CN116452074A - 一种电力交通耦合网络的动态均衡建模仿真方法 - Google Patents
一种电力交通耦合网络的动态均衡建模仿真方法 Download PDFInfo
- Publication number
- CN116452074A CN116452074A CN202310266532.9A CN202310266532A CN116452074A CN 116452074 A CN116452074 A CN 116452074A CN 202310266532 A CN202310266532 A CN 202310266532A CN 116452074 A CN116452074 A CN 116452074A
- Authority
- CN
- China
- Prior art keywords
- traffic
- time
- power
- node
- network
- 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.)
- Granted
Links
- 230000008878 coupling Effects 0.000 title claims abstract description 60
- 238000010168 coupling process Methods 0.000 title claims abstract description 60
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004088 simulation Methods 0.000 title claims abstract description 22
- 230000005611 electricity Effects 0.000 claims abstract description 74
- 239000000446 fuel Substances 0.000 claims description 39
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000010248 power generation Methods 0.000 claims description 12
- 230000009977 dual effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000035699 permeability Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 3
- 238000011144 upstream manufacturing Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 19
- 230000008846 dynamic interplay Effects 0.000 description 2
- 239000000295 fuel oil Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- 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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- 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]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Power Engineering (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开了一种电力交通耦合网络的动态均衡建模仿真方法，包括以下步骤：设定电力网络和交通网络参数，建立电力交通耦合网络，生成初始节点边际电价和交通流分布；根据当前节点边际电价，基于动态用户均衡更新交通流分布；然后根据当前更新后的交通流分布，基于直流最优潮流模型更新节点边际电价；分别计算最新节点边际电价和交通流分布与上一次节点边际电价和交通流分布的相对误差，若两个相对误差均小于给定阈值，则停止迭代，否则重复迭代；获取电力交通耦合网络在动态均衡下的仿真结果。本发明可以求解电力交通耦合网络的动态均衡，获得更加真实的电力潮流和交通流的联合时空分布、电动汽车充电需求的时空分布以及交通网络的拥挤和排队情况。
Description
技术领域
本发明涉及电力交通耦合网络建模仿真领域，特别是涉及一种电力交通耦合网络的动态均衡建模仿真方法。
背景技术
为应对能源危急响，应减碳减排号召，电动汽车渗透率快速增长，并将逐渐取代传统的燃油车。电动汽车既是电力网络的关键服务对象，同时也是交通网络的重要运输载体，其灵活的充电行为使得两个网络组成电力交通耦合网络。建模仿真电力交通耦合网络在动态均衡下的态势，可以准确把握电力网络和交通网络的耦合动态特征，对电力交通耦合网络的规划设计和资源调度具有重要意义。
现有的研究集中于电力交通耦合网络静态用户均衡建模仿真，未能充分考虑电价波动机制与电动汽车充电决策之间的动态交互影响，缺少显式的路段和充电站排队模型，无法准确反映电力潮流和交通流的联合时空分布、电动汽车充电需求的时空分布以及交通网络的拥挤和排队情况等动态特征。
发明内容
针对现有技术的不足，本发明的目的在于提出一种电力交通耦合网络的动态均衡建模仿真方法，以获得更加真实的电力交通耦合网络动态特征。
为达到上述预期效果，本发明的技术方案如下：
一种电力交通耦合网络的动态均衡建模仿真方法，包括以下步骤：
步骤一，设定电力网络和交通网络参数，所述电力网络和交通网络参数包括网络拓扑结构、发电机容量、馈线容量、基础负荷、发电成本系数、路段容量、充电站容量、交通需求OD矩阵、电动汽车渗透率、充电功率、时间成本系数，建立电力交通耦合网络，生成初始节点边际电价和交通流分布；
步骤二，根据当前节点边际电价，基于动态用户均衡更新交通流分布；然后根据当前更新后的交通流分布，基于直流最优潮流模型更新节点边际电价；
步骤三，分别计算最新节点边际电价和交通流分布与上一次节点边际电价和交通流分布的相对误差，若两个相对误差均小于给定阈值，则停止迭代，否则重复步骤二和步骤三；
步骤四，获取电力交通耦合网络在动态均衡下的仿真结果。
进一步地，所述步骤一中建立的电力交通耦合网络，包括基于直流最优潮流模型的电力网络和基于动态用户均衡的交通网络。
进一步地，所述基于动态用户均衡的交通网络，包括路段点排队模型、充电站点排队模型和路口分流模型：
进一步地，所述步骤一中的生成初始节点边际电价和交通流分布，包括：
所述电力网络的初始节点边际电价在各电力节点均为主网购电成本系数，有γc,0＝b0；
所述交通网络的初始交通流分布，将燃油车和电动汽车的每组交通需求都均分到其起点和终点之间每条可选路径上，得到所述交通网络的初始交通流分布
进一步地，所述步骤二中，根据当前节点边际电价基于动态用户均衡更新交通流分布，包括：
将当前第k次迭代后的节点边际电价γc,k代入各充电站中，得到电动汽车用户的所述充电成本θq(t)，进而得到总成本矩阵
求解最小范数投影问题，将当前第k次迭代后的交通流分布更新为第k+1次迭代后的/>
其中‖·‖为2-范数算符，α为更新步长。
进一步地，所述步骤二中，根据当前更新后的交通流分布，基于直流最优潮流模型更新节点边际电价，包括：
将当前第k+1次迭代后的交通流分布代入所述交通网络，得到各充电站接受充电服务的电动汽车数量/>再根据所述动态耦合约束得到各电力节点的充电负荷Pi ch(t)和节点负荷Pi(t)；
将所述节点负荷Pi(t)代入所述直流最优潮流模型优化求解，提取各充电站所在电力节点的所述节点功率平衡约束的对偶变量组成对偶变量矩阵λk+1；
将当前第k次迭代后的节点边际电价γc,k更新为第k+1次迭代后的节点边际电价γc,k+1。
进一步地，所述步骤三中，分别计算最新节点边际电价和交通流分布与上一次节点边际电价和交通流分布的相对误差，具体为：将利用均方相对误差分别计算所述节点边际电价相对误差和所述交通流分布相对误差：
其中eE和eH分别为所述节点边际电价相对误差和所述交通流分布相对误差。
进一步地，所述步骤四，具体为：
所述电力交通耦合网络的动态均衡代表所述节点边际电价和交通流分布在相互作用的情况下均达到收敛，满足eE≤εE和eH≤εH，εE和εH分别为所述节点边际电价和交通流分布的收敛阈值；
所述仿真结果包括：电力潮流和交通流的联合时空分布、电动汽车充电需求的时空分布以及交通网络的拥挤和排队情况。
与现有技术相比，本发明技术方案的有益效果是：
本发明构建的电力交通耦合网络包括基于直流最优潮流模型的电力网络和基于动态用户均衡的交通网络，交通网络中包括路段点排队模型、充电站点排队模型和路口分流模型。考虑电价波动机制与电动汽车充电决策之间的动态交互影响，求解电力交通耦合网络的动态均衡，仿真结果包括电力潮流和交通流的联合时空分布、电动汽车充电需求的时空分布以及交通网络的拥挤和排队情况等动态耦合特征，充分反映电力网络和交通网络在耦合情况下的真实动态特性，可以辅助决策电力交通耦合网络的规划设计、资源配置和运行调度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为一种电力交通耦合网络的动态均衡建模仿真方法流程示意图；
图2为电力交通耦合网络示意图；
图3为示例性实施例中的电力交通耦合网络示意图；
图4为带充电站的交通网拓扑结构示意图；
图5为路段点排队模型示意图；
图6为充电站点排队模型示意图；
图7为示例性实施例中的路段(10,11)的进出、排队流量分布示意图；
图8为示例性实施例中的充电站1的进出、排队、充电流量分布示意图；
图9为充电站1的充电功率和节点边际电价示意图；
图10为交通路口4至交通路口3各路径的燃油车出发交通流和通行成本示意图；
图11为交通路口4至交通路口3各路径的电动汽车出发交通流和通行成本示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作进一步地详细描述。
应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，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，都属于本申请实施例保护的范围。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
图1为一种电力交通耦合网络的动态均衡建模仿真方法流程示意图，包括以下步骤：
S1，设定电力网络和交通网络参数，所述电力网络和交通网络参数包括网络拓扑结构、发电机容量、馈线容量、基础负荷、发电成本系数、路段容量、充电站容量、交通需求OD矩阵、电动汽车渗透率、充电功率、时间成本系数，建立电力交通耦合网络，生成初始节点边际电价和交通流分布；
S2，根据当前节点边际电价，基于动态用户均衡更新交通流分布；然后根据当前更新后的交通流分布，基于直流最优潮流模型更新节点边际电价；
S3，分别计算最新节点边际电价和交通流分布与上一次节点边际电价和交通流分布的相对误差，若两个相对误差均小于给定阈值，则停止迭代，否则重复步骤二和步骤三；
S4，获取电力交通耦合网络在动态均衡下的仿真结果。
所述步骤S1中的电力交通耦合网络示意图如图2所示。为了建模真实的电力网络和交通网络运行场景，所述电力交通耦合网络包括基于直流最优潮流模型的电力网络和基于动态用户均衡的交通网络，其中充电站和电动汽车同时从属于电力网络和交通网络，并且充当电力网络和交通网络的耦合媒介。
在一个示例性的实施例中，所述电力交通耦合网络示意图如图3所示，其中电力网络包括10个电力节点，电力节点3连接主电网，电力节点4连接光伏发电单元，电力节点7连接风力发电单元，电力节点1、2、5、8、10分别连接柴油发电机，电力节点2、1、5、6分别为充电站1、2、3、4进行供电；交通网络包括11个交通路口，交通流为包含燃油车和电动汽车的混和交通流，交通路口1、4为混和交通流起点，交通路口2、3为混和交通流终点，交通路口7、8、9、10分别连接充电站CS1、CS2、CS3、CS4。
所述基于直流最优潮流模型的电力网络，将在考虑电网运行的物理和安全约束的前提下，最小化供电成本，其优化目标函数为：
约束条件包括：
节点功率平衡约束：
线路潮流约束：
发电容量约束：
线路容量约束：
功角约束：
其中是所述电力网络的总成本，ai和bi为电力节点i的二次和一次发电成本系数，b0为主网购电成本系数，Pi G(t)为电力节点i在t时刻的发电功率，/>为t时刻从主网输入的功率，Nt为时间步总数，/>为电力网络节点数，Pi(t)为电力节点i在t时刻的负荷，Pi PV(t)为电力节点i在t时刻的光伏发电功率，Pi WT(t)为电力节点i在t时刻的风轮机发电功率，Pij(t)为t时刻从电力节点i到电力节点j传输的功率，σ(i)为电力节点i的相邻节点集合，δi(t)为电力节点i在t时刻的功角，Xij为电力节点i和电力节点j之间馈线的电抗，/>为电力节点i的发电功率上限，/>为电力节点i和电力节点j之间馈线的传输功率上限，/>为功角上限。
在一个示例性的实施例中，各电力节点i的二次和一次发电成本系数分别为100元/(MWh)^2和1200元/(MWh)，主网购电成本系数为1600元/(MWh)。
所述基于动态用户均衡的交通网络包括路段点排队模型、充电站点排队模型和路口分流模型。带充电站的交通网拓扑结构示意图如图4所示，其中充电站j位于交通路口j处，交通路口j处的电动汽车可以分别通过路段和路段/>进出充电站j；路段点排队模型示意图如图5所示，其中该路段自由通行时间τ为1个时间步，无拥堵的情况下，t时刻驶入路段的车辆，将在t+1时刻驶出路段；充电站点排队模型示意图如图6所示，其中充电时间τch为2个时间步，无拥堵的情况下，t时刻进入充电站的电动汽车，将在t+2时刻完成充电服务并驶出充电站。具体模型构建过程为：
利用所述路段点排队模型建模路段上的车辆运动过程，计算路段通行耗时和路段驶出时间函数：
ξij(t)＝t+ζij(t)
其中从交通路口i到交通路口j的路段记为路段ij，Δt为时间步长，Sij(t)为t时刻路段ij上排队等候通行的车辆数，为t时刻驶入路段ij的车辆数，/>为t时刻驶出路段ij的车辆数，τij为路段ij在无拥堵情况下的通行耗时，ζij(t)为t时刻驶入路段ij所需的通行耗时，包括行驶耗时和排队耗时，Cij为路段ij单位时间步的最大通行车辆数,ξij(t)定义为路段驶出时间函数，代表t时刻驶入路段ij的车辆驶出路段ij的时间。
t-τij时刻进入路段ij的车辆将从交通路口i出发匀速行驶，于时间τij后抵达交通路口j，加入交通路口j处已经在排队的车辆队列Sij(t)末尾，同时队列头部的车辆离开队列Sij(t)并进入下一路段，下一时刻的队列更新为Sij(t+Δt)，/>将受到路段ij通行能力Cij的约束，满足/>路段通行耗时包括自由通行时间τij和排队时间/>其中/>项用于修正排队时间的估计偏差。
在一个示例性的实施例中，时间步长Δt为3分钟，各路段单位时间步的最大通行车辆数均为28.8辆。
利用所述充电站点排队模型建模充电站内的排队服务过程，计算充电站耗时和充电站驶出时间函数：
其中位于交通路口j的充电站记为充电站j，为t时刻充电站j内排队等待充电的车辆数，/>为t时刻从交通路口j驶入充电站j的车辆数，/>为t时刻在充电站j开始充电的车辆数，/>为t时刻在充电站j完成充电并驶出充电站j回到交通路口j的车辆数，/>为充电站j内的充电桩数，/>为t时刻充电站j内正在充电的车辆数，τch为单次充电所需时间，/>为t时刻驶入充电站j到完成充电所需的充电站耗时，包括排队时间和充电时间,/>定义为充电站驶出时间函数，代表t时刻驶入充电站j的车辆完成服务驶出充电站j的时间。
t时刻从交通路口j进入充电站j的车辆将加入充电站j内已经在排队的车辆队列/>末尾，同时队列头部的车辆/>离开队列/>并加入/>接入充电桩开始充电，下一时刻的队列更新为/>充电站j内同时接受充电服务的车辆/>将受到充电站j内充电桩数量/>的约束，满足/>t时刻开始充电的车辆/>将受到充电站j内空闲充电桩/>的约束，满足/>t-τch时刻开始充电的车辆/>将在时间τch后结束充电并离开充电站j回到交通路口j，记为/>充电站通行耗时包括排队时间/>和充电时间τch，其中/>项用于修正排队时间的估计偏差。
在一个示例性的实施例中，充电站1、2、3、4的充电桩数均为38台，充电时间τch为20分钟。
利用所述路口分流模型将各路段汇入路口的流量按照先进先出的原则分配到对应的路段上：
其中路段ki是路段ij的上游路段，和/>分别为/>和/>中属于路径w的车辆数，ξki(t)为路段ki的路段驶出时间函数。
离开路段ki的流量中从属于各路径的流量所占比例，与进入路段ki的流量/>中从属于各路径的流量所占比例相等。
进一步地，所述基于动态用户均衡的交通网络，将分别计算燃油车用户和电动汽车用户的总成本，包括：
嵌套所述路段驶出时间函数得到燃油车用户t时刻选择路径p的抵达终点时间和通行耗时成本，嵌套所述路段驶出时间函数和所述充电驶出时间函数得到燃油车用户t时刻选择路径w的抵达终点时间和通行耗时成本：
其中表示函数嵌套ξbc[ξab(t)]，路径p为i→k→t→…→m→n→j，路径q为γt为时间成本系数，/>代表燃油车用户t时刻选择路径p抵达终点的时间，通行耗时成本为/>代表电动汽车用户t时刻选择路径q抵达终点的时间，通行耗时成本为/>
分别计算燃油车用户和电动汽车用户在t时刻出发选择路径p和路径q的不准时成本：
其中和/>分别为燃油车用户和电动汽车用户的不准时成本，T(p)和T(q)分别为燃油车沿路径p和电动汽车沿路径q的期望抵达时间，γl和γe分别为推迟抵达和提前抵达的时间成本系数，σ为抵达时间窗口半径；
计算电动汽车用户在t时刻出发选择路径q的充电成本：
其中为电动汽车用户完成充电离开充电站j的时间，/>为τ时刻充电站j的节点边际电价，Pch为充电功率，θq(t)为充电成本；
分别计算燃油车用户和电动汽车用户在t时刻出发选择路径p和路径q的总成本:
其中为交通流分布，γc为各充电站的节点边际电价组成的矩阵。
将各路径和各出发时间所对应的和/>组合为总成本矩阵：
Φ＝[φGV,φEV]
其中Φ为总成本矩阵，φGV和φEV分别为燃油车和电动汽车用户的成本矩阵，为燃油车沿路径p1的成本向量，/>为电动汽车沿路径q1的成本向量，/>和/>分别为燃油和电动汽车用户的总可选路径数。
在一个示例性的实施例中，时间成本系数γt为2元/小时，推迟抵达时间成本系数γl和提前抵达时间成本系数γe分别为1.2元/小时^2和0.8元/小时^2，抵达时间窗口半径σ为0.1小时，充电功率Pch为35kW。
进一步地，所述基于动态用户均衡的交通网络，在考虑燃油车和电动汽车的混合车流情况下，动态用户均衡表示为变分问题：
寻找使得/>满足
其中为动态用户均衡下交通流分布的解，Λ为满足交通需求的交通流分布可行解集合，(i,j)∈ODGV和(i,j)∈ODEV分别为燃油车和电动汽车从地点i到地点j的交通需求，/>和/>分别为燃油车和电动汽车从地点i到地点j的可选路径，/>和分别表示/>中t时刻出发选择路径p的燃油车数量和t时刻出发选择路径q的电动汽车数量，/>和/>分别表示/>中t时刻出发选择路径p的燃油车数量和t时刻出发选择路径q的电动汽车数量。
在一个示例性的实施例中，交通路口1至交通路口2的交通需求为5500辆，预期抵达时间为9点，共有8条可选路径；交通路口1至交通路口3的交通需求为5500辆，预期抵达时间为10点，共有6条可选路径；交通路口4至交通路口2的交通需求为5500辆，预期抵达时间为11点，共有5条可选路径；交通路口4至交通路口3的交通需求为5500辆，预期抵达时间为12点，共有3条可选路径；各组交通需求中，73％为燃油车，27％为电动汽车。
进一步地，所述基于直流最优潮流模型的电力网络和基于动态用户均衡的交通网络，存在动态耦合约束：
Pi(t)＝Pi con(t)+Pi ch(t)
Pi ch(t)＝ni ch(t)Pch
其中Pi con(t)为电力节点i在t时刻的基础负荷，Pi ch(t)为电力节点i在t时刻的充电负荷，为电力节点i处的充电站在t时刻的充电车辆数，/>为电力节点i处充电站的充电桩数；
在所述电力交通耦合网络中，一个充电站在交通网络中最多属于一个交通路口，同时该充电站在电力网络中最多属于一个电力节点；对于位于交通路口j处的充电站，若其在电力网络中位于电力节点i处，则有：
进一步地，所述步骤一中，生成初始节点边际电价和交通流分布，包括：
所述电力网络的初始节点边际电价在各电力节点均为主网购电成本系数，有γc,0＝b0；
在一个示例性的实施例中，所述电力网络的各电力节点初始节点边际电价均为11200元/(MWh)。
所述交通网络的初始交通流分布，将燃油车和电动汽车的每组交通需求都均分到其起点和终点之间每条可选路径上，得到所述交通网络的初始交通流分布
进一步地，所述步骤二中，根据当前节点边际电价基于动态用户均衡更新交通流分布，包括：
将当前第k次迭代后的节点边际电价γc,k代入各充电站中，得到电动汽车用户的所述充电成本θq(t)，进而得到总成本矩阵
求解最小范数投影问题，将当前第k次迭代后的交通流分布更新为第k+1次迭代后的/>
其中‖·‖为2-范数算符，α为更新步长。
在一个示例性的实施例中，更新步长为70。
进一步地，所述步骤二中，根据当前交通流分布基于直流最优潮流模型更新节点边际电价，包括：
将当前第k+1次迭代后的交通流分布代入所述交通网络，得到各充电站接受充电服务的电动汽车数量/>再根据所述动态耦合约束得到各电力节点的充电负荷Pi ch(t)和节点负荷Pi(t)；
将所述节点负荷Pi(t)代入所述直流最优潮流模型优化求解，提取各充电站所在电力节点的所述节点功率平衡约束的对偶变量组成对偶变量矩阵λk+1；
将当前第k次迭代后的节点边际电价γc,k更新为第k+1次迭代后的节点边际电价γc,k+1。
进一步地，所述步骤三中，分别计算最新节点边际电价和交通流分布与上一次节点边际电价和交通流分布的相对误差，具体为：将利用均方相对误差分别计算所述节点边际电价相对误差和所述交通流分布相对误差：
其中eE和eH分别为所述节点边际电价相对误差和所述交通流分布相对误差。
进一步地，所述步骤四，具体为：
所述电力交通耦合网络的动态均衡代表所述节点边际电价和交通流分布在相互作用的情况下均达到收敛，满足eE≤εE和eH≤εH，εE和εH分别为所述节点边际电价和交通流分布的收敛阈值；
在一个示例性的实施例中，所述节点边际电价和交通流分布的收敛阈值均为0.01。
所述仿真结果包括：电力潮流和交通流的联合时空分布、电动汽车充电需求的时空分布以及交通网络的拥挤和排队情况。
在一个示例性的实施例中，路段(10,11)的进出、排队流量分布示意图如图7所示，其中各时刻驶出路段的车辆数严格小于等于路段的单位时间步的最大通行车辆数38，满足容量约束，且仅在驶出路段的车辆数达到上限时才会发生路段排队现象，例如图中的8:00-10:00时段和13:00-17:00时段，其他时段路段内不发生排队，与现实情况一致；充电站1的进出、排队、充电流量分布示意图如图8所示，其中各时刻的充电车辆数均严格小于等于充电站的充电桩数38，满足容量约束，且仅在充电车辆数等于充电桩数时，充电站内才会发生排队现象，因为此时所有充电桩均被占用，例如图中的7:00-11:00时段、13:00-15:00时段和16:00-18:00时段，其他时段充电站内不发生排队，与现实情况一致；充电站1的充电功率和节点边际电价示意图如图9所示，两者存在明显的相关性，充电负荷和节点边际电价曲线在7：00-11:00时段和13:00-18:00时段均存在波峰，反映了充电负荷对于节点边际电价的影响，符合电力网络真实运行特性；交通路口4至交通路口3各路径的燃油车出发交通流和通行成本示意图如图10所示，所有的燃油车都会选择通行成本最低的路径和出发时间，且路况4至路况3的各燃油车通行成本大致相同，与理论上的动态用户均衡基本一致；交通路口4至交通路口3各路径的电动汽车出发交通流和通行成本示意图如图11所示，所有的电动汽车都会选择通行成本最低的路径和出发时间，且交通路口4至交通路口3的各电动汽车通行成本大致相同，与理论上的动态用户均衡基本一致，符合交通网络真实决策行为；由于电动汽车的通行成本中考虑了充电成本，因此电动汽车的通行成本高于燃油车。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (13)
1.一种电力交通耦合网络的动态均衡建模仿真方法，其特征在于，包括以下步骤：
步骤一，设定电力网络和交通网络参数，所述电力网络和交通网络参数包括网络拓扑结构、发电机容量、馈线容量、基础负荷、发电成本系数、路段容量、充电站容量、交通需求OD矩阵、电动汽车渗透率、充电功率、时间成本系数，建立电力交通耦合网络，生成初始节点边际电价和交通流分布；
步骤二，根据当前节点边际电价，基于动态用户均衡更新交通流分布；然后根据当前更新后的交通流分布，基于直流最优潮流模型更新节点边际电价；
步骤三，分别计算最新节点边际电价和交通流分布与上一次节点边际电价和交通流分布的相对误差，若两个相对误差均小于给定阈值，则停止迭代，否则重复步骤二和步骤三；
步骤四，获取电力交通耦合网络在动态均衡下的仿真结果。
2.根据权利要求1所述电力交通耦合网络的动态均衡建模仿真方法，其特征在于，所述步骤一中建立的电力交通耦合网络，包括基于直流最优潮流模型的电力网络和基于动态用户均衡的交通网络。
3.根据权利要求2所述电力交通耦合网络的动态均衡建模仿真方法，其特征在于，所述基于直流最优潮流模型的电力网络，目标函数为：
其中是所述电力网络的总成本，ai和bi为电力节点i的二次和一次发电成本系数，b0为主网购电成本系数，Pi G(t)为电力节点i在t时刻的发电功率，P0 G(t)为t时刻从主网输入的功率，Nt为时间步总数，/>为电力网络节点数。
4.根据权利要求3所述电力交通耦合网络的动态均衡建模仿真方法，其特征在于，所述目标函数的约束条件为：
节点功率平衡约束：
线路潮流约束：
发电容量约束：
线路容量约束：
功角约束：
其中Pi(t)为电力节点i在t时刻的负荷，Pi PV(t)为电力节点i在t时刻的光伏发电功率，Pi WT(t)为电力节点i在t时刻的风轮机发电功率，Pij(t)为t时刻从电力节点i到电力节点j传输的功率，σ(i)为电力节点i的相邻节点集合，δi(t)为电力节点i在t时刻的功角，Xij为电力节点i和电力节点j之间馈线的电抗，为电力节点i的发电功率上限，/>为电力节点i和电力节点j之间馈线的功率传输上限，/>为功角上限。
5.根据权利要求2所述电力交通耦合网络的动态均衡建模仿真方法，其特征在于，所述基于动态用户均衡的交通网络，包括路段点排队模型、充电站点排队模型和路口分流模型：
利用所述路段点排队模型建模路段上的车辆运动过程，计算路段通行耗时和路段驶出时间函数：
ξij(t)＝t+ζij(t)
其中从交通路口i到交通路口j的路段记为路段ij，Δt为时间步长，Sij(t)为t时刻路段ij上排队等候通行的车辆数，为t时刻驶入路段ij的车辆数，/>为t时刻驶出路段ij的车辆数，τij为路段ij在无拥堵情况下的通行耗时，ζij(t)为t时刻驶入路段ij所需的通行耗时，包括行驶耗时和排队耗时，Cij为路段ij单位时间步的最大通行车辆数,ξij(t)定义为路段驶出时间函数，代表t时刻驶入路段ij的车辆驶出路段ij的时间；
利用所述充电站点排队模型建模充电站内的排队服务过程，计算充电站耗时和充电站驶出时间函数：
其中位于交通路口j的充电站记为充电站j，为t时刻充电站j内排队等待充电的车辆数，/>为t时刻驶入充电站j的车辆数，/>为t时刻在充电站j开始充电的车辆数，/>为t时刻在充电站j完成充电并驶出的车辆数，/>为充电站j内的充电桩数，为t时刻充电站j内正在充电的车辆数，τch为单次充电所需时间，/>为t时刻驶入充电站j到完成充电所需的充电站耗时，包括排队时间和充电时间,/>定义为充电站驶出时间函数，代表t时刻驶入充电站j的车辆完成服务驶出充电站j的时间；
利用所述路口分流模型将汇入路口的流量按照先进先出的原则分配到对应的路段上：
其中路段ki是路径ij的上游路段，和/>分别为/>和/>中属于路径w的车辆数，ξki(t)为路段ki的路段驶出时间函数。
6.根据权利要求2所述电力交通耦合网络的动态均衡建模仿真方法，其特征在于，所述基于动态用户均衡的交通网络，将分别计算燃油车用户和电动汽车用户的总成本，包括：
嵌套所述路段驶出时间函数得到燃油车用户t时刻选择路径p的抵达终点时间和通行耗时成本，嵌套所述路段驶出时间函数和所述充电驶出时间函数得到燃油车用户t时刻选择路径w的抵达终点时间和通行耗时成本：
其中表示函数嵌套ξbc[ξab(t)]，路径p为i→k→t→…→m→n→j，路径q为γt为时间成本系数，/>代表燃油车用户t时刻选择路径p抵达终点的时间，通行耗时成本为/> 代表电动汽车用户t时刻选择路径q抵达终点的时间，通行耗时成本为/>
分别计算燃油车用户和电动汽车用户在t时刻出发选择路径p和路径q的不准时成本：
其中和/>分别为燃油车用户和电动汽车用户的不准时成本，T(p)和T(q)分别为燃油车沿路径p和电动汽车沿路径q的期望抵达时间，γl和γe分别为推迟抵达和提前抵达的时间成本系数，σ为抵达时间窗口半径；
计算电动汽车用户在t时刻出发选择路径q的充电成本：
其中为电动汽车用户完成充电离开充电站j的时间，/>为τ时刻充电站j的节点边际电价，Pch为充电功率，θq(t)为充电成本；
分别计算燃油车用户和电动汽车用户在t时刻出发选择路径p和路径q的总成本:
其中为交通流分布，γc为各充电站的节点边际电价组成的矩阵；
将各路径和各出发时间所对应的和/>组合为总成本矩阵：
Φ＝[φGV,φEV]
其中Φ为总成本矩阵，φGV和φEV分别为燃油车和电动汽车用户的成本矩阵，为燃油车沿路径p1的成本向量，/>为电动汽车沿路径q1的成本向量，/>和/>分别为燃油和电动汽车用户的总可选路径数。
7.根据权利要求2所述电力交通耦合网络的动态均衡建模仿真方法，其特征在于，所述基于动态用户均衡的交通网络，在考虑燃油车和电动汽车的混合车流情况下，将所述动态用户均衡表示为变分问题：
寻找使得/>满足
其中为动态用户均衡下交通流分布的解，Λ为满足交通需求的交通流分布可行解集合，(i,j)∈ODGV和(i,j)∈ODEV分别为燃油车和电动汽车从地点i到地点j的交通需求，和/>分别为燃油车和电动汽车从地点i到地点j的可选路径，/>和/>分别表示/>中t时刻出发选择路径p的燃油车数量和t时刻出发选择路径q的电动汽车数量，和/>分别表示/>中t时刻出发选择路径p的燃油车数量和t时刻出发选择路径q的电动汽车数量。
8.根据权利要求2所述电力交通耦合网络的动态均衡建模仿真方法，其特征在于，所述基于直流最优潮流模型的电力网络和基于动态用户均衡的交通网络，存在动态耦合约束：
Pi(t)＝Pi con(t)+Pi ch(t)
其中Pi con(t)为电力节点i在t时刻的基础负荷，Pi ch(t)为电力节点i在t时刻的充电负荷，为电力节点i处的充电站在t时刻的充电车辆数，/>为电力节点i处充电站的充电桩数；
在所述电力交通耦合网络中，一个充电站在交通网络中最多属于一个交通路口，同时该充电站在电力网络中最多属于一个电力节点；对于位于交通路口j处的充电站，若其在电力网络中位于电力节点i处，则有：
9.根据权利要求1所述电力交通耦合网络的动态均衡建模仿真方法，其特征在于，所述步骤一中的生成初始节点边际电价和交通流分布，包括：
所述电力网络的初始节点边际电价在各电力节点均为主网购电成本系数，有γc,0＝b0；
所述交通网络的初始交通流分布，将燃油车和电动汽车的每组交通需求都均分到其起点和终点之间每条可选路径上，得到所述交通网络的初始交通流分布
10.根据权利要求1所述电力交通耦合网络的动态均衡建模仿真方法，其特征在于，所述步骤二中，根据当前节点边际电价，基于动态用户均衡更新交通流分布，包括：
将当前第k次迭代后的节点边际电价γc,k代入各充电站中，得到电动汽车用户的所述充电成本θq(t)，进而得到总成本矩阵
求解最小范数投影问题，将当前第k次迭代后的交通流分布更新第k+1次迭代后的
其中‖·‖为2-范数算符，α为更新步长。
11.根据权利要求1所述电力交通耦合网络的动态均衡建模仿真方法，其特征在于，所述步骤二中，根据当前更新后的交通流分布，基于直流最优潮流模型更新节点边际电价，包括：
将当前第k+1次迭代后的交通流分布代入所述交通网络，得到各充电站接受充电服务的电动汽车数量/>再根据所述动态耦合约束得到各电力节点的充电负荷Pi ch(t)和节点负荷Pi(t)；
将所述节点负荷Pi(t)代入所述直流最优潮流模型优化求解，提取各充电站所在电力节点的所述节点功率平衡约束的对偶变量组成对偶变量矩阵λk+1；
将当前第k次迭代后的节点边际电价γc,k更新为第k+1次迭代后的节点边际电价γc,k+1。
12.根据权利要求1所述电力交通耦合网络的动态均衡建模仿真方法，其特征在于，所述步骤三中，分别计算最新节点边际电价和交通流分布与上一次节点边际电价和交通流分布的相对误差，具体为：利用均方相对误差分别计算所述节点边际电价相对误差和所述交通流分布相对误差：
eE和eH分别为所述节点边际电价相对误差和所述交通流分布相对误差。
13.根据权利要求1所述电力交通耦合网络的动态均衡建模仿真方法，其特征在于，所述步骤四，具体为：
所述电力交通耦合网络的动态均衡代表所述节点边际电价和交通流分布在相互作用的情况下均达到收敛，满足eE≤εE和eH≤εH，εE和εH分别为所述节点边际电价和交通流分布的收敛阈值；
所述仿真结果包括：电力潮流和交通流的联合时空分布、电动汽车充电需求的时空分布以及交通网络的拥挤和排队情况。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310266532.9A CN116452074B (zh) | 2023-03-13 | 2023-03-13 | 一种电力交通耦合网络的动态均衡建模仿真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310266532.9A CN116452074B (zh) | 2023-03-13 | 2023-03-13 | 一种电力交通耦合网络的动态均衡建模仿真方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116452074A true CN116452074A (zh) | 2023-07-18 |
| CN116452074B CN116452074B (zh) | 2023-11-07 |
Family
ID=87134781
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310266532.9A Active CN116452074B (zh) | 2023-03-13 | 2023-03-13 | 一种电力交通耦合网络的动态均衡建模仿真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116452074B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108596373A (zh) * | 2018-04-09 | 2018-09-28 | 燕山大学 | 一种电-交通耦合网络动态平衡求解方法 |
| CN109390932A (zh) * | 2018-09-18 | 2019-02-26 | 中国南方电网有限责任公司 | 一种考虑直流联络线功率优化的安全约束机组组合计算方法 |
| CN109742779A (zh) * | 2018-12-14 | 2019-05-10 | 中国电力科学研究院有限公司 | 一种分布式储能调度方法和装置 |
| CN111768119A (zh) * | 2020-07-07 | 2020-10-13 | 广东电网有限责任公司电力调度控制中心 | 一种基于虚拟电厂的车网融合调度方法及装置 |
| CN112330013A (zh) * | 2020-11-03 | 2021-02-05 | 河海大学 | 一种基于动态路-电耦合网络的电动汽车充电引导和定价方法 |
| WO2021098352A1 (zh) * | 2019-11-22 | 2021-05-27 | 国网福建省电力有限公司 | 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法 |
| CN114722714A (zh) * | 2022-04-14 | 2022-07-08 | 湖北工业大学 | 一种考虑交通均衡的电力-交通耦合网络扩展规划方法 |
| CN114896743A (zh) * | 2022-04-29 | 2022-08-12 | 广东电网有限责任公司广州供电局 | 计及用户决策随机性的能源-交通耦合建模方法及系统 |
-
2023
- 2023-03-13 CN CN202310266532.9A patent/CN116452074B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108596373A (zh) * | 2018-04-09 | 2018-09-28 | 燕山大学 | 一种电-交通耦合网络动态平衡求解方法 |
| CN109390932A (zh) * | 2018-09-18 | 2019-02-26 | 中国南方电网有限责任公司 | 一种考虑直流联络线功率优化的安全约束机组组合计算方法 |
| CN109742779A (zh) * | 2018-12-14 | 2019-05-10 | 中国电力科学研究院有限公司 | 一种分布式储能调度方法和装置 |
| WO2021098352A1 (zh) * | 2019-11-22 | 2021-05-27 | 国网福建省电力有限公司 | 一种考虑电动汽车充电站选址定容的主动配电网规划模型的建立方法 |
| CN111768119A (zh) * | 2020-07-07 | 2020-10-13 | 广东电网有限责任公司电力调度控制中心 | 一种基于虚拟电厂的车网融合调度方法及装置 |
| CN112330013A (zh) * | 2020-11-03 | 2021-02-05 | 河海大学 | 一种基于动态路-电耦合网络的电动汽车充电引导和定价方法 |
| CN114722714A (zh) * | 2022-04-14 | 2022-07-08 | 湖北工业大学 | 一种考虑交通均衡的电力-交通耦合网络扩展规划方法 |
| CN114896743A (zh) * | 2022-04-29 | 2022-08-12 | 广东电网有限责任公司广州供电局 | 计及用户决策随机性的能源-交通耦合建模方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116452074B (zh) | 2023-11-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109492791B (zh) | 基于充电引导的城际高速路网光储充电站定容规划方法 | |
| CN109523051A (zh) | 一种电动汽车充电实时优化调度方法 | |
| CN109489676B (zh) | 一种计及电网信息与充电站信息的电动汽车充电导航方法 | |
| CN115547052B (zh) | 改进自适应大邻域算法的动态需求响应电动公交调度方法 | |
| CN112418610B (zh) | 基于soc信息与路网电网信息融合的充电优化方法 | |
| CN103699950A (zh) | 一种考虑交通网络流量的电动汽车充电站规划方法 | |
| Gusrialdi et al. | Scheduling and cooperative control of electric vehicles' charging at highway service stations | |
| CN115100896B (zh) | 一种考虑机会充电策略的电动需求响应公交调度方法 | |
| CN110388932A (zh) | 一种电动汽车充电导航方法 | |
| CN116645124B (zh) | 一种考虑用户有限理性和市场监管的充电站动态定价方法 | |
| CN112183882A (zh) | 一种基于电动汽车快充需求的智慧充电站充电优化方法 | |
| Yoshihara et al. | Non-cooperative optimization of charging scheduling of electric vehicle via stackelberg game | |
| CN115510672A (zh) | 一种物联网感知环境下电动微出行车辆换电需求预测方法 | |
| CN114511272A (zh) | 一种用于城市即时配送的无人机配送网络优化的求解算法 | |
| CN112016745B (zh) | 一种电动汽车充电站规划方法 | |
| CN116452074B (zh) | 一种电力交通耦合网络的动态均衡建模仿真方法 | |
| CN117091616A (zh) | 一种电动汽车充电导航与调度方法 | |
| Zhang | Charging schedule optimization of electric bus charging station considering departure timetable | |
| Guo et al. | Selective multi-grade charging scheduling and rebalancing for one-way car-sharing systems | |
| CN116470549A (zh) | 考虑电动汽车随机转移特性的充储电站群调度方法 | |
| CN113222241B (zh) | 考虑充电服务引导与客户需求的出租车快充电站规划方法 | |
| Ma et al. | IMOCS based EV charging station planning optimization considering stakeholders’ interests balance | |
| CN115640974A (zh) | 一种公路沿线充电设施布局规划方法 | |
| CN114485702A (zh) | 一种电动汽车充电路径规划方法及系统 | |
| CN109146135B (zh) | 一种共享电动自行车站点车桩配备的优化方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |