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】
本专利技术属于电动汽车参与电网调度,具体涉及一种考虑光伏消纳的电动汽车优化调度方法。
技术介绍
1、在低碳目标的大背景下,清洁能源迅速发展,其中光伏能源作为清洁能源和可再生能源中的主要部分,在辅助电网出力中有着极为重要的作用。近年来,分布式光伏的投建不断增加,其在正午时刻的光伏出力不断攀升,由于光伏出力速度快,发电机组的启停较慢且成本较高,从而出现了大量的弃光现象,这无疑是对电力资源的极大浪费。因此,亟需提出一种尽可能多地消纳富余光伏功率的经济性调度方案。
2、另一方面,电动汽车作为一种新兴的用户侧出行工具,其在社会车辆中的占比逐年上升。从用户侧负荷方面分析,电动汽车的充电负荷属于可转移负荷,即可以根据外界因素来选择何时充电,因此其被认为是需求侧响应中非常重要的一类柔性资源。伴随而出的v2g(车网互动)技术得到很多研究者的关注,v2g是指将电动汽车看作一种可灵活调度的移动储能单元,通过智能充电桩与电网进行信息和能量的互动,从而辅助电网达到削峰填谷和其它需求的目的。然而,学者们在研究v2g技术时,关注点集中于其参与电网调度时的效果分析和策略研究,却忽视了电动汽车用户参与调度的随机性和不确定性。
3、综上,本专利技术提出了一种考虑光伏消纳的电动汽车优化调度模型及装置,兼顾了弃光现象和电动汽车参与调度的积极性低的问题,采用了一种新的激励机制,使得源端的发电机组和荷端的电动汽车有效配合,充分消纳光伏出力并降低运行成本。
技术实现思路
1、本专利技术的目的在于克服现有
2、本专利技术通过下述技术方案来实现:一种考虑光伏消纳的电动汽车优化调度方法,包括以下步骤:
3、步骤1,建立电动汽车充电功率模型;
4、步骤2,通过蒙特卡洛抽样得到各电动汽车的出行参数后按属性划分集群;
5、步骤3,分析次日负荷预测曲线和光伏出力预测曲线,确定光伏消纳时段;
6、步骤4,建立psdr结合梯度式激励的电动汽车激励机制,在光伏消纳时段以建立psdr结合梯度式激励的电动汽车激励机制调度步骤2确定的电动汽车相关集群对光伏发电进行消纳,基于建立的电动汽车充电功率模型计算所调度电动汽车集群的光伏消纳量,进而以光伏消纳量最大和综合成本最低为目标构建计及光伏消纳的v2g双层协调优化调度模型;
7、步骤5,通过改进的自适应多目标差分进化算法对计及光伏消纳的v2g双层协调优化调度模型进行求解,得到最优帕累托解集,再利用模糊隶属度函数来求取均衡光伏消纳量和系统经济调度的最优折衷解。
8、所述电动汽车充电功率模型为:
9、pch(t)=pratesch(t)
10、式中,pch(t)为电动汽车在t时刻的充电功率,prate为电动汽车的充电额定功率,sch(t)为电动汽车的充电状态,1表示充电状态,0表示闲置状态。
11、所述步骤2中,通过蒙特卡洛抽样得到各电动汽车的出行参数后按属性划分集群为:
12、s={sa,sb,···,sm}
13、
14、
15、式中,s为电动汽车数量,{sa,sb,…,sm}为根据属性划分的不同电动汽车集群,m为划分的集群数,sa为集群a,sb为集群b,sm为集群m;t0为电动汽车入网时刻,t1为电动汽车预计离网时刻,soc0为电动汽车入网时刻的荷电状态,socre为电动汽车的初始荷电状态,w100为电动汽车的百公里电耗,d为行驶距离,pev为电动汽车的电池容量,t0,a、t0,b、t0,m分别为集群a、b、m的电动汽车入网时刻,t1,a、t1,b、t1,m分别为集群a、b、m的电动汽车预计离网时刻,soc0,a、soc 0,b、soc 0,m分别为集群a、b、m的电动汽车入网时刻的荷电状态。
16、步骤3所确定的光伏消纳时段如下:
17、tpv={δpv(1),2δpv(2),···,tδpv(t),···,ntδpv(nt)}
18、
19、式中,tpv为需要电动汽车辅助消纳光伏的时段集合,nt为调度时间段数;δpv(t)为状态变量,决定t时刻是否需要进行光伏消纳,t=1,2,…,nt;ppv(t)为光伏功率,pload(t)为负荷值,μ为负荷系数。
20、步骤4具体为:
21、步骤4.1:建立psdr结合梯度式激励的电动汽车激励机制:
22、建立电动汽车对光伏消纳贡献度的评价指标:
23、
24、式中,γi代表第i辆电动汽车对光伏消纳的贡献度,socstart,i、socend,i分别表示第i辆电动汽车参与调度起止时刻的荷电值,s为电动汽车数量,pev,i为第i辆电动汽车的电池容量,start、end分别为电网调度电动汽车进行光伏消纳的起止时刻;
25、将贡献度γi按照大小划分为k个等级段,各个等级段的梯度式激励价格c为:
26、c={c1,c2,···,cr,···,ck}
27、式中,cr为第r个等级段对应的贡献度的电动汽车参与光伏消纳的单位奖励费用,r=1,2,…,k;
28、步骤4.2:在光伏消纳时段利用psdr结合梯度式激励的电动汽车激励机制调度步骤2确定的电动汽车相关集群对光伏发电进行消纳,光伏消纳量的计算如下:
29、
30、式中,m为电动汽车的划分集群个数,nm为集群序号为m的电动汽车数量,pch,i(t)为第i辆电动汽车在t时刻的充电功率。
31、步骤4.3:建立以光伏消纳量最大和综合成本最低为目标的计及光伏消纳的v2g双层协调优化调度模型:
32、建立以光伏消纳量最大为目标的目标函数:
33、
34、式中,epv为调度过程中总共消纳的光伏量,ppv,real,t表示在t时刻实际消纳的光伏功率,δt为持续时间长度;
35、建立综合成本最低的目标函数,综合成本包括发电机组的运行成本、对电动汽车用户的调度成本和弃光成本;
36、minfz=fgen+fev+fpv
37、
38、
39、
40、式中:fz为综合成本,fgen、fev、fpv分别为发电机组的运行成本、电动汽车的调度成本和弃光成本;ng为发电机组数;fg、fpv分别为发电机组的单位出力成本和单位弃光成本;pgl,t、sgl,t为发电机组l在t时刻的出本文档来自技高网...
【技术保护点】
1.一种考虑光伏消纳的电动汽车优化调度方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的考虑光伏消纳的电动汽车优化调度方法,其特征在于,所述电动汽车充电功率模型为:
3.根据权利要求1所述的考虑光伏消纳的电动汽车优化调度方法,其特征在于,所述步骤2中,通过蒙特卡洛抽样得到各电动汽车的出行参数后按属性划分集群为:
4.根据权利要求1所述的考虑光伏消纳的电动汽车优化调度方法,其特征在于,步骤3所确定的光伏消纳时段如下:
5.根据权利要求1-4任意一项所述的考虑光伏消纳的电动汽车优化调度方法,其特征在于,步骤4具体为:
6.根据权利要求5所述的考虑光伏消纳的电动汽车优化调度方法,其特征在于,步骤4.3中,计及光伏消纳的V2G双层协调优化调度模型需满足的约束为:
7.根据权利要求1或6所述的考虑光伏消纳的电动汽车优化调度方法,其特征在于,步骤5中,通过改进的自适应多目标差分进化算法对计及光伏消纳的V2G双层协调优化调度模型进行求解,具体为:
8.根据权利要求7所述的考虑光伏消纳的电动汽车优化调度方
...【技术特征摘要】
1.一种考虑光伏消纳的电动汽车优化调度方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的考虑光伏消纳的电动汽车优化调度方法,其特征在于,所述电动汽车充电功率模型为:
3.根据权利要求1所述的考虑光伏消纳的电动汽车优化调度方法,其特征在于,所述步骤2中,通过蒙特卡洛抽样得到各电动汽车的出行参数后按属性划分集群为:
4.根据权利要求1所述的考虑光伏消纳的电动汽车优化调度方法,其特征在于,步骤3所确定的光伏消纳时段如下:
5.根据权利要求1-4任意一项所述的考虑光伏消纳的电动汽车优化调度方法,...
【专利技术属性】
技术研发人员:康逸群,柳丹,冀肖彤,熊平,江克证,李喆,游力,曹侃,肖繁,胡畔,叶畅,宿磊,熊亮雳,熊昊哲,邓万婷,王伟,陈孝明,刘巨,徐驰,李猎,敖禹琦,冯万里,
申请(专利权)人:国网湖北省电力有限公司电力科学研究院,
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。