一种计及气候变化的电动汽车充电站储能优化配置方法技术

一种计及气候变化的电动汽车充电站储能优化配置方法，根据电动汽车充电站在不同季节下进行充电的负荷预测模型，建立计及电动汽车充电负荷特性的充电站储能优化配置双层优化模型，该双层优化模型的外层以储能全寿命净成本最小为目标函数，解决储能容量规划问题，而内层根据外层得到的相关参数以储能运行净成本最小为目标，解决运行优化问题，内外层模型交替求解。本发明专利技术利用储能双层优化配置方法得出电动汽车充电站储能配置方案，使得配置结果的经济性最优；本发明专利技术计及不同季节下温度对电动汽车充电负荷以及储能系统出力的影响，因此可以保证对于电动汽车充电站充电负荷估计的季节性变化和准确性，也能够保证储能配置的可靠性。靠性。靠性。

【技术实现步骤摘要】
一种计及气候变化的电动汽车充电站储能优化配置方法


[0001]本专利技术涉及一种电动汽车充电站储能优化配置方法。特别是涉及一种计及气候变化的电动汽车充电站储能优化配置方法。

技术介绍

[0002]伴随着新能源政策的提出进一步加速了新能源的发展。为了实现节能减排，其中关键举措便是促进电动汽车发展。我国电动汽车增量连续三年超过100万辆，目前呈现高速增长趋势，但电动汽车的大量并网为配电网安全稳定运行带来了挑战。储能系统凭借其快速的功率调节和灵活的能量管理能力，为解决电动汽车并网问题提供了新的思路。
[0003]为电动汽车充电站配置储能前需要对充电站进行负荷预测，目前对于电动汽车充电负荷的研究
[1
‑
4]，主要分为基于充电时段的蒙特卡洛负荷预测模型、基于充电概率的统计学负荷预测模型以及考虑时空分布基于出行链的预测模型，但这些充电负荷预测方法并未计及环境因素的影响，因此为了充分研究季节因素对电动汽车充电负荷的影响，需要将典型日中环境温度与概率模型相结合。
[0004]针对储能容量优化配置国内外学者也开展了大量研究，一般储能配置的目标都是以经济性最优为主，同时实现其他功能进行配置。文献[5
‑
6]计及储能系统的寿命考虑储能参与多种能量市场以收益最高为目标，进行优化配置，文献[7
‑
9]研究了复合储能的配置方法，以投资及运行成本最小为目标，同时减轻了新能源发电对电力系统带来的冲击、提高了新能源发电渗透率，文献[10
‑
12]考虑储能的经济性与平抑新能源出力功率波动对输电网规划影响，建立了多目标函数实现了储能容量优化配置，满足装置成本最低、功率匹配最佳、可再生能源输出功率平滑度最好。因此将储能优化配置方法应用于电动汽车充电站中有助于实现经济性最优。

技术实现思路

[0005]本专利技术所要解决的技术问题是，提供一种使得配置结果经济性最优的计及气候变化的电动汽车充电站储能优化配置方法。
[0006]本专利技术所采用的技术方案是：一种计及气候变化的电动汽车充电站储能优化配置方法，根据电动汽车充电站在不同季节下进行充电的负荷预测模型，建立计及电动汽车充电负荷特性的充电站储能优化配置双层优化模型，该双层优化模型的外层以储能全寿命净成本最小为目标函数，解决储能容量规划问题，而内层根据外层得到的相关参数以储能运行净成本最小为目标，解决运行优化问题，内外层模型交替求解；具体包括如下步骤：
[0007]1)通过蒙特卡洛算法生成不同季节下电动汽车充电站的充电负荷预测模型；包括：
[0008](1.1)初始化蒙特卡洛算法的抽样次数，并输入电动汽车数目、电池容量、百公里耗电量与季节温度；
[0009](1.2)确定起始充电时刻的概率密度函数；
[0010](1.3)计算计及季节因素的电动汽车耗电情况E
use
；
[0011](1.4)对于超过电动汽车电池额定容量75％的耗电量，修正起始充电时刻，是采用如下修正模型进行修正：
[0012][0013](1.5)计算每辆电动汽车的充电时长T
c
：
[0014][0015]式中，η
T
为温度T下充放电效率，P
EV
表示为电动汽车充电功率；η
T
的计算方法采用
[0016]Arrhenius衍生方程建立充放电效率模型，如式(3)所示：
[0017]η
T
＝ηζ(T)/ζ(T
ref
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0018]其中，η为标准温度下电池充放电效率，T
ref
为标准参考温度，ζ(T)为温度T下的根据 Arrhenius衍生方程得到的算数值，ζ(T
ref
)为温度T
ref
下的根据Arrhenius衍生方程得到的算数值；Arrhenius衍生方程如式(4)所示。
[0019][0020]其中，A，R，E0和m为Arrhenius方程的系数值，与电池储能系统材料相关；
[0021](1.6)将全部电动汽车的充电负荷进行叠加：
[0022][0023]式中，P
EVsum
为全部电动汽车总充电负荷；M为电动汽车数量；J为划分的时段数；为第i辆电动汽车在时刻j的充电功率；
[0024](1.7)重复以上步骤(1.2)～(1.6)，直到达到最大抽样次数，得到典型日下电动汽车充电站负荷；
[0025]2)建立计及电动汽车充电负荷特性的充电站储能优化配置双层优化模型，该双层优化模型的外层模型以储能全寿命净成本最小为目标函数，解决储能容量规划问题，而内层模型根据外层得到的相关参数以储能运行净成本最小为目标，解决运行优化问题，对内层模型的约束条件中的电动汽车充电站满足功率、电压和电流的约束条件进行锥优化；并对锥优化后的内层模型进行求解；将内层模型优化运行结果输出到外层模型中；根据外层模型的目标函数，得到电池储能系统在储能的额定容量、额定功率和初始荷电状态条件下的年均电动汽车充电站购电成本、年均电池储能系统空调电费和年均电池储能系统衰减成本。
[0026]本专利技术的一种计及气候变化的电动汽车充电站储能优化配置方法，通过蒙特卡洛算法计算计及季节温度影响的电动汽车充电站负荷，利用储能双层优化配置方法得出电动汽车充电站储能配置方案，使得配置结果的经济性最优；本专利技术计及不同季节下温度对电动汽车充电负荷以及储能系统出力的影响，因此可以保证对于电动汽车充电站充电负荷估计的季节性变化和准确性，也能够保证储能配置的可靠性。
附图说明
[0027]图1是本专利技术一种计及气候变化的电动汽车充电站储能优化配置方法的流程图；
[0028]图2是充电负荷预测算法流程图；
[0029]图3是储能配置内层模型流程图；
[0030]图4是储能配置外层模型流程图；
[0031]图5是电动汽车充电站示意图；
[0032]图6是光伏在不同季节下出力曲线；
[0033]图7是不同季节下温度曲线；
[0034]图8a是春秋季节下电动汽车充电站负荷曲线；
[0035]图8b是夏季电动汽车充电站负荷曲线；
[0036]图8c是冬季电动汽车充电站负荷曲线；
[0037]图9是各场景下成本与收益。
具体实施方式
[0038]下面结合实施例和附图对本专利技术的一种计及气候变化的电动汽车充电站储能优化配置方法做出详细说明。
[0039]如图1所示，本专利技术的一种计及气候变化的电动汽车充电站储能优化配置方法，首先根据电动汽车充电站在不同季节下进行充电的负荷预测模型，建立计及电动汽车充电负荷特性的充电站储能优化配置双层优化模型，该双层优化模型的外层以储能全寿命净成本最小为目标函数，解决储能容量规划问题，而内层根据外层得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种计及气候变化的电动汽车充电站储能优化配置方法，其特征在于，根据电动汽车充电站在不同季节下进行充电的负荷预测模型，建立计及电动汽车充电负荷特性的充电站储能优化配置双层优化模型，该双层优化模型的外层以储能全寿命净成本最小为目标函数，解决储能容量规划问题，而内层根据外层得到的相关参数以储能运行净成本最小为目标，解决运行优化问题，内外层模型交替求解；具体包括如下步骤：1)通过蒙特卡洛算法生成不同季节下电动汽车充电站的充电负荷预测模型；包括：(1.1)初始化蒙特卡洛算法的抽样次数，并输入电动汽车数目、电池容量、百公里耗电量与季节温度；(1.2)确定起始充电时刻的概率密度函数；(1.3)计算计及季节因素的电动汽车耗电情况E
use
；(1.4)对于超过电动汽车电池额定容量75％的耗电量，修正起始充电时刻，是采用如下修正模型进行修正：(1.5)计算每辆电动汽车的充电时长T
c
：式中，η
T
为温度T下充放电效率，P
EV
表示为电动汽车充电功率；η
T
的计算方法采用Arrhenius衍生方程建立充放电效率模型，如式(3)所示：其中，η为标准温度下电池充放电效率，T
ref
为标准参考温度，为温度T下的根据Arrhenius衍生方程得到的算数值，为温度T
ref
下的根据Arrhenius衍生方程得到的算数值；Arrhenius衍生方程如式(4)所示。其中，A，R，E0和m为Arrhenius方程的系数值，与电池储能系统材料相关；(1.6)将全部电动汽车的充电负荷进行叠加：式中，P
EVsum
为全部电动汽车总充电负荷；M为电动汽车数量；J为划分的时段数；为第i辆电动汽车在时刻j的充电功率；(1.7)重复以上步骤(1.2)～(1.6)，直到达到最大抽样次数，得到典型日下电动汽车充电站负荷；2)建立计及电动汽车充电负荷特性的充电站储能优化配置双层优化模型，该双层优化模型的外层模型以储能全寿命净成本最小为目标函数，解决储能容量规划问题，而内层模型根据外层得到的相关参数以储能运行净成本最小为目标，解决运行优化问题，对内层模型的约束条件中的电动汽车充电站满足功率、电压和电流的约束条件进行锥优化；并对锥
优化后的内层模型进行求解；将内层模型优化运行结果输出到外层模型中；根据外层模型的目标函数，得到电池储能系统在储能的额定容量、额定功率和初始荷电状态条件下的年均电动汽车充电站购电成本、年均电池储能系统空调电费和年均电池储能系统衰减成本。2.根据权利要求1所述的一种计及气候变化的电动汽车充电站储能优化配置方法，其特征在于，步骤1)的第(1.2)步包括：(1.2.1)电动汽车日行驶里程数函数f
D
(s)：式中，s为日行驶里程数；μ
D
和σ
D
分别为电动汽车日行驶里程数函数f
D
(s)的期望和标准差；(1.2.2)电动汽车起始充电时刻函数f
S
(t)：式中，t为起始充电时刻；μ
s
和σ
s
分别为电动汽车起始充电时刻函数f
S
(t)的期望和标准差。3.根据权利要求1所述的一种计及气候变化的电动汽车充电站储能优化配置方法，其特征在于，步骤1)的第(1.3)步包括：包括：(1.3.1)当季节是春季或秋季时，计算电动汽车耗电情况E
use
如式(8)所示：E
use
＝sW
100
/100
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(8)式中，W
100
为电动汽车行驶百公里消耗电能；(1.3.2)当季节时夏季或冬季时，需要考虑电动汽车内空调耗电，计算电动汽车耗电情况E
use
如式(9)所示：E
use
＝sW
100
/100+sP
air
/v
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(9)式中，v表示电动汽车的平均行驶速度，P
air
表示该季节下电动汽车空调功率。4.根据权利要求1所述的一种计及气候变化的电动汽车充电站储能优化配置方法，其特征在于，步骤2)所述的双层优化模型的内层模型的目标函数，包括：(2.1)以储能运行成本最小为目标函数f
evstation
，目标函数如下：f
evstation
＝min(λ1C
buy
+λ2C
MAR
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(10)其中，C
buy
为电动汽车充电站购电成本，C
MAR
为储能系统运行时电池边际退化成本，λ1,λ2分别为电动汽车充电站购电成本的权重值和储能系统运行时电池边际退化成本的权重值；其中，电动汽车充电站购电成本C
buy
为：其中，P
EV
(t)为t时刻电动汽车充电功率，P
ess
(t)为t时刻储能系统输出功率，储能系统放电为正，充电为负，π(t)是时刻t的电价；储能系统运行时电池边际退化成本C
MAR
为：
其中，π
BESS
(t)是电池在t时刻的边际退化价格，即：其中，C
BESS
为电池储能系统的初始投资成本，计算方式如式(14)所示，ξ
cyc
为电池循环衰减，计算方式如式(9)所示：C
BESS
＝C
E
E
rate
+C
P
P
rate
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(14)其中，E
rate
和P
rate
分别为电池储能系统的额定容量和额定功率，C
E
和C
P
分别为电池储能系统单位容量成本价格和单位功率成本价格；其中，DOD
i
是第id个电池储能系统充放电半周期的放电深度，T
i,avg
是第id个电池储能系统充放电半周期储能系统的平均温度，考虑到储能运行中自放热，电池储能系统通常会使环境温度升高，nd为一天中充放电半周期个数；其中，f
d,dod
(DOD)＝k1DOD2+k2DOD
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(16)其中，k为设定的参数。5.根据权利要求1所述的一种计及气候变化的电动汽车充电站储能优化配置方法，其特征在于，步骤2)所述的双层优化模型的内层模型的约束条件如下：电动汽车充电站满足功率、电压和电流的约束条件：P(t)＝P
EVsum
(t)
‑
P
ess
(t)+I2(t)
×
R
ꢀꢀ
(18)其中，P(t)为t时刻电动汽车充电站处需要的总功率，I(t)为t时刻上级电网传送给电动汽车充电站的电流，R为电动汽车充电站处线路的电阻；其中，其中，V(t)为t时电动汽车充电站处电压，满足：(V
min

【专利技术属性】
技术研发人员：李科，皇甫霄文，徐弢，于昊正，吴玉菡，许长清，毛玉宾，孙义豪，马杰，郭勇，杨卓，丁岩，全少理，郭新志，樊江川，张又文，
申请(专利权)人：天津大学，
类型：发明
国别省市：