考虑电动汽车聚类分群的竞价方法技术

本发明专利技术公开了一种考虑电动汽车聚类分群的竞价方法，首先在一定的电力交易市场环境下，根据不同电动汽车群运行特性进行聚类分析，再以电动汽车代理商充电成本最小为目标，考虑市场出清约束和电动汽车充电负荷约束，建立了电动汽车代理商参与日前电力市场的双层最优竞价策略模型，并根据KKT条件以及对偶原理将模型转化为混合整数线性规划问题进行求解。通过与一般的竞价策略进行比较，可知在电动汽车聚类分群下的竞价策略可以有效地降低电动汽车充电成本。

【技术实现步骤摘要】
考虑电动汽车聚类分群的竞价方法
本专利技术涉及电力市场竞价领域，特别是涉及考虑电动汽车聚类分群的竞价方法。
技术介绍
近年来，随着我国电动汽车销量的快速增长，电动汽车技术取得了长足的进步，特别是存储密度更高的电池和充电性能更好的电机及其控制系统的发展明显加快。同时，国家发布了关于进一步深化电力体制改革的若干意见，配电侧电力市场机制的完善给了电动汽车参与电力市场竞价的机会。为整合大规模电动汽车的负荷资源来参与竞价，电动汽车代理商的概念应运而生。电动汽车代理商作为配电侧和用户侧的中间层，负责汇总或预测电动汽车车主的充电需求并进行优化调度，然后根据获得的充电总需求代表车主向售电者购电，其主要目的之一是以最小的代价购得其所代理的电动汽车所需电量。不同的电动汽车有不同的充电需求，对于电动汽车群的分层优化研究，可以根据用户期望充电完成的时间来对电动汽车进行优先级划分，建立集群化的优化调度模型。也有其他研究对电动汽车引入分层分区架构来建立双层调度优化模型。针对电动汽车代理商参与电力市场竞价的研究，一般研究以电动汽车代理商作为实时电价的制定者，根据电动汽车充放电需求，作为可控负荷参与市场竞价，获得最本文档来自技高网...

【技术保护点】
1.一种考虑电动汽车聚类分群的竞价方法，其特征在于：包括以下步骤：S1：电动汽车代理商收集一天之内用户的出行开始时间、出行结束时间和行驶里程的数据，并对收集到的数据进行概率分析得到用户的出行规律；S2：用k‑means聚类算法对用户的出行开始时间和出行结束时间同时进行分类，得到多个单独子群，对不同充电类型的电动汽车进行特征参数归类；S3：用蒙特卡洛算法对步骤S2分类得出的每个单独子群的充电负荷需求进行计算，得到不同子群的充电需求；S4：在考虑电力市场出清前提下，以电动汽车代理商充电成本最小为目标，建立电动汽车代理商参与电力市场竞价的双层优化模型；将步骤S3得到的不同子群的充电需求作为模型的约束...

【技术特征摘要】
1.一种考虑电动汽车聚类分群的竞价方法，其特征在于：包括以下步骤：S1：电动汽车代理商收集一天之内用户的出行开始时间、出行结束时间和行驶里程的数据，并对收集到的数据进行概率分析得到用户的出行规律；S2：用k-means聚类算法对用户的出行开始时间和出行结束时间同时进行分类，得到多个单独子群，对不同充电类型的电动汽车进行特征参数归类；S3：用蒙特卡洛算法对步骤S2分类得出的每个单独子群的充电负荷需求进行计算，得到不同子群的充电需求；S4：在考虑电力市场出清前提下，以电动汽车代理商充电成本最小为目标，建立电动汽车代理商参与电力市场竞价的双层优化模型；将步骤S3得到的不同子群的充电需求作为模型的约束变量，对模型进行优化求解，生成每个子群的报价曲线。2.根据权利要求1所述的考虑电动汽车聚类分群的竞价方法，其特征在于：所述步骤S1中，用户的出行开始时间和出行结束时间的概率密度函数f(x11)均通过式(1)得到：式(1)中，x11表示出行开始时间或者出行结束时间，x11的概率分布X11表示为X11～N(μ11,σ112)，μ11表示x11的期望，σ11表示x11的标准差。3.根据权利要求1所述的考虑电动汽车聚类分群的竞价方法，其特征在于：所述步骤S1中，行驶里程的概率密度函数f(x12)通过式(2)得到：式(2)中，x12表示行驶里程，x12的对数概率分布ln(X12)表示为ln(X12)～N(μ12,σ122)，μ12表示ln(X12)的平均值，σ12表示ln(X12)的标准差。4.根据权利要求1所述的考虑电动汽车聚类分群的竞价方法，其特征在于：所述步骤S2中，k-means聚类算法中的目标函数SSE为：式(3)中，K表示初始聚类中心的总数，即初始质点的总数；j表示初始聚类中心的序号；Cj表示第j个簇，Zj表示第j个簇Cj的质心；dist表示欧式空间中两个对象之间的标准欧式距离，cj表示第j个簇Cj中各对象均值，dist(cj,Zj)通过式(4)得到；dist(cj,Zj)＝||cj-...

【专利技术属性】
技术研发人员：方陈，王冰，周健，刘维扬，王皓靖，王敏，时珊珊，李伟，刘舒，包海龙，
申请(专利权)人：国网上海市电力公司，河海大学，
类型：发明
国别省市：上海,31