CN115378009B - 一种基于电动汽车分群的日前调控计划生成方法及系统 - Google Patents

Abstract

一种基于电动汽车分群的日前调控计划生成方法及系统，其特征在于，所述方法包括以下步骤：步骤1，对区域内的电网负荷数据进行采集，并确定该区域的电网调控时段；步骤2，基于所述电动汽车的并网状态采集所述电动汽车的需求响应参数，并构建所述电动汽车的需求响应矩阵，同时基于所述电动汽车的并网时段和所述电网调控时段之间的关联关系对所述电动汽车进行分群从而获取不同群体下所述电动汽车的可调度容量；步骤3，以区域内电网总负荷波动最小、电网总负荷离群点位置最优为原则构造目标函数，以不同群体下所述电动汽车的可调度容量和所述电网负荷数据为粒子群算法的输入，对所述目标函数进行求解，以生成所述电动汽车的日前调控计划。

Description

一种基于电动汽车分群的日前调控计划生成方法及系统

技术领域

本发明涉及智能电网领域，更具体的，涉及一种基于电动汽车分群的日前调控计划生成方法及系统。

背景技术

目前，新能源汽车作为一种用户侧的柔性负荷资源，即可以实现对各类分布式新能源发电站的发电波动性的有效平抑和消纳，也能够降低电网储能。

然而，随着电动汽车的规模化发展，其充电负荷将对城市电网将带来显著影响。如果不合理的调控电动汽车并网过程中的充放电过程，势必将会加剧电力系统峰谷差、导致配电变压器容量越限等问题的发生。另一方面，如果合理的运用电动汽车的分布式储能这一优良特性，则可以结合车网互动(V2G，Vehicle-to-grid)技术，实现电网调峰过程中丰富的可调度资源供应能力。尽管电动汽车参与电网调控技术具有很大的研究价值和实际意义，但目前尚未充分挖掘出针对电动汽车的合理、精准的调控方案。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种基于电动汽车分群的日前调控计划生成方法及系统，通过确定电网调控时段、采集电动汽车的需求响应参数并判断电动汽车的需求响应类型，从而计算单台电动汽车的可调度容量，并通过粒子群算法以电网负荷波动小、负荷离群点少为目标求解出最优的日前调控计划。

本发明采用如下的技术方案。

本发明第一方面，涉及一种基于电动汽车分群的日前调控计划生成方法，其中，方法包括以下步骤：步骤1，对区域内的电网负荷数据进行采集，并确定该区域的电网调控时段；步骤2，基于电动汽车的并网状态采集电动汽车的需求响应参数，并构建电动汽车的需求响应矩阵，同时基于电动汽车的并网时段和电网调控时段之间的关联关系对电动汽车进行分群从而获取不同群体下电动汽车的可调度容量；步骤3，以区域内电网总负荷波动最小、电网总负荷离群点位置最优为原则构造目标函数，以不同群体下电动汽车的可调度容量和电网负荷数据为粒子群算法的输入，对目标函数进行求解，以生成电动汽车的日前调控计划。

优选的，电网调控时段是基于区域内电网的负荷容量、区域内电网的总负荷波动之间的比较获得的。

优选的，电动汽车的需求响应参数包括电动汽车的并网时间T_arr、电动汽车的离网时间T_dep、电动汽车所对应的充电桩的充放电效率η、电动汽车的并网荷电状态S_ini、电动汽车的离网荷电状态S_exp、电动汽车的电池容量E、电动汽车车主的参与意愿值W、电动汽车的日均行使里程D和电动汽车的百公里电耗量E_φ。

优选的，电动汽车的响应类型基于所述电动汽车的并网时间和离网时间确定；不同响应类型的电动汽车，其所述预留容量的计算方法不同。

优选的，当电动汽车的并网时间T_arr晚于调控时段的终止时间T_exp，或者电动汽车的离网时间T_dep早于调控时段的起始时间T_start，电动汽车的预留容量ΔS为0。

优选的，当电动汽车的并网时间T_arr早于调控时段的起始时间T_start、电动汽车的离网时间T_dep晚于调控时段的终止时间T_exp时，电动汽车的预留容量ΔS为S₁+S₂+S_ini-S_exp，可调度时段Δt为调控时段；其中，S₁为[T_arr，T_start]时段内电动汽车的充电量，S₂为[T_exp，T_dep]时段内电动汽车的充电量。

优选的，当电动汽车的并网时间T_arr早于调控时段的起始时间T_start、电动汽车的离网时间T_dep早于调控时段的终止时间T_exp时，电动汽车的预留容量ΔS为S₁+S_ini-S_exp，可调度时段Δt为[T_start，T_dep]。

优选的，当电动汽车的并网时间T_arr晚于调控时段的起始时间T_start、电动汽车的离网时间T_dep晚于调控时段的终止时间T_exp时，电动汽车的预留容量ΔS为S₂+S_ini-S_exp，可调度时段Δt为[T_arr，T_end]。

优选的，当电动汽车的并网时间T_arr晚于调控时段的起始时间T_start、电动汽车的离网时间T_dep早于调控时段的终止时间T_exp时，电动汽车的预留容量ΔS为-(S_exp-S_ini)，可调度时段Δt为[T_arr，T_dep]。

优选的，假设电动汽车在可调度时段中的最长放电时长为t₁、最短充电时长为t₂、充放电功率分别为P和-P，则有电动汽车的可调度容量为

优选的，目标函数为

式中，G为区域内电网总负荷波动与电网总负荷离群点的联合函数，k为日前时间段的编号，K为日前时间段的总量，为第k个日前时间段中区域内电网的总负荷，P_arv为区域内电网的日前平均负荷，v为联合系数常量，/>为区域内电网的日前总负荷的峰值，/>为区域内电网的日前总负荷的谷值。

优选的，目标函数的约束条件包括电动汽车参数约束、电动汽车车主需求约束和配变容量约束。

优选的，电动汽车参数约束为

式中，SOC_min为电动汽车的最小荷电容量，SOC_max为最大荷电容量，S_i,k为电动汽车i在第k个日前时间段末时的荷电状态，为电动汽车放电时电池组的额定放电功率，/>为电动汽车充电时电池组的额定充电功率，/>为电动汽车i在第k个日前时间段的充电或放电功率，ΔP_max为电动汽车的充电或放电功率在单位时间段的最大变化率。

优选的，电动汽车车主需求约束为

S_i,exp<S_i,dep<SOC_max

式中，S_i,exp为电动汽车i的车主设置的电量需求值，S_i,dep为电动汽车i离网时间的荷电状态。

优选的，配变容量约束为

其中，为第k个日前时间段区域内的基础负荷量，/>为电动汽车i在第k个日前时间段的负荷量，I为区域内的电动汽车总数，W_T为区域内配变的额定容量。

优选的，日前调控计划的评价因子为

本发明第二方面，涉及一种基于电动汽车分群的日前调控计划生成系统，其中，系统用于实现如本发明第一方面中所述的一种基于电动汽车分群的日前调控计划生成方法。

本发明的有益效果在于，与现有技术相比，本发明在已有研究的基础上，同时考虑电动汽车用户出行时的充电需求及区域电网的削峰填谷需求，提出了一种V2G模式下考虑双侧需求的针对电动汽车响应类型的分群机制和日前削峰填谷调控计划的生成方法，该方法能够对在网电动汽车进行精准的参数整理及响应类型分群，使得电网侧调控需求与用户侧充放电需求实现匹配，从而有效优化电动汽车参与削峰填谷的效果，改善配电变压器的容量越限问题，降低配电网扩容成本。

附图说明

图1为本发明一种基于电动汽车分群的日前调控计划生成方法的步骤示意图；

图2为本发明一种基于电动汽车分群的日前调控计划生成方法中单台电动汽车的充放电示意图；

图3为本发明一种基于电动汽车分群的日前调控计划生成方法中不同响应类型的电动汽车的充放电方式示意图；

图4为本发明一种基于电动汽车分群的日前调控计划生成方法中一实施例园区区域的典型日负荷曲线示意图；

图5为本发明一种基于电动汽车分群的日前调控计划生成方法中一实施例园区区域中电动汽车参与调控的日负荷曲线示意图；

图6本发明一种基于电动汽车分群的日前调控计划生成方法中一实施例中联合目标函数与普通目标函数所生成的日负荷曲线比较的示意图。

具体实施方式

下面结合附图对本申请作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本申请的保护范围。

图1为本发明一种基于电动汽车分群的日前调控计划生成方法的步骤示意图。如图1所示，一种基于电动汽车分群的日前调控计划生成方法，其中，方法包括步骤1至步骤3。

步骤1，对区域内的电网负荷数据进行采集，并确定该区域的电网调控时段。

首先，本发明中，为了使得电动汽车这种分布式储能能够更好的发挥资源特性，参与电网互动，需要针对电动汽车所在区域的电网负荷的基本情况进行分析。具体来说，电动汽车所在区域应当是指电动汽车并网时所对应的充电桩所在的配电变压器的区域。

实际上来说，配电变压器为电力系统提供主要的电能供应，除此之外，在本发明中电动汽车也可以作为一种分布式储能为电网提供部分的电能供应。不过，本发明中的电动汽车集群并不能够持续的为电网提供能量，而只是在用电高峰时段，在配电变压器的容量可能出现不足的情况下，合理的为电网提供一定程度的补偿。这种补偿，使得配电变压器装机过程中的额定容量相对较小，不必提供较大的冗余，另外在实际运行过程中，也不必随着用电负荷的攀升而频繁的调整。

优选的，电网调控时段是基于区域内电网的负荷容量、区域内电网的总负荷波动之间的比较获得的。

针对上述目的，本发明中，会对区域内的电网负荷数据进行采集，例如，获取电网相关的监测系统中整个区域内的实时的用电负荷总量，并生成负荷曲线。将负荷曲线与配电变压器的额定功率以及实际工作功率进行比较后，将差值较小的部分、配变工作功率发生阶跃的部分、甚至是负荷值超过配变功率的部分所对应的时间段认为是需要电动汽车参与调控的时段。

具体的调控时段的确定方法可以参考常规技术中的方式进行确定。

在确定好调控时段后，本发明的方法就可以针对调控时段来生成电动汽车的日前调控计划了。

步骤2，基于电动汽车的并网状态采集电动汽车的需求响应参数，并构建电动汽车的需求响应矩阵，同时基于电动汽车的并网时段和电网调控时段之间的关联关系对电动汽车进行分群，从而获取不同群体下电动汽车的可调度容量。

本发明中，可以在一定的时间间隔下，或基于一定的事件作为激活方式来采集处于并网状态的电动汽车的需求响应参数。这些参数可以是用来实现日前调控计划的相关指标。参数的采集主要是通过电动汽车并网时所连接的双向充放电桩实现的，双向充放电桩获取到信息后，将相应的数据递交至电网中的相关系统内，就可以实现日前调控计划对上述参数的利用了。

优选的，电动汽车的需求响应参数包括电动汽车的并网时间T_arr、电动汽车的离网时间T_dep、电动汽车所对应的充电桩的充放电效率η、电动汽车的并网荷电状态S_ini、电动汽车的离网荷电状态S_exp、电动汽车的电池容量E、电动汽车车主的参与意愿值W、电动汽车的日均行使里程D和电动汽车的百公里电耗量E_φ。

具体来说，根据电动汽车的并网时间和离网时间可以得到电动汽车的在网时间长度，另外，根据电动汽车接入电网时初始的并网荷电状态和用户自动设定的离网荷电状态，也可以了解在在网时间长度内，电动汽车需要增加的电量。需要说明的是，电动汽车的离网荷电状态一方面可以通过用户自主设定，另一方面，也可以根据该电动汽车的历史行使里程和历史日均耗电量等情况，由系统进行判别并生成一个经验数据。另外，电动汽车的电池容量和充放电效率等参数可以用来约束电动汽车的实际充电功率和最长的有效充电时间。

另外，如果电动汽车车主愿意参与电动汽车的调控，则参与意愿值为1，如果电动汽车车主不愿意参与电动汽车的调控，则参与意愿值为0。这一参与意愿值可以根据用户的意愿由车主用户进行自主的设定。

最后，电动汽车的日均行使里程和百公里耗电量则可以根据行车数据获取，双向充放电桩，后文中简略的将其称为充电桩，可以对这些行车数据进行采集并获得上述参数。这部分历史参数可以用来实现对于电动汽车离网时所需要的荷电状态S_exp进行准确的估计。本发明中，百公里耗电量的单位可以为kWh/100km。

在获取了上述参数后，为了方便后续算法对于相关参数的调用，本发明中将所有参数组织为电动汽车的需求响应矩阵。该矩阵的表达形式为

优选的，电动汽车的响应类型基于电动汽车的并网时间和离网时间确定；不同响应类型的电动汽车，其预留容量的计算方法不同。

由于电动汽车并网和离网的时间各不相同，因此有些电动汽车的并网时间与电网的调控时段并不重合或部分重合，因此其参与电网调控的方式也各不相同。针对这种问题，本发明将电动汽车的响应类型分成了多种不同的类型，根据不同的类型，计算电动汽车的预留容量。

这里对于电动汽车的预留容量进行说明。电动汽车在参与电网调控过程的同时，还需要满足自身的充电需求。其中电动汽车参与电网调控时能够提供给电网的电量最大值为可调度容量，用于自身的使用需求的电能则为S_exp。可见，电动汽车并网后，首先要能够满足自身的使用需求，随后在根据其自身预留的容量来判断电网可调度容量的多少。

具体来说，电动汽车的预留容量可以根据多个参数进行确定，首先是电动汽车并网时的初始剩余荷电状态，容易理解的是，这一个荷电状态数据越高，则说明电动汽车的预留容量越多，能够参与到电网调控的电量也越多。另外，电动汽车并网时段中，可能存在与电网调控时段部分重合的情况，那么电动汽车并网且非调控的时段中，电动汽车则可以自主的进行无序充电。这段时间获取的电能，也是预留容量的一部分，后续既可以为自身提供电能供应，也有可能为电网调控实现放电。最后，电动汽车的离网荷电状态越低，则说明电动汽车需要的电能也越少，预留容量则越高。下文中，针对不同的响应类型的电动汽车，提供其预留容量的不同计算方法。

图2为本发明一种基于电动汽车分群的日前调控计划生成方法中单台电动汽车的充放电示意图。图3为本发明一种基于电动汽车分群的日前调控计划生成方法中不同响应类型的电动汽车的充放电方式示意图。如图2-3所示，优选的，当电动汽车的并网时间T_arr晚于调控时段的终止时间T_exp，或者电动汽车的离网时间T_dep早于调控时段的起始时间T_start，电动汽车的预留容量ΔS为0。

容易理解的是，电动汽车的并网时段与电网的调控时段完全没有重合的时候，则说明该电动汽车根本无法参与到电网调控中，因此，可以简单的认为该种电动汽车的调控时长为0，且预留容量也为0。

优选的，当电动汽车的并网时间T_arr早于调控时段的起始时间T_start、电动汽车的离网时间T_dep晚于调控时段的终止时间T_exp时，电动汽车的预留容量ΔS为S₁+S₂+S_ini-S_exp，可调度时段Δt为调控时段；其中，S₁为[T_arr，T_start]时段内电动汽车的充电量，S₂为[T_exp，T_dep]时段内电动汽车的充电量。

具体来说，如果电动汽车的并网时间较长，并且完全覆盖了电动汽车的离网时间，则可以认为这类电动汽车能够在电网调控时段内全程参与电网的调控。具体来说，其并网的时间中，存在部分时间是电动汽车虽然并网，但并非是电网调控时段，因此，电动汽车处于无序充电时段，电动汽车始终会以额定的功率进行充电，直到充满电为止。

如果电动汽车在参与调控之前的[T_arr，T_start]这一时段内进行充电，可以假设其充电量为S₁，这一充电量可以根据电动汽车的最大荷电状态，以及额定功率和这一个时段的长度来确定取值。另外，类似的方法还可以确定[T_exp，T_dep]时段电动汽车的充电量为S₂。因此，在这种电动汽车响应类型中，可以确定电动汽车的预留容量ΔS为S₁+S₂+S_ini-S_exp，可调度时段Δt为调控时段。

优选的，当电动汽车的并网时间T_arr早于调控时段的起始时间T_start、电动汽车的离网时间T_dep早于调控时段的终止时间T_exp时，电动汽车的预留容量ΔS为S₁+S_ini-S_exp，可调度时段Δt为[T_start，T_dep]。

采用类似的方法，也可以确认第三种类型的电动汽车的预留容量和可调度时段。此时，也需要考虑到S₁的取值会受到电动汽车额定荷电状态的控制。

优选的，当电动汽车的并网时间T_arr晚于调控时段的起始时间T_start、电动汽车的离网时间T_dep晚于调控时段的终止时间T_exp时，电动汽车的预留容量ΔS为S₂+S_ini-S_exp，可调度时段Δt为[T_arr，T_end]。

第四种类型的计算方法与上文中其他类型的方法也类似。

优选的，当电动汽车的并网时间T_arr晚于调控时段的起始时间T_start、电动汽车的离网时间T_dep早于调控时段的终止时间T_exp时，电动汽车的预留容量ΔS为-(S_exp-S_ini)，可调度时段Δt为[T_arr，T_dep]。

由于这一类型的电动汽车响应时间完全覆盖了电动汽车的并网时间，因此该电动汽车的预留容量一定为负值，换言之，在调控时段的有序充电时段内，电动汽车可以先进行充电，充电的电量可以超过其自身所需的电量S_exp，而后再将超出的部分通过放电形式参与电网调控。

需要说明的是，即使是上文中所述的其他三种响应类型，其预留电量也有可能为负数，因此，在实际计算过程中，可以根据预留电量的多少来实际上计算出最大的可调度容量。

优选的，假设电动汽车在可调度时段中的最长放电时长为t₁、最短充电时长为t₂、充放电功率分别为P和-P，则有所述电动汽车的可调度容量为

具体来说，本发明中，可以假设电动汽车的充放电功率均为其额定功率，因此，可以设置充电为正、放电为负。预留的电量与电动汽车在可调度时段中的充电的电量之和就应当等于电动汽车的最大可调度容量，也就是其在可调度时段中的放电总电量了。

因此，可以得到公式对该公式的内容进行求解，就可以得到/>可见，在该公式中，根据前文中计算得到的参数Δt和ΔS，就可以针对分群后不同群体的电动汽车的不同的预留容量确定出不同群体下电动汽车可调度容量的取值了。

步骤3，以区域内电网总负荷波动最小、电网总负荷离群点位置最优为原则构造目标函数，以可调度容量和电网负荷数据为粒子群算法的输入，对目标函数进行求解，以生成电动汽车的日前调控计划。

具体来说，日前调控计划的生成可以根据步骤1和步骤2中所采集或计算获得数据内容进行实现。本发明中，可以采用粒子群算法进行计划的生成。该算法将所有参数有序的输入至粒子群算法中，对目标函数进行求解，从而得到最优解也就是日前调控计划。

具体来说，本发明中的第一个群体由于并不参与电网调控，因此其相关参数并不会被输入至粒子群算法中。对于另外的四个群体，则可以针对每一个群体采用粒子群算法迭代计算粒子群的最优解。针对每一个电动汽车群体来说，假设其中包含I台电动汽车，则可以将每台电动汽车每个时间段中一个时间点采集的充放电功率均作为粒子群算法的一个初始粒子，将每台电动汽车的无序充电计划作为该粒子的初始位置，以随机数方式生成初始速度，采用目标函数对于粒子的适应度进行求解，并迭代优化粒子的位置和速度，以获得最优解。

优选的，目标函数为

式中，G为区域内电网总负荷波动与电网总负荷离群点的联合函数，k为日前时间段的编号，K为日前时间段的总量，为第k个日前时间段中所述区域内电网的总负荷，P_drv为区域内电网的日前平均负荷，v为联合系数常量，/>为区域内电网的日前总负荷的峰值，/>为区域内电网的日前总负荷的谷值。

需要说明的是，常规技术中经常采用的目标函数通常只是针对负荷波动性最小实现的。例如，常规技术中的目标函数可以为

在该公式中，只考虑到了日前24小时内，K个时段中所有时段的负荷情况的波动性，并没有考虑到那些整体上负荷波动虽然很小，但是存在个别极值点与负荷平均值之间差距较大的情况。因此，这种目标函数并不能提供最优的日前计划，也无法充分的避免某个离群点所导致的负荷瞬时过载的严重问题。

本发明针对上述问题对目标函数进行了改进，使得目标函数中，不仅考虑到了波动，也就是同时考虑到了离群点的位置，也就是为了更好的平衡两个不同因素，本发明中提供了联合系数常量v。这一常量的取值可以由经验确定。

优选的，目标函数的约束条件包括电动汽车参数约束、电动汽车车主需求约束和配变容量约束。

本发明中，为了更好的获取实际上能够采用的日前调控计划，对于部分参数进行了约束。

优选的，电动汽车参数约束为

式中，SOC_min为电动汽车的最小荷电容量，SOC_max为最大荷电容量，S_i,k为电动汽车i在第k个日前时间段末时的荷电状态，为电动汽车放电时电池组的额定放电功率，为电动汽车充电时电池组的额定充电功率，/>为电动汽车i在第k个日前时间段的充电或放电功率，ΔP_max为电动汽车的充电或放电功率在单位时间段的最大变化率。

首先，本发明中需要考虑单台电动汽车的荷电容量的限制以及充放电时的额定功率，以及充放电时单位时间内功率能够变化的程度。

优选的，电动汽车车主需求约束为

S_i,exp<S_i,dep<SOC_max

式中，S_i,exp为电动汽车i的车主设置的电量需求值，S_i,dep为电动汽车i离网时间的荷电状态。

本发明中，电动汽车离网时的荷电状态应当至少大于电动汽车车主的需求。另外，两者均应当小于电动汽车最大的荷电状态。

优选的，配变容量约束为

其中，为第k个日前时间段区域内的基础负荷量，/>为电动汽车i在第k个日前时间段的负荷量，I为区域内的电动汽车总数，W_T为区域内配变的额定容量。

本发明需要考虑区域内用电用户的负荷量能够充分的被区域内的配电变压器所覆盖，从而防止供电量不足的问题发生。因此，本发明中的方法也考虑到极端情况下电动汽车同时进行充电且负荷也在用电时，区域内配电的额定容量能够满足负荷用电这一条件。

采用本发明的目标函数和约束条件进行粒子群算法最优解的获取，最终可以生成日前调控计划。本发明中，可以采用一个评价因子来实现对日前调控计划的评价。

优选的，日前调控计划的评价因子为

本发明中，采用负荷的峰谷差和负荷的峰值来对计划的优劣进行评价。

图4为本发明一种基于电动汽车分群的日前调控计划生成方法中一实施例园区区域的典型日负荷曲线示意图。本发明一实施例中，对于某城市高新技术园区内的电动汽车集群参与电网辅助调峰的过程进行了分析，该园区的典型日负荷曲线如图4所示。园区内电动汽车数量在180至230辆之间，根据统计信息可以生成典型的电动汽车充电负荷。

在图4中，基础负荷与电动汽车的充电负荷之和为区域内电网的总负荷。可以发现，在采用电动汽车参与调控的技术之前，电动汽车的无序充电会愈发加剧负荷峰值的升高，使得电网负荷峰谷差增大。另外，在该负荷曲线中，6点至22点之间的负荷量较高，因此将这一个时段设置为调控时段。

本发明将该园区的电动汽车并网数量平均值设置为200辆，并且假设电动汽车采用恒定的功率进行充电和放电，额定功率为7kW，电动汽车的平均储能容量为80kWh。在该实施例中，可以设置15分钟为一个时间段，因此，日前2小时内总计存在96个时间段。根据经验选取联合系数常量v的取值为1000。

采用本发明中的方法对全体电动汽车进行有序的充放电计划生成。首先，方法对于200台电动汽车按照并网时间进行了分群，分群结果如表1所示。

	群体1	群体2	群体3	群体4	群体5
						车辆数	0	9	69	13	109

表1某城市高新技术园区内的电动汽车响应类型分群

分群后，对于目标函数进行求解，就可以获得图5中的负荷曲线了。

图5为本发明一种基于电动汽车分群的日前调控计划生成方法中一实施例园区区域中电动汽车参与调控的日负荷曲线示意图。如图5所示，在本发明中，相对于图4新增的一条曲线为根据日前调控计划进行调控后电网的负荷曲线。可以明显的发现，新的曲线很好的降低了负荷峰谷差和负荷波动性。

图6本发明一种基于电动汽车分群的日前调控计划生成方法中一实施例中联合目标函数与普通目标函数所生成的日负荷曲线比较的示意图。需要说明的是，常规技术中对于电动汽车通常分成三个群，其分别为刚性充电群体、柔性充电群体和柔性充放电群体。具体来说，刚性充电群体是指电动汽车不参与电网调控的群体，柔性充电群体是指电动汽车可以根据削峰填谷的电网策略选择合适的时间、合适的功率来进行充电的群体，柔性充放电群体则是指电动汽车不仅参与柔性充电，还可以在电网负荷峰值时向电网进行放电并提供分布式储能的群体。如图6所示，对比常规技术中的目标函数所生成的日前调控计划和本发明中日前调控计划可以发现，本发明方法生成的调控计划，降低了负荷峰谷差之间的差距，进一步的平抑了负荷波动，尖峰负荷也更低。

表2为本发明方法与常规技术中采用的分群方法的优化计算结果比较表。从表2中可以发现，本发明分群方法中粒子群算法的优化维度较低，但却生成了更小的目标函数优化值，且进一步降低了峰谷差率，也就是PVR％，因此大大缩短了计划生成的时间。

表2本发明方法与常规技术中目标函数的方法的比较结果表

本发明的有益效果在于，与常规技术相比，本发明在已有研究的基础上，同时考虑电动汽车用户出行时的充电需求及区域电网的削峰填谷需求，提出了一种V2G模式下考虑双侧需求的针对电动汽车响应类型的分群机制和日前削峰填谷调控计划的生成方法，该方法能够对在网电动汽车进行精准的参数整理及响应类型分群，使得电网侧调控需求与用户侧充放电需求实现匹配，从而有效优化电动汽车参与削峰填谷的效果，改善配电变压器的容量越限问题，降低配电网扩容成本。

本发明申请人结合说明书附图对本发明的实施示例做了详细的说明与描述，但是本领域技术人员应该理解，以上实施示例仅为本发明的优选实施方案，详尽的说明只是为了帮助读者更好地理解本发明精神，而并非对本发明保护范围的限制，相反，任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

Claims (8)

1.一种基于电动汽车分群的日前调控计划生成方法，其特征在于，所述方法包括以下步骤：

步骤1，对区域内的电网负荷数据进行采集，并确定该区域的电网调控时段；

步骤2，基于所述电动汽车的并网状态采集所述电动汽车的需求响应参数，并构建所述电动汽车的需求响应矩阵，同时基于所述电动汽车的并网时段和所述电网调控时段之间的关联关系对所述电动汽车进行分群从而获取不同群体下所述电动汽车的可调度容量；

其中，所述电动汽车的需求响应参数包括所述电动汽车的并网时间T_arr、所述电动汽车的离网时间T_dep、所述电动汽车所对应的充电桩的充放电效率η、所述电动汽车的并网荷电状态S_ini、所述电动汽车的离网荷电状态S_exp、所述电动汽车的电池容量E、所述电动汽车车主的参与意愿值W、所述电动汽车的日均行使里程D和所述电动汽车的百公里电耗量

步骤2具体包括：

所述电动汽车的响应类型基于所述电动汽车的并网时间和离网时间确定；

不同响应类型的电动汽车，其预留容量的计算方法不同；

当所述电动汽车的并网时间T_arr晚于所述调控时段的终止时间T_exp，或者所述电动汽车的离网时间T_dep早于所述调控时段的起始时间T_start，所述电动汽车的预留容量ΔS为0；

当所述电动汽车的并网时间T_arr早于所述调控时段的起始时间T_start、并且所述电动汽车的离网时间T_dep晚于所述调控时段的终止时间T_exp时，所述电动汽车的预留容量ΔS为S₁+S₂+S_ini-S_exp，可调度时段Δt为调控时段；

其中，S₁为[T_arr，T_start]时段内所述电动汽车的充电量，S₂为[T_exp，T_dep]时段内所述电动汽车的充电量；

当所述电动汽车的并网时间T_arr早于所述调控时段的起始时间T_start、并且所述电动汽车的离网时间T_dep早于所述调控时段的终止时间T_exp时，所述电动汽车的预留容量ΔS为S₁+S_ini-S_exp，可调度时段Δt为[T_start，T_dep]；

当所述电动汽车的并网时间T_arr晚于所述调控时段的起始时间T_start、并且所述电动汽车的离网时间T_dep晚于所述调控时段的终止时间T_exp时，所述电动汽车的预留容量ΔS为S₂+S_ini-S_exp，可调度时段Δt为[T_arr，T_exp]；

当所述电动汽车的并网时间T_arr晚于所述调控时段的起始时间T_start、并且所述电动汽车的离网时间T_dep早于所述调控时段的终止时间T_exp时，所述电动汽车的预留容量ΔS为-(S_exp-S_ini)，可调度时段Δt为[T_arr，T_dep]；

假设所述电动汽车在可调度时段中的最长放电时长为t₁、最短充电时长为t₂、充放电功率分别为P和-P，则有所述电动汽车的可调度容量其中，Δt＝t₁+t₂；

步骤3，以区域内电网总负荷波动最小、电网总负荷离群点位置最优为原则构造目标函数，以不同群体下所述电动汽车的可调度容量和所述电网负荷数据为粒子群算法的输入，对所述目标函数进行求解，以生成所述电动汽车的日前调控计划。

2.根据权利要求1中所述的一种基于电动汽车分群的日前调控计划生成方法，其特征在于：所述电网调控时段是基于所述区域内电网的负荷容量、所述区域内电网的总负荷波动之间的比较获得的。

3.根据权利要求2中所述的一种基于电动汽车分群的日前调控计划生成方法，其特征在于：所述目标函数为

式中，G为区域内所述电网总负荷波动与所述电网总负荷离群点的联合函数，k为日前时间段的编号，K为日前时间段的总量，为第k个日前时间段中所述区域内电网的总负荷，P_arv，为所述区域内电网的日前平均负荷，v为联合系数常量，/>为所述区域内电网的日前总负荷的峰值，/>为所述区域内电网的日前总负荷的谷值。

4.根据权利要求3中所述的一种基于电动汽车分群的日前调控计划生成方法，其特征在于：所述目标函数的约束条件包括电动汽车参数约束、电动汽车车主需求约束和配变容量约束。

5.根据权利要求4中所述的一种基于电动汽车分群的日前调控计划生成方法，其特征在于：所述电动汽车参数约束为

式中，SOC_min为所述电动汽车的最小荷电容量，SOC_max为最大荷电容量，S_i，k为所述电动汽车i在第k个日前时间段末时的荷电状态，为所述电动汽车放电时电池组的额定放电功率，/>为所述电动汽车充电时电池组的额定充电功率，/>为所述电动汽车i在第k个日前时间段的充电或放电功率，ΔP_max为所述电动汽车的充电或放电功率在单位时间段的最大变化率。

6.根据权利要求5中所述的一种基于电动汽车分群的日前调控计划生成方法，其特征在于：所述配变容量约束为其中，/>为第k个日前时间段所述区域内的基础负荷量，/>为所述电动汽车i在第k个日前时间段的负荷量，I为所述区域内的电动汽车总数，W_T为所述区域内配变的额定容量。

7.根据权利要求6中所述的一种基于电动汽车分群的日前调控计划生成方法，其特征在于：所述日前调控计划的评价因子为

8.一种基于电动汽车分群的日前调控计划生成系统，其特征在于：所述系统用于实现如权利要求1-7任意一项中所述的一种基于电动汽车分群的日前调控计划生成方法。