[发明专利]一种含电动汽车的微电网多目标负荷调度方法

权利要求书

1.一种含电动汽车的微电网多目标负荷调度方法，包括：

步骤1：建立含电动汽车的微电网系统；

微电网系统包括柴油发电机、微型燃气轮机、光伏发电、风力发电、燃料电池和电动汽车；

步骤2：建立光伏发电输出功率模型；

式(1)中，P_PV为光伏发电的输出功率，kW；P_STC为标准测试条件下光伏电池的功率，kW；G_ING为光伏电池的实际光照强度，Lux；G_STC为标准测试条件下光伏电池的光照强度，Lux；k为光伏发电的温度系数；T_C为光伏电池的实际温度，K；T_STC为标准测试条件下光伏电池的温度，K；

步骤3：建立风力发电输出功率模型；

P_WT为风力机组的输出功率，kW；V为实际风速，m/s；V_ci为切入风速，m/s；V_r为额定风速，m/s；V_co为切出风速，m/s；α和β为常数系数；P_r为风力机组的额定功率，kW；

步骤4：建立柴油发电机燃料成本模型；

式(3)中，C_DE为柴油发电机燃料成本，￥；P_DE为柴油发电机输出功率，kW；a、b、c为柴油发电机系数；Δt为时间间隔，1h；

其特征在于还包括如下步骤：

步骤5：建立微型燃气轮机燃料成本模型；

式(4)中，C_MT为微型燃气轮机燃料成本，￥；C_GAS为天然气价格，元/m³；P_MT为微型燃气轮机输出功率，kW；LHV为天然气的低热值，kWh/m³；η_MT为微型燃气轮机的发电效率；Δt为时间间隔，1h；

步骤6：建立燃料电池燃料成本模型；

式(5)中，C_Fc为燃料电池燃料成本，￥；C_GAS为天然气价格，元/m³；LHV为天然气的低热值，kWh/m³；P_FC为燃料电池输出功率，kW；η_FC为燃料电池的发电效率；Δt为时间间隔，1h；

步骤7：建立电动汽车有序充放电模型，包括如下步骤：

(1)电动汽车开始充电时间模型如下：

式(6)中，μ_t＝17.6，σ_t＝3.4；

(2)电动汽车行驶距离概率密度函数如下：

式(7)中，μ_s＝3.2，σ_s＝0.88；

(3)采用有序充放电负荷方法：

电动汽车有序充放电是指在满足车主使用习惯和分时电价条件下，运用实际有效的经济或技术措施引导、控制电动汽车进行充放电，对电网负荷曲线进行削峰填谷，减小负荷方差；

最大放电持续时间定义如下：

式(8)中，T_{max_disC}为最大放电持续时间，h；SOC为电动汽车荷电状态约束，％；P_disC为放电功率，kW；C_EV为电动汽车电池总容量；S为日行驶距离，km；W₁₀₀为百千米耗电量，kWh/100km；

充电持续时间定义如下：

式(9)中，T_C为充电持续时间，h；P_C为电动汽车充电功率，kW；η_{C_EV}为充电效率；

电动汽车总充电负荷定义如下：

式(10)中，P_EVload为电动汽车总充电负荷，kW；t＝1,2,…,24；N为电动汽车数量；P_i(t)为第i辆电动汽车在第t时刻的充电功率，kW；

步骤8：微电网负荷调度模型以运行成本、污染物处理费用和负荷方差最小为目标函数，以功率平衡和功率上下限为约束条件；其中，

(1)微电网的运行成本；

C₁为微电网的运行成本，￥；N为微电网中分布式电源的总数目；T为调度周期中的总周期数；F_i(P_i,t)为第t周期第i个分布式电源的燃料费用，￥；OM_i(P_i,t)为第t周期第i个分布式电源的维修费用，￥；C_BAT为电动汽车的电池折旧成本，￥；C_GRD为微电网与电网之间的交易成本，￥；

(2)微电网的污染物处理费用；

式(12)中，C₂为微电网的污染物处理费用，￥；H为污染物排放总数；h为排放的污染物；C_h为第h个污染物的处理费用，￥/kg；u_ih为第i个分布式电源的第h种排放的污染物的排放系数；u_gridh为电网的第h种排放的污染物的排放系数；P_grid,t为第t周期时微电网和电网的传输功率，kW；P_i,t为第i个分布式电源在第t周期的输出功率，kW；

(3)负荷方差；

减小负荷峰谷差可改善电网的安全性与稳定性，还可提升电网的经济运行；

式(13)、式(14)中，F为电网的负荷方差；P_load,t为在周期t时无充电负荷时原始负荷，kW；P_EV,t为所有电动汽车在周期t内总的充放电功率，kW；P_av为日平均负荷，(kW)；

(4)微电网调度模型的目标函数；

运行成本、污染物治理费用和负荷方差需要考虑，其中，运行成本和污染物治理费用都和微网系统成本有关，将它们合并在一起，成为一个调度目标；微电网负荷优化调度模型函数定义如下；

minC＝λ(C₁+C₂)+(1-λ)F    (15)；

式(15)中，λ和1-λ是客观权重因子，它们分别反映了成本和负荷方差的重要性；经营者可以通过对调整λ的大小，来控制其对经济调度的偏好程度；

(5)约束条件；

式(16)中，P_i^min为第i个分布式电源输出功率下限值，kW；P_i^max为第i个分布式电源输出功率上限值，kW；r_i为第i个分布式电源斜坡速率的限制上限，kW；为电动汽车输出功率的上限值/下限值，kW；P_L^max/P_L^min为电网与微电网之间传输功率的上限值/下限值，kW；表示电动汽车蓄电池荷电状态下限/上限；

步骤9：采用混沌正弦余弦算法对目标函数进行优化；

(1)设置SCA各种参数，结合逻辑映射Z_n+1＝μ_nZ_n(1-Z_n)初始化个体位置，μ_n为控制参量，当μ_n的值在[3.57,4]时，系统陷入混沌；Z₀∈[0,1],且Z₀≠0，0.25，0.5,0.75,1；

(2)计算每个个体的适应度值，并确定好全局最优值；

(3)根据式和更新个体位置，假设在N维的搜索空间中有M个个体，X_i＝(x_i1,x_i2,...,x_iN)为第i(i＝1,2,...,M)个体，P_g＝(p_g1,p_g2,...,p_gN)为全局最优个体；x_ij^t表示在第t次迭代时第i个个体在第j(1,2,...,M)维的位置；r₁为调整参数；r₂，r₃，r₄位3个服从均匀分布的随机数，r₂∈[0,2π]，r₃∈[0,2]，r₄∈[0,1]；

(4)计算每个个体的适应度值，再和全局最优值进行比较；

(5)更新全局最优值；

(6)判断是否达到最大迭代次数，如果达到即输出结果，否则重新执行步骤3；

步骤10：输出微电网系统的输出功率最优组合；通过步骤9所述混沌正弦余弦算法，在达到最大迭代次数时，可以得出含电动汽车的微电网系统在平衡微电网运行成本、污染物处理费用和负荷方差后各单元最佳输出，以实现此类系统负荷的最优调度。