电动公交车负荷时序调节潜力量化评估方法、系统及设备与流程

本发明属于电力调度与管理，具体涉及一种电动公交车负荷时序调节潜力量化评估方法、系统及设备。

背景技术：

1、随着新型电力系统海量新能源的接入，发电侧调节能力逐渐下降，而传统调度控制资源的潜力已经几乎达到极限。电力系统持续出现重载/贴限运行、限制负荷用电等问题，这表明传统的发电侧调节手段已经难以满足电力系统对供需平衡的迫切需求。同时，可再生能源的波动性和季节性特征也给电力系统的稳定运行带来新的挑战。在这样的背景下，灵活的负荷侧调节资源成为了解决电力系统供需平衡问题的关键因素。

2、电动公交车负荷作为一种大规模分布式储能装置，具有充放电灵活、规模庞大等优势，被视为潜在的调节资源。通过合理调度电动公交车负荷，可以在电力系统需求高峰时段实现负荷调峰，降低电力系统的最大负荷，减轻系统压力，为发电侧调节能力不足带来的问题提供一种有效的解决方案。同时，在可持续发展理念的推动下，电动公交车快速普及，其逐渐扩大的规模，使得电动公交车负荷参与电网调度的潜力不断增加。

技术实现思路

1、本发明的目的在于针对上述现有技术中的问题，提供一种电动公交车负荷时序调节潜力量化评估方法、系统及设备，基于电网调度运行参数分析实现电动公交车时序调节潜力量化评估，为电动公交车的充放电行为规划与调控提供科学依据。

2、为了实现上述目的，本发明有如下的技术方案：

3、第一方面，提供一种电动公交车负荷时序调节潜力量化评估方法，包括：

4、获取电动公交车集群历史日负荷充电曲线，并通过聚类，得到典型日负荷曲线；

5、对典型日负荷曲线进行函数拟合，得到电动公交车基线负荷；

6、对工作日电动公交车充电行为分析划分时段，根据电动公交车负荷调节潜力影响因素指标采集电动公交车运营相关参数，并结合电动公交车充电行为划时段分析结果以及电动公交车基线负荷，输入预先建立的电动公交车负荷时序调节潜力量化评估模型，输出量化评估结果。

7、作为一种优选的方案，所述获取电动公交车集群历史日负荷充电曲线，并通过聚类，得到典型日负荷曲线的步骤中，采用k-means聚类算法对电动公交车集群历史日负荷充电曲线进行聚类，包括：

8、从样本数据中随机选取k个初始聚类中心ci，i≤1≤k；

9、计算数据对象与聚类中心ci的欧氏距离，找出离目标数据对象最近的聚类中心ci，并将数据对象分配到聚类中心ci所对应的簇中；所述欧氏距离按下式进行计算：

10、

11、式中，x为数据对象；ci为第i个聚类中心；m为数据对象的维度；

12、根据每个簇ci中已有的样本点x＝{x1,x2,...xn}，按下式重新计算聚类中心c′i：

13、

14、式中，c′i为新的聚类中心；n为簇ci中包含的数据点个数；

15、重复上述步骤，直到误差平方和最小或达到最大迭代次数，输出聚类结果；

16、所述误差平方和按下式进行计算：

17、

18、式中，e为误差平方和；k为簇的个数；ci为每个簇；d(x,c′i)为欧氏距离。

19、作为一种优选的方案，所述对典型日负荷曲线进行函数拟合，得到电动公交车基线负荷的步骤中，采用高斯函数对数据点进行函数逼近，实现对典型日负荷曲线进行函数拟合，包括：

20、对能够通过高斯函数描述的一组数据，按如下表达式表示高斯函数的一维形式：

21、

22、令2σ2＝c，上式中a为高斯函数的幅值参数；μ是高斯函数的位置参数；c是高斯函数的形状参数；

23、对高斯函数的一维形式两端同时取对数，得到如下化简形式的表达式：

24、

25、代入数据，令：

26、

27、得到如下矩阵：

28、

29、简记为：

30、z＝xb(8)

31、根据最小二乘原理，构成矩阵b的广义最小二乘解如下：

32、b＝(xtx)-1xtz(9)

33、根据式(6)求出待估参数a、μ、c，得到式(4)高斯函数的特征参数。

34、作为一种优选的方案，所述对工作日电动公交车充电行为分析划分时段，根据电动公交车负荷调节潜力影响因素指标采集电动公交车运营相关参数，并结合电动公交车充电行为划时段分析结果以及电动公交车基线负荷，输入预先建立的电动公交车负荷时序调节潜力量化评估模型，输出量化评估结果的步骤，对工作日电动公交车充电行为划分时段的规则为：

35、开始运营至早高峰结束时段，参数为tstart≤t≤tam,end；

36、早高峰结束至晚高峰开始时段，参数为tam,end≤t≤tpm,start；

37、晚高峰开始至晚高峰结束时段，参数为tpm,start≤t≤tpm,end；

38、晚高峰结束至运营结束时段，参数为tpm,end≤t≤tend；

39、运营结束至次日运营开始时段，参数为tend≤t≤tstart。

40、作为一种优选的方案，所述对工作日电动公交车充电行为分析划分时段，根据电动公交车负荷调节潜力影响因素指标采集电动公交车运营相关参数，并结合电动公交车充电行为划时段分析结果以及电动公交车基线负荷，输入预先建立的电动公交车负荷时序调节潜力量化评估模型，输出量化评估结果的步骤，电动公交车负荷调节潜力影响因素包括：桩的数量或桩总充电功率、并网充电车数量或并网车充电功率、公交车调度运营及充电行为，以及市场电价响应行为；

41、电动公交车运营相关参数包括：充电桩的数量ncharge、额定充电功率pcharge、开始运营至早高峰结束时段内可充电的空闲车数量n1,car、早高峰结束时间至晚高峰开始时段内可充电的空闲车数量n2,car、早高峰结束时间至晚高峰开始时段内需要上网充电的最少车数量n2,car,min、晚高峰开始时间至晚高峰结束时段内可充电的空闲车数量n3,car、晚高峰结束时间至运营结束时段内可充电的空闲车数量n4,car、参与日常运营的所有公交车电池容量总和qall、早高峰结束时间至晚高峰开始时段内需补充的最少电量q2,car，min、运营开始时间tstart、运营结束时间tend、早高峰结束时间tam,end、晚高峰开始时间tpm,start以及晚高峰结束时间tpm,end。

42、作为一种优选的方案，所述对工作日电动公交车充电行为分析划分时段，根据电动公交车负荷调节潜力影响因素指标采集电动公交车运营相关参数，并结合电动公交车充电行为划时段分析结果以及电动公交车基线负荷，输入预先建立的电动公交车负荷时序调节潜力量化评估模型，输出量化评估结果的步骤，电动公交车负荷时序调节潜力量化评估模型的表达式如下：

43、

44、pev,min＝0                             (11)

45、δpup＝pev,max-p0                        (12)

46、δpdown＝pev,min-p0                     (13)

47、可下调时长约束：

48、paimtdispatch+min{ncharge,n2,car，min}(tpm,start-tam,end-tdispatch)＝q2,car，mintam,end≤t＜tpm,start                                                                  (14)

49、paimtdispatch+nchargepcharge(次日tstart-tend-tdispatch)＝qall tend≤t＜次日tstart

50、式中，δpup为上调潜力；δpdown为下调潜力；pev,max为上调功率极限；pev,min为下调功率极限；p0为基线负荷；paim为电网调度目标功率；tdispatch为目标功率下的极限可调度时长。

51、第二方面，提供一种电动公交车负荷时序调节潜力量化评估系统，包括：

52、历史曲线聚类模块，用于获取电动公交车集群历史日负荷充电曲线，并通过聚类，得到典型日负荷曲线；

53、典型曲线拟合模块，用于对典型日负荷曲线进行函数拟合，得到电动公交车基线负荷；

54、模型评估模块，用于对工作日电动公交车充电行为分析划分时段，根据电动公交车负荷调节潜力影响因素指标采集电动公交车运营相关参数，并结合电动公交车充电行为划时段分析结果以及电动公交车基线负荷，输入预先建立的电动公交车负荷时序调节潜力量化评估模型，输出量化评估结果。

55、作为一种优选的方案，所述历史曲线聚类模块采用k-means聚类算法对电动公交车集群历史日负荷充电曲线进行聚类，包括：

56、从样本数据中随机选取k个初始聚类中心ci，i≤1≤k；

57、计算数据对象与聚类中心ci的欧氏距离，找出离目标数据对象最近的聚类中心ci，并将数据对象分配到聚类中心ci所对应的簇中；所述欧氏距离按下式进行计算：

58、

59、式中，x为数据对象；ci为第i个聚类中心；m为数据对象的维度；

60、根据每个簇ci中已有的样本点x＝{x1,x2,...xn}，按下式重新计算聚类中心c′i：

61、

62、式中，c′i为新的聚类中心；n为簇ci中包含的数据点个数；

63、重复上述步骤，直到误差平方和最小或达到最大迭代次数，输出聚类结果；

64、所述误差平方和按下式进行计算：

65、

66、式中，e为误差平方和；k为簇的个数；ci为每个簇；d(x,c′i)为欧氏距离。

67、作为一种优选的方案，所述典型曲线拟合模块采用高斯函数对数据点进行函数逼近，实现对典型日负荷曲线进行函数拟合，包括：

68、对能够通过高斯函数描述的一组数据，按如下表达式表示高斯函数的一维形式：

69、

70、令2σ2＝c，上式中a为高斯函数的幅值参数；μ是高斯函数的位置参数；c是高斯函数的形状参数；

71、对高斯函数的一维形式两端同时取对数，得到如下化简形式的表达式：

72、

73、代入数据，令：

74、

75、得到如下矩阵：

76、

77、简记为：

78、z＝xb                        (8)

79、根据最小二乘原理，构成矩阵b的广义最小二乘解如下：

80、b＝(xtx)-1xtz                    (9)

81、根据式(6)求出待估参数a、μ、c，得到式(4)高斯函数的特征参数。

82、作为一种优选的方案，所述模型评估模块对工作日电动公交车充电行为划分时段的规则为：

83、开始运营至早高峰结束时段，参数为tstart≤t≤tam,end；

84、早高峰结束至晚高峰开始时段，参数为tam,end≤t≤tpm,start；

85、晚高峰开始至晚高峰结束时段，参数为tpm,start≤t≤tpm,end；

86、晚高峰结束至运营结束时段，参数为tpm,end≤t≤tend；

87、运营结束至次日运营开始时段，参数为tend≤t≤tstart；

88、电动公交车负荷调节潜力影响因素包括：桩的数量或桩总充电功率、并网充电车数量或并网车充电功率、公交车调度运营及充电行为，以及市场电价响应行为；

89、电动公交车运营相关参数包括：充电桩的数量ncharge、额定充电功率pcharge、开始运营至早高峰结束时段内可充电的空闲车数量n1,car、早高峰结束时间至晚高峰开始时段内可充电的空闲车数量n2,car、早高峰结束时间至晚高峰开始时段内需要上网充电的最少车数量n2,car,min、晚高峰开始时间至晚高峰结束时段内可充电的空闲车数量n3,car、晚高峰结束时间至运营结束时段内可充电的空闲车数量n4,car、参与日常运营的所有公交车电池容量总和qall、早高峰结束时间至晚高峰开始时段内需补充的最少电量q2,car，min、运营开始时间tstart、运营结束时间tend、早高峰结束时间tam,end、晚高峰开始时间tpm,start以及晚高峰结束时间tpm,end。

90、作为一种优选的方案，所述模型评估模块通过如下电动公交车负荷时序调节潜力量化评估模型输出量化评估结果：

91、

92、pev,min＝0                         (11)

93、δpup＝pev,max-p0                      (12)

94、δpdown＝pev,min-p0                     (13)

95、可下调时长约束：

96、paimtdispatch+min{ncharge,n2,car，min}(tpm,start-tam,end-tdispatch)＝q2,car，mintam,end≤t＜tpm,start                                                                  (14)

97、paimtdispatch+nchargepcharge9次日tstart-tend-tdispatch)＝qall tend≤t＜次日tstart

98、式中，δpup为上调潜力；δpdown为下调潜力；pev,max为上调功率极限；pev,min为下调功率极限；p0为基线负荷；paim为电网调度目标功率；tdispatch为目标功率下的极限可调度时长。

99、第三方面，提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述的处理器执行所述的计算机程序时实现所述的电动公交车负荷时序调节潜力量化评估方法。

100、第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述的计算机程序被处理器执行时实现所述的电动公交车负荷时序调节潜力量化评估方法。

101、相较于现有技术，本发明的第一方面至少具有如下的有益效果：

102、本发明以电动公交车作为电网负荷侧调度的对象，获取电动公交车集群历史日负荷充电曲线，并通过聚类，得到典型日负荷曲线，对典型日负荷曲线进行函数拟合，使曲线的趋势和规律更加明显，同时也是为了识别异常值，消除异常值的影响，得到电动公交车基线负荷。本发明对工作日电动公交车充电行为分析划分时段，根据电动公交车负荷调节潜力影响因素指标采集电动公交车运营相关参数，并结合电动公交车充电行为划时段分析结果以及电动公交车基线负荷，通过预先建立的电动公交车负荷时序调节潜力量化评估模型输出量化评估结果，求解过程充分考虑了电动公交车运营的规律性，因为每个时段电动公交车充放电的行为不同，充放电行为规律主要是通过对基线负荷的分析得出的，所以划时段分析能够更加充分地挖掘这个时段电动公交车的调节潜力，使电动公交车调度调节更具有实际意义。

103、可以理解的是，上述第二方面至第四方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。