考虑出行链重构下电动汽车在多态场景中的电力调度方法技术

本发明专利技术提出了一种考虑出行链重构下电动汽车在多态场景中的电力调度方法，其步骤为：首先，提出用户充电意愿底线模型，模拟实际行驶过程中用户自身充电意愿对调度计划的影响；其次，将影响调度计划的突发事件分为四类，提出出行链重构模型模拟EV用户受不同突发事件影响造成的出行链改变；然后，考虑多态场景，提出储能站协同EV能量管理模型；最后，综合上述模型，以用户经济性和电力系统安全性为目标，构建日前

【技术实现步骤摘要】
考虑出行链重构下电动汽车在多态场景中的电力调度方法


[0001]本专利技术涉及电动汽车的电力调度
，特别是指一种考虑出行链重构下电动汽车在多态场景中的电力调度方法。

技术介绍

[0002]近年来，我国电动汽车(electrical vehicle，EV)保有量迅速上升，电动汽车集群作为分布式储能资源，具有很强的削峰填谷潜力。但是，电动汽车用户充电选择上的主观性导致了电动汽车的负荷分布在时间和空间上具有较大的突变性，并对原有的充放电调度计划造成破坏。因此，如何充分考虑用户主观性进行EV的充放电调度，已经成为了亟待解决的问题。
[0003]目前针对电动汽车出行行为的分析主要集中在确定的行驶路径、出行时间以及停驻时间。文献[肖俊明，冯超，朱永胜，等.非齐次半马尔科夫充放电策略辅助用户随机出行的多目标动态电力调度[J].电网技术，2021，45(09)：3571
‑
3582.DOI:10.13335/j.1000
‑
3673.pst.2020.1832.]通过马尔科夫蒙特卡洛模拟常态下EV的时空分布，得到EV参与能量互动的稳定时长，并以不同调度目标对EV进行能量管理。文献[郝丽丽，王国栋，王辉，等.考虑电动汽车入网辅助服务的配电网日前调度策略[J].电力系统自动化，2020，44(14)：35
‑
43.]建立了电动汽车出行修正模型，对EV出行过程中目的地的变化进行修正。文献[Tang D，Wang P.Probabilistic modeling of nodal charging demand based on spatial
‑
temporal dynamics of moving electric vehicles[J].IEEE Transactions on Smart Grid，2015，7(2)：627
‑
636.]提出随机停靠模型，模拟EV出行过程中的自主停靠行为，增加了EV充电时段的不确定性。文献[Tan B，Chen H，Zheng X，et al.Two
‑
stage robust optimization dispatch for multiple microgrids with electric vehicle loads based on a novel data
‑
driven uncertainty set[J].International Journal of Electrical Power&Energy Systems，2022，134：107359.]对某时段不符合预期的EV进入或离开负荷聚合商(Electric Vehicle Aggregator，EVA)所造成的异常功率波动，采用鲁棒优化方法确保每辆EV充电安全。文献[Tahmasebi M，Ghadiri A，Haghifam M R，et al.MPC
‑
based approach for online coordination of EVs Considering EV usage uncertainty[J].International Journal of Electrical Power&Energy Systems，2021，130：106931.]建立了电动汽车在不同使用场景下的自适应充放电策略，以降低电网成本。文献[Wang Z，Jochem P，Fichtner W.A scenario
‑
based stochastic optimization model for charging scheduling of electric vehicles under uncertainties of vehicle availability and charging demand[J].Journal of Cleaner Production，2020，254:119886.]对每个充电时段进行两阶段分析，预测未来时段内不确定的充电需求，分析长时间尺度下多场景中所提算法的适用性。文献[李东东，张凯，姚寅，等.基于信息间隙决策理论的电动汽车聚合商日前需求响应调度策略[J].电力系统保护与控制，2022，50(24)：101
‑
111.]通过信息间隙决策理论讨论了EV接入EVA前时间的不确定性。文献[王颖,和敬涵,许寅,等.考虑疏散需求的城市电力
‑
交通系统协同应急恢复方法[J].电力系统自
动化,2023,47(3):68
‑
76.]讨论了在极端条件下EV参与重要负荷供电和能源消纳过程，充分挖掘紧急情况下电动汽车对区域电网的电能的支撑和平抑作用，但未充分考虑EV在上述两种情况下的实际出行需求和参与调度时段的不确定性。
[0004]综上所述，目前研究中均将EV视作具有确定时长且不可中断能量互动单元，重点分析了EV在常态环境中参与能量交互前的不确定性。对比发现在多态场景下EV参与调度计划过程中加入不确定因素使得充放电计划被迫调整甚至中断的研究工作较少。

技术实现思路

[0005]针对多态场景中电动汽车协同储能站在出行链重构事件中的电力调度问题，本专利技术提出了一种考虑出行链重构下电动汽车在多态场景中的电力调度方法，首先提出用户充电意愿底线模型，模拟实际行驶过程中用户自身充电意愿对充电计划的影响；然后将影响调度计划的突发事件分为四类，提出出行链重构模型模拟EV用户受不同事件影响造成的出行链改变；其次考虑多态场景，提出储能站协同EV能量管理策略；最后综合以上模型，考虑气温和电价等因素，以用户经济性和电力系统安全性为目标，以出行链重构为重点，对EV进行充放电调度，构建日前
‑
实时两阶段调度模型，实现用户的经济性和电力系统多态场景下的安全性最优。
[0006]本专利技术的技术方案是这样实现的：
[0007]一种考虑出行链重构下电动汽车在多态场景中的电力调度方法，其步骤如下：
[0008]步骤一：提出用户充电意愿底线模型，模拟实际行驶过程中用户自身充电意愿对调度计划的影响；
[0009]步骤二：将影响调度计划的突发事件分为四类，提出出行链重构模型模拟EV用户受不同突发事件影响造成的出行链改变；
[0010]步骤三：考虑多态场景，提出储能站协同EV能量管理模型；
[0011]步骤四：综合所述用户充电意愿底线模型、出行链重构模型和EV能量管理模型，考虑气温和电价因素，以用户经济性和电力系统安全性为目标，以出行链重构为重点，对EV进行充放电调度，构建日前
‑
实时两阶段调度模型，并通过GUROBI求解器对日前
‑
实时两阶段调度模型进行求解，实现用户的经济性和电力系统多态场景下的安全性最优。
[0012]所述用户充电意愿底线模型为：
[0013][0014]式中，式中，为第n辆本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑出行链重构下电动汽车在多态场景中的电力调度方法，其特征在于，其步骤如下：步骤一：提出用户充电意愿底线模型，模拟实际行驶过程中用户自身充电意愿对调度计划的影响；步骤二：将影响调度计划的突发事件分为四类，提出出行链重构模型模拟EV用户受不同突发事件影响造成的出行链改变；步骤三：考虑多态场景，提出储能站协同EV能量管理模型；步骤四：综合所述用户充电意愿底线模型、出行链重构模型和EV能量管理模型，考虑气温和电价因素，以用户经济性和电力系统安全性为目标，以出行链重构为重点，对EV进行充放电调度，构建日前
‑
实时两阶段调度模型，并通过GUROBI求解器对日前
‑
实时两阶段调度模型进行求解，实现用户的经济性和电力系统多态场景下的安全性最优。2.根据权利要求1所述的考虑出行链重构下电动汽车在多态场景中的电力调度方法，其特征在于，所述用户充电意愿底线模型为：式中，为第n辆EV用户所在当前位置节点L
S
距本段路程终点L
D
的距离，K
i,n
为第n辆EV用户第i次出行过程中的总路径距离，为第n辆EV用户原充电意愿底线，为第n辆EV用户调整之后的充电意愿底线。3.根据权利要求1所述的考虑出行链重构下电动汽车在多态场景中的电力调度方法，其特征在于，所述出行链重构模型是针对EV在行驶状态和停驻状态提出的；EV行驶过程中，发生出行链重构事件需要对EV这次出行的目的地和路径进行调整：U
n
＝U
n
+1；L
D,i
＝L
M
；；式中：U
n
表示第n辆EV的总出行次数，表示出行链重构前第i次出行到最后U
n
次出行的所有节点，表示出行链重构后第i+1次出行到最后U
n
次出行的所有节点，L
D,i
表示第i次出行过程中的原出行链目的地节点，L
M
为中间位置节点，T
in
表示EV入网的时段，E
T
表示事件发生的时间，为从L
S
到L
D
消耗的时间，为平均速度，δ为交通拥堵系数，表示当前位置节点L
S
到终点位置L
D
的距离；停驻状态下的EV出行链重构事件包括四类：紧急且必要事件、紧急不必要事件、必要不紧急事件、不必要不紧急事件；紧急且必要事件发生时，EV的状态为：U
n
＝U
n
+1；
T
cm
＝min{T
u,n,1
,T
u,n,2
,T
u,n,3
}；}；}；}；}；式中：表示完成一次出行所需的最低电量，T
cm
表示三种充电方案中到达M的最早时间，T
u,n,1
、T
u,n,2
和T
u,n,3
分别表示三种充电方案中到达M的时间；P是第n辆EV的充放电功率，上标c和d分别为充电和放电标识，s和f分别为慢充和快充标识，上标max为最大功率标识；表示第n辆在E
t
时段的EV电池电量状态，T
out
和T
in
分别表示离网时段和入网时段；T
out,1
表示第一次离网时段，T
out,2
表示第二次离网时段，E
t
表示出行链重构事件发生的实际时刻，表示向下取整，表示向上取整，T
in,2
表示第二次入网时段，表示L
S
到最近快充站L
F
消耗的时间，表示L
S
到重构后中间节点L
M
消耗的时间，表示快充站L
F
到重构后中间节点L
M
消耗的时间，ΔT
P
表示在中间节点L
M
停驻的时间，表示方案三中第二次离网后EV的电量，表示第n辆EV以最大功率慢充，表示第n辆EV以最大功率快充，T
un1
表示方案一到达L
M
的时间，T
un2
表示方案二到达L
M
的时间，T
un3
表示方案三到达L
M
的时间，表示完成一次出行链重构事件的电量消耗，表示从当前位置L
S
到快充站L
F
消耗的电量，表示从当前位置L
S
到重构后中间节点L
M
消耗的电量，表示从重构后中间节点到原出行链的目的地L
D
消耗的电量，表示从快充站到重构后中间节点L
M
消耗
的电量，S
n,t
表示第n辆EV在t事件的电量；三种方充电方案分别为：1)EV在当前所在地L
S
以最大慢充功率充电至能够满足和的最小电量，出发至事件发生位置L
M
，最后到达原定出行链目的地L
D
；2)EV在当前所在地L
S
寻找距离最近的快充站节点L
F
，进行快充达到满足和的最小电量，再出发至事件发生位置L
M
，最后到达原定出行链目的地L
D
；3)用户的电量能够满足到达事件要求的目的地L
M
，并且在该目的地以最大慢充功率充电时，预计能够满足到达原定出行链目的地L
D
；紧急不必要事件发生时，EV的状态为：U
n
＝U
n
+1；+1；+1；+1；+1；S
con,i～U
＝S'
con,i～U E
u,un,h
＝1；式中：E
u,un,h
为判断是否进行出行的变量，E
u,un,h
为0时不出行，E
u,un,h
为1时出行；T
Eu,un
为紧急不必要事件的持续时间，表示E...

【专利技术属性】
技术研发人员：朱永胜，孙贤，谢晓峰，丁同奎，巫付专，史志鹏，
申请(专利权)人：中原工学院，
类型：发明
国别省市：