一种计及电动汽车的城市电网中长期生产模拟方法与流程

[0001]
本发明属于含电动汽车的城市电网规划运行领域，尤其涉及一种计及电动汽车的城市电网中长期生产模拟方法。


背景技术：

[0002]
近年来，电动汽车作为一种全新的交通工具，在环保和节能方面表现出色，目前也得到了广泛的应用。大规模电动汽车接入城市电网，将带来大量充电负荷，从而影响电网的稳定性和可靠性。因此，在城市电网的规划运行过程中，有必要考虑电动汽车的用能情况与发展趋势。随机生产模拟又作为规划运行方案可行性的重要评估方法，它对提高系统运行的经济效益和可靠性水平，以及系统未来发展前景有重要的意义。其模拟内容主要是在持续负荷曲线下，考虑机组的随机停运和负荷的随机波动，模拟系统的发电调度，预测各机组的发电量及燃料耗量，分析生产成本和评估系统的可靠性。然而，现有生产模拟研究中较少考虑电动汽车的影响。


技术实现要素：

[0003]
本发明的目的旨在充分考虑城市电网中电动汽车充电负荷，结合电动汽车充电负荷预测结果和城市电网基础负荷，以系统运行成本最小为目标，设计计及电动汽车的城市电网中长期生产模拟方法。通过生产模拟方法，最终得到经济性最优的城市电网发电机组出力方案、发电机组检修方案，以及经济性最优生产模拟方案下的各机组生产运行成本、启停成本、系统运行总成本。为此，本发明提供一种计及电动汽车的城市电网中长期生产模拟方法。
[0004]
本发明的一种计及电动汽车的城市电网中长期生产模拟方法，首先，对电动汽车充电负荷进行预测，基于电动汽车保有量及气温历史数据，通过蒙特卡洛抽样模拟方法预测电动汽车充电负荷；其次，建立综合负荷模型，将城市电网常规基础负荷与电动汽车充电负荷相叠加得到持续负荷曲线，并对负荷曲线进行分段处理以简化求解难度；然后，以系统运行成本最低为目标，构建生产模拟目标函数以及运行约束条件，目标函数考虑发电机运行成本和启停成本，约束条件包括发电机组运行约束和系统运行约束；最后，求解优化规划问题，得到包括发电机出力、总运行成本等生产模拟结果。具体包括以下步骤：
[0005]
a.电动汽车充电负荷建模：
[0006]
(1)确定开始充电时刻和日行驶里程。
[0007]
电动汽车每日起始出行时刻t满足正态分布，概率密度函数为：
[0008][0009]
其中，μ
s
，δ
s2
为正态分布函数的对称轴和方差。
[0010]
日行驶里程s服从s～n(μ，δ
2
)的对数正态分布，概率密度函数为：
[0011][0012]
其中，μ
m
，δ
m2
为对数正态分布函数的对称轴和方差。
[0013]
(2)计算行程耗电量，其中行程耗电量有里程耗电量、空调耗电量两个部分。
[0014]
里程耗电量计算，需考虑不同天气对交通路况的影响，具体某一时速的单位里程耗电量由以下公式确定：
[0015][0016]
h＝x
×
s
[0017]
式中：v为行驶时速；x为电动汽车以速度v行驶单位里程的耗电量；h表示电动汽车行驶s公里耗电量。
[0018]
空调耗电量计算，考虑温度对空调耗电量的影响，电动汽车在不同温度下行驶的空调耗电量表示为：
[0019][0020]
式中：k
t
表示温度为t时的电池实际最大载电量；θ表示空调耗电量占比。
[0021]
空调启动概率密度函数为：
[0022][0023]
式中，u
t
、δ
t
为启动系数。
[0024]
(3)确定荷电状态(state of charge，soc)；
[0025]
考虑温度对于电池的影响，不同温度的电池实际最大载电量表示为：
[0026]
c
t
＝b
t
×
c
t
[0027]
式中：c
t
表示温度为t时的电池实际最大载电量；b
t
是温度为t时，电池相对容量百分数。
[0028]
(4)计算充电需求，包括：
[0029]
充电需求计算以24小时为单位，将其划分为96个时段，每个时段15分钟；第m时段的总充电需求为所有电动汽车在该时段的充电需求之和，总充电需求表示为：
[0030][0031]
式中：n为电动汽车保有量；p
i,m
为第i辆车在第m时段的充电功率；p
ev,m
为第m时段的总充电需求。
[0032]
充电策略为“随即充电”型：电动汽车每到达一处目的地，只要该地配备有充电设施，就进行充电：
[0033][0034]
式中：t
ch
为充电时长；e
exp
为理想的电池电量，一般取电池总容量的90％；p
ch
为充电功率；η为充电效率；t
stay
为停留时间。
[0035]
b.综合负荷模型：
[0036]
(1)获得系统中常规基础负荷的数据。
[0037]
(2)将常规基础负荷和电动汽车负荷叠加，绘制出实时负荷曲线。
[0038]
(3)对时序负荷曲线按照从大到小的次序依次排序，形成精确持续负荷曲线，并根据需要选择适当的分段数和相应的负荷水平，形成持续负荷曲线。
[0039]
持续负荷曲线的分段方法由如下公式确定：
[0040][0041]
式中：t表示时段，t计算周期总时长；b表示近似持续负荷曲线的分块，b为曲线总的分块数；分别代表t时间段常规负荷和电动汽车负荷的功率大小；d
t
代表t时间段的持续时间；l
t,b
表示t时段内第b分段的负荷大小；d
t,b
表示t时段中第b个负荷水平的持续时间；l
total
表示全年负荷总量；l
b,h
表示b分段规定的负荷水平数值；ω
b
表示b分段内的时段集合；l
b,min
，l
b,max
分别表示b分段内的最小和最大负荷大小。
[0042]
c.构建生产模拟目标函数及约束条件：
[0043]
(1)以生产运行成本最小为目标，并考虑机组启停成本，构建生产模拟规划目标函数；
[0044]
生产模拟规划目标函数由以下公式确定：
[0045][0046]
式中：其中t表示时段，t计算周期总时长；b表示近似持续负荷曲线的分块，b为曲线总的分块数；tp表示发电机组集合；g表示发电机组编号；f
g
(p)表示发电机组g在出力为p时的单位时间运行成本；p
g,t,b
表示发电机组g在t时间段b负荷段的出力大小；d
t.b
表示t时刻下b负荷段的持续时间；c
qt
表示机组启停一次的总成本；表示t时间周期内机组g的启停次数。
[0047]
(2)考虑发电机组运行约束以及系统运行约束，构建生产模拟规划约束条件，其中：
[0048]
发电机运行约束条件具体内容和数学模型如下：
[0049]
检修次数约束：
[0050][0051]
式中：z
g,t
是一个0-1变量，代表在t时间段内机组g是否进入检修状态，当机组进入检修状态后为1，否则为0；on
g
代表t时段内各机组所需的检修次数。
[0052]
检修时间约束：
[0053][0054][0055]
式中：u
g,t
是一个0-1变量，代表在t时间段内机组g是否处于检修状态，当机组处于检修状态后为1，否则为0；n为正整数，n
·
t则是每次检修的持续时间。
[0056]
检修间隔约束：
[0057][0058]
机组开机约束：
[0059]
z
g,t
+u
g,t
≤1
[0060]
机组出力上下限：
[0061]
p
g,max
·
u
g,t
≤p
g,t,b
≤p
g,min
·
u
g,t
[0062]
式中：p
g,max
，p
g,min
分别代表机组g的最大出力功率和最小出力功率。
[0063]
系统运行约束条件具体内容和数学模型如下：
[0064]
电力平衡约束：
[0065][0066]
式中：l
t,b
为时段t负荷段b的负荷功率。
[0067]
电量平衡约束：
[0068][0069]
式中：lc
t,b
代表失电量。
[0070]
d.求解优化问题得出结果：
[0071]
具体包括利用cplex求解器对规划问题进行求解，并得出生产模拟的结果。
[0072]
结果包括经济性最优的城市电网发电机组出力方案、发电机组检修方案，以及在经济性最优生产模拟方案下的各机组生产运行成本、启停成本、系统运行总成本、系统总发电量。
[0073]
本发明的有益技术效果为：
[0074]
1、充分考虑了电动汽车对城市电网负荷的影响，通过计及电动汽车的城市电网生产模拟，减少了因电动汽车大量接入城市电网所带来的供需不平衡。
[0075]
2、发电机组的启停成本十分昂贵，而多数生产模拟研究中并未考虑此因素。因此，本发明在优化目标函数中考虑了火电机组的启停成本，避免了模拟结果中出现随意的机组停机，提高了所得发电机组出力方案的合理性。
附图说明
[0076]
图1为本发明计及电动汽车的城市电网中长期生产模拟方法的流程图。
[0077]
图2为模拟结果中某机组一年内的出力情况柱状图。
[0078]
图3为模拟结果中电动汽车充电负荷某周的日负荷曲线图。
具体实施方式
[0079]
下面结合附图和具体实施例对本发明做进一步详细说明。
[0080]
本发明的一种计及电动汽车的城市电网中长期生产模拟方法的流程图如图1所示，实施例以rts1979系统为例，结合交通负荷，对该系统进行中长期生产模拟。生产模拟时长t为1年，单位时间t为1周。常规负荷大小以rts1979测试系统中默认大小为准，发电机组24组，机组的全年检修次数为3次，检修持续时间为1周，机组启停成本为40万元。区域电动汽车保有量取10万辆，气温数据取2016年全年上海气象统计局的数据。具体步骤为：
[0081]
a.电动汽车充电负荷建模：
[0082]
(1)根据电动汽车发展现状，电动汽车保有量为100000辆，进行蒙特卡罗模拟仿真，初始化输入保有量数和某一天的平均温度，再进行蒙特卡洛法抽取电动汽车的开始充电时刻和日行驶里程。
[0083]
日行驶里程s服从s～n(μ，δ
2
)的对数正态分布，概率密度函数为：
[0084][0085]
其中取μ
m
＝2.98，δ
m
＝1.14。
[0086]
电动汽车每日起始出行时刻t满足正态分布，概率密度函数为：
[0087][0088]
这里区分工作日和休息日：在工作日时μ
e
＝9，δ
e
＝1.5；休息日时μ
s
＝12，δ
s
＝1.5。
[0089]
(2)再进行行程耗电量计算，包括里程耗电量和空调耗电量。
[0090]
里程耗电量，考虑需不同天气对交通路况的影响，具体某一时速的单位里程耗电量由以下公式确定：
[0091][0092]
h＝x
×
s
[0093]
式中v为行驶时速；x为电动汽车以速度v行驶单位里程的耗电量；h表示电动汽车行驶s公里耗电量。在这里，定制了具有季节性天气特性下的最佳行驶速度。冬季在a路况下安全速度为40km/h，b路况下安全速度为55km/h；夏季在a路况下安全速度为65km/h，b路况下安全速度为80km/h；春秋季在综合路况下安全速度为40～80km/h。其中，a路况表示表示雨雪雾严重，b路况表示雨雪雾轻微；a路况表示表示雨天，b路况表示晴天。
[0094]
空调耗电量，考虑温度对空调耗电量的影响，电动汽车在不同温度下行驶的空调耗电量表示为：
[0095][0096]
式中：k
t
表示温度为t时的电池实际最大载电量；θ表示空调耗电量占比。
[0097]
空调启动概率密度函数为：
[0098][0099]
式中，式中制热启动取u
t
＝10.82，δ
t
＝2.14；制冷启动取u
t
＝29.4，δ
t
＝1.75。
[0100]
根据对应温度的空调启动概率y，单辆车生成服从u(0，1)均匀分布的随机数y，若y<y启动空调；θ
cold
＝32.5％，θ
hot
＝35％。
[0101]
(3)然后确定soc状态，考虑温度对于电池的影响，不同温度的电池实际最大载电量可表示为：
[0102]
c
t
＝b
t
×
c
t
[0103]
式中：c
t
表示温度为t时的电池实际最大载电量；b
t
是温度为t时，电池相对容量百分数。设定25℃为参考温度，在高温段电池实际最大载电量变化不明显，超过30℃电池实际最大载电量基本不变。而低温段，随着温度下降，最大载电量逐渐减小，0℃时电池相对容量为79.3％，-20℃时电池最大载电量仅43.6％。10℃～20℃段电池实际最大载电量的衰减率随温度的下降急剧增加。
[0104]
(4)最后，计算充电需求，考虑充电策略为“随即充电”型，电动汽车每到达一处目的地，只要该地配备有充电设施，就进行充电，数学模型为：
[0105][0106]
式中：t
ch
为充电时长；e
exp
为理想的电池电量，一般取电池总容量的90％；p
ch
为充电功率；η为充电效率；t
stay
为停留时间。
[0107]
再以24小时为单位，将其划分为96个时段，每个时段15分钟。第m时段的总充电需求为所有电动汽车在该时段的充电需求之和，总充电需求可表示为：
[0108][0109]
式中n为电动汽车保有量；p
i,m
为第i辆车在第m时段的充电功率，p
ev,m
第m时段的总充电需求。
[0110]
b.综合负荷模型；
[0111]
(1)获得系统中常规基础负荷的数据，这里的数据是rts1979测试系统中全年默认负荷数据。
[0112]
(2)将常规负荷和电动汽车负荷叠加，绘制出实时负荷曲线。
[0113]
(3)对时序负荷曲线按照从大到小的次序依次排序，形成精确持续负荷曲线，并根据需要选择适当的分段数和相应的负荷水平，形成持续负荷曲线。
[0114]
依据如下的公式，得到分段持续负荷曲线：
[0115][0116]
式中：t表示时段，t计算周期总时长；b表示近似持续负荷曲线的分块，b为曲线总的分块数；分别代表t时间段常规负荷和电动汽车负荷的功率大小；d
t
代表t时间段的持续时间；l
t,b
表示t时段内第b分段的负荷大小；d
t,b
表示t时段中第b个负荷水平的持续时间；l
total
表示全年负荷总量；l
b,h
表示b分段规定的负荷水平数值；ω
b
表示b分段内的时段集合；l
b,min
，l
b,max
分别表示b分段内的最小和最大负荷大小。
[0117]
c.构建生产模拟目标函数及约束条件：
[0118]
(1)以生产运行成本最小为目标，并考虑机组启停成本，构建生产模拟规划目标函数；生产模拟规划目标函数由以下公式确定：
[0119][0120]
式中：t表示时段，t计算周期总时长；b表示近似持续负荷曲线的分块，b为曲线总的分块数；tp表示发电机组集合；g表示发电机组编号；f
g
(p)表示发电机组g在出力为p时的单位时间运行成本；p
g,t,b
表示发电机组g在t时间段b负荷段的出力大小；d
t.b
表示t时刻下b负荷段的持续时间；c
qt
表示机组启停一次的总成本；表示t时间周期内机组g的启停次数；
[0121]
(2)考虑发电机组运行约束以及系统运行约束，构建生产模拟规划约束条件，包括：
[0122]
检修次数约束：
[0123][0124]
式中：z
g,t
是一个0-1变量，代表在t时间段内机组g是否进入检修状态，当机组进入检修状态后为1，否则为0；on
g
代表t时段内各机组所需的检修次数。
[0125]
检修时间约束：
[0126][0127]
式中：u
g,t
是一个0-1变量，代表在t时间段内机组g是否处于检修状态，当机组处于检修状态后为1，否则为0；n为正整数，n
·
t则是每次检修的持续时间。
[0128]
检修时间约束：
[0129]
[0130]
检修间隔约束：
[0131][0132]
机组开机约束：
[0133]
z
g,t
+u
g,t
≤1
[0134]
机组出力上下限：
[0135]
p
g,max
·
u
g,t
≤p
g,t,b
≤p
g,min
·
u
g,t
[0136]
式中：p
g,max
，p
g,min
分别代表机组g的最大出力功率和最小出力功率。
[0137]
电力平衡约束：
[0138][0139]
式中：l
t,b
为时段t负荷段b的负荷功率。
[0140]
电量平衡约束：
[0141][0142]
式中：lc
t,b
代表失电量。
[0143]
d.求解优化问题得出结果。
[0144]
各机组运行参数如表1所示：
[0145]
表1各机组运行参数
[0146][0147]
系统总发电量和系统运行总成本如表2所示：
[0148]
表2系统总发电量和系统运行总成本
[0149][0150]
其中，各机组的出力情况由柱状图展示，如附图2，电动汽车的负荷预测结果由日负荷曲线展示，如附图3。