一种规模化电动汽车智能充电控制方法
【专利摘要】本发明提供一种规模化电动汽车智能充电控制方法，利用Markov?chain和Monte?Carlo抽样模拟每一辆电动汽车在一天当中各个时刻的运行状态。于是，可以通过安排在电动汽车的非行驶时间段内并入电网，并设计合理的充电方案，从而既满足电动汽车用户的充电需求，同时使包括传统负荷和电动汽车充电负荷在内的总日负荷曲线标准差最小，降低负荷曲线的功率波动。
【专利说明】一种规模化电动汽车智能充电控制方法
【技术领域】
[0001]本发明涉及一种控制方法，具体讲涉及一种基于Markov chain和Monte Carlo抽样的规模化电动汽车智能充电控制方法。
【背景技术】
[0002]目前，随着能源危机和环境污染问题的日趋严重，越来越多的人们开始关注与探索如何才能实现与环境和谐共处的可持续发展模式。有调查研究发现，目前，交通运输业占据了约全世界一半的石油消耗，且带来了几乎全世界15%的温室气体排放量，给整个世界的环境气候变化产生了巨大的影响。而对于与人们生活息息相关的汽车，如果通过减少其使用量来降低排放与耗能是不切实际与不符合发展的客观需要的。这时，电动汽车的出现无疑给该问题的解决带来了新的曙光。电动汽车作为一种新型的交通工具，在缓解能源危机、充分利用可再生能源，降低温室气体排放，促进人类与环境和谐发展等方面具有传统内燃机汽车不可比拟的优势。目前，也已成为各国政府部门、汽车制造商、能源企业等关注的焦点。
[0003]但是，如果大规模的电动汽车随机无序的接入电网进行充电将对整个电力系统的调度、规划、控制及保护等各方面产生不可忽视的影响。首先，在时间尺度上，大规模电动汽车的随时、随机充电可能会导致电网的峰值负荷大大提高，尤其是傍晚的负荷高峰期容易出现“峰上加峰”的现象，超过现有配电配电网的供电能力和承受能力，容易引起电压越限、支路过载等一系列问题。其次，在空间尺度上，电动汽车的随地、随机的无序分散接入可能会导致配电网的三相不平衡，损害配电网的电能质量及增大电能损耗，造成新的不利影响。于是，为了减小电动汽车无序充电模式对电网造成的不利影响，已有专家建议设计通过一定的市场经济调节机制，譬如利用分时电价政策的引导来实现电动汽车充电功率向日负荷的波谷转移，但是，已有文献表明，如果不施加有效的控制，该方案对于增加配电网当中电动汽车的渗透程度并不明显，且可能会在负荷低谷期形成新的负荷尖峰，产生出新的问题。
【发明内容】
[0004]为了克服上述现有技术的不足，本发明提供一种基于Markov chain和MonteCarlo抽样的规模化电动汽车智能充电控制方法,利用Markov chain和Monte Carlo抽样模拟每一辆电动汽车在一天当中各个时刻的运行状态。于是，可以通过安排在电动汽车的非行驶时间段内并入电网，并设计合理的充电方案，从而既满足电动汽车用户的充电需求，同时使包括传统负荷和电动汽车充电负荷在内的总日负荷曲线标准差最小，降低负荷曲线的功率波动。
[0005]为了实现上述发明目的，本发明采取如下技术方案:
[0006]提供一种规模化电动汽车智能充电控制方法，所述方法包括以下步骤:
[0007]步骤1:评估配电网的初始运行状态；
[0008]步骤2:确定电动汽车的参数；[0009]步骤3:确定电动汽车最优充电策略；
[0010]步骤4:评估规模化电动汽车并网后对配电网的影响；
[0011]步骤5:确定配电网对规模化电动汽车的最大消纳能力。
[0012]所述步骤I中，通过读取配电网中所有节点信息和线路信息，当没有电动汽车接入配电网时，通过各时刻的潮流计算评估配电网的初始运行状态；最终得到各时刻的节点电压幅值、线路功率、配电网损耗和负荷总量。
[0013]所述步骤2中，电动汽车的参数包括电动汽车的车辆总数、并网时刻、离网时刻、电池额定容量、充电功率、并网时刻的电池电量和离网时刻的电池电量。
[0014]电动汽车总数用N表示；基于历史统计数据形成概率转移矩阵，利用Markov chain和Monte Carlo模拟抽样得到每辆电动汽车在某天当中的运行状态变化情况，从而得到对应各台电动汽车的并网时刻h和离网时刻td ；
[0015]基于概率密度曲线，抽样得到第i辆电动汽车的电池额定容量C1、充电功率PeV1、并网时刻的电池电量和离网时刻 的电池电量soch?,
[0016]所述步骤3中，考虑用户侧约束条件，以电动汽车的日负荷标准差最小为控制目标，并以X为控制变量，通过对控制变量X优化取值，降低电动汽车的日负荷标准差，最终确定电动汽车最优充电策略。
[0017]所述用户侧约束条件包括用户充电需求约束、充电功率约束、电池开始充电时SOC约束和充电时间约束；
[0018]I)用户充电需求约束:
[0019]
【权利要求】
1.一种规模化电动汽车智能充电控制方法，其特征在于:所述方法包括以下步骤: 步骤1:评估配电网的初始运行状态； 步骤2:确定电动汽车的参数； 步骤3:确定电动汽车最优充电策略； 步骤4:评估规模化电动汽车并网后对配电网的影响； 步骤5:确定配电网对规模化电动汽车的最大消纳能力。
2.根据权利要求1所述的规模化电动汽车智能充电控制方法，其特征在于:所述步骤I中，通过读取配电网中所有节点信息和线路信息，当没有电动汽车接入配电网时，通过各时刻的潮流计算评估配电网的初始运 行状态；最终得到各时刻的节点电压幅值、线路功率、配电网损耗和负荷总量。
3.根据权利要求1所述的规模化电动汽车智能充电控制方法，其特征在于:所述步骤2中，电动汽车的参数包括电动汽车的车辆总数、并网时刻、离网时亥IJ、电池额定容量、充电功率、并网时刻的电池电量和离网时刻的电池电量。
4.根据权利要求3所述的规模化电动汽车智能充电控制方法，其特征在于:电动汽车总数用N表示；基于历史统计数据形成概率转移矩阵,利用Markov chain和Monte Carlo模拟抽样得到每辆电动汽车在某天当中的运行状态变化情况，从而得到对应各台电动汽车的并网时刻h和离网时刻td ; 基于概率密度曲线,抽样得到第i辆电动汽车的电池额定容量C1、充电功率Pevp并网时刻的电池电量w 和离网时刻的电池电量=
5.根据权利要求1所述的规模化电动汽车智能充电控制方法，其特征在于:所述步骤3中，考虑用户侧约束条件，以电动汽车的日负荷标准差最小为控制目标，并以X为控制变量，通过对控制变量X优化取值，降低电动汽车的日负荷标准差，最终确定电动汽车最优充电策略。
6.根据权利要求5所述的规模化电动汽车智能充电控制方法，其特征在于:所述用户侧约束条件包括用户充电需求约束、充电功率约束、电池开始充电时SOC约束和充电时间约束； 1)用户充电需求约束:
7.根据权利要求5所述的规模化电动汽车智能充电控制方法，其特征在于:利用自适应遗传算法以电动汽车的日负荷标准差最小为控制目标，所述自适应遗传算法包括种群初始化、选择。交叉和变异；电动汽车的日负荷标准差用σ表示，有:
8.根据权利要求5所述的规模化电动汽车智能充电控制方法，其特征在于:以每辆电动汽车在每个时刻是否充电为自变量，即形成TXN个自变量.<，所述控制变量X用矩阵表不，有:
9.根据权利要求1所述的规模化电动汽车智能充电控制方法，其特征在于:所述步骤4包括以下步骤:步骤4-1:将所有电动汽车负荷按照配电网中各节点常规负荷占总负荷的比例进行分配，得到被安排在节点j进行充电的电动汽车的具体数量％，表示为:
10.根据权利要求1所述的规模化电动汽车智能充电控制方法，其特征在于:所述步骤5中，基于电网侧约束条件，通过增加电动汽车总数，重新按照步骤2进行抽样，确定配电网对规模化电动汽车的最大消纳能力，即电动汽车的最大渗透率。
11.根据权利要求1所述的规模化电动汽车智能充电控制方法，其特征在于:所述电网侧约束条件包括发电机组出力约束、节点电压约束和线路传输功率约束； 1)发电机组出力约束:
【文档编号】H02J7/00GK103997091SQ201410222335
【公开日】2014年8月20日 申请日期:2014年5月23日 优先权日:2014年5月23日
【发明者】许晓慧, 桑丙玉, 孙海顺, 汪春, 张聪, 周鑫, 丁茂生, 郑宏彦, 田炯, 肖清明 申请人:国家电网公司, 中国电力科学研究院, 华中科技大学, 国网宁夏电力公司