CN116861627B - 一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法 - Google Patents
一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法 Download PDFInfo
- Publication number
- CN116861627B CN116861627B CN202310619354.3A CN202310619354A CN116861627B CN 116861627 B CN116861627 B CN 116861627B CN 202310619354 A CN202310619354 A CN 202310619354A CN 116861627 B CN116861627 B CN 116861627B
- Authority
- CN
- China
- Prior art keywords
- carbon
- traffic network
- vehicle
- network
- electric power
- 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.)
- Active
Links
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 115
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 113
- 239000000446 fuel Substances 0.000 title claims abstract description 72
- 229910052739 hydrogen Inorganic materials 0.000 title claims abstract description 55
- 239000001257 hydrogen Substances 0.000 title claims abstract description 55
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000004044 response Effects 0.000 title claims abstract description 33
- 230000008878 coupling Effects 0.000 claims abstract description 23
- 238000010168 coupling process Methods 0.000 claims abstract description 23
- 238000005859 coupling reaction Methods 0.000 claims abstract description 23
- 230000009467 reduction Effects 0.000 claims abstract description 11
- 238000005984 hydrogenation reaction Methods 0.000 claims description 32
- 238000009826 distribution Methods 0.000 claims description 19
- 238000005457 optimization Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000005284 excitation Effects 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 6
- 239000000295 fuel oil Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000097 high energy electron diffraction Methods 0.000 claims description 3
- 238000003032 molecular docking Methods 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000009466 transformation Effects 0.000 abstract 2
- 230000008901 benefit Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000006386 neutralization reaction Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000007704 transition 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/04—Power grid distribution 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Power Engineering (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公布了一种计及氢燃料汽车的电力‑交通网碳需求响应最优调度方法,基于电动汽车和氢燃料汽车的空间灵活性,建立碳需求响应机制激励汽车用户参与调度。首先,计及了电网、交通网的运行约束,构建了计及氢燃料汽车的电力‑交通网低碳‑经济调度模型;然后计算碳减排贡献度,制定碳需求响应机制,构建了计及氢燃料汽车的电力‑交通网碳需求响应最优调度模型。本发明同时考虑了电动汽车和氢燃料汽车在当前全球低碳转型的背景下对电力‑交通网的影响,并通过对两者的灵活调度,在保证耦合模型经济性的同时大幅减少碳排放量,有利于电力‑交通网的低碳转型。
Description
技术领域
本发明属于电力-交通网协同优化技术领域,具体涉及一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法
背景技术
随着“碳达峰、碳中和”战略的提出以及电池、电制氢、储氢等技术的不断突破,以电动汽车和氢燃料汽车为代表的新能源汽车产业迎来重要发展机遇,其具有零排放、环保节能等优点,对于减少传统燃油车的碳排放具有积极作用。据统计,截至2022年,新能源汽车累计产量已超过300万辆,销量接近300万辆。但是,大规模电动汽车和氢燃料汽车的普及同样对配电网提出了挑战,由于电动汽车和氢燃料汽车本身具有的时空灵活性,它们的充电和加氢行为给电网带来了大量的不确定性负荷,因此,有必要对电力-交通网的协同优化进行研究。
但是,如何准确评估电动汽车和氢燃料汽车所带来的环境效益仍然是一个重大的问题。另外,电力交通系统从传统的经济调度模式向低碳经济调度模式的转变也是一个难题,因为缺乏有效的激励措施来推动电动汽车和氢燃料汽车的碳需求响应。这个问题阻碍了新能源汽车的推广,因此需要制定新的政策框架,对电动汽车和氢燃料汽车的减排贡献进行激励,以推动其发展和推广,从而助力实现“双碳”目标。
基于上述说明,本发明所提出的计及氢燃料汽车的电力-交通网碳需求响应最优调度方法主要考虑以下两个方面:一是建立电力-交通网协同优化模型,并考虑碳排放量的目标,在过去单一经济目标的基础上改进为碳排放-经济调度;二是在碳排放-经济目标的基础上,引入电动汽车和氢燃料汽车的需求响应机制,提高用户参与调度积极性。
发明内容
发明目的:本发明所要解决的技术问题是针对现有技术存在的不足而提供一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法。本发明计及了电力系统、交通网系统的协同,引入需求响应机制,通过碳价格定量分析电动汽车和氢燃料汽车各自的碳减排贡献,在其充电和加氢时发放碳激励。本发明不仅能够实现电力-交通网的碳排放-经济最优调度,还在其基础上保障了电动汽车和氢燃料汽车用户自身的权益,进而提高其参与调度的积极性。
技术方案:为了解决上述技术问题,本发明提供一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法,该方法包括以下步骤:
步骤1、获取电力-交通网耦合模型的网络系数和运行系数,所述网络系数包括电网线路电阻和阻抗、交通网路段自由通行时间和路段容量、路段和路径耦合系数,所述运行系数包括发电机组发电系数、碳排放系数、单位行驶时间成本、碳价;
步骤2、获取电网负荷、交通需求及光伏出力场景数据;
步骤3、针对获取的电力-交通网耦合模型的网络系数、运行系数和场景数据,以电网运行约束、交通网运行约束及两网耦合约束为约束条件,以系统碳排放和系统经济成本最小为一组目标函数,建立计及氢燃料汽车的电力-交通网碳排放-经济最优调度模型,求解得计及氢燃料汽车的电力-交通网碳排放-经济最优调度模型的调度结果;
步骤4、基于步骤3中的计及氢燃料汽车的电力-交通网碳排放-经济最优调度模型的调度结果计算各车对碳减排的贡献度,对各车的碳减排贡献发放激励,建立计及氢燃料汽车的电力-交通网碳需求响应最优调度模型;
步骤5、基于步骤4中的计及氢燃料汽车的电力-交通网碳需求响应最优调度模型,利用非线性优化求解器求解该模型,对所述的配电网和交通网进行优化调度以得到计及氢燃料汽车的电力-交通网碳需求响应优化最优调度方案。
进一步的,步骤3中,计及氢燃料汽车的电力-交通网碳排放-经济最优调度模型相关运行约束,具体如下:
(1)电网运行约束:
式中,和/>分别表示线路ij的有功功率和无功功率;/>和/>分别表示节点j处分布式电源的有功功率和无功功率;/>分别表示线路ij的电阻、电抗、阻抗;/>表示电路ij的电流;π(j)表示与节点j相连的子节点h所构成的集合;/>和/>分别表示线路jh的有功功率和无功功率;/>和/>分别表示节点j的有功和无功负荷;Uj表示节点j处电压幅值平方;Ui表示节点i处电压幅值平方;/>表示电路ij的电流上限;/>和/>分别表示节点i处电压幅值平方下限和上限,/>和/>分别表示节点i处分布式电源有功出力的下限和上限;/>和/>分别表示节点i处分布式电源无功出力的下限和上限;
(2)交通网运行约束:
πg、πe、πh分别表示燃油车、电动汽车和氢燃料汽车的渗透率;rs表示交通出行需求的起止点集合;qrs表示出发点r为目的地为s的交通需求车辆数目;分别表示出发点为r目的地为s的燃油车、电动汽车和氢燃料汽车的路径集合;/> 分别表示选择路径k的燃油车、电动汽车、氢燃料汽车交通流量;/>分别表示常规路段、充电路段、加氢路段集合;/>分别表示常规路段、充电路段、加氢路段的交通流量;/>分别表示常规路段、充电路段、加氢路段能容纳的车辆数目;分别表示判断燃油车、电动汽车和氢燃料汽车所在的路段a是否属于路径k的二进制变量,若属于则取1,否则取0;/>分别表示常规路段行驶时间,充电时间、加氢时间;/>分别表示常规路段、充电路段、加氢路段零交通流下的自由通行时间;J为充电、加氢时间模型参数;/> 分别表示出发点r为目的地为s的燃油车、电动汽车、氢燃料汽车选择路径k时需支付的通行成本;/>分别表示出发点r为目的地为s的燃油车、电动汽车、氢燃料汽车的最小通行成本;ω、/>分别表示单位行驶时间成本、充电价格、加氢价格;Tolla、/>分别表示拥挤定价,充电服务费、加氢服务费;Ee、Hh分别表示电动汽车充电需求和加氢需求;
(3)两网耦合约束
式中,表示节点处的常规电力负荷;C(j)、H(j)分别表示与节点j相连的充电路段、加氢路段集合;ξ表示电氢转换系数。
进一步的,步骤3中,以系统碳排放和系统经济成本最小的一组目标函数为:
式中,为交通网碳排放量,/>为配电网碳排放量,Femi为系统总碳排量,/>为交通网经济成本,/>为配电网经济成本,Feco为系统总经济成本;
式中,EN表示电网节点集合;π(0)表示与电网根节点相连的节点集合;和/>分别表示节点i处分布式电源和配电网上级主网的碳排放系数;bi表示节点i处分布式电源的成本系数;ρ和/>分别表示配电网上级主网电价和电量,/>表示常规路段中燃油车产生的碳排放量,其计算公式如下:
式中,表示常规路段的长度;
考虑碳排放目标和经济成本目标存在冲突性,采用增强epsilon约束法来求解碳-经济优化问题,转化为单目标优化如下:
式中,seps为引入的辅助变量,weps为经济目标函数的上下限之差,为经济目标函数值上限,ζ为权重系数,N为经济目标函数取值区间分成的段数。
进一步的,步骤4中,计及氢燃料汽车的电力-交通网碳需求响应最优调度模型为:
式中,ν表示碳价格;Emieco表示电力-交通网耦合模型以系统经济成本最小为目标的碳排放量,EmiHEED表示电力-交通网耦合模型以系统碳排放和系统经济成本最小为目标的碳排放量;表示充电站和加氢站分得的激励,/>分别表示出发点r为目的地为s的电动汽车、氢燃料汽车经过激励后选择路径k时需支付的通行成本。
有益效果:与现有技术相比,本发明的技术方案具有以下有益效果:
本发明的技术方案与传统电力-交通网经济调度的基础方案相比,本发明同时考虑了经济成本和碳排放量,实现了碳-经济最优,并通过引入计及电动汽车和氢燃料汽车的需求响应机制,用碳价衡量各车的减排贡献,再凭此对各车发放碳激励。算例测试结果表明,本发明所提方法较现有方法能提高汽车用户参与调度的积极性,既保障了电-交通网协同运行的经济性,又降低了两网的碳排放量。
附图说明
图1是本发明方法流程图;
图2是电-交通网耦合模型算例图;
图3是不同调度方式下主网购电量和分布式电源出力图;
图4是不同调度方式下各出发点-目的地的出行成本图。
具体实施方式
下面结合附图和具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等同形式的修改均落于本申请所附权利要求所限定的范围。
本发明提供一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法,该方法包括以下步骤:
步骤1、获取电力-交通网耦合模型的网络系数和运行系数,所述网络系数包括电网线路电阻和阻抗、交通网路段自由通行时间和路段容量、路段和路径耦合系数,所述运行系数包括发电机组发电系数、碳排放系数、单位行驶时间成本、碳价;
步骤2、获取电网负荷、交通需求及光伏出力场景数据;
步骤3、针对获取的电力-交通网耦合模型的网络系数、运行系数和场景数据,以电网运行约束、交通网运行约束及两网耦合约束为约束条件,以系统碳排放和系统经济成本最小为一组目标函数,建立计及氢燃料汽车的电力-交通网碳排放-经济最优调度模型,求解得计及氢燃料汽车的电力-交通网碳排放-经济最优调度模型的调度结果;
步骤4、基于步骤3中的计及氢燃料汽车的电力-交通网碳排放-经济最优调度模型的调度结果计算各车对碳减排的贡献度,对各车的碳减排贡献发放激励,建立计及氢燃料汽车的电力-交通网碳需求响应最优调度模型;
步骤5、基于步骤4中的计及氢燃料汽车的电力-交通网碳需求响应最优调度模型,利用非线性优化求解器求解该模型,对所述的配电网和交通网进行优化调度以得到计及氢燃料汽车的电力-交通网碳需求响应优化最优调度方案。
进一步的,步骤3中,计及氢燃料汽车的电力-交通网碳排放-经济最优调度模型相关运行约束,具体如下:
(1)电网运行约束:
式中,和/>分别表示线路ij的有功功率和无功功率;/>和/>分别表示节点j处分布式电源的有功功率和无功功率;/>分别表示线路ij的电阻、电抗、阻抗;/>表示电路ij的电流;π(j)表示与节点j相连的子节点h所构成的集合;/>和/>分别表示线路jh的有功功率和无功功率;/>和/>分别表示节点j的有功和无功负荷;Uj表示节点j处电压幅值平方;Ui表示节点i处电压幅值平方;/>表示电路ij的电流上限;/>和/>分别表示节点i处电压幅值平方下限和上限,/>和/>分别表示节点i处分布式电源有功出力的下限和上限;/>和/>分别表示节点i处分布式电源无功出力的下限和上限;
(2)交通网运行约束:
πg、πe、πh分别表示燃油车、电动汽车和氢燃料汽车的渗透率;rs表示交通出行需求的起止点集合;qrs表示出发点r为目的地为s的交通需求车辆数目;分别表示出发点为r目的地为s的燃油车、电动汽车和氢燃料汽车的路径集合;/> 分别表示选择路径k的燃油车、电动汽车、氢燃料汽车交通流量;/>分别表示常规路段、充电路段、加氢路段集合;/>分别表示常规路段、充电路段、加氢路段的交通流量;/>分别表示常规路段、充电路段、加氢路段能容纳的车辆数目;分别表示判断燃油车、电动汽车和氢燃料汽车所在的路段a是否属于路径k的二进制变量,若属于则取1,否则取0;/>分别表示常规路段行驶时间,充电时间、加氢时间;/>分别表示常规路段、充电路段、加氢路段零交通流下的自由通行时间;J为充电、加氢时间模型参数;/> 分别表示出发点r为目的地为s的燃油车、电动汽车、氢燃料汽车选择路径k时需支付的通行成本;/>分别表示出发点r为目的地为s的燃油车、电动汽车、氢燃料汽车的最小通行成本;ω、/>分别表示单位行驶时间成本、充电价格、加氢价格;Tolla、/>分别表示拥挤定价,充电服务费、加氢服务费;Ee、Hh分别表示电动汽车充电需求和加氢需求;
(3)两网耦合约束
式中,表示节点处的常规电力负荷;C(j)、H(j)分别表示与节点j相连的充电路段、加氢路段集合;ξ表示电氢转换系数。
进一步的,步骤3中,以系统碳排放和系统经济成本最小的一组目标函数为:
式中,为交通网碳排放量,/>为配电网碳排放量,Femi为系统总碳排量,/>为交通网经济成本,/>为配电网经济成本,Feco为系统总经济成本;
式中,EN表示电网节点集合;π(0)表示与电网根节点相连的节点集合;和/>分别表示节点i处分布式电源和配电网上级主网的碳排放系数;bi表示节点i处分布式电源的成本系数;ρ和/>分别表示配电网上级主网电价和电量,/>表示常规路段中燃油车产生的碳排放量,其计算公式如下:
式中,表示常规路段的长度;
考虑碳排放目标和经济成本目标存在冲突性,采用增强epsilon约束法来求解碳-经济优化问题,转化为单目标优化如下:
式中,seps为引入的辅助变量,weps为经济目标函数的上下限之差,为经济目标函数值上限,ζ为权重系数,N为经济目标函数取值区间分成的段数。
进一步的,步骤4中,计及氢燃料汽车的电力-交通网碳需求响应最优调度模型为:
式中,ν表示碳价格;Emieco表示电力-交通网耦合模型以系统经济成本最小为目标的碳排放量,EmiHEED表示电力-交通网耦合模型以系统碳排放和系统经济成本最小为目标的碳排放量;表示充电站和加氢站分得的激励,/>分别表示出发点r为目的地为s的电动汽车、氢燃料汽车经过激励后选择路径k时需支付的通行成本。
算例分析
下面通过一个算例来说明本发明所述计及氢燃料汽车的电力-交通网碳需求响应最优调度方法的优越性。本发明采用图2所示的IEEE 33节点电力系统与13节点Nguyen-Dupuis交通网系统。为比较本发明所提方法的优越性,分别采用经济调度法和本发明所提出的计及氢燃料汽车的电力-交通网碳需求响应最优调度方法进行电力-交通网协同调度。本发明通过GAMS优化平台实现,采用IPOPT求解器求解非线性规划问题。
基于该算例,配电网上级主网购电量和各分布式电源出力的变化(结果参见表1和图3)以及电动汽车和氢燃料汽车不同出发点-目的地行驶成本的降低(结果参见表2和图4)。说明在加入需求响应机制后,碳排放系数最高的配电网上级主网购电量大大下降,碳排放系数低但成本系数较高的燃气机组选择发电(表1),因此碳排放量从5358kg下降到4600kg。电动汽车和氢燃料汽车的出行成本经过激励后大都出现下降,这提高了汽车用户参与调度的积极性(表2)。而碳排放调度的系统总成本为7212$,计及氢燃料汽车的电力-交通网碳需求响应最优调度总成本明显下降,为6969$,由此可见,电网,交通网和汽车用户多方的利益得到了满足。
表一分布式电源出力和配电网上级主网购电量
光伏出力 | 燃气机组出力 | 燃煤机组出力 | 主网购电量 | |
经济调度/MW | 2 | 0 | 4 | 4.7 |
碳排放-经济调度/MW | 2 | 1.5 | 4 | 3.3 |
表二不同出发点-目的地的出行成本
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围内。
Claims (2)
1.一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法,其特征在于,包括以下步骤:
步骤1、获取电力-交通网耦合模型的网络系数和运行系数,所述网络系数包括电网线路电阻和阻抗、交通网路段自由通行时间和路段容量、路段和路径耦合系数,所述运行系数包括发电机组发电系数、碳排放系数、单位行驶时间成本、碳价;
步骤2、获取电网负荷、交通需求及光伏出力场景数据;
步骤3、针对获取的电力-交通网耦合模型的网络系数、运行系数和场景数据,以电网运行约束、交通网运行约束及两网耦合约束为约束条件,以系统碳排放和系统经济成本最小为一组目标函数,建立计及氢燃料汽车的电力-交通网碳排放-经济最优调度模型,求解得计及氢燃料汽车的电力-交通网碳排放-经济最优调度模型的调度结果;
步骤4、基于步骤3中的计及氢燃料汽车的电力-交通网碳排放-经济最优调度模型的调度结果计算各车对碳减排的贡献度,对各车的碳减排贡献发放激励,建立计及氢燃料汽车的电力-交通网碳需求响应最优调度模型;
步骤5、基于步骤4中的计及氢燃料汽车的电力-交通网碳需求响应最优调度模型,利用非线性优化求解器求解该模型,对所述的配电网和交通网进行优化调度以得到计及氢燃料汽车的电力-交通网碳需求响应优化最优调度方案;
步骤3中,计及氢燃料汽车的电力-交通网碳排放-经济最优调度模型相关运行约束,具体如下:
(1)电网运行约束:
式中,和/>分别表示线路ij的有功功率和无功功率;/>和/>分别表示节点j处分布式电源的有功功率和无功功率;/>分别表示线路ij的电阻、电抗、阻抗;/>表示电路ij的电流;π(j)表示与节点j相连的子节点h所构成的集合;/>和/>分别表示线路jh的有功功率和无功功率;/>和/>分别表示节点j的有功和无功负荷;Uj表示节点j处电压幅值平方;Ui表示节点i处电压幅值平方;/>表示电路ij的电流上限;/>和/>分别表示节点i处电压幅值平方下限和上限,/>和/>分别表示节点i处分布式电源有功出力的下限和上限;和/>分别表示节点i处分布式电源无功出力的下限和上限;
(2)交通网运行约束:
πg、πe、πh分别表示燃油车、电动汽车和氢燃料汽车的渗透率;rs表示交通出行需求的起止点集合;qrs表示出发点r为目的地为s的交通需求车辆数目;分别表示出发点为r目的地为s的燃油车、电动汽车和氢燃料汽车的路径集合;/> 分别表示选择路径k的燃油车、电动汽车、氢燃料汽车交通流量;/>分别表示常规路段、充电路段、加氢路段集合;/>分别表示常规路段、充电路段、加氢路段的交通流量;分别表示常规路段、充电路段、加氢路段能容纳的车辆数目;分别表示判断燃油车、电动汽车和氢燃料汽车所在的路段a是否属于路径k的二进制变量,若属于则取1,否则取0;/>分别表示常规路段行驶时间,充电时间、加氢时间;/>分别表示常规路段、充电路段、加氢路段零交通流下的自由通行时间;J为充电、加氢时间模型参数;/> 分别表示出发点r为目的地为s的燃油车、电动汽车、氢燃料汽车选择路径k时需支付的通行成本;/>分别表示出发点r为目的地为s的燃油车、电动汽车、氢燃料汽车的最小通行成本;ω、/>分别表示单位行驶时间成本、充电价格、加氢价格;Tolla、/>分别表示拥挤定价,充电服务费、加氢服务费;Ee、Hh分别表示电动汽车充电需求和加氢需求;
(3)两网耦合约束
式中,表示节点处的常规电力负荷;C(j)、H(j)分别表示与节点j相连的充电路段、加氢路段集合;ξ表示电氢转换系数;
步骤3中,以系统碳排放和系统经济成本最小的一组目标函数为:
式中,为交通网碳排放量,/>为配电网碳排放量,Femi为系统总碳排量,/>为交通网经济成本,/>为配电网经济成本,Feco为系统总经济成本;
式中,EN表示电网节点集合;π(0)表示与电网根节点相连的节点集合;和/>分别表示节点i处分布式电源和配电网上级主网的碳排放系数;bi表示节点i处分布式电源的成本系数;ρ和/>分别表示配电网上级主网电价和电量,/>表示常规路段中燃油车产生的碳排放量,其计算公式如下:
式中,表示常规路段的长度;
考虑碳排放目标和经济成本目标存在冲突性,采用增强epsilon约束法来求解碳-经济优化问题,转化为单目标优化如下:
式中,seps为引入的辅助变量,weps为经济目标函数的上下限之差,为经济目标函数值上限,ζ为权重系数,N为经济目标函数取值区间分成的段数。
2.根据权利要求1所述的一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法,其特征在于,步骤4中,计及氢燃料汽车的电力-交通网碳需求响应最优调度模型为:
式中,ν表示碳价格;Emieco表示电力-交通网耦合模型以系统经济成本最小为目标的碳排放量,EmiHEED表示电力-交通网耦合模型以系统碳排放和系统经济成本最小为目标的碳排放量;表示充电站和加氢站分得的激励,/>分别表示出发点r为目的地为s的电动汽车、氢燃料汽车经过激励后选择路径k时需支付的通行成本。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310619354.3A CN116861627B (zh) | 2023-05-29 | 2023-05-29 | 一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310619354.3A CN116861627B (zh) | 2023-05-29 | 2023-05-29 | 一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116861627A CN116861627A (zh) | 2023-10-10 |
CN116861627B true CN116861627B (zh) | 2024-05-14 |
Family
ID=88231106
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310619354.3A Active CN116861627B (zh) | 2023-05-29 | 2023-05-29 | 一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116861627B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117474240A (zh) * | 2023-10-25 | 2024-01-30 | 河海大学 | 一种考虑供氢网络与路网耦合的电-氢-交通网协调调度方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2511632A1 (en) * | 2004-01-23 | 2005-08-04 | Stuart Energy Systems Corporation | Energy network |
WO2005071815A1 (en) * | 2004-01-23 | 2005-08-04 | Stuart Energy Systems Corporation | An energy network using electrolysers and fuel cells |
CN110705779A (zh) * | 2019-09-27 | 2020-01-17 | 河海大学 | 计及交通流时域耦合的电力-交通网多时段协同调度方法 |
CN113364049A (zh) * | 2021-06-09 | 2021-09-07 | 福州大学 | 一种考虑交通流量捕获的风-氢-电网耦合规划方法 |
CN115293518A (zh) * | 2022-07-13 | 2022-11-04 | 河海大学 | 一种计及灵活爬坡的气-电耦合综合能源系统低碳经济调度方法 |
CN115313352A (zh) * | 2022-07-18 | 2022-11-08 | 中国船舶重工集团公司第七0四研究所 | 直流综合电力系统船舶经济性调度计算方法 |
CN115577938A (zh) * | 2022-10-10 | 2023-01-06 | 交叉信息核心技术研究院(西安)有限公司 | 一种电气化按需移动调度方法、装置及系统 |
CN115693797A (zh) * | 2022-11-04 | 2023-02-03 | 国网宁夏电力有限公司经济技术研究院 | 考虑v2g与需求响应的配电网调度方法、介质及系统 |
CN115759606A (zh) * | 2022-11-11 | 2023-03-07 | 大连理工大学 | 一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法及装置 |
CN116050796A (zh) * | 2023-02-15 | 2023-05-02 | 上海交通大学 | 基于燃料电池能量梯级利用的移动能源网络优化调度方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220381471A1 (en) * | 2021-05-28 | 2022-12-01 | Johnson Controls Tyco IP Holdings LLP | Building control system with multi-objective control of carbon emissions and occupant comfort |
US20220390137A1 (en) * | 2021-05-28 | 2022-12-08 | Johnson Controls Tyco IP Holdings LLP | Building control system with predictive control of carbon emissions using marginal operating emissions rate |
-
2023
- 2023-05-29 CN CN202310619354.3A patent/CN116861627B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2511632A1 (en) * | 2004-01-23 | 2005-08-04 | Stuart Energy Systems Corporation | Energy network |
WO2005071815A1 (en) * | 2004-01-23 | 2005-08-04 | Stuart Energy Systems Corporation | An energy network using electrolysers and fuel cells |
CN110705779A (zh) * | 2019-09-27 | 2020-01-17 | 河海大学 | 计及交通流时域耦合的电力-交通网多时段协同调度方法 |
CN113364049A (zh) * | 2021-06-09 | 2021-09-07 | 福州大学 | 一种考虑交通流量捕获的风-氢-电网耦合规划方法 |
CN115293518A (zh) * | 2022-07-13 | 2022-11-04 | 河海大学 | 一种计及灵活爬坡的气-电耦合综合能源系统低碳经济调度方法 |
CN115313352A (zh) * | 2022-07-18 | 2022-11-08 | 中国船舶重工集团公司第七0四研究所 | 直流综合电力系统船舶经济性调度计算方法 |
CN115577938A (zh) * | 2022-10-10 | 2023-01-06 | 交叉信息核心技术研究院(西安)有限公司 | 一种电气化按需移动调度方法、装置及系统 |
CN115693797A (zh) * | 2022-11-04 | 2023-02-03 | 国网宁夏电力有限公司经济技术研究院 | 考虑v2g与需求响应的配电网调度方法、介质及系统 |
CN115759606A (zh) * | 2022-11-11 | 2023-03-07 | 大连理工大学 | 一种电动汽车与氢燃料电池汽车充电加氢负荷模拟方法及装置 |
CN116050796A (zh) * | 2023-02-15 | 2023-05-02 | 上海交通大学 | 基于燃料电池能量梯级利用的移动能源网络优化调度方法 |
Non-Patent Citations (8)
Title |
---|
Si Lv and etc,..Optimal Power and Semi-Dynamic Traffic Flow in Urban Electrified Transportation Networks.IEEE TRANSACTIONS ON SMART GRID.2020,全文. * |
Si Lv and etc,..Power–Transportation Coordination: Toward a Hybrid Economic-Emission Dispatch Model.IEEE TRANSACTIONS ON POWER SYSTEMS.2022,全文. * |
Si Lv and etc,..Security-Constrained Optimal Traffic-Power Flow With Adaptive Convex Relaxation and Contingency Filtering.IEEE TRANSACTIONS ON TRANSPORTATION ELECTRIFICATION.2023,全文. * |
低碳化背景下配电网"源―储―荷"多目标优化配置;黄宗龙;江修波;刘丽军;;电力科学与技术学报;20200928(05);全文 * |
含光伏分布式电源配电网的电动汽车充电站机会约束规划;裴文杰;汪沨;谭阳红;梁芳蔚;尹健;;电力系统及其自动化学报;20170615(06);全文 * |
融合多源信息的电动汽车充电负荷预测及其对配电网的影响;陈丽丹;张尧;Antonio Figueiredo;;电力自动化设备;20181207(12);全文 * |
计及分布式电源和电动汽车特性的主动配电网规划;刘晋源;吕林;高红均;刘俊勇;石文超;吴勇;;电力系统自动化;20200624(12);全文 * |
计及综合能源服务商参与的电力系统低碳经济调度;胡静哲;王旭;蒋传文;丛昊;;电网技术;20200102(02);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116861627A (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Location optimization of electric vehicle charging stations: Based on cost model and genetic algorithm | |
Wu et al. | A novel fast-charging stations locational planning model for electric bus transit system | |
Asna et al. | Analysis of an optimal planning model for electric vehicle fast-charging stations in Al Ain City, United Arab Emirates | |
Lin et al. | Multistage large-scale charging station planning for electric buses considering transportation network and power grid | |
Liu et al. | Peer-to-peer trading optimizations on net-zero energy communities with energy storage of hydrogen and battery vehicles | |
Zhang et al. | Power and transport nexus: Routing electric vehicles to promote renewable power integration | |
Luo et al. | Optimal planning of electric vehicle charging stations comprising multi-types of charging facilities | |
Khodayar et al. | Electric vehicle mobility in transmission-constrained hourly power generation scheduling | |
Gorbunova et al. | Assessment of the use of renewable energy sources for the charging infrastructure of electric vehicles | |
CN116861627B (zh) | 一种计及氢燃料汽车的电力-交通网碳需求响应最优调度方法 | |
CN115115268B (zh) | 基于路电耦合与低碳约束的电动汽车充电桩容量规划方法 | |
Li et al. | Joint Optimization of Regular Charging Electric Bus Transit Network Schedule and Stationary Charger Deployment considering Partial Charging Policy and Time‐of‐Use Electricity Prices | |
Mercan et al. | Economic model for an electric vehicle charging station with v ehicle‐to‐grid functionality | |
Zhang et al. | Integrating transit route network design and fast charging station planning for battery electric buses | |
CN111639866B (zh) | 基于遗传算法的储能充电站的储能容量的配置方法 | |
Gupta et al. | Collaborative multi‐aggregator electric vehicle charge scheduling with PV‐assisted charging stations under variable solar profiles | |
Khezri et al. | A review on implementation of vehicle to everything (V2X): Benefits, barriers and measures | |
CN110598904A (zh) | 市场环境下考虑可再生能源消纳的车网能量交互优化方法 | |
Kumar et al. | Charge scheduling framework with multiaggregator collaboration for direct charging and battery swapping station in a coupled distribution‐transportation network | |
CN114022046A (zh) | 一种考虑交通均衡的综合能源系统优化调度方法 | |
CN112072713A (zh) | 一种配电网调度方法和存储介质 | |
Li et al. | Collaborative operation between power network and hydrogen fueling stations with peer-to-peer energy trading | |
Xia et al. | Optimal planning of photovoltaic-storage fast charging station considering electric vehicle charging demand response | |
Yi et al. | Two-stage optimal allocation of charging stations based on spatiotemporal complementarity and demand response: A framework based on MCS and DBPSO | |
Xiang et al. | Reliability‐oriented optimal planning of charging stations in electricity–transportation coupled networks |
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 |