基于充能决策预测的电-氢复合充能站优化调度策略

本发明属于电-氢复合充能站，具体涉及一种基于充能决策预测的电-氢复合充能站优化调度策略。

背景技术：

1、电动汽车和氢燃料汽车作为新能源汽车，在减少二氧化碳排放、缓解能源危机方面具有很大的优势和潜力。新能源汽车充电站作为电动汽车和氢燃料汽车的能量补充环节，其功能也逐渐向一体化、综合化的复合型充电站发展。其中，在新能源汽车充电站增设制氢、储氢、充氢装置，可满足氢燃料汽车充氢需求，实现低碳出行。充电站的电-氢能源系统可以为风能、太阳能等间歇性可再生能源的消纳提供良好的场所。此外，氢燃料电池发电作为一种灵活、可调度的发电方式，有利于电-氢复合充能站系统的安全稳定运行。因此，同时考虑电动汽车和氢燃料汽车充能需求、可再生能源发电和储能的氢/电汽车充能站具有广阔的应用前景。

2、现有学者提出了用于新能源汽车充电站电源优化运行的新型能量管理系统。其次，还有学者提出了集成光伏和储能单元的充电站优化管理算法，并利用储能单元优化充能站的运行成本。另外，有部分学者提出电动汽车聚集商的概念，即大量电动汽车希望在聚集商的指挥下在电力市场中发挥作用。上述文献虽然研究了电-氢复合充能站的设计和运行，但忽略了电动汽车和氢燃料汽车的充电决策对电-氢复合充能站综合运行效益的影响。

技术实现思路

1、针对现有技术存在的缺陷和不足，为提高调度灵活性，本发明提出一种基于充能决策预测的电-氢复合充能站优化调度策略。使电动汽车和氢燃料汽车充能行为因素更全面，能够快速有效地的预测结果，并合理调度站内能源装置和车辆，提高复合站的综合运行效益。

2、首先，为新能源汽车制定了相应的充能策略。其中，对电动汽车用户设计了两种充电方案供其选择，通过电价激励引导用调整消费行为，并建立基于心理学的韦伯-费希纳(weber-fechner，w-f)激励响应决策模型，合理描述驾驶员充电方案的选择行为。随后，综合考虑用户侧于供能侧双方利益，以电-氢复合充能站的运营收益以及用户的排队时间为目标函数，采用nsga-ⅱ算法对该多目标问题进行求解。

3、本发明解决其技术问题具体采用的技术方案是：

4、一种基于充能决策预测的电-氢复合充能站优化调度策略，其特征在于：基于新能源汽车的充能策略，通过电价激励引导用调整消费行为，并建立基于心理学的韦伯-费希纳激励响应决策模型，以描述驾驶员充电方案的选择行为；综合考虑用户侧于供能侧双方利益，以电-氢复合充能站的运营收益以及用户的排队时间为目标函数，采用nsga-ⅱ算法进行求解。

5、进一步地，采用nsga-ⅱ算法求解的具体流程如下：

6、第一步：根据本地区的气象预测数据，得到未来一天的风速和光照强度，再结合风电和光伏模型，生成一天不同时刻的输出功率；

7、第二步：计算电动汽车充电总功率和氢燃料汽车的充氢需求总量；运用蒙特卡洛方法模拟新能源汽车用户一天的出行和充能过程，获取包括电动汽车和氢燃料汽车的到站时间、充能需求量、起始soc的数据，并基于获取的数据建立基于w-f的储能决策模型以估计充电用户选择方案的类型；

8、第三步：根据约束条件随机生成每个时间段的电解槽制氢功率；根据每时段的制氢功率获取一天内的制氢电量；

9、第四步：根据功率平衡关系，求解在时刻t交流配电网的供电功率，时刻t燃料电池组的放电功率；

10、第五步：计算目标函数之一的综合运行成本；通过第一步至第四步获取售电费用、售氢费用和购电费用并求和，得到综合运行收益；

11、第六步：计算目标函数之二为的动汽车用户总排队时间；根据各时段电动汽车的调度状态获取一天的电动汽车用户总排队时间；

12、第七步：以第一步至第六步为基础，生成规模为g的初始种群pt，在选择、交叉、变异过程下产生子代种群qt，结合生成规模为2g的种群rt；

13、第八步：对种群rt进行快速非支配排序，形成非支配集zi并计算每个非支配层中个体的拥挤度，根据排序结果以及拥挤度筛选合适的个体，直至个体数量为g时，新一代父代种群pt+1形成；

14、第九步：新一代父代种群pt+1在选择、交叉、变异过程下产生子代种群qt+1，结合生成规模为2g的种群rt+1；重复第七步至第九步，直至达到遗传代数。

15、进一步地，所述电-氢复合充能站由光伏太阳能发电系统、风力发机系统、电解槽、储氢罐和燃料电池组成，并与公用电网连接，以便在能源需求不满足时购买电力；从光伏/风力发电和公用电网供应给电站的电力全部通过公共耦合点；站内氢气由电解槽产生，储存在氢罐中；储存的氢可以注入氢燃料电池，也可以通过燃料电池转化为电能；电动汽车允许直接使用耦合点的电力和燃料电池产生的电力进行充电。

16、进一步地，对电动汽车用户设计了两种充电方案供其选择：

17、(1)普通充电模式：以最大的恒定功率为电动汽车充电，直到充至电池荷电状态soc的预期值。

18、(2)协议充电模式：电-氢复合充能站运营商与电动车司机签订协议，综合站在一定时间内充电至soc预期值；电动汽车驾驶员授权给电-氢复合充能站运营商，允许电-氢复合充能站运营商在这段时间内自由调度授权的电动汽车进行充电和放电。

19、进一步地，在两种充电模式下，电-氢复合充能站只能调度选择协议充电模式的授权电动车进行充电、放电和不操作；在电动车停放期间，调度系统根据相应的调度时间表设置每辆电动车的充电量和调度时间；假设充电和放电功率是额定的，并且在每个电动车的充电期间保持不变，功率损失全部来自ac/dc模块和dc/dc模块，其余过程中不产生功率损失；参与调度的电动车应受到如下限制：

20、

21、其中表示在t时刻编号为m的协议调度电动车的充电功率；和分别表示电动汽车的充电和放电功率；和分别表示编号为m的电动车到达时间和离开时间。

22、进一步地，所述基于心理学的韦伯-费希纳激励响应决策模型当中，电动汽车司机接受调度的概率表示为：

23、

24、ρi＝0.7ρdsc,i+0.3ρcha,i

25、其中k表示韦伯分数，s0表示刺激常数；ρl表示最小模拟量；当模拟量小于ρl时，所有电动汽车驾驶员都不会接受调度；ρh表示最大感官值；当模拟量大于ρh时，概率pn对应于ph；模拟量包含两个影响因素，其中，ρdsc,i表示折扣模拟量，ρcha,i表示充电需求模拟量。

26、进一步地，综合站运营商通过提供给用户电能和氢能获取收益，在电能不能满足运行需求时，采用峰谷电价向交流配电网购电，以综合站的每日收益最大为优化目标，则目标函数表示为：

27、

28、其中ptev_u和ptev_p分别表示不参加协议的电动汽车司机和参加协议的电动汽车司机在t时刻的充电需求；λ表示激励折扣，eptev表示t时刻的电价，hp表示氢气的价格，eptpg表示从电网购买电力的价格。

29、进一步地，考虑用户的充能体验，以用户的排队总时间最小为第二目标，在满足约束的条件下优化每辆车的调度时长，减少充电桩占用情况，缩短用户的平均排队时间；电动汽车n在t时刻的排队时间与t时刻正在充电的车辆的剩余充电时间和排队的车辆数量nq有关；表示为：

30、

31、

32、

33、

34、其中，nev表示在复合站中充电的电动汽车的数量；表示预计由电动汽车nu补充的电量阈值；xn表示状态变量，当其值为1时，表示车量接受协议调度，为0时，表示不接受协议调度；pev表示充电桩的快速充电功率；表示在t时刻正在充电的电动车的实时剩余充电时间的升序集合，nk表示复合站中正在充电的车辆数量；h表示nq/m的余数，m表示复合站的充电桩数量；ttleft{h+1}表示升序后t时刻第{h+1}辆车的实时剩余充电时间；nb表示排队状态下优先于其他电动车的数量，表示排队车辆充电到所需的soc阈值所需的时间。

35、进一步地，所述约束条件具体包括：供应给电动汽车和电解槽的功率之和受光伏发电的输出功率限制；输送给电动汽车的功率应受到电动汽车需求的制约；当天初始时刻储氢罐中的氢气量对应于第二天的同一时刻；参与协议的电动汽车的调度时间δtn受下式的限制：

36、δtmin≤δtn≤δtmax

37、δtmin和δtmax分别表示最小和最大的调度时间。

38、相比于现有技术，本发明及其优选方案的有益效果至少包括：

39、(1)设计了两种充电模式给电动汽车用户选择，通过激励协议的方式充分利用电动汽车的需求响应潜力。

40、(2)基于w-f定律，提出了激励响应的充能决策预测方法来合理描述外部因素与充电决策响应之间的关系。建立综合充电经济成本和时间成本的ev充电决策模型有效预测电动汽车的充电选择行为，提高预测的精确性。

41、(3)通过合理调度站内储能装置以及电动汽车的充放电，减少ev快充负荷以及可再生能源出力随机性和波动性的影响，提高电-氢复合充能站的综合效益。