【技术实现步骤摘要】
本专利技术涉及电力系统负荷管控，特别是一种基于强化学习的台区v2g充电桩充放电调控方法及设备。
技术介绍
1、随着能源革命战略的深入实施，光伏、风电等分布式发电的爆发式增长，电网电力供需平衡面临新的挑战：一是季节性尖峰负荷矛盾突出；二是电网调峰压力逐年加大。从2019年冬季高峰开始，我国电力供应再次出现较为紧张的形势，局部地区甚至需要通过拉闸限电的方式来缓解供应紧张的局面。新形势下，传统的有序用电行政性手段执行难度日益加大。因此需要创新体制机制和技术，挖掘需求侧的可调负荷资源，并对这些可调负荷资源进行管理和利用。
2、电动汽车是一种由动力电池提供能量的交通工具，根据调研数据5000辆电动汽车的电池容量总和相当于一个大型的储能电站。因此合理的利用电动汽车的储能特性可以实现电网高峰时段为电网进行充电补偿，减少电网供电压力；在电网低谷时段增加用电负荷，提高线路负荷率，达到削峰填谷、节能减排的作用。但是要实现电动汽车与电网之间的能量交互，关键在于如何通过v2g充电桩这一中间实现充放电调控。因此如何制定科学合理的v2g充电桩充放电调度策略，与电网实现能量的交互，是当前的热点问题。
3、从当前的研究进展来看，现有的v2g充电桩调控技术主要针对电网侧利益，以平抑电网负荷波动为最终目的，未考虑到用户实际可调能力和用户的参与意愿。例如刘柏岩提出的基于需求响应的含换电站微电网经济调度策略研究，只建立了换电站与电网协调的多目标双层充放电实时调度模型，通过协调调度减小电网峰谷差，并未考虑电动汽车用户的实际情况。
4、
技术实现思路
1、本专利技术的目的在于克服现有技术中所存在的现有的v2g充电桩调控技术主要针对电网侧利益，缺乏考虑电动汽车用户的问题，提供一种基于强化学习的台区v2g充电桩充放电调控方法。
2、为了实现上述专利技术目的，本专利技术提供了以下技术方案：
3、一种基于强化学习的台区v2g充电桩充放电调控方法，包括如下步骤：
4、s1：负荷数据分组：输入待分析负荷数据，并按预设分组规则分为若干组，再对每组待分析负荷数据进行归一化处理，得到若干组归一化负荷数据；
5、所述待分析负荷数据包括预设时间长度的台区以及v2g充电桩的日负荷数据；
6、s2：峰谷时段划分：分别对若干组归一化负荷数据进行特征分析，得到各组归一化负荷数据的高峰用电时段和低谷用电时段；
7、s3：调控模型构建：以减少台区电网负荷波动和减少电动汽车用户充电成本为优化目标函数；以v2g充电桩的充放电功率约束、电动汽车电池容量约束、充电时段为约束条件，构建v2g充电桩的优化调度模型；
8、s4：强化学习优化求解：通过强化学习算法以及所述v2g充电桩的优化调度模型，求解各组的v2g充电桩最优充放电策略并输出。
9、作为本专利技术的优选方案，所述s1中所述预设分组规则为：
10、根据春季工作日、春季非工作日、夏季工作日、夏季非工作日、秋季工作日、秋季非工作日、冬季工作日、冬季非工作日将台区负荷数据分成8组。
11、作为本专利技术的优选方案，所述s1包括以下步骤：
12、s11：输入预设时间长度的待分析负荷数据；
13、s12：按季节和是否工作日对待分析负荷数据进行分组，得到：春季工作日、春季非工作日、夏季工作日、夏季非工作日、秋季工作日、秋季非工作日、冬季工作日、冬季非工作日八组数据；
14、s13：计算剔除v2g充电桩负荷后的台区基线负荷数据，计算式为：
15、pl0i(t)＝pl1i(t)-pvi(t)(t＝1,2,…,8*m)，
16、式中，pl0i(t)表示第i天t时刻的台区基线负荷，pl1i(t)表示第i天t时刻的台区总负荷，pvi(t)表示第i天t时刻的v2g充电桩负荷数据，m为日平均采样次数；
17、s14：对每组台区基线负荷数据进行归一化处理，得到若干组归一化负荷数据，计算式为：
18、p'l0i(t)＝[pl0i(t)-min(plj)]/[max(plj)-min(plj)](t＝1,2,…,8*m)，
19、式中，p'l0i(t)表示第i天t时刻归一化后的台区基线负荷；max(plj)表示第j组数据中的台区最大负荷值；min(plj)表示第j组数据中的台区最小负荷值。
20、作为本专利技术的优选方案，所述s2包括以下步骤：
21、s21：分别对8组待分析负荷数据进行求平均，得到8*m个时刻的日平均负荷；具体的计算公式如下：
22、
23、式中，plaj(t)表示台区第j组数据第t时刻的平均负荷；n表示第j组数据包含的天数；
24、s22：根据以下规则，划分台区的高峰用电时段：
25、规则1：若待分析负荷数据的平均负荷在t时刻大于0.8，则t时刻为高峰时刻；
26、规则2：与高峰时刻相邻的非高峰时刻，若平均负荷大于0.7，则该时刻为次高峰时刻；
27、规则3：将相连的高峰时刻和次高峰时刻划分为高峰用电时段；
28、s23：根据以下规则，划分台区的低谷用电时段：
29、规则1：若待分析负荷数据的平均负荷在t时刻小于0.3，则t时刻为低谷时刻；
30、规则2：与低谷时刻相邻的非低谷时刻，若平均负荷小于0.4，则该时刻为次低谷时刻；
31、规则3：将相连的低谷时刻和次低谷时刻划分为低谷用电时段。
32、作为本专利技术的优选方案，所述s3包括以下步骤：
33、s31：优化目标函数构建：
34、优化目标函数的表达式为：
35、obj0＝min{obj1+obj2}，
36、优化目标1-obj1：
37、obj1＝min{pmax-pmin}，
38、式中，pmax表示台区日负荷数据的最大值，pmin表示台区日负荷数据的最小值；
39、优化目标2-obj2：
40、obj2＝min{qici-qoco}，
41、式中，qi表示电动汽车的充电电量，qo表示电动汽车的放电电量，ci表示单位电量的充电电费，co表示单位电量的放电电量；
42、s32：约束条件构建：
43、约束条件1：v2g充电桩的充放电功率约束：
44、pomax≤pc(t)≤pimax，
45、式中，pc(t)表示t时刻的充放电功率，pc(t)>0表示充电，pc(t)<0表示放电；pomax表示最大放电功率；pimax表示最大充电功率；
46、约束条件2：电动汽车充电量约束：
47、qi-qo≥qmin，
48、式中，qmin指用户的最低充本文档来自技高网...
【技术保护点】
1.一种基于强化学习的台区V2G充电桩充放电调控方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于强化学习的台区V2G充电桩充放电调控方法，其特征在于，所述S1中所述预设分组规则为：
3.根据权利要求2所述的一种基于强化学习的台区V2G充电桩充放电调控方法，其特征在于，所述S1包括以下步骤：
4.根据权利要求3所述的一种基于强化学习的台区V2G充电桩充放电调控方法，其特征在于，所述S2包括以下步骤：
5.根据权利要求1所述的一种基于强化学习的台区V2G充电桩充放电调控方法，其特征在于，所述S3包括以下步骤：
6.根据权利要求1所述的一种基于强化学习的台区V2G充电桩充放电调控方法，其特征在于，所述S4包括以下步骤：
7.根据权利要求6所述的一种基于强化学习的台区V2G充电桩充放电调控方法，其特征在于，所述S44包括以下步骤：
8.根据权利要求7所述的一种基于强化学习的台区V2G充电桩充放电调控方法，其特征在于，第i时刻的所述最佳调控策略为决策表T第i行数据最大值所在列数对应的输出动
9.一种基于强化学习的台区V2G充电桩充放电调控设备，其特征在于，包括至少一个处理器，以及与所述至少一个处理器通信连接的存储器；所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至8中任一项所述的方法。
...【技术特征摘要】
1.一种基于强化学习的台区v2g充电桩充放电调控方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于强化学习的台区v2g充电桩充放电调控方法，其特征在于，所述s1中所述预设分组规则为：
3.根据权利要求2所述的一种基于强化学习的台区v2g充电桩充放电调控方法，其特征在于，所述s1包括以下步骤：
4.根据权利要求3所述的一种基于强化学习的台区v2g充电桩充放电调控方法，其特征在于，所述s2包括以下步骤：
5.根据权利要求1所述的一种基于强化学习的台区v2g充电桩充放电调控方法，其特征在于，所述s3包括以下步骤：
6.根据权利要求1所述的一种基于强化学习的台区v2g充...
【专利技术属性】
技术研发人员：袁林锟，关震东，黄雄伟，何若冰，陈廷坤，
申请(专利权)人：广东电网有限责任公司阳江供电局，
类型：发明
国别省市：
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。