动汽车的最大充电功率、最大放电功率、到达时间和离开时间，
分别是时刻t第k辆电动汽车的充电功率和放电功率。
在电网停电时段，所有电动汽车的总充电功率不应超过额外的光伏发电功率，即满足以下约束：
式中，Pt com,c是区域在时段t的总负荷，为优化调度阶段决策变量。
电动汽车不能同时充放电，即满足充放电互斥约束：
电动汽车充放电过程中的SOC值满足以下约束：
式中：SoCk,t、SoCk,t-1分别为时刻t第k辆电动汽车的SOC值和时刻t-1第k辆电动汽车的SOC值；
分别是第k辆电动汽车的最小SOC值、最大SOC值、充电效率和放电效率；Qk是第k辆电动汽车的电池额定容量；
是第k辆电动汽车的预期SOC值；
是第k辆电动汽车的离网时刻；t是时刻。
2)区域负荷曲线整形约束:
式中：Pt hem是时刻t区域居民初始电力负荷；
是时刻t第n用户的初始电力负荷；N是用户总数；Pt hem,max、Pt hem,min分别是区域负荷曲线整形上边界和下边界；
分别是时刻t第n个用户指定的耗电功率向上比例和向下比例；Δt为调度时间间隔。
步骤1：将区域内各用户历史用电负荷数据、电动汽车相关参数、停电时段和停电时段天气预测值输入预先构建的优化调度模型，得到停电时段内区域总负荷曲线。
在步骤2之前还包括：功率分配模型的构建，具体包括：
基于区域负荷曲线整形上边界、下边界，结合停电时段内各时刻用户指定的耗电功率向上比例和向下比例，结合功率分配系数计算式得到停电时段内各时刻的功率分配系数；
基于停电时段内各时刻区域总负荷减去各时刻用户初始电力负荷得到各时刻的负荷差值；
由所述各时刻的负荷差值的绝对值与对应时刻的功率分配系数的乘积作为所述时刻的负荷调节量；
由所述时刻的负荷调节量与所述各时刻用户初始电力负荷之和作为所述用户在所述时刻分配的功率。
二、功率分配阶段模型：
在完成区域负荷曲线整形后，区域能源管理系统(CEMS)根据每个用户可调功率占区域总可调功率的比例，完成各个时段的功率分配，即：
式中：
是时刻t分配给第n个用户的耗电功率；Wn,t是时刻t第n个用户的功率分配系数，可以由式(16)计算得到；此外，在式(15)中，需要同时满足约束(13)，即满足区域负荷曲线整形的上下边界。
是时刻t第n个用户的初始电力负荷；Pt hem是时刻t用户初始电力负荷；Pt com是时刻t的区域计划用电负荷，作为优化调度阶段的决策变量。
步骤2：基于区域内各用户历史用电数据生成各用户初始负荷曲线，并基于所述初始负荷曲线和停电时段内区域总负荷曲线结合预先构建的功率分配模型，得到停电时段内各用户分配的功率。
综上，本发明涉及一种区域两阶段弹性能量管理方法，以缓解电网停电对居民用户的影响。如图3所示，在优化调度阶段，在收到电网计划停电信息后，以整个区域在计划停电期间的失负荷总量最小化为目标，优化决策集群电动汽车充放电功率与区域总负荷曲线整形方案；在功率分配阶段，利用构建的功率分配模型，将第一阶段确定的区域总负荷曲线分配给各个用户。本发明能够有效避免以集中方式在区域层面整形大量的家庭负荷曲线，显著降低区域层面的计算复杂度，具有较好的实用性。同时本发明无需额外的储能投资，具有更广泛的适用范围和前景。
实施例2：
对于本发明的实施例，以孤岛运行的区域微电网作为测试系统，如图2所示。该微电网由共享的光伏资源、电动汽车和多个用户组成，区域能源管理系统负责整个区域的能源管理，包括光伏发电预测、电动汽车充放电管理、上级配电网停运时的区域微电网供需平衡等。
本发明选取一个100个的用户区域作为一个区域进行模拟验证，根据真实的用户能耗数据生成每栋房屋的初始负荷曲线，
调度周期设为24小时，时间间隔设为5分钟，从早上8点开始。光伏电池阵列总面积为1000平方米，能量转换系数为0.164，太阳能辐照度和环境温度预测结果如图4所示。停电时间为[12pm-22pm]，共10个小时。假设区域内有60辆具备V2G功能的电动汽车，每辆电动汽车的额定充放电功率为6.6kW，充放电效率为0.9，电池额定容量为35kWh，
和
分别为设定为0.1和1。为了模拟电动汽车的随机出行和充电行为，假设到达区域的电动汽车剩余SOC服从N(0.6,0.1)的正态分布，电动汽车下一次出行的期望SOC服从U(0.8,0.9)的均匀分布，电动汽车到达的时间不超过12:00pm。优化调度阶段的模型为一个具有线性不等式约束的二次规划问题，本发明在MATLAB平台调用Gurobi求解器进行求解。
算例构建以下三种情形说明本发明的有效性：
情形1：本发明所提方法；
情形2：单阶段集中优化的区域能量管理方法；
情形3：不考虑弹性能量管理，即所有电动汽车到达区域以后立即使用额定充电功率充电，一旦满足SOC要求就终止。
表1三种情形下的数值仿真结果
三种情形下的数值仿真结果如表1所示。情形1和情形2的失负荷均为74.87kWh，说明本发明提出的两阶段弹性能量管理方法相较于情形2的集中式方法，能够获得最优解，同时计算时间要更短，具备更好的计算性能。与情形3相比，失负荷可降低约96.08％，在一定程度上保证了区域在电网停电时间内的供电。
区域总负荷曲线如图5所示。对初始区域负荷曲线进行了整形，将停电时段内的部分负荷转移到其他非停电时段，以降低停电时段内的用电量。区域内部分家庭用户(1-4号用户)的负荷曲线如图6所示。各个住户的负荷曲线变化趋势与区域负荷曲线相同，在电网停电时段剩余负荷需求由光伏发电和电动汽车放电提供。
情形1和情形3下的所有电动汽车的SOC曲线分别如图7和图8所示。在情形1中，电动汽车在到达区域时进行充电，并在电网停电时段通过放电对区域剩余电力负荷供电。在情形3中，当电网停电时，电动汽车不得不停止充电，同时由于电动汽车没有放电功率，剩余的区域电力负荷大部分无法被供电。
为了进一步验证本发明的计算性能，我们将区域规模从100户增加到6400户。从图9可以看出，随着区域规模的增加，情形2的计算时间急剧增加。相比之下，本发明所提的两阶段方法的计算时间几乎保持不变。这是因为所提出方法是一种分层结构，区域能源管理系统只会整形区域总负荷曲线，而家庭用户的功率分配在第二阶段完成。因此该方法具有高度的可扩展性和计算效率。
实施例3：
基于同一种发明构思，本发明还提供了一种区域两阶段弹性能量管理系统，包括：
运行优化模块，用于将区域内各用户历史用电负荷数据、电动汽车相关参数、停电时段和停电时段天气预测值输入预先构建的优化调度模型，得到停电时段内区域总负荷曲线及电动汽车充放电功率；
功率分配模块，用于基于区域内各用户历史用电数据生成各用户初始负荷曲线，并基于所述初始负荷曲线和停电时段内区域总负荷曲线结合预先构建的功率分配模型，得到停电时段内各用户分配的功率；
其中，所述优化调度模型是以计划停电时段内所述区域的失负荷总量最小为目标构建的；
所述功率分配模型是根据各用户可调功率占总可调功率的比例结合功率分配系数构建的。
可选的，还包括模型构建模块用于：
基于区域内各用户历史用电数据生成各用户初始负荷曲线；
基于所述初始负荷曲线、停电时段和停电时段天气预测值计算停电时段内所述区域的失负荷总量；
以停电时段内所述区域的失负荷总量最小为目标构建目标函数；
为所述目标函数设置约束条件；
所述约束条件包括：电动汽车充电功率和放电功率约束、光伏发电功率约束、充放电互斥约束、SOC约束、区域负荷曲线整形约束；
其中，所述电动汽车相关参数包括：电动汽车的历史充电数据和电动汽车历史出行数据。
模型构建模块计算停电时段内所述区域的失负荷总量，具体步骤如下：
基于停电时段内所述天气预测值结合光伏发电功率公式计算光伏发电功率；
基于所述电动汽车的历史充电数据和历史出行数据，预测所述电动汽车在停电时段内的充电功率和放电功率；
基于所述各用户在停电时段内的初始负荷与所述电动汽车在停电时段内的充电功率和放电功率之和减去所述光伏发电功率的最大值，作为单位时间内区域失负荷；
由所述单位时间内区域失负荷乘以所述停电时段的时长得到停电时段内区域的失负荷总量；
其中，所述电动汽车相关参数包括：电动汽车的历史充电数据和电动汽车历史出行数据。
可选的，所述目标函数如下式所示：
式中，Pt lost为时刻t的区域失负荷；Δt为调度时间间隔；t1为停电的开始时间；t2为停电的结束时间；Flost为t1至t2停电时段内区域的失负荷总量。
可选的，所述时刻t的区域失负荷Pt lost按下式计算：
式中，Pt solar是时刻t的光伏发电功率，Pt com是时刻t的区域总负荷；
分别是时刻t第k辆电动汽车的充电功率和放电功率；K是区域内电动汽车总数；k电动汽车编号。
可选的，所述时刻t的光伏发电功率Pt solar按下式计算：
式中，
是时刻t的光照强度；Ssolar是光伏阵列的面积；ζ是光伏转换效率；Tt out是时刻t的环境温度。
可选的，所述区域负荷曲线整形约束公式如下式所示：
式中：Pt hem是时刻t区域初始电力负荷；Pt com为时刻t的区域总负荷；T是时间间隔数；Δt为调度时间间隔。
实施例4：
基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能，以实现上述实施例中一种区域两阶段弹性能量管理方法的步骤。
实施例5：
基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中一种区域两阶段弹性能量管理方法的步骤。
显然，所描述的实施例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它实施例，都属于本发明保护的范围。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。
Claims (18)
1.一种区域两阶段弹性能量管理方法，其特征在于,包括：
将区域内各用户历史用电负荷数据、电动汽车相关参数、停电时段和停电时段天气预测值输入预先构建的优化调度模型，得到停电时段内区域总负荷曲线；
基于区域内各用户历史用电数据生成各用户初始负荷曲线，并基于所述初始负荷曲线和停电时段内区域总负荷曲线结合预先构建的功率分配模型，得到停电时段内各用户分配的功率；
其中，所述优化调度模型是以计划停电时段内所述区域的失负荷总量最小为目标构建的；
所述功率分配模型是根据各用户可调功率占总可调功率的比例结合功率分配系数构建的。
2.如权利要求1所述的方法，其特征在于，所述优化调度模型的构建包括：
基于区域内各用户历史用电数据生成各用户初始负荷曲线；
基于所述初始负荷曲线、停电时段和停电时段天气预测值计算停电时段内所述区域的失负荷总量；
以所述停电时段内区域的失负荷总量最小为目标构建目标函数；
为所述目标函数设置约束条件；
所述约束条件包括：电动汽车充电功率和放电功率约束、光伏发电功率约束、充放电互斥约束、SOC约束、区域负荷曲线整形约束。
3.如权利要求2所述的方法，其特征在于，所述基于所述初始负荷曲线、停电时段和停电时段天气预测值计算停电时段内所述区域的失负荷总量，包括：
基于停电时段内所述天气预测值结合光伏发电功率公式计算光伏发电功率；
基于所述电动汽车的历史充电数据和历史出行数据，预测所述电动汽车在停电时段内的充电功率和放电功率；
基于所述各用户在停电时段内的初始负荷与所述电动汽车在停电时段内的充电功率和放电功率之和减去所述光伏发电功率的最大值，作为单位时间内区域失负荷；
由所述单位时间内区域失负荷乘以所述停电时段的时长得到停电时段内区域的失负荷总量；
其中，所述电动汽车相关参数包括：电动汽车的历史充电数据和电动汽车历史出行数据。
4.如权利要求2所述的方法，其特征在于，所述目标函数如下式所示：
式中，
为时刻t的区域失负荷；Δt为调度时间间隔；t1为停电的开始时间；t2为停电的结束时间；Flost为t1至t2停电时段内区域的失负荷总量。
5.如权利要求4所述的方法，其特征在于，所述时刻t的区域失负荷
按下式计算：
式中，
是时刻t的光伏发电功率，
是时刻t的区域总负荷；
分别是时刻t第k辆电动汽车的充电功率和放电功率；K是区域内电动汽车总数；k电动汽车编号。
6.如权利要求5所述的方法，其特征在于，所述时刻t的光伏发电功率
按下式计算：
式中，
是时刻t的光照强度；Ssolar是光伏阵列的面积；ζ是光伏转换效率；
是时刻t的环境温度。
7.如权利要求2所述的方法，其特征在于，所述区域负荷曲线整形约束公式如下式所示：
式中：
是时刻t区域初始电力负荷；
为时刻t的区域总负荷；T是时间间隔数；Δt为调度时间间隔。
8.如权利要求1所述的方法，其特征在于，所述功率分配模型的构建包括：
基于获取的区域负荷曲线整形上边界、下边界，结合停电时段内各时刻用户指定的耗电功率向上比例和向下比例，结合功率分配系数计算式得到停电时段内各时刻的功率分配系数；
基于停电时段内各时刻区域总负荷减去各时刻用户初始电力负荷得到各时刻的负荷差值；
由所述各时刻的负荷差值的绝对值与对应时刻的功率分配系数的乘积作为所述时刻的负荷调节量；
由所述时刻的负荷调节量与所述各时刻用户初始电力负荷之和作为所述用户在所述时刻分配的功率。
9.如权利要求8所述的方法，其特征在于，所述功率分配模型如下式所示：
式中，
是时刻t分配给第n个用户的功率；Wn,t是时刻t第n个用户的功率分配系数，
是时刻t的区域总负荷；
是时刻t区域初始电力负荷；
是时刻t第n用户的初始电力负荷。
10.如权利要求8所述的方法，其特征在于，所述功率分配系数计算式如下式所示：
式中，Wn,t是时刻t第n个用户的功率分配系数；
分别是时刻t第n个用户指定的耗电功率向上比例和向下比例；
分别是区域负荷曲线整形上边界和下边界；
是时刻t的区域总负荷，
是时刻t区域初始电力负荷。
11.一种区域两阶段弹性能量管理系统，其特征在于,包括：
运行优化模块，用于将区域内各用户历史用电负荷数据、电动汽车相关参数、停电时段和停电时段天气预测值输入预先构建的优化调度模型，得到停电时段内区域总负荷曲线；
功率分配模块，用于基于区域内各用户历史用电数据生成各用户初始负荷曲线，并基于所述初始负荷曲线和停电时段内区域总负荷曲线结合预先构建的功率分配模型，得到停电时段内各用户分配的功率；
其中，所述优化调度模型是以计划停电时段内所述区域的失负荷总量最小为目标构建的；
所述功率分配模型是根据各用户可调功率占总可调功率的比例结合功率分配系数构建的。
12.如权利要求11所述的系统，其特征在于，还包括模型构建模块用于：
基于区域内各用户历史用电数据生成各用户初始负荷曲线；
基于所述初始负荷曲线、停电时段和停电时段天气预测值计算停电时段内所述区域的失负荷总量；
以停电时段内所述区域的失负荷总量最小为目标构建目标函数；
为所述目标函数设置约束条件；
所述约束条件包括：电动汽车充电功率和放电功率约束、光伏发电功率约束、充放电互斥约束、SOC约束、区域负荷曲线整形约束；
其中，所述电动汽车相关参数包括：电动汽车的历史充电数据和电动汽车历史出行数据。
13.如权利要求11所述的系统，其特征在于，所述目标函数如下式所示：
式中，
为时刻t的区域失负荷；Δt为调度时间间隔；t1为停电的开始时间；t2为停电的结束时间；Flost为t1至t2停电时段内区域的失负荷总量。
14.如权利要求13所述的系统，其特征在于，所述时刻t的区域失负荷
按下式计算：
式中，
是时刻t的光伏发电功率，
是时刻t的区域总负荷；
分别是时刻t第k辆电动汽车的充电功率和放电功率；K是区域内电动汽车总数；k电动汽车编号。
15.如权利要求14所述的系统，其特征在于，所述时刻t的光伏发电功率
按下式计算：
式中，
是时刻t的光照强度；Ssolar是光伏阵列的面积；ζ是光伏转换效率；
是时刻t的环境温度。
16.如权利要求13所述的系统，其特征在于，所述区域负荷曲线整形约束公式如下式所示：
式中：
是时刻t区域初始电力负荷；
为时刻t的区域总负荷；T是时间间隔数；Δt为调度时间间隔。
17.一种计算机设备，其特征在于，包括：一个或多个处理器；
所述处理器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现如权利要求1至10中任一项所述的一种区域两阶段弹性能量管理方法。
18.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至10中任一项所述的一种区域两阶段弹性能量管理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210899358.7A CN115377964A (zh) | 2022-07-28 | 2022-07-28 | 一种区域两阶段弹性能量管理方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210899358.7A CN115377964A (zh) | 2022-07-28 | 2022-07-28 | 一种区域两阶段弹性能量管理方法、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115377964A true CN115377964A (zh) | 2022-11-22 |
Family
ID=84063509
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210899358.7A Pending CN115377964A (zh) | 2022-07-28 | 2022-07-28 | 一种区域两阶段弹性能量管理方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115377964A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116896063A (zh) * | 2023-05-29 | 2023-10-17 | 杭州鸿晟电力设计咨询有限公司 | 变配电智能控制方法及系统 |
-
2022
- 2022-07-28 CN CN202210899358.7A patent/CN115377964A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116896063A (zh) * | 2023-05-29 | 2023-10-17 | 杭州鸿晟电力设计咨询有限公司 | 变配电智能控制方法及系统 |
| CN116896063B (zh) * | 2023-05-29 | 2024-05-17 | 杭州鸿晟电力设计咨询有限公司 | 变配电智能控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yan et al. | Optimized operational cost reduction for an EV charging station integrated with battery energy storage and PV generation | |
| Tavakoli et al. | A two stage hierarchical control approach for the optimal energy management in commercial building microgrids based on local wind power and PEVs | |
| Liu et al. | A charging strategy for PV-based battery switch stations considering service availability and self-consumption of PV energy | |
| Wang et al. | Integrated energy exchange scheduling for multimicrogrid system with electric vehicles | |
| Abdelaziz et al. | A multistage centralized control scheme for islanded microgrids with PEVs | |
| AbuElrub et al. | Microgrid integrated electric vehicle charging algorithm with photovoltaic generation | |
| US8886362B2 (en) | Integrated distribution system optimization | |
| Morais et al. | Optimal scheduling of a renewable micro-grid in an isolated load area using mixed-integer linear programming | |
| Li et al. | Emission-concerned wind-EV coordination on the transmission grid side with network constraints: Concept and case study | |
| Purvins et al. | Application of battery-based storage systems in household-demand smoothening in electricity-distribution grids | |
| Hambridge et al. | Solid State Transformer (SST) as an energy router: Economic dispatch based energy routing strategy | |
| Zhao et al. | An intelligent solar powered battery buffered EV charging station with solar electricity forecasting and EV charging load projection functions | |
| CN109948823B (zh) | 一种光储充电塔自适应鲁棒日前优化调度方法 | |
| CN113799640B (zh) | 适用于含电动汽车充电桩微电网的能量管理方法 | |
| Kasturi et al. | Optimal planning of charging station for EVs with PV-BES unit in distribution system using WOA | |
| Silva et al. | Hour-ahead energy resource management in university campus microgrid | |
| Huang et al. | V2G optimal scheduling of multiple EV aggregator based on TOU electricity price | |
| Thornburg et al. | Simulating energy management strategies for microgrids with smart meter demand management | |
| Ding et al. | Energy management strategy of PV grid-connected household nano-grid system | |
| CN115377964A (zh) | 一种区域两阶段弹性能量管理方法、系统、设备及介质 | |
| Georgiev et al. | Optimized power flow control of smart grids with electric vehicles and DER | |
| Mahmud et al. | A day-ahead peak shaving strategy using aggregated electric vehicles | |
| Ghiani et al. | Smart integration and aggregation of nanogrids: Benefits for users and DSO | |
| Geng et al. | Electric vehicles as flexible loads: Algorithms to optimize aggregate behavior | |
| Oloo et al. | Modelling and optimisation studies for generator dispatch strategies for deployment of an off-grid micro-grid in South Africa |
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 |