CN117526286A - 电动汽车集群可调容量评估方法、系统、设备和存储介质 - Google Patents

电动汽车集群可调容量评估方法、系统、设备和存储介质 Download PDF

Info

Publication number
CN117526286A
CN117526286A CN202311467608.0A CN202311467608A CN117526286A CN 117526286 A CN117526286 A CN 117526286A CN 202311467608 A CN202311467608 A CN 202311467608A CN 117526286 A CN117526286 A CN 117526286A
Authority
CN
China
Prior art keywords
adjustable
electric automobile
capacity
adjustable capacity
electric
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
Application number
CN202311467608.0A
Other languages
English (en)
Inventor
邰彬
黄杨珏
朱远哲
沈开程
汪进锋
吕鸿
陈鹏
黄思艺
廖思阳
雷熙淳
徐箭
刘石生
李新
程志秋
卢坚章
钟官添
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Original Assignee
Guangdong Power Grid Co Ltd
Electric Power Research Institute of Guangdong Power Grid Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong Power Grid Co Ltd, Electric Power Research Institute of Guangdong Power Grid Co Ltd filed Critical Guangdong Power Grid Co Ltd
Priority to CN202311467608.0A priority Critical patent/CN117526286A/zh
Publication of CN117526286A publication Critical patent/CN117526286A/zh
Pending legal-status Critical Current

Links

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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/27—Regression, e.g. linear or logistic regression
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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
    • H02J3/28—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
    • 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)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Evolutionary Computation (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Power Engineering (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Supply And Distribution Of Alternating Current (AREA)

Abstract

本发明涉及电力控制技术领域，公开了一种电动汽车集群可调容量评估方法、系统、设备和存储介质，方法包括：根据电动汽车的特征参数，构建可调容量评估约束模型，并根据可调容量评估约束模型，得到电动汽车的可调状态；根据可调状态和可调容量评估约束模型，计算电动汽车的单体可调容量；计算电动汽车的聚类指标，根据聚类指标对电动汽车集群的负荷进行聚类，得到电动汽车聚合体；根据电动汽车聚合体和单体可调容量，得到电动汽车集群的可调容量。本发明能够准确高效的评估电动汽车的最大可调容量，为负荷聚合商或电网运行调度部门的调控决策提供可靠的数据基础，进一步提高了电力系统的运行效率。

Description

电动汽车集群可调容量评估方法、系统、设备和存储介质
技术领域
本发明涉及电力控制技术领域，特别是涉及一种面向配电网实时调控的电动汽车集群可调容量评估方法、系统、设备和存储介质。
背景技术
近年来，配电网分布式光伏增速尤为明显，其渗透率的不断提高显著影响配电网运行的安全性、可靠性与稳定性，并伴随着可再生能源消纳能力不足的问题。同时，主动配电网和“源荷互动”概念的出现使负荷侧调控潜力逐渐受到重视。如何通过对负荷侧可调资源进行调控能力评估，来决策其协同参与电网调峰调度、实时控制的具体方式，是当前的研究热点。而电动汽车作为配电网内负荷侧的一种典型资源，可以认为具有移动储能特性，但是目前并没有针对电动汽车集群调控有效方法，如何在综合考虑电网的调控需求及用户用电需求的前提下，实现电动汽车可调容量评估仍是亟需解决的问题。
发明内容
为了解决上述技术问题，本发明提供了一种电动汽车集群可调容量评估方法、系统、设备和存储介质，以能够实现对电动汽车可调容量的最大化评估，达到为电网运行调度部门的调控决策提供可靠的数据基础的效果。
第一方面，本发明提供了一种电动汽车集群可调容量评估方法，所述方法包括：
根据电动汽车的特征参数，构建可调容量评估约束模型，并根据所述可调容量评估约束模型，得到电动汽车的可调状态；
根据所述可调状态和所述可调容量评估约束模型，计算电动汽车的单体可调容量；
计算电动汽车的聚类指标，根据所述聚类指标对电动汽车集群的负荷进行聚类，得到电动汽车聚合体；
根据所述电动汽车聚合体和所述单体可调容量，得到电动汽车集群的可调容量。
进一步地，所述根据电动汽车的特征参数，构建可调容量评估约束模型，并根据所述可调容量评估约束模型，得到电动汽车的可调状态的步骤包括：
根据单台电动汽车的特征参数，建立可调容量评估约束条件，所述可调容量评估约束条件包括动力电池物理约束、用户充电需求约束和配电网调控需求约束；
根据所述特征参数和所述动力电池物理约束，得到电动汽车的可调状态。
进一步地，所述根据所述可调状态和所述可调容量评估约束模型，计算电动汽车的单体可调容量的步骤包括：
根据所述可调状态和所述可调容量评估约束模型，计算电动汽车的容量边界和功率边界；
根据所述容量边界和所述功率边界，计算电动汽车的单体可调容量。
进一步地，所述计算电动汽车的聚类指标的步骤包括：
根据所述特征参数和所述配电网调控需求约束，计算期望调控时间指标；
采用回归算法计算用户响应意愿指标，并将所述单体可调容量作为可调容量指标；
将所述期望调控时间指标、所述用户响应意愿指标和所述可调容量指标作为电动汽车的聚类指标。
进一步地，所述根据所述聚类指标对电动汽车集群的负荷进行聚类，得到电动汽车聚合体的步骤包括：
根据所述聚类指标，采用模糊C均值聚类算法对电动汽车集群的负荷进行聚类，得到电动汽车聚合体。
进一步地，根据所述可调状态和所述可调容量评估约束模型，计算电动汽车的容量边界和功率边界的步骤包括：
根据所述可调状态，得到电动汽车的实时容量模型；
根据所述实时容量模型和所述用户充电需求约束，得到电动汽车的容量边界；
根据所述可调容量评估约束模型，得到电动汽车的荷电状态变化量；
根据所述荷电状态变化量和所述特征参数，得到电动汽车的功率边界。
进一步地，采用如下公式表示所述功率边界：
式中，表示功率下边界，/>表示功率上边界，/>表示荷电状态变化量，/>表示额定充电功率，/>表示额定放电功率，/>表示额定容量，ηi表示充放电功率，Δt表示时间变化量，i表示第i辆电动汽车，t表示时间。
第二方面，本发明提供了一种电动汽车集群可调容量评估系统，所述系统包括：
可调状态获取模块，用于根据电动汽车的特征参数，构建可调容量评估约束模型，并根据所述可调容量评估约束模型，得到电动汽车的可调状态；
单体容量计算模块，用于根据所述可调状态和所述可调容量评估约束模型，计算电动汽车的单体可调容量；
集群负荷聚类模块，用于计算电动汽车的聚类指标，根据所述聚类指标对电动汽车集群的负荷进行聚类，得到电动汽车聚合体；
集群容量计算模块，用于根据所述电动汽车聚合体和所述单体可调容量，得到电动汽车集群的可调容量。
第三方面，本发明实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
本发明提供了一种电动汽车集群可调容量评估方法、系统、计算机设备和存储介质。本发明在考虑配电网运行调控的时间尺度问题，以及满足用户充电基本需求的前提下，实现了电动汽车可调容量最大化评估，从而为负荷聚合商或电网运行调度部门的调控决策提供可靠的数据基础，进一步提高了电力系统的运行效率。
附图说明
图1是本发明实施例中电动汽车集群可调容量评估方法的流程示意图；
图2是本发明实施例中入网电量高于最低荷电状态时容量边界示意图；
图3是本发明实施例中入网电量低于最低荷电状态时容量边界示意图；
图4是本发明实施例中电动汽车集群可调容量评估方法的另一种流程示意图；
图5是本发明实施例中电动汽车集群可调容量评估系统的结构示意图；
图6是本发明实施例中计算机设备的内部结构图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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。
请参阅图1，本发明第一实施例提出的一种电动汽车集群可调容量评估方法，包括步骤S10～S40：
步骤S10，根据电动汽车的特征参数，构建可调容量评估约束模型，并根据所述可调容量评估约束模型，得到电动汽车的可调状态。
本发明首先根据电动汽车的相关参数来判断各台电动汽车的可调状态，具体步骤如下所示：
步骤S101，根据单台电动汽车的特征参数，建立可调容量评估约束条件，所述可调容量评估约束条件包括动力电池物理约束、用户充电需求约束和配电网调控需求约束；
步骤S102，根据所述特征参数和所述动力电池物理约束，得到电动汽车的可调状态。
在本实施例中，根据电动汽车特征参数来构建可调容量评估约束体系，从而判断出电动汽车的可调状态，通过电动汽车与充电桩之间的交互系统采集电动汽车荷电状态等参数，初步得出可调容量评估依据，具体可以分为以下三个步骤：
①确定单台电动汽车的特征参数和额定参数
为了准确评估电动汽车的可调能力，本发明通过定期更新采集电动汽车相应的特征参数，来满足电动汽车可调能力动态评估计算的需求，其中，特征参数主要包括：电动汽车的入网时刻ti,in、入网时刻荷电状态维持动力电池正常运行的最大荷电状态和最小荷电状态/>以及设定的预期荷电状态/>与预期离网时间ti,out；额定参数主要包括：电动汽车的额定充电功率/>额定放电功率/>额定容量/>和充放电效率ηi。
②构建电动汽车的可调容量评估约束模型
本实施例中的可调容量评估约束模型包括三个约束条件，分别为动力电池物理约束、用户充电需求约束和配电网调控需求约束，其中，对于电动汽车的动力电池物理约束，主要是针对电动汽车作为类储能资源所必须考虑的电池容量约束与功率约束，由二者共同确定一个可行域作为电动汽车的动力电池物理约束，这是电动汽车可调容量评估的基本约束条件；
对于电动汽车的用户充电需求约束，是在动力电池物理约束的客观物理特性的基础上加入的主观影响因素，主要表征在用户对出行时刻电动汽车电池容量的要求上，也即表现在离网时刻ti,out及期望荷电状态两个特征参数上，对电动汽车进行调控需要将满足用户需求作为前提条件，以保证调控的可持续性。
对于配电网调控需求约束，在电动汽车实际参与电网运行调控的过程中，集群可调容量准确上报是运行调度部门优化决策的前提条件，因此可调容量的评估计算需要配合配电网调控的时间尺度，避免资源浪费及无效调控，因此需要考虑电动汽车的调控时序问题，结合实时充放电功率和/>计算期望可调时间/>表征当前最大化可调容量时电动汽车的可调控时间，也即时序调控能力，这是作为配电网实时调控时间尺度下可调与否的判据。
基于上述的电动汽车的特征参数和额定参数，以及可调容量评估约束条件，可以对电动汽车的可调状态进行初步判断，即计算第i辆电动汽车的入网时长ti,grid与充电时长ti,grid,ex，对于入网时长较短的电动汽车(ti,grid<ti,grid,ex)，认为不具有可调能力，需要以最大额定充电功率进行充电，具体可表示为如下公式：
ti,grid＝ti,out-ti,in (1)
式中，表示第i辆电动汽车在t时间的充电功率。
同时，对于入网时长足够的电动汽车(ti,grid>ti,grid,ex)，还需要考虑电动汽车动力电池的安全运行约束，规定荷电状态小于最小荷电状态/>时，同样不具备可调容量。
根据上述两个条件，即可以对电动汽车的可调容量进行初步判断。
步骤S20，根据所述可调状态和所述可调容量评估约束模型，计算电动汽车的单体可调容量。
通过上述步骤得到电动汽车的可调状态以及建立的可调容量评估约束模型之后，即可以对电动汽车的单体可调容量进行计算，具体步骤如下所示：
步骤S201，根据所述可调状态和所述可调容量评估约束模型，计算电动汽车的容量边界和功率边界；
步骤S202，根据所述容量边界和所述功率边界，计算电动汽车的单体可调容量。
在本实施例中，根据上述步骤得到相关数据，来建立电动汽车的数学模型，即建立单体电动汽车的容量边界和功率边界，其中，对于容量边界的构建步骤为：
步骤S2011，根据所述可调状态，得到电动汽车的实时容量模型；
步骤S2012，根据所述实时容量模型和所述用户充电需求约束，得到电动汽车的容量边界。
具体的，电动汽车容量边界可借由表征电池电量情况的荷电状态SOC进行表示，电动汽车的实时容量变化则由以下的动态模型进行计算：
关于电动汽车的容量边界的划定分为两种情况，一种是对于入网时刻荷电状态大于最小荷电状态的电动汽车，其容量边界如图2所示，容量下边界由三部分构成，根据上述公式(4)可知，第一部分为入网时刻开始以额定放电功率/>放电至最小荷电状态/>第二部分为保持荷电状态不小于/>第三部分则是根据用户用电需求约束，确定最迟充电时刻ti,st，使其在额定充电功率/>下可以满足预期充电目标/>及预期离网时间ti,out。
容量上边界则由两部分构成，第一部分为满足用户用电需求约束及动态特性，入网时刻即以额定充电功率充电；第二部分为保持荷电状态不大于/>
根据上述容量边界的组成说明可知，入网电量高于最低荷电状态的电动汽车的容量边界公式为：
式中，表示第i辆电动汽车的容量下边界，/>表示第i辆电动汽车的容量上边界。
对于入网时刻荷电状态小于最小荷电状态的电动汽车，其容量边界如图3所示，这两种状态下的电动汽车的区别在于容量下边界的第一部分，对于入网电量低于最低荷电状态的电动汽车，在初入电网时段内，由于荷电状态小于电池允许的最小值，须以额定充电功率充电至/>对于容量下边界的后两部分以及容量上边界的构成则均与入网电量高于最低荷电状态的电动汽车的容量边界构成相同，因此，对于入网电量低于最低荷电状态的电动汽车的容量边界可以采用以下公式表示：
在建立容量边界之后，还需要建立功率边界，其具体步骤如下所示：
步骤S2013，根据所述可调容量评估约束模型，得到电动汽车的荷电状态变化量；
步骤S2014，根据所述荷电状态变化量和所述特征参数，得到电动汽车的功率边界。
具体的，电动汽车的功率边界由电池充放电功率及电量状态共同决定，同时需要考虑电动汽车用户充电需求以及配电网的实时调控时间尺度Δt，具体分为上调和下调两种场景，首先根据下调场景来建立电动汽车的负荷下边界：
结合电动汽车用户充电需求与配电网实时控制周期确定基本电量约束，计算使电动汽车的荷电状态在t+Δt时刻能够达到其允许的最小值在本发明中认为配电网实时控制的时间尺度为1min，也即Δt＝1min。因此在时间尺度内电动汽车的荷电状态最小值的计算方式如下：
公式(9)表示的意义为，在t+Δt时刻，如果电池电量大于所允许的最小电量此后如果持续以最大充电功率为电动汽车充电，则能够在计划离开时达到用户期望电量。否则，则不能够达到用户需求。
另一方面，电动汽车充放电应满足电池最小荷电状态约束，也即：
根据公式(9)和(10)，可以得到调控周期内的充放电功率下边界具体计算方式如下：
式中，表示t时刻的荷电状态，/>表示荷电状态变化量：
其次根据上调场景来建立电动汽车的负荷上边界：
上调电动汽车负荷一般表现为增大其充电功率大小，显然是趋向于满足用户用电需求的，因此此时的约束主要为电动汽车电池的最大荷电状态约束，也即：
定义此时的最大荷电状态变化量为：
因此可以得到对应的电动汽车负荷功率上边界为：
经过上述调控边界计算，已经同时兼顾了配电网调控周期、用户用电需求以及电池安全约束，进而可以基于实时量测的电动汽车功率值以及计算得到的边界值/>与计算电动汽车单体可调容量：
式中，和/>分别代表在t时刻将电动汽车类比于发电单元后的可下调容量和可上调容量。
步骤S30，计算电动汽车的聚类指标，根据所述聚类指标对电动汽车集群的负荷进行聚类，得到电动汽车聚合体；
步骤S40，根据所述电动汽车聚合体和所述单体可调容量，得到电动汽车集群的可调容量。
在计算出电动汽车的单体可调容量之后，需要对电动汽车集群进行分析来确定可以参与调控的电动汽车，在本实施例中，采用聚类算法对电动汽车集群进行聚类，其聚类所采用的聚类指标有三种，分别为期望调控时间指标、用户响应意愿指标和可调容量指标，指标的计算步骤如下所示：
步骤S301，根据所述特征参数和所述配电网调控需求约束，计算期望调控时间指标；
步骤S302，采用回归算法计算用户响应意愿指标，并将所述单体可调容量作为可调容量指标；
步骤S303，将所述期望调控时间指标、所述用户响应意愿指标和所述可调容量指标作为电动汽车的聚类指标。
在本实施例中，对于期望调控时间指标的计算，是考虑电动汽车的实际充放电功率值，结合电网调控的时间尺度，定期计算与更新期望调控时间，表征最大化可调容量目标下电动汽车可参与调控的时长，计算方法如下：
式中，表示电动汽车可参与下调的时长，/>表示电动汽车可参与上调的时长。
对于用户响应意愿指标，则采用回归算法进行计算，用户响应意愿可以用其对电网调控接受的概率进行表示，也即选取一个值区间为[0,1]的指标。而Logistic模型是值区间为[0,1]的单调递增函数，可以用来评估电动汽车用户接受调控的概率，具体计算步骤为：
定义判断用户是否接受电网调控的相关模型：
xi,t＝αi+βici,t+r (20)
其中，xi,t表示接受调控的概率，αi表示电动汽车用户i接受调控的基础概率，一般可取为0.5，βi是一个取值为负的系数，其取值取决于电动汽车具体类型等因素，r代表随机误差，ci,t代表负荷聚合商对电动汽车用户参与调控的单位补偿电价，由此可知，电动汽车用户响应意愿取决于可能获得的调控成本。
进而可以通过logistic模型将其变化为电动汽车用户的响应意愿指标如下公式所示：
对于可调容量指标，在不同场景下，电动汽车的单体可调容量可以通过上述步骤计算得出，也即公式(16)和(17)，这里将电动汽车的可调容量指标统一记作在不同场景下，采用相应的可上调容量或可下调容量作为可调容量指标。
在计算出电动汽车的聚类指标之后，可以采用聚类算法对电动汽车集群的负荷进行聚类，在本实施例中，优选的采用了模糊C-means聚类算法，具体的说，电动汽车一般以集群方式参与电网调控，在实时时间尺度上一般以二次调频为具体应用场景，可以参与电网的调频辅助服务，因此本发明提出采用模糊C-means算法对大量电动汽车负荷进行聚合，以便得到集群可调能力。
模糊C-means算法是根据上述步骤选取出的三个聚类指标来判断全部电动汽车的相似程度，由此形成X个电动汽车负荷聚合体，具体聚类步骤如下：
(1)设矩阵V为含有n个电动汽车负荷的参数矩阵，即矩阵V为n×3矩阵。对矩阵V中的元素进行归一化处理，记归一化后的矩阵为V'：
式中vij为矩阵V中原有的元素，v'ij为矩阵V经归一化处理后的元素，vimax为该组参数中第j项的最大值。
(2)设定迭代结束的阈值ε和聚合群数目X，在矩阵V'中随机抽取X个样本作为初值赋给聚合体中心
其中x＝1,2,…,X。
(3)设电动汽车群体中第k个负荷的参数构成其特征向量v'k，依据下式计算该点到各聚合体中心的欧氏距离dkx：
(4)求解矩阵V'中第k个个体v'k对第x个聚合体中心点的隶属度Mkx，即
式中，dky为第k个个体到第y个聚合中心点的距离，X为聚类中心点总数。
(5)将公式(23)和公式(24)的计算结果代入到公式(25)对各个聚合体中心Zx进行迭代更新。
(6)求出目标函数G(t)，如公式(26)所示：
(7)判断G(t)的收敛性。
设上一次迭代的目标函数为G(t-1)，若G(t)与G(t-1)的差值大于ε，则返回步骤(3)继续进行，若G(t)与G(t-1)的差值小于ε，则聚类过程结束，当前的Zx即为最终的聚合中心。
根据数据矩阵V′中的样本v'k对各聚合体隶属度Mkx的大小确定对应电动汽车负荷归属的负荷聚合体。聚类的最终结果是形成X个可调容量、用户响应意愿和期望调控时间均相似的电动汽车负荷聚合体。
由此，可以得到电动汽车聚合体的可调容量评估值：
式中，表示第x个电动汽车聚合体的可调容量，Nx表示第x个电动汽车聚合体内的电动汽车数量。
下面结合图4对本发明提出的面向配电网实时控制的电动汽车可调容量评估方法进行详细说明：
首先，采集电动汽车的特征参数，并构建可调容量评估约束模型，该约束模型包括动力电池物理约束、用户充电需求约束和配电网调控需求约束；
然后，根据电动汽车的特征参数并结合动力电池物理约束，对电动汽车的可调状态进行初步判断，根据初步判断结果，并结合用户充电需求约束和配电网调控需求约束，计算电动汽车单体容量也即容量边界和功率边界，从而得到电动汽车的单体可调容量；
根据单体可调容量建立电动汽车可调容量指标，根据电动汽车的实际充放电功率计算期望调控时间指标，以及基于Logistic模型计算用户响应意愿指标，根据这三个聚合指标，采用基于模糊C-means聚类算法对电动汽车集群(EV)的负荷进行聚合，得到多个电动汽车聚合体；最后，根据电动汽车的单体可调容量，计算各个电动汽车聚合体的可调容量。
本实施例提供的一种电动汽车集群可调容量评估方法，本发明在考虑配电网运行调控的时间尺度问题，以及满足用户充电基本需求的前提下，实现了电动汽车可调容量最大化的准确评估，从而为负荷聚合商或电网运行调度部门的调控决策提供可靠的数据基础，进一步提高了电力系统的运行效率。
请参阅图5，基于同一发明构思，本发明第二实施例提出的一种电动汽车集群可调容量评估系统，包括：
可调状态获取模块10，用于根据电动汽车的特征参数，构建可调容量评估约束模型，并根据所述可调容量评估约束模型，得到电动汽车的可调状态；
单体容量计算模块20，用于根据所述可调状态和所述可调容量评估约束模型，计算电动汽车的单体可调容量；
集群负荷聚类模块30，用于计算电动汽车的聚类指标，根据所述聚类指标对电动汽车集群的负荷进行聚类，得到电动汽车聚合体；
集群容量计算模块40，用于根据所述电动汽车聚合体和所述单体可调容量，得到电动汽车集群的可调容量。
本发明实施例提出的电动汽车集群可调容量评估系统的技术特征和技术效果与本发明实施例提出的方法相同，在此不予赘述。上述电动汽车集群可调容量评估系统中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
此外，本发明实施例还提出一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述方法的步骤。
请参阅图6，一个实施例中计算机设备的内部结构图，该计算机设备具体可以是终端或服务器。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示器和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现电动汽车集群可调容量评估方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域普通技术人员可以理解，图6中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算设备可以包括比途中所示更多或更少的部件，或者组合某些部件，或者具有相同的部件布置。
此外，本发明实施例还提出一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。
综上，本发明实施例提出的一种电动汽车集群可调容量评估方法、系统、设备和存储介质，所述方法通过根据电动汽车的特征参数，构建可调容量评估约束模型，并根据所述可调容量评估约束模型，得到电动汽车的可调状态；根据所述可调状态和所述可调容量评估约束模型，计算电动汽车的单体可调容量；计算电动汽车的聚类指标，根据所述聚类指标对电动汽车集群的负荷进行聚类，得到电动汽车聚合体；根据所述电动汽车聚合体和所述单体可调容量，得到电动汽车集群的可调容量。本发明在考虑配电网运行调控的时间尺度问题，以及满足用户充电基本需求的前提下，对电动汽车可调容量最大化进行了准确高效的评估，从而为负荷聚合商或电网运行调度部门的调控决策提供可靠的数据基础，进一步提高了电力系统的运行效率。
本说明书中的各个实施例均采用递进的方式描述，各个实施例直接相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。需要说明的是，上述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种优选实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本申请的保护范围。因此，本申请专利的保护范围应以所述权利要求的保护范围为准。

Claims (10)

1.一种电动汽车集群可调容量评估方法，其特征在于，所述方法包括：
根据电动汽车的特征参数，构建可调容量评估约束模型，并根据所述可调容量评估约束模型，得到电动汽车的可调状态；
根据所述可调状态和所述可调容量评估约束模型，计算电动汽车的单体可调容量；
计算电动汽车的聚类指标，根据所述聚类指标对电动汽车集群的负荷进行聚类，得到电动汽车聚合体；
根据所述电动汽车聚合体和所述单体可调容量，得到电动汽车集群的可调容量。
2.根据权利要求1所述的电动汽车集群可调容量评估方法，其特征在于，所述根据电动汽车的特征参数，构建可调容量评估约束模型，并根据所述可调容量评估约束模型，得到电动汽车的可调状态的步骤包括：
根据单台电动汽车的特征参数，建立可调容量评估约束条件，所述可调容量评估约束条件包括动力电池物理约束、用户充电需求约束和配电网调控需求约束；
根据所述特征参数和所述动力电池物理约束，得到电动汽车的可调状态。
3.根据权利要求2所述的电动汽车集群可调容量评估方法，其特征在于，所述根据所述可调状态和所述可调容量评估约束模型，计算电动汽车的单体可调容量的步骤包括：
根据所述可调状态和所述可调容量评估约束模型，计算电动汽车的容量边界和功率边界；
根据所述容量边界和所述功率边界，计算电动汽车的单体可调容量。
4.根据权利要求2所述的电动汽车集群可调容量评估方法，其特征在于，所述计算电动汽车的聚类指标的步骤包括：
根据所述特征参数和所述配电网调控需求约束，计算期望调控时间指标；
采用回归算法计算用户响应意愿指标，并将所述单体可调容量作为可调容量指标；
将所述期望调控时间指标、所述用户响应意愿指标和所述可调容量指标作为电动汽车的聚类指标。
5.根据权利要求1所述的电动汽车集群可调容量评估方法，其特征在于，所述根据所述聚类指标对电动汽车集群的负荷进行聚类，得到电动汽车聚合体的步骤包括：
根据所述聚类指标，采用模糊C均值聚类算法对电动汽车集群的负荷进行聚类，得到电动汽车聚合体。
6.根据权利要求3所述的电动汽车集群可调容量评估方法，其特征在于，所述根据所述可调状态和所述可调容量评估约束模型，计算电动汽车的容量边界和功率边界的步骤包括：
根据所述可调状态，得到电动汽车的实时容量模型；
根据所述实时容量模型和所述用户充电需求约束，得到电动汽车的容量边界；
根据所述可调容量评估约束模型，得到电动汽车的荷电状态变化量；
根据所述荷电状态变化量和所述特征参数，得到电动汽车的功率边界。
7.根据权利要求6所述的电动汽车集群可调容量评估方法，其特征在于，采用如下公式表示所述功率边界：
式中，表示功率下边界，/>表示功率上边界，/>表示荷电状态变化量，表示额定充电功率，/>表示额定放电功率，/>表示额定容量，ηi表示充放电功率，Δt表示时间变化量，i表示第i辆电动汽车，t表示时间。
8.一种电动汽车集群可调容量评估系统，其特征在于，所述系统包括：
可调状态获取模块，用于根据电动汽车的特征参数，构建可调容量评估约束模型，并根据所述可调容量评估约束模型，得到电动汽车的可调状态；
单体容量计算模块，用于根据所述可调状态和所述可调容量评估约束模型，计算电动汽车的单体可调容量；
集群负荷聚类模块，用于计算电动汽车的聚类指标，根据所述聚类指标对电动汽车集群的负荷进行聚类，得到电动汽车聚合体；
集群容量计算模块，用于根据所述电动汽车聚合体和所述单体可调容量，得到电动汽车集群的可调容量。
9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
CN202311467608.0A 2023-11-06 2023-11-06 电动汽车集群可调容量评估方法、系统、设备和存储介质 Pending CN117526286A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311467608.0A CN117526286A (zh) 2023-11-06 2023-11-06 电动汽车集群可调容量评估方法、系统、设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311467608.0A CN117526286A (zh) 2023-11-06 2023-11-06 电动汽车集群可调容量评估方法、系统、设备和存储介质

Publications (1)

Publication Number Publication Date
CN117526286A true CN117526286A (zh) 2024-02-06

Family

ID=89743080

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311467608.0A Pending CN117526286A (zh) 2023-11-06 2023-11-06 电动汽车集群可调容量评估方法、系统、设备和存储介质

Country Status (1)

Country Link
CN (1) CN117526286A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117895510A (zh) * 2024-03-14 2024-04-16 山东建筑大学 基于聚合商模式下电动汽车集群参与电网调峰方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117895510A (zh) * 2024-03-14 2024-04-16 山东建筑大学 基于聚合商模式下电动汽车集群参与电网调峰方法及系统
CN117895510B (zh) * 2024-03-14 2024-05-28 山东建筑大学 基于聚合商模式下电动汽车集群参与电网调峰方法及系统

Similar Documents

Publication Publication Date Title
CN108879746B (zh) 基于多时间尺度需求响应的集中式混合储能协调控制方法
CN109214095B (zh) 电动汽车充放电多目标优化调度方法
CN109657993B (zh) 一种基于非合作博弈的能源局域网储能系统自动需求响应方法
CN117526286A (zh) 电动汽车集群可调容量评估方法、系统、设备和存储介质
CN113269372A (zh) 一种考虑用户意愿的集群电动汽车可调度容量预测评估方法
CN113829934B (zh) 一种电动汽车集群聚合响应能力确定方法及调度方法
CN112488362A (zh) 一种协调电动汽车参与辅助服务市场的储能优化配置方法
CN113887032A (zh) 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
CN109768560B (zh) 提供多服务的蓄电池的充放电控制装置及方法
CN115995838A (zh) 面向分布式储能及电动汽车的加权聚类方法、存储介质及电子设备
CN111967733A (zh) 一种聚合群电源调峰潜力模糊综合评估方法
US20230216319A1 (en) Battery distributing apparatus
CN111160618A (zh) 一种结合电动汽车充电场站的建筑能量优化调度方法
CN113972645A (zh) 基于多智能体深度确定策略梯度算法的配电网优化方法
CN117220281A (zh) 一种电动汽车接入电网调节能力量化评估方法及系统
CN117613875A (zh) 基于云边端协同的电动汽车调度方法、装置和终端设备
CN114640133B (zh) 一种基于实时信息的城市电网电动汽车协同调控方法及系统
TWI712243B (zh) 儲能系統之充放電控制裝置及方法
CN114389294A (zh) 一种面向降维等效的海量电动汽车集中式控制方法及系统
CN115018379B (zh) 电动汽车日内响应能力评估方法、系统及计算机存储介质
CN114742449B (zh) 基于优先级权重系数的电动汽车分群调度方法
CN114268097B (zh) 用户侧能量管理系统接入对配电网影响的分析方法及系统
CN114742285B (zh) 一种居民电力消费模式预测模型的构建方法及其应用
CN113420953B (zh) 一种基于容量可信度的柔性负荷可调节能力分析方法
CN113949090B (zh) 一种基于电动汽车集群的实时需求响应互动方法

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