CN116488220A - 考虑光伏消纳的混合储能ev换电站两阶段协同优化方法 - Google Patents
考虑光伏消纳的混合储能ev换电站两阶段协同优化方法 Download PDFInfo
- Publication number
- CN116488220A CN116488220A CN202310455552.0A CN202310455552A CN116488220A CN 116488220 A CN116488220 A CN 116488220A CN 202310455552 A CN202310455552 A CN 202310455552A CN 116488220 A CN116488220 A CN 116488220A
- Authority
- CN
- China
- Prior art keywords
- representing
- charge
- power
- exchange station
- storage battery
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 72
- 238000004146 energy storage Methods 0.000 title claims abstract description 70
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000029087 digestion Effects 0.000 title claims abstract description 18
- 238000003860 storage Methods 0.000 claims abstract description 93
- 239000003990 capacitor Substances 0.000 claims abstract description 70
- 230000008901 benefit Effects 0.000 claims abstract description 18
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 12
- 230000000295 complement effect Effects 0.000 claims abstract description 7
- 230000003044 adaptive effect Effects 0.000 claims abstract description 6
- 230000008569 process Effects 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000007599 discharging Methods 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000009826 distribution Methods 0.000 claims description 6
- 230000005611 electricity Effects 0.000 claims description 6
- 239000013589 supplement Substances 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 230000005684 electric field Effects 0.000 claims description 3
- 238000004064 recycling Methods 0.000 claims description 3
- 230000000712 assembly Effects 0.000 claims 1
- 238000000429 assembly Methods 0.000 claims 1
- 230000003287 optical effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000004044 response 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
- H02J3/28—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
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- 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
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- 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
- H02J7/00—Circuit arrangements for charging or depolarising batteries or for supplying loads from batteries
- H02J7/34—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering
- H02J7/345—Parallel operation in networks using both storage and other dc sources, e.g. providing buffering using capacitors as storage or buffering devices
-
- 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
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开考虑光伏消纳的混合储能EV换电站两阶段协同优化方法，属于储能系统运行控制领域；优化方法包括：获取的光伏预测数据和站用负荷预测数据；根据光伏预测数据和站用负荷预测数据，构建净负荷曲线，并通过引入一种基于互补集合经验模态分解的自适应分频算法，将净负荷曲线分解为高频分量与低频分量；将低频分量配置给换电站内集中充电的蓄电池组，将高频分量配置给换电站内装设的超级电容器；根据低频分量，以净收益最大为优化目标，建立换电站内集中充电蓄电池组的充放电策略优化模型；根据换电站内集中充电蓄电池组的充放电策略优化模型和高频分量，进一步构建超级电容的充放电优化模型，从而得出混合储能换电站的整体充放电策略。
Description
技术领域
本发明属于储能系统运行控制领域，具体涉及考虑光伏消纳的混合储能EV换电站两阶段协同优化方法。
背景技术
当前电动汽车在城市交通网络中的渗透率逐步攀升，其作为一种绿色交通工具极大地减缓了温室气体的排放。此外，电动汽车作为一种高度灵活的储能载体，在电力系统中负荷调峰、可再生能源消纳、需求响应以及参与辅助服务市场等方面具体巨大调控潜力。
电动汽车换电模式是指EV(Electric Vehicle)用户行驶至EV换电站后，取出亏电电池并替换上换电站内已经充满电的备用动力电池，即刻完成电动汽车的能量补给的模式。与常规的充电桩式的能量补给方式相比，换电模式具有能量补给时间短的优点，并且相比于快速充电桩也减少了对动力电池的能量冲击、延长了电池使用寿命。光储充换一体站是在常规换电站的基础上，额外装配有光伏发电系统、储能装置以及站内集中充电设备。当前相关研究大多致力于换电站内集中充电系统的充放电模式，相关研究也已经达到一定的瓶颈。相比之下，很少有学者针对储能装备形式进行拓展从而进一步挖掘光储充换一体站的经济潜力。
发明内容
针对现有技术的不足，本发明的目的在于提供考虑光伏消纳的混合储能EV换电站两阶段协同优化方法。
本发明的目的可以通过以下技术方案实现：
考虑光伏消纳的混合储能EV换电站两阶段协同优化方法，包括以下步骤：
获取的光伏预测数据和站用负荷预测数据；
根据光伏预测数据和站用负荷预测数据，构建净负荷曲线，并通过引入一种基于互补集合经验模态分解的自适应分频算法，将净负荷曲线分解为高频分量与低频分量；
将低频分量配置给换电站内集中充电的蓄电池组，将高频分量配置给换电站内装设的超级电容器；
根据低频分量，以净收益最大为优化目标，建立换电站内集中充电蓄电池组的充放电策略优化模型；
根据换电站内集中充电蓄电池组的充放电策略优化模型和高频分量，进一步构建超级电容的充放电优化模型，从而得出混合储能换电站的整体充放电策略。
进一步地，所述混合储能EV换电站中，能量型储能由换电站内集中充电的蓄电池组构成，功率型储能器件为单独配置在换电站侧的超级电容器组件。
进一步地，换电站内集中充电蓄电池组的充放电策略优化模型表达式为：
式中，表示换电站收取的电动汽车用户总的缴纳费用，/>表示站内蓄电池组通过B2G技术与电网交互的净收益值，/>表示蓄电池组充放电过程中的等效经济寿命损耗。
进一步地，以及/>的计算式为：
式中，表示基于换电前后基于能量补充量的费用收取，/>表示换电站向EV用户收取的服务费；pswap(t)和pservice(t)分别表示基于换电时间的单位换电费用和固定服务费用；βdis[·]为折扣函数，表示对于非满电换电场景下，给予EV用户的费用折扣；表示电动汽车用户v在t时刻通过与蓄电池b进行换电所获得的能量补充；SOCB(b,t-1)表示储能单元b在t时刻的荷电状态；b为储能单元索引变量；v为电动汽车用户的索引变量；t为时间索引变量。
式中，pB2G(t)表示换电站储能单元与电力网络之间能量交互的电力价格；PLF(t)表示低频分量；表示储能单元b在t时刻的放电功率；/>表示储能单元b在t时刻的充电功率；Δt表示优化决策最小时间间隔单元；
其中，为蓄电池组在B2G充电桩上的放电效率；/>为蓄电池组在B2G充电桩上的充电效率；/>为蓄电池的寿命损失成本系数，其计算方法如下：
其中，表示贴现率折算后单个电动汽车蓄电池的投资成本；/>表示单个电动汽车蓄电池全寿命周期运行维护成本；/>表示单个电动汽车蓄电池达到使用寿命年限后的剩余可回收利用成本；/>为单个电动汽车蓄电池全寿命周期内的总放电量；
式中，表示蓄电池单位容量成本系数；/>表示蓄电池单位功率成本系数；/>表示单个蓄电池额定容量；/>表示单个蓄电池的额定功率；/>表示单个蓄电池的固定成本；ir表示贴现率；id表示通货膨胀率；YB表示电动汽车蓄电池的平均可运行年限；/>表示蓄电池的运行维护系数；/>表示蓄电池可回收利用系数；/>为蓄电池所允许的最大荷电状态；/>为蓄电池所允许的最小荷电状态；/>为蓄电池充放电介于区间内的总循环次数。
进一步地，其特征在于，换电站内集中充电蓄电池组的充放电策略优化模型的约束条件包括：
1)电动汽车蓄电池换电约束，表达式为：
式中，表示t时刻电动汽车用户v是否存在换电需求，1表示是；/>表示电动汽车用户v与换电站内编号为b的蓄电池之间是否存在换电操作，1表示是；表示电动汽用户v是否在t时刻与换电站内编号为b的蓄电池之间进行了换电操作，1表示是；/>表示电动汽车用户v在t时刻通过与蓄电池b进行换电所获得的能量补充；/>表示t时刻电动汽车用户v换电之前的剩余荷电状态；
2)蓄电池充/放/换电约束，表达式为：
式中，SOCB(b,t)表示编号为b的蓄电池在t时刻的荷电状态；表示辅助布尔变量，1表示储能单元b在t时刻放电；/>表示辅助布尔变量，1表示储能单元b在t时刻充电。
进一步地，所述超级电容的充放电优化模型，表达式为：
式中，表示超级电容单元的套利收益；/>表示超级电容运行的寿命损失。
进一步地，所述的考虑光伏消纳的混合储能EV换电站两阶段协同优化方法中和/>的计算式为：
式中，Pnet(t)表示换电站与配网联络线的净功率值；表示超级电容的放电功率；/>表示超级电容的充电功率；PPV(t)为光伏预测数据，PSL(t)为站用负荷预测数据；
式中，表示经贴现率折算后超级电容器的投资成本；/>表示超级电容器全寿命周期运行维护成本；/>表示超级电容单位容量成本系数；/>表示超级电容单位功率成本系数；YC表示超级电容的可运行年限；/>表示超级电容额定容量；/>表示超级电容额定运行功率；/>表示超级电容装配固定成本；/>表示超级电容的运行维护系数；y表示年份索引变量，y＝1,2,…,YC。
进一步地，所述超级电容的充放电优化模型的约束条件包括：
1)超级电容充放/电约束，表达式为：
式中，SOCC(t)表示超级电容在t时刻的荷电状态；表示超级电容的放电效率；表示超级电容的充电效率；/>为超级电容所允许的最大荷电状态；/>为超级电容所允许的最小荷电状态；/>表示辅助布尔变量，1表示超级电容器在t时刻放电；/>表示辅助布尔变量，1表示超级电容器在t时刻充电。
2)联络线功率波动约束，表达式为：
式中，Pave表示电动汽车换电站与配网联络线功率曲线的均值；ε表示联络线功率波动指标；εmax表示所允许的联络线路最大波动值。
考虑光伏消纳的混合储能EV换电站两阶段协同优化系统，包括：
数据获取模块：获取的光伏预测数据和站用负荷预测数据；
曲线分解模块：根据光伏预测数据和站用负荷预测数据，构建净负荷曲线，并通过引入一种基于互补集合经验模态分解的自适应分频算法，将净负荷曲线分解为高频分量与低频分量；
分配配置模块：将低频分量配置给换电站内集中充电的蓄电池组，将高频分量配置给换电站内装设的超级电容器；
第一阶段优化模块：根据低频分量，以净收益最大为优化目标，建立换电站内集中充电蓄电池组的充放电策略优化模型；
以及，第二阶段优化模块：根据换电站内集中充电蓄电池组的充放电策略优化模型和高频分量，进一步构建超级电容的充放电优化模型，从而得出混合储能换电站的整体充放电策略。
一种计算机存储介质，存储有可读程序，当程序运行时，执行上述优化方法。
本发明的有益效果：
1)本发明所构建的混合储能EV换电站可以充分考虑换电站侧的光伏消纳问题，利用混合储能对于高频分频与低频分量解耦处理的优势，可以在消纳光伏的基础上减少联络线的功率波动。
2)本发明所构建的混合储能EV换电站的能量型储能源于换电站内集中充电的蓄电池组，减少了常规单独构建混合储能的投资成本；与电力网络中单独配置的混合储能系统相比，具有更大的灵活性。
3)利用混合储能EV换电站中的备用蓄电池参与电力网络B2G来充分发挥电力网络中灵活性资源的调用潜力，减缓了电力网络峰时用电压力；同时，也混合储能EV换电站优化整体经济效益提供了的运营策略。
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，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，还可以根据这些附图获得其他的附图。
图1是本发明优化方法的整体流程图；
图2是本发明优化过程中各个模块之间的协调互联图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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作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。
在本实施例中，混合储能EV换电站中能量型储能由换电站内集中充电的蓄电池组构成，功率型储能器件为单独配置在换电站侧的超级电容器组件。
如图1所示，考虑光伏消纳的混合储能EV换电站两阶段协同优化方法，包括以下步骤：
S1，获取相关数据：光伏预测数据可由光伏预测模块依据数值天气预报计算得到未来光伏出力曲线，记为PPV(t)；站用负荷数据可以依据光储充换一体站过往用电情况以及未来用电计划得出，记为PSL(t)；
S2，根据S1获取的光伏预测数据PPV(t)和站用负荷预测数据PSL(t)，构建净负荷曲线，并通过引入一种基于互补集合经验模态分解的自适应分频算法，将净负荷曲线分解为高频分量PHF(t)与低频分量PLF(t)两部分；
具体步骤包括：
S21，采用互补集合经验模态分解算法可以将净负荷曲线分解为n个固有模态分量和分解余量，记为c1,c2,…,cn和δ；其中，n为预设的分解阶数。
S22，基于能量熵理论完成自适应分频；分解所得的各阶固有模态分量的能量熵可由下式计算所得，式中i表示模态数索引：
构建归一化特征向量Γ，其物理意义为各阶模态分量的能量熵占总能量E的比重：
S23，计算归一化特征向量Γ相邻两个元素之间的熵差，将差值最大两个元素Ek/E和Ek+1/E作为高低频分量的分界点。进而重组后的高频与低频分量可由下式计算所得：
S3，将S2所得的低频分量PLF(t)配置给换电站内集中充电的蓄电池组，将高频分量PHF(t)配置给站内装设的超级电容器，依托解耦后的净负荷进行混合储能系统协同优化。
S4，根据S3的低频分量进行一阶段优化建模，以净收益最大为优化目标，建立换电站内集中充电蓄电池组的充放电策略优化模型；
具体步骤包括：
S41，以净收益最大为优化目标，建立换电站内集中充电蓄电池组的充放电策略优化模型，具体表示为下式：
式中，obj1为一阶段蓄电池组充放电优化目标，表示换电站收取的电动汽车用户总的缴纳费用，/>表示站内蓄电池组通过B2G技术与电网交互的净收益值，/>表示蓄电池组充放电过程中的等效经济寿命损耗；
优化目标构成的三个部分的具体计算方法如下：
式中，表示基于换电前后基于能量补充量的费用收取，/>表示换电站向EV用户收取的服务费；pswap(t)和pservice(t)分别表示基于换电时间的单位换电费用和固定服务费用；βdis[·]为折扣函数，表示对于非满电换电场景下，给予EV用户的费用折扣；表示电动汽车用户v在t时刻通过与蓄电池b进行换电所获得的能量补充；SOCB(b,t-1)表示储能单元b在t时刻的荷电状态；b为储能单元索引变量；v为电动汽车用户的索引变量；t为时间索引变量。
式中，pB2G(t)表示换电站储能单元与电力网络之间能量交互的电力价格；PLF(t)表示低频分量；表示储能单元b在t时刻的放电功率；/>表示储能单元b在t时刻的充电功率；Δt表示优化决策最小时间间隔单元；
其中，为蓄电池组在B2G充电桩上的放电效率；/>为蓄电池组在B2G充电桩上的充电效率；/>为蓄电池的寿命损失成本系数，其计算方法如下：
其中，表示贴现率折算后单个电动汽车蓄电池的投资成本；/>表示单个电动汽车蓄电池全寿命周期运行维护成本；/>表示单个电动汽车蓄电池达到使用寿命年限后的剩余可回收利用成本；/>为单个电动汽车蓄电池全寿命周期内的总放电量；
上述参数的具体计算方法如下：
式中，表示蓄电池单位容量成本系数；/>表示蓄电池单位功率成本系数；/>表示单个蓄电池额定容量；/>表示单个蓄电池的额定功率；/>表示单个蓄电池的固定成本；ir表示贴现率；id表示通货膨胀率；YB表示电动汽车蓄电池的平均可运行年限；/>表示蓄电池的运行维护系数；/>表示蓄电池可回收利用系数；/>为蓄电池所允许的最大荷电状态；/>为蓄电池所允许的最小荷电状态；/>为蓄电池充放电介于区间内的总循环次数。
S42，构建换电站内集中充电蓄电池组的充放电策略优化模型的约束条件；
具体包括：
1)电动汽车蓄电池换电约束：构建了电动汽车用户与换电内备用蓄电池之间交互的约束集合，主要考虑同一时间站内的一块备用蓄电池仅可以置换给一辆待换电的EV用户；其约束表达式为：
式中，表示t时刻电动汽车用户v是否存在换电需求，1表示是；/>表示电动汽车用户v与换电站内编号为b的蓄电池之间是否存在换电操作，1表示是；表示电动汽用户v是否在t时刻与换电站内编号为b的蓄电池之间进行了换电操作，1表示是；/>表示电动汽车用户v在t时刻通过与蓄电池b进行换电所获得的能量补充；/>表示t时刻电动汽车用户v换电之前的剩余荷电状态；
2)蓄电池充/放/换电约束：构建了对于换电站内集中充电蓄电池组的荷电状态以及充/放/换电状态选择等物理特性所构成的约束集合；其约束表达式为：
式中，SOCB(b,t)表示编号为b的蓄电池在t时刻的荷电状态；表示辅助布尔变量，1表示储能单元b在t时刻放电；/>表示辅助布尔变量，1表示储能单元b在t时刻充电。
S5，根据S4优化所得的蓄电池组的充放电策略以及配置给超级电容的高频分量，进一步构建超级电容的充放电优化模型，从而得出混合储能换电站的整体充放电策略；
具体步骤包括：
S51，考虑联络线波动限值范围内的超级电容套利效益最大化，构建超级电容的充放电优化模型，表达式为：
式中，表示超级电容单元的套利收益；/>表示超级电容运行的寿命损失；
上述两个参数的具体计算方法如下式所示：
式中，Pnet(t)表示换电站与配网联络线的净功率值；表示超级电容的放电功率；/>表示超级电容的充电功率；PPV(t)为光伏预测数据，PSL(t)为站用负荷预测数据；
式中，表示经贴现率折算后超级电容器的投资成本；/>表示超级电容器全寿命周期运行维护成本；/>表示超级电容单位容量成本系数；/>表示超级电容单位功率成本系数；YC表示超级电容的可运行年限；/>表示超级电容额定容量；/>表示超级电容额定运行功率；/>表示超级电容装配固定成本；/>表示超级电容的运行维护系数；y表示年份索引变量，y＝1,2,…,YC。
S52，构建超级电容的充放电优化模型的约束条件；
具体包括：
1)超级电容充放/电约束：构建了对于换电站装配超级电容的荷电状态以及充/放电状态选择等物理特性所构成的约束集合；
式中，SOCC(t)表示超级电容在t时刻的荷电状态；表示超级电容的放电效率；表示超级电容的充电效率；/>为超级电容所允许的最大荷电状态；/>为超级电容所允许的最小荷电状态；/>表示辅助布尔变量，1表示超级电容器在t时刻放电；/>表示辅助布尔变量，1表示超级电容器在t时刻充电。
2)联络线功率波动约束：
式中，Pave表示电动汽车换电站与配网联络线功率曲线的均值；ε表示联络线功率波动指标；εmax表示所允许的联络线路最大波动值。
S53，根据一阶段优化结果可以得出集中充电蓄电池组的充放电策略，二阶段优化是基于一阶段优化结果，超级电容的充放电优化过程充分考虑了蓄电池充放电状态。因此，两阶段建模协同了混合储能系统，得出混合储能EV换电站的整体最优出力。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”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发明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一定指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何的一个或多个实施例或示例中以合适的方式结合。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。
Claims (10)
1.考虑光伏消纳的混合储能EV换电站两阶段协同优化方法，其特征在于，包括以下步骤：
获取的光伏预测数据和站用负荷预测数据；
根据光伏预测数据和站用负荷预测数据，构建净负荷曲线，并通过引入一种基于互补集合经验模态分解的自适应分频算法，将净负荷曲线分解为高频分量与低频分量；
将低频分量配置给换电站内集中充电的蓄电池组，将高频分量配置给换电站内装设的超级电容器；
根据低频分量，以净收益最大为优化目标，建立换电站内集中充电蓄电池组的充放电策略优化模型；
根据换电站内集中充电蓄电池组的充放电策略优化模型和高频分量，进一步构建超级电容的充放电优化模型，从而得出混合储能换电站的整体充放电策略。
2.根据权利要求1所述的考虑光伏消纳的混合储能EV换电站两阶段协同优化方法，其特征在于，所述混合储能EV换电站中，能量型储能由换电站内集中充电的蓄电池组构成，功率型储能器件为单独配置在换电站侧的超级电容器组件。
3.根据权利要求1所述的考虑光伏消纳的混合储能EV换电站两阶段协同优化方法，其特征在于，换电站内集中充电蓄电池组的充放电策略优化模型表达式为：
obj1:
式中，表示换电站收取的电动汽车用户总的缴纳费用，/>表示站内蓄电池组通过B2G技术与电网交互的净收益值，/>表示蓄电池组充放电过程中的等效经济寿命损耗。
4.根据权利要求3所述的考虑光伏消纳的混合储能EV换电站两阶段协同优化方法，其特征在于，以及/>的计算式为：
式中，表示基于换电前后基于能量补充量的费用收取，/>表示换电站向EV用户收取的服务费；pswap(t)和pservice(t)分别表示基于换电时间的单位换电费用和固定服务费用；βdis[·]为折扣函数，表示对于非满电换电场景下，给予EV用户的费用折扣；表示电动汽车用户v在t时刻通过与蓄电池b进行换电所获得的能量补充；SOCB(b,t-1)表示储能单元b在t时刻的荷电状态；b为储能单元索引变量；v为电动汽车用户的索引变量；t为时间索引变量；
式中，pB2G(t)表示换电站储能单元与电力网络之间能量交互的电力价格；PLF(t)表示低频分量；表示储能单元b在t时刻的放电功率；/>表示储能单元b在t时刻的充电功率；Δt表示优化决策最小时间间隔单元；
其中，为蓄电池组在B2G充电桩上的放电效率；/>为蓄电池组在B2G充电桩上的充电效率；/>为蓄电池的寿命损失成本系数，其计算方法如下：
其中，表示贴现率折算后单个电动汽车蓄电池的投资成本；/>表示单个电动汽车蓄电池全寿命周期运行维护成本；/>表示单个电动汽车蓄电池达到使用寿命年限后的剩余可回收利用成本；/>为单个电动汽车蓄电池全寿命周期内的总放电量；
式中，表示蓄电池单位容量成本系数；/>表示蓄电池单位功率成本系数；/>表示单个蓄电池额定容量；/>表示单个蓄电池的额定功率；/>表示单个蓄电池的固定成本；ir表示贴现率；id表示通货膨胀率；YB表示电动汽车蓄电池的平均可运行年限；/>表示蓄电池的运行维护系数；/>表示蓄电池可回收利用系数；/>为蓄电池所允许的最大荷电状态；/>为蓄电池所允许的最小荷电状态；/>为蓄电池充放电介于区间内的总循环次数。
5.根据权利要求4所述的考虑光伏消纳的混合储能EV换电站两阶段协同优化方法，其特征在于，换电站内集中充电蓄电池组的充放电策略优化模型的约束条件包括：
1)电动汽车蓄电池换电约束，表达式为：
式中，表示t时刻电动汽车用户v是否存在换电需求，1表示是；/>表示电动汽车用户v与换电站内编号为b的蓄电池之间是否存在换电操作，1表示是；/>表示电动汽用户v是否在t时刻与换电站内编号为b的蓄电池之间进行了换电操作，1表示是；表示电动汽车用户v在t时刻通过与蓄电池b进行换电所获得的能量补充；表示t时刻电动汽车用户v换电之前的剩余荷电状态；
2)蓄电池充/放/换电约束，表达式为：
式中，SOCB(b,t)表示编号为b的蓄电池在t时刻的荷电状态；表示辅助布尔变量，1表示储能单元b在t时刻放电；/>表示辅助布尔变量，1表示储能单元b在t时刻充电。
6.根据权利要求5所述的考虑光伏消纳的混合储能EV换电站两阶段协同优化方法，其特征在于，所述超级电容的充放电优化模型，表达式为：
obj2:
式中，表示超级电容单元的套利收益；/>表示超级电容运行的寿命损失。
7.根据权利要求6所述的考虑光伏消纳的混合储能EV换电站两阶段协同优化方法，其特征在于，和/>的计算式为：
式中，Pnet(t)表示换电站与配网联络线的净功率值；表示超级电容的放电功率；表示超级电容的充电功率；PPV(t)为光伏预测数据，PSL(t)为站用负荷预测数据；
式中，表示经贴现率折算后超级电容器的投资成本；/>表示超级电容器全寿命周期运行维护成本；/>表示超级电容单位容量成本系数；/>表示超级电容单位功率成本系数；YC表示超级电容的可运行年限；/>表示超级电容额定容量；/>表示超级电容额定运行功率；/>表示超级电容装配固定成本；/>表示超级电容的运行维护系数；y表示年份索引变量，y＝1,2,…,YC。
8.根据权利要求7所述的考虑光伏消纳的混合储能EV换电站两阶段协同优化方法，其特征在于，所述超级电容的充放电优化模型的约束条件包括：
1)超级电容充放/电约束，表达式为：
式中，SOCC(t)表示超级电容在t时刻的荷电状态；表示超级电容的放电效率；/>表示超级电容的充电效率；/>为超级电容所允许的最大荷电状态；/>为超级电容所允许的最小荷电状态；/>表示辅助布尔变量，1表示超级电容器在t时刻放电；/>表示辅助布尔变量，1表示超级电容器在t时刻充电。
2)联络线功率波动约束，表达式为：
式中，Pave表示电动汽车换电站与配网联络线功率曲线的均值；ε表示联络线功率波动指标；εmax表示所允许的联络线路最大波动值。
9.考虑光伏消纳的混合储能EV换电站两阶段协同优化系统，其特征在于，包括：
数据获取模块：获取的光伏预测数据和站用负荷预测数据；
曲线分解模块：根据光伏预测数据和站用负荷预测数据，构建净负荷曲线，并通过引入一种基于互补集合经验模态分解的自适应分频算法，将净负荷曲线分解为高频分量与低频分量；
分配配置模块：将低频分量配置给换电站内集中充电的蓄电池组，将高频分量配置给换电站内装设的超级电容器；
第一阶段优化模块：根据低频分量，以净收益最大为优化目标，建立换电站内集中充电蓄电池组的充放电策略优化模型；
以及，第二阶段优化模块：根据换电站内集中充电蓄电池组的充放电策略优化模型和高频分量，进一步构建超级电容的充放电优化模型，从而得出混合储能换电站的整体充放电策略。
10.一种计算机存储介质，存储有可读程序，其特征在于，当程序运行时，执行权利要求1-8任一项所述的优化方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310455552.0A CN116488220A (zh) | 2023-04-25 | 2023-04-25 | 考虑光伏消纳的混合储能ev换电站两阶段协同优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310455552.0A CN116488220A (zh) | 2023-04-25 | 2023-04-25 | 考虑光伏消纳的混合储能ev换电站两阶段协同优化方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116488220A true CN116488220A (zh) | 2023-07-25 |
Family
ID=87219113
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310455552.0A Pending CN116488220A (zh) | 2023-04-25 | 2023-04-25 | 考虑光伏消纳的混合储能ev换电站两阶段协同优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116488220A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117060470A (zh) * | 2023-08-04 | 2023-11-14 | 国网冀北电力有限公司电力科学研究院 | 一种基于灵活性资源的配电网电压优化控制方法 |
-
2023
- 2023-04-25 CN CN202310455552.0A patent/CN116488220A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117060470A (zh) * | 2023-08-04 | 2023-11-14 | 国网冀北电力有限公司电力科学研究院 | 一种基于灵活性资源的配电网电压优化控制方法 |
| CN117060470B (zh) * | 2023-08-04 | 2024-04-26 | 国网冀北电力有限公司电力科学研究院 | 一种基于灵活性资源的配电网电压优化控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | A novel energy management strategy based on dual reward function Q-learning for fuel cell hybrid electric vehicle | |
| Etxeberria et al. | Hybrid energy storage systems for renewable energy sources integration in microgrids: A review | |
| CN207069596U (zh) | 模块化变流储能系统和能量转换系统pcs模块 | |
| CN104885329A (zh) | 用于具有der和ev的配电网的协调控制方法及其控制系统 | |
| CN103001331A (zh) | 一种储能电站的经济优化调度方法 | |
| CN116488220A (zh) | 考虑光伏消纳的混合储能ev换电站两阶段协同优化方法 | |
| CN104978609B (zh) | 一种微电网的能量优化管理方法 | |
| CN108599215A (zh) | 基于互联网云平台及分布式储能的配电网电压调控方法 | |
| CN115811074A (zh) | 牵引变电所混合储能容量配置方法、装置及相关介质 | |
| CN103414201A (zh) | 电动公交车动力电池集群参与海岛微网运行的调控方法 | |
| CN115473285A (zh) | 基于合作博弈论的多类型储能系统最优容量配置方法 | |
| CN114997544A (zh) | 一种氢光储充电站容量优化配置方法及系统 | |
| CN113452045B (zh) | 一种基于多应用场景下的电气化铁路储能装置优化选型方法 | |
| CN114560091A (zh) | 一种基于模型预测的多电飞机混合能源能量管理系统及方法 | |
| Alobaidi et al. | Impact of vehicle to grid technology on distribution grid with two power line filter approaches | |
| CN114204562A (zh) | 一种考虑电动汽车与光伏的混合储能优化方法及系统 | |
| CN212148515U (zh) | 一种核电厂内设置液流电燃料充电站的系统 | |
| CN207410098U (zh) | 空铁复合铝-空气、锂离子电池驱动系统 | |
| Gomathy et al. | Photovoltaic-Battery Operated Electric Vehicle with an Energy Management Strategy | |
| Guangxue et al. | Research on control strategy of energy storage buffer system for electric vehicle smart charging station | |
| Hongli et al. | Day-ahead optimal dispatch of regional power grid based on electric vehicle participation in peak shaving pricing strategy | |
| Ma et al. | Sizing of Renewable Energy And Energy Storage In Electrified Railway Considering Multi-application Requirements | |
| Ma et al. | Optimal Configuration of Dual-Battery Energy Storage Capacity for Traction Power Supply System Based on Life Cycle Cost | |
| CN219856870U (zh) | 一种光伏停车棚调峰充电系统 | |
| Sidharthan et al. | Intelligent Power Allocation Strategy of Hybrid Source System in Solar Electric Vehicle |
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 |