本发明属于电动汽车有序控制领域，具体涉及一种微电网下考虑分布式电源消纳的电动汽车互动响应控制方法。
背景技术：
：微电网作为可再生能源(renewableenergysources，RES)接入配电网的有效缓冲，凭借自身的运行控制和能量管理等关键技术，可以实现其并网或孤岛运行，既能充分利用分布式可再生能源、降低间歇性分布式电源给配电网带来的不利影响，又能提高供电可靠性和改善电能质量，因此受到了广泛关注。随着RES(如风电、光电)的不断接入，其出力不确定性对微电网优化运行的影响日益明显，因此有必要进一步研究RES高渗透下如何适应RES出力的不确定性提升新能源消纳率，进而实现微电网的优化运行。电力市场环境下，具有节能性和低排放的电动汽车(electricvehicle，EV)作为一种需求侧资源接入微电网时，能够基于V2G(vehicle-to-grid)互动响应技术参与系统能量调控，将供电侧的新能源发电系统和需求侧的资源进行综合规划，减弱RES发电间歇性带来的不利影响，保证微网系统的供电可靠性和电能质量，提高系统经济性等。因此，如何以有效的调度和控制策略为手段充分发挥EV的能量调控作用，成为最大限度提高新能源发电利用率、体现EV与大规模RES耦合增效利用的关键。目前国内外对于RES与EV的集成利用方面的研究已经取得的一些进展。其中，通过电价的方式引导EV有序充放电是微电网实现需求侧管理、促进分布式消纳的有效手段。技术实现要素：为了克服现有含EV和高渗透率光电的并网型微电网的光电消纳水平较低、控制效果较差的不足，本发明提供一种光电消纳水平较高、控制效果较好的微电网下考虑分布式电源消纳的电动汽车互动响应控制方法。本发明解决其技术问题所采用的技术方案是：一种微电网下考虑分布式电源消纳的电动汽车互动响应控制方法，所述控制方法包括以下步骤：步骤1：将一天连续24h的时间进行离散化处理，均分为J个时段，对于任意第k时段，有k∈{1,2,...,J}，且第k时段的时长为Δt；步骤2：当电动汽车接入第l(l＝1,2,...,n，以下简称电动汽车l)号充放电设施时，充电设施读取电动汽车接入时间，电池的初始状态(StateofCharge,SOC)S0,l，且0≤S0,l≤1；步骤3：车主输入车辆l的预期离开时间Tout,l以及离开时期望的荷电状态SE,l，且有0≤SE,l≤1；步骤4：若电动汽车l持续入网的时长大于将电动汽车l的电池充电至期望电量水平所需的最短时长，则执行步骤5，否则让用户自主选择是否进行修改信息，若用户同意执行修改则跳至步骤3，若用户拒绝执行修改则放弃该用户；步骤5：令初始时段k为车辆接入充电设施的时段；步骤6：读入当前时刻负荷信息，并选择动态优化区间T，根据已有的光伏输出功率的研究结论，以当前时段的光伏出力为起始值，预测未来T时段内的光伏出力；步骤7：基于当前时段微电网内分布式光伏出力与负荷之间的供需情况、结合实时电价与倾斜阻塞率IBR发展了虚拟电价机制，过程如下，步骤7-1：实时电价机制RTP与系统净负荷关系如下：RTPk=akLlk+bk---(1)]]>Llk=(PBk+LEVl,k+PESSk-PPVk)Δt---(2)]]>LEVl,k=Σi∈Ml-1Pik---(3)]]>式中：RTPk为k时段的实时电价；为电动汽车l接入时，k时段的微电网系统净负荷；ak、bk为实时电价系数，在不同的时间段取不同的值，取决于用户的需求动态；为系统基本负荷，即该微电网中除电动汽车集群负荷之外的所有电力负荷；为储能系统在k时段的充放电功率；为k时段的光伏出力功率；表示车辆l接入微电网时，充放电计划制定已完成的车辆集群负荷；Ml-1表示车辆l接入微电网时，充放电计划已完成的车辆结合；步骤7-2：本发明在IBR中设置三种电价等级：IBRk=xk,0≤Llk≤δk1yk,δk1≤Llk≤δk2zk,Llk≥δk2---(4)]]>式中，与为不同电价等级之间的界限；xk、yk与zk为三个等级下的电价，具体计算方法如下：xk=RTPkyk=λ1*xkzk=λ2*xk---(5)]]>式中，λ1与λ2为不同等级下的价格倍率，并且λ2＞λ1＞1；步骤7-3：综上所述，虚拟电价的计算方式为：pr(Llk)=RTPre,Llk≤0RTPk,0<Llk≤δk1λ1*RTPk,δk1<Llk≤δk2λ2*RTPk,Llk>δk2---(6)]]>式中，时，意味着可再生能源出力过剩，此时，多余的光伏发电量向上级电网倒送，RTPre为单位电量的倒送价格；步骤8：在虚拟电价的引导下转换最大化光电消纳目标，制定时长T内电动汽车充放电计划，其目标函数的制定过程如下，基于步骤7所述的虚拟电价模型、以充放电虚拟总成本最小为目标对其进行动态规划：minVl=Σk=1JXlk=Σk=1Jpr(Llk)PlkΔt---(7)]]>式中，Vl为电动汽车l的虚拟总成本；Plk为k时段电动汽车l与微电网的交换功率，Plk＞0表示车辆l的充电功率；Plk＜0表示放电功率；Plk＝0表示处于闲置状态，EV动力电池模型和约束条件为：Slk=Slk-1+PlkηEVΔt/QEV,l---(8)]]>SEV,min≤Slk≤SEV,max---(9)]]>-PEV,d≤Plk≤PEV,c(10)S0,l+Σk=1JPlkηEVΔtQEV,l≥SE,l---(11)]]>ηEV=ηc,Plk≥0,1/ηd,Plk<0.---(12)]]>式中，分别为车辆l在k时段和k-1时段的电池SOC；QEV,l为车辆动力电池容量；SEV,max、SEV,min分别为动力电池SOC的上、下限；ηEV表示电池功率交换效率，与功率交换方向有关，如式(12)所示；ηc、ηd分别表示充、放电效率；还需考虑微电网系统功率平衡约束和倒送功率约束其式为：Ppvk+Pgridk=PBk+Σl=1LPlk+PESSk---(13)]]>Pgridout≤Pgridoutmax---(14)]]>式中，表示k时段微电网与大电网的交互功率，为微电网的倒送功率；为倒送功率允许的最大值。步骤9：在当前时段，各电动汽车根据控制策略进行具体的用电、闲置或放电操作，同时，更新预测模型信息并将控制信息上传至电能公共服务平台；步骤10：当进入新时段时重复步骤6～9直至车辆离开充电设施。本发明的技术构思为：发展了一种虚拟电价机制，基于虚拟电价构建了EV互动响应的混合整数规划架构，在此基础上，引入模型预测控制方法实现动态EV互动响应控制。本发明的有益效果主要表现在：1、基于虚拟电价机制的EV互动响应控制策略，能够在满足用户用电需求的基础上改善负荷特性、大幅消纳光伏出力，减少分布式光伏并网对上级电网的冲击。2、基于MPC方法的动态EV响应控制策略性能更好，且随着不确定度等级的升高，总成本的增加速度更慢。因此基于MPC方法的EV能量流控制策略具有更强的鲁棒性。3、所提方法能够有效提高供需两侧的经济性，降低双边成本。具体实施方式。本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。附图说明图1是本发明的实现流程图；图2是5种控制模式下的负荷功率曲线；图3是Case5模式下EV集群和储能系统的控制策略；图4是不确定度下Case3、Case5的净负荷峰谷差分析；图5是不确定度下Case3、Case5的微电网运行成本分析；具体实施方式下面结合附图对本发明做进一步说明。参照图1～图5，一种微电网下考虑分布式电源消纳的电动汽车互动响应控制方法，所述控制方法包括以下步骤：步骤1：将一天连续24h的时间进行离散化处理，均分为J个时段，对于任意第k时段，有k∈{1,2,...,J}，且第k时段的时长为Δt；步骤2：当电动汽车接入第l(l＝1,2,...,n，以下简称电动汽车l)号充放电设施时，充电设施读取电动汽车接入时间，电池的初始状态(StateofCharge,SOC)S0,l，且0≤S0,l≤1；步骤3：车主输入车辆l的预期离开时间Tout,l以及离开时期望的荷电状态SE,l，且有0≤SE,l≤1；步骤4：若电动汽车l持续入网的时长大于将电动汽车l的电池充电至期望电量水平所需的最短时长，则执行步骤5，否则让用户自主选择是否进行修改信息，若用户同意执行修改则跳至步骤3，若用户拒绝执行修改则放弃该用户；步骤5：令初始时段k为车辆接入充电设施的时段；步骤6：读入当前时刻负荷信息，并选择动态优化区间T，根据已有的光伏输出功率的研究结论，以当前时段的光伏出力为起始值，预测未来T时段内的光伏出力；步骤7：基于当前时段微电网内分布式光伏出力与负荷之间的供需情况、结合实时电价与倾斜阻塞率(IBR)发展了虚拟电价机制，过程如下，步骤7-1：实时电价机制(RTP)与系统净负荷关系如下：RTPk=akLlk+bk---(1)]]>Llk=(PBk+LEVl,k+PESSk-PPVk)Δt---(2)]]>LEVl,k=Σi∈Ml-1Pik---(3)]]>式中：RTPk为k时段的实时电价；为电动汽车l接入时，k时段的微电网系统净负荷；ak、bk为实时电价系数，可以在不同的时间段取不同的值，取决于用户的需求动态；为系统基本负荷，即该微电网中除电动汽车集群负荷之外的所有电力负荷；为储能系统在k时段的充放电功率；为k时段的光伏出力功率；表示车辆l接入微电网时，充放电计划制定已完成的车辆集群负荷；Ml-1表示车辆l接入微电网时，充放电计划已完成的车辆结合；步骤7-2：本发明在IBR中设置三种电价等级：IBRk=xk,0≤Llk≤δk1yk,δk1≤Llk≤δk2zk,Llk≥δk2---(4)]]>式中，与为不同电价等级之间的界限；xk、yk与zk为三个等级下的电价，具体计算方法如下：xk=RTPkyk=λ1*xkzk=λ2*xk---(5)]]>式中，λ1与λ2为不同等级下的价格倍率，并且λ2＞λ1＞1；步骤7-3：综上所述，虚拟电价的计算方式为：pr(Llk)=RTPre,Llk≤0RTPk,0<Llk≤δk1λ1*RTPk,δk1<Llk≤δk2λ2*RTPk,Llk>δk2---(6)]]>式中，时，意味着可再生能源出力过剩，此时，多余的光伏发电量可以向上级电网倒送，RTPre为单位电量的倒送价格；步骤8：在虚拟电价的引导下转换最大化光电消纳目标，制定时长T内电动汽车充放电计划，其目标函数的制定过程如下，基于步骤7所述的虚拟电价模型、以充放电虚拟总成本最小为目标对其进行动态规划：minVl=Σk=1JXlk=Σk=1Jpr(Llk)PlkΔt---(7)]]>式中，Vl为电动汽车l的虚拟总成本；Plk为k时段电动汽车l与微电网的交换功率，Plk＞0表示车辆l的充电功率；Plk＜0表示放电功率；Plk＝0表示处于闲置状态，EV动力电池模型和约束条件为：Slk=Slk-1+PlkηEVΔt/QEV,l---(8)]]>SEV,min≤Slk≤SEV,max---(9)]]>-PEV,d≤Plk≤PEV,c(10)S0,l+Σk=1JPlkηEVΔtQEV,l≥SE,l---(11)]]>ηEV=ηc,Plk≥0,1/ηd,Plk<0.---(12)]]>式中，分别为车辆l在k时段和k-1时段的电池SOC；QEV,l为车辆动力电池容量；SEV,max、SEV,min分别为动力电池SOC的上、下限；ηEV表示电池功率交换效率，与功率交换方向有关，如式(12)所示；ηc、ηd分别表示充、放电效率；还需考虑微电网系统功率平衡约束和倒送功率约束其式为：Ppvk+Pgridk=PBk+Σl=1LPlk+PESSk---(13)]]>Pgridout≤Pgridoutmax---(14)]]>式中，表示k时段微电网与大电网的交互功率，为微电网的倒送功率；为倒送功率允许的最大值。步骤9：在当前时段，各电动汽车根据控制策略进行具体的用电、闲置或放电操作，同时，更新预测模型信息并将控制信息上传至电能公共服务平台；步骤10：当进入新时段时重复步骤6～9直至车辆离开充电设施。为使本领域技术人员更好地理解本发明，申请人还应用考虑分布式电源消纳的电动汽车互动响应控制方法以某办公区域微电网为例进行仿真分析。该微电网的光伏装机容量为1300kW，服务的EV规模为20辆，EV电池容量为60kWh，额定充、放电功率均为7kW，充、放电效率均为0.92，电池SOC边界为0.1和0.9(SEV,min、SEV,max)。ESS容量1200kWh，SOC上下限设定为0.9和0.45；车辆充电起、止时间服从正态分布(期望值分别为7:00、17:30，标准差均为1h)，车辆电池荷电状态服从正态分布(期望值为0.45，标准差为0.1)，电动汽车充放电起止时间和起始SOC等参数相互独立。该办公区域电价按峰谷电价计，峰时段(6：00-22：00)电价为1.0064元/kWh，谷时段(22：00-次日6：00)电价为0.2495元/kWh；EV用户参与需求响应的放电补偿为0.8元/kWh；光伏发电被利用可获得补贴0.62元/kWh。新型实时电价系数ak、bk分别设为0.003和0.4；IBR电价阈值分别设为200和300；价格倍率λ1与λ2分别为1.20和1.45；光伏向电网倒送功率限制为100kW，倒送价格为0.485元/kWh。为了更直接体现所提EV互动响应控制策略在微电网中的控制效果，本节同时仿真计算了以下四种控制模式与所提方法作对比：(1)Case1：无序充电模式，充放电设施为接入的EV提供持续的恒功率充电服务，直至车辆离开，如果离开之前已经充满电，则停止充电。(2)Case2：固定电价模式，固定分时电价下，以最小化用户成本为目标、功率连续可调的电动汽车响应控制模式。(3)Case3：日前调度模式，虚拟电价下，充放电设施基于日前预测的光伏出力、基本负荷信息以虚拟充放电总成本最小为目标为接入的电动汽车进行功率连续可调的响应控制。(4)Case4：仅充电优化模式，与所提EV互动响应控制模式类似，区别在于该模式不考虑V2G，仅进行有序充电响应控制，此时，有0≤Plk≤PEV,c。不同控制模式下统计信息列于表1。表1Case1模式下，大量电动汽车集中在上班高峰期时段接入，充电方式缺乏灵活性，微电网净负荷峰谷差及系统经济性均较差。Case2模式下，车辆仅单纯的倾向于在电价高峰时放电、低谷时充电，用户经济性方面表现优异，但负荷特性较差，难以有效促进光伏发电的消纳。Case3、Case5模式下，响应主体在光伏出力较高时通过大量充电来提高负荷水平，而在光伏出力较低时尽可能通过V2G将电能返送给系统来降低负荷水平，因而系统的供需关系更为平衡，在经济性方面得到有效改善。进一步，Case5模式下EV集群和储能系统的控制策略如附图3所示。Case4模式下，EV集群不参与系统V2G服务，负荷特性与光伏利用率无法最大程度的改善。结合附图2～附图3以及表1，可以得出以下现象及结论：Case2模式的用户侧成本最低，但负荷特性及微电网运行成本方面表现较差；Case4模式在电能损失量和电池损耗方面均优于Case3和Case5，在微电网运行成本方面较Case5降低24.18％，但该模式优化后的负荷特性及光伏利用率仍不理想；Case5模式的系统供需平衡程度高，但经济性并非最优，因此微电网运营商需要根据需求、用户响应度、资金流充裕度等对利益反馈力度进行不同强度的管控。综上所述，随着V2G技术的发展，具有一定出行规律的EV集群发挥分布式储能作用可以替代部分固定储能蓄电池，能够有效提高光电利用率、改善微电网总体经济性，充分发挥EV的节能减排潜力，促进新能源的规模化发展。可见，EV与新能源的集成利用是一种有效的协同增效手段，可有效减少当前能源架构的一些不利影响。由于考虑对光伏出力的精确预测，因此无法体现出MPC方法的优势，为充分体现case5模式在预测不准确情况下的具体性能，采用随机场景分析方法对分布式光伏出力不确定性对优化结果产生的影响进行量化，深入分析模型预测控制方法在具有预测不确定性环境下对EV集群能量管理的鲁棒性。光伏的基准预测误差百分比以及最大不确定度的具体数值如表2所示。表2采用随机场景分析方法的模拟结果表明，600次后净负荷均值基本保持不变，为平衡计算时间和计算精度，确定仿真次数为600次。Case3、Case5两种控制模式在6个不确定度等级下的微电网净负荷峰谷差和运行成本的箱线图对比如附图4-5所示，图中的折线表示随机场景运行结果的均值。由附图4-5可知，随着不确定度等级的增大，Case3、Case5下的微电网净负荷峰谷差及运行成本箱体高度均逐渐变长，均值折线呈现单调增高趋势，表明光伏出力的预测误差会给系统运行经济性、负荷特性等带来不利影响，并且，该种不利影响随预测误差的增大而加剧。但是，相对而言，Case5的净负荷峰谷差及微电网运行成本随着不确定度M升高而增加的速度明显低于Case3。综上，以合理的响应控制为手段发挥EV集群的储能作用，使负荷从光伏发电存在缺额的时段转移至中午光伏发电功率富余的时段，有效改善了负荷特性，使其更加符合光伏发电情况。在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行结合和组合。尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。当前第1页1 2 3