一种考虑风电和负荷不确定性的含电动汽车优化调度方法
【专利摘要】本发明公开了一种考虑风电和负荷不确定性的含电动汽车优化调度方法，以含可入网混合电动汽车、风电和火电的电力系统为研究对象，构建计及不确定性的节能减排调度模型；先采用多场景模拟技术将不确定性的随机过程分解为若干典型的离散概率场景，采用多代理系统技术将以节能和CO2排放为目标的优化调度分解为24个工作代理，采用遗传算法求解集，协同代理负责工作代理之间动态耦合调度，使系统满足动态平衡约束，最终通过权重调节实现碳排放和节能之间的有效协调。本发明所建立的模型有效可行，PHEV能有效的实现负荷的消峰填谷，促进风电的吸纳，发挥负荷调度的作用，通过合理选取节能和碳排放目标的权重，可实现节能与减排之间的有效折衷。
【专利说明】—种考虑风电和负荷不确定性的含电动汽车优化调度方法
【技术领域】
[0001]本发明属于电力系统优化调度领域，涉及风电与负荷不确定性处理，电动汽车的充放电控制，尤其涉及不确定性的处理。
【背景技术】
[0002]随着能源紧缺与环境污染矛盾日益突出，清洁可再生能源受到广泛关注。电动汽车在节能减排、遏制气候变暖以及保障石油供应安全等方面有着传统汽车无法比拟的优势，受到各国政府、汽车生产商以及能源企业的广泛关注。一份美国国家可再生能源实验室给出的技术报告表明PHEV能大量减少C02的排放。正是由于PHEV有巨大节能减排潜力，其研究和推广已成为各国关注的热点。PHEV能否有效使用在一定程度上取决于可再生能源的利用。进行积极的充电(V2G)控制，电动汽车的充电电量完全由可再生能源来提供，形成可再生能源与PHEV有效互补。可以实现充电负荷对可再生能源出力变化的跟踪，促进可再生能源吸纳。
[0003]传统模式下，含风电和电动汽车的优化调度不考虑风电和负荷的不确定性，均采用确定性方法来求解，与风电、负荷的随机性特性不相符，不能真实反映实际调度情况。采用多场景模拟技术将风电、负荷不确定性的随机过程分解为若干典型的概率场景，使其较准确反映含电动汽车和风电的电力优化调度随机过程。然后，采用多代理系统技术将I天24个时段对应为24个工作代理，负责火电、风电和电动汽车之间的静态调度，协调代理负责24个工作代理之间的动态协调,从而使能量优化的利用风电和电动汽车,使调度结果更接近实际。
【发明内容】
[0004]为了弥补传统模式的缺陷，本发明提出一种考虑风电和负荷不确定性的含电动汽车优化调度策略，以含可入网混合电动汽车(以下简称PHEV)、风电和火电的电力系统为研究对象，构建了计及不确定性的节能减排调度模型，综合考虑了风电和负荷的不确定性，PHEV的充放电控制，PHEV与风电的协调互补。先采用多场景模拟技术将不确定性的随机过程分解为若干典型的离散概率场景，在此基础上采用多代理系统技术(以下简称MAS)技术将优化调度分为24个工作代理，工作代理负责每个时段的静态调度，协调代理负责工作代理之间动态耦合调度，最终通过权重调节实现了碳排放和节能之间有效协调。
[0005]本发明的目的是通过以下技术方案来实现的:
一种考虑风电和负荷不确定性的含电动汽车优化调度方法，包括如下步骤:
(1)接受电网机组调度中心得出的系统未来24小时负荷需求数据；接收风电场对风电出力大小的预测数据，包括预测风电大小和风电出力的上下限区间；接收PHEV的相关特性数据；根据各个发电厂上报的机组特性数据得出各个机组的特性约束；
(2)根据大型风电场出力、负荷的不确定性信息，采用多场景模拟技术选取若干典型的系统运行状态用于系统运行费用和碳排放优化调度，能较准确反映含PHEV和风电的电力优化调度。
[0006](3)根据第一、二步接收的数据和若干典型的场景，对电力系统优化调度进行建模，根据运行要求选择目标函数和约束条件，包括等式约束条件和不等式约束条件，构成混合整数非线性规划问题；
(4)根据上一步产生的混合整数非线性规划问题，得出考虑风电和负荷不确定性的含电动汽车节能减排多目标函数和相应约束条件。约束条件为:含PHEV的系统功率平衡约束、PHEV的平衡约束、含PHEV的旋转备用约束、PHEV充放电总量约束、火电机组自身的出力、爬坡、最小开停机等约束。
[0007](5)将上一步的节能减排多目标通过给各个目标赋权重，将多目标问题转化为新的单目标问题，并通过权重调节各个目标在节能减排总目标中的重要性。
[0008](6)将全天分成24个时段，I小时为I个调度时段，由24个工作代理A1-A24负责，即每个时段对应为I个工作代理，每个工作代理内部利用遗传算法进行求解，然后由协同代理对24个工作代理的解进行协调，最终得到一天内优化调度的解。
[0009]本发明的有益效果是:本发明对考虑不确定性下含PHEV和风电的节能减排调度策略进行研究，建立了含PHEV和风电不确定性的节能减排模型。并针对负荷和风电出力的随机性，采用多场景模拟技术将负荷和风电变量离散为若干典型的场景，再采用MAS技术求解离散化的调度问题。MAS中工作代理负责每个调度时段内，火电出力的调节，风电和PHEV的互补调度，风电、火电和PHEV的协调。协调代理负责协调24个工作代理，实现动态的优化调度。算例表明，所建立的模型有效可行，PHEV能有效的实现负荷的消峰填谷，促进风电的吸纳，发挥负荷调度的作用。通过合理选取节能和碳排放目标的权重，可实现节能与减排之间的有效折衷。
【专利附图】
【附图说明】
[0010]图1是本发明的流程图；
图2是风电的场景分布图；
图3是负荷的场景分布图；
图4是优化调度策略的MAS体系结构图；
图5是工作代理的协同作用示意图。
【具体实施方式】
[0011]下面结合附图对本发明作进一步详细说明。
[0012]一种考虑风电和负荷不确定性的含电动汽车优化调度策略，包括如下步骤:
(1)接受电网机组调度中心得出的系统未来24小时负荷需求数据；接收风电场对风电出力大小的预测数据，包括预测风电大小和风电出力的上下限区间；接收PHEV的相关特性数据；根据各个发电厂上报的机组特性数据得出各个机组的特性约束；
(2)根据大型风电场出力、负荷的不确定性信息，采用多场景模拟技术选取若干典型的系统运行状态用于系统运行费用和碳排放优化调度，能较准确反映含PHEV和风电的电力优化调度。
[0013](3)根据第一、二步接收的数据和若干典型的场景，对电力系统优化调度进行建模，根据运行要求选择目标函数和约束条件，包括等式约束条件和不等式约束条件，构成混合整数非线性规划问题；
(4)根据上一步产生的混合整数非线性规划问题，得出考虑风电和负荷不确定性的含电动汽车节能减排多目标函数和相应约束条件。约束条件为:含PHEV的系统功率平衡约束、PHEV的平衡约束、含PHEV的旋转备用约束、PHEV充放电总量约束、火电机组自身的出力、爬坡、最小开停机等约束。
[0014](5)将上一步的节能减排多目标通过给各个目标赋权重，将多目标问题转化为新的单目标问题，并通过权重调节各个目标在节能减排总目标中的重要性。
[0015](6)将全天分成24个时段，I小时为I个调度时段，由24个工作代理A1-A24负责，即每个时段对应为I个工作代理，每个工作代理内部利用遗传算法进行求解，然后由协同代理对24个工作代理的解进行协调，最终得到一天内优化调度的解。
[0016]以下结合附图，对本发明的实施例作详细说明，本发明的流程图如图1所示。
[0017]负荷和风电出力的离散概率分布集可表示为:
【权利要求】
1.一种考虑风电和负荷不确定性的含电动汽车优化调度方法，其特征在于:以含可入网混合电动汽车、风电和火电的电力系统为研究对象，构建计及不确定性的节能减排调度模型，综合考虑风电和负荷的不确定性、可入网混合电动汽车的充放电控制、可入网混合电动汽车与风电的协调互补；先采用多场景模拟技术将不确定性的随机过程分解为若干典型的离散概率场景，在此基础上，采用多代理系统技术将以节能和CO2排放为目标的优化调度分解为24个工作代理，工作代理负责每个时段的静态调度，采用遗传算法求解集；协同代理负责工作代理之间动态耦合调度，使系统满足动态平衡约束；最终通过权重调节实现碳排放和节能之间的有效协调；具体包括如下步骤: (1)接受电网机组调度中心得出的系统未来24小时负荷需求数据；接收风电场对风电出力大小的预测数据，包括预测风电大小和风电出力的上下限区间；接收可入网混合电动汽车的相关特性数据；根据各个发电厂上报的机组特性数据得出各个机组的特性约束； (2)根据大型风电场出力、负荷的不确定性信息，采用多场景模拟技术选取若干典型的系统运行状态用于系统运行费用和碳排放优化调度； (3)根据第一、二步接收的数据和若干典型的场景，对电力系统优化调度进行建模，根据运行要求选择目标函数和约束条件，包括等式约束条件和不等式约束条件，构成混合整数非线性规划问题； (4)根据上一步产生的混合整数非线性规划问题，得出考虑风电和负荷不确定性的含电动汽车节能减排多目标函数和相应约束条件； (5)将上一步的节能减排多目标函数通过给各个目标赋权重，将多目标问题转化为新的单目标问题，并通过权重调节各个目标在节能减排总目标中的重要性； (6)将全天分成24个时段，I小时为I个调度时段，由24个工作代理A1-A24负责，即每个时段对应为I个工作代理，每个工作代理内部利用遗传算法进行求解，然后由协同代理对24个工作代理的解进行协调，最终得到一天内优化调度的解。
2.根据权利要求1所述的一种考虑风电和负荷不确定性的含电动汽车优化调度方法，其特征在于:所述多场景模拟技术采用离散的概率分布取代随机变量的不确定性，场景的产生经过2个步骤:I)通过概率统计方法获得随机变量的概率分布；2)采用近似的方法，在尽可能减小信息损失的前提下，将随机变量的原概率分布离散化； 负荷和风电出力的离散概率分布集表示为:<img/ (p/,4)为不确定性负荷在场景s下的负荷值及其对应的概率，nd为负荷的场景总数；<img/ U为不确定性风电在场景5下的出力值及其对应的概率，?为风电的场景总数；<img/ 负荷和风电所有场景的集合用SC表示，
3.根据权利要求1所述的一种考虑风电和负荷不确定性的含电动汽车优化调度方法，其特征在于:所述考虑风电和负荷不确定性的含电动汽车节能减排多目标函数采用多场景模拟技术，考虑负荷和风电的不确定性的燃料费用函数演变为:
4.根据权利要求1所述的一种考虑风电和负荷不确定性的含电动汽车优化调度方法，其特征在于:考虑风电和负荷不确定性的含电动汽车节能减排约束条件为:含可入网混合电动汽车的系统功率平衡约束、可入网混合电动汽车的平衡约束、含可入网混合电动汽车的旋转备用约束、可入网混合电动汽车充放电总量约束、火电机组自身的出力、爬坡、最小开停机约束。
5.根据权利要求1所述的一种考虑风电和负荷不确定性的含电动汽车优化调度方法，其特征在于:所述步骤(5)中综合考虑节能减排和不确定的优化调度模型为:
6.根据权利要求1所述的一种考虑风电和负荷不确定性的含电动汽车优化调度方法，其特征在于:所述多代理系统技术的每一个工作代理除和协同代理存在联系外，还和其前后相邻的代理进行信息交流，为便于区别，称前一时段的代理为当前代理的前驱，后一时段的代理为当前代理的后继，协同代理达到系统协同进化的目标。
7.根据权利要求1所述的一种考虑风电和负荷不确定性的含电动汽车优化调度方法，其特征在于:每个所述工作代理负责协调风电、火电和可入网混合电动汽车之间的静态调度，它的目标即为该时段内的运行成本和气体排放量的总目标最小，约束条件为相应负荷断面下的静态约束条件，而不考虑机组的启停时间等动态耦合约束，采用遗传算法求得一解集。
8.根据权利要求书I所述的一种考虑风电和负荷不确定性的含电动汽车优化调度方法，其特征在于:所述协同代理的目标为整个调度周期内的燃料消耗和气体排放总量最小，约束条件为整个调度周期内 的动态耦合约束。
【文档编号】G06Q50/06GK103632205SQ201310538730
【公开日】2014年3月12日 申请日期:2013年11月5日 优先权日:2013年11月5日
【发明者】张晓花, 谢俊, 朱正伟, 张孝康 申请人:常州大学