CN115860416A - 专用快速充电场站的运行优化方法、装置、设备及介质 - Google Patents
专用快速充电场站的运行优化方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115860416A CN115860416A CN202211667677.1A CN202211667677A CN115860416A CN 115860416 A CN115860416 A CN 115860416A CN 202211667677 A CN202211667677 A CN 202211667677A CN 115860416 A CN115860416 A CN 115860416A
- Authority
- CN
- China
- Prior art keywords
- charging
- power
- energy
- station
- charging station
- 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
Images
Landscapes
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本申请涉及电动汽车充电调度技术领域,特别涉及一种专用快速充电场站的运行优化方法、装置、设备及介质,其中,方法包括:获取每个专用快速充电场站的充电负荷可调能力模型,并结合电动汽车的行程安排计算每个专用快速充电场站的站内电动汽车能量和功率边界;根据电动汽车时空特征确定每个专用快速充电场站所辖电动汽车各状态之间的转换关系,利用转换关系得到各状态下电动汽车集群的能量与功率边界;并通过分解优化模型迭代求解得到运营商的投标功率曲线、每个专用快速充电场站的参考功率曲线和每辆电动汽车的充电功率参考曲线,基于投标功率曲线、参考功率曲线和充电功率参考曲线优化专用快速充电场站的运行方案。
Description
技术领域
本申请涉及电动汽车充电调度技术领域,特别涉及一种专用快速充电场站的运行优化方法、装置、设备及介质。
背景技术
公交车等公共运营车辆的电气化替代,是降碳减排的重要措施。随着公交车等运营车辆中电动汽车渗透率的提高,专用快速充电场站的充电负荷将愈发不可忽视。合理有效地利电动公交车等车辆充电负荷的灵活性和其电池中储存的大量能量,以提升运行经济性和减少对电网的影响,成为专用场站运营商需要解决的重要问题。
相关技术由调度中心下发聚合调度指令和车辆单体调度指令,进行集中化的优化可实现车辆个体充电调度的优化,但大规模车辆运行问题中往往面临规模大、求解时间长的问题。采用分层优化思想提出的能量与功率边界模型可以聚合以适应大规模的电动汽车充电优化问题,但是边界聚合往往会扩大可行区域,因此基于聚合边界的优化结果可能无法分解到每一辆车。
发明内容
本申请提供一种专用快速充电场站的运行优化方法、装置、设备及介质,以解决相关技术中针对大规模电动汽车车群调度优化问题求解效率低、调节能力差等问题。
本申请第一方面实施例提供一种专用快速充电场站的运行优化方法,包括以下步骤:获取每个专用快速充电场站的充电负荷可调能力模型;利用所述充电负荷可调能力模型和电动汽车的行程安排计算每个专用快速充电场站的站内电动汽车能量和功率边界;根据电动汽车时空特征确定每个专用快速充电场站所辖电动汽车各状态之间的转换关系,利用所述转换关系得到各状态下电动汽车集群的能量与功率边界;根据各状态下电动汽车的能量与功率边界,通过分解优化模型迭代求解得到运营商的投标功率曲线、每个专用快速充电场站的参考功率曲线和每辆电动汽车的充电功率参考曲线,基于所述投标功率曲线、所述参考功率曲线和所述充电功率参考曲线优化所述专用快速充电场站的运行方案。
可选地,在本申请的一个实施例中,所述根据各状态下电动汽车的能量与功率边界,通过分解优化模型迭代求解得到运营商的投标功率曲线、每个专用快速充电场站的参考功率曲线和每辆电动汽车的充电功率参考曲线,包括:将各个专用快速充电场站中各状态下电动汽车的能量与功率边界进行集总,运营商收集各个专用快速充电场站的能量与功率边界进行投标决策;根据电动汽车的能量与功率边界确定主问题的第一目标函数和各个子问题的第二目标函数,其中,所述第一目标函数用于制定运营商投标方案和所述每个专用快速充电场站的参考功率曲线,所述第二目标函数用于将所述每个专用快速充电场站的参考功率曲线分解到每个电动汽车的充电方案;对所述第一目标函数和所述第二目标函数依次迭代求解,直到所述第一目标函数和所述第二目标函数同时收敛,得到所述运营商的投标功率曲线,其中,利用运营商充电成本的综合成本约束条件求解第一目标函数,并利用每个专用快速充电场站充电成本的偏差成本约束条件求解第二目标函数。
可选地,在本申请的一个实施例中,所述获取每个专用快速充电场站的充电负荷可调能力模型,包括:获取每个电动汽车的充电窗口相关参数;基于所述充电窗口相关参数建立能量和功率边界模型,利用所述能量和功率边界模型确定每个电动汽车的所有充电轨迹的轨迹范围;根据多段行程和多个充电窗口下每个电动汽车的轨迹范围、以及每个充电窗口的不确定能量边界得到所述每个专用快速充电场站的充电负荷可调能力模型。
可选地,在本申请的一个实施例中,所述电动汽车时空特征包括在站可充状态、离站行驶状态、离站过渡状态和进站过渡状态中的任意一类。
本申请第二方面实施例提供一种专用快速充电场站的运行优化装置,包括:获取模块,用于获取每个专用快速充电场站的充电负荷可调能力模型;计算模块,用于利用所述充电负荷可调能力模型和电动汽车的行程安排计算每个专用快速充电场站的站内电动汽车能量和功率边界;确定模块,用于根据电动汽车时空特征确定每个专用快速充电场站所辖电动汽车各状态之间的转换关系,利用所述转换关系得到各状态下电动汽车集群的能量与功率边界;优化模块,用于用于根据各状态下电动汽车的能量与功率边界,通过分解优化模型迭代求解得到运营商的投标功率曲线、每个专用快速充电场站的参考功率曲线和每辆电动汽车的充电功率参考曲线,基于所述投标功率曲线、所述参考功率曲线和所述充电功率参考曲线优化所述专用快速充电场站的运行方案。
可选地,在本申请的一个实施例中,所述优化模块进一步用于将各个专用快速充电场站中各状态下电动汽车的能量与功率边界进行集总,运营商收集各个专用快速充电场站的能量与功率边界进行投标决策;根据电动汽车的能量与功率边界确定主问题的第一目标函数和各个子问题的第二目标函数,其中,所述第一目标函数用于制定运营商投标方案和所述每个专用快速充电场站的参考功率曲线,所述第二目标函数用于将所述每个专用快速充电场站的参考功率曲线分解到每个电动汽车的充电方案;对所述第一目标函数和所述第二目标函数依次迭代求解,直到所述第一目标函数和所述第二目标函数同时收敛,得到所述运营商的投标功率曲线,其中,利用运营商充电场站充电成本的综合成本约束条件求解第一目标函数,并利用每个专用快速充电场站充电成本的偏差成本约束条件求解第二目标函数。
可选地,在本申请的一个实施例中,所述获取模块进一步用于获取每个电动汽车的充电窗口相关参数;基于所述充电窗口相关参数建立能量和功率边界模型,利用所述能量和功率边界模型确定每个电动汽车的所有充电轨迹的轨迹范围;根据多段行程和多个充电窗口下每个电动汽车的轨迹范围、以及每个充电窗口的不确定能量边界得到所述每个专用快速充电场站的充电负荷可调能力模型。
可选地,在本申请的一个实施例中,所述电动汽车时空特征包括在站可充状态、离站行驶状态、离站过渡状态和进站过渡状态中的任意一类。
本申请第三方面实施例提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的专用快速充电场站的运行优化方法。
本申请第四方面实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以用于实现如上述实施例所述的专用快速充电场站的运行优化方法。
由此,本申请至少具有如下有益效果:
通过获取电动每个专用快速充电场站的充电负荷可调能力模型,并结合电动汽车的行程安排计算每个专用快速充电场站的站内电动汽车能量和功率边界,有效地表征大规模车群充电负荷的可调节范围;根据电动汽车时空特点确定每个专用快速充电场站中电动汽车各状态之间的转换关系,从而得到各状态下电动汽车集群的能量与功率边界,能够有效减少边界聚合所带来的可行域扩大的问题;并结合专用快速充电场站运营商投标与车辆充电调度优化策略优化专用快速充电场站的运行方案,能够显著提高车辆运行问题的求解效率。由此,解决了相关技术中针对大规模电动汽车车群调度优化问题求解效率低、调节能力差等问题。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的一种专用快速充电场站的运行优化方法的流程图;
图2为根据本申请实施例提供的单个充电窗口下的电动汽车充电能量与功率边界示意图;
图3为根据本申请实施例提供的多段行程的电动汽车累积能耗曲线示意图;
图4为根据本申请实施例提供的多个充电窗口下的电动汽车能量与功率边界示意图;
图5为根据本申请实施例提供的考虑行程能耗不确定性的单个充电窗口电动汽车能量边界及其简化改进示意图;
图6为根据本申请实施例提供的考虑行程能耗不确定性的多个充电窗口电动汽车能量边界示意图;
图7为根据本申请实施例提供的专用快速充电场站的电动汽车状态转换关系图;
图8为根据本申请实施例提供的专用快速充电场站运营商进行市场投标和充电调度优化的分层框架图;
图9为根据本申请实施例提供的一种专用快速充电场站的运行优化装置的方框示意图;
图10为根据本申请实施例提供的电子设备的结构示意图。
附图标记说明:获取模块-100、计算模块-200、确定模块-300、优化模块-400、存储器-1001、处理器-1102、通信接口-1003。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的专用快速充电场站的运行优化方法、装置、电子设备及存储介质。针对上述背景技术中提到的问题,本申请提供了一种专用快速充电场站的运行优化方法,在该方法中,通过获取电动每个专用快速充电场站的充电负荷可调能力模型,并结合电动汽车的行程安排计算每个专用快速充电场站的站内电动汽车能量和功率边界,有效地表征大规模车群充电负荷的可调节范围;根据电动汽车时空特点确定每个专用快速充电场站中电动汽车各状态之间的转换关系,从而得到各状态下电动汽车集群的能量与功率边界,能够有效减少边界聚合所带来的可行域扩大的问题;并结合专用快速充电场站运营商投标与车辆充电调度优化策略优化专用快速充电场站的运行方案,能够显著提高车辆运行问题的求解效率。由此,解决了相关技术中针对大规模电动汽车车群调度优化问题求解效率低、调节能力差等问题。
具体而言,图1为本申请实施例所提供的一种专用快速充电场站的运行优化方法的流程示意图。
如图1所示,该专用快速充电场站的运行优化方法包括以下步骤:
在步骤S101中,获取每个专用快速充电场站的充电负荷可调能力模型。
在本申请实施例中,专用快速充电场站,是针对电动公交车、电动物流车等运营车辆的快速充电场站,其中可以装配有直流快速充电机、电池储能系统等,根据实际情况而定,不做具体限定。其中运营车辆的行程调度安排和充电过程控制均由运营商负责。以电动公交车为例,城市内的电动公交车站通常由一个或多个电动公交车运营商管理,每个运营商负责多条公交线路和场站的管理,进行车队的调度和公交车的充电安排。单辆电动公交车在一日内通常负责完成多趟行程,电动公交车的调度时间表也通常由运营商事先确定。
由于车载电池容量大、充电速度快,车辆可以在合适的时间充电而并非必须在每次行程后立即进行充电,其快速充电需求实际上可以接受运营商的调控,因此专用场站中的快充负荷具有一定的调节能力。因此,运营商可以利用电动公交和储能系统的灵活性来获得更好的收益。随着电力市场的发展,运营商可以聚合多个场站的资源参与能量市场和备用市场以获得额外收益。
本申请实施例首先可以获取每个专用快速充电场站的充电负荷可调能力模型,考虑到多个充电窗口和多段行程之间的耦合关系,计及行程能耗的不确定性,有效地表征大规模车群充电负荷的可调节范围。
在本申请的一个实施例中,获取每个专用快速充电场站的充电负荷可调能力模型,包括:获取每个电动汽车的充电窗口相关参数;基于充电窗口相关参数建立能量和功率边界模型,利用能量和功率边界模型确定每个电动汽车的所有充电轨迹的轨迹范围;根据每段行程消耗能量的不确定性,得到多段行程和多个充电窗口下每个电动汽车的轨迹范围、以及每个充电窗口的不确定能量边界得到每个专用快速充电场站的充电负荷可调能力模型。
具体而言,本申请实施例可以采用一段时间内电动汽车的充电功率和车载动力电池能量的状态变化来表征电动汽车的充电行为。对于电动汽车i,将其在t时刻的充电功率和电池能量分别简单记为pi,t与ei,t,并将各个时刻下ei,t与pi,t构成的时序数组或曲线称作电动汽车充电能量与功率轨迹,所有可行的充电轨迹构成的区域即为充电负荷的轨迹范围。
考虑电动汽车i的一个充电窗口w,其参数包括:充电窗口起始时间,即前一次行程结束到达充电站的时刻,或充电可开始的最早时间;充电窗口结束时间/>,即后一次行程开始而离开充电站的时刻,或充电需结束的最晚时间;起始能量状态/>,即在充电窗口起始时间/>电动汽车车载电池储存的能量;充电目标能量/>,即为满足后续出行需求或满足车主里程焦虑,在充电结束时车载电池应储存的最小能量;充电最大功率/>,应为车辆所允许最大充电功率和充电机可提供最大功率二者之间的较小值;电池容量/>,即电动汽车车载电池的最大容量。
进一步地,本申请实施例可以基于以上参数,采用能量和功率边界模型来描述所有充电轨迹的范围。如图2所示,能量边界的上界对应的充电轨迹为在充电窗口起始时间立即以最大功率/>开始充电,至电池充满后停止充电,是所有充电轨迹中位于最左上方的一条;能量边界的下界对应的充电轨迹则为在充电窗口临近结束前才以最大功率/>充电,使得在充电窗口结束时间/>恰好满足充电目标能量/>是所有充电轨迹中位于最右下方的一条。如果电动汽车i仅有一个充电窗口w,则这两条能量边界可以表达为:
功率边界则进一步起到约束充电能量变化率的作用,在不考虑反向放电的情况下,其表达式为:
ei,t=ei,t-1+ηcgpi,tΔt (5)
上述面向单辆汽车、单个充电窗口的能量和功率边界模型是完备的,即每一条在边界范围内满足约束的可行轨迹都能够找到实际对应的充电行为,而每一种可行的充电行为对应的充电轨迹也囊括在边界范围内。
进一步地,本申请实施例可以借助充电轨迹范围边界参数的集合和约束公式(5)-(7)来描述单辆电动汽车i在单个充电窗口w下各时刻的充电轨迹可调范围。对于多辆电动汽车组成的集群,采用统一简单的边界参数将使得可调范围的描述更加简练,进而可以高效运用到优化模型之中。为了得到一个多辆电动汽车集群的充电轨迹边界/>(其中ag上标即表示聚合变量),可以将各个车辆相关的边界参数集合进行叠加,即
由于很多专用快速充电需求,如公交车、物流车等专用运营车辆,在一段时间内往往需要完成多段出行任务。在这种情况下,表述其充电负荷可调整范围就需要考虑多段出行任务及任务间的多个可行的充电窗口。
考虑电动汽车i的累计能耗曲线车辆累计能耗曲线是指从起始时刻开始,车辆在行驶过程中累计消耗的能量曲线,如图3所示。由于只考虑行程阶段的能耗,车辆累计能耗曲线是一条单调非减的曲线,且仅在行程阶段斜率为正,充电窗口中斜率为零。车辆充电的能量上界应当是在某个时点车辆可吸收的最大累计能量,能量下界则是为了满足下一段行程的基本能量需求而应当补充的最小累计能量。因此,考虑多段行程和多个充电窗口的电动汽车能量边界的表达式为:
进一步地,本申请实施例可以得到的能量与功率边界如图4所示。由此,本申请实施例可以基于上述电动汽车在多个充电窗口下各时刻的充电轨迹可调范围以及多段行程和多个充电窗口的电动汽车能量边界确定本申请实施例的每个专用快速充电场站的充电负荷可调能力模型。
在步骤S102中,利用充电负荷可调能力模型和电动汽车的行程安排计算每个专用快速充电场站的站内电动汽车能量和功率边界。
可以理解的是,即使在完全已知行程安排信息的条件下,由于交通情况难以准确预测,在电动汽车出行过程中的能耗仍然存在不确定性,进而使得电动汽车充电负荷的可调节区域边界也存在不确定性。为了区分确定性变量和随机变量,使用波浪号~来标记随机变量,将电动汽车i的第j段行程能耗的随机变量标记为假设在交通完全通畅的情况下有确定的最小行程能耗/>由于交通拥堵等情况会使得实际能耗相比于最小行程能耗有额外的增量能耗,记之为/>
首先关注单个充电窗口w下的边界,便捷起见仅考虑其前面紧邻的行程j的能耗,随着能耗的变化,充电窗口w的能量边界也会在一定区域内变动,如图5(a)所示阴影部分即为能量上界和下界随行程能耗变化而变化的范围。随着行程j能量消耗的增加,充电窗口w的能量上界和下界都趋向变高,但能量上界与下界之间的差距保持不变。
如图5(a)中的不确定区域在时间维度上也存在不确定量,难以直接表述,因此通过在原本的不确定域中扩展图5(b)中的区域①和从不确定域移出区域②以简化不确定性的定量描述。处理后,计及不确定性的能量上界和下界即可以表出为:
基于单个充电窗口下的不确定性边界模型,进一步考虑多段行程和多个充电窗口下的能量边界不确定性。某个充电窗口w需在确定性边界上叠加的随机性是在此窗口前所有行程能耗不确定性的总和,即:
其中,用j≤w表示在充电窗口w之前的所有行程j,而j<w表示除充电窗口w前面紧邻的行程外此前所有的行程,得到的多个充电窗口下计及能耗不确定性的能量边界如图6所示,其中,实线边界表示对应最小能耗的确定性边界,虚线与实线之间的区域即为不确定性带来的边界不确定域。
由此,本申请实施例可以采用电动汽车充电功率和能量轨迹的边界表征电动汽车充电负荷可调能力,基于电动汽车累计能耗曲线计算得到考虑多个充电窗口的能量与功率边界,计及车辆行程能耗不确定性通过简化处理得到计及多个充电窗口的不确定能量与功率边界模型,其与功率边界一同可以描述考虑行程能耗不确定性情况下单个车辆充电需求的可调节范围。
在步骤S103中,根据电动汽车时空特征确定每个专用快速充电场站所辖电动汽车各状态之间的转换关系,利用转换关系得到各状态下电动汽车集群的能量与功率边界。
对于具有多个充电窗口的车辆而言,其能量与功率边界并不能直接通过式(8)的形式叠加得到电动汽车车群的聚合边界。这是由于站内的车辆并非一直在站内而是需要周期性地外出行驶,对于在站外行驶的车辆,其能量的剩余容量将被计算入站内运行当中,从而使得此时聚合的站内运行调节能力被高估。为此,本申请实施例可以提出状态驱动的边界集总方法,根据电动汽车时空特点划分四种典型状态,基于状态间转换关系得到各状态下电动汽车集群的能量与功率边界。
对于任何一个时刻,某站点服务的任何一辆电动汽车,根据其时空状态都可以划分为以下四个状态的其中一类:
S1(在站可充):电动汽车当前在站内,并处于可充电状态;
S2(离站行驶):电动汽车当前在站外行驶,刚离开站点和马上将返回站点的车辆除外;
S3(离站过渡):电动汽车刚离开站点开始行程,即位于其行程第一个时间段的车辆;
S4(进站过渡):电动汽车马上将要返回站点结束行程,即位于其行程最后一个时间段的车辆。
四个状态之间的转换关系如图7所示。在电动汽车的行程安排预先确定的情况下,对于一辆电动汽车而言,其在某时刻的状态仅取决于其已知的行程安排。因此,本申请实施例可以通过将某个时刻下四种状态的车辆的个体边界加和得到各状态对应的聚合边界实际上S1状态的功率边界等于所有车辆的功率边界加和,S2-S4状态由于不涉及充电因而没有功率边界。在各时刻之间,四种状态之间的转换关系如下所示:
其中,S1状态车辆某时刻的集总能量与上个时刻能量、当前时刻充电电能、当前时刻处于S3过渡态车辆和上一时刻处于S4过渡态车辆能量相关;S2状态车辆集总能量则与本时刻处于S4过渡态车辆和上一时刻处于S3过渡态车辆能量相关。通过将车辆分为四个状态,即可考虑车辆在站离站状态,整体问题规模与车辆数量无关,可实现状态变量规模与车辆规模的解耦。
在步骤S104中,根据各状态下电动汽车的能量与功率边界,通过分解优化模型迭代求解得到运营商的投标功率曲线、每个专用快速充电场站的参考功率曲线和每辆电动汽车的充电功率参考曲线,基于投标功率曲线、参考功率曲线和充电功率参考曲线优化专用快速充电场站的运行方案。
可以理解的是,城市区域内存在大量专用快速充电场站,服务于电动公交车、电动物流车等车辆。这类车辆的充电计划制定和行程调度往往都由运营商负责。运营商管理多个专用场站快充站,且考虑快充站内安装有储能系统。运营商可以整合其管理的快充站中的所有资源,参与日前能量市场、平衡市场和备用市场。
在日前阶段,运营商需要优化决定在能量市场和备用市场的投标功率曲线,以降低购电成本并通过提供备用服务获得额外收入。运营商投标决策时考虑出行能耗的不确定性并通过典型场景集对不确定性进行表述。各场景下日前投标功率曲线与实际功率曲线的差异从平衡市场中购电补偿,实时阶段可提供的备用容量低于日前市场投标容量的不足部分将受到惩罚。为此,本申请实施例可以建立运营商投标和车辆充电计划调度优化的分层框架,如图8所示,包括两层:下层为各站控制中心,解决站级车辆的充电调度问题,得到为实现功率分解而需要向上层反馈的约束;上层为运营商控制中心,负责运营商的市场投标和站级运行指导曲线的优化决策。
具体而言,本申请实施例中各站控制中心和运营商控制中心之间的交互主要包含两个方向:
1)自下而上聚合:每个快充站根据电动汽车的行程安排计算其站内的电动汽车能量和功率边界,并向运营商上报快充站的集总能量与功率边界。当接收上层的指导功率曲线后,各个快充站根据车辆的能量与功率边界将指导功率曲线分解到每个电动汽车,制定各辆车的充电计划,并将功率分配的结果和可能的约束信息反馈给上层。
2)自上而下分解:由运营商根据所有快充站的集总边界进行投标决策,并得到各站的运行指导功率曲线。为了确保投标功率曲线能够可行地分解到每个电动汽车,运营商需要和各快充站进行交互。
可选地,在本申请的一个实施例中,根据各状态下电动汽车的能量与功率边界,通过分解优化模型迭代求解得到运营商的投标功率曲线、每个专用快速充电场站的参考功率曲线和每辆电动汽车的充电功率参考曲线,包括:将各个专用快速充电场站中各状态下电动汽车的能量与功率边界进行集总,运营商收集各个专用快速充电场站的能量与功率边界进行投标决策;根据电动汽车的能量与功率边界确定主问题的第一目标函数和各个子问题的第二目标函数,其中,第一目标函数用于制定运营商投标方案和每个专用快速充电场站的参考功率曲线,第二目标函数用于将每个专用快速充电场站的参考功率曲线分解到每个电动汽车的充电方案;对第一目标函数和第二目标函数依次迭代求解,直到第一目标函数和第二目标函数同时收敛,得到运营商的投标功率曲线,其中,利用运营商充电成本的综合成本约束条件求解第一目标函数,并利用每个专用快速充电场站充电成本的偏差成本约束条件求解第二目标函数。
具体而言,考虑到单个车辆的决策变量可以使用集总的功率和能量来替代,基于前述集总边界模型和Benders分解思想,可以将涉及单个车辆的决策变量和约束条件分离出来,而仅保留各站对应的集总变量(即集总充电功率和各个状态车辆的集总能量)。剩余的不包含单个车辆层面决策变量的原问题即为主问题(记为MP),分离出来的涉及单个车辆层面决策变量和相关约束所组成的问题即为子问题。在各场景相互独立的情况下,子问题的数量为场景数与快充站点数的乘积,各个子问题分别记为SPj,ω。本申请实施例的主问题可以以最小化综合成本为优化目标,考虑聚合变量约束、站内运行约束、参与备用市场约束等约束条件求解投标决策。
主问题MP的优化第一目标函数如下:
需要满足的约束条件如下:
1、聚合变量相关约束条件::
2、快充站站内运行约束:
3、运营商参与备用市场投标约束为:
其中,下标j、k、t、ω分别表示快充站、电动汽车车辆、时间段和典型场景。目标函数中yj,ω是与各子问题相关的辅助变量,代指其余部分的目标函数。σω为场景ω的概率。和/>分别是日前能量市场电价和备用市场价格,/>为在平衡市场中补偿功率不足与功率缺额的价格,πrst是备用不足单位惩罚,πpb+/-,πrb+/-是引入的松弛变量相关的罚项成本。
各市场中的相关决策变量包括:日前能量市场中的购/售电功率平衡市场中购买的正/负功率偏差/>备用市场日前阶段投标容量Rt,以及各场景下出现的备用容量缺额/>和/>是站内储能系统的充放电功率和存储的能量,/>和/>为各辆电动汽车车载电池存储的能量和充电功率。/>是运营商可提供的上调/下调备用容量,而 和/>则是各站内电动汽车、储能分别提供的上调/下调备用容量以及各快充站可提供的上调/下调备用容量。/>和/>是各站内储能系统的能量与功率容量大小,γmin为允许的储能最大放电深度,/>为各站内变压器容量。ηess,c/d和ηcg分别为站内储能系统的充放电效率和电动汽车的充电效率。Δtrs为备用市场要求的提供备用支撑最短连续时长。
目标函数包括五部分,依次为:日前阶段能量市场投标购电成本、平衡市场购电成本、日前阶段备用市场投标收益、备用缺额惩罚成本和松弛变量惩罚项。在上述约束条件中,式(25)和式(26)给出了各个状态下电动汽车能量的时序关系,式(27)和式(28)为电动汽车的集总边界约束,式(31)为功率平衡约束,式(32)和式(33)给出了日前能量市场与平衡市场中功率的上下限,与储能相关的约束由式(34)-(36)描述,包括储能能量与功率的时序关系和上下限约束。式(29)(30)(37)(38)从功率容量限制和能量容量限制的角度分别给出了电动汽车和站内储能可提供的上调/下调备用容量。式(39)和式(40)为计及变压器容量限制后快充站提供备用的容量约束。式(41)-(43)给出了考虑各场景备用容量缺额时备用投标容量的约束。当所在备用市场要求上调下调投标容量相同时,需要考虑式(44)所示的约束。
进一步地,本申请实施例中的子问题以最小化偏差成本为目标,满足车辆充电需求约束、车辆备用容量约束等约束条件实现车辆充电调度优化,本申请实施例实际上是子问题优化得到偏差成本最小时将给定的各站充电功率参考曲线分解到每辆车的充电计划方案。对于每一个快充站j和场景ω,都有一个对应的子问题SPj,ω即第二目标函数为:
需满足的约束条件为:
其中,是表示车辆k∈j与各状态S1-S4在各时刻对应关系的参数,由车辆行程安排决定,当车辆在该时刻属于对应状态时值为1,否则为0。式(46)给出了电动汽车充电功率与能量的时序关系,式(47)和式(48)为电动汽车的边界约束,式(49)和式(50)中引入了松弛变量/>来得到快充站的总充电功率。式(51)和式(50)从功率容量限制和能量容量限制的角度分别给出了电动汽车和站内储能可提供的上调/下调备用容量,其中引入了松弛变量/>式(53)考虑了充电机数量对充电功率的限制。子问题中的参数/>由上层主问题MP的解给出。
相应的对偶子问题DSPj,ω可表示为(约束条件省略):
其中,即为主问题MP的最优解中关于站点j与场景ω的部分,bj,ω是子问题SPj,ω约束条件的右端项,由解/>决定。对偶子问题DSPj,ω仍然是一个线性规划问题。由于(49)(51)(52)中松弛变量的引入,子问题SPj,ω和对偶子问题DSPj,ω的最优解一定存在。记对偶子问题DSPj,ω的最优解为/>在Benders分解的过程中,问题目标函数值的下界由主问题MP目标函数值/>更新给出,上界则由主问题MP和子问题SPj,ω的目标值共同决定,其值为/>通过逐步向主问题MP中添加如下来自子问题的约束,问题将最终收敛到最优解:
为了得到对偶子问题DSPj,ω具有多个最优割情况下的帕累托意义上的最优割,可求解以下优化问题:
满足以下约束条件:
DSPj,ω中所包含的约束条件(59)
其中,参考点应当为可行域的相对内点。采用动态更新参考点的方法,以保证参考点始终位于更新后的主问题可行域内。动态更新参考点主要取决于待添加的Benders割(57)是否有效,也即是否会从可行域中切除掉当前的主问题最优解:如果对偶子问题求得的最优目标值/>小于主问题中的对应辅助变量/>则引入的割无效,选择的参考点仍然为当前主问题的最优解/>否则引入的割有效,原最优解将不再可行,此时选择的参考点为原最优解/>在割平面/>上的投影点/>由于原问题的可行域为一个凸集,在割平面切割掉原最优点后,投影点/>一定仍然在可行域中。
综上,本申请实施例可以建立起基于加速Benders分解的针对专用场站运营商市场投标与车辆运行调度分层优化策略,算法流程总结如下:
步骤3:初始化Benders分解边界LB=-∞,UB=+∞,置ite=0;
步骤4:WHILEUB-LB>迭代精度或ite<最大迭代次数;
步骤8:运营商将各站新增的割(57)加入主问题MP;
步骤10:输出投标和车辆运行优化结果。
根据本申请实施例提出的专用快速充电场站的运行优化方法,通过获取电动每个专用快速充电场站的充电负荷可调能力模型,并结合电动汽车的行程安排计算每个专用快速充电场站的站内电动汽车能量和功率边界,有效地表征大规模车群充电负荷的可调节范围;根据电动汽车时空特点确定每个专用快速充电场站中电动汽车各状态之间的转换关系,从而得到各状态下电动汽车集群的能量与功率边界,能够有效减少边界聚合所带来的可行域扩大的问题;并结合专用快速充电场站运营商投标与车辆充电调度优化策略优化专用快速充电场站的运行方案,能够显著提高车辆运行问题的求解效率。由此,解决了相关技术中针对大规模电动汽车车群调度优化问题求解效率低、调节能力差等问题。
其次参照附图描述根据本申请实施例提出的一种专用快速充电场站的运行优化装置。
图9是本申请实施例的一种专用快速充电场站的运行优化装置的方框示意图。
如图9所示,该专用快速充电场站的运行优化装置10包括:获取模块100、计算模块200、确定模块300和优化模块400。
其中,获取模块100用于获取每个专用快速充电场站的充电负荷可调能力模型;计算模块200用于利用充电负荷可调能力模型和电动汽车的行程安排计算每个专用快速充电场站的站内电动汽车能量和功率边界;确定模块300用于根据电动汽车时空特征确定每个专用快速充电场站所辖电动汽车各状态之间的转换关系,利用转换关系得到各状态下电动汽车集群的能量与功率边界;优化模块400用于根据各状态下电动汽车的能量与功率边界,通过分解优化模型迭代求解得到运营商的投标功率曲线、每个专用快速充电场站的参考功率曲线和每辆电动汽车的充电功率参考曲线,基于投标功率曲线、参考功率曲线和充电功率参考曲线优化专用快速充电场站的运行方案。
在本申请的一个实施例中,优化模块400进一步用于将各个专用快速充电场站中各状态下电动汽车的能量与功率边界进行集总,运营商收集各个专用快速充电场站的能量与功率边界进行投标决策;根据电动汽车的能量与功率边界确定主问题的第一目标函数和各个子问题的第二目标函数,其中,第一目标函数用于制定运营商投标方案和每个专用快速充电场站的参考功率曲线,第二目标函数用于将每个专用快速充电场站的参考功率曲线分解到每个电动汽车的充电方案;对第一目标函数和第二目标函数依次迭代求解,直到第一目标函数和第二目标函数同时收敛,得到运营商的投标功率曲线,其中,利用运营商充电场站充电成本的综合成本约束条件求解第一目标函数,并利用每个专用快速充电场站充电成本的偏差成本约束条件求解第二目标函数。
在本申请的一个实施例中,获取模块100进一步用于获取每个电动汽车的充电窗口相关参数;基于充电窗口相关参数建立能量和功率边界模型,利用能量和功率边界模型确定每个电动汽车的所有充电轨迹的轨迹范围;根据多段行程和多个充电窗口下每个电动汽车的轨迹范围、以及每个充电窗口的不确定能量边界得到每个专用快速充电场站的充电负荷可调能力模型。
在本申请的一个实施例中,电动汽车时空特征包括在站可充状态、离站行驶状态、离站过渡状态和进站过渡状态中的任意一类。
需要说明的是,前述对专用快速充电场站的运行优化方法实施例的解释说明也适用于该实施例的专用快速充电场站的运行优化装置,此处不再赘述。
根据本申请实施例提出的专用快速充电场站的运行优化装置,通过获取电动每个专用快速充电场站的充电负荷可调能力模型,并结合电动汽车的行程安排计算每个专用快速充电场站的站内电动汽车能量和功率边界,有效地表征大规模车群充电负荷的可调节范围;根据电动汽车时空特点确定每个专用快速充电场站中电动汽车各状态之间的转换关系,从而得到各状态下电动汽车集群的能量与功率边界,能够有效减少边界聚合所带来的可行域扩大的问题;并结合专用快速充电场站运营商投标与车辆充电调度优化策略优化专用快速充电场站的运行方案,能够显著提高车辆运行问题的求解效率。由此,解决了相关技术中针对大规模电动汽车车群调度优化问题求解效率低、调节能力差等问题。
图10为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括:
存储器1001、处理器1002及存储在存储器1001上并可在处理器1002上运行的计算机程序。
处理器1002执行程序时实现上述实施例中提供的专用快速充电场站的运行优化方法。
进一步地,电子设备还包括:
通信接口1003,用于存储器1001和处理器1002之间的通信。
存储器1001,用于存放可在处理器1002上运行的计算机程序。
存储器1001可能包含高速RAM(Random Access Memory,随机存取存储器)存储器,也可能还包括非易失性存储器,例如至少一个磁盘存储器。
如果存储器1001、处理器1002和通信接口1003独立实现,则通信接口1003、存储器1001和处理器1002可以通过总线相互连接并完成相互间的通信。总线可以是ISA(IndustryStandard Architecture,工业标准体系结构)总线、PCI(Peripheral Component,外部设备互连)总线或EISA(Extended Industry Standard Architecture,扩展工业标准体系结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图10中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器1001、处理器1002及通信接口1003,集成在一块芯片上实现,则存储器1001、处理器1002及通信接口1003可以通过内部接口完成相互间的通信。
处理器1002可能是一个CPU(Central Processing Unit,中央处理器),或者是ASIC(Application Specific Integrated Circuit,特定集成电路),或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上的专用快速充电场站的运行优化方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列,现场可编程门阵列等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种专用快速充电场站的运行优化方法,其特征在于,包括以下步骤:
获取每个专用快速充电场站的充电负荷可调能力模型;
利用所述充电负荷可调能力模型和电动汽车的行程安排计算每个专用快速充电场站的站内电动汽车能量和功率边界;
根据电动汽车时空特征确定每个专用快速充电场站所辖电动汽车各状态之间的转换关系,利用所述转换关系得到各状态下电动汽车的能量与功率边界;
根据各状态下电动汽车的能量与功率边界,通过分解优化模型迭代求解得到运营商的投标功率曲线、每个专用快速充电场站的参考功率曲线和每辆电动汽车的充电功率参考曲线,基于所述投标功率曲线、所述参考功率曲线和所述充电功率参考曲线优化所述专用快速充电场站的运行方案。
2.根据权利要求1所述的方法,其特征在于,所述根据各状态下电动汽车的能量与功率边界,通过分解优化模型迭代求解得到运营商的投标功率曲线、每个专用快速充电场站的参考功率曲线和每辆电动汽车的充电功率参考曲线,包括:
将各个专用快速充电场站中各状态下电动汽车的能量与功率边界进行集总,运营商收集各个专用快速充电场站的能量与功率边界进行投标决策;
根据电动汽车的能量与功率边界确定主问题的第一目标函数和各个子问题的第二目标函数,其中,所述第一目标函数用于制定运营商投标方案和所述每个专用快速充电场站的参考功率曲线,所述第二目标函数用于将所述每个专用快速充电场站的参考功率曲线分解到每个电动汽车的充电方案;
对所述第一目标函数和所述第二目标函数依次迭代求解,直到所述第一目标函数和所述第二目标函数同时收敛,得到所述运营商的投标功率曲线,其中,利用运营商充电成本的综合成本约束条件求解第一目标函数,并利用每个专用快速充电场站充电成本的偏差成本约束条件求解第二目标函数。
3.根据权利要求1所述的方法,其特征在于,所述获取每个专用快速充电场站的充电负荷可调能力模型,包括:
获取每个电动汽车的充电窗口相关参数;
基于所述充电窗口相关参数建立能量和功率边界模型,利用所述能量和功率边界模型确定每个电动汽车的所有充电轨迹的轨迹范围;
根据每段行程消耗能量的不确定性,得到多段行程和多个充电窗口下每个电动汽车的轨迹范围、以及每个充电窗口的不确定能量边界,基于轨迹范围和能量边界得到所述每个专用快速充电场站的充电负荷可调能力模型。
4.根据权利要求1-3任意一项所述的方法,其特征在于,所述电动汽车时空特征包括在站可充状态、离站行驶状态、离站过渡状态和进站过渡状态中的任意一类。
5.一种专用快速充电场站的运行优化装置,其特征在于,包括:
获取模块,用于获取每个专用快速充电场站的充电负荷可调能力模型;
计算模块,用于利用所述充电负荷可调能力模型和电动汽车的行程安排计算每个专用快速充电场站的站内电动汽车能量和功率边界;
确定模块,用于根据电动汽车时空特征确定每个专用快速充电场站所辖电动汽车各状态之间的转换关系,利用所述转换关系得到各状态下电动汽车集群的能量与功率边界;
优化模块,用于根据各状态下电动汽车的能量与功率边界,通过分解优化模型迭代求解得到运营商的投标功率曲线、每个专用快速充电场站的参考功率曲线和每辆电动汽车的充电功率参考曲线,基于所述投标功率曲线、所述参考功率曲线和所述充电功率参考曲线优化所述专用快速充电场站的运行方案。
6.根据权利要求5所述的装置,其特征在于,所述优化模块进一步用于:
将各个专用快速充电场站中各状态下电动汽车的能量与功率边界进行集总,运营商收集各个专用快速充电场站的能量与功率边界进行投标决策;
根据电动汽车的能量与功率边界确定主问题的第一目标函数和各个子问题的第二目标函数,其中,所述第一目标函数用于制定运营商投标方案和所述每个专用快速充电场站的参考功率曲线,所述第二目标函数用于将所述每个专用快速充电场站的参考功率曲线分解到每个电动汽车的充电方案;
对所述第一目标函数和所述第二目标函数依次迭代求解,直到所述第一目标函数和所述第二目标函数同时收敛,得到所述运营商的投标功率曲线,其中,利用运营商充电场站充电成本的综合成本约束条件求解第一目标函数,并利用每个专用快速充电场站充电成本的偏差成本约束条件求解第二目标函数。
7.根据权利要求5所述的装置,其特征在于,所述获取模块进一步用于:
获取每个电动汽车的充电窗口相关参数;
基于所述充电窗口相关参数建立能量和功率边界模型,利用所述能量和功率边界模型确定每个电动汽车的所有充电轨迹的轨迹范围;
根据多段行程和多个充电窗口下每个电动汽车的轨迹范围、以及每个充电窗口的不确定能量边界得到所述每个专用快速充电场站的充电负荷可调能力模型。
8.根据权利要求5-7任意一项所述的装置,其特征在于,所述电动汽车时空特征包括在站可充状态、离站行驶状态、离站过渡状态和进站过渡状态中的任意一类。
9.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-4任一项所述的专用快速充电场站的运行优化方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-4任一项所述的专用快速充电场站的运行优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211667677.1A CN115860416A (zh) | 2022-12-23 | 2022-12-23 | 专用快速充电场站的运行优化方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211667677.1A CN115860416A (zh) | 2022-12-23 | 2022-12-23 | 专用快速充电场站的运行优化方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115860416A true CN115860416A (zh) | 2023-03-28 |
Family
ID=85654419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211667677.1A Pending CN115860416A (zh) | 2022-12-23 | 2022-12-23 | 专用快速充电场站的运行优化方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115860416A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117284135A (zh) * | 2023-10-25 | 2023-12-26 | 昆山市冠康电子有限公司 | 一种基于物联网的新能源充电场的充电桩管理方法、系统 |
-
2022
- 2022-12-23 CN CN202211667677.1A patent/CN115860416A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117284135A (zh) * | 2023-10-25 | 2023-12-26 | 昆山市冠康电子有限公司 | 一种基于物联网的新能源充电场的充电桩管理方法、系统 |
CN117284135B (zh) * | 2023-10-25 | 2024-05-28 | 深圳长盛泰富科技有限公司 | 一种基于物联网的新能源充电场的充电桩管理方法、系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rigas et al. | Managing electric vehicles in the smart grid using artificial intelligence: A survey | |
US11087422B2 (en) | Method and device for determining a configuration for deployment of a public transportation system | |
White et al. | Using vehicle-to-grid technology for frequency regulation and peak-load reduction | |
Wu et al. | A hierarchical charging control of plug-in electric vehicles with simple flexibility model | |
CN109934391B (zh) | 一种纯电动公交车辆的智能调度方法 | |
Wang et al. | Two-stage admission and scheduling mechanism for electric vehicle charging | |
CN113283623A (zh) | 兼容储能充电桩的电动运载工具电量路径规划方法 | |
Badia et al. | Design and operation of feeder systems in the era of automated and electric buses | |
CN114021320B (zh) | 群体电动汽车灵活性计算方法、装置、电子设备和存储介质 | |
US20210370791A1 (en) | Control device for virtual power plant | |
Seitaridis et al. | An agent-based negotiation scheme for the distribution of electric vehicles across a set of charging stations | |
CN115860416A (zh) | 专用快速充电场站的运行优化方法、装置、设备及介质 | |
CN110033155A (zh) | 行驶能量分配系统、行驶能量分配方法及行驶能量分配程序 | |
Zhang et al. | Stochastic modeling and analysis of public electric vehicle fleet charging station operations | |
El-Taweel et al. | A systematic approach for design and analysis of electrified public bus transit fleets | |
Shi et al. | Efficient energy management of wireless charging roads with energy storage for coupled transportation–power systems | |
Ren et al. | Study on optimal V2G pricing strategy under multi-aggregator competition based on game theory | |
CN112750298B (zh) | 一种基于smdp和drl的货车编队动态资源分配方法 | |
Ruiz et al. | An optimal battery charging and schedule control strategy for electric bus rapid transit | |
CN112149906A (zh) | 一种计及充电时间的电动车出行线路综合优化方法 | |
Mokhtar et al. | A customer-centered smart charging strategy considering virtual charging system | |
CN113650601B (zh) | 车辆控制方法及系统、服务器、车辆 | |
CN114372606A (zh) | 考虑道路交通模型的ev聚合商短时调度和响应激励方法 | |
US20230303091A1 (en) | Simulation-based optimization framework for controlling electric vehicles | |
CN114725967A (zh) | 一种基于车网互动v2g的电动汽车充放电效益优化方法 |
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 |