CN110175728A - 基于梯度投影退化型内点法的电动汽车充电站调度装置 - Google Patents
基于梯度投影退化型内点法的电动汽车充电站调度装置 Download PDFInfo
- Publication number
- CN110175728A CN110175728A CN201910576140.6A CN201910576140A CN110175728A CN 110175728 A CN110175728 A CN 110175728A CN 201910576140 A CN201910576140 A CN 201910576140A CN 110175728 A CN110175728 A CN 110175728A
- Authority
- CN
- China
- Prior art keywords
- charging
- electric vehicle
- discharging
- current
- value
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 109
- 238000007599 discharging Methods 0.000 claims description 148
- 230000006870 function Effects 0.000 claims description 46
- 230000015556 catabolic process Effects 0.000 claims description 31
- 238000006731 degradation reaction Methods 0.000 claims description 31
- 230000005611 electricity Effects 0.000 claims description 25
- 239000013256 coordination polymer Substances 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 3
- 101710094840 Sirohydrochlorin ferrochelatase Proteins 0.000 abstract 1
- 101710188946 Uroporphyrinogen-III C-methyltransferase Proteins 0.000 abstract 1
- 238000009434 installation Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- 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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种基于梯度投影退化型内点法的电动汽车充电站调度计算机装置、方法、设备及计算机可读存储介质,包括:构建模块,用于采用内点罚函数法构建电动汽车充/放电模型;生成模块,用于根据电动汽车充/放电模型的等式约束与不等式约束,生成可行域;获取模块,用于在可行域内获取初始解,确定微电网初始收益;确定模块,用于根据等式约束,确定正交投影算子;梯度下降模块,用于根据初始解、正交投影算子及投影下降梯度法,确定模型当前最优解,确定当前收益;目标收益确定模块,用于判断当前收益是否大于初始收益,若大于,将当前收益设为目标收益。本发明所提供的计算机装置、方法、设备及计算机可读存储介质,降低了微电网运行费用。
Description
技术领域
本发明涉及微电网管理调度技术领域,特别是涉及一种基于梯度投影退化型内点法的电动汽车充电站调度计算机装置、方法、设备以及计算机可读存储介质。
背景技术
随着大规模的电动汽车产生,未来的充电设施数量也会增加,大量电动汽车的充电给公共电网以及微电网带来了一系列亟待解决的问题。电动汽车用户在微电网管理的停车场进行停车充电需求越来越明显,基于微电网管理的停车场是未来的发展趋势之一。
微电网管理的停车场会建立一定比例的共享私人车位,电动汽车用户将提前一天与共享私人车位车主在微电网管理平台下进行双盲竞价交易。微电网决策者面向这种共享模式,对成功匹配的电动汽车充电过程进行调度优化,从而使微电网运行费用达到最低。
现有技术方案在解决电动汽车充电过程的非线性问题时一般采用传统内点法,传统内点法优化不收敛的主要原因有三点:第一,主函数含有非线性函数,而非线性函数是不可导的,可能会误导下降梯度的搜寻方向;第二,约束条件含有太多的等式约束,减少解空间的范围,导致函数容易破约束,最优值处于可行域外;第三,可能来自内点法的对数惩罚函数,当目标函数变为无穷大时,任何有不等式约束的迭代都很难得到返回方向。对于大规模实际问题,寻找在可行域中寻找最优点通常比较困难,传统内点法难以可靠收敛。
使用传统内点法对电动汽车充电过程的非线性问题进行解决,会受到非线性函数不可导问题、多个等式约束问题等问题导致难以可靠收敛,从而导致在对微电网管理的电动汽车充电站进行调度时,难以在可行域中寻找最优点,因此对基于微电网管理的电动汽车充电站调度优化的效果较差,也不能有效降低微电网管理平台的运行费用。
综上所述可以看出,如何解决由于传统内点法不收敛导致无法对微电网管理的电动汽车充电站进行合理优化,从而不能有效降低微电网管理平台的运行费用是目前有待解决的问题。
发明内容
本发明的目的是提供一种基于梯度投影退化型内点法的电动汽车充电站调度计算机装置、方法、设备以及计算机可读存储介质,以解决现有技术中由于传统内点法不收敛,导致不能有效降低微电网管理平台的运行费用的问题。
为解决上述技术问题,本发明提供一种基于梯度投影退化型内点法的电动汽车充电站调度计算机装置,包括:构建模块,用于采用内点罚函数法构建基于微电网管理的电动汽车充电站的电动汽车充/放电模型的目标函数;生成模块,用于根据所述电动汽车充/放电模型的等式约束与不等式约束,生成可行域;获取模块,用于在所述可行域内获取所述电动汽车充/放电模型的初始充/放电功率,并确定所述充/放电功率对应的微电网的初始收益值;确定模块,用于根据所述电动汽车充/放电模型的等式约束,确定正交投影算子;梯度下降模块,用于根据所述初始充/放电功率、所述正交投影算子及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率,并根据所述当前最优充/放电功率确定所述微电网的当前收益值;目标收益确定模块,用于判断所述当前收益值是否大于所述初始收益值,若大于,则将所述当前收益值设置为所述微电网的目标收益值。
优选地,所述目标收益确定模块具体用于:
迭代执行判断所述当前收益值是否大于所述初始收益值;若大于,则将所述当前最优充/放电功率设置为所述初始充/放电功率,将所述当前收益值设置为所述初始收益值;根据所述初始充/放电功率、所述正交投影算子及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率,并根据所述当前最优充/放电功率确定所述微电网的当前收益值的步骤,直至迭代次数大于预设次数阈值,将所述当前最优充/放电效率设置为目标最优充/放电功率,将所述当前收益值设置为目标收益值。
优选地,所述构建模块具体用于:
采用内点罚函数法构建基于微电网管理的电动汽车充电站的电动汽车充/放电模型的目标函数F(x):
其中,Billec为所述微电网向电力市场缴纳的电度电费,Billct为所述微电网向电力市场缴纳的容量电费,Penpow为电动汽车充电功率惩罚项,Penener为电动汽车电池容量的惩罚项,Pele为电度电价,为矩阵叉乘,⊙为矩阵点乘,x1,x2,…,xN为一天中充电负荷值的向量,L表示负荷的次方值的常数,X表示共享私人车位的充电功率值,α1、α2、α3为惩罚因子,β1、β2、β3为指数函数系数,G为电动汽车等式约束中的充电状态,GL为电动汽车的电池额定容量,CPmax为电动汽车充电功率最大值,CPmin为电动汽车充电功率最小值,IND为充电时间矩阵,L为常数值。
优选地,所述生成模块具体用于:
根据所述电动汽车充/放电模型的充/放电功率不等式约束CPmin≤xi≤CPmax、电动汽车能量不等式约束以及等式约束生成可行域;
其中,H为成功匹配的电动汽车的充电时长矩阵,HL为电动汽车离站时的电池容量值。
优选地,所述确定模块具体用于:
根据所述电动汽车充/放电模块的等式约束确定正交投影算子P=In-HT(HHT)-1H,其中,In为单位矩阵。
优选地,所述梯度下降模块具体用于:
根据所述初始充/放电功率x(0)、所述正交投影算子P=In-HT(HHT)-1H及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率x(k)=x(k-1)-αkP▽F(x(k-1));其中,αk为步长,x(k-1)为前一时刻迭代的解,x(k)为k时刻的解。
本发明还提供了一种基于梯度投影退化型内点法的电动汽车充电站调度方法,包括:采用内点罚函数法构建基于微电网管理的电动汽车充电站的电动汽车充/放电模型的目标函数;根据所述电动汽车充/放电模型的等式约束与不等式约束,生成可行域;在所述可行域内获取所述电动汽车充/放电模型的初始充/放电功率,并确定所述充/放电功率对应的微电网的初始收益值;根据所述电动汽车充/放电模型的等式约束,确定正交投影算子;根据所述初始充/放电功率、所述正交投影算子及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率,并根据所述当前最优充/放电功率确定所述微电网的当前收益值;判断所述当前收益值是否大于所述初始收益值,若大于,则将所述当前收益值设置为所述微电网的目标收益值。
优选地,所述判断所述当前收益值是否大于所述初始收益值,若大于,则将所述当前收益值设置为所述微电网的目标收益值包括:
迭代执行判断所述当前收益值是否大于所述初始收益值;若大于,则将所述当前最优充/放电功率设置为所述初始充/放电功率,将所述当前收益值设置为所述初始收益值;根据所述初始充/放电功率、所述正交投影算子及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率,并根据所述当前最优充/放电功率确定所述微电网的当前收益值的步骤,直至迭代次数大于预设次数阈值,将所述当前最优充/放电效率设置为目标最优充/放电功率,将所述当前收益值设置为目标收益值。
本发明还提供了一种基于梯度投影退化型内点法的电动汽车充电站调度设备,包括:
存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述一种基于梯度投影退化型内点法的电动汽车充电站调度方法的步骤。
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种基于梯度投影退化型内点法的电动汽车充电站调度方法的步骤。
本发明所提供的基于梯度投影退化型内点法的电动汽车充电站调度计算机装置,包括:构建模块、生成模块、获取模块、确定模块、梯度下降模块以及目标收益模块。利用内点罚函数法构建电动汽车充/放电模型的目标函数,通过电动汽车充/放电模型中的等式约束和不等式约束形成可行域,并在可行域内产生初始解,即初始充/放电功率,然后通过电动汽车充/放电模型中的等式约束确定正交投影算子,根据所述初始解及所述正交投影算子,使用投影下降梯度法对目标函数进行寻优,通过函数收敛判断规则,最终获得全局最优解,即最优充/放电功率,从而确定了最优充/放电功率对应的目标收益值。本发明通过所述电动汽车充/放电模型中的多个等式约束,缩小了目标函数的可行域,并结合投影下降梯度法,解决了传统内点法不收敛的问题,利用本发明所提供的梯度投影退化型内点法解决了算法收敛问题,通过对基于微电网管理的电动汽车充电站的调度,确定了微电网管理平台的最优收益值,提高了微电网平台的收益,则有效地降低了微电网管理平台的运行费用,同时提高了电动汽车群的收益。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于梯度投影退化型内点法的电动汽车充电站调度装置的结构框图;
图2为本发明所提供的基于梯度投影退化型内点法的电动汽车充电站调度方法的第一种具体实施例的流程图;
图3为本发明所提供的基于梯度投影退化型内点法的电动汽车充电站调度方法的第二种具体实施例的流程图;
图4为微电网对电动汽车充/放电模型调度与未调度两种情景下微电网负荷特性图;
图5为微电网未对电动汽车充/放电模型调度与未调度两种情景下峰谷电价及容量电价的分布图。
具体实施方式
本发明的核心是提供一种基于梯度投影退化型内点法的电动汽车充电站调度计算机装置、方法、设备以及计算机可读存储介质,提高了微电网管理平台的收益,降低了微电网管理平台的运行费用。
为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参考图1,图1为本发明实施例提供的一种基于梯度投影退化型内点法的电动汽车充电站调度计算机装置的结构框图;具体装置可以包括:
构建模块100,用于采用内点罚函数法构建基于微电网管理的电动汽车充电站的电动汽车充/放电模型的目标函数;
在本实施例中,所述构建模块具体用于:采用内点罚函数法构建基于微电网管理的电动汽车充电站的电动汽车充/放电模型的目标函数F(x):
其中,Billec为所述微电网向电力市场缴纳的电度电费,Billct为所述微电网向电力市场缴纳的容量电费,Penpow为电动汽车充电功率惩罚项,Penener为电动汽车电池容量的惩罚项,Pele为电度电价,为矩阵叉乘,⊙为矩阵点乘,x1,x2,…,xN为一天中充电负荷值的向量,L表示负荷的次方值的常数,X表示共享私人车位的充电功率值,α1、α2、α3为惩罚因子,β1、β2、β3为指数函数系数,G为电动汽车等式约束中的充电状态,GL为电动汽车的电池额定容量,CPmax为电动汽车充电功率最大值,CPmin为电动汽车充电功率最小值,IND为充电时间矩阵,L为常数值。
生成模块200,用于根据所述电动汽车充/放电模型的等式约束与不等式约束,生成可行域;
根据所述电动汽车充/放电模型的等式约束Ax=b与不等式约束gi(x)≥0构成所述可行域。
所述电动汽车充/放电模型的等式约束包括:充/放电功率不等式约束:CPmin≤xi≤CPmax;电动汽车能量不等式约束:
其中,xi为所述目标函数的解,即电动汽车充/放电功率。
由于所述微电网管理平台必须保证电动汽车在出站之前,完成电动汽车用户计划充电的能量,因此电动汽车充/放电模型的等式约束为:其中,H为成功匹配的电动汽车的充电时长矩阵,HL为电动汽车离站时的电池容量值。
根据所述电动汽车充/放电模型的充/放电功率不等式约束CPmin≤xi≤CPmax、电动汽车能量不等式约束以及等式约束生成可行域;
其中,H为成功匹配的电动汽车的充电时长矩阵,HL为电动汽车离站时的电池容量值。
获取模块300,用于在所述可行域内获取所述电动汽车充/放电模型的初始充/放电功率,并确定所述充/放电功率对应的微电网的初始收益值;
在所述可行域内,获得所述电动汽车充/放电模型的初始解x(0),即初始充/放电功率。所述初始解如下所示:
其中,为初始时第i辆电动汽车的充电功率的向量,Timearrive_i为所述第i量电动汽车的进站时间,Timeleft_i为所述第i辆电动汽车的离站时间,t为时刻,CPmax为最大充电功率,Emax_i为电池最大容量,Earrive_i为进站前的初始电量,为初始时所述第i量电动汽车的充电功率,x(0)为所述共享私人车位初充电功率。
并根据所述初始解确定所述微电网平台对应的初始收益值fbest(x(0))。
确定模块400,用于根据所述电动汽车充/放电模型的等式约束,确定正交投影算子;
所述确定模块具体用于根据所述电动汽车充/放电模块的等式约束确定正交投影算子P=In-HT(HHT)-1H,其中,In为单位矩阵。
梯度下降模块500,用于根据所述初始充/放电功率、所述正交投影算子及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率,并根据所述当前最优充/放电功率确定所述微电网的当前收益值;
目标收益确定模块600,用于判断所述当前收益值是否大于所述初始收益值,若大于,则将所述当前收益值设置为所述微电网的目标收益值。
根据所述初始充/放电功率x(0)、所述正交投影算子P=In-HT(HHT)-1H及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率其中,αk为步长,x(k-1)为前一时刻迭代的解,x(k)为k时刻的解。
利用本实施例所提供的计算机装置,解决了传统内点法因非线性函数不可导问题和多个等式约束问题导致难以可靠收敛的问题,保证了实际问题能够可靠收敛的技术效果,从而减少了微电网运行费用。
基于上述实施例,在本实施例中,所述目标收益确定模块600可以包括:判断单元与迭代单元。
所述判断单元,用于判断所述当前收益值是否大于所述初始收益值,若大于,则将所述当前最优充/放电功率设置为所述初始充/放电功率,将所述当前收益值设置为所述初始收益值;
所述迭代单元,用于迭代执行根据所述初始充/放电功率、所述正交投影算子及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率,并根据所述当前最优充/放电功率确定所述微电网的当前收益值,判断所述当前收益值是否大于所述初始收益值,若大于,则将所述当前最优充/放电功率设置为所述初始充/放电功率,将所述当前收益值设置为所述初始收益值,直至迭代次数大于预设次数阈值,将所述当前最优充/放电功率设置为目标最优充/放电功率,将所述当前收益值设置为目标收益值。
本实施例所提供的基于梯度投影退化型内点法的电动汽车充电站调度计算机装置,可以利用梯度投影退化型内点法有效解决传统内点法解决非线性问题不收敛的问题,提高了微电网管理平台的收益,从而降低了微电网管理平台的运行费用。
基于上述实施例,本实施例所提供的基于梯度投影退化型内点法的电动汽车充电站调度计算机装置中,所述
请参考图2,图2为本发明所提供的基于梯度投影退化型内点法的电动汽车充电站调度方法的第一种具体实施例的流程图;具体操作步骤如下:
步骤S201:采用内点罚函数法构建基于微电网管理的电动汽车充电站的电动汽车充/放电模型的目标函数;
采用内点罚函数法构建基于微电网管理的电动汽车充电站的电动汽车充/放电模型的目标函数F(x):
其中,F(x)为成功匹配的电动汽车充电费用的目标函数,Billec为所述微电网向电力市场缴纳的电度电费,Billct为所述微电网向电力市场缴纳的容量电费,Penpow为电动汽车充电功率惩罚项,Penener为电动汽车电池容量的惩罚项,Pele为电度电价,为矩阵叉乘,⊙为矩阵点乘,x1,x2,…,xN为一天中充电负荷值的向量,L表示负荷的次方值的常数,X表示共享私人车位的充电功率值,α1、α2、α3为惩罚因子,β1、β2、β3为指数函数系数,G为电动汽车等式约束中的充电状态,GL为电动汽车的电池额定容量,CPmax为电动汽车充电功率最大值,CPmin为电动汽车充电功率最小值,IND为充电时间矩阵,L为常数值。
所述成功匹配的电动汽车为电动汽车车主与共享私人车位的用户通过微电网管理平台的交易模块,达成交易后生成的。
步骤S202:根据所述电动汽车充/放电模型的等式约束与不等式约束,生成可行域;
根据所述电动汽车充/放电模型的等式约束Ax=b与不等式约束gi(x)≥0构成所述可行域。
所述电动汽车充/放电模型的等式约束包括:充/放电功率不等式约束:CPmin≤xi≤CPmax;电动汽车能量不等式约束:
其中,xi为所述目标函数的解,即电动汽车充/放电功率。
由于所述微电网管理平台必须保证电动汽车在出站之前,完成电动汽车用户计划充电的能量,因此电动汽车充/放电模型的等式约束为:其中,H为成功匹配的电动汽车的充电时长矩阵,HL为电动汽车离站时的电池容量值。
步骤S203:在所述可行域内获取所述电动汽车充/放电模型的初始充/放电功率,并确定所述充/放电功率对应的微电网的初始收益值;
在所述可行域内,获得所述电动汽车充/放电模型的初始解x(0),即初始充/放电功率。所述初始解如下所示:
其中,为初始时第i辆电动汽车的充电功率的向量,Timearrive_i为所述第i量电动汽车的进站时间,Timeleft_i为所述第i辆电动汽车的离站时间,t为时刻,CPmax为最大充电功率,Emax_i为电池最大容量,Earrive_i为进站前的初始电量,xi (0)为初始时所述第i量电动汽车的充电功率,x(0)为所述共享私人车位初充电功率。
并根据所述初始解确定所述微电网平台对应的初始收益值fbest(x(0))。
步骤S204:根据所述电动汽车充/放电模型的等式约束,确定正交投影算子;
根所述电动汽车充/放电模型的等式约束,获取所述正交投影算子P=In-HT(HHT)- 1H,其中,In为单位矩阵。
步骤S205:根据所述初始充/放电功率、所述正交投影算子及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率,并根据所述当前最优充/放电功率确定所述微电网的当前收益值;
根据所述初始充/放电功率x(0)、所述正交投影算子P=In-HT(HHT)-1H及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率其中,αk为步长,x(k-1)为前一时刻迭代的解,即k-1时刻的充/放电功率,x(k)为k时刻的解。
步骤S206:判断所述当前收益值是否大于所述初始收益值,若大于,则将所述当前收益值设置为所述微电网的目标收益值。
将所述初始收益值与所述当前收益值进行比较,判断是否满足fmin(x(k))<fbest(x)的条件,若是,则将所述当前充/放电功率设置为所述电动汽车充/放电模型的全局最优解,将所述当前收益值设置为目标收益值。
本实施例所提供的电动汽车充电站调度方法,利用内点罚函数构建电动汽车充/放电模型的目标函数,并利用所述电动汽车充/放电模型的等式约束与不等式约束,限定了可行域的范围。在所述可行域内产生初始解,并确定所述初始解对应的初始收益值。根据所述等式约束,获取正交投影算子。利用所述正交投影算子与所述初始解,并使用投影下降梯度法对所述目标函数进行寻优,通过函数收敛判断规则,最终获取所述电动汽车充/放电模型的全局最优解,即最优充/放电效率,从而确定了所述全局最优解对应的所述微电网管理平台的目标收益值。本实施例所提供的方法,解决了传统内点法因非线性函数不可导问题和多个等式约束问题导致难以可靠收敛的问题,保证了实际问题能够可靠收敛的技术效果,从而减少了微电网运行费用。
基于上述实施例,在本实施例中,当所述当前收益值大于所述初始收益值时,可以将所述当前充/放电功率设置为初始充/放电功率,将所述当前收益值作为初始收益值后,迭代获取当前充/放电功率与当前收益值,直至迭代次数达到预设次数。请参考图3,图3为本发明所提供的基于梯度投影退化型内点法的电动汽车充电站调度方法的第二种具体实施例的流程图;具体操作步骤如下:
步骤S301:采用内点罚函数法构建基于微电网管理的电动汽车充电站的电动汽车充/放电模型的目标函数;
步骤S302:根据所述电动汽车充/放电模型的等式约束与不等式约束,生成可行域;
步骤S303:在所述可行域内获取所述电动汽车充/放电模型的初始充/放电功率,并确定所述充/放电功率对应的微电网的初始收益值;
步骤S304:根据所述电动汽车充/放电模型的等式约束,确定正交投影算子;
步骤S305:根据所述初始充/放电功率、所述正交投影算子及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率,并根据所述当前最优充/放电功率确定所述微电网的当前收益值;
步骤S306:判断所述当前收益值是否大于所述初始收益值,若大于,则将所述当前最优充/放电功率设置为所述初始充/放电功率,将所述当前收益值设置为所述初始收益值;
步骤S307:迭代执行步骤S305与步骤S306,直至迭代次数大于预设次数阈值,将所述当前最优充/放电功率设置为目标最优充/放电功率,将所述当前收益值设置为目标收益值。
迭代执行一次步骤S305与步骤S306后,判断当前迭代次数是否大于预设迭代次数,若不大于,则将当前迭代次数加一后,再次执行步骤S305与步骤S306,直至所述迭代次数大于预设迭代次数。
以下述具体应用为例:利用所述微电网管理平台管理的电动汽车充电站中,包括150个共享私人车位的车主与200个电动汽车车主,在微电网管理平台的交易模块进行交易,得到成功匹配的电动汽车矩阵(132*10)。
本实施例利用梯度投影退化型内点法对基于微电网管理的电动汽车站调度这样的非线性问题进行求解,可获得目标函数的因变量和自变量解。微电网未对电动汽车充/放电模型进行优化设为情景1,而对电动汽车充/放电模型进行优化设为情景2,其两种情况下微电网负荷特性图如图4所示,两种情景下峰谷电价及容量电价的分布图如图5所示。两种情景产生的结果,如表1所示:
表1 两种情况结果对比表
由表1可以看出,本实施例所提供的基于梯度投影退化型内点法的电动汽车充电站调度方法,可以利用梯度投影退化型内点法有效解决传统内点法解决非线性问题不收敛的问题,提高了微电网管理平台的收益,从而降低了微电网管理平台的运行费用。
本发明具体实施例还提供了一种基于梯度投影退化型内点法的电动汽车充电站调度设备,包括:存储器,用于存储计算机程序;处理器,用于执行所述计算机程序时实现上述一种基于梯度投影退化型内点法的电动汽车充电站调度方法的步骤。
本发明具体实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述一种基于梯度投影退化型内点法的电动汽车充电站调度方法的步骤。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的基于梯度投影退化型内点法的电动汽车充电站调度方法、装置、设备以及计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。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,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种基于梯度投影退化型内点法的电动汽车充电站调度计算机装置,其特征在于,包括:
构建模块,用于采用内点罚函数法构建基于微电网管理的电动汽车充电站的电动汽车充/放电模型的目标函数;
生成模块,用于根据所述电动汽车充/放电模型的等式约束与不等式约束,生成可行域;
获取模块,用于在所述可行域内获取所述电动汽车充/放电模型的初始充/放电功率,并确定所述充/放电功率对应的微电网的初始收益值;
确定模块,用于根据所述电动汽车充/放电模型的等式约束,确定正交投影算子;
梯度下降模块,用于根据所述初始充/放电功率、所述正交投影算子及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率,并根据所述当前最优充/放电功率确定所述微电网的当前收益值;
目标收益确定模块,用于判断所述当前收益值是否大于所述初始收益值,若大于,则将所述当前收益值设置为所述微电网的目标收益值。
2.如权利要求1所述的计算机装置,其特征在于,所述目标收益确定模块具体用于:
迭代执行判断所述当前收益值是否大于所述初始收益值;若大于,则将所述当前最优充/放电功率设置为所述初始充/放电功率,将所述当前收益值设置为所述初始收益值;根据所述初始充/放电功率、所述正交投影算子及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率,并根据所述当前最优充/放电功率确定所述微电网的当前收益值的步骤,直至迭代次数大于预设次数阈值,将所述当前最优充/放电效率设置为目标最优充/放电功率,将所述当前收益值设置为目标收益值。
3.如权利要求1所述的计算机装置,其特征在于,所述构建模块具体用于:
采用内点罚函数法构建基于微电网管理的电动汽车充电站的电动汽车充/放电模型的目标函数F(x):
其中,Billec为所述微电网向电力市场缴纳的电度电费,Billct为所述微电网向电力市场缴纳的容量电费,Penpow为电动汽车充电功率惩罚项,Penener为电动汽车电池容量的惩罚项,Pele为电度电价,为矩阵叉乘,⊙为矩阵点乘,x1,x2,…,xN为一天中充电负荷值的向量,L表示负荷的次方值的常数,X表示共享私人车位的充电功率值,α1、α2、α3为惩罚因子,β1、β2、β3为指数函数系数,G为电动汽车等式约束中的充电状态,GL为电动汽车的电池额定容量,CPmax为电动汽车充电功率最大值,CPmin为电动汽车充电功率最小值,IND为充电时间矩阵,L为常数值。
4.如权利要求3所述的计算机装置,其特征在于,所述生成模块具体用于:
根据所述电动汽车充/放电模型的充/放电功率不等式约束CPmin≤xi≤CPmax、电动汽车能量不等式约束以及等式约束生成可行域;
其中,H为成功匹配的电动汽车的充电时长矩阵,HL为电动汽车离站时的电池容量值。
5.如权利要求4所述的计算机装置,其特征在于,所述确定模块具体用于:
根据所述电动汽车充/放电模块的等式约束确定正交投影算子P=In-HT(HHT)-1H,其中,In为单位矩阵。
6.如权利要求5所述的计算机装置,其特征在于,所述梯度下降模块具体用于:
根据所述初始充/放电功率x(0)、所述正交投影算子P=In-HT(HHT)-1H及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率其中,αk为步长,x(k-1)为前一时刻迭代的解,x(k)为k时刻的解。
7.一种基于梯度投影退化型内点法的电动汽车充电站调度方法,其特征在于,包括:
采用内点罚函数法构建基于微电网管理的电动汽车充电站的电动汽车充/放电模型的目标函数;
根据所述电动汽车充/放电模型的等式约束与不等式约束,生成可行域;
在所述可行域内获取所述电动汽车充/放电模型的初始充/放电功率,并确定所述充/放电功率对应的微电网的初始收益值;
根据所述电动汽车充/放电模型的等式约束,确定正交投影算子;
根据所述初始充/放电功率、所述正交投影算子及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率,并根据所述当前最优充/放电功率确定所述微电网的当前收益值;
判断所述当前收益值是否大于所述初始收益值,若大于,则将所述当前收益值设置为所述微电网的目标收益值。
8.如权利要求7所述的方法,其特征在于,所述判断所述当前收益值是否大于所述初始收益值,若大于,则将所述当前收益值设置为所述微电网的目标收益值包括:
迭代执行判断所述当前收益值是否大于所述初始收益值;若大于,则将所述当前最优充/放电功率设置为所述初始充/放电功率,将所述当前收益值设置为所述初始收益值;根据所述初始充/放电功率、所述正交投影算子及投影下降梯度法,确定所述电动汽车充/放电模型的当前最优充/放电功率,并根据所述当前最优充/放电功率确定所述微电网的当前收益值的步骤,直至迭代次数大于预设次数阈值,将所述当前最优充/放电效率设置为目标最优充/放电功率,将所述当前收益值设置为目标收益值。
9.一种基于梯度投影退化型内点法的电动汽车充电站调度设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求7至8任一项所述一种基于梯度投影退化型内点法的电动汽车充电站调度方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求7至8任一项所述一种基于梯度投影退化型内点法的电动汽车充电站调度方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910576140.6A CN110175728B (zh) | 2019-06-28 | 2019-06-28 | 基于梯度投影退化型内点法的电动汽车充电站调度装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910576140.6A CN110175728B (zh) | 2019-06-28 | 2019-06-28 | 基于梯度投影退化型内点法的电动汽车充电站调度装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110175728A true CN110175728A (zh) | 2019-08-27 |
CN110175728B CN110175728B (zh) | 2022-04-19 |
Family
ID=67699343
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910576140.6A Expired - Fee Related CN110175728B (zh) | 2019-06-28 | 2019-06-28 | 基于梯度投影退化型内点法的电动汽车充电站调度装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110175728B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111369742A (zh) * | 2020-03-13 | 2020-07-03 | 南京润北智能环境研究院有限公司 | 电力市场下共享车位与电动汽车撮合效益计算方法及*** |
CN111369741A (zh) * | 2020-03-13 | 2020-07-03 | 南京润北智能环境研究院有限公司 | 一种电力市场下多停车场共享车位与电动汽车撮合*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160036226A1 (en) * | 2014-08-04 | 2016-02-04 | California Institute Of Technology | Distributed Gradient Descent for Solving Optimal Power Flow in Radial Networks |
CN106339778A (zh) * | 2016-09-30 | 2017-01-18 | 安徽工程大学 | 一种考虑多目标的光蓄微电网运行优化方法 |
CN107292449A (zh) * | 2017-07-18 | 2017-10-24 | 广东双新电气科技有限公司 | 一种含多微网主动配电***分散协同经济调度方法 |
US20170337646A1 (en) * | 2016-05-19 | 2017-11-23 | Hefei University Of Technology | Charging and discharging scheduling method for electric vehicles in microgrid under time-of-use price |
CN108092290A (zh) * | 2017-08-16 | 2018-05-29 | 华东理工大学 | 一种联合储能容量配置与优化运行的微网能量配置方法 |
CN109888806A (zh) * | 2019-02-28 | 2019-06-14 | 武汉大学 | 一种含电动汽车的微电网储能优化配置方法 |
-
2019
- 2019-06-28 CN CN201910576140.6A patent/CN110175728B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160036226A1 (en) * | 2014-08-04 | 2016-02-04 | California Institute Of Technology | Distributed Gradient Descent for Solving Optimal Power Flow in Radial Networks |
US20170337646A1 (en) * | 2016-05-19 | 2017-11-23 | Hefei University Of Technology | Charging and discharging scheduling method for electric vehicles in microgrid under time-of-use price |
CN106339778A (zh) * | 2016-09-30 | 2017-01-18 | 安徽工程大学 | 一种考虑多目标的光蓄微电网运行优化方法 |
CN107292449A (zh) * | 2017-07-18 | 2017-10-24 | 广东双新电气科技有限公司 | 一种含多微网主动配电***分散协同经济调度方法 |
CN108092290A (zh) * | 2017-08-16 | 2018-05-29 | 华东理工大学 | 一种联合储能容量配置与优化运行的微网能量配置方法 |
CN109888806A (zh) * | 2019-02-28 | 2019-06-14 | 武汉大学 | 一种含电动汽车的微电网储能优化配置方法 |
Non-Patent Citations (1)
Title |
---|
王可心等: "简约空间内点法的投影梯度可行性恢复", 《华东理工大学学报(自然科学版)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111369742A (zh) * | 2020-03-13 | 2020-07-03 | 南京润北智能环境研究院有限公司 | 电力市场下共享车位与电动汽车撮合效益计算方法及*** |
CN111369741A (zh) * | 2020-03-13 | 2020-07-03 | 南京润北智能环境研究院有限公司 | 一种电力市场下多停车场共享车位与电动汽车撮合*** |
Also Published As
Publication number | Publication date |
---|---|
CN110175728B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhai et al. | Modeling and analysis of lithium battery operations in spot and frequency regulation service markets in Australia electricity market | |
Zheng et al. | A novel real-time scheduling strategy with near-linear complexity for integrating large-scale electric vehicles into smart grid | |
Morais et al. | Evaluation of the electric vehicle impact in the power demand curve in a smart grid environment | |
López et al. | V2G strategies for congestion management in microgrids with high penetration of electric vehicles | |
Han et al. | Day‐ahead electric vehicle aggregator bidding strategy using stochastic programming in an uncertain reserve market | |
Le Floch et al. | Distributed optimal charging of electric vehicles for demand response and load shaping | |
CN110175728B (zh) | 基于梯度投影退化型内点法的电动汽车充电站调度装置 | |
WO2020259307A1 (zh) | 一种并网停车场的可用容量确定方法、装置及计算设备 | |
CN108197765B (zh) | 面向电池损耗等额分配的停车场充电调度方法及计算设备 | |
CN107316152A (zh) | 电动汽车参与需求侧响应的规划方法、装置及计算设备 | |
CN110533222A (zh) | 基于峰平谷电价的电动汽车充电负荷预测方法及装置 | |
Cui et al. | Optimal control of PEVs for energy cost minimization and frequency regulation in the smart grid accounting for battery state-of-health degradation | |
Li et al. | Constrained large-scale real-time EV scheduling based on recurrent deep reinforcement learning | |
CN104283288A (zh) | 充电站的充电方法及装置 | |
CN117060506A (zh) | 考虑绿电计费方式的电动汽车、光伏协同优化方法及装置 | |
Zhang et al. | Joint chance-constrained program based electric vehicles optimal dispatching strategy considering drivers' response uncertainty | |
Bernal-Rubiano et al. | Mathematical uncertainty cost functions for controllable photo-voltaic generators considering uniform distributions | |
CN113343437A (zh) | 电动汽车快速充电引导方法、***、终端及介质 | |
CN110599050B (zh) | 一种电动汽车与共享车位匹配方法和装置 | |
CN110048421B (zh) | 储能装置容量选择方法及装置 | |
Almeida et al. | Preliminary results of advanced heuristic optimization in the risk-based energy scheduling competition | |
CN115759560A (zh) | 储能-新能源-火电多目标优化调度方法及其*** | |
CN110348768A (zh) | 考虑全寿命周期效益的分布式储能投资规划模型构建方法 | |
CN114549148A (zh) | 虚拟电厂的竞价方法、装置、设备及存储介质 | |
CN112242722B (zh) | 充馈电调度方法、装置及存储介质 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20220419 |