一种计及光储快充一体站的配电网混合优化调度方法技术

本发明专利技术公开了一种计及光储快充一体站的配电网混合优化调度方法，建立道路交通网络模型、电动汽车的行驶速度及路径模型及电动汽车出行时间模型，基于该三个模型建立快充一体站的充电负荷模型；基于该充电负荷模型，采用不确定集表征光伏出力以及配电网内原有负荷的范围，以快充一体站所属的配电网整体运行成本最小为目标函数，设置约束条件建立快充一体站的配电网鲁棒优化调度模型；将该模型分解为主问题模型和子问题模型；通过在调度周期内优化光伏出力和原有负荷选取区间边界值的时段总数，得到配电网潮流运行的最恶劣场景；采用列约束生成算法求解主问题模型和子问题模型的最优解。本发明专利技术可调灵活地实现不确定环境下快充电站储能系统的决策。充电站储能系统的决策。充电站储能系统的决策。

【技术实现步骤摘要】
一种计及光储快充一体站的配电网混合优化调度方法


[0001]本专利技术涉及一种光储快充一体站的配电网调度方法，特别涉及一种计及光储快充一 体站的配电网混合优化调度方法。

技术介绍

[0002]目前，电动汽车(Electric Vehicles，EV)作为新一代的绿色交通工具，在减少汽 车尾气排放、缓解能源危机等方面具有巨大的优势和潜能。充电负荷在配电网中的渗透 率大幅度提高，充电负荷的不确定性，特别是快充负荷所具备的间歇性和随机性，使配 电系统的可靠经济运行面临一定程度的风险。为了尽量减少快充负荷对配电系统的冲击， 如何对快充负荷进行详细建模以及充电负荷接入配电网中的优化调度方法成为关键。
[0003]目前，大部分文献基于时间和空间两个维度开展电动汽车充电负荷建模研究。有的 采用概率分布函数得到电动汽车开始充电时刻、日行驶里程，并通过充电过程的充电功 率和充电时间，采用蒙特卡洛模拟方法得到电动汽车充电负荷；有的采用排队论的方法 对高速公路充电站出入流量进行建模，进而得到充电站内的充电负荷。以上两种方法均 从时间维度着手开展研究，但作为一种可移动负荷，电动汽车充电负荷特性与用户出行 行为、电池续航能力、交通网络拓扑和流量等因素密切相关，需综合考虑交通网和配电 网的耦合影响。有的采用起止点(Origin-Destination，OD)分析法，通过已有的交通 数据在相关软件上反推得到用于模拟车辆行驶路径的OD矩阵，进而基于路径最短原则确 定电动汽车的行驶行为，但忽略了路网流量对行驶时间的影响，可能导致得到的出行路 径具有很高的时间成本，且电动汽车能耗模型较为简单。为了更真实地模拟用户在路网 中的驾驶行为，应综合考虑交通道路模型、电动汽车模型及用户出行等因素对充电负荷 分布的影响，进而准确刻画不同空间位置充电站充电负荷的时空分布特性。
[0004]另一方面，为了减少电动汽车充电负荷对配电网的冲击，众多学者在电网中通过引 入分布式发电技术消纳电动汽车充电负荷。有的在充电站内引入光伏和储能系统，并搭 建了以降低购电费用和蓄电池组循环电量等多目标的优化调度模型，但研究对象仅针对 含光伏和储能的充电站，未考虑含光储充电站调度对配电网的影响。有的建立了在考虑 接入电网约束条件下，以负荷波动最小、开再生能源利用率最大和车主收益最大的多目 标优化调度模型，并运用改进的变阈值优化算法协调电动汽车与微网之间的能量交换， 但未考虑电动汽车充电负荷波动的随机性会对配电网产生的影响问题。有的以路网“均 衡模型”规划电动汽车用户出行路径，搭建了耦合交通系统的配电网鲁棒调度模型，但 未考虑充电负荷时序变化对配电网调度的影响。

技术实现思路

[0005]本专利技术为解决公知技术中存在的技术问题而提供一种计及光储快充一体站的配电网 混合优化调度方法。
[0006]本专利技术为解决公知技术中存在的技术问题所采取的技术方案是：一种计及光储快
充 一体站的配电网混合优化调度方法，建立道路交通网络模型、电动汽车的行驶速度与路 径模型、电动汽车出行时间模型，基于该三个模型建立快充一体站的充电负荷模型，并 采用随机优化方法处理快充负荷的不确定性；基于快充一体站的充电负荷模型，同时采 用不确定集表征光伏出力以及配电网内原有负荷的范围，以快充一体站所属的配电网整 体运行成本最小为目标函数，设置约束条件建立快充一体站的配电网鲁棒优化调度模型； 将快充一体站的配电网鲁棒优化调度模型分解为主问题模型和子问题模型；通过在调度 周期内优化光伏出力和原有负荷选取区间边界值的时段总数，得到配电网潮流运行的最 恶劣场景；采用列约束生成算法求解主问题模型和子问题模型在满足收敛条件下的最优 解，得到一组由主问题参数和子问题参数构成的优化调度策略参数。
[0007]进一步地，采用对数正态分布和正态分布概率模型近似模拟电动汽车对应的起始出 行时间和返程出行时间分布，建立电动汽车出行时间模型如下式所示：
[0008][0009][0010]式中，μ和σ分别表示出行时刻的均值和标准差,δ表示出行时刻。
[0011]进一步地，道路交通网络模型基于经典图论方法建立，其采用表示道路权值的邻接 矩阵D，描述交通节点与路段之间的关系，建立道路交通网络模型如下式所示：
[0012][0013][0014]式中，d
ij
为矩阵D中第i行第j列的元素，其表示对应路段的长度；l
ij
表示路段(i,j) 的长度；N
T
表示路网中所有交通节点的集合。
[0015]进一步地，基于全程用时最短原则建立电动汽车的行驶速度及路径模型。
[0016]进一步地，电动汽车的行驶速度及路径模型的建立方法如下：
[0017]由通过路段上电动汽车的平均速度,计算各路段平均通行时间，作为路径寻优的基础， 路段b中电动汽车的平均车速和平均通行时间关系如下式所示：
[0018][0019][0020]式中，v
b
(t)为路段b中所有电动汽车在时刻t的平均车速；v
i
(t)为第i辆车在时 刻
t的速度；N
b
表示时刻t在路段b上的电动汽车数量；s
b
(t)为路段b在时刻t的平 均通行时间；L
b
表示路段b的长度；
[0021]假设电动汽车用户在规划出行路径时，电池SOC与行驶过程能耗呈如下线性关系：
[0022][0023]式中，SOC
d
表示预计到达目的地时电动汽车的荷电状态；SOC
o
为出发地电动汽车的荷 电状态；S
d
表示行驶的距离；C
EV
表示电动汽车的电池容量；e表示电动汽车单位公里能耗 的预测值；
[0024]采用广度搜索遍历算法，从电动汽车用户出行可选路径中，寻找全程所需时间最短 的路径；
[0025]若在途中未出现剩余电量低于充电阈值的情况，则电动汽车的行驶速度及路径模型 如下：
[0026][0027]式中，o为出发节点；d为交通道路网络中的目的地节点；Route
i
表示从o到d的第 i条路径；N
total
表示Route
i
中所有路段的集合；
[0028]若在途中出现剩余电量低于充电阈值的情况，则需规划合适的充电站进行充电，此 时需考虑用户在充电站内的排队时间和充电时间，则电动汽车的行驶速度及路径模型如 下：
[0029][0030]式中，PC
j
表示区域内第j号公共充电站；表示从出发地o到第j号公共充电 站的第i条路径所对应的行驶时间；表示在第j号公共充电站的排队时间；表 示在第j号公共充电站的充电时间；表示从第j号公共充电站到目的地d的第i 条路径所对应的行驶时间。
[0031]进一步地，采用元胞自动机模型获得通过路段上电动汽车的平均速度，其具体方法 如下：
[0032]假设一辆电动汽车为一个长度本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计及光储快充一体站的配电网混合优化调度方法，其特征在于，建立道路交通网络模型、电动汽车的行驶速度与路径模型、电动汽车出行时间模型，基于该三个模型建立快充一体站的充电负荷模型，并采用随机优化方法处理快充负荷的不确定性；基于快充一体站的充电负荷模型，同时采用不确定集表征光伏出力以及配电网内原有负荷的范围，以快充一体站所属的配电网整体运行成本最小为目标函数，设置约束条件建立快充一体站的配电网鲁棒优化调度模型；将快充一体站的配电网鲁棒优化调度模型分解为主问题模型和子问题模型；通过在调度周期内优化光伏出力和原有负荷选取区间边界值的时段总数，得到配电网潮流运行的最恶劣场景；采用列约束生成算法求解主问题模型和子问题模型在满足收敛条件下的最优解，得到一组由主问题参数和子问题参数构成的优化调度策略参数。2.根据权利要求1所述的计及光储快充一体站的配电网混合优化调度方法，其特征在于，采用对数正态分布和正态分布概率模型近似模拟电动汽车对应的起始出行时间和返程出行时间分布，建立电动汽车出行时间模型如下式所示：建立电动汽车出行时间模型如下式所示：式中，μ和σ分别表示出行时刻的均值和标准差,δ表示出行时刻。3.根据权利要求1所述的计及光储快充一体站的配电网混合优化调度方法，其特征在于，道路交通网络模型基于经典图论方法建立，其采用表示道路权值的邻接矩阵D，描述交通节点与路段之间的关系，建立道路交通网络模型如下式所示：建立道路交通网络模型如下式所示：式中，d
ij
为矩阵D中第i行第j列的元素，其表示对应路段的长度；l
ij
表示路段(i,j)的长度；N
T
表示路网中所有交通节点的集合。4.根据权利要求1所述的计及光储快充一体站的配电网混合优化调度方法，其特征在于，基于全程用时最短原则建立电动汽车的行驶速度及路径模型。5.根据权利要求4所述的计及光储快充一体站的配电网混合优化调度方法，其特征在于，电动汽车的行驶速度及路径模型的建立方法如下：由通过路段上电动汽车的平均速度,计算各路段平均通行时间，作为路径寻优的基础，路段b中电动汽车的平均车速和平均通行时间关系如下式所示：
式中，v
b
(t)为路段b中所有电动汽车在时刻t的平均车速；v
i
(t)为第i辆车在时刻t的速度；N
b
表示时刻t在路段b上的电动汽车数量；s
b
(t)为路段b在时刻t的平均通行时间；L
b
表示路段b的长度；假设电动汽车用户在规划出行路径时，电池SOC与行驶过程能耗呈如下线性关系：式中，SOC
d
表示预计到达目的地时电动汽车的荷电状态；SOC
o
为出发地电动汽车的荷电状态；S
d
表示行驶的距离；C
EV
表示电动汽车的电池容量；e表示电动汽车单位公里能耗的预测值；采用广度搜索遍历算法，从电动汽车用户出行可选路径中，寻找全程所需时间最短的路径；若在途中未出现剩余电量低于充电阈值的情况，则电动汽车的行驶速度及路径模型如下：式中，o为出发节点；d为交通道路网络中的目的地节点；Route
i
表示从o到d的第i条路径；N
total
表示Route
i
中所有路段的集合；若在途中出现剩余电量低于充电阈值的情况，则需规划合适的充电站进行充电，此时需考虑用户在充电站内的排队时间和充电时间，则电动汽车的行驶速度及路径模型如下：式中，PC
j
表示区域内第j号公共充电站；表示从出发地o到第j号公共充电站的第i条路径所对应的行驶时间；表示在第j号公共充电站的排队时间；表示在第j号公共充电站的充电时间；表示从第j号公共充电站到目的地d的第i条路径所对应的行驶时间。6.根据权利要求5所述的计及光储快充一体站的配电网混合优化调度方法，其特征在于，采用元胞自动机模型获得通过路段上电动汽车的平均速度，其具体方法如下：假设一辆电动汽车为一个长度为n的元胞，n为电动汽车的长度，将驾驶员的加速或者刹车时间s作为仿真的时间步长，设车辆行驶的最大速度为v
max
；设d
n
表示第n辆车与前车之间的车距，设x
n
表示每辆车在所处路段的位置坐标，设v
n
表示每辆车的速度；设单位速度为每秒行驶距离为一个元胞；设从第t个时间步长至第t+1个时间步长的过程中，道路上任一车辆的速度和位置按以
下规则并行更新：1)慢启动过程，即在静止状态时，如果该车前方是空元胞，则该车以一定概率p
sta
进行加速启动；即在v
n
(t)＝0的情况下，有1-p
sta
的概率，即该车慢启动过程中的速度为：v
n
(t+1)＝v
n
(t)；2)加速过程，如果v
n
(t)<v
max
，则该车的行驶速度增加一个单位，即该车加速过程中的速度为：v
n
(t+1)＝min{v
n
(t)+1,v
max
}；3)减速过程，如果d
n
<v
n
(t)，则该车的速度减小至d
n
，即该车减速过程中的速度为：v
n
(t+1)＝min{v
n
(t+1),d
n
}；4)随机慢化过程，该车速度以一定概率p
dec
减小一个单位，即该车随机慢化过程中的速度为：v
n
(t+1)＝max{v
n
(t)-1,0}；5)该车位置更新为：x
n
(t+1)＝x
n
(t)+v
n
(t)。7.根据权利要求1所述的计及光储快充一体站的配电网混合优化调度方法，其特征在于，快充一体站的配电网鲁棒优化调度模型的目标函数如下所示：式中：C
grid
表示配电网购电成本；C
loss
表示线路网损成本；C
storage

【专利技术属性】
技术研发人员：刘一欣，吴国诚，郭力，胡代豪，倪筹帷，
申请(专利权)人：国网浙江省电力有限公司电力科学研究院，
类型：发明
国别省市：