计及电动汽车功率可调控域的最优潮流节点电价计算方法技术

本发明专利技术涉及一种计及电动汽车功率可调控域的最优潮流节点电价计算方法，属于智能电网领域。考虑电动汽车移动储能的作用，建立电动汽车负荷时空分布模拟抽样方法，建立充电迫切度和放电充裕度指标，量化电动汽车可调控能力并进行排序，确定各节点时空序列功率可调控域上下限，进而建立计及空间特性的节点电价最优潮流模型，求解得到最优的空间节点电价。通过实时电价引导电动汽车用户改变充放电习惯，降低运行成本。

【技术实现步骤摘要】
计及电动汽车功率可调控域的最优潮流节点电价计算方法
本专利技术属于智能电网领域，涉及一种计及电动汽车功率可调控域的最优潮流节点电价计算方法。
技术介绍
目前，国内外已有很多针对电动汽车充放电的研究成果，例如LuoX等建立了单辆电动汽车充电迫切程度指标，进一步分析电动汽车充放电功率在虚拟公共电价条件下的自动响应策略，实现调频和平抑电网风电接入产生的功率波动；FlathCM等指出，时间上的实时电价和空间上的节点电价、区域电价能对电动汽车起到良好的引导作用，实现电压均衡、削峰填谷等等；潘樟惠等从电力市场角度出发，用户侧电动汽车代理商采用模拟发电侧发电厂竞价上网的方式，建立了基于需求侧放电竞价的优化调度模型，实现电网削峰填谷和降低用户侧充电成本的目标；麻秀范等在负荷聚合商研究基础上进行了进一步研究，空间上建立节点阻塞电价的双层优化调度模型，上层从供电侧出发，考虑发电成本最小化建立直流最优潮流模型得到节点阻塞电价；下层从需求侧出发，根据上层传递的节点阻塞电价，考虑充电费用、电池损耗及用户等待时间建立多目标优化模型，再将优化后充放电负荷反馈给上层，以实现用户和电网的经济效益最大化；常方宇等从用户侧出发，将消费者心理学原理应用于描述电网需求侧用户对分时电价价差的响应情况，研究如何有效制定分时电价价格和对应的充电峰平谷时段，引导用户用电，实现降低峰谷负荷差率及运营商、用户的经济效益共赢的目标。上述方法主要通过电价引导电动汽车充放电，旨在满足电网削峰填谷和用户经济性，鲜有考虑电动汽车充放电的紧迫性及等效储能，且没有给出明确的指标区分充放电先后顺序；进一步分析，部分文献考虑充电迫切度，但没有进一步分析充放电迫切度的松弛性，即充放电存在时间区间，在保证电动汽车充放电完成的前提下，单位时间区间内电动汽车充放电功率存在上下限。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种计及电动汽车功率可调控域的最优潮流节点电价计算方法，在保证电动汽车出行需要和充放电迫切程度的情况下，以电网运行成本最小化为目标，建立计及空间特性的节点电价最优潮流模型，求解得到最优的空间节点电价，通过实时电价引导电动汽车用户改变充放电习惯，降低运行成本。为达到上述目的，本专利技术提供如下技术方案：计及电动汽车功率可调控域的最优潮流节点电价计算方法该方法包括以下步骤：S1：采用极大似然估计法对电动汽车(ElectricVehicle,EV)出行参数进行估计，包括EV日行驶距离、起始充放电时间；根据EV日行驶距离、起始充放电时间及电池荷电状态特性，通过卷积运算得到单个EV的充电负荷期望值，再应用中心极限定理得到EV集群总充电负荷PEV的概率密度函数；S2：将每一个时间截面EV行驶目的地定义为一个状态，根据马尔科夫理论，进一步将调度周期按照设定时间间隔离散化，即利用M×m×m三维矩阵表征EV目的地空间转移概率矩阵，得到对应任意时间间隔t的二维空间转移概率矩阵Pt；其中，针对状态转移概率矩阵中的元素表征连续时间间隔内的状态转移，忽略时间间隔内以自身为目的地或者停靠时间较短的状态转移情况，得到状态转移概率矩阵的约束条件；S3：由步骤S1和S2分别得到的PEV、Pt及状态转移概率矩阵的约束条件，抽样得到N辆EV出行情况，从而得到EV规模化在时间序列对电网功率的初始需求；S4：定义车辆n的充电迫切度Γch,n、放电充裕度为Γdis,n，并根据定义确认调度顺序，进一步确定时间序列功率可调控域上下限；当EV充电在可调时间区间始端，确定当前时段功率可调控域上限；当EV充电不在可调时间区间始端但放电在可调时间区间始端，确定当前时段可调控域下限；S5：以周期内全部常规发电机组的燃料费用、运行经济成本最小化为目标函数，建立多时段最优潮流的目标函数；考虑空间各节点电压约束、各节点潮流方程约束、EV功率可调控域约束、LA需求响应中断约束、EV入网功率约束、EV充放电时间约束，建立改进后的节点电价最优潮流模型，求解得到最优的空间节点电价。进一步，步骤S1所述EV日行驶距离满足对数正态分布，其概率密度函数为式中，μd为日行驶距离的期望值，拟合取值2.98；σd为日行驶距离的标准差，拟合取值1.14；d表示EV日行驶距离，取值范围0≤d≤200，单位为km；所述起始充放电时间满足分段正态分布，其概率密度函数为式中，μs为起始充电时间的数学期望值，拟合取值17.47；σs为起始充电时间的数学标准差，拟合取值3.41；t为起始充放电时间；所述总充电负荷PEV的概率密度函数为式中，μEV，σEV分别表示总充电负荷PEV的期望值和标准差。进一步，所述步骤S2中的二维空间转移概率矩阵Pt为式中，表示(t-1)-t时间段内，出发地为Di到目的地为Dj的出行概率；所述状态转移概率矩阵的约束条件为进一步，所述步骤S3中的抽样得到N辆EV出行情况具体包括以下步骤：S301：根据汽车保有量和电动汽车渗透情况确定区域内电动汽车数量；S302：采用具有统计规律的行驶里程和行驶时间概率密度函数模拟，单辆电动汽车初始参数随机抽样；S303：设置初始值：电动汽车编号n＝1；S304：设置出行时间、里程初始i＝1，目的地采用具有统计规律的空间转移概率密度函数模拟抽样；S305：电动汽车模拟出行，更新电动汽车SOC状态，并叠加充放电负荷曲线；S306：判定是否最后出行，否，转步骤S304；是，转步骤S307；S307：判定是否为最后一辆电动汽车，否，转步骤S303更新电动汽车编号n；是，转步骤S308；S308：输出N辆电动汽车时空随机充放电对电网的负荷需求。进一步，所述步骤S4中EV充电迫切程度Γch,n为式中：tin,n和tout,n分别表示车辆n的接入时间和指定离网时间；ηch表示EV充电效率；tch,n表示车辆n的充电时间；SOCin,n和SOCex,n分别表示车辆n的电池初始荷电状态和离网时的荷电状态期望值；Pch,n表示车辆n的额定充电功率；Bc,n表示车辆n的电池容量；当额定充电功率为定值时，充电时间与停靠时间的比值越大反映越优先调度；当充电迫切度相同时，以下一调度时段充电迫切度确定调度顺序，充电迫切度越大越优先调度所述车辆n的放电充裕度为Γdis,n为式中：ηdis表示EV放电效率；tdis,n表示车辆n的放电时间；Pdis,n表示车辆n的额定放电功率；当额定放电功率为定值时，放电时间与停靠时间的比值越大越优先调度；当放电充裕度相同时，以下一调度时段放电充裕度确定调度顺序，放电充裕度越大越优先调度；进一步，所述步骤S5中多时段最优潮流的目标函数为式中：CT表示电网总运行成本；T表示调度时段数；CGEN,t表示所有机组时段t的机组发电成本；Pgen,i表示发电机i的有功出力；H表示发电机数目；ai、bi、ci分别表示发电机的耗量特性参数；CS,t表示所有机组时段t的启停成本；Sgen,i表示机组启停费用；ui(t)表示时段t的机组启停状态，1表示正常运行，0表示停机；所述各节点电压约束为Vmin≤Vi(t)≤Vmax，式中：Vmin、Vmax分别表示节点电压幅值的上下限；所述各节点潮流方程约束为PL,i(t)＝PEV,i(t)+PLA,i(t)式中：PG,i(t)、QG,i(t)分别表示时段t节点i发电机组的本文档来自技高网...

【技术保护点】
计及电动汽车功率可调控域的最优潮流节点电价计算方法，其特征在于：该方法包括以下步骤：S1：采用极大似然估计法对电动汽车(Electric Vehicle,EV)出行参数进行估计，包括EV日行驶距离、起始充放电时间；根据EV日行驶距离、起始充放电时间及电池荷电状态特性，通过卷积运算得到单个EV的充电负荷期望值，再应用中心极限定理得到EV集群总充电负荷PEV的概率密度函数；S2：将每一个时间截面EV行驶目的地定义为一个状态，根据马尔科夫理论，进一步将调度周期按照设定时间间隔离散化，即利用M×m×m三维矩阵表征EV目的地空间转移概率矩阵，得到对应任意时间间隔t的二维空间转移概率矩阵Pt；其中，针对状态转移概率矩阵中的元素表征连续时间间隔内的状态转移，忽略时间间隔内以自身为目的地或者停靠时间较短的状态转移情况，得到状态转移概率矩阵的约束条件；S3：由步骤S1和S2分别得到的PEV、Pt及状态转移概率矩阵的约束条件，抽样得到N辆EV出行情况，从而得到EV规模化在时间序列对电网功率的初始需求；S4：定义车辆n的充电迫切度Γch,n、放电充裕度为Γdis,n，并根据定义确认调度顺序，进一步确定时间序列功率可调控域上下限；当EV充电在可调时间区间始端，确定当前时段功率可调控域上限；当EV充电不在可调时间区间始端但放电在可调时间区间始端，确定当前时段可调控域下限；S5：以周期内全部常规发电机组的燃料费用、运行经济成本最小化为目标函数，建立多时段最优潮流的目标函数；考虑空间各节点电压约束、各节点潮流方程约束、EV功率可调控域约束、LA需求响应中断约束、EV入网功率约束、EV充放电时间约束，建立改进后的节点电价最优潮流模型，求解得到最优的空间节点电价。...

【技术特征摘要】
1.计及电动汽车功率可调控域的最优潮流节点电价计算方法，其特征在于：该方法包括以下步骤：S1：采用极大似然估计法对电动汽车(ElectricVehicle,EV)出行参数进行估计，包括EV日行驶距离、起始充放电时间；根据EV日行驶距离、起始充放电时间及电池荷电状态特性，通过卷积运算得到单个EV的充电负荷期望值，再应用中心极限定理得到EV集群总充电负荷PEV的概率密度函数；S2：将每一个时间截面EV行驶目的地定义为一个状态，根据马尔科夫理论，进一步将调度周期按照设定时间间隔离散化，即利用M×m×m三维矩阵表征EV目的地空间转移概率矩阵，得到对应任意时间间隔t的二维空间转移概率矩阵Pt；其中，针对状态转移概率矩阵中的元素表征连续时间间隔内的状态转移，忽略时间间隔内以自身为目的地或者停靠时间较短的状态转移情况，得到状态转移概率矩阵的约束条件；S3：由步骤S1和S2分别得到的PEV、Pt及状态转移概率矩阵的约束条件，抽样得到N辆EV出行情况，从而得到EV规模化在时间序列对电网功率的初始需求；S4：定义车辆n的充电迫切度Γch,n、放电充裕度为Γdis,n，并根据定义确认调度顺序，进一步确定时间序列功率可调控域上下限；当EV充电在可调时间区间始端，确定当前时段功率可调控域上限；当EV充电不在可调时间区间始端但放电在可调时间区间始端，确定当前时段可调控域下限；S5：以周期内全部常规发电机组的燃料费用、运行经济成本最小化为目标函数，建立多时段最优潮流的目标函数；考虑空间各节点电压约束、各节点潮流方程约束、EV功率可调控域约束、LA需求响应中断约束、EV入网功率约束、EV充放电时间约束，建立改进后的节点电价最优潮流模型，求解得到最优的空间节点电价。2.权利要求1所述的计及电动汽车功率可调控域的最优潮流节点电价计算方法，其特征在于：步骤S1所述EV日行驶距离满足对数正态分布，其概率密度函数为式中，μd为日行驶距离的期望值，拟合取值2.98；σd为日行驶距离的标准差，拟合取值1.14；d表示EV日行驶距离，取值范围0≤d≤200，单位为km；所述起始充放电时间满足分段正态分布，其概率密度函数为式中，μs为起始充电时间的数学期望值，拟合取值17.47；σs为起始充电时间的数学标准差，拟合取值3.41；t为起始充放电时间；所述总充电负荷PEV的概率密度函数为式中，μEV，σEV分别表示总充电负荷PEV的期望值和标准差。3.权利要求1所述的计及电动汽车功率可调控域的最优潮流节点电价计算方法，其特征在于：所述步骤S2中的二维空间转移概率矩阵Pt为式中，表示(t-1)-t时间段内，出发地为Di到目的地为Dj的出行概率；所述状态转移概率矩阵的约束条件为4.权利要求1所述的计及电动汽车功率可调控域的最优潮流节点电价计算方法，其特征在于：所述步骤S3中的抽样得到N辆EV出行情况具体包括以下步骤：S301：根据汽车保有量和电动汽车渗透情况确定区域内电动汽车数量；S302：采用具有统计规律的行驶里程和行驶时间概率密度函数模拟，单辆电动汽车初始参数随机抽样；S303：设置初始值：电动汽车编号n＝1；S304：设置出行时间、里程初始i＝1，目的地采用具有统计规律的空间转移概率密度函数模拟抽样；S305：电动汽车模拟出行，更新电动汽车SOC状态，并叠加充放电负荷曲线；S306：判定是否最后出行，否，转步骤S304；是，转步骤S307；S307：判定是否为最后一辆电动汽车，否，转步骤S303更新电动汽车编号n；是，转步骤S308；S308：输出N辆电动汽车时空随机充放电对电网的负荷需求。5.权利要求1所述的计及电动汽车功率可调控域的最优潮流节点电价计算方法，其特征在于：所述步骤S4中EV充电迫切程度Γch,n为式中：tin,n和tout,n分别表示车辆n的接入时间和指定离网时间；ηch表示EV...

【专利技术属性】
技术研发人员：李春燕，张谦，付志红，张淮清，王东，张鹏，
申请(专利权)人：重庆大学，
类型：发明
国别省市：重庆,50