【技术实现步骤摘要】
本专利技术涉及需求侧响应，尤其是涉及一种考虑出行特征的集群电动汽车主从博弈优化调度方法、设备及介质。
技术介绍
1、为加快建成高比例新能源的新型电力系统，分布式能源并入电网的比例逐步增加。同时，电动汽车有环保节能的特点，可改善电网负荷峰谷差并促进新能源消纳，其应用规模不断扩大。而大量分布式电源和电动汽车(electric vehicle,ev)集群的接入使电网运行面临较大的挑战。
2、随着电力市场化改革不断推进，电力需求响应被国家大力倡导。而ev个体无法直接独立参与电力市场调节，因此，负荷聚合商(load aggregator,la)作为用户与电网间的中间独立运营经济实体，是合理调控需求响应、调度需求侧资源、向电网提供辅助服务的重要载体。由于实际参与电力市场交易的主体较多，主体间存在复杂的交互关系，各自决策过程中有不同优化目标，如何协调各主体间的利益关系，达到多主体目标平衡，是电力市场化改革及电力市场运营管理的关键问题。目前在响应潜力方面目前的研究大多仅考虑小部分ev参与调度，对集群ev并网参与需求侧响应的研究较少。
3、同时，深入挖掘ev用户出行特性是对ev集群精准调度的前提。而现有考虑ev参与电网优化调度的研究中，在ev出行特性及充电需求刻画方面对ev模型的设定较为简单，其充电行为均限于模拟层面，缺乏真实数据支撑。
技术实现思路
1、本专利技术的目的是为了提供一种考虑出行特征的集群电动汽车主从博弈优化调度方法、设备及介质，在考虑ev用户用电偏好的基础上，
2、本专利技术的目的可以通过以下技术方案来实现：
3、一种考虑出行特征的集群电动汽车主从博弈优化调度方法，包括以下步骤：
4、s1、构建基于路网的电动汽车充电需求预测模型，提取电动汽车出行特性并进行充电需求刻画；
5、s2、结合电动汽车出行特性与充电需求，负荷聚合商基于k-means++算法对电动汽车进行聚类；
6、s3、构建基于负荷聚合商和电动汽车集群的主从博弈双层优化模型，所述主从博弈双层优化模型包括上层负荷聚合商模型和下层电动汽车集群模型，其中，负荷聚合商作为上层领导者，以自身收益最大化为目标制定调度计划并向下层发布电价策略；聚类后的各电动汽车子群作为下层跟随者，引入用户满意度效用函数，根据上层发布的电价确定自身充放电计划，以达到各电动汽车子群消费者剩余最大化。
7、所述步骤s1包括以下步骤：
8、s11、电动汽车行程数据获取与预处理；
9、s12、电动汽车出行特性提取：获取区域道路数据构建交通路网拓扑结构，并结合地理兴趣点数据将研究区域划分为多个功能区，提取出行特征；
10、s13、建立基于马尔可夫决策的路径转移模型：使用可以反应路网中所有行程起点及终点不同转移量的od矩阵，引入离散马尔科夫过程描述车辆的转移概率，结合功能区确定电动汽车的转移概率矩阵；
11、s14、建立基于交通路况的里程消耗模型：根据实时交通路况和路网交通饱和度与通行容量约束构建速度-流量模型，根据速度-流量模型确定受交通拥堵影响不同行驶速度下各等级道路的单位里程动态耗电量；
12、s15、建立最短路径选择模型：根据电动汽车的转移概率矩阵，利用dijkstra算法进行车辆行驶过程中最短路径规划；
13、s16、建立充电需求判断模型：计算电动汽车每段行程结束后剩余电量，当剩余电量满足预设的条件时，判断产生充电需求；
14、s17、电动汽车充电需求刻画：设定电动汽车初始荷电状态和荷电状态安全下限，根据规划的最短路径中的实际路径转移方案与路段数，利用充电需求判断模型判断是否需要充电，若不需要充电，则进入下一路段，重复本步骤直到充电需求产生且完成出行目的；
15、s18、对所有电动汽车重复以上步骤s13-s17，直到区域内所有电动汽车均完成出行活动，统计电动汽车充电负荷时空分布。
16、所述步骤s2具体为：
17、设电动汽车数据集合表示为s＝{x1,x2,...xn}，其中，分别表示第i辆电动汽车入网与离网时间，则负荷聚合商的聚类步骤如下：
18、s21、选取聚类数k；
19、s22、从输入的数据集中随机抽取1个样本作为初始聚类中心c1，计算样本中每个数据xi与已有聚类中心c1的最短欧式距离d(xi)，即：
20、
21、s23、计算样本每个样本对象被选成为下一个聚类中心的概率p(xi)，选取概率最大即距离最远的样本作为下一个聚类中心，其中，
22、
23、s24、重复步骤s22-s23，直到选出所有的聚类中心点，得到聚类中心集c＝{c1,c2,...ck}，其中，对于第m个聚类中心cm，有cm∈c，
24、s25、计算电动汽车数据集合s中每个数据样本点xi到k个聚类中心的距离，将xi划分到欧式距离更近的聚类中心中，得到k个聚类结果，记为x1,x2,...xk。
25、所述下层电动汽车集群模型的优化目标为消费者剩余最大，即用户满意度综合效用函数及充电成本之差最大化，目标函数表示为：
26、
27、
28、
29、式中：为电动汽车用户满意度综合效用函数；cev,l表示电动汽车电能损耗成本；分别表示t时刻第n辆电动汽车的充放电功率；t为优化总时段数，δt为时间间隔；n为电动汽车数量；分别为t时刻优化后负荷聚合商购、售电电价；cev,b、cev,s分别为电动汽车购电成本、售电收益。
30、所述电动汽车用户满意度综合效用函数包括两个指标：充电消费满意度效用函数和用电方式满意度效用函数
31、
32、式中：ω1、ω2表示权重值，且满足ω1+ω2＝1；
33、充电消费满意度效用函数为：
34、
35、式中：a1、b1为充电偏好系数，
36、用电方式满意度效用函数为：
37、
38、式中：a2、b2为用电方式偏好系数，表示优化调度前t时刻第n辆电动汽车的充电功率。
39、所述下层电动汽车集群模型的约束条件为：
40、或
41、0.2≤soct,n≤0.9
42、socexp,n≤socout,n≤0.9
43、
44、式中，分别表示t时刻第n辆电动汽车的充放电功率；soct,n为t时刻第n辆电动汽车的soc；socout,n为第n辆电动汽车离网时的soc；socexp,n为电动汽车期望soc；分别为电动汽车充/放电的最小、最大功率；表示第k辆电动汽车入网与离网时间。
45、所述上层负荷聚合商模型的目标函数为：
46、max fla＝ila-cla-mla
47、il本文档来自技高网...
【技术保护点】
1.一种考虑出行特征的集群电动汽车主从博弈优化调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种考虑出行特征的集群电动汽车主从博弈优化调度方法，其特征在于，所述步骤S1包括以下步骤：
3.根据权利要求1所述的一种考虑出行特征的集群电动汽车主从博弈优化调度方法，其特征在于，所述步骤S2具体为：
4.根据权利要求1所述的一种考虑出行特征的集群电动汽车主从博弈优化调度方法，其特征在于，所述下层电动汽车集群模型的优化目标为消费者剩余最大，即用户满意度综合效用函数及充电成本之差最大化，目标函数表示为：
5.根据权利要求4所述的一种考虑出行特征的集群电动汽车主从博弈优化调度方法，其特征在于，所述电动汽车用户满意度综合效用函数包括两个指标：充电消费满意度效用函数和用电方式满意度效用函数
6.根据权利要求1所述的一种考虑出行特征的集群电动汽车主从博弈优化调度方法，其特征在于，所述下层电动汽车集群模型的约束条件为：
7.根据权利要求1所述的一种考虑出行特征的集群电动汽车主从博弈优化调度方法，其特征在于，所述上层
8.根据权利要求1所述的一种考虑出行特征的集群电动汽车主从博弈优化调度方法，其特征在于，所述上层负荷聚合商模型的约束条件为：
9.一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1～8中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1～8中任一项所述的方法。
...【技术特征摘要】
1.一种考虑出行特征的集群电动汽车主从博弈优化调度方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种考虑出行特征的集群电动汽车主从博弈优化调度方法，其特征在于，所述步骤s1包括以下步骤：
3.根据权利要求1所述的一种考虑出行特征的集群电动汽车主从博弈优化调度方法，其特征在于，所述步骤s2具体为：
4.根据权利要求1所述的一种考虑出行特征的集群电动汽车主从博弈优化调度方法，其特征在于，所述下层电动汽车集群模型的优化目标为消费者剩余最大，即用户满意度综合效用函数及充电成本之差最大化，目标函数表示为：
5.根据权利要求4所述的一种考虑出行特征的集群电动汽车主从博弈优化调度方法，其特征在于，所述电动汽车用户满意度综合效用函数包括两个指标：充电消费满意度效用函数和用电方式...
【专利技术属性】
技术研发人员：李凡，李宾皑，周德生，曾平，杜炤鑫，冯倩，陆健，杨秀，王晓晴，
申请(专利权)人：国网上海市电力公司，
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。