CN117458477A - 考虑分群优化模式下负荷聚合商参与的电动汽车调度方法 - Google Patents
考虑分群优化模式下负荷聚合商参与的电动汽车调度方法 Download PDFInfo
- Publication number
- CN117458477A CN117458477A CN202311504657.7A CN202311504657A CN117458477A CN 117458477 A CN117458477 A CN 117458477A CN 202311504657 A CN202311504657 A CN 202311504657A CN 117458477 A CN117458477 A CN 117458477A
- Authority
- CN
- China
- Prior art keywords
- electric
- load
- electric automobile
- scheduling
- electric vehicle
- 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 53
- 238000005457 optimization Methods 0.000 title claims abstract description 26
- 238000009826 distribution Methods 0.000 claims abstract description 20
- 238000010586 diagram Methods 0.000 claims abstract description 16
- 230000005611 electricity Effects 0.000 claims description 31
- 238000007599 discharging Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 10
- 230000002776 aggregation Effects 0.000 claims description 8
- 238000004220 aggregation Methods 0.000 claims description 8
- 230000006399 behavior Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000015556 catabolic process Effects 0.000 claims description 3
- 238000006731 degradation reaction Methods 0.000 claims description 3
- 230000004044 response Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 229910052799 carbon Inorganic materials 0.000 description 5
- 230000005284 excitation Effects 0.000 description 5
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000003064 k means clustering Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
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
- H02J3/007—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
- H02J3/0075—Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
- G06Q10/0631—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
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q30/0204—Market segmentation
- G06Q30/0205—Location or geographical consideration
-
- 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
-
- 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
- H02J3/008—Circuit arrangements for ac mains or ac distribution networks involving trading of energy or energy transmission rights
-
- 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
- H02J3/04—Circuit arrangements for ac mains or ac distribution networks for connecting networks of the same frequency but supplied from different sources
- H02J3/06—Controlling transfer of power between connected networks; Controlling sharing of load between connected networks
-
- 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
- H02J3/12—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load
- H02J3/14—Circuit arrangements for ac mains or ac distribution networks for adjusting voltage in ac networks by changing a characteristic of the network load by switching loads on to, or off from, network, e.g. progressively balanced loading
- H02J3/144—Demand-response operation of the power transmission or distribution network
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/10—Power transmission or distribution systems management focussing at grid-level, e.g. load flow analysis, node profile computation, meshed network optimisation, active network management or spinning reserve management
-
- 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
- H02J2203/00—Indexing scheme relating to details of circuit arrangements for AC mains or AC distribution networks
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Power Engineering (AREA)
- Data Mining & Analysis (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Educational Administration (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Probability & Statistics with Applications (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
Abstract
本发明属于电动汽车调度技术领域,具体涉及考虑分群优化模式下负荷聚合商参与的电动汽车调度方法;包括步骤S1、根据当地人口分布情况模拟电动汽车充电站的位置,并绘制充电站分布散点图;S2、采用k‑means方法将电动汽车进行分群聚类后分配给各聚合商进行管理,并由各聚合商提供所辖范围电动汽车充放电预测功率;S3、构建电动汽车优化调度模型,得到总的电动汽车调度计划;在对电动汽车分群的基础上,按照各聚合商预测功率在总预测功率中的比重分配优化后的调度计划;本发明的考虑分群优化模式下负荷聚合商参与的电动汽车调度方法,能够方便快捷地对电动汽车进行分群,进而有效降低用户成本,平抑净负荷波动,针对不同聚合商制定个性化调度计划。
Description
技术领域
本发明属于电动汽车调度技术领域,具体涉及考虑分群优化模式下负荷聚合商参与的电动汽车调度方法。
背景技术
电动汽车是指使用电能作为驱动能源的车辆,具有环保、经济等优势。随着电动汽车数量的快速增长,电动汽车的管理规模和管理难度也逐渐增加。与此同时,电网侧电动汽车渗透率不断上升,电动汽车给电网带来的不确定性冲击也在逐渐增强。如何管理规模庞大的电动汽车、有效利用电动汽车灵活性优势,成为电动汽车优化调度方面亟需解决的问题。
目前国内外已有很多电动汽车分群优化调度的方法和成果。在电动汽车分群聚类方面,文献[朱心月,岳云涛,李炳华等.电动汽车有序充放电分群调度策略[J].科学技术与工程,2021,21(19):8023-8030.]根据车主响应意愿及响应能力对电动汽车集群进行划分;文献[侯慧,唐俊一,王逸凡等.价格与激励联合需求响应下电动汽车长时间尺度充放电调度[J].电力***自动化,2022,46(15):46-55.]将电动汽车按照价格型需求响应和激励型需求响应进行分群调度;文献[王毅,陈进,麻秀等.采用分群优化的电动汽车与电网互动调度策略[J].电力自动化设备,2020,40(05):77-85.DOI:10.16081/j.epae.202004010.]根据电动汽车的电池约束、时间约束及充放电转换次数约束,将各时段的电动汽车动态划分为常规车群和调控车群进行管理调度;文献[孙毅,葛明洋,王献春等.考虑补偿激励的电动汽车多区域优化调度策略[J/OL].上海交通大学学报:1-21[2023-04-24]]基于剩余电量可达原则和空闲时间冗余原则将电动汽车划分为可响应集群和不可响应集群;文献[葛晓琳,曹士鹏,符杨等.基于区域解耦的时空双尺度电动汽车优化调度[J/OL].中国电机工程学报:1-13[2023-04-24].]综合考虑电气特性、生产生活特性以及电动汽车出行特性将配电网络分成不同区,并分别在这些区域内对电动汽车进行优化调度。上述文献虽然考虑了电气特性和用户特性将电动汽车进行分群管理,但是所需数据量规模大、数据更新频繁但实际变化幅度较小、获取难度高,难以在实际调度中应用。
针对电动汽车调度问题,文献[章攀钊,谢丽蓉,马瑞真等.考虑电动汽车集群可调度能力的多主体两阶段低碳优化运行策略[J].电网技术,2022,46(12):4809-4825.DOI:10.13335/]和文献[***,张凯,姚寅等.基于信息间隙决策理论的电动汽车聚合商日前需求响应调度策略[J].电力***保护与控制,2022,50(24):101-111.DOI:10.19783/]分别用蒙特卡洛法和信息间隙决策理论将电动汽车可调度能力量化,利用量化的电动汽车集群可调度能力来提高调度效率;文献[邓慧琼,张晓飞,曾凡淦等.动态分时电价机制下的电动汽车充放电调度策略研究[J].智慧电力,2023,51(03):59-66+78.]利用动态分时电价建立了以电动汽车充放电费用最小,电动汽车接入所引起的电网损失最小以及对电压稳定性的影响最小的多目标优化调度模型;文献[朱磊,黄河,高松,贺瑜环,卞玉.计及风电消纳的电动汽车负荷优化配置研究[J].中国电机工程学报,2021,41(S1):194-203.DOI:10.13334/]在动态分时电价中考虑了风电出力的变化,所建调度模型考虑了用户用电成本和风电消纳量;文献[朱兰,王坤,唐陇军等.考虑道路交通模型的电动汽车聚合商短时调度策略和响应激励设计[J].电网技术,2022,46(07):2699-2712.DOI:10.13335/]计及用户行驶过程、充放电过程成本,综合考虑电动汽车评分、用户参与率以及距离引起的响应不确定性,设计了两步式定价的响应激励方法,建立了短时间尺度(15min)下电动汽车聚合商调度策略。上述文献虽然在调度策略中考虑到了动态分时电价,针对不同调度目标进行优化调度,但是调度流程较为繁琐,执行困难,且缺乏对分群调度情况下各聚合商调度计划分配问题的研究。
发明内容
本发明的目的是为了克服现有技术的不足,而提供一种考虑分群优化模式下负荷聚合商参与的电动汽车调度方法。
本发明的目的是这样实现的:考虑分群优化模式下负荷聚合商参与的电动汽车调度方法,它包括以下步骤:
S1、根据当地人口分布情况模拟电动汽车充电站的位置,并绘制充电站分布散点图;
S2、在步骤S1的基础上,利用一定区域内电动汽车充放电行为较为稳定的特性将电动汽车与电动汽车充电站绑定,将分散的电动汽车的分群管理转化为对位置固定的电动汽车充电站的分群管理,采用k-means方法将电动汽车进行分群聚类后分配给各聚合商进行管理,并由各聚合商提供所辖范围电动汽车充放电预测功率;
S3、以用户用电成本最低、负荷波动最小为优化调度目标,考虑用户需求约束、设备运行约束和分时电价的影响,构建电动汽车优化调度模型,得到总的电动汽车调度计划;在对电动汽车分群的基础上,按照各聚合商预测功率在总预测功率中的比重分配优化后的调度计划。
进一步的,所述步骤S2包括采用k-means方法对电动汽车分群聚类,具体实现步骤如下:
1)确定样本集充电桩xi(1≤i≤n)以及聚类中心的个数N;从可用的样本集中随机选择N个初始值作为聚类中心cr(r),其中k=1,2,...,N,并确定迭代次数R;
2)计算样本集中每个充电桩与每个簇中心的距离,并将数据对象分配给距离最近的簇Uk;
3)对于每个簇,重新计算簇中心,计算公式如下,
计算聚类评判标准函数为
4)判断D是否收敛,若收敛,则终止迭代;否则返回步骤2)。
进一步的,所述步骤S3的具体实现模型包括:
S31、建立电动汽车充放电模型
电动汽车充放电约束:
式中,pi,t为第i辆电动汽车t时刻充放电功率,Pchar和Pdis分别为电动汽车充电功率和放电功率最大值,N为电动汽车总量,NV2G为接受调度的电动汽车总量,和/>分别表示第i辆电动汽车充放电起始时间和结束时间;
用户满意度和电动汽车SOC约束:
式中,为第i辆电动汽车起始电量,Δt为充放电时长,η为充放电效率,/>为第i量电动汽车期望电量,SOCi,t和SOCi,t-1分别为第i辆电动汽车t时刻和t-1时刻荷电状态,为第i辆电动汽车的最大容量;
S32、建立基于负荷实时变化的分时电价模型
C(Pt)=a+bPt
式中,Pt为t时刻总负荷,为t时刻基础负荷,/>为所有电动汽车t时刻总调度功率,C(Pt)为实时电价,a和b分别为利用泰勒展开对电价与负荷之间的函数关系进行线性化处理后的截距和斜率;
S33、建立各负荷聚合商调度计划分配模型
式中,为第k个聚合商t时刻计划调度功率,Pk,t为第k个聚合商t时刻预测功率,M为聚合商数量;
S34、在考虑电动汽车电池退化损耗成本的基础上,以电动汽车用户用电总成本、综合负荷峰谷差以及综合负荷波动最小为目标构建调度模型
(1)电动汽车用户总成本最小
式中,T为调度周期;
(2)总负荷波动最小
式中,Pav为调度周期内平均负荷;
S35、进行多目标优化的单目标处理
采用线性加权方法将多目标转换为单目标:
式中,ω1、ω2为各目标权重,角标B代表各目标量初始值。
本发明的有益效果:本发明的考虑分群优化模式下负荷聚合商参与的电动汽车调度方法,包括步骤S1、根据当地人口分布情况模拟电动汽车充电站的位置,并绘制充电站分布散点图;S2、在步骤S1的基础上,利用一定区域内电动汽车充放电行为较为稳定的特性将电动汽车与电动汽车充电站绑定,将分散的电动汽车的分群管理转化为对位置固定的电动汽车充电站的分群管理,采用k-means方法将电动汽车进行分群聚类后分配给各聚合商进行管理,并由各聚合商提供所辖范围电动汽车充放电预测功率;S3、以用户用电成本最低、负荷波动最小为优化调度目标,考虑用户需求约束、设备运行约束和分时电价的影响,构建电动汽车优化调度模型,得到总的电动汽车调度计划;在对电动汽车分群的基础上,按照各聚合商预测功率在总预测功率中的比重分配优化后的调度计划;本发明的考虑分群优化模式下负荷聚合商参与的电动汽车调度方法,能够方便快捷地对电动汽车进行分群,进而有效降低用户成本,平抑净负荷波动,针对不同聚合商制定个性化调度计划,为调度中心调度计划的分配提供参考。
附图说明
图1为电动汽车充电站的地理分布散点图。
图2为聚类结果示意图。
图3为典型日负荷曲线示意图。
图4为总负荷优化调度结果的示意图。
具体实施方式
下面结合附图对本发明做进一步的说明。
为了能更好地对本发明的技术方案进行理解,下面通过具体地实施例进行详细地说明。
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
下面将结合本发明的实施例中的附图,对本发明的实施例中的技术方案进行清楚-完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,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。
本发明的考虑分群优化模式下负荷聚合商参与的电动汽车调度方法,它包括以下步骤:
S1、根据当地人口分布情况模拟电动汽车充电站的位置,并绘制充电站分布散点图;
S2、在步骤S1的基础上,利用一定区域内电动汽车充放电行为较为稳定的特性将电动汽车与电动汽车充电站绑定,将分散的电动汽车的分群管理转化为对位置固定的电动汽车充电站的分群管理,采用k-means方法将电动汽车进行分群聚类后分配给各聚合商进行管理,并由各聚合商提供所辖范围电动汽车充放电预测功率;
S3、以用户用电成本最低、负荷波动最小为优化调度目标,考虑用户需求约束、设备运行约束和分时电价的影响,构建电动汽车优化调度模型,得到总的电动汽车调度计划;在对电动汽车分群的基础上,按照各聚合商预测功率在总预测功率中的比重分配优化后的调度计划。
电动汽车充放电行为在时空中的分布具有较强的分散性,且规模日益增加,难以集中管理调度,但电动汽车充电站的位置具有固定性。在实际生活中可以发现,在一定区域内,电动汽车用户的充放电行为具有稳定性,即用户习惯在固定的充电站为电动汽车充电,可以利用这种特性将电动汽车与电动汽车充电站绑定,将对分散不定的电动汽车的分群管理转化为对位置固定的电动汽车充电站的分群管理。
K-means聚类算法将距离作为聚类的评判标准,认为聚类对象的距离越小越相似,最终形成由距离小的对象所构成的互斥的簇。目前该方法在电力***主要用于风光典型出力场景提取,由于该方法可以客观地按照距离将对象分配到各簇,与本发明所提电动汽车聚类需求相符,所以本发明采用k-means方法对电动汽车分群聚类。
K-means算法首先要设定N个中心值,每个中心值代表一个簇。在不断迭代的过程中,对其他对象进行簇划分,将每个对象划分到距离最近的簇。
进一步的,所述步骤S2包括采用k-means方法对电动汽车分群聚类,具体实现步骤如下:
1)确定样本集充电桩xi(1≤i≤n)以及聚类中心的个数N;从可用的样本集中随机选择N个初始值作为聚类中心cr(r),其中k=1,2,...,N,并确定迭代次数R;
2)计算样本集中每个充电桩与每个簇中心的距离,并将数据对象分配给距离最近的簇Uk;
3)对于每个簇,重新计算簇中心,计算公式如下,
计算聚类评判标准函数为
4)判断D是否收敛,若收敛,则终止迭代;否则返回步骤2)。
电动汽车作为规模日益庞大的用户侧灵活性资源,其调度难度也在日益增加。由于负荷实时变化影响电能的供需关系从而影响电价,所以考虑动态分时电价在调度中的作用是有必要的。除此之外,各负荷聚合商各自所辖范围电动汽车充放电行为具有一定特殊性,结合这种特殊性和各聚合商在总量中的比例来分配调度任务可以使总调度计划的执行更加精确。
进一步的,所述步骤S3的具体实现模型包括:
S31、建立电动汽车充放电模型
电动汽车充放电约束:
式中,pi,t为第i辆电动汽车t时刻充放电功率,Pchar和Pdis分别为电动汽车充电功率和放电功率最大值,N为电动汽车总量,NV2G为接受调度的电动汽车总量,和/>分别表示第i辆电动汽车充放电起始时间和结束时间;
用户满意度和电动汽车SOC约束:
式中,为第i辆电动汽车起始电量,Δt为充放电时长,η为充放电效率,/>为第i量电动汽车期望电量,SOCi,t和SOCi,t-1分别为第i辆电动汽车t时刻和t-1时刻荷电状态,为第i辆电动汽车的最大容量;
S32、建立基于负荷实时变化的分时电价模型
C(Pt)=α+bPt
式中,Pt为t时刻总负荷,为t时刻基础负荷,/>为所有电动汽车t时刻总调度功率,C(Pt)为实时电价,a和b分别为利用泰勒展开对电价与负荷之间的函数关系进行线性化处理后的截距和斜率;
S33、建立各负荷聚合商调度计划分配模型
式中,为第k个聚合商t时刻计划调度功率,Pk,t为第k个聚合商t时刻预测功率,M为聚合商数量;
S34、在考虑电动汽车电池退化损耗成本的基础上,以电动汽车用户用电总成本、综合负荷峰谷差以及综合负荷波动最小为目标构建调度模型
(1)电动汽车用户总成本最小
式中,T为调度周期;
(2)总负荷波动最小
式中,Pav为调度周期内平均负荷;
S35、进行多目标优化的单目标处理
采用线性加权方法将多目标转换为单目标:
式中,ω1、ω2为各目标权重,角标B代表各目标量初始值。
正面以具体算例对本发明进行进一步说明。
选取了某地数据为仿真算例输入数据。该区域人口为16万,占地面积约41km2,为了更好地体现本发明所建模型的有效性,本发明假设该地超前实现了车桩比2:1的目标,人均电动汽车占有量达到0.05辆/人,该区域拥有分布式电动汽车充电站200个,平均每个充电站包含20个充电桩,共4000个充电桩为8000辆电动汽车供电。
根据该地区人口分布模拟电动汽车充电站的地理分布散点图如图1所示;由于实际过程中用户的电动汽车充电位置相对固定,所以根据本发明所提聚类方法将电动汽车进行聚类分配可以等效为将电动汽车充电站聚类分配给各电动汽车聚合商,聚类结果如图2所示。
由图2可知,该聚类模型将杂乱无序的充电站整理为四个聚合体,得到的聚类结果精确到每个充电站,为每个聚合商分配调度范围,既提高了调度精确度,又降低了电动汽车负荷调度难度。
本发明以该地2022年某天典型日负荷数据为依据进行仿真,典型日负荷如图3所示。查询相关资料,结合实际调研数据得到仿真模型参数如下表格所示。
表1仿真模型部分参数
将该地典型日负荷数据和上表所示参数带入本发明模型中进行仿真计算,所得总的优化调度结果如图4所示。
由图可知,在第一个负荷高峰期,即9:00至12:00,电动汽车响应调度指令对电网进行放电,此时在负荷高峰期各时段的净负荷均有不同程度的下降;在负荷低谷期,即13:00至18:00,电动汽车响应调度指令进行充电,提高了负荷低谷时段的用电量;在第二个负荷高峰期,即20:00至23:00,电动汽车响应调度指令进行放电,降低了负荷峰值,但是受限于用户充放电需求,调度指令执行受阻,导致电动汽车削峰潜力未能完全发挥,这也和实际调度情况相符。优化调度前后用户成本和总负荷的优化结果量化情况如下表所示:
表2算例优化前后数据对比
优化调度前 | 优化调度后 | 优化率 | |
用户总成本 | 108000元 | 67327.2元 | 37.66% |
负荷波动方差 | 3728.87 | 3106.60 | 16.69% |
本发明所提策略可以为用户节省37.66%的成本,与此同时负荷波动也降低了16.69%。
在碳减排方面,以电动汽车续航350km,每天行驶的里程60km左右为例,根据车辆的续航里程和电池容量来计算每天的耗电量。目前公认的电动汽车电耗在每百公里15度电左右,即每公里电耗0.15度左右,假设电动汽车平均一天行驶里程为60km,电耗9度左右,按照2022年电网碳排放因子0.5810tCO2/Mwh来算,本发明算例可以减少碳排放约62.272t,碳减排效益比较明显。
综述,电动汽车的快速发展给电网带来了冲击,其无序充放电可能会使区域负荷峰谷差增加,由此导致电网供电压力增加。针对数量逐渐增加且杂乱无序的电动汽车难以统一管理调度、调度指令精确度和合理性难以保证的问题,本发明提出了一种电动汽车分群优化调度方法并建立了相关模型。以某地相关数据为例,对电动汽车进行聚类分群,并结合当地典型日负荷数据生成总的调度结果以及各聚合商调度指令。结论如下:
1、利用一定区域内电动汽车充放电行为的稳定性,使用K-means聚类方法将电动汽车分配给各电动汽车负荷聚合商来进行统一管理调度,避免了常规分群方法数据需求大、难以及时获取的问题,有效降低了电动汽车负荷调度难度。
2、本发明所建电动汽车调度模型能够在满足用户用车需求的同时降低用户成本,平抑净负荷波动,改善净负荷曲线,按照各聚合商预测负荷数据进行调度计划分配,能够提高调度计划执行的准确性,为电动汽车调度计划的制定和分配提供参考。
本领域内的技术人员应明白,本申请的实施例可提供为方法、***、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(***)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。上述各实施例仅用于说明本发明,其中各部件的结构、连接方式和制作工艺等都是可以有所变化的,凡是在本发明技术方案的基础上进行的等同变换和改进,均不应排除在本发明的保护范围之外。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。
Claims (3)
1.考虑分群优化模式下负荷聚合商参与的电动汽车调度方法,其特征在于,它包括以下步骤:
S1、根据当地人口分布情况模拟电动汽车充电站的位置,并绘制充电站分布散点图;
S2、在步骤S1的基础上,利用一定区域内电动汽车充放电行为较为稳定的特性将电动汽车与电动汽车充电站绑定,将分散的电动汽车的分群管理转化为对位置固定的电动汽车充电站的分群管理,采用k-means方法将电动汽车进行分群聚类后分配给各聚合商进行管理,并由各聚合商提供所辖范围电动汽车充放电预测功率;
S3、以用户用电成本最低、负荷波动最小为优化调度目标,考虑用户需求约束、设备运行约束和分时电价的影响,构建电动汽车优化调度模型,得到总的电动汽车调度计划;在对电动汽车分群的基础上,按照各聚合商预测功率在总预测功率中的比重分配优化后的调度计划。
2.如权利要求1所述的考虑分群优化模式下负荷聚合商参与的电动汽车调度方法,其特征在于,所述步骤S2包括采用k-means方法对电动汽车分群聚类,具体实现步骤如下:
1)确定样本集充电桩xi(1≤i≤n)以及聚类中心的个数N;从可用的样本集中随机选择N个初始值作为聚类中心cr(r),其中k=1,2,...,N,并确定迭代次数R;
2)计算样本集中每个充电桩与每个簇中心的距离,并将数据对象分配给距离最近的簇Uk;
3)对于每个簇,重新计算簇中心,计算公式如下,
计算聚类评判标准函数为
4)判断D是否收敛,若收敛,则终止迭代;否则返回步骤2)。
3.如权利要求1所述的考虑分群优化模式下负荷聚合商参与的电动汽车调度方法,其特征在于,所述步骤S3的具体实现模型包括:
S31、建立电动汽车充放电模型
电动汽车充放电约束:
式中,pi,t为第i辆电动汽车t时刻充放电功率,Pchar和Pdis分别为电动汽车充电功率和放电功率最大值,N为电动汽车总量,NV2G为接受调度的电动汽车总量,和/>分别表示第i辆电动汽车充放电起始时间和结束时间;
用户满意度和电动汽车SOC约束:
式中,为第i辆电动汽车起始电量,Δt为充放电时长,η为充放电效率,/>为第i量电动汽车期望电量,SOCi,t和SOCi,t-1分别为第i辆电动汽车t时刻和t-1时刻荷电状态,/>为第i辆电动汽车的最大容量;
S32、建立基于负荷实时变化的分时电价模型
C(Pt)=a+bPt
式中,Pt为t时刻总负荷,为t时刻基础负荷,/>为所有电动汽车t时刻总调度功率,C(Pt)为实时电价,a和b分别为利用泰勒展开对电价与负荷之间的函数关系进行线性化处理后的截距和斜率;
S33、建立各负荷聚合商调度计划分配模型
式中,为第k个聚合商t时刻计划调度功率,Pk,t为第k个聚合商t时刻预测功率,M为聚合商数量;
S34、在考虑电动汽车电池退化损耗成本的基础上,以电动汽车用户用电总成本、综合负荷峰谷差以及综合负荷波动最小为目标构建调度模型
(1)电动汽车用户总成本最小
式中,T为调度周期;
(2)总负荷波动最小
式中,Pav为调度周期内平均负荷;
S35、进行多目标优化的单目标处理
采用线性加权方法将多目标转换为单目标:
式中,ω1、ω2为各目标权重,角标B代表各目标量初始值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311504657.7A CN117458477A (zh) | 2023-11-13 | 2023-11-13 | 考虑分群优化模式下负荷聚合商参与的电动汽车调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311504657.7A CN117458477A (zh) | 2023-11-13 | 2023-11-13 | 考虑分群优化模式下负荷聚合商参与的电动汽车调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117458477A true CN117458477A (zh) | 2024-01-26 |
Family
ID=89590840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311504657.7A Pending CN117458477A (zh) | 2023-11-13 | 2023-11-13 | 考虑分群优化模式下负荷聚合商参与的电动汽车调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117458477A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117895510A (zh) * | 2024-03-14 | 2024-04-16 | 山东建筑大学 | 基于聚合商模式下电动汽车集群参与电网调峰方法及*** |
-
2023
- 2023-11-13 CN CN202311504657.7A patent/CN117458477A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117895510A (zh) * | 2024-03-14 | 2024-04-16 | 山东建筑大学 | 基于聚合商模式下电动汽车集群参与电网调峰方法及*** |
CN117895510B (zh) * | 2024-03-14 | 2024-05-28 | 山东建筑大学 | 基于聚合商模式下电动汽车集群参与电网调峰方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111682567B (zh) | 一种基于模糊控制技术考虑用户评价的有序充放电控制方法 | |
Meng et al. | Dynamic frequency response from electric vehicles considering travelling behavior in the Great Britain power system | |
CN107169273B (zh) | 计及延时和v2g充电模式的电动汽车充电功率预测方法 | |
CN103241130B (zh) | 一种电动公交车充换电站的能量管理方法及*** | |
CN110378548B (zh) | 一种电动汽车虚拟电厂多时间尺度响应能力评估模型构建方法 | |
Wang et al. | Distributed control for large-scale plug-in electric vehicle charging with a consensus algorithm | |
Gan et al. | A probabilistic evaluation method of household EVs dispatching potential considering users’ multiple travel needs | |
CN113541168A (zh) | 一种电动汽车集群可调控能力确定方法、调度方法及*** | |
CN117458477A (zh) | 考虑分群优化模式下负荷聚合商参与的电动汽车调度方法 | |
CN113269372A (zh) | 一种考虑用户意愿的集群电动汽车可调度容量预测评估方法 | |
Liang et al. | A calculation model of charge and discharge capacity of electric vehicle cluster based on trip chain | |
CN113580984A (zh) | 一种电动汽车有序充电策略及其仿真方法 | |
CN114662762A (zh) | 一种电力现货市场背景下储能电站调控方法 | |
CN110232219A (zh) | 一种基于数据挖掘的电动汽车可调度容量核定方法 | |
CN117353355A (zh) | 一种计及电动汽车调控潜力的含风电***优化调度方法 | |
CN109672199B (zh) | 一种基于能量平衡的电动汽车削峰填谷能力估计方法 | |
Sun et al. | Charging stations‐oriented electric vehicle charging strategy based on battery characteristics | |
CN110861508B (zh) | 居民区直流充电机共享充电控制方法、***及存储介质 | |
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 | |
Rashmi et al. | Intelligent coordinated charging of plug in electric vehicles for g2v and v2g transactions | |
CN115330062A (zh) | 一种社区场景下的新能源汽车有序充电服务调度优化方法 | |
CN112109580B (zh) | 一种电量自分配的微电网电动汽车充放电控制*** | |
CN113450023A (zh) | 一种网格化分时电价下电动汽车有序充电方法 | |
CN113469436A (zh) | 一种城市电网侧储能规划方法 | |
Zhang et al. | Optimization of Charging/Battery-Swap Station Location of Electric Vehicles with an Improved Genetic Algorithm-BasedModel. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |