【技术实现步骤摘要】
基于动态规划的电动汽车多目标分布式优化方法及装置
[0001]本专利技术涉及新能源
,尤其涉及一种基于动态规划的电动汽车多目标分布式优化方法及装置
。
技术介绍
[0002]随着“双碳”目标的推进,以新能源为主体的新型电力系统与电动汽车
(electric vehicle
,
EV)
协同发展成为必然
。
但由于配电网运营商
(distribution system operator
,
DSO)、EV
聚合商
(EV aggregator
,
EVA)
和
EV
用户分属于不同利益主体,且都从自身主体利益出发,这将会产生利益冲突
。
在处理多个相互冲突的目标时进行帕累托分析至关重要
。
然而,目前电动汽车实时优化研究缺乏帕累托分析
。
[0003]另外,电动汽车优化控制还必须考虑集中式与分布式策略的权衡,集中式算法由于通过控制中心实现全系统管理,因而存在计算量大
、
扩展性差等问题
。
而分布式优化策略旨在通过本地测量实现本地优化控制,追求最终用户的利益,即最终电力消费者或电动汽车用户,适用于大规模优化
。
[0004]目前国内外文献中针对多目标优化问题提出了一系列优化方法,包括线性模型
、
凸优化
、
启发式方法等等;灰狼算法
、
...
【技术保护点】
【技术特征摘要】
1.
一种基于动态规划的电动汽车多目标分布式优化方法,其特征在于,包括:获取用户需求及电动汽车初始状态;根据所述用户需求及电动汽车初始状态构建电动汽车充电任务;监测系统初始状态,并利用
K
‑
means
聚类和
ANN
模型预测系统未来状态;根据所述电动汽车充电任务
、
系统初始状态以及系统未来状态分别构建用户用电成本模型
、
电池退化成本模型以及电网净交换功率模型,并设定
SOC
限制;基于动态规划多目标优化算法求解所述用户用电成本模型
、
电池退化成本模型以及电网净交换功率模型,得到最优充电方案;根据所述最优充电方案分配充电任务,建立电力
‑
能源交换
。2.
根据权利要求1所述的方法,其特征在于,所述用户需求包括用户输入的电动汽车离开时间
、
电动汽车所需最低能量水平以及三个目标的优先级,其中,所述三个目标的优先级包括用户用电成本
、
电池退化成本以及电网净交换功率的优先级;所述电动汽车初始状态包括电动汽车到达充电桩时间
、
初始电池状态以及电池电压
。3.
根据权利要求2所述的方法,其特征在于,所述根据所述用户需求及电动汽车初始状态构建电动汽车充电任务,包括:将所述电动汽车离开时间和电动汽车到达充电桩时间作为仿真时间;确定所述仿真时间的总步数
N
s
,并将所述初始电池状态和电动汽车所需最低能量水平离散成多个
SOC
步长
。4.
根据权利要求1所述的方法,其特征在于,所述利用
K
‑
means
聚类和
ANN
模型预测系统未来状态,包括:基于
K
‑
means
聚类和人工神经网络
ANN
模型分别进行电力需求预测和光伏发电量预测
。5.
根据权利要求1所述的方法,其特征在于,所述用户用电成本模型的目标函数
F1为:其中,
t
表示当前时间步,为
t
时间步充电站其他电器引起的用电需求,为充电站光伏系统在
t
时间步的发电量;
Δ
t
为模拟时间步的持续时间,
π
t
代表可变电价,和为决策变量,分别表示
EV
在
t
时间步充电和放电的功率
。6.
根据权利要求1所述的方法,其特征在于,所述电池退化成本模型的目标函数
F2为:其中,
C
【专利技术属性】
技术研发人员:孙博,刘倩,汪翔,吴晓鸣,胡晨,贾健雄,王馨,朱灿,朱国伟,丁仕祺,阚正宇,刘宇峰,
申请(专利权)人:国网安徽众兴电力设计院有限公司,
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。