CN115693737A - 一种基于v2g电动汽车聚合参与配电网调度的方法 - Google Patents

一种基于v2g电动汽车聚合参与配电网调度的方法 Download PDF

Info

Publication number
CN115693737A
CN115693737A CN202211275041.2A CN202211275041A CN115693737A CN 115693737 A CN115693737 A CN 115693737A CN 202211275041 A CN202211275041 A CN 202211275041A CN 115693737 A CN115693737 A CN 115693737A
Authority
CN
China
Prior art keywords
power
distribution network
electric
electric vehicle
constraint
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202211275041.2A
Other languages
English (en)
Inventor
郑鹏
程诺
阮筱菲
甘露
张劲波
林宇彬
陈雪
黄晓予
杨迪珊
李咏红
林蓥珊
吕鹏
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.)
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Original Assignee
State Grid Fujian Electric Power Co Ltd
Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by State Grid Fujian Electric Power Co Ltd, Economic and Technological Research Institute of State Grid Fujian Electric Power Co Ltd filed Critical State Grid Fujian Electric Power Co Ltd
Priority to CN202211275041.2A priority Critical patent/CN115693737A/zh
Publication of CN115693737A publication Critical patent/CN115693737A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明涉及一种基于V2G电动汽车聚合参与配电网调度的方法，包括：根据历史数据预测配电网日负荷曲线、风电和光伏可发功率、电动汽车可调度功率和电池电量约束、电网峰谷电价以及电动汽车充放电效率；配电网基于给定电网峰谷电价，依据可再生能源可发功率预测曲线对电动汽车峰谷充电电价进行调整；以配电网可再生能源自利用率最高、电动汽车用户成本最小为目标，建立双层调度模型；利用二阶锥规划方法对配电网潮流约束进行凸化和线性化；利用ADMM分布式算法求解日前每小时分布式电源的出力、与外网间的电能交换量以及配电网与电动汽车聚合商的交易电量；配电网调度中心向区域内各电动汽车聚合商发布最优调度计划。该方法有利于提升可再生能源消纳。

Description

一种基于V2G电动汽车聚合参与配电网调度的方法
技术领域
本发明属于电力系统技术领域，具体涉及一种基于V2G电动汽车聚合参与配电网调度的方法。
背景技术
随着“碳达峰”、“碳中和”两步走目标的提出，风电、光伏等可再生能源因其清洁、低碳的优势越来越受到重视，但是因可再生能源波动性、随机性的特点，其一部分得不到消纳而造成资源浪费。与此同时，电动汽车凭借“零污染、零排放”的优势，规模得到迅速的增长。V2G电动汽车利用其分布式储能特性参与电网调度，在配电网可再生能源富余时进行充电，将电能存储起来；在负荷高峰时，配电网可再生能源出力可能无法满足配电网负荷，此时电动汽车用户可以根据自身需求以及电网调度计划来决定是否将电能回馈给电网，满足电网需求同时获取收益。大规模电动汽车并网作为提升电网可再生能源的消纳途径，相比其他途径更经济、便捷。配电网通过合适的策略对V2G电动汽车进行聚合调度，可以将负荷低谷期剩余的可再生能源转移至高峰期使用，减少低谷期的弃风弃光量，同时缓解高峰期电力供应紧张，提高配电网可再生能源的消纳量。
发明内容
本发明的目的在于提供一种基于V2G电动汽车聚合参与配电网调度的方法，该方法有利于提升可再生能源消纳。
为实现上述目的，本发明采用的技术方案是：一种基于V2G电动汽车聚合参与配电网调度的方法，包括以下步骤：
步骤S1：根据历史数据预测配电网日负荷曲线、风电和光伏可发功率、电动汽车可调度功率和电池电量约束、电网峰谷电价以及电动汽车充放电效率；
步骤S2：配电网基于给定电网峰谷电价，依据可再生能源可发功率预测曲线对电动汽车峰谷充电电价进行调整，以提升用户侧可调节资源对可再生能源的消纳；
步骤S3：以配电网可再生能源自利用率最高、电动汽车用户成本最小为目标，建立双层调度模型；
步骤S4：利用二阶锥规划方法对配电网潮流约束进行凸化和线性化；
步骤S5：利用ADMM分布式算法求解日前每小时分布式电源的出力、与外网间的电能交换量以及配电网与电动汽车聚合商的交易电量；
步骤S6：配电网调度中心向区域内各电动汽车聚合商发布最优调度计划。
进一步地，所述步骤S2具体包括以下步骤：
步骤S21：设可再生能源在接下来一天预测的可发功率曲线峰值为Ppeak，谷值为Pvalley，则可再生能源可发功率曲线峰谷差为ΔP＝Ppeak-Pvalley；划分[Pvalley+0.8ΔP,Ppeak]为可再生能源可发功率高峰期，[Pvalley,Pvalley+0.2ΔP]为可再生能源可发功率低谷期，其余为平时期；
步骤S22：设置电动汽车峰谷充电电价调整机制；配电网对可再生能源可发功率高峰和低谷期的电动汽车充电电价进行调整，平时期内的充电电价不变：
Figure BDA0003896620840000021
其中，
Figure BDA0003896620840000022
为大电网发布的负荷侧峰谷电价；Pmax为配电网区域内预测的可再生能源总可发功率；
Figure BDA0003896620840000023
为调整后的电动汽车充电电价。
进一步地，所述步骤S3具体包括以下步骤：
步骤S31：建立上层配电网动态优化调度模型；
目标函数为配电网可再生能源自利用率最高：
Figure BDA0003896620840000024
其中，Nw、Ns分别为系统内风电场和光伏电站数量；
Figure BDA0003896620840000025
分别为风电场和光伏电站i在t时刻的可发电功率；
Figure BDA0003896620840000026
分别为风电场和光伏电站i在t时段的发电功率；T为时段数量；
约束条件包括配电网安全约束、电动汽车聚合商日前上报功率约束、可再生能源约束、电动汽车充放电状态互补约束、配电网与外网电能交换约束，分别为：
(1)节点潮流方程约束
Figure BDA0003896620840000031
Figure BDA0003896620840000032
其中，rij、xij为支路ij的等效电阻、电抗；Pij,t、Qij,t为支路ij流过的有功、无功功率；
Figure BDA0003896620840000033
分别为节点j流出有功、无功功率之和；Pj,t、Qj,t分别为注入节点j的有功、无功功率；Iij,t为支路ij的电流；B为配电网节点集合；
(2)节点电压约束
Figure BDA0003896620840000034
Figure BDA0003896620840000035
其中，Vj,t为节点j的电压幅值；Vmax、Vmin分别为节点j电压幅值上下限；E为配电网支路集合；
(3)支路电流约束
Figure BDA0003896620840000036
Figure BDA0003896620840000037
其中，Iij,max、Iij,min分别为支路ij的电流上下限；
(4)电动汽车聚合商日前上报功率约束
Figure BDA0003896620840000038
其中，
Figure BDA0003896620840000039
分别为电动汽车聚合商i辖区内电动汽车在时段t内总充电功率上、下限；
Figure BDA00038966208400000310
分别为电动汽车聚合商i辖区内电动汽车在时段t内总放电功率上、下限；
Figure BDA00038966208400000311
分别为配电网调度的电动汽车聚合商i的充放电计划；
(5)可再生能源约束
Figure BDA0003896620840000041
(6)电动汽车充放电状态互补约束
参与配网调度的V2G电动汽车充、放电状态必须互补，即其辖区内电动汽车总放电功率状态互补；
Figure BDA0003896620840000042
(7)配电网与外网电能交换约束
配电网与外网的能量交换，购、售电两种状态互补，满足：
Psell,t·Pbuy,t＝0 (12)
Figure BDA0003896620840000043
其中，Psell,t、Pbuy,t分别为配电网在t时刻向外网的售电、购电功率；
步骤S32：下层电动汽车聚合商优化调度模型；
目标函数电动汽车用户运行成本最小，即每个聚合商成本各自最小；
Figure BDA0003896620840000044
其中，Bi为电动汽车聚合商i的成本，i＝1,2,…,Ne；
Figure BDA0003896620840000045
分别为t时段内电动汽车充电、放电峰谷电价；N为电动汽车总数；Ne为电动汽车聚合商个数；
Figure BDA0003896620840000046
分别为t时刻电动汽车聚合商i辖区内电动汽车的总充、放电功率；
Figure BDA0003896620840000047
分别为电动汽车j在时段t内的充、放电功率；
约束条件包括电动汽车电池电量约束以及安全约束、功率约束、出行电量约束、日充放电电量约束、电动汽车充放电状态约束，分别为：
假设每个电动汽车因生产标准化，其充、放电额定功率相同，蓄电池容量相同，则电动汽车参与配电网优化调度需要满足以下条件；
(1)电动汽车聚合商电池电量约束
Figure BDA0003896620840000051
Figure BDA0003896620840000052
其中，Sei,t为电动汽车聚合商i在时间段开始时的电池电量；Sei,t+Δt为电动汽车聚合商i在Δt时间段结束后的电池电量；Ni.t为电动汽车聚合商i在时段t内电动汽车的可调度数量；ηc、ηD分别为电动汽车电池充、放电的效率，取ηD＝ηc，且所有电动汽车效率一样；
(2)电动汽车电池安全约束
Figure BDA0003896620840000053
Figure BDA0003896620840000054
Figure BDA0003896620840000055
其中，
Figure BDA0003896620840000056
分别为电动汽车聚合商i在时段t内下辖电动汽车电池总电量上、下限，为保证电池安全取
Figure BDA0003896620840000057
(3)电动汽车功率约束
Figure BDA0003896620840000058
Figure BDA0003896620840000059
(4)电动汽车出行电量约束
Figure BDA0003896620840000061
Figure BDA0003896620840000062
其中，
Figure BDA0003896620840000063
电动汽车聚合商i辖区内电动汽车在时段t为满足日常出行需求的最低电池电量
Figure BDA0003896620840000064
总和，并取0.05的裕度以应变突发情况；
(5)日充放电电量约束
电动汽车结束一天的充放电后，电池容量应满足一定的条件：
Figure BDA0003896620840000065
(6)电动汽车充放电状态约束
Figure BDA0003896620840000066
进一步地，所述步骤S4具体包括以下步骤：
步骤S41：对电压、电流进行松弛，定义：
Figure BDA0003896620840000067
步骤S42：对
Figure BDA0003896620840000068
进行二阶锥转化，得到：
Figure BDA0003896620840000069
步骤S43：(3)-(8)潮流约束可转化为：
Figure BDA0003896620840000071
进一步地，所述步骤S5具体包括以下步骤：
步骤S51：采用交替方向乘子法ADMM求解双层调度模型，假设配电网有i个电动汽车聚合商，引入代表电动汽车聚合商i的拉格朗日乘子λi和惩罚因子ρi，得到双层模型的增广拉格朗日函数式：
Figure BDA0003896620840000072
Figure BDA0003896620840000073
其中，α为权重系数，即平衡上下层目标函数数量级，作为双层模型在ADMM收敛过程中电网侧和用户侧主导权博弈的杠杆；
步骤S52：设置最大迭代次数kmax，收敛精度δ＝1×10-4以及惩罚因子ρi；接着，初始化迭代次数k＝0，下层电动汽车聚合商i的调度计划
Figure BDA0003896620840000074
拉格朗日乘子λi＝0；
步骤S53：配电网从电动汽车聚合商侧接受到调度计划
Figure BDA0003896620840000081
利用CPLEX求解上层模型(29)，得出上层电网调度中心期望电动汽车聚合商调度计划
Figure BDA0003896620840000082
步骤S54：电动汽车聚合商从电网调度中心接收电动汽车期望调度计划
Figure BDA0003896620840000083
利用CPLEX求解下层模型(30)，得出电动汽车聚合商期望调度计划
Figure BDA0003896620840000084
步骤S55：进行拉格朗日乘子的更新：
Figure BDA0003896620840000085
步骤S56：更新迭代次数k＝k+1；
步骤S57：判断算结果是否满足迭代终止条件：
Figure BDA0003896620840000086
满足条件则迭代终止，否则返回步骤S53继续计算，直至满足收敛条件。
与现有技术相比，本发明具有以下有益效果：本发明提供了一种基于V2G电动汽车聚合参与配电网调度提升可再生能源消纳的方法，首先，配电网依据预测所得的可再生能源可发功率曲线对电动汽车峰谷充电电价进行调整；其次，兼顾配电网运行和电动汽车用户需求，同时考虑满足配电网安全运行和电动汽车运行约束的条件，建立V2G电动汽车群聚合参与配电网“能源调度”的双层优化模型，实现配网可再生能源自利用率最高和电动汽车用户成本最小。上、下层模型分别以配电网可再生能源自利用率最高、电动汽车用户成本最低为目标，优化电动汽车充放电功率。其中，上层约束条件包括配电网潮流约束、可再生能源可发功率约束，以及电动汽车可调度功率上下限等约束；下层约束条件主要考虑电动汽车充放电功率约束、荷电状态约束以及电动汽车用户使用需求等。本发明兼顾了配电网可再生能源自利用率与电动汽车用户经济效益，建立V2G电动汽车聚合参与配电网双层优化调度模型，考虑隐私保护，利用ADMM实现双方信息实时交流，最终获得满足双方意愿的最优调度计划，促进配电网的清洁、低碳运行。
附图说明
图1为本发明实施例的方法实施流程图。
图2为本发明实施例中改进IEEE33节点配电网。
图3为本发明实施例中双层优化调度模型可再生能源可发功率曲线。
图4为本发明实施例中电动汽车聚合商1、2可提供的调度功率。
图5为本发明实施例中电动汽车聚合商下辖的电动汽车电池安全约束总电量。
图6为本发明实施例中电动汽车电池最低电量总和。
图7为本发明实施例中调整后的电动汽车峰谷充电电价曲线。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
如图1所示，本实施例提供了一种基于V2G电动汽车聚合参与配电网调度的方法，包括以下步骤：
步骤S1：根据历史数据预测配电网日负荷曲线、风电和光伏可发功率、电动汽车可调度功率和电池电量约束、电网峰谷电价以及电动汽车充放电效率等。
步骤S2：配电网基于给定电网峰谷电价，依据可再生能源可发功率预测曲线对电动汽车峰谷充电电价进行调整，以提升用户侧可调节资源对可再生能源的消纳。
在本实施例中，所述步骤S2具体包括以下步骤：
步骤S21：设可再生能源在接下来一天预测的可发功率曲线峰值为Ppeak，谷值为Pvalley，则可再生能源可发功率曲线峰谷差为ΔP＝Ppeak-Pvalley；划分[Pvalley+0.8ΔP,Ppeak]为可再生能源可发功率高峰期，[Pvalley,Pvalley+0.2ΔP]为可再生能源可发功率低谷期，其余为平时期；
步骤S22：设置电动汽车峰谷充电电价调整机制；配电网对可再生能源可发功率高峰和低谷期的电动汽车充电电价进行调整，平时期内的充电电价不变：
Figure BDA0003896620840000101
其中，
Figure BDA0003896620840000102
为大电网发布的负荷侧峰谷电价；Pmax为配电网区域内预测的可再生能源总可发功率；
Figure BDA0003896620840000103
为调整后的电动汽车充电电价。
步骤S3：以配电网可再生能源自利用率最高、电动汽车用户成本最小为目标，建立双层调度模型。
在本实施例中，所述步骤S3具体包括以下步骤：
步骤S31：建立上层配电网动态优化调度模型；
目标函数为配电网可再生能源自利用率最高：
Figure BDA0003896620840000104
其中，Nw、Ns分别为系统内风电场和光伏电站数量；
Figure BDA0003896620840000105
分别为风电场和光伏电站i在t时刻的可发电功率(即时段t内可再生能源的出力上限)；
Figure BDA0003896620840000106
分别为风电场和光伏电站i在t时段的发电功率；T为时段数量，取96。
约束条件包括配电网安全约束(支路潮流模型)、电动汽车聚合商日前上报功率约束、可再生能源约束、电动汽车充放电状态互补约束、配电网与外网电能交换约束，分别为：
(1)节点潮流方程约束
Figure BDA0003896620840000107
Figure BDA0003896620840000108
其中，rij、xij为支路ij的等效电阻、电抗；Pij,t、Qij,t为(节点i流出)支路ij流过的有功、无功功率；
Figure BDA0003896620840000109
分别为节点j流出有功、无功功率之和(去除ij的所有与节点j相连的支路)；Pj,t、Qj,t分别为注入节点j的有功、无功功率(除支路ij外所有与节点j相连的支路)；Iij,t为支路ij的电流；B为配电网节点集合。
(2)节点电压约束
Figure BDA0003896620840000111
Figure BDA0003896620840000112
其中，Vj,t为节点j的电压幅值；Vmax、Vmin分别为节点j电压幅值上下限；E为配电网支路集合。
(3)支路电流约束
Figure BDA0003896620840000113
Figure BDA0003896620840000114
其中，Iij,max、Iij,min分别为支路ij的电流上下限。
(4)电动汽车聚合商日前上报功率约束
Figure BDA0003896620840000115
其中，
Figure BDA0003896620840000116
分别为电动汽车聚合商i辖区内电动汽车在时段t内总充电功率上、下限；
Figure BDA0003896620840000117
分别为电动汽车聚合商i辖区内电动汽车在时段t内总放电功率上、下限；
Figure BDA0003896620840000118
分别为配电网调度的电动汽车聚合商i的充放电计划。
(5)可再生能源约束
Figure BDA0003896620840000119
(6)电动汽车充放电状态互补约束
参与配网调度的V2G电动汽车充、放电状态必须互补，即其辖区内电动汽车总放电功率状态互补。
Figure BDA00038966208400001110
(7)配电网与外网电能交换约束
配电网与外网的能量交换，购、售电两种状态互补，满足：
Psell,t·Pbuy,t＝0 (12)
Figure BDA0003896620840000121
其中，Psell,t、Pbuy,t分别为配电网在t时刻向外网的售电、购电功率。
步骤S32：下层电动汽车聚合商优化调度模型。
目标函数电动汽车用户运行成本最小，即每个聚合商成本各自最小；
Figure BDA0003896620840000122
其中，Bi为电动汽车聚合商i的成本，i＝1,2,…,Ne；
Figure BDA0003896620840000123
分别为t时段内电动汽车充电、放电峰谷电价；N为电动汽车总数；Ne为电动汽车聚合商个数；
Figure BDA0003896620840000124
分别为t时刻电动汽车聚合商i辖区内电动汽车的总充、放电功率；
Figure BDA0003896620840000125
分别为电动汽车j在时段t内的充、放电功率。
约束条件包括电动汽车电池电量约束以及安全约束、功率约束、出行电量约束、日充放电电量约束、电动汽车充放电状态约束，分别为：
假设每个电动汽车因生产标准化，其充、放电额定功率相同，蓄电池容量相同，则电动汽车参与配电网优化调度需要满足以下条件。
(1)电动汽车聚合商电池电量约束
Figure BDA0003896620840000126
Figure BDA0003896620840000127
其中，Sei,t为电动汽车聚合商i在时间段开始时的电池电量；Sei,t+Δt为电动汽车聚合商i在Δt时间段结束后的电池电量；Ni.t为电动汽车聚合商i在时段t内电动汽车的可调度数量；ηc、ηD分别为电动汽车电池充、放电的效率，取ηD＝ηc，且所有电动汽车效率一样。
(2)电动汽车电池安全约束
Figure BDA0003896620840000131
Figure BDA0003896620840000132
Figure BDA0003896620840000133
其中，
Figure BDA0003896620840000134
分别为电动汽车聚合商i在时段t内下辖电动汽车电池总电量上、下限，为保证电池安全取
Figure BDA0003896620840000135
(3)电动汽车功率约束
Figure BDA0003896620840000136
Figure BDA0003896620840000137
(4)电动汽车出行电量约束
Figure BDA0003896620840000138
Figure BDA0003896620840000139
其中，
Figure BDA00038966208400001310
电动汽车聚合商i辖区内电动汽车在时段t为满足日常出行需求的最低电池电量
Figure BDA00038966208400001311
总和，并取0.05的裕度以应变突发情况。
(5)日充放电电量约束
电动汽车结束一天的充放电后，电池容量应满足一定的条件：
Figure BDA00038966208400001312
(6)电动汽车充放电状态约束
Figure BDA0003896620840000141
步骤S4：利用二阶锥规划方法对配电网潮流约束进行凸化和线性化。
在本实施例中，所述步骤S4具体包括以下步骤：
步骤S41：对电压、电流进行松弛，定义：
Figure BDA0003896620840000142
步骤S42：对
Figure BDA0003896620840000143
进行二阶锥转化，得到：
Figure BDA0003896620840000144
步骤S43：(3)-(8)潮流约束可转化为：
Figure BDA0003896620840000145
步骤S5：利用ADMM分布式算法求解日前每小时分布式电源的出力、与外网间的电能交换量以及配电网与电动汽车聚合商的交易电量。
在本实施例中，所述步骤S5具体包括以下步骤：
步骤S51：采用交替方向乘子法(简称ADMM)求解双层调度模型，假设配电网有i个电动汽车聚合商，引入代表电动汽车聚合商i的拉格朗日乘子λi和惩罚因子ρi，得到双层模型的增广拉格朗日函数式：
Figure BDA0003896620840000151
Figure BDA0003896620840000152
其中，α为权重系数，即平衡上下层目标函数数量级，作为双层模型在ADMM收敛过程中两方(电网侧和用户侧)主导权博弈的杠杆。
步骤S52：设置最大迭代次数kmax，收敛精度δ＝1×10-4以及惩罚因子ρi；接着，初始化迭代次数k＝0，下层电动汽车聚合商i的调度计划
Figure BDA0003896620840000153
拉格朗日乘子λi＝0。
步骤S53：配电网从电动汽车聚合商侧接受到调度计划
Figure BDA0003896620840000154
利用CPLEX求解上层模型(29)，得出上层电网调度中心期望电动汽车聚合商调度计划
Figure BDA0003896620840000155
步骤S54：电动汽车聚合商从电网调度中心接收电动汽车期望调度计划
Figure BDA0003896620840000156
利用CPLEX求解下层模型(30)，得出电动汽车聚合商期望调度计划
Figure BDA0003896620840000157
步骤S55：进行拉格朗日乘子的更新：
Figure BDA0003896620840000158
步骤S56：更新迭代次数k＝k+1。
步骤S57：判断算结果是否满足迭代终止条件：
Figure BDA0003896620840000161
满足条件则迭代终止，否则返回步骤S53继续计算，直至满足收敛条件。
步骤S6：配电网调度中心向区域内各电动汽车聚合商发布最优调度计划。
本实施例基于改进IEEE33节点配电网，该配电网包含3个风电场分别接入节点3、6、15，2个光伏电站分别接入节点5、16，两个电动汽车聚合商，聚合商1管辖节点14的充电桩，聚合商2管辖节点28、33的充电桩，且28、33节点充电桩容量相同；节点33与外网相连，如图2所示。配电网中所涉及到的3个风电场、2个光伏电站总可发出力如图3，时间尺度周期T＝96。电动汽车与电网间的峰谷交易电价见表1，假设电动汽车聚合商1、2下辖的电动汽车数量分别为160辆、200辆，除行驶状态、故障以及日常保养等电动汽车外，其余皆可调度。单台电动汽车的最大充放电功率为5kW，额定容量为25kWh，蓄电池电量安全约束为2.5kWh-22.5kWh，电动汽车充放电效率皆取0.85。根据历史数据预测，电动汽车聚合商1、2可提供的调度功率如图4；各时刻电动汽车聚合商下辖的电动汽车电池安全约束总电量如图5所示；为保证电动汽车用户的日常出行需求，各时段电动汽车蓄电池最低电量总和如图6所示。
表1电动汽车峰谷电价(调整前)
时段 上网电价/(元/MWh) 充电电价/(元/MWh)
低谷(1-31) 130 170
高峰(32-45) 650 830
平时(46-68) 380 490
高峰(69-83) 650 830
平时(84-96) 380 490
为了与本发明双层优化调度模型(模式一)进行配电网可再生能源消纳量对比，本发明构建一种单层调度场景作为参照(模式二)。
模式二：电动汽车基于自身利益最大化为目标进行电动汽车的充放电功率优化调度，得到电动汽车负荷曲线；接着，配电网以可再生能源消纳最大为目标，满足配网总负荷为前提实现优化调度。
本实施例中，V2G电动汽车聚合参与配电网优化调度的对比结果如表2所示。相比参照模式，利用本发明的调度方法，配电网依据可再生能源预测可发功率曲线，对电动汽车峰谷充电电价进行调整，如图7。电动汽车用户受到上层配电网调度中心的调度指令引导，做出一定的经济牺牲以配合配网的调度需求，使得配网的可再生能源自利用率提高了1％。电动汽车用户的充放电行为在双层调度模式下，进一步考虑到了配网的负荷和可再生能源出力特点，有效实现了对低谷期的富余可再生能源的消纳，并将其转移至负荷高峰期，作为电源供给用电，配电网可再生能源的消纳量得到提升。
表2两种模式结果对比
配网可再生能源自利用率 电动汽车成本/元
模式一(本发明) 82.8％ -182.0
模式二 81.8％ -202.78
注：电动汽车成本“-”时表示电动汽车用户盈利
较佳的，本实施例不仅考虑到电动汽车用户的经济效益，而且在满足配网安全约束、购售电约束等条件下，以配电网的可再生能源自利用率和电动汽车充放电效益进行联合优化，利用ADMM分布式算法进行配电网与V2G聚合商间的高效信息交换，在达成双方意愿同时很好的保护两方隐私。本发明可以有效提高配电网的可再生能源消纳量，并且提高电动汽车用户参与度，促进配网的清洁、低碳运行，具有较高的应用价值。
以上所述，仅是本发明的较佳实施例而已，并非是对本发明作其它形式的限制，任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例。但是凡是未脱离本发明技术方案内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与改型，仍属于本发明技术方案的保护范围。

Claims (5)

1.一种基于V2G电动汽车聚合参与配电网调度的方法，其特征在于，包括以下步骤：
步骤S1：根据历史数据预测配电网日负荷曲线、风电和光伏可发功率、电动汽车可调度功率和电池电量约束、电网峰谷电价以及电动汽车充放电效率；
步骤S2：配电网基于给定电网峰谷电价，依据可再生能源可发功率预测曲线对电动汽车峰谷充电电价进行调整，以提升用户侧可调节资源对可再生能源的消纳；
步骤S3：以配电网可再生能源自利用率最高、电动汽车用户成本最小为目标，建立双层调度模型；
步骤S4：利用二阶锥规划方法对配电网潮流约束进行凸化和线性化；
步骤S5：利用ADMM分布式算法求解日前每小时分布式电源的出力、与外网间的电能交换量以及配电网与电动汽车聚合商的交易电量；
步骤S6：配电网调度中心向区域内各电动汽车聚合商发布最优调度计划。
2.根据权利要求1所述的一种基于V2G电动汽车聚合参与配电网调度的方法，其特征在于，所述步骤S2具体包括以下步骤：
步骤S21：设可再生能源在接下来一天预测的可发功率曲线峰值为Ppeak，谷值为Pvalley，则可再生能源可发功率曲线峰谷差为ΔP＝Ppeak-Pvalley；划分[Pvalley+0.8ΔP,Ppeak]为可再生能源可发功率高峰期，[Pvalley,Pvalley+0.2ΔP]为可再生能源可发功率低谷期，其余为平时期；
步骤S22：设置电动汽车峰谷充电电价调整机制；配电网对可再生能源可发功率高峰和低谷期的电动汽车充电电价进行调整，平时期内的充电电价不变：
Figure FDA0003896620830000011
其中，
Figure FDA0003896620830000012
为大电网发布的负荷侧峰谷电价；Pmax为配电网区域内预测的可再生能源总可发功率；
Figure FDA0003896620830000013
为调整后的电动汽车充电电价。
3.根据权利要求1所述的一种基于V2G电动汽车聚合参与配电网调度的方法，其特征在于，所述步骤S3具体包括以下步骤：
步骤S31：建立上层配电网动态优化调度模型；
目标函数为配电网可再生能源自利用率最高：
Figure FDA0003896620830000021
其中，Nw、Ns分别为系统内风电场和光伏电站数量；
Figure FDA0003896620830000022
分别为风电场和光伏电站i在t时刻的可发电功率；
Figure FDA0003896620830000023
分别为风电场和光伏电站i在t时段的发电功率；T为时段数量；
约束条件包括配电网安全约束、电动汽车聚合商日前上报功率约束、可再生能源约束、电动汽车充放电状态互补约束、配电网与外网电能交换约束，分别为：
(1)节点潮流方程约束
Figure FDA0003896620830000024
Figure FDA0003896620830000025
其中，rij、xij为支路ij的等效电阻、电抗；Pij,t、Qij,t为支路ij流过的有功、无功功率；
Figure FDA0003896620830000026
分别为节点j流出有功、无功功率之和；Pj,t、Qj,t分别为注入节点j的有功、无功功率；Iij,t为支路ij的电流；B为配电网节点集合；
(2)节点电压约束
Figure FDA0003896620830000027
Figure FDA0003896620830000028
其中，Vj,t为节点j的电压幅值；Vmax、Vmin分别为节点j电压幅值上下限；E为配电网支路集合；
(3)支路电流约束
Figure FDA0003896620830000029
Figure FDA00038966208300000210
其中，Iij,max、Iij,min分别为支路ij的电流上下限；
(4)电动汽车聚合商日前上报功率约束
Figure FDA0003896620830000031
其中，
Figure FDA0003896620830000032
分别为电动汽车聚合商i辖区内电动汽车在时段t内总充电功率上、下限；
Figure FDA0003896620830000033
分别为电动汽车聚合商i辖区内电动汽车在时段t内总放电功率上、下限；
Figure FDA0003896620830000034
分别为配电网调度的电动汽车聚合商i的充放电计划；
(5)可再生能源约束
Figure FDA0003896620830000035
(6)电动汽车充放电状态互补约束
参与配网调度的V2G电动汽车充、放电状态必须互补，即其辖区内电动汽车总放电功率状态互补；
Figure FDA0003896620830000036
(7)配电网与外网电能交换约束
配电网与外网的能量交换，购、售电两种状态互补，满足：
Psell,t·Pbuy,t＝0 (12)
Figure FDA0003896620830000037
其中，Psell,t、Pbuy,t分别为配电网在t时刻向外网的售电、购电功率；
步骤S32：下层电动汽车聚合商优化调度模型；
目标函数电动汽车用户运行成本最小，即每个聚合商成本各自最小；
Figure FDA0003896620830000038
其中，Bi为电动汽车聚合商i的成本，i＝1,2,…,Ne；
Figure FDA0003896620830000039
分别为t时段内电动汽车充电、放电峰谷电价；N为电动汽车总数；Ne为电动汽车聚合商个数；
Figure FDA00038966208300000310
分别为t时刻电动汽车聚合商i辖区内电动汽车的总充、放电功率；
Figure FDA0003896620830000041
分别为电动汽车j在时段t内的充、放电功率；
约束条件包括电动汽车电池电量约束以及安全约束、功率约束、出行电量约束、日充放电电量约束、电动汽车充放电状态约束，分别为：
假设每个电动汽车因生产标准化，其充、放电额定功率相同，蓄电池容量相同，则电动汽车参与配电网优化调度需要满足以下条件；
(1)电动汽车聚合商电池电量约束
Figure FDA0003896620830000042
Figure FDA0003896620830000043
其中，Sei,t为电动汽车聚合商i在时间段开始时的电池电量；Sei,t+Δt为电动汽车聚合商i在Δt时间段结束后的电池电量；Ni.t为电动汽车聚合商i在时段t内电动汽车的可调度数量；ηc、ηD分别为电动汽车电池充、放电的效率，取ηD＝ηc，且所有电动汽车效率一样；
(2)电动汽车电池安全约束
Figure FDA0003896620830000044
Figure FDA0003896620830000045
Figure FDA0003896620830000046
其中，
Figure FDA0003896620830000047
分别为电动汽车聚合商i在时段t内下辖电动汽车电池总电量上、下限，为保证电池安全取
Figure FDA0003896620830000048
(3)电动汽车功率约束
Figure FDA0003896620830000051
Figure FDA0003896620830000052
(4)电动汽车出行电量约束
Figure FDA0003896620830000053
Figure FDA0003896620830000054
其中，
Figure FDA0003896620830000055
电动汽车聚合商i辖区内电动汽车在时段t为满足日常出行需求的最低电池电量
Figure FDA0003896620830000056
总和，并取0.05的裕度以应变突发情况；
(5)日充放电电量约束
电动汽车结束一天的充放电后，电池容量应满足一定的条件：
Figure FDA0003896620830000057
(6)电动汽车充放电状态约束
Figure FDA0003896620830000058
4.根据权利要求1所述的一种基于V2G电动汽车聚合参与配电网调度的方法，其特征在于，所述步骤S4具体包括以下步骤：
步骤S41：对电压、电流进行松弛，定义：
Figure FDA0003896620830000059
步骤S42：对
Figure FDA00038966208300000510
进行二阶锥转化，得到：
Figure FDA0003896620830000061
步骤S43：(3)-(8)潮流约束可转化为：
Figure FDA0003896620830000062
5.根据权利要求1所述的一种基于V2G电动汽车聚合参与配电网调度的方法，其特征在于，所述步骤S5具体包括以下步骤：
步骤S51：采用交替方向乘子法ADMM求解双层调度模型，假设配电网有i个电动汽车聚合商，引入代表电动汽车聚合商i的拉格朗日乘子λi和惩罚因子ρi，得到双层模型的增广拉格朗日函数式：
Figure FDA0003896620830000063
Figure FDA0003896620830000071
其中，α为权重系数，即平衡上下层目标函数数量级，作为双层模型在ADMM收敛过程中电网侧和用户侧主导权博弈的杠杆；
步骤S52：设置最大迭代次数kmax，收敛精度δ＝1×10-4以及惩罚因子ρi；接着，初始化迭代次数k＝0，下层电动汽车聚合商i的调度计划
Figure FDA0003896620830000072
拉格朗日乘子λi＝0；
步骤S53：配电网从电动汽车聚合商侧接受到调度计划
Figure FDA0003896620830000073
利用CPLEX求解上层模型(29)，得出上层电网调度中心期望电动汽车聚合商调度计划
Figure FDA0003896620830000074
步骤S54：电动汽车聚合商从电网调度中心接收电动汽车期望调度计划
Figure FDA0003896620830000075
利用CPLEX求解下层模型(30)，得出电动汽车聚合商期望调度计划
Figure FDA0003896620830000076
步骤S55：进行拉格朗日乘子的更新：
Figure FDA0003896620830000077
步骤S56：更新迭代次数k＝k+1；
步骤S57：判断算结果是否满足迭代终止条件：
Figure FDA0003896620830000078
满足条件则迭代终止，否则返回步骤S53继续计算，直至满足收敛条件。
CN202211275041.2A 2022-10-18 2022-10-18 一种基于v2g电动汽车聚合参与配电网调度的方法 Pending CN115693737A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211275041.2A CN115693737A (zh) 2022-10-18 2022-10-18 一种基于v2g电动汽车聚合参与配电网调度的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211275041.2A CN115693737A (zh) 2022-10-18 2022-10-18 一种基于v2g电动汽车聚合参与配电网调度的方法

Publications (1)

Publication Number Publication Date
CN115693737A true CN115693737A (zh) 2023-02-03

Family

ID=85066428

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211275041.2A Pending CN115693737A (zh) 2022-10-18 2022-10-18 一种基于v2g电动汽车聚合参与配电网调度的方法

Country Status (1)

Country Link
CN (1) CN115693737A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115864480A (zh) * 2023-03-02 2023-03-28 国网湖北省电力有限公司营销服务中心(计量中心) 基于大规模电动汽车分布式充放电功率跟踪集群调度方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115864480A (zh) * 2023-03-02 2023-03-28 国网湖北省电力有限公司营销服务中心(计量中心) 基于大规模电动汽车分布式充放电功率跟踪集群调度方法

Similar Documents

Publication Publication Date Title
CN107301470B (zh) 一种配电网扩展规划与光储选址定容的双层优化方法
CN110119886B (zh) 一种主动配网动态规划方法
Li et al. Emission-concerned wind-EV coordination on the transmission grid side with network constraints: Concept and case study
CN107634518B (zh) 一种“源-网-荷”相协调的主动配电网经济调度方法
CN111882105B (zh) 含共享储能系统的微电网群及其日前经济优化调度方法
CN110826880B (zh) 一种大规模电动汽车接入的主动配电网优化调度方法
CN112734098B (zh) 一种基于源-荷-网平衡的配电网电力调度方法及系统
CN107069791A (zh) 一种考虑工业园区与工厂互动的综合需求响应方法
Liu et al. Integrated optimal dispatching strategy considering power generation and consumption interaction
CN111786422B (zh) 基于bp神经网络的微电网参与上层电网实时优化调度方法
CN109376970B (zh) 适用于能源互联网的动态实时电价机制形成方法及系统
CN116061742B (zh) 一种分时电价光伏园区内电动汽车的充电控制方法和系统
CN112085327B (zh) 一种配电商参与的主动配电网多层分区调控方法及系统
CN110991881B (zh) 一种电动汽车换电站与电力公司协同调度方法及系统
CN112311017A (zh) 一种虚拟电厂与主网最优协同调度方法
Huu A three-stage of charging power allocation for electric two-wheeler charging stations
CN116090739A (zh) 一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法
CN117578537A (zh) 基于碳交易和需求响应的微电网优化调度方法
CN115693737A (zh) 一种基于v2g电动汽车聚合参与配电网调度的方法
CN108667071B (zh) 一种主动配电网负荷精准控制计算方法
CN117394451A (zh) 考虑灵活性的主动配电网“源网储”多元协调规划方法
CN112003268A (zh) 基于模型预测控制的智能建筑群电能优化共享系统和方法
CN117011007A (zh) 一种含电动汽车的综合能源系统参与电力现货市场策略
CN110826210A (zh) 基于功率互联的多区域楼宇虚拟电厂建模及优化协调方法
Zhang et al. Multi-objective optimal scheduling strategy of microgrid based on v2g technology

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