CN116505517A - 计及电动汽车负荷需求响应的微网优化运行方法及系统 - Google Patents
计及电动汽车负荷需求响应的微网优化运行方法及系统 Download PDFInfo
- Publication number
- CN116505517A CN116505517A CN202310476222.XA CN202310476222A CN116505517A CN 116505517 A CN116505517 A CN 116505517A CN 202310476222 A CN202310476222 A CN 202310476222A CN 116505517 A CN116505517 A CN 116505517A
- Authority
- CN
- China
- Prior art keywords
- service area
- period
- power
- energy storage
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 70
- 230000004044 response Effects 0.000 title claims abstract description 21
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 15
- 238000004146 energy storage Methods 0.000 claims description 129
- 239000002699 waste material Substances 0.000 claims description 30
- 230000008859 change Effects 0.000 claims description 23
- 238000005457 optimization Methods 0.000 claims description 23
- 238000004378 air conditioning Methods 0.000 claims description 14
- 238000012546 transfer Methods 0.000 claims description 14
- 238000007599 discharging Methods 0.000 claims description 12
- 238000005265 energy consumption Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 12
- 230000006399 behavior Effects 0.000 description 6
- 230000005855 radiation Effects 0.000 description 5
- 238000005286 illumination Methods 0.000 description 4
- 239000000446 fuel Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/50—Charging stations characterised by energy-storage or power-generation means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/50—Charging stations characterised by energy-storage or power-generation means
- B60L53/51—Photovoltaic means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/50—Charging stations characterised by energy-storage or power-generation means
- B60L53/52—Wind-driven generators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0125—Traffic data processing
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
-
- 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
- H02J3/007—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
- 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
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
-
- 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]
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/10—The dispersed energy generation being of fossil origin, e.g. diesel generators
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- 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
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Mechanical Engineering (AREA)
- Marketing (AREA)
- Transportation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Analytical Chemistry (AREA)
- Development Economics (AREA)
- Chemical & Material Sciences (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Water Supply & Treatment (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Educational Administration (AREA)
Abstract
本发明公开一种计及电动汽车负荷需求响应的微网优化运行方法及系统,涉及微网优化运行领域,方法包括:利用蒙特卡罗模拟法基于历史车流数据以及概率模型对高速公路中目标公路路段的每个出入口车流量进行预测并确定目标公路路段的路段车流量预测数据;基于路段车流量预测数据和路段车流量预测数据对应的电动汽车SOC分布确定目标公路路段的电动汽车充电需求;响应于电动汽车充电需求,构建服务区的微网优化运行模型并且求解,确定满足电动汽车负荷需求的最佳优化运行方案。采用蒙特卡罗模拟法基于历史车流数据以及概率模型对高速公路每个出入口车流进行预测,采用负荷需求响应精细化引导电动汽车充电行为,实现高速公路微网优化运行。
Description
技术领域
本发明涉及智能微网优化运行领域,特别是涉及一种计及电动汽车负荷需求响应的高速公路微网优化运行方法及系统。
背景技术
随着社会不断发展,传统化石能源储存量急速减少,能源问题愈来愈严峻,越来越多的国家开始大力推进可再生能源和电动汽车的应用。高速公路作为化石能源的主要消耗场景之一亟需转型,充分利用高速公路沿线可再生能源满足电动汽车及各类用电负荷需求成为重中之重。微电网作为一种新的电网拓扑,克服了分布式电源供电的缺陷,在分布式发电接入容量和系统可靠性等方面均有独到优势。组建高速公路微电网既能适应高速公路负荷需求,又能极大程度利用沿线可再生能源。
而电动汽车充电行为具有随机性、间歇性、无序性的特点,大量电动汽车无引导接入不利于高速公路微网可靠运行和可再生能源的消纳,如何优化高速公路微网运行模式,引导电动汽车有序充电,提高可再生能源消纳率成为高速公路微网运行的关键,现有研究对于电动汽车有序充电的引导精细程度不足。同时,高速公路车流量较大,车流变化较快,以电动汽车作为主要负荷的沿途服务区需要适应电动汽车负荷的动态变化特性,现有高速公路微网优化运行研究中对电动汽车负荷预测较为简单,未能充分体现电动汽车负荷的时空分布特性。
发明内容
本发明的目的是提供一种计及电动汽车负荷需求响应的微网优化运行方法及系统,可采用蒙特卡罗模拟法基于历史车流数据以及概率模型对高速公路每个出入口车流进行预测,采用负荷需求响应精细化引导电动汽车充电行为,实现高速公路微网优化运行。
为实现上述目的,本发明提供了如下方案:
一种计及电动汽车负荷需求响应的微网优化运行方法,所述方法包括:
利用蒙特卡罗模拟法基于历史车流数据以及概率模型对高速公路中目标公路路段的每个出入口车流量进行预测,基于每个出入口车流量预测数据确定所述目标公路路段的路段车流量预测数据;所述目标公路路段为服务区的供电范围;
基于所述路段车流量预测数据和所述路段车流量预测数据对应的电动汽车SOC分布确定所述目标公路路段的电动汽车充电需求;
响应于所述电动汽车充电需求,以服务区微网的微网功率交换与弃风弃光功率之和最小为目标函数,以功率平衡约束、光伏机组出力约束、风力机组出力约束、柴油发电机组出力约束、固定储能设备约束和移动储能设备约束为约束条件,构建服务区的微网优化运行模型;所述服务区微网包括服务区空调系统用电负荷、收费站用电负荷、高速公路照明负荷、负荷信号灯负荷、光伏发电机组、风力发电机组、柴油发电机组、固定储能设备和移动储能设备;
对所述微网优化运行模型进行求解,确定满足所述电动汽车负荷需求的最佳优化运行方案;所述最佳优化运行方案为高速公路微网功率交换功率与弃风弃光功率之和最小时光伏机组出力、风力机组出力、柴油发电机组出力的最佳组合。
可选的,所述基于每个出入口车流量预测数据确定所述目标公路路段的路段车流量预测数据,具体包括:
将所述目标公路路段各个出入口进出的所述车流量预测数据叠加得到所述路段车流量预测数据。
可选的,基于所述路段车流量预测数据和所述路段车流量预测数据对应的电动汽车SOC分布确定所述目标公路路段的电动汽车充电需求,具体包括:
在所述目标公路路段中,将所述路段车流量预测数据对应的所有电动汽车荷电量相加得到所述电动汽车SOC分布;
基于所述路段车流量预测数据和所述电动汽车SOC分布确定所述目标公路路段的所述电动汽车充电需求。
可选的,基于所述路段车流量预测数据和所述电动汽车SOC分布确定所述目标公路路段的所述电动汽车充电需求,具体包括:
确定电动汽车电池电量模型;
基于所述电动汽车电池电量模型,以电动汽车到达服务区r时剩余电量必须满足到达下一服务区r+1为评估标准,对每辆预测的电动汽车到达所述服务区r的电池电量进行评估,得到在所述服务区r进行充电的电动汽车数量;
基于在所述服务区r进行充电的电动汽车数量和可再生能源出力变化后引起时段t内所述下一服务区r+1向所述服务区r转移的电动汽车数量确定所述服务区r内的电动汽车充电排队数量。
基于所述服务区r内的电动汽车充电排队数量和所述服务区r内的正在充电的电动汽车数量确定所述电动汽车充电需求。
可选的,所述可再生能源出力变化后引起时段t内所述下一服务区r+1向所述服务区r转移的电动汽车数量为:
其中,为可再生能源出力变化后引起时段t内下一服务区r+1向服务区r转移的电动汽车数量;/>为负荷转移弹性系数;Tr~r+1为服务区r内可再生能源出力变化提前预告时间;/>为变化前的可再生能源出力;/>为变化后的可再生能源出力;/> 为可再生能源出力改变前计划于时段t+Tr~r+1在服务区r+1充电的电动汽车数量。
可选的,所述服务区r内的电动汽车充电排队数量为:
其中,为时段t服务区r内充电排队队列的电动汽车数量;/>为时段t服务区r内由排队队列进入充电队列的电动汽车数量;/>为时段t服务区r内完成充电的电动汽车数量。
可选的,所述目标函数为:
其中,Nr为服务区个数;为服务区r时段t内服务区工作的储能设备组数;为时段t内参与调度的储能车数量;/>为服务区r时段t内第v台固定储能装置充放电功率;/>为服务区r时段t内充电的电动汽车台数;/>为电动汽车充电状态变量;Pcharge为电动汽车充电桩充电功率;/>表示时段t内第k辆移动储能车所在的弧rr;/>表示第k辆移动储能车在时段t于服务区r注入或吸收电能;/>为服务区r时段t内服务区工作的柴油发电机组数量;/>为服务区r时段t内服务区工作的光伏机组数量;/>为服务区r时段t内服务区工作的风力发电机组数量;/>为服务区r内第z台柴油发电机组时段t内输出功率;/>为服务区r第x台光伏机组时段t内可用功率;/>为服务区r内第y台风力发电机组时段t可用功率;/>为时段t内服务区r内第x台光伏发电机组实际出力;为时段t内服务区r第y台风力发电机组实际出力。
可选的,所述功率平衡约束为:
其中,为时段t内服务区r内第x台柴油发电机组实际出力;/>为服务区r第v台固定储能设备在时段t内充放电功率;/>为照明设施状态变量;/>分别为时段t内服务区r对应路段照明灯、信号灯个数;/>为服务区r负责路段内ETC门架数量;分别为服务区r照明灯、信号灯的运行功率;/>为时段t内服务区r第u台ETC门架耗能;/>为服务区r时段t内空调系统功率;/>为时段t内服务区r电动汽车充电功率;
所述光伏机组出力约束为:
其中,为服务区r第x台光伏机组最大装机容量;
所述风力机组出力约束为:
其中,为服务区r第y台风电机组;
所述柴油发电机组出力约束为:
其中,为服务区r第i台柴油发电机组出力上限;
所述固定储能设备约束为:
其中,分别表示服务区r第v台固定储能充放电功率下限、上限;分别为服务区r第v台固定储能容量上下限;
所述移动储能设备约束包括基于时空网络模型的移动储能车状态约束、电池荷电状态约束和充放电功率限制约束;所述时空网络模型用于描述移动储能车的时空转移;所述时空网络模型为以调度时间跨度内的一个服务区为点,以电动汽车在给定的时间跨度内的移动路径为弧的时空网络图;
所述移动储能车状态约束为:
其中,r、n表示服务区编号,k为移动储能车编号,t表示时段编号,rn表示从服务区r到服务区n时空网络弧;A表示在一个时间跨度中时空网络中弧的组数,表示从服务区r开始的时空网络弧线组数,/>表示从服务区r发出的结束时空网络弧线组数,NS表示时间段数,/>表示在时段t内第k辆移动储能车的弧rn;/>表示服务区r内第k辆移动储能车初始状态,/>
表示服务区r内第k辆移动储能车的最终状态;表示时段1内第k辆移动储能车的弧rn;/>表示在时段NS内第k辆移动储能车的弧rn;
所述电池荷电状态约束为:
其中,SMBmax、SMBmin分别为移动储能容量上下限,为第k辆移动储能车时段t内剩余电量;
所述充放电功率限制约束为:
其中,分别表示第k辆移动储能车最小及最大交换功率。
可选的,所述约束条件还包括新能源自洽率约束;
新能源自洽率约束为:
其中,为时段t内服务区r第v台固定储能放电功率。
本发明还提供一种计及电动汽车负荷需求响应的微网优化运行系统,所述系统包括:
车流量预测数据模块,用于利用蒙特卡罗模拟法基于历史车流数据以及概率模型对高速公路中目标公路路段的每个出入口车流量进行预测,基于每个出入口车流量预测数据确定所述目标公路路段的路段车流量预测数据;所述目标公路路段为服务区的供电范围;
电动汽车充电需求确定模块,用于基于所述路段车流量预测数据和所述路段车流量预测数据对应的电动汽车SOC分布确定所述目标公路路段的电动汽车充电需求;
微网优化运行模型构建模块,用于响应于所述电动汽车充电需求,以服务区微网的微网功率交换与弃风弃光功率之和最小为目标函数,以功率平衡约束、光伏机组出力约束、风力机组出力约束、柴油发电机组出力约束、固定储能设备约束和移动储能设备约束为约束条件,构建服务区的微网优化运行模型;所述服务区微网包括服务区空调系统用电负荷、收费站用电负荷、高速公路照明负荷、负荷信号灯负荷、光伏发电机组、风力发电机组、柴油发电机组、固定储能设备和移动储能设备;
求解模块,用于对所述微网优化运行模型进行求解,确定满足所述电动汽车负荷需求的最佳优化运行方案;所述最佳优化运行方案为高速公路微网功率交换功率与弃风弃光功率之和最小时光伏机组出力、风力机组出力、柴油发电机组出力的最佳组合。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开一种计及电动汽车负荷需求响应的微网优化运行方法及系统,涉及微网优化运行领域,方法包括:利用蒙特卡罗模拟法基于历史车流数据以及概率模型对高速公路中目标公路路段的每个出入口车流量进行预测并确定目标公路路段的路段车流量预测数据;基于路段车流量预测数据和所述路段车流量预测数据对应的电动汽车SOC分布确定所述目标公路路段的电动汽车充电需求;响应于电动汽车充电需求,构建服务区的微网优化运行模型并且求解,确定满足电动汽车负荷需求的最佳优化运行方案。本发明中,采用蒙特卡罗模拟法基于历史车流数据以及概率模型对高速公路每个出入口车流进行预测,采用负荷需求响应精细化引导电动汽车充电行为,实现高速公路微网优化运行。
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一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的计及电动汽车负荷需求响应的微网优化运行方法流程图;
图2为本发明实施例1提供的高速公路示意图;
图3为本发明实施例1提供的服务区间时间跨度示意图;
图4为本发明实施例1提供的时空网络示意图。
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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种计及电动汽车负荷需求响应的微网优化运行方法,属于一种计及电动汽车需求响应和电动汽车负荷时空分布特性的高速公路微网优化运行方法,在高速公路微网群满足高速公路交通负荷的前提下,提高了可再生能源消纳率和用能绿色化水平。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
本实施例建立以高速公路微网功率交换与弃风弃光功率之和最小为目标的优化模型,基于历史数据考虑电动汽车流量于高速公路出入口的变化,将电动汽车负荷与实际车流量耦合,同时考虑电动汽车需求响应,引导电动汽车有序充电,提高新能源消纳率。约束条件包括功率平衡约束,各发电机组出力约束,固定储能设备约束、移动储能约束,并采用gorubi求解器对问题进行求解。
具体的,如图1所示,本实施例提供一种计及电动汽车负荷需求响应的微网优化运行方法,所述方法包括:
S1:利用蒙特卡罗模拟法基于历史车流数据以及概率模型对高速公路中目标公路路段的每个出入口车流量进行预测。具体应用形式为将历史车流数据的平均值、方差等统计量与概率模型相拟合,应用使用蒙特卡罗模拟法生成大量的随机数作为车流量的预测数据。基于每个出入口车流量预测数据确定所述目标公路路段的路段车流量预测数据;所述目标公路路段为服务区的供电范围。
所述基于每个出入口车流量预测数据确定所述目标公路路段的路段车流量预测数据,具体包括:
将所述目标公路路段各个出入口进出的所述车流量预测数据叠加得到所述路段车流量预测数据。
对于高速公路,考虑到车辆行驶时无法掉头只能单向行驶,故只将单向行驶电动汽车纳入优化问题,对向车辆方法相同。
假设高速公路途中有多个出入口,每个出入口均有车流上下高速公路。示意图如图2所示。
本发明的服务区供能建设思路为将高速公路进行分段,服务区微网负责对应路段内的照明、信号灯、收费站负荷供电以及经过服务区的电动汽车负荷供电。
电动汽车负荷作为高速公路主要用电负荷与车流量息息相关,车流沿高速公路依次经过各个服务区,充电负荷也随之沿线移动。本专利采用蒙特卡罗模拟法基于历史车流数据以及概率模型对高速公路每个出入口车流进行预测。当未经过出入口时,车流量保持不变并随时间推移沿高速公路向前移动;在经过出入口时,进出车流量直接累加到上一时段车流量上。将各个路口进出车流量叠加即可得到高速公路上的车流量。
S2:基于所述路段车流量预测数据和所述路段车流量预测数据对应的电动汽车SOC分布确定所述目标公路路段的电动汽车充电需求。
对于高速公路网整体而言,每一辆电动汽车在高速公路上行驶时具有明确目的地,以单个电动汽车荷电量计算为基础,将高速公路上行驶的所有电动汽车荷电量相加即可得到高速公路上电动汽车SOC分布。就高速公路上任意一点而言,将上述电动汽车SOC分布与预测所得车流量相结合,即可获得任意时刻通过该点的电动汽车充电需求。
步骤S2具体包括:
S21:在所述目标公路路段中,将所述路段车流量预测数据对应的所有电动汽车荷电量相加得到所述电动汽车SOC分布。
S22:基于所述路段车流量预测数据和所述电动汽车SOC分布确定所述目标公路路段的所述电动汽车充电需求。
步骤S22具体包括:
S221:确定电动汽车电池电量模型。
假设每辆驶入高速公路入口的电动汽车电池剩余电量服从如下正态分布:
式中,soci,initial为第i辆车进入高速公路时初始荷电状态(SOC),μsoc为初始SOC的均值,σsoc为初始SOC的标准差。
电动汽车电池电量模型
0≤soci,t≤socmax
式中,soci,t为第i辆电动汽车在时段t电池剩余电量,Prun为电动汽车行驶单位时间耗电量,Pcharge为电动汽车充电桩充电功率,ti,charge为Δt内电动汽车充电时长,ti,run为Δt内第i辆电动汽车行驶时长,SMe为电动汽车电池额定容量。
S222:基于所述电动汽车电池电量模型,以电动汽车到达服务区r时剩余电量必须满足到达下一服务区r+1为评估标准,对每辆预测的电动汽车到达所述服务区r的电池电量进行评估,得到在所述服务区r进行充电的电动汽车数量。
每辆电动汽车到达服务区r时对电池电量进行评估:
当电动汽车到达服务区r时剩余电量必须满足能够到达下一服务区r+1才可选择不充电。
soci,t·SMe≥Prun·Tr~r+1
式中,Prun为储能车行驶单位时间耗电量,Tr~r+1为由服务区r行驶至服务区r+1所需时间,Vrun为电动汽车群体沿高速公路向前移动的速度,lr~r+1为服务区r与服务区r+1间的距离。采用该式对每辆电动汽车荷电状态进行检查,可以筛选出时段t内在服务区r进行充电的电动汽车,对应数量为/>
S223:基于在所述服务区r进行充电的电动汽车数量和可再生能源出力变化后引起时段t内所述下一服务区r+1向所述服务区r转移的电动汽车数量确定所述服务区r内的电动汽车充电排队数量。
定义队列1为正在充电队列,队列内电动汽车数量队列2为排队队列,队列内电动汽车数量/>电动汽车进入服务区充电首先进入排队队列进行等待。当服务区充电桩出现空闲,排队队列中电动汽车依次进入充电队列进行充电,设时段t服务区r内由排队队列进入充电队列的电动汽车数量为/>完成充电后充电队列中电动汽车自动离开服务区,离开服务区电动汽车数量为/> 为可再生能源出力变化后引起时段t内服务区r+1向服务区r转移的电动汽车数量。
电动汽车充电排队模型:
设每个服务区有z个电动汽车充电桩。
当实时充电的电动汽车数量小于充电桩数量z,对应时段t内服务区r电动汽车充电功率为
当实时充电的电动汽车数量大于等于充电桩数量z,此时对应时段t内服务区r电动汽车充电功率为/>
所述可再生能源出力变化后引起时段t内所述下一服务区r+1向所述服务区r转移的电动汽车数量为:
其中,为可再生能源出力变化后引起时段t内下一服务区r+1向服务区r转移的电动汽车数量;/>为负荷转移弹性系数;Tr~r+1为服务区r内可再生能源出力变化提前预告时间;/>为变化前的可再生能源出力;/>为变化后的可再生能源出力;/> 为可再生能源出力改变前计划于时段t+Tr~r+1在服务区r+1充电的电动汽车数量。
的具体求解过程:
电动汽车负荷转移模型
电动汽车充电负荷与可再生能源出力的关系可以表示为:
式中,为时段t内服务区r可再生能源出力总和,w为新能源出力与电动汽车负荷之间的关系系数。
服务区内可再生能源出力发生变化时,会影响电动汽车用户的充电行为,从而改变充电负荷。引入负荷转移弹性系数可以很好地描述可再生能源出力变化与负荷变化量间的关系。负荷转移弹性系数是在某一时期内,用户充电负荷变化量与可再生能源出力变化量间的比值。
时段t内可再生能源出力由微网中各发电机组实时处理共同决定。
电动汽车充电负荷由于可再生能源出力的变化向其他服务区充电站转移,电动汽车用户将改变自己开始充电的时段t。假设各个充电站都会将自己站内可再生能源出力变化提前对Tr~r+1高速公路用户进行预告。设用户原计划充电时段可再生能源出力为变化后为/>若满足/>则得到可再生能源出力变化后引起时段t内服务区r+1向服务区r转移的电动汽车数量。
S224:基于所述服务区r内的电动汽车充电排队数量和所述服务区r内的正在充电的电动汽车数量确定所述电动汽车充电需求。
S3:响应于所述电动汽车充电需求,以服务区微网的微网功率交换与弃风弃光功率之和最小为目标函数,以功率平衡约束、光伏机组出力约束、风力机组出力约束、柴油发电机组出力约束、固定储能设备约束和移动储能设备约束为约束条件,构建服务区的微网优化运行模型;所述服务区微网包括服务区空调系统用电负荷、收费站用电负荷、高速公路照明负荷、负荷信号灯负荷、光伏发电机组、风力发电机组、柴油发电机组、固定储能设备和移动储能设备。
微电网主要包括服务区空调系统负荷、收费站负荷、高速公路照明、负荷信号灯负荷、光伏发电机组、风力发电机组、柴油发电机组以及储能设备(包括固定储能设备和移动储能设备)。
空调系统的能量消耗模型:
式中,t为时段序号,t=1,2,…,N;Tt r,in、Tt r,out分别为服务区r时段t内室内温度、室外温度;γ、Q、η分别为系统惯量、热传导系数和空调系统效率系数,为服务区r时段t内空调系统功率。其中“±”在空调制冷模式取“-”号,在加热模式取“+”号。
高速公路照明、信号灯负荷
高速公路沿途照明设施只在夜晚开启,信号灯全天工作,负荷可视为恒定值:
为时段t内服务区r照明设施额定功率。
为时段t内服务区r信号灯额定功率。
高速公路收费站负荷
高速公路收费站主要用电负荷为ETC门架,其负荷变化量与高速公路车流量息息相关,可将收费站划分到离其最近的服务区微电网中进行供电。收费站的照明设施用电可归入上一节照明负荷中。ETC门架负荷模型为:
式中,为时段t内服务区r第u台ETC门架耗能,pETC为单次ETC识别以及门闸开关耗能,Δnr,+(t)、Δnr,-(t)分别为时段t内服务区r对应路段驶入、离开高速公路车流量。
光伏出力的建模
太阳能辐射强度在一定的时间区间内分布规律可以用Beta分布描述:
式中,Γ为伽马函数,g、gmax分别为该时段实际光照强度和最大光照强度,α、β为形状参数,将光伏机组出力约束与光照强度历史观测数据相拟合从而得出太阳能辐射强度预测曲线。
光伏出力和太阳能辐射强度关系为:
式中,为服务区r第x台光伏机组时段t内可用功率,ηPV为光伏机组光电转换效率、/>为服务区r第x台光伏机组太阳能辐射面积,θt为时段t内太阳能辐射强度。
光伏机组出力约束如下:
/>
式中,为服务区r第x台光伏机组最大装机容量。
风电出力建模
由于风速受自然条件影响,具有波动性,因此风电机组出力具有不确定性。风速可由Weibull分布表示:
式中,vt为风速,φ、d为概率密度函数的形状和尺度参量。结合Weibull分布可获得风速预测曲线,结合风电出力与风速关系可以对风电处理进行预测。
风电出力和风速关系为:
式中,为服务区r内第y台风力发电机组时段t可用功率,/>为第i台风电机组额定功率,vt为实际风速,vin、vout、vrated为切入、切出、额定风速。
风力机组出力约束如下:
式中,为服务区r第y台风电机组
柴油发电机出力建模
柴油发电机燃油消耗量与发电功率间函数关系为:
式中,为服务区r内第z台柴油发电机组时段t内燃油消耗量,/>为服务区r内第z台柴油发电机组时段t内输出功率,/>为柴油发电机额定功率,a、b为燃油消耗曲线系数。
柴油发电机组出力约束:
式中,为服务区r第i台柴油发电机组出力上限。
储能建模
储能设施主要包括服务区内固定储能和移动储能车。
固定储能荷电量与充放电功率关系为:
式中,为服务区r第v台储能设备在时段t剩余电量,/>为服务区r第v台固定储能设备在时段t内充放电功率,tB为固定储能充放电时间。/>
固定储能装置充放电约束:
式中,分别表示服务区r第v台固定储能充放电功率下限、上限,分别为服务区r第v台固定储能容量上下限。
移动储能车
移动储能车联系高速公路沿线各微网。由于各个微网风光出力不同,移动储能车可以将满电电池从风光出力充足微网运送至风光出力不足的微网,将空电电池运送至风光出力充足微网进行充电,从而提高高速公路微网群运行的可靠性。
本发明通过建立一种时空网络图以准确描述移动储能车的时空转移灵活性。
如图3所示,假设有一段拥有三个服务区的高速公路在服务区1和服务区3之间的交通时间是其他服务区之间交通时间的两倍。为简化问题,在服务区1和服务区3的连通路径中间建立虚拟服务区4,以便在四个服务区之间可以采用相等的时间跨度。
移动储能车的行驶策略可以由图4说明。图4中的竖轴代表服务区(空间分布);横轴表示调度行为在时间跨度上的持续时长。
图4中,点和弧分别表示时空网络两种主要的组成部分。每个点表示调度时间跨度内的一个服务区(实际的或虚拟的),而一个弧则表示车辆在给定的时间跨度内可能的移动路径。本模型中,时空网络有两种形式的弧。第一种形式表示移动储能车传输在某一站点停靠来与电网进行能量交换,即图4中水平的实线,即“接入弧”。第二种弧线表示在给定时间内站点之间的移动储能车传输,在图4中表示为斜虚线,即“运输弧”。需注意的是,服务区可以由两种弧线连接,而虚拟服务区只能用“运输弧”连接。
在时空网络模型中,移动储能车可按下式建立模型
上述4个公式为移动储能车状态约束,每个移动储能车k在时间段t内只能在一个弧线上。
式中,r、n表示服务区编号,k为移动储能车编号,t表示时段编号,rn表示从服务区r到服务区n时空网络弧;A表示在一个时间跨度中时空网络中弧的组数,表示从服务区r开始的时空网络弧线组数,/>表示在服务区r结束的时空网络弧线组数,NS表示时间段数,表示在时段t内第k辆移动储能车的弧rn,/>表示服务区r内第k辆移动储能车初始状态,/>表示服务区r内第k辆移动储能车的最终状态。
电池荷电状态约束
式中,SMBmax、SMBmin分别为移动储能容量上下限,为第k辆移动储能车时段t内剩余电量。
充放电功率限制约束
式中,分别表示第k辆移动储能车最小及最大交换功率,/>取值为负值,/>表示第k辆移动储能车在时段t于服务区r注入或吸收电能,/>时处于充电状态,/>时处于放电状态。
移动储能车荷电量与充放电功率关系为:
目标函数:
本发明以高速公路微网功率交换与弃风弃光功率之和最小,包括固定储能充放电功率、电动汽车充电功率、微网内柴油发电机发电功率、弃风弃光功率。
所述目标函数为:
其中,Nr为服务区个数;为服务区r时段t内服务区工作的储能设备组数;NMB,t为时段t内参与调度的储能车数量;/>为服务区r时段t内第v台固定储能装置充放电功率;/>为服务区r时段t内充电的电动汽车台数;/>为电动汽车充电状态变量;Pcharge为电动汽车充电桩充电功率;/>为时段t内第k辆移动储能车所在的弧rr;/>表示第k辆移动储能车在时段t于服务区r注入或吸收电能;/>为服务区r时段t内服务区工作的柴油发电机组数量;/>为服务区r时段t内服务区工作的光伏机组数量;/>为服务区r时段t内服务区工作的风力发电机组数量;/>为服务区r内第z台柴油发电机组时段t内输出功率;/>为服务区r第x台光伏机组时段t内可用功率;/>为服务区r内第y台风力发电机组时段t可用功率;/>为时段t内服务区r内第x台光伏发电机组实际出力;/>为时段t内服务区r第y台风力发电机组实际出力。
为电动汽车充电状态变量满足式soci,t·SMe≥Prun·Tr~r+1取0,反之/>取1。
约束条件:
所述功率平衡约束为:
其中,为时段t内服务区r内第x台柴油发电机组实际出力;/>为服务区r第v台固定储能设备在时段t内充放电功率;/>分别为时段t内服务区r对应路段照明灯、信号灯个数;/>为服务区r负责路段内ETC门架数量;/>分别为服务区r照明灯、信号灯的运行功率;/>为时段t内服务区r第u台ETC门架耗能;/>为服务区r时段t内空调系统功率;/>为时段t内服务区r电动汽车充电功率。
所述光伏机组出力约束为:
其中,为服务区r第x台光伏机组最大装机容量;
所述风力机组出力约束为:
其中,为服务区r第y台风电机组;
所述柴油发电机组出力约束为:
其中,为服务区r第i台柴油发电机组出力上限;
所述固定储能设备约束为:
其中,分别表示服务区r第v台固定储能充放电功率下限、上限;分别为服务区r第v台固定储能容量上下限;
所述移动储能设备约束包括基于时空网络模型的移动储能车状态约束、电池荷电状态约束和充放电功率限制约束;所述时空网络模型用于描述移动储能车的时空转移;所述时空网络模型为以调度时间跨度内的一个服务区为点,以电动汽车在给定的时间跨度内的移动路径为弧的时空网络图;为点的服务区可以是实际的服务区或虚拟的服务区;虚拟的服务区为在相邻两个实际的服务区之间假设的服务区;虚拟的服务区与相邻两个实际的服务区的交通时间相同。
所述移动储能车状态约束为:
其中,r、n表示服务区编号,k为移动储能车编号,t表示时段编号,rn表示从服务区r到服务区n时空网络弧;A表示在一个时间跨度中时空网络中弧的组数,表示从服务区r开始的时空网络弧线组数,/>表示从服务区r发出的结束时空网络弧线组数,NS表示时间段数,/>表示在时段t内第k辆移动储能车的弧rn;/>表示服务区r内第k辆移动储能车初始状态,/>表示服务区r内第k辆移动储能车的最终状态;/>表示时段1内第k辆移动储能车的弧rn;/>表示/>表示在时段NS内第k辆移动储能车的弧rn;
所述电池荷电状态约束为:
其中,SMBmax、SMBmin分别为移动储能容量上下限,为第k辆移动储能车时段t内剩余电量;
所述充放电功率限制约束为:
其中,分别表示第k辆移动储能车最小及最大交换功率。
所述约束条件还包括新能源自洽率约束;
新能源自洽率约束为:
其中,为时段t内服务区r第v台固定储能放电功率。
S4:对所述微网优化运行模型进行求解,确定满足所述电动汽车负荷需求的最佳优化运行方案;所述最佳优化运行方案为高速公路微网功率交换功率与弃风弃光功率之和最小时光伏机组出力、风力机组出力、柴油发电机组出力的最佳组合。
本实施例中,由于目前存在的一些高速公路微网优化运行方案,但并未充分考虑电动汽车充电负荷动态变化特点,且对于新能源消纳率的提升有限,本发明采用蒙特卡洛模拟法将电动汽车负荷变化情况与实际相拟合,充分体现电动汽车负荷的时空分布特性。同时通过电动汽车需求响应精细化引导电动汽车有序充电,实现优化电动汽车出行、提高新能源消纳率的目的。
采用蒙特卡罗模拟法基于历史车流数据以及概率模型对高速公路每个出入口车流进行预测,采用负荷需求响应精细化引导电动汽车充电行为,实现高速公路微网优化运行,是本发明的主要创新点。
实施例2
本实施例提供一种计及电动汽车负荷需求响应的微网优化运行系统,所述系统包括:
车流量预测数据模块,用于利用蒙特卡罗模拟法基于历史车流数据以及概率模型对高速公路中目标公路路段的每个出入口车流量进行预测,基于每个出入口车流量预测数据确定所述目标公路路段的路段车流量预测数据;所述目标公路路段为服务区的供电范围。
电动汽车充电需求确定模块,用于基于所述路段车流量预测数据和所述路段车流量预测数据对应的电动汽车SOC分布确定所述目标公路路段的电动汽车充电需求。
微网优化运行模型构建模块,用于响应于所述电动汽车充电需求,以服务区微网的微网功率交换与弃风弃光功率之和最小为目标函数,以功率平衡约束、光伏机组出力约束、风力机组出力约束、柴油发电机组出力约束、固定储能设备约束和移动储能设备约束为约束条件,构建服务区的微网优化运行模型;所述服务区微网包括服务区空调系统用电负荷、收费站用电负荷、高速公路照明负荷、负荷信号灯负荷、光伏发电机组、风力发电机组、柴油发电机组、固定储能设备和移动储能设备。
求解模块,用于对所述微网优化运行模型进行求解,确定满足所述电动汽车负荷需求的最佳优化运行方案;所述最佳优化运行方案为高速公路微网功率交换功率与弃风弃光功率之和最小时光伏机组出力、风力机组出力、柴油发电机组出力的最佳组合。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种计及电动汽车负荷需求响应的微网优化运行方法,其特征在于,所述方法包括:
利用蒙特卡罗模拟法基于历史车流数据以及概率模型对高速公路中目标公路路段的每个出入口车流量进行预测,基于每个出入口车流量预测数据确定所述目标公路路段的路段车流量预测数据;所述目标公路路段为服务区的供电范围;
基于所述路段车流量预测数据和所述路段车流量预测数据对应的电动汽车SOC分布确定所述目标公路路段的电动汽车充电需求;
响应于所述电动汽车充电需求,以服务区微网的微网功率交换与弃风弃光功率之和最小为目标函数,以功率平衡约束、光伏机组出力约束、风力机组出力约束、柴油发电机组出力约束、固定储能设备约束和移动储能设备约束为约束条件,构建服务区的微网优化运行模型;所述服务区微网包括服务区空调系统用电负荷、收费站用电负荷、高速公路照明负荷、负荷信号灯负荷、光伏发电机组、风力发电机组、柴油发电机组、固定储能设备和移动储能设备;
对所述微网优化运行模型进行求解,确定满足所述电动汽车负荷需求的最佳优化运行方案;所述最佳优化运行方案为高速公路微网功率交换功率与弃风弃光功率之和最小时光伏机组出力、风力机组出力、柴油发电机组出力的最佳组合。
2.根据权利要求1所述的方法,其特征在于,所述基于每个出入口车流量预测数据确定所述目标公路路段的路段车流量预测数据,具体包括:
将所述目标公路路段各个出入口进出的所述车流量预测数据叠加得到所述路段车流量预测数据。
3.根据权利要求1所述的方法,其特征在于,基于所述路段车流量预测数据和所述路段车流量预测数据对应的电动汽车SOC分布确定所述目标公路路段的电动汽车充电需求,具体包括:
在所述目标公路路段中,将所述路段车流量预测数据对应的所有电动汽车荷电量相加得到所述电动汽车SOC分布;
基于所述路段车流量预测数据和所述电动汽车SOC分布确定所述目标公路路段的所述电动汽车充电需求。
4.根据权利要求3所述的方法,其特征在于,基于所述路段车流量预测数据和所述电动汽车SOC分布确定所述目标公路路段的所述电动汽车充电需求,具体包括:
确定电动汽车电池电量模型;
基于所述电动汽车电池电量模型,以电动汽车到达服务区r时剩余电量必须满足到达下一服务区r+1为评估标准,对每辆预测的电动汽车到达所述服务区r的电池电量进行评估,得到在所述服务区r进行充电的电动汽车数量;
基于在所述服务区r进行充电的电动汽车数量和可再生能源出力变化后引起时段t内所述下一服务区r+1向所述服务区r转移的电动汽车数量确定所述服务区r内的电动汽车充电排队数量。
基于所述服务区r内的电动汽车充电排队数量和所述服务区r内的正在充电的电动汽车数量确定所述电动汽车充电需求。
5.根据权利要求4所述的方法,其特征在于,所述可再生能源出力变化后引起时段t内所述下一服务区r+1向所述服务区r转移的电动汽车数量为:
其中,为可再生能源出力变化后引起时段t内下一服务区r+1向服务区r转移的电动汽车数量;/>为负荷转移弹性系数;Tr~r+1为服务区r内可再生能源出力变化提前预告时间;/>为变化前的可再生能源出力;/>为变化后的可再生能源出力; 为可再生能源出力改变前计划于时段t+Tr~r+1在服务区r+1充电的电动汽车数量。
6.根据权利要求5所述的方法,其特征在于,所述服务区r内的电动汽车充电排队数量为:
其中,为时段t服务区r内充电排队队列的电动汽车数量;/>为时段t服务区r内由排队队列进入充电队列的电动汽车数量;/>为时段t服务区r内完成充电的电动汽车数量。
7.根据权利要求6所述的方法,其特征在于,所述目标函数为:
其中,Nr为服务区个数;为服务区r时段t内服务区工作的储能设备组数;NMB,t为时段t内参与调度的储能车数量;/>为服务区r时段t内第v台固定储能装置充放电功率;为服务区r时段t内充电的电动汽车台数;/>为电动汽车充电状态变量;Pcharge为电动汽车充电桩充电功率;/>表示时段t内第k辆移动储能车所在的弧rr;/>表示第k辆移动储能车在时段t于服务区r注入或吸收电能;/>为服务区r时段t内服务区工作的柴油发电机组数量;/>为服务区r时段t内服务区工作的光伏机组数量;/>为服务区r时段t内服务区工作的风力发电机组数量;/>为服务区r内第z台柴油发电机组时段t内输出功率;/>为服务区r第x台光伏机组时段t内可用功率;/>为服务区r内第y台风力发电机组时段t可用功率;/>为时段t内服务区r内第x台光伏发电机组实际出力;/>为时段t内服务区r第y台风力发电机组实际出力。
8.根据权利要求7所述的方法,其特征在于,所述功率平衡约束为:
其中,为时段t内服务区r内第x台柴油发电机组实际出力;/>为服务区r第v台固定储能设备在时段t内充放电功率;/>为照明设施状态变量;/>分别为时段t内服务区r对应路段照明灯、信号灯个数;/>为服务区r负责路段内ETC门架数量;分别为服务区r照明灯、信号灯的运行功率;/>为时段t内服务区r第u台ETC门架耗能;/>为服务区r时段t内空调系统功率;/>为时段t内服务区r电动汽车充电功率;
所述光伏机组出力约束为:
其中,为服务区r第x台光伏机组最大装机容量;
所述风力机组出力约束为:
其中,为服务区r第y台风电机组;
所述柴油发电机组出力约束为:
其中,为服务区r第i台柴油发电机组出力上限;
所述固定储能设备约束为:
其中,分别表示服务区r第v台固定储能充放电功率下限、上限;分别为服务区r第v台固定储能容量上下限;
所述移动储能设备约束包括基于时空网络模型的移动储能车状态约束、电池荷电状态约束和充放电功率限制约束;所述时空网络模型用于描述移动储能车的时空转移;所述时空网络模型为以调度时间跨度内的一个服务区为点,以电动汽车在给定的时间跨度内的移动路径为弧的时空网络图;
所述移动储能车状态约束为:
其中,r、n表示服务区编号,k为移动储能车编号,t表示时段编号,rn表示从服务区r到服务区n时空网络弧;A表示在一个时间跨度中时空网络中弧的组数,表示从服务区r开始的时空网络弧线组数,/>表示从服务区r发出的结束时空网络弧线组数,NS表示时间段数,/>表示在时段t内第k辆移动储能车的弧rn;/>表示服务区r内第k辆移动储能车初始状态,/>表示服务区r内第k辆移动储能车的最终状态;/>表示表示时段1内第k辆移动储能车的弧rn;/>表示在时段NS内第k辆移动储能车的弧rn;
所述电池荷电状态约束为:
其中,SMBmax、SMBmin分别为移动储能容量上下限,为第k辆移动储能车时段t内剩余电量;
所述充放电功率限制约束为:
其中,分别表示第k辆移动储能车最小及最大交换功率。
9.根据权利要求8所述的方法,其特征在于,所述约束条件还包括新能源自洽率约束;
新能源自洽率约束为:
其中,为时段t内服务区r第v台固定储能放电功率。
10.一种计及电动汽车负荷需求响应的微网优化运行系统,其特征在于,所述系统包括:
车流量预测数据模块,用于利用蒙特卡罗模拟法基于历史车流数据以及概率模型对高速公路中目标公路路段的每个出入口车流量进行预测,基于每个出入口车流量预测数据确定所述目标公路路段的路段车流量预测数据;所述目标公路路段为服务区的供电范围;
电动汽车充电需求确定模块,用于基于所述路段车流量预测数据和所述路段车流量预测数据对应的电动汽车SOC分布确定所述目标公路路段的电动汽车充电需求;
微网优化运行模型构建模块,用于响应于所述电动汽车充电需求,以服务区微网的微网功率交换与弃风弃光功率之和最小为目标函数,以功率平衡约束、光伏机组出力约束、风力机组出力约束、柴油发电机组出力约束、固定储能设备约束和移动储能设备约束为约束条件,构建服务区的微网优化运行模型;所述服务区微网包括服务区空调系统用电负荷、收费站用电负荷、高速公路照明负荷、负荷信号灯负荷、光伏发电机组、风力发电机组、柴油发电机组、固定储能设备和移动储能设备;
求解模块,用于对所述微网优化运行模型进行求解,确定满足所述电动汽车负荷需求的最佳优化运行方案;所述最佳优化运行方案为高速公路微网功率交换功率与弃风弃光功率之和最小时光伏机组出力、风力机组出力、柴油发电机组出力的最佳组合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310476222.XA CN116505517A (zh) | 2023-04-28 | 2023-04-28 | 计及电动汽车负荷需求响应的微网优化运行方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310476222.XA CN116505517A (zh) | 2023-04-28 | 2023-04-28 | 计及电动汽车负荷需求响应的微网优化运行方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116505517A true CN116505517A (zh) | 2023-07-28 |
Family
ID=87319797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310476222.XA Pending CN116505517A (zh) | 2023-04-28 | 2023-04-28 | 计及电动汽车负荷需求响应的微网优化运行方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116505517A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116663869A (zh) * | 2023-08-01 | 2023-08-29 | 国网安徽省电力有限公司巢湖市供电公司 | 一种基于虚拟电厂的电动汽车集中充电管理系统 |
-
2023
- 2023-04-28 CN CN202310476222.XA patent/CN116505517A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116663869A (zh) * | 2023-08-01 | 2023-08-29 | 国网安徽省电力有限公司巢湖市供电公司 | 一种基于虚拟电厂的电动汽车集中充电管理系统 |
CN116663869B (zh) * | 2023-08-01 | 2024-01-12 | 国网安徽省电力有限公司巢湖市供电公司 | 一种基于虚拟电厂的电动汽车集中充电管理系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103793758B (zh) | 含光伏发电系统的电动汽车充电站的多目标优化调度方法 | |
Erol-Kantarci et al. | Prediction-based charging of PHEVs from the smart grid with dynamic pricing | |
Lee et al. | Shared solar-powered EV charging stations: Feasibility and benefits | |
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 | |
CN111310966A (zh) | 含电动汽车充电站的微电网选址及优化配置方法 | |
Leone et al. | Multi-objective optimization of PV and energy storage systems for ultra-fast charging stations | |
CN109948823B (zh) | 一种光储充电塔自适应鲁棒日前优化调度方法 | |
CN104966127A (zh) | 一种基于需求响应的电动汽车经济调度方法 | |
CN110232219B (zh) | 一种基于数据挖掘的电动汽车可调度容量核定方法 | |
CN113326467B (zh) | 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统 | |
CN116505517A (zh) | 计及电动汽车负荷需求响应的微网优化运行方法及系统 | |
CN115239032B (zh) | 计及能源自洽率的高速公路服务区微电网规划方法及系统 | |
CN110065410A (zh) | 一种基于模糊控制的电动汽车充放电率控制方法 | |
CN116029453A (zh) | 一种电动汽车充电桩配置方法、记录媒体及系统 | |
Brenna et al. | Synergy between renewable sources and electric vehicles for energy integration in distribution systems | |
Zheng et al. | Optimal dispatch for reversible solid oxide cell-based hydrogen/electric vehicle aggregator via stimuli-responsive charging decision estimation | |
Takahashi et al. | Optimal sizing of a microgrid system with EV charging station in Park & Ride facility | |
Bonaiuto et al. | A Matlab Simulink model for the study of smart grid—Grid-integrated vehicles interactions | |
CN113052450B (zh) | 一种适应电能替代发展战略的城市能源互联网规划方法 | |
Wang et al. | Optimal sizing of photovoltaic and battery energy storage of electric vehicle charging station based on two-part electricity pricing | |
CN114006390A (zh) | 一种电动汽车充电负荷参与电网互动仿真方法及系统 | |
Qian et al. | An electric vehicle charging load prediction method based on travel trajectory characteristics | |
Marty et al. | Economic incentives for reducing peak power utilization in electric vehicle charging stations | |
CN112785070A (zh) | 一种电动汽车停车充电的负荷预测方法及装置 | |
CN118014169B (zh) | 一种基于路灯光储充的能源网络优化方法和装置 |
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 |