【技术实现步骤摘要】
一种基于激励
‑
响应充电决策估计的日前优化调度方法
[0001]本专利技术属于新能源汽车领域,具体涉及一种基于激励
‑
响应充电决策估计的日前优化调度方法。
技术介绍
[0002]面对目前的环境污染问题和能源枯竭问题,新能源汽车的发展是有效的解决方法。与传统化石燃料汽车相比,新能源汽车的大规模使用可以逐渐减少对石油资源的依赖,并大大减少温室气体的排放。其中,电池电动汽车(Electric Vehicle,EV)和氢燃料电池汽车(Hydrogen Vehicle,HV)是目前最具发展潜力的研究对象。EV研究时间较长,技术也更加成熟,但充电时间过长,且受到电池制造技术的限制,续航能力较差;HV充能时间短,续航能力强,但发展较慢,并未得到普及。在很长一段时间内,EV和HV将共存于汽车市场。但EV和HV的发展受到充电站和加氢站发展的制约。目前EV充电站已在市场上普遍应用,且通过电转气过程可将电能灵活转化为氢能并供给HV,考虑到节约占地和能源利用方面的优势,结合充电站和加氢站的一体式基础设施成为必要。
[0003]此类一体式基础设施可以通过电
‑
气转换系统为EV和HV提供能源,并吸收当地的可再生能源(Renewable Energy Source,RES)以节省运营成本并减轻对公用电网的依赖。与传统的集中式设施相比,氢能/电动汽车聚合商(Hydrogen/Electric Vehicle Aggregator,HEVA)将周边地区的光伏、风电聚合作为电力输入,而且由于 ...
【技术保护点】
【技术特征摘要】
1.一种基于激励
‑
响应充电决策估计的日前优化调度方法,其特征在于,建立基于可逆固体氧化物燃料电池rSOC的电
‑
气转换系统模型,然后建立HV充电模型和EV充电模型,在此基础上,结合为车主提供的具有不同折扣激励的多种充电模式,基于韦伯
‑
费希纳定律建立激励
‑
响应充电决策估计模型以衡量车主对折扣激励的充电响应决策,进而以最小化运行成本为目标,建立HEVA优化调度模型,结合以上各模型得到HEVA整体模型;建立HEVA整体模型后,通过HV、EV接入时刻和行驶里程概率密度函数获取日前预测数据,并输入HEVA整体模型进行求解,以获取最优全天充电服务费折扣序列;将折扣序列再次代入HEVA整体模型,求解获得HEVA内各设备最佳运行策略。2.根据权利要求1所述的一种基于激励
‑
响应充电决策估计的日前优化调度方法,其特征在于,所述电
‑
气转换系统模型包括针对rSOC建立的rSOC模型以及针对储氢罐建立的储氢罐模型;对rSOC进行建模时,考虑其双向模式切换以及时间相关的启动成本。3.根据权利要求2所述的一种基于激励
‑
响应充电决策估计的日前优化调度方法,其特征在于,所述rSOC在SOFC模式下将氢气转换为电能以满足HEVA的电力需求;在SOEC模式下将产生的氢气暂时存储在储氢罐中,然后供应给HV以满足氢气需求,并供给rSOC进行发电;对rSOC进行建模的具体方法为:在SOFC模式下,输出功率和约束条件表示为:为:式中,是rSOC输出功率;η
SOFC
是放电效率;δ
conv
是电能与氢气质量之间的传递系数;是t时刻从储氢罐输出的氢气到rSOC的质量;和P
fc
是最大和最小输出功率;是二进制变量,在时间t时,若rSOC工作在SOFC模式则等于1,否则等于0;在SOEC模式下,输入功率和约束条件表示为:模式下,输入功率和约束条件表示为:式中,η
SOEC
是转换效率;是输入功率;是在时间t从rSOC输入储氢罐的氢气质量;和P
ele
是最大和最小输入功率;是二进制变量,在时间t时,若rSOC工作在SOEC模式则等于1,否则等于0;由于rSOC的切换特性,电解模式和燃料电池模式不能同时运行,受到以下限制:由于rSOC的热特性,在计算中考虑其启动成本和爬升约束;因此,SOFC模式或SOEC模式下的启停状态关系为:下的启停状态关系为:下的启停状态关系为:
式中,和分别是燃料电池模式和电解模式下的启动状态;和分别是在SOFC模式和SOEC模式下的关闭状态;通过以下公式限制启动和关闭的最短时间UT和DT:通过以下公式限制启动和关闭的最短时间UT和DT:考虑斜坡上升、下降功率的约束表示为:考虑斜坡上升、下降功率的约束表示为:式中,P
ru
和P
rd
是最大爬升、下降功率;考虑rSOC的高温工况,重启成本通过rSOC的容量和重启前的离线时间计算;启动成本表示为:表示为:表示为:其中,l是回溯期的索引;K(l)是从l个离线时段重新启动的成本;V
st
和F
st
是重启的最大可变成本和固定成本。4.根据权利要求2所述的一种基于激励
‑
响应充电决策估计的日前优化调度方法,其特征在于,所述储氢罐用于储存rSOC从可用电能转化而来的氢气;储氢罐中储存的氢气直接供应给HV,或通过rSOC转化为电能,以满足辅助用电和电动汽车的需求;t时刻储氢罐中氢气的质量表示为:气的质量表示为:其中,和分别是t和t
‑
1时刻储氢罐内的氢气质量;是t时刻从储氢罐输出到HV的氢气质量;和M
tk
分别是储氢罐中氢气质量的最大和最小限制。5.根据权利要求1所述的一种基于激励
‑
响应充电决策估计的日前优化调度方法,其特征在于,HV充电模型的建立方法如下:rSOC产生的氢气是HV的能源;为完全满足HV的需求,在t时刻从储氢罐转化为HV的氢气质量按式(18)计算:
HV的氢气需求受储氢罐的最大和最小质量限制,如式(19)所示:式中,和M
HV
为储氢罐的最大容量和最小容量。6.根据权利要求1所述的一种基于激励
‑
响应充电决策估计的日前优化调度方法,其特征在于,EV充电模型的建立方法如下:通过能量边界和充电功率限制来表征EV充电模型,以保证EV在出发期间充满电;单辆EV的充电操作建模为:EV的充电操作建模为:EV的充电操作建模为:EV的充电操作建模为:EV的充电...
【专利技术属性】
技术研发人员:郑文迪,张敏,李怡馨,邵振国,王向杰,
申请(专利权)人:福州大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。