适用于平抑新能源出力波动的电动汽车虚拟机组调控方法技术

本发明专利技术公开适用于平抑新能源出力波动的电动汽车虚拟机组调控方法,属于电力需求响应技术领域，包括以下步骤：S1进行电动汽车集群负荷特性分析及虚拟机组发电功率上下限预测；S2进行虚拟机组计划发电功率优化求解；S3进行虚拟机组内部电动汽车集群实时分组调控。本发明专利技术适用于平抑新能源出力波动的电动汽车虚拟机组调控方法,实现了车辆抵达充电桩规律分析及虚拟机组发电功率上下限预测，基于遗传算法实现了虚拟机组计划发电功率优化，进一步实现了电动汽车集群实时分组调控，为通过调控电动汽车虚拟机组平抑能源出力波动提供了技术支撑。

【技术实现步骤摘要】
适用于平抑新能源出力波动的电动汽车虚拟机组调控方法
本专利技术属于电力需求响应
，具体是适用于平抑新能源出力波动的电动汽车虚拟机组调控方法。
技术介绍
近年来，需求响应在世界范围得到了大规模实践，具有削峰填谷、促进新能源消纳等重要作用。电动汽车负荷是一种典型的需求响应资源，其具有源荷双重特性，在满足用户需求的前提下，负荷可调节潜力巨大。因此，适用于多种电力系统场景(例如削峰填谷、新能源消纳等)的电动汽车负荷集群调控策略成为了一个重要研究课题。现有研究，主要集中于电动汽车集群负荷实现削峰填谷场景，缺乏通过电动汽车集群负荷调控平抑新能源波动相关研究，且缺乏技术手段对其进行统一调度控制，针对这种情况，现提出适用于平抑新能源出力波动的电动汽车虚拟机组调控方法。
技术实现思路
本专利技术的目的在于提供适用于平抑新能源出力波动的电动汽车虚拟机组调控方法，实现了车辆抵达充电桩规律分析及虚拟机组发电功率上下限预测，基于遗传算法实现了虚拟机组计划发电功率优化，进一步实现了电动汽车集群实时分组调控，为通过调控电动汽车虚拟机组平抑新能源出力本文档来自技高网...

【技术保护点】
1.适用于平抑新能源出力波动的电动汽车虚拟机组调控方法，其特征在于：包括以下步骤：/nS1:进行电动汽车集群负荷特性分析及虚拟机组发电功率上下限预测；/nS2:进行虚拟机组计划发电功率优化求解；/nS3:进行虚拟机组内部电动汽车集群实时分组调控。/n

【技术特征摘要】
1.适用于平抑新能源出力波动的电动汽车虚拟机组调控方法，其特征在于：包括以下步骤：
S1:进行电动汽车集群负荷特性分析及虚拟机组发电功率上下限预测；
S2:进行虚拟机组计划发电功率优化求解；
S3:进行虚拟机组内部电动汽车集群实时分组调控。


2.根据权利要求1所述的适用于平抑新能源出力波动的电动汽车虚拟机组调控方法，其特征在于，所述步骤S1进行电动汽车集群负荷特性分析及虚拟机组发电功率上下限预测,具体包括以下步骤：
S1.1电动汽车集群接入充电桩规律分析；
S1.2虚拟机组发电功率上下限预测。


3.根据权利要求2所述的适用于平抑新能源出力波动的电动汽车虚拟机组调控方法，其特征在于，所述步骤S1.1与S1.2包括以下具体内容：
S1.1电动汽车集群接入充电桩规律分析：
电动汽车依次抵达充电桩的过程用泊松分布表述，即对任意的t>0，s>0，电动汽车抵达数量的增量Nt+s－Ns服从泊松分布，令k＝Nt+s-Ns，则在(t，s+t)的时间区间内，有k辆电动汽车抵达充电桩的概率为：



式中：λ为单位时间内电动汽车到达充电桩的数量；
按照2阶段泊松分布方式，分别生成每个阶段车辆到达工商业区的泊松分布数列如下：






式中：NC1、NC2分别为第1、2阶段的车辆到达的泊松分布数列；n1i、n2i分别为单个时间片段到达的车辆数(1≤i≤M1,M2)；λ1、λ2分别为第1、2阶段的泊松分布参数；M1、M2为第1、2阶段的时间片段总数；T1、T2分别为第1、2阶段的时间长度；Δt为单位时间片段时长；
同样的，分别生成每个阶段车辆到达居民区的泊松分布数列如下：






式中：NC3、NC4分别为第3、4阶段的车辆到达的泊松分布数列；n3i、n4i分别为单个时间片段到达的车辆数(1≤i≤M1,M2)；λ1、λ2分别为第3、4阶段的泊松分布参数；M3、M4为第3、4阶段的时间片段总数；T3、T4分别为第3、4阶段的时间长度；
按照泊松过程的特性可以生成每个时间片段到达充电站的电动汽车数量的数组；
S1.2虚拟机组发电功率上下限预测：
基于S1.1中分析结果，可将区域内电动汽车聚合为虚拟机组，虚拟机组发电功率上下限主要与调控时段及接入充电桩汽车数量有关,电动汽车虚拟机组具有源荷双重特性，发电功率为正表示电动汽车集群总体进行放电，发电功率为负表示电动汽车总体进行充电,将一天按时隙长度Δt(单位为min)划分为Nt＝24×60/Δt个控制时段，对任意调控时段n(n＝1,2,···,Nt)，可基于如表的历史数据训练人工神经元网络得到预测模型，



表中：Nn,j(j＝1,2,···,m)为时段n第j组历史数据中接入充电桩汽车数量；PCH,n,j为时段n第j组历史数据中虚拟机组发电功率下限；PDH,n,j为时段n第j组历史数据中虚拟机组发电功率上限；
基于人工神经元网络预测模型以及通过此前分析得到的各时段接入充电桩的电动汽车数量，即可预测一天中各时段虚拟电厂发电功率上下限P′DH,n，P′CH,n。


4.根据权利要求1所述的适用于平抑新能源出力波动的电动汽车虚拟机组调控方法，其特征在于，所述步骤S2进行虚拟机组计划发电功率优化求解按以下步骤进行：
在新能源源协同调度场景下，以平抑新能源出力波动为目标对虚拟机组进行日前调度，新能源出力、电动汽车基本负荷及虚拟机组出力总和为：
Pn＝PG,n+PW,n-Eb,n+Ev,n(6)
其中，PG,n为在时段n系统内光伏发电系统预测出力；PW,n为在时段n系统内风力发电系统预测出力；Eb,n为时段n非可控电动汽车集群对应的充电桩负荷；Ev,n为时段n可控电动汽车集群可调节功率，即虚拟机组发电功率。
调度目标函数为最小化1到Nt时段综合负荷曲线的方差，各时段虚拟电厂发电功率为决策变量，目标函数如下：






根据步骤S1，Ev,n需满足以下约束：
P′CH,n≤Ev,n≤P′DH,n(9)
采用遗传算法进...

【专利技术属性】
技术研发人员：吕冉，杨建林，王海群，高赐威，陈涛，郭昆健，马世然，
申请(专利权)人：国网上海市电力公司，东南大学，
类型：发明
国别省市：上海;31