[发明专利]一种基于虚拟电价的电动汽车充放电优化调度方法

摘要

一种基于虚拟电价的电动汽车充放电优化调度方法，包括电能公共服务平台预测、采样优化时段内目标区域的基本日负荷信息；当有新的EV接入目标区域内的充电桩时，读取其入网信息；用户输入车辆的充电信息；构建EV充放电功率模型；计算虚拟电价信息，间接反映目标区域的负荷水平；构建以充放电功率为优化变量的调度模型；综合小波分析预处理和模糊聚类方法确定用于用户成本计算的动态分时电价；用户的自主响应决策；根据用户决策对EV实施充放电操作，并上传计划。本发明能够在满足用户充电需求及配电变压器容量限制的基础上，实现EV集群负荷的削峰填谷，并降低用户充放电成本。在EV集群规模较大时，本发明仍能满足电网侧期望。

主权项

一种基于虚拟电价的电动汽车充放电优化调度方法，每台充电桩的充电功率额定值为Pc，放电功率额定值为Pd，包括如下步骤：1)电能公共服务平台预测、采样优化时段内目标区域的基本日负荷信息，具体包括：S11.预测基本负荷功率曲线：根据已知参数和模型，预测出目标区域的基本日负荷曲线；S12.优化时段内的连续时间离散化：确定最小优化时段Δt，对优化时段进行离散化分析，依次对步骤S11所得的基本日负荷曲线进行采样，得各k∈[1,J]时段内的负荷预测值LB(k)；其中J为一日内根据设定的确定划分的优化时段数；2)当有新的电动汽车l接入目标区域内的充电桩时，读取车辆l的入网信息，包括入网时间Tin,l、动力电池容量Cs,l和初始荷电状态S0,l；3)用户输入车辆l的充电信息：预期离网时间Tout,l，期望荷电状态SE,l；结合所述读取信息和所述用户输入信息判断能否满足用户的充电需求，如果不能，则通过用户交互界面告知用户输入不正确，提示用户重新输入预期离网时间或期望SOC信息，若用户接受提示，并输入可实施、正确的充电信息，则进行步骤4)～步骤10)的操作，否则，放弃该用户，执行步骤2)；4)构建电动汽车的充放电功率模型：Pl(k)＝pl(k)fm,l(k)；式中，Pl(k)表示车辆l的充放电功率；pl(k)表示车辆l与系统在k时段的功率交换，pl(k)＞0表示车辆l处于充电状态；pl(k)＜0表示处于放电状态；pl(k)＝0表示处于浮充状态；fm,l(k)用于表征各时段对车辆电池的可操作性，表达式为：其中，Tm,l为车辆l接入电网的持续时间Tpe,l＝Tout,l‑Tin,l所包含的时段集合；假设参与调度的电动汽车动力电池均为锂电池，根据锂电池的充放电相关特性，在单个时段内，锂电可视为是恒功率充放电，其荷电状态和对应的充放电时间的关系表征为：Sl(k)＝Sl(k‑1)+Pl(k)η(Pl(k))Δt/Cs,l        (2)式中，Sl(k‑1)、Sl(k)分别表示车辆l在第k‑1、k个时段的SOC；η(Pl(k))表示功率交换效率，具体与功率交换方向有关：η(Pl(k))=ηc,Pl(k)≥0,1/ηd,Pl(k)<0.---(3)]]>其中，ηc、ηd分别表示充、放电效率；5)从电能公共服务平台读入车辆l接入时刻目标区域的总负荷信息其中，表示车辆l接入时，k时段目标区域的配网总负荷信息；表示电动汽车集群负荷：其中，Ml‑1表示车辆l接入电网时，已完成充电计划制定的车辆集合；总负荷信息的计算过程由电能公共服务平台完成；6)计算虚拟电价信息，间接反映目标区域的负荷水平：式中，表示车辆l接入时，k时段的虚拟电价；和表示虚拟电价调整系数；IR,j、φR,j分别表示参考电价和参考负荷值；[u]+表示max{0,u}；表示预测总负荷，其中表示基本负荷预测值；7)建立电动汽车充放电优化调度模型；结合以上步骤，以最小化虚拟充放电成本为目标，建立电动汽车充放电优化调度模型来优化电动汽车的充放电功率，所建模型如下：minVl=Σk∈Tm,l{Pl(k)γl(Lal(k),k)Δt}---(6)]]>s.t.Smin≤Sl(k)≤Smax           (7)‑Pd≤Pl(k)≤Pc            (8)S0,l+Σk∈Tm,lΔtPl(k)Cs,l≥SE,l---(9)]]>Lal(k)≤κTAT,Lal(k)^≤κTATk=1,2,...,J.---(10)]]>Tpe,l＞Tc,l l＝1,2,…,n         (11)式(6)中，Vl表示车辆l的虚拟充放电成本；Nl表示Tm,l集合的长度；式(7)中，Smax、Smin表示允许的SOC的最大值和最小值，防止受控车辆过充电及过放电；式(8)表示充放电功率约束，Pl(k)具备连续可调的特性，但通常要受到动力电池或充电机的额定充、放电功率限制；式(9)表示充电需求约束，车辆如约离开时，其电池的SOC需满足期望；式(10)表示变压器最大负载约束，κT为变压器效率，AT为变压器的额定容量；式(11)表示时间关系约束，n为优化时段内的接入车辆规模，Tc,l为充电至期望SOC所需的最短时间：Tc,l＝(SE,l‑S0,l)Cs,l/Pcηc；求解上述优化调度模型，完成当前接入车辆充放电功率的优化，此时，车辆l的充放电调度计划为：其中，表示集合Tm,l中的第i个元素；8)电动汽车用户成本计算：Ul＝(ccd,l|ηc＝ηd＝1)+cbat,l+closs,l；式中，Ul表示用户成本；cbat,l表示车辆l的锂电池寿命损耗折算成本；closs,l表示电能损失费用；ccd,l|ηc＝ηd＝1，表示不考虑充、放电效率条件下的理想充放电费用：式中pri(k)表示电价信息，是一种动态分时电价，即高峰、低谷电价固定，峰谷时段变化的电价，其中，高峰、低谷电价分别表示为prih、pril；利用小波分析和模糊聚类方法实现对分时电价峰谷时段的划分：S81.预处理：将负荷信息进行尺度为3的小波分解，将一、二层的高频分量置零，重构后得到新的负荷信息S82.属性表征：采用偏大型和偏小型半梯形模糊分布对重构后的负荷信息进行属性表征，形成属性矩阵A(a)J×2，计算方法为：ak1=max1≤k≤J(Lal*(k))-Lal*(k)max1≤k≤J(Lal*(k))-min1≤k≤J(Lal*(k))ak2=Lal*(k)-min1≤k≤J(Lal*(k))max1≤k≤J(Lal*(k))-min1≤k≤J(Lal*(k))---(12)]]>S83.对矩阵A进行平移—标准差变换，用绝对值减数法建立模糊相似矩阵R(r)J×J；S84.对相似矩阵求连续二次方，即R→R2→R4→…→R2i→…，直到出现表示模糊矩阵合成运算，此时，Rk即为该相似矩阵的传递闭包t(R)；S85.在传递闭包t(R)＝(tij)中，令λ为tij中的某一取值，求取t(R)的λ—截矩阵Rij，接着，λ由大到小取值就可形成动态聚类，取适当的λ值，确定出峰谷时段划分方案；9)电动汽车用户的自主响应决策；利用步骤7)所述的优化模型得到的电动汽车充放电功率和步骤8)得到的动态分时电价确定用户的充放电成本，并将充放电调度计划与对应的收益情况告知用户，由用户自主响应充电模式，选择响应调度计划或开始无序充电；10)根据用户决策对电动汽车实施充放电操作，并上传计划；若用户选择开始无序充电，充电设施为接入的EV提供持续的恒功率充电服务，直到满足用户的充电需求或车辆离开为止；若用户选择响应调度，则根据调度计划Pl对电动汽车实施具体充放电操作，据此，便确定了车辆l的充放电计划；将该充放电计划上传至电能公共服务平台，由电能公共服务平台对计划负荷予以整合，完成一次对所述目标区域负荷信息的实时更新，并等待下一辆电动汽车入网；若有新的车辆接入，则跳至步骤2)；此过程将持续执行至优化时段结束。