用于优化电动汽车充储放一体化电站充放电功率的方法
【技术领域】
[0001] 本发明涉及一种电动汽车与电网互动技术领域，特别是一种优化一体化电站与电 网互动功率的方法。
【背景技术】
[0002] 电动汽车是汽车工业的研究热点，目前已成为各国政府、能源厂商以及汽车厂商 的关注焦点，如美国的EV Project计划和中国的"十城千辆"计划。可以预计未来随着电 池技术的不断进步，石油资源的逐渐枯竭，电动汽车将逐渐普及。随着未来电动汽车大规模 的普及，大规模接入电网充电，由于充电负荷的随机性和分散性，必将给电网发电、输电、配 电、用电、调度等带来不可忽视的影响。如导致新的负荷尖峰，增大网损，某些节点电压水平 的降低等。因此，如何通过合理控制电动汽车的充电行为，减少规模化电动汽车充电给电网 带来的不利影响，成为亟待解决的重要问题。
[0003] 目前电动汽车与电网互动技术的研究，部分是将电动汽车作为电网中的分布式 储能单元，根据调度指令参与电网调频、调峰的作用。部分研究了电池向电网集中供电 (Battery to grid，B2G)模式。B2G模式为电动汽车充电站的开发建设开辟了新思路，即 建设充储放一体化电站。然而，在对充储放一体化电站的相关研究中，相关的优化方法往往 只考虑电站为电网提供调峰调频等辅助服务能力的评估，忽略了电池频繁充放电对电池寿 命的影响。实际上，由于目前电池价格昂贵，电池成本占电站成本比重较大，频繁充放电势 必会增大电池损耗，使电池寿命缩短，进而影响充储放电站经济性运行，增大电站的运行成 本，同时影响电网辅助服务的效果。因此，为了规避电动汽车规模化应用给电网带来的不利 影响，实现电站的经济性运行，确保电网辅助服务的效果，有必要对考虑电池损耗成本的充 储放一体化电站运行优化方法进行优化研究。
【发明内容】
[0004] 本发明的目的就是提供一种用于优化电动汽车充储放一体化电站充放电功率的 方法，它不仅能很好的平抑电网的负荷波动，减小电网负荷峰谷差，同时也能有效地减少电 动汽车充储放电站电池的损耗成本。
[0005] 本发明的目的是通过这样的技术方案实现的，具体步骤如下：
[0006] 1)确定一体化电站以电网峰谷差和电池损耗成本最小为优化目标的目标函数；
[0007] 2)构建一体化电站的充放电功率、电池容量和备用容量的约束条件；
[0008] 3)结合步骤1)中所述目标函数和步骤2)中所述的约束条件，构建最优化数学模 型，并利用粒子群算法求该最优化数学模型，得到每一时段一体化电站与电网互动的最优 充放电功率。
[0009] 进一步，步骤1)中所述以电网峰谷差和电池损耗成本最小为优化目标的目标函 数的计算方法为
[0010] Plx(t) = Ply(t)+Plc(t)+P(t)
[0011] C=y；/yP(f) F(f)<()
[0012] F = min [ a (maxPlx (t) _minPlx (t)) + 3 C]
[0013] 式中，Ply(t)为区域电网的日负荷，Plx(t)为电网经一体化站调节后的负荷，C为 一体化电池损耗成本，r d为由单位放电功率折合的电池损耗费率，取0.4，a、0分别为负 荷曲线峰谷差和电池损耗成本在优化目标中所占的权重，且a + 0 = 1，P (t)为一体化站与 电网互动的充放电功率，Pi。(t)表示区域内电动汽车的日充换电负荷。
[0014] 进一步，步骤2)中所述的约束条件为：
[0015] 2-1) -体化电站与电网互动的充放电功率P(t)的约束条件为：
[0016] _P_ 彡 P(t)<P_
[0017] 式中，P_表示电网给一体化站充电的最大功率，_P_表示一体化站向电网放电的 最大功率；
[0018] 2-2) -体化电站的电池容量约束条件为：
[0019] kQ_ 彡 Q(t)
[0020] 式中，Q_为一体电站的最大储能容量，k为备用容量系数；
[0021] 2-3)充备用容量的约束条件为：
[0022] Qb = kQ随
[0023] 式中，Qb为备用容量，Q_为一体电站的最大储能容量，k为备用容量系数；
[0024] 2-4) -体化电站与电网互动的充放电功率P(t)与一体化电站内电池容量Q(t)满 足以下公式：
[0025] A Q = P (t) X t
[0026] Q(t+1) = Q(t) +AQ-Plc(t)
[0027] 式中，Plc(t)表示区域内电动汽车的日充换电负荷。
[0028] 进一步，备用容量系数k取值为20%。
[0029] 进一步，步骤3)中所述利用粒子群算法求最优化数学模型的具体方法为：
[0030] 3-1)输入已知条件和算法基本参数，初始化粒子的位置和速度；已知条件包括区 域内配电网日负荷以及电动汽车的充换电负荷；
[0031] 3-2)根据约束条件来修改粒子位置；
[0032] 3-3)计算粒子群的适应度，即目标函数，记录粒子个体最好位置和群体最好位 置；
[0033] 3-4)根据粒子群算法的粒子速度和位置更新公式更新粒子速度和位置；
[0034] 3-5)检查粒子位置是否超过限值，是则返回步骤3-2)，反之则转入步骤3-6);
[0035] 3-6)计算粒子群的适应度，更新并记录粒子最优位置和群体最最优位置；
[0036] 3-7)判断是否达到预设结束条件，是则停止计算，并输出此时粒子位置，即一体化 电站与电网互动的充放电功率P (t)，反之则返回步骤3-4)。
[0037] 进一步，步骤3-4)中所述粒子速度和位置更新公式具体为：
[0038] VjJ1 +€^011(1^{pbestkld -xkld)Jrc1randk1(gbest iM -xkld)
[0039] ^ + !
[0040] 式中，vIdk是v是粒子I在第k次迭代中第d维的速度；《为惯性权重；Cl、c 2是学 习因子，按照经验常取h = c2 = 2 fand^，rand2k是[0, 1]之间的随机数；xIdk是粒子I在 第k次迭代中第d维的位置；pbest Idk是粒子I个体极值点在第d维的坐标；gbestIdk是整 个群体全局极值点在第d维的坐标。
[0041] 由于采用了上述技术方案，本发明具有如下的优点：
[0042] 本发明通过粒子算法优化一体化电站与电网互动功率，能显著降低电网负荷的峰 谷差，一体化电站参与电网辅助服务的能力与电站储能系统容量成正相关关系，即容量越 大，一体化电站参与电网辅助服务的能力越强，削峰填谷的效果就越显著，本发明还可以进 一步降低充储放一体化电站的电池损耗成本。
[0043] 本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并 且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可 以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书和权利要 求书来实现和获得。
【附图说明】
[0044] 本发明的【附图说明】如下。
[0045] 图1为本发明的流程示意图；
[0046] 图2为某一区域配电网日负荷曲线图；
[0047] 图3为区域内电动汽车的日充换电负荷曲线图；
[0048] 图4为优化前后配电网日负荷曲线图；
[0049] 图5为电站容量-电网峰谷差减少率曲线图；
[0050] 图6为不同容量下电站损耗成本图。
【具体实施方式】
[0051] 下面结合附图和实施例对本发明作进一步说明。
[0052] -种用于优化电动汽车充储放一体化电站充放电功率的方法，如图1所示，包括 以下步骤：
[0053] 1)确定一体化电站以电网峰谷差和电池损耗成本最小为优化目标的目标函数；
[0054] 2)构建一体化电站的充放电功率、电池容量和备用容量的约束条件；
[0055] 3)结合步骤1)中所述目标函数和步骤2)中所述的约束条件，构建最优化数学模 型，并利用粒子群算法求该最优化数学模型，得到每一时段一体化电站与电网互动的最优 充放电功率。
[0056] 步骤1)中所述以电网峰谷差和电池损耗成本最小为优化目标的目标函数的计算 方法为
[0057] Plx(t) = Ply(t)+Plc(t)+P(t)
[0058] C = ^rdP{t) P(t)<0 f=l
[0059] F = min [ a (maxPlx (t) _minPlx (t)) + 3 C]
[0060] 式中，Ply(t)为区域电网的日负荷，Plx(t)为电网经一体化站调节后的负荷，C为 一体化电池损耗成本，rd为由单位放电功率折合的电池损耗费率，取0.4，a、0分别为负 荷曲线峰谷差和电池损耗成本在优化目标中所占的权重，且a + 0 = 1，P (t)为一体化站与 电网互动的充放电功率，Pi。(t)表示区域内电动汽车的日充换电负荷。
[0061] 步骤2)中所述的约束条件为：
[0062] 2-1) -体化电站与电网互动的充放电功率P(t)的约束条件为：
[0063] _P_ 彡 P(t)<P_
[0064] 式中，P_表示电网给一体化站充电的最大功率，_P_表示一体化站向电网放电的 最大功率；
[0065] 2-2) -体化电站的电池容量约束条件为：
[0066] kQnax ^ Q(t) ^ Qnax
[0067] 式中，Q_为一体电站的最大储能容量，k为备用容量系数；
[0068] 2-3)充备用容量的约束条件为：
[0069] Qb = kQnax
[0070] 式中，Qb为备用容量，Q_为一体电站的最大储能容量，k为备用容量系数；
[0071] 2-4) -体化电站与电网互动的充放电功率P(t)与一体化电站内电池容量Q(t)满 足以下公式：
[0072] A Q = P (t) X t
[0073] Q(t+1) = Q(t) + AQ-Plc(t)
[0074] 式中，Plc(t)表示区域内电动汽车的日充换电负荷。
[0075] 步骤3)中所述利用粒子群算法求最优化数学模型的具体方法为：
[0076] 3-1)输入已知条件和算法基本参数，初始化粒子的位置和