一种引导电动汽车有序充电的优化调度方法技术

一种引导电动汽车有序充电的优化调度方法，包含以下步骤：S1、基于蒙特卡洛法建立电动汽车无序充电负荷预测模型；S2、在步骤S1的电动汽车无序充电负荷预测模型中引入碳交易机制，计算发电企业的碳排放量和碳配额；S3、在常规阶梯碳价中引入奖励系数ξ1及碳交易成本增长率τ1，建立奖惩式阶梯碳价模型；S4、建立基于奖惩式阶梯碳价的动态分时电价模型；S5、建立电动汽车电价调控模型；S6、建立电动汽车有序充电多目标优化函数；S7、采用多目标非支配遗传NSGA

【技术实现步骤摘要】
一种引导电动汽车有序充电的优化调度方法


[0001]本专利技术涉及充电调度
，尤其是涉及一种引导电动汽车有序充电的优化调度方法。

技术介绍

[0002]近几年来，电动汽车受到了广泛地关注，其中纯电动汽车作为新能源汽车的代表，与传统的燃油汽车相比以电代油，具有诸多优点，如行驶成本低、温室气体排放少、噪声小、能量转化率高以及能源多样化等；因此，电动汽车成为电力及交通领域实现脱碳路径的重要手段；作为我国能源互联网的重要构成部分，未来电动汽车的保有量会持续增加，但大量电动汽车的无序充电会引发电力系统峰值负荷增加，对电能品质产生影响，以及使配电网的车——网调度面临新的挑战等问题；譬如在晚上用电高峰期，电动汽车充电导致了“峰上加峰”的现象出现，对电网造成了较大的冲击；如何让电动汽车与配电网实现安全、可靠、经济的良性互动已是目前亟需解决的问题；
[0003]根据消费心理学，价格差异会影响用户的消费方式；根据价格变动，用户选择接受当前价格或改变充电时间等；传统研究集中于用分时电价去调控电动汽车用户的充电行为，进而引导电动汽车进行有序充电；然而，电动汽车电力供给上游发电企业仍存在燃烧化石能源生产的现状，并产生大量的CO2；目前，国内电力行业主要采用无偿分配的方式进行初始碳排放额分配；发电企业在发电的过程中会产生的碳排放量超过碳配额的时候，则需要去购买碳排放权，充裕的碳排放配额可以在碳市场中进行交易获利；因此以电动汽车为主体，研究碳交易机制下新型电力市场
‑
碳市场的有序充电调度机制显得至关重要；
[0004]中国专利(公开号：CN2022103462134)公开了一种考虑需求响应和碳交易的虚拟电厂优化调度方法；该专利提出了一种电动汽车、水蓄冷空调的灵活可控负荷和分布式电源参与电力市场和碳交易市场的虚拟电厂优化调度方法；然而，上述专利仅考虑碳排放量交易价格采用固定数值，因此对企业的碳排量的约束或激励作用并未体现出来；
[0005]中国专利(公开号：CN2018110881615)公开了计及碳交易机制和需求响应的综合能源系统模型构建方法；该专利提出了一种利用信息间隙理论构建需求侧电、热、冷多元负荷的不确定性，并建立阶梯式碳交易和需求响应的综合能源系统调度模型；然而，上述专利仅考虑阶梯式碳交易价格和综合能源系统实际碳排放量的关联关系，未考虑碳交易量价格和分时电价的内在耦合关系，以及对碳交易机制中关键参数进行定量分析。

技术实现思路

[0006]为了克服
技术介绍
中的不足，本专利技术公开了一种引导电动汽车有序充电的优化调度方法。
[0007]为实现上述专利技术目的，本专利技术采用如下技术方案：
[0008]一种引导电动汽车有序充电的优化调度方法，包含以下步骤：
[0009]S1、基于蒙特卡洛法建立电动汽车无序充电负荷预测模型；
[0010]S2、在步骤S1的电动汽车无序充电负荷预测模型中引入碳交易机制，计算发电企业的碳排放量和碳配额；
[0011]E
ct
＝δ
P
P
Mt
[0012]E
Pt
＝c1P
Mt
[0013]其中：E
ct
为t时刻所获的碳配额；E
Pt
为t时刻的碳排放量；P
Mt
为t时刻发电机组的有功出力，单位为kW，δ
P
为单位发电量碳排放配额，取0.798kg/kWh； c1为电力碳排放因子，表征每度电产生的CO2排量，取0.8386kg/kWh；
[0014]S3、在常规阶梯碳价中引入奖励系数ξ1及碳交易成本增长率τ1，建立奖惩式阶梯碳价模型；
[0015]S4、建立基于奖惩式阶梯碳价的动态分时电价模型；
[0016][0017]X
t0
＝X0λ1/λ0[0018]a1＝a0τ1/τ0[0019]b1＝b0ξ1/ξ0[0020][0021]P
max
＝max(P
t0
+P
tEV
)
[0022]P
min
＝min(P
t0
+P
tEV
)
[0023]其中：X0为初始电价；Y0为电价下降区间，单位为MW，由日总负荷平均值与最低值的差值除以上升区间个数求得；Y1为电价上升区间，由日总负荷最高值与平均值的差值除以上升区间个数求得，单位为MW；P
av
表示日总负荷的平均值；P
t0
为t时刻不含电动汽车负荷的电网原负荷，单位为MW；P
tEV
为t 时刻的电动汽车负荷，单位为MW；T为每日时刻的分段数；X
t0
表示t时刻，在奖惩式阶梯碳价影响下的初始电价；P
max
表示一日内的最大总负荷，单位为 MW；P
min
表示一日内的最小总负荷，单位为MW；λ0为初始碳交易成本基价；τ0为初始碳交易成本增长率，取0.3；a1表示奖惩式阶梯碳价影响下的电价增长系数；a0为初始电价增长系数；ξ1为初始奖励系数，取0.2；b1表示奖惩式阶梯碳价影响下的电价下降系数；b0为初始电价下降系数；
[0024]S5、建立电动汽车电价调控模型；
[0025][0026]P
tEVnew
＝ρP
tEV
[0027]P
总
＝P
t0
+P
tEVnew
[0028]其中，P
tEVnew
为电价发生变化后，t时刻电动汽车负荷功率；P
总
为电网总负荷；
[0029]S6、建立电动汽车有序充电多目标优化函数；
[0030][0031]其中：为通过分时电价调度之后电网总负荷的平均值，单位为kW；T 为每日时刻的分段数；F1为电网原始负荷与电动汽车充电负荷相叠加的峰谷均方差最小的目标函数；F2为电动汽车充电用户总费用最小的目标函数，单位为万元；F3为发电企业碳交易成本最小的目标函数，单位为万元；
[0032]S7、采用多目标非支配遗传NSGA
‑
II求解算法；通过步骤S1～S6得出目标函数F1～F3；循环上述步骤N次，得到N个种群的目标函数；对N个种群的目标函数进行非支配排序以及种群个体拥挤度的计算；然后进入种群进化循环阶段，并对子代进行目标函数评估，得出子代的三个目标函数；将父代种群(N) 和子代种群(N)合并(2N)，对合并后种群的三个目标函数再次进行非支配排序及拥挤度的计算，通过精英保留策略得到新的父代(N)，直到进化代数达到所设置的最大代数；迭代结束后，合并每次运行中获得的Pareto解决方案，在合并后的Pareto解决方案上应用非支配排序，筛选出等级为1的Pareto最佳解决方案。
[0033]优选的，步骤S1中设定每日居民用户的返回时刻t0服从期望为μ
t
，方差为σ
t2
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种引导电动汽车有序充电的优化调度方法，其特征是：包含以下步骤：S1、基于蒙特卡洛法建立电动汽车无序充电负荷预测模型；S2、在步骤S1的电动汽车无序充电负荷预测模型中引入碳交易机制，计算发电企业的碳排放量和碳配额；E
ct
＝δ
P
P
Mt
E
Pt
＝c1P
Mt
其中：E
ct
为t时刻所获的碳配额；E
Pt
为t时刻的碳排放量；P
Mt
为t时刻发电机组的有功出力，单位为kW，δ
P
为单位发电量碳排放配额，取0.798kg/kWh；c1为电力碳排放因子，表征每度电产生的CO2排量，取0.8386kg/kWh；S3、在常规阶梯碳价中引入奖励系数ξ1及碳交易成本增长率τ1，建立奖惩式阶梯碳价模型；S4、建立基于奖惩式阶梯碳价的动态分时电价模型；X
t0
＝X0λ1/λ0a1＝a0τ1/τ0b1＝b0ξ1/ξ0P
max
＝max(P
t0
+P
tEV
)P
min
＝min(P
t0
+P
tEV
)其中：X0为初始电价；Y0为电价下降区间，单位为MW，由日总负荷平均值与最低值的差值除以上升区间个数求得；Y1为电价上升区间，由日总负荷最高值与平均值的差值除以上升区间个数求得，单位为MW；P
av
表示日总负荷的平均值；P
t0
为t时刻不含电动汽车负荷的电网原负荷，单位为MW；P
tEV
为t时刻的电动汽车负荷，单位为MW；T为每日时刻的分段数；X
t0
表示t时刻，在奖惩式阶梯碳价影响下的初始电价；P
max
表示一日内的最大总负荷，单位为MW；P
min
表示一日内的最小总负荷，单位为MW；λ0为初始碳交易成本基价；τ0为初始碳交易成本增长率，取0.3；a1表示奖惩式阶梯碳价影响下的电价增长系数；a0为初始电价增长系数，取值范围为0.05～0.389；ξ1为初始奖励系数，取0.2；b1表示奖惩式阶梯碳价影响下的电价下降系数；b0为初始电价下降系数，取值范围为0～0.1735；S5、建立电动汽车电价调控模型；
P
tEVnew
＝ρP
tEV
P
总
＝P
t0
+P
tEVnew
其中，P
tEVnew
为电价发生变化后，t时刻电动汽车负荷功率；P
总
为电网总负荷；S6、建立电动汽车有序充电多目标优化函数；其中：为通过分时电价调度之后电网总负荷的平均值，单位为kW；T为每日时刻的分段数；F1为电网原始负荷与电动汽车充电负荷相叠加的峰谷均方差最小的目标函数；F2为电动汽车充电用户总费用最小的目标函数，单位为万元；F3为发电企业碳交易成本最小的目标函数，单位为万元；S7、采用多目标非支配遗传NSGA
‑
II求解算法；通过步骤S1～S6得出目标函数F1～F3；循环上述步骤N次，得到N个种群的目标函数；对N个种群的目标函数进行非支配排序以及种群个体拥挤度的计算；然后进入种群进化循环阶段，并对子代进行目标函数评估，得出子代的三个目标函数；将父代种群(N)和子代种群(N)合并(2N)，对合并后种群的三个目标函数再次进行非支配排序及拥挤度的计算，通过精英保留策略得到新的父代(N)，直到进化代数达到所设置...

【专利技术属性】
技术研发人员：王均，黄钶然，吴兰，许潇，姜伟，黄明山，汪显博，张孝远，李斌全，
申请(专利权)人：河南工业大学，
类型：发明
国别省市：