CN109606198B - 考虑用户行为不确定性的智能配电网电动汽车充电方法 - Google Patents

Abstract

一种考虑用户行为不确定性的智能配电网电动汽车充电方法：根据输入的数据初始化电动汽车所需总电能以及每一个时间段内连接到电网的电动汽车数量，分别计算每个时间段的开始时刻电动汽车总的充电需求；判断下一时间段电动汽车所需总电能是否等于开始时刻电动汽车总的充电需求；判断当前时间点是否在所有时间点的集合中，不在则计算下一24小时内负载波动的效用函数；如果电动汽车在时间t连接到电网，则令判定函数为1；否则判定函数为零；并判定第i辆电动汽车在t时刻电池剩余的电量的值；计算第i辆电动汽车的充电策略，并更新电动汽车电池的剩余容量。本发明能够自动在居民用电量较高的时段主动减少了电动汽车的接入，分散了用电高峰的用电需求。

Description

考虑用户行为不确定性的智能配电网电动汽车充电方法

技术领域

本发明涉及一种电动汽车充电方法。特别是涉及一种考虑用户行为不确定性的智能配电 网电动汽车充电方法。

背景技术

近年来，随着科学技术的快速发展，凭借灵活、安全、清洁的特点，智能电网得到了更 加普遍应用。传统电网存在很多的信息孤岛，缺乏一定的信息共享性，整个电网的智能化比 较低，当出现电网故障时，需要大量的人力物力才能确定故障区域。而智能电网能够利用智 能电网的可观测性、智能性、自适应性、可控制性和自动分析等特点，通过一定的技术手段 及时地获得比较完整的信息，提高能源的综合利用。

智能电网的发展在全世界还处于起步阶段，其技术大致可分为四个领域：高级智能电网 量测体系、高级配电运行、高级输电运行和高级资产管理。高级量测体系主要作用是授权给 用户，使***同负荷建立起联系，使用户能够支持电网的运行；高级配电运行核心是在线实 时决策指挥，目标是灾变防治，实现大面积连锁故障的预防；高级输电运行主要作用是强调 阻塞管理和降低大规模停运的风险；高级资产管理是在***中安装大量可以提供***参数和 设备稳定运行状况的高级传感器，并把所收集到的实时信息与资源管理、模拟与仿真等过程 集成，改进电网的运行和效率。

电动汽车(Electric Vehicle EV)技术是目前世界各国推进清洁能源消费、绿色交通的最重要 手段之一。

近几年，EV因为具有节能减排等众多好处因而得到了广泛的应用，世界各国都纷纷加入 EV技术研发和市场竞争。车辆到电网技术(Vehicle-to-GridV2G)是EV技术中一个重要应用。 通过V2G，EV可以为智能电网提供电能和其他各项补充服务。通过优化EV的充放电策略， 智能电网可以更好的实现削峰填谷，频率管理等一系列目标。当今世界针对EV的充电标准 有三个体系，即日本体系、欧美体系和中国体系。其差别主要在充电接口形状以及通信方式 上。各个体系充电方式各有不同，而组网及控制方案不完善的问题普遍存在。

目前，EV参与电力市场的充电策略研究主要从电网侧和用户侧两个方面展开。针对用户 侧，经调查研究我们发现充电策略是基于理论计算和参数估计的充电策略，此类研究理论性 强却不能完全反映充电行为内在的逻辑性。经总结，我们发现制约居民台区(配电变压器以下 区域)内充电设施发展的关键瓶颈是台区配电容量问题,其背后更是输配电通道容量规划不 足的难题。

发明内容

本发明所要解决的技术问题是，提供一种能够充分满足负载需求且具有更好的用户体验 的考虑用户行为不确定性的智能配电网电动汽车充电方法。

本发明所采用的技术方案是：一种考虑用户行为不确定性的智能配电网电动汽车充电方 法，包括如下步骤：

1)根据输入的数据初始化电动汽车所需总电能以及每一个时间段内连接到电网的电动汽 车数量N_car(t)，然后分别计算每个时间段的开始时刻电动汽车总的充电需求P_ini；

2)判断下一时间段电动汽车所需总电能P_EV(t)是否等于开始时刻电动汽车总的充电需求 P_ini，如果相等，则结束，如果不相等，则进入下一步骤；

3)判断当前时间点是否在所有时间点的集合T中，如果不在，则计算下一24小时内负 载波动的效用函数，如果负载波动的效用函数小于或等于当前24小时内负载波动的效用函数， 则回到返回步骤1)再次计算当前时间段的开始时刻电动汽车总的充电需求P_ini，否则，令下 一24小时内负载波动的效用函数等于当前24小时内负载波动的效用函数，回到步骤2)进 行再次判定；如果当前时间点在所有时间点的集合T中，则进入下一步骤；

4)如果电动汽车在时间t连接到电网，则令判定函数X_i(t)为1；否则判定函数X_i(t)为零； 并判定第i辆电动汽车在t时刻电池剩余的电量SOC_ini(i,t)的值，如果X_i(t)＝1并且SOC_ini(i,t)<1， 则进入下一步骤，否则，令t＝t+1，返回步骤3)；

5)计算第i辆电动汽车的充电策略，并更新电动汽车电池的剩余容量SOC_ini(i,t)，令t＝t+1， 返回步骤3)进行再次判定。

步骤2)所述的下一时间段电动汽车所需总电能P_EV(t)是由下式得到：

其中，SOC_exp(i,t)表示第i辆电动汽车需要的电量；SOC_ini(i,t)表示第i辆电动汽车在t 时刻电池剩余的电量；I为电动汽车总数量；EV_i为第i辆电动汽车。

步骤3)所述的24小时内负载波动的效用函数P_PFL计算公式如下：

式中，

表示最大负载出现时间对应的居民区最大负载值；

表示最 小负载出现时间对应的居民区最小负载值；T表示所有时间点的集合；P_total(t)为居民区的总 负载，由下式得到：

P_total(t)＝P_home(t)+P_EV(t),t∈T

式中，P_home(t)为居民区内住宅的总负载。

步骤5)所述的第i辆电动汽车的充电策略包括：电动汽车所需总电能P_EV(t)、24小时 内负载波动的效用函数P_PFL和居民区的总负载P_total(t)。

本发明的考虑用户行为不确定性的智能配电网电动汽车充电方法，能够自动在居民用电 量较高的时段主动减少了电动汽车的接入。在削峰填谷的同时分散了用电高峰的用电需求。 通过建模进行仿真分析得出本发明具有如下优点：

1、再利用了本文提出的算法以后，效用函数P_PFL相比于传统算法有较大的下降。

2、在时间轴上用电量最小的位置，通过增加EV的接入，本文提出的方法比传统算法取 得了更好的填谷作用。

3、在时间轴上用电量最大的位置，本文提出的方法没有完全停止电动汽车的接入，保障 了一定的电动汽车介入刚性需求，改善了用户体验。

附图说明

图1是本发明考虑用户行为不确定性的智能配电网电动汽车充电方法的流程图；

图2是本发明中未使用EV优化充电策略居民住宅区的用电消耗模型；

图3是本发明中传统EV优化充电策略时居民住宅区的用电消耗模型；

图4是本发明中新型EV充电策略优化方法的用电消耗模型。

具体实施方式

下面结合实施例和附图对本发明的本发明的考虑用户行为不确定性的智能配电网电动汽 车充电方法做出详细说明。

如图1所示，本发明的考虑用户行为不确定性的智能配电网电动汽车充电方法，包括如 下步骤：

1)根据输入的数据初始化电动汽车所需总电能以及每一个时间段内连接到电网的电动汽 车(EV)数量N_car(t)，然后分别计算每个时间段的开始时刻电动汽车总的充电需求P_ini；

2)判断下一时间段电动汽车所需总电能P_EV(t)是否等于开始时刻电动汽车总的充电需求 P_ini，如果相等，则结束，如果不相等，则进入下一步骤；

所述的下一时间段电动汽车所需总电能P_EV(t)是由下式得到：

其中，SOC_exp(i,t)表示第i辆电动汽车需要的电量；SOC_ini(i,t)表示第i辆电动汽车在t 时刻电池剩余的电量；I为电动汽车总数量；EV_i为第i辆电动汽车。

3)判断当前时间点是否在所有时间点的集合T中，如果不在，则计算下一24小时内负 载波动的效用函数，如果负载波动的效用函数小于或等于当前24小时内负载波动的效用函数， 则回到返回步骤1)再次计算当前时间段的开始时刻电动汽车总的充电需求P_ini，否则，令下 一24小时内负载波动的效用函数等于当前24小时内负载波动的效用函数，回到步骤2)进 行再次判定；如果当前时间点在所有时间点的集合T中，则进入下一步骤；

所述的24小时内负载波动的效用函数P_PFL计算公式如下：

式中，

表示最大负载出现时间对应的居民区最大负载值；

表示最 小负载出现时间对应的居民区最小负载值；T表示所有时间点的集合；P_total(t)为居民区的总 负载，由下式得到：

P_total(t)＝P_home(t)+P_EV(t),t∈T

式中，P_home(t)为居民区内住宅的总负载。

在这里本发明利用对统计量取log的方法加快算法的收敛速度。同时，该方法还能提高 算法的稳定性。

4)如果电动汽车在时间t连接到电网，则令判定函数X_i(t)为1；否则判定函数X_i(t)为零； 并判定第i辆电动汽车在t时刻电池剩余的电量SOC_ini(i,t)的值，如果X_i(t)＝1并且SOC_ini(i,t)<1， 则进入下一步骤，否则，令t＝t+1，返回步骤3)；

5)计算第i辆电动汽车的充电策略，并更新电动汽车电池的剩余容量SOC_ini(i,t)，令t＝t+1， 返回步骤3)进行再次判定。所述的第i辆电动汽车的充电策略包括：电动汽车所需总电能 P_EV(t)、24小时内负载波动的效用函数P_PFL和居民区的总负载P_total(t)。

图2和图3比较了在应用传统EV优化充电策略和没有使用EV优化充电策略时居民住 宅区的用电消耗模型。在仿真过程中本发明利用了现有数据。在图2和图3中虚线表示了住 宅区用电量的总需求。从图2中我们可以看出在没有EV优化充电策略的情况下，有两个时 间段用电量需求超过了电网的承载能力。同时用电需求的峰值为329.5KVA比电网所能承载 的最高峰值P_max高31.8％。同时我们注意到5:00时用电需求为58.5KVA。可见在没有优化充 电策略的情况下EV的接入会使居民住宅区用电需求的波动更明显。同时本发明计算了相应 的P_PFL＝0.56。而在图3中，应用了传统充电策略的情况下。用电需求整体不会超过电网的 承载能力，并且P_PFL＝0.20。然而传统方法并没有考虑到对用户充电行为的建模因此还有进 一步改进的空间。

图4表现了本发明所提出的EV充电策略优化方法和没有使用EV优化充电策略时居民 住宅区的用电消耗模型。经过计算我们发现在这种情况下P_PFL＝0.20，优于图2和图3提出 的方法。一方面，本发明算法的效率对于降低P_PFL做出了贡献。

而另一个重要原因是P_PFL中出现的log函数很大程度的平均化了EV充电策略在接入时间 点上的分布。同时我们发现本发明的方法自动在居民用电量较高的时段主动减少了EV的接 入。在削峰填谷的同时分散了用电高峰的用电需求。综上所述本发明提出的方法没有完全停 止EV的接入，在保障了一定的EV介入刚性需求，改善了用户体验。

Claims (3)

1.一种考虑用户行为不确定性的智能配电网电动汽车充电方法，其特征在于，包括如下步骤：

1)根据输入的数据初始化电动汽车所需总电能以及每一个时间段内连接到电网的电动汽车数量N_car(t)，然后分别计算每个时间段的开始时刻电动汽车总的充电需求P_ini；

2)判断下一时间段电动汽车所需总电能P_EV(t)是否等于下一时间段开始时刻电动汽车总的充电需求P_ini，如果相等，则结束，如果不相等，则进入下一步骤；

3)判断当前时间点是否在所有时间点的集合T中，如果不在，则计算下一24小时内负载波动的效用函数，如果负载波动的效用函数小于或等于当前24小时内负载波动的效用函数，则返回步骤1)再次计算当前时间段的开始时刻电动汽车总的充电需求P_ini，否则，令下一24小时内负载波动的效用函数等于当前24小时内负载波动的效用函数，回到步骤2)进行再次判定；如果当前时间点在所有时间点的集合T中，则进入下一步骤；

所述的24小时内负载波动的效用函数P_PFL计算公式如下：

式中，max_t P_total(t)表示最大负载出现时间对应的居民区最大负载值；min_t P_total(t)表示最小负载出现时间对应的居民区最小负载值；T表示所有时间点的集合；P_total(t)为居民区的总负载，由下式得到：

P_total(t)＝P_home(t)+P_EV(t),t∈T

式中，P_home(t)为居民区内住宅的总负载；

4)如果电动汽车在时间t连接到电网，则令判定函数X_i(t)为1；否则判定函数X_i(t)为零；并判定第i辆电动汽车在t时刻电池剩余的电量SOC_ini(i,t)的值，如果X_i(t)＝1并且SOC_ini(i,t)<1，则进入下一步骤，否则，令t＝t+1，返回步骤3)；

5)计算第i辆电动汽车的充电策略，并更新电动汽车电池的剩余容量SOC_ini(i,t)，令t＝t+1，返回步骤3)进行再次判定。

2.根据权利要求1所述的考虑用户行为不确定性的智能配电网电动汽车充电方法，其特征在于，步骤2)所述的下一时间段电动汽车所需总电能P_EV(t)是由下式得到：

函数

其中，SOC_exp(i,t)表示第i辆电动汽车需要的电量；SOC_ini(i,t)表示第i辆电动汽车在t时刻电池剩余的电量；I为电动汽车总数量；EV_i为第i辆电动汽车。

3.根据权利要求1所述的考虑用户行为不确定性的智能配电网电动汽车充电方法，其特征在于，步骤5)所述的第i辆电动汽车的充电策略包括：电动汽车所需总电能P_EV(t)、24小时内负载波动的效用函数P_PFL和居民区的总负载P_total(t)。

Images