本發(fā)明涉及電動汽車可調(diào)潛力計算，具體為考慮用戶充電行為特性的電動汽車可調(diào)潛力計算方法及系統(tǒng)。

背景技術(shù)：

1、電動汽車(electric?vehicles,evs)作為現(xiàn)代交通領(lǐng)域的重要組成部分，不僅有助于減少化石燃料的消耗和降低環(huán)境污染，還因其作為靈活的電力負荷而成為了智能電網(wǎng)中不可或缺的一部分；在實現(xiàn)負荷削峰填谷以及參與電力系統(tǒng)的輔助服務(wù)市場方面，電動汽車具備顯著的優(yōu)勢，特別是在電力需求高峰期，電動汽車可以通過有序充電或放電技術(shù)向電網(wǎng)提供備用容量，從而幫助穩(wěn)定電網(wǎng)頻率和電壓，提高電網(wǎng)的整體穩(wěn)定性。

2、然而要充分發(fā)揮電動汽車作為柔性負荷的潛力并非易事，這主要是因為用戶參與不同充電行為的意愿存在高度的不確定性。這種不確定性不僅受到個人習慣和偏好等因素的影響，還會受到諸如政策導向、社會輿論等外部社會因素的作用。如果在對電動汽車進行可調(diào)度潛力建模時忽略了用戶的充電規(guī)律和心理因素，那么就可能導致模型預(yù)測結(jié)果的偏差，進而影響到調(diào)度決策的準確性和有效性。

3、目前盡管已有多種方法被提出用于評估和預(yù)測電動汽車的可調(diào)度潛力，但在實際應(yīng)用中仍面臨諸多挑戰(zhàn)。一方面，對于單輛電動汽車的邊界條件建模還不夠精確，這意味著現(xiàn)有的模型可能無法準確反映每輛電動汽車在特定時間和地點的具體可用容量；另一方面，對于整個電動汽車群體的可調(diào)度潛力預(yù)測也不夠精準，尤其是在考慮大規(guī)模電動汽車接入電網(wǎng)的情況下，如何有效地整合多樣的電動汽車個體行為而形成有效的集群調(diào)度策略仍然是一個亟待解決的問題。因此，為了克服上述局限性并進一步提升電動汽車作為柔性負荷的利用效率，有必要開發(fā)一種新的計算方法及調(diào)度系統(tǒng)，能夠充分考慮到用戶充電行為的特性，從而更加準確地計算出電動汽車的可調(diào)度潛力。

技術(shù)實現(xiàn)思路

1、鑒于上述現(xiàn)有存在的問題，提出了本發(fā)明。

2、因此，本發(fā)明提供了考慮用戶充電行為特性的電動汽車可調(diào)潛力計算方法及系統(tǒng)的目的在于在預(yù)測電動汽車參數(shù)和判別電動汽車用戶充電行為的基礎(chǔ)上精準量化電動汽車集群的可調(diào)度潛力。

3、為實現(xiàn)上述目的，本發(fā)明提供如下技術(shù)方案：

4、第一方面，本發(fā)明提供了考慮用戶充電行為特性的電動汽車可調(diào)潛力計算方法，包括：通過分析不同用戶的充電行為特性建立電動汽車不同充電行為特性的詳細邊界模型，并基于閔可夫斯基求和理論對電動汽車參數(shù)進行聚合；根據(jù)所述電動汽車不同充電行為特性的詳細邊界模型利用pso-lstm算法對所述聚合的電動汽車參數(shù)進行預(yù)測；針對用戶意愿的不確定性建立基于后悔理論的三支決策模型并考慮用戶意愿建立自調(diào)度模型，基于所述預(yù)測的電動汽車參數(shù)以及所述自調(diào)度模型計算電動汽車集群可調(diào)度潛力。

5、作為本發(fā)明所述的考慮用戶充電行為特性的電動汽車可調(diào)潛力計算方法的一種優(yōu)選方案，其中：所述建立電動汽車不同充電行為特性的詳細邊界模型包括：

6、將到站后采用充放電行為的用戶表示為ⅰ類用戶，將到站后采用充電行為只改變充電時間的用戶表示為ⅱ類用戶，將到站后直接進行無序充電的用戶表示為ⅲ類用戶，通過分析不同用戶的充電行為特性建立電動汽車不同充電行為特性的詳細邊界模型，公式表示為：

7、

8、其中，表示ⅰ類、ⅱ類用戶第i輛電動汽車在t時刻的最大荷電狀態(tài)邊界，表示ⅰ類用戶第i輛電動汽車在t時刻的最小荷電狀態(tài)邊界，表示ⅱ類用戶第i輛電動汽車在t時刻的最小荷電狀態(tài)邊界，pi+(t)、pi-(t)分別表示充放電功率的邊界，e0表示初始荷電狀態(tài)，ed表示電池的期望充電容量，e+(t-1)和e-(t-1)分別表示電動汽車在t-1時刻的最大最小荷電狀態(tài)邊界，ta、td分別表示電動汽車的入網(wǎng)時間和離站時間，pch、pdis分別表示電動汽車最大充放電功率，η表示充放電效率，emin表示電池放電的下限，和分別表示電動汽車在t+1時刻的最大最小荷電狀態(tài)邊界。

9、作為本發(fā)明所述的考慮用戶充電行為特性的電動汽車可調(diào)潛力計算方法的一種優(yōu)選方案，其中：所述基于閔可夫斯基求和理論對電動汽車參數(shù)進行聚合包括：

10、基于閔可夫斯基求和理論引入停泊矩陣x使電動汽車具有相同的定義域，再將n輛電動汽車的最大、最小功率和容量聚合形成廣義儲能模型，即電動汽車參數(shù)聚合為廣義儲能模型的參數(shù)公式表示為：

11、

12、其中，xit表示第i輛電動汽車在時刻t的停泊系數(shù)，電動汽車停在充電站取值為1，駛離充電站取值為0，分別表示t時刻廣義儲能模型的最大充放電功率，分別為t時刻廣義儲能模型的最大、最小電量。

13、作為本發(fā)明所述的考慮用戶充電行為特性的電動汽車可調(diào)潛力計算方法的一種優(yōu)選方案，其中：所述利用pso-lstm算法對所述聚合的電動汽車參數(shù)進行預(yù)測包括：

14、對輸入的電動汽車入網(wǎng)時間、電動汽車駛離時間、初始電池荷電狀態(tài)進行預(yù)處理，篩選掉因停車時間較短無法進行調(diào)度的數(shù)據(jù)，并將所述預(yù)處理后的數(shù)據(jù)劃分為訓練集和測試集；

15、利用粒子群算法對lstm模型的四種參數(shù)進行初始化賦值，并根據(jù)所述訓練集和測試集對所述lstm模型進行訓練，當所述lstm模型的損失值達到要求時輸出結(jié)果，否則更新參數(shù)，直至所述lstm模型滿足要求后輸出最終結(jié)果。

16、作為本發(fā)明所述的考慮用戶充電行為特性的電動汽車可調(diào)潛力計算方法的一種優(yōu)選方案，其中：所述針對用戶意愿的不確定性建立基于后悔理論的三支決策模型包括：

17、用戶參與不同充電行為的意愿模型表示為：

18、

19、其中，pu(o1)表示用戶o1的感知效用函數(shù)，u(r11)和u(r12)分別表示采取行為r11和r12得到的效用值，u(r*)表示行為r*的效用函數(shù)，γ表示決策者的風險規(guī)避系數(shù)，δu表示采取不同行為的效用值之差，r(δu)表示后悔-欣喜函數(shù)，η表示決策者的后悔厭惡系數(shù)；

20、根據(jù)所述用戶參與不同充電行為的意愿模型計算電動汽車用戶所承擔的靈活用車焦慮wt和用戶預(yù)期的成本收益wc，公式表示為：

21、

22、其中，k1表示決策因子用于描述靈活用車焦慮的最值，k2表示靈活用車焦慮隨時間的變化程度，fe表示用戶期望提供最大可調(diào)度容量獲得收益，表示額外充放電對電動汽車電池損耗，和分別表示單位充、放電功率下的度電損耗，tc與td分別表示額外充電和放電時長，tc0與td0分別表示額外充放電時間內(nèi)的起始充電和放電時間，piexc(t)、piexd(t)分別表示第i輛電動汽車在t時刻的額外充放電功率，δtc與δtd分別表示額外充放電時間內(nèi)的充電和放電時間段，pup(t)和pdown(t)表示上調(diào)節(jié)容量和下調(diào)節(jié)容量的補償電價，和表示最大上調(diào)度容量和最大下調(diào)度容量。

23、作為本發(fā)明所述的考慮用戶充電行為特性的電動汽車可調(diào)潛力計算方法的一種優(yōu)選方案，其中：還包括：

24、對所述電動汽車用戶所承擔的靈活用車焦慮wt和用戶預(yù)期的成本收益wc進行歸一化，并選取每個用戶的和作為評價用戶參與意愿的屬性；

25、采用偏差最大化法對影響用戶參與調(diào)控的屬性進行權(quán)重賦值，計算方法為：

26、

27、

28、其中，ωj表示j屬性的權(quán)重，n表示用戶的總數(shù)量，i和k分別表示不同的用戶，aij-akj表示在同一屬性下不同用戶的評價值，pu(aij)表示i用戶在屬性j下的感知效用值，uij表示i用戶在屬性j下的效用值，表示uij相對于ukj的總體后悔欣喜值；

29、在權(quán)重賦值后，利用加權(quán)算術(shù)平均法將某一對象在各屬性下的感知效用值進行匯總得到該對象的整體感知效用值，對所述整體感知效用值進行降序得到目標的排序結(jié)果；

30、根據(jù)所述排序結(jié)果，基于經(jīng)典的多準則分析方法得到參與調(diào)控意愿最高的用戶ot1和參與調(diào)控意愿最低的用戶ot2，計算公式為：

31、

32、將與ot1相似度高的用戶歸類為ⅰ類用戶，與ot2相似度高的用戶歸類為ⅲ類用戶，其他用戶歸類為ⅱ類用戶，其中，把猶豫參與調(diào)控的用戶也歸為ⅱ類用戶。

33、作為本發(fā)明所述的考慮用戶充電行為特性的電動汽車可調(diào)潛力計算方法的一種優(yōu)選方案，其中：所述計算電動汽車集群可調(diào)度潛力包括：

34、以用戶經(jīng)濟性最優(yōu)為目標函數(shù)，聚合得到的廣義儲能模型為約束條件，考慮不同充電行為的概率計算電動汽車集群的自調(diào)度負荷，公式表示為：

35、

36、其中，fobj表示以用戶經(jīng)濟最優(yōu)的目標函數(shù)，c(t)表示電價，pi,ch(t)、pi,dis(t)分別表示第i輛車在t時刻的充、放電功率，pi(t)表示充放電功率，ei(t)表示電池電量，ei(t+1)為t+1時刻的電量等于上一時刻的電量與上一時刻充放電功率之和；

37、根據(jù)單輛電動汽車參數(shù)計算出行焦慮以及進行充放電經(jīng)濟最優(yōu)自調(diào)度計算成本焦慮，基于后悔理論的三支決策模型對用戶進行分類，對第ⅱ類電動汽車進行充電經(jīng)濟最優(yōu)自調(diào)度，第ⅲ類電動汽車進行無序充電，三類電動汽車通過不同的自調(diào)度共同構(gòu)成電動汽車集群自調(diào)度負荷，其中，廣義儲能模型邊界和所述電動汽車集群自調(diào)度負荷的差值即為電動汽車集群可調(diào)度潛力。

38、第二方面，本發(fā)明提供了考慮用戶充電行為特性的電動汽車可調(diào)潛力計算系統(tǒng)，包括：

39、電動汽車容量邊界建模單元，用于通過分析不同用戶的充電行為特性建立電動汽車不同充電行為特性的詳細邊界模型，其中所述不同用戶的充電行為包括充放電、改變充電時間的充電、無序充電；

40、汽車參數(shù)聚合預(yù)測單元，用于基于閔可夫斯基求和理論對電動汽車參數(shù)進行聚合，根據(jù)所述電動汽車不同充電行為特性的詳細邊界模型利用pso-lstm算法對所述聚合的電動汽車參數(shù)進行預(yù)測；

41、電動汽車自調(diào)度負荷建模單元，用于針對用戶意愿的不確定性建立基于后悔理論的三支決策模型并考慮用戶意愿建立自調(diào)度模型；

42、電動汽車可調(diào)度潛力計算單元，用于基于所述預(yù)測的電動汽車參數(shù)以及所述自調(diào)度模型計算電動汽車集群可調(diào)度潛力，其中，自調(diào)度負荷曲線通過上調(diào)節(jié)容量、下調(diào)節(jié)容量、上調(diào)節(jié)功率、下調(diào)節(jié)功率到達廣義儲能模型的邊界，上調(diào)節(jié)容量、下調(diào)節(jié)容量、上調(diào)節(jié)功率、下調(diào)節(jié)功率共同構(gòu)成電動汽車集群的可調(diào)度潛力。

43、第三方面，本發(fā)明提供了一種計算設(shè)備，包括：

44、存儲器和處理器；

45、所述存儲器用于存儲計算機可執(zhí)行指令，所述處理器用于執(zhí)行所述計算機可執(zhí)行指令，該計算機可執(zhí)行指令被處理器執(zhí)行時實現(xiàn)所述方法的步驟。

46、第四方面，本發(fā)明提供了一種計算機可讀存儲介質(zhì)，其存儲有計算機可執(zhí)行指令，該計算機可執(zhí)行指令被處理器執(zhí)行時實現(xiàn)所述方法的步驟。

47、與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為：本發(fā)明首先建立電動汽車不同充電行為特性的詳細邊界模型，其次基于pso-lstm預(yù)測電動汽車聚合參數(shù)，精準預(yù)測了ges模型的功率邊界和容量邊界，然后基于后悔理論(rt)的三支決策(t-wd)模型刻畫用戶意愿建立電動汽車自調(diào)度負荷模型，計算電動汽車的可調(diào)度潛力，使電動汽車集群可以更好的實現(xiàn)負荷削峰填谷和提供備用容量。