System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及微电网优化调度领域,具体涉及一种基于多目标优化的电动汽车-储能协同充放电方法。
技术介绍
1、电动汽车作为一种新型双向电力负荷,既可以作为移动式储能元件也可以作为负荷消耗功率。鉴于储能系统和电动汽车v2g技术均具有充放电潜力,因此可以对它们进行灵活调度以实现平滑负荷曲线、减小峰谷差等方面的作用。
2、社区微电网中储能和电动汽车的有序充放电可以使得电网中的负荷平衡更加稳定,同时也可以为用户和电网提供更加灵活的能源服务。针对这一问题,目前的研究主要集中在以下两个方面:
3、1)储能容量优化配置问题:
4、目前研究者主要通过优化算法和模型来解决这一问题。其中包括基于线性规划模型、多目标优化模型、遗传算法、蚁群算法、粒子群算法等。通过比较各种算法的优缺点,研究者可以得出最佳的储能容量优化配置策略,从而实现最大化电网效益和最小化成本。
5、2)电动汽车有序充放电问题:
6、针对电动汽车无序充电带来的挑战,研究者目前主要探索基于智能充电技术的有序充电方案。例如,开发基于车载通信技术的充电调度算法,使得电动汽车在高峰期和低谷期有序地充电和放电,并确保电网的稳定性和安全性。此外,基于人工智能和机器学习技术,研究者也可以开发出更加智能的充电调度策略,为用户提供更好的能源服务。
7、随着对微电网能量管理研究的不断深入,如何在能量管理的基础上,建立能量管理的最优策略从而实现能量的最优分配,是一个亟待解决的问题。此外,负荷需求的不确定性、分布式能源出力的随机性以及电动
技术实现思路
1、针对现有技术的不足,本专利技术提出一种基于多目标优化的电动汽车-储能协同充放电方法,该方法在光荷储社区微网系统中,以用户支出费用、并网功率峰谷差以及均方差三目标建立一个日前优化调度模型,利用改进的非支配排序遗传算法求解得到储能和电动汽车的计划出力值,通过电动汽车和储能的充放电特性与电网进行双向互动,利用其充放电潜力在负荷峰时段进行放电,平谷时段进行充电储能,从而平抑负荷曲线,减小峰谷差。该方法实现了储能和电动汽车v2g协同参与优化调度并能有效平衡系统的峰谷负荷,同时能够降低用户的费用支出。
2、本专利技术采取的技术方案为:
3、基于多目标优化的电动汽车-储能协同充放电方法,包括以下步骤:
4、步骤一:搭建包含光伏发电系统、储能系统、电动汽车以及社区用户的用电负荷的社区微网系统;
5、步骤二:采用峰平谷电价策略对电动汽车的充放电行为进行控制,使得储能和电动汽车协同并网,并在峰时放电,平谷时充电;
6、步骤三:储能和电动汽车协同并网后,建立考虑负荷峰谷差最小、并网波动均方差最小以及用户支出费用最小的目标优化模型;
7、步骤四:根据改进的非支配排序遗传算法(nondominated sorting geneticalgorithm,nsga-ii)对步骤三建的目标优化模型进行求解,求出满足要求的pareto非劣解集合;
8、步骤五:pareto非劣解集合中,根据模糊隶属度函数从优解集中挑选出最优解,作为储能和电动汽车的计划出力值。
9、所述步骤一中:
10、a:光伏出力主要与光照强度有关,本专利技术利用贝塔分布模型来拟合光照强度的分布函数,其概率密度为:
11、
12、式中,γ表示伽马函数;r表示实际测得的光照强度;rmax表示最大光照强度;α、β分别为贝塔分布式的两个形状参数。
13、其光伏输出功率表达式为:
14、ppv=η×r×a
15、式中,ppv表示光伏电池组总的的输出功率;η表示光伏电池组的转换效率;a表示光伏电池组的总面积;
16、b:储能因为具备灵活的充放电特性,可以用其实现峰电谷用、平滑负荷曲线等作用。
17、储能系统电量与其充放电功率的关系表示为:
18、ces(t)=ces(t-1)+ps(t)△t
19、式中,ces(t-1)和ces(t)分别表示时段t-1和时段t储能系统存储的电量;ps(t)表示时段t时储能系统能够输出的功率;△t为时段t-1和时段t之间的时间间隔。
20、储能系统的充放电过程如下:
21、(1)放电过程:
22、储能系统在第j天的t小时内的放电功率为:
23、
24、式中,ped为储能系统额定放电功率;cesmax为储能系统的最大容量;ces(t-1,j)为储能系统在第j天第t-1时段的储能容量。
25、ces(t,j)受其自身的储能容量的影响,其表达式为:
26、
27、式中,ces(t,j)表示储能系统在第j天第t时段的储能容量;cesmin为储能系统的最小容量。
28、cesv(t,j)为储能系统的理想容量,其表达式为:
29、
30、式中,ηed为储能系统的放电效率;
31、(2)充电过程:
32、储能系统在第j天t小时内的充电功率为:
33、
34、式中,pec为储能系统额定充电功率。
35、ces(t,j)=ces(t-1,j)+△tpes(t,j)ηes
36、式中,ηes为储能系统的充电效率;pes(t,j)表示储能系统在第j天第t时段的充电功率。
37、所述步骤二中:
38、大量电动汽车的随机接入微网进行无序的充放电行为,可能会导致负荷曲线的峰谷差进一步增大,本专利技术采用峰谷电价策略对电动汽车车主的充放电行为进行引导,利用电动汽车既可以是负荷,也可以作为移动式储能的特点,平抑负荷波动,并降低车主充电的成本。
39、由于电动汽车车主的行为特征,例如离家时间、返程时间的随机性,将放电过程分为日间峰时段(6:00~16:00)和晚间峰时段(16:00之后),制定两种放电策略:
40、(1).第j天日间峰时段t小时所有参与分时电价响应的电动汽车实际放电功率为:
41、
42、式中,nd(t)表示日间峰时段参与放电的电动汽车数量;i表示响应分时电价的第i辆电动汽车。
43、为第i台电动汽车的日间峰时段放电功率,其表达式为:
44、
45、式中,ηevd为放电效率;soc0为电动汽车满电荷电状态;socmin为放电的最小荷电状态;cev为电动汽车容量。
46、
47、式中,pb为闲置状态的电动汽车所占比例;ξ为用户参与系数,表示响应分时电价策略的车主占总电动汽车车主的比例;nev为电动汽车总数;md为日间峰时段数。
48、(2).第j天晚间峰时段t小时所有参与本文档来自技高网...
【技术保护点】
1.基于多目标优化的电动汽车-储能协同充放电方法,其特征在于包括以下步骤:
2.根据权利要求1所述基于多目标优化的电动汽车-储能协同充放电方法,其特征在于:所述步骤一中:
3.根据权利要求1所述基于多目标优化的电动汽车-储能协同充放电方法,其特征在于:所述步骤二中:由于电动汽车车主的行为特征,将放电过程分为日间峰时段和晚间峰时段,制定两种放电策略:
4.根据权利要求1所述基于多目标优化的电动汽车-储能协同充放电方法,其特征在于:所述步骤二中:通过设置参数λ1、λ2分别调节峰谷时段储能系统和电动汽车并网的比例,则二者协同并网出力的模型为:
5.根据权利要求1所述基于多目标优化的电动汽车-储能协同充放电方法,其特征在于:所述步骤三中:以储能与电动汽车协同并网后,对负荷曲线削峰填谷效果最优为目标,建立考虑负荷峰谷差最小的优化目标函数f1和考虑并网波动均方差最小的优化目标函数f2如下:
6.根据权利要求5所述基于多目标优化的电动汽车-储能协同充放电方法,其特征在于:
7.根据权利要求1所述基于多目标优化的电动汽车-储
8.根据权利要求7所述基于多目标优化的电动汽车-储能协同充放电方法,其特征在于:所述步骤c包括改进的非支配排序策略:
9.根据权利要求7所述基于多目标优化的电动汽车-储能协同充放电方法,其特征在于:所述步骤e包括引入自适应交叉变异算子:
10.根据权利要求1所述基于多目标优化的电动汽车-储能协同充放电方法,其特征在于:所述步骤五中,具体如下:
...【技术特征摘要】
1.基于多目标优化的电动汽车-储能协同充放电方法,其特征在于包括以下步骤:
2.根据权利要求1所述基于多目标优化的电动汽车-储能协同充放电方法,其特征在于:所述步骤一中:
3.根据权利要求1所述基于多目标优化的电动汽车-储能协同充放电方法,其特征在于:所述步骤二中:由于电动汽车车主的行为特征,将放电过程分为日间峰时段和晚间峰时段,制定两种放电策略:
4.根据权利要求1所述基于多目标优化的电动汽车-储能协同充放电方法,其特征在于:所述步骤二中:通过设置参数λ1、λ2分别调节峰谷时段储能系统和电动汽车并网的比例,则二者协同并网出力的模型为:
5.根据权利要求1所述基于多目标优化的电动汽车-储能协同充放电方法,其特征在于:所述步骤三中:以储能与电动汽车协同并网后,对...
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。