【技术实现步骤摘要】
本专利技术属于电动汽车充电网络优化运行，具体涉及一种基于充电负荷预测的电动汽车充电网络运行方法及系统。
技术介绍
1、电动汽车在时间和空间上将电力网和交通网紧密联系在一起，其充电需求往往会受到交通路况、充电设施布局和天气等因素的制约。针对大规模电动汽车接入情况下电动汽车充电需求的合理建模是电动汽车充电网络优化运行的基础，充电需求预测结果的准确程度会影响充电网络优化运行结果的可靠性。
技术实现思路
1、本专利技术的目的是针对现有技术存在的上述问题，提供一种能够最小化系统总成本而且可靠性高的基于充电负荷预测的电动汽车充电网络运行方法及系统。
2、为实现以上目的，本专利技术的技术方案如下：
3、第一方面，本专利技术提供一种基于充电负荷预测的电动汽车充电网络运行方法，所述运行方法包括：
4、s1、构建混合整数线性规划模型，所述混合整数线性规划模型的目标函数为系统总成本最小，所述系统总成本包括发电设施成本、分布式能源成本、储能系统成本、电动汽车接入收益，所述电动汽车接入成本基于电动汽车年充电负荷预测曲线计算得到，约束条件包括分布式能源约束；
5、s2、基于混合整数线性规划模型进行仿真计算，输出电动汽车充电网络运行策略。
6、所述目标函数为：
7、
8、上式中，fmonth为系统总成本；dcmonth为发电设施平摊到每月的成本；pgrid，max，month为单月的电网最大功率；ect，month为单月t时刻的
9、所述分布式能源约束包括：
10、pgrid，t+pess，t+pder，opt＝pacevch，t×bacevch，t+pdcevch，t+pload，t；
11、pgrid，max，month≥pgrid，t；
12、
13、pess，t＝pess，ch，t+pess，disch，t；
14、pess，disch，t≤pess，t；
15、pess，ch，t≤pess，t；
16、
17、
18、
19、pdcevch，t≤pdcevloadprofile，t；
20、上式中，pload，t为t时刻负载功率；pess，opt为最优储能系统功率；ηp为电能变换效率；pess，ch，t为t时刻充到储能系统的功率；pess，disch，t为t时刻从储能系统释放的功率；eess，d为一天内储能系统的能量输出；tsd为一天内瞬时时刻的总数；eess，opt为最优储能系统能量；pdcevloadprofile，t为t时刻估计的直流充电功率。
21、所述ecacevch，t，month、ecdcevch，t，month、pacevch，t、pdcevch，t、bacevch，t均基于电动汽车年充电负荷预测曲线计算得到，所述电动汽车年充电负荷预测曲线根据以下方法得到：
22、若电动汽车充电状态未达到最大荷电状态，电动汽车充电功率取电动汽车功率限制和充电器额定值两者的较小值，将电动汽车充电功率与充电时间一起进行积分运算得到电动汽车充电负荷，直至电动汽车充电状态达到最大荷电状态，此时电动汽车充电负荷记为零；在一年中重复以上步骤即可得到电动汽车年充电负荷预测曲线。
23、第二方面，本专利技术提供一种基于充电负荷预测的电动汽车充电网络运行系统，所述运行系统包括模型构建模块、仿真计算模块，
24、所述模型构建模块，用于构建混合整数线性规划模型，所述混合整数线性规划模型的目标函数为系统总成本最小，所述系统总成本包括发电设施成本、分布式能源成本、储能系统成本、电动汽车接入收益，，所述电动汽车接入成本基于电动汽车年充电负荷预测曲线计算得到，约束条件包括分布式能源约束；
25、所述仿真计算模块，用于基于混合整数线性规划模型进行仿真计算，输出电动汽车充电网络运行策略。
26、所述目标函数为：
27、
28、上式中，fmonth为系统总成本；dcmonth为发电设施平摊到每月的成本；pgrid，max，month为单月的电网最大功率；ect，month为单月t时刻的电网供电成本；pgrid，t为t时刻电网的供电功率；emcp，der为分布式能源每月的电力成本；emce，der为分布式能源每月的能源成本；eder，opt为一年中单月最大的分布式能源的能量输出；pder，opt为一年中单月最大的分布式能源的电力输出功率；ecacevch，t，month为单月t时刻的电动汽车交流充电能量；ecess，t，month为储能系统的单位能量成本；pess，t为t时刻储能系统功率；ecdcevch，t，month为单月t时刻的电动汽车直流充电能量；pacevch，t为t时刻电动汽车的交流充电功率；pdcevch，t为t时刻电动汽车的直流充电功率；bacevch，t表示电动汽车交流充电器的开启状态，开启则为1，关闭则为0；tsm为单月内瞬时时刻的总数。
29、所述分布式能源约束包括：
30、pgrid，t+pess，t+pder，opt＝pacevch，t×bacevch，t+pdcevch，t+pload，t；
31、pgrid，max，month≥pgrid，t；
32、
33、pess，t＝pess，ch，t+pess，disch，t；
34、pess，disch，t≤pess，t；
35、pess，ch，t≤pess，t；
36、
37、
38、
39、pdcevch，t≤pdcevloadprofile，t；
40、上式中，pload，t为t时刻负载功率；pess，opt为最优储能系统功率；ηp为电能变换效率；pess，ch，t为t时刻充到储能系统的功率；pess，disch，t为t时刻从储能系统释放的功率；eess，d为一天内储能系统的能量输出；tsd为一天内瞬时时刻的总数；eess，opt为最优储能系统能量；pdcevloadprofi本文档来自技高网...
【技术保护点】
1.基于充电负荷预测的电动汽车充电网络运行方法，其特征在于：
2.根据权利要求1所述的基于充电负荷预测的电动汽车充电网络运行方法，其特征在于：
3.根据权利要求2所述的基于充电负荷预测的电动汽车充电网络运行方法，其特征在于：
4.根据权利要求2或3所述的基于充电负荷预测的电动汽车充电网络运行方法，其特征在于：
5.基于充电负荷预测的电动汽车充电网络运行系统，其特征在于：
6.根据权利要求5所述的基于充电负荷预测的电动汽车充电网络运行系统，其特征在于：
7.根据权利要求6所述的基于充电负荷预测的电动汽车充电网络运行系统，其特征在于：
8.根据权利要求6或7所述的基于充电负荷预测的电动汽车充电网络运行系统，其特征在于：
9.基于充电负荷预测的电动汽车充电网络运行设备，其特征在于：
10.一种计算机可读存储介质，其特征在于：
【技术特征摘要】
1.基于充电负荷预测的电动汽车充电网络运行方法，其特征在于：
2.根据权利要求1所述的基于充电负荷预测的电动汽车充电网络运行方法，其特征在于：
3.根据权利要求2所述的基于充电负荷预测的电动汽车充电网络运行方法，其特征在于：
4.根据权利要求2或3所述的基于充电负荷预测的电动汽车充电网络运行方法，其特征在于：
5.基于充电负荷预测的电动汽车充电网络运行系统，其特征在于...
【专利技术属性】
技术研发人员：廖荣涛，饶宇骁，王逸兮，王晟玮，叶宇轩，蔡昌松，罗阳，张启烨，
申请(专利权)人：国网湖北省电力有限公司信息通信公司，
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。