CN109050284B - 一种考虑v2g的电动汽车充放电电价优化方法 - Google Patents

一种考虑v2g的电动汽车充放电电价优化方法 Download PDF

Info

Publication number
CN109050284B
CN109050284B CN201810747737.8A CN201810747737A CN109050284B CN 109050284 B CN109050284 B CN 109050284B CN 201810747737 A CN201810747737 A CN 201810747737A CN 109050284 B CN109050284 B CN 109050284B
Authority
CN
China
Prior art keywords
electric
charging
discharging
cost
electric automobile
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
Application number
CN201810747737.8A
Other languages
English (en)
Other versions
CN109050284A (zh
Inventor
陈昌松
陈津
段善旭
蔡涛
刘邦银
贾舒然
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201810747737.8A priority Critical patent/CN109050284B/zh
Publication of CN109050284A publication Critical patent/CN109050284A/zh
Application granted granted Critical
Publication of CN109050284B publication Critical patent/CN109050284B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Finance (AREA)
  • Accounting & Taxation (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Water Supply & Treatment (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Charge And Discharge Circuits For Batteries Or The Like (AREA)
  • Electric Propulsion And Braking For Vehicles (AREA)

Abstract

本发明公开了一种考虑V2G的电动汽车充放电电价优化方法，包括：根据多微网***的基本结构建立数学模型，根据数学模型得到电动汽车的充放电成本、多微网***的运行成本和优化约束条件；建立多微网***的双环优化模型，内环优化得到的最优电动汽车的充放电的功率用于计算外环优化中的多微网***的运行成本，外环优化得到的最优电动汽车的充放电电价用于计算电动汽车的充放电成本，运行双环优化模型使得内环优化与外环优化多次循环得到最小电动汽车的充放电成本、最优电动汽车的充放电的功率、最小多微网***的运行成本和最优目标电动汽车的充放电电价。本发明考虑区域微电网***中不同微电网之间的博弈，进一步提升***整体运行的经济性。

Description

一种考虑V2G的电动汽车充放电电价优化方法
技术领域
本发明属于多微网***经济运行领域，更具体地，涉及一种考虑V2G的电动汽车充放电电价优化方法。
背景技术
作为保障能源安全、转型低碳经济的重要途径，电动汽车及其相关内容的研究正受到世界各国的广泛关注。传统燃油汽车由于燃烧化石能源，因此会产生大量污染，对环境造成恶劣的影响；而电动汽车采用电能进行驱动，很好地解决了碳排放和污染排放的问题。然而，电动汽车大量接入电网会对电力***的安全稳定运行造成较大影响，因此，需要采用合适的方式对电动汽车进行调度，减小电动汽车充电对电网的负面影响。
另一方面，随着节能环保意识的增强和相关技术的逐渐成熟，以可再生能源作为主要能源而构建的微电网***正在得到越来越广泛的应用。由于微电网自身规模较小，且主要采用的是风电、光伏等可再生能源，因此具有低碳环保、运行灵活的特点。但可再生能源具有出力不稳定、受天气影响较大的特点，因此需要配备昂贵的储能设备，降低了***运行的经济性。
为了解决上述问题，电动汽车入网技术(V2G)得到了广泛的关注。将电动汽车作为储能设备，同时利用其移动储能特性，在多个微网之间进行能量的跨时空搬移。目前已有大量研究致力于通过控制电动汽车充放电功率的方式对电动汽车的运行进行优化，从而提高***运行的稳定性和经济性，但这些研究所关注的目标局限于单方面对电动汽车的充放电进行调度控制，而没有考虑通过调节各微电网对电动汽车的充放电报价，引导电动汽车的充放电行为，从而进一步提高***整体运行的经济性。由此可见，现有技术存在***整体运行的经济性较差的技术问题。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种考虑V2G的电动汽车充放电电价优化方法，由此解决现有技术存在***整体运行的经济性较差的技术问题。
为实现上述目的，本发明提供了一种考虑V2G的电动汽车充放电电价优化方法，包括：
(1)根据多微网***的基本结构，建立数学模型，根据数学模型得到电动汽车的充放电成本、多微网***的运行成本和优化约束条件；
(2)以电动汽车的充放电成本最小为目标，将多微网***中每个微电网每小时所有电动汽车的充放电的功率作为优化变量，对电动汽车进行经济调度，得到最优电动汽车的充放电的功率；
(3)根据配电网与多微网***之间买卖电能报价，得到电动汽车的初始放电电价和电动汽车的初始充电电价，将电动汽车的放电电价和电动汽车的充电电价作为优化变量，在满足优化约束条件的前提下，以多微网***的运行成本最小为目标，对电动汽车的放电电价和电动汽车的充电电价进行优化，得到最优电动汽车的充放电电价；
(4)将步骤(2)作为内环优化，步骤(3)作为外环优化，建立多微网***的双环优化模型，内环优化得到的最优电动汽车的充放电的功率用于计算外环优化中的多微网***的运行成本，外环优化得到的最优电动汽车的充放电电价用于计算电动汽车的充放电成本，运行双环优化模型使得内环优化与外环优化多次循环得到目标电动汽车的充放电成本、目标电动汽车的充放电的功率、目标多微网***的运行成本和目标电动汽车的充放电电价。
进一步地，步骤(1)包括：
根据多微网***的基本结构，建立数学模型，所述数学模型包括：电动汽车的充放电模型、风力发电预测模型和光伏发电预测模型，根据电动汽车的充放电模型得到优化约束条件、电动汽车的充放电成本和多微网***的运行成本，根据风力发电预测模型得到风力发电机投资成本，根据光伏发电预测模型得到光伏模块投资成本；
所述电动汽车的充放电模型包括电动汽车接入多微电网***时的电动汽车接入微电网的充放电模型和电动汽车处于行驶状态时的电动汽车未接入微电网的充放电模型。
进一步地，电动汽车的充放电成本为：
Figure BDA0001724280850000031
其中，CEVtl为电动汽车的充放电成本，PEVBi，j，t为第i个微电网的第j辆电动汽车在t时刻充放电的功率，pEVi为第i个微电网的充放电报价，NEVi为第i个微电网的电动汽车数量，N为微电网个数，T为调度时长。
进一步地，多微网***的运行成本为：
Figure BDA0001724280850000032
CTCi＝min(CPVi+CWTi+CEVi+CGi)
其中，CTCMS为多微网***的运行成本，CTCi为第i个微电网的运行成本，CPVi、GWTi、CEVi、CGi分别表示第i个微电网的光伏模块投资成本、风力发电机投资成本、电动汽车的运行成本和电网电能交易成本，根据配电网与第i个微电网的交换功率与电价得到第i个微电网的电网电能交易成本。
进一步地，优化约束条件包括：网络潮流平衡约束、电动汽车容量约束、电动汽车功率约束、微电网与配电网的能量交换功率约束、微电网对电动汽车的充放电报价约束，
网络潮流平衡约束为：PPVi，t+PWTi，t+PEVBi，t+PGi，t＝PLi，t
电动汽车容量约束为：EEVB min≤EEVBi，j，t≤EEVB max
电动汽车功率约束为：PEVB min≤PEVBi，j，t≤PEVB max
配电网的能量交换功率约束为：PEVB min≤PGi，t≤PEVB max
微电网对电动汽车的充放电报价约束为：PDE≥ηCEVηDEVpCE
其中，PPVi，t为第i个微电网在t时刻光伏模块的发电功率，PWTi，t为第i个微电网在t时刻风力发电机的发电功率，PEVBi，t为第i个微电网的所有电动汽车在t时刻充放电的功率，PLi，t为第i个微电网在t时刻的负荷，EEVB min为电动汽车的电量最小值，EEVB max为电动汽车的电量最大值，PEVB min为电动汽车的最小功率，PEVB max为电动汽车的最大功率，pDE为电动汽车的放电电价，pCE为电动汽车的充电电价，PEVBi，j，t为第i个微电网的第j辆电动汽车在t时刻充放电的功率，EEVBi，j，t则表示第i个微电网的第j辆电动汽车在t时刻的电量，ηCEV为电动汽车的充电效率，ηDEV为电动汽车的放电效率，PGi，t为配电网与第i个微电网在t时刻的交换功率。
进一步地，步骤(2)包括：
(2-1)利用将多微网***中每个微电网每小时所有电动汽车的充放电的功率作为粒子群算法的优化变量，构成粒子群算法的粒子；
(2-2)计算每个粒子的电动汽车的充放电成本，将所有粒子中电动汽车的充放电成本的最小值作为内环第一次循环的全局最优值；
(2-3)利用粒子群算法的位置与速度的更新公式更新粒子的速度和位置，计算更新后的粒子的电动汽车的充放电成本与内环前一次循环的全局最优值进行比较，取其中最小值为内环新的全局最优值；
(2-4)重复步骤(2-3)多次，得到最优电动汽车的充放电成本及其对应的最优电动汽车的充放电的功率。
进一步地，步骤(3)包括：
(3-1)将各个微电网对电动汽车充放电电价作为粒子群算法中每个粒子的各个维度的值，得到粒子群，根据配电网与多微网***之间买卖电能报价，得到电动汽车的初始放电电价和电动汽车的初始充电电价用于初始化粒子群，利用最优电动汽车的充放电的功率计算每个粒子的多微网***的运行成本，将所有粒子的多微网***的运行成本最小值作为外环的初始全局最优值；
(3-2)利用粒子群算法的位置与速度的更新公式更新粒子的速度和位置，计算更新后的粒子的多微网***的运行成本与外环的前一次全局最优值进行比较，取其中最小值为外环新的全局最优值；
(3-3)重复步骤(3-2)多次，得到最优多微网***的运行成本及其对应的最优电动汽车的充放电电价。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)本发明在对电动汽车的充放电成本和多微网***的运行成本进行优化的同时，考虑了多微电网***中不同微电网之间的博弈。各微电网采用一定的策略调整自身的充放电电价，从而进一步提升***整体运行的经济性。
(2)本发明所提出的电动汽车的充放电成本优化与多微网***的运行成本优化为双环协同优化模型。模型的内环对电动汽车进行经济调度，使某一定电价情况下电动汽车的运行成本达到最优；外环则对电动汽车充放电的价格进行了优化，在多个微电网相互竞争的情况下，通过优化调整各微电网的充放电报价，减小各微电网自身的运行成本，从而减小***的总运行成本。内环与外环相互结合，对多个微电网和电动汽车的集成***的运行进行优化。
(3)本发明所提出的充放电电价优化与经济调度的双环协同进化方法适用于包含有多个微电网的区域微电网***。电动汽车可以在***中进行跨时空的能量搬移，既可以利用不同时间段电价的变化，也可以利用各个微电网的不同电价，为***提供充放电服务，从而使整个***的成本在一定程度上减小。同时微电网可以根据电网的运行数据来调整自身电价，一定程度上引导电动汽车充放电，从而获得更多利润。本发明可以用来指导区域微电网***中不同微电网的充放电定价，提高***的运行效率，减小***运行成本。
附图说明
图1是本发明实施例提供的一种考虑V2G的电动汽车充放电电价优化方法的流程图；
图2是本发明实施例提供的多微网***的结构图；
图3是本发明实施例提供的内环经济调度流程图；
图4是本发明实施例提供的外环优化流程图。
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例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，一种考虑V2G的电动汽车充放电电价优化方法，包括：
(1)根据多微网***的基本结构，建立数学模型，根据数学模型得到电动汽车的充放电成本、多微网***的运行成本和优化约束条件；
(2)以电动汽车的充放电成本最小为目标，将多微网***中每个微电网每小时所有电动汽车的充放电的功率作为优化变量，对电动汽车进行经济调度，得到最优电动汽车的充放电的功率；
(3)根据配电网与多微网***之间买卖电能报价，得到电动汽车的初始放电电价和电动汽车的初始充电电价，将电动汽车的放电电价和电动汽车的充电电价作为优化变量，在满足优化约束条件的前提下，以多微网***的运行成本最小为目标，对电动汽车的放电电价和电动汽车的充电电价进行优化，得到最优电动汽车的充放电电价；
(4)将步骤(2)作为内环优化，步骤(3)作为外环优化，建立多微网***的双环优化模型，内环优化得到的最优电动汽车的充放电的功率用于计算外环优化中的多微网***的运行成本，外环优化得到的最优电动汽车的充放电电价用于计算电动汽车的充放电成本，运行双环优化模型使得内环优化与外环优化多次循环得到目标电动汽车的充放电成本、目标电动汽车的充放电的功率、目标多微网***的运行成本和目标电动汽车的充放电电价。
如图2所示，本发明中所考虑的多微电网***包括了多个相对独立的微电网，根据其位置和功能的不同分为住宅区微电网和办公区(商业区)微电网。每个微电网中均建有一定容量的光伏发电模块(PV)和小型风力发电机(WT)，以及若干数量的电动汽车双向充放电设施。每个微电网都与大电网相连，可以与大电网之间进行电能的交换，从而保证供电的稳定性。两种微电网的结构虽然相似，但是与大电网之间进行电能交换所采用的电价不同。通过双环优化方法对微电网的充放电报价和电动汽车的运行进行优化，从而减小***运行的总成本。
具体地，步骤(1)包括：根据多微网***的基本结构，建立数学模型，所述数学模型包括：电动汽车的充放电模型、风力发电预测模型和光伏发电预测模型，根据电动汽车的充放电模型得到优化约束条件、电动汽车的充放电成本和多微网***的运行成本，根据风力发电预测模型得到风力发电机投资成本，根据光伏发电预测模型得到光伏模块投资成本；
所述电动汽车的充放电模型包括电动汽车接入多微电网***时的电动汽车接入微电网的充放电模型和电动汽车处于行驶状态时的电动汽车未接入微电网的充放电模型。
电动汽车接入微电网的充放电模型为：
Figure BDA0001724280850000081
其中，PEVBi，j，t是第i个微电网的第j辆电动汽车在t时刻充放电的功率，PEVBi，j，t大于0时表示放电，而PEVBi，j，t小于0时表示充电；EEVBi，j，t则表示第i个微电网的第j辆电动汽车在t时刻的电量，σEV为自放电率，Δt为调度的时间间隔，ηCEV为电动汽车的充电效率，ηDEV为电动汽车的放电效率。
电动汽车未接入微电网的充放电模型为：
Figure BDA0001724280850000082
其中，d为电动汽车行驶的时间，
Figure BDA0001724280850000083
为第i个微电网的第j辆电动汽车在t时刻行驶的距离，Cd为电动汽车行驶单位距离的耗电量(kWh/km)。
电动汽车的充放电成本为：
Figure BDA0001724280850000084
其中，CEVtl为电动汽车的充放电成本，PEVBi，j，t为第i个微电网的第j辆电动汽车在t时刻充放电的功率，pEVi为第i个微电网的充放电报价，当电动汽车充电时采用充电电价，当电动汽车放电时采用放电电价；NEVi为第i个微电网的电动汽车数量，N为微电网个数，T为调度时长。
多微网***的运行成本为：
Figure BDA0001724280850000085
CTCi＝min(CPVi+CWTi+CEVi+CGi)
其中，CTCMS为多微网***的运行成本，CTCi为第i个微电网的运行成本，CPVi、GWTi、CEVi、CGi分别表示第i个微电网的光伏模块投资成本、风力发电机投资成本、电动汽车的运行成本和电网电能交易成本，根据配电网与第i个微电网的交换功率与电价得到第i个微电网的电网电能交易成本。
电动汽车的运行成本为：
Figure BDA0001724280850000091
其中，NEVi为第i个微电网的电动汽车数量，Cconst为单个电动汽车充放电装置折算到每天的投资成本，CBDi为电动汽车在充放电过程中所产生的电池的折旧成本。
第i个微电网的电网电能交易成本为：
Figure BDA0001724280850000092
其中，Cgi为配电网与第t个微电网的电价，PGi，t为配电网与第i个微电网在t时刻的交换功率，CECGi，t为配电网与第i个微电网在t时刻的环境惩罚成本。
优化约束条件包括：网络潮流平衡约束、电动汽车容量约束、电动汽车功率约束、微电网与配电网的能量交换功率约束、微电网对电动汽车的充放电报价约束，
网络潮流平衡约束为：PPVi，t+PWTi，t+PEVBi，t+PGi，t＝PLi，t
电动汽车容量约束为：EEVB min≤EEVBi，j，t≤EEVB max
电动汽车功率约束为：PEVB min≤PEVBi，j，t≤PEVB max
配电网的能量交换功率约束为：PEVB min≤PGi，t≤PEVB max
微电网对电动汽车的充放电报价约束为：pDE≥ηCEVηDEVPCE
其中，PPVi，t为第i个微电网在t时刻光伏模块的发电功率，PWTi，t为第i个微电网在t时刻风力发电机的发电功率，PEVBi，t为第i个微电网的所有电动汽车在t时刻充放电的功率，PLi，t为第i个微电网在t时刻的负荷，EEVB min为电动汽车的电量最小值，EEVB max为电动汽车的电量最大值，PEVB min为电动汽车的最小功率，PEVB max为电动汽车的最大功率，pDE为电动汽车的放电电价，pCE为电动汽车的充电电价。
如图3所示，步骤(2)包括：
(2-1)输入光伏、风力发电***处理数据与电价，利用将多微网***中每个微电网每小时所有电动汽车的充放电的功率作为粒子群算法的优化变量，构成粒子群算法的粒子
Figure BDA0001724280850000103
Figure BDA0001724280850000101
Figure BDA0001724280850000102
其中，IMGi为第i个微电网的功率矩阵，IMG1为第1个微电网的功率矩阵，IMG2为第2个微电网的功率矩阵，IMGN为第N个微电网的功率矩阵，对于光伏模块和风力发电机，功率恒大于等于0；对于电动汽车，当功率大于0时，电动汽车向微电网放电，否则电动汽车充电；当交换功率大于0时，微电网向配电网购电，否则微电网将电能出售给配电网。初始化个体最优值(最优电动汽车的充放电的功率)和全局最优值(最优电动汽车的充放电成本)，将初始值设置为较大的值。
(2-2)初始化粒子群算法粒子，计算每个粒子的电动汽车的充放电成本，将所有粒子中电动汽车的充放电成本的最小值作为内环第一次循环的全局最优值；
(2-3)利用粒子群算法的位置与速度的更新公式更新粒子的速度和位置，计算更新后的粒子的电动汽车的充放电成本与内环前一次循环的全局最优值进行比较，取其中最小值为内环新的全局最优值；粒子群算法的速度的更新公式为：
Figure BDA0001724280850000111
粒子群算法的位置的更新公式为：
Figure BDA0001724280850000112
式中，Vi k为第i个粒子第k次迭代中的速度；Pbest，i k是第i个粒子在第k次迭代时的个体最优解；Gbest k是群体中所有粒子在第k次迭代时的全局最优解；Xi k为第i个粒子第k次迭代后的位置；w为加权因子，它的大小决定了对当前速度继承的多少，一般取值在0.1到0.9之间；c1、c2被称为学习因子，一般取c1＝c2＝2；ξ、η为(0，1)间的伪随机数；粒子的位置与速度都被限制在一定的范围内。
(2-4)重复步骤(2-3)多次，直到循环次数达到粒子群算法设定的迭代计算次数上限为止，得到最优调度策略：最优电动汽车的充放电成本及其对应的最优电动汽车的充放电的功率。
步骤(3)包括：
(3-1)将各个微电网对电动汽车充放电电价作为粒子群算法中每个粒子的各个维度的值，得到粒子群：
Figure BDA0001724280850000113
根据配电网与微电网之间买卖电能报价的最小值
Figure BDA0001724280850000114
与最大值
Figure BDA0001724280850000115
得到电动汽车的初始放电电价pDE和电动汽车的初始充电电价pCE，
Figure BDA0001724280850000121
其中，k1为第一系数，k2为第二系数。
根据配电网与多微网***之间买卖电能报价，得到电动汽车的初始放电电价和电动汽车的初始充电电价用于初始化粒子群，利用最优电动汽车的充放电的功率计算每个粒子的多微网***的运行成本，将所有粒子的多微网***的运行成本最小值作为外环的初始全局最优值；
(3-2)利用粒子群算法的位置与速度的更新公式更新粒子的速度和位置，计算更新后的粒子的多微网***的运行成本与外环的前一次全局最优值进行比较，取其中最小值为外环新的全局最优值；
(3-3)重复步骤(3-2)多次，得到最优多微网***的运行成本(全局最优值)及其对应的最优电动汽车的充放电电价(个体最优值)。
如图4所示，运行双环优化模型包括：
输入***参数，初始化个体最优值和全局最优值，将初始值设置为较大的值，初始化外环粒子群算法粒子，令外环循环次数为1，初始化内环粒子群算法粒子，令内环循环次数为1，计算每个粒子的电动汽车的充放电成本，利用所有粒子中电动汽车的充放电成本的最小值更新个体最优值(最优电动汽车的充放电的功率)与全局最优值，当内环循环次数小于等于内环循环预设值时，根据内环个体最优值(最优电动汽车的充放电的功率)与全局最优值更新内环粒子群的位置和速度，然后再次进行内环循环；当内环循环次数大于内环循环预设值时，根据内环粒子群算法的结果设置外环粒子群对应的个体最优值与全局最优值，当外环循环次数小于等于外环循环预测值时，根据外环个体最优值和全局最优值更新外环粒子群的位置和速度，然后再次进行外环循环。当外环循环次数大于外环循环预测值时，得到电动汽车的经济调度结果和微电网充放电报价的优化结果，即为：目标电动汽车的充放电成本、目标电动汽车的充放电的功率、目标多微网***的运行成本和目标电动汽车的充放电电价。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种考虑V2G的电动汽车充放电电价优化方法，其特征在于，包括：
(1)根据多微网***的基本结构，建立数学模型，根据数学模型得到电动汽车的充放电成本、多微网***的运行成本和优化约束条件；
(2)以电动汽车的充放电成本最小为目标，将多微网***中每个微电网每小时所有电动汽车的充放电的功率作为优化变量，对电动汽车进行经济调度，得到最优电动汽车的充放电的功率；
(3)根据配电网与多微网***之间买卖电能报价，得到电动汽车的初始放电电价和电动汽车的初始充电电价，将电动汽车的放电电价和电动汽车的充电电价作为优化变量，在满足优化约束条件的前提下，以多微网***的运行成本最小为目标，对电动汽车的放电电价和电动汽车的充电电价进行优化，得到最优电动汽车的充放电电价；
(4)将步骤(2)作为内环优化，步骤(3)作为外环优化，建立多微网***的双环优化模型，内环优化得到的最优电动汽车的充放电的功率用于计算外环优化中的多微网***的运行成本，外环优化得到的最优电动汽车的充放电电价用于计算电动汽车的充放电成本，运行双环优化模型使得内环优化与外环优化多次循环得到目标电动汽车的充放电成本、目标电动汽车的充放电的功率、目标多微网***的运行成本和目标电动汽车的充放电电价。
2.如权利要求1所述的一种考虑V2G的电动汽车充放电电价优化方法，其特征在于，所述步骤(1)包括：
根据多微网***的基本结构，建立数学模型，所述数学模型包括：电动汽车的充放电模型、风力发电预测模型和光伏发电预测模型，根据电动汽车的充放电模型得到优化约束条件、电动汽车的充放电成本和多微网***的运行成本，根据风力发电预测模型得到风力发电机投资成本，根据光伏发电预测模型得到光伏模块投资成本；
所述电动汽车的充放电模型包括电动汽车接入多微电网***时的充放电模型和电动汽车处于行驶状态时的电动汽车未接入微电网的充放电模型。
3.如权利要求1或2所述的一种考虑V2G的电动汽车充放电电价优化方法，其特征在于，所述电动汽车的充放电成本为：
Figure FDA0002308688850000021
其中，CEVtl为电动汽车的充放电成本，PEVBi,j,t为第i个微电网的第j辆电动汽车在t时刻充放电的功率，pEVi为第i个微电网的充放电报价，NEVi为第i个微电网的电动汽车数量，N为微电网个数，T为调度时长。
4.如权利要求1或2所述的一种考虑V2G的电动汽车充放电电价优化方法，其特征在于，所述多微网***的运行成本为：
Figure FDA0002308688850000022
CTCi＝min(CPVi+CWTi+CEVi+CGi)
其中，CTCMS为多微网***的运行成本，CTCi为第i个微电网的运行成本，CPVi、CWTi、CEVi、CGi分别表示第i个微电网的光伏模块投资成本、风力发电机投资成本、电动汽车的运行成本和电网电能交易成本，根据配电网与第i个微电网的交换功率与电价得到第i个微电网的电网电能交易成本。
5.如权利要求1或2所述的一种考虑V2G的电动汽车充放电电价优化方法，其特征在于，所述优化约束条件包括：网络潮流平衡约束、电动汽车容量约束、电动汽车功率约束、微电网与配电网的能量交换功率约束、微电网对电动汽车的充放电报价约束，
网络潮流平衡约束为：PPVi,t+PWTi,t+PEVBi,t+PGi,t＝PLi,t
电动汽车容量约束为：EEVBmin≤EEVBi,j,t≤EEVBmax
电动汽车功率约束为：PEVBmin≤PEVBi,j,t≤PEVBmax
配电网的能量交换功率约束为：PEVBmin≤PGi,t≤PEVBmax
微电网对电动汽车的充放电报价约束为：pDE≥ηCEVηDEVpCE
其中，PPVi,t为第i个微电网在t时刻光伏模块的发电功率，PWTi,t为第i个微电网在t时刻风力发电机的发电功率，PEVBi,t为第i个微电网的所有电动汽车在t时刻充放电的功率，PLi,t为第i个微电网在t时刻的负荷，EEVBmin为电动汽车的电量最小值，EEVBmax为电动汽车的电量最大值，PEVBmin为电动汽车的最小功率，PEVBmax为电动汽车的最大功率，pDE为电动汽车的放电电价，pCE为电动汽车的充电电价，PEVBi,j,t为第i个微电网的第j辆电动汽车在t时刻充放电的功率，EEVBi,j,t则表示第i个微电网的第j辆电动汽车在t时刻的电量，ηCEV为电动汽车的充电效率，ηDEV为电动汽车的放电效率，PGi,t为配电网与第i个微电网在t时刻的交换功率。
6.如权利要求1或2所述的一种考虑V2G的电动汽车充放电电价优化方法，其特征在于，所述步骤(2)包括：
(2-1)利用将多微网***中每个微电网每小时所有电动汽车的充放电的功率作为粒子群算法的优化变量，构成粒子群算法的粒子；
(2-2)计算每个粒子的电动汽车的充放电成本，将所有粒子中电动汽车的充放电成本的最小值作为内环第一次循环的全局最优值；
(2-3)利用粒子群算法的位置与速度的更新公式更新粒子的速度和位置，计算更新后的粒子的电动汽车的充放电成本与内环前一次循环的全局最优值进行比较，取其中最小值为内环新的全局最优值；
(2-4)重复步骤(2-3)多次，得到最优电动汽车的充放电成本及其对应的最优电动汽车的充放电的功率。
7.如权利要求1或2所述的一种考虑V2G的电动汽车充放电电价优化方法，其特征在于，所述步骤(3)包括：
(3-1)将各个微电网对电动汽车充放电电价作为粒子群算法中每个粒子的各个维度的值，得到粒子群，根据配电网与多微网***之间买卖电能报价，得到电动汽车的初始放电电价和电动汽车的初始充电电价用于初始化粒子群，利用最优电动汽车的充放电的功率计算每个粒子的多微网***的运行成本，将所有粒子的多微网***的运行成本最小值作为外环的初始全局最优值；
(3-2)利用粒子群算法的位置与速度的更新公式更新粒子的速度和位置，计算更新后的粒子的多微网***的运行成本与外环的前一次全局最优值进行比较，取其中最小值为外环新的全局最优值；
(3-3)重复步骤(3-2)多次，得到最优多微网***的运行成本及其对应的最优电动汽车的充放电电价。
CN201810747737.8A 2018-07-09 2018-07-09 一种考虑v2g的电动汽车充放电电价优化方法 Active CN109050284B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810747737.8A CN109050284B (zh) 2018-07-09 2018-07-09 一种考虑v2g的电动汽车充放电电价优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810747737.8A CN109050284B (zh) 2018-07-09 2018-07-09 一种考虑v2g的电动汽车充放电电价优化方法

Publications (2)

Publication Number Publication Date
CN109050284A CN109050284A (zh) 2018-12-21
CN109050284B true CN109050284B (zh) 2020-06-09

Family

ID=64819188

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810747737.8A Active CN109050284B (zh) 2018-07-09 2018-07-09 一种考虑v2g的电动汽车充放电电价优化方法

Country Status (1)

Country Link
CN (1) CN109050284B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3689667A1 (en) * 2019-01-30 2020-08-05 Green Motion SA Electrical vehicle charging station with power management
CN109878369B (zh) * 2019-03-11 2021-08-31 三峡大学 一种基于模糊pid实时电价的电动汽车充放电优化调度方法
CN110033124B (zh) * 2019-03-13 2021-11-02 华中科技大学 一种分布式交互的能源楼宇点对点能量分享方法及***
CN110138006B (zh) * 2019-05-22 2020-12-01 南京邮电大学 考虑含有新能源电动汽车的多微电网协调优化调度方法
CN110281809B (zh) * 2019-05-28 2021-06-08 北京航盛新能科技有限公司 一种基于粒子群优化算法的电动汽车v2g控制***
CN111660861B (zh) * 2020-06-03 2021-10-26 国网重庆市电力公司营销服务中心 一种充电站内电动汽车的充电控制方法
CN112238782B (zh) * 2020-10-23 2022-03-01 中国科学技术大学 电动汽车充电策略的确定方法及装置

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009014543A1 (en) * 2007-07-26 2009-01-29 I-Conserve, Llc System and method for transferring electrical power between grid and vehicle
EP2404779A1 (en) * 2010-07-06 2012-01-11 ABB Research Ltd. Charging of electrical vehicles
CN103077429A (zh) * 2013-01-10 2013-05-01 华北电力大学 含风光发电与电动汽车换电站的孤立微电网容量优化方法
CN103679299A (zh) * 2013-12-30 2014-03-26 华北电力大学（保定） 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法
FR3001587A1 (fr) * 2013-01-29 2014-08-01 IFP Energies Nouvelles Procede et systeme de commande de la charge d'au moins deux moyens de stockage d'energie electrique
CN106042963A (zh) * 2016-06-17 2016-10-26 广东顺德中山大学卡内基梅隆大学国际联合研究院 电气化交通网络和电力***的协同优化方法与***
CN106655243A (zh) * 2016-08-12 2017-05-10 浙江工业大学 以维持微电网供需平衡为目的的电动汽车自动需求响应方法
CN107154628A (zh) * 2017-07-12 2017-09-12 重庆大学 电动汽车入网放电电价上限与入网功率关系计算方法
CN107704947A (zh) * 2017-08-31 2018-02-16 合肥工业大学 一种考虑电动汽车随机接入的微电网多目标优化调度方法
CN107967528A (zh) * 2017-11-24 2018-04-27 国网北京市电力公司 充电价格显示方法及装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB2481946A (en) * 2009-03-31 2012-01-11 Gridpoint Inc Electric vehicle power management systems
US20110016063A1 (en) * 2009-07-17 2011-01-20 Gridpoint, Inc. System and methods for smart charging techniques
CN105024432B (zh) * 2015-07-30 2017-12-29 浙江工业大学 一种基于虚拟电价的电动汽车充放电优化调度方法
US9995591B2 (en) * 2016-03-09 2018-06-12 Toyota Jidosha Kabushiki Kaisha Estimating a departure time for a plug-in electric vehicle

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009014543A1 (en) * 2007-07-26 2009-01-29 I-Conserve, Llc System and method for transferring electrical power between grid and vehicle
EP2404779A1 (en) * 2010-07-06 2012-01-11 ABB Research Ltd. Charging of electrical vehicles
CN103077429A (zh) * 2013-01-10 2013-05-01 华北电力大学 含风光发电与电动汽车换电站的孤立微电网容量优化方法
FR3001587A1 (fr) * 2013-01-29 2014-08-01 IFP Energies Nouvelles Procede et systeme de commande de la charge d'au moins deux moyens de stockage d'energie electrique
CN103679299A (zh) * 2013-12-30 2014-03-26 华北电力大学（保定） 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法
CN106042963A (zh) * 2016-06-17 2016-10-26 广东顺德中山大学卡内基梅隆大学国际联合研究院 电气化交通网络和电力***的协同优化方法与***
CN106655243A (zh) * 2016-08-12 2017-05-10 浙江工业大学 以维持微电网供需平衡为目的的电动汽车自动需求响应方法
CN107154628A (zh) * 2017-07-12 2017-09-12 重庆大学 电动汽车入网放电电价上限与入网功率关系计算方法
CN107704947A (zh) * 2017-08-31 2018-02-16 合肥工业大学 一种考虑电动汽车随机接入的微电网多目标优化调度方法
CN107967528A (zh) * 2017-11-24 2018-04-27 国网北京市电力公司 充电价格显示方法及装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《Cooperative Optimization of Electric Vehicles in Microgrids Considering Across-Time-and-Space Energy Transmission》;Changsong Chen;《 IEEE Transactions on Industrial Electronics》;20171218;第66卷(第2期);第1532-1542页 *
《基于实时电价的电动汽车充放电优化策略和》;麻秀范 等;《电工技术学报》;20160515;第31卷;第190-202页 *
《电动汽车参与V2G的最优峰谷电价研究》;项顶 等;《中国电机工程学报》;20131105;第31卷(第31期);第15-25页 *

Also Published As

Publication number Publication date
CN109050284A (zh) 2018-12-21

Similar Documents

Publication Publication Date Title
CN109050284B (zh) 一种考虑v2g的电动汽车充放电电价优化方法
Hou et al. Multi-objective economic dispatch of a microgrid considering electric vehicle and transferable load
Zhang et al. Multi-objective load dispatch for microgrid with electric vehicles using modified gravitational search and particle swarm optimization algorithm
CN110739725B (zh) 一种配电网优化调度方法
CN112186809B (zh) 基于电动汽车v2g模式的虚拟电厂优化协同调度方法
Li et al. An optimal design and analysis of a hybrid power charging station for electric vehicles considering uncertainties
Wang et al. Two-stage optimal scheduling strategy for large-scale electric vehicles
CN110084443B (zh) 一种基于qpso优化算法的换电站运行优化模型分析方法
CN109217290B (zh) 计及电动汽车充放电的微网能量优化管理方法
CN111626527B (zh) 计及可调度电动汽车快/慢充放电形式的智能电网深度学习调度方法
CN110138006B (zh) 考虑含有新能源电动汽车的多微电网协调优化调度方法
CN103679299A (zh) 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法
Yu et al. A real time energy management for EV charging station integrated with local generations and energy storage system
CN113799640B (zh) 适用于含电动汽车充电桩微电网的能量管理方法
Yu et al. The impact of charging battery electric vehicles on the load profile in the presence of renewable energy
Li et al. Optimal dispatch for PV-assisted charging station of electric vehicles
Roslan et al. Optimization algorithms for energy storage integrated microgrid performance enhancement
Yi et al. Optimal energy management strategy for smart home with electric vehicle
Wu et al. Coordinated scheduling for multimicrogrid systems considering mobile energy storage characteristics of electric vehicles
Zhang et al. Orderly automatic real-time charging scheduling scenario strategy for electric vehicles considering renewable energy consumption
Terkes et al. An evaluation of renewable fraction using energy storage for electric vehicle charging station
Huang et al. Research on charging and discharging control strategy of electric vehicles and its economic benefit in microgrid
CN112396223A (zh) 一种交互能源机制下的电动汽车充电站能量管理方法
CN108493973A (zh) 一种电动汽车充放电设施的容量配置方法
CN110929908B (zh) 多微网***容量配置与经济调度的协同优化方法及***

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant