一种换电站集群的调度方法、计算设备和存储介质技术

本申请公开了一种换电站集群的调度方法、计算设备和存储介质。其中，换电站集群的调度方法包括：确定各换电站服务区域内的电池需求量；通过计算换电站集群的总成本来确定第一目标函数；通过计算可再生能源出力的功率曲线和换电站充电功率曲线的相似度，来确定第二目标函数；基于电池需求量和充电电池数、放电电池数，确定约束条件；利用第一目标函数、第二目标函数和约束条件，构建调度模型；利用遗传算法求解调度模型，得到各换电站在各时段的充电电池数和放电电池数。池数和放电电池数。池数和放电电池数。

【技术实现步骤摘要】
一种换电站集群的调度方法、计算设备和存储介质


[0001]本申请涉及能源电力
，更具体地，涉及一种换电站集群的调度方法、计算设备和存储介质。

技术介绍

[0002]随着经济增长推动的快速城市化，中国的汽车数量正在显著增长，据统计，交通行业的二氧化碳排放量占全国总碳排放量的10％，因此，推动交通运输的绿色低碳转型成为我国的重点关注问题之一。电动汽车(EV)作为一种新型的用户侧灵活性资源，近年来发展迅速。电动汽车数量急剧增加，也将会使电网负荷的波动性不断增大，影响电网的安全运行。面对未来电动汽车数量的进一步增加，如何有效调节电动汽车充电问题成为了当前亟待解决的问题。因此，对电动汽车进行换电以及换电站集群内部进行科学的充放电，将成为减少负荷波动的重要途经。
[0003]换电站作为一种虚拟储能设备，可以在运行中灵活地提供V2G服务。在配电网正常运行过程中，起到削峰填谷、低电价储能、高电价放电的作用，促进风电的吸收，提高配电网运行的经济效益。电动汽车电池通过放电可以缓解电力短缺，从而更好地消纳可再生能源。
[0004]综上，合理配置换电站的规模和位置可以在提高配电网可靠性方面发挥重要作用。需要一种能够合理调度换电站中的电池充电和放电状态的方案，在实现经济性的同时更有效的吸收可再生能源。

技术实现思路

[0005]为此，本申请提供了一种换电站集群的调度方法、计算设备和存储介质，以力图解决或者至少缓解上面存在的至少一个问题。
[0006]根据本申请的一个方面，提供了一种换电站集群的调度方法，包括：确定各换电站服务区域内的电池需求量；通过计算换电站集群的总成本来确定第一目标函数；通过计算可再生能源出力的功率曲线和换电站充电功率曲线的相似度，来确定第二目标函数；基于电池需求量和充电电池数、放电电池数，确定约束条件；利用第一目标函数、第二目标函数和约束条件，构建调度模型；利用遗传算法求解调度模型，得到各换电站在各时段的充电电池数和放电电池数。
[0007]可选地，在根据本申请的方法中，确定各换电站服务区域内的电池需求量，包括：根据各交通节点的车辆数据，确定各换电站服务区域内各时段的电动车需求量；根据各换电站服务区域内的所述电动车需求量与电动车换电概率，确定对应各时段的电池需求量。
[0008]可选地，在根据本申请的方法中，通过计算换电站集群的总成本来确定第一目标函数，包括：计算各换电站在各时段内充电电池数、充电功率和售电电价的乘积值，作为各换电站的充电成本；计算各换电站在各时段内放电电池数、放电功率和放电电价的乘积值，作为各换电站的放电收益；计算充电成本与放电收益的差值，作为总成本；以总成本最小为目标，生成第一目标函数。
[0009]可选地，在根据本申请的方法中，通过计算可再生能源出力的功率曲线和换电站充电功率曲线的相似度，来确定第二目标函数，包括：计算可再生能源出力的功率曲线和换电站充电功率曲线的余弦相似度；用固定值减去余弦相似度的差值，表示曲线波形拟合程度；以曲线波形拟合程度最小为目标，生成第二目标函数。
[0010]可选地，在根据本申请的方法中，在计算可再生能源出力的功率曲线和换电站充电功率曲线的余弦相似度之前，还包括：对可再生能源出力的功率曲线和换电站充电功率曲线分别进行标幺化处理。
[0011]可选地，在根据本申请的方法中，基于电池需求量和充电电池数、放电电池数，确定约束条件，包括：在各时段，各换电站的满电池数不小于对应服务区域内的电池需求量；各换电站的电池总数与充电电池数、放电电池数、满电池数、空电池数、备用电池数保持数量平衡；在各时段，充电电池数和放电电池数满足各自约束关系。
[0012]可选地，在根据本申请的方法中，充电电池数和放电电池数的约束关系包括：
[0013]J
it
‑
DD
it
≤H
i(t+1)
，
[0014]J
it
+CD
it
≥H
i(t+1)
，
[0015]J
i(t+1)
+DD
i(t+1)
≤J
it
‑
H
it
+CD
it
，
[0016]K
i(t+1)
+CD
i(t+1)
≤K
it
+H
it
+DD
it
，
[0017]其中，J
it
、J
i(t+1)
分别为换电站i在t时段和t+1时段保持满电池数；DD
it
、DD
i(t+1)
为换电站i在t时段和t+1时段正在放电电池数；CD
it
、CD
i(t+1)
为换电站i在t时段和t+1时段正在充电电池数；H
it
、H
i(t+1)
为换电站i在t时段和t+1时段电池需求量；K
it
、K
i(t+1)
为换电站i在t时段和t+1时段空电池数。
[0018]可选地，在根据本申请的方法中，约束条件还包括：各换电站在各时段的充电电池数不大于对应换电站的最大充电槽数。
[0019]可选地，在根据本申请的方法中，约束条件还包括：可再生能源出力功率与换电站集群的总功率的差值不小于0。
[0020]可选地，在根据本申请的方法中，利用遗传算法求解所述调度模型，得到各换电站在各时段的充电电池数和放电电池数，包括：将各换电站在各时段的充电电池数和放电电池数的集合，作为目标个体；利用多目标遗传算法，迭代生成包含目标个体的多个种群，并计算各种群下各目标个体的第一目标函数值和第二目标函数值，直到迭代结束，选取出第一目标函数值和第二目标函数值最小的目标个体；以及将所选取的目标个体对应的各换电站在各时段的充电电池数和放电电池数，作为调度模型的调度结果。
[0021]可选地，在根据本申请的方法中，各换电站服务区域内各时段电池需求量通过如下方式计算：
[0022]H
i(t+1)
＝δN
i(t+1)
[0023]其中，H
i(t+1)
为换电站i在t+1时段的电池需求量；N
i(t+1)
为换电站i服务区域内在t+1时段的电动车需求量；δ为换电概率。
[0024]根据本申请的再一方面，提供了一种计算设备，包括：一个或多个处理器；和存储器；一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括用于执行如上所述方法中的任一方法的指令。
[0025]根据本申请的再一方面，提供了一种存储一个或多个程序的计算机可读存储介
质，一个或多个程序包括指令，指令当计算设备执行时，使得计算设备执行如上所述的方法中的任一方法。
[0026]综上，根据本申请的方案本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种换电站集群的调度方法，包括：确定各换电站服务区域内的电池需求量；通过计算换电站集群的总成本来确定第一目标函数；通过计算可再生能源出力的功率曲线和换电站充电功率曲线的相似度，来确定第二目标函数；基于所述电池需求量和充电电池数、放电电池数，确定约束条件；利用所述第一目标函数、第二目标函数和约束条件，构建调度模型；利用遗传算法求解所述调度模型，得到各换电站在各时段的充电电池数和放电电池数。2.如权利要求1所述的方法，其中，所述确定各换电站服务区域内的电池需求量，包括：根据各交通节点的车辆数据，确定各换电站服务区域内各时段的电动车需求量；根据各换电站服务区域内的所述电动车需求量与电动车换电概率，确定对应各时段的电池需求量。3.如权利要求1或2所述的方法，其中，所述通过计算换电站集群的总成本来确定第一目标函数，包括：计算各换电站在各时段内充电电池数、充电功率和售电电价的乘积值，作为各换电站的充电成本；计算各换电站在各时段内放电电池数、放电功率和放电电价的乘积值，作为各换电站的放电收益；计算所述充电成本与所述放电收益的差值，作为总成本；以所述总成本最小为目标，生成第一目标函数。4.如权利要求1
‑
3中任一项所述的方法，其中，所述通过计算可再生能源出力的功率曲线和换电站充电功率曲线的相似度，来确定第二目标函数，包括：计算可再生能源出力的功率曲线和换电站充电功率曲线的余弦相似度；用固定值减去所述余弦相似度的差值，表示曲线波形拟合程度；以所述曲线波形拟合程度最小为目标，生成第二目标函数。5.如权利要求4所述的方法，其中，在所述计算可再生能源出力的功率曲线和换电站充电功率曲线的余弦相似度之前，还包括：对所述可再生能源出力的功率曲线和所述换电站充电功率曲线分别进行标幺化处理。6.如权利要求1
‑
5中任一项所述的方法，其中，所述基于电池需求量和充电电池数、放电电池数，确定约束条件，包括：在各时段，各换电站的满电池数不小于对应服务区域内的电池需求量；各换电站的电池总数与充电电池数、放电电池数、满电池数、空电池数、备用电池数保持数量平衡；在各时段，充电电池数和放电电池数满足各自约束关系。7.如权利要求6所述的方法，其中，充电电池数和放电电池数的约束关系包括：J
it
‑
DD
it
≤H

【专利技术属性】
技术研发人员：张硕，李英姿，李欣欣，肖阳明，郑一丹，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：