【技术实现步骤摘要】
本申请涉及电力系统，特别涉及一种调频分层调度控制方法、装置、电动汽车及存储介质。
技术介绍
1、电动汽车作为典型的灵活性调节资源，相关技术中，可以通过建立三层分布式最优潮流优化模型，模型包括三层，主干馈线层、单向支线层以及低压配电网层，从而能够将大规模电动汽车聚合起来参与电网的频率控制，有助于提升电网的安全稳定运行水平。
2、然而，相关技术中，由于没有考虑调频过程中的经济性能，导致难以合理规划电动汽车的充放电策略，容易造成整体能源消耗的增加，无法实现电力系统的可持续和高效运行，亟待改善。
技术实现思路
1、本申请提供一种调频分层调度控制方法、装置、电动汽车及存储介质，以解决相关技术中，由于没有考虑调频过程中的经济性能，导致难以合理规划电动汽车的充放电策略，容易造成整体能源的损耗，进而增加成本等问题。
2、本申请第一方面实施例提供一种电动汽车调频分层调度控制方法，包括以下步骤：建立规模化电动汽车参与电网调频的云边端协同架构；在所述云边端协同架构下，建立电动汽车聚合商对其控制的电动汽车子群进行调频能力滚动评估模型，以将调频容量上传至云侧以作为调频指令在边侧之间分解的依据；以及基于强化学习的规模化电动汽车集群调频指令分层分解策略，以利用强化学习方法将所述云侧下发的调频指令在边侧各ev(electric vehicle，电动汽车)子群之间分解，得到最小化电动汽车集群充电总成本的强化学习模型。
3、可选地，在本申请的一个实施例中，所述云边端协同架构包括为电
4、可选地，在本申请的一个实施例中，所述在所述云边端协同架构下，建立电动汽车聚合商对其控制的电动汽车子群进行调频能力滚动评估模型，以将调频容量上传至云侧以作为调频指令在边侧之间分解的依据，包括：描述规模化电动汽车集群调频能力滚动评估过程；基于所述规模化电动汽车集群调频能力滚动评估过程，建立规模化电动汽车集群的调频能力滚动评估模型。
5、可选地，在本申请的一个实施例中，所述建立规模化电动汽车集群的调频能力滚动评估模型，包括：在满足电动汽车车主需求的前提下，使得电动汽车子群根据在评估时刻接收到的子群内部所有电动汽车上传的状态信息计算每辆ev在调频时段内的充电功率上下限，以得到基值充电功率和调频容量上下限。
6、可选地，在本申请的一个实施例中，所述利用强化学习方法将所述云侧下发的调频指令在边侧各ev子群之间分解，得到最小化电动汽车集群充电总成本的强化学习模型，包括：基于强化学习方法建立调频指令分层分解数学模型；将所述调频指令分层分解数学模型应用于所述云边端协同调频架构，得到所述最小化电动汽车集群充电总成本的强化学习模型。
7、本申请第二方面实施例提供一种电动汽车调频分层调度控制装置，包括：第一构建模块，用于建立规模化电动汽车参与电网调频的云边端协同架构；第二构建模块，用于在所述云边端协同架构下，建立电动汽车聚合商对其控制的电动汽车子群进行调频能力滚动评估模型，以将调频容量上传至云侧以作为调频指令在边侧之间分解的依据；控制模块，用于基于强化学习的规模化电动汽车集群调频指令分层分解策略，以利用强化学习方法将所述云侧下发的调频指令在边侧各ev子群之间分解，得到最小化电动汽车集群充电总成本的强化学习模型。
8、可选地，在本申请的一个实施例中，所述云边端协同架构包括为电网调度控制中心的云端、为聚合平台的边侧和为电动汽车个体的端侧，其中，所述云端负责接收边侧提供的子群状态信息并根据所述调频指令在聚合平台之间分配调度功率指令，所述边侧用于接收聚合子群内的状态信息和将来自所述云侧的调频功率指令发送至电动汽车子群，所述端侧用于上传自身的状态信息和接收及响应所述边侧的调度功率指令。
9、可选地，在本申请的一个实施例中，所述第二构建模块包括：描述单元，用于描述规模化电动汽车集群调频能力滚动评估过程；第一构建单元，用于基于所述规模化电动汽车集群调频能力滚动评估过程，建立规模化电动汽车集群的调频能力滚动评估模型。
10、可选地，在本申请的一个实施例中，所述第一构建单元进一步用于在满足电动汽车车主需求的前提下，使得电动汽车子群根据在评估时刻接收到的子群内部所有电动汽车上传的状态信息计算每辆ev在调频时段内的充电功率上下限，以得到基值充电功率和调频容量上下限。
11、可选地，在本申请的一个实施例中，所述控制模块包括：第二构建单元，用于基于强化学习方法建立调频指令分层分解数学模型；控制单元，用于将所述调频指令分层分解数学模型应用于所述云边端协同调频架构，得到所述最小化电动汽车集群充电总成本的强化学习模型。
12、本申请第三方面实施例提供一种电动汽车，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的电动汽车调频分层调度控制方法。
13、本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的电动汽车调频分层调度控制方法。
14、本申请实施例可以建立云边端协同架构，通过电动汽车聚合商对电动汽车子群进行调频能力评估，并将调频容量上传至云侧，利用基于强化学习的分解策略在边侧将云侧下发的调频指令分解到各电动汽车子群中，得到最小化充电总成本的强化学习模型，从而实现电动汽车参与调频，提高电网灵活性，满足用户需求，优化调度效果，并实现经济性能最大化。由此，解决了相关技术中，由于没有考虑调频过程中的经济性能，导致难以合理规划电动汽车的充放电策略，容易造成整体能源的损耗，进而增加成本等问题。
15、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
本文档来自技高网...【技术保护点】
1.一种电动汽车调频分层调度控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述云边端协同架构包括为电网调度控制中心的云端、为聚合平台的边侧和为电动汽车个体的端侧，其中，所述云端负责接收边侧提供的子群状态信息并根据所述调频指令在聚合平台之间分配调度功率指令，所述边侧用于接收聚合子群内的状态信息和将来自所述云侧的调频功率指令发送至电动汽车子群，所述端侧用于上传自身的状态信息和接收及响应所述边侧的调度功率指令。
3.根据权利要求1所述的方法，其特征在于，所述在所述云边端协同架构下，建立电动汽车聚合商对其控制的电动汽车子群进行调频能力滚动评估模型，以将调频容量上传至云侧以作为调频指令在边侧之间分解的依据，包括：
4.根据权利要求3所述的方法，其特征在于，所述建立规模化电动汽车集群的调频能力滚动评估模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述利用强化学习方法将所述云侧下发的调频指令在边侧各EV子群之间分解，得到最小化电动汽车集群充电总成本的强化学习模型，包括：
6.一种电动汽车调频
7.根据权利要求6所述的装置，其特征在于，所述云边端协同架构包括为电网调度控制中心的云端、为聚合平台的边侧和为电动汽车个体的端侧，其中，所述云端负责接收边侧提供的子群状态信息并根据所述调频指令在聚合平台之间分配调度功率指令，所述边侧用于接收聚合子群内的状态信息和将来自所述云侧的调频功率指令发送至电动汽车子群，所述端侧用于上传自身的状态信息和接收及响应所述边侧的调度功率指令。
8.根据权利要求6所述的装置，其特征在于，所述第二构建模块包括：
9.根据权利要求8所述的装置，其特征在于，所述第一构建单元进一步用于在满足电动汽车车主需求的前提下，使得电动汽车子群根据在评估时刻接收到的子群内部所有电动汽车上传的状态信息计算每辆EV在调频时段内的充电功率上下限，以得到基值充电功率和调频容量上下限。
10.根据权利要求6所述的装置，其特征在于，所述控制模块包括：
11.一种电动汽车，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-5任一项所述的电动汽车调频分层调度控制方法。
12.一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，该程序被处理器执行，以用于实现如权利要求1-5任一项所述的电动汽车调频分层调度控制方法。
...【技术特征摘要】
1.一种电动汽车调频分层调度控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，所述云边端协同架构包括为电网调度控制中心的云端、为聚合平台的边侧和为电动汽车个体的端侧，其中，所述云端负责接收边侧提供的子群状态信息并根据所述调频指令在聚合平台之间分配调度功率指令，所述边侧用于接收聚合子群内的状态信息和将来自所述云侧的调频功率指令发送至电动汽车子群，所述端侧用于上传自身的状态信息和接收及响应所述边侧的调度功率指令。
3.根据权利要求1所述的方法，其特征在于，所述在所述云边端协同架构下，建立电动汽车聚合商对其控制的电动汽车子群进行调频能力滚动评估模型，以将调频容量上传至云侧以作为调频指令在边侧之间分解的依据，包括：
4.根据权利要求3所述的方法，其特征在于，所述建立规模化电动汽车集群的调频能力滚动评估模型，包括：
5.根据权利要求1所述的方法，其特征在于，所述利用强化学习方法将所述云侧下发的调频指令在边侧各ev子群之间分解，得到最小化电动汽车集群充电总成本的强化学习模型，包括：
6.一种电动汽车调频分层调度控制装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于，所述云边端协同架构包括...
【专利技术属性】
技术研发人员：潘建辉，魏泓屹，张宁，赵建立，朱靖恺，司方远，雍培，王鹏，
申请(专利权)人：清华大学，
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。