【技术实现步骤摘要】
一种计及电动汽车群双重不确定性的社区备用服务决策方法
[0001]本专利技术涉及一种计及电动汽车群双重不确定性的社区备用服务决策方法,属于电力系统备用服务
技术介绍
[0002]受新能源波动性、随机性等特性影响,未来新型电力系统将面临功角电压稳定、调控复杂等一系列挑战,对电力辅助服务提出更多、更快和更准要求。作为一种公共产品,电力辅助服务贡献是由电力系统各个环节受益,其引发的成本也应由电力市场各类主体共同承担。为鼓励辅助服务市场多元化发展,近年来国家级、地区级辅助服务市场文件政策密集出台,明确“建立电力用户参与承担辅助服务费用的机制,鼓励储能设施、电动汽车等第三方参与辅助服务市场”、要求“引入更多类型的市场主体,提高市场交易的竞争度与活跃度”,进一步丰富电力市场主体类型和提升辅助服务市场灵活性,深入促进资源合理优化配置。
[0003]当前,以住宅和商业建筑为主的社区已成为城市基本用能单元,拥有电动汽车(ElectricVehicle,EV)、电储能(Electrical Energy Storage,EES)和智能家居等大量柔性资源,具有地理位置集中、需求时段规律、个体需求差异大和部分负荷随机性强等特点,是参与电网备用服务的天然主体。另一方面,以EV为代表的柔性资源具有主体多样、信用不一、单体容量小和行为随机等特点,可调时间或容量上均具有较大不确定性,聚合能力难以精确评估,备用服务品质无法保证。因此,急需开展计及电动汽车群双重不确定性的社区备用服务决策方法研究。
技术实现思路
[00 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.一种计及电动汽车群双重不确定性的社区备用服务决策方法,其特征在于,所述方法包括:预先构建电动汽车群月度备用合约机制;向场景分析法程序输入EV群入网电量历史参数,设置目标场景数,采用场景分析法求解EV群入网电量场景集及其概率,建立EV群入网电量不确定性模型;向场景分析法程序输入EV群响应率模型参数及范围,采用拉丁超采样法均匀抽样生成同一调用激励下EV群响应率数据,建立EV群响应率不确定性模型;基于电动汽车群月度备用合约机制、EV群入网电量不确定性模型和EV群响应率不确定性模型,构建以收益最大为目标的社区备用服务决策模型;结合遗传算法与混合整数规划法求解社区备用服务决策模型,得到社区最优申报备用容量、电动汽车群激励价格、电动汽车群和储能放电策略。2.根据权利要求1所述的计及电动汽车群双重不确定性的社区备用服务决策方法,其特征在于,所述电动汽车群月度备用合约机制的约束包括:1)合约周期M和备用时段[t
s
,t
e
]考虑到合约时效性和可执行性,合约天数为M;备用时段是指备用开始时刻
ts
至备用结束时刻t
e
;2)入网时间/离网时间为实现备用时段内第k(k∈K)辆EV具备调用能力,对其和进行约束,如式(1)所示:式中:Δt
gap
为社区设定的备用缓冲时间;3)入网电量/离网期望电量EV参与备用时仍需满足用户出行需求,包括:
①
第k辆EV离网时刻其电量需大于等于离网期望电量
②
第k辆EV电量需始终大于等于保底电量以实现用户不定时用车需求;
③
为实现EV可调用性,第k辆EV入网电量需大于某一电量阈值,如式(2)所示:式中:为EV最小入网电量阈值,kWh;4)EV运行约束EV应满足充放电功率、储电量等多个约束条件,如式(3)所示;
式中:为t时刻第k辆EV的充电功率、为t时刻第k辆EV的放电功率,kW;为EV的最大充电功率、为EV的最大放电功率,kW;σ
EV
为EV自放电率,%;η
EV,c
为EV充电效率、η
EV,d
为EV放电效率,kW;为t时刻第k辆EV充电状态变量、为t时刻第k辆EV放电状态变量,为0
‑
1变量;Δt为仿真时长,h;为EV最小储电量、为EV最大储电量,kWh;5)EV调用约束为避免过多、频繁调用EV,对合约周期内EV调用行为进行规范,如式(4)所示:式中:N
d,k
为第m天第k辆EV调用状态,1为被调用,0为未被调用;为合约周期内第k辆EV最大允许调用次数;为备用时段内第k辆EV最大允许调用持续时间,h;E
d,max
为EV允许的日最大放电量,kWh,式(4)中,第1个公式为EV累计调用次数约束;第2个公式是EV日调用持续时间约束;第3个公式是指备用时段内EV最多调用1次;第4个公式为EV日最大放电量约束;6)EV备用激励R
EV
类比于电网侧备用市场
[4]
,EV备用激励R
EV
由基础备用激励R
EV,base
和调用备用激励R
EV,act
组成;式中:是指社区为激励第k辆EV参与备用而给予的基础激励费用,按天计算,与第k辆EV是否被调用无关,如式(6)所示;式中:γ
base
为基础激励价格,元/天;D
k
为第k辆EV提供的备用天数,天。第k辆EV调用备用激励是根据其实际调用程度而给予的激励费用,如式(7)所示;式中:γ为调用激励价格,元/kWh。3.根据权利要求1所述的计及电动汽车群双重不确定性的社区备用服务决策方法,其特征在于,所述建立EV群入网电量不确定性模型包括:场景生成和场景缩减;
所述场景生成:选择充电设施运行监测平台历史数据建立EV入网电量场景分析模型,将平台每次监测到的EV入网电量看作一个场景w,平台监测到的EV入网电量场景集合称为场景集W
*
;所述场景削减:对EV入网电量场景集进行削减得到目标场景数W,合并相近场景后给出多个EV入网电量场景及相应概率。4.根据权利要求3所述的计及电动汽车群双重不确定性的社区备用服务决策方法,其特征在于,所述EV入网电量目标场景数为W的计算过程,包括:1)由第X
w
(w=1,2,
…
,W
*
)类场景表征,对应概率为区间可信度π
w
;2)采用区间均值之差的绝对值表示场景X
w
和X
k
之间的Kantorovich距离,D(X
w
,X
k
技术研发人员:陈璐,高辉,蒋国平,徐霄,杨璐彤,隋永波,
申请(专利权)人:南京邮电大学,
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。