一种基于多电动汽车协同的电网调频控制方法及系统技术方案

本申请提供一种基于多电动汽车协同的电网调频控制方法及系统，该方法包括：根据接入电网系统中的每辆电动汽车的输出功率与控制信号的预设关系以及各电动汽车的荷电状态构建协同变量，并为所述协同变量施加变量约束；根据所述协同变量确定电网系统的系统状态变量，根据所述系统状态变量和所述变量约束构建以单个电动汽车为智能体的强化学习的代价函数；通过神经网络对所述代价函数进行寻优，以使所述代价函数达到最小值，得到此时的最优控制信号，根据所述最优控制信号控制对应电动汽车的功率输出以完成电网系统协同调频控制。本申请通过多个电动汽车系统进行电网调频，可延长电动汽车电池寿命以及电动汽车可用性。长电动汽车电池寿命以及电动汽车可用性。长电动汽车电池寿命以及电动汽车可用性。

【技术实现步骤摘要】
一种基于多电动汽车协同的电网调频控制方法及系统


[0001]本专利技术涉及电动汽车应用领域，尤其涉及一种基于多电动汽车协同的电网调频控制方法及系统。

技术介绍

[0002]随着电动汽车的普及，电动汽车也对电网负荷带来了较大变化，如何平衡负荷是电网控制的一重要方面。而基于V2G(vehicle to grid)技术，可使电动汽车参与调频。但常规下垂分布式控制调频没有考虑电动汽车之间的协作，而中心化控制的方法又使得电动汽车与控制中心之间的通信较频繁，通信负荷大。

技术实现思路

[0003]鉴于以上现有技术存在的问题，本专利技术提出一种基于多电动汽车协同的电网调频控制方法及系统，主要解决传统的电动汽车参与电网调频没有考虑电动汽车之间的协作，难以满足实际应用需求的问题。
[0004]为了实现上述目的及其他目的，本专利技术采用的技术方案如下。
[0005]本申请提供一种基于多电动汽车协同的电网调频控制方法，包括：
[0006]根据接入电网系统中的每辆电动汽车的输出功率与控制信号的预设关系以及各电动汽车的荷电状态构建协同变量，并为所述协同变量施加变量约束；
[0007]根据所述协同变量确定电网系统的系统状态变量，根据所述系统状态变量和所述变量约束构建以单个电动汽车为智能体的强化学习的代价函数；
[0008]通过神经网络对所述代价函数进行寻优，以使所述代价函数达到最小值，得到此时的最优控制信号，根据所述最优控制信号控制对应电动汽车的功率输出以完成电网系统协同调频控制。
>[0009]在本申请一实施例中，所述每辆电动汽车的输出功率与控制信号的预设关系，包括：
[0010][0011][0012]其中，p
ev
是由单个电动汽车输出功率p
ev,k
组成的列向量，T
ev
为电动汽车接入电网系统的总时长，u
k
为第k辆电动汽车输入电网系统的所述控制信号，N为接入电网系统的电动汽车数量，为p
ev,k
相对于时间的偏导数。
[0013]在本申请一实施例中，所述协同变量表示为：
[0014]x
k
＝a
k
p
ev,k
[0015]其中，x
k
为协同变量，所述变量约束为：x
k
≥0和|p
ev,k
|≤P
ev,max
，P
ev,max
为电动汽车输出功率的最大值；
[0016]a
k
＝
‑
w
k
arctanh(1.1b
k
)
[0017]w
k
为斜率增益常数，s
k
为第k辆电动汽车的荷电状态，S
max
为电动汽车的荷电状态上限，S
min
为电动汽车的荷电状态下限。
[0018]在本申请一实施例中，根据所述协同变量确定电网系统的系统状态变量，包括：
[0019]根据所述协同变量构建电网调频模型，基于所述电网调频模型得到所述系统状态变量，其中所述电网调频模型表示为：
[0020][0021]其中，M为电网电磁惯性常数，D为电磁阻尼常数，ω为发电厂电磁转动角速度，P
M
为发电厂机械功率输出，P
d
为用电负荷，p
ev
是由单个电动汽车输出功率p
ev,k
组成的列向量，T
ev
为电动汽车接入电网系统的总时长，u为控制信号，A为由a
k
构成的对角方阵，为p
ev
相对于时间的偏导数，为ω相对于时间的偏导数，为δ相对于时间的偏导数，δ＝Lx，L＝[e
jk
]N
×
N
为包含权重ejk的邻接矩阵，δ是δ
k
变量构成的列向量，Nk为与电动汽车k通信邻接的电动汽车集合，e
jk
为自定义的连接权重；
[0022]所述系统状态变量表示为：
[0023]在本申请一实施例中，所述代价函数表示为：
[0024][0025]其中，s为电动汽车的荷电状态；L(z)为强化学习的效用函数；第k个智能体的效用函数表示为：
[0026][0027]z
k
＝(ω,p
ev,k
,δ
k
)
T
，c1＝(0,1,0)
T
，r3>0为预设权重，u
k
为智能体输入电网系统的控制信号，λ为常系数，Q为正定对称方阵，用于表示状态的代价权重；
[0028]W1(ξ)＝
‑
log(r1ξ)，ξ为电动汽车荷电状态上限，r1>0为预设第一惩罚权重；
[0029]r2>0为预设第二惩罚权重。
[0030]在本申请一实施例中，通过神经网络对所述代价函数进行寻优，包括：
[0031]根据所述代价函数构建神经网络的误差损失函数，基于所述误差损失函数采用梯度下降更新所述神经网络的权重矩阵，得到满足预设误差损失值的神经网络权重矩阵作为目标权重矩阵；
[0032]根据所述目标权重矩阵确定所述最优控制信号。
[0033]在本申请一实施例中，所述误差损失函数表示为：
[0034][0035]其中，
[0036][0037]z
k
＝(ω,p
ev,k
,δ
k
)，c1＝(0,1,0)
T
，r3>0为预设权重，λ为常系数，Q为正定对称方阵，用于表示状态的代价权重，n
k
为给定探索噪声，为神经网络逼近的最优控制信号，T为预设积分时间上限。
[0038]在本申请一实施例中，所述最优控制信号表示为：
[0039][0040]其中，W
ak
为神经网络权重矩阵，σ(z
k
)为神经网络激活函数。
[0041]本申请还提供一种基于多电动汽车协同的电网调频控制系统，包括：
[0042]变量构建模块，用于根据接入电网系统中的每辆电动汽车的输出功率与控制信号的预设关系以及各电动汽车的荷电状态构建协同变量，并为所述协同变量施加变量约束；
[0043]代价函数构建模块，用于根据所述协同变量确定电网系统的系统状态变量，根据所述系统状态变量和所述变量约束构建以单个电动汽车为智能体的强化学习的代价函数；
[0044]寻优模块，用于通过神经网络对所述代价函数进行寻优，以使所述代价函数达到最小值，得到此时的最优控制信号，根据所述最优控制信号控制对应电动汽车的功率输出以完成电网系统协同调频控制。
[0045]如上所述，本专利技术一种基于多电动汽车协同的电网调频控制方法及系统，具本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多电动汽车协同的电网调频控制方法，其特征在于，包括：根据接入电网系统中的每辆电动汽车的输出功率与控制信号的预设关系以及各电动汽车的荷电状态构建协同变量，并为所述协同变量施加变量约束；根据所述协同变量确定电网系统的系统状态变量，根据所述系统状态变量和所述变量约束构建以单个电动汽车为智能体的强化学习的代价函数；通过神经网络对所述代价函数进行寻优，以使所述代价函数达到最小值，得到此时的最优控制信号，根据所述最优控制信号控制对应电动汽车的功率输出以完成电网系统协同调频控制。2.根据权利要求1所述的基于多电动汽车协同的电网调频控制方法，其特征在于，所述每辆电动汽车的输出功率与控制信号的预设关系，包括：每辆电动汽车的输出功率与控制信号的预设关系，包括：其中，p
ev
是由单个电动汽车输出功率p
ev,k
组成的列向量，T
ev
为电动汽车接入电网系统的总时长，u
k
为第k辆电动汽车输入电网系统的所述控制信号，N为接入电网系统的电动汽车数量，为p
ev,k
相对于时间的偏导数。3.根据权利要求1所述的基于多电动汽车协同的电网调频控制方法，其特征在于，所述协同变量表示为：x
k
＝a
k
p
ev,k
其中，x
k
为协同变量，所述变量约束为：x
k
≥0和p
ev,k
≤P
ev,max
，P
ev,max
为电动汽车输出功率的最大值；w
k
为斜率增益常数，s
k
为第k辆电动汽车的荷电状态，S
max
为电动汽车的荷电状态上限，S
min
为电动汽车的荷电状态下限。4.根据权利要求1所述的基于多电动汽车协同的电网调频控制方法，其特征在于，根据所述协同变量确定电网系统的系统状态变量，包括：根据所述协同变量构建电网调频模型，基于所述电网调频模型得到所述系统状态变量，其中所述电网调频模型表示为：其中，M为电网电磁惯性常数，D为电磁阻尼常数，ω为发电厂电磁转动角速度，P
M
为发电厂机械功率输出，P
d
为用电负荷，p
ev
是由单个电动汽车输出功率p
ev,k
组成的列向量，T
ev
为电动汽车接入电网系统的总时长，u为控制信号，A为由a
k
构成的对角方阵，为p
ev
相对于时间的偏导数，为ω相对于时间的偏导数，为δ相对于时间的偏导数，δ＝Lx，L＝[e
jk
]
N

【专利技术属性】
技术研发人员：彭德光，孙健，
申请(专利权)人：重庆兆光科技股份有限公司，
类型：发明
国别省市：