【技术实现步骤摘要】
一种电动汽车参与需求响应控制方法及系统
[0001]本专利技术涉及负荷需求响应控制
，尤其涉及一种电动汽车参与需求响应控制方法及系统。
技术介绍
[0002]随着电动汽车技术和充电设施的快速发展，且为实现“双碳”目标，减小化石能源开采量，未来电动汽车数量必将剧增。大量电动汽车负荷充电运行可能会造成多节点型的负荷功率扰动，影响公共耦合点电压稳定，且给混合微电网群的协同控制带来影响。为了解决上述问题，部分技术基于离散主从一致性算法利用家庭用电负荷如：空调等参与系统需求响应控制，并建立多智能体能量管理系统。
[0003]但上述算法无法快速消除总功率动态偏差，从而导致削峰填谷不理想、系统动态控制性能差和响应速率慢的问题。
技术实现思路
[0004]有鉴于此，本专利技术的目的在于提出电动汽车参与需求响应控制方法，以解决传统一致性算法无法快速消除总功率动态偏差，从而导致削峰填谷不理想、系统动态控制性能差和响应速率慢的问题。
[0005]基于上述目的，本专利技术提供了一种电动汽车参与需求响应控制方法，包括：
[0006]S101：开始；
[0007]S102：由初始负荷计算主导智能体和多个跟随智能体的成本微增率η
i
初始值，并根据响应负荷极限确定行随机矩阵Dn；
[0008]S103：由主导智能体计算实时响应负荷总功率偏差ΔP[k]；
[0009]S104：判断需计算的智能体是否为主导智能体，如果否，执行S107，如果是，执行S111；>[0010]S105：遵循其极限值分配响应负荷指标；
[0011]S106：该智能体退出，更新Dn重新计算；
[0012]S107：根据公式(26)计算跟随智能体第k+1次η
f[k+1]；
[0013][0014]其中，σ为跟随智能体的收敛系数，d
ij
为行随机矩阵Dn中第(i,j)个元素，n代表智能体个数；
[0015]S108：计算跟随智能体下电动汽车集群响应负荷量；
[0016]S109：判断是否超过响应负荷极限，如果是，执行S105，如果否，执行S110；
[0017]S110：判断所有跟随智能体分析计算是否完成，如果否，执行S107，如果是，执行S114；
[0018]S111：根据公式(25)计算主导智能体第k+1次η
l[k+1][0019][0020]其中，μ为主导智能体的收敛系数，d
ij
为行随机矩阵Dn中第(i,j)个元素，n代表智能体个数；
[0021]S112：计算主导智能体下电动汽车集群响应负荷量；
[0022]S113：判断是否超过响应负荷极限，如果是，执行S105，如果否，执行S114；
[0023]S114：计算各智能体响应负荷指标，作累和；
[0024]S115：计算第k+1次实时响应负荷总功率偏差ΔP
[k+1]；
[0025]S116：判断ΔP
[k+1]是否在允许误差范围内，如果是，执行S117，如果否，执行S104；
[0026]S117：输出各智能体响应负荷指标，结束。
[0027]可选的，所述S108和S112中均通过公式(23)计算获得电动汽车集群响应负荷量：
[0028][0029]其中，P
Di
为第i个电动汽车集群响应负荷量，α
i
、β
i
为需求侧负荷响应成本函数的二次项、一次项系数。
[0030]可选的，所述公式(23)通过公式(11)代入公式(17)推导得到：
[0031][0032][0033]定义C
i
对P
Di
的偏导数η
i
为所述第i个电动汽车集群负荷响应的成本微增率，C
i
为第i个电动汽车集群负荷响应成本，γ
i
为用户收益系数。
[0034]可选的，根据削峰、填谷的电动汽车负荷响应成本模型推导出所述公式(11)，所述削峰、填谷的电动汽车负荷响应成本模型包括：
[0035]定义电动汽车负荷削减前，供给侧的收入为：
[0036][0037]其中，p
r
为需求侧零售电价，分时电价机制使得p
r
随时段变化，P
LB,i,t
为电动汽车基本负荷，n为电动汽车集群总数；
[0038]电动汽车负荷削减后，用户获得的奖励等价于需求侧的需求响应管理成本表示为：
[0039][0040]其中，分别为需求响应管理成本函数的二次项、一次项系数，为收益系数，若用户积极性低、削减负荷需求量大，则取值大，为t时刻基于激励型需求响应的第i个电动汽车集群削减负荷量，T为时段集合；
[0041]电动汽车负荷削减后，供给侧的收入为：
[0042][0043]系统削减负荷的需求响应成本为：
[0044][0045]将式(1)—(3)代入式(4)，得到系统削峰的需求响应成本为：
[0046][0047]电动汽车负荷增加后，用户获得的奖励为需求侧的需求响应管理成本，表示为：
[0048][0049]其中，分别为需求响应管理成本函数的二次项、一次项系数，为收益系数，等价于参与填谷的用户最低收益，为t时刻第i个电动汽车集群增加负荷量；
[0050]电动汽车负荷增加后，供给侧的收入为：
[0051][0052]系统增加负荷的需求响应成本为：
[0053][0054]将式(1)、式(6)和式(7)代入式(8)后，得到系统填谷的需求响应成本为：
[0055][0056]综合式(5)和式(9)，可得系统削峰或填谷时的负荷响应成本模型，如式(10)所示。
[0057][0058]可选的，所述负荷总功率偏差ΔP为：
[0059][0060]其中，δP
D
为系统响应负荷总指标(kW)，实时响应负荷量的累和值。
[0061]可选的，所述公式(25)和公式(26)的推导过程包括：
[0062]传统离散平均一致性协议：
[0063][0064]其中，x
i
表示第i个智能体的一致性状态变量，k为迭代次数；Ni为智能体i的邻近通信智能体集合，a
ij
为邻接矩阵A中的元素，表示智能体i和智能体j间通信连接线的权重系数，存在通信连接时为1，否则为0；
[0065]所述邻接矩阵A的拉普拉斯矩阵L中元素l
ij
为：
[0066][0067]为便于离散平均一致性协议的应用，根据式(19)、式(20)利用矩阵L中元素l
ij
将传统离散平均一致性协议表达式变换为如公式(21)所示的离散平均一致性协议公式：
[0068][0069][0070]其中，d
ij
为行随机矩阵Dn中第(i,j)个元素；<本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种电动汽车参与需求响应控制方法，其特征在于，包括：S101：开始；S102：由初始负荷计算主导智能体和多个跟随智能体的成本微增率η
i
初始值，并根据响应负荷极限确定行随机矩阵Dn；S103：由主导智能体计算实时响应负荷总功率偏差ΔP[k]；S104：判断需计算的智能体是否为主导智能体，如果否，执行S107，如果是，执行S111；S105：遵循其极限值分配响应负荷指标；S106：该智能体退出，更新Dn重新计算；S107：根据公式(26)计算跟随智能体第k+1次η
f[k+1]
；其中，σ为跟随智能体的收敛系数，d
ij
为行随机矩阵Dn中第(i,j)个元素，n代表智能体个数；S108：计算跟随智能体下电动汽车集群响应负荷量；S109：判断是否超过响应负荷极限，如果是，执行S105，如果否，执行S110；S110：判断所有跟随智能体分析计算是否完成，如果否，执行S107，如果是，执行S114；S111：根据公式(25)计算主导智能体第k+1次η
l[k+1]
其中，μ为主导智能体的收敛系数，d
ij
为行随机矩阵Dn中第(i,j)个元素，n代表智能体个数；S112：计算主导智能体下电动汽车集群响应负荷量；S113：判断是否超过响应负荷极限，如果是，执行S105，如果否，执行S114；S114：计算各智能体响应负荷指标，作累和；S115：计算第k+1次实时响应负荷总功率偏差ΔP
[k+1]
；S116：判断ΔP
[k+1]
是否在允许误差范围内，如果是，执行S117，如果否，执行S104；S117：输出各智能体响应负荷指标，结束。2.根据权利要求1所述的一种电动汽车参与需求响应控制方法，其特征在于，所述S108和S112中均通过公式(23)计算获得电动汽车集群响应负荷量：其中，P
Di
为第i个电动汽车集群响应负荷量，α
i
、β
i
为需求侧负荷响应成本函数的二次项、一次项系数。3.根据权利要求2所述的一种电动汽车参与需求响应控制方法，其特征在于，所述公式(23)通过公式(11)代入公式(17)推导得到：(23)通过公式(11)代入公式(17)推导得到：
定义C
i
对P
Di
的偏导数η
i
为所述第i个电动汽车集群负荷响应的成本微增率，C
i
为第i个电动汽车集群负荷响应成本，γ
i
为用户收益系数。4.根据权利要求3所述的一种电动汽车参与需求响应控制方法，其特征在于，根据削峰、填谷的电动汽车负荷响应成本模型推导出所述公式(11)，所述削峰、填谷的电动汽车负荷响应成本模型包括：定义电动汽车负荷削减前，供给侧的收入为：其中，p
r
为需求侧零售电价，分时电价机制使得p
r
随时段变化，P
LB,i,t
为电动汽车基本负荷，n为电动汽车集群总数；电动汽车负荷削减后，用户获得的奖励等价于需求侧的需求响应管理成本表示为：其中，分别为需求响应管理成本函数的二次项、一次项系数，为收益系数，若用户积极性低、削减负荷需求量大，则取值大，为t时刻基于激励型需求响应的第i个电动汽车集群削减负荷量，T为时段...
【专利技术属性】
技术研发人员：童泽军，张春，高鹏程，吴爽，李浩宇，戴前程，
申请(专利权)人：安徽工程大学，
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。