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】
本专利技术涉及智能配电网领域,具体是一种社区电动汽车有序充电方法。
技术介绍
1、近年来,随着全球经济的快速发展,大量化石能源被开采使用,对环境造成污染,而电动汽车因其具有环保、低碳等优点得以快速发展。电动汽车数量的增加,可以有效减少对传统能源的使用,但大量接入电网,势必会带来诸多影响,如加剧负荷波动,增大负荷峰谷差,减少电网设备寿命等。
2、目前,国内外针对电动汽车有序充电方法已经开展了相关研究,但仍存在以下问题:优化目标单一,缺乏对用户、电网等多方面利益的考虑;没有考虑加入分布式能源和储能设备来提高用户响应方法的积极性和分布式能源的就地消纳。
3、随着分布式能源和储能设备的加入,为实现社区电动汽车有序充电提供了一种新的研究思路。通过面向光储充一体化社区进行系统结构分析,构建双层多目标有序充电优化模型,采用鼠群优化算法((rat swarm optimizer,rso)求解,得到最优的充电计划,达到降低社区负荷峰谷差、减少用户充电费用的目的,同时保障配电网安全、经济、稳定运行。
技术实现思路
1、本专利技术的目的是解决现有技术中存在的问题。
2、为实现本专利技术目的,本专利技术提出一种社区电动汽车有序充电方法,主要包括以下步骤:
3、1)面向光储充一体化社区进行系统结构分析,如图1所示。其中箭头表示电能的流向,光伏单元和电网提供电能,充电桩和常规负荷消耗电能。其中储能单元比较特殊,既能提供电能,也能消耗电能,为了后续简化充电模型,把
4、2)构建以社区负荷峰谷差和用户充电费用最小的双层多目标优化模型。第一层是电网层,将降低社区负荷峰谷差作为优化目标;第二层是用户层,将减少用户充电费用作为优化目标,并把电网层优化结果作为本层优化模型的约束条件。
5、2.1)在电网层优化模型中,目标函数和约束条件具体如下:
6、2.1.1)电网层的优化目标是降低社区负荷峰谷差,目标函数为:
7、min f1=max pall-min pall (1)
8、式中:pall是总负荷。
9、2.1.2)电网层的约束条件主要有功率平衡约束、总负荷限制约束、用户充电需求约束、储能单元约束几个方面,具体如下:
10、功率平衡约束:
11、pall+ppva=pc+pg+ps (2)
12、式中:ppva是光伏出力功率;pc是充电负荷;pg是常规负荷;ps是储能单元充放电功率。
13、总负荷限制约束:
14、pall≤pmax (3)
15、式中:pmax是最大有功功率,即社区总负荷的大小不能超过社区变压器的最大有功功率。
16、用户充电需求约束分为充电时间约束和电池电量约束:
17、tmin≤tneed≤tmax (4)
18、sst≤send≤1 (5)
19、式中:tmin是电动汽车充满的最短时间,即按最大功率进行充电需要的时间;tneed是充满需要的充电时长;tmax是最长时间,即车主回家到离家之间的时间;sst是电动汽车开始充电时的电池荷电状态;send是电动汽车结束充电时电池的荷电状态。
20、储能单元约束分为储能单元充放电功率约束和储能单元容量约束:
21、0≤|ps|≤psmax (6)
22、0.1bcmax≤bc≤bcmax (7)
23、式中:psmax是最大充放电功率;bcmax是最大容量;bc是储能单元实际容量。
24、3)电动汽车双层多目标有序充电优化模型优化对象众多,且存在多个约束条件,传统求解方法困难,故本方法采用鼠群优化算法进行求解。
25、3.1)鼠群优化算法通过模拟鼠群的捕食行为,在鼠群追逐猎物过程中,假设鼠群中的最优个体知道猎物的位置,鼠群中的其他个体便可以通过最优个体来更新自己的位置,更新策略如下:
26、
27、
28、
29、式中:pit是猎物对于第i只老鼠来说的位置;是第i只老鼠;是鼠群中的最优个体;是第i只老鼠在下一次迭代中的位置;t是当前迭代次数;c是0~2之间的随机数;r是1~5之间的随机数。
30、鼠群优化算法通过模拟鼠群追逐猎物和攻击猎物的行为,并调整参数a和c使老鼠到达不同的位置,完成对搜索空间的搜索,流程如图2所示。
31、3.2)本方法利用鼠群优化算法对优化模型求解,得到最优充电计划,包含电动汽车开始充电时间和储能单元充放电功率,流程如图3所示。
32、3.2.1)首先获取未来24h社区常规负荷和光伏出力预测数据,动态获取用户充电信息,包括开始充电时间、结束充电时间、充电量等;
33、3.2.2)当某时段有新车接入或用户改变充电信息时,电网层优化模型采用鼠群优化算法求解,输出用户开始充电时间、光伏的充放电功率和充电负荷;
34、3.2.3)电网层输出的充电负荷作为用户层优化模型的约束条件,用户层优化模型采用鼠群优化算法求解,输出用户开始充电时间、光伏的充放电功率;
35、3.2.4)重复步骤3.2.2)和3.2.3),达到迭代最大次数,输出新的充电计划;
36、3.2.5)若没有新车接入或用户充电信息改变,则遵循上一时段充电计划;
37、3.2.6)重复步骤3.2.2)、3.2.3)、3.2.4)和3.2.5),直到优化时间段达到最大时段数。
本文档来自技高网...【技术保护点】
1.一种社区电动汽车有序充电方法,其特征在于,主要包括以下步骤:
2.根据权利要求1所述的一种社区电动汽车有序充电方法,其特征在于,面向光储充一体化社区进行系统结构分析,如图1所示。其中箭头表示电能的流向,光伏单元和电网提供电能,充电桩和常规负荷消耗电能。其中储能单元比较特殊,既能提供电能,也能消耗电能,为了后续简化充电模型,把储能单元看作负荷消耗电能,计算时若为正,则处于充电状态,反之处于放电状态。当光伏出力大于充电负荷时,光伏单元先对充电桩供电,其次向储能单元供电,若有富裕再流向常规负荷;当光伏出力小于充电负荷时,储能单元对充电桩进行供电,最后充电负荷的差额由电网提供。
3.根据权利要求1和权利要求2所述的一种社区电动汽车有序充电方法,其特征在于,构建以社区负荷峰谷差和用户充电费用最小的双层多目标优化模型的主要步骤如下:
4.根据权利要求1和权利要求3所述的一种社区电动汽车有序充电方法,其特征在于,电动汽车双层多目标有序充电优化模型采用鼠群优化算法进行求解,主要步骤如下:
【技术特征摘要】
1.一种社区电动汽车有序充电方法,其特征在于,主要包括以下步骤:
2.根据权利要求1所述的一种社区电动汽车有序充电方法,其特征在于,面向光储充一体化社区进行系统结构分析,如图1所示。其中箭头表示电能的流向,光伏单元和电网提供电能,充电桩和常规负荷消耗电能。其中储能单元比较特殊,既能提供电能,也能消耗电能,为了后续简化充电模型,把储能单元看作负荷消耗电能,计算时若为正,则处于充电状态,反之处于放电状态。当光伏出力大于充电负荷时,光伏单元先对充电桩供...
【专利技术属性】
技术研发人员:范敏,冯楚瑞,张焕娇,王孝中,段奕辰,李娜,
申请(专利权)人:重庆大学,
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。