一种含电动汽车消纳大规模风电机组的组合计算方法技术

本发明专利技术涉及一种含电动汽车消纳大规模风电的机组组合计算方法，以常规火电机组、风电场、插入式电动汽车以及负荷侧的紧急需求响应为研究对象，建立风电的弃风成本、直接购买模型、电动汽车充放电成本及电池老化成本模型，并建立需求响应模型，在此基础上建立以系统总运行成本最小为目标的含电动汽车消纳大规模风电的机组组合模型，采用基于教与学优化算法求解此问题。本发明专利技术通过对插入式电动汽车的充放电功率、效率、电池老化成本以及相应的充放电总成本进行研究，分析电动汽车参与调度对系统总运行成本的影响，在需求响应中考虑负荷的自弹性和互弹性，从而制定出紧急需求响应计划能显著降低系统总运行成本，优化了负荷曲线。

A combined calculation method for absorbing large-scale wind turbines with electric vehicles

The invention relates to a unit combination calculation method including large-scale wind power consumption of electric vehicles. Taking the emergency demand response of conventional thermal power units, wind farms, plug-in electric vehicles and load side as the research object, the model of wind power abandonment cost, direct purchase model, charge and discharge cost of electric vehicles and battery aging cost is established, and the demand response model is established In order to minimize the total operating cost of the system, a unit commitment model including electric vehicles to absorb large-scale wind power is established, and the problem is solved based on the teaching and learning optimization algorithm. By studying the charging and discharging power, efficiency, battery aging cost and corresponding charging and discharging total cost of plug-in electric vehicle, the invention analyzes the influence of electric vehicle participating in dispatching on the total operation cost of the system, considers the self elasticity and mutual elasticity of load in demand response, so as to formulate an emergency demand response plan which can significantly reduce the total operation cost of the system and optimize the negative Load curve.

【技术实现步骤摘要】
一种含电动汽车消纳大规模风电机组的组合计算方法
本专利技术涉及一种含电动汽车消纳大规模风电的机组组合计算方法。
技术介绍
风能是一种干净的，储量非常丰富的可再生能源，它不会随着其本身的转化和利用而减少，也不会像矿物燃料一样在利用过程中带来严重的环境污染问题。合理的利用风能，能减少化石燃料的使用，从而减少了燃料成本。而电动汽车可看作一个蓄电池，在负荷高峰期进行对外放电，起电源的作用，减轻电力系统供电负担，在负荷低谷期间进行充电，起负荷的作用，实现系统削峰填谷的作用。因此通过制定相应的需求响应制度，规范用户的用电行为，使用户在用电高峰时段减少电量的使用，用电低谷时段增加电力的消纳，从而指引用户的用电行为，达到减轻电力系统峰谷差的目的。以往研究考虑了不确定风电的处理，电动汽车充放电行为对系统总运行成本影响以及负荷侧实施紧急需求响应，但未考虑电动汽车电池老化成本。本专利技术在电动汽车消纳大规模风电的基础上考虑了电动汽车电池老化成本，使得研究更贴近实际，得出结论也更符合实际。
技术实现思路
本专利技术要解决的技术问题是：为了克服现有技术中之不足，本专利技术提供一种含电动汽车消纳大规模风电的机组组合计算方法。本专利技术解决其技术问题所采用的技术方案是：一种含电动汽车消纳大规模风电的机组组合计算方法，包括以下步骤：a、初始数据的获取：首先接受电网机组调度中心得出的系统未来24小时负荷需求数据；接收风电场对风电出力大小的预测数据，包括预测风电大小和风电出力的上下限区间；根据各个火电厂上报的机组特性数据得出各个机组的特性约束；b、电动汽车充放电成本分析计算：Cvehi(h)＝SP(h)(ηvdishPvdish(h)-ηvchPvch(h))(1)其中，SP(h)是h时段电价，ηvch,ηvdish是充放电效率；Pvdish(h),Pvch(h)是电动汽车充放电功率。c、电池老化成本分析计算：电动汽车电池老化成本包含购买电能成本、电池磨损和资本成本；模型如下：CV2G＝Ce·Ed+Cac(2)其中Ce是插电式电动汽车(V2G)放电的电能成本，Ed是电动汽车蓄电池放电能量，Ce·Ed包括购买的电能和设备退化(电池磨损)费用，Cac是V2G服务的年化资本成本，它是通过将总资本成本在整个服务周期内统一分配来计算的；本专利技术中，已经单独考虑了电动汽车充放电的成本，所以不必考虑购买的电能费用；V2G放电的电能成本可以通过下式表达：其中，Cpe是购买电能费用，η是电动汽车电池充电往返效率，这两者在充放电功率模型中已经考虑到，此处不再讨论，只需要考虑设备磨损费用Cd，其中，Cb是包括更换人工成本在内的电池的资本成本，Let是能量吞吐量中的电池寿命；Let＝Lc·Eb·DoD(5)其中，Lc是电池循环寿命(次)，它是由放电深度决定的，Eb是电池容量，DoD是放电深度；Cac是V2G服务年化资本成本，由下式表示：其中，d是折扣率。n*是电池寿命(以年份计)，Cc是V2G服务的资本成本；其中，nc是每天充放电次数，n*为电池寿命(以年计)；当去除电动汽车购买电能费用时，电动汽车电池老化成本(以天计)(包含均以天计的电池磨损成本和V2G服务年化资本成本)模型见下：其中，n电池寿命(以天计)：d、需求响应可分为激励型需求性响应和价格型需求响应，本专利技术采取的激励型需求响应；在需求响应政策中，消费者的需求取决于实时电价和提供给他们的激励。负荷需求对电价变化的敏感性被定义为需求的价格弹性，参与到需求响应中的用户负荷在高峰时段内也会发生变化，其中，I(h)是时段h提供给用户的激励值，α是客户参与率，是时段h原负荷需求，PLnew(h)为时段h需求响应下实际负荷需求，SP(h)是时段h的电价；e、含电动汽车消纳大规模风电的机组组合系统总运行成本目标函数：上式中的第一项是火电机组的燃料费用，第二项是火电机组的启停成本，第三项是风电的直接成本，第四项是风电的弃风成本，其中为时段h风电场预测出力，PW(h)为时段h风电场实际出力，第五项是电动汽车的充放电成本函数和电池磨损成本，第六项是紧急需求响应成本，第七项是电动汽车电池资本成本。其中，火电机组燃料费用和启停成本：其中，ai,bi,ci是火电机组燃料费用系数，PG(i,h)是火电机组i在h时刻的出力。HSC,CSC分别是热启动成本和冷启动成本；CSH是冷启动时间；MD是最小下降时间；是机组持续关机时间；风电直接成本是指向风电场购买电力需支付的成本：Cwd,i(PW(h))＝dw,iPW(h)(14)其中，dw,i是风电直接成本系数；紧急需求响应成本：Cac是V2G服务年化资本成本，由下式表示：设备磨损费用Cd进一步地，步骤e中，针对以上建立的目标函数和相应的模型列出相应的约束条件，采用教与学优化算法对其进行仿真，得出最终结论。a)功率平衡约束b)常规火电机组出力约束其中u(i,h)是机组开关状态；NG是火电机组数；是机组出力最小限制和机组出力最大限制。c)最小开机/关机时间约束相应地，最小关机时间限制可以描述成：其中，表示初始状态i机组已经开机持续时间数；T是总调度时段数；MU是机组最小开机时间；是机组持续开机时间，表示初始状态i机组已经关机持续时间数。d)旋转备用约束e)爬坡约束其中SR(h)是旋转备用量，RUi,RDi是向上向下的爬坡限制；g)电动汽车车辆平衡约束其中，是电动汽车总数，表明所有的充电电动汽车数量Nvch(h)和放电电动汽车数量Nvdish(h)总和应小于等于电动汽车车辆总数；h)电动汽车充放电约束其中，A(i,h),B(i,h)分别表示电动汽车i在h时刻充电时的二进制变量和电动汽车i在h时刻进行放电时的二进制变量，取值为0或1，上式表明同一辆电动汽车不能同时处于充电和放电状态；i)电动汽车充电约束其中，PVchLimit(i,h)是电动汽车充电功率限制；j)电动汽车放电约束其中，PVdishLimit(i,h)是电动汽车放电功率限制；k)电动汽车充放电数量约束Nvdish(h)≤Nvmax(h)Nvch(h)≤Nvmax(h)(28)其中Nvmax(h)是充电站在该时刻最多能容纳电动汽车充放电数量。本专利技术的有益效果是：本专利技术采用教与学优化算法进行求解，加入大规模风电后，可以大幅度削减火电机组燃料费用；电动汽本文档来自技高网...

【技术保护点】
1.一种含电动汽车消纳大规模风电的机组组合计算方法，其特征是：所述的计算方法包括以下步骤：/na、初始数据的获取：/n接受电网机组调度中心得出的系统未来24小时负荷需求数据，接收风电场对风电出力大小的预测数据，包括预测风电大小和风电出力的上下限区间，根据各个火电厂上报的机组特性数据得出各个机组的特性约束；/nb、电动汽车充放电成本分析计算：/nC

【技术特征摘要】
1.一种含电动汽车消纳大规模风电的机组组合计算方法，其特征是：所述的计算方法包括以下步骤：
a、初始数据的获取：
接受电网机组调度中心得出的系统未来24小时负荷需求数据，接收风电场对风电出力大小的预测数据，包括预测风电大小和风电出力的上下限区间，根据各个火电厂上报的机组特性数据得出各个机组的特性约束；
b、电动汽车充放电成本分析计算：
Cvehi(h)＝SP(h)(ηvdishPvdish(h)-ηvchPvch(h))(1)
其中，SP(h)是h时段电价，ηvch,ηvdish是充放电效率；Pvdish(h),Pvch(h)是电动汽车充放电功率；
c、电池老化成本分析计算：电动汽车电池老化成本包含购买电能成本、电池磨损和资本成本，模型如下：
CV2G＝Ce·Ed+Cac(2)
其中，Ce是插电式电动汽车V2G放电的电能成本，Ed是电动汽车蓄电池放电能量，Ce·Ed包括购买的电能和设备退化即电池磨损的费用，Cac是V2G服务的年化资本成本，它是通过将总资本成本在整个服务周期内统一分配来计算的，本发明中，已经单独考虑了电动汽车充放电的成本，所以不必考虑购买的电能费用；
V2G放电的电能成本可以通过下式表达：



其中，Cpe是购买电能费用，η是电动汽车电池充电往返效率，这两者在充放电功率模型中已经考虑到，此处不再讨论，只需要考虑电动汽车电池磨损费用Cd，



其中，Cb是包括更换人工成本在内的电池资本成本，Let是电池寿命；
Let＝Lc·Eb·DoD(5)
其中，Lc是电池循环寿命，以次数计，它是由放电深度决定的，Eb是电池容量，DoD是放电深度；
Cac是V2G服务年化资本成本，由下式表示：



其中，d是折扣率，n*是电池寿命，以年份计，Cc是V2G服务的资本成本，



其中，nc是每天充放电次数，n*为电池寿命(以年计)，当去除电动汽车购买电能费用时，电动汽车电池老化成本，以天数计，包含均以天数计的电池磨损成本和V2G服务年化资本成本，模型如下：



其中n是电池寿命，以天数计：
d、需求响应可分为激励型需求性响应和价格型需求响应，采取的激励型需求响应，在需求响应中消费者的需求取决于实时电价和提供给他们的激励，负荷需求对电价变化的敏感性被定义为需求的价格弹性，



参与到需求响应中的负荷也会发生变化，



其中，I(h)是时段h提供给用户的激励值，α是客户参与率，是时段h原负荷需求，PLnew(h)为时段h需求响应下实际负荷需求，SP(h)是时段h的电价；
e、含电动汽车消纳大规模风电的机组组合系统总运行成本目标函数：



上式中的第一项是火电机组的燃料费用，第二项是火电机组的启停成本，第三项是风电的直接成本，第四项是风电的弃风成本，其中为时段h风电场预测出力，PW(h)为时段h风电场实际出力，第五项是电动汽车的充放电成本函数和电池磨损成本，第六项是紧急需求响应成本，第七项是电动汽车电池资...

【专利技术属性】
技术研发人员：张晓花，朱陈松，周兴龙，程兆勇，熊泽，路睿，徐睿，朱颖，
申请(专利权)人：常州大学，
类型：发明
国别省市：江苏;32