CN117485147A - 一种电动汽车虚拟储能优化方法和系统 - Google Patents
一种电动汽车虚拟储能优化方法和系统 Download PDFInfo
- Publication number
- CN117485147A CN117485147A CN202410001786.2A CN202410001786A CN117485147A CN 117485147 A CN117485147 A CN 117485147A CN 202410001786 A CN202410001786 A CN 202410001786A CN 117485147 A CN117485147 A CN 117485147A
- Authority
- CN
- China
- Prior art keywords
- period
- virtual energy
- charge
- discharge
- electric automobile
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 222
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000007599 discharging Methods 0.000 claims description 50
- 230000006870 function Effects 0.000 claims description 45
- 238000004146 energy storage Methods 0.000 claims description 24
- 238000013507 mapping Methods 0.000 claims description 17
- 230000008901 benefit Effects 0.000 claims description 13
- 230000002068 genetic effect Effects 0.000 claims description 12
- 239000002245 particle Substances 0.000 claims description 12
- 230000036541 health Effects 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 9
- 238000010276 construction Methods 0.000 claims description 7
- 230000005611 electricity Effects 0.000 claims description 7
- 239000000758 substrate Substances 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 239000003973 paint Substances 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000000126 substance Substances 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
- B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Power Engineering (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Transportation (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Mechanical Engineering (AREA)
- Tourism & Hospitality (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本公开的技术方案提供了一种电动汽车虚拟储能优化方法、系统,其中该方法包括:获取目标区域内虚拟储能器整体的充放电优化策略方案,并根据充放电优化策略方案确定虚拟储能器在各时段所对应电动汽车集群中各电动汽车的放电裕度指标和充电裕度指标,然后根据电动汽车的放电裕度指标和充电裕度指标构建,最后对下层优化分配模型进行目标优化求解,得到虚拟储能器所对应电动汽车集群的充放电分配策略方案,充放电分配策略方案中记载有在各时段所对应电动汽车集群包括的各电动汽车的充放电状态。基于该充放电分配策略方案,可以为目标区域内的电动汽车提供具体的充放电优化策略,能够应用于电网的实际调度。
Description
技术领域
本公开涉及电动汽车虚拟储能技术领域,特别涉及一种电动汽车虚拟储能优化方法和系统。
背景技术
电动汽车不仅仅是一种交通工具,它们还能够成为一种储能设备,这种以电动汽车为储能设备而形成的电动汽车集群被称为虚拟储能器(也称为虚拟电厂)。虚拟存储器通过智能网联技术连接各个电动汽车和电网,实现电能的灵活供应与需求调度。当电网中的电力需求较大(电网中的电力负荷功率大于或接近于电网的供电功率)时,虚拟存储器可以通过电动汽车的电池向电网释放电能,满足电网用电需求。而当电网中的电力需求较小(电网中的电力负荷功率明显小于电网的供电功率)时,虚拟存储器则可利用电网对自身进行充电。通过这种方式,虚拟存储器可协助电网实现电能的有效调度。
然而,当前的电动汽车虚拟储能优化研究大都只会将虚拟储能器作为一个整体,然后得到虚拟储能器整体的充放电优化策略方案,即根据电网中的电力负荷功率和电网的供电功率来确定出虚拟储能器整体在各时段中的充放电信息。然而,虚拟储能器整体的充放电优化策略方案只是针对于电动汽车集群整体的优化方案,并不能为电动汽车集群内的各电动汽车的充放电行为给出具体优化指导。由此可见,虚拟储能器整体的充放电优化策略方案难以应用于实际调度。
发明内容
第一方面,本公开提供了一种电动汽车虚拟储能优化方法,包括:
步骤S1、将一个完整周期划分为T个时段,并将连接到目标区域的电网的电动汽车集群作为虚拟储能器,获取虚拟储能器整体的充放电优化策略方案,虚拟储能器整体的充放电优化策略方案中记载有虚拟储能器整体在各时段中的充放电信息:
;
表示虚拟储能器在第t个时段的充放电信息,/>表示充放电优化策略方案要求虚拟储能器在第t个时段是否对电网进行放电,/>取值为1或0,/>时表示充放电优化策略方案要求虚拟储能器在第t个时段对电网进行放电,/>时表示充放电优化策略方案要求虚拟储能器在第t个时段不对电网进行放电,/>表示充放电优化策略方案要求虚拟储能器在第t个时段是否通过电网对自身进行充电,/>取值为1 或0,时表示充放电优化策略方案要求虚拟储能器在第t 个时段通过电网对自身进行充电,/>时表示充放电优化策略方案要求虚拟储能器在第t 个时段不通过电网对自身进行充电,/>表示充放电优化策略方案要求虚拟储能器在第t个时段的对电网进行放电的总放电功率,/>表示充放电优化策略方案要求虚拟储能器在第t个时段的通过电网对自身进行充电的总充电功率,在第t个时段所对应的/>和/>中至少一者取值为0,且在/>时/>,在/>时/>,/>且为正整数;
步骤S2、根据充放电优化策略方案确定虚拟储能器在各时段所对应电动汽车集群中各电动汽车的放电裕度指标和充电裕度指标;
其中,虚拟储能器在第t个时段所对应电动汽车集群中第j辆电动汽车的放电裕度指数和充电裕度指数/>分别为:
;
;
;
且为正整数,/>表示在第t个时段时连接到目标区域的电网的电动汽车集群所包括的电动汽车的总数,/>表示虚拟储能器在第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段开始时的剩余电量百分比,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段结束时所要求的剩余电量百分比的最小值,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车所能够存储的最大电量,/>表示第t个时段的时长,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t+1个时段中所需行驶的里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在满电情况下所能够行驶的最大里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车因电池健康和应急要求所配置的最小剩余电量百分比。
步骤S3、构建虚拟储能器的下层优化分配模型;
下层优化分配模型中的目标函数为:
;
其中,表示在一个完整周期中电动汽车集群进行调控所对应的充放电裕度总和,/>表示第t个时段所对应电动汽车集群中电动汽车的总数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段是否对电网进行放电,/>取值为1或0,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段对电网进行放电,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段不对电网进行放电,表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段是否通过电网对自身进行充电,/>取值为1或0,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段通过电网对自身进行充电,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段不通过电网对自身进行充电;
下层优化分配模型中的目标函数的待优化参数为:和/>;
下层优化分配模型中的目标函数具有如下约束条件:
条件B1、对于任意的第t个时段,所对应电动汽车集群中第j辆电动汽车在第t个时段中不能同时对电网进行放电和通过电网对自身进行充电:
;
条件B2、对于任意的第t个时段,所对应电动汽车集群对电网进行放电或通过电网进行充电应满足约束:
当时,对于任意的/>均取值为0,且/>;
当时,对于任意的/>均取值为0,且/>;
当且/>时,对于任意的/>和/>均取值为0;
和/>分别表示第t个时段所对应电动汽车集群中第j辆电动汽车的放电功率和充电功率;
条件B3、对于任意的第t个时段,所对应电动汽车集群中第j辆电动汽车在第t个时段结束时剩余电量百分比应满足约束:
;
;
步骤S4、采用预设的第二目标优化算法对下层优化分配模型进行目标优化求解,得到虚拟储能器所对应电动汽车集群的充放电分配策略方案,充放电分配策略方案中记载有在各时段所对应电动汽车集群包括的各电动汽车的和/>的最终取值;
第二目标优化算法包括:梯度下降算法、遗传算法或粒子群算法。
在一些实施例中,步骤S1包括:
步骤S101、构建虚拟储能器的上层优化控制模型;
上层优化控制模型中的目标函数为:
;
其中,表示目标区域的电网引入虚拟存储器进行调控后在一个完整周期所产生的总收益值,/>取值为1或0,/>时表示虚拟储能器在第t个时段对电网进行放电,/>时表示虚拟储能器在第t个时段不对电网进行放电,/>表示虚拟储能器在第t个时段对电网进行放电的总放电功率,/>表示虚拟储能器在第t个时段对电网进行放电的放电电价,/>取值为1或0,/>时表示虚拟储能器在第t个时段通过电网对自身进行充电,/>时表示虚拟储能器在第t个时段不通过电网对自身进行充电,/>表示虚拟储能器在第t个时段通过电网对自身进行充电的总充电功率,/>表示虚拟储能器在第t个时段通过电网对自身进行充电的充电单价。/>表示在第t个时段时电网的原有供电功率,/>表示在第t个时段时电网的原有负载功率,/>为将充放电收入映射为对应收益值的第一映射常量,/>为将电功率的平方映射为对应收益值的第二映射常量,/>和/>均大于0;
上层优化控制模型中的目标函数的待优化参数为:、/>、/>、/>;
上层优化控制模型中的目标函数具有如下约束条件:
条件A1:虚拟储能器在第t个时段中不能同时对电网进行放电和通过电网对自身进行充电:
;
条件A2:虚拟储能器所对应电动汽车集群中电动汽车在第t个时段中能够正常运行,且限制虚拟储能器在第t个时段中能够达到的储能总电量的上限;
;
;
其中,和/>分别表示虚拟储能器在第t个时段结束时的储能总电量所能够到达的最小值和最大值,/>表示虚拟储能器在第t个时段结束时的储能总电量,/>表示虚拟储能器在第t-1个时段结束时的储能总电量,/>表示在第t个时段中因电动汽车离开目标区域的电网而导致虚拟储能器所减少的储能电量,/>表示在第t个时段中因电动汽车新接入目标区域的电网而导致虚拟储能器所增加的储能电量;
条件A3:当时,虚拟储能器在第t个时段对电网进行放电的总放电功率小于等于第t个时段所对应电动汽车集群中/>辆电动汽车的放电功率之和;
;
当时,虚拟储能器在第t个时段通过电网进行充电的总充电功率小于等于第t个时段所对应电动汽车集群中/>辆电动汽车的充电功率之和;
;
条件A4:虚拟储能器进行调度优化后在一个完整周期中净充电量不应小于虚拟储能器在调度优化前采用无序充电时在一个完整周期中的总充电量;
;
其中,表示虚拟储能器在调度优化前采用无序充电时在第t个时段中的充电功率;
步骤S102、采用预设的第一目标优化算法来对上层优化控制模型进行目标优化求解,得到虚拟储能器整体的充放电优化策略方案,虚拟储能器整体的充放电优化策略方案中记载的虚拟存储器在第t个时段中待优化参数、/>、/>、/>的取值分别为/>、/>、/>、/>;
第一目标优化算法包括:梯度下降算法、遗传算法或粒子群算法。
在一些实施例中,虚拟储能器在第t个时段结束时的储能总电量所能够到达的最小值和最大值/>通过如下式子确定:
;
;
;
表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段结束时剩余电量百分比的最小值,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t+1个时段中所行驶的里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车自身所具备的最大里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车为电池健康和应急要求所配置的最小剩余电量百分比。
在一些实施例中,下层优化分配模型中的目标函数的约束条件还包括:
条件B4、在一个完整周期中,同一辆电动汽车由非放电状态切换至放电状态的次数与由非充电状态切换至充电状态的次数之和应满足约束:
;
表示目标区域中参与有序充电活动的第/>辆电动汽车在一个完整周期内由非放电状态切换至放电状态的次数,/>表示目标区域中参与有序充电活动的第/>辆电动汽车在一个完整周期内由非充电状态切换至充电状态的次数,/>表示预设的充放电切换次数阈值。
在一些实施例中,L0取值为3。
在一些实施例中,一个完整周期为1天,一个完整周期划分为48个时段,每个时段的时长均为0.5小时。
第二方面,本公开实施例还提供了一种电动汽车虚拟储能优化系统,系统可实现如第一方面中提供的方法,系统包括:
获取模块,配置为将一个完整周期划分为T个时段,并将连接到目标区域的电网的电动汽车集群作为虚拟储能器,获取虚拟储能器整体的充放电优化策略方案,虚拟储能器整体的充放电优化策略方案中记载有虚拟储能器整体在各时段中的充放电信息:
;
表示虚拟储能器在第t个时段的充放电信息,/>表示充放电优化策略方案要求虚拟储能器在第t个时段是否对电网进行放电,/>取值为1或0,/>时表示充放电优化策略方案要求虚拟储能器在第t个时段对电网进行放电,/>时表示充放电优化策略方案要求虚拟储能器在第t个时段不对电网进行放电,/>表示充放电优化策略方案要求虚拟储能器在第t个时段是否通过电网对自身进行充电,/>取值为1 或0,时表示充放电优化策略方案要求虚拟储能器在第t 个时段通过电网对自身进行充电,/>时表示充放电优化策略方案要求虚拟储能器在第t 个时段不通过电网对自身进行充电,/>表示充放电优化策略方案要求虚拟储能器在第t个时段的对电网进行放电的总放电功率,/>表示充放电优化策略方案要求虚拟储能器在第t个时段的通过电网对自身进行充电的总充电功率,在第t个时段所对应的/>和/>中至少一者取值为0,且在/>时/>,在/>时/>,/>且为正整数;
裕度指标确定模块,配置为根据充放电优化策略方案确定虚拟储能器在各时段所对应电动汽车集群中各电动汽车的放电裕度指标和充电裕度指标;
其中,虚拟储能器在第t个时段所对应电动汽车集群中第j辆电动汽车的放电裕度指数和充电裕度指数/>分别为:
;
;
;
且为正整数,/>表示在第t个时段时连接到目标区域的电网的电动汽车集群所包括的电动汽车的总数,/>表示虚拟储能器在第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段开始时的剩余电量百分比,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段结束时所要求的剩余电量百分比的最小值,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车所能够存储的最大电量,/>表示第t个时段的时长,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t+1个时段中所需行驶的里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在满电情况下所能够行驶的最大里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车因电池健康和应急要求所配置的最小剩余电量百分比;
第二构建模块,配置为构建虚拟储能器的下层优化分配模型;
下层优化分配模型中的目标函数为:
;
其中,表示在一个完整周期中电动汽车集群进行调控所对应的充放电裕度总和,/>表示第t个时段所对应电动汽车集群中电动汽车的总数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段是否对电网进行放电,/>取值为1或0,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段对电网进行放电,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段不对电网进行放电,表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段是否通过电网对自身进行充电,/>取值为1或0,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段通过电网对自身进行充电,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段不通过电网对自身进行充电;
下层优化分配模型中的目标函数的待优化参数为:和/>;
下层优化分配模型中的目标函数具有如下约束条件:
条件B1、对于任意的第t个时段,所对应电动汽车集群中第j辆电动汽车在第t个时段中不能同时对电网进行放电和通过电网对自身进行充电:
;
条件B2、对于任意的第t个时段,所对应电动汽车集群对电网进行放电或通过电网进行充电应满足约束:
当时,对于任意的/>均取值为0,且/>;
当时,对于任意的/>均取值为0,且/>;
当且/>时,对于任意的/>和/>均取值为0;
和/>分别表示第t个时段所对应电动汽车集群中第j辆电动汽车的放电功率和充电功率;
条件B3、对于任意的第t个时段,所对应电动汽车集群中第j辆电动汽车在第t个时段结束时剩余电量百分比应满足约束:
;
;
第二求解模块,配置为采用预设的第二目标优化算法对下层优化分配模型进行目标优化求解,得到虚拟储能器所对应电动汽车集群的充放电分配策略方案,充放电分配策略方案中记载有在各时段所对应电动汽车集群包括的各电动汽车的和/>的最终取值;
第二目标优化算法包括:梯度下降算法、遗传算法或粒子群算法。
在一些实施例中,获取模块包括:
第一构建模块,配置为构建虚拟储能器的上层优化控制模型;
上层优化控制模型中的目标函数为:
;
其中,表示目标区域的电网引入虚拟存储器进行调控后在一个完整周期所产生的总收益值,/>取值为1或0,/>时表示虚拟储能器在第t个时段对电网进行放电,/>时表示虚拟储能器在第t个时段不对电网进行放电,/>表示虚拟储能器在第t个时段对电网进行放电的总放电功率,/>表示虚拟储能器在第t个时段对电网进行放电的放电电价,/>取值为1或0,/>时表示虚拟储能器在第t个时段通过电网对自身进行充电,/>时表示虚拟储能器在第t个时段不通过电网对自身进行充电,/>表示虚拟储能器在第t个时段通过电网对自身进行充电的总充电功率,/>表示虚拟储能器在第t个时段通过电网对自身进行充电的充电单价。/>表示在第t个时段时电网的原有供电功率,/>表示在第t个时段时电网的原有负载功率,/>为将充放电收入映射为对应收益值的第一映射常量,/>为将电功率的平方映射为对应收益值的第二映射常量,/>和/>均大于0;
上层优化控制模型中的目标函数的待优化参数为:、/>、/>、/>;
上层优化控制模型中的目标函数具有如下约束条件:
条件A1:虚拟储能器在第t个时段中不能同时对电网进行放电和通过电网对自身进行充电:
;
条件A2:虚拟储能器所对应电动汽车集群中电动汽车在第t个时段中能够正常运行,且限制虚拟储能器在第t个时段中能够达到的储能总电量的上限;
;
;
其中,和/>分别表示虚拟储能器在第t个时段结束时的储能总电量所能够到达的最小值和最大值,/>表示虚拟储能器在第t个时段结束时的储能总电量,/>表示虚拟储能器在第t-1个时段结束时的储能总电量,/>表示在第t个时段中因电动汽车离开目标区域的电网而导致虚拟储能器所减少的储能电量,/>表示在第t个时段中因电动汽车新接入目标区域的电网而导致虚拟储能器所增加的储能电量;
条件A3:当时,虚拟储能器在第t个时段对电网进行放电的总放电功率小于等于第t个时段所对应电动汽车集群中/>辆电动汽车的放电功率之和;
;
当时,虚拟储能器在第t个时段通过电网进行充电的总充电功率小于等于第t个时段所对应电动汽车集群中/>辆电动汽车的充电功率之和;
;
条件A4:虚拟储能器进行调度优化后在一个完整周期中净充电量不应小于虚拟储能器在调度优化前采用无序充电时在一个完整周期中的总充电量;
;
其中,表示虚拟储能器在调度优化前采用无序充电时在第t个时段中的充电功率;
第一求解模块,配置为采用预设的第一目标优化算法来对上层优化控制模型进行目标优化求解,得到虚拟储能器整体的充放电优化策略方案,虚拟储能器整体的充放电优化策略方案中记载的虚拟存储器在第t个时段中待优化参数、/>、/>、/>的取值分别为、/>、/>、/>;
第一目标优化算法包括:梯度下降算法、遗传算法或粒子群算法。
第三方面,本公开实施例提供了一种电子设备,其中,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中提供的方法。
本公开的技术方案提供了一种电动汽车虚拟储能优化方法、系统和电子设备,通过获取目标区域内虚拟储能器整体的充放电优化策略方案,并根据充放电优化策略方案确定虚拟储能器在各时段所对应电动汽车集群中各电动汽车的放电裕度指标和充电裕度指标,然后根据电动汽车的放电裕度指标和充电裕度指标构建,最后对下层优化分配模型进行目标优化求解,得到虚拟储能器所对应电动汽车集群的充放电分配策略方案,充放电分配策略方案中记载有在各时段所对应电动汽车集群包括的各电动汽车的充放电状态。基于该充放电分配策略方案,可以为目标区域内的电动汽车提供具体的充放电优化策略,能够应用于电网的实际调度。
附图说明
图1为本公开实施例提供的一种电动汽车虚拟储能优化方法的流程图;
图2为本公开实施例中步骤S1的一种可选实现方法流程图;
图3为目标区域内电动汽车集群未作为虚拟储能器时充电总功率、电网常规供电系统供电功率、居民用电负荷功率随时间变化的曲线示意图;
图4为目标区域内电动汽车集群采用本公开提供的充放电分配策略方案时的充/放电总功功率、电网常规供电系统供电功率、居民用电负荷功率随时间变化的曲线示意图;
图5为本公开实施例提供的一种电动汽车虚拟储能优化系统的结构框图;
图6为本公开实施例的一种电子设备的结构示意图。
实施方式
为使本领域技术人员更好地理解本公开的技术方案,下面结合附图和具体实施方式对本公开作进一步详细描述。
除非另外定义,本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。同样,“一个”、“一”或者“该”等类似词语也不表示数量限制,而是表示存在至少一个。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述目标的绝对位置改变后,则该相对位置关系也可能相应地改变。
在各个附图中,相同的元件采用类似的附图标记来表示。为了清楚起见,附图中的各个部分并没有都按比例绘制。此外,在图中可能未示出某些公知的部分。
在下文中描述了本公开的许多特定的细节,以便更清楚地理解本公开。但正如本领域的技术人员能够理解的那样,可以不按照这些特定的细节来实现本公开。
图1为本公开实施例提供的一种电动汽车虚拟储能优化方法的流程图。如图1所示,该方法包括:
步骤S1、将一个完整周期划分为T个时段,并将连接到目标区域的电网的电动汽车集群作为虚拟储能器,获取虚拟储能器整体的充放电优化策略方案。
其中,虚拟储能器整体的充放电优化策略方案中记载有虚拟储能器整体在各时段中的充放电信息:
;
表示虚拟储能器在第t个时段的充放电信息,/>表示充放电优化策略方案要求虚拟储能器在第t个时段是否对电网进行放电,/>取值为1或0,/>时表示充放电优化策略方案要求虚拟储能器在第t个时段对电网进行放电,/>时表示充放电优化策略方案要求虚拟储能器在第t个时段不对电网进行放电,/>表示充放电优化策略方案要求虚拟储能器在第t个时段是否通过电网对自身进行充电,/>取值为1 或0,时表示充放电优化策略方案要求虚拟储能器在第t 个时段通过电网对自身进行充电,/>时表示充放电优化策略方案要求虚拟储能器在第t 个时段不通过电网对自身进行充电,/>表示充放电优化策略方案要求虚拟储能器在第t个时段的对电网进行放电的总放电功率,/>表示充放电优化策略方案要求虚拟储能器在第t个时段的通过电网对自身进行充电的总充电功率,在第t个时段所对应的/>和/>中至少一者取值为0,且在/>时,在/>时/>,/>且为正整数。
在步骤S1中,虚拟储能器整体的充放电优化策略方案可以基于现有的一些电动汽车虚拟储能优化方法来获得;也可以采用本公开后面所示例的方法来获得;本公开对此不作限定。
在一些实施例中,一个完整周期为1天,一个完整周期划分为48个时段,每个时段的时长均为0.5小时。
步骤S2、根据充放电优化策略方案确定虚拟储能器在各时段所对应电动汽车集群中各电动汽车的放电裕度指标和充电裕度指标。
电动汽车的放电/充电裕度指标用于表示电动汽车所留有能够向电网进行放电/充电的放电/充电电量与电网所需总放电/充电量的比值;其中,放电/充电裕度指标越大,则表示该电动汽车所预留的放电/充电电量越多,应优先选用该电动汽车向进行放电/充电(可看作是选用该电动汽车向电网进行放电/充电所对应的收益越大)。
其中,虚拟储能器在第t个时段所对应电动汽车集群中第j辆电动汽车的放电裕度指数和充电裕度指数/>分别为:
;
;
;
且为正整数,/>表示在第t个时段时连接到目标区域的电网的电动汽车集群所包括的电动汽车的总数,/>表示虚拟储能器在第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段开始时的剩余电量百分比,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段结束时所要求的剩余电量百分比的最小值,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车所能够存储的最大电量,/>表示第t个时段的时长,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t+1个时段中所需行驶的里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在满电情况下所能够行驶的最大里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车因电池健康和应急要求所配置的最小剩余电量百分比。
在实际应用中,目标区域(例如1个城市或者是1个城市中的某1个或几个行政区)中所有愿意参与有序充电活动的所有电动汽车会主动的实时向目标服务器上传车辆状态信息;通过对目标区域内各电动汽车所上传的车辆状态信息进行统计分析,可得到各电动汽车的属性信息以及在各时段中的使用状态信息。
电动汽车的属性信息可以包括:电动汽车在满电情况下的总电量、电动汽车在满电情况下所能够行驶的最大里程数、电动汽车因电池健康和应急要求所配置的最小剩余电量百分比、电动汽车的充电功率(本公开中不考虑慢充和快充的区分,认为同一辆电动汽车的充电功率恒定)、电动汽车的放电功率等。
电动汽车在各时段中的使用状态信息包括:电动汽车在每个时段中是否有连接、电动汽车在每个时段中的充放电状态、电动汽车在每个时段开始/结束时的剩余电量百分比、电动汽车在每个时段的行驶距离等。其中,电动汽车的充放电状态包括:充电状态、放电状态和未充电且未放电状态,“充电状态”表示电动汽车连接至电网且通过电网进行充电(电动汽车作为电网的负载负荷,电网的负载功率增大),“放电状态”表示电动汽车连接至电网且向电网进行放电(电动汽车作为电网的供电系统,电网的充电功率增大),“未充电且未放电状态”表示电动汽车未接入至电网或者电动汽车虽接入至电网但未进行充电或放电。
步骤S3、构建虚拟储能器的下层优化分配模型。
基于虚拟储能器在各时段所对应电动汽车集群中各电动汽车的放电裕度指数和充电裕度指数/>,可将下层优化分配模型中的目标函数设计为:
;
其中,表示在一个完整周期中电动汽车集群进行调控所对应的充放电裕度总和,/>表示第t个时段所对应电动汽车集群中电动汽车的总数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段是否对电网进行放电,/>取值为1或0,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段对电网进行放电,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段不对电网进行放电,表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段是否通过电网对自身进行充电,/>取值为1或0,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段通过电网对自身进行充电,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段不通过电网对自身进行充电。
下层优化分配模型中的目标函数的待优化参数为:和/>。
下层优化分配模型中的目标函数具有如下约束条件:
条件B1、对于任意的第t个时段,所对应电动汽车集群中第j辆电动汽车在第t个时段中不能同时对电网进行放电和通过电网对自身进行充电:
;
条件B2、对于任意的第t个时段,所对应电动汽车集群对电网进行放电或通过电网进行充电应满足约束:
当时,对于任意的/>均取值为0,且/>。
当时,对于任意的/>均取值为0,且/>。
当且/>时,对于任意的/>和/>均取值为0。
和/>分别表示第t个时段所对应电动汽车集群中第j辆电动汽车的放电功率和充电功率。
条件B3、对于任意的第t个时段,所对应电动汽车集群中第j辆电动汽车在第t个时段结束时剩余电量百分比应满足约束:
;
;
步骤S4、采用预设的第二目标优化算法对下层优化分配模型进行目标优化求解,得到虚拟储能器所对应电动汽车集群的充放电分配策略方案,充放电分配策略方案中记载有在各时段所对应电动汽车集群包括的各电动汽车的和/>的最终取值。
在步骤S4中的第二目标优化算法为单目标优化算法,例如可以为梯度下降算法、遗传算法、粒子群算法等。在模型的目标函数、待优化参数、约束条件均设定的情况下,利用目标优化算法来求解模型中待优化参数的最优值(可能为全局最优解也可能为局部最优解)的过程属于本领域的常规技术,具体运算过程本公开不作赘述。
本公开的技术方案提供了一种电动汽车虚拟储能优化方法,通过获取目标区域内虚拟储能器整体的充放电优化策略方案,并根据充放电优化策略方案确定虚拟储能器在各时段所对应电动汽车集群中各电动汽车的放电裕度指标和充电裕度指标,然后根据电动汽车的放电裕度指标和充电裕度指标构建,最后对下层优化分配模型进行目标优化求解,得到虚拟储能器所对应电动汽车集群的充放电分配策略方案,充放电分配策略方案中记载有在各时段所对应电动汽车集群包括的各电动汽车的充放电状态。基于该充放电分配策略方案,可以为目标区域内的电动汽车提供具体的充放电优化策略,能够应用于电网的实际调度。
在一些实施例中,考虑到电动汽车的频繁的充放电切换行为会对电动汽车的电池使用寿命有影响,故可针对下层优化分配模型中的目标函数新增如下约束条件:
条件B4、在一个完整周期中,同一辆电动汽车由非放电状态切换至放电状态的次数与由非充电状态切换至充电状态的次数之和应满足约束:
;
表示目标区域中参与有序充电活动的第/>辆电动汽车在一个完整周期内由非放电状态(充电状态或未充电且未放电状态)切换至放电状态的次数,/>表示目标区域中参与有序充电活动的第/>辆电动汽车在一个完整周期内由非充电状态(放电状态或未充电且未放电状态)切换至充电状态的次数,/>表示预设的充放电切换次数阈值。在一些实施例中,L0取值为3。
图2为本公开实施例中步骤S1的一种可选实现方法流程图。如图2所示,在一些实施例中,与现有技术中仅考虑电网中供电功率与负载功率平衡来确定虚拟储能器整体的充放电优化策略方案所不同,在本公开中综合考虑电动汽车集群参与有序充放电所获得收益以及电网中供电功率与负载功率相平衡两大因素设计了全新的上层优化控制模型。这是因为电动汽车会有效参与有序充放电活动的动力之一为通过有序充放电活动来降低用车成本、甚至获得额外收益(向电网进行放电所获得收入大于充电电费)。
在一些实施例中,步骤S1包括:
步骤S101、构建虚拟储能器的上层优化控制模型。
上层优化控制模型中的目标函数为:
;
其中,表示目标区域的电网引入虚拟存储器进行调控后在一个完整周期所产生的总收益值,/>取值为1或0,/>时表示虚拟储能器在第t个时段对电网进行放电,/>时表示虚拟储能器在第t个时段不对电网进行放电,/>表示虚拟储能器在第t个时段对电网进行放电的总放电功率,/>表示虚拟储能器在第t个时段对电网进行放电的放电电价,/>取值为1或0,/>时表示虚拟储能器在第t个时段通过电网对自身进行充电,/>时表示虚拟储能器在第t个时段不通过电网对自身进行充电,/>表示虚拟储能器在第t个时段通过电网对自身进行充电的总充电功率,/>表示虚拟储能器在第t个时段通过电网对自身进行充电的充电单价。/>表示在第t个时段时电网的原有供电功率,/>表示在第t个时段时电网的原有负载功率,/>为将充放电收入映射为对应收益值的第一映射常量(单位为“/元”),为将电功率的平方映射为对应收益值的第二映射常量(单位为“/瓦特2”),/>和/>均大于0。
上层优化控制模型中的目标函数的待优化参数为:、/>、/>、/>。
上层优化控制模型中的目标函数具有如下约束条件:
条件A1:虚拟储能器在第t个时段中不能同时对电网进行放电和通过电网对自身进行充电:
;
条件A2:虚拟储能器所对应电动汽车集群中电动汽车在第t个时段中能够正常运行,且限制虚拟储能器在第t个时段中能够达到的储能总电量的上限。
;
;
其中,和/>分别表示虚拟储能器在第t个时段结束时的储能总电量所能够到达的最小值和最大值,/>表示虚拟储能器在第t个时段结束时的储能总电量,/>表示虚拟储能器在第t-1个时段结束时的储能总电量(通过预先的统计分析可得到),/>表示在第t个时段中因电动汽车离开目标区域的电网而导致虚拟储能器所减少的储能电量(通过预先的统计分析可得到),/>表示在第t个时段中因电动汽车新接入目标区域的电网而导致虚拟储能器所增加的储能电量(通过预先的统计分析可得到)。
在本公开实施例中,和/>可以为根据经验所预先设计的两个值,也可以是通过某些算法所计算出的两个值。
在一些实施例中,虚拟储能器在第t个时段结束时的储能总电量所能够到达的最小值和最大值/>通过如下式子确定:
;/>
;
;
表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段结束时剩余电量百分比的最小值,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t+1个时段中所行驶的里程数(/>为基于电动汽车在第t+1个时段的行程需求所设定的值),/>表示第t个时段所对应电动汽车集群中第j辆电动汽车自身所具备的最大里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车为电池健康和应急要求所配置的最小剩余电量百分比。
条件A3:当时,虚拟储能器在第t个时段对电网进行放电的总放电功率小于等于第t个时段所对应电动汽车集群中/>辆电动汽车的放电功率之和。
;
当时,虚拟储能器在第t个时段通过电网进行充电的总充电功率小于等于第t个时段所对应电动汽车集群中/>辆电动汽车的充电功率之和。
;
条件A4:虚拟储能器进行调度优化后在一个完整周期中净充电量不应小于虚拟储能器在调度优化前采用无序充电时在一个完整周期中的总充电量。
;
其中,表示虚拟储能器在调度优化前采用无序充电时在第t个时段中的充电功率。
步骤S102、采用预设的第一目标优化算法来对上层优化控制模型进行目标优化求解,得到虚拟储能器整体的充放电优化策略方案,虚拟储能器整体的充放电优化策略方案中记载的虚拟存储器在第t个时段中待优化参数、/>、/>、/>的取值分别为/>、/>、/>、/>。
在步骤S102中的第一目标优化算法为单目标优化算法,例如可以为梯度下降算法、遗传算法、粒子群算法等。在模型的目标函数、待优化参数、约束条件均设定的情况下,利用目标优化算法来求解模型中待优化参数的最优值(可能为全局最优解也可能为局部最优解)的过程属于本领域的常规技术,具体运算过程本公开不作赘述。
图3为目标区域内电动汽车集群未作为虚拟储能器时充电总功率、电网常规供电系统供电功率、居民用电负荷功率随时间变化的曲线示意图。图4为目标区域内电动汽车集群采用本公开提供的充放电分配策略方案时的充/放电总功功率、电网常规供电系统供电功率、居民用电负荷功率随时间变化的曲线示意图。如图3和图4所示,本公开对某个虚拟城市的电动汽车出行情况进行了仿真;设定一天内虚拟城市道路上约有10万辆电动汽车,并且一天分为48个时段,每个时段的时长为0.5小时,因此第一个时段的起始时间点是凌晨0点,最后一个时段的起始时间点是23点30分。假设该虚拟城市除电动汽车外的所有电力负荷均为居民用电负荷,且除光伏发电厂外电网中还有其他发电站向电动汽车供电,以满足该城市负荷的用电需求,统称为“电网常规供电系统”。
从图3中可以看出,电动汽车的充电负荷与居民用电负荷的峰值消耗时间存在重叠时段(7:00~11:00和16:00~20:00),而电网常规供电系统在峰值输出时间(7:00~9:00以及17:00~20:00)的供电功率较低(因为光伏发电站的供电功率比较低)。这表明电动汽车的非计划充电行为会加剧电网的负荷波动,并可能出现“弃光”现象。
在图4中,电动汽车集群的充/放电总功功率大于0时表示电动汽车集群通过电网充电(作为电网的负载),电动汽车集群的充/放电总功功率小于0时表示电动汽车集群通过电网放电(作为电网的供电系统部分)。通过图4可见,电动汽车集群在居民用电负荷较高且电网常规供电系统供电功率较低时(7:00~10:00和19:00~24:00)向电网放电,在中午光伏发电厂输出功率较高时(10:00~17:00)进行充电,以及在凌晨和早上居民负荷功率较低时(0:00~7:00)进行充电。同时,电动汽车用户还可以通过向电网供电得到一定的收益。
基于同一发明构思,本公开实施例还提供了一种电动汽车虚拟储能优化系统。图5为本公开实施例提供的一种电动汽车虚拟储能优化系统的结构框图。如图5所示,该系统可实现前面实施例中的方法,该系统包括:获取模块、裕度指标确定模块、第二构建模块和第二求解模块。
请转,获取模块配置为将一个完整周期划分为T个时段,并将连接到目标区域的电网的电动汽车集群作为虚拟储能器,获取虚拟储能器整体的充放电优化策略方案,虚拟储能器整体的充放电优化策略方案中记载有虚拟储能器整体在各时段中的充放电信息:
;
表示虚拟储能器在第t个时段的充放电信息,/>表示充放电优化策略方案要求虚拟储能器在第t个时段是否对电网进行放电,/>取值为1或0,/>时表示充放电优化策略方案要求虚拟储能器在第t个时段对电网进行放电,/>时表示充放电优化策略方案要求虚拟储能器在第t个时段不对电网进行放电,/>表示充放电优化策略方案要求虚拟储能器在第t个时段是否通过电网对自身进行充电,/>取值为1 或0,时表示充放电优化策略方案要求虚拟储能器在第t 个时段通过电网对自身进行充电,/>时表示充放电优化策略方案要求虚拟储能器在第t 个时段不通过电网对自身进行充电,/>表示充放电优化策略方案要求虚拟储能器在第t个时段的对电网进行放电的总放电功率,/>表示充放电优化策略方案要求虚拟储能器在第t个时段的通过电网对自身进行充电的总充电功率,在第t个时段所对应的/>和/>中至少一者取值为0,且在/>时/>,在/>时/>,/>且为正整数。
裕度指标确定模块配置为根据充放电优化策略方案确定虚拟储能器在各时段所对应电动汽车集群中各电动汽车的放电裕度指标和充电裕度指标。
其中,虚拟储能器在第t个时段所对应电动汽车集群中第j辆电动汽车的放电裕度指数和充电裕度指数/>分别为:
;
;
;
且为正整数,/>表示在第t个时段时连接到目标区域的电网的电动汽车集群所包括的电动汽车的总数,/>表示虚拟储能器在第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段开始时的剩余电量百分比,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段结束时所要求的剩余电量百分比的最小值,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车所能够存储的最大电量,/>表示第t个时段的时长,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t+1个时段中所需行驶的里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在满电情况下所能够行驶的最大里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车因电池健康和应急要求所配置的最小剩余电量百分比。
第二构建模块配置为构建虚拟储能器的下层优化分配模型。
下层优化分配模型中的目标函数为:
;
其中,表示在一个完整周期中电动汽车集群进行调控所对应的充放电裕度总和,/>表示第t个时段所对应电动汽车集群中电动汽车的总数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段是否对电网进行放电,/>取值为1或0,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段对电网进行放电,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段不对电网进行放电,表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段是否通过电网对自身进行充电,/>取值为1或0,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段通过电网对自身进行充电,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段不通过电网对自身进行充电。/>
下层优化分配模型中的目标函数的待优化参数为:和/>。
下层优化分配模型中的目标函数具有如下约束条件:
条件B1、对于任意的第t个时段,所对应电动汽车集群中第j辆电动汽车在第t个时段中不能同时对电网进行放电和通过电网对自身进行充电:
;
条件B2、对于任意的第t个时段,所对应电动汽车集群对电网进行放电或通过电网进行充电应满足约束:
当时,对于任意的/>均取值为0,且/>。
当时,对于任意的/>均取值为0,且/>。
当且/>时,对于任意的/>和/>均取值为0。
和/>分别表示第t个时段所对应电动汽车集群中第j辆电动汽车的放电功率和充电功率。
条件B3、对于任意的第t个时段,所对应电动汽车集群中第j辆电动汽车在第t个时段结束时剩余电量百分比应满足约束:
;
;
第二求解模块配置为采用预设的第二目标优化算法对下层优化分配模型进行目标优化求解,得到虚拟储能器所对应电动汽车集群的充放电分配策略方案,充放电分配策略方案中记载有在各时段所对应电动汽车集群包括的各电动汽车的和/>的最终取值。
第二目标优化算法包括:梯度下降算法、遗传算法或粒子群算法。
在一些实施例中,获取模块包括:第一构建模块和第一求解模块。
其中,第一构建模块配置为构建虚拟储能器的上层优化控制模型。
上层优化控制模型中的目标函数为:
;
其中,表示目标区域的电网引入虚拟存储器进行调控后在一个完整周期所产生的总收益值,/>取值为1或0,/>时表示虚拟储能器在第t个时段对电网进行放电,/>时表示虚拟储能器在第t个时段不对电网进行放电,/>表示虚拟储能器在第t个时段对电网进行放电的总放电功率,/>表示虚拟储能器在第t个时段对电网进行放电的放电电价,/>取值为1或0,/>时表示虚拟储能器在第t个时段通过电网对自身进行充电,/>时表示虚拟储能器在第t个时段不通过电网对自身进行充电,/>表示虚拟储能器在第t个时段通过电网对自身进行充电的总充电功率,/>表示虚拟储能器在第t个时段通过电网对自身进行充电的充电单价。/>表示在第t个时段时电网的原有供电功率,/>表示在第t个时段时电网的原有负载功率,/>为将充放电收入映射为对应收益值的第一映射常量,/>为将电功率的平方映射为对应收益值的第二映射常量,/>和/>均大于0。
上层优化控制模型中的目标函数的待优化参数为:、/>、/>、/>;
上层优化控制模型中的目标函数具有如下约束条件:
条件A1:虚拟储能器在第t个时段中不能同时对电网进行放电和通过电网对自身进行充电:
;
条件A2:虚拟储能器所对应电动汽车集群中电动汽车在第t个时段中能够正常运行,且限制虚拟储能器在第t个时段中能够达到的储能总电量的上限。
;
;
其中,和/>分别表示虚拟储能器在第t个时段结束时的储能总电量所能够到达的最小值和最大值,/>表示虚拟储能器在第t个时段结束时的储能总电量,/>表示虚拟储能器在第t-1个时段结束时的储能总电量,/>表示在第t个时段中因电动汽车离开目标区域的电网而导致虚拟储能器所减少的储能电量,/>表示在第t个时段中因电动汽车新接入目标区域的电网而导致虚拟储能器所增加的储能电量。
条件A3:当时,虚拟储能器在第t个时段对电网进行放电的总放电功率小于等于第t个时段所对应电动汽车集群中/>辆电动汽车的放电功率之和。
;
当时,虚拟储能器在第t个时段通过电网进行充电的总充电功率小于等于第t个时段所对应电动汽车集群中/>辆电动汽车的充电功率之和。
;
条件A4:虚拟储能器进行调度优化后在一个完整周期中净充电量不应小于虚拟储能器在调度优化前采用无序充电时在一个完整周期中的总充电量。
;
其中,表示虚拟储能器在调度优化前采用无序充电时在第t个时段中的充电功率。
第一求解模块配置为采用预设的第一目标优化算法来对上层优化控制模型进行目标优化求解,得到虚拟储能器整体的充放电优化策略方案,虚拟储能器整体的充放电优化策略方案中记载的虚拟存储器在第t个时段中待优化参数、/>、/>、/>的取值分别为、/>、/>、/>。
第一目标优化算法包括:梯度下降算法、遗传算法或粒子群算法。
对于上述各功能模块的具体描述,可参见前面实施例中的内容,此处不再赘述。
基于同一发明构思,本公开实施例还提供了一种电子设备。图6为本公开实施例的一种电子设备的结构示意图。如图6所示,本公开实施例提供一种电子设备包括:一个或多个处理器101、存储器102、一个或多个I/O接口103。存储器102上存储有一个或多个程序,当该一个或多个程序被该一个或多个处理器执行,使得该一个或多个处理器实现如上述实施例中任一电动汽车虚拟储能优化方法;一个或多个I/O接口103连接在处理器与存储器之间,配置为实现处理器与存储器的信息交互。
其中,处理器101为具有数据处理能力的器件,包括但不限于中央处理器(CPU)等;存储器102为具有数据存储能力的器件,包括但不限于随机存取存储器(RAM,更具体如SDRAM、DDR等)、只读存储器(ROM)、带电可擦可编程只读存储器(EEPROM)、闪存(FLASH);I/O接口(读写接口)103连接在处理器101与存储器102间,能实现处理器101与存储器102的信息交互,包括但不限于数据总线(Bus)等。
在一些实施例中,处理器101、存储器102和I/O接口103通过总线104相互连接,进而与计算设备的其它组件连接。
在一些实施例中,该一个或多个处理器101包括现场可编程门阵列。
根据本公开的实施例,还提供一种计算机可读介质。该计算机可读介质上存储有计算机程序,其中,该程序被处理器执行时实现如上述实施例中任一电动汽车虚拟储能优化方法中的步骤。
特别地,根据本公开实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,包括承载在机器可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分从网络上被下载和安装,和/或从可拆卸介质被安装。在该计算机程序被中央处理单元(CPU)执行时,执行本公开的系统中限定的上述功能。
需要说明的是,本公开所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,前述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
可以理解的是,以上实施方式仅仅是为了说明本公开的原理而采用的示例性实施方式,然而本公开并不局限于此。对于本领域内的普通技术人员而言,在不脱离本公开的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本公开的保护范围。
Claims (9)
1.一种电动汽车虚拟储能优化方法,其特征在于,包括:
步骤S1、将一个完整周期划分为T个时段,并将连接到目标区域的电网的电动汽车集群作为虚拟储能器,获取所述虚拟储能器整体的充放电优化策略方案,所述虚拟储能器整体的充放电优化策略方案中记载有所述虚拟储能器整体在各时段中的充放电信息:
;
表示所述虚拟储能器在第t个时段的充放电信息,/>表示所述充放电优化策略方案要求所述虚拟储能器在第t个时段是否对电网进行放电,/>取值为1或0,/>时表示所述充放电优化策略方案要求所述虚拟储能器在第t个时段对电网进行放电,时表示所述充放电优化策略方案要求所述虚拟储能器在第t个时段不对电网进行放电,/>表示所述充放电优化策略方案要求所述虚拟储能器在第t个时段是否通过电网对自身进行充电,/>取值为1 或0,/>时表示所述充放电优化策略方案要求所述虚拟储能器在第t 个时段通过电网对自身进行充电,/>时表示所述充放电优化策略方案要求所述虚拟储能器在第t 个时段不通过电网对自身进行充电,/>表示所述充放电优化策略方案要求所述虚拟储能器在第t个时段的对电网进行放电的总放电功率,/>表示所述充放电优化策略方案要求所述虚拟储能器在第t个时段的通过电网对自身进行充电的总充电功率,在第t个时段所对应的/>和/>中至少一者取值为0,且在/>时,在/>时/>,/>且为正整数;
步骤S2、根据所述充放电优化策略方案确定所述虚拟储能器在各时段所对应电动汽车集群中各电动汽车的放电裕度指标和充电裕度指标;
其中,所述虚拟储能器在第t个时段所对应电动汽车集群中第j辆电动汽车的放电裕度指数和充电裕度指数/>分别为:
;
;
;
且为正整数,/>表示在第t个时段时连接到所述目标区域的电网的电动汽车集群所包括的电动汽车的总数,/>表示所述虚拟储能器在第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段开始时的剩余电量百分比,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段结束时所要求的剩余电量百分比的最小值,表示第t个时段所对应电动汽车集群中第j辆电动汽车所能够存储的最大电量,/>表示第t个时段的时长,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t+1个时段中所需行驶的里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在满电情况下所能够行驶的最大里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车因电池健康和应急要求所配置的最小剩余电量百分比;
步骤S3、构建所述虚拟储能器的下层优化分配模型;
所述下层优化分配模型中的目标函数为:
;
其中,表示在一个完整周期中所述电动汽车集群进行调控所对应的充放电裕度总和,表示第t个时段所对应电动汽车集群中电动汽车的总数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段是否对电网进行放电,/>取值为1或0,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段对电网进行放电,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段不对电网进行放电,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段是否通过电网对自身进行充电,/>取值为1或0,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段通过电网对自身进行充电,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段不通过电网对自身进行充电;
所述下层优化分配模型中的目标函数的待优化参数为:和/>;
所述下层优化分配模型中的目标函数具有如下约束条件:
条件B1、对于任意的第t个时段,所对应电动汽车集群中第j辆电动汽车在第t个时段中不能同时对电网进行放电和通过电网对自身进行充电:
;
条件B2、对于任意的第t个时段,所对应电动汽车集群对电网进行放电或通过电网进行充电应满足约束:
当时,对于任意的/>均取值为0,且/>;
当时,对于任意的/>均取值为0,且/>;
当且/>时,对于任意的/>和/>均取值为0;
和/>分别表示第t个时段所对应电动汽车集群中第j辆电动汽车的放电功率和充电功率;
条件B3、对于任意的第t个时段,所对应电动汽车集群中第j辆电动汽车在第t个时段结束时剩余电量百分比应满足约束:
;
;
步骤S4、采用预设的第二目标优化算法对所述下层优化分配模型进行目标优化求解,得到所述虚拟储能器所对应电动汽车集群的充放电分配策略方案,所述充放电分配策略方案中记载有在各时段所对应电动汽车集群包括的各电动汽车的和/>的最终取值;
所述第二目标优化算法包括:梯度下降算法、遗传算法或粒子群算法。
2.根据权利要求1所述的方法,其特征在于,步骤S1包括:
步骤S101、构建所述虚拟储能器的上层优化控制模型;
所述上层优化控制模型中的目标函数为:
;
其中,表示所述目标区域的电网引入所述虚拟存储器进行调控后在一个完整周期所产生的总收益值,/>取值为1或0,/>时表示所述虚拟储能器在第t个时段对电网进行放电,/>时表示所述虚拟储能器在第t个时段不对电网进行放电,/>表示所述虚拟储能器在第t个时段对电网进行放电的总放电功率,/>表示所述虚拟储能器在第t个时段对电网进行放电的放电电价,/>取值为1或0,/>时表示所述虚拟储能器在第t个时段通过电网对自身进行充电,/>时表示所述虚拟储能器在第t个时段不通过电网对自身进行充电,表示所述虚拟储能器在第t个时段通过电网对自身进行充电的总充电功率,/>表示所述虚拟储能器在第t个时段通过电网对自身进行充电的充电单价;/>表示在第t个时段时电网的原有供电功率,/>表示在第t个时段时电网的原有负载功率,/>为将充放电收入映射为对应收益值的第一映射常量,/>为将电功率的平方映射为对应收益值的第二映射常量,/>和/>均大于0;
所述上层优化控制模型中的目标函数的待优化参数为:、/>、/>、/>;
所述上层优化控制模型中的目标函数具有如下约束条件:
条件A1:虚拟储能器在第t个时段中不能同时对电网进行放电和通过电网对自身进行充电:
;
条件A2:虚拟储能器所对应电动汽车集群中电动汽车在第t个时段中能够正常运行,且限制虚拟储能器在第t个时段中能够达到的储能总电量的上限;
;
;
其中,和/>分别表示所述虚拟储能器在第t个时段结束时的储能总电量所能够到达的最小值和最大值,/>表示所述虚拟储能器在第t个时段结束时的储能总电量,/>表示所述虚拟储能器在第t-1个时段结束时的储能总电量,/>表示在第t个时段中因电动汽车离开所述目标区域的电网而导致所述虚拟储能器所减少的储能电量,/>表示在第t个时段中因电动汽车新接入所述目标区域的电网而导致所述虚拟储能器所增加的储能电量;
条件A3:当时,所述虚拟储能器在第t个时段对电网进行放电的总放电功率小于等于第t个时段所对应电动汽车集群中/>辆电动汽车的放电功率之和;
;
当时,所述虚拟储能器在第t个时段通过电网进行充电的总充电功率小于等于第t个时段所对应电动汽车集群中/>辆电动汽车的充电功率之和;
;
条件A4:所述虚拟储能器进行调度优化后在一个完整周期中净充电量不应小于所述虚拟储能器在调度优化前采用无序充电时在一个完整周期中的总充电量;
;
其中,表示所述虚拟储能器在调度优化前采用无序充电时在第t个时段中的充电功率;
步骤S102、采用预设的第一目标优化算法来对所述上层优化控制模型进行目标优化求解,得到所述虚拟储能器整体的充放电优化策略方案,所述虚拟储能器整体的充放电优化策略方案中记载的所述虚拟存储器在第t个时段中待优化参数、/>、/>、/>的取值分别为、/>、/>、/>;
所述第一目标优化算法包括:梯度下降算法、遗传算法或粒子群算法。
3.根据权利要求2所述的方法,其特征在于,
所述虚拟储能器在第t个时段结束时的储能总电量所能够到达的最小值和最大值通过如下式子确定:
;
;
;
表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段结束时剩余电量百分比的最小值,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t+1个时段中所行驶的里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车自身所具备的最大里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车为电池健康和应急要求所配置的最小剩余电量百分比。
4.根据权利要求1所述的方法,其特征在于,所述下层优化分配模型中的目标函数的约束条件还包括:
条件B4、在一个完整周期中,同一辆电动汽车由非放电状态切换至放电状态的次数与由非充电状态切换至充电状态的次数之和应满足约束:
;
表示所述目标区域中参与有序充电活动的第/>辆电动汽车在一个完整周期内由非放电状态切换至放电状态的次数,/>表示所述目标区域中参与有序充电活动的第/>辆电动汽车在一个完整周期内由非充电状态切换至充电状态的次数,/>表示预设的充放电切换次数阈值。
5.根据权利要求4所述的方法,其特征在于,L0取值为3。
6.根据权利要求1至5中任一所述的方法,其特征在于,一个完整周期为1天,一个完整周期划分为48个时段,每个时段的时长均为0.5小时。
7.一种电动汽车虚拟储能优化系统,其特征在于,所述系统可实现如权利要求1至6中任一所述方法,所述系统包括:
获取模块,配置为将一个完整周期划分为T个时段,并将连接到目标区域的电网的电动汽车集群作为虚拟储能器,获取所述虚拟储能器整体的充放电优化策略方案,所述虚拟储能器整体的充放电优化策略方案中记载有所述虚拟储能器整体在各时段中的充放电信息:
;
表示所述虚拟储能器在第t个时段的充放电信息,/>表示所述充放电优化策略方案要求所述虚拟储能器在第t个时段是否对电网进行放电,/>取值为1或0,/>时表示所述充放电优化策略方案要求所述虚拟储能器在第t个时段对电网进行放电,时表示所述充放电优化策略方案要求所述虚拟储能器在第t个时段不对电网进行放电,/>表示所述充放电优化策略方案要求所述虚拟储能器在第t个时段是否通过电网对自身进行充电,/>取值为1 或0,/>时表示所述充放电优化策略方案要求所述虚拟储能器在第t 个时段通过电网对自身进行充电,/>时表示所述充放电优化策略方案要求所述虚拟储能器在第t 个时段不通过电网对自身进行充电,/>表示所述充放电优化策略方案要求所述虚拟储能器在第t个时段的对电网进行放电的总放电功率,/>表示所述充放电优化策略方案要求所述虚拟储能器在第t个时段的通过电网对自身进行充电的总充电功率,在第t个时段所对应的/>和/>中至少一者取值为0,且在/>时/>,在/>时/>,/>且为正整数;
裕度指标确定模块,配置为根据所述充放电优化策略方案确定所述虚拟储能器在各时段所对应电动汽车集群中各电动汽车的放电裕度指标和充电裕度指标;
其中,所述虚拟储能器在第t个时段所对应电动汽车集群中第j辆电动汽车的放电裕度指数和充电裕度指数/>分别为:
;
;
;
且为正整数,/>表示在第t个时段时连接到所述目标区域的电网的电动汽车集群所包括的电动汽车的总数,/>表示所述虚拟储能器在第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段开始时的剩余电量百分比,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段结束时所要求的剩余电量百分比的最小值,表示第t个时段所对应电动汽车集群中第j辆电动汽车所能够存储的最大电量,/>表示第t个时段的时长,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t+1个时段中所需行驶的里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在满电情况下所能够行驶的最大里程数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车因电池健康和应急要求所配置的最小剩余电量百分比;
第二构建模块,配置为构建所述虚拟储能器的下层优化分配模型;
所述下层优化分配模型中的目标函数为:
;
其中,表示在一个完整周期中所述电动汽车集群进行调控所对应的充放电裕度总和,表示第t个时段所对应电动汽车集群中电动汽车的总数,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段是否对电网进行放电,/>取值为1或0,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段对电网进行放电,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段不对电网进行放电,/>表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段是否通过电网对自身进行充电,/>取值为1或0,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段通过电网对自身进行充电,/>时表示第t个时段所对应电动汽车集群中第j辆电动汽车在第t个时段不通过电网对自身进行充电;
所述下层优化分配模型中的目标函数的待优化参数为:和/>;
所述下层优化分配模型中的目标函数具有如下约束条件:
条件B1、对于任意的第t个时段,所对应电动汽车集群中第j辆电动汽车在第t个时段中不能同时对电网进行放电和通过电网对自身进行充电:
;
条件B2、对于任意的第t个时段,所对应电动汽车集群对电网进行放电或通过电网进行充电应满足约束:
当时,对于任意的/>均取值为0,且/>;
当时,对于任意的/>均取值为0,且/>;
当且/>时,对于任意的/>和/>均取值为0;
和/>分别表示第t个时段所对应电动汽车集群中第j辆电动汽车的放电功率和充电功率;
条件B3、对于任意的第t个时段,所对应电动汽车集群中第j辆电动汽车在第t个时段结束时剩余电量百分比应满足约束:
;
;
第二求解模块,配置为采用预设的第二目标优化算法对所述下层优化分配模型进行目标优化求解,得到所述虚拟储能器所对应电动汽车集群的充放电分配策略方案,所述充放电分配策略方案中记载有在各时段所对应电动汽车集群包括的各电动汽车的和/>的最终取值;
所述第二目标优化算法包括:梯度下降算法、遗传算法或粒子群算法。
8.根据权利要求7所述的系统,其特征在于,所述获取模块包括:
第一构建模块,配置为构建所述虚拟储能器的上层优化控制模型;
所述上层优化控制模型中的目标函数为:
;
其中,表示所述目标区域的电网引入所述虚拟存储器进行调控后在一个完整周期所产生的总收益值,/>取值为1或0,/>时表示所述虚拟储能器在第t个时段对电网进行放电,/>时表示所述虚拟储能器在第t个时段不对电网进行放电,/>表示所述虚拟储能器在第t个时段对电网进行放电的总放电功率,/>表示所述虚拟储能器在第t个时段对电网进行放电的放电电价,/>取值为1或0,/>时表示所述虚拟储能器在第t个时段通过电网对自身进行充电,/>时表示所述虚拟储能器在第t个时段不通过电网对自身进行充电,表示所述虚拟储能器在第t个时段通过电网对自身进行充电的总充电功率,/>表示所述虚拟储能器在第t个时段通过电网对自身进行充电的充电单价;/>表示在第t个时段时电网的原有供电功率,/>表示在第t个时段时电网的原有负载功率,/>为将充放电收入映射为对应收益值的第一映射常量,/>为将电功率的平方映射为对应收益值的第二映射常量,/>和/>均大于0;
所述上层优化控制模型中的目标函数的待优化参数为:、/>、/>、/>;
所述上层优化控制模型中的目标函数具有如下约束条件:
条件A1:虚拟储能器在第t个时段中不能同时对电网进行放电和通过电网对自身进行充电:
;
条件A2:虚拟储能器所对应电动汽车集群中电动汽车在第t个时段中能够正常运行,且限制虚拟储能器在第t个时段中能够达到的储能总电量的上限;
;
;
其中,和/>分别表示所述虚拟储能器在第t个时段结束时的储能总电量所能够到达的最小值和最大值,/>表示所述虚拟储能器在第t个时段结束时的储能总电量,/>表示所述虚拟储能器在第t-1个时段结束时的储能总电量,/>表示在第t个时段中因电动汽车离开所述目标区域的电网而导致所述虚拟储能器所减少的储能电量,/>表示在第t个时段中因电动汽车新接入所述目标区域的电网而导致所述虚拟储能器所增加的储能电量;
条件A3:当时,所述虚拟储能器在第t个时段对电网进行放电的总放电功率小于等于第t个时段所对应电动汽车集群中/>辆电动汽车的放电功率之和;
;
当时,所述虚拟储能器在第t个时段通过电网进行充电的总充电功率小于等于第t个时段所对应电动汽车集群中/>辆电动汽车的充电功率之和;
;
条件A4:所述虚拟储能器进行调度优化后在一个完整周期中净充电量不应小于所述虚拟储能器在调度优化前采用无序充电时在一个完整周期中的总充电量;
;
其中,表示所述虚拟储能器在调度优化前采用无序充电时在第t个时段中的充电功率;
第一求解模块,配置为采用预设的第一目标优化算法来对所述上层优化控制模型进行目标优化求解,得到所述虚拟储能器整体的充放电优化策略方案,所述虚拟储能器整体的充放电优化策略方案中记载的所述虚拟存储器在第t个时段中待优化参数、/>、/>、/>的取值分别为/>、/>、/>、/>;
所述第一目标优化算法包括:梯度下降算法、遗传算法或粒子群算法。
9.一种电子设备,其中,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1至6中任一所述方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410001786.2A CN117485147B (zh) | 2024-01-02 | 2024-01-02 | 一种电动汽车虚拟储能优化方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410001786.2A CN117485147B (zh) | 2024-01-02 | 2024-01-02 | 一种电动汽车虚拟储能优化方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117485147A true CN117485147A (zh) | 2024-02-02 |
CN117485147B CN117485147B (zh) | 2024-03-26 |
Family
ID=89683328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410001786.2A Active CN117485147B (zh) | 2024-01-02 | 2024-01-02 | 一种电动汽车虚拟储能优化方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117485147B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105576684A (zh) * | 2016-02-01 | 2016-05-11 | 浙江工业大学 | 一种含高渗透率光电微电网中的电动汽车优化调度方法 |
CN113887032A (zh) * | 2021-09-26 | 2022-01-04 | 云南电网有限责任公司 | 基于拉格朗日分布式算法的电动汽车有序充放电控制方法 |
CN113991661A (zh) * | 2021-11-09 | 2022-01-28 | 东南大学 | 一种考虑集群电动汽车内部充放电的微电网预测控制方法 |
WO2022021957A1 (zh) * | 2021-03-16 | 2022-02-03 | 中国科学院广州能源研究所 | 运营商收益最大化的v2g二阶段随机规划调度模型 |
CN115864480A (zh) * | 2023-03-02 | 2023-03-28 | 国网湖北省电力有限公司营销服务中心(计量中心) | 基于大规模电动汽车分布式充放电功率跟踪集群调度方法 |
-
2024
- 2024-01-02 CN CN202410001786.2A patent/CN117485147B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105576684A (zh) * | 2016-02-01 | 2016-05-11 | 浙江工业大学 | 一种含高渗透率光电微电网中的电动汽车优化调度方法 |
WO2022021957A1 (zh) * | 2021-03-16 | 2022-02-03 | 中国科学院广州能源研究所 | 运营商收益最大化的v2g二阶段随机规划调度模型 |
CN113887032A (zh) * | 2021-09-26 | 2022-01-04 | 云南电网有限责任公司 | 基于拉格朗日分布式算法的电动汽车有序充放电控制方法 |
CN113991661A (zh) * | 2021-11-09 | 2022-01-28 | 东南大学 | 一种考虑集群电动汽车内部充放电的微电网预测控制方法 |
CN115864480A (zh) * | 2023-03-02 | 2023-03-28 | 国网湖北省电力有限公司营销服务中心(计量中心) | 基于大规模电动汽车分布式充放电功率跟踪集群调度方法 |
Non-Patent Citations (2)
Title |
---|
孟令浩: "《V2G模式下考虑新能源接入的电动汽车充放电调度策略研究》", 31 December 2023, 燕山大学 * |
胡戎: "计及灵活性资源的交直流混合配电网双层优化", 《电网技术》, vol. 46, no. 6, 30 June 2022 (2022-06-30), pages 2260 - 2267 * |
Also Published As
Publication number | Publication date |
---|---|
CN117485147B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Cao et al. | Optimal scheduling of electric vehicles aggregator under market price uncertainty using robust optimization technique | |
Yao et al. | Robust frequency regulation capacity scheduling algorithm for electric vehicles | |
Zhang et al. | A Monte Carlo simulation approach to evaluate service capacities of EV charging and battery swapping stations | |
Debnath et al. | Quantifying economic benefits of second life batteries of gridable vehicles in the smart grid | |
CN111446729B (zh) | 控制装置以及计算机可读存储介质 | |
CN103241130B (zh) | 一种电动公交车充换电站的能量管理方法及系统 | |
CN109193718B (zh) | 一种适应于v2g的选择电动汽车入网调控方法 | |
Han et al. | Ordered charge control considering the uncertainty of charging load of electric vehicles based on Markov chain | |
Humayd et al. | Distribution system planning to accommodate distributed energy resources and PEVs | |
CN106651002B (zh) | 一种基于正弦余弦算法的大规模电动汽车充放电多目标优化方法 | |
CN107169273A (zh) | 计及延时和v2g充电模式的电动汽车充电功率预测方法 | |
CN111126740B (zh) | 共享汽车充电调度方法、电子设备及存储介质 | |
CN109615268A (zh) | 一种分时电价的公交充电经济调度方法及系统 | |
Ahmadi et al. | Optimal use of vehicle-to-grid technology to modify the load profile of the distribution system | |
CN110232219B (zh) | 一种基于数据挖掘的电动汽车可调度容量核定方法 | |
Li et al. | V2G multi-objective dispatching optimization strategy based on user behavior model | |
CN115471044A (zh) | 含光储的配电台区电动汽车调度方法、系统及存储介质 | |
CN109672199B (zh) | 一种基于能量平衡的电动汽车削峰填谷能力估计方法 | |
CN114997478A (zh) | 基于混合多目标粒子群算法的新能源公交车充电调度方法 | |
CN113715669B (zh) | 电动汽车有序充电控制方法、系统、设备及可读存储介质 | |
Ali et al. | Optimal operation of static energy storage in fast-charging stations considering the trade-off between resilience and peak shaving | |
CN117485147B (zh) | 一种电动汽车虚拟储能优化方法和系统 | |
CN115907128A (zh) | 一种高速公路年尺度用电负荷预测方法及装置 | |
CN112436536B (zh) | 一种高速路新能源汽车充电引导方法及系统 | |
CN114825409A (zh) | 一种电动汽车多目标分群分级优化调度方法及装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |