CN117559563A - 一种风光储充一体化微网运行方案的优化方法及系统 - Google Patents

一种风光储充一体化微网运行方案的优化方法及系统 Download PDF

Info

Publication number
CN117559563A
CN117559563A CN202311569085.0A CN202311569085A CN117559563A CN 117559563 A CN117559563 A CN 117559563A CN 202311569085 A CN202311569085 A CN 202311569085A CN 117559563 A CN117559563 A CN 117559563A
Authority
CN
China
Prior art keywords
charging
wind
grid
integrated micro
constraint
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202311569085.0A
Other languages
English (en)
Other versions
CN117559563B (zh
Inventor
夏方舟
杨洁
张浩钦
桑子夏
赵红生
叶高翔
邵非凡
彭君哲
王平凡
张焱哲
莫石
舒思睿
张震
郑子健
杨子立
彭文彦
李亚馨
康逸群
唐靖
徐敬友
周玉洁
陈可
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.)
Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd
Original Assignee
Economic and Technological Research Institute of State Grid Hubei Electric Power 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 Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd filed Critical Economic and Technological Research Institute of State Grid Hubei Electric Power Co Ltd
Priority to CN202311569085.0A priority Critical patent/CN117559563B/zh
Publication of CN117559563A publication Critical patent/CN117559563A/zh
Application granted granted Critical
Publication of CN117559563B publication Critical patent/CN117559563B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B60L53/50—Charging stations characterised by energy-storage or power-generation means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/50—Charging stations characterised by energy-storage or power-generation means
    • B60L53/51—Photovoltaic means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
    • B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
    • B60L53/50—Charging stations characterised by energy-storage or power-generation means
    • B60L53/52—Wind-driven generators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas 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
    • H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/28—Arrangements for balancing of the load in a network by storage of energy
    • 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
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
    • H02J2300/20—The dispersed energy generation being of renewable origin
    • H02J2300/28—The renewable source being wind energy
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/40—The network being an on-board power network, i.e. within a vehicle
    • H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
    • 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
    • H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
    • H02J2310/50—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads
    • H02J2310/56—The network for supplying or distributing electric power characterised by its spatial reach or by the load for selectively controlling the operation of the loads characterised by the condition upon which the selective controlling is based
    • H02J2310/62—The condition being non-electrical, e.g. temperature
    • H02J2310/64—The condition being economic, e.g. tariff based load management

Abstract

一种风光储充一体化微网运行方案的优化方法，构建了基于电力交通耦合网的两阶段优化模型，该两阶段优化模型中，一阶段优化模型以风光储充一体化微网充电服务利润最大为目标，二阶段优化模型以风光储充一体化微网的充电服务利润最大且风光储充一体化微网与配电网的碳排放总量最小为目标，先求解一阶段优化模型得到风光储充一体化微网运行方案，降低外购电成本、提升充电服务利润的同时间接降低因发电导致的碳排放，在此基础上，求解二阶段优化模型对电动汽车交通流进行优化分配，可以降低电动汽车在交通网中的耗能，进一步降低碳排放，更新电动汽车交通流分配后反复迭代，最终确定风光储充一体化微网的最优运行方案。

Description

一种风光储充一体化微网运行方案的优化方法及系统
技术领域
本发明属于电力交通耦合网优化运行技术领域，具体涉及一种风光储充一体化微网运行方案的优化方法及系统。
背景技术
随着电动汽车的不断普及，电动汽车的充电需求也在与日俱增，在此背景下，为了在保证充电服务能力的同时充分利用可再生能源，将风电、光伏、储能以及电动汽车充电桩集成为一体的风光储充一体化微网正受到越来越多的关注。
考虑到城市中用地的限制以及充电服务覆盖面积的约束，在一片以配电网和区域交通网构成的电力交通耦合网中，往往存在多个风光储充一体化微网，以满足电动汽车用户的充电需求。在电力交通耦合网中，风光储充一体化微网既将电动汽车的充电负荷接入配电网，也需要参与电动汽车的交通行为，即风光储充一体化微网会同时影响电力潮流和交通流的分布。在风光储充一体化微网中，风电、光伏、储能以及充电负荷的相互配合可以减少对于配电网的供电依赖，提升充电服务利润并减少用电降低碳排放，同时可以调整服务率达到优化电动汽车交通流，减少电动汽车通行耗电，从而降低交通层面导致的碳排放的效果。因此，如何优化风光储充一体化微网的运行策略，以实现提升充电服务利润并降低整个系统的碳排放，是目前亟需解决的问题。
发明内容
本发明的目的是针对现有技术存在的上述问题，提供一种基于电力交通耦合网优化电力潮流、交通流，从而实现充电服务利润提升并降低整个系统碳排放的风光储充一体化微网运行方案的优化方法及系统。
为实现以上目的，本发明的技术方案如下：
第一方面，本发明提出一种风光储充一体化微网运行方案的优化方法，所述优化方法依次包括以下步骤：
S1、构建基于电力交通耦合网的两阶段优化模型，所述电力交通耦合网包括配电网、交通网、电动汽车、作为配电网与交通网耦合节点的风光储充一体化微网，所述两阶段优化模型包括一阶段优化模型、二阶段优化模型，所述一阶段优化模型以风光储充一体化微网的充电服务利润最大为目标构建得到，所述二阶段优化模型以风光储充一体化微网的充电服务利润最大且风光储充一体化微网与配电网的碳排放总量最小为目标构建得到；
S2、基于交通网中的电动汽车交通分布求解一阶段优化模型，得到风光储充一体化微网的运行方案，基于得到的风光储充一体化微网的运行方案求解二阶段优化模型，得到重新分配后的电动汽车交通分布；
S3、判断是否满足迭代终止条件，若不满足，则返回步骤S2进行下一次迭代，若满足，则以最后一次迭代得到的风光储充一体化微网的运行方案作为最优运行方案。
所述一阶段优化模型的目标函数为：
；
；
；
；
上式中，为充电服务商通过风光储充一体化微网提供的充电服务所产生的日收入；/>为风光储充一体化微网的日运营成本；/>为风光储充一体化微网的日购电成本；为在/>时段、编号/>的起讫点对、选择路径/>的电动汽车中在道路/>处风光储充一体化微网充电的电动汽车流量，所述起讫点对为电动汽车既定行程的起点和终点的所有出行路径的组合；/>为在/>时段、道路/>处的风光储充一体化微网投入运营的充电桩的数量；为/>时段，配电网向道路/>处的风光储充一体化微网的输出功率；/>为电动汽车的平均充电需求；/>为充电服务单价；/>为充电桩的单位运维成本；/>为/>时段的购电价格。
所述一阶段优化模型的约束条件包括风光储充一体化微网运行约束、电动汽车充电排队约束、配电网约束，所述风光储充一体化微网运行约束包括配电网输出功率约束以及风光储充一体化微网内的能量平衡约束、风机输出功率约束、光伏电池输出功率约束、储能系统充放电功率约束、储能系统荷电状态约束、设备维护时间约束，所述电动汽车充电排队约束包括风光储充一体化微网内的充电设施平均服务率约束、充电设施服务能力约束、电动汽车平均到达率约束、电动汽车平均总充电耗时约束，所述配电网约束包括有功和无功功率平衡约束、配电网线路功率约束、配电网节点电压约束；
所述配电网输出功率约束为：
；
上式中，为风光储充一体化微网的位置参数，若/>，则表示在道路/>处配置有风光储充一体化微网，否则没有配置；/>为大/>常数；
所述能量平衡约束为：
；
上式中，、/>分别为在/>时段、道路/>处的风光储充一体化微网中风电、光伏实际被消纳的出力；/>为在/>时段、道路/>处风光储充一体化微网中储能系统的输入或输出功率，/>表示储能系统放电，/>表示储能系统充电；/>为单个时段的时长；/>为充电的能量转换效率；
所述风机输出功率约束为：
；
上式中，为/>时段风电的单位出力，/>为道路/>处的风光储充一体化微网中风机的安装数量；
所述光伏电池输出功率约束为：
；
上式中，为/>时段光伏的单位出力；/>为道路/>处的风光储充一体化微网中光伏的安装数量；
所述储能系统充放电功率约束为：
；
上式中，、/>分别为单台储能系统的额定放电功率、额定充电功率；/>为道路/>的光储充电站中储能系统的安装数量；
所述储能系统荷电状态约束为：
；
上式中，为单台储能系统的容量；/>为储能系统的初始电量；/>、/>分别为储能系统荷电状态的下限和上限；/>为单个时段的时长；/>为一天中的最后一个时段；
所述设备维护时间约束为：
；
上式中，为道路/>处的风光储充一体化微网配置的充电桩数量；/>为单个充电桩的每日最小停机维护时间；
所述充电设施平均服务率约束为：
；
上式中，在/>时段、道路/>处的风光储充一体化微网内充电设施的充电服务率；为电动汽车从开始充电到结束充电的平均时长；
所述充电设施服务能力约束为：
；
上式中，为在/>时段、道路/>处的风光储充一体化微网内充电设施的电动汽车到达率；
所述电动汽车平均到达率约束为：
；
所述电动汽车平均总充电耗时约束为：
；
；
上式中，为在/>时段、道路/>处的风光储充一体化微网内进行充电的电动汽车的平均总充电耗时，该总充电耗时包括平均充电等待时间和平均充电时间；/>为风光储充一体化微网内平均充电时间与平均充电等待时间的之和的上限；
所述有功和无功功率平衡约束为：
；
；
上式中，为/>时段配电网线路/>上传输的有功功率；/>为与配电网节点/>相连接的配电网线路；/>、/>分别为/>时段配电网节点/>处接入负荷的有功、无功功率；/>、、/>分别为风电、光伏、充电负荷的功率因数角，储能系统功率因数视为1；/>为/>时段配电网节点/>的风光储充一体化微网的无功功率；/>、/>、/>分别为/>时段配电网节点/>的风电、光伏、和储能的输出功率；
所述配电网线路功率约束为：
；
上式中，为配电网线路的有功功率上限；
所述配电网节点电压约束为：
；
；
；
上式中，为/>时段配电网线路/>上传输的无功功率；/>为/>时段配电网线路上的电压降；/>、/>分别为配电网线路/>的电阻、电抗；/>为配电网母线的额定电压；、/>分别为/>时段配电网节点/>、/>的母线电压；/>、/>分别为配电网母线电压的上限和下限；/>为配电网节点/>处在/>时段的电压；/>为充电服务量的下限。
所述二阶段优化模型的目标函数为：
；
；
；
；
；
；
；
上式中，为充电服务商通过风光储充一体化微网提供的充电服务所产生的日收入；/>为风光储充一体化微网的日运营成本；/>为风光储充一体化微网的日购电成本；为在/>时段、编号/>的起讫点对、选择路径/>的电动汽车中在道路/>处风光储充一体化微网充电的电动汽车流量，所述起讫点对为电动汽车既定行程的起点和终点的所有出行路径的组合；/>为在/>时段、道路/>处的风光储充一体化微网投入运营的充电桩的数量；为/>时段，配电网向道路/>处的风光储充一体化微网的输出功率；/>为电动汽车的平均充电需求；/>为充电服务单价；/>为充电桩的单位运维成本；/>为/>时段的购电价格；/>为配电网向风光储充一体化微网供电导致的碳排放；/>电动汽车行驶耗能导致的碳排放；/>为碳排放因子，表示在单位能源使用过程中所产生的碳排放量；/>为道路/>的长度；/>为电动汽车行驶的单位距离耗能。
所述二阶段优化模型的约束条件包括最小服务量约束、充电需求分配约束；
所述充电需求分配约束为：
；
上式中，为单个时段的时长；/>为电动汽车从开始充电到结束充电的平均时长；
所述最小服务量约束为：
；
上式中，为充电服务量的下限。
采用改进非支配遗传算法求解两阶段优化模型，具体为：
步骤一、初始化种群；
步骤二、求解种群中各个体的第一适应度值并剔除无解的个体，所述第一适应度值即为一阶段优化模型的目标函数值；
步骤三、求解步骤二所剩余的各个体的第二适应度值并剔除无解的个体，所述第二适应度值即为二阶段优化模型的目标函数值；
步骤四、对步骤三所剩余的个体依次进行选择、交叉、变异操作，得到子代种群，再将子代种群与步骤三所剩余的个体合并，最后对合并后的种群依次进行非支配排序、拥挤度计算，选出多个优势个体共同组成新的种群；
步骤五，判断是否到迭代终止条件，若未达到，则返回步骤二进行下一次迭代，若达到则输出Pareto解集。
第二方面，本发明提出一种风光储充一体化微网运行方案的优化系统，所述优化系统包括两阶段优化模型构建模块、两阶段优化模型求解模块；
所述两阶段优化模型构建模块用于构建基于电力交通耦合的两阶段优化模型，所述电力交通耦合网包括配电网、交通网、电动汽车、作为配电网与交通网耦合节点的风光储充一体化微网，所述两阶段优化模型包括一阶段优化模型、二阶段优化模型，所述一阶段优化模型的目标函数为以风光储充一体化微网的充电服务利润最大为目标，所述二阶段优化模型的目标函数为以风光储充一体化微网的充电服务利润最大且风光储充一体化微网与配电网的碳排放总量最小为目标；
所述两阶段优化模型求解模块用于首先基于交通网中的电动汽车交通分布求解一阶段优化模型，得到风光储充一体化微网的运行方案，然后基于得到的风光储充一体化微网的运行方案求解二阶段优化模型，得到重新分配后的电动汽车交通分布；反复迭代，以最后一次迭代得到的风光储充一体化微网的运行方案作为最优运行方案。
所述两阶段优化模型构建模块用于构建如下的一阶段优化模型：
目标函数：
；
；
；
；
上式中，为充电服务商通过风光储充一体化微网提供的充电服务所产生的日收入；/>为风光储充一体化微网的日运营成本；/>为风光储充一体化微网的日购电成本；为在/>时段、编号/>的起讫点对、选择路径/>的电动汽车中在道路/>处风光储充一体化微网充电的电动汽车流量，所述起讫点对为电动汽车既定行程的起点和终点的所有出行路径的组合；/>为在/>时段、道路/>处的风光储充一体化微网投入运营的充电桩的数量；为/>时段，配电网向道路/>处的风光储充一体化微网的输出功率；/>为电动汽车的平均充电需求；/>为充电服务单价；/>为充电桩的单位运维成本；/>为/>时段的购电价格；
约束条件包括：风光储充一体化微网运行约束、电动汽车充电排队约束、配电网约束，所述风光储充一体化微网运行约束包括配电网输出功率约束以及风光储充一体化微网内的能量平衡约束、风机输出功率约束、光伏电池输出功率约束、储能系统充放电功率约束、储能系统荷电状态约束、设备维护时间约束，所述电动汽车充电排队约束包括风光储充一体化微网内的充电设施平均服务率约束、充电设施服务能力约束、电动汽车平均到达率约束、电动汽车平均总充电耗时约束，所述配电网约束包括有功和无功功率平衡约束、配电网线路功率约束、配电网节点电压约束；
所述配电网输出功率约束为：
；
上式中，为风光储充一体化微网的位置参数，若/>，则表示在道路/>处配置有风光储充一体化微网，否则没有配置；/>为大/>常数；
所述能量平衡约束为：
；
上式中，、/>分别为在/>时段、道路/>处的风光储充一体化微网中风电、光伏实际被消纳的出力；/>为在/>时段、道路/>处风光储充一体化微网中储能系统的输入或输出功率，/>表示储能系统放电，/>表示储能系统充电；/>为单个时段的时长；/>为充电的能量转换效率；
所述风机输出功率约束为：
；
上式中，为/>时段风电的单位出力；/>为道路/>处的风光储充一体化微网中风机的安装数量；
所述光伏电池输出功率约束为：
；
上式中，为/>时段光伏的单位出力；/>为道路/>处的风光储充一体化微网中光伏的安装数量；
所述储能系统充放电功率约束为：
；
上式中，、/>分别为单台储能系统的额定放电功率、额定充电功率；/>为道路/>的光储充电站中储能系统的安装数量；
所述储能系统荷电状态约束为：
；
上式中，为单台储能系统的容量；/>为储能系统的初始电量；/>、/>分别为储能系统荷电状态的下限和上限；/>为一天中的最后一个时段；
所述设备维护时间约束为：
；
上式中，为道路/>处的风光储充一体化微网配置的充电桩数量；/>为单个充电桩的每日最小停机维护时间；
所述充电设施平均服务率约束为：
；
上式中，在/>时段、道路/>处的风光储充一体化微网内充电设施的充电服务率；为电动汽车从开始充电到结束充电的平均时长；
所述充电设施服务能力约束为：
；
上式中，为在/>时段、道路/>处的风光储充一体化微网内充电设施的电动汽车到达率；
所述电动汽车平均到达率约束为：
；
所述电动汽车平均总充电耗时约束为：
；
；
上式中，为在/>时段、道路/>处的风光储充一体化微网内进行充电的电动汽车的平均总充电耗时，该总充电耗时包括平均充电等待时间和平均充电时间；/>为风光储充一体化微网内平均充电时间与平均充电等待时间的之和的上限；
所述有功和无功功率平衡约束为：
；
；
上式中，为/>时段配电网线路/>上传输的有功功率；/>为与配电网节点/>相连接的配电网线路；/>、/>分别为/>时段配电网节点/>处接入负荷的有功、无功功率；/>、、/>分别为风电、光伏、充电负荷的功率因数角，储能系统功率因数视为1；/>为/>时段配电网节点/>的风光储充一体化微网的无功功率；/>、/>、/>分别为/>时段配电网节点/>的风电、光伏、和储能的输出功率；
所述配电网线路功率约束为：
；
上式中，为配电网线路的有功功率上限；
所述配电网节点电压约束为：
；
；
；
上式中，为/>时段配电网线路/>上传输的无功功率；/>为/>时段配电网线路上的电压降；/>、/>分别为配电网线路/>的电阻、电抗；/>为配电网母线的额定电压；、/>分别为/>时段配电网节点/>、/>的母线电压；/>、/>分别为配电网母线电压的上限和下限； />为配电网节点/>处在/>时段的电压；/>为充电服务量的下限；
所述两阶段优化模型构建模块还用于构建如下的二阶段优化模型：
目标函数：
；
；
；
；
；
；
；
上式中，为充电服务商通过风光储充一体化微网提供的充电服务所产生的日收入；/>为风光储充一体化微网的日运营成本；/>为风光储充一体化微网的日购电成本；为在/>时段、编号/>的起讫点对、选择路径/>的电动汽车中在道路/>处风光储充一体化微网充电的电动汽车流量，所述起讫点对为电动汽车既定行程的起点和终点的所有出行路径的组合；/>为在/>时段、道路/>处的风光储充一体化微网投入运营的充电桩的数量；为/>时段，配电网向道路/>处的风光储充一体化微网输出的功率；/>为电动汽车的平均充电需求；/>为充电服务单价；/>为充电桩的单位运维成本；/>为/>时段的购电价格，/>为配电网向风光储充一体化微网供电导致的碳排放；/>电动汽车行驶耗能导致的碳排放；/>为碳排放因子，表示在单位能源使用过程中所产生的碳排放量；/>为道路/>的长度；/>为电动汽车行驶的单位距离耗能；
约束条件包括：最小服务量约束、充电需求分配约束；
所述充电需求分配约束为：
；
上式中，为单个时段的时长；/>为电动汽车从开始充电到结束充电的平均时长；
所述最小服务量约束为：
；
上式中，为充电服务量的下限。
所述两阶段优化模型求解模块采用改进非支配遗传算法求解两阶段优化模型，具体为：
步骤一、初始化种群；
步骤二、求解种群中各个体的第一适应度值并剔除无解的个体，所述第一适应度值即为一阶段优化模型的目标函数值；
步骤三、求解步骤二所剩余的各个体的第二适应度值并剔除无解的个体，所述第二适应度值即为二阶段优化模型的目标函数值；
步骤四、对步骤三所剩余的个体依次进行选择、交叉、变异操作，得到子代种群，再将子代种群与步骤三所剩余的个体合并，最后对合并后的种群依次进行非支配排序、拥挤度计算，选出多个优势个体共同组成新的种群；
步骤五，判断是否到迭代终止条件，若未达到，则返回步骤二进行下一次迭代，若达到则输出Pareto解集。
第三方面，本发明提出一种风光储充一体化微网运行方案的优化设备，所述控制设备包括处理器以及存储器；
所述存储器用于存储计算机程序代码，并将所述计算机程序代码传输给所述处理器；
所述处理器用于根据所述计算机程序代码中的指令执行前述的风光储充一体化微网运行方案的优化方法。
与现有技术相比，本发明的有益效果为：
本发明提出的一种风光储充一体化微网运行方案的优化方法构建了基于电力交通耦合网的两阶段优化模型，由于在电力交通耦合网中存在多个风光储充一体化微网以满足不同区域的电动汽车充电需求，而若将各个风光储充一体化微网作为孤立个体进行分别进行控制，则无法最大化充电服务效率也无法达到最大程度的碳减排，为此本设计中的两阶段优化模型将电力交通耦合网视为一个系统统一进行优化，以最大化充电服务效率、达到最大程度的碳减排；该两阶段优化模型包括一阶段优化模型、二阶段优化模型，该一阶段优化模型以风光储充一体化微网的充电服务利润最大为目标构建得到，该二阶段优化模型以风光储充一体化微网的充电服务利润最大且风光储充一体化微网与配电网的碳排放总量最小为目标构建得到，先求解一阶段优化模型得到风光储充一体化微网运行方案，可以提升其消纳能力，减少从配电网的外购电力，降低购电成本、提升充电服务利润的同时间接降低因发电导致的碳排放，在此基础上，再求解二阶段优化模型对以充电为目的的电动汽车交通流进行优化分配，可以降低电动汽车在交通网中的耗能，从而同样可以间接降低因发电导致的碳排放，更新电动汽车交通流分配方案后反复迭代，最终得到优化的风光储充一体化微网运行方案。因此，本发明得到的优化风光储充一体化微网运行方案，能提升充电服务利润并降低整个系统的碳排放。
附图说明
图1为本发明所面向的电力交通耦合网的结构图。
图2为实施例1应用的P34-T20网络拓扑结构图。
图3为实施例1的流程图。
图4为实施例1得到的Pareto解集。
图5为实施例2的结构框图。
图6为实施例3的结构框图。
具体实施方式
下面结合具体实施方式以及附图对本发明作进一步详细的说明。
本发明所面向的电力交通耦合网结构如图1所示，所述电力交通耦合网包含配电网、交通网、电动汽车、风光储充一体化微网，风光储充一体化微网是配电网和交通网的耦合节点，风光储充一体化微网内部包括风机、光伏、储能以及充电桩，电动汽车充电负荷通过风光储充一体化微网接入配电网，电动汽车的充电行为模式为在行程途中进行补电，即电动汽车已有既定行程起点和终点，在其行程途中前往风光储充一体化微网中的充电站进行充电，在交通网中采用起讫点对来刻画电动汽车行程的起点和终点，一组起讫点对对应多组不同的出行路径，即电动汽车用户可以采用不同的路线完成其既定起点和终点的行程。
实施例1：
一种风光储充一体化微网运行方案的优化方法，本实施例将该优化方法用于如图2所示的P34-T20网络，该络包含了34个配电网节点（P1-P34）、20个交通网节点（T1-T20）和4个风光储充一体化微网。
参数选取方面：设定电动汽车充电桩的充电功率为100kW，能量传输效率为0.9，功率因数为0.9，单台充电桩的每小时平均维护成本为0.2元，充电服务单价为1.2元/kWh，单台充电桩的每日最小停机维护时间为2h，风机和光伏的功率因数分别为0.8和0.85，单台风机和单台光伏电池的最大输出功率均为100kW，单台储能系统的容量为100kWh，最大输出功率为100kW，储能系统荷电状态的下限和上限分别为0.15和0.85，每辆电动汽车平均能量需求为25kWh，平均充电时长为0.25小时，平均每公里能耗为0.2kWh，风光储充一体化微网内平均充电时间与平均充电等待时间的之和的上界为0.5h，最小时间尺度为1h，碳排放因子为0.57，4个风光储充一体化微网的接入位置及容量配置参数如表1所示，配电网母线的额定电压为10kV，上限和下限分别为10.5kV和9.5kV。
表1、4个风光储充一体化微网的接入位置及容量配置参数
参见图3，所述优化方法具体按照以下步骤进行：
1、构建基于电力交通耦合网的两阶段优化模型，所述两阶段优化模型包括一阶段优化模型、二阶段优化模型，所述一阶段优化模型以风光储充一体化微网的充电服务利润最大为目标，其目标函数为：
；
；
；
；
上式中，为充电服务商通过风光储充一体化微网提供的充电服务所产生的日收入；/>为风光储充一体化微网的日运营成本；/>为风光储充一体化微网的日购电成本；为在/>时段、编号/>的起讫点对、选择路径/>的电动汽车中在道路/>处风光储充一体化微网充电的电动汽车流量，所述起讫点对为电动汽车既定行程的起点和终点的所有出行路径的组合；/>为在/>时段、道路/>处的风光储充一体化微网投入运营的充电桩的数量；为/>时段，配电网向道路/>处（该处对应配电网节点/>）的风光储充一体化微网的输出功率；/>为电动汽车的平均充电需求；/>为充电服务单价；/>为充电桩的单位运维成本；/>为/>时段的购电价格；
所述二阶段优化模型以风光储充一体化微网的充电服务利润最大且风光储充一体化微网与配电网的碳排放总量最小为目标，其目标函数为：
；
；
；
；
；
；
；
上式中，为配电网向风光储充一体化微网供电导致的碳排放；/>电动汽车行驶耗能导致的碳排放；/>为碳排放因子，表示在单位能源使用过程中所产生的碳排放量；/>为道路/>的长度；/>为电动汽车行驶的单位距离耗能；
所述一阶段优化模型的约束条件包括风光储充一体化微网运行约束、电动汽车充电排队约束、配电网约束，所述风光储充一体化微网运行约束包括配电网输出功率约束以及风光储充一体化微网内的能量平衡约束、风机输出功率约束、光伏电池输出功率约束、储能系统充放电功率约束、储能系统荷电状态约束、设备维护时间约束，所述电动汽车充电排队约束包括风光储充一体化微网内的充电设施平均服务率约束、充电设施服务能力约束、电动汽车平均到达率约束、电动汽车平均总充电耗时约束，所述配电网约束包括有功和无功功率平衡约束、配电网线路功率约束、配电网节点电压约束；所述二阶段优化模型的约束条件包括最小服务量约束、充电需求分配约束；
所述配电网输出功率约束为：
；
上式中，为风光储充一体化微网的位置参数，若/>，则表示在道路/>处配置有风光储充一体化微网，否则没有配置；/>为大/>常数；
所述能量平衡约束为：
；
上式中，为在/>时段、道路/>处的风光储充一体化微网中风电实际被消纳的出力；/>为在/>时段、道路/>处的风光储充一体化微网中光伏实际被消纳的出力；/>为在/>时段、道路/>处风光储充一体化微网中储能系统的输入或输出功率，/>表示储能系统放电，/>表示储能系统充电；/>为单个时段的时长；/>为充电的能量转换效率；
所述风机输出功率约束为：
；
上式中，为/>时段风电的单位出力，/>为道路/>处的风光储充一体化微网中风机的安装数量；
所述光伏电池输出功率约束为：
；
上式中，为/>时段光伏的单位出力；/>为道路/>处的风光储充一体化微网中光伏的安装数量；
所述储能系统充放电功率约束为：
；
上式中，、/>分别为单台储能系统的额定放电功率、额定充电功率；/>为道路/>的光储充电站中储能系统的安装数量；
所述储能系统荷电状态约束为：
；
上式中，为单台储能系统的容量；/>为储能系统的初始电量；/>、/>分别为储能系统荷电状态的下限和上限；/>为一天中的最后一个时段；
所述设备维护时间约束为：
；
上式中，为道路/>处的风光储充一体化微网配置的充电桩数量；/>为单个充电桩的每日最小停机维护时间；
所述充电设施平均服务率约束为：
；
上式中，在/>时段、道路/>处的风光储充一体化微网内充电设施的充电服务率；为电动汽车从开始充电到结束充电的平均时长；
所述充电设施服务能力约束为：
；
上式中，为在/>时段、道路/>处的风光储充一体化微网内充电设施的电动汽车到达率；
所述电动汽车平均到达率约束为：
；
所述电动汽车平均总充电耗时约束为：
；
；
上式中，为在/>时段、道路/>处的风光储充一体化微网内进行充电的电动汽车的平均总充电耗时，该总充电耗时包括平均充电等待时间和平均充电时间；/>为风光储充一体化微网内平均充电时间与平均充电等待时间的之和的上限；
所述有功和无功功率平衡约束为：
；
；
上式中，为/>时段配电网线路/>上传输的有功功率；/>为与配电网节点/>相连接的配电网线路；/>、/>分别为/>时段配电网节点/>处接入负荷的有功、无功功率；/>、、/>分别为风电、光伏、充电负荷的功率因数角，储能系统功率因数视为1；/>为/>时段配电网向道路/>处（该处对应配电网节点/>）的风光储充一体化微网的无功功率；/>、/>、分别为/>时段配电网节点/>的风电、光伏、和储能的输出功率；
所述配电网线路功率约束为：
；
上式中，为配电网线路的有功功率上限；
所述配电网节点电压约束为：
；
；
；
上式中，为/>时段配电网线路/>上传输的无功功率；/>为/>时段配电网线路上的电压降；/>、/>分别为配电网线路/>的电阻、电抗；/>为配电网母线的额定电压；、/>分别为/>时段配电网节点/>、/>的母线电压；/>、/>分别为配电网母线电压的上限和下限；/>为配电网节点/>处在/>时段的电压；/>为充电服务量的下限。
所述充电需求分配约束为：
；
所述最小服务量约束为：
；
2、为了方便后续采用改进非支配遗传算法求解两阶段优化模型，采用罚函数法将有约束优化问题转换为无约束问题，将两阶段优化模型中的两个目标函数：
；
；
分别等效为：
；
；
上式中，、/>、/>、/>均为惩罚因子；/>、/>均为惩罚项，表达式如下：
；
；
3、初始化交通网中的电动汽车交通分布，基于初始化的电动汽车交通分布求解一阶段优化模型，得到风光储充一体化微网的运行方案，所述运行方案包括风光储充一体化微网的风电和光伏消纳策略、储能充放电策略以及各时段服务率，基于得到的风光储充一体化微网的运行方案求解二阶段优化模型，得到重新分配后的电动汽车交通分布；更新电动汽车交通分布，反复迭代计算，输出最后一次计算得到的风光储充一体化微网的运行方案；
上述两阶段优化模型的求解过程基于改进非支配遗传算法进行，改进非支配排序遗传算法中，迭代次数、初始化的父代种群中个体数量分别为30次和20个，具体步骤为：
步骤一、初始化种群；
步骤二、求解种群中各个体的第一适应度值并剔除无解的个体，所述第一适应度值即为一阶段优化模型的目标函数值；
步骤三、求解步骤二所剩余的各个体的第二适应度值并剔除无解的个体，所述第二适应度值即为二阶段优化模型的目标函数值；
步骤四、对步骤三所剩余的个体依次进行选择、交叉、变异操作，得到子代种群，再将子代种群与步骤三所剩余的个体合并，最后对合并后的种群依次进行非支配排序、拥挤度计算，选出多个优势个体共同组成新的种群；
步骤五，判断是否到迭代次数，若未达到，则返回步骤二进行下一次迭代，若达到则输出Pareto解集，具体输出Pareto解集如图4所示，由图4可知，所得的Pareto解集中，充电服务利润分布范围为2.65-3.51万元，碳排放量的分布范围为1.01-1.18吨。
为验证本发明所述风光储充一体化微网运行方案的优化方法的有效性，选取实施例1所得Pareto解集中综合适应度最高的解，将该综合适应度最高的解（作为策略1）与不考虑风光储充一体化多微网联合运行的独立运行策略（作为策略2）在经济性指标上做对比，经济性指标对比如表2所示，所述综合适应度的计算公式为：
；
上式中，为综合适应度；/>、/>分别为充电服务利润和碳排放量的参考基准值；/>、/>分别为根据Pareto解集中一个解进行优化运行后得到的充电服务利润和碳排放量；
表2、经济性指标对比
由表2可知，两种运行策略在充电服务收入和运维成本方面并无太大差距，而在购电成本方面，策略1相比于策略2降低了25.95%，这使得在两种运行策略的充电服务收入仅差0.85%的情况下，策略1相比于策略2的充电服务利润增加了12.46%。而在碳排放量层面，策略1同样显示出了在碳减排方面的优势，相比于运行策略2，策略1降低了8.33%的碳排放量。综上所述，本发明所提出的一种风光储充一体化微网运行方案的优化具有提升充电服务的收益并降低碳排放量的效果。
实施例2：
参见图5，一种风光储充一体化微网运行方案的优化系统，所述优化系统包括两阶段优化模型构建模块、两阶段优化模型求解模块；所述两阶段优化模型构建模块用于构建基于电力交通耦合的两阶段优化模型，所述电力交通耦合网包括配电网、交通网、电动汽车、作为配电网与交通网耦合节点的风光储充一体化微网，所述两阶段优化模型包括一阶段优化模型、二阶段优化模型，所述一阶段优化模型的目标函数为以风光储充一体化微网的充电服务利润最大为目标，所述二阶段优化模型的目标函数为以风光储充一体化微网的充电服务利润最大且风光储充一体化微网与配电网的碳排放总量最小为目标，该模块具体执行实施例1中步骤1；所述两阶段优化模型求解模块用于首先基于交通网中的电动汽车交通分布求解一阶段优化模型，得到风光储充一体化微网的运行方案，然后基于得到的风光储充一体化微网的运行方案求解二阶段优化模型，得到重新分配后的电动汽车交通分布；反复迭代，以最后一次迭代得到的风光储充一体化微网的运行方案作为最优运行方案，该模型具体执行实施例1中步骤2、3。
实施例3：
参见图6，一种风光储充一体化微网运行方案的优化设备，所述控制设备包括处理器以及存储器；所述存储器用于存储计算机程序代码，并将所述计算机程序代码传输给所述处理器；所述处理器用于根据所述计算机程序代码中的指令执行实施例1中的风光储充一体化微网运行方案的优化方法。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。本申请实施例中的方案可以采用各种计算机语言实现，例如，面向对象的程序设计语言Java和直译式脚本语言JavaScript等。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

Claims (10)

1.一种风光储充一体化微网运行方案的优化方法，其特征在于：
所述优化方法依次包括以下步骤：
S1、构建基于电力交通耦合网的两阶段优化模型，所述两阶段优化模型包括一阶段优化模型、二阶段优化模型，所述一阶段优化模型以风光储充一体化微网的充电服务利润最大为目标构建得到，所述二阶段优化模型以风光储充一体化微网的充电服务利润最大且风光储充一体化微网与配电网的碳排放总量最小为目标构建得到；
S2、基于交通网中的电动汽车交通分布求解一阶段优化模型，得到风光储充一体化微网的运行方案，基于得到的风光储充一体化微网的运行方案求解二阶段优化模型，得到重新分配后的电动汽车交通分布；
S3、判断是否满足迭代终止条件，若不满足，则返回步骤S2进行下一次迭代，若满足，则以最后一次迭代得到的风光储充一体化微网的运行方案作为最优运行方案。
2.根据权利要求1所述的一种风光储充一体化微网运行方案的优化方法，其特征在于：
所述一阶段优化模型的目标函数为：
；
；
；
；
上式中，为充电服务商通过风光储充一体化微网提供的充电服务所产生的日收入；为风光储充一体化微网的日运营成本；/>为风光储充一体化微网的日购电成本；为在/>时段、编号/>的起讫点对、选择路径/>的电动汽车中在道路/>处风光储充一体化微网充电的电动汽车流量，所述起讫点对为电动汽车既定行程的起点和终点的所有出行路径的组合；/>为在/>时段、道路/>处的风光储充一体化微网投入运营的充电桩的数量；为/>时段，配电网向道路/>处的风光储充一体化微网的输出功率；/>为电动汽车的平均充电需求；/>为充电服务单价；/>为充电桩的单位运维成本；/>为/>时段的购电价格。
3.根据权利要求2所述的一种风光储充一体化微网运行方案的优化方法，其特征在于：
所述一阶段优化模型的约束条件包括风光储充一体化微网运行约束、电动汽车充电排队约束、配电网约束，所述风光储充一体化微网运行约束包括配电网输出功率约束以及风光储充一体化微网内的能量平衡约束、风机输出功率约束、光伏电池输出功率约束、储能系统充放电功率约束、储能系统荷电状态约束、设备维护时间约束，所述电动汽车充电排队约束包括风光储充一体化微网内的充电设施平均服务率约束、充电设施服务能力约束、电动汽车平均到达率约束、电动汽车平均总充电耗时约束，所述配电网约束包括有功和无功功率平衡约束、配电网线路功率约束、配电网节点电压约束；
所述配电网输出功率约束为：
；
上式中，为风光储充一体化微网的位置参数，若/>，则表示在道路/>处配置有风光储充一体化微网，否则没有配置；/>为大/>常数；
所述能量平衡约束为：
；
上式中，、/>分别为在/>时段、道路/>处的风光储充一体化微网中风电、光伏实际被消纳的出力；/>为在/>时段、道路/>处风光储充一体化微网中储能系统的输入或输出功率，表示储能系统放电，/>表示储能系统充电；/>为单个时段的时长；/>为充电的能量转换效率；
所述风机输出功率约束为：
；
上式中，为/>时段风电的单位出力，/>为道路/>处的风光储充一体化微网中风机的安装数量；
所述光伏电池输出功率约束为：
；
上式中，为/>时段光伏的单位出力；/>为道路/>处的风光储充一体化微网中光伏的安装数量；
所述储能系统充放电功率约束为：
；
上式中，、/>分别为单台储能系统的额定放电功率、额定充电功率；/>为道路/>的光储充电站中储能系统的安装数量；
所述储能系统荷电状态约束为：
；
上式中，为单台储能系统的容量；/>为储能系统的初始电量；/>、/>分别为储能系统荷电状态的下限和上限；/>为一天中的最后一个时段；
所述设备维护时间约束为：
；
上式中，为道路/>处的风光储充一体化微网配置的充电桩数量；/>为单个充电桩的每日最小停机维护时间；
所述充电设施平均服务率约束为：
；
上式中，在/>时段、道路/>处的风光储充一体化微网内充电设施的充电服务率；/>为电动汽车从开始充电到结束充电的平均时长；
所述充电设施服务能力约束为：
；
上式中，为在/>时段、道路/>处的风光储充一体化微网内充电设施的电动汽车到达率；
所述电动汽车平均到达率约束为：
；
所述电动汽车平均总充电耗时约束为：
；
；
上式中，为在/>时段、道路/>处的风光储充一体化微网内进行充电的电动汽车的平均总充电耗时，该总充电耗时包括平均充电等待时间和平均充电时间；/>为风光储充一体化微网内平均充电时间与平均充电等待时间的之和的上限；
所述有功和无功功率平衡约束为：
；
；
上式中，为/>时段配电网线路/>上传输的有功功率；/>为与配电网节点/>相连接的配电网线路；/>、/>分别为/>时段配电网节点/>处接入负荷的有功、无功功率；/>、/>、/>分别为风电、光伏、充电负荷的功率因数角，储能系统功率因数视为1；/>为/>时段配电网节点/>的风光储充一体化微网的无功功率；/>、/>、/>分别为/>时段配电网节点/>的风电、光伏、和储能的输出功率；
所述配电网线路功率约束为：
；
上式中，为配电网线路的有功功率上限；
所述配电网节点电压约束为：
；
；
；
上式中，为/>时段配电网线路/>上传输的无功功率；/>为/>时段配电网线路/>上的电压降；/>、/>分别为配电网线路/>的电阻、电抗；/>为配电网母线的额定电压；/>、分别为/>时段配电网节点/>、/>的母线电压；/>、/>分别为配电网母线电压的上限和下限；/>为配电网节点/>处在/>时段的电压；/>为充电服务量的下限。
4.根据权利要求1所述的一种风光储充一体化微网运行方案的优化方法，其特征在于：
所述二阶段优化模型的目标函数为：
；
；
；
；
；
；
；
上式中，为充电服务商通过风光储充一体化微网提供的充电服务所产生的日收入；为风光储充一体化微网的日运营成本；/>为风光储充一体化微网的日购电成本；为在/>时段、编号/>的起讫点对、选择路径/>的电动汽车中在道路/>处风光储充一体化微网充电的电动汽车流量，所述起讫点对为电动汽车既定行程的起点和终点的所有出行路径的组合；/>为在/>时段、道路/>处的风光储充一体化微网投入运营的充电桩的数量；为/>时段，配电网向道路/>处的风光储充一体化微网输出的功率；/>为电动汽车的平均充电需求；/>为充电服务单价；/>为充电桩的单位运维成本；/>为/>时段的购电价格；/>为配电网向风光储充一体化微网供电导致的碳排放；/>电动汽车行驶耗能导致的碳排放；/>为碳排放因子，表示在单位能源使用过程中所产生的碳排放量；/>为道路/>的长度；/>为电动汽车行驶的单位距离耗能。
5.根据权利要求4所述的一种风光储充一体化微网运行方案的优化方法，其特征在于：
所述二阶段优化模型的约束条件包括最小服务量约束、充电需求分配约束；
所述充电需求分配约束为：
；
上式中，为单个时段的时长；/>为电动汽车从开始充电到结束充电的平均时长；
所述最小服务量约束为：
；
上式中，为充电服务量的下限。
6.根据权利要求1所述的一种风光储充一体化微网运行方案的优化方法，其特征在于：
采用改进非支配遗传算法求解两阶段优化模型，具体为：
步骤一、初始化种群；
步骤二、求解种群中各个体的第一适应度值并剔除无解的个体，所述第一适应度值即为一阶段优化模型的目标函数值；
步骤三、求解步骤二所剩余的各个体的第二适应度值并剔除无解的个体，所述第二适应度值即为二阶段优化模型的目标函数值；
步骤四、对步骤三所剩余的个体依次进行选择、交叉、变异操作，得到子代种群，再将子代种群与步骤三所剩余的个体合并，最后对合并后的种群依次进行非支配排序、拥挤度计算，选出多个优势个体共同组成新的种群；
步骤五，判断是否到迭代终止条件，若未达到，则返回步骤二进行下一次迭代，若达到则输出Pareto解集。
7.一种风光储充一体化微网运行方案的优化系统，其特征在于：
所述优化系统包括两阶段优化模型构建模块、两阶段优化模型求解模块；
所述两阶段优化模型构建模块用于构建基于电力交通耦合的两阶段优化模型，所述电力交通耦合网包括配电网、交通网、电动汽车、作为配电网与交通网耦合节点的风光储充一体化微网，所述两阶段优化模型包括一阶段优化模型、二阶段优化模型，所述一阶段优化模型的目标函数为以风光储充一体化微网的充电服务利润最大为目标，所述二阶段优化模型的目标函数为以风光储充一体化微网的充电服务利润最大且风光储充一体化微网与配电网的碳排放总量最小为目标；
所述两阶段优化模型求解模块用于首先基于交通网中的电动汽车交通分布求解一阶段优化模型，得到风光储充一体化微网的运行方案，然后基于得到的风光储充一体化微网的运行方案求解二阶段优化模型，得到重新分配后的电动汽车交通分布；反复迭代，以最后一次迭代得到的风光储充一体化微网的运行方案作为最优运行方案。
8.根据权利要求7所述一种风光储充一体化微网运行方案的优化系统，其特征在于：
所述两阶段优化模型构建模块用于构建如下的一阶段优化模型：
目标函数：
；
；
；
；
上式中，为充电服务商通过风光储充一体化微网提供的充电服务所产生的日收入；为风光储充一体化微网的日运营成本；/>为风光储充一体化微网的日购电成本；为在/>时段、编号/>的起讫点对、选择路径/>的电动汽车中在道路/>处风光储充一体化微网充电的电动汽车流量，所述起讫点对为电动汽车既定行程的起点和终点的所有出行路径的组合；/>为在/>时段、道路/>处的风光储充一体化微网投入运营的充电桩的数量；为/>时段，配电网向道路/>处的风光储充一体化微网的输出功率；/>为电动汽车的平均充电需求；/>为充电服务单价；/>为充电桩的单位运维成本；/>为/>时段的购电价格；
约束条件包括：风光储充一体化微网运行约束、电动汽车充电排队约束、配电网约束，所述风光储充一体化微网运行约束包括配电网输出功率约束以及风光储充一体化微网内的能量平衡约束、风机输出功率约束、光伏电池输出功率约束、储能系统充放电功率约束、储能系统荷电状态约束、设备维护时间约束，所述电动汽车充电排队约束包括风光储充一体化微网内的充电设施平均服务率约束、充电设施服务能力约束、电动汽车平均到达率约束、电动汽车平均总充电耗时约束，所述配电网约束包括有功和无功功率平衡约束、配电网线路功率约束、配电网节点电压约束；
所述配电网输出功率约束为：
；
上式中，为风光储充一体化微网的位置参数，若/>，则表示在道路/>处配置有风光储充一体化微网，否则没有配置；/>为大/>常数；
所述能量平衡约束为：
；
上式中，、/>分别为在/>时段、道路/>处的风光储充一体化微网中风电、光伏实际被消纳的出力；/>为在/>时段、道路/>处风光储充一体化微网中储能系统的输入或输出功率，表示储能系统放电，/>表示储能系统充电；/>为单个时段的时长；/>为充电的能量转换效率；
所述风机输出功率约束为：
；
上式中，为/>时段风电的单位出力；/>为道路/>处的风光储充一体化微网中风机的安装数量；
所述光伏电池输出功率约束为：
；
上式中，为/>时段光伏的单位出力；/>为道路/>处的风光储充一体化微网中光伏的安装数量；
所述储能系统充放电功率约束为：
；
上式中，、/>分别为单台储能系统的额定放电功率、额定充电功率；/>为道路/>的光储充电站中储能系统的安装数量；
所述储能系统荷电状态约束为：
；
上式中，为单台储能系统的容量；/>为储能系统的初始电量；/>、/>分别为储能系统荷电状态的下限和上限；/>为一天中的最后一个时段；
所述设备维护时间约束为：
；
上式中，为道路/>处的风光储充一体化微网配置的充电桩数量；/>为单个充电桩的每日最小停机维护时间；
所述充电设施平均服务率约束为：
；
上式中，在/>时段、道路/>处的风光储充一体化微网内充电设施的充电服务率；/>为电动汽车从开始充电到结束充电的平均时长；
所述充电设施服务能力约束为：
；
上式中，为在/>时段、道路/>处的风光储充一体化微网内充电设施的电动汽车到达率；
所述电动汽车平均到达率约束为：
；
所述电动汽车平均总充电耗时约束为：
；
；
上式中，为在/>时段、道路/>处的风光储充一体化微网内进行充电的电动汽车的平均总充电耗时，该总充电耗时包括平均充电等待时间和平均充电时间；/>为风光储充一体化微网内平均充电时间与平均充电等待时间的之和的上限；
所述有功和无功功率平衡约束为：
；
；
上式中，为/>时段配电网线路/>上传输的有功功率；/>为与配电网节点/>相连接的配电网线路；/>、/>分别为/>时段配电网节点/>处接入负荷的有功、无功功率；/>、/>、/>分别为风电、光伏、充电负荷的功率因数角，储能系统功率因数视为1；/>为/>时段配电网节点/>的风光储充一体化微网的无功功率；/>、/>、/>分别为/>时段配电网节点/>的风电、光伏、和储能的输出功率；
所述配电网线路功率约束为：
；
上式中，为配电网线路的有功功率上限；
所述配电网节点电压约束为：
；
；
；
上式中，为/>时段配电网线路/>上传输的无功功率；/>为/>时段配电网线路/>上的电压降；/>、/>分别为配电网线路/>的电阻、电抗；/>为配电网母线的额定电压；/>、分别为/>时段配电网节点/>、/>的母线电压；/>、/>分别为配电网母线电压的上限和下限；/>为配电网节点/>处在/>时段的电压；/>为充电服务量的下限；
所述两阶段优化模型构建模块还用于构建如下的二阶段优化模型：
目标函数：
；
；
；
；
；
；
；
上式中，为充电服务商通过风光储充一体化微网提供的充电服务所产生的日收入；为风光储充一体化微网的日运营成本；/>为风光储充一体化微网的日购电成本；为在/>时段、编号/>的起讫点对、选择路径/>的电动汽车中在道路/>处风光储充一体化微网充电的电动汽车流量，所述起讫点对为电动汽车既定行程的起点和终点的所有出行路径的组合；/>为在/>时段、道路/>处的风光储充一体化微网投入运营的充电桩的数量；为/>时段配电网向道路/>处的风光储充一体化微网输出的功率；/>为电动汽车的平均充电需求；/>为充电服务单价；/>为充电桩的单位运维成本；/>为/>时段的购电价格，为配电网向风光储充一体化微网供电导致的碳排放；/>电动汽车行驶耗能导致的碳排放；/>为碳排放因子，表示在单位能源使用过程中所产生的碳排放量；/>为道路/>的长度；/>为电动汽车行驶的单位距离耗能；
约束条件包括：最小服务量约束、充电需求分配约束；
所述充电需求分配约束为：
；
上式中，为单个时段的时长；/>为电动汽车从开始充电到结束充电的平均时长；
所述最小服务量约束为：
；
上式中，为充电服务量的下限。
9.根据权利要求7所述一种风光储充一体化微网运行方案的优化系统，其特征在于：
所述两阶段优化模型求解模块采用改进非支配遗传算法求解两阶段优化模型，具体为：
步骤一、初始化种群；
步骤二、求解种群中各个体的第一适应度值并剔除无解的个体，所述第一适应度值即为一阶段优化模型的目标函数值；
步骤三、求解步骤二所剩余的各个体的第二适应度值并剔除无解的个体，所述第二适应度值即为二阶段优化模型的目标函数值；
步骤四、对步骤三所剩余的个体依次进行选择、交叉、变异操作，得到子代种群，再将子代种群与步骤三所剩余的个体合并，最后对合并后的种群依次进行非支配排序、拥挤度计算，选出多个优势个体共同组成新的种群；
步骤五，判断是否到迭代终止条件，若未达到，则返回步骤二进行下一次迭代，若达到则输出Pareto解集。
10.一种风光储充一体化微网运行方案的优化设备，其特征在于：
所述控制设备包括处理器以及存储器；
所述存储器用于存储计算机程序代码，并将所述计算机程序代码传输给所述处理器；
所述处理器用于根据所述计算机程序代码中的指令执行如权利要求1-6任一项所述的风光储充一体化微网运行方案的优化方法。
CN202311569085.0A 2023-11-23 2023-11-23 一种风光储充一体化微网运行方案的优化方法及系统 Active CN117559563B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311569085.0A CN117559563B (zh) 2023-11-23 2023-11-23 一种风光储充一体化微网运行方案的优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311569085.0A CN117559563B (zh) 2023-11-23 2023-11-23 一种风光储充一体化微网运行方案的优化方法及系统

Publications (2)

Publication Number Publication Date
CN117559563A true CN117559563A (zh) 2024-02-13
CN117559563B CN117559563B (zh) 2024-03-29

Family

ID=89820235

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311569085.0A Active CN117559563B (zh) 2023-11-23 2023-11-23 一种风光储充一体化微网运行方案的优化方法及系统

Country Status (1)

Country Link
CN (1) CN117559563B (zh)

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100179704A1 (en) * 2009-01-14 2010-07-15 Integral Analytics, Inc. Optimization of microgrid energy use and distribution
CN109146201A (zh) * 2018-09-13 2019-01-04 三峡大学 基于合作博弈的充换储一体化电站微电网优化调度方法
CN109711728A (zh) * 2018-12-27 2019-05-03 陕西师范大学 基于电力不确定性和低碳诉求的双层多目标电力调度方法
WO2019165701A1 (zh) * 2018-02-28 2019-09-06 东南大学 一种交直流混联微网的随机鲁棒耦合型优化调度方法
CA3141685A1 (en) * 2019-03-19 2020-09-24 dcbel Inc. Converter with power management system for household users to manage power between different loads including their electric vehicle
CN115081343A (zh) * 2022-07-27 2022-09-20 南京航空航天大学 一种基于神经网络结合遗传算法的天基无源探测定轨方法
CN115375344A (zh) * 2022-07-13 2022-11-22 太原理工大学 计及阶梯碳交易机制的微电网两阶段鲁棒优化低碳经济调度方法
CN116247719A (zh) * 2022-11-29 2023-06-09 国网河南省电力公司安阳供电公司 一种基于阶梯碳交易的微电网两阶段鲁棒优化配置方法
EP4246751A1 (en) * 2022-03-18 2023-09-20 ABB Schweiz AG Method of controlling of battery energy storage system of power system with high dynamic loads

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100179704A1 (en) * 2009-01-14 2010-07-15 Integral Analytics, Inc. Optimization of microgrid energy use and distribution
WO2019165701A1 (zh) * 2018-02-28 2019-09-06 东南大学 一种交直流混联微网的随机鲁棒耦合型优化调度方法
CN109146201A (zh) * 2018-09-13 2019-01-04 三峡大学 基于合作博弈的充换储一体化电站微电网优化调度方法
CN109711728A (zh) * 2018-12-27 2019-05-03 陕西师范大学 基于电力不确定性和低碳诉求的双层多目标电力调度方法
CA3141685A1 (en) * 2019-03-19 2020-09-24 dcbel Inc. Converter with power management system for household users to manage power between different loads including their electric vehicle
EP4246751A1 (en) * 2022-03-18 2023-09-20 ABB Schweiz AG Method of controlling of battery energy storage system of power system with high dynamic loads
CN115375344A (zh) * 2022-07-13 2022-11-22 太原理工大学 计及阶梯碳交易机制的微电网两阶段鲁棒优化低碳经济调度方法
CN115081343A (zh) * 2022-07-27 2022-09-20 南京航空航天大学 一种基于神经网络结合遗传算法的天基无源探测定轨方法
CN116247719A (zh) * 2022-11-29 2023-06-09 国网河南省电力公司安阳供电公司 一种基于阶梯碳交易的微电网两阶段鲁棒优化配置方法

Also Published As

Publication number Publication date
CN117559563B (zh) 2024-03-29

Similar Documents

Publication Publication Date Title
Liu et al. Optimal sizing of a wind-energy storage system considering battery life
Zhou et al. Optimal sizing of PV and BESS for a smart household considering different price mechanisms
Ramli et al. Optimal sizing of PV/wind/diesel hybrid microgrid system using multi-objective self-adaptive differential evolution algorithm
Pirouzi et al. Exploring potential storage-based flexibility gains of electric vehicles in smart distribution grids
Nikmehr et al. Reliability evaluation of multi-microgrids considering optimal operation of small scale energy zones under load-generation uncertainties
CN103490410B (zh) 一种基于多目标优化的微电网规划和容量配置方法
Fathabadi Utilization of electric vehicles and renewable energy sources used as distributed generators for improving characteristics of electric power distribution systems
Kavousi-Fard et al. Reliability-oriented reconfiguration of vehicle-to-grid networks
Aghdam et al. Optimal scheduling of multi-energy type virtual energy storage system in reconfigurable distribution networks for congestion management
CN110428103A (zh) 一种综合能源系统中可再生能源储能系统协同规划方法
Xu et al. Robust energy management for an on-grid hybrid hydrogen refueling and battery swapping station based on renewable energy
CN111639866B (zh) 基于遗传算法的储能充电站的储能容量的配置方法
CN109002913A (zh) 一种多虚拟电厂联合优化调度方法
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
CN114595868A (zh) 一种综合能源系统源网荷储协同规划方法及系统
Azaroual et al. An optimal energy management of grid-connected residential photovoltaic-wind-battery system under step-rate and time-of-use tariffs
Firouzjah Profit-based electric vehicle charging scheduling: Comparison with different strategies and impact assessment on distribution networks
CN104578160A (zh) 一种微网能量控制方法
CN111047093A (zh) 一种电动汽车典型快充站优化运行配置方法
CN113326467B (zh) 基于多重不确定性的多站融合综合能源系统多目标优化方法、存储介质及优化系统
CN112132638B (zh) 一种储能上网定价系统及方法
CN117698496A (zh) 考虑多分布资源协调运行的充电桩规划方法、系统、介质
Lu et al. A model for balance responsible distribution systems with energy storage to achieve coordinated load shifting and uncertainty mitigation
CN117559563B (zh) 一种风光储充一体化微网运行方案的优化方法及系统
CN116914821A (zh) 一种基于改进粒子群算法的微电网低碳优化调度方法

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
GR01 Patent grant
GR01 Patent grant