CN116090739A - 一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法 - Google Patents
一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法 Download PDFInfo
- Publication number
- CN116090739A CN116090739A CN202211503344.5A CN202211503344A CN116090739A CN 116090739 A CN116090739 A CN 116090739A CN 202211503344 A CN202211503344 A CN 202211503344A CN 116090739 A CN116090739 A CN 116090739A
- Authority
- CN
- China
- Prior art keywords
- power plant
- virtual power
- ess
- charging
- wind
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000005457 optimization Methods 0.000 claims abstract description 32
- 239000002245 particle Substances 0.000 claims abstract description 27
- 238000004146 energy storage Methods 0.000 claims abstract description 12
- 238000005265 energy consumption Methods 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 8
- 230000005611 electricity Effects 0.000 claims description 7
- 230000000739 chaotic effect Effects 0.000 claims description 6
- 230000008901 benefit Effects 0.000 claims description 3
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000007599 discharging Methods 0.000 claims description 3
- 230000009194 climbing Effects 0.000 claims 2
- 239000000446 fuel Substances 0.000 claims 1
- 230000003993 interaction Effects 0.000 claims 1
- 238000010521 absorption reaction Methods 0.000 abstract 2
- 238000010248 power generation Methods 0.000 abstract 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Artificial Intelligence (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Charge And Discharge Circuits For Batteries Or The Like (AREA)
Abstract
本发明公开了一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法,包括S1建立电动汽车有序充电控制调度模型的目标函数和约束条件,构建基于价格因素的电动汽车有序充电模型,确定接入虚拟电厂的电动汽车负荷需求;S2构建综合考虑收益最大化、新能源消纳的含电动汽车虚拟电厂调度模型,该虚拟电厂充分考虑风力发电、光伏发电的消纳能力,通过协调储能设备来协调电动汽车和新能源间的功率和电能匹配;S3提出了动态权重混沌‑粒子群算法进行优化求解,通过改进粒子群算法使算法的收敛速度和精度进一步的提高;本发明专利有效解决了电动汽车有序充电和虚拟电厂新能源消纳间的矛盾,兼顾虚拟电厂控制的便捷性和运行的经济性和安全性。
Description
技术领域
本发明涉及虚拟电厂优化调度方法,具体涉及一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法。
背景技术
虚拟电厂是一种通过先进信息通信技术和软件***,实现DG、储能***、可控负荷、电动汽车等DER的聚合和协调优化,以作为一个特殊电厂参与电力市场和电网运行的电源协调管理***。虚拟电厂概念的核心可以总结为“通信”和“聚合”。虚拟电厂的关键技术主要包括协调控制技术、智能计量技术以及信息通信技术。
而目前国内的电动汽车正在快速发展,电动汽车的充电功率也在大幅提高,在没有充放电调控的传统情况下,大量不受控制的电动汽车会导致配电网的潮流和电压波动、变压器过载以及严重的能量损失等问题。使得电动汽车有序充电和虚拟电厂新能源消纳间产生矛盾。
发明内容
本发明的目的在于提供一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法,能够有效解决电动汽车有序充电和虚拟电厂新能源消纳间产生矛盾的问题。
为了解决上述技术问题,本发明是通过以下技术方案实现的:
一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法,包括以下步骤:
S1、建立虚拟电厂范畴内电动汽车有序充电控制模型及约束条件;
S2、建立基于虚拟电厂收益、申报偏差最小和新能源消纳的虚拟电厂优化调度模型;
S3、利用混沌-粒子群算法进行虚拟电厂优化调度求解,实现不同场景下虚拟电厂的最优控制。
优选的,所述步骤S1中,电动汽车有序充电模型可以表示为虚拟电厂范畴内电动汽车的有序充电负荷控制,包括电动汽车充电功率控制、充电站功率因素控制和有序充电并网的虚拟电厂内部网络无功/电压控制,最大程度实现电动汽车接入对电网的支撑及经济运行,电动汽车有序充电的目标函数包括充电费用、充电后网络有功损耗以及无功支撑:
F=min(F1+F2+F3) (1)
其中,PEv,i为节点i的电动汽车充电功率,M为电动汽车并网接入点数量;F2为电动汽车充电费用,cP(t)为分时有功电价,Ploss为电动汽车并网接入后网络损耗,cosθ为电动汽车充电控制功率因素,cQ(t)为无功补偿电价。
优选的,所述步骤S1中,虚拟电厂范畴内电动汽车有序充电控制模型应该满足的约束包括等式约束和不等式约束:虚拟电厂内有潮流约束方程、电动汽车荷电状态以及节点电压约束:
SOCEv,min≤SOCEv,i≤SOCEv,max (4)
Umin≤Ui≤Umax (5)
其中,PEv,i、PL,i、PDG,i为节点i的电动汽车功率、负荷功率和新能源接入功率;SOCi为节点i的电动汽车荷电状态,Ui为节点i电压;θij为节点i和节点j之间的相角,Gij和Bij为节点i和节点j之间电导和电纳。
优选的,所述S2中,通过合理储能***的充放电,在满足电动汽车充电需求的前提下,进一步提升新能源的消纳能力,由此提高虚拟电厂收益能力,构建的虚拟电厂优化调度模型包括目标函数和约束条件,目标函数为:
P(t)=c1(t)(PWind(t)+PPV(t)+PGT(t)+PESS(t)) (8)
C(t)=COM(t)+CGT(t)+CPE(t) (9)
COM(t)=βWindPWind(t)+βPVPPV(t)+βGTPGT(t)+βESSPESS(t)(10)
CGT(t)=βGTPGT(t) (11)
CPE(t)=c2(t)(Dn+PEv(t)-PWind(t)-PPV(t)-PGT(t)-PESS(t))(12)
PESS(t)=PESS,DC(t)-PESS,C(t) (13)
其中P(t)为收益,C(t)为成本;PWind(t)为风电功率,PPV(t)为光伏功率, PGT(t)为燃气轮机功率,PESS(t)储能功率交互功率,PESS,DC(t)为储能放电功率, PESS,C(t)为储能充电功率;COM(t)为运行成本,CGT(t)为能耗成本,CPE(t)为惩罚成本;βWind、βPV、βGT和βESS分别为风电、光伏、燃气轮机和储能的运行成本系数;βGT为燃料成本,c2(t)为购电电价成本,Dn为申报计划功率。
优选的,所述虚拟电厂优化调度应满足功率平衡等约束条件,主要包括:
E(t)=E(t-1)+ΔtPESS(t)η (14)
PGT,min≤PGT(t)≤PGT,max (15)
-RDΔt≤PWind(t)-PWind(t-1)≤RUΔt
-RDΔt≤PWind(t)-PWind(t-1)≤RUΔt (16)
SOCESS,min≤SOCESS(t)≤SOCESS,max (17)
其中,E(t)为储能存储电量,η为储能效率,PGT,min、PGT,max为燃气轮机的出力最小值和最大值;RU、RD表示光伏和风电爬坡的上下爬升率;SOCESS(t) 储能***的状态,SOCESS,min、SOCESS,max为储能***最大和最小状态量,一般为 0.1和0.9。
优选的,所述S3中所述混沌-粒子群算法:在优化过程中将混沌算法的遍历性应用到粒子群算法中,由此构造含柯西混沌变异的粒子群优化算法柯西混沌变异主要通过柯西扰动在将停滞不前的粒子最优解在一定范围内进行扰动操作,使粒子位置和速度跳出当前状态;
优选的,所述S3中所述混沌-粒子群混合优化算法:在优化过程中动态调整权重因子和学***均适应度来调整权重因子,提高算法在不同阶段的开拓能力,构造非线性的学习因子调整计划,在调整过程中分别利用正选和余弦函数实现互补非线性调整,提高不同阶段算法的收敛性;
其中,fiti为个体在本次迭代中的适应度值,fitavg为本次迭代中群体的适应度平均值,fitmin为本次迭代中群体中的最小适应度值,wmin、wmax分别为惯性权重的上下限。t、k分别表示当前的迭代次数和最大迭代次数;c1,e、c1,s为个体学习因子的边界值,通常设为0.5和2.5;c2,e、c2,s为全局学习因子的边界值,通常设为2.5和0.5。
与现有技术相比,本发明的优点是:该方法首先结合市场价格因素,建立虚拟电厂范畴内电动汽车有序充电控制模型及约束条件,对区域内电动汽车实现有效调度;其次,建立基于虚拟电厂收益、申报偏差最小和新能源消纳的虚拟电厂优化调度模型,该模型充分考虑虚拟电厂内部新能源出力、储能***以及电动汽车负荷需求的协调;最后,利用混沌-粒子群算法进行虚拟电厂优化调度求解,实现不同场景下虚拟电厂的最优控制,有效解决了电动汽车有序充电和虚拟电厂新能源消纳间的矛盾,兼顾虚拟电厂控制的便捷性和运行的经济性和安全性。通过上述方法充分利用电动汽车的无功电压支撑能力,通过控制电动汽车的有功、无功协调控制,实现考虑断面安全稳定约束的虚拟电厂内部源网荷储协调,提高虚拟电厂运行的安全性、经济性和稳定性。
附图说明
图1为本发明一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法的流程图。
具体实施方式
下面详细描述本发明的实施例,旨在用于解释本发明,而不能理解为对本发明的限制。
如图1所示,一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法,包括以下步骤:
S1、建立虚拟电厂范畴内电动汽车有序充电控制模型及约束条件;
S2、建立基于虚拟电厂收益、申报偏差最小和新能源消纳的虚拟电厂优化调度模型;
S3、利用混沌-粒子群算法进行虚拟电厂优化调度求解,实现不同场景下虚拟电厂的最优控制。
电动汽车有序充电模型可以表示为:虚拟电厂内电动汽车的有序充电负荷控制包括电动汽车充电功率控制、充电站功率因素控制和有序充电并网的虚拟电厂内部网络无功/电压控制,最大程度实现电动汽车接入对电网的支撑及经济运行,电动汽车有序充电的目标函数包括充电费用、充电后网络有功损耗以及无功支撑:
F=min(F1+F2+F3) (1)
其中,PEv,i为节点i的电动汽车充电功率,M为电动汽车并网接入点数量;F2为电动汽车充电费用,cP(t)为分时有功电价,Ploss为电动汽车并网接入后网络损耗,cosθ为电动汽车充电控制功率因素,cQ(t)为无功补偿电价。
约束条件包括等式约束和不等式约束:主要虚拟电厂内有潮流约束方程、电动汽车荷电状态以及节点电压约束:
SOCEv,min≤SOCEv,i≤SOCEv,max (4)
Umin≤Ui≤Umax (5)
其中,PEv,i、PL,i、PDG,i为节点i的电动汽车功率、负荷功率和新能源接入功率;SOCi为节点i的电动汽车荷电状态,Ui为节点i电压;θij为节点i和节点j之间的相角,Gij和Bij为节点i和节点j之间电导和电纳。
虚拟电厂优化调度模型表示为:考虑电动汽车有序充电虚拟电厂调度模型,其特征在于充分考虑了虚拟电厂的收益、新能源的消纳以及***申报差值最小,通过合理储能***的充放电,在满足电动汽车充电需求的前提下,进一步提升新能源的消纳能力,由此提高虚拟电厂收益能力。构建的虚拟电厂优化调度模型包括目标函数和约束条件,目标函数为:
P(t)=c1(t)(PWind(t)+PPV(t)+PGT(t)+PESS(t)) (8)
C(t)=COM(t)+CGT(t)+CPE(t) (9)
COM(t)=βWindPWind(t)+βPVPPV(t)+βGTPGT(t)+βESSPESS(t) (10)
CGT(t)=βGTPGT(t) (11)
CPE(t)=c2(t)(Dn+PEv(t)-PWind(t)-PPV(t)-PGT(t)-PESS(t)) (12)
PESS(t)=PESS,DC(t)-PESS,C(t) (13)
其中P(t)为收益,C(t)为成本;PWind(t)为风电功率,PPV(t)为光伏功率,PGT(t)为燃气轮机功率,PESS(t)储能功率交互功率,PESS,DC(t)为储能放电功率,PESS,C(t)为储能充电功率;COM(t)为运行成本,CGT(t)为能耗成本,CPE(t)为惩罚成本;βWind、βPV、βGT和βESS分别为风电、光伏、燃气轮机和储能的运行成本系数;βGT为燃料成本,c2(t) 为购电电价成本,Dn为申报计划功率;
约束条件表示为:虚拟电厂优化调度应满足功率平衡等约束条件
E(t)=E(t-1)+ΔtPESS(t)η (14)
PGT,min≤PGT(t)≤PGT,max (15)
-RDΔt≤PWind(t)-PWind(t-1)≤RUΔt
-RDΔt≤PWind(t)-PWind(t-1)≤RUΔt (16)
SOCESS,min≤SOCESS(t)≤SOCESS,max (17)
E(t)为储能存储电量,η为储能效率,PGT,min、PGT,max为燃气轮机的出力最小值和最大值;RU、RD表示光伏和风电爬坡的上下爬升率;SOCESS(t)储能***的状态, SOCESS,min、SOCESS,max为储能***最大和最小状态量,一般为0.1和0.9。
优化算法:粒子群算法是一种群体智能寻优算法,主要应用在复杂***寻优求解,其在多约束优化、多目标优化、组合优化中的学习都有较好的寻优效果。假设粒子群算法在一个N维空间,个体初始位置和速度为Xi=(xi1,xi2,L,xin), Vi=(vi1,vi2,L,vin),个体最优解为Pbest,i=(Pbest,i1,Pbest,i2,L,Pbest,in),群体粒子最优解为 Gbest,i=(Gbest,i1,Gbest,i2,L,Gbest,in),利用Pbest,i和Gbest,i更新个体粒子的速度和位置获得最优结果。粒子群算法主要迭代过程如下所示:
其中,表示第k次迭代的第i个个体;Pbest,ij表示第i个体的最优解;Gbest,ij代表整个群体的最优解;r1、r2是[0,1]之间的任意值。由PSO的迭代过程可知其寻优效果受权重w和学习因子c1、c2影响,使得算法的寻优效果不稳定,随机性较强。
在优化过程中将混沌算法的遍历性应用到粒子群算法中,由此构造含柯西混沌变异的粒子群优化算法柯西混沌变异主要通过柯西扰动在将停滞不前的粒子最优解在一定范围内进行扰动操作,使粒子位置和速度跳出当前状态,解多样性更加丰富。
在优化过程中动态调整权重因子和学***均适应度来调整权重因子,提高算法在不同阶段的开拓能力。构造非线性的学习因子调整计划,在调整过程中分别利用正选和余弦函数实现互补非线性调整,提高不同阶段算法的收敛性。
其中,fiti为个体在本次迭代中的适应度值,fitavg为本次迭代中群体的适应度平均值,fitmin为本次迭代中群体中的最小适应度值,wmin、wmax分别为惯性权重的上下限。t、k分别表示当前的迭代次数和最大迭代次数;c1,e、c1,s为个体学习因子的边界值,通常设为0.5和2.5;c2,e、c2,s为全局学习因子的边界值,通常设为 2.5和0.5。
以上所述仅为本发明的具体实施例,但本发明的技术特征并不局限于此,任何本领域的技术人员在本发明的领域内,所作的变化或修饰皆涵盖在本发明的专利范围之中。
Claims (7)
1.一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法,其特征在于,包括以下步骤:
S1、建立虚拟电厂范畴内电动汽车有序充电控制模型及约束条件;
S2、建立基于虚拟电厂收益、申报偏差最小和新能源消纳的虚拟电厂优化调度模型;
S3、利用混沌-粒子群算法进行虚拟电厂优化调度求解,实现不同场景下虚拟电厂的最优控制。
2.如权利要求1所述的一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法,其特征在于,所述步骤S1中,电动汽车有序充电模型可以表示为虚拟电厂范畴内电动汽车的有序充电负荷控制,包括电动汽车充电功率控制、充电站功率因素控制和有序充电并网的虚拟电厂内部网络无功/电压控制,最大程度实现电动汽车接入对电网的支撑及经济运行,电动汽车有序充电的目标函数包括充电费用、充电后网络有功损耗以及无功支撑:
F=min(F1+F2+F3) (1)
其中,PEv,i为节点i的电动汽车充电功率,M为电动汽车并网接入点数量;F2为电动汽车充电费用,cP(t)为分时有功电价,Ploss为电动汽车并网接入后网络损耗,cosθ为电动汽车充电控制功率因素,cQ(t)为无功补偿电价。
3.如权利要求1所述的一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法,其特征在于,所述步骤S1中,虚拟电厂范畴内电动汽车有序充电控制模型应该满足的约束包括等式约束和不等式约束:虚拟电厂内有潮流约束方程、电动汽车荷电状态以及节点电压约束:
SOCEv,min≤SOCEv,i≤SOCEv,max (4)
Umin≤Ui≤Umax (5)
其中,PEv,i、PL,i、PDG,i为节点i的电动汽车功率、负荷功率和新能源接入功率;SOCi为节点i的电动汽车荷电状态,Ui为节点i电压;θij为节点i和节点j之间的相角,Gij和Bij为节点i和节点j之间电导和电纳。
4.如权利要求1所述的一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法,其特征在于,所述S2中,通过合理储能***的充放电,在满足电动汽车充电需求的前提下,进一步提升新能源的消纳能力,由此提高虚拟电厂收益能力,构建的虚拟电厂优化调度模型包括目标函数和约束条件,目标函数为:
P(t)=c1(t)(PWind(t)+PPV(t)+PGT(t)+PESS(t))(8)
C(t)=COM(t)+CGT(t)+CPE(t) (9)
COM(t)=βWindPWind(t)+βPVPPV(t)+βGTPGT(t)+βESSPESS(t)(10)
CGT(t)=βGTPGT(t)(11)
CPE(t)=c2(t)(Dn+PEv(t)-PWind(t)-PPV(t)-PGT(t)-PESS(t))(12)
PESS(t)=PESS,DC(t)-PESS,C(t)(13)
其中P(t)为收益,C(t)为成本;PWind(t)为风电功率,PPV(t)为光伏功率,PGT(t)为燃气轮机功率,PESS(t)储能功率交互功率,PESS,DC(t)为储能放电功率,PESS,C(t)为储能充电功率;COM(t)为运行成本,CGT(t)为能耗成本,CPE(t)为惩罚成本;βWind、βPV、βGT和βESS分别为风电、光伏、燃气轮机和储能的运行成本系数;βGT为燃料成本,c2(t)为购电电价成本,Dn为申报计划功率。
5.如权利要求4所述的一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法,其特征在于,所述虚拟电厂优化调度应满足功率平衡等约束条件,主要包括:
E(t)=E(t-1)+ΔtPESS(t)η (14)
PGT,min≤PGT(t)≤PGT,max (15)
-RDΔt≤PWind(t)-PWind(t-1)≤RUΔt
-RDΔt≤PWind(t)-PWind(t-1)≤RUΔt (16)
SOCESS,min≤SOCESS(t)≤SOCESS,max (17)
其中,E(t)为储能存储电量,η为储能效率,PGT,min、PGT,max为燃气轮机的出力最小值和最大值;RU、RD表示光伏和风电爬坡的上下爬升率;
SOCESS(t)储能***的状态,SOCESS,min、SOCESS,max为储能***最大和最小状态量,一般为0.1和0.9。
6.如权利要求1所述的一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法,其特征在于,所述S3中所述混沌-粒子群算法:在优化过程中将混沌算法的遍历性应用到粒子群算法中,由此构造含柯西混沌变异的粒子群优化算法柯西混沌变异主要通过柯西扰动在将停滞不前的粒子最优解在一定范围内进行扰动操作,使粒子位置和速度跳出当前状态;
其中,为第k次迭代粒子的位置,为第k次迭代粒子的飞行速度,rand为随机函数,tan为正切函数。
7.如权利要求1所述的一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法,其特征在于,所述S3中所述混沌-粒子群混合优化算法:在优化过程中动态调整权重因子和学***均适应度来调整权重因子,提高算法在不同阶段的开拓能力,构造非线性的学习因子调整计划,在调整过程中分别利用正选和余弦函数实现互补非线性调整,提高不同阶段算法的收敛性;
其中,fiti为个体在本次迭代中的适应度值,fitavg为本次迭代中群体的适应度平均值,fitmin为本次迭代中群体中的最小适应度值,wmin、wmax分别为惯性权重的上下限,t、k分别表示当前的迭代次数和最大迭代次数;c1,e、c1,s为个体学习因子的边界值,通常设为0.5和2.5;c2,e、c2,s为全局学习因子的边界值,通常设为2.5和0.5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211503344.5A CN116090739A (zh) | 2022-11-28 | 2022-11-28 | 一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211503344.5A CN116090739A (zh) | 2022-11-28 | 2022-11-28 | 一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116090739A true CN116090739A (zh) | 2023-05-09 |
Family
ID=86201419
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211503344.5A Pending CN116090739A (zh) | 2022-11-28 | 2022-11-28 | 一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116090739A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116722570A (zh) * | 2023-07-27 | 2023-09-08 | 国网浙江省电力有限公司乐清市供电公司 | 一种配电网优化运行方法、装置、电子设备及存储介质 |
CN117977599A (zh) * | 2024-03-28 | 2024-05-03 | 国网浙江新兴科技有限公司 | 含有电动汽车的虚拟电厂的调度方法、***、设备和介质 |
-
2022
- 2022-11-28 CN CN202211503344.5A patent/CN116090739A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116722570A (zh) * | 2023-07-27 | 2023-09-08 | 国网浙江省电力有限公司乐清市供电公司 | 一种配电网优化运行方法、装置、电子设备及存储介质 |
CN117977599A (zh) * | 2024-03-28 | 2024-05-03 | 国网浙江新兴科技有限公司 | 含有电动汽车的虚拟电厂的调度方法、***、设备和介质 |
CN117977599B (zh) * | 2024-03-28 | 2024-06-11 | 国网浙江新兴科技有限公司 | 含有电动汽车的虚拟电厂的调度方法、***、设备和介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110739725B (zh) | 一种配电网优化调度方法 | |
WO2022021957A1 (zh) | 运营商收益最大化的v2g二阶段随机规划调度模型 | |
CN110826880B (zh) | 一种大规模电动汽车接入的主动配电网优化调度方法 | |
CN110112767B (zh) | 广域多形态需求侧负荷参与***调峰的荷源优化控制方法 | |
CN116090739A (zh) | 一种综合考虑电动汽车有序充电的虚拟电厂优化调度方法 | |
CN107994595A (zh) | 一种削峰填谷控制方法和***以及应用该控制方法的*** | |
CN107453381B (zh) | 基于两阶段交叉控制的电动汽车集群功率调节方法及*** | |
CN109599856A (zh) | 一种微网多楼宇中电动汽车充放电管理优化方法及装置 | |
CN111769543B (zh) | 一种含多微网的区域配电网自律协同运行优化方法 | |
CN113224769B (zh) | 考虑光伏多状态调节的多时间尺度配电网电压优化方法 | |
CN112085327B (zh) | 一种配电商参与的主动配电网多层分区调控方法及*** | |
CN115829224A (zh) | 电动汽车集群可调度能力的多主体两阶段低碳优化运行方法 | |
CN110098623B (zh) | 一种基于智能负载的Prosumer单元控制方法 | |
CN114462854A (zh) | 含新能源和电动汽车并网的分层调度方法及其*** | |
Zhang et al. | Multi-objective optimal scheduling strategy of microgrid based on v2g technology | |
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 | |
CN114362169B (zh) | 一种计及光储型虚拟电厂边际成本的分层协调调控方法 | |
CN115693737A (zh) | 一种基于v2g电动汽车聚合参与配电网调度的方法 | |
Zhang et al. | Coordinated dispatch of the wind-thermal power system by optimizing electric vehicle charging | |
CN114925880A (zh) | 基于非精确交替方向乘子法的虚拟储能电厂分布式协同方法 | |
CN113837449A (zh) | 虚拟电厂参与的电网***集中优化调度方法 | |
Hongli et al. | Day-ahead optimal dispatch of regional power grid based on electric vehicle participation in peak shaving pricing strategy | |
Fan et al. | Optimal allocation strategy of energy storage to improve the voltage quality of distribution network | |
CN113783213B (zh) | 一种集中式储能电站选址定容两阶段优化方法 | |
Mao et al. | Generalized Energy Storage Configuration Method Based on Bi-level Optimization for Distribution Power System with High Penetration of Renewable Energy |
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 |