一種電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化調(diào)度方法
【專利摘要】本發(fā)明涉及一種電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化調(diào)度方法，以含電動汽車、風(fēng)電、直流母線的微電網(wǎng)系統(tǒng)為研究對象，構(gòu)建計及不確定性的電動汽車充當(dāng)儲能的調(diào)度模型；采用了多場景生成技術(shù)及場景削減技術(shù)將隨機過程分解為有限的離散概率場景，采用多代理系統(tǒng)技術(shù)將優(yōu)化調(diào)度分為雙層調(diào)度結(jié)構(gòu)：微電網(wǎng)調(diào)度層與電動汽車調(diào)度層。并在該調(diào)度結(jié)構(gòu)的基礎(chǔ)上提出實時電價更新策略，利用雙層調(diào)度使得調(diào)度系統(tǒng)分別實現(xiàn)：微電網(wǎng)系統(tǒng)運行成本最小，并保證交換功率在安全范圍內(nèi)；分配每輛車的充放電功率使得電動汽車動力電池充放電狀態(tài)轉(zhuǎn)換最小以保證電池循環(huán)壽命最長兩個目標(biāo)。可明顯減少微電網(wǎng)系統(tǒng)的運行成本及電動汽車在充當(dāng)儲能時的電池充放電狀態(tài)轉(zhuǎn)換次數(shù)。
【專利說明】
一種電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化調(diào)度方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及含電動汽車作為儲能的微電網(wǎng)多目標(biāo)優(yōu)化調(diào)度方法，具體屬于智能電 網(wǎng)技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 微電網(wǎng)是由分布式電源、儲能、負(fù)荷組成的系統(tǒng)，并與主網(wǎng)有著緊密的聯(lián)系。隨著 技術(shù)的進步，風(fēng)力發(fā)電等可再生能源被推廣運用，它不僅可以節(jié)約能源，也可以避免傳統(tǒng)電 網(wǎng)的電能長距離傳輸，減少電能損耗，同時減少碳排放。而儲能不僅可以幫助更有效地使用 可再生能源，也可以調(diào)節(jié)負(fù)荷的高峰低谷。據(jù)統(tǒng)計顯示，每輛電動汽車平均有90%的時間處 于閑置狀態(tài)，所以在微網(wǎng)中可以被認(rèn)為是靈活的移動電池，對于多個微電網(wǎng)來說，大量的電 動汽車就像是移動的儲能設(shè)備，如何調(diào)節(jié)電動汽車與微網(wǎng)之間的能源協(xié)調(diào)、微網(wǎng)群與主網(wǎng) 間的能源協(xié)調(diào)，對實現(xiàn)微電網(wǎng)運營成本最低、主網(wǎng)波動最小等目標(biāo)的優(yōu)化尤為關(guān)鍵，并且它 們與主網(wǎng)之間的能源協(xié)調(diào)調(diào)度可以避免負(fù)荷尖峰。因此對電動汽車充當(dāng)儲能的優(yōu)化調(diào)度方 法進行了分析，提出在滿足交換功率在安全范圍內(nèi)的前提下，實現(xiàn)"微電網(wǎng)系統(tǒng)運行成本最 小、分配每輛車的充放電功率使得電動汽車動力電池充放電狀態(tài)轉(zhuǎn)換最小以保證電池循環(huán) 壽命最長"兩個目標(biāo)。本發(fā)明提出的電動汽車充電儲能的多目標(biāo)優(yōu)化調(diào)度方法可以使微電 網(wǎng)系統(tǒng)運行成本最小，同時使電動汽車電池充放電轉(zhuǎn)換狀態(tài)次數(shù)最小以保證用戶使用成本 較小。 【實用新型內(nèi)容】
[0003] 針對上述現(xiàn)有技術(shù)中的問題，本發(fā)明提出一種電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化方 法，為示范城市電動汽車充電基礎(chǔ)設(shè)施建設(shè)提供理論依據(jù)和技術(shù)支撐，并有利于提高充電 站內(nèi)整體運行的經(jīng)濟效益。
[0004] 為了解決上述技術(shù)問題，本實用新型提出以下技術(shù)方案：
[0005] -種電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化調(diào)度方法，該方法步驟為：
[0006] 步驟1:基于日前負(fù)荷及歷史數(shù)據(jù)得到未來一天負(fù)荷曲線if (〇;接收風(fēng)電出力大 小的預(yù)測數(shù)據(jù).C(0;場景概率ts;電動汽車動力電池的最大放電功率^7(0、最大充電功 率、儲能容量下限ΒΓ(〇、儲能容量上限B；r(〇。并使用情景生成法及情景削減法減 少情景個數(shù)；
[0007] 步驟2:建立微電網(wǎng)調(diào)度層數(shù)學(xué)模型，在其調(diào)度策略中，使交換功率在限定范圍內(nèi) (P，解出微電網(wǎng)系統(tǒng)最小的運行成本（目標(biāo)1)，并得出此時的交換功率Ο):
[0008] 步驟3:建立電動汽車調(diào)度層經(jīng)濟與技術(shù)模型，在其調(diào)度策略中，使得電動汽車充 放電狀態(tài)轉(zhuǎn)換次數(shù)最小，并得出總的電動汽車的最小成本（目標(biāo)2)。模型中電動汽車充電成 本與狀態(tài)轉(zhuǎn)換次數(shù)呈正相關(guān)；
[0009] 步驟4:在多代理系統(tǒng)技術(shù)的基礎(chǔ)上，制定電網(wǎng)電價更新策略，假定更新時間為lh/ 次；
[0010] 步驟5:微電網(wǎng)各控制器響應(yīng)更新的實時電價，再次優(yōu)化充放電功率使微電網(wǎng)系統(tǒng) 運行成本最??；
[0011] 步驟6:電動汽車響應(yīng)微電網(wǎng)最新充放電功率分配，相應(yīng)更新其充放電行為。返回 步驟1。
[0012] 所述場景生成技術(shù)采用離散的概率分布取代隨機變量的不確定性，場景的產(chǎn)生由 不確定的電動汽車出行習(xí)慣構(gòu)成(風(fēng)電出力、負(fù)荷耗電可近似認(rèn)為是確定值）。風(fēng)電出力模 型如下：
[0014] Pw為預(yù)測的風(fēng)力發(fā)電功率，Vf為預(yù)測風(fēng)速，Vc；i為切入風(fēng)速，v。。為切出風(fēng)速， Vr為額 定風(fēng)速，P"為風(fēng)機額定功率；
[0015] 電動汽車出行模型主要由出發(fā)時間、到達(dá)時間、行駛里程等變量構(gòu)成，式子如下：
[0018] P(d) = (do+d)-eexp(_d/a) (4)
[0019] PdUu)為汽車出發(fā)時間概率分布，td>1為第i個時間窗口的出發(fā)時間，At為時間 窗口長度；
[0020] PA(tar|td,i)為汽車到達(dá)時間概率分布，tar為第i個時間窗口的到達(dá)時間， 〇i為第i 個時間窗口的到達(dá)時間標(biāo)準(zhǔn)差;yi為第i個時間窗口的到達(dá)時間期望；
[0021] P(d)為每趟行駛里程概率分布，d為行駛里程，(1ο、α、β為指數(shù)參數(shù)，對應(yīng)分別為常 數(shù)1.8、20、1.25。
[0022]電動汽車和風(fēng)電所有場景的集合用S表示，為系統(tǒng)在場景s下的概率：
[0023] Ts = PA(tar I td,i) · PD(td,i) · P(d) (5)
[0024] 最后使用快速正演算法削減場景。
[0025] 所述電動汽車動力電池的最大放電功率/?η(〇:、最大充電功率〇Γ(〇、儲能容量 下限⑴、儲能容量上限Β；7(〇可由以下式子獲得：
[0030] m,s(t)=ni,s(t-l)+| I ri,s(t) I |ι_| I C>i,s(t) I |ι (10)
[0031] m,s(t)為在s場景下t時刻在線充放電車輛數(shù)目，為單輛電動汽車最大充、放電 功率；| | r1>s(t)| |i、| |?1>s(t)| u分別為S場景下第i個微電網(wǎng)t時刻到達(dá)變量(到達(dá)為1，否 貝1J為〇)、出發(fā)變量（出發(fā)為1，否則為0)，《<為8場景下出發(fā)時的荷電狀態(tài)，c&i, s(t+l)為t+1 時刻的出發(fā)變量，E為動力電池額定容量。
[0032] 所述微電網(wǎng)調(diào)度層數(shù)學(xué)模型如下：
[0033] 目標(biāo)函數(shù)微電網(wǎng)系統(tǒng)運行成本可表示為：
[0035]相應(yīng)約束條件為：
[0036] 功率平衡：
[0037] /^(〇 + />：(/) = /f(〇 + /^(r) (12)
[0038] 動力電池儲能狀態(tài)更新：
[0039] Β?Λ (〇 = Bi K (/ - i) + P：；s (r)Δ/ + (t) (13)
[0040] 由電動汽車到達(dá)或離開導(dǎo)致的儲能能量變化：
[0041 ] Δ^(〇 = [Γ,?(φ0?°?]·￡ (14)
[0042]儲能電量保持在限定范圍內(nèi)：
[0043] B；7(〇<5.,(〇^B，T(〇 (15>
[0044] 充放電功率在限定范圍內(nèi)：
[0045] P；^n(t)<Pu(t)<^(t) (16)
[0046] 第i個微電網(wǎng)交換功率在限定范圍內(nèi)：
[0047] -P；' </f (/)<Λ' (17)
[0048] 微電網(wǎng)系統(tǒng)整體交換功率在限定范圍內(nèi)：
[0050] 8^(〇，？^(〇分別為〖時刻第1個微電網(wǎng)在8場景下的動力電池儲能能量和充放 電功率。由上述模型，根據(jù)給定，可解出微電網(wǎng)系統(tǒng)最小充電成本，并得出此時的交換功率 C(〇 -
[0051 ]所述電動汽車調(diào)度層經(jīng)濟與技術(shù)模型分別為：
[0052]經(jīng)濟模型作為目標(biāo)函數(shù)：
[0054]第一部分代表用電成本，第二部分代表電池充放電引起的損耗成本，即使總成本 最小;式中3為電動汽車電池成本，c1為電動汽車電池循環(huán)壽命；
[0055]技術(shù)模型作為約束條件：
[0056]第j輛汽車荷電狀態(tài)動態(tài)變化：
[0058] 式中分別為到達(dá)時間和出發(fā)時間，尸、尸丨^(0分別為在t時段的充電 功率和放電功率；
[0059] 第j輛汽車出發(fā)時的荷電狀態(tài)必須滿足行程所需電量：
[0061 ]式中C..s為第m趟的行駛里程；
[0062]第j輛汽車充、放電功率限定值：
[0063] V.λ U)pn. < (〇 < 0 , 0 < pj j s(t) < ??? ? Λ {t)pn. 22 )
[0064] 放電深度必須大于最低限定荷電狀態(tài)：
[0065] soc<soCi, j,s(t) < 100% (23)
[0066] 所有汽車的總充放電功率等于每一輛汽車的充放電功率之和：
[0070] 電動汽車不能同時放電又充電：
[0071] Ui,j,s(t)-Vi,j,s(t)^l (26)
[0072] 保證電動汽車只能處于唯一的充放電狀態(tài)：
[0076] 式中m,j,s(t)(在充為1，否則為0)，^心(〇(在放為_1，否則為0)，^4,的（由充轉(zhuǎn) 放為1，否則為0)，</.,(0(由放轉(zhuǎn)充為-1，否則為0)，<；』)（由充轉(zhuǎn)閑置1，否則為0)，〇·.,00 (由放轉(zhuǎn)閑置為-1，否則為0)。
[0077] 所述電網(wǎng)電價更新策略表示如下：
[0078] 下一刻電價為：
[0080] 下一刻負(fù)荷為：
[0081] Ρ^ι=Ε(ρ"?[) (30)
[0082] Ck(PkLn)=a(PkLn)2+b(PkLn)+c (31)
[0083] 式中a，b，c取值為根據(jù)實際運行情況設(shè)定的常數(shù)值，<+1為下一時刻的電價、巧+1 為下一時刻的負(fù)荷。
[0084] 所述交換功率在直流母線上進行，不必考慮潮流約束。
[0085] 所述多目標(biāo)優(yōu)化調(diào)度可分解為兩個子目標(biāo)問題分別進行優(yōu)化。
[0086]本實用新型有如下有益效果：
[0087] 1、本發(fā)明適用于風(fēng)能豐富的各類城市含風(fēng)力發(fā)電系統(tǒng)的微電網(wǎng)系統(tǒng)內(nèi)，主要對微 網(wǎng)之間的交換功率協(xié)調(diào)調(diào)度與電動汽車作為儲能時的充放電功率調(diào)度進行優(yōu)化。
[0088] 2、本發(fā)明提出的電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化調(diào)度方法有效利用場景生成和 削減法解決了電動汽車隨機出行、風(fēng)力出力、負(fù)荷的不穩(wěn)定問題。根據(jù)不同場景實現(xiàn)對目標(biāo) 的優(yōu)化。
[0089] 3、本發(fā)明采用MAS代理系統(tǒng)，具體地說是雙層控制系統(tǒng)，將多目標(biāo)問題分解為兩個 子目標(biāo)，分別在系統(tǒng)的上層與下層中實現(xiàn)。極大簡化了計算過程，減小了計算的復(fù)雜性。
【附圖說明】
[0090] 下面結(jié)合附圖和實施例對本實用新型作進一步說明。
[0091] 圖1是本發(fā)明的流程圖。
[0092] 圖2是優(yōu)化調(diào)度策略的雙層控制體系結(jié)構(gòu)圖。
[0093] 圖3是微電網(wǎng)調(diào)度層控制結(jié)構(gòu)圖。
[0094] 表1是本策略與集中控制、基于分時電價的分散控制策略的效果對比表。
[0095] 表2是本策略與不采用任何控制策略時隨機抽取5輛電動汽車充放電轉(zhuǎn)換次數(shù)對 比表。
【具體實施方式】
[0096] 下面結(jié)合附圖對本實用新型的實施方式做進一步的說明。
[0097] 如圖1-3所示，一種電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化調(diào)度方法，包括如下步驟：
[0098] (1)基于日前負(fù)荷及歷史數(shù)據(jù)得到未來一天負(fù)荷曲線矽(/);接收風(fēng)電出力大小的 預(yù)測數(shù)據(jù)<(〇·，場景概率ts;電動汽車動力電池的最大放電功率#f(0、最大充電功率 、儲能容量下限β)Γ(0、儲能容量上限BCTW。并使用情景生成法及情景削減法減少 情景個數(shù)；
[0099] (2)根據(jù)第一步接收到的數(shù)據(jù)和若干典型的場景，建立微電網(wǎng)調(diào)度層數(shù)學(xué)模型，在 其調(diào)度策略中，使交換功率在限定范圍內(nèi)（P° ap)解出微電網(wǎng)系統(tǒng)最小的運行成本（目標(biāo)1)， 并得出此時的交換功率/rw;
[0100] (3)根據(jù)上一步得到的交換功率〇〇計算電動汽車總充放電功率建立電動 汽車調(diào)度層經(jīng)濟與技術(shù)模型，在其調(diào)度策略中，使得電動汽車充放電狀態(tài)轉(zhuǎn)換次數(shù)最小，并 得出總的電動汽車的最小成本(目標(biāo)2)。模型中電動汽車充電成本與狀態(tài)轉(zhuǎn)換次數(shù)呈 正相關(guān)；
[0101] (4)根據(jù)第二、三步在多代理系統(tǒng)技術(shù)的基礎(chǔ)上，制定電網(wǎng)電價更新策略，假定更 新時間為lh/次；
[0102] (5)根據(jù)上一步得到的微電網(wǎng)各控制器響應(yīng)更新的實時電價，再次優(yōu)化充放電功 率使微電網(wǎng)系統(tǒng)運行成本最小；
[0103] (6)電動汽車響應(yīng)微電網(wǎng)最新充放電功率分配，相應(yīng)更新其充放電行為。返回步驟 1〇
[0104] 以下結(jié)合附圖，對本發(fā)明的實施例作詳細(xì)說明，本發(fā)明的流程圖如圖1所示。
[0105] 風(fēng)電出力模型如下：
[0107] Pw為預(yù)測的風(fēng)力發(fā)電功率，Vf為預(yù)測風(fēng)速，Vc；i為切入風(fēng)速，v。。為切出風(fēng)速，為風(fēng) 機額定功率；
[0108]電動汽車出行模型主要由出發(fā)時間、到達(dá)時間、行駛里程等變量構(gòu)成，其離散概率 分布集式子如下：
[0111] P(d) = (do+d)-eexp(_d/a) (4)
[0112] PdUu)為汽車出發(fā)時間概率分布，td>1為第i個時間窗口的出發(fā)時間，At為時間 窗口長度；
[0113] pA(w ltd,i)為汽車到達(dá)時間概率分布，W為第i個時間窗口的到達(dá)時間，yi為平均 到達(dá)時間；
[0114] P(d)為每趟行駛里程概率分布，d為行駛里程，(1ο、α、β為常數(shù)，其它參數(shù)都可定義。
[0115] 電動汽車和風(fēng)電所有場景的集合用S表示，為系統(tǒng)在場景s下的概率：
[0116] Ts = PA(tar I td，i) · PD(td，i) · P(d) (5)
[0117] 最后使用快速正演算法削減場景。
[0118] 在第一步中，所述電動汽車動力電池的最大放電功率iff (〇、最大充電功率 (0、儲能容量下限耳了⑴、儲能容量上限(〇可由以下式子獲得：
[0119] Cn= (6)
[0120] = (7)
[0121] Β?η(?)=[φ,,Λ,(? + 1)^]·￡ (Κ)
[0122] B；7 (〇 = /?,,(〇￡ (9)
[0123] ni,s(t)=ni,s(t-l)+| | Γ i；s(t) | 11~ | | Φ i,s(t) | 11 (10)
[0124] m,s(t)為在s場景下t時刻在線充放電車輛數(shù)目，| | r1>s(t)| U、| |?1>s(t)| ^分別 為s場景下第i個微電網(wǎng)t時刻到達(dá)變量(到達(dá)為1，否則為0)、出發(fā)變量（出發(fā)為1，否則為0)， ?^為8場景下出發(fā)時的荷電狀態(tài)，?i, s(t+l)為t+Ι時刻的出發(fā)變量，E為動力電池額定容 量。
[0125] 微電網(wǎng)調(diào)度層數(shù)學(xué)模型如下：
[0126] 目標(biāo)函數(shù)微電網(wǎng)系統(tǒng)運行成本可表示為：
[0128] 相應(yīng)約束條件為：
[0129] 功率平衡：
[0130] + = + (12)
[0131] 動力電池儲能狀態(tài)更新：
[0132] Bis(t) = Bls(t-\) + I]Hi{t)At + Afjt) ( 13)
[0133] 由電動汽車到達(dá)或離開導(dǎo)致的儲能能量變化：
[0134] Δ,?(〇 = [Γ??(φο^,]·￡ (14)
[0135] 儲能電量保持在限定范圍內(nèi)：
[0136] Β；7(〇<5..Χ〇^ΒΓ(〇 (15)
[0137] 充放電功率在限定范圍內(nèi)：
[0138] (16；)
[0139] 第i個微電網(wǎng)交換功率在限定范圍內(nèi)：
[0140] -?? < P；；； (t) < Λ' ( 17)
[0141] 微電網(wǎng)系統(tǒng)整體交換功率在限定范圍內(nèi)：
[0143] 8^(〇，？^(〇分別為七時刻第1個微電網(wǎng)在8場景下的動力電池儲能能量和充放 電功率。由上述模型，根據(jù)給定，可解出微電網(wǎng)系統(tǒng)最小充電成本，并得出此時的交換功率 柳。：
[0144] 電動汽車調(diào)度層經(jīng)濟與技術(shù)模型分別為：
[0145] 經(jīng)濟模型作為目標(biāo)函數(shù)：
[0147] 第一部分代表用電成本，第二部分代表電池充放電引起的損耗成本，即使總成本 最??；
[0148] 技術(shù)模型作為約束條件(20)-(28):
[0149]第j輛汽車荷電狀態(tài)動態(tài)變化：
[0151 ]式中^/>，.《>分別為到達(dá)時間和出發(fā)時間，./^.(〇_、./^/,(〇分別為在1:時段的充電 功率和放電功率；
[0152]第j輛汽車出發(fā)時的荷電狀態(tài)必須滿足行程所需電量：
[0154] 式中C..s為第m趟的行駛里程；
[0155] 第j輛汽車充、放電功率限定值：
[0156] V,. ,jnpn.< ^ ()< p： .S〇Pn· ^22)
[0157] 放電深度必須大于最低限定荷電狀態(tài)：
[0158] soc<soCi, j,s(t) < 100% (23)
[0159] 所有汽車的總充放電功率等于每一輛汽車的充放電功率之和：
[0163] 電動汽車不能同時放電又充電：
[0164] Ui,j,s(t)-Vi,j,s(t)^l (26)
[0165] 保證電動汽車只能處于唯一的充放電狀態(tài)：
[0169] 式中m,j,s(t)(在充為1，否則為0)，％〇(〇(在放為-1，否則為0)，<#〇)(由充轉(zhuǎn) 放為1，否則為0)，(由放轉(zhuǎn)充為-1，否則為0)由充轉(zhuǎn)閑置1，否則為0)，〇/) (由放轉(zhuǎn)閑置為-1，否則為0)。
[0170] 電網(wǎng)電價更新策略表示如下：
[0171] 下一刻電價為：
[0173] 下一刻負(fù)荷為：
[0174] P^1 = Pk{p"+l) (30)
[0175] Ck(PkLn)=a(PkLn)2+b(PkLn)+c (31)
[0176] 式中a，b，c取值為設(shè)定的，W+1為下一時刻的電價、為下一時刻的負(fù)荷。
[0177] 按照以上方法，輸入相同的原始參數(shù)，可得到如表1、2的對比效果表，從表中可知， 本方法的微電網(wǎng)系統(tǒng)運行成本和負(fù)荷峰值都為最小、電動汽車充放電轉(zhuǎn)換次數(shù)明顯減小。
[0178] 綜上所述，我們提出的電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化調(diào)度方法，采用了場景生 成、削減技術(shù)和多代理系統(tǒng)技術(shù)，在微電網(wǎng)系統(tǒng)中，電動汽車在充當(dāng)儲能的情況下實現(xiàn)了微 電網(wǎng)系統(tǒng)運行成本最小、電動汽車用戶充放電成本最小（即電池充放電轉(zhuǎn)換狀態(tài)次數(shù)最?。?的目標(biāo)。
[0179]需要說明的是，流程圖中或在此以其他方式描述的任何過程或方法描述可以被理 解為，表示包括一個或更多個用于實現(xiàn)特定邏輯功能或過程的步驟的可執(zhí)行指令的代碼的 模塊、片段或部分，并且本發(fā)明的優(yōu)選實施方案的范圍包括另外的實現(xiàn)，其中可以不按所示 或討論的順序，包括所涉及的功能按基本同時的方式或按相反的順序，來執(zhí)行功能，這應(yīng)被 本發(fā)明的實施例所屬技術(shù)領(lǐng)域的技術(shù)人員所理解。
[0180]表1本策略與集中控制、基于分時電價的分散控制策略的效果對比
[0182]表2本策略與不采用任何控制策略時隨機抽取5輛電動汽車充放電轉(zhuǎn)換次數(shù)對比
[0184]以上顯示和描述了本發(fā)明的基本原理、主要特征及優(yōu)點。本行業(yè)的技術(shù)人員應(yīng)該 了解，本發(fā)明不受上述實施例的限制，上述實施例和說明書中描述的只是說明本發(fā)明的原 理，在不脫離本發(fā)明精神和范圍的前提下，本發(fā)明還會有各種變化和改進，這些變化和改進 都落入要求保護的本發(fā)明范圍內(nèi)。本發(fā)明要求保護范圍由所附的權(quán)利要求書及其等效物界 定。
【主權(quán)項】
1. 一種電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化調(diào)度方法，其特征在于:該方法步驟為： 步驟1:基于日前負(fù)荷及歷史數(shù)據(jù)得到未來一天負(fù)荷曲線兮'的；接收風(fēng)電出力大小的預(yù) 測數(shù)據(jù)巧的；場景概率Ts;電動汽車動力電池的最大放電功率巧Γ的、最大充電功率 巧Γ倘、儲能容量下限於、儲能容量上限巧:Γ貨。并使用情景生成法及情景削減法減少 情景個數(shù)； 步驟2:建立微電網(wǎng)調(diào)度層數(shù)學(xué)模型，在其調(diào)度策略中，使交換功率在限定范圍內(nèi)（pap) 解出微電網(wǎng)系統(tǒng)最小的運行成本（目標(biāo)1)，并得出此時的交換功率 步驟3:建立電動汽車調(diào)度層經(jīng)濟與技術(shù)模型，在其調(diào)度策略中，使得電動汽車充放電 狀態(tài)轉(zhuǎn)換次數(shù)最小，并得出總的電動汽車的最小成本（目標(biāo)2)。模型中電動汽車充電成本與 狀態(tài)轉(zhuǎn)換次數(shù)呈正相關(guān)； 步驟4:在多代理系統(tǒng)技術(shù)的基礎(chǔ)上，制定電網(wǎng)電價更新策略，假定更新時間為Ih/次； 步驟5:微電網(wǎng)各控制器響應(yīng)更新的實時電價，再次優(yōu)化充放電功率使微電網(wǎng)系統(tǒng)運行 成本最?。? 步驟6:電動汽車響應(yīng)微電網(wǎng)最新充放電功率分配，相應(yīng)更新其充放電行為。返回步驟 1〇2. 根據(jù)權(quán)利要求1所述的一種電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化調(diào)度方法，其特征在于： 所述場景生成技術(shù)采用離散的概率分布取代隨機變量的不確定性，場景的產(chǎn)生由不確 定的電動汽車出行習(xí)慣構(gòu)成(風(fēng)電出力、負(fù)荷耗電可近似認(rèn)為是確定值）。風(fēng)電出力模型如 下.PW為預(yù)測的風(fēng)力發(fā)電功率，Vf為預(yù)測風(fēng)速，Vu為切入風(fēng)速，V。。為切出風(fēng)速，Vr為額定風(fēng) 速，ΡΤ為風(fēng)機額定功率； 電動汽車出行模型主要由出發(fā)時間、到達(dá)時間、行駛里程等變量構(gòu)成，式子如下：時(td,i)為汽車出發(fā)時間概率分布，td,功第i個時間窗口的出發(fā)時間，At為時間窗口長 度； PA(tar ltd,1)為汽車到達(dá)時間概率分布，tar為第i個時間窗口的到達(dá)時間，0功第i個時 間窗口的到達(dá)時間標(biāo)準(zhǔn)差;μι為第i個時間窗口的到達(dá)時間期望； p(d)為每趟行駛里程概率分布，d為行駛里程，do、a、e為指數(shù)參數(shù)，對應(yīng)分別為常數(shù)1.8、 20、1.25。 電動汽車和風(fēng)電所有場景的集合用S表示，Ts為系統(tǒng)在場景s下的概率： Ts = PA(tar I td'i) ·時（td'i) · P(d) (5) 最后使用快速正演算法削減場景。3. 根據(jù)權(quán)利要求1所述的一種電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化調(diào)度方法，其特征在于， 所述電動汽車動力電池的最大放電功率巧Γ的、最大充電功率巧Γ的、儲能容量下限 Β：τω、儲能容量上限可由W下式子獲得：ni,s(t)=ni,s(t-l)+| I Γ i,s(t)|| 廣I I 〇i,s(t)|| 1 (10) m,s(t)為在s場景下t時刻在線充放電車輛數(shù)目為單輛電動汽車最大充、放電功率； I Γl,s(t)Ml、MΦl,s(t)Ml分別為s場景下第i個微電網(wǎng)t時刻到達(dá)變量(到達(dá)為l，否則為 0)、出發(fā)變量（出發(fā)為1，否則為0)，W進為S場景下出發(fā)時的荷電狀態(tài)，為t+1時刻 的出發(fā)變量，E為動力電池額定容量。4. 根據(jù)權(quán)利要求1所述的一種電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化調(diào)度方法，其特征在于， 所述微電網(wǎng)調(diào)度層數(shù)學(xué)模型如下： 目標(biāo)函數(shù)微電網(wǎng)系統(tǒng)運行成本可表示為：微電網(wǎng)系統(tǒng)整體交換功率在限定范圍內(nèi)：Bi,s(t)，Pi,s(t)分別為t時刻第i個微電網(wǎng)在S場景下的動力電池儲能能量和充放電功 率。由上述模型，根據(jù)給定，可解出微電網(wǎng)系統(tǒng)最小充電成本，并得出此時的交換功率 CW。5.根據(jù)權(quán)利要求1所述的一種電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化調(diào)度方法，其特征在于， 所述電動汽車調(diào)度層經(jīng)濟與技術(shù)模型分別為： 經(jīng)濟模型作為目標(biāo)函數(shù)：第一部分代表用電成本，第二部分代表電池充放電引起的損耗成本，即使總成本最?。?式中cb為電動汽車電池成本，cl為電動汽車電池循環(huán)壽命； 技術(shù)模型作為約束條件： 第j輛汽車荷電狀態(tài)動態(tài)變化：式中貨.X，冷j分別為到達(dá)時間和出發(fā)時間，耗A.灼、技灼分別為在t時段的充電功率 和放電功率； 第j輛汽車出發(fā)時的荷電狀態(tài)必須滿足行程所需電量：放電深度必須大于最低限定荷電狀態(tài)： soc<soci, j,s(t) <100% (23) ^汽車的總充放電功率等于每一輛汽車的充放電功率之和：電動汽車不能同時放電又充電： Ui, j,s(t)-Vi, j,s(t)《1 (26) 保證電動汽車只能處于唯一的充放電狀態(tài)：式中Ui,j,sW(在充為1，否則為0)，Vi,j,s(tK在放為-1，否則為0)，特J的（由充轉(zhuǎn)放為 1，否則為〇)，吃,.;的（由放轉(zhuǎn)充為-1，否則為〇)，<；,,的（由充轉(zhuǎn)閑置1，否則為〇)，1南價（由 放轉(zhuǎn)閑置為-1，否則為0)。6. 根據(jù)權(quán)利要求1所述的一種電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化調(diào)度方法，其特征在于， 所述電網(wǎng)電價更新策略表示如下： 下一刻電價為：式中a，b，c取值為根據(jù)實際運行情況設(shè)定的常數(shù)值，風(fēng)""為下一時刻的電價、您"為下一 時刻的負(fù)荷。7. 根據(jù)權(quán)利要求1所述的一種電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化調(diào)度方法，其特征在于： 所述交換功率在直流母線上進行，不必考慮潮流約束。8. 根據(jù)權(quán)利要求1所述的一種電動汽車充當(dāng)儲能的多目標(biāo)優(yōu)化調(diào)度方法，其特征在于： 所述多目標(biāo)優(yōu)化調(diào)度可分解為兩個子目標(biāo)問題分別進行優(yōu)化。
【文檔編號】G06Q10/04GK106096773SQ201610404646
【公開日】2016年11月9日
【申請日】2016年6月7日
【發(fā)明人】程杉, 王賢寧, 孫偉斌, 蘇高參, 黃悅?cè)A
【申請人】三峽大學(xué)