CN112467767B - 综合能源***环境下的电动汽车并网协同控制方法 - Google Patents
综合能源***环境下的电动汽车并网协同控制方法 Download PDFInfo
- Publication number
- CN112467767B CN112467767B CN202011202392.1A CN202011202392A CN112467767B CN 112467767 B CN112467767 B CN 112467767B CN 202011202392 A CN202011202392 A CN 202011202392A CN 112467767 B CN112467767 B CN 112467767B
- Authority
- CN
- China
- Prior art keywords
- power
- cluster
- constraint
- charge
- period
- 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
Images
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/28—Arrangements for balancing of the load in a network by storage of energy
- H02J3/32—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means
- H02J3/322—Arrangements for balancing of the load in a network by storage of energy using batteries with converting means the battery being on-board an electric or hybrid vehicle, e.g. vehicle to grid arrangements [V2G], power aggregation, use of the battery for network load balancing, coordinated or cooperative battery charging
-
- 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
- B60L53/63—Monitoring or controlling charging stations in response to network capacity
-
- 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
- B60L55/00—Arrangements for supplying energy stored within a vehicle to a power network, i.e. vehicle-to-grid [V2G] arrangements
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/003—Load forecast, e.g. methods or systems for forecasting future load demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/22—The renewable source being solar energy
- H02J2300/24—The renewable source being solar energy of photovoltaic origin
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2300/00—Systems for supplying or distributing electric power characterised by decentralized, dispersed, or local generation
- H02J2300/20—The dispersed energy generation being of renewable origin
- H02J2300/28—The renewable source being wind energy
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J2310/00—The network for supplying or distributing electric power characterised by its spatial reach or by the load
- H02J2310/40—The network being an on-board power network, i.e. within a vehicle
- H02J2310/48—The network being an on-board power network, i.e. within a vehicle for electric vehicles [EV] or hybrid vehicles [HEV]
-
- 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
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E10/00—Energy generation through renewable energy sources
- Y02E10/50—Photovoltaic [PV] energy
- Y02E10/56—Power conversion systems, e.g. maximum power point trackers
-
- 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)
- Power Engineering (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
Description
技术领域
本发明涉及综合能源***优化调度领域,尤其涉及综合能源***环境下的电动汽车并网协同控制方法。
背景技术
能源需求增长和能源紧缺、环境污染之间的矛盾急剧恶化,由此综合能源***(Integrated Energy System,IES)得到了广泛的关注。同时,电动汽车(ElectricVehicle,EV)因其节能减排和绿色环保的特点,成为人们出行的不错选择。电动汽车不仅可作为负荷从***中吸收电能,而且可作为一种分布式储能单元通过V2G(Vehicle to Grid,V2G)技术向***放电。然而,电动汽车大规模接入***,无序充放电将给综合能源***调度运行带来不利影响,如出现负荷峰谷差加大、网损增加等问题。
目前,已有不少关于电动汽车接入电力***并网控制方法的研究。随着综合能源***的蓬勃发展,在综合能源***中如何充分发挥电动汽车的优势,分群分层参与***调度成为亟待解决的一个问题。
发明内容
本发明的目的是提出一种综合能源***环境下的电动汽车并网协同控制方法,包括综合能源***日前调度、电动汽车分群优化调度和集群内电动汽车充放电调度;其特征在于,所述综合能源***日前调度包括如下步骤:
步骤Z1:设置综合能源***的初始数据,包括电/热负荷预测值、可再生能源出力期望值、各设备出力的上下限及单位运行成本、EV总充放电功率约束、与上级主网交互功率约束;
步骤Z2:设置改进的MOPSO(Multi objective particle swarm optimization)算法的初始参数;
步骤Z3:计算并更新设备出力、电动汽车总充放电功率;
步骤Z4:计算粒子调度方案成本、能量波动和环保性这三个目标函数值;
步骤Z5:比较粒子的目标函数值,选取其中的非支配解作为外部档案;
步骤Z6:为每个粒子选取全局最优解和局部最优解,在外部档案中随机选取一粒子作为扰动项;
步骤Z7:判断迭代是否满足终止条件,若不满足,转步骤Z3,否则计算输出求解结果。
所述电动汽车分群优化调度包括如下步骤:
步骤D1:***层求得的EV总充放电功率作为约束条件,以出行结束时刻和出行起始时刻为分群原则,对EV进行集群划分,设置EV集群充放电功率约束;
步骤D2:设置改进PSO(Particle swarm optimization)算法的初始参数;
步骤D3:计算并更新各EV集群充放电功率;
步骤D4:计算粒子的目标函数值;
步骤D5:比较粒子的目标函数值,选取其中的较优解作为外部档案;
步骤D6:为每个粒子选取全局最优解和局部最优解,在外部档案中随机选取一粒子作为扰动项;
步骤D7:判断迭代是否满足终止条件,若不满足,转步骤D3,否则计算输出各EV集群充放电功率。
所述集群内电动汽车充放电调度包括如下步骤:
步骤J1:EV集群充放电功率作为约束条件,设置EV集群的基本参数,包括EV集群驶离时间Tdep、抵达时间Tarr,集群内各EV驶离时的期望荷电状态(State of charge,SOC)Sexp和抵达时的初始荷电状态Sini,设置集群内各EV充放电功率约束;
步骤J2:设置调度时段t=1;
步骤J3:判断集群是否处于可调度时段,若处于不可调度时段,转步骤J6;
步骤J4:计算t时段集群内各EV的松弛度,按松弛度大小对EV进行排序;
步骤J5:松弛度为0的EV均充电,其余EV按松弛度从小到大充电,从大到小放电,使得所有EV的充放电功率等于该时段集群的充放电功率;
步骤J6:更新集群内各EV的Sini,t=t+1;
步骤J7:判断调度时段t>24,若不满足,转步骤J3,否则计算输出各EV各时段充放电计划。
所述步骤Z4的三个目标函数分别为:
目标函数1:调度方案成本最小
式中:CCHP,t、CGB,t、CEB,t、CRES,t、CP2G,t、CEV,t、CJ,t和Cgas,t分别为t时段热电联产(Combined heat and power,CHP)机组、燃气锅炉(Gas boiler,GB)、电锅炉(Electricboiler,EB)、可再生能源(Renewable source,RES)、电转气(Power to gas,P2G)、电动汽车的运行成本、电热交易成本以及燃气成本;且公式(1)中各组成部分的计算公式如下:
式中:PCHP,t、ΦGB,t、PEB,t、PWT,t、PPV,t和PP2G,t分别为t时段CHP机组、GB、EB、风机、光伏和P2G的出力,cgas、cEB、cWT、cPV和cP2G分别为天然气、EB、风机、光伏和P2G的单位成本,ηCHP和ηGB分别为CHP机组的发电效率和GB的热效率,LHV为天然气的低热值,cWT,sub和cPV,sub分别为风机和光伏单位功率的发电补贴,cebuy,t和cesell,t分别为t时段EV充放电功率和向电网购售电价,ηd为EV的放电效率;γ为0-1变量,表示EV充放电不能同时进行;fgas为t时段天然气网供气量;CEJ,t和CHJ,t分别为与上级电网和热网的交易成本,由下式计算可得:
式中:PEJ,t为t时段与上级电网的交互功率,值为正表示购电量,值为负表示售电量的相反数,值为0表示与主网不进行电能交易;同理,ΦHJ,t为t时段与上级热网的交互功率;chbuy,t、chsell,t为t时段向热网的买卖热价;αEJ、βHJ为0-1变量,限制电能、热能的购售不同时进行;
目标函数2:净负荷波动最小
式中:λ1+λ2=1;Pload,t为t时段常规电负荷,为平均电负荷功率;/>表示t时段电动汽车与***的交互功率;fload,t为常规气负荷,和/>分别为t时段CHP机组、GB耗气量和P2G装置的产气量;/>为平均气负荷功率;
目标函数3:环保性最好
所述步骤Z4中综合能源***日前多目标优化调度模型的约束条件包括:
(1)功率平衡约束
电功率平衡:
PCHP,t+PWT,t+PPV,t+PEJ,t=Pload,t+PP2G,t+PEB,t+PEV-grid,t
热功率平衡:
ΦCHP,t+ΦGB,t+ΦEB,t+ΦHJ,t=Φload,t
气负荷平衡:
fgas+fP2G,t=fload,t+fCHP,t+fGB,t
(2)设备出力上下限约束
Pn,min≤Pn,t≤Pn,max
式中:Pn,t为第n台设备t时段的实际出力值,Pn,max、Pn,min分别为第n台设备出力的上下限;
(3)可控机组爬坡约束
-rn,dΔt≤Pn,t-Pn,t-1≤rn,uΔt
式中:rn,u、rn,d分别为可控机组n上下坡速率;
(4)可再生能源出力约束
式中:PWT,max、PPV,max分别为风机和光伏出力的上限值;
(5)电动汽车整体充放电功率约束
(6)电动汽车平均SOC约束
(7)与上级主网交互功率约束
式中:PEJ,max、PEJ,min、ΦHJ,max和ΦHJ,min分别为***与上级电网和热网交互功率的上下限值。
所述步骤D4的目标函数为:
目标函数:EV用户满意度最好
所述步骤D4中电动汽车分群优化调度模型的约束条件包括:
(1)EV群平均SOC约束
式中:为t-1和t时段集群i平均SOC;/>为电动汽车的净充放电功率;li为集群i行驶里程,Ekm为EV每公里耗电量;Ti sch、Ti un为可调度时段和不可调度时段。第二个式子表示集群i在调度周期始末荷电状态一致,在整个调度周期内荷电状态不越限,此约束对单辆汽车也适用;
(2)电动汽车充放电功率约束
所述步骤J4的松弛度函数为:
式中:Ebat为电动汽车的电池容量,PEV,c和ηc表示电动汽车的充电功率和充电效率。
本发明的有益效果在于:
1、以***调度方案成本最小、能量波动最小和环保性最好为目标,采用改进的MOPSO算法得出综合能源***日前调度方案;
2、电动汽车分群分层参与***调度,避免了大规模电动汽车计算维数庞大、优化难度增加等难题,EV分群调度以用户满意度为目标,采用改进PSO算法求解各集群的充放电功率,集群内根据动态优先级制定各EV各时段充放电计划;
附图说明
图1为本发明的流程图;
图2为综合能源***中各时段常规电/热负荷预测期望值曲线图;
图3为综合能源***中各时段可再生能源出力期望值。
具体实施方式
本发明提出综合能源***环境下的电动汽车并网协同控制方法,下面结合附图和具体实施例对本发明做进一步说明。
综合能源***环境下的电动汽车并网协同控制方法,参考图1,包括综合能源***日前调度、电动汽车分群优化调度和集群内电动汽车充放电调度;具体如下:
综合能源***日前调度
步骤1:设置综合能源***的初始数据,包括电热负荷预测值、可再生能源出力期望值,如图2和图3所示;各设备出力的上下限及单位运行成本如表1、表2所示;EV总充放电功率约束(±3MW)、与上级主网交互功率约束(电网±20MW,热网±5MW);
表1设备参数
表2主网电价、主网热价及可中断负荷的补偿价格单位:元/MWh
步骤2:设置改进的MOPSO算法的初始参数,如表3所示;
表3改进的MOPSO算法的初始参数
步骤3:计算并更新设备出力、电动汽车总充放电功率;
vi(t+1)=w(t)*vi(t)+c1rand()*(pi(t)-xi(t))
+c2rand()*(pg(t)-xi(t))+c3rand()*(pd(t)-xi(t))
xi(t+1)=xi(t)+vi(t)
步骤4:计算粒子调度方案成本、能量波动和环保性这三个目标函数值;
目标函数1:调度方案成本最小
式中:CCHP,t、CGB,t、CEB,t、CRES,t、CP2G,t、CEV,t、CJ,t和Cgas,t分别为t时段热电联产(Combined heat and power,CHP)机组、燃气锅炉(Gas boiler,GB)、电锅炉(Electricboiler,EB)、可再生能源(Renewable source,RES)、电转气(Power to gas,P2G)、电动汽车的运行成本以及电热交易成本、燃气成本。上式中各组成部分的计算公式如下:
式中:PCHP,t、ΦGB,t、PEB,t、PWT,t、PPV,t和PP2G,t分别为t时段CHP机组、GB、EB、风机、光伏和P2G的出力,cgas、cEB、cWT、cPV和cP2G分别为天然气、EB、风机、光伏和P2G的单位成本,ηCHP和ηGB为CHP机组的发电效率和GB的热效率,LHV为天然气的低热值,cWT,sub和cPV,sub为风机和光伏单位功率的发电补贴;cebuy,t和cesell,t分别为t时段EV充放电功率和向电网购售电价,ηd为EV的放电效率,γ为0-1变量,表示EV充放电不能同时进行;CEJ,t和CHJ,t为与上级电网和热网的交易成本,由下式计算可得;fgas为t时段天然气网供气量。
式中:PEJ,t为t时段与上级电网的交互功率,值为正表示购电量,值为负表示售电量的相反数,值为0表示与主网不进行电能交易;同理,ΦHJ,t为t时段与上级热网的交互功率。chbuy,t、chsell,t为t时段向热网的买卖热价;αEJ、βHJ为0-1变量,限制电能、热能的购售不同时进行。
目标函数2:净负荷波动最小
式中:λ1+λ2=1;Pload,t为t时段常规电负荷,为平均电负荷功率,/>表示t时段电动汽车与***的交互功率;fload,t为常规气负荷,和/>分别为t时段CHP机组、GB耗气量和P2G装置的产气量;/>为平均气负荷功率。
目标函数3:环保性最好
具体地,所述步骤4综合能源***日前多目标优化调度模型的约束条件,具体如下:
1)功率平衡约束
电功率平衡:
PCHP,t+PWT,t+PPV,t+PEJ,t=Pload,t+PP2G,t+PEB,t+PEV-grid,t
热功率平衡:
ΦCHP,t+ΦGB,t+ΦEB,t+ΦHJ,t=Φload,t
气负荷平衡:
fgas+fP2G,t=fload,t+fCHP,t+fGB,t
2)设备出力上下限约束
Pn,min≤Pn,t≤Pn,max
式中:Pn,t为第n台设备t时段的实际出力值,Pn,max、Pn,min分别为第n台设备出力的上下限。
3)可控机组爬坡约束
-rn,dΔt≤Pn,t-Pn,t-1≤rn,uΔt
式中:rn,u、rn,d分别为可控机组n上下坡速率。
4)可再生能源出力约束
式中:PWT,max、PPV,max分别为风机和光伏出力的上限值。
5)电动汽车整体充放电功率约束
6)电动汽车平均SOC约束
7)与上级主网交互功率约束
式中:PEJ,max、PEJ,min、ΦHJ,max和ΦHJ,min分别为***与上级电网和热网交互功率的上下限值。
步骤5:比较粒子的目标函数值,选取其中的非支配解作为外部档案;
步骤6:为每个粒子选取全局最优解和局部最优解,在外部档案中随机选取一粒子作为扰动项;
步骤7:判断迭代是否满足终止条件,若不满足,转步骤3,否则计算输出求解结果。
电动汽车分群优化调度
步骤1:***层求得的EV总充放电功率作为约束条件,以出行结束时刻和出行起始时刻为分群原则,对EV进行集群划分,设置EV集群充放电功率约束,如表4所示;
本例假设综合能源***中有1000辆电动汽车,其出行依据地区特点进行概率统计,为简化,假定一天的出行需求发生在早晚两个时段,根据分群原则划分集群。集群内EV初始SOC近似服从正态分布,出行行驶里程服从对数正态分布,即In(li)~N(3.2,0.882)。此外,假设EV的电池容量为20kWh,额定充放电功率均为4kW,充放电效率为1,用户期望荷电状态为1,每百公里耗电量为12kWh。
表4电动汽车集群划分及参数设置
注:不可调度时段表示共享电动汽车不接入***。
步骤2:设置改进PSO算法的初始参数,如表5所示;
表5改进的PSO算法的初始参数
步骤3:计算并更新各EV集群充放电功率;
步骤4:计算粒子的目标函数值;
目标函数:EV用户满意度最好
具体地,所述步骤4电动汽车分群优化调度模型的约束条件,具体如下:
1)EV群平均SOC约束
式中:为t-1和t时段集群i平均SOC;/>为电动汽车的净充放电功率;li为集群i行驶里程,Ekm为EV每公里耗电量;Ti sch、Ti un为可调度时段和不可调度时段。第二个式子表示集群i在调度周期始末荷电状态一致,在整个调度周期内荷电状态不越限,此约束对单辆汽车也适用。
2)电动汽车充放电功率约束
步骤5:比较粒子的目标函数值,选取其中的较优解作为外部档案;
步骤6:为每个粒子选取全局最优解和局部最优解,在外部档案中随机选取一粒子作为扰动项;
步骤7:判断迭代是否满足终止条件,若不满足,转步骤3,否则计算输出各EV集群充放电功率。
集群内电动汽车充放电调度
步骤1:EV集群k充放电功率作为约束条件,设置EV集群的基本参数,包括EV集群驶离时间Tdep、抵达时间Tarr,集群内各EV驶离时的期望荷电状态(State of charge,SOC)Sexp和抵达时的初始荷电状态Sini,如表6所示;设置集群内各EV充放电功率约束(±4kW);
表6EV集群的基本参数(以集群4中6辆EV为例)
步骤2:设置调度时段t=1;
步骤3:判断集群是否处于可调度时段,若处于不可调度时段,转步骤6;
步骤4:计算t时段集群内各EV的松弛度,按松弛度大小对EV进行排序;
式中:Ebat为电动汽车的电池容量,PEV,c和ηc表示电动汽车的充电功率和充电效率。
步骤5:松弛度为0的EV均充电,其余EV按松弛度从小到大充电,从大到小放电,使得所有EV的充放电功率等于该时段集群的充放电功率;
步骤6:更新集群内各EV的Sini,t=t+1;
步骤7:判断调度时段t>24,若不满足,转步骤3,否则计算输出各EV各时段充放电计划。
此实施例仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (5)
1.一种综合能源***环境下的电动汽车并网协同控制方法,包括综合能源***日前调度、电动汽车分群优化调度和集群内电动汽车充放电调度;其特征在于,所述综合能源***日前调度包括如下步骤:
步骤Z1:设置综合能源***的初始数据,包括电/热负荷预测值、可再生能源出力期望值、各设备出力的上下限及单位运行成本、EV总充放电功率约束、与上级主网交互功率约束;
步骤Z2:设置改进的MOPSO算法的初始参数;
步骤Z3:计算并更新各设备出力、电动汽车总充放电功率;
步骤Z4:计算粒子调度方案成本、能量波动和环保性这三个目标函数值;
所述步骤Z4的三个目标函数分别为:
目标函数1:调度方案成本最小
式中:CCHP,t、CGB,t、CEB,t、CRES,t、CP2G,t、CEV,t、CJ,t和Cgas,t分别为t时段热电联产机组、燃气锅炉、电锅炉、可再生能源、电转气、电动汽车的运行成本、电热交易成本以及燃气成本;且公式(1)中各组成部分的计算公式如下:
式中:PCHP,t、ΦGB,t、PEB,t、PWT,t、PPV,t和PP2G,t分别为t时段CHP机组、GB、EB、风机、光伏和P2G的出力,cgas、cEB、cWT、cPV和cP2G分别为天然气、EB、风机、光伏和P2G的单位成本,ηCHP和ηGB分别为CHP机组的发电效率和GB的热效率,LHV为天然气的低热值,cWT,sub和cPV,sub分别为风机和光伏单位功率的发电补贴,cebuy,t和cesell,t分别为t时段EV充放电功率和向电网购售电价,ηd为EV的放电效率;γ为0-1变量,表示EV充放电不能同时进行;fgas为t时段天然气网供气量;CEJ,t和CHJ,t分别为与上级电网和热网的交易成本,由下式计算可得:
式中:PEJ,t为t时段与上级电网的交互功率,值为正表示购电量,值为负表示售电量的相反数,值为0表示与主网不进行电能交易;同理,ΦHJ,t为t时段与上级热网的交互功率;chbuy,t、chsell,t为t时段向热网的买卖热价;αEJ、βHJ为0-1变量,限制电能、热能的购售不同时进行;
目标函数2:净负荷波动最小
式中:λ1+λ2=1;Pload,t为t时段常规电负荷,为平均电负荷功率;/>表示t时段电动汽车与***的交互功率;fload,t为常规气负荷,/>和/>分别为t时段CHP机组、GB耗气量和P2G装置的产气量;/>为平均气负荷功率;
目标函数3:环保性最好
步骤Z4中综合能源***日前多目标优化调度模型的约束条件包括:
(1)功率平衡约束
电功率平衡:
PCHP,t+PWT,t+PPV,t+PEJ,t=Pload,t+PP2G,t+PEB,t+PEV-grid,t
热功率平衡:
ΦCHP,t+ΦGB,t+ΦEB,t+ΦHJ,t=Φload,t
气负荷平衡:
fgas+fP2G,t=fload,t+fCHP,t+fGB,t
(2)设备出力上下限约束
Pn,min≤Pn,t≤Pn,max
式中:Pn,t为第n台设备t时段的实际出力值,Pn,max、Pn,min分别为第n台设备出力的上下限;
(3)可控机组爬坡约束
-rn,dΔt≤Pn,t-Pn,t-1≤rn,uΔt
式中:rn,u、rn,d分别为可控机组n上下坡速率;
(4)可再生能源出力约束
式中:PWT,max、PPV,max分别为风机和光伏出力的上限值;
(5)电动汽车整体充放电功率约束
(6)电动汽车平均SOC约束
(7)与上级主网交互功率约束
式中:PEJ,max、PEJ,min、ΦHJ,max和ΦHJ,min分别为***与上级电网和热网交互功率的上下限值;
步骤Z5:比较粒子的目标函数值,选取其中的非支配解作为外部档案;
步骤Z6:为每个粒子选取全局最优解和局部最优解,在外部档案中随机选取一粒子作为扰动项;
步骤Z7:判断迭代是否满足终止条件,若不满足,转步骤Z3,否则计算输出求解结果。
2.根据权利要求1所述的综合能源***环境下的电动汽车并网协同控制方法,其特征在于,所述电动汽车分群优化调度包括如下步骤:
步骤D1:***层求得的EV总充放电功率作为约束条件,以出行结束时刻和出行起始时刻为分群原则,对EV进行集群划分,设置EV集群充放电功率约束;
步骤D2:设置改进PSO算法的初始参数;
步骤D3:计算并更新各EV集群充放电功率;
步骤D4:计算粒子的目标函数值;
所述步骤D4的目标函数为:
目标函数:EV用户满意度最好
步骤D5:比较粒子的目标函数值,选取其中的较优解作为外部档案;
步骤D6:为每个粒子选取全局最优解和局部最优解,在外部档案中随机选取一粒子作为扰动项;
步骤D7:判断迭代是否满足终止条件,若不满足,转步骤D3,否则计算输出各EV集群充放电功率。
3.根据权利要求1所述的综合能源***环境下的电动汽车并网协同控制方法,其特征在于,所述集群内电动汽车充放电调度包括如下步骤:
步骤J1:EV集群充放电功率作为约束条件,设置EV集群的基本参数,包括EV集群驶离时间Tdep、抵达时间Tarr,集群内各EV驶离时的期望荷电状态Sexp和抵达时的初始荷电状态Sini,设置集群内各EV充放电功率约束;
步骤J2:设置调度时段t=1;
步骤J3:判断集群是否处于可调度时段,若处于不可调度时段,转步骤J6;
步骤J4:计算t时段集群内各EV的松弛度,按松弛度大小对EV进行排序;
步骤J5:松弛度为0的EV均充电,其余EV按松弛度从小到大充电,从大到小放电,使得所有EV的充放电功率等于该时段集群的充放电功率;
步骤J6:更新集群内各EV的Sini,t=t+1;
步骤J7:判断调度时段t>24,若不满足,转步骤J3,否则计算输出各EV各时段充放电计划。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011202392.1A CN112467767B (zh) | 2020-11-02 | 2020-11-02 | 综合能源***环境下的电动汽车并网协同控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011202392.1A CN112467767B (zh) | 2020-11-02 | 2020-11-02 | 综合能源***环境下的电动汽车并网协同控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112467767A CN112467767A (zh) | 2021-03-09 |
CN112467767B true CN112467767B (zh) | 2023-06-09 |
Family
ID=74834931
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011202392.1A Active CN112467767B (zh) | 2020-11-02 | 2020-11-02 | 综合能源***环境下的电动汽车并网协同控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112467767B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115378009B (zh) * | 2022-04-12 | 2023-10-20 | 国网江苏省电力有限公司苏州供电分公司 | 一种基于电动汽车分群的日前调控计划生成方法及*** |
CN114742449B (zh) * | 2022-04-29 | 2024-07-09 | 三峡大学 | 基于优先级权重系数的电动汽车分群调度方法 |
CN115907488B (zh) * | 2022-11-11 | 2023-07-28 | 中原工学院 | 考虑用户积极性的新能源微电网多层级车网协同优化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160451A (zh) * | 2015-07-09 | 2015-12-16 | 上海电力学院 | 一种含电动汽车的微电网多目标优化调度方法 |
CN111008748A (zh) * | 2019-12-18 | 2020-04-14 | 广东工业大学 | 包括电动汽车充电负荷的微电网经济调度优化方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN107769237B (zh) * | 2017-11-30 | 2019-11-08 | 南方电网科学研究院有限责任公司 | 基于电动汽车接入的多能源***协同调度方法及装置 |
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*** |
CN111064214A (zh) * | 2019-12-31 | 2020-04-24 | 国网浙江省电力有限公司电力科学研究院 | 基于电动汽车两阶段滚动式策略的配电网优化调度方法 |
CN111404153B (zh) * | 2020-04-16 | 2023-08-01 | 华北电力大学 | 计及可再生能源与需求响应的能量枢纽规划模型构建方法 |
-
2020
- 2020-11-02 CN CN202011202392.1A patent/CN112467767B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105160451A (zh) * | 2015-07-09 | 2015-12-16 | 上海电力学院 | 一种含电动汽车的微电网多目标优化调度方法 |
CN111008748A (zh) * | 2019-12-18 | 2020-04-14 | 广东工业大学 | 包括电动汽车充电负荷的微电网经济调度优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112467767A (zh) | 2021-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112467767B (zh) | 综合能源***环境下的电动汽车并网协同控制方法 | |
Wang et al. | Two-stage optimal scheduling strategy for large-scale electric vehicles | |
CN109449973B (zh) | 一种含光伏和储能的轨道交通供电***能量优化方法 | |
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 | |
CN109050284B (zh) | 一种考虑v2g的电动汽车充放电电价优化方法 | |
CN105868844A (zh) | 一种含电动汽车混合储能***的微网多目标运行调度方法 | |
CN112270433B (zh) | 考虑可再生能源不确定性和用户满意度的微电网优化方法 | |
CN111177637B (zh) | 电动汽车换电站动力电池的容量配置方法 | |
Yu et al. | The impact of charging battery electric vehicles on the load profile in the presence of renewable energy | |
CN107134771B (zh) | 一种基于经济效益评估的微网模式切换控制方法 | |
CN115411756A (zh) | 一种基于灰狼算法的光储充电站电动汽车三阶段优化方法 | |
CN115577909A (zh) | 考虑价格型需求响应和v2g的园区综合能源***调度方法 | |
CN115471044A (zh) | 含光储的配电台区电动汽车调度方法、***及存储介质 | |
Li et al. | Optimal dispatch for PV-assisted charging station of electric vehicles | |
Li et al. | Multi-objective optimal dispatching of electric vehicle cluster considering user demand response | |
Wu et al. | Coordinated scheduling for multimicrogrid systems considering mobile energy storage characteristics of electric vehicles | |
Yi et al. | Research of building load optimal scheduling based on multi-objective estimation of distributed algorithm | |
CN110504684B (zh) | 一种区域多微网***日前优化调度方法 | |
Zhang et al. | Multi-objective optimal scheduling strategy of microgrid based on v2g technology | |
Hasankhani et al. | Optimal charge scheduling of electric vehicles in smart homes | |
CN116404629A (zh) | 一种高比例分布式光伏配电网中的电动汽车协调充电方法 | |
Zhang et al. | Coordinated dispatch of the wind-thermal power system by optimizing electric vehicle charging | |
CN112785048B (zh) | 计及电动汽车用户需求的直流微电网经济调度方法 | |
CN114050577A (zh) | 一种含电动汽车的微电网多目标分层经济调度方法 | |
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 |