一种分层架构下电动汽车日内滚动有序充电控制方法技术

本发明专利技术公开一种分层架构下电动汽车日内滚动有序充电控制方法，包括以下步骤：1、确定系统整体运行架构与时间尺度，包括建立配电网层

【技术实现步骤摘要】
一种分层架构下电动汽车日内滚动有序充电控制方法


[0001]本专利技术属于综合能源能量管理
，涉及一种分层架构下电动汽车日内滚动有序充电控制方法。

技术介绍

[0002]近年来，由于技术进步与环境保护需求的扩大，我国电动汽车(Electrical vehicle EV)的数量正快速增长，其大规模入网已成为配电网发展的新趋势。EV接入电网具有较强的随机性，若不对其进行充电管理，会在原有的负荷分布外产生新的峰值负荷。同时，EV的长时间停留特性使其能够作为可平移负荷或移动储能参与电网的经济运行和辅助服务。为实现EV接入后配网的经济安全运行，EV的充电策略受到了研究人员的广泛关注。
[0003]从控制结构的角度看，关于EV充电调度的解决方案主要可分为集中控制、分布式控制、分层控制三种。集中式控制是指由统一的控制器完成对系统内所有EV数据的收集与充电任务制定，对控制器的计算与通信的可靠性有极高的要求，不适用于大规模EV接入电网的情景，难以广泛实施。分布式控制通常以多代理的形式进行协调控制，将原集中式控制所需的计算量分散到多代理上，该方法呈现出较高的调度效率与处理问题的能力，适用于单个充电站或微网内EV接入的能量管理。分层控制表现为电网对EV实施“间接”管理的形式，引入充电站运营商以协调电网侧运行与EV侧充电。
[0004]从系统运行的时间尺度看，EV的调度形式主要可分为日前、日内、多阶段三种。日前优化需要根据日前申报机制结合历史出行规律与预测获得一天内所有接入EV的充电参数。文献(He Y,Venkatesh B,Guan L.Optimal Scheduling for Charging and Discharging of ElectricVehicles[J].IEEE Transactions on Smart Grid,2012,3(3):1095
‑
1105.)指出全局最优调度方案需要未来一天内EV的参数信息，在实际中难以实施，因此研究日内或多时间尺度的调度方案对于推进EV的有序接入具有重要意义。
[0005]文献(张良,严正,冯冬涵,等.采用两阶段优化模型的电动汽车充电站内有序充电策略[J]. 电网技术,2014,38(004):967
‑
973.)建立了两阶段充电站集中式运行优化模型，分别考虑了充电站的充电收益最大化与系统峰谷差最小化，但集中式求解问题对控制器要求较高，当EV广泛接入时容易产生“维数”问题。文献(Bahrami S,Wong V W S.A potential game framework forcharging PHEVs in smart grid[C]//Communications,Computers&Signal Processing.IEEE, 2015:28
‑
33.)将EV充电问题建立为各EV代理间的势博弈问题并基于纳什均衡完成求解，该分布式优化模型能够有效降低由EV充电引起的负荷高峰值，但忽略了EV充电时实际接入的网络模型，同时该分布式求解方案主要适用于小规模EV接入的场景。文献(黄一诺,郭创新,王力成,等.考虑用户满意度的电动汽车分群调度策略[J].电力系统自动化,2015,39(17): 183
‑
191.)将EV个体参数作为判别量进行分群，完成能量需求汇聚及后续的EV群充电优化，该方法更适用于日前优化阶段的模型建立，且能量需求汇聚前需要对站内的所有EV进行再分组，以降低求解问题的规模。文献(潘振宁,张孝顺,余涛,等.大规模电动汽车集群分层实时优化调度[J].电力系统自动化,2017(16):102
‑
110.)
同样对充电站内集群电动车进行再分组，并基于能量一致性算法完成充电站内实时功率分配，但该分配机制存在计划与实际充电功率存在误差的问题。
[0006]目前，EV的充电管理需要解决下列问题：首先，为保证EV充电策略的有效性，必须考虑到实际配电网的结构及其运行约束。其次，EV入网数量增多，若直接将单台EV作为可控资源独立调度，会导致优化计算复杂，算法维数过大。此外，EV入网时间存在不确定性，且商业充电站的运营存在申报充电信息不可靠的情景，基于全局信息的日前优化难以实施；对于单个充电站内的功率分配问题，需要实现一种准确有效且方便的充电功率分配机制。
[0007]针对上述问题，本专利技术制定了含充电站配电网的分层架构以适应大规模EV调度的需求；制定并基于分布式算法求解兼顾充电站与配电网双方利益的日内滚动优化问题，制定日内短期调度方案，以已知的EV信息为基础，结合短期负荷信息及将入网汽车的预测信息构建滚动窗口内的EV集群模型，以适应EV入网的不确定性与充电站运营商的隐私需求；设计模糊功率分配机制以快速制定EVA内各EV的充电功率。

技术实现思路

[0008]本专利技术针对上述问题，提出一种分层架构下电动汽车日内滚动有序充电方法，制定了含充电站配电网的分层架构以适应大规模EV调度的需求；制定并基于分布式算法求解兼顾充电站与配电网双方利益的日内滚动优化问题，制定日内短期调度方案，以已知的EV信息为基础，结合短期负荷信息及将入网汽车的预测信息构建滚动窗口内的EV集群模型，以适应 EV入网的不确定性与充电站运营商的隐私需求；设计模糊功率分配机制以快速制定EVA内各EV的充电功率。
[0009]本专利技术至少通过如下技术方案之一实现。
[0010]一种分层架构下电动汽车日内滚动有序充电控制方法，包括以下步骤：
[0011]步骤1、确定系统整体运行架构与时间尺度，包括建立配电网层
‑
充电站层的分层控制结构系统，运行时间尺度上采用向前滚动优化的形式；
[0012]步骤2、在充电站层，分析并实现电动汽车的充电需求汇聚，最终形成配电网系统内各充电站的整体充电需求；
[0013]步骤3、根据步骤2获取的充电站的整体充电需求与配电网层自身安全约束，完成配电网
‑
充电站协同运行优化，制定充电站的充电计划；
[0014]步骤4、基于模糊功率分配算法，每个充电站将根据配电网层提供的充电计划完成站内电动汽车的充电功率分配。
[0015]进一步地，步骤1中，将系统分为配电网层与充电站层，配电网层以实际的配电网线路模型为基础，配备具有通信与计算功能的配电网控制器；充电站层包括位于配电网内不同节点处的充电站，每个充电站均配备用于控制站内电动汽车(Electrical vehicle EV)充电功率分配及与上层配网进行通信交互的控制器。
[0016]进一步地，系统的优化形式运行考为不断向前滚动的日内滚动优化调度形式：首先基于当前时刻的EV数据及短期预测充电负荷与其他负荷预测数据，求解对应滑动窗口时域内的配电网
‑
充电站最优潮流问题，并仅实施当前时刻的充电站与站内电动汽车的充电策略；随着时刻的向前推进，更新负荷预测信息和电动汽车数据信息，再重新制定下一时刻对应滑动窗口的优化问本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种分层架构下电动汽车日内滚动有序充电控制方法，其特征在于，包括以下步骤：步骤1、确定系统整体运行架构与时间尺度，包括建立配电网层
‑
充电站层的分层控制结构系统，运行时间尺度上采用向前滚动优化的形式；步骤2、在充电站层，分析并实现电动汽车的充电需求汇聚，最终形成配电网系统内各充电站的整体充电需求；步骤3、根据步骤2获取的充电站的整体充电需求与配电网层自身安全约束，完成配电网
‑
充电站协同运行优化，制定充电站的充电计划；步骤4、基于模糊功率分配算法，每个充电站将根据配电网层提供的充电计划完成站内电动汽车的充电功率分配。2.根据权利要求1所述的一种分层架构下电动汽车日内滚动有序充电控制方法，其特征在于：步骤1中，将系统分为配电网层与充电站层，配电网层以实际的配电网线路模型为基础，配备具有通信与计算功能的配电网控制器；充电站层包括位于配电网内不同节点处的充电站，每个充电站均配备用于控制站内电动汽车(Electrical vehicle EV)充电功率分配及与上层配网进行通信交互的控制器。3.根据权利要求2所述的一种分层架构下电动汽车日内滚动有序充电控制方法，其特征在于：系统的优化形式运行考为不断向前滚动的日内滚动优化调度形式：首先基于当前时刻的EV数据及短期预测充电负荷与其他负荷预测数据，求解对应滑动窗口时域内的配电网
‑
充电站最优潮流问题，并仅实施当前时刻的充电站与站内电动汽车的充电策略；随着时刻的向前推进，更新负荷预测信息和电动汽车数据信息，再重新制定下一时刻对应滑动窗口的优化问题。4.根据权利要求1所述的一种分层架构下电动汽车日内滚动有序充电控制方法，其特征在于：步骤2中，当电动汽车接入充电站时，电动汽车的充电基础信息包括电池总容量大小B
i
、开始入网时段t
iin
、预期离网时段t
idep
、当前荷电状态soc
iin
、期望荷电状态soc
id
、最大充电功率p
imax
均确定；根据上述基础信息生成电动汽车充电边界信息，包括充电功率上下界与累积能量上下界。5.根据权利要求1所述的一种分层架构下电动汽车日内滚动有序充电控制方法，其特征在于：充电站的整体充电需求包括当前站内所有真实电动汽车的总充电需求和预测在当前优化窗口内即将入站的所有预测电动汽车的总充电需求。6.根据权利要求5所述的一种分层架构下电动汽车日内滚动有序充电控制方法，其特征在于：当前站内所有真实电动汽车的总充电需求计算如下：式中：L表示滚动优化窗口的大小，t表示当前所处优化时段，k表示时段内的具体时刻，
与分别为节点i处实际EVA在窗口内各时段功率的下界与上界，P
EVA,i
(t+k)表示t+k时刻的实际充电站功率，P
EVA,i
为节点i处实际充电站功率，与分别表示节点i处实际EVA在滑动窗口内每个时段累积能量的下界与上界，为实际EVA在整个滑动窗口内的期望能量；预测在当前优...

【专利技术属性】
技术研发人员：刘俊峰，潘志伟，曾君，李国璋，
申请(专利权)人：华南理工大学，
类型：发明
国别省市：