一种基于两阶段预处理策略的电动汽车并网优化调度方法技术

本发明专利技术公开了一种基于两阶段预处理策略的电动汽车并网优化调度方法：S1、获取电网模型和实时数据；S2、建立两阶段电动汽车充放电优化调度模型；S3对第一阶段模型进行预处理；S4、采用权重自适应粒子群算法计算第一阶段模型的有功出力和机组组合；S5、将第一阶段模型的输出作为第二阶段模型的输入；S6、考虑网络安全约束情况下配网层各节点最优负担的充放电电动汽车数量；S7、判断相应节点电压是否越限；S8、计算节点无功变化对电压的灵敏度并增加网络安全约束条件；S9、优化调度结束。本发明专利技术能够实现削峰填谷，减少大规模电动汽车接入电网带来的安全和经济的危害，降低发电机组发电成本，减小配电网网损。

An Optimal Dispatching Method for Electric Vehicle Grid Connection Based on Two-stage Preprocessing Strategy

The invention discloses an electric vehicle grid-connected optimal dispatching method based on two-stage pretreatment strategy: S1, acquisition of power grid model and real-time data; S2, establishment of two-stage electric vehicle charging and discharging optimal dispatching model; S3 preprocesses the first-stage model; S4, calculation of active power output and unit combination of the first-stage model by weight adaptive particle swarm optimization algorithm; The output of one-stage model serves as the input of the second-stage model; S6, the number of charging and discharging electric vehicles with the optimal burden of each node in the distribution network layer considering the network security constraints; S7, judging whether the voltage of the corresponding node is beyond the limit; S8, calculating the sensitivity of the node reactive power change to the voltage and increasing the network security constraints; S9, optimizing the end of dispatching. The invention can realize peak shaving and valley filling, reduce the safety and economic hazards caused by large-scale electric vehicles accessing the power grid, reduce the generation cost of generating units, and reduce the loss of distribution network.

【技术实现步骤摘要】
一种基于两阶段预处理策略的电动汽车并网优化调度方法
本专利技术涉及一种基于两阶段预处理策略的电动汽车并网优化调度方法，属于电力系统控制技术。
技术介绍
在当今能源危机和环境污染问题愈发严重的情况下，电动汽车迎来了自身发展的重大契机，世界各主要国家相继出台实施了多项政策措施支持电动汽车的研究和推动新能源汽车产业的发展，至今已经取得了一定的成果。但由于大规模无序充放电的电动汽车并网会给电网带来巨大的安全性和经济性威胁，因此研究电动汽车有序充放电和优化经济调度是当前一大难点。
技术实现思路
专利技术目的：为了克服现有技术中存在的不足，本专利技术提供一种基于两阶段预处理策略的电动汽车并网优化调度方法，能够实现在大规模电动汽车接入电网时降低输电层发电成本，降低配网网损，保证设备控制效果。技术方案：为实现上述目的，本专利技术采用的技术方案为：一种基于两阶段预处理策略的电动汽车并网优化调度方法，包括如下步骤：S1、获取电网模型和实时数据；S2、建立两阶段电动汽车充放电优化调度模型，其中第一阶段模型以输电层发电成本最低为目标，第二阶段模型以配电层网损最低为目标；S3、对第一阶段模型进行预处理以提高求解效率；S4、采用权重自适应粒子群算法计算经预处理后的第一阶段模型的有功出力和机组组合；S5、将第一阶段模型的输出作为第二阶段模型的输入，并对配网层各节点进行预处理以减少计算量；S6、考虑网络安全约束情况下配网层各节点最优负担的充放电电动汽车数量；S7、在最优负担的充放电电动汽车数量情况下，判断相应节点电压是否越限：若没有越限则满足网络安全约束，转入步骤S9；否则转入步骤S8；S8、计算节点无功变化对电压的灵敏度并增加网络安全约束条件，转步骤S6；S9、优化调度结束。优选的，所述步骤S3中，对第一阶段模型进行预处理，包括：①将直流潮流约束作为第一阶段模型的一个约束条件；②初始化第一阶段模型的对象，形成权重自适应粒子群算法的初始种群，并对初始种群进行预处理；③初始化机组的开停机状态，使得机组满足机组启停约束条件；④初始化机组爬坡效率，使得机组满足机组爬坡约束条件。优选的，在刚开始的状态下，各个机组的启停状况是随机产生的，极有可能不能满足机组启停的约束条件，因此先计算各个机组在t时段的启停情况，即机组i在t时段内的连续运行时间和连续停运时间之后按设置的条件进行调整，来对开停机时间进行预处理。优选的，所述步骤S5中，对配网层各节点进行预处理，具体包括如下步骤：S51、获取配网层各节点的潮流数据；S52、建立配电网层的有功网损模型；S53、求出负荷节点的无功变化对有功网损模型的灵敏度值；S54、对所有节点的灵敏度进行计算和排序；S55、设定阀值δ，去除灵敏度高于阀值δ的节点；S56、统计保留的节点，即得到优化后的节点数量，完成配网层各节点的预处理。本专利技术的模型预处理包括初始种群生成以及预处理，开停机预处理，机组爬坡约束预处理；节点优化预处理利用节点无功变化对有功网损的灵敏度进行筛选，根据不同情况下去除不同数量的节点，加快运算速率，减少计算时间。判别节点电压越限，若不越限则运算结束，若节点电压越限，则增加相关约束并重新进行计算，得出新的节点最优电动汽车充放电数量；两阶段目标函数建立包括：输电层发电及环境成本模型和配电层网损模型。求解算法为权重自适应的粒子群算法。本专利技术从调度的实际应用出发，通过考虑大规模电动汽车并网时的波动性，建立以发电成本最小为目标，计算得到机组最优组合方式以及对应出力，同时建立以配电网网损最小为目标的模型，在满足第一阶段计算结果并符合安全约束条件下使得网损最低。通过在模型中加入直流潮流约束和预处理策略，更好的保证了计算的收敛性，提高了模型的求解效率。本专利技术能较好的处理大规模电动汽车并网带来的不确定性问题，并在两阶段模型的求解上采用了新的预处理策略，提高模型整体的求解效率的同时也保证了电网优化调度的安全性和经济性。有益效果：本专利技术提供的基于两阶段预处理策略的电动汽车并网优化调度方法，能够实现在大规模电动汽车接入电网时降低输电层发电成本，降低配网网损，保证设备控制效果；通过对第一阶段采用权重自适应粒子群算法求得成本最优的机组组合，利用增加直流潮流约束提高模型求解效率，并在配网层考虑安全约束前提下，采用节点预处理策略，进一步缩减解空间范围，提高整体求解效率，最终得到各节点最优充放电电动汽车数量，能够有效解决大规模电动汽车接入电网带来的经济和安全问题。附图说明图1为本专利技术的总体流程图；图2为本专利技术中对第一阶段模型进行预处理的策略图；图3为预处理过程中的机组爬坡约束预处理的流程图；图4为预处理过程中的开停机预处理的流程图；图5为本专利技术中的对配网层各节点进行预处理的流程图；图6为权重惯性曲线。具体实施方式下面结合附图对本专利技术作更进一步的说明。一种基于两阶段预处理策略的电动汽车并网优化调度方法，包括如下步骤：S1、获取电网模型和实时数据。S2、建立两阶段电动汽车充放电优化调度模型，其中第一阶段模型以输电层发电成本最低为目标，第二阶段模型以配电层网损最低为目标。第一阶段模型和第二阶段模型为：第一阶段模型的目标函数为：第一阶段模型的约束条件为：其中：为机组发电总成本，为机组i在t时段内的有功出力(决策变量)，Sci,t为机组i在t时段内的启停成本，Ii,t为机组i在t时段内的启停状态，Ii,t＝1表示机组i在t时段处于启动状态，Ii,t＝0表示机组i在t时段处于停机状态，为机组i在t时段内的发电成本函数，G为可启停的机组总数，T为研究周期内的总时段数；E为系统环境排放上限值，为PM2.5排放量；Ai、Bi、Ci、αi和γi为影响机组i排放量的系统参数；Pd为电动汽车平均放电功率，Nd(t)为t时段内研究区域进行放电的总的电动汽车的数量，Pc为电动汽车平均充电功率，Nc(t)为t时段内研究区域进行充电的总的电动汽车的数量，Nw为研究系统中风电场的总数目，为风电场w在t时段的风电预测量，Dt为t时段内系统总负荷，Ptloss为研究系统在t时段内的系统网损，Pimax,t为机组i在t时段内允许的有功出力最大值，α为备用对需求的系数，一般情况取值在0.05～0.1范围内；Pimin,t为机组i在t时段内允许的有功出力最小值；Pwmin,t和Pwmax,t为t时段内风电场w出力的最小值和最大值；Qit为机组i在t时段内的无功出力，Qimin,t和Qimax,t机组i在t时段内的无功出力的最小值和最大值；ΔPUimin和ΔPUimax为机组i在启动过程中功率变换的最小值和最大值；ΔPDimin和ΔPDimax为机组i在停机过程中功率变换的最小值和最大值；Tt-1io和Tt-1if为机组i在t时段前处于运行和停机状态的时间，Tminio和Tminif为机组i的最小允许运行时间和最小运行停机时间；第二阶段模型的目标函数为：第二阶段模型的约束条件为：其中：Ploss,t为t时段内系统的网损值，Vi和Vj为节点i和j的节点电压，Gij为节点导纳矩阵中对应元素的实部，δij为节点i和j之间的相角差；Pdi,t为节点i在t时段的总的有功负荷值，Pi为在t时段内注入节点i的有功功率值；Qdi,t为节点i在t时段的总的无功负荷值，Qi为在t时段内注入节点i的无功功本文档来自技高网...

【技术保护点】
1.一种基于两阶段预处理策略的电动汽车并网优化调度方法，其特征在于：包括如下步骤：S1、获取电网模型和实时数据；S2、建立两阶段电动汽车充放电优化调度模型，其中第一阶段模型以输电层发电成本最低为目标，第二阶段模型以配电层网损最低为目标；S3、对第一阶段模型进行预处理以提高求解效率；S4、采用权重自适应粒子群算法计算经预处理后的第一阶段模型的有功出力和机组组合；S5、将第一阶段模型的输出作为第二阶段模型的输入，并对配网层各节点进行预处理以减少计算量；S6、考虑网络安全约束情况下配网层各节点最优负担的充放电电动汽车数量；S7、在最优负担的充放电电动汽车数量情况下，判断相应节点电压是否越限：若没有越限则满足网络安全约束，转入步骤S9；否则转入步骤S8；S8、计算节点无功变化对电压的灵敏度并增加网络安全约束条件，转步骤S6；S9、优化调度结束。

【技术特征摘要】
1.一种基于两阶段预处理策略的电动汽车并网优化调度方法，其特征在于：包括如下步骤：S1、获取电网模型和实时数据；S2、建立两阶段电动汽车充放电优化调度模型，其中第一阶段模型以输电层发电成本最低为目标，第二阶段模型以配电层网损最低为目标；S3、对第一阶段模型进行预处理以提高求解效率；S4、采用权重自适应粒子群算法计算经预处理后的第一阶段模型的有功出力和机组组合；S5、将第一阶段模型的输出作为第二阶段模型的输入，并对配网层各节点进行预处理以减少计算量；S6、考虑网络安全约束情况下配网层各节点最优负担的充放电电动汽车数量；S7、在最优负担的充放电电动汽车数量情况下，判断相应节点电压是否越限：若没有越限则满足网络安全约束，转入步骤S9；否则转入步骤S8；S8、计算节点无功变化对电压的灵敏度并增加网络安全约束条件，转步骤S6；S9、优化调度结束。2.根据权利要求1所述的基于两阶段预处理策略的电动汽车并网优化调度方法，其特征在于：所述步骤S3中，对第一阶段模型进行预处理，包括：①将直流潮流约束作为第一阶段模型的一个约束条件；②初始化第一阶段模型的对象，形成权重自适应粒子群算法的初始种群，并对初始种群进行预处理；③初始化机组的开停机状态，使得机组满足机组启停约束条件；④初始化机组爬坡效率，使得机组满足机组爬坡约束条件。3.根据权利要求2所述的基于两阶段预处理策略的电动汽车并网优化调度方法，其特征在于：所述初始化机组的开停机状态，具体包括如下过程：S331、初始化i＝1，t＝1，进入步骤S332；S332、若并且满足则设置进入步骤S336；否则，进入步骤S333；S333、若并且满足则设置进入步骤S336；否则，进入步骤S334；S334、若并且针对任意整数y，均满足则设置进入步骤S336；否则，进入步骤S335；S335、设置进入步骤S336；S336、根据下式更新和更新完成后进入步骤S337：S337、i＝i+1，进入步骤S338；S338、判断i≤G是否成立：若成立，则返回步骤S332；否则，完成开停机预处理，即完成机组的开停机状态的初始化；其中：t＝1,2,…表示研究周期内的第t个时段，T表示研究周期内的时段总数，G为机组总数量，表示机组i在t时段内的开停机状态，和分别表示i在t时段内开机和停机，和表示机组i在t时段内的连续运行时间和连续停运时间，表示机组i在t时段内应满足的开机时长，表示研究周期内机组i在t时段前的停运时间，表示机组i的停运时间下限，Ti,down表示研究周期内机组i的时段的时间下限。4.根据权利要求2所述的基于两阶段预处理策略的电动汽车并网优化调度方法，其特征在于：所述初始化机组爬坡效率，具体包括如下步骤：S341、计算机组i在微小时间段Δt内的有功出力波动ΔPit，并进入步骤S342：S342、判断-RDiΔt≤ΔPit≤RUiΔt是否成立：若成立，则说明机组i满足机组爬坡约束条件，进入步骤S345；否则，进入步骤S343；S343、若ΔPit≤-RDiΔt，则首先计算不满足条件的机组越限差值然后调节Pit直至满足Pit＝Pit-1-RDiΔt，利用满足条件的机组对进行调整；在调节全程中，机组i都应当满足爬坡约束条件，同时要保证机组的有功出力不越限，完成调节后进入步骤S345；否则，进入步骤S344；S344、若ΔPit≥RUiΔt，则首先计算然后调节Pit直至满足Pit＝Pit-1+RDiΔt，利用满足条件的机组对进行调整；在调节全程中，机组i都应当满足爬坡约束条件，同时要保证有功出力不越限，完成调节后进入步骤S345；S345、i＝i+1，进入步骤S346；S346、判断i≤G是否成立：若成立，则返回步骤S341；否则，完成机组爬坡预处理，即完成机组的机组爬坡效率的初始化；其中：Pit表示机组i在t时段内的有功出力，RDi和RUi表示机组i调整速率幅值的下限和上限，和表示不满足机组爬坡效率的机组越限差值。5.根据权利要求1所述的基于两阶段预处理策略的电动汽车并网优化调度方法，其特征在于：所述步骤S8中，灵敏度的计算过程如下：建立牛顿拉夫逊法的雅克比矩阵，根据第一阶段模型得出的有功出力和前一次迭代得到的电压和无功出力进行潮流计算，得到各节点的电压值，令初次迭代的设置为节点1，发电机节点1.05，则：其中：I为单位矩阵，为对角矩阵，V的对角元素为对应节点的电压值，S为各节点的潮流值，ΔP和ΔQ为各节点潮流计算有功出力和无功出力的修正量，ΔV为各节点电压幅值修正量，Δθ为各节点电压相角修正量；线路潮流的灵敏度计算过程如下：求得灵敏度的值为：其中：LS,Pi和LS,Qi为越限潮流对节点i的对其有功和无功灵敏度，LV,Pi和LV,Qi为越限节点i的对其有功和无功的灵敏度，Gij为节点i和j之间的电导率，θij为节点i和j之间的相角差，Bij为节点i和...

【专利技术属性】
技术研发人员：陈光宇，张仰飞，郝思鹏，许翔泰，贺臻，王泽宇，储欣，陈伟，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：江苏,32