本發(fā)明屬于電力系統(tǒng)優(yōu)化調(diào)度領(lǐng)域，涉及一種計及電動汽車隨機模糊需求響應(yīng)的調(diào)度優(yōu)化建模的新方法。

背景技術(shù)：

電動汽車用戶的充電行為有較大的不確定性，導(dǎo)致電動汽車充電負荷難以預(yù)測。本發(fā)明基于實測車流量建立的分時電價電動汽車隨機模糊充電車流量模型，解決了分時電價下電動汽車隨機模糊充電負荷預(yù)測的問題。并將電動汽車隨機模糊充電負荷作為“虛擬發(fā)電機組”納入到電力系統(tǒng)調(diào)度計劃中，可作為備用容量資源，對改善系統(tǒng)安全性、可靠性、經(jīng)濟性有著重要意義。

需求響應(yīng)在智能電網(wǎng)中的應(yīng)用是當前電力行業(yè)研究的熱點，很多學者對其進行了廣泛的研究和實踐。目前，最主要的需求響應(yīng)形式為分時電價，并已在國內(nèi)部分省市實施。電動汽車隨機模糊充電負荷作為其中一種響應(yīng)手段，是以與調(diào)度部門簽訂合約等方式，在系統(tǒng)需要調(diào)用其資源時接受調(diào)度部門的控制。在合約中規(guī)定的調(diào)用時間范圍內(nèi)，允許調(diào)度部門削弱或斷開其負荷，減少系統(tǒng)有功缺額。相當于充當了系統(tǒng)的備用容量，提高了系統(tǒng)安全性和可靠性。

本發(fā)明基于分時電價的電動汽車隨機模糊需求響應(yīng)建立車流量模型，得到各時段可調(diào)用的電動汽車充電負荷量，設(shè)定調(diào)度條件，當系統(tǒng)負荷量高出歷史最高負荷一定比例或低于歷史最低負荷一定倍數(shù)時，可調(diào)用的電動汽車充電負荷才參與系統(tǒng)的調(diào)度。在實施分時電價后的負荷曲線基礎(chǔ)上，構(gòu)建考慮發(fā)電端運行費用及調(diào)度費用綜合最低多目標模型。采用基于nsga-ii(non-dominatedsortinggeneticalgorithm,nsga-ii)的多目標優(yōu)化算法對模型求解。求取電動汽隨機模糊需求響應(yīng)參與調(diào)度前與調(diào)度后的調(diào)度費用及負荷曲線。

綜上，構(gòu)建計及電動汽車隨機模糊需求響應(yīng)的調(diào)度優(yōu)化模型及算法來獲得電動汽隨機模糊需求響應(yīng)參與調(diào)度前與調(diào)度后的調(diào)度費用及負荷曲線，對提高系統(tǒng)安全性和可靠性，具有重要意義。

技術(shù)實現(xiàn)要素：

本發(fā)明基于分時電價的電動汽車隨機模糊需求響應(yīng)建立車流量模型，得到各時段可調(diào)用的電動汽車充電負荷量，設(shè)定調(diào)度條件，當系統(tǒng)負荷量高出歷史最高負荷一定比例或低于歷史最低負荷一定倍數(shù)時，可調(diào)用的電動汽車充電負荷才參與系統(tǒng)的調(diào)度。在實施分時電價后的負荷曲線基礎(chǔ)上，構(gòu)建考慮發(fā)電端運行費用及調(diào)度費用綜合最低多目標模型。采用基于nsga-ii(non-dominatedsortinggeneticalgorithm,nsga-ii)的多目標優(yōu)化算法對模型求解。求取電動汽隨機模糊需求響應(yīng)參與調(diào)度前與調(diào)度后的調(diào)度費用及負荷曲線。

技術(shù)方案：計及電動汽車隨機模糊需求響應(yīng)的調(diào)度優(yōu)化建模及算法，該方法包括如下幾步：

步驟1：建立分時電價下負荷響應(yīng)模型；著眼于分時電價下的需求響應(yīng)特性，基于特定地區(qū)分時電價負荷數(shù)據(jù)為研究對象；

步驟2：電動汽車充電負荷建模模型及算法；考慮電動汽車隨機模糊充電車流量、起始荷電狀態(tài)(stateofcharge,soc)、電動汽車電池容量、充電時間、充電功率等影響電動汽車充電負荷的主要因素，獲取充電負荷曲線；

步驟3：分時電價下電動汽車隨機模糊需求響應(yīng)的調(diào)度優(yōu)化；先構(gòu)建滿足電動汽車用戶和發(fā)電端協(xié)調(diào)調(diào)度最優(yōu)目標函數(shù)，綜合考慮用戶與發(fā)電端調(diào)度成本最小的多目標函數(shù)模型，采用線性加權(quán)法處理上式的多目標優(yōu)化問題，考慮功率平衡約束、旋轉(zhuǎn)備用約束、發(fā)電機組容量約束、發(fā)電機組爬坡約束、機組起停等約束，采用基于nsga-ii改進算法對考慮協(xié)調(diào)用戶與發(fā)電端調(diào)度成本最小的目標函數(shù)模型進行求解。

有益效果：本發(fā)明為適應(yīng)電動汽車發(fā)展趨勢，求取電動汽隨機模糊需求響應(yīng)參與調(diào)度前與調(diào)度后的調(diào)度費用及負荷曲線，為系統(tǒng)優(yōu)化運行作參考。

附圖說明

圖1為電價-轉(zhuǎn)移率關(guān)系示意圖；

圖2為計及電動汽車隨機模糊需求響應(yīng)的調(diào)度優(yōu)化模型求解流程；

具體實施方式

下面對本發(fā)明的具體實施方案及附圖做進一步描述。以下實施例僅用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。

本發(fā)明包括以下步驟：

1)電動汽車充電負荷的電價響應(yīng)模型

(1)分時電價下負荷響應(yīng)模型

需求響應(yīng)是電力需求側(cè)收到電價激勵后，包括分時電價、實時電價等，采取相應(yīng)的調(diào)整措施的過程。不同類型的需求響應(yīng)其響應(yīng)特性各不相同，不同地區(qū)用戶對電價信號的敏感程度也不盡相同。因此，對特定地區(qū)特定需求響應(yīng)類型須針對其響應(yīng)特性進行描述。

用戶在基于自愿原則下參與特定類型的需求響應(yīng)項目，用電自由度相對較大，容易受個人習慣或其他非經(jīng)濟因素的影響而使響應(yīng)出現(xiàn)波動，當參與需求響應(yīng)項目用戶規(guī)模達到一定程度后，響應(yīng)波動范圍會集中在某一范圍，不確定性相對減小。本章著眼于分時電價下的需求響應(yīng)特性，基于特定地區(qū)分時電價負荷數(shù)據(jù)建立分時電價下負荷響應(yīng)模型。

理論上，電價與負荷轉(zhuǎn)移率呈負相關(guān)關(guān)系，即隨著電價的上漲轉(zhuǎn)移率呈下降趨勢，其大致關(guān)系示意圖如附圖1。

圖中為r負荷轉(zhuǎn)移率，當r為正時表示負荷增加，r為負時表示負荷減少。prc為電價，prcm為標準電價(平時段電價)，rum為電價是電價在m點時的波動上限，rdm是電價在m點時的波動下限，即[rdm，rum]為電價在m點時的負荷轉(zhuǎn)移率的置信區(qū)間。理論上此時的負荷轉(zhuǎn)移率波動區(qū)間最大，負荷轉(zhuǎn)移率可能為正，也可能為負。隨著電價偏離標準電價越遠，負荷轉(zhuǎn)移率波動區(qū)間越小，當價格偏離到一定區(qū)間，轉(zhuǎn)移率到達用電需求極限，不再隨價格變動，此時負荷轉(zhuǎn)移率波動區(qū)間近似為零。

基于特定地區(qū)實際分時電價政策，對負荷時段進行劃分，分別為平時段(7：00-8：00、11：00-15：00、22：00-23：00)、谷時段(23：00-次日7：00)、高峰時段(8：00-11：00、15：00-19：00)、尖峰時段(19：00-22：00)。則負荷轉(zhuǎn)移情形可分為平-高，平-谷，高-尖，尖-平四種。在第二章的第二小節(jié)中已介紹過負荷轉(zhuǎn)移概率分布特征的提取方法，采用所述方法獲取四種情形下的負荷轉(zhuǎn)移率概率分布特征。

實施分時電價政策后的負荷可表達為：

式中，t表示時間；l為分時電價擬合負荷；l0為實施分時電價前的負荷；rpgu_tou、rpgu分別為實行分時電價前和分時電價后“平-谷”情形負荷轉(zhuǎn)移率；rpgao_tou、rpgao分別為實行分時電價前和分時電價后“平-高”情形負荷轉(zhuǎn)移率；rjp_tou、rjp分別為實行分時電價前和分時電價后“尖-平”情形負荷轉(zhuǎn)移率；rgaoj_tou、rgaoj為實行分時電價前和分時電價后“高-尖”情形負荷轉(zhuǎn)移率。tgao是高峰時段；tgu是谷時段；tj是尖峰時段。

(2)電動汽車充電負荷建模

電動汽車負荷建模是獲取充電負荷曲線的關(guān)鍵，電動汽車充電數(shù)量、起始荷電狀態(tài)(stateofcharge,soc)、電動汽車電池容量、充電時間、充電功率等都是影響電動汽車充電負荷的主要因素，每一時刻的充電負荷都綜合了以上因素，所以電動汽車充電負荷應(yīng)為與時間有關(guān)變量。

1.電動汽車隨機模糊充電車流量

先從電動汽車充電數(shù)量入手，獲取電動汽車的充電規(guī)模。本發(fā)明詳細闡述了分時電價響應(yīng)車流量隨機模糊模型的建模步驟，并對仿真結(jié)果進行了檢驗，證明了模型的合理性，因此，在獲取特定地區(qū)道路車流量概率分布特征的前提下，t時刻的電動汽車隨機模糊充電車流量可以表達為：

nev(t)＝perevτtntθt(2)

式中，nev表示電動汽車充電規(guī)模，perev為電動汽車滲透率，nt為t時刻的隨機模糊車流量，θt為t時刻的車流量充電比例。

2.起始荷電狀態(tài)

起始荷電狀態(tài)是指電動汽車每一次返程到達充電地點，并開始充電時電池內(nèi)的剩余電荷量。其值與行駛里程有直接關(guān)系，當少于一定電量時，用戶才會選擇充電。實際情況中，由于用戶的出行習慣及使用習慣，一般會在電池電量低于某一值附近時即開始充電，而不會選擇在電池電量耗盡后才開始進行充電，特定用戶類型的起始soc都服從一定的概率分布。一般來講，起始soc都服從正態(tài)分布n(μ,σ²)。

3.充電時間

充電時間取決于電動汽車的充電功率、電池容量和起始soc。一般認為，當電荷量充至電池總?cè)萘康?8％時即可判定為充滿。所以，電動汽車的充電時間可表示為：

上式中，tcharge為電動汽車充電完成所需時間；q為電動汽車電池總?cè)萘?單位kw·h；pcharge為充電功率，單位kw；η為充電效率。

綜合考慮上述影響因素，t時刻的電動汽車充電負荷可表達為：

pev(t)＝pchargenev(t)(4)

2)分時電價下電動汽車隨機模糊需求響應(yīng)的調(diào)度優(yōu)化

將電動汽車充電負荷引入日前調(diào)度計劃中將能有效調(diào)系統(tǒng)運行的備用率，也能對負荷曲線實現(xiàn)削峰平谷。電動汽車用戶可以根據(jù)個人意愿向調(diào)控中心提交用電計劃，以簽訂合同形式商定參與負荷調(diào)度的電量，延遲時間及補償價格。本發(fā)明采取以價格補償?shù)姆绞揭龑?dǎo)電動汽車延時充電。

參與調(diào)度的充電電動汽車調(diào)度成本為：

式中，cev為電動汽車調(diào)度成本；為t時段第j量充電電動汽車的調(diào)用狀態(tài)，1為是，0為否；prcev為補償價格。

為了減少負荷調(diào)度對電動汽車使用的不利影響，所以每輛電動汽車一天只響應(yīng)一次負荷調(diào)度，同時充電時延滿足：

0≤tdelay≤tstart-tend-tcharge+24(6)

式中，tdelay、tstar、tend、tcharge分別表示充電時延，出行起始時間，出行結(jié)束時間，電動汽車充電完成所需時間。

(1)目標函數(shù)

為將分時電價和電動汽車充電負荷協(xié)調(diào)融入日前調(diào)度計劃，在既定的電價方案下，通過分時電價下的負荷響應(yīng)模型對日前負荷進行擬合，考慮分時電價下電動汽車充電負荷的響應(yīng)特性，將電動汽車充電負荷視為“虛擬機組”參與系統(tǒng)調(diào)度。構(gòu)建滿足電動汽車用戶和發(fā)電端協(xié)調(diào)調(diào)度最優(yōu)目標函數(shù)。

綜合考慮用戶與發(fā)電端調(diào)度成本最小的多目標函數(shù)模型：

minfc＝{cev,cg}(7)

采用線性加權(quán)法處理上式的多目標優(yōu)化問題，即：

上式中，λ1、λ2為權(quán)重系數(shù)；cev為電動汽車調(diào)度成本；cg是發(fā)電端運營成本；ng為總發(fā)電機組數(shù)；an、bn、cn為發(fā)電成本系數(shù)；pn_t為第n臺機組在t時刻的有功出力；cop為機組的啟停成本；un_t為機組在t時刻的運行狀態(tài)，1為是，0為否。

當系統(tǒng)運行狀態(tài)滿足一定條件時，電動汽車充電負荷才會參與系統(tǒng)調(diào)度。本文設(shè)計的調(diào)用條件是在系統(tǒng)負荷超過最大負荷一定比例ε1或低于最小負荷一定比例。

式中，lmax、lmin分別為系統(tǒng)負荷最大值和系統(tǒng)負荷最小值；ε1、ε2為比例系數(shù)，由調(diào)度部門給出。

(2)約束條件

1.功率平衡約束

式中，pload_t為t時刻系統(tǒng)凈有功負荷；pevdr_t為t時刻響應(yīng)延時充電的電動汽車負荷。

2.旋轉(zhuǎn)備用約束

式中，pnmax_t為第n臺機組在t時段的有功出力上限，其值跟該機組在上一時段的有功出力與爬坡速率有關(guān)；r是旋轉(zhuǎn)備用需求系數(shù)，一般取10％。

3.發(fā)電機組容量約束

pnmin≤pn_t≤pnmax(12)

式中，pnmin、pnmax分別為第n臺機組的出力上限和下限。

4.發(fā)電機組爬坡約束

-pn_down≤pn_t-pn_t-1≤pn_up(13)

式中，pn_down、pn_up分別為第n臺機組有功出力的下降速率和上升速率，單位為mw/h。

5.機組起停約束

式中，分別為第n臺機組的最小連續(xù)運行時間和最小連續(xù)停運時間；分別表示第n太機組在s個調(diào)度時段內(nèi)的連續(xù)運行時間和連續(xù)停運時間。

(3)模型求解方法及流程

采用基于nsga-ii改進算法對考慮協(xié)調(diào)用戶與發(fā)電端調(diào)度成本最小的目標函數(shù)模型進行求解。由于機組啟停狀態(tài)屬于離散變量，而nsga-ii只能解連續(xù)變量多目標問題，因此，在求解過程中先根據(jù)約束條件確定機組的運行狀態(tài)和電動汽車響應(yīng)充電負荷調(diào)用量，然后采用二次規(guī)劃算法求取發(fā)電機組的最優(yōu)出力組合，最后用nsga-ii算法對目標函數(shù)求取最優(yōu)解。

以上實施方案僅用于說明本發(fā)明，而并非對本發(fā)明的限制，有關(guān)技術(shù)領(lǐng)域的普通技術(shù)人員，在不脫離本發(fā)明的精神和范圍的情況下，還可以做出各種變化和變型，因此所有等同的技術(shù)方案也屬于本發(fā)明的保護范疇。