CN106160091B - 促进可再生能源消纳的电动汽车换电站充放电调度方法 - Google Patents
促进可再生能源消纳的电动汽车换电站充放电调度方法 Download PDFInfo
- Publication number
- CN106160091B CN106160091B CN201610591492.5A CN201610591492A CN106160091B CN 106160091 B CN106160091 B CN 106160091B CN 201610591492 A CN201610591492 A CN 201610591492A CN 106160091 B CN106160091 B CN 106160091B
- Authority
- CN
- China
- Prior art keywords
- electrical changing
- changing station
- moment
- discharge
- power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000001172 regenerating effect Effects 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005096 rolling process Methods 0.000 claims abstract description 51
- 238000005457 optimization Methods 0.000 claims abstract description 38
- 230000005611 electricity Effects 0.000 claims description 44
- 238000012937 correction Methods 0.000 claims description 27
- 238000010248 power generation Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 238000007599 discharging Methods 0.000 claims description 9
- 230000001737 promoting effect Effects 0.000 claims description 7
- 230000009194 climbing Effects 0.000 claims description 4
- 238000009826 distribution Methods 0.000 abstract description 24
- 230000033228 biological regulation Effects 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 230000000295 complement effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Classifications
-
- H02J7/0027—
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60L—PROPULSION OF ELECTRICALLY-PROPELLED VEHICLES; SUPPLYING ELECTRIC POWER FOR AUXILIARY EQUIPMENT OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRODYNAMIC BRAKE SYSTEMS FOR VEHICLES IN GENERAL; MAGNETIC SUSPENSION OR LEVITATION FOR VEHICLES; MONITORING OPERATING VARIABLES OF ELECTRICALLY-PROPELLED VEHICLES; ELECTRIC SAFETY DEVICES FOR ELECTRICALLY-PROPELLED VEHICLES
- B60L53/00—Methods of charging batteries, specially adapted for electric vehicles; Charging stations or on-board charging equipment therefor; Exchange of energy storage elements in electric vehicles
- B60L53/60—Monitoring or controlling charging stations
- B60L53/64—Optimising energy costs, e.g. responding to electricity rates
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/70—Energy storage systems for electromobility, e.g. batteries
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/7072—Electromobility specific charging systems or methods for batteries, ultracapacitors, supercapacitors or double-layer capacitors
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
- Y02T90/10—Technologies relating to charging of electric vehicles
- Y02T90/12—Electric charging stations
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Mechanical Engineering (AREA)
- Game Theory and Decision Science (AREA)
- Transportation (AREA)
- Power Engineering (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种促进可再生能源消纳的电动汽车换电站充放电调度方法,其步骤包括:1)日前基于次日可再生能源发电出力,负荷需求,电动汽车换电站用电需求以及剩余电量预测信息,以最大化消纳可再生能源,最小化可调机组发电成本为优化目标,确定电动汽车换电站日前充放电计划以及可调机组日前出力计划;2)日内针对剩余时段可再生能源,负荷,电动汽车需求及剩余电量的短期预测结果,以当前时刻剩余时段最大化消纳可再生能源为目标,滚动修正日前电动汽车换电站的充放电计划。通过该方法,可以在一定程度上消纳可再生能源,减轻有源配电网的调控压力,降低***总运行成本,实现有源配电网内资源经济高效综合利用。
Description
技术领域
本发明属于配电网运行优化领域,涉及一种促进可再生能源消纳的电动汽车换电站充放电调度方法。
背景技术
随着能源短缺和环境污染问题日益紧迫,近年来我国已将可再生能源利用作为能源可持续发展战略的重要举措。但随着可再生能源在配电网中渗透率的逐渐提高,其出力所具有的随机性和间歇性等特点将给配电网的调度和控制带来挑战,尤其在部分地区,可再生能源的渗透率已接近100%,其在高峰发电时段可能出现大量可再生能源电量反送电网的情况,给电网的安全稳定运行带来极大影响。
电动汽车作为智能电网领域不可或缺的重要组成部分,其相关技术的研究得到大量的推广与应用。电动汽车具有可控负荷和电源的双重作用,其在充电过程中可视为用电负荷,其放电过程可视为需求侧储能资源,可以与电网进行有效互动,为有源配电网的调控问题带来新的发展机遇。
现有电动汽车调度方法大多关注其自身经济运行,或只应用在用电负荷削峰填谷等方面。考虑到可再生能源高密度接入电网的情况,合理优化电动汽车充放电计划可以有效缓减配电网消纳大规模可再生能源的压力。因此,有必要充分挖掘电动汽车调度在消纳可再生能源方面的潜力,研究其与可再生能源间的协调互动特性,降低***的发电运行成本,实现有源配电网内资源的合理高效利用。
发明内容
技术问题:本发明提供了一种促进可再生能源消纳的电动汽车换电站充放电调度方法,通过优化电动汽车换电站充放电的时间和功率,能在可再生能源发电高峰时段消纳多余的发电量,在负荷高峰期缓减常规可调机组的发电负担,在最大化消纳配电网内可再生能源的同时降低***的总运行成本。
技术方案:本发明的促进可再生能源消纳的电动汽车换电站充放电调度方法,包括下述步骤:
1)从地区电网调度中心获得次日每小时的负荷功率需求预测信息,可再生能源的发电出力预测信息,电动汽车换电站的换电需求以及换下电池剩余电量预测信息,以最大化消纳可再生能源、最小化地区可调机组发电成本为优化目标,并合成日前阶段的总优化目标,以换电站充放电状态约束、换电站充放电功率约束、换电站电量存储约束、可调机组出力约束、可调机组爬坡约束、可调机组启停时间约束、用户用电需求约束为约束条件,建立日前多目标优化调度模型,进行日前多目标优化调度,得到换电站日前充放电调度计划以及可调机组日前发电调度计划;
2)在日内阶段,每隔固定时间间隔从地区电网调度中心获取已更新的负荷需求、可再生能源出力、电动汽车换电站换电需求及剩余电量在日内当前时刻剩余时段的预测信息,以步骤1)中得到的换电站日前充放电调度计划和可调机组日前发电调度计划为依据,以当前时刻剩余时段可再生能源消纳最大化为优化目标,以换电站充放电功率修正约束、换电站电量存储修正约束、滚动计划对日前计划的修正约束为约束条件,建立日内滚动优化调度模型,对剩余时段换电站的充放电功率进行滚动优化,得到剩余时段换电站充放电功率的修正量,并以所述修正量对剩余时段内换电站的日前充放电调度计划进行修正。
进一步的,本发明方法中,所述步骤1)中,最大化消纳可再生能源的优化目标如下:
式中,f1为日前阶段未被消纳的可再生能源,TRE为可再生能源发电出力大于***负荷需求时刻的集合,Pt RE,DA为t时刻可再生能源的日前发电出力,为日前阶段第i台可调机组在t时刻的出力,N为可调机组的总台数,为t时刻***的日前用电负荷需求,Pt ch,DA为日前阶段t时刻换电站的充电负荷,ηch为换电站的充电效率,Pt dis,DA为日前阶段t时刻换电站的放电负荷,ηdis为换电站的充电效率;
最小化地区可调机组发电成本的优化目标如下:
式中,f2为日前阶段可调机组的发电成本,T为总时间集合,ai为第i台机组的发电成本二次系数,bi为第i台机组的发电成本一次系数,ci为第i台机组的发电成本常数项系数,i为可调机组编号;
多目标优化的总优化目标如下:
minfDA=α(f1/f10)+β(f2/f20)
式中,fDA为日前阶段的总优化目标,α为可再生能源消纳目标的权重系数,β为可调机组发电成本目标的权重系数,f10为未进行优化情况下的可再生能源倒送功率初值,f20为未进行优化情况下可调机组的发电成本初值。
进一步的,本发明方法中,步骤1)中,换电站充放电状态约束为:
式中,表示日前阶段换电站在t时刻的充电状态,表示换电站在t时刻处于充电状态,表示换电站在t时刻未处于充电状态;表示日前阶段换电站在t时刻的放电状态,表示换电站在t时刻处于放电状态,表示换电站在t时刻未处于放电状态;
换电站充放电功率约束为:
式中,Pch,Pdis分别为换电站内单个充电桩的充电功率和放电功率,分别为日前阶段t时刻换电站内在线充电电池数和在线放电电池数,Nmax为换电站内的充电位数量;
换电站电量存储约束为:
式中,表示日前阶段t时刻换电站内的存储电量,表示日前阶段t-ΔT时刻换电站内的存储电量,为日前阶段t-ΔT时刻换电站的充电负荷,为日前阶段t-ΔT时刻换电站的充电负荷,ΔT为单位时间间隔,Ebattery表示单组电池的满电电量,为日前阶段t时刻换电站用户需要更换的电池数量,为日前阶段t-ΔT时刻换电站用户需要更换的电池数量,为日前阶段t-ΔT时刻换下电池的剩余电量,η为换电站容量备用率,NT为换电站内包括备用电池的电池总数量,考虑到电动汽车电池的使用寿命,换电站内所有电池的充放电深度不能超过80%;
可调机组出力约束为:
式中,为日前阶段第i台机组在t时刻的启停状态,表示第i台机组在t时刻处于开启状态,表示第i台机组在t时刻处于关停状态,分别为第i台机组的最小和最大发电出力;
可调机组爬坡约束为:
式中,为日前阶段第i台可调机组在t+ΔT时刻的出力,为第i台可调机组的向上爬坡速率限制,为第i台可调机组的向下爬坡速率限制;
可调机组启停时间约束为:
式中:为日前阶段第i台机组在t-ΔT时刻的启停状态,分别为第i台可调机组的开机后最小运行时间和停机后最小停运时间;
用户用电需求约束为:
进一步的,本发明方法中,所述步骤2)滚动优化调度是步骤1)的必要补充,随着预测时间尺度的变长,影响预测信息的不确定因素增加,预测的准确度逐渐降低,换电站的日前调度效果也将相应受到影响。日内每隔固定时间间隔对当日当前时刻剩余时段进行滚动优化调度,能够消减预测误差所带来的影响,进一步提高配电网消纳可再生能源的程度,降低配电网为应对日前预测误差所产生的成本。
进一步的,本发明方法中,步骤2)中,Pch,Pdis,Nmax,,Ebattery,η,NT可通过步骤1)中日前优化调度得到。
进一步的,本发明方法中,步骤2)中,当日剩余时段可再生能源消纳最大化的优化目标为:
式中,T0时刻为滚动优化的当前时刻,Δt为滚动调度阶段的时间间隔,Pt RE,R为滚动阶段可再生能源在t时刻的预测出力,为滚动阶段在t时刻的预测负荷需求,△Pt ch,R为滚动阶段换电站充电功率在t时刻的修正值,△Pt dis,R为滚动阶段换电站放电功率在t时刻的修正值。
进一步的,本发明方法中,步骤2)中,换电站充放电功率修正约束为:
t=T0+△t,…T
式中,为滚动阶段换电站在线充电电池数在t时刻的修正值,为滚动阶段换电站在线放电电池数在t时刻的修正值;
换电站电量存储修正约束为:
t=T0+△t,…T
式中,表示滚动阶段t时刻换电站内的存储电量,表示滚动阶段t-Δt时刻换电站内的存储电量,为日前阶段t-Δt时刻的换电站充电功率,为滚动阶段换电站充电功率在t-Δt时刻的修正值,为日前阶段t-Δt时刻的换电站放电功率,为滚动阶段换电站放电功率在t-Δt时刻的修正值,为滚动阶段t时刻换电站用户需要更换的电池数量,为滚动阶段t-Δt时刻换电站用户需要更换的电池数量,为滚动阶段t-Δt时刻换下电池的剩余电量;
滚动计划对日前计划的修正约束为:
t=T0+△t,…T
式中,分别为换电站在线充电电池数在滚动阶段允许的最小和最大修正值,分别为换电站在线放电电池数在滚动阶段允许的最小和最大修正值。
有益效果:与现有技术相比,本发明具有以下优点:
现有电动汽车调度方法大多只集中在电动汽车电站自身的经济运行最优,或者将其纳入到配电网调度中,以实现削峰填谷,平滑总负荷曲线的作用,且研究多针对电动汽车充电模式的情景,鲜少有考虑采用更换电池的电能补给模式。本发明考虑到可再生能源高密度接入配电网,大量电能难以消纳的现实情况,结合电动汽车电站采取“换电模式”更有利于电网集中调控的优势,将电动汽车换电站充放电优化调度应用到配电网可再生能源消纳方面,将其与配电网内常规可调机组调度相结合,在日前阶段以实现最大化消纳可再生能源,最小化可调机组发电成本为优化目标,对电动汽车换电站的集中充放电时间以及功率,可调机组发电计划进行优化调度,同时在日内滚动阶段以剩余时段可再生能源消纳最大化为优化目标,修正换电站的日前充放电调度计划,消减日内预测误差所带来的影响,进一步提高配电网消纳可再生能源的程度,降低配电网应对日前预测误差所耗成本。本方法的提出,为配电网消纳可再生能源问题提供了一种新思路,使电动汽车换电站在提高配电网运行经济性、安全性等方面的作用进一步得到了充分发挥,促进区域电网整体能效进一步提升。
附图说明
图1为本发明的方法流程示意图。
图2为日前负荷预测曲线以及可再生能源发电预测曲线。
图3为日前电动汽车换电需求及换下电池剩余电量。
图4为日前电动汽车换电站充放电调度结果。
图5为日前可调机组发电调度结果。
图6为日前等效负荷预测曲线与10时刻日内等效负荷预测曲线对比。
图7为日前和滚动阶段换电站充放电调度结果对比。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施案例对本发明进行深入地详细说明。应当理解,此处所描述的具体实施案例仅仅用以解释本发明,并不用于限定发明。
附图1是本发明的方法流程示意图,介绍了本发明方法的基本步骤。
首先,从地区电网调度中心获得次日每小时可再生能源的发电出力预测信息和负荷功率预测信息,如附图2所示,在可再生能源大发时段,发电量已超过负荷需求,可能产生能源倒送等***安全问题。
获得电动汽车换电站次日每小时的换电池数量,以及换下电池的剩余电量,如附图3所示,且已知换电站内的充电桩数量为300个,单个充电桩充电功率和放电功率恒为50kW,充电效率为0.95,放电效率为0.92。
此外,已知园区内有三组可调发电机组,其机组容量分别为50MW,50MW,80MW。
通过优化换电站的充电时间及充电功率可在可再生能源发电高峰时段有效消纳多余的电能,最大化消纳可再生能源的目标函数为:
式中,f1为日前阶段未被消纳的可再生能源,TRE为可再生能源发电出力大于***负荷需求时刻的集合,Pt RE,DA为t时刻可再生能源的日前发电出力,为日前阶段第i台可调机组在t时刻的出力,N为可调机组的总台数,为t时刻***的日前用电负荷需求,为日前阶段t时刻换电站的充电负荷,ηch为换电站的充电效率,Pt dis,DA为日前阶段t时刻换电站的放电负荷,ηdis为换电站的充电效率;
通过优化换电站的充放电时刻和充放电功率可在负荷高峰时段减轻可调机组发电的压力,节省可调机组发电成本,最小化地区可调机组发电成本的优化目标为:
式中,f2为日前阶段可调机组的发电成本,T为总时间集合,ai为第i台机组的发电成本二次系数,bi为第i台机组的发电成本一次系数,ci为第i台机组的发电成本常数项系数,i为可调机组编号。
采用权重系数法将多目标优化问题转化为单目标优化问题,首先对目标函数值进行归一化处理,然后相加得到总优化目标如下:
min fDA=α(f1/f10)+β(f2/f20)
式中,fDA为日前阶段的总优化目标,α为可再生能源消纳目标的权重系数,本例中设为0.5,β为可调机组发电成本目标的权重系数,本例中设为0.5,f10为未进行优化情况下的可再生能源倒送功率初值,f20为未进行优化情况下可调机组的发电成本初值。
日前多目标优化调度的约束包括换电站充放电状态、功率以及电量存储约束,可调机组出力、爬坡以及开停机约束,用户电量需求等约束。
换电站充放电状态约束为:
式中,表示日前阶段换电站在t时刻的充电状态,表示换电站在t时刻处于充电状态,表示换电站在t时刻未处于充电状态;表示日前阶段换电站在t时刻的放电状态,表示换电站在t时刻处于放电状态,表示换电站在t时刻未处于放电状态;
换电站在某一时刻的充放电功率等于该时刻在线充/放电的电池数乘以单个充电桩的恒定充/放电功率,且在线充/放电的电池数应小于换电站内的充电桩总数。换电站充放电功率约束可表示为:
式中,Pch,Pdis分别为换电站内单个充电桩的充电功率和放电功率,分别为日前阶段t时刻换电站内在线充电电池数和在线放电电池数,Nmax为换电站内的充电位数量;
换电池过程中,日前t时刻换电站内电池存储的电量可表示为:
式中,表示日前阶段t时刻换电站内的存储电量,表示日前阶段t-ΔT时刻换电站内的存储电量,为日前阶段t-ΔT时刻换电站的充电负荷,为日前阶段t-ΔT时刻换电站的充电负荷,ΔT为单位时间间隔,本实施例中设为1小时,Ebattery表示单组电池的满电电量,为日前阶段t-ΔT时刻换电站用户需要更换的电池数量,为日前阶段t-ΔT时刻换下电池的剩余电量。
考虑到日前电动汽车换电池的需求预测存在误差,换电站本身需要预留一部分备用容量,此外,为了保证电池的使用寿命,站内所有电池充放电深度不应超过80%,故换电站内电量存储约束可表示为:
式中,为日前阶段t时刻换电站用户需要更换的电池数量,η为换电站容量备用率,NT为换电站内包括备用电池的电池总数量。
在优化模型中,可调机组的出力约束可表示为:
式中,为日前阶段第i台机组在t时刻的启停状态,表示第i台机组在t时刻处于开启状态,表示第i台机组在t时刻处于关停状态,分别为第i台机组的最小和最大发电出力;
可调机组爬坡约束为:
式中,为日前阶段第i台可调机组在t+ΔT时刻的出力,为第i台可调机组的向上爬坡速率限制,为第i台可调机组的向下爬坡速率限制;
可调机组启停时间约束为:
式中:为日前阶段第i台机组在t-ΔT时刻的启停状态,分别为第i台可调机组的开机后最小运行时间和停机后最小停运时间;
配电网中的电能供给量应当满足***中的用户用电需求:
依据上述优化模型对本案例进行日前多目标优化调度,可得电动汽车换电站日前调度计划如附图4所示,各可调机组日前调度计划如附图5所示。经过日前多目标优化后***的可再生能源倒送总功率由40588.4kW降至20777kW,可再生能源消纳率为48.8%,可调机组发电成本由3106.7元降至1859元,降低约40.16%,证明本发明所述换电站充放电调度方法能在日前阶段有效消纳可再生能源,降低发电成本。
换电站日内滚动优化调度是日前调度的必要补充,随着预测时间尺度的变长,影响预测信息的不确定因素增加,预测的准确度逐渐降低,换电站的日前调度效果也将相应受到影响。以扩展短期负荷预测,短期可再生能源预测,以及电动汽车需求短期预测为基础的滚动调度计划,充分利用最新的信息,每隔固定时间间隔重对日内每个时段之后剩余时段的换电站充放电调度计划进行修正,逐步降低日前计划的不确定性,进一步提高配电网消纳可再生能源的程度,降低配电网应对日前预测误差所耗成本。
滚动调度计划的具体过程为:在日内当前时刻T0,重新预测当日剩余时段(T0+Δt,T0+2Δt,…T)的负荷,可再生能源出力,电动汽车需求的最新信息,根据该最新预测信息,以当日剩余时段的可再生能源总消纳量最大化为优化目标,优化求得剩余各时段换电站充放电功率的修正值,并以此修正值对剩余各时段换电站充放电调度计划进行修正,然后到下一个时刻T0+Δt,重复上述过程,不断滚动进行各时刻电动汽车换电站充放电计划的修正值求解以及修正过程,从而逐渐降低日前计划的不确定性。
本案例中,滚动调度计划的时间间隔Δt设为1小时,以日内10时刻的滚动调度计划为例,日内在时刻10时对剩余时段的负荷需求、可再生能源发电量、电动汽车换电需求及剩余电量进行短期预测,定义***中负荷需求(包括换电站充放电负荷)减去可再生能源发电量后的需求曲线为等效负荷需求曲线,则日前和日内等效负荷需求曲线差别如附图6所示。
当日剩余时段可再生能源消纳最大化的优化目标为:
式中,T0时刻为滚动优化的当前时刻,Δt为滚动调度阶段的时间间隔,Pt RE,R为滚动阶段可再生能源在t时刻的预测出力,为滚动阶段在t时刻的预测负荷需求,△Pt ch,R为滚动阶段换电站充电功率在t时刻的修正值,△Pt dis,R为滚动阶段换电站放电功率在t时刻的修正值。
滚动优化目标中,可调机组的调度计划已在日前优化中确定,在日内滚动阶段不作改变。在日内滚动阶段,换电站通过修正充电功率在可再生能源高峰时段最大化消纳多余能源,通过修正放电功率在负荷高峰时段尽量平衡由于预测误差引起的功率不平衡量,剩余的功率不平衡量可通过***中的备用机组来进行调整,从而,换电站放电计划调整能一定程度上减少配电网应对日前预测误差所耗成本。
换电站充放电功率修正约束为:
t=T0+△t,…T
式中,为滚动阶段换电站在线充电电池数在t时刻的修正值,为滚动阶段换电站在线放电电池数在t时刻的修正值。考虑到操作人员的工作强度,确保滚动计划实施的可行性,滚动阶段的修正计划要尽量贴近日前计划,因此,滚动阶段的充放电状态与日前阶段保持一致。
换电站电量存储修正约束为:
t=T0+△t,…T
式中,表示滚动阶段t时刻换电站内的存储电量,表示滚动阶段t-Δt时刻换电站内的存储电量,为日前阶段t-Δt时刻的换电站充电功率,为滚动阶段换电站充电功率在t-Δt时刻的修正值,为日前阶段t-Δt时刻的换电站放电功率,为滚动阶段换电站放电功率在t-Δt时刻的修正值,为滚动阶段t时刻换电站用户需要更换的电池数量,为滚动阶段t-Δt时刻换电站用户需要更换的电池数量,为滚动阶段t-Δt时刻换下电池的剩余电量。
由于滚动阶段的修正计划要尽量贴近日前计划,其确定的换电站充放电电池数只能在日前计划充放电电池数的一定范围内进行修正,故滚动计划对日前计划的修正约束为:
t=T0+△t,…T
式中,分别为换电站在线充电电池数在滚动阶段允许的最小和最大修正值,分别为换电站在线放电电池数在滚动阶段允许的最小和最大修正值。
依据上述滚动优化调度模型求得电动汽车换电站各时刻充放电功率的修正值△Pt ch,R,△Pt dis,R,并修正换电站日前各时刻的充放电功率,即可得到日内阶段电动汽车换电站的充放电调度计划,如下式所示:
式中,Pt ch,R为日内滚动阶段换电站在t时刻的充电功率,Pt dis,R为日内滚动阶段换电站在t时刻的放电功率。
依据日内滚动阶段换电站的充放电功率得到的日内滚动阶段换电站充放电调度计划,相较日前阶段能够进一步消纳可再生能源,降低***总运行成本。
依据上述优化模型对本案例中的10时刻进行日内滚动优化调度,得到日内滚动优化阶段电动汽车换电站的充放电调度计划如附图7所示。在日内剩余时段,若不进行滚动优化,仅实施日前换电站充放电调度计划,则剩余时段换电站可消纳可再生能源8380.3kW,实施日内滚动调度计划后,剩余时段换电站消纳可再生能源8768.6kW,说明本发明所提出的换电站充放电调度方法能在日内阶段逐步降低日前计划的不确定性,进一步提高配电网消纳可再生能源的程度。
综上所述,本发明提出的一种促进可再生能源消纳的电动汽车换电站充放电调度方法能够有效地在可再生能源发电高峰时段消纳多余电量,在负荷高峰期缓减常规可调机组发电负担,在最大化消纳电网内可再生能源的同时降低***总运行成本。
Claims (6)
1.一种促进可再生能源消纳的电动汽车换电站充放电调度方法,其特征在于,该方法包括以下步骤:
1)从地区电网调度中心获得次日每小时的负荷功率需求预测信息、可再生能源的发电出力预测信息、电动汽车换电站的换电需求以及换下电池剩余电量预测信息,以最大化消纳可再生能源、最小化地区可调机组发电成本为优化目标,并合成为日前阶段的总优化目标,以换电站充放电状态约束、换电站充放电功率约束、换电站电量存储约束、可调机组出力约束、可调机组爬坡约束、可调机组启停时间约束、用户用电需求约束为约束条件,建立日前多目标优化调度模型,进行日前多目标优化调度,得到换电站日前充放电调度计划和可调机组日前发电调度计划;
2)在日内阶段,每隔固定时间间隔从地区电网调度中心获取已更新的负荷需求、可再生能源出力、电动汽车换电站换电需求及剩余电量在日内当前时刻剩余时段的预测信息,以步骤1)中得到的换电站日前充放电调度计划和可调机组日前发电调度计划为依据,以当前时刻剩余时段可再生能源消纳最大化为优化目标,以换电站充放电功率修正约束、换电站电量存储修正约束、滚动计划对日前计划的修正约束为约束条件,建立日内滚动优化调度模型,对剩余时段换电站的充放电功率进行滚动优化,得到剩余时段换电站充放电功率的修正量,并以所述修正量对剩余时段内的换电站日前充放电调度计划进行修正。
2.按照权利要求1所述的一种促进可再生能源消纳的电动汽车换电站充放电调度方法,其特征在于,所述步骤1)中,
所述最大化消纳可再生能源的优化目标如下:
式中,f1为日前阶段未被消纳的可再生能源,TRE为可再生能源发电出力大于***负荷需求时刻的集合,Pt RE,DA为t时刻可再生能源的日前发电出力,为日前阶段第i台可调机组在t时刻的出力,N为可调机组的总台数,为t时刻***的日前用电负荷需求,Pt ch,DA为日前阶段t时刻换电站的充电负荷,ηch为换电站的充电效率,Pt dis,DA为日前阶段t时刻换电站的放电负荷,ηdis为换电站的充电效率;
所述最小化地区可调机组发电成本的优化目标如下:
式中,f2为日前阶段可调机组的发电成本,T为总时间集合,ai为第i台机组的发电成本二次系数,bi为第i台机组的发电成本一次系数,ci为第i台机组的发电成本常数项系数,i为可调机组编号;
所述多目标优化的总优化目标如下:
minfDA=α(f1/f10)+β(f2/f20)
其中,fDA为日前阶段的总优化目标,α为可再生能源消纳目标的权重系数,β为可调机组发电成本目标的权重系数,f10为未进行优化情况下的可再生能源倒送功率初值,f20为未进行优化情况下可调机组的发电成本初值。
3.按照权利要求2所述的一种促进可再生能源消纳的电动汽车换电站充放电调度方法,其特征在于,所述步骤1)中,
所述换电站充放电状态约束为:
式中,表示日前阶段换电站在t时刻的充电状态,表示换电站在t时刻处于充电状态,表示换电站在t时刻未处于充电状态;表示日前阶段换电站在t时刻的放电状态,表示换电站在t时刻处于放电状态,表示换电站在t时刻未处于放电状态;
所述换电站充放电功率约束为:
式中,Pch,Pdis分别为换电站内单个充电桩的充电功率和放电功率,分别为日前阶段t时刻换电站内在线充电电池数和在线放电电池数,Nmax为换电站内的充电位数量;
所述换电站电量存储约束为:
式中,表示日前阶段t时刻换电站内的存储电量,表示日前阶段t-ΔT时刻换电站内的存储电量,为日前阶段t-ΔT时刻换电站的充电负荷,为日前阶段t-ΔT时刻换电站的放电负荷,ΔT为单位时间间隔,Ebattery表示单组电池的满电电量,为日前阶段t时刻换电站用户需要更换的电池数量,为日前阶段t-ΔT时刻换电站用户需要更换的电池数量,为日前阶段t-ΔT时刻换下电池的剩余电量,η为换电站容量备用率,NT为换电站内包括备用电池的电池总数量,考虑到电动汽车电池的使用寿命,换电站内所有电池的充放电深度不能超过80%;
所述可调机组出力约束为:
式中,为日前阶段第i台机组在t时刻的启停状态,表示第i台机组在t时刻处于开启状态,表示第i台机组在t时刻处于关停状态,分别为第i台机组的最小和最大发电出力;
所述可调机组爬坡约束为:
式中,为日前阶段第i台可调机组在t+ΔT时刻的出力,为第i台可调机组的向上爬坡速率限制,为第i台可调机组的向下爬坡速率限制;
所述可调机组启停时间约束为:
式中:为日前阶段第i台机组在t-ΔT时刻的启停状态,分别为第i台可调机组的开机后最小运行时间和停机后最小停运时间;
所述用户用电需求约束为:
4.按照权利要求3所述的一种促进可再生能源消纳的电动汽车换电站充放电调度方法,其特征在于,所述步骤2)中,Pch,Pdis,Nmax,, Ebattery,η,NT定义与步骤1)中相同,其具体数值从步骤1)日前优化调度中获得。
5.按照权利要求3所述的一种促进可再生能源消纳的电动汽车换电站充放电调度方法,其特征在于,所述步骤2)中,
当日剩余时段可再生能源消纳最大化的优化目标为:
式中,T0时刻为滚动优化的当前时刻,Δt为滚动优化阶段的时间间隔,Pt RE,R为滚动阶段可再生能源在t时刻的预测出力,为滚动阶段在t时刻的预测负荷需求,△Pt ch,R为滚动阶段换电站充电功率在t时刻的修正值,△Pt dis,R为滚动阶段换电站放电功率在t时刻的修正值。
6.按照权利要求5所述的一种促进可再生能源消纳的电动汽车换电站充放电调度方法,其特征在于,所述步骤2)中,
所述换电站充放电功率修正约束为:
t=T0+△t,…T
式中,为滚动阶段换电站在线充电电池数在t时刻的修正值,为滚动阶段换电站在线放电电池数在t时刻的修正值;
所述换电站电量存储修正约束为:
t=T0+△t,…T
式中,表示滚动阶段t时刻换电站内的存储电量,表示滚动阶段t-Δt时刻换电站内的存储电量,为日前阶段t-Δt时刻的换电站充电功率,为滚动阶段换电站充电功率在t-Δt时刻的修正值,为日前阶段t-Δt时刻的换电站放电功率,为滚动阶段换电站放电功率在t-Δt时刻的修正值,为滚动阶段t时刻换电站用户需要更换的电池数量,为滚动阶段t-Δt时刻换电站用户需要更换的电池数量,为滚动阶段t-Δt时刻换下电池的剩余电量;
所述滚动计划对日前计划的修正约束为:
t=T0+△t,…T
式中,分别为换电站在线充电电池数在滚动阶段允许的最小和最大修正值,分别为换电站在线放电电池数在滚动阶段允许的最小和最大修正值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610591492.5A CN106160091B (zh) | 2016-07-25 | 2016-07-25 | 促进可再生能源消纳的电动汽车换电站充放电调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610591492.5A CN106160091B (zh) | 2016-07-25 | 2016-07-25 | 促进可再生能源消纳的电动汽车换电站充放电调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106160091A CN106160091A (zh) | 2016-11-23 |
CN106160091B true CN106160091B (zh) | 2018-08-28 |
Family
ID=58059758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610591492.5A Active CN106160091B (zh) | 2016-07-25 | 2016-07-25 | 促进可再生能源消纳的电动汽车换电站充放电调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106160091B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108054751B (zh) * | 2017-12-11 | 2021-09-03 | 国网江苏省电力有限公司经济技术研究院 | 一种确定电网***中可再生能源最优接入容量的方法 |
CN108448567B (zh) * | 2018-02-13 | 2021-09-21 | 华南理工大学 | 一种电动汽车代理商参与能量和调频市场的智能控制*** |
CN108520314B (zh) * | 2018-03-19 | 2020-10-09 | 东南大学 | 结合v2g技术的主动配电网调度方法 |
GB2577853B (en) * | 2018-06-22 | 2021-03-24 | Moixa Energy Holdings Ltd | Systems for machine learning, optimising and managing local multi-asset flexibility of distributed energy storage resources |
CN109995027A (zh) * | 2019-03-22 | 2019-07-09 | 中国电力科学研究院有限公司 | 一种两阶段区域用户能量管理方法及*** |
CN109986989A (zh) * | 2019-04-17 | 2019-07-09 | 三峡大学 | 一种促进新能源消纳的电动汽车有序充电方法 |
CN109980697B (zh) * | 2019-04-19 | 2022-10-04 | 国家电网有限公司华中分部 | 考虑配额制的可再生能源分配消纳方法 |
CN110570007B (zh) * | 2019-06-17 | 2023-05-09 | 上海交通大学 | 电动汽车多时间尺度优化调度方法 |
CN110288271B (zh) * | 2019-07-11 | 2022-10-11 | 北京全来电科技有限公司 | 一种基于模型预测控制的台区级充电负荷调控策略及方法 |
CN110826880B (zh) * | 2019-10-24 | 2023-07-28 | 成都信息工程大学 | 一种大规模电动汽车接入的主动配电网优化调度方法 |
CN110739690A (zh) * | 2019-10-31 | 2020-01-31 | 山东大学 | 考虑电动汽车快充站储能设施的配电网优化调度方法及*** |
CN110877546B (zh) * | 2019-11-01 | 2021-05-14 | 中国能源建设集团广东省电力设计研究院有限公司 | 基于天气预测的光伏充电站充电控制方法及装置 |
CN111959329B (zh) * | 2020-07-16 | 2022-04-22 | 浙江吉智新能源汽车科技有限公司 | 一种充换电站内电池的充电控制***和控制方法 |
CN112803493B (zh) * | 2021-02-09 | 2023-03-21 | 国网山东省电力公司电力科学研究院 | 基于边际成本的分散式储能与分布式光伏协同方法及*** |
CN113103906B (zh) * | 2021-04-25 | 2024-01-30 | 浙江吉利控股集团有限公司 | 一种充电桩的控制方法 |
CN113346555B (zh) * | 2021-05-25 | 2023-06-09 | 西安交通大学 | 一种考虑电量协调的日内滚动调度方法 |
CN115065097A (zh) * | 2022-07-22 | 2022-09-16 | 中国三峡新能源(集团)股份有限公司 | 计及不确定性的光-储场站日内功率上报方法及装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436607B (zh) * | 2011-11-10 | 2014-08-27 | 山东大学 | 电动汽车换电站充电功率的多时间尺度决策方法 |
CN103296681B (zh) * | 2013-05-27 | 2015-04-08 | 东南大学 | 一种电动汽车与风电协同实时调度优化方法 |
CN104022534B (zh) * | 2014-06-17 | 2016-02-24 | 华北电力大学 | 风光储发电单元多目标协调运行优化方法 |
-
2016
- 2016-07-25 CN CN201610591492.5A patent/CN106160091B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN106160091A (zh) | 2016-11-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106160091B (zh) | 促进可再生能源消纳的电动汽车换电站充放电调度方法 | |
CN107248751B (zh) | 一种实现配电网负荷功率削峰填谷的储能站调度控制方法 | |
CN110311421B (zh) | 基于需求侧响应的微电网多时间尺度能量管理方法 | |
Zhao et al. | Optimal sizing, operating strategy and operational experience of a stand-alone microgrid on Dongfushan Island | |
Zhang et al. | An improved charging/discharging strategy of lithium batteries considering depreciation cost in day-ahead microgrid scheduling | |
CN110401186A (zh) | 地区电网源网荷储多元协调泛在调度控制*** | |
CN102694391B (zh) | 风光储联合发电***日前优化调度方法 | |
CN102005771A (zh) | 风、光、储微电网***的储能容量选取方法 | |
CN103311942A (zh) | 一种用于配电网削峰填谷的电池储能***的控制方法 | |
CN111786422B (zh) | 基于bp神经网络的微电网参与上层电网实时优化调度方法 | |
CN110112783A (zh) | 光伏蓄电池微电网调度控制方法 | |
CN109754112A (zh) | 一种考虑配电网削峰填谷的光储充电塔随机优化调度方法 | |
CN107528341A (zh) | 一种用于高风电渗透率的大电网储能调度的方法 | |
CN103485977A (zh) | 风力发电***实时功率预测的修正方法 | |
CN110165715B (zh) | 一种将电动汽车储能式充电站接入虚拟电厂的方法 | |
CN108808744A (zh) | 有储能参与的新能源发电***的有功协调控制方法及*** | |
CN111555366B (zh) | 一种基于多时间尺度的微网三层能量优化管理方法 | |
CN108197766A (zh) | 一种包含微电网群的主动配电网优化调度模型 | |
CN107404129A (zh) | 风‑储混合电站运行策略及短期计划出力优化方法 | |
CN107104462A (zh) | 一种用于风电场储能调度的方法 | |
CN105207207A (zh) | 基于能量管理的孤网状态下的微电网***调度方法 | |
CN105574681A (zh) | 一种多时间尺度社区能源局域网能量调度方法 | |
CN115473285A (zh) | 基于合作博弈论的多类型储能***最优容量配置方法 | |
CN114997544A (zh) | 一种氢光储充电站容量优化配置方法及*** | |
CN115186477A (zh) | 一种基于需求调度的配电网供电可靠性评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |