【技术实现步骤摘要】
本专利技术涉及电力系统调度领域，尤其涉及考虑需求响应和可再生能源出力的电动汽车优化调度。
技术介绍
1、化石燃料短缺和环境保护在经济发展中引起了关注。电动汽车electricvehicles，evs的大规模部署是减少对化石燃料的依赖和保护环境的潜在解决方案，许多国家和汽车制造商正在努力推广使用电动汽车。电动汽车在电力系统中往往表现为分布式和移动式的电力需求；它们的分布式存储能力也可供电网使用。利用车辆到电网vehicle togrid，v2g技术，电动汽车可以通过优化充放电来帮助转移高峰负荷，降低发电机的运营成本和排放。
2、同时，大量电动汽车的不协调充电或放电可能导致电网中的一些问题，如电力拥堵、欠压、电网不稳定、电能质量、继电器、频率等电网问题。风电是一种清洁的可再生能源，在电力系统中得到了广泛的安装。然而，由于风电功率具有不确定性和波动性的特点，很难对其进行准确的预测。因此，风力发电给电网的运行带来了新的挑战。电动汽车作为分布式和移动式储能单元，在智能电价引导下通过充放电平抑风电功率波动。因此，为提高风电消纳能力和电网运行经济性，制定计及风电和大规模电动汽车充放电行为的电网优化调度策略具有潜在的效益；对考虑需求响应和可再生能源出力的电动汽车优化调度策略仍存在欠缺。
技术实现思路
1、专利技术目的：为了克服现有技术中存在的不足，本专利技术提供考虑需求响应和可再生能源出力的电动汽车优化调度方法，提出了一种机组组合优化模型，以协调热机组、电动汽车和风力发电降低经济成本，
2、技术方案：为实现上述目的，本专利技术的考虑需求响应和可再生能源出力的电动汽车优化调度方法，包括以下步骤：
3、s1、建立以降低机组运行成本、用户充电成本和弃风成本的目标函数；
4、s2、基于系统功率平衡、热备用容量、充放电的电动汽车数量、电动汽车的总充放电时间和弃风的限制电量设置约束条件；
5、s3、通过目标函数和约束条件建立机组组合优化模型；
6、s4、对机组组合优化模型进行求解得到优化后的热机组、电动汽车和风力发电协调的方案。
7、进一步的，所述s1步骤中，机组运行成本包括燃料费用、碳排放成本和启动成本；电力系统中，热机组的燃料成本是热机组输出的二次函数为：
8、
9、式中，ai、bi和ci为单位i的正燃料成本系数；为场景s中单位i在时间间隔t处的输出；
10、所述碳排放成本为直流配用电系统碳交易成本为：
11、
12、式中，c为基础碳价，call为总碳排放量：，ec为系统免费碳排放；
13、时间依赖的启动成本的阶跃函数si，t为：
14、
15、
16、式中，为过渡小时数，为第i台机组的热启动费用，为第i台机组的冷启动费用，为第i台机组的热启动费用，t为第i台机组在时间间隔t的连续脱网时间，为第i台机组的最小停机时间，为第i台机组的冷态启动时间。
17、进一步的，所述s1步骤中，充电成本减去放电收入计算用户充电成本为：
18、
19、式中，ρc，t和ρd，t分别为t时刻的充电电价和放电电价；和为数量场景s中电动汽车分别在时间间隔t进行的充电和放电；pc和pd分别为电池的平均充电功率和放电功率evs；δt为时间间隔的长度。
20、进一步的，所述s1步骤中，考虑弃风惩罚后的弃风成本为：
21、
22、式中，w为风电场总数，cw为风力消减的惩罚价格，为场景s中风电场w在时间间隔t时的风力消减。
23、进一步的，基于机组运行成本包括燃料费用、碳排放成本和启动成本，用户充电成本以及弃风成本得到目标函数：
24、
25、式中，t为时间间隔的总数，ng为火电机组的总数；e{ }表示所有场景的数学期望，ui，t为机组i在时段t的运行状态；1表示在线，0表示离线；场景s的概率为
26、期望值的计算为：
27、e(x)＝x1*p(x1)+x2*p(x2)+…+xn*p(xn)
28、式中，p(xn)为xn的概率。
29、进一步的，所述s2步骤中，所有投入机组、电动汽车放电和风电场的功率必须等于任何时刻的基础负荷和电动汽车充电需求，得到系统功率平衡：
30、
31、式中，dt为时间间隔t的基本负荷需求，为场景s中时间间隔为t的风电场预测风电功率。
32、进一步的，所述热机组的热备用基于充分的旋转储备设置约束条件为：
33、
34、式中，为机组i的最大出力，rt为时段t的系统备用需求；
35、弃风电量与预测风电功率之间的约束关系式为：
36、
37、式中，表示预测的风电功率。
38、在每个时间间隔内，可用于充电或放电的电动汽车数量受到约束：
39、
40、
41、式中，和分别为时段t可用于充电和放电的最大可用电动汽车数量；
42、电动汽车的总充电和放电时间受到约束：
43、
44、
45、式中，和分别为可用于充电和放电的ev总数；δtc和δtd分别为电动汽车的平均充电时间和放电时间。
46、进一步的，所述场景s的获取方法包括以下步骤：
47、s1-1、基于历史数据建立风电功率预测误差的数学模型；
48、s1-2、通过随机模拟生成大量的风电功率预测误差时间序列场景；
49、s1-3、将期望值和预测误差相加得到风电功率场景；
50、s1-4、利用场景消减技术将生成的场景消减为所需数量的场景。
51、有益效果：本专利技术的考虑需求响应和可再生能源出力的电动汽车优化调度方法，从时间和空间上解决了含风电的电动汽车充放电负荷调度问题；将电动汽车与火电机组、基础负荷协调配合，并考虑风电出力，在时域内优化电动汽车的负荷时段；所提出的优化策略通过在时间和空间上调度电动汽车充放电，可以消纳风电，提高电网运行的经济性和电动汽车用户的收益。在输电系统的角度上，机组组合优化模型的上层模型优化调度火电机组和电动汽车，以获得在电网运行和风电适应方面更好的经济性能。
本文档来自技高网...【技术保护点】
1.考虑需求响应和可再生能源出力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所述的考虑需求响应和可再生能源出力的电动汽车优化调度方法，其特征在于：所述S1步骤中，机组运行成本包括燃料费用、碳排放成本和启动成本；电力系统中，热机组的燃料成本是热机组输出的二次函数为：
3.根据权利要求2所述的考虑需求响应和可再生能源出力的电动汽车优化调度方法，其特征在于：所述S1步骤中，充电成本减去放电收入计算用户充电成本为：
4.根据权利要求3所述的考虑需求响应和可再生能源出力的电动汽车优化调度方法，其特征在于：所述S1步骤中，考虑弃风惩罚后的弃风成本为：
5.根据权利要求4所述的考虑需求响应和可再生能源出力的电动汽车优化调度方法，其特征在于：基于机组运行成本包括燃料费用、碳排放成本和启动成本，用户充电成本以及弃风成本得到目标函数：
6.根据权利要求1所述的考虑需求响应和可再生能源出力的电动汽车优化调度方法，其特征在于：所述S2步骤中，所有投入机组、电动汽车放电和风电场的功率必须等于任何时刻的基础负荷和电动汽车充
7.根据权利要求6所述的考虑需求响应和可再生能源出力的电动汽车优化调度方法，其特征在于：所述热机组的热备用基于充分的旋转储备设置约束条件为：
8.根据权利要求2所述的考虑需求响应和可再生能源出力的电动汽车优化调度方法，其特征在于：所述场景S的获取方法包括以下步骤：
...【技术特征摘要】
1.考虑需求响应和可再生能源出力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所述的考虑需求响应和可再生能源出力的电动汽车优化调度方法，其特征在于：所述s1步骤中，机组运行成本包括燃料费用、碳排放成本和启动成本；电力系统中，热机组的燃料成本是热机组输出的二次函数为：
3.根据权利要求2所述的考虑需求响应和可再生能源出力的电动汽车优化调度方法，其特征在于：所述s1步骤中，充电成本减去放电收入计算用户充电成本为：
4.根据权利要求3所述的考虑需求响应和可再生能源出力的电动汽车优化调度方法，其特征在于：所述s1步骤中，考虑弃风惩罚后的弃风成本为：
5.根据权利要求4所述的考虑需求响应...
【专利技术属性】
技术研发人员：吕天罡，蒋卓宇，圣磊，贺伟，韩涛，李文滔，路晓峰，敖琦，孙轶环，张奥星，
申请(专利权)人：三峡电能有限公司，
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。