CN105046371A - 一种基于需求侧竞价的电动汽车充放电调度方法 - Google Patents

Abstract

本发明公开了一种基于需求侧竞价的电动汽车充放电调度方法，在日前调度中，负荷聚合商根据电力公司公布的次日需要进行负荷削减的时段，通过对电动汽车用户行为特性的预测，以最大化电动汽车放电量为目标对可控容量进行预测，并参与需求侧竞价；电力公司根据负荷聚合商在各时段投标的负荷削减量和报价，以最小化负荷调度成本为目标优化调度计划；在实时调度中，负荷聚合商以最大化其利益为目标对电动汽车进行充放电调度，使得在满足电动汽车用户的充电需求的同时降低充电成本和调度偏差。本发明通过负荷聚合商将电动汽车参与需求侧竞价可以起到削峰填谷的作用。

Description

一种基于需求侧竞价的电动汽车充放电调度方法

技术领域

本发明涉及一种基于需求侧竞价的电动汽车充放电调度方法，属于电力***及其自动化技术。

背景技术

随着能源和环境危机的日益加剧，电动汽车以其节能环保等优势，成为我国战略新兴产业之一。大规模电动汽车接入电网后，一方面，其无序充放电行为将对电力***的规划和运行产生不可忽视的影响，包括峰谷差变大、网损增加、电能质量变差等；另一方面，电动汽车又是良好的储能单元，V2G(vehicletogrid)技术的发展不但能够抑制或消除电动汽车对电网的不利影响，而且能够起到削峰填谷、辅助调频、降低***运行成本等作用，促进电动汽车与电网协调发展。

需求侧竞价是需求响应的一种实施机制，它是指电力用户通过改变用电方式主动参与电力市场竞争，并由此获得相应的经济补偿，而不像传统情况下仅仅是价格的接受者。电动汽车的迅速发展，使得负荷聚合商利用电动汽车的充放电调度整合需求响应资源并参与需求侧竞价成为可能。

发明内容

发明目的：为了克服现有技术中存在的不足，本发明提供一种基于需求侧竞价的电动汽车充放电调度方法，为未来电动汽车大规模接入电网提供一种调度方法，该调度方法能够减少对电网的不利影响，最终促进电动汽车产业的发展。

技术方案：为实现上述目的，本发明采用的技术方案为：

一种基于需求侧竞价的电动汽车充放电调度方法，在日前调度中，负荷聚合商根据电力公司公布的次日需要进行负荷削减的时段，通过对电动汽车用户行为特性的预测，以最大化电动汽车放电量(负荷削减量)为目标对可控容量进行预测，并参与需求侧竞价；电力公司根据负荷聚合商在各时段投标的负荷削减量和报价，按需求侧统一边际成本结算的负荷调度成本最低为目标优化制定调度计划；在实时调度中，负荷聚合商以最大化其利益为目标对电动汽车进行充放电调度，使得在满足电动汽车用户的充电需求的同时降低充电成本和调度偏差。

上述方法具体包括如下步骤：

(1)负荷聚合商参与需求侧竞价调度框架：负荷聚合商作为电力公司和需求响应资源之间的中介，建立包括电力公司、负荷聚合商、分散的电动汽车在内的双层调度模式；

(2)建立负荷聚合商的出力投标决策模型：通过对次日电动汽车用户行为特性的预测，负荷聚合商以最大化电动汽车放电量为目标对可控容量进行预测，为参与需求侧竞价提供参考：

${\mathrm{maxQ}}^{DA}=\underset{x=1}{\overset{M}{\Σ}}\underset{i=1}{\overset{n^{DA}}{\Σ}}{P}_{dc}(x,i)\mathrm{\Δ}x$

其中：Q^DA为日前预测的电动汽车放电总量；n^DA为日前预测的电动汽车总量；P_dc(x,i)为第i辆电动汽车在x时段的放电功率，x＝1,2,…,M；M为电力公司公布的次日需要进行负荷削减的时段数量，各时段的时长均为△x；

(3)建立电力公司调度计划优化模型：设共有m家负荷聚合商，第k家负荷聚合商在x时段竞价的负荷削减量和报价分别为Q^DA(x,k)和p(x,k)；电力公司在x时段所需的负荷削减总量为R(x)，分配给第k家负荷聚合商的负荷缺额为D(x,k)，电力公司按需求侧统一边际成本结算的负荷调度成本最低为目标优化制定调度计划，即：

$\min C=\underset{x=1}{\overset{M}{\Σ}}\[P_{MP}\left(x\right)\underset{k=1}{\overset{m}{\Σ}}D(x,k)\]$

P_MP(x)＝max{p(x,1),p(x,2),…,p(x,k)}

s.t.0≤D(x,k)≤Q^DA(x,k)

$\underset{k=1}{\overset{m}{\Σ}}D(x,k)\≥R\left(x\right)$

其中：P_MP(x)为x时段的需求侧边际成本，为竞价成功者中的最高报价；

(4)研究电动汽车不参与调度计划时的充电成本：若电动汽车不参与调度计划，则以最小化电动汽车充电成本为目标对电动汽车进行充电：

${\mathrm{minF}}_{ci}=\underset{t=t_{bi}}{\overset{t_{ei}}{\Σ}}c\left(t\right)P_c(t,i)\mathrm{\Δ}t$

s.t.SOC(t_ei)＝SOC_si

其中：F_ci为第i辆电动汽车不参与调度计划时的充电成本；c(t)为t时刻电动汽车的充电电价，t_bi为第i辆电动汽车接入电网时间，t_ei为第i辆电动汽车离开电网时间；SOC(t_ei)为第i辆电动汽车离开电网时的荷电状态；SOC_si为第i辆电动汽车设定的离开电网时所需达到的荷电状态；SOC(t,i)为第i辆电动汽车在t时刻的荷电状态；η_c为电动汽车充电效率；P_c(t,i)为第i辆电动汽车在t时刻的充电功率；W_Ci为第i辆电动汽车的电池容量；△t为时间段间隔；

(5)分析电动汽车实时调度偏差：设第k家负荷聚合商的管辖范围内实际有n^RT辆电动汽车可控制，则x时段第k家负荷聚合商所能提供的电动汽车实际放电量为Q^RT(x,k)：

$Q^{RT}(x,k)=\underset{i=1}{\overset{n^{RT}}{\Σ}}{P}_{dc}(x,i)$

则第k家负荷聚合商在x时段的日前调度计划与实际放电量的偏差e(x,k)为：

e(x,k)＝D(x,k)-Q^RT(x,k)

(6)建立电动汽车实时调度优化模型：负荷聚合商以最大化其利益为目标对电动汽车进行充放电调度：

maxF(k)＝F₁(k)-F₂(k)

其中：F₁(k)为第k家负荷聚合商所获得的收入；F₂(k)为第k家负荷聚合商需支付的补偿费用。

所述步骤(2)中，建立负荷聚合商的出力投标决策模型具体过程为：

电力公司公布次日需要进行负荷削减的时段为x＝1,2,…,M，负荷聚合商据此对可放电容量进行预测；

设负荷聚合商的调度周期为T，由于在负荷削减时段外向电网放电电力公司并不给予报酬，因此负荷聚合商仅在x时段内对电动汽车进行放电调度；通过对次日电动汽车用户行为特性的预测，负荷聚合商以最大化电动汽车放电量为目标对可控容量进行预测，为参与需求侧竞价提供参考；

${\mathrm{maxQ}}^{DA}=\underset{x=1}{\overset{M}{\Σ}}\underset{i=1}{\overset{n^{DA}}{\Σ}}{P}_{dc}(x,i)\mathrm{\Δ}x$

约束条件：

(2.1)电动汽车用户出行约束

电动汽车作为一种交通工具，在对其进行充放电调度的时候首先要考虑满足用户的出行需求，即：

SOC(t_ei)＝SOC_si

(2.2)充放电状态约束

负荷聚合商仅在x时段内对电动汽车进行调度，其他时段不对电动汽车进行调度；同时，在负荷削减时段内，任意一辆电动汽车均不能同时充电和放电，即：

$P_{dc}(t,i)=0,t\∉x$

P_c(x,i)P_dc(x,i)＝0

其中：P_c(x,i)为第i辆电动汽车在x时段的充电功率；

(2.3)荷电状态约束

第i辆电动汽车在t时刻的荷电状态为：

其中：η_dc为电动汽车放电效率。

所述步骤(6)中，建立电动汽车实时调度优化模型具体过程为：

负荷聚合商的收入主要来源于电力公司，电力公司根据负荷聚合商对日前调度计划的执行情况进行报酬结算；为了达到预期负荷削减效果同时降低负荷调度成本的目的，当负荷聚合商的出力大于调度计划时按照调度计划结算，当负荷聚合商的出力小于调度计划时按照实际削减量结算；但如果调度偏差超过电力公司允许的最大值δ_max时，电力公司将对负荷聚合商进行罚款，超出部分罚款为γ，即第k家负荷聚合商所获得的收入F₁(k)为：

$F_1\left(k\right)=\left\{\begin{array}{cc}\underset{x=1}{\overset{M}{\&Sigma;}}{P}_{MP}\left(x\right)D\left(x,k\right)& Q^{RT}\left(x,k\right)\&GreaterEqual;D\left(x,k\right)\\ \underset{x=1}{\overset{M}{\&Sigma;}}\&lsqb;P_{MP}\left(x\right)Q^{RT}\left(x,k\right)-\mathrm{\&gamma;}\&times;\mathrm{\&delta;}\left(x,k\right)\&rsqb;\mathrm{\&Delta;}x& Q^{RT}\left(x,k\right)<D\left(x,k\right)\end{array}\right.$

其中：δ(x,k)＝max{0,(e(x,k)-δ_max)}；

为了充分调动电动汽车用户的积极性，由于调度电动汽车参与放电而导致的额外充电成本需要由负荷聚合商支付，同时考虑到电池损耗，负荷聚合商需要支付参与电动汽车放电的用户一部分补偿费用，设单位电量补偿费率为r，则第k家负荷聚合商需支付的补偿费用F₂(k)为：

$F_2\left(k\right)=r\underset{x=1}{\overset{M}{\&Sigma;}}{Q}^{RT}\left(x,k\right)\mathrm{\&Delta;}x+\underset{i=1}{\overset{n^{RT}}{\&Sigma;}}\left(\underset{t=t_{bi}}{\overset{t_{ei}}{\&Sigma;}}c\left(t\right)P_c\left(t,i\right)\mathrm{\&Delta;}t-F_{ci}\right)$

负荷聚合商从出售负荷侧资源获得的收入中扣除支付给用户的补偿费用，即为负荷聚合商获得的利润：

maxF(k)＝F₁(k)-F₂(k)

为了使得电动汽车负荷聚合商的利润最大化，则需要同时满足最小化电动汽车实际放电量与调度计划的偏差和最小化电动汽车的充电成本，因此，以最大化负荷聚合商的利润为目标对电动汽车进行实时调度：

约束条件：

(3.1)电动汽车用户出行约束

SOC(t_ei)＝SOC_si

(3.2)充电状态约束

$P_{dc}(t,i)=0,t\&NotElement;x$

P_c(x,i)P_dc(x,i)＝0

(3.3)荷电状态约束

有益效果：本发明提供的基于需求侧竞价的电动汽车充放电调度方法，相对于现有技术，具有如下优势：1、本发明建立了基于需求侧竞价的电动汽车充放电调度模型，通过有效整合电动汽车储能资源，能够解决或缓解***的电力不平衡问题；2、负荷聚合商通过对电动汽车进行充放电调度，既能保证满足电动汽车用户的出行需求，又能从中获得收益。

附图说明

图1为本发明的方法流程图；

图2为电动汽车的双层调度模式。

具体实施方式

下面结合附图对本发明作更进一步的说明。

基于需求侧竞价的电动汽车充放电调度方法的具体实施依赖于对负荷聚合商参与需求侧竞价调度框架的理解。在日前调度中，负荷聚合商根据电力公司公布的次日需要进行负荷削减的时段，通过对电动汽车用户行为特性的预测，以最大化电动汽车放电量(负荷削减量)为目标对可控容量进行预测，并参与需求侧竞价；电力公司根据负荷聚合商在各时段投标的负荷削减量和报价，以最小化负荷调度成本为目标优化调度计划；在实时调度中，负荷聚合商以最大化其利益为目标对电动汽车进行充放电调度，使得在满足电动汽车用户的充电需求的同时降低充电成本和调度偏差。

下面结合附图1中本发明的方法流程对本发明中的基于需求侧竞价的电动汽车充放电调度方法进行详细说明。

第一部分：负荷聚合商参与需求侧竞价调度框架

随着电动汽车规模的扩大，充放电优化求解变量维数的激增，对电动汽车的充放电进行集中控制将对调度部门的计算处理能力提出很高的要求。同时，允许用户参与电力市场的门槛通常是MW级，而单辆电动汽车并达不到此容量级。因此，可由负荷聚合商作为电力公司调度部门和需求响应资源之间的中介，建立包括电力公司调度部门、负荷聚合商、分散的电动汽车在内的双层调度模式，实现分层分区调度；如附图2所示。

宏观层中，电力公司调度部门通过负荷预测与电网供需情况，公布次日需要削减负荷的时段，并根据负荷聚合商上报的出力和报价等投标信息，制定次日的调度计划，与负荷聚合商签订合同，规定每个负荷聚合商需要向电网反馈电能的时段、出力以及相应的报酬。

微观层中，负荷聚合商通过与电动汽车用户签订合同获得其充放电控制权。鉴于我国目前的电力市场机制，电动汽车充电电价仍执行电力公司发布的充电电价，电动汽车用户充电产生的充电费用仍上缴电力公司，负荷聚合商不参与市场买电行为，负荷聚合商的作用仅仅是将分散的电动汽车储能资源进行有效整合，为电力公司提供需求响应资源，并从中获得相应报酬，同时支付一定的补偿费用给电动汽车用户。负荷聚合商在日前通过对次日电动汽车行为特性的预测，预测次日向电网反馈电能的时段所能提供的出力，并在日前市场参与需求侧竞价。根据中标情况，负荷聚合商需实时优化电动汽车的充放电调度，使得在满足电动汽车用户的充电需求的同时降低充电成本和调度偏差，最大化其利润。

第二部分：建立负荷聚合商的出力投标决策模型

电力公司首先公布次日需要削减负荷的时段以便负荷聚合商对可放电容量进行预测，假设共有M个时段(x＝1,2,…,M)需要削减负荷。

设负荷聚合商的调度周期为T，由于在负荷削减时段外向电网放电电力公司并不给予报酬，因此负荷聚合商仅在x时段内对电动汽车进行放电调度；通过对次日电动汽车用户行为特性的预测，负荷聚合商以最大化电动汽车放电量为目标对可控容量进行预测，为参与需求侧竞价提供参考；

${\mathrm{maxQ}}^{DA}=\underset{x=1}{\overset{M}{\&Sigma;}}\underset{i=1}{\overset{n^{DA}}{\&Sigma;}}{P}_{dc}(x,i)\mathrm{\&Delta;}x$

其中：Q^DA为日前预测的电动汽车放电总量；n^DA为日前预测的电动汽车总量；P_dc(x,i)为第i辆电动汽车在x时段的放电功率，x＝1,2,…,M；M为电力公司公布的次日需要进行负荷削减的时段数量，各时段的时长均为△x。

约束条件：

(2.1)电动汽车用户出行约束

电动汽车作为一种交通工具，在对其进行充放电调度的时候首先要考虑满足用户的出行需求，即：

SOC(t_ei)＝SOC_si

其中：SOC(t_ei)为第i辆电动汽车离开电网时的荷电状态；SOC_si为第i辆电动汽车设定的离开电网时所需达到的荷电状态。

(2.2)充放电状态约束

负荷聚合商仅在x时段内对电动汽车进行调度，其他时段不对电动汽车进行调度；同时，在负荷削减时段内，任意一辆电动汽车均不能同时充电和放电，即：

$P_{dc}(t,i)=0,t\&NotElement;x$

P_c(x,i)P_dc(x,i)＝0

其中：P_c(x,i)为第i辆电动汽车在x时段的充电功率。

(2.3)荷电状态约束

第i辆电动汽车在t时刻的荷电状态SOC(t,i)为：

其中：η_c为电动汽车充电效率，η_dc为电动汽车放电效率；P_c(t,i)为第i辆电动汽车在t时刻的充电功率，P_dc(t,i)为第i辆电动汽车在t时刻的放电功率；W_Ci为第i辆电动汽车的电池容量，△t为时间段间隔。

第三部分：建立电力公司调度计划优化模型

假设一共有m家负荷聚合商，在日前市场，负荷聚合商向电力公司上报各时段的需求响应资源供应量和报价后，为促进负荷聚合商之间的竞争，电力公司调度部门按需求侧统一边际成本结算的负荷调度成本最低为目标优化制定调度计划，即

$\min C=\underset{x=1}{\overset{M}{\&Sigma;}}\&lsqb;P_{MP}\left(x\right)\underset{k=1}{\overset{m}{\&Sigma;}}D(x,k)\&rsqb;$

P_MP(x)＝max{p(x,1),p(x,2),…,p(x,k)}

s.t.0≤D(x,k)≤Q^DA(x,k)

$\underset{k=1}{\overset{m}{\&Sigma;}}D(x,k)\&GreaterEqual;R\left(x\right)$

式中，P_MP(x)为x时段的需求侧边际成本，为竞价成功者中的最高报价；D(x,k)为x时段负荷聚合商k竞价获得的负荷削减量；p(x,k)为x时段负荷聚合商k的报价；Q^DA(x,k)为x时段负荷聚合商的k投标的电力削减量；R(x)为电力公司在x时段所需的***总削减量。

第四部分：研究电动汽车不参与调度时的充电成本

若电动汽车不参与调度计划，则以最小化电动汽车充电成本为目标对电动汽车进行充电：

${\mathrm{minF}}_{ci}=\underset{t=t_{bi}}{\overset{t_{ei}}{\&Sigma;}}c\left(t\right)P_c(t,i)\mathrm{\&Delta;}t$

其中：F_ci为第i辆电动汽车不参与调度计划时的充电成本；c(t)为t时刻电动汽车的充电电价，t_bi为第i辆电动汽车接入电网时间，t_ei为第i辆电动汽车离开电网时间。

约束条件：

(4.1)电动汽车用户出行约束

SOC(t_ei)＝SOC_si

(4.2)荷电状态约束

第五部分：分析电动汽车实时调度偏差

电力公司分配给第k家负荷聚合商的负荷缺额为D(x,k)，第k家负荷聚合商的管辖范围内实际有n^RT辆电动汽车可控制，则x时段第k家负荷聚合商所能提供的电动汽车实际放电量为Q^RT(x,k)：

$Q^{RT}(x,k)=\underset{i=1}{\overset{n^{RT}}{\&Sigma;}}{P}_{dc}(x,i)$

则第k家负荷聚合商在x时段的日前调度计划与实际放电量的偏差e(x,k)为：

e(x,k)＝D(x,k)-Q^RT(x,k)

第六部分：建立电动汽车实时调度优化模型

负荷聚合商的收入主要来源于电力公司，电力公司根据负荷聚合商对日前调度计划的执行情况进行报酬结算；为了达到预期负荷削减效果同时降低负荷调度成本的目的，当负荷聚合商的出力大于调度计划时按照调度计划结算，当负荷聚合商的出力小于调度计划时按照实际削减量结算；但如果调度偏差超过电力公司允许的最大值δ_max时，电力公司将对负荷聚合商进行罚款，超出部分罚款为γ，即第k家负荷聚合商所获得的收入F₁(k)为：

$F_1\left(k\right)=\left\{\begin{array}{cc}\underset{x=1}{\overset{M}{\&Sigma;}}{P}_{MP}\left(x\right)D\left(x,k\right)& Q^{RT}\left(x,k\right)\&GreaterEqual;D\left(x,k\right)\\ \underset{x=1}{\overset{M}{\&Sigma;}}\&lsqb;P_{MP}\left(x\right)Q^{RT}\left(x,k\right)-\mathrm{\&gamma;}\&times;\mathrm{\&delta;}\left(x,k\right)\&rsqb;\mathrm{\&Delta;}x& Q^{RT}\left(x,k\right)<D\left(x,k\right)\end{array}\right.$

其中：δ(x,k)＝max{0,(e(x,k)-δ_max)}。

为了充分调动电动汽车用户的积极性，由于调度电动汽车参与放电而导致的额外充电成本需要由负荷聚合商支付，同时考虑到电池损耗，负荷聚合商需要支付参与电动汽车放电的用户一部分补偿费用，设单位电量补偿费率为r，则第k家负荷聚合商需支付的补偿费用F₂(k)为：

$F_2\left(k\right)=r\underset{x=1}{\overset{M}{\&Sigma;}}{Q}^{RT}\left(x,k\right)\mathrm{\&Delta;}x+\underset{i=1}{\overset{n^{RT}}{\&Sigma;}}\left(\underset{t=t_{bi}}{\overset{t_{ei}}{\&Sigma;}}c\left(t\right)P_c\left(t,i\right)\mathrm{\&Delta;}t-F_{ci}\right)$

负荷聚合商从出售负荷侧资源获得的收入中扣除支付给用户的补偿费用，即为负荷聚合商获得的利润：

maxF(k)＝F₁(k)-F₂(k)

为了使得电动汽车负荷聚合商的利润最大化，则需要同时满足最小化电动汽车实际放电量与调度计划的偏差和最小化电动汽车的充电成本，因此，以最大化负荷聚合商的利润为目标对电动汽车进行实时调度。

约束条件：

(6.1)电动汽车用户出行约束

SOC(t_ei)＝SOC_si

(6.2)充电状态约束

$P_{dc}(t,i)=0,t\&NotElement;x$

P_c(x,i)P_dc(x,i)＝0

(6.3)荷电状态约束

综上，本发明提供的基于需求侧竞价的电动汽车充放电调度模型，通过有效整合电动汽车储能资源，能够解决或缓解***的电力不平衡问题。负荷聚合商通过对电动汽车进行充放电调度，既能保证满足电动汽车用户的出行需求，又能从中获得收益。为未来电动汽车大规模接入电网提供充放电调度理论基础。

以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (4)

1.一种基于需求侧竞价的电动汽车充放电调度方法，其特征在于：在日前调度中，负荷聚合商根据电力公司公布的次日需要进行负荷削减的时段，通过对电动汽车用户行为特性的预测，以最大化电动汽车放电量为目标对可控容量进行预测，并参与需求侧竞价；电力公司根据负荷聚合商在各时段投标的负荷削减量和报价，按需求侧统一边际成本结算的负荷调度成本最低为目标优化制定调度计划；在实时调度中，负荷聚合商以最大化其利益为目标对电动汽车进行充放电调度，使得在满足电动汽车用户的充电需求的同时降低充电成本和调度偏差。

2.根据权利要求1所述的基于需求侧竞价的电动汽车充放电调度方法，其特征在于：包括如下步骤：

(1)负荷聚合商参与需求侧竞价调度框架：负荷聚合商作为电力公司和需求响应资源之间的中介，建立包括电力公司、负荷聚合商、分散的电动汽车在内的双层调度模式；

(2)建立负荷聚合商的出力投标决策模型：通过对次日电动汽车用户行为特性的预测，负荷聚合商以最大化电动汽车放电量为目标对可控容量进行预测，为参与需求侧竞价提供参考：

${\mathrm{maxQ}}^{DA}=\underset{x=1}{\overset{M}{\&Sigma;}}\underset{i=1}{\overset{n^{DA}}{\&Sigma;}}{P}_{dc}(x,i)\mathrm{\&Delta;}x$

其中：Q^DA为日前预测的电动汽车放电总量；n^DA为日前预测的电动汽车总量；P_dc(x,i)为第i辆电动汽车在x时段的放电功率，x＝1,2,…,M；M为电力公司公布的次日需要进行负荷削减的时段数量，各时段的时长均为Δx；

(3)建立电力公司调度计划优化模型：设共有m家负荷聚合商，第k家负荷聚合商在x时段竞价的负荷削减量和报价分别为Q^DA(x,k)和p(x,k)；电力公司在x时段所需的负荷削减总量为R(x)，分配给第k家负荷聚合商的负荷缺额为D(x,k)，电力公司按需求侧统一边际成本结算的负荷调度成本最低为目标优化制定调度计划，即：

$\min C=\underset{x=1}{\overset{M}{\&Sigma;}}\&lsqb;P_{MP}\left(x\right)\underset{k=1}{\overset{m}{\&Sigma;}}D(x,k)\&rsqb;$

P_MP(x)＝max{p(x,1),p(x,2),…,p(x,k)}

s.t.0≤D(x,k)≤Q^DA(x,k)

$\underset{k=1}{\overset{m}{\&Sigma;}}D(x,k)\&GreaterEqual;R\left(x\right)$

其中：P_MP(x)为x时段的需求侧边际成本，为竞价成功者中的最高报价；

(4)研究电动汽车不参与调度计划时的充电成本：若电动汽车不参与调度计划，则以最小化电动汽车充电成本为目标对电动汽车进行充电：

${\mathrm{minF}}_{ci}=\underset{t=t_{bi}}{\overset{t_{ei}}{\&Sigma;}}c\left(t\right)P_c(t,i)\mathrm{\&Delta;}t$

s.t.SOC(t_ei)＝SOC_si

其中：F_ci为第i辆电动汽车不参与调度计划时的充电成本；c(t)为t时刻电动汽车的充电电价，t_bi为第i辆电动汽车接入电网时间，t_ei为第i辆电动汽车离开电网时间；SOC(t_ei)为第i辆电动汽车离开电网时的荷电状态；SOC_si为第i辆电动汽车设定的离开电网时所需达到的荷电状态；SOC(t,i)为第i辆电动汽车在t时刻的荷电状态；η_c为电动汽车充电效率；P_c(t,i)为第i辆电动汽车在t时刻的充电功率；W_Ci为第i辆电动汽车的电池容量；Δt为时间段间隔；

(5)分析电动汽车实时调度偏差：设第k家负荷聚合商的管辖范围内实际有n^RT辆电动汽车可控制，则x时段第k家负荷聚合商所能提供的电动汽车实际放电量为Q^RT(x,k)：

$Q^{RT}(x,k)=\underset{i=1}{\overset{n^{RT}}{\&Sigma;}}{P}_{dc}(x,i)$

则第k家负荷聚合商在x时段的日前调度计划与实际放电量的偏差e(x,k)为：

e(x,k)＝D(x,k)-Q^RT(x,k)

(6)建立电动汽车实时调度优化模型：负荷聚合商以最大化其利益为目标对电动汽车进行充放电调度：

maxF(k)＝F₁(k)-F₂(k)

其中：F₁(k)为第k家负荷聚合商所获得的收入；F₂(k)为第k家负荷聚合商需支付的补偿费用。

3.根据权利要求2所述的基于需求侧竞价的电动汽车充放电调度方法，其特征在于：所述步骤(2)中，建立负荷聚合商的出力投标决策模型具体过程为：

电力公司公布次日需要进行负荷削减的时段为x＝1,2,…,M，负荷聚合商据此对可放电容量进行预测；

设负荷聚合商的调度周期为T，由于在负荷削减时段外向电网放电电力公司并不给予报酬，因此负荷聚合商仅在x时段内对电动汽车进行放电调度；通过对次日电动汽车用户行为特性的预测，负荷聚合商以最大化电动汽车放电量为目标对可控容量进行预测，为参与需求侧竞价提供参考；

${\mathrm{maxQ}}^{DA}=\underset{x=1}{\overset{M}{\&Sigma;}}\underset{i=1}{\overset{n^{DA}}{\&Sigma;}}{P}_{dc}(x,i)\mathrm{\&Delta;}x$

约束条件：

(2.1)电动汽车用户出行约束

电动汽车作为一种交通工具，在对其进行充放电调度的时候首先要考虑满足用户的出行需求，即：

SOC(t_ei)＝SOC_si

(2.2)充放电状态约束

负荷聚合商仅在x时段内对电动汽车进行调度，其他时段不对电动汽车进行调度；同时，在负荷削减时段内，任意一辆电动汽车均不能同时充电和放电，即：

$P_{dc}(t,i)=0,t\&NotElement;x$

P_c(x,i)P_dc(x,i)＝0

其中：P_c(x,i)为第i辆电动汽车在x时段的充电功率；

(2.3)荷电状态约束

第i辆电动汽车在t时刻的荷电状态为：

其中：η_dc为电动汽车放电效率。

4.根据权利要求2所述的基于需求侧竞价的电动汽车充放电调度方法，其特征在于：所述步骤(6)中，建立电动汽车实时调度优化模型具体过程为：

负荷聚合商的收入主要来源于电力公司，电力公司根据负荷聚合商对日前调度计划的执行情况进行报酬结算；为了达到预期负荷削减效果同时降低负荷调度成本的目的，当负荷聚合商的出力大于调度计划时按照调度计划结算，当负荷聚合商的出力小于调度计划时按照实际削减量结算；但如果调度偏差超过电力公司允许的最大值δ_max时，电力公司将对负荷聚合商进行罚款，超出部分罚款为γ，即第k家负荷聚合商所获得的收入F₁(k)为：

$F_1\left(k\right)=\left\{\begin{array}{cc}\underset{x=1}{\overset{M}{\&Sigma;}}{P}_{MP}\left(x\right)D\left(x,k\right)& Q^{RT}\left(x,k\right)\&GreaterEqual;D\left(x,k\right)\\ \underset{x=1}{\overset{M}{\&Sigma;}}\&lsqb;P_{MP}\left(x\right)Q^{RT}\left(x,k\right)-\mathrm{\&gamma;}\&times;\mathrm{\&delta;}\left(x,k\right)\&rsqb;\mathrm{\&Delta;}x& Q^{RT}\left(x,k\right)<D\left(x,k\right)\end{array}\right.$

其中：δ(x,k)＝max{0,(e(x,k)-δ_max)}；

为了充分调动电动汽车用户的积极性，由于调度电动汽车参与放电而导致的额外充电成本需要由负荷聚合商支付，同时考虑到电池损耗，负荷聚合商需要支付参与电动汽车放电的用户一部分补偿费用，设单位电量补偿费率为r，则第k家负荷聚合商需支付的补偿费用F₂(k)为：

$F_2\left(k\right)=r\underset{x=1}{\overset{M}{\&Sigma;}}{Q}^{RT}\left(x,k\right)\mathrm{\&Delta;}x+\underset{i=1}{\overset{n^{RT}}{\&Sigma;}}\left(\underset{t=t_{bi}}{\overset{t_{ei}}{\&Sigma;}}c\left(t\right)P_c\left(t,i\right)\mathrm{\&Delta;}t-F_{ci}\right)$

负荷聚合商从出售负荷侧资源获得的收入中扣除支付给用户的补偿费用，即为负荷聚合商获得的利润：

maxF(k)＝F₁(k)-F₂(k)

为了使得电动汽车负荷聚合商的利润最大化，则需要同时满足最小化电动汽车实际放电量与调度计划的偏差和最小化电动汽车的充电成本，因此，以最大化负荷聚合商的利润为目标对电动汽车进行实时调度：

约束条件：

(3.1)电动汽车用户出行约束

SOC(t_ei)＝SOC_si

(3.2)充电状态约束

P_c(x,i)P_dc(x,i)＝0

(3.3)荷电状态约束

其中：η_dc为电动汽车放电效率。