[发明专利]适用于平抑新能源出力波动的电动汽车虚拟机组调控方法

权利要求书

1.适用于平抑新能源出力波动的电动汽车虚拟机组调控方法，其特征在于：包括以下步骤：

S1:进行电动汽车集群负荷特性分析及虚拟机组发电功率上下限预测；

S2:进行虚拟机组计划发电功率优化求解；

S3:进行虚拟机组内部电动汽车集群实时分组调控。

2.根据权利要求1所述的适用于平抑新能源出力波动的电动汽车虚拟机组调控方法，其特征在于，所述步骤S1进行电动汽车集群负荷特性分析及虚拟机组发电功率上下限预测,具体包括以下步骤：

S1.1电动汽车集群接入充电桩规律分析；

S1.2虚拟机组发电功率上下限预测。

3.根据权利要求2所述的适用于平抑新能源出力波动的电动汽车虚拟机组调控方法，其特征在于，所述步骤S1.1与S1.2包括以下具体内容：

S1.1电动汽车集群接入充电桩规律分析：

电动汽车依次抵达充电桩的过程用泊松分布表述，即对任意的t0，s0，电动汽车抵达数量的增量N_t+s－N_s服从泊松分布，令k＝N_t+s-N_s，则在(t，s+t)的时间区间内，有k辆电动汽车抵达充电桩的概率为：

式中：λ为单位时间内电动汽车到达充电桩的数量；

按照2阶段泊松分布方式，分别生成每个阶段车辆到达工商业区的泊松分布数列如下：

式中：N_C1、N_C2分别为第1、2阶段的车辆到达的泊松分布数列；n_1i、n_2i分别为单个时间片段到达的车辆数(1≤i≤M₁,M₂)；λ₁、λ₂分别为第1、2阶段的泊松分布参数；M₁、M₂为第1、2阶段的时间片段总数；T₁、T₂分别为第1、2阶段的时间长度；Δt为单位时间片段时长；

同样的，分别生成每个阶段车辆到达居民区的泊松分布数列如下：

式中：N_C3、N_C4分别为第3、4阶段的车辆到达的泊松分布数列；n_3i、n_4i分别为单个时间片段到达的车辆数(1≤i≤M₁,M₂)；λ₁、λ₂分别为第3、4阶段的泊松分布参数；M₃、M₄为第3、4阶段的时间片段总数；T₃、T₄分别为第3、4阶段的时间长度；

按照泊松过程的特性可以生成每个时间片段到达充电站的电动汽车数量的数组；

S1.2虚拟机组发电功率上下限预测：

基于S1.1中分析结果，可将区域内电动汽车聚合为虚拟机组，虚拟机组发电功率上下限主要与调控时段及接入充电桩汽车数量有关,电动汽车虚拟机组具有源荷双重特性，发电功率为正表示电动汽车集群总体进行放电，发电功率为负表示电动汽车总体进行充电,将一天按时隙长度Δt(单位为min)划分为N_t＝24×60/Δt个控制时段，对任意调控时段n(n＝1,2,···,N_t)，可基于如表的历史数据训练人工神经元网络得到预测模型，

表中：N_n,j(j＝1,2,···,m)为时段n第j组历史数据中接入充电桩汽车数量；P_CH,n,j为时段n第j组历史数据中虚拟机组发电功率下限；P_DH,n,j为时段n第j组历史数据中虚拟机组发电功率上限；

基于人工神经元网络预测模型以及通过此前分析得到的各时段接入充电桩的电动汽车数量，即可预测一天中各时段虚拟电厂发电功率上下限P′_DH,n，P′_CH,n。