[发明专利]一种基于电动汽车聚合模型的配电网风电最大消纳方法

说明书

一种基于电动汽车聚合模型的配电网风电最大消纳方法，包括：步骤1，采集计算配电网风电消纳所需参数；步骤2，基于步骤1采集的参数构建配所需概率分布；步骤3，基于步骤2中的概率分布构建电动汽车的聚合模型；步骤4，构建电动汽车优化调度的数学模型；步骤5，根据步骤3建立的电动汽车的聚合模型与步骤4所建立电动汽车优化调度的数学模型对配电网风电的最大消纳容量进行求解。本发明把风电的安装容量作为目标函数，同时考虑负荷、风电出力和电动汽车出行的随机性，建立了阶段一的聚合模型以及阶段二的电动汽车优化调度的数学模型，对两者结合求解后可大大提高配电网对风电的消纳能力。

技术领域

本发明属于电动汽车优化调度技术领域，具体涉及一种基于电动汽车聚合模型的配电网风电最大消纳方法。

背景技术

根据公安部发布的消息：截止2020年底，我国新能源汽车的保有量已经达到497万辆。在相关配套政策的刺激下，我国电动汽车的发展呈现广阔的市场前景。电动汽车具有储能的潜质、能够对能量进行时移。若将大规模的电动汽车聚合在一起，进行合理的充、放电调度发挥出大规模的储能效应，能够有效地缓解负荷峰谷差、改善电压质量和消纳更多的分布式电源。风电通过接入配电网侧实现分布式发电，可以有效降低网损、增加供电可靠性，但受限于配电网的容量限制并网消纳较为困难，所以弃风弃光的现象越来越严重。所以，不断有电动汽车优化调度技术相继被提出来解决消纳风电的问题。

现有的大部分相关技术没有直接把风电消纳值作为目标函数，而是从负荷峰谷差的角度出发。同时在优化模型求解时，现有技术使用的算法无法获取最优解。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种基于电动汽车聚合模型的配电网风电最大消纳方法。

本发明采用如下的技术方案：

步骤1，采集配电网所连接风机的相关参数、每辆电动汽车离开或到达充电站的时间；

步骤2，基于步骤1采集的参数构建配所需概率分布，包括电网负荷偏差概率分布、风机的风速概率分布以及电动汽车出行的概率分布；

步骤3，基于步骤2中的概率分布构建电动汽车的聚合模型以及电动汽车聚合模型约束条件；

步骤4，构建电动汽车优化调度的数学模型，包括能使网损最小的目标函数以及其对应的约束条件；

步骤5，根据步骤3建立的电动汽车的聚合模型与步骤4所建立电动汽车优化调度的数学模型对配电网风电的最大消纳容量进行求解。

步骤1中的配电网所连接风机的相关参数包括配电网每个节点处所连接的风电装机容量，风电装机中风机的切入风速、额定风速、切出风速、历史风速数据、T时间段内风机的风速，并将T时间段以tt分钟为间隔切割为nn个t时刻。

配电网负荷偏差概率分布满足以下关系式：

其中，μ_d,t表示t时刻对应的配电网负荷偏差的均值，σ_d,t表示μ_d,t对应的配电网负荷偏差的标准差，为t时刻的负荷偏差值，乘上负荷的历史平均值，作为配电网的负荷值，t为T时间段以tt分钟为间隔切割为nn个时刻中的任意时刻。

风机的风速概率分布满足以下关系式：

f_v(v_t)代表风速分布，其为瑞利分布；σ_v为通过拟合历史风速数据得到的参数值，v_t为t时刻采集的风速值。

电动汽车出行的概率分布包括电动汽车离开充电站的时间概率分布、电动汽车达到充电站的时间概率分布以及电动汽车日行驶距离概率分布；