[发明专利]含电动汽车充电站的社区综合能源系统双层调度方法

权利要求书

1.一种含电动汽车充电站的社区综合能源系统双层调度方法，其特征是，它包括以下步骤：

1)构建上层社区综合能源系统物理模型和优化调度模型

(1)社区综合能源系统(community integrated energy system,CIES)物理模型包括：风机、光伏和储能系统(energy storage system,ESS)联合为用户提供电需求，电锅炉(electric boiler,EB)消纳电源侧提供的部分电能转换成热能，与储热装置(heatstorage device,HSD)联合为用户提供相应的热需求；

①电力需求响应

电力负荷由固定负荷和柔性负荷组成，根据需求响应的特点，电力柔性负荷分为可转移负荷和可中断负荷；

a)可时移的电力负荷

可时移负荷的特征是总耗电量是恒定的，并且消耗时间可灵活改变，用式(1)、式(2)描述:

式中，P_t^TSL是已发生时移的电力负荷功率，和是t时段可时移负荷的最大值和最小值；

b)可中断电力负荷

在电力供应不足或电价高的时期，用户可中断部分负荷以缓解电力供应压力，可中断负荷的相关约束用式(3)描述:

式中，P_t^EIL和分别是中断的电力及其在时段t中的最大值；

②热需求响应

将建筑热需求视为热负荷，利用瞬态热平衡方程将建筑温度与热需求联系起来，采用热感觉投票值来描述用户对室内温度变化的舒适体验，供热可中断负荷的相关约束为式(4):

式中，P_t^HIL是中断的热负荷，是在t时段内的最大值，引入热感觉平均预测值PMV(predicted mean vote)来描述用户可接受的热舒适范围；

式中，M为人体能量代谢率；I_cl是服装的热阻；T_s是处于舒适状态的人体皮肤的平均温度；T_in(t)是室内温度；

室内温度变化范围是

为全面衡量IDR对用户体验的影响用户综合满意度设计为：

式中，US为用户综合满意度，P_t^GL为t时段固定负荷，P_t^EL和P_t^HL为初始电力和热负荷；

(2)上层社区综合能源系统优化调度模型

①上层模型以CIES净运行成本F₁最小化作为目标函数，由CIES向电网和EVCS购电的费用，即电力负荷、热力负荷购电费用；电网、ESS以及EVCS向CIES提供旋转备用费用；ESS折旧成本；中断电热负荷补偿费用；EVCS购买可再生能源收益组成，表达式为式(8)：

式中，ω_st,t为电网分时，ω_rt,t为动态电价，是可转移电力负荷消耗的电网功率,是固定电力负荷消耗的电网功率，是可中断电力负荷消耗的电网功率，是热负荷消耗的电网功率，ω_re,grid为电网的备用价格,ω_re,ESS为ESS的备用价格，ω_re,EV为EVs的备用价格，是电网提供的备用容量,是ESS提供的备用容量，是电动汽车提供的备用容量，ω_dp,ESS是ESS的折旧成本，是ESS的充电功率，ω_el和ω_hl分别是电和热中断负荷的补偿价格；是电动汽车消耗的RGs功率；

②确定约束条件，调度模型的约束条件包括供电系统约束、储能系统约束、旋转备用约束和供热系统约束，表述式为式(9)：

(i)供电系统约束：包括电力供需平衡和电网功率约束

式中，为时段t内系统电力负荷消耗的电网功率，P_t^DG和E(P_t^DG)分别是RGs联合出力及其期望值；P_t^CNLOAD为可控负荷，为电网提供的最大功率，为t时段系统电力负荷消耗电网功率，和分别为t时段储能充放电功率，和分别为t时段电动汽车充放电效率，P_t^CNLOAD为t时段可控负荷，P_t^grid为联合系统从电网购电功率，为电网提供功率的最大值；

(ii)储能系统约束：包括储能装置功率约束和容量约束，

式中，为t时段储能容量，和分别为t时段储能充放电功率，η_ch和η_dc分别为储能充放电效率，表示ESS初始容量，表示一个调度周期，即24小时结束时的储能容量，表示储能的初始存储容量最小值，P_Ress,t为t时段储能提供的备用容量；

(iii)旋转备用约束：包括电网备用约束，ESS备用约束和EVCS备用约束，总旋转备用约束以机会约束形式表达式为，

式中，α为系统置信水平，P_t^MT和P_t^PV分别是风机和光伏的功率输出；

(iv)供热系统约束：包括供热系统电热功率平衡约束、电锅炉运行约束和储热装置约束；

供热系统电热功率平衡约束表达式为式(18)，

式中，P_dhp,n,t为供热负荷的耗电量，为t时段热负荷消耗的RGs功率；

电锅炉运行约束：

P_eh,n,t＝η_ebP_dhp,n,t (19)

0≤P_eh,n,t≤P_eh,n (20)

式中，P_eh,n,t和P_eh,n为第n台电锅炉的供热功率及其额定值，N为电锅炉总数，η_eb为电锅炉性能系数，表示热泵供暖功率与耗电功率的比值。

储热装置约束：包括储热装置功率约束和容量约束，

式中，为t时段HSD储热容量，和分别为HSD容量的最小值和最大值，和分别为HSD最大充放电功率，表示HSD初始容量，表示一个调度周期24小时结束时的储热容量，表示HSD存储容量的最小值；

2)将机会约束转化为确定性约束；

利用序列运算理论将光伏、风机输出功率的概率分布进行离散化处理，得到其对应的概率性序列分别为a(i_at)和b(i_bt)，通过概率性序列，获得各时段风光联合出力的期望值，t时段预测的间歇性风光共同出力的期望值E_t计算式为：

式(25)中，N_at为光伏出力概率序列长度；N_bt为风机出力概率序列长度；q为离散化步长；m_atq为光伏t时段第m_a种状态的出力值；m_btq为风机t时段第m_b种状态的出力值；

然后将旋转备用的机会约束形式转化成确定性约束形式，t时段风光共同出力所对应的概率性序列c(i_ct)能够利用概率性序列a(i_at)和b(i_bt)的卷和获得，根据卷和的定义有：

为了方便处理旋转备用约束，定义一类新的0-1变量它满足以下关系：

式(27)说明在t时段，当系统旋转备用容量大于风光出力期望值与风光第m_ct种出力m_ctq的差值时取1，否则为0，

因此旋转备用的机会约束形式简化为：

式(28)中用到了0-1变量而的表达式不兼容混合整数规划(Mixed-IntegerLinear Programming，MILP)的求解形式，必须利用式(29)替代式(27)，

式中，τ取一个很大的数，由于τ较大，当时，式(29)等价为λ是一个非常小的正数，由于是一个0-1变量，所以只能等于1，否则为0；

3)输入CIES参数，包括负荷参数和置信水平参数，所述负荷参数为风机参数、光伏组件参数、储能装置参数、储热装置参数、电锅炉参数、建筑物参数、调度时段数和电负荷预测值；

4)确定解决方案是否存在，若解决方案存在，继续解决步骤；否则，更新置信度和负荷，并返回步骤3；

5)通过动态定价机制获得CIES最优调度方案和动态电价，并将动态价格传递给下层电动汽车充电站；

分时电价能够有效显示各时段负荷水平，但分时电价不能有效区分上层CIES可再生能源剩余时段，为指导下层EVCS有效消纳上层CIES中的可再生能源功率，利用“分时+实时”动态定价机制指导下层EVCS充放电方案以消纳CIES中的可再生能源功率，“分时+实时”动态定价机制的用式(30)描述：

式中，a表示CIES的供求关系，是电网谷时段分时电价；

6)构建下层EVCS优化调度模型；

根据电动汽车到达EVCS的时间服从正态分布的特点，电动汽车到达EVCS时间的概率密度函数为；

式中，μ₁和μ₂分别是电动汽车到达和离开EVCS的时间的平均值；σ₁和σ₂分别是电动汽车到达和离开EVCS时间的标准差；

电动汽车充电的日负荷需求与日行驶里程和充电时长有关，电动汽车的每日行驶里程为服从正态分布，其概率密度函数为；

式中，M_d代表电动汽车的日行驶里程，σ_M和μ_M分别为日行驶里程的标准差和平均值；

根据电动汽车的行驶里程及其初始充电状态，充电结束时的实际充电状态为；

式中，S_real表示实际充电状态，S_s表示EV的初始SOC，E_d,100表示EV行驶100公里时的电力需求，B_c表示EV的电池容量，电动汽车的充电时间计算式为；

式中，T_ch是电动汽车的充电时间；和为电动汽车的额定电能和充电效率；为t时段电动汽车的电池容量；

电动汽车充电站(electric vehicle charging station,EVCS)优化调度模型构建过程为：

(a)选取优化目标，选用电动汽车充电站运行成本最小为优化目标，包括EVCS向电网购电成本、EVCS向CIES购电成本、EVCS向CIES放电收益、EVCS向CIES提供旋转备用的收益，表达式为：

式中，为电动汽车消耗电网功率，为电动汽车消耗CIES中可再生能源功率，为电动汽车向CIES放电功率；

(b)确定约束条件，调度模型的约束条件包括能量平衡约束、充放电功率约束、充放电容量约束、充放电格位数约束和旋转备用约束，具体式为：

能量平衡约束：包括电热平衡约束和上下限约束，

式中，和为电动汽车在t时间段的最大充放电功率，和为t时间段电力负荷和热负荷在消耗RGs功率后的功率缺额；

充放电功率约束：包括可再生能源消纳量约束和上下限约束，

充放电容量约束：包括充放电容量和上下限约束，

充放电格位数约束：

式中，为t时段电动汽车容量和分别为t时段电动车充放电功率，和分别为t时段电动汽车最小和最大容量，和分别为t时段处于充电和放电状态的电动汽车数量，N_B,pos,max为电动汽车充电站最大充放电格位数；

7)输入EVCS参数；

电动汽车充电站参数包括：园区内电动汽车数目，每台电动汽车的电池容量，每台电动汽车的充放电效率，充电桩数目，每个充电桩的额定充放电功率，一个调度周期24小时内电动汽车总充电功率，可控负荷功率；

8)根据上层CIES提供的动态价格，利用CPLEX求解器对EVCS最优调度模型进行求解；

9)获取EVCS充放电方案；通过步骤8)中的求解结果获取EVCS充放电方案；

10)计算联合优化目标函数F₁^JO和F₁^JO和分别代表联合优化上层CIES和下层EVCS的运行成本；

11)判断是否满足终止条件：

采用的迭代终止条件是当前迭代次数超过预设的最大迭代次数，若满足，停止迭代过程；否则，将EVCS充电放电方案传递给上层并返回步骤3)；

12)确定联合最优解；

通过求解双层模型，获得多组调度方案，为从多个方案中选择最优解，定义联合优化目标函数F^JO为：

13)输出CIES和EVCS的最优调度方案，通过求解联合优化目标函数，获得对应的CIES和EVCS的最优调度方案和联合最优解。