CN117013552A - 一种电力交通耦合网协同运行策略 - Google Patents
一种电力交通耦合网协同运行策略 Download PDFInfo
- Publication number
- CN117013552A CN117013552A CN202310968605.9A CN202310968605A CN117013552A CN 117013552 A CN117013552 A CN 117013552A CN 202310968605 A CN202310968605 A CN 202310968605A CN 117013552 A CN117013552 A CN 117013552A
- Authority
- CN
- China
- Prior art keywords
- period
- traffic
- power
- demand
- charging
- 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
- 230000008878 coupling Effects 0.000 title claims abstract description 45
- 238000010168 coupling process Methods 0.000 title claims abstract description 45
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 45
- 238000013486 operation strategy Methods 0.000 title claims abstract description 9
- 229910052799 carbon Inorganic materials 0.000 claims abstract description 45
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 44
- 238000009826 distribution Methods 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000004044 response Effects 0.000 claims abstract description 25
- 238000005457 optimization Methods 0.000 claims abstract description 16
- 230000005611 electricity Effects 0.000 claims description 55
- 239000000446 fuel Substances 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000000295 fuel oil Substances 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012887 quadratic function Methods 0.000 claims description 3
- 230000003190 augmentative effect Effects 0.000 claims description 2
- 230000008859 change Effects 0.000 claims description 2
- 230000009977 dual effect Effects 0.000 claims description 2
- 238000012804 iterative process Methods 0.000 claims description 2
- 230000002040 relaxant effect Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 3
- 238000010521 absorption reaction Methods 0.000 abstract description 2
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 abstract description 2
- 238000012545 processing Methods 0.000 abstract description 2
- 230000008901 benefit Effects 0.000 description 8
- 230000035699 permeability Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 6
- 230000009466 transformation Effects 0.000 description 4
- 238000003763 carbonization Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000004308 accommodation Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- 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
- 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
-
- 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
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/381—Dispersed 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
- 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
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given 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
- 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]
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Water Supply & Treatment (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明公开一种电力交通耦合网协同运行策略，首先，构建基于用户均衡准则考虑交通需求时移特性与碳排放成本的交通流量分配模型，利用有效路径生成模型，获得交通系统的运行状态；然后，构建考虑碳排放成本与常规用电负荷需求响应的最优潮流模型，以获得配电网的运行状态；最后构建基于交替方向乘子法的分布式协同优化模型解决了集中调度处理全局数据带来的通信宽带需求问题和数据传输安全问题。本发明能在大规模电动汽车接入的背景下改善电力‑交通耦合系统的运行状态，实现耦合系统碳排放量的减少，提升配电网中分布式光伏的消纳率，并有效地平抑负荷曲线波动，提升电网运行稳定性。
Description
技术领域
本发明属于电力系统运行调度技术领域，具体涉及一种电力交通耦合网协同运行策略。
背景技术
近年来，随着电动汽车和充电站的规模的快速增长，加强了交通系统与配电网之间的联系。交通系统的流量分布不仅会受到交通系统的道路拓扑、拥堵状态的影响，还会受到充电设施位置、充电价格的影响。如果能够充分利用电动汽车的充放电特性、移动储能等特性，通过合理的激励机制或者价格信号引导电动汽车有序充电，则可以大程度减轻大规模电动汽车接入对电力系统与交通系统带来的不利影响，甚至可以改善系统运行状态，并提升可再生能源的消纳水平。
国内外学者关于电力-交通耦合系统的协同运行优化运行开展了相关研究，但目前仍存在以下不足：(1)仅以系统经济成本最小为目标，对耦合系统低碳需求很少涉及。在能源转型和交通系统的电气化的背景下，对耦合系统的低碳性如何实现需要更深入的研究；(2)对用电需求与出行需求的时空灵活性考虑不足，大多研究假设交通需求和常规电力需求时空上不变；(3)侧重于交通系统技术的创新，对可再生能源为主体的新型电力系统刻画不足，设置场景均为火电机组供能，忽略了电动汽车的有序充电行为在提升配电网可再生能源消纳水平的优势。因此，构建含高比例可再生能源供能的电力-交通耦合系统协同运行策略，对适应大规模电动汽车接入以及实现可再生能源的消纳具有现实意义。
发明内容
本发明所要解决的技术问题是在大规模电动汽车接入与分布式光伏接入时电力-交通耦合系统的协同运行优化问题提供一种电力交通耦合网协同运行策略，通过充电价格信号引导电动汽车的充电行为，达到改善耦合系统运行状态，提升可再生能源的消纳的目的。
为实现上述目的，本发明采用了以下的技术方案：
本发明所述的一种电力交通耦合网协同运行策略，包括以下步骤：
步骤一、构建考虑交通需求时移特性与碳排放成本的多时段交通流量分配模型：构建基于混合用于均衡准则的交通流量分配模型；为求解交通流量分配模型，构建有效路径生成模型；
步骤二、构建考虑碳排放成本与常规用电负荷需求响应的最优潮流模型：将对基于二阶锥松弛的最优潮流模型改进，考虑了分布式光伏与传统火电机组的联合供能，以及传统火电机组的碳排放成本；构建常规用电负对电价的弹性响应模型，考虑了常规用电负荷在时段间的可转移特性。
步骤三、构建一种适用于电力-交通耦合系统分布式协同优化的求解方法：利用经典交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)完成模型解耦，考虑了电力部门与交通部门信息的不完全互通，解决了集中调度处理全局数据带来的通信宽带需求问题和数据传输安全问题。
所述考虑交通需求时移特性与碳排放成本的多时段交通流量分配模型为：
式中：FTAP为目标函数值；FDT为用户出行的时间成本；FCH为电动汽车用户的充电成本；FEM,T为燃油汽车用户的碳排放成本；α为时间成本系数；为车辆在时段ξ道路a的通行时间；/>为自由通行的时间；/>为道路a在时段ξ的车流量；/>为车辆在充电站s中时段ξ充电时间；/>为充电站排队的平均时间，与充电站规模有关；/>为充电站s在时段ξ的车流量；/>为充电决策的二进制数，值取1表示电动汽车在充电站s进行充电，取0时表示不充电；/>为道路集合；ca为道路通行容量；cs为充电站容量；/>表示位于充电站s的电动汽车在时段ξ所需的充电量；Ps表示充电站功率；/>表示含有充电站节点；/>为燃油汽车行驶单位里程产生的碳排放量，设定与道路拥堵程度线性相关；ψ0为自由通行时燃油汽车行驶单位里程产生的碳排放量。模型的部分约束如下所示：
式中：表示在时段ξ出行需求w中选择路径ke,kg的交通流量；/>分别为电动汽车与燃油汽车在时段ξ的出行需求；/>为道路a在时段ξ的车流量；/>分别为电动汽车和燃油汽车在时段ξ处于道路a的车流量；/>分别表示电动汽车和燃油汽车所选路径与道路之间的关联，当路径包含道路a时为1，否则为0；/>为充电站s在时段ξ的车流量；/>表示充电决策变量，值取1表示电动汽车在含充电站的路网节点s进行充电，取0时表示不充电；/>为总调度时段集合；/>为出行需求的集合。具有时移特性的出行需求如下所示：
式中：为各出行需求在当前时段ξ向其他时段τ转移的出行需求量；/>为从其他时段τ转移到当前时段ξ的实际出行需求量；/>为出行需求w间能从当前时段ξ转移到其他时段τ的最大出行需求；/>为出行需求w间在时段ξ的最小不可转移出行需求；/>为时段ξ出行需求w间的初始出行需求；/>为时段ξ未转移的交通需求量；/>为总调度时段集合；/>为出行需求的集合。
所述构建考虑碳排放成本与常规用电负荷需求响应的最优潮流模型按以下方法进行：
最优潮流模型的目标函数FOPF以调度周期内总运行成本最小，包括上级购电成本，分布式电源发电成本，负荷峰谷差惩罚成本和发电碳排放成本共四部分构成，即：
式中：为时段ξ向上级购电的有功功率；/>时段ξ的向上级购电的电价；/>为分布式电源i在时段ξ发出的有功功率；ai,bi为分布式电源的成本系数，传统火电机组为有功出力的二次函数；β为碳排放成本系数；/>为机组出力功率与碳排放量系数；分布式光伏机组为有功出力的一次函数，成本系数ai取0。
与现有技术相比，本发明具有以下有益效果：
(1)本发明解决了大规模电动汽车接入时电力-交通耦合系统的协同运行优化问题，通过引入碳排放成本，实现耦合系统经济性与低碳性。
(2)本发明中考虑了交通系统由用户理性自发形成的交通流量分布状态，并未给用户施加强制性的调度信号，更贴合实际系统的状态。
(3)本发明考虑了了城区配电网中分布式光伏对传统火电机组的逐步替代，更适应未来新型电力系统的发展趋势。
(4)本发明中考虑了电网部门与交通部门信息不互通的现状，利用交替方向乘子法的思想完成解耦，采用分布式的求解算法，更适应能源管理部门的需求。
(5)本发明中考虑了交通用户出行需求以及电力系统用电负荷的时间可变特性，更贴合理性用户的出行与用电习惯。
(6)本发明所提方法通过考虑交通需求时移以及常规用电负荷需求响应，充分挖掘了其在平抑负荷曲线波动以及提升可再生能源消纳等方面的潜力。
附图说明
图1是本发明实例分析中设置的电力-交通耦合网络中交通网的拓扑结构；
图2是本发明实例分析中设置的电力-交通耦合网络中配电网的拓扑结构；
图3是本发明实例分析中设置的光伏有功最大出力曲线；
图4是本发明实例分析中设置初始交通出行需求曲线。
图5是本发明实例分析中设置初始常规用电出行需求曲线。
图6是本发明实例计算结果中配电网各节点电压幅值。
图7是本发明实例计算结果中案例1的光伏出力曲线。
图8是本发明所提方法与现阶段两系统独立运行的光伏出力对比。
具体实施方式
为了能更清晰地理解本发明的上述目的、特征和优点，下面结合模型的具体实现形式对本发明技术方案进行进一步的详细描述。
本发明所述的一种电力交通耦合网协同运行策略，包括以下步骤：
步骤一、构建考虑交通需求时移特性与碳排放成本的交通流量分配模型：构建基于混合用于均衡准则的交通流量分配模型；为求解交通流量分配模型，构建有效路径生成模型；进一步考虑交通时移需求，构建多时段的交通流量分配模型。具体步骤如下：
所述考虑交通需求时移特性的交通流量分配模型的表达式为：
式中：FTAP为目标函数值；FDT为用户出行的时间成本；FCH为电动汽车用户的充电成本；FEM,T为燃油汽车用户的碳排放成本；α为时间成本系数；为车辆在时段ξ道路a的通行时间；/>为自由通行的时间；/>为道路a在时段ξ的车流量；/>为车辆在充电站s中时段ξ充电时间；/>为充电站排队的平均时间，与充电站规模有关；/>为充电站s在时段ξ的车流量；/>为充电决策的二进制数，值取1表示电动汽车在充电站s进行充电，取0时表示不充电；为道路集合；ca为道路通行容量；cs为充电站容量；/>表示位于充电站s的电动汽车在时段ξ所需的充电量；Ps表示充电站功率；/>表示含有充电站节点；/>为燃油汽车行驶单位里程产生的碳排放量，设定与道路拥堵程度线性相关；ψ0为自由通行时燃油汽车行驶单位里程产生的碳排放量。模型的部分约束如下所示：
式中：表示在时段ξ出行需求w中选择路径ke,kg的交通流量；/>分别为电动汽车与燃油汽车在时段ξ的出行需求；/>为道路a在时段ξ的车流量；/>分别为电动汽车和燃油汽车在时段ξ处于道路a的车流量；/>分别表示电动汽车和燃油汽车所选路径与道路之间的关联，当路径包含道路a时为1，否则为0；/>为充电站s在时段ξ的车流量；/>表示充电决策变量，值取1表示电动汽车在含充电站的路网节点s进行充电，取0时表示不充电；/>为总调度时段集合；/>为出行需求的集合。具有时移特性的出行需求如下所示：
式中：为各出行需求在当前时段ξ向其他时段τ转移的出行需求量；/>为从其他时段τ转移到当前时段ξ的实际出行需求量；/>为出行需求w间能从当前时段ξ转移到其他时段τ的最大出行需求；/>为出行需求w间在时段ξ的最小不可转移出行需求；/>为时段ξ出行需求w间的初始出行需求；/>为时段ξ未转移的交通需求量；/>为总调度时段集合；为出行需求的集合。
本发明这一步能够通过求解基于用户均衡的交通流量分配模型获得交通系统的运行状态，为后续电力-交通耦合网络的分布式协同优化工作打下基础。
步骤二、构建考虑碳排放成本与常规用电负荷需求响应的最优潮流模型：将对基于二阶锥松弛的最优潮流模型改进，考虑了分布式光伏与传统火电机组的联合供能，以及传统火电机组的碳排放成本；构建常规用电负对电价的弹性响应模型，考虑了常规用电负荷在时段间的可转移特性。具体如下：
最优潮流模型的目标函数FOPF以调度周期内总运行成本最小，包括上级购电成本，分布式电源发电成本，负荷峰谷差惩罚成本和发电碳排放成本共四部分构成，即：
式中：为时段ξ向上级购电的有功功率；/>时段ξ的向上级购电的电价；/>为分布式电源i在时段ξ发出的有功功率；ai,bi为分布式电源的成本系数，传统火电机组为有功出力的二次函数；β为碳排放成本系数；/>为机组出力功率与碳排放量系数；分布式光伏机组为有功出力的一次函数，成本系数ai取0。
约束条件中包含功率平衡，出力上下限等约束。除常规约束外，除常规约束外，设置ξ,τ均为时段，常规用电负荷需求响应约束中，为用户参与需求响应后的用电需求；为初始用电需求；eξξ为自弹性系数，表示参与需求响应用户在当前时段ξ的用电需求对当前电价的响应系数；μξ为相同时段需求响应时的电价；/>为时段ξ的初始电价；/>为时段ξ的初始电价；eξτ为互弹性系数，表示时段ξ的用户对其他时段τ电价的响应系数；μmin,μmax为电价的上下限；D为用户满意度；/>为转移出的负荷。形成的常规用电负荷参与需求响应后满足的约束用户满意度以及电价约束如下：
本发明这一步能够准确获得配电网的运行状态，为后续电力-交通耦合网络的分布式协同优化工作打下基础。
步骤三、构建一种适用于电力-交通耦合系统分布式协同优化的求解方法：
基于典型的交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)转化为电力-交通耦合网络的分布式协同优化优化模型。
首先，构造拉格朗日乘子构建增广拉格朗日函数，对电动汽车充电负荷约束在两个系统间产生关联耦合进行松弛：
式中：为交通网侧的充电负荷，由充电站车流量计算得出；/>为配电网侧的充电负荷。
其次，通过按照数据来源被分解为三个子问题：其中，交通网侧的流量分配问题为-update子问题，包含交通流量分配模型的约束集；配电网侧为/>-update子问题，包含最优潮流模型的约束集，其具体模型如下所示：
再次，在上述三个子问题的交替迭代计算过程中，不断计算原始残差和对偶残差的变化情况，直至满足收敛条件迭代过程终止。
最后，迭代收敛时，可获得当前的拉格朗日乘子μs，即对应的充电电价。在该价格信号引导下，电力-交通耦合网络会逐渐运行至稳态，整个耦合系统将达到社会最优运行状态。
本发明这一步考虑到配电网与交通网之间信息不完全互通，将电力-交通耦合系统的协同优化完成分布式解耦，并通过这一步完成求解，获得耦合系统协同运行的状态，即社会效益最高的状态。
实例分析
分别以下两个部分进行说明：本发明的实际效果与电力系统的运行情况。
一、本发明的实际效果
设置T1～T12共12节点交通网拓扑结构与33节点配电网拓扑结构，将24h划分为24个调度时间周期，每个时间周期为1小时。交通路网的拓扑如图1所示，配电网结构如图2所示，其中，Main Grid为配电网的上级电网，DG1～DG3为3组传统分布式电源，PV1～PV3为3组分布式光伏，FCS1～FCS 4为电动汽车充电站，光伏出力最大值为图3所示，交通出行需求如图4所示，初始常规用电负荷如图5所示。本发明提出的方法可按步骤一至步骤三，完成电力-交通耦合系统的多时段分布式协同优化，为了凸显本发明提出的方法的优点，考虑了以下四种案例进行计算。
案例1：设定电动汽车的渗透率为10％；
案例2：其他条件维持不变，将案例1中分布式光伏替换为传统火电机组，参数与配电网中已有的DG相同，电动汽车渗透率仍为10％；
案例3：案例1基础上增加电动汽车规模，设定电动汽车的渗透率为50％；
案例4：其他条件维持不变，将案例2中分布式光伏替换为传统火电机组，电动汽车渗透率为50％。各案例计算结果如下表所示。
由上表可以看出，本发明提出的方法优化计算得到相比于传统火电机组供能的电力-交通耦合网络，考虑分布式光伏接入的耦合系统的运行在大规模电动汽车接入时会表现出更好的社会效益。具体来说，对比案例1与案例3，在考虑光伏接入的情况下当电动汽车渗透率从10％提升至50％时，耦合系统的经济成本增加了67.7％；对比案例2与案例4，在均是传统火电机分布式机组的情况下，经济成本提升了87.4％，其提升的幅度高于案例1至案例2的增加量。同样的，对比案例1与案例3，耦合系统的总碳排放量从2662.82吨增加至3296.10吨，大约增长了23.8％；而对比案例2与案例4，耦合系统的总碳排放量在电动汽车渗透率增加时大约增长了35.8％。简而言之，在分布式光伏接入的耦合系统时，会减缓因电动汽车增长导致的经济成本与碳排放量的增长趋势，同时交通系统运行的经济成本与碳排放成本均未发生较大改变，电力系统的低碳化转型并对电动汽车规模扩大起到推动作用。可以预见的是，如果配电网中可再生能源比例继续增加，耦合系统将会取得更高的社会效益。
二、电力系统的运行情况
分析本发明提出的方法得到的风电集群各个风电场的调度计划，和实际运行时的有功出力最大能力出力值，会出现以下三种情况：
图6中可以看出，案例1和2的最优潮流计算中的所有安全约束得到满足，在部分替换为分布式光伏供能后，依旧维持良好的电能质量。例如，虽然案例1中电压幅值的下降量最多要比案例2中电压幅值下降量多29％，但依然处于稳定运行的范围内。由此可见，在高比例可再生能源供能的情景下，协同优化模型依然有效改善充电负荷的空间分布，提高了电力系统和交通系统的经济性，缓解了由于大规模电动汽车接入电网带来的电能质量下降等问题。
如图7以及图8所示，本发明所提优化模型能够已经完全消纳了实例中所提供的可再生能源。可以看出，在电动汽车渗透率为10％的场景下，独立运行状态与协同运行状态相比PV1中光伏的消纳率从85.7％提升至100％。这得益于具有时间转移灵活性的电动汽车与常规用电负荷在电价的引导下趋向于社会效益最高的运行状态，为后续推进交通与电力行业低碳化转型政策的制定提供参考。
由此可见，采用本发明，一方面会减缓因电动汽车增长速度导致的经济成本与碳排放量的增长趋势。相比于传统分布式机组供能的场景，在电动汽车规模从10％提升至50％的情况下，耦合系统总经济成本提升比例从87.4％放缓至67.7％，碳排放成本的增加速度也从35.8％放缓至23.8％。另一方面，在高比例可再生能源供能的情景下，本发明所提模型依然有效改善充电负荷的空间分布，缓解了大规模充电负荷接入时引发的电能质量下降等问题。简言之，在低碳化转型持续进行的背景下，分布式光伏的接入，以及对传统分布式电源的替换，提升了电力-交通耦合系统对电动汽车规模的容纳上限。
Claims (6)
1.一种降低电网与交通网总体碳排放的电力交通耦合网协同优化运行策略，其特征在于，包括以下步骤：
步骤一、构建考虑交通需求时移特性与碳排放成本的多时段交通流量分配模型：构建基于混合用于均衡准则的交通流量分配模型；为求解交通流量分配模型，构建有效路径生成模型；
步骤二、构建考虑碳排放成本与常规用电负荷需求响应的最优潮流模型：将对基于二阶锥松弛的最优潮流模型改进，考虑了分布式光伏与传统火电机组的联合供能，以及传统火电机组的碳排放成本；构建常规用电负对电价的弹性响应模型，考虑了常规用电负荷在时段间的可转移特性。
步骤三、构建一种适用于电力-交通耦合系统分布式协同优化的求解方法：利用经典交替方向乘子法完成模型解耦。
2.根据权利要求1所述的方法，其特征在于，所述考虑交通需求时移特性的交通流量分配模型的表达式为：
式中：FTAP为目标函数值；FDT为用户出行的时间成本；FCH为电动汽车用户的充电成本；FEM,T为燃油汽车用户的碳排放成本；α为时间成本系数；为车辆在时段ξ道路a的通行时间；/>为自由通行的时间；/>为道路a在时段ξ的车流量；/>为车辆在充电站s中时段ξ充电时间；/>为充电站排队的平均时间，与充电站规模有关；/>为充电站s在时段ξ的车流量；/>为充电决策的二进制数，值取1表示电动汽车在充电站s进行充电，取0时表示不充电；为道路集合；ca为道路通行容量；cs为充电站容量；/>表示位于充电站s的电动汽车在时段ξ所需的充电量；Ps表示充电站功率；/>表示含有充电站节点；/>为燃油汽车行驶单位里程产生的碳排放量，设定与道路拥堵程度线性相关；ψ0为自由通行时燃油汽车行驶单位里程产生的碳排放量。
3.根据权利要求2所述的方法，其特征在于，所述考虑交通需求时移特性的交通流量分配模型的约束如下：
式中：表示在时段ξ出行需求w中选择路径ke,kg的交通流量；/>分别为电动汽车与燃油汽车在时段ξ的出行需求；/>为道路a在时段ξ的车流量；/>分别为电动汽车和燃油汽车在时段ξ处于道路a的车流量；/>分别表示电动汽车和燃油汽车所选路径与道路之间的关联，当路径包含道路a时为1，否则为0；/>为充电站s在时段ξ的车流量；/>表示充电决策变量，值取1表示电动汽车在含充电站的路网节点s进行充电，取0时表示不充电；/>为总调度时段集合；/>为出行需求的集合。具有时移特性的出行需求如下所示：
式中：为各出行需求在当前时段ξ向其他时段τ转移的出行需求量；/>为从其他时段τ转移到当前时段ξ的实际出行需求量；/>为出行需求w间能从当前时段ξ转移到其他时段τ的最大出行需求；/>为出行需求w间在时段ξ的最小不可转移出行需求；/>为时段ξ出行需求w间的初始出行需求；/>为时段ξ未转移的交通需求量；/>为总调度时段集合；/>为出行需求的集合。
4.根据权利要求1所述的方法，其特征在于，所述考虑碳排放成本与常规用电负荷需求响应的最优潮流模型如下：
目标函数FOPF以调度周期内总运行成本最小，包括上级购电成本，分布式电源发电成本，负荷峰谷差惩罚成本和发电碳排放成本共四部分构成，即：
式中：为时段ξ向上级购电的有功功率；/>时段ξ的向上级购电的电价；/>为分布式电源i在时段ξ发出的有功功率；ai,bi为分布式电源的成本系数，传统火电机组为有功出力的二次函数；β为碳排放成本系数；/>为机组出力功率与碳排放量系数；分布式光伏机组为有功出力的一次函数，成本系数ai取0。
5.根据权利要求1所述的方法，其特征在于，所述考虑碳排放成本与常规用电负荷需求响应的最优潮流模型约束条件中包含功率平衡，出力上下限等约束；除常规约束外，设置ξ,τ均为时段，常规用电负荷需求响应约束中，为用户参与需求响应后的用电需求；/>为初始用电需求；eξξ为自弹性系数，表示参与需求响应用户在当前时段ξ的用电需求对当前电价的响应系数；μξ为相同时段需求响应时的电价；/>为时段ξ的初始电价；/>为时段ξ的初始电价；eξτ为互弹性系数，表示时段ξ的用户对其他时段τ电价的响应系数；μmin,μmax为电价的上下限；D为用户满意度；/>为转移出的负荷；形成的常规用电负荷参与需求响应后满足的约束用户满意度以及电价约束如下：
6.根据权利要求1所述的方法，其特征在于，步骤三所述构建一种适用于电力-交通耦合系统分布式协同优化的求解方法，具体过程如下：
首先，构造拉格朗日乘子构建增广拉格朗日函数，对电动汽车充电负荷约束在两个系统间产生关联耦合进行松弛：
式中：为交通网侧的充电负荷，由充电站车流量计算得出；/>为配电网侧的充电负荷；
其次，通过按照数据来源被分解为三个子问题：其中，交通网侧的流量分配问题为子问题，包含交通流量分配模型的约束集；配电网侧为/>子问题，包含最优潮流模型的约束集，其具体模型如下所示：
再次，在上述三个子问题的交替迭代计算过程中，不断计算原始残差和对偶残差的变化情况，直至满足收敛条件迭代过程终止：
最后，迭代收敛时，可获得当前的拉格朗日乘子μs，即对应的充电电价；在该价格信号引导下，电力-交通耦合网络会逐渐运行至稳态，整个耦合系统将达到社会最优运行状态。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310968605.9A CN117013552A (zh) | 2023-08-02 | 2023-08-02 | 一种电力交通耦合网协同运行策略 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310968605.9A CN117013552A (zh) | 2023-08-02 | 2023-08-02 | 一种电力交通耦合网协同运行策略 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117013552A true CN117013552A (zh) | 2023-11-07 |
Family
ID=88573909
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310968605.9A Pending CN117013552A (zh) | 2023-08-02 | 2023-08-02 | 一种电力交通耦合网协同运行策略 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117013552A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117710007A (zh) * | 2024-01-31 | 2024-03-15 | 中石油深圳新能源研究院有限公司 | 充能站定价方法、装置、设备以及存储介质 |
-
2023
- 2023-08-02 CN CN202310968605.9A patent/CN117013552A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117710007A (zh) * | 2024-01-31 | 2024-03-15 | 中石油深圳新能源研究院有限公司 | 充能站定价方法、装置、设备以及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Qi et al. | Low-carbon community adaptive energy management optimization toward smart services | |
| CN109217310A (zh) | 一种考虑新能源消纳的电动汽车有序充电控制方法 | |
| CN109636008B (zh) | 一种电动公交快充站服务费定价获取方法 | |
| Xu et al. | Optimal pricing strategy of electric vehicle charging station for promoting green behavior based on time and space dimensions | |
| CN105375507A (zh) | 雾霾环境下虚拟电厂的电力两级交互优化调度系统 | |
| Dai et al. | A review on electric vehicles and renewable energy synergies in smart grid | |
| CN112183882B (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 | |
| Wang et al. | Energy management strategy of hybrid energy storage based on Pareto optimality | |
| CN115117931A (zh) | 考虑电动汽车灵活性和光伏接入的配电网规划方法及系统 | |
| CN117013552A (zh) | 一种电力交通耦合网协同运行策略 | |
| CN115170343A (zh) | 一种区域综合能源系统分布式资源和储能协同规划方法 | |
| Pan et al. | Many-objective optimization for large-scale EVs charging and discharging schedules considering travel convenience | |
| Yang et al. | Development pathway and practices for integration of electric vehicles and internet of energy | |
| Ma et al. | Intelligent charging control method of shared vehicle based on MPPT algorithm in the environment of internet of things | |
| Wan et al. | Hierarchical multiobjective dispatching strategy for the microgrid system using modified MOEA/D | |
| CN116707023A (zh) | 基于源荷相关性聚类的主动配电网分层分区综合优化方法 | |
| CN116433046A (zh) | 一种考虑多主体博弈的多能配电系统网储协同规划方法 | |
| CN113904337B (zh) | 计及配电网灵活性的综合能源系统分布式优化调度方法 | |
| Bai et al. | Multi-objective planning for electric vehicle charging stations considering TOU price | |
| CN108270237B (zh) | 基于分布式光伏电源的并网控制以及调度的方法 | |
| Chang et al. | Bi‐level scheduling of large‐scale electric vehicles based on the generation side and the distribution side | |
| Zhang et al. | Optimal economic dispatch for intelligent community micro-grid considering demand response | |
| Lin et al. | Energy trading method of distribution network system with multi-microgrid based on stackelberg game | |
| Zheng et al. | Carbon reduction assessment of electric vehicle aggregation participating in distribution network dispatching based on v2g technology | |
| Wang et al. | Optimal Operation of Regional Integrated Energy System Considering Integrated Demand Response and Exergy Efficiency |
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 |