【技术实现步骤摘要】
一种计及风光不确定性的电动汽车充电站电价制定方法
本专利技术涉及一种计及风光不确定性的电动汽车充电站电价制定方法,属于电力系统调度
技术介绍
近些年来,各种新能源发电越来越多的开发和应用于电力系统中,从一定程度上缓解了当今社会能源需求的压力。新能源发电技术的发展,加快了人们生活方式的变革,风力发电、光伏电池、电动汽车等也将逐渐普及开来。但是区别于传统发电,风电和光伏出力具有较大的不确定性,其预测难度也比较高,随着未来电动汽车的普及率逐渐提高,含分布式电源的配电网经济调度和运行也随之迎来了问题和挑战,有必要同时针对分布式发电的不确定性和电动汽车充电响应提出一种配电网优化调度和运行方法。考虑到风电和光伏出力的不确定性,需要针对区域内风速和光照强度提出一种合理的模型或处理方法。目前多数研究认为风速大小近似服从威布尔(Weibull)分布,光照强度服从贝塔(Beta)分布,这类以确定的概率密度函数去模拟风速和光照强度从而构建风光出力模型的方法虽然具有较高的代表性,但是针对一些较小或极端的供电区域,其模型可能会缺乏精度。部分研究针对风速和光照的不确定性,采取一些随机算法,如蒙特卡洛法,模拟各类分布式发电出力,但其中存在较大的随机性,可能不能反映区域内风速、光照强度的分布特征,且模拟过程的运算量过大。而含有电动汽车的配电网则显得更加复杂,大量的电动汽车接入,必然会造成配电网区域负荷较大的波动性,从而影响供电安全性和可靠性,和分布式发电相比,电动汽车其具有一定的随机性和规律性,且存在需求侧的电价响应,因此电动汽车充电站的电价制定必须具备合理性,以改善配电网区域 ...
【技术保护点】
1.一种计及风光不确定性的电动汽车充电站电价制定方法,其特征在于,包括以下步骤:步骤1、获取电动汽车充电站区域历史气象数据集,采用k‑means聚类算法对其中的风速、光照强度分布曲线进行聚类,得到以聚类中心作为每一类的代表分布曲线,并求取每一类的权重;步骤2、建立电动汽车充电站区域并网运行的风力发电和光伏发电出力模型;步骤3、构建单台电动汽车的充电时间模型,并计算单台电动汽车的可充电时段数;步骤4、结合单台电动汽车的可充电时段数,构建单台电动汽车充电电价的响应模型和电动汽车的起始充电时刻的对充电电价的概率转移矩阵,获取分时电价后的单台电动汽车充电概率分布模型;步骤5、模拟电动汽车群的充电行为场景,获取电动汽车群的日负荷需求,再结合建立的电动汽车充电站内风力发电和光伏发电出力模型、分时电价后的单台电动汽车充电概率分布模型,获取电动汽车充电站各时段的总充电功率模型和电动汽车充电站对电网的负荷需求模型;步骤6、结合聚类中心及其权重、电动汽车充电站各时段的总充电功率模型、电动汽车充电站对电网的负荷需求模型构建分时充电电价的电动汽车充电站效益模型,其中电动汽车充电站效益模型包含电动汽车充电站的售 ...
【技术特征摘要】
1.一种计及风光不确定性的电动汽车充电站电价制定方法,其特征在于,包括以下步骤:步骤1、获取电动汽车充电站区域历史气象数据集,采用k-means聚类算法对其中的风速、光照强度分布曲线进行聚类,得到以聚类中心作为每一类的代表分布曲线,并求取每一类的权重;步骤2、建立电动汽车充电站区域并网运行的风力发电和光伏发电出力模型;步骤3、构建单台电动汽车的充电时间模型,并计算单台电动汽车的可充电时段数;步骤4、结合单台电动汽车的可充电时段数,构建单台电动汽车充电电价的响应模型和电动汽车的起始充电时刻的对充电电价的概率转移矩阵,获取分时电价后的单台电动汽车充电概率分布模型;步骤5、模拟电动汽车群的充电行为场景,获取电动汽车群的日负荷需求,再结合建立的电动汽车充电站内风力发电和光伏发电出力模型、分时电价后的单台电动汽车充电概率分布模型,获取电动汽车充电站各时段的总充电功率模型和电动汽车充电站对电网的负荷需求模型;步骤6、结合聚类中心及其权重、电动汽车充电站各时段的总充电功率模型、电动汽车充电站对电网的负荷需求模型构建分时充电电价的电动汽车充电站效益模型,其中电动汽车充电站效益模型包含电动汽车充电站的售电收益以及参与电网调峰所获取的基本收益;步骤7、采用遗传算法求解构建的电动汽车充电站效益模型中电动汽车充电站各时段的充电电价;步骤8、根据求解的电动汽车充电站各时段的充电电价中取最优个体解码,获取电动汽车充电站分时电价。2.根据权利要求1所述计及风光不确定性的电动汽车充电站电价制定方法,其特征在于,所述步骤1中采用k-means聚类算法对风速、光照强度分布曲线进行聚类,具体为:步骤1-1.对历史气象数据集风速、光照强度数据分别作归一化处理,采用公式:其中,v、s分别为N年全时序风速、光照强度的向量;v*、s*分别为N年全时序风速、光照强度的归一化向量构成的矩阵,大小为Nd×24,Nd为样本总数;vmax、vmin分别为全时序上的最大风速和最小风速,smax、smin分别为全时序上的最大光照强度和最小光照强度;步骤1-2.构造风速和光照强度的k-means聚类样本x,则x为Nd×48矩阵,每一行为一个聚类样本:x=[v*s*]步骤1-3.从聚类样本x中随机选取k个不重复行向量,初始化k个聚类中心:xc1、xc2..xck;步骤1-4.计算每一个聚类样本到各聚类中心的距离,并把聚类样本归到各聚类中心;并计算每一类新的聚类中心,则第i个聚类中心的更新公式为:其中,xci表示第i个聚类中心;ni为第i个类包含的样本数;xi,m为第i类中第m个样本;步骤1-5.重复上述步骤1-4,直至聚类中心收敛为止。3.根据权利要求1所述计及风光不确定性的电动汽车充电站电价制定方法,其特征在于,所述步骤1中求取每一类的权重ρci,采用公式:ρci=ni/Nd其中,ni为第i个类包含的样本数,Nd为聚类的总样本数。4.根据权利要求1所述计及风光不确定性的电动汽车充电站电价制定方法,其特征在于,所述步骤2建立的风力发电和光伏发电出力模型分别为:Ps(t)=A*γ(t)*η其中,Pw(t)为风力发电机在t时段内的出力,v(t)为t时段的电动汽车充电站内的风速,vci为风力发电机切入风速,vcr为额定风速,vco为切出风速,Pr为风...
【专利技术属性】
技术研发人员:蒋浩,张雄义,周凯帆,罗皓,姜维伊,
申请(专利权)人:东南大学,
类型:发明
国别省市:江苏,32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。