最大化运营商收益的V2G调度二阶段随机规划方法技术

本发明专利技术公开了一种最大化运营商收益的V2G调度二阶段随机规划方法，涉及能源管理优化模型领域，本发明专利技术针对电动汽车充放电调度问题，基于分布式可再生能源

【技术实现步骤摘要】
最大化运营商收益的V2G调度二阶段随机规划方法


[0001]本专利技术涉及能源管理优化模型领域，具体地说是一种最大化运营商收益的基于二阶段随机规划的V2G调度方法。

技术介绍

[0002]V2G，是Vehicle
‑
to
‑
Grid的简称，它的目的是电动汽车与电网互动，利用电动车的电池作为电网和可再生能源的缓冲。在节能减排和化石能源紧缺的外部大环境下，电动汽车(EVs)凭借其运行成本低廉，节能环保效应突出的特点逐渐占据更多燃油车的市场。除了节能减排以外，EVs作为移动储能，通过V2G方式与电网互动可以为电网带来很多辅助服务，其中包括为电网辅助调峰和辅助调频。本模型可实现辅助调峰，可准确控制EVs的充放电状态以及EVs充放电电量,让EVs有序参与电网运行调控。在EVs参与电网运行调控中，V2G运营商(调度中心，AG)的集中调度的作用不可或缺。
[0003]V2G运营商为模型的收益主体，其职能包括：管理协议内EVs充放电，为协议外EVs提供电力，运营区域内的可再生能源发电系统，为区域部分负荷提供电力中转以及进行区域的余电上网。
[0004]EVs参与V2G充放电调度的问题是具有多种不确定性的最优化决策问题。不确定性可以分为V2G调度资源随机性和可再生能源发电随机性。在以往的研究中，EVs参与V2G过程中的多种随机性难以得到全面的考虑，而且在V2G调度资源和可再生能源随机性的结合研究并不深入。

技术实现思路

[0005]针对现有技术中的不足，本专利技术提供一种最大化运营商收益的基于二阶段随机规划的V2G调度方法，结合V2G调度随机性和可再生能源发电随机性的V2G二阶段非线性随机规划模型，将V2G调度资源和可再生能源层面的随机性结合。
[0006]为实现上述目的，本专利技术的技术方案如下：
[0007]一种最大化运营商收益的V2G调度二阶段随机规划方法，用于至少包括电动汽车、充放电桩和电网构成的系统，其包括以下步骤：
[0008]获取运营商服务区域内的电动汽车的日前参数集，同时，向运营商服务区域内的电动汽车发出调度邀约协议，将同意调度邀约协议的电动汽车归类为协议内电动汽车，将无响应及拒绝调度邀约协议的电动汽车视为协议外电动汽车；
[0009]基于运营商服务区域内的电动汽车的日前参数集、协议内电动汽车和协议外电动汽车的情况，以及可再生能源的发电情况构建随机情景集合，所述构建随机情景集合在满足设定的协议外电动汽车随机充电需求下，对协议内电动汽车进行充放电优化调度；
[0010]考虑各个随机因素相互独立，利用随机情景集合模型构建最终随机情景，构建在所述最终随机情景下的V2G二阶段非线性随机规划模型；
[0011]利用所述V2G二阶段非线性随机规划模型实现最大化V2G运营商总体收益。
[0012]本专利技术与现有技术相比，其有益效果在于：
[0013]充分考虑V2G调度资源和可再生能源发电不确定性，建立了最大化运营商收益的二阶段随机规划模型，有效完善V2G调度的过程，明确及量化V2G调度系统的收益来源，全面优化协议内电动汽车参与V2G调度的操作状态，为车网互动资源优化利用建模建立提供理论与方法的支撑。
[0014]在充分考虑电动汽车受多种随机性影响的情况下，改进了V2G调度资源随机性与可再生能源发电随机性的情景生成方法，从而使得二阶段随机规划模型的情景集全面体现多种随机因素。
附图说明
[0015]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例中所需要使用的附图进行简单的介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0016]图1为本专利技术实施例中V2G调度的方法流程图；
[0017]图2为本专利技术实施例中V2G运营商的收益成本关系图；
[0018]图3为本专利技术实施例中考虑随机性V2G优化调度模型情景生成过程原理图；
[0019]图4为本专利技术实施例中V2G运营商网络节点分布图；
[0020]图5为本专利技术实施例中EVs决策变量图；
[0021]图6为本专利技术实施例中情景EVs充放电负荷的柱状图。
具体实施方式
[0022]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0023]实施例：
[0024]需要说明的是，本专利技术实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
[0025]在一个具体实施例中，本专利技术可以包括如下步骤：
[0026]步骤1、V2G车桩网资源监测统计
[0027]对V2G运营商服务区域内EVs与服务站容量进行统计与分析，用于构建随机情景集合：
[0028]1.车
‑
桩
‑
网信息交互，实时数据更新，获得车辆参与调度的日前参数(车型，电池容量，电池电量，停靠位置，充放电爬坡能力等)。
[0029]2.根据用户响应电网V2G调度邀约的结果，将同意参与日前调度的EVs归类为协议内EVs，无响应及拒绝邀约的电动汽车视为协议外电动汽车。
[0030]3.协议内EVs：日前承诺参与调度的车辆，以距离优选原则安排于运营商管理的各充放电站，在规定时间前并网，实时响应调度中心充放电、并离网指令。
[0031]4.协议外EVs：随机产生充电需求，并被调度中心优先满足，此类充电需求不受调度中心控制。
[0032]步骤2、随机情景生成
‑
组合
[0033]V2G运营商通过情景生成
‑
组合的方法生成随机情景，应用于V2G调度数学模型的第二阶段约束。在满足一定协议外EVs随机充电需求下，对协议内电动汽车进行充放电优化调度。
[0034]2‑
1.V2G调度资源随机情景
[0035]V2G调度资源随机情景主要包括车辆初始SOC的随机情景和V2G服务站资源随机情景。
[0036]为展现协议内EVs参与调度的SOC随机性，采用协议内电动汽车日前行驶距离对数正态分布模型(1)，通过蒙特卡洛方法获取协议内EVs并网前的行驶距离，作为行驶距离随机参数相应生成随机情景集为SC
D
。
[0037][0038]为描述EVs充放电站可调度资源(可调度容量)随机性。选择平均达到率为恒定的齐次泊松模型描述协议外电动汽车随机到达数量(2)，通过蒙特卡洛方法获取充放电站随本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种最大化运营商收益的基于二阶段随机规划的V2G调度方法，用于至少包括电动汽车、充放电桩和电网构成的能源系统，其特征在于，包括以下步骤：获取运营商服务区域内的电动汽车的日前参数集，同时，向运营商服务区域内的电动汽车发出调度邀约协议，将同意调度邀约协议的电动汽车归类为协议内电动汽车，将无响应及拒绝调度邀约协议的电动汽车归类为协议外电动汽车；基于运营商服务区域内的电动汽车的日前参数集、协议内电动汽车和协议外电动汽车的情况，构建随机情景集合，所述构建随机情景集合在满足协议外电动汽车随机充电需求下，对协议内电动汽车进行充放电优化调度；考虑各个随机因素相互独立，组合生成V2G调度资源和可再生能源发电随机情景，构建最终随机情景，构建在所述最终随机情景下的V2G二阶段随机非线性规划调度模型；求解所述V2G二阶段随机非线性规划调度模型实现最大化V2G运营商总体收益。2.根据权利要求1所述的最大化运营商收益的基于二阶段随机规划的V2G调度方法，其特征在于，所述构建随机情景集合包括V2G调度资源随机情景，所述V2G调度资源随机情景包括以下一种或多种随机情景，如初始SOC的随机情景、V2G服务站资源随机情景，电力供应侧或需求侧负荷不确定性的情景，其中，初始SOC的随机情景：为展现协议内电动汽车参与调度时SOC随机性，采用协议内电动汽车日前行驶距离对数正态分布模型(1)，通过蒙特卡洛方法获取协议内电动汽车并网前的行驶距离，作为行驶距离随机参数相应生成随机情景集为SC
D
；V2G服务站资源随机情景：为展现V2G服务站内可用充放电桩资源的随机性，由于V2G服务站能同时为协议内与协议外电动汽车服务，采用平均达到率为恒定的齐次泊松模型描述协议外电动汽车随机到达数量(2)，通过蒙特卡洛方法获取充放电站随机到达的协议外电动汽车数量，作为到达数量随机参数再相应生成随机情景集SC
Z
。3.根据权利要求2所述的最大化运营商收益的V2G调度二阶段随机规划方法，其特征在于，所述构建随机情景集合还包括风力发电随机情景和光伏发电随机情景，其中，在风力发电随机情景中：根据风力发电维布分布模型(3)，通过拉丁超立方抽样获取风速随机参数；通过同步回代情景削减法(simultaneous backward reduction)减少情景数量，最后通过风机功率拟合模型生成风电出力情景SC
WT
；在光伏发电随机情景中，选取一年的光伏每日发电历史数据，建立光伏发电情景池，通过随机抽样获取光伏发电随机情景，通过同步回代情景削减法生成随机情景SC
PV
。4.根据权利要求3所述的最大化运营商收益的基于二阶段随机规划的V2G调度方法，其特征在于，
考虑各个随机因素相互独立，为将以上四类随机情景SC
D
，SC
Z
，SC
WT
，SC
PV
组合计算，将上述各随机情景交叉组合，生成最终随机情景SC
F
；式(4)用于计算情景组合SC
F
的概率；sc
Z
∈SC
Z
，sc
PV
∈sc
PV
，sc
WT
∈SC
WT
其中P(sc
D
)分别为1/SC
D
，P(sc
Z
)分别为1/SC
Z
；P(sc
PV
)以及P(sc
WT
)通过情景削减算法后确定。5.根据权利要求4所述的最大化运营商收益的基于二阶段随机规划的V2G调度方法，其特征在于，所述V2G二阶段随机非线性规划模型包括目标函数、第一阶段约束条件和第二阶段约束条件。目标函数：目标方程F最大化V2G运营商总体收益，见式(5)；其中，式(6)为电动汽车参与调度的运营商总收益(Rev
EV
)；式(7)为运营商协调电力供给当地负荷和余电上网的总收益(Rev
AG
)；式(8)为运营商在日前和当日购买火电总成本(Cost
B
)；式(9)为运营商管辖的可再生能源发电总成本(Cost
OM
)；式中：式中：式中：式中：第一阶段约束条件:式(10)为电动汽车充放电排斥性约束：调度时段内同一辆电动汽车充电操作和放电操作不能同时发生；式(11
...

【专利技术属性】
技术研发人员：黄玉萍，胡晨，
申请(专利权)人：中国科学院广州能源研究所，
类型：发明
国别省市：