CN117578488B - 考虑不确定性的电动汽车实时灵活性评估方法及系统 - Google Patents
考虑不确定性的电动汽车实时灵活性评估方法及系统 Download PDFInfo
- Publication number
- CN117578488B CN117578488B CN202311527784.9A CN202311527784A CN117578488B CN 117578488 B CN117578488 B CN 117578488B CN 202311527784 A CN202311527784 A CN 202311527784A CN 117578488 B CN117578488 B CN 117578488B
- Authority
- CN
- China
- Prior art keywords
- electric automobile
- flexibility
- electric
- scheduling period
- uncertainty
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000013210 evaluation model Methods 0.000 claims abstract description 21
- 230000005540 biological transmission Effects 0.000 claims abstract description 10
- 238000009826 distribution Methods 0.000 claims abstract description 8
- 230000006399 behavior Effects 0.000 claims description 38
- 238000011156 evaluation Methods 0.000 claims description 25
- 230000009977 dual effect Effects 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 4
- 238000007599 discharging Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- 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
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—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
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本发明提出了一种考虑不确定性的电动汽车实时灵活性评估方法及系统，基于灵活性出清结果和电动汽车并网数据集建立初始电量的区间不确定性集，设置用户行为参数并根据历史数据建立用户行为参数的历史样本集，将离开时间不确定性建模为基于最优传输距离的分布鲁棒模糊集；基于初始电量的区间不确定性集和用户离开时间的分布鲁棒模糊集，建立电动汽车的灵活性评估模型，实现了对电动汽车实时灵活性的快速准确评估。
Description
技术领域
本发明属于电力系统控制相关技术领域，尤其涉及考虑不确定性的电动汽车实时灵活性评估方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
电动汽车可通过聚合商参与辅助服务来平衡可再生能源并网带来的波动性，但这要求聚合商能够对电动汽车的聚合灵活性进行准确评估，其中电动汽车的聚合灵活性表示为一组功率可调节范围。但是每辆电动汽车到达、离开充电站的时间受用户行为影响，具有不确定性。现有研究大多采用各种方法预测或模拟用户行为，如蒙特卡罗仿真方法。但此类方法大多进行日前的全天调节能力预测，未进一步利用电动汽车随时间变化的日内动态信息。虽然也有研究通过实时监测确定电动汽车的到达时间，对电动汽车的实时灵活性进行评估，但未考虑到以下两种不确定性。其一是实时市场规则导致的初始电量不确定性，其二是用户行为导致的离开时间不确定性。
电动汽车聚合商参与实时市场提供二次频率调节的过程可分为三个阶段：投标阶段、出清阶段和调度阶段。以两个相邻调度时段k，k+1为例，在投标阶段，即k时段初，聚合商需要评估出k+1时段的灵活性，并以此制定报价策略上报调度中心。在出清阶段，即k时段期间，调度中心需要完成针对k+1时段的灵活性出清工作。在调度阶段，即k+1时段期间，调度中心依据实时调频需求下发调度指令，聚合商将指令分解至每辆电动汽车。准确评估灵活性需要知晓电动汽车的初始电池电量。然而，在此市场规则下，聚合商无法在k时段初准确得到k+1时段初的电池电量。因此，聚合商需要考虑初始电量的不确定性。此外，每辆汽车到达充电站后，电动汽车用户会告知聚合商预定离开时间。但受用户个人行为影响，一定比例汽车的实际离开时间可能会提前。因此，聚合商需要考虑离开时间的不确定性。忽略上述两种不确定性将使得评估出的灵活性不再准确可靠。
综上所述，电动汽车聚合灵活性在线评估需要解决初始电量不确定性和离开时间不确定性问题，防止评估出的灵活性出现偏差，使得聚合商有足够的灵活性响应调度中心下发的调度指令。
发明内容
为克服上述现有技术的不足，本发明提供了一种考虑不确定性的电动汽车实时灵活性评估方法及系统，将初始电量不确定性建立为初始电量的区间不确定性集，设置用户行为参数并根据历史数据建立用户行为参数的历史样本集，将离开时间不确定性建立为基于最优传输距离的分布鲁棒模糊集；基于所建立的区间不确定性集和分布鲁棒模糊集，建立电动汽车的灵活性评估模型进行求解，实现了对电动汽车实时灵活性的快速准确评估。
为实现上述目的，本发明的第一个方面提供一种考虑不确定性的电动汽车实时灵活性评估方法，包括：
更新当前调度时段初的电动汽车并网数据集；其中，所述数据集包括电动汽车集合以及对应的运行可行域；
基于每辆电动汽车的开始调度时段、结束调度时段和运行参数，建立每辆电动汽车在对应的每个划分的可调度时段内的运行可行域；
根据当前调度时段的灵活性出清结果，以及当前调度时段初更新的电动汽车集合和对应的运行可行域，计算当前调度时段末的电量上下限，建立初始电量的区间不确定性集；
设置用户行为参数用于表示电动汽车提前离开时间不确定性，根据电动汽车历史运行数据建立用户行为参数的历史样本集，并基于所述样本集基于最优传输距离建立分布鲁棒模糊集；
基于所建立的区间不确定性集和分布鲁棒模糊集，建立电动汽车灵活性评估模型，将电动汽车的灵活性评估模型转换为混合整数线性规划问题进行求解，得到当前调度时段的下一调度时段电动汽车灵活性评估结果。
本发明的第二个方面提供一种考虑不确定性的电动汽车实时灵活性评估系统，包括：
第一建立模块：更新当前调度时段初的电动汽车并网数据集；其中，所述数据集包括更新电动汽车集合以及对应的运行可行域；基于每辆电动汽车的开始调度时段、结束调度时段和运行参数，建立每辆电动汽车在对应的每个划分的可调度时段内的运行可行域；
第二建立模块：根据当前调度时段的灵活性出清结果，以及当前调度时段初更新的电动汽车集合和对应的运行可行域，计算当前调度时段末的电量上下限，建立初始电量的区间不确定性集；
第三建立模块：设置用户行为参数用于表示电动汽车提前离开时间不确定性，根据电动汽车历史运行数据建立用户行为参数的历史样本集，并基于所述样本集基于最优传输距离建立分布鲁棒模糊集；
评估模块：基于所建立的区间不确定性集和分布鲁棒模糊集，建立电动汽车灵活性评估模型，将电动汽车的灵活性评估模型转换为混合整数线性规划问题进行求解，得到当前调度时段的下一调度时段电动汽车灵活性评估结果。
本发明的第三个方面提供一种计算机设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行一种考虑不确定性的电动汽车实时灵活性评估方法。
本发明的第四个方面提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行一种考虑不确定性的电动汽车实时灵活性评估方法。
以上一个或多个技术方案存在以下有益效果：
在本发明中，基于灵活性出清结果和电动汽车并网数据集建立初始电量的区间不确定性集，设置用户行为参数并根据历史数据建立参数历史样本集，将离开时间不确定性建模为基于最优传输距离的分布鲁棒模糊集；基于初始电量的区间不确定性集和用户离开时间的分布鲁棒模糊集，建立电动汽车的灵活性评估模型，实现了对电动汽车实时灵活性的快速准确评估。
本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例一中一种考虑不确定性的电动汽车实时灵活性评估方法流程图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。
在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
实施例一
本实施例公开了一种考虑不确定性的电动汽车实时灵活性评估方法，包括：
更新当前调度时段初的电动汽车并网数据集；其中，所述数据集包括电动汽车集合以及对应的运行可行域；
基于每辆电动汽车的开始调度时段、结束调度时段和运行参数，建立每辆电动汽车在对应的每个划分的可调度时段内的运行可行域；
根据当前调度时段的灵活性出清结果，以及当前调度时段初更新的电动汽车集合和对应的运行可行域，计算当前调度时段末的电量上下限，建立初始电量的区间不确定性集；
设置用户行为参数用于表示电动汽车提前离开时间不确定性，根据电动汽车历史运行数据建立用户行为参数的历史样本集，并基于所述历史样本集基于最优传输距离建立分布鲁棒模糊集；
基于所建立的区间不确定性集和分布鲁棒模糊集，建立电动汽车灵活性评估模型，将电动汽车的灵活性评估模型转换为混合整数线性规划问题进行求解，得到当前调度时段的下一调度时段电动汽车灵活性评估结果。
下面结合图1详细说明考虑不确定性的电动汽车实时灵活性评估方法的具体实施步骤。
步骤1：k时段初为报价阶段，聚合商更新并网电动汽车数据集，完成数据预处理。数据集包括各时段的电动汽车数量和对应的可行域。聚合商一方面对k-1时段内新到达的电动汽车进行数据预处理，一方面删除k-1时段内提前离开电动汽车的数据。新电动汽车集合表示为Nnew，提前离开电动汽车集合表示为Nleave。
步骤1-1：新到达充电站的电动汽车向聚合商申报运行参数和预计离开时间。聚合商将预计离开时间向前取整，得到该电动汽车的结束调度时段同时将该电动汽车的开始调度时段/>定为k时段。
步骤1-2：基于开始调度时段、结束调度时段和运行参数，使用公式(1)、公式(2)计算每辆电动汽车在对应的每个可调度时段t内应满足的电量上限和电量下限E t,n。
其中：n为电动汽车编号；Nnew为新电动汽车集合；t为可调度时段的编号；为可调度时段范围；ΔT为调度时段宽度；/>分别表示充、放电功率极限； E n分别表示电池额定容量上、下限；/>分别表示充、放电效率系数；/>分别表示第n辆电动汽车的剩余电量和目标电量。
需要说明的是，k时段是当前所处的调度时段，每个可调度时段t指电动汽车可以参与调度的时段，用t来编号。例如，8是开始调度时段，12是结束调度时段，[8,12]是可调度时段范围，每个可调度时段即为8，9，10，11，12这5个时段，用t编号。而当前正处于8时段初，用k表示。
步骤1-3：建立每辆电动汽车在对应的每个可调度时段内的运行可行域。
其中：分别表示第n辆电动汽车在第t个可调度时段的充电功率和放电功率；二进制整数变量/>分别为对应充、放电状态指标；Et-1,n表示第t-1个可调度时段末的电池电量；Et,n表示第t个可调度时段末的电池电量；pt,n表示运行功率。
步骤1-4：更新各个时段电动汽车数据集。在至/>时段增加第n辆新电动汽车数据。删去Nleave集合中提前离开电动汽车的数据。
步骤2：将初始电量不确定性建模为区间不确定性集。
步骤2-1：聚合商在k时段初的已知信息是k时段的灵活性出清结果，即功率可调节范围以及k时段初的电动汽车集合Nk和集合中每辆电动汽车的运行可行域Φk,n。基于鲁棒优化的思想考虑极端情况，令聚合商在整个k时段的运行功率均为最小值求解(4)得到电动汽车在k时段末的电量下限/>
其中，pk,n表示第n辆电动汽车在k时段的运行功率，Ek,n表示第n辆电动汽车在k时段末的电量。
步骤2-2：令聚合商在整个k时段的运行功率均为最大值求解(5)得到电动汽车在k时段末的电量上限/>
步骤2-3：基于计算出的和/>建立区间不确定性集
步骤3：设置用户行为参数u，基于最新历史运行数据更新参数u的历史样本集
步骤3-1：取历史时段m，Nm表示实际有电动汽车提前离开的集合，表示假设没有电动汽车提前离开的集合，Φm,n表示运行可行域。求解式(6)、公式(7)分别得到m历史时段的实际灵活性/>和虚拟灵活性/>
其中：pm,n表示第n辆电动汽车在m历史时段的运行功率，Em,n表示第n辆电动汽车在m历史时段末的电量。
步骤3-2：使用参数u表示用户提前离开导致的灵活性削减比例。计算式(8)得到历史时段m对应的用户行为参数值um。um可作为参数u的历史样本集中的一个样本。
步骤3-3：使用步骤3-1和步骤3-2计算最新历史时段对应的样本um，以取代历史样本集中最老历史时段对应的样本，得到更新后的历史样本集其中S表示样本个数。
步骤4：将离开时间不确定性建模为基于Wasserstein距离的分布鲁棒模糊集。
步骤4-1：通过式(9)建立参数u的经验分布式中/>表示狄拉克测度。
步骤4-2：通过式(10)建立参数u的不确定集Ξ，式中H＝[-1,1]T，/>表示实数集合。
步骤4-3：通过式(11)以数据驱动和在线更新的模式建立参数u的分布鲁棒模糊集
其中：表示u的分布；/>表示在支撑集Ξ内u的所有分布的集合；W表示Wasserstein距离；ε表示Wasserstein球半径。
步骤5：建立电动汽车灵活性在线评估模型，如公式(11)、公式(12)所示，为待评估的k+1时段电动汽车聚合灵活性。
其中：Nk+1表示k+1时段的电动汽车集合；Φk+1,n表示第n辆电动汽车在k+1时段的运行可行域；pk+1,n表示第n辆电动汽车在k+1时段的运行功率，Ek+1,n表示第n辆电动汽车在k+1时段末的电量。
步骤6：基于对偶理论将灵活性评估模型转化为混合整数线性规划问题。公式组(13)为对偶转化后共有的约束条件，模型(11)对偶转化为(14)，模型(12)对偶转化为(15)。求解对偶转化后模型(14)和(15)分别得到评估结果
其中：分别表示第n辆电动汽车在k+1时段的充电功率、放电功率、二进制充电状态指标、二进制放电状态指标、电量上限和电量下限；q1,n,q2,n,Z1,n,Z2,n,y1,y2为鲁棒对偶转化增加的参数；Γ为鲁棒性参数；η,τi,βi为分布鲁棒对偶转化增加的参数；a为辅助参数。
步骤7：聚合商依据评估结果制定报价策略并提交调度中心，完成报价阶段。
步骤8：k时段期间为调度阶段。调度中心依据实时调频需求下发调度指令，聚合商将指令分解至每辆电动汽车。在此期间充电站监测提前离开的电动汽车组成集合Nleave，监测新到达的电动汽车组成集合Nnew。该集合用于下一次评估流程的步骤1。
步骤9：k时段期间为出清阶段。调度中心完成对k+1时段灵活性的出清，聚合商得到出清结果该结果用于下一次评估流程的步骤2。
步骤10：k时段结束，成为历史时段，充电站将监测数据上传聚合商。这一历史时段中，Nk-Nleave为实际电动汽车提前离开的集合，记为Nm；Nk为假设没有电动汽车提前离开的集合，记为该集合用于下一次评估流程的步骤3。
实施例二
本实施例的目的是提供一种考虑不确定性的电动汽车实时灵活性评估系统，包括：
第一建立模块：更新当前调度时段初的电动汽车并网数据集；其中，所述数据集包括电动汽车集合以及对应的运行可行域；基于每辆电动汽车的开始调度时段、结束调度时段和运行参数，建立每辆电动汽车在对应的每个划分的可调度时段内的运行可行域；
第二建立模块：根据当前调度时段的灵活性出清结果，以及当前调度时段初更新的电动汽车集合和对应的运行可行域，计算当前调度时段末的电量上下限，建立初始电量的区间不确定性集；
第三建立模块：设置用户行为参数用于表示电动汽车提前离开时间不确定性，根据电动汽车历史运行数据建立用户行为参数的历史样本集，并基于所述历史样本集基于最优传输距离建立分布鲁棒模糊集；
评估模块：基于所建立的区间不确定性集和分布鲁棒模糊集，建立电动汽车灵活性评估模型，将电动汽车的灵活性评估模型转换为混合整数线性规划问题进行求解，得到当前调度时段的下一调度时段电动汽车灵活性评估结果。
实施例三
本实施例的目的是提供一种计算装置，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程序时实现上述方法的步骤。
实施例四
本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行上述方法的步骤。
以上实施例二、三和四的装置中涉及的各步骤与方法实施例一相对应，具体实施方式可参见实施例一的相关说明部分。术语“计算机可读存储介质”应该理解为包括一个或多个指令集的单个介质或多个介质；还应当被理解为包括任何介质，所述任何介质能够存储、编码或承载用于由处理器执行的指令集并使处理器执行本发明中的任一方法。
本领域技术人员应该明白，上述本发明的各模块或各步骤可以用通用的计算机装置来实现，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本发明不限制于任何特定的硬件和软件的结合。
上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (9)
1.一种考虑不确定性的电动汽车实时灵活性评估方法，其特征在于，包括：
更新当前调度时段初的电动汽车并网数据集；其中，所述数据集包括电动汽车集合以及对应的运行可行域；
基于每辆电动汽车的开始调度时段、结束调度时段和运行参数，建立每辆电动汽车在对应的每个划分的可调度时段内的运行可行域；
根据当前调度时段的灵活性出清结果，以及当前调度时段初更新的电动汽车集合和对应的运行可行域，计算当前调度时段末的电量上下限，建立初始电量的区间不确定性集；
设置用户行为参数用于表示电动汽车提前离开时间不确定性，根据电动汽车历史运行数据建立用户行为参数的历史样本集，并基于所述历史样本集基于最优传输距离建立分布鲁棒模糊集；
基于所建立的区间不确定性集和分布鲁棒模糊集，建立电动汽车灵活性评估模型，将电动汽车的灵活性评估模型转换为混合整数线性规划问题进行求解，得到当前调度时段的下一调度时段电动汽车灵活性评估结果；
根据电动汽车历史运行数据，计算用于表示电动汽车提前离开时间不确定性的用户行为参数值，使用该值更新用户行为参数历史样本集，具体为：
在历史时段内，基于实际电动汽车提前离开的集合以及所假设的没有电动汽车提前离开的集合，计算电动汽车的实际灵活性和虚拟灵活性；
根据所计算的实际灵活性与虚拟灵活性的比值，确定用于表示电动汽车离开时间不确定性的用户行为参数值；
使用所计算的用户行为参数值更新用户行为参数历史样本集。
2.如权利要求1所述一种考虑不确定性的电动汽车实时灵活性评估方法，其特征在于，建立每辆电动汽车在对应的每个划分的可调度时段内的运行可行域，具体为：
根据每辆电动汽车的开始调度时段、结束调度时段和运行参数，计算每辆电动汽车在对应的每个可调度时段内应满足的电量上限和电量下限；
根据所计算的每辆电动汽车在对应的每个可调度时段内应满足的电量上限和电量下限，以及电动汽车运行参数，确定每辆电动汽车在对应的每个划分的可调度时段内的运行可行域。
3.如权利要求1所述一种考虑不确定性的电动汽车实时灵活性评估方法，其特征在于，建立初始电量的区间不确定性集的过程具体为：令聚合商在当前调度时段的运行功率为功率可调节最小值，计算每辆电动汽车在当前调度时段末的电量下限；令聚合商在当前调度时段的运行功率为功率可调节最大值，计算每辆电动汽车在当前调度时段末的电量上限；基于所计算的每辆电动汽车在当前调度时段末电量下限和电量上限建立区间不确定性集。
4.如权利要求1所述一种考虑不确定性的电动汽车实时灵活性评估方法，其特征在于，基于所述用户行为参数历史样本集基于最优传输距离建立分布鲁棒模糊集，具体为：
基于狄拉克测度，建立所述用户行为参数的经验分布；
建立所述用户行为参数的不确定集；
根据所建立的经验分布和不确定集，建立所述用户行为参数的分布鲁棒模糊集。
5.如权利要求1所述一种考虑不确定性的电动汽车实时灵活性评估方法，其特征在于，建立电动汽车的灵活性评估模型并转换为混合整数线性规划问题进行求解，得到当前调度时段的下一调度时段电动汽车灵活性评估结果，具体为：基于所建立的区间不确定性集和分布鲁棒模糊集，建立电动汽车灵活性评估模型，基于对偶理论，通过增加对偶变量和辅助变量对灵活性评估模型进行对偶转化，确定对偶转化后灵活性上限和下限评估模型的共有约束条件，将电动汽车灵活性评估模型转换为混合整数线性规划问题并求解。
6.一种考虑不确定性的电动汽车实时灵活性评估系统，其特征在于，包括：
第一建立模块：更新当前调度时段初的电动汽车并网数据集；其中，所述数据集包括电动汽车集合以及对应的运行可行域；基于每辆电动汽车的开始调度时段、结束调度时段和运行参数，建立每辆电动汽车在对应的每个划分的可调度时段内的运行可行域；
第二建立模块：根据当前调度时段的灵活性出清结果，以及当前调度时段初更新的电动汽车集合和对应的运行可行域，计算当前调度时段末的电量上下限，建立初始电量的区间不确定性集；
第三建立模块：设置用户行为参数用于表示电动汽车提前离开时间不确定性，根据电动汽车历史运行数据建立用户行为参数的历史样本集，并基于所述历史样本集基于最优传输距离建立分布鲁棒模糊集；
评估模块：基于所建立的区间不确定性集和分布鲁棒模糊集，建立电动汽车灵活性评估模型，将电动汽车的灵活性评估模型转换为混合整数线性规划问题进行求解，得到当前调度时段的下一调度时段电动汽车灵活性评估结果；
根据电动汽车历史运行数据，计算用于表示电动汽车提前离开时间不确定性的用户行为参数值，使用该值更新用户行为参数历史样本集，具体为：
在历史时段内，基于实际电动汽车提前离开的集合以及所假设的没有电动汽车提前离开的集合，计算电动汽车的实际灵活性和虚拟灵活性；
根据所计算的实际灵活性与虚拟灵活性的比值，确定用于表示电动汽车离开时间不确定性的用户行为参数值；
使用所计算的用户行为参数值更新用户行为参数历史样本集。
7.如权利要求6所述的一种考虑不确定性的电动汽车实时灵活性评估系统，其特征在于，包括：在所述第二建立模块中，建立初始电量的区间不确定性集的过程具体为：令聚合商在当前调度时段的运行功率为功率可调节最小值，计算每辆电动汽车在当前调度时段末的电量下限；令聚合商在当前调度时段的运行功率为功率可调节最大值，计算每辆电动汽车在当前调度时段末的电量上限；基于所计算的每辆电动汽车在当前调度时段末电量下限和电量上限建立区间不确定性集。
8.一种计算机设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当计算机设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如权利要求1至5任一项所述的一种考虑不确定性的电动汽车实时灵活性评估方法。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至5任一项所述的一种考虑不确定性的电动汽车实时灵活性评估方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311527784.9A CN117578488B (zh) | 2023-11-15 | 2023-11-15 | 考虑不确定性的电动汽车实时灵活性评估方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311527784.9A CN117578488B (zh) | 2023-11-15 | 2023-11-15 | 考虑不确定性的电动汽车实时灵活性评估方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117578488A CN117578488A (zh) | 2024-02-20 |
| CN117578488B true CN117578488B (zh) | 2024-05-03 |
Family
ID=89892892
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311527784.9A Active CN117578488B (zh) | 2023-11-15 | 2023-11-15 | 考虑不确定性的电动汽车实时灵活性评估方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117578488B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110739690A (zh) * | 2019-10-31 | 2020-01-31 | 山东大学 | 考虑电动汽车快充站储能设施的配电网优化调度方法及系统 |
| CN114944662A (zh) * | 2022-07-25 | 2022-08-26 | 东南大学溧阳研究院 | 基于支持向量聚类的电动汽车集群并网鲁棒优化调度方法 |
| CN115117931A (zh) * | 2022-07-14 | 2022-09-27 | 华北电力大学 | 考虑电动汽车灵活性和光伏接入的配电网规划方法及系统 |
| CN115733166A (zh) * | 2022-11-18 | 2023-03-03 | 国网天津市电力公司经济技术研究院 | 一种柔性配电网分布鲁棒运行方法和系统 |
| CN115983441A (zh) * | 2022-12-11 | 2023-04-18 | 国网上海市电力公司 | 一种电动汽车集群的灵活性概率预测与随机优化调控方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114021320B (zh) * | 2021-10-27 | 2023-04-18 | 清华大学 | 群体电动汽车灵活性计算方法、装置、电子设备和存储介质 |
-
2023
- 2023-11-15 CN CN202311527784.9A patent/CN117578488B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110739690A (zh) * | 2019-10-31 | 2020-01-31 | 山东大学 | 考虑电动汽车快充站储能设施的配电网优化调度方法及系统 |
| CN115117931A (zh) * | 2022-07-14 | 2022-09-27 | 华北电力大学 | 考虑电动汽车灵活性和光伏接入的配电网规划方法及系统 |
| CN114944662A (zh) * | 2022-07-25 | 2022-08-26 | 东南大学溧阳研究院 | 基于支持向量聚类的电动汽车集群并网鲁棒优化调度方法 |
| CN115733166A (zh) * | 2022-11-18 | 2023-03-03 | 国网天津市电力公司经济技术研究院 | 一种柔性配电网分布鲁棒运行方法和系统 |
| CN115983441A (zh) * | 2022-12-11 | 2023-04-18 | 国网上海市电力公司 | 一种电动汽车集群的灵活性概率预测与随机优化调控方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117578488A (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Das et al. | Charging scheduling of electric vehicle incorporating grid-to-vehicle and vehicle-to-grid technology considering in smart grid | |
| Yang et al. | Computational scheduling methods for integrating plug-in electric vehicles with power systems: A review | |
| Xi et al. | Using price-based signals to control plug-in electric vehicle fleet charging | |
| CN111762051B (zh) | 基于聚合商的电动汽车参与受端电网低谷调峰需求响应调控方法 | |
| Wang et al. | Hybrid centralized-decentralized (HCD) charging control of electric vehicles | |
| He et al. | Optimal scheduling for charging and discharging of electric vehicles | |
| US20200156495A1 (en) | Aggregating energy resources | |
| Yang et al. | A binary symmetric based hybrid meta-heuristic method for solving mixed integer unit commitment problem integrating with significant plug-in electric vehicles | |
| Moghaddam et al. | An online reinforcement learning approach for dynamic pricing of electric vehicle charging stations | |
| Leterme et al. | A flexible stochastic optimization method for wind power balancing with PHEVs | |
| CN113610303A (zh) | 一种负荷预测方法及系统 | |
| CN114997631B (zh) | 一种电动汽车充电调度方法、装置、设备及介质 | |
| CN105550946A (zh) | 基于多智能体的居民用户参与自动需求响应的用电策略 | |
| CN112865190A (zh) | 计及光伏和充电需求的光储充电站优化调度方法和系统 | |
| Hayakawa et al. | Online mechanisms for charging electric vehicles in settings with varying marginal electricity costs | |
| Hahn et al. | Model-based quantification of load shift potentials and optimized charging of electric vehicles | |
| CN103345663A (zh) | 考虑爬坡速率约束的电力系统机组组合优化方法 | |
| Li et al. | Learning-based predictive control via real-time aggregate flexibility | |
| CN116454914A (zh) | 一种多类型资源复合调频模型的构建方法及装置 | |
| Pilz et al. | Selfish energy sharing in prosumer communities: A demand-side management concept | |
| Uiterkamp et al. | Fill-level prediction in online valley-filling algorithms for electric vehicle charging | |
| CN117578488B (zh) | 考虑不确定性的电动汽车实时灵活性评估方法及系统 | |
| Yang et al. | Stochastic coordination of aggregated electric vehicle charging with on-site wind power at multiple buildings | |
| Walraven et al. | Planning under uncertainty for aggregated electric vehicle charging with renewable energy supply | |
| CN115953011A (zh) | 通信基站储能资源调度方法及设备 |
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 |