基于v2g技術(shù)的電動汽車參與經(jīng)濟調(diào)度優(yōu)化控制方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及電動汽車技術(shù)領(lǐng)域，特別涉及一種基于V2G技術(shù)的電動汽車參與經(jīng)濟 調(diào)度優(yōu)化控制方法。
【背景技術(shù)】
[0002] 近年來，人們對能源與環(huán)境的要求越來越高，電動汽車的普及推廣已成為未來的 趨勢。電動汽車由于其特殊的能源驅(qū)動方式，可以提高能源利用效率并減少對環(huán)境的污染， 正日益受到人們的關(guān)注。各國也采取了積極的政策措施來鼓勵電動汽車的發(fā)展。但是，隨 著電動汽車的大規(guī)模發(fā)展，由于車主的充電行為往往比較隨機，大量電動汽車插入電網(wǎng)充 電必定會對電網(wǎng)結(jié)構(gòu)及運行造成巨大的壓力。通過V2G技術(shù)，電動汽車可以實現(xiàn)充放電調(diào) 度，使其滿足系統(tǒng)穩(wěn)定性及經(jīng)濟性要求。然而目前缺少對于電動汽車集群有序充放電調(diào)度 的正確指導(dǎo)方案。
[0003] 經(jīng)濟調(diào)度是配電系統(tǒng)運行控制過程中的一個重要問題，是指在滿足負荷需求及各 種約束條件下，協(xié)調(diào)各機組的出力，使得配電系統(tǒng)運行總成本最小。與不含電動汽車的經(jīng) 濟調(diào)度有所區(qū)別，本文所提出的含電動汽車的經(jīng)濟調(diào)度需要更多地考慮電動汽車的用戶行 為、動力電池的SOC值及輸出功率等限制，因此含電動汽車的經(jīng)濟調(diào)度更為復(fù)雜。在以往的 電動汽車集群充電過程中，電動汽車車主的充電成本往往不被考慮，且電動汽車集群的負 荷特性也常常被忽略，只是單純地作為負荷側(cè)的備用容量。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明要克服限于技術(shù)在大量電動汽車插入電網(wǎng)充電時對電網(wǎng)結(jié)構(gòu)及運行造成 巨大壓力，以及目前缺少對于電動汽車集群有序充放電調(diào)度的正確指導(dǎo)方案的缺點，提供 一種基于V2G技術(shù)的電動汽車參與經(jīng)濟調(diào)度優(yōu)化控制方法。
[0005] 為了實現(xiàn)上述目的，本發(fā)明的實施例提出了一種基于V2G技術(shù)的電動汽車參與經(jīng) 濟調(diào)度優(yōu)化控制方法，包括以下步驟：
[0006] 步驟1，向電動汽車充放電控制和經(jīng)濟調(diào)度控制總系統(tǒng)輸入各種初始信息，包括電 動汽車車輛集群的車輛信息、電動汽車動力電池信息、參與經(jīng)濟調(diào)度的各臺發(fā)電機以及風(fēng) 機的參數(shù)信息、各種價格信息、24小時各個時段的負荷預(yù)測值。
[0007] 所述的電動汽車車輛集群的車輛信息包括：車輛數(shù)量N，電動汽車充滿電時的里 程數(shù)Ri,車輛接入電網(wǎng)時間Ti1,車輛離開電網(wǎng)時間Ti2,車輛日行駛里程Di，電動汽車充放電 功率PCi;t，i= 1，2, 3. . .N，t= 1，2, 3. . .T，T為研究周期時間段數(shù)。
[0008] 所述的電動汽車動力電池信息包括：電池容量31，電池最大充電上限Emaju，電池最 小放電下限Eniini，電池消耗系數(shù)S1,e2,e3,e4, 6,充電和放電效率系數(shù)r^i、nd，i，i= 1，2, 3.? ?N。
[0009]所述的參與經(jīng)濟調(diào)度的各臺發(fā)電機以及風(fēng)機的參數(shù)信息包括：風(fēng)機的形狀參數(shù) a，風(fēng)機的尺度參數(shù)P，風(fēng)機額定輸出功率匕，風(fēng)機的切入風(fēng)速Vcd，風(fēng)機的額定風(fēng)速風(fēng)機 的切出風(fēng)速V。。，參與調(diào)頻的機組數(shù)n，機組i的成本系數(shù)a^bpCi，機組i的量的特 征系數(shù)a。0^ Ai，機組出力的最大值和最小值^_、？&_，機組1的強迫停運 率Yi，i= 1，2. ? ?n。
[0010] 所述的各種價格信息包括：購買備用容量價格Py，實際調(diào)用備用容量價格p%t， 系統(tǒng)購買電動汽車備用價格Pv，t，失負荷價格Vdu，污染排放價格pp()1，t，棄風(fēng)價格pe;t，車主 支付的充電價格pg2v，t，車主獲利的放電價格pv2g，t。
[0011] 步驟2,根據(jù)電動汽車集群的車輛信息得到每輛車的初始荷電狀態(tài)，采用蒙特卡洛 算法對各個時刻的風(fēng)能、負荷波動和機組停運狀態(tài)進行預(yù)測。
【主權(quán)項】
1. 一種基于V2G技術(shù)的電動汽車參與經(jīng)濟調(diào)度優(yōu)化控制方法，包括W下步驟： 步驟1，向電動汽車充放電控制和經(jīng)濟調(diào)度控制總系統(tǒng)輸入各種初始信息，包括電動汽 車車輛集群的車輛信息、電動汽車動力電池信息、參與經(jīng)濟調(diào)度的各臺發(fā)電機W及風(fēng)機的 參數(shù)信息、各種價格信息、24小時各個時段的負荷預(yù)測值。 所述的電動汽車車輛集群的車輛信息包括：車輛數(shù)量N，電動汽車充滿電時的里程數(shù) 而，車輛接入電網(wǎng)時間，車輛離開電網(wǎng)時間巧，車輛日行駛里程Di，電動汽車充放電功率 P。，" i = 1，2, 3. . . N，t = 1，2, 3. . . T，T 為研究周期時間段數(shù)。 所述的電動汽車動力電池信息包括：電池容量Si,電池最大充電上限電池最小 放電下限Emh,i，電池消耗系數(shù)e?！?, ^3, ^4, 8,充電和放電效率系數(shù)n。,;、nd,i，i = 1, 2, 3. . . N。 所述的參與經(jīng)濟調(diào)度的各臺發(fā)電機W及風(fēng)機的參數(shù)信息包括：風(fēng)機的形狀參數(shù)a，風(fēng) 機的尺度參數(shù)目，風(fēng)機額定輸出功率Pf，風(fēng)機的切入風(fēng)速Vti，風(fēng)機的額定風(fēng)速Vf，風(fēng)機的切 出風(fēng)速V。。，參與調(diào)頻的機組數(shù)n，機組i的成本系數(shù)ai、bi、Ci，機組i的N〇x排放量的特征 系數(shù)目1、01、5i、入1，機組出力的最大值和最小值Pgimsy.Pgimi。，機組i的強迫停運率 Y 王，i 二 1，2. ? . n。 所述的各種價格信息包括：購買備用容量價格IVt，實際調(diào)用備用容量價格Pte,t，系統(tǒng) 購買電動汽車備用價格Py,t，失負荷價格V"At，污染排放價格Pp。^,，棄風(fēng)價格Pe,t，車主支付 的充電價格t，車主獲利的放電價格Py2& t。 步驟2,根據(jù)電動汽車集群的車輛信息得到每輛車的初始荷電狀態(tài)，采用蒙特卡洛算法 對各個時刻的風(fēng)能、負荷波動和機組停運狀態(tài)進行預(yù)測。 D 每輛車的初始荷電狀態(tài)E。i的計算公式與).，=Emax., - ^ ;假設(shè)風(fēng)速服從Weibull分 ' Ki 布，即
其中，Vt是t時刻的風(fēng)速；由風(fēng)速預(yù)測值可W求得實 際風(fēng)能輸出，即
.假定t時刻的負荷波動A Pit服從 正太分布N(0,巧2 )，0 1為其標準差；t時刻機組i的停運狀態(tài)數(shù)為di t，隨機產(chǎn)生一個服從 [0, 1]內(nèi)均勻分布的偽隨機數(shù)《1，若Y 1，則機組i的停運狀態(tài)為0,表示機組故障停 運，否則機組的停運狀態(tài)為1，表示機組正常運行。 步驟3,根據(jù)電動汽車車輛集群的車輛信息、電動汽車動力電池信息、參與經(jīng)濟調(diào)度的 各臺發(fā)電機W及風(fēng)機的參數(shù)信息、每輛車的初始荷電狀態(tài)列出電動汽車充放電、發(fā)電機和 風(fēng)機出力W及備用購買所需要滿足的約束條件，隨機初始化個體數(shù)為X的滿足該些約束條 件的群體P。 初始化種群，隨機產(chǎn)生X個群體P ;群體P中每個個體包括的變量有t時刻各臺發(fā)電機 組的出力Pgi，t、計劃風(fēng)能輸出P?，t、購買備用容量Df，t、電動汽車充放電控制矩陣Cmxt;充放
電控制矩陣C"x沖，Cu為第i量電動汽車在當日第j個時間段其電池的充放電功率，Cu> 0表示此刻該輛車處于充電狀態(tài)，Cy< 0表示此刻該輛車處于放電狀態(tài)；判斷群體P的每 個個體是否滿足如下約束條件： 1) 系統(tǒng)功率平衡約束
式中，D^t是不包含電動汽車的t時刻的負荷量，D Ytt為t時刻車輛集群的總充電量。 2) 發(fā)電機運行約束、風(fēng)機出力約束和購買備用約束： P 吐 m化 Dr，t>max{Pgi，t} 3) 車輛充放電約束： Emin, i《E t+SD抬V, t ? n C, i/Si_SDv2g, i, t/ n d, i/Si《E max, i 式中，Ei，t是車輛i在t時段的SOC ;SD v2g心和SD g2v，i，t分別為車輛i在t時段的充放 電量。 4) 車輛充電需求約束：
不滿足上述約束條件的群體P中的個體將被重新初始化，直到滿足上述約束條件，于 是就可W得到最終生成的X個初始化群體P。 步驟4,根據(jù)初始化的群體P計算出電動汽車用戶總成本。 電動汽車用戶成本模型中包括充電成本、放電獲益和電池損耗成本，計算公式如下：
式中，F(xiàn)i為電動汽車用戶成本燈=2化）；SD ,2"和SD v2g，t分別是t時段的充電量和放 電量；Ii，t為電池充放電狀態(tài)，放電為-1，充電為+1，不充電也不放電為0 ;Di，t(Ii，t, Ii，t_i)表 示t-1時刻到t時刻第i輛電動汽車電池狀態(tài)變化的損耗成本，Di，t(Ii，t，的第一部分 表W快速充放電對電池的損耗，第二部分表W充放電模式變換對電池的損耗，第H部分表 示過度放電會損害電池，第四部分是一個常數(shù)。 步驟5,根據(jù)初始化的群體P計算出系統(tǒng)經(jīng)濟調(diào)度總成本。 經(jīng)濟調(diào)度模型中的總成本包含發(fā)電成本、備用成本、失負荷成本、污染排放成本和棄風(fēng) 成本，其中備用成本包含購買備用成本、實際調(diào)用備用成本和電動汽車充放電調(diào)度成本，系

統(tǒng)經(jīng)濟調(diào)度總成本計算公式如下：
式中，F(xiàn)2為系統(tǒng)經(jīng)濟調(diào)度總成本（T = 2化）；Du,t為實際調(diào)用備用容量；為失負荷 量。其中，當P 訴，風(fēng)機輸出真實風(fēng)能，沒有棄風(fēng)成本；當I\t> P 擁，風(fēng)機輸出 計劃風(fēng)能，棄風(fēng)成本不為零。 用Db/變量來描述備用調(diào)用關(guān)系，假設(shè)Dbt表達式如下：
當Dbt<〇時，表示供大于需，不需要調(diào)用備用容量，也沒有失負荷量，電網(wǎng)可W儲存剩 余的電量。Dbt>〇則調(diào)用車輛充放電量與備用容量，若全部調(diào)用備用容量與車輛可調(diào)度量 還不滿足負荷需求，將產(chǎn)生失負荷量。 步驟6,評價群體P，對P進行非支配排序和擁擠距離計算。 步驟7,對種群P進行選擇、交叉和變異，生成滿足系統(tǒng)各個約束條件的種群Q，評價Q。 步驟8,生成新種群R = P U Q，對R作非支配排序和擁擠距離計算。 步驟9,從R中選擇X個最優(yōu)個體組成種群P。 步驟10,判斷是否滿足終止條件，若不滿足約束條件，則返回步驟7 ;若滿足終止條件， 則生成Pareto最優(yōu)解集，并確定最終解，最終解包括各時刻各臺發(fā)電機組的出力、計劃風(fēng) 能輸出、購買備用容量、電動汽車充放電控制矩陣，最后由最終解來調(diào)整各個時刻的系統(tǒng)運 行。 終止條件的判斷是指判斷多目標遺傳算法的迭代次數(shù)是否已經(jīng)達到最大遺傳代數(shù)Y 代，若還未達到，則返回步驟7 ;若已達到，則生成最優(yōu)解集。最終解可W按系統(tǒng)運行的需 要，從最優(yōu)解集中選擇其中的一組。

【專利摘要】基于V2G技術(shù)的電動汽車參與經(jīng)濟調(diào)度優(yōu)化控制方法提出了一個多目標優(yōu)化模型，將電動汽車車主成本和經(jīng)濟調(diào)度成本作為多目標模型的兩個目標函數(shù)，并讓電動汽車通過有序充放電的方式來作為經(jīng)濟調(diào)度時的備用容量。在滿足各種約束條件下，采用多目標遺傳算法(NSGA-II)對模型進行求解。通過選擇合適的pareto解集中的值，電動汽車采用V2G技術(shù)參與經(jīng)濟調(diào)度后可以節(jié)省車主成本和經(jīng)濟調(diào)度的成本，并且可以實現(xiàn)對負荷削峰填谷的功能。與不含電動汽車的經(jīng)濟調(diào)度有所區(qū)別，本發(fā)明充分考慮了電動汽車車主的充電成本和電動汽車集群的負荷特性，能提高電力系統(tǒng)運行的經(jīng)濟性和穩(wěn)定性。
【IPC分類】H02J3-32
【公開號】CN104600729
【申請?zhí)枴緾N201410407390
【發(fā)明人】張有兵, 陸建麗, 楊曉東, 任帥杰, 周文委, 黃直, 蔣潔毅, 翁國慶
【申請人】浙江工業(yè)大學(xué)
【公開日】2015年5月6日
【申請日】2014年8月19日