CN117856270A - 一种基于分时电价的区域电动汽车优化调度方法 - Google Patents
一种基于分时电价的区域电动汽车优化调度方法 Download PDFInfo
- Publication number
- CN117856270A CN117856270A CN202311592296.6A CN202311592296A CN117856270A CN 117856270 A CN117856270 A CN 117856270A CN 202311592296 A CN202311592296 A CN 202311592296A CN 117856270 A CN117856270 A CN 117856270A
- Authority
- CN
- China
- Prior art keywords
- charging
- load
- time
- price
- electric automobile
- 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
- 230000005611 electricity Effects 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 21
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 230000006399 behavior Effects 0.000 claims abstract description 8
- 238000000342 Monte Carlo simulation Methods 0.000 claims abstract description 4
- 230000008859 change Effects 0.000 claims description 25
- 230000004044 response Effects 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 230000000630 rising effect Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 230000009467 reduction 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
- G06Q10/06—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression 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
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
- H02J3/12—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
- H02J2203/20—Simulating, e g planning, reliability check, modelling or computer assisted design [CAD]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Physics (AREA)
- Marketing (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Life Sciences & Earth Sciences (AREA)
- Primary Health Care (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Probability & Statistics with Applications (AREA)
- Bioinformatics & Computational Biology (AREA)
- Power Engineering (AREA)
Abstract
一种基于分时电价的区域电动汽车优化调度方法,包括以下步骤:步骤1、采用蒙特卡洛方法,建立电动汽车充电行为的概率分布模型;步骤2、建立电动汽车充电需求价格弹性矩阵,基于基础用电负荷的大小将一天中的时间段划分为峰谷平三个部分,分别采用不同的电价;步骤3、获取区域初始调节时段已接入***之中的电动汽车相关信息,判断已经接入***的电动汽车所属分类,以减小用电负荷峰谷差和降低充电费用的双目标函数对电动汽车采取优化调度措施,并计算优化后的充电功率及目标函数;步骤4、通过基础负荷和优化调度后的移动负荷,计算并输出优化调度后的充电负荷曲线。
Description
技术领域
本发明涉及燃气架空管道技术领域,特别是一种基于分时电价的区域电动汽车优化调度方法。
背景技术
近年来,交通电气化被认为是实现节能减排、提高能源利用效率的有效措施。随着交通电气化的发展,电动汽车将替代燃油汽车成为主要的交通工具。电动汽车是环保的,因为它们消耗电能,产生的污染物排放几乎为零。因此,电动汽车为发展清洁交通***提供了另一种选择,并为可持续交通发展提供了巨大的潜力。新能源汽车尤其是电动汽车已在全球范围内得到广泛推广应用,从而带来了巨大的充电需求。随着电动汽车渗透率的增加,电动汽车大规模不协调充电会给供电带来巨大的压力,引起“峰上加峰”、电压降落等问题,从而影响电力***的安全稳定。为了解决这一问题,有必要对大型电动汽车充电进行优化,需要实现电动汽车与微电网良性互动以及采用分时电价引导激励用户,以达到优化调度的作用。
现已有大量的研究机构与学者对电动汽车优化调度问题展开研究,也已取得许多成果。有些通过分层架构,构建了以降低充电负荷方差、减少电动汽车用户充电成本为目标的双层优化控制模型;有些以负荷峰谷差最低为目标,通过每次调度时段二次规划优化,舍弃优化其他时段,实现控制策略动态优化。但有些技术并未合理的考虑电动汽车用户侧的基础要求,申请公布号为CN116691414A,名称为一种基于分钟级采集的有序充电业务智能检测管理***的专利是通过有序充电顺序调控为主,无序充电功率调控为辅,完善有序充电调控***,提高电力***运行稳定性;申请公布号为CN105871029A,名称为一种电动汽车有序充电智能管理***及有序充电控制方法的专利是基于神经网络的电动汽车有序充电智能管理的控制***,对站内汽车的充放电实施控制,实现电网削峰填谷以及充电站运营效益的最大化。此类未考虑用户侧的出行用电需求,或将使得电动汽车用户响应调度的参与度下降。
发明内容
本发明所要解决的技术问题是提供一种基于分时电价的区域电动汽车优化调度方法,采用蒙特卡洛方法,通过建立电动汽车充电行为的概率分布模型,以预测充电功率;建立电动汽车充电需求与充电价格之间关系的需求价格弹性矩阵,将一天时段按照峰谷平三个部分制定电价,获取区域初始调节时段已经接入***的电动汽车相关信息,判断已经接入***的电动汽车所属分类,对电动汽车采取相应优化调度措施,从而实现移动负荷的削峰填谷、提高***运行的安全性与稳定性。
为解决上述技术问题,本发明所采用的技术方案是:一种基于分时电价的区域电动汽车优化调度方法,包括以下步骤:
步骤1、采用蒙特卡洛方法,建立电动汽车充电行为的概率分布模型;
步骤2、建立电动汽车充电需求价格弹性矩阵,基于基础用电负荷的大小将一天中的时间段划分为峰谷平三个部分,分别采用不同的电价;
步骤3、获取区域初始调节时段已接入***之中的电动汽车相关信息,判断已经接入***的电动汽车所属分类,以减小用电负荷峰谷差和降低充电费用的双目标函数对电动汽车采取优化调度措施,并计算优化后的充电功率及目标函数;
步骤4、通过基础负荷和优化调度后的移动负荷,计算并输出优化调度后的充电负荷曲线。
优选的,所述步骤1中,电动汽车充电行为的概率分布模型,由充电开始时间模型、充电结束时间模型、初始荷电状态概率模型和充电时长概率模型组成;
所述的充电开始时间模型,是以σa表示充电开始时间的标准差;μa表示充电开始时间的均值,所构建的服从正态分布的概率模型;
所述充电结束时间模型,是以σl表示充电结束时间的标准差;μl表示充电结束时间的均值,所构建的服从正态分布的概率模型;
所述初始荷电状态概率模型,是以概率密度函数表示的在一定荷电状态区间均匀分布的概率模型;
所述充电时长概率模型,是由电动汽车的初始荷电状态SOCi、电池容量Se、电动汽车充电结束时电池的荷电状态SOCh、电动汽车的充电功率Pi以及充电效率η所构成的。
优选的,所述步骤2中,建立电动汽车充电需求价格弹性矩阵具体步骤如下:
步骤2-1:求解充电需求变化量、充电价格变化量和弹性系数;
步骤2-2:基于所求变量建立价格需求弹性矩阵;
步骤2-3:基于价格需求弹性矩阵获得响应分时电价的充电负荷需求公式。
优选的,所述步骤2-1中,充电需求变化量和充电价格变化量由某一时段结束与开始时的充电量和充电价格的差值表示,弹性系数由充电需求变化量与充电量初始值的商值同充电价格变化量与充电价格初始值的商值做除法表示。
优选的,所述步骤2-2中,将一天划分为T个充电时段,充电需求变化量矩阵由弹性系数矩阵左乘价格变化量矩阵所得。
优选的,所述步骤2-3中,响应分时电价的充电负荷需求由充电需求初始量、充电价格变化量和弹性系数所决定。基于价格变化前后电动汽车充电负荷需求量的变化情况,制定合理的分时电价政策,根据基础用电负荷大小将一天划分为峰谷平三类时段,制定相应的电价,其中峰时段电价最高,谷时段电价最低,平时段电价居中。
优选的,所述步骤3中,区域初始调节时段已接入***之中的电动汽车相关信息包括:电动汽车的充电开始时间、电动汽车的充电结束时间、充电汽车的初始荷电状态;以减小用电负荷峰谷差和降低充电费用的双目标函数对电动汽车采取优化调度措施,并计算优化后的充电功率及目标函数具体步骤如下:
步骤3-1:对减小用电负荷峰谷差和充电成本的双目标函数进行建模;
步骤3-2:接入***的电动汽车进行分类,对服从调度的电动汽车采取相应优化调度措施;
步骤3-3:计算优化后的充电功率,并按时段计算区域电动汽车充电负荷和总用电负荷。
优选的,所述步骤3-1中,以减小用电负荷峰谷差的目标函数一,是由总用电负荷的高峰值与低谷值的差表示;以降低充电成本的目标函数二,是以时间作为微元对充电费用和充电功率的乘积做积分来表示;
所述步骤3-2中,根据充电电车不同的充电时长和初始荷电状态对电车进行分类,在不同时段采取适当的充电功率。
优选的,述步骤3-3中,某时段的充电功率为该时段内全部充电电车相对应的充电功率的总和;时段负荷由时段功率与间隔时长所决定;某时段的总用电负荷则由该时段的基础负荷与汽车充电负荷所决定。
优选的,所述步骤4中,计算并输出优化调度后的充电负荷曲线,是基于所求得的优化调度后的各时段移动负荷,以负荷曲线的形式表达,由优化的移动负荷曲线与居民基础用电负荷曲线线性叠加之后,可以获得优化调度后的充电负荷曲线。
本发明提供一种基于分时电价的区域电动汽车优化调度方法,具有以下有益效果:
(1)以分时电价为基础,对不同荷电状态以及充电时长的电动汽车采取相对应的优化调度策略,保证了用户的出行需求。
(2)考虑了电动汽车用户在充电结束时需要具有一定的阈值荷电状态,提高了用户侧参与响应的积极性。
(3)由价格需求弹性矩阵反应电价变化与充电需求量变化间的关系,以使调度策略的可行性更高,与现实情况更为贴合。
(4)在调度中按照谷平峰时段的顺序为优先级进行充电,实现了峰时负荷的后移,达到削峰填谷以及提高电力***运行的安全性与稳定性的作用。
附图说明
下面结合附图和实施例对本发明作进一步说明:
图1是本发明***流程图;
图2是本发明功率算法流程图;
图3是本发明实例中有序与无序移动负荷图;
图4是本发明实例中基础负荷图;
图5是本发明有序与无序总用电负荷图;
图6是本发明有序与无序充电费用图。
具体实施方式
一种基于分时电价的区域电动汽车优化调度方法,如图1所示,所述方法包括以下步骤:
步骤1:采用MCM,建立电动汽车充电行为的概率分布模型,电动汽车充电行为的概率分布模型,由充电开始时间模型、充电结束时间模型、初始荷电状态概率模型和充电时长概率模型组成。
所述的充电开始时间模型为:
式中:ta表示充电开始时间;μa表示充电开始时间ta的均值;σa表示充电开始时间ta的标准差;f(ta)表示充电开始时间ta的概率函数。
所述的充电结束时间模型为:
式中:tl表示充电结束时间;μl表示充电结束时间tl的均值;σa表示充电结束时间tl的标准差;f(ta)表示充电结束时间tl的概率函数。
所述的初始荷电状态概率模型为:
式中:x表示电动汽车用户达到需要充电的最低荷电状态;y表示电动汽车用户达到需要充电的最高荷电状态;SOCi为第i辆电动汽车的初始荷电状态;f(SOCi)为电动汽车用户初始荷电状态概率函数。
所述的充电时长概率模型为:
式中:Ti为第i辆电动汽车的充电时长;Se为电动汽车的电池容量;SOCd为电动汽车充电结束时电池的荷电状态;Pi为电动汽车的充电功率;η为电动汽车的充电效率。
步骤2:建立电动汽车充电需求价格弹性矩阵,基于基础用电负荷的大小将一天中的时间段划分为峰谷平三个部分,分别采用不同的电价,包含以下步骤:
步骤2-1:反应电价的变化与充电量变化的弹性系数的公式为:
式中:δtt为弹性系数;和et分别为t时段起始与结束时的充电量;/>和mt分别为t时段起始与结束时的充电价格;Δet为t时段充电量的变化量;Δmt为t时段充电价格的变化量。
步骤2-2:将一天划分为T个充电时段,可得矩阵式:
步骤2-3:由价格需求弹性矩阵,获得响应分时电价的充电负荷需求公式为:
步骤3:获取区域初始调节时段已接入***之中的电动汽车相关信息,判断已经接入***的电动汽车所属分类,以减小用电负荷峰谷差和降低充电费用的双目标函数对电动汽车采取优化调度措施,并计算优化后的充电功率及目标函数,包含以下步骤:
步骤3-1:以减小用电负荷峰谷差的目标函数一公式为:
式中:H(L)为用电负荷峰谷差函数;为用电负荷的最大值;/>为用电负荷的最小值。
以降低充电成本的目标函数二公式为:
式中:M为参与调度的电动汽车充电费用总和;m(t)、P(t)分别为t时刻的充电电价和充电功率;tis、tie分别为第i辆电车充电的开始与结束时刻。
步骤3-2:判断已经接入***的电动汽车所属分类,以减小用电负荷峰谷差和充电成本为双目标函数,对服从调度的电动汽车采取相应优化调度措施,如图2所示,具体步骤为:
1)设置初始值SOCh、Se、Δp、Ps、Pf;
2)获取电动汽车相关信息,对汽车的充电时间按照谷平峰划分为三类时间段分别标记为t1、t2、t3;
3)令i=1,P0=0,t0=0;
4)令Pn=Ps;
5)判断Pn≤Pf是否成立,若是,则进行步骤6),若否,则进行步骤12);
6)判断Pi-1=Pf是否成立,若是,则进行步骤7),若否,则进行步骤9);
7)判断是否成立,若是,则进行步骤11),若否,则进行步骤8);
8)令Pn=Pn+Δp,并返回步骤6);
9)判断若是,则进行步骤11),若否,则进行步骤10);
10)令并返回步骤8);
11)输出Pi=Pn;
12)输出Pi=Pf;
13)令i=i+1;
14)判断i≤3是否成立,若是,则返回步骤4),若否,则进行步骤15);
15)结束。
其中:SOCh为荷电阈值;Se为电池容量;Δp为上升功率;Ps为慢充功率;Pf为快充功率;t1、t2、t3分别是位于谷平峰的充电时间段;P1、P2、P3分别为谷平峰的充电功率。
对以上步骤循环进行N次,便可得到N辆电动汽车各时段的充电功率。
步骤3-3:计算优化后的充电功率的计算公式为:
式中:N为总的电车数量;Pi为第i辆电车的充电功率;PT为一天划分的96个区间中第T个区间的充电功率;为决定因子,当/>时,表示第i辆电动汽车在Ti时段中充电;当时,表示第i辆电动汽车不在Ti时段中充电。
区域电动汽车T时段充电负荷的计算公式为:
LT=PT×Δt (13)
式中:LT为电动汽车T时段的充电负荷;Δt为均等划分的充电时间隔。
区域电动汽车T时段用电总负荷的计算公式为:
La=LT+Lb (14)
式中:La为用电总负荷;Lb为居民用电的基础负荷。
步骤4:根据步骤3所求得的优化调度后的各时段移动负荷,以负荷曲线的形式表达,由优化的移动负荷曲线与居民基础用电负荷曲线线性叠加后,获得优化调度后的充电负荷曲线如图5。
实施例:
本实例之中共采取1000辆电动汽车,所采取的充电电动汽车信息表如下表(EVi表示第i辆电车,SOCi表示第i辆电车的荷电状态):
表1充电电动汽车信息表
在实例仿真中设置μa和σa分别为18和3.33;设置μl和σl分别为8和3.33;设置x和y分别为0.1和0.5;设置Se为60AH,η为0.9。在实例中一天划分为96个时间段,即15min为一个时段。基于价格变化前后电动汽车充电负荷需求量的变化情况,制定的分时电价政策为:峰时电价1.2元/度、谷时电价0.8元/度、平时电价1元/度。设置的阈值荷电状态为0.8,峰时段为9:00-12:00、18:00-23:00;谷时段为0:00-7:00、23:00-24:00;平时段为7:00-9:00、12:00-18:00;慢充功率为15kW,快充功率35kW,上升功率5kW,城市的基础用电负荷如图3所示。
本发明经仿真后,得到如图4所示的无序充电与优化调度后的有序充电负荷对比图。由图可见,针对于移动负荷,经过优化调度后的充电负荷主要集中在低谷时段,即0:00-7:00、23:00-24:00时段中;相反,在峰时段即9:00-12:00、18:00-23:00时段中仅有较少的充电负荷,较好的完成了峰时段的后移。
本发明经仿真后,得到如图5所示的无序充电与优化调度后的有序充电总负荷。由图可见,针对于总用电负荷,经过优化调度后的用电负荷高峰极大值为7499kW,低谷极小值为4674.25kW,峰谷差为2824.75kW;无序用电负荷高峰极大值为7836.25kW,低谷极小值为4520kW,峰谷差为3316.25kW,峰谷差明显减小,基本上实现了削峰填谷、提高电力***运行稳定性的目标。由仿真所得图6所示的有序与无序充电费用对比可知,仿真的1000辆电车有序充电总费用为13687.5元;无序充电总费用为21962.3元,充电费用降低的百分比为37.68%,有效起到了降低用户充电成本的作用。
上述的实施例仅为本发明的优选技术方案,而不应视为对于本发明的限制,本发明的保护范围应以权利要求记载的技术方案,包括权利要求记载的技术方案中技术特征的等同替换方案为保护范围。即在此范围内的等同替换改进,也在本发明的保护范围之内。
Claims (10)
1.一种基于分时电价的区域电动汽车优化调度方法,其特征在于,包括以下步骤:
步骤1、采用蒙特卡洛方法,建立电动汽车充电行为的概率分布模型;
步骤2、建立电动汽车充电需求价格弹性矩阵,基于基础用电负荷的大小将一天中的时间段划分为峰谷平三个部分,分别采用不同的电价;
步骤3、获取区域初始调节时段已接入***之中的电动汽车相关信息,判断已经接入***的电动汽车所属分类,以减小用电负荷峰谷差和降低充电费用的双目标函数对电动汽车采取优化调度措施,并计算优化后的充电功率及目标函数;
步骤4、通过基础负荷和优化调度后的移动负荷,计算并输出优化调度后的充电负荷曲线。
2.根据权利要求1所述一种基于分时电价的区域电动汽车优化调度方法,其特征在于,所述步骤1中,电动汽车充电行为的概率分布模型,由充电开始时间模型、充电结束时间模型、初始荷电状态概率模型和充电时长概率模型组成;
所述的充电开始时间模型,是以σa表示充电开始时间的标准差;μa表示充电开始时间的均值,所构建的服从正态分布的概率模型;
所述充电结束时间模型,是以σl表示充电结束时间的标准差;μl表示充电结束时间的均值,所构建的服从正态分布的概率模型;
所述初始荷电状态概率模型,是以概率密度函数表示的在一定荷电状态区间均匀分布的概率模型;
所述充电时长概率模型,是由电动汽车的初始荷电状态SOCi、电池容量Se、电动汽车充电结束时电池的荷电状态SOCh、电动汽车的充电功率Pi以及充电效率η所构成的。
3.根据权利要求1所述一种基于分时电价的区域电动汽车优化调度方法,其特征在于,所述步骤2中,建立电动汽车充电需求价格弹性矩阵具体步骤如下:
步骤2-1:求解充电需求变化量、充电价格变化量和弹性系数;
步骤2-2:基于所求变量建立价格需求弹性矩阵;
步骤2-3:基于价格需求弹性矩阵获得响应分时电价的充电负荷需求公式。
4.根据权利要求3所述一种基于分时电价的区域电动汽车优化调度方法,其特征在于,所述步骤2-1中,充电需求变化量和充电价格变化量由某一时段结束与开始时的充电量和充电价格的差值表示,弹性系数由充电需求变化量与充电量初始值的商值同充电价格变化量与充电价格初始值的商值做除法表示。
5.根据权利要求3所述一种基于分时电价的区域电动汽车优化调度方法,其特征在于,所述步骤2-2中,将一天划分为T个充电时段,充电需求变化量矩阵由弹性系数矩阵左乘价格变化量矩阵所得。
6.根据权利要求3所述一种基于分时电价的区域电动汽车优化调度方法,其特征在于,所述步骤2-3中,响应分时电价的充电负荷需求由充电需求初始量、充电价格变化量和弹性系数所决定。基于价格变化前后电动汽车充电负荷需求量的变化情况,制定合理的分时电价政策,根据基础用电负荷大小将一天划分为峰谷平三类时段,制定相应的电价,其中峰时段电价最高,谷时段电价最低,平时段电价居中。
7.根据权利要求1所述一种基于分时电价的区域电动汽车优化调度方法,其特征在于,所述步骤3中,区域初始调节时段已接入***之中的电动汽车相关信息包括:电动汽车的充电开始时间、电动汽车的充电结束时间、充电汽车的初始荷电状态;以减小用电负荷峰谷差和降低充电费用的双目标函数对电动汽车采取优化调度措施,并计算优化后的充电功率及目标函数具体步骤如下:
步骤3-1:对减小用电负荷峰谷差和充电成本的双目标函数进行建模;
步骤3-2:接入***的电动汽车进行分类,对服从调度的电动汽车采取相应优化调度措施;
步骤3-3:计算优化后的充电功率,并按时段计算区域电动汽车充电负荷和总用电负荷。
8.根据权利要求7所述一种基于分时电价的区域电动汽车优化调度方法,其特征在于,所述步骤3-1中,以减小用电负荷峰谷差的目标函数一,是由总用电负荷的高峰值与低谷值的差表示;以降低充电成本的目标函数二,是以时间作为微元对充电费用和充电功率的乘积做积分来表示;
所述步骤3-2中,根据充电电车不同的充电时长和初始荷电状态对电车进行分类,在不同时段采取适当的充电功率。
9.根据权利要求7所述一种基于分时电价的区域电动汽车优化调度方法,其特征在于,述步骤3-3中,某时段的充电功率为该时段内全部充电电车相对应的充电功率的总和;时段负荷由时段功率与间隔时长所决定;某时段的总用电负荷则由该时段的基础负荷与汽车充电负荷所决定。
10.根据权利要求1所述一种基于分时电价的区域电动汽车优化调度方法,其特征在于,所述步骤4中,计算并输出优化调度后的充电负荷曲线,是基于所求得的优化调度后的各时段移动负荷,以负荷曲线的形式表达,由优化的移动负荷曲线与居民基础用电负荷曲线线性叠加之后,可以获得优化调度后的充电负荷曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311592296.6A CN117856270A (zh) | 2023-11-24 | 2023-11-24 | 一种基于分时电价的区域电动汽车优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311592296.6A CN117856270A (zh) | 2023-11-24 | 2023-11-24 | 一种基于分时电价的区域电动汽车优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117856270A true CN117856270A (zh) | 2024-04-09 |
Family
ID=90527831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311592296.6A Pending CN117856270A (zh) | 2023-11-24 | 2023-11-24 | 一种基于分时电价的区域电动汽车优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117856270A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886501A (zh) * | 2019-03-06 | 2019-06-14 | 昆明理工大学 | 一种电动汽车充放电多目标优化方法 |
CN112785050A (zh) * | 2021-01-12 | 2021-05-11 | 国网浙江省电力有限公司湖州供电公司 | 一种基于电动汽车充电负荷预测的有序充电调度方法 |
CN113954680A (zh) * | 2021-12-07 | 2022-01-21 | 国网浙江杭州市萧山区供电有限公司 | 基于充电时段优化的电动汽车充电控制方法 |
-
2023
- 2023-11-24 CN CN202311592296.6A patent/CN117856270A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886501A (zh) * | 2019-03-06 | 2019-06-14 | 昆明理工大学 | 一种电动汽车充放电多目标优化方法 |
CN112785050A (zh) * | 2021-01-12 | 2021-05-11 | 国网浙江省电力有限公司湖州供电公司 | 一种基于电动汽车充电负荷预测的有序充电调度方法 |
CN113954680A (zh) * | 2021-12-07 | 2022-01-21 | 国网浙江杭州市萧山区供电有限公司 | 基于充电时段优化的电动汽车充电控制方法 |
Non-Patent Citations (2)
Title |
---|
杨晓东,等: "电动汽车可调度能力模型与日内优先调度策略", 《电力***自动化》, vol. 41, no. 2, 31 January 2017 (2017-01-31), pages 84 - 91 * |
王超,等: "基于电动汽车用户电价相应的充电符合优化模型建立", 《内蒙古电力技术》, vol. 35, no. 1, 31 January 2017 (2017-01-31), pages 1 - 7 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108520314B (zh) | 结合v2g技术的主动配电网调度方法 | |
CN110739725B (zh) | 一种配电网优化调度方法 | |
CN107521365B (zh) | 一种基于用户经济收益最优化的电动汽车充放电调度方法 | |
Jian et al. | Optimal scheduling for vehicle-to-grid operation with stochastic connection of plug-in electric vehicles to smart grid | |
Wang et al. | Two-stage optimal scheduling strategy for large-scale electric vehicles | |
CN109217290B (zh) | 计及电动汽车充放电的微网能量优化管理方法 | |
CN107169273A (zh) | 计及延时和v2g充电模式的电动汽车充电功率预测方法 | |
CN103679299A (zh) | 兼顾车主满意度的电动汽车最优峰谷分时电价定价方法 | |
CN106096773A (zh) | 一种电动汽车充当储能的多目标优化调度方法 | |
CN111626527A (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 | |
CN109742755B (zh) | 基于节点分区的含电动汽车的主动配电网运行调度方法 | |
CN111740403A (zh) | 一种电网运营商与电动汽车集群的主从博弈调度策略 | |
CN107150601A (zh) | 一种基于多代理商的电动汽车有序充电方法 | |
CN115549159A (zh) | 一种考虑调峰成本的大规模电动汽车分群调度策略 | |
Chen et al. | Emission mitigation potential from coordinated charging schemes for future private electric vehicles | |
CN113799640A (zh) | 适用于含电动汽车充电桩微电网的能量管理方法 | |
CN109583136B (zh) | 基于可调度潜力的电动汽车充换储一体站模型建立方法 | |
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 | |
Zhang et al. | Orderly automatic real-time charging scheduling scenario strategy for electric vehicles considering renewable energy consumption | |
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 | |
Fan et al. | Bilevel optimal scheduling of electric bus fleets in regional integrated electricity–gas–heat energy systems | |
CN116811628A (zh) | 一种含电动汽车充电的综合能源***及有序充电方法 | |
Li et al. | A V2G Scheduling Strategy Based on Electric Vehicle Users' Willingness Model | |
CN117856270A (zh) | 一种基于分时电价的区域电动汽车优化调度方法 | |
CN115882494B (zh) | 计及车辆并网服务时长差异性的分层级v2g调度优化方法 |
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 |