考虑负荷不确定性的充换电站优化调度策略制造技术

本发明专利技术公开了考虑负荷不确定性的充换电站优化调度策略，属于电动汽车充换电站负荷优化调度领域。本发明专利技术提出‘负荷裕度域’指标，主要处理两类负荷的不确定性，一是电动汽车用户侧的用电负荷，二是并网运行的风力发电出力，电网运营商可以通过此指标更合理的调度电网负荷；其次，以推导出的负荷裕度域作为约束，并结合分时电价建立了社会福利最大化的模型；最后，针对两个不确定性问题，本发明专利技术采用了可信性理论，将不确定变量利用梯形模糊变量表示，建立模糊机会约束，并通过对模糊机会约束进行清晰化等价处理，最后采用带收缩因子的粒子群优化算法对本模型求解，通过算例分析所提及模型及方法的有效性。

Optimal Dispatching Strategy for Charging and Replacing Power Stations Considering Load Uncertainty

【技术实现步骤摘要】
考虑负荷不确定性的充换电站优化调度策略
本专利技术涉及电动汽车充换电站负荷优化调度领域。具体是一种基于负荷裕度域的充换电站优化调度策略。
技术介绍
在如今交通市场上电动汽车已经成为了一个不可忽视的角色，进而电动汽车的电能供应也随之快速发展，现在已有两种普遍的电能供应方式：并网运行的风电场发电和通过电网供电。然而由于人们的生活节奏加快，用户需求情况发生改变，近几年产生了“换电站”充电形式，所以为了满足用户的需求，在研究充电站的基础上考虑“换电站”充电形式，建立充换电站模型来有效的促进风电消纳。新能源电动汽车(electricvehicle，EV)因为具有高节能、低排放、清洁环保的特性，成为减少温室气体和能源紧缺问题的有效解决途径之一。因此近年来在国内外受到了广泛的重视和大力的发展，许多国家更是将发展电动汽车提高到了国家发展的战略高度。电动汽车作为一种交通工具开始逐渐代替传统的燃油汽车，许多学者和机构将电动汽车视为汽车工业和未来城市交通发展的方向。在此有两方面不确定因素：其一是并网运行的风电场风电出力，这是由于自然，地理等多方面因素，导致发电量的随机波动性以至于充换电站的电供应量不稳定；其二是电动汽车的负荷不确定性，电动汽车在充电时是作为负荷角色，在EV用户用车时是作为电源角色，但EV用户用车又是随机且难以预测的，所以，对这两方面的不确定性问题分析具有重要意义。
技术实现思路
本专利技术基于上述遇到的问题：EV负荷和并网运行的风电出力均具有不确定性，所以提出一种考虑负荷不确定性的充换电站优化调度策略，提出来一种‘负荷裕度域’指标，即‘电动汽车负荷裕度域’和‘风力发电出力裕度域’来描述上述两种不确定负荷。通过某日的负荷使用情况，推算出次日的负荷裕度域，并考虑到特殊情况，采用负荷方差来解决。在模型中将利用负荷裕度域进一步约束次日的负荷，实现经济性最优，用户满意度最大，然后达到最高的社会福利，同时还可以促进风电消纳。为了实现上述目的，采用以下技术方案：考虑负荷不确定性的充换电站优化调度策略，其特征在于：具体步骤如下：步骤1：经济成本目标函数：风力发电并网运行，向充换电站供电，并于充换电站内基于换电站与电网、EV用户售购电能，基于风力发电接入的充换电站建立经济成本最低的目标函数；步骤2：满意度目标函数EV用户到达充换电站进行充换电，依据其充换电功率的比较来作为对充换电站的电动汽车用户满意度评价，以电动汽车用户满意度最大为目标函数式中：为用户满意度最大的充电功率，当0≤i≤N1时是充电状态，N1<i≤N2时是换电状态；以EV到达充电站之后即开始充换电为最满意情形；I(n)为n＝0:断电状态；n＝1:接电状态；步骤3：单目标函数模型：将步骤1-2所获得的两个目标函数，利用相对化处理方法转化为单目标函数，并以充放电功率和SOC范围约束、充换电站功率约束为充换电站的约束条件；步骤4：负荷裕度域指标：根据充电站某日全天的电动汽车负荷标准差和风力发电负荷标准差来确定次日的电动汽车负荷裕度域和风力发电负荷裕度域，并以此对次日的电动汽车负荷和风力发电负荷进行约束；其中，电动汽车的负荷标准差为：风电场发电出力标准差为若σmin<σ1,2<σmax时，依据约束条件1来确定次日的电动汽车负荷裕度域和风力发电负荷裕度域；否则依据约束条件2来确定次日的电动汽车负荷裕度域和风力发电负荷裕度域；约束条件1：换电站整体充电功率约束：0≤Pchange(i,t)≤Pchangemin(i,t)+2Pλev(i,t)，其中，Pchange(i,t)为第i台电动汽车t时段的换电功率；Pchangemin(i,t)为第i台电动汽车t时段的最小换电功率；风电场出力限制约束：0≤Pact(i,t)≤Pact_min(i,t)+2Pλwind(i,t)，式中：Pact_max(i,t)为风电场最大实际可用出力；约束条件2：式中Pλ(i,t)表示负荷裕度域，K是负荷裕度域系数，取大于零的正数，Powmax(i,t-1)，Powmin(i,t-1)是某日负荷最大值和最小值，Pow(t)为某时刻t的电动汽车负荷或风力发电负荷；步骤5：最后对以负荷裕度域指标为约束的单目标函数模型，利用可信性理论与模糊机会约束的融合，引入可信性测度指标，建立基于可信性理论的数学模型，采用带收缩因子的粒子群优化算法进行求解。进一步的技术方案在于，所述步骤1的目标函数，包括充电站成本、换电站成本和风电场成本。进一步的技术方案在于，所述充电站成本为充电站卖给EV用户的电和向电网售电量：式中：N1为电动汽车的台数(台)；Csg(t)为t时段运营商向电网的售电电价(元)；Cbg(t)为t时段运营商从电网的购电电价(元)；Cdischa(i,t)为第i台电动汽车t时段的放电电价(元)；Ccha(i,t)为第i台电动汽车t时段的充电电价(元)；Psg(t)为t时段运营商向电网售电的功率(Kw)；Pdischa(i,t)为第i台电动汽车t时段的放电功率(Kw)；Pbg(t)为t时段运营商从电网的购电功率(Kw)；Pcha(i,t)为第i台电动汽车t时段的充电功率(Kw)；σt为电动汽车的充电时长：设定一个调度周期为一天，σt设为1h。进一步的技术方案在于，所述换电站成本根据用户用车情况，考虑电池的租赁费用以及电量计费：F12＝f1+f2+f3，f1为每个电池的租赁费用，换电站每次提供换电服务时向电动汽车用户收取，即N2为用户待使用的换电站电池个数(个)；I(i,t,m)为第i台电动汽车t时段的充换电状态，称为电站充换电方式决策变量m＝0，I(i,t,m)＝0：插充状态；m＝1，I(i,t,m)＝1：换电状态；Crent(i,t)为电动汽车车载电池的租赁成本；f2为换电站按用户车辆当前电量进行计费的收益，也即：Csale(i,t)为电动汽车换电零售价；SOC(i,t)为第i台电动汽车t时段发生换电需求时电池的电量；SN为电池的额定容量。进一步的技术方案在于，所述风电场成本为N3为风电场的个数(个)；Cwind为风电上网电价(元)；Ppre(i,t)为第i个风电场t时段的预测出力(KW)；Pact(i,t)为第i个风电场t时段的实际出力(KW)；Cbc为风电场减少出力的补偿费用系数。进一步的技术方案在于，所述步骤3的单目标函数模型为：单目标函数：F3(t)是社会福利，λ1是经济成本系数，F1max(t)是经济预测最大值，λ2是满意度系数；经济预测最大值可以由负荷预测最大值乘以所有时段中最高电价求得，计算公式为：F1max(t)＝Powmax(t)*Cmax，Powmax(t)是t时段的最大功率值，Cmax是所有时段中的最高电价；充放电功率和SOC范围约束：0≤Pcha(i,t)≤Pchamax(i,t)0≤Pdischa(i,t)≤Pdischamax(i,t)0≤Psg(t)≤Psgmax(t)0≤Pbg(t)≤Pbgmax(t)SOCNmin≤SOCN≤SOCNmax式中：Pchamax(i,t)为第i台电动汽车t时段的最大充电功率；Pdischamax(i,t)为第i台电动汽车t时段的最大放电功率；Psgmax(t)为t时段运营商(充换电站)最大售电量；Psgmin(t)为t时本文档来自技高网...

【技术保护点】
1.考虑负荷不确定性的充换电站优化调度策略，其特征在于：具体步骤如下：步骤1：经济成本目标函数：风力发电并网运行，向充换电站供电，并于充换电站内基于换电站与电网、EV用户售购电能，基于风力发电接入的充换电站建立经济成本最低的目标函数；步骤2：满意度目标函数：EV用户到达充换电站进行充换电，依据其充换电功率的比较来作为对充换电站的电动汽车用户满意度评价，以电动汽车用户满意度最大为目标函数

【技术特征摘要】
1.考虑负荷不确定性的充换电站优化调度策略，其特征在于：具体步骤如下：步骤1：经济成本目标函数：风力发电并网运行，向充换电站供电，并于充换电站内基于换电站与电网、EV用户售购电能，基于风力发电接入的充换电站建立经济成本最低的目标函数；步骤2：满意度目标函数：EV用户到达充换电站进行充换电，依据其充换电功率的比较来作为对充换电站的电动汽车用户满意度评价，以电动汽车用户满意度最大为目标函数式中：为用户满意度最大的充电功率，当0≤i≤N1时是充电状态，N1<i≤N2时是换电状态；以EV到达充电站之后即开始充换电为最满意情形；I(n)为n＝0:断电状态；n＝1:接电状态；步骤3：单目标函数模型：将步骤1-2所获得的两个目标函数，利用相对化处理方法转化为单目标函数，并以充放电功率和SOC范围约束、充换电站功率约束为充换电站的约束条件；步骤4：负荷裕度域指标：根据充电站某日全天的电动汽车负荷标准差和风力发电负荷标准差来确定次日的电动汽车负荷裕度域和风力发电负荷裕度域，并以此对次日的电动汽车负荷和风力发电负荷进行约束；其中，电动汽车的负荷标准差为：风电场发电出力标准差为若σmin<σ1,2<σmax时，依据约束条件1来确定次日的电动汽车负荷裕度域和风力发电负荷裕度域；否则依据约束条件2来确定次日的电动汽车负荷裕度域和风力发电负荷裕度域；约束条件1：换电站整体充电功率约束：0≤Pchange(i,t)≤Pchangemin(i,t)+2Pλev(i,t)，其中，Pchange(i,t)为第i台电动汽车t时段的换电功率；Pchangemin(i,t)为第i台电动汽车t时段的最小换电功率；风电场出力限制约束：0≤Pact(i,t)≤Pact_min(i,t)+2Pλwind(i,t)，式中：Pact_max(i,t)为风电场最大实际可用出力；约束条件2：式中Pλ(i,t)表示负荷裕度域，K是负荷裕度域系数，取大于零的正数，Powmax(i,t-1)，Powmin(i,t-1)是某日负荷最大值和最小值，Pow(t)为某时刻t的电动汽车负荷或风力发电负荷；步骤5：最后对以负荷裕度域指标为约束的单目标函数模型，利用可信性理论与模糊机会约束的融合，引入可信性测度指标，建立基于可信性理论的数学模型，采用带收缩因子的粒子群优化算法进行求解。2.根据权利要求1所述的考虑负荷不确定性的充换电站优化调度策略，其特征在于，所述步骤1的目标函数，包括充电站成本、换电站成本和风电场成本。3.根据权利要求2所述的考虑负荷不确定性的充换电站优化调度策略，其特征在于，所述充电站成本为充电站卖给EV用户的电和向电网售电量：式中：N1为电动汽车的台数(台)；Csg(t)为t时段运营商向电网的售电电价(元)；Cbg(t)为t时段运营商从电网的购电电价(元)；Cdischa(i,t)为第i台电动汽车t时段的放电电价(元)；Ccha(i,t)为第i台电动汽车t时段的充电电价(元)；Psg(t)为t时段运营商向电网售电的功率(Kw)；Pdischa(i,t)为第i台电动汽车t时段的放电功率(Kw)；Pbg(t)为t时段运营商从电网的购电功率(Kw)；Pcha(i,t)为第i台电动汽车t时段的充电功率(Kw)；σt为电动汽车的充电时长：设定一个调度周期为一天，σt设为1h。4.根据权利要求2所述的考虑负荷不确定性的充换电站优化调度策略，其特征在于，所述换电站成本根据用户用车情况，考虑电池的租赁费用以及电量计费：F12＝f1+f2+f3，f1为每个电池的租赁费用，换电站每次提供换电服务时向电动汽车用户收取，即N2为用户待使用的换电站电池个数(个)；I(i,t,m)为第i台电动汽车t时段的充换电状态，称为电站充换电方式决策变量m＝0，I(i,t,m)＝0：插充状态；m＝1，I(i,t,m)＝1：换电状态；Crent(i,t)为电动汽车车载电池的租赁成本；f2为换电站按用户车辆当前电量进行计费的收益，也即：Csale(i,t)为电动汽车换电零售价；SOC(i,t)为第i台电动汽车t时段发生换电需求时电池的电量；SN为...

【专利技术属性】
技术研发人员：钟嘉庆，王一鸣，张一凡，张晓辉，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北,13