一种含电动汽车虚拟电厂的区间主从博弈优化调度方法与流程

1.本发明涉及电网优化调度技术领域，具体涉及一种含电动汽车虚拟电厂的区间主从博弈优化调度方法。


背景技术：

2.随着化石燃料的日渐枯竭，环境污染等问题的不断加重，电动汽车因其清洁高效的特点得到快速发展，电动汽车充电负荷具有较强的随机性，大规模电动汽车无序充电必将加剧电网供需不平衡。制定行之有效的虚拟电厂运营商与电动汽车用户间的互动策略将规模化电动汽车聚合并进行有序调度，以发挥其储能潜力成为世界各国关注和研究的热点。
3.虚拟电厂作为需求响应的主战场，其内部包含大量电动汽车；但电动汽车参与需求响应受车主意愿和响应时间限制具有较大的不确定性。制定行之有效的虚拟电厂运营商与电动汽车用户间的互动策略，以引导其参与需求响应；在虚拟电厂中，各分布式电源出力、负荷均具有较强的不确定性，如何简单有效的刻画这些不确定性因素，并在考虑各主体利益的优化调度过程中予以充分考虑，是亟需解决的问题。


技术实现要素：

4.本发明的目的在于针对现有优化调度策略缺少对各主体利益间的考虑，同时忽略了可再生能源出力的不确定因素，使得所求解调度策略鲁棒性较差，为此，本发明提出了一种含电动汽车虚拟电厂的区间主从博弈优化调度方法。
5.本发明的目的是这样实现的：一种含电动汽车虚拟电厂的区间主从博弈优化调度方法，所述优化调度方法包括虚拟电厂层、电动汽车用户层以及结合 cplex的粒子群求解方法，所述虚拟电厂层为上层虚拟电厂运营商的优化模型，利用区间数描述虚拟电厂内部，建立以虚拟电厂运营商成本最小的上层目标函数，所建立上层模型考虑虚拟电厂内部光伏发电、光伏发电出力、风力发电出力、刚性负荷与电动汽车负荷的不确定性；所述电动汽车用户层为下层电动汽车用户的优化模型，建立以聚合电动汽车用电费用最小的下层目标函数，电动汽车在聚合时考虑出行规律的随机性，利用蒙特卡罗抽样依次对出行时间、返回时间、行驶里程三个函数进行抽样以模拟电动汽车随机出行规律；所述结合 cplex的粒子群求解方法，其算法原理简单、收敛速度快、需调整参数较少的特点，且具有记忆性和进步性，能完整保存迭代过程中粒子的全局与局部最优解，利用yalmip工具箱中的cplex求解器以实现对上下层目标函数快速准确求解。
6.优化调度方法还包括以下步骤：
7.步骤1：建立考虑源荷不确定性的各层主体能量管理模型，并设置粒子数量迭代次数以及相应的博弈收敛误差；
8.步骤2：随机初始化粒子群算法参数，生成电价信息初始粒子；
9.步骤3：下层电动汽车用户根据电价利用cplex求解下层模型以求得最优用电行
为；
10.步骤4：上层虚拟电厂运营商依据下层用户用电行为在考虑预测不确定性的基础上，将聚合电动汽车区间与电价信息代入上层优化模型，通过合理调控储能系统以实现虚拟电厂运行成本最低；
11.步骤5：以上层虚拟电厂运营商成本最小作为粒子适应度函数目标值，基于所设置参数更新粒子的速度和位置；
12.步骤6：判断是否达迭代次数，比较与前一轮迭代的最优结果值，其差值若小于精度则为博弈均衡解；
13.步骤7：若未达到博弈次数则重复上述步骤2至步骤5。
14.上层虚拟电厂运营商通过制定相应电动汽车充放电价格以满足成本最小；电动汽车用户则结合虚拟电厂运营商所制定电价改变自身用电行为以实现自身充电成本最小；上下层级如此反复博弈，以实现虚拟电厂运营商和电动汽车用户间的共赢。
15.上层虚拟电厂运营商的优化模型，建立以虚拟电厂运营商成本最小的上层目标函数，所建立上层模型考虑虚拟电厂内部光伏发电光伏发电出力、风力发电出力、刚性负荷与电动汽车负荷的不确定性。其中上层虚拟电厂运行成本函数为：
[0016][0017]
式中：f为上层虚拟电厂运行成本，c
grid+
(t)、c
grid-(t)为与上级电网交互电价，c
buy
(t)为电动汽车充放电费用，[p
grid
(t)]、[p
ev,sum
(t)]为考虑不确定因素的与上级电网交互功率、电动汽车聚合功率。
[0018]
下层电动汽车用户的优化模型，建立以聚合电动汽车用电费用最小的下层目标函数，电动汽车在聚合时考虑出行规律的随机性，利用蒙特卡罗抽样依次对出行时间、返回时间、行驶里程等三个函数进行抽样以模拟电动汽车随机出行规律。其中下层电动汽车用电费用成本函数为：
[0019][0020]
式中：f2为聚合电动汽车用户成本函数，c
buy
(t)为电动汽车充放电费用；所利用蒙特卡罗抽样函数为f(x
t
)为抽样函数，th为住宅区用户返程时间，μ
t
为期望值取17.6，σ
t
标准差取3.4。
[0021]
所述虚拟电厂中光伏、风机以及刚性负荷的不确定性利用区间进行简单有效的刻画，本技术中[...]均表示具有一定宽度的区间数。考虑区间和其宽度分别记为w(a)和w(b)，则称a大于或等于b(记为a≥b)的区间可信度定义为下式：
[0022][0023]
对于区间不等式约束gj(x,c)≥aj，记个体x满足该约束条件的可信度为：
[0024]
δj＝p(gj(x,c)≥aj)
[0025]
相应的，记个体x不满足该约束条件的可信度(个体x对该约束的违背度) 为：
[0026]
lj＝1-p(gj(x,c)≥aj)＝p(gj(x,c)≤aj)
[0027]
本技术将个体x满足每一约束条件的可信度与设置的可信度阈值比较，从而判断其是否为可行解，即对于任一约束条件gj(x,c)≥aj，均有则称x为可行解，反之则称x为非可行解。
[0028]
本发明的有益效果：本发明为一种含电动汽车虚拟电厂的区间主从博弈优化调度方法，用于实现虚拟电厂运营商与电动汽车车主间的共赢，其包括虚拟电厂运行商的上层优化模型、电动汽车车主的下层模型以及结合cplex的粒子群模型求解方法。上层模型以虚拟电厂运行成本最小为优化目标，考虑功率平衡与储能系统约束，并根据所求得上层目标更新相应电价信息；下层优化模型基于电价信息，以电动汽车车主用电费用最小为优化目标，求解聚合电动汽车功率，并将其发送给上层优化模型。基于结合cplex的粒子群求解方法求解所建立区间博弈模型以求得博弈均衡解。所求调度方案可兼顾虚拟电厂运营商与电动汽车车主的双边利益并有效提高系统的鲁棒性。
附图说明
[0029]
图1为含电动汽车虚拟电厂的区间双层主从博弈框架图。
[0030]
图2为含电动汽车虚拟电厂的区间主从博弈求解流程图。
[0031]
图3为光伏区间出力曲线图。
[0032]
图4为风机区间出力曲线图。
[0033]
图5为刚性负荷波动区间曲线图。
[0034]
图6为与上级电网交互功率曲线图。
[0035]
图7为上下层模型收敛曲线图。
[0036]
图8为上层虚拟电厂所制定的博弈电价图。
[0037]
图9为上层虚拟电厂与上级电网交互功率曲线图。
[0038]
图10为储能系统功率图。
[0039]
图11为下层电动汽车聚合功率曲线图。
具体实施方式
[0040]
面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0041]
如图1，一种含虚拟电厂的区间主从博弈优化调度方法，上层考虑光伏发电出力、风力发电出力、刚性负荷与电动汽车负荷的不确定性，利用区间数描述其随机波动性，建立以虚拟电厂运营商运营成本最小的优化模型；下层利用蒙特卡罗模拟电动汽车出行规律的随机性，建立以电动汽车车主充放电成本最小的下层优化模型，上层虚拟电厂通过制定不同时段电动汽车用电费用，电动汽车车主则依据所制定电价调整自身充电行为，双边反复博弈以求得纳什均衡解。所述区间优化利用区间数描述虚拟电厂内部源荷不确定性，所建
立区间优化问题可定义为下式；
[0042][0043]
其中，x为决策变量，ω为决策空间，c为区间向量，有c＝(c1,c2,...c
l
)
t
，对于其中第i个分量ci，其中ci、分别为ci的下限与上限；gj(x,c)≥aj为区间不等式的约束条件，hk(x,c)＝bk为区间等式约束条件；从决策空间到目标空间的映射由m个目标函数组成，f
ii
(x,c)是其第i各目标函数，因含有区间向量c，其取值亦为一区间数；
[0044][0045][0046][0047]
因此，区间优化问题本质上为一个两层优化问题，外层优化问题决策变量为x，内层优化问题决策变量为y。
[0048]
参阅图2，基于图1所建立的区间双层博弈模型，利用结合cplex的求解方法对该博弈模型进行求解，具体步骤包括；
[0049]
步骤1：建立考虑源荷不确定性的各层主体能量管理模型，并设置粒子数量迭代次数以及相应的博弈收敛误差；
[0050]
步骤2：随机初始化粒子群算法参数，生成电价信息初始粒子；
[0051]
步骤3：下层电动汽车用户根据电价利用cplex求解下层模型以求得最优用电行为；
[0052]
步骤4：上层虚拟电厂运营商依据下层用户用电行为在考虑预测不确定性的基础上，将聚合电动汽车区间与电价信息代入上层优化模型，通过合理调控储能系统以实现虚拟电厂运行成本最低；
[0053]
步骤5：以上层虚拟电厂运营商成本最小作为粒子适应度函数目标值，基于所设置参数更新粒子的速度和位置；
[0054]
步骤6：判断是否达迭代次数，比较与前一轮迭代的最优结果值，其差值若小于精度则为博弈均衡解；
[0055]
步骤7：若未达到博弈次数则重复上述步骤2至步骤5。
[0056]
结合图1含电动汽车虚拟电厂的区间双层主从博弈框架，参阅图3，图4，图5，选取某典型虚拟电厂为例进行相关验证，该虚拟电厂光伏发电装机容量为 1800kw，风力发电装机容量为2500kw，储能系统额定容量为750kva，包括电动汽车200辆。参阅图6为所设置上级电网与虚拟电厂运营商间的电价交互曲线图。
[0057]
结合图2含电动汽车虚拟电厂的区间主从博弈求解流程，参阅图7，设置粒子种群数量为30，迭代上限为60次，区间可信度设为0.9，以目标函数区间中点作为上、下层目标函
数值，通过两方的博弈，上下层函数均呈收敛趋势，即虚拟电厂运营商层运行成本逐渐降低，下层电动汽车负荷用电成本呈下降趋势，在迭代达50次左右上、下层函数趋于稳定，说明求得博弈均衡解，从而证明了所建立区间博弈模型的有效性；
[0058]
如图8，一种含电动汽车虚拟电厂的区间主从博弈优化调度方法博弈电价曲线，虚线为所设电动汽车充放电电价上下限，实线为所求得的博弈电价曲线，可以看出因所建立模型考虑到源荷的不确定性，所求得调度方案具有较高的鲁棒性，为应对源荷波动，在0-8点时刻，博弈电价位于中带偏上，在5:00处风力发电达到上限，可再生能源出力远大于负荷，但此时并网售电价格较低，故为引导电动汽车充电以消纳过剩的可再生能源，取所设置电价下限，其余时刻为减小自身成本，同时克服源荷的随机波动博弈电价均取电价上下限之间。
[0059]
如图9，一种含电动汽车虚拟电厂的区间主从博弈优化调度方法上层虚拟电厂与上级电网交互功率曲线图，在6:00以及12:00可再生能源出力较多，同时电网电价较高，高于博弈价格上限，此时博弈电价取电价上边界附近以减少电动汽车消纳，过剩可再生能源多送网消纳，在0:00-5:00时段与21:00-23:00时段电网电价较低，此时以向电网购电为主，在考虑区间波动后所求得联络线曲线可为台区变压器容量设置提供相应指导。
[0060]
如图10，一种含电动汽车虚拟电厂的区间主从博弈优化调度方法储能系统功率曲线图，结合图5虚拟电厂与上级电网交互功率曲线图，储能系统充放电功率，为应对源荷不确定性，提高系统运行的可靠性，储能系统的充放电功率与上级电网交互功率价格曲线趋势相同，即在电价较高时段进行放电，在电价较低时段进行充电，以降低虚拟电厂运营商的运营成本。
[0061]
如图11，一种含电动虚拟电厂的区间主从博弈优化调度下层电动电动汽车用户功率曲线图，聚合电动汽车充放电功率曲线后加随机波动所得电动汽车充电区间，算例设置蒙特卡罗抽样函数为住宅区电动汽车分布函数，故其返回时刻集中在16:00-19:00时段；离开时刻集中在8:00-10:00时段以满足住宅区居民生活习惯，其余时刻无电动汽车可进行调度，故其曲线在11:00-15:00时刻聚合功率为零，在可调度时段电动汽车充放电行为与图4所求得的博弈电价曲线趋势相同，即在电价较高时进行放电或不进行充电，在电价较低时刻进行充电以实现下层电动汽车用户用电成本最小，如图中23:00-5:00时段所示，此时充电价格设置较低，故多数电动汽车车主选择此时进行充电；在17:00-21:00时段电价较高，住宅区电动汽车陆续返回进行充电。
[0062]
本发明用于实现虚拟电厂运营商与电动汽车车主间的共赢，其包括虚拟电厂运行商的上层优化模型、电动汽车车主的下层模型以及结合cplex的粒子群模型求解方法。上层模型以虚拟电厂运行成本最小为优化目标，考虑功率平衡与储能系统约束，并根据所求得上层目标更新相应电价信息；下层优化模型基于电价信息，以电动汽车车主用电费用最小为优化目标，求解聚合电动汽车功率，并将其发送给上层优化模型。基于结合cplex的粒子群求解方法求解所建立区间博弈模型以求得博弈均衡解。所求调度方案可兼顾虚拟电厂运营商与电动汽车车主的双边利益并有效提高系统的鲁棒性。