本发明涉及电气工程领域,具体涉及一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模及求解方法。
背景技术:
微电网主要包括非传统的分布式能源,如风电、光伏、燃料电池等,微电网既可以与大电网相连运行,也可以离网运行。风光出力的随机性和波动性在高渗透率情况下会给微网经济安全运行带来考验。微电网离网运行时,只能依靠自身实现对负荷的供电和对风光的消纳,不能与大电网进行电能交易,因此风光出力的波动性对微网会造成的影响更严重。
同时,我国近年来的政策支持使电动汽车飞速发展,大量电动汽车入网对电网运行的影响开始凸显。考虑电动汽车接入微电网,可以缓解直接接入电网的不利影响,同时可以发挥考虑电动汽车作为可调度负荷的优势与分布式能源(dg)进行互补。由于电动汽车大规模接入微电网,会对微电网的运行方式产生一定的影响,所以微电网规划也需要做出相应的调整。由此可见,在这种新背景下,研究电动汽车的有序充放电负荷模型,具有一定的理论和现实意义。
技术实现要素:
针对上述现有技术中的不足之处,本发明采用了以下技术方案:
一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模方法,为离网型微电网提供优化的日前调度计划,实现本发明目的的技术方案包括以下步骤:
s1、确定目标函数为
式中,e是离网型微电网一天的运行总费用,t是一天内总时间段数,nd是柴油机台数,ef(i,t)和es(i,t)分别是是第i台柴油机在第t个时段的燃耗成本和开机费用,ewg(t)和epv(t)分别是第t个时段的弃风、弃光惩罚费用,eload(t)是第t个时段的削负荷费用,n是电动汽车总台数,eevch(k,t)和eevdch(k,t)是第t个时段第k辆电动汽车充电费用和放电补贴;
s2、建立目标函数的约束条件
功率平衡约束
式中,pde(i,t)是柴油机实际出力,δpwg(t)是第t时段的弃风功率,δppv(t)是第t时段的弃光功率,δpload(t)是第t时段的削负荷电量,pch(k,t)和pdch(k,t)分别是第k辆电动汽车在第t个时段的充电功率和放电功率;
柴油机最大和最小出力约束
pdemin,i×ude(i,t)≤pde,i(t)≤pdemax,i×ude(i,t)
式中,ude(i,t)表示第i台柴油机在第t个时段的启停状态,取值为1或0;
弃风弃光约束
0≤δpwg(t)≤pwg(t)
0≤δppv(t)≤ppv(t)
削负荷约束
0≤δplaod(t)≤pload(t)
电动汽车可调度时段约束
电动汽车参与调度的前提是满足作为交通工具的出行需求,在处于行驶状态的时段是不能进行充放电行为的,只有在停车时段才能参与v2g调度,即
式中,xstate(k,t)是第k辆电动汽车在第t个时段的充放电状态变量,xstate(k,t)=-1表示第k辆电动汽车在第t个时段放电,xstate(k,t)=1表示在第t时段内充电,xstate(k,t)=0表示不充不放;r是代表电动汽车行车状态的矩阵,r=0表示电动汽车在行驶过程中,r=1表示电动汽车处于居住区停车时段,r=2表示处于工作单位停车时段,r=3表示用户在中午休息时间出行的时段;
电动汽车荷电状态约束
xstate(k,t)×pevmin≤pev(k,t)≤xstate(k,t)×pevmax
socmin(k,t)≤soc(k,t)≤socmax(k,t)
其中,soc(k,t)是电动汽车t时刻的荷电状态,与前一时刻荷电状态及该时段内的充放电情况有关,pev(k,t)是第k辆电动汽车在第t个时段的充(放)电功率;socmin(k,t)是第k辆电动汽车在t时刻的荷电状态下限;socmax(k,t)是第k辆电动汽车在t时刻的荷电状态上限;pevmin表示电动汽车在第t个时段的充(放)电功率下限;pevmax表示电动汽车在第t个时段的充(放)电功率上限;
电动汽车充放电功率约束
pch(k,t)和pdch(k,t)是电动汽车每个时段的充、放电功率;
始末荷电状态相等约束
soc(k,0)=soc(k,t)
soc(k,0)一天0时刻的荷电状态,soc(k,t)是当天结束时的荷电状态;
s3、在matlab中通过工具箱yalmip调用gurobi优化软件进行求解,其中求解步骤包括:
s3.1、初始化优化周期和时间步长,并读取系统机组参数、负荷数据、电动汽车基本数据;
s3.2、对电动车的出行时刻信息进行蒙特卡洛模拟抽样,并修正数据;
s3.3、确定电动汽车的可调度时段,确定对应时段的soc上、下限;
s3.4、确定电动汽车无序充电负荷,更新负荷预测数据;
s3.5、根据净负荷确定峰谷电价时段;
s3.6、求解,得到电动汽车有序充放电负荷,风力、光伏以及柴油机的出力,输出结果。
进一步地,步骤s1中,燃耗费用ef(i,t)、柴油机开机费用es(i,t)、弃风弃光惩罚费用ewg(t)和epv(t)、削负荷费用eload(t)、充电费用eevch(k,t)的计算方法如下:
ef(i,t)=f(apde_r(i)+bpde(i,t))
es(i,t)=st(i)×ude(i,t)×(1-ude(i,t-1))
ewg(t)=cwg×δpwg(t)×δt
epv(t)=cpv×δppv(t)×δt
eload(t)=cload×δplaod(t)×δt
eevch(k,t)=cch(t)×pch(k,t)×δt
pdch(k,t)=xstate(k,t)×pevr,xstate(k,t)<0
式中,ef(i,t)是柴油机i在t时段的燃耗成本,pde_r(i)是柴油机i的额定功率,pde(i,t)是柴油机实际出力,f是柴油价格,本发明取f=6.5元/l,a、b是燃耗成本曲线的截距系数,ude(i,t)是第i台柴油机在第t个时段开停机状态,st(i)是柴油机机组启动费用,cwg和cpv分别是弃风和弃光的惩罚系数,弃风惩罚费用为12元/kwh,弃光惩罚费用为20元/kwh,cload是削负荷的惩罚系数,削负荷惩罚费用为50元/kwh,cch(t)和cdch(t)分别是第t时段电动汽车的充电电价和放电的补贴电价,δpwg(t)和δppv(t)分别是第t时段的弃风和弃光功率,δpload(t)是第t时段的削负荷电量,pch(k,t)和pdch(k,t)分别是第k辆电动汽车在第t个时段的充电功率和放电功率,δt是时段长度。
进一步地,步骤s2中,电动汽车荷电状态约束中,t时刻的荷电状态表达式为:
进一步地,步骤s2中,电动汽车的充放电功率约束满足在第t个时段内同一辆电动汽车不能同时进行充电和放电,即满足
pch(k,t)×pdch(k,t)=0
pch(k,t)+pdch(k,t)=pev(k,t)
其中,pev(k,t)是充放电功率矩阵,pch(k,t)和pdch(k,t)是电动汽车每个时段的充、放电功率。
一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模求解方法,包括以下步骤,
步骤1:初始化优化周期和时间步长,并读取系统机组参数、负荷数据、电动汽车基本数据,包括日前风光出力预测值、负荷预测值、柴油机参数,电动汽车规模n、行驶速度v、用户响应有序充电的比例λ、备用荷电状态socr以及峰谷电价cp、cv和放电补贴电价cdch。设周期为24h,时间步长为1h;
步骤2:对电动汽车的出行时刻等信息进行蒙特卡洛模拟抽样,根据已知的概率分布,利用蒙特卡洛发模拟数量为n的电动汽车日行驶里程d、第一次出行时刻e,其达到工作地点的时刻twk、离开工作地点的时刻tlvwk、到达居住区的时刻thome分别为
tlvwk=twk+tpark
其中v是行车速度,对到达工作地点的时刻进行分类,得到停车时长tpark;
步骤3:修正电动汽车的时刻数据;由于优化周期是24h,若到达或离开工作单位的时刻twk、tlvwk或者回到家的时刻thome存在大于24h的情况,用t=t-24对其进行修正,使得电动汽车所有的时刻点都满足0≤t<24;
步骤4:确定电动汽车可调度时段;根据响应电价政策的电动汽车比例λ,得到参与有序充电的电动汽车数量np=λ×n,由步骤3得到居住区停车时段和非居住区停车时段,从而得到np辆电动汽车的行车状态矩阵r;同时确定各时段的荷电状态上下限;
步骤5:更新微电网负荷预测曲线;对于剩余不可调度的(1-np)辆电动汽车,采用无序充电方式,充电负荷通过蒙特卡罗法模拟得到,并将其并入微电网基本负荷,得到新的微电网负荷预测曲线;
步骤6:确定电价信息;根据风光预测出力pwg、ppv和含有电动汽车无序充电负荷的微电网负荷预测值pnew_load,得到净负荷pnet=pnew_load-pwg-ppv,并制定峰谷电价固定、峰谷时段变化的动态充电电价;
步骤7:在matlab中通过工具箱yalmip调用gurobi优化软件求解该模型,得到优化后的电动汽车时序充放电负荷和风力、光伏以及柴油机出力。
本发明的有益效果包括:把电动汽车负荷建模从复杂的非线性混合整数规划问题简化为线性混合整数规划问题,以微电网运行费用最小为目标,同时考虑新能源出力对电动汽车负荷的影响。模型通过调用gurobi进行求解,便于工程人员学习使用,通用性较好,可广泛应用。
附图说明
图1是本发明中基于优化运行的离网型微电网电动汽车有序充放电负荷建模求解方法的流程图;
图2是本发明实施例中不同风光接入比例的电动汽车负荷曲线。
具体实施方式
下面结合具体实施例及附图来进一步详细说明本发明。
本发明旨在提供一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模方法。实现本发明目的的技术方案是:一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模,目标函数为:
式中,e是微网一天的运行总费用,t是一天内总时间段数,nd是柴油机台数,ef(i,t)和es(i,t)分别是是第i台柴油机在第t个时段的燃耗成本和开机费用,ewg(t)和epv(t)分别是第t个时段的弃风、弃光惩罚费用,eload(t)是第t个时段的削负荷费用,n是电动汽车总台数,eevch(k,t)和eevch(k,t)是第t个时段第k辆电动汽车充电费用和放电补贴。燃耗费用ef(i,t)、柴油机开机费用es(i,t)、弃风弃光惩罚费用ewg(t)和epv(t)等费用的计算方法如公式(2)~(8)所示:
ef(i,t)=f(apde_r(i)+bpde(i,t))(2)
es(i,t)=st(i)×ude(i,t)×(1-ude(i,t-1))(3)
ewg(t)=cwg×δpwg(t)×δt(4)
epv(t)=cpv×δppv(t)×δt(5)
eload(t)=cload×δplaod(t)×δt(6)
eevch(k,t)=cch(t)×pch(k,t)×δt(7)
pdch(k,t)=xstate(k,t)×pevr,xstate(k,t)<0(8)
式中,ef(i,t)是柴油机i在t时段的燃耗成本,pde_r(i)是柴油机i的额定功率,pde(i,t)是柴油机实际出力,f是柴油价格,本文取f=6.5元/l,a、b是燃耗成本曲线的截距系数,ude(i,t)是第i台柴油机在第t个时段开停机状态,st(i)是柴油机机组启动费用,cwg和cpv分别是弃风和弃光的惩罚系数,弃风惩罚费用为12元/kwh,弃光惩罚费用为20元/kwh,cload是削负荷的惩罚系数,削负荷惩罚费用为50元/kwh,cch(t)和cdch(t)分别是第t时段电动汽车的充电电价和放电的补贴电价,δpwg(t)和δppv(t)分别是第t时段的弃风和弃光功率,δpload(t)是第t时段的削负荷电量,pch(k,t)和pdch(k,t)分别是第k辆电动汽车在第t个时段的充电功率和放电功率,δt是时段长度。
建立目标函数的约束条件为:
①功率平衡约束
②柴油机最大最小出力约束
pdemin,i×ude(i,t)≤pde,i(t)≤pdemax,i×ude(i,t)(11)
其中,ude(i,t)表示第i台柴油机在第t个时段的启/停状态(1/0)。
③弃风弃光约束
0≤δpwg(t)≤pwg(t)(12)
0≤δppv(t)≤ppv(t)(13)
④削负荷约束
0≤δplaod(t)≤pload(t)(14)
⑤电动汽车可调度时段约束
电动汽车参与调度的前提是满足作为交通工具的出行需求,在处于行驶状态的时段是不能进行充放电行为的,只有在停车时段才能参与v2g调度,即
式中,xstate(k,t)是第k辆电动汽车在第t个时段的充放电状态变量,xstate(k,t)=-1表示第k辆电动汽车在第t个时段放电,xstate(k,t)=1表示在第t时段内充电,xstate(k,t)=0表示不充不放。r是代表电动汽车行车状态的矩阵,r=0表示电动汽车在行驶过程中,r=1表示电动汽车处于居住区停车时段,r=2表示处于工作单位停车时段,r=3表示用户在中午休息时间出行的时段。
⑥电动汽车荷电状态约束,t时刻荷电状态的表达式为
其中,soc(k,t)是电动汽车t时刻的荷电状态,与前一时刻荷电状态及该时段内的充放电情况有关,pev(k,t)是第k辆电动汽车在第t个时段的充(放)电功率,q是电动汽车电池满电时的容量,容量单位为kwh。
xstate(k,t)×pevmin≤pev(k,t)≤xstate(k,t)×pevr(17)
socmin(k,t)≤soc(k,t)≤socmax(k,t)(18)
式中,socmin(k,t)是第k辆电动汽车在t时刻的荷电状态下限,socmax(k,t)是第k辆电动汽车在t时刻的荷电状态上限;pevmin表示电动汽车在第t个时段的充(放)电功率下限;pevmax表示电动汽车在第t个时段的充(放)电功率上限;一方面为了保证电动汽车的正常行驶,另一方面为了避免电池深度放电,延长电池的使用寿命。
⑦电动汽车充放电功率约束,约束同一辆电动汽车在第t个时段内不能同时进行充电行为和放电行为
pch(k,t)×pdch(k,t)=0(19)
pch(k,t)+pdch(k,t)=pev(k,t)(20)
其中,pev(k,t)是充放电功率矩阵,pch(k,t)和pdch(k,t)是电动汽车每个时段的充、放电功率,满足最大最小充、放电功率约束
⑧为了保证电动汽车第二天的正常行驶,一天结束时的荷电状态须等于当天0时刻的荷电状态
soc(k,0)=soc(k,t)(22)
一种基于优化运行的离网型微电网电动汽车有序充放电负荷建模求解方法,其过程如图1所示,具体步骤如下:
步骤1:初始化优化周期和时间步长,并读取系统机组参数、负荷数据、电动汽车基本数据,包括日前风光出力预测值、负荷预测值、柴油机参数,电动汽车规模n、行驶速度v、用户响应有序充电的比例λ、备用荷电状态socr以及峰谷电价cp、cv和放电补贴电价cdch。设周期为24h,时间步长为1h。
步骤2:对电动汽车的出行时刻等信息进行蒙特卡洛模拟抽样。根据已知的概率分布,利用蒙特卡洛发模拟数量为n的电动汽车日行驶里程d、第一次出行时刻e,通过公式(23)可得到达工作地点的时刻twk,其中v是行车速度。对到达工作地点的时刻进行分类,得到停车时长tpark,用公式(24)和(25)计算出电动汽车离开工作地点的时刻tlvwk、到达居住区的时刻thome。
tlvwk=twk+tpark(24)
步骤3:修正电动汽车的时刻数据。由于优化周期是24h,若到达或离开工作单位的时刻twk、tlvwk或者回到家的时刻thome存在大于24h的情况,用t=t-24对其进行修正,使得电动汽车所有的时刻点都满足0≤t<24。可以这样修正的原因是基于假设电动汽车每天的行驶规律一致,认为这部分时刻被修正的车辆是前一天出发,当天到达工作单位或者回到居住地,即认为电动汽车的行驶过程是可以跨天的。
步骤4:确定电动汽车可调度时段。根据响应电价政策的电动汽车比例λ,得到参与有序充电的电动汽车数量np=λ×n,由步骤3得到居住区停车时段和非居住区停车时段,从而得到np辆电动汽车的行车状态矩阵r。同时确定各时段的荷电状态上下限。
步骤5:更新微电网负荷预测曲线。对于剩余不可调度的(1-np)辆电动汽车,采用无序充电方式,充电负荷通过蒙特卡罗法模拟得到,并将其并入微电网基本负荷,得到新的微电网负荷预测曲线。
步骤6:确定电价信息。根据风光预测出力pwg、ppv和含有电动汽车无序充电负荷的微电网负荷预测值pnew_load,得到净负荷pnet=pnew_load-pwg-ppv,并制定峰谷电价固定、峰谷时段变化的动态充电电价。
步骤7:在matlab中通过工具箱yalmip调用gurobi优化软件求解该模型,得到优化后的电动汽车时序充放电负荷和风力、光伏以及柴油机出力。
以一个小型离网运行的微型电网为例,该离网运行的微型电网包括6台柴油发电机、1台风机、1台光伏发电系统,柴油发电机的参数如表一所示,
表1柴油机参数
本实施例中主要计算连续运行的工况,因此不考虑柴油发电机的爬坡功率和开机时间。该离网运行的微型电网的某调度日24小时的基本负荷数据如表2所示。
表2离网型微网的负荷数据
该离网运行的微型电网的峰值负荷为300kw,风电装机容量为150kw,选用切入的风速为3m/s、额定风速12m/s、切除风速25m/s,光伏装机容量为100kw。弃风惩罚费用为12元/kwh,弃光惩罚费用为20元/kwh,削负荷惩罚费用为50元/kwh。
调度时段δt=1h,充、放电额定功率分别为pchr=3.3kw、pdchr=3.3kw,取充、放电功率下限pch_min=2kw、pdch_min=2kw。取峰谷电价cp=1.108元/kwh,cv=0.596元/kwh。放电补贴电价cdch=1.3元/kwh,选择略高于充电峰值电价的补贴,以激励用户积极参与有序充放电。取电动汽车响应调度的比例λ=30%。
定义风光接入比例为风光总装机容量与总装机容量的比值。保持微网电源容量为560kw不变,风机、光伏机组各1台,容量配比为3:2,3种型号的柴油发电机组各2台,开机费用不变。分别对不同风光接入比例的情况进行负荷优化计算。定义微电网新能源利用率指标为一定时间跨度内实际消耗的新能源总和与风电和光伏预测的出力总和的比值,这一指标反映了在一定时间跨度内新能源有效利用的大小:
不同风光接入比例下的微网运行费用表3,电动汽车时序负荷曲线如图2所示。
表3不同风光接入比例下的运行费用
由于电动汽车的行驶具有一定随机性,故表中的运行费用和新能源利用率均是重复计算10次后的平均值。从表3可以看出,随着风光接入比例的增加,微网运行费用先减少后增大。
以上对本发明实施例所提供的技术方案进行了详细介绍,本文中应用了具体个例对本发明实施例的原理以及实施方式进行了阐述,以上实施例的说明只适用于帮助理解本发明实施例的原理;同时,对于本领域的一般技术人员,依据本发明实施例,在具体实施方式以及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。