[发明专利]基于动态电价的电动汽车充放电调度方法

权利要求书

1.一种基于动态电价的电动汽车充放电调度方法，其特征在于：包括以下步骤：

S1、采用蒙特卡洛方法建立V2G背景下电动汽车充电需求、电动汽车放电容量、电动汽车可调度时间三部分模型；

S2、建立基于长短期记忆神经网络模型的动态电价输出模型；

S3、基于动态电价下的每辆电动汽车充放电成本函数和电网负荷峰谷差函数建立目标函数；

S4、确立目标函数的约束条件；

S5、采用通过引入电价补贴的方法改进非线性规划算法；基于神经网络输出的动态电价，在S4中的约束条件下对电动汽车进行充放电规划，获得充放电费用、补贴电价费用、电网负荷峰谷差；再次蒙特卡洛获得新的充电需求和放电容量；

S6、将补贴电价、电网负荷峰谷差作为损失函数，对长短期记忆神经网络的权重参数进行更新；将S5获得的新的总体电动汽车充电需求和放电容量作为长短期记忆神经网络的新输入，整体构成一个滚动的优化模型，最终在使电网负荷削峰填谷的同时降低了电动汽车的充放电成本，使电动汽车的充放电费用最低。

2.根据权利要求1所述的基于动态电价的电动汽车充放电调度方法，其特征在于：S1中，电动汽车充放电时间中，电动汽车返回时间T_b，服从正态分布，概率密度函数为：

其中，μ_b＝17.47,σ_b＝3.41；

电动汽车最早离家时间T_l，服从正态分布，概率密度函数为：

其中，μ_l＝8.92,σ_l＝3.24；

电动汽车的充电需求函数为：

电动汽车放电容量为：

Q_n＝Q-ΔQ-0.1·Q

其中，L_d为电动汽车行驶里程，K_m为电动汽车每公里耗费电量，Q为电动汽车电池总容量，Q_n为电动汽车可放电容量，ΔQ为电动汽车的充电需求。

3.根据权利要求1所述的基于动态电价的电动汽车充放电调度方法，其特征在于：S2中，动态电价输出模型的输入包括电动汽车充电需求、放电容量、电网基础负荷和大电网电价；对于电动汽车充放电的引导可以采用电价激励的方式，采用长短期记忆神经网络的方法制定合适的电价从而引导电动汽车参与V2G；

长短期记忆神经网络结构如下式：

f_t＝σ(W_fh_t-1+U_fx_t+b_f)

i_t＝σ(W_ih_t-1+U_ix_t+b_i)

o_t＝σ(W_oh_t-1+U_ox_t+b_o)

y_t＝σ(Vh_t+b_y)

其中，σ表示Sigmoid激活函数；Tanh表示Tanh激活函数；x_t为t时刻隐藏层的输入量，h_t-1为t-1时刻隐藏层的输出量；f_t为t时刻遗忘门的控制量；i_t为输入门控制量；O_t为输出门控制量；C_t-1为t-1时刻隐藏层细胞状态；为t时刻输入信息向量；W_f为上一时刻输出到遗忘门的权重；W_i为上一时刻输出到输入门第一部分的权重；W_c为上一时刻输出到输入门第二部分的权重；W_o为上一时刻输出到输出门的权重；U_f为输入到遗忘门的权重；U_i为输入到输入门第一部分的权重；U_c为输入到输入门第二部分的权重；U_o为输入到输出门的权重。