一种基于k‑means算法的电动汽车应急供电方法与流程

本发明涉及智能电网智能用电技术领域，尤其是一种基于k-means算法的电动汽车应急供电方法。

背景技术：

电能是现代人类社会赖以生存的主要能源形式，在经济发展和日常生活中具有不可替代的作用，但是随着各类自然灾害和极端恶劣天气出现，电力系统连续安全工作面临着严峻的考验，如何建立健全行之有效的应急供电措施，快速应对和解决电力突发事件意义重大。

城市电网与其他大面积停电应急处理不同，在应急供电处理上有其自身特殊性，一旦城市电网遭遇停电危机，医院等重要用户的供电安全势必受到严重影响。由于目前应急电源(emergency power supply，EPS)，即移动发电车的造价较昂贵，我国大部分城市各分区供电所应急电源的配置数量不足。在这种情况下，为城市供电企业提供一个最优的应急电源配置方案，增强城市供电应急处理的恢复供电能力，是一项亟待解决的问题。

随着电动汽车(electric vehicle，EV)的规模化发展，其作为移动储能元件在EPS方面已有应用。电动汽车作为EPS，无需用户单独购置其他EPS系统，可降低资金投入；快速切换提供应急电源，保证用电系统不间断运行；容量选择灵活，用户可根据需求选择容量；电动汽车作为EPS，可与新能源发电系统配套为私人住宅和公共楼宇供电，并且这种应用已经开始出现，形成了V2H(Vehicle to Home)、V2B(Vehicle to Build)、V2G(Vehicle to Grid)等系统，可降低在紧急情况或用电高峰时发生停电等带来的损失。

但是，在该理论的基础上，如何提供一种行之有效的针对电动汽车实现应急供电的实现方法，仍是亟待解决的问题。

技术实现要素：

本发明的目的在于提出一种基于k-means算法的电动汽车应急供电方法，该方法可根据重要负荷位置信息生产相应数量的聚类中心，使电动汽车在最短的时间内聚往聚类中心，实现应急供电。有助于快速调动区域内电动汽车的主动聚集能力、充分挖掘电动汽车的移动储能优势，降低其他应急电源的投资费用，减小用户停电损失，提高城市用电可靠性。

为实现上述目的，本发明的技术方案如下：

一种基于k-means算法的电动汽车应急供电方法，其特征在于，包括以下步骤：

(1)建立区域内具有随机分散特征的电动汽车应急供电模型；

(2)根据区域电网事故态势预测及重要停电负荷信息，设计基于k-means算法的电动汽车应急供电聚类模型，随机生成与重要负荷相应的K个聚类质心；

该基于k-means算法的电动汽车应急供电聚类模型的非相似性聚类指标最小目标函数为：

其中，J_j为模糊簇j的目标函数；d_ij为模糊簇j的聚类中心到第i个电动汽车之间的欧式距离；c_j(j＝1，···，K)为模糊簇j的聚类中心位置信息，该目标函数中聚类中心与重要负荷位置保持一致；U为二维隶属矩阵，有U＝{u_ij}_m×K；u_ij为第i辆电动汽车与第j个重要负荷之间的非相似性指标；x_i为第i个电动汽车位置信息；

判断应急供电模型中电动汽车是否进入应急状态，若进入，则并根据区域内重要负荷位置随机生成K个质心；若不具备应急供电条件，则需等待应急供电模型下一次指令；

(3)计算各电动汽车与随机生成质心的距离，每个电动汽车向其最近的质心聚类，组成一簇；

(4)判断各簇电动汽车所能供电总容量是否满足附近重要负荷供电需求。若不满足，则需要更新电动汽车位置和容量信息，重新计算距离并生成新的聚类簇；若满足，则聚类结束；

(5)对选中的电动汽车做应急供电标示，并向其用户发送应急供电需求指令，执行应急供电。

有益效果：本发明通过以上步骤，可达到以下有益效果：

基于k-means算法的电动汽车应急供电方法，其电动汽车应急供电模型包含重要用户停电损失费用及电动汽车运行、调度、维护费用最小等多目标优化，鉴于电动汽车随机分散特点，所设计的一种基于k-means算法的电动汽车应急供电聚类方法，具有提高电动汽车主动聚集能力和降低电动汽车聚集时间的功能，能够充分发挥城市电动汽车的移动储能优势，降低城市其他应急电源设备的数量，减小用户停电损失，提高城市用电可靠性。

附图说明

图1是本发明基于k-means算法的区域电动汽车应急供电方法的流程图。

具体实施方式

下面结合附图对本发明作进一步详细说明。

如图1所示，一种基于k-means算法的区域电动汽车应急供电方法，其特征在于该方法可根据重要负荷位置信息生产相应数量的聚类中心，保证电动汽车在最短的时间内聚往聚类中心，实现应急供电。

一种基于k-means算法的电动汽车应急供电方法，包含如下步骤：

(1)建立区域内具有随机分散特征的电动汽车应急供电模型，该模型包含重要用户停电损失费用及电动汽车运行、调度、维护费用最小等优化目标。

(2)根据区域电网事故态势预测及重要停电负荷信息，设计一种基于k-means算法的电动汽车应急供电聚类模型，随机生成与重要负荷相应的K个聚类质心。通过电动汽车电池管理系统显示的剩余电量SOC的多少，判断应急供电模型中的电动汽车是否进入应急状态，一般SOC>60％即可满足紧急供电条件，若进入应急状态，则根据区域内重要负荷位置随机生成K个质心；若不进入应急状态，则需等待应急供电模型下一次指令。

(3)计算各电动汽车与随机生成质心的距离，每个电动汽车向其最近的质心聚类，组成一簇。

(4)判断各簇电动汽车所能供电总容量是否满足附近重要负荷供电需求。若不满足，则需要更新电动汽车位置和容量信息，重新计算距离并生成新的聚类簇；若满足，则聚类结束。

(5)对选中的电动汽车做应急供电标示，并向其用户发送应急供电需求指令，执行应急供电。

所述的步骤(1)中，区域内具有随机分散特征的电动汽车应急供电模型目标函数为：

式(1)中，C_j为单位时间内第j个重要负荷的损失费用；C_EV为电动汽车作为应急电源时单位容量消耗费用；Z_ij为应急供电最优匹配决策变量，若Z_ij＝1，表示第i个电动汽车为第j个重要负荷紧急供电，否则Z_ij＝0；Z_kj为EPS应急供电决策变量，若Z_kj＝1，表示第k个EPS为第j个重要负荷紧急供电，Z_kj的选取由EPS容量、位置信息及断电负荷重要程度决定；s为EPS应急电源总数量；I_j为第j个重要负荷的停电损失综合指标；T_j为第j个重要负荷允许停电最大持续时间；P_EV-ij为第i个电动汽车为第j个重要负荷提供的容量；η₁为电动汽车作为应急电源使用疲劳系数；η₂为电动汽车保证正常运行的预留电量比例系数；λ为电动汽车作为应急电源的运行、调度、维护费用比例系数，跟单位时间电动汽车自身消耗能量等因素有关。α_j、β_j、γ_j为第j个重要负荷的生命安全、经济性、特殊性权重取值；A为生命安全系数，A≥1。

所述的电动汽车应急供电模型目标函数的时间约束条件为：

t_ij+T_d<T_j (2)

式(2)中，t_ij为区域内第i个电动汽车到第j个用户的最短时间；T_d为电动汽车到达应急地后接线的平均时间。

所述的电动汽车应急供电模型目标函数的用户需求容量约束条件为：

式(3)中，m₁为给第j个重要负荷提供应急供电的电动汽车数量。

所述的步骤(2)中，所设计的一种基于k-means算法的电动汽车应急供电聚类模型，其非相似性聚类指标最小目标函数为：

式(4)中，J_j为模糊簇j的目标函数；d_ij为模糊簇j的聚类中心到第i个电动汽车之间的欧式距离；c_j(j＝1，···，K)为模糊簇j的聚类中心位置信息，该目标函数中聚类中心与重要负荷位置保持一致；U为二维隶属矩阵，有U＝{u_ij}_m×K；u_ij为第i辆电动汽车与第j个重要负荷之间的非相似性指标；x_i为第i个电动汽车位置信息。

式(4)中所述的d_ij即步骤(3)中电动汽车与随机生成质心的欧式距离，其表达式为：

式(4)中所述的非相似性指标u_ij，其表达式为：

式(4)中所述的应急供电聚类模型，存在如下必要条件：

S_i＝d_ijβS_u (9)

P_j≤P_EVj (10)

t_j≤min{t_pi} (11)

式(9)中，S_i为第i个电动汽车路上消耗电量补贴，β为欧式距离与实际交通距离关系系数，S_u为单位距离交通补贴；式(10)中，P_j为第j簇聚类中重要负荷容量，P_EVj为该簇对应所有电动汽车总容量；式(11)中，min{t_pi}表示第j簇聚类电动汽车中最小供电时间。

所述的步骤(4)各簇电动汽车供电容量条件判断，若不满足，需更新电动汽车位置和容量信息，重新计算距离并生成新的聚类簇，所包含步骤：

(1)初始化式(1)中聚类中心，利用式(6，7，12)确定隶属矩阵U；

(2)利用式(8)计算K个聚类中心c_j，j＝1，…，K；

(3)根据式(1)计算目标函数，如果它小于某个确定的阀值，或它相对上次目标函数值的改变量小于某个阀值，则算法停止；

(4)利用式(9)调动用户积极性，利用式(10)和式(11)判断电动汽车容量是否满足该簇重要负荷需求，若满足则结束聚类，若不满足则进行步骤(5)；

(5)重新计算式(12)U矩阵，返回步骤(2)。