促进可再生能源消纳的电动汽车换电站充放电调度方法与流程

本发明属于配电网运行优化领域，涉及一种促进可再生能源消纳的电动汽车换电站充放电调度方法。

背景技术：

随着能源短缺和环境污染问题日益紧迫，近年来我国已将可再生能源利用作为能源可持续发展战略的重要举措。但随着可再生能源在配电网中渗透率的逐渐提高，其出力所具有的随机性和间歇性等特点将给配电网的调度和控制带来挑战，尤其在部分地区，可再生能源的渗透率已接近100％，其在高峰发电时段可能出现大量可再生能源电量反送电网的情况，给电网的安全稳定运行带来极大影响。

电动汽车作为智能电网领域不可或缺的重要组成部分，其相关技术的研究得到大量的推广与应用。电动汽车具有可控负荷和电源的双重作用，其在充电过程中可视为用电负荷，其放电过程可视为需求侧储能资源，可以与电网进行有效互动，为有源配电网的调控问题带来新的发展机遇。

现有电动汽车调度方法大多关注其自身经济运行，或只应用在用电负荷削峰填谷等方面。考虑到可再生能源高密度接入电网的情况，合理优化电动汽车充放电计划可以有效缓减配电网消纳大规模可再生能源的压力。因此，有必要充分挖掘电动汽车调度在消纳可再生能源方面的潜力，研究其与可再生能源间的协调互动特性，降低系统的发电运行成本，实现有源配电网内资源的合理高效利用。

技术实现要素：

技术问题：本发明提供了一种促进可再生能源消纳的电动汽车换电站充放电调度方 法，通过优化电动汽车换电站充放电的时间和功率，能在可再生能源发电高峰时段消纳多余的发电量，在负荷高峰期缓减常规可调机组的发电负担，在最大化消纳配电网内可再生能源的同时降低系统的总运行成本。

技术方案：本发明的促进可再生能源消纳的电动汽车换电站充放电调度方法，包括下述步骤：

1)从地区电网调度中心获得次日每小时的负荷功率需求预测信息，可再生能源的发电出力预测信息，电动汽车换电站的换电需求以及换下电池剩余电量预测信息，以最大化消纳可再生能源、最小化地区可调机组发电成本为优化目标，并合成日前阶段的总优化目标，以换电站充放电状态约束、换电站充放电功率约束、换电站电量存储约束、可调机组出力约束、可调机组爬坡约束、可调机组启停时间约束、用户用电需求约束为约束条件，建立日前多目标优化调度模型，进行日前多目标优化调度，得到换电站日前充放电调度计划以及可调机组日前发电调度计划；

2)在日内阶段，每隔固定时间间隔从地区电网调度中心获取已更新的负荷需求、可再生能源出力、电动汽车换电站换电需求及剩余电量在日内当前时刻剩余时段的预测信息，以步骤1)中得到的换电站日前充放电调度计划和可调机组日前发电调度计划为依据，以当前时刻剩余时段可再生能源消纳最大化为优化目标，以换电站充放电功率修正约束、换电站电量存储修正约束、滚动计划对日前计划的修正约束为约束条件，建立日内滚动优化调度模型，对剩余时段换电站的充放电功率进行滚动优化，得到剩余时段换电站充放电功率的修正量，并以所述修正量对剩余时段内换电站的日前充放电调度计划进行修正。

进一步的，本发明方法中，所述步骤1)中，最大化消纳可再生能源的优化目标如下：

$\min f_1=\underset{t\∈T_{RE}}{\Σ}(P_t^{RE,DA}+\underset{i=1}{\overset{N}{\Σ}}{P}_{i,t}^{CU,DA}-L_t^{DA}-P_t^{ch,DA}/{\mathrm{\η}}_{ch}+P_t^{dis,DA}\·{\mathrm{\η}}_{dis})$

式中，f₁为日前阶段未被消纳的可再生能源，T_RE为可再生能源发电出力大于系统负荷需求时刻的集合，P_t^RE,DA为t时刻可再生能源的日前发电出力，为日前阶段第i台可调机组在t时刻的出力，N为可调机组的总台数，为t时刻系统的日前用电负荷需求，P_t^ch,^DA为日前阶段t时刻换电站的充电负荷，η_ch为换电站的充电效率，P_t^dis,DA为日前阶段t时刻换电站的放电负荷，η_dis为换电站的充电效率；

最小化地区可调机组发电成本的优化目标如下：

$\min f_2=\underset{i=1}{\overset{N}{\Σ}}\underset{t=1}{\overset{T}{\Σ}}{a}_i{\left(P_{i,t}^{CU,DA}\right)}^2+b_i{P}_{i,t}^{CU,DA}+c_i$

式中，f₂为日前阶段可调机组的发电成本，T为总时间集合，a_i为第i台机组的发电成本二次系数，b_i为第i台机组的发电成本一次系数，c_i为第i台机组的发电成本常数项系数，i为可调机组编号；

多目标优化的总优化目标如下：

minf^DA＝α(f₁/f₁₀)+β(f₂/f₂₀)

式中，f^DA为日前阶段的总优化目标，α为可再生能源消纳目标的权重系数，β为可调机组发电成本目标的权重系数，f₁₀为未进行优化情况下的可再生能源倒送功率初值，f₂₀为未进行优化情况下可调机组的发电成本初值。

进一步的，本发明方法中，步骤1)中，换电站充放电状态约束为：

$0\≤U_t^{ch,DA}+U_t^{dis,DA}\≤1$

式中，表示日前阶段换电站在t时刻的充电状态，表示换电站在t时刻处于充电状态，表示换电站在t时刻未处于充电状态；表示日前阶段换电站在t时刻的放电状态，表示换电站在t时刻处于放电状态，表示换电站在t时刻未处于放电状态；

换电站充放电功率约束为：

$P_t^{ch,DA}=N_t^{ch,DA}\·P_{ch},P_t^{dis,DA}=N_t^{dis,DA}\·P_{dis}$

$0\≤N_t^{ch,DA}\≤U_t^{ch,DA}\·N_{max},0\≤N_t^{dis,DA}\≤U_t^{dis,DA}\·N_{max}$

式中，P_ch，P_dis分别为换电站内单个充电桩的充电功率和放电功率，分别为日前阶段t时刻换电站内在线充电电池数和在线放电电池数，N_max为换电站内的充电位数量；

换电站电量存储约束为：

$E_t^{EV,DA}=E_{t-\mathrm{\Δ}T}^{EV,DA}+P_{t-\mathrm{\Δ}T}^{CH,DA}\mathrm{\Δ}T-P_{t-\mathrm{\Δ}T}^{dis,DA}\mathrm{\Δ}T-E_{battery}\·N_{t-\mathrm{\Δ}T}^{D,DA}+E_{t-\mathrm{\Δ}T}^{S,DA}$

$E_t^{EV,DA}\≥(1+\mathrm{\η})\·E_{battery}\·N_t^{D,DA}$

$(1-80\%)\·E_{battery}\·N_T\≤E_t^{EV,DA}\≤E_{battery}\·N_T$

式中，表示日前阶段t时刻换电站内的存储电量，表示日前阶段t-ΔT时刻换电站内的存储电量，为日前阶段t-ΔT时刻换电站的充电负荷，为日前阶段t-ΔT时刻换电站的充电负荷，ΔT为单位时间间隔，E_battery表示单组电池的满电电量， 为日前阶段t时刻换电站用户需要更换的电池数量，为日前阶段t-ΔT时刻换电站用户需要更换的电池数量，为日前阶段t-ΔT时刻换下电池的剩余电量，η为换电站容量备用率，N_T为换电站内包括备用电池的电池总数量，考虑到电动汽车电池的使用寿命，换电站内所有电池的充放电深度不能超过80％；

可调机组出力约束为：

$P_{i,\min }^{CU}\·U_{i,t}^{CU,DA}\≤P_{i,t}^{CU,DA}\≤P_{i,\max }^{CU}\·U_{i,t}^{CU,DA}$

式中，为日前阶段第i台机组在t时刻的启停状态，表示第i台机组在t时刻处于开启状态，表示第i台机组在t时刻处于关停状态，分别为第i台机组的最小和最大发电出力；

可调机组爬坡约束为：

$P_{i,t+\mathrm{\Δ}T}^{CU,DA}-P_{i,t}^{CU,DA}\≤R_{i,up}^{CU}$

$P_{i,t}^{CU,DA}-P_{i,t+\mathrm{\Δ}T}^{CU,DA}\≤R_{i,down}^{CU}$

式中，为日前阶段第i台可调机组在t+ΔT时刻的出力，为第i台可调机组的向上爬坡速率限制，为第i台可调机组的向下爬坡速率限制；

可调机组启停时间约束为：

$U_{i,m}^{CU,DA}\≥U_{i,t}^{CU,DA}-U_{i,t-\mathrm{\Δ}T}^{CU,DA},m=t,...,min\{T,t+M_{i,on}^{\min }-\mathrm{\Δ}T\}$

$U_{i,n}^{CU,DA}\≤1-(U_{i,t}^{CU,DA}-U_{i,t-\mathrm{\Δ}T}^{CU,DA}),n=t,...,min\{T,t+M_{i,off}^{\min }-\mathrm{\Δ}T\}$

式中：为日前阶段第i台机组在t-ΔT时刻的启停状态，分别为第i台可调机组的开机后最小运行时间和停机后最小停运时间；

用户用电需求约束为：

$\underset{i=1}{\overset{N}{\Σ}}{P}_{i,t}^{CU,DA}+P_t^{RE,DA}-(P_t^{ch,DA}/{\mathrm{\η}}_{ch})+(P_t^{dis,DA}\·{\mathrm{\η}}_{dis})\≥L_t^{DA}.$

进一步的，本发明方法中，所述步骤2)滚动优化调度是步骤1)的必要补充，随着预测时间尺度的变长，影响预测信息的不确定因素增加，预测的准确度逐渐降低，换电站的日前调度效果也将相应受到影响。日内每隔固定时间间隔对当日当前时刻剩余时段进行滚动优化调度，能够消减预测误差所带来的影响，进一步提高配电网消纳可再生能源的程度，降低配电网为应对日前预测误差所产生的成本。

进一步的，本发明方法中，步骤2)中，P_ch，P_dis，N_max，， E_battery，η，N_T可通过步骤1)中日前优化调度得到。

进一步的，本发明方法中，步骤2)中，当日剩余时段可再生能源消纳最大化的优化目标为：

$\min f=\underset{t=T_0+\mathrm{\Δ}t}{\overset{T}{\Σ}}|P_t^{RE,R}+\underset{i=1}{\overset{N}{\Σ}}{P}_{i,t}^{CU,DA}-(P_t^{ch,DA}+{\mathrm{\ΔP}}_t^{ch,R})/{\mathrm{\η}}_{ch}+(P_t^{dis,DA}+{\mathrm{\ΔP}}_t^{dis,R})\·{\mathrm{\η}}_{dis}-L_t^R|$

式中，T₀时刻为滚动优化的当前时刻，Δt为滚动调度阶段的时间间隔，P_t^RE,R为滚动阶段可再生能源在t时刻的预测出力，为滚动阶段在t时刻的预测负荷需求，△P_t^ch,R为滚动阶段换电站充电功率在t时刻的修正值，△P_t^dis,R为滚动阶段换电站放电功率在t时刻的修正值。

进一步的，本发明方法中，步骤2)中，换电站充放电功率修正约束为：

${\mathrm{\ΔP}}_t^{ch,R}={\mathrm{\ΔN}}_t^{ch,R}\·P_{ch},{\mathrm{\ΔP}}_t^{dis,R}={\mathrm{\ΔN}}_t^{dis,R}\·P_{dis}$

$0\≤N_t^{ch}+{\mathrm{\ΔN}}_t^{ch,R}\≤U_t^{ch,DA}\·N_{max},0\≤N_t^{dis}+{\mathrm{\ΔN}}_t^{dis,R}\≤U_t^{dis,DA}\·N_{max}$

t＝T₀+△t,…T

式中，为滚动阶段换电站在线充电电池数在t时刻的修正值，为滚动阶段换电站在线放电电池数在t时刻的修正值；

换电站电量存储修正约束为：

$E_t^{EV,R}=E_{t-\mathrm{\Δ}t}^{EV,R}+(P_{t-\mathrm{\Δ}t}^{ch,DA}+{\mathrm{\ΔP}}_{t-\mathrm{\Δ}t}^{ch,R})\mathrm{\Δ}t-(P_{t-\mathrm{\Δ}t}^{dis,DA}+{\mathrm{\ΔP}}_{t-\mathrm{\Δ}t}^{dis,R})\mathrm{\Δ}t-E_{battery}\·N_{t-\mathrm{\Δ}t}^{D,R}+E_{t-\mathrm{\Δ}t}^{S,R}$

$E_t^{EV,R}\≥(1+\mathrm{\η})\·E_{battery}\·N_t^{D,R}$

$(1-80\%)\·E_{battery}\·N_T\≤E_t^{EV,R}\≤E_{battery}\·N_T$

t＝T₀+△t,…T

式中，表示滚动阶段t时刻换电站内的存储电量，表示滚动阶段t-Δt时刻换电站内的存储电量，为日前阶段t-Δt时刻的换电站充电功率，为滚动阶段换电站充电功率在t-Δt时刻的修正值，为日前阶段t-Δt时刻的换电站放电功率， 为滚动阶段换电站放电功率在t-Δt时刻的修正值，为滚动阶段t时刻换电站用户需要更换的电池数量，为滚动阶段t-Δt时刻换电站用户需要更换的电池数量， 为滚动阶段t-Δt时刻换下电池的剩余电量；

滚动计划对日前计划的修正约束为：

${\mathrm{\ΔN}}_{min}^{ch,R}\≤{\mathrm{\ΔN}}_t^{ch,R}\≤{\mathrm{\ΔN}}_{\max }^{ch,R},{\mathrm{\ΔN}}_{min}^{dis,R}\≤{\mathrm{\ΔN}}_t^{dis,R}\≤{\mathrm{\ΔN}}_{\max }^{dis,R}$

t＝T₀+△t,…T

式中，分别为换电站在线充电电池数在滚动阶段允许的最小和最大修正值，分别为换电站在线放电电池数在滚动阶段允许的最小和最大修正值。

有益效果：与现有技术相比，本发明具有以下优点：

现有电动汽车调度方法大多只集中在电动汽车电站自身的经济运行最优，或者将其纳入到配电网调度中，以实现削峰填谷，平滑总负荷曲线的作用，且研究多针对电动汽车充电模式的情景，鲜少有考虑采用更换电池的电能补给模式。本发明考虑到可再生能源高密度接入配电网，大量电能难以消纳的现实情况，结合电动汽车电站采取“换电模式”更有利于电网集中调控的优势，将电动汽车换电站充放电优化调度应用到配电网可再生能源消纳方面，将其与配电网内常规可调机组调度相结合，在日前阶段以实现最大化消纳可再生能源，最小化可调机组发电成本为优化目标，对电动汽车换电站的集中充放电时间以及功率，可调机组发电计划进行优化调度，同时在日内滚动阶段以剩余时段 可再生能源消纳最大化为优化目标，修正换电站的日前充放电调度计划，消减日内预测误差所带来的影响，进一步提高配电网消纳可再生能源的程度，降低配电网应对日前预测误差所耗成本。本方法的提出，为配电网消纳可再生能源问题提供了一种新思路，使电动汽车换电站在提高配电网运行经济性、安全性等方面的作用进一步得到了充分发挥，促进区域电网整体能效进一步提升。

附图说明

图1为本发明的方法流程示意图。

图2为日前负荷预测曲线以及可再生能源发电预测曲线。

图3为日前电动汽车换电需求及换下电池剩余电量。

图4为日前电动汽车换电站充放电调度结果。

图5为日前可调机组发电调度结果。

图6为日前等效负荷预测曲线与10时刻日内等效负荷预测曲线对比。

图7为日前和滚动阶段换电站充放电调度结果对比。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施案例对本发明进行深入地详细说明。应当理解，此处所描述的具体实施案例仅仅用以解释本发明，并不用于限定发明。

附图1是本发明的方法流程示意图，介绍了本发明方法的基本步骤。

首先，从地区电网调度中心获得次日每小时可再生能源的发电出力预测信息和负荷功率预测信息，如附图2所示，在可再生能源大发时段，发电量已超过负荷需求，可能产生能源倒送等系统安全问题。

获得电动汽车换电站次日每小时的换电池数量，以及换下电池的剩余电量，如附图 3所示，且已知换电站内的充电桩数量为300个，单个充电桩充电功率和放电功率恒为50kW，充电效率为0.95，放电效率为0.92。

此外，已知园区内有三组可调发电机组，其机组容量分别为50MW，50MW，80MW。

通过优化换电站的充电时间及充电功率可在可再生能源发电高峰时段有效消纳多余的电能，最大化消纳可再生能源的目标函数为：

$\min f_1=\underset{t\∈T_{RE}}{\Σ}(P_t^{RE,DA}+\underset{i=1}{\overset{N}{\Σ}}{P}_{i,t}^{CU,DA}-L_t^{DA}-P_t^{ch,DA}/{\mathrm{\η}}_{ch}+P_t^{dis,DA}\·{\mathrm{\η}}_{dis})$

式中，f₁为日前阶段未被消纳的可再生能源，T_RE为可再生能源发电出力大于系统负荷需求时刻的集合，P_t^RE,DA为t时刻可再生能源的日前发电出力，为日前阶段第i台可调机组在t时刻的出力，N为可调机组的总台数，为t时刻系统的日前用电负荷需求，为日前阶段t时刻换电站的充电负荷，η_ch为换电站的充电效率，P_t^dis,DA为日前阶段t时刻换电站的放电负荷，η_dis为换电站的充电效率；

通过优化换电站的充放电时刻和充放电功率可在负荷高峰时段减轻可调机组发电的压力，节省可调机组发电成本，最小化地区可调机组发电成本的优化目标为：

$\min f_2=\underset{i=1}{\overset{N}{\Σ}}\underset{t=1}{\overset{T}{\Σ}}{a}_i{\left(P_{i,t}^{CU,DA}\right)}^2+b_i{P}_{i,t}^{CU,DA}+c_i$

式中，f₂为日前阶段可调机组的发电成本，T为总时间集合，a_i为第i台机组的发电成本二次系数，b_i为第i台机组的发电成本一次系数，c_i为第i台机组的发电成本常数项系数，i为可调机组编号。

采用权重系数法将多目标优化问题转化为单目标优化问题，首先对目标函数值进行归一化处理，然后相加得到总优化目标如下：

min f^DA＝α(f₁/f₁₀)+β(f₂/f₂₀)

式中，f^DA为日前阶段的总优化目标，α为可再生能源消纳目标的权重系数，本例中设为0.5，β为可调机组发电成本目标的权重系数，本例中设为0.5，f₁₀为未进行优化情况下的可再生能源倒送功率初值，f₂₀为未进行优化情况下可调机组的发电成本初值。

日前多目标优化调度的约束包括换电站充放电状态、功率以及电量存储约束，可调机组出力、爬坡以及开停机约束，用户电量需求等约束。

换电站充放电状态约束为：

$0\≤U_t^{ch,DA}+U_t^{dis,DA}\≤1$

式中，表示日前阶段换电站在t时刻的充电状态，表示换电站在t时刻处于充电状态，表示换电站在t时刻未处于充电状态；表示日前阶段换电站在t时刻的放电状态，表示换电站在t时刻处于放电状态，表示换电站在t时刻未处于放电状态；

换电站在某一时刻的充放电功率等于该时刻在线充/放电的电池数乘以单个充电桩的恒定充/放电功率，且在线充/放电的电池数应小于换电站内的充电桩总数。换电站充放电功率约束可表示为：

$P_t^{ch,DA}=N_t^{ch,DA}\·P_{ch},P_t^{dis,DA}=N_t^{dis,DA}\·P_{dis}$

$0\≤N_t^{ch,DA}\≤U_t^{ch,DA}\·N_{max},0\≤N_t^{dis,DA}\≤U_t^{dis,DA}\·N_{max}$

式中，P_ch，P_dis分别为换电站内单个充电桩的充电功率和放电功率，分别为日前阶段t时刻换电站内在线充电电池数和在线放电电池数，N_max为换电站内的充电位数量；

换电池过程中，日前t时刻换电站内电池存储的电量可表示为：

$E_t^{EV,DA}=E_{t-\mathrm{\Δ}T}^{EV,DA}+P_{t-\mathrm{\Δ}T}^{CH,DA}\mathrm{\Δ}T-P_{t-\mathrm{\Δ}T}^{dis,DA}\mathrm{\Δ}T-E_{battery}\·N_{t-\mathrm{\Δ}T}^{D,DA}+E_{t-\mathrm{\Δ}T}^{S,DA}$

式中，表示日前阶段t时刻换电站内的存储电量，表示日前阶段t-ΔT时刻换电站内的存储电量，为日前阶段t-ΔT时刻换电站的充电负荷，为日前阶段t-ΔT时刻换电站的充电负荷，ΔT为单位时间间隔，本实施例中设为1小时，E_battery表示单组电池的满电电量，为日前阶段t-ΔT时刻换电站用户需要更换的电池数量，为日前阶段t-ΔT时刻换下电池的剩余电量。

考虑到日前电动汽车换电池的需求预测存在误差，换电站本身需要预留一部分备用容量，此外，为了保证电池的使用寿命，站内所有电池充放电深度不应超过80％，故换电站内电量存储约束可表示为：

$E_t^{EV,DA}\≥(1+\mathrm{\η})\·E_{battery}\·N_t^{D,DA}$

$(1-80\%)\·E_{battery}\·N_T\≤E_t^{EV,DA}\≤E_{battery}\·N_T$

式中，为日前阶段t时刻换电站用户需要更换的电池数量，η为换电站容量备用率，N_T为换电站内包括备用电池的电池总数量。

在优化模型中，可调机组的出力约束可表示为：

$P_{i,\min }^{CU}\·U_{i,t}^{CU,DA}\≤P_{i,t}^{CU,DA}\≤P_{i,\max }^{CU}\·U_{i,t}^{CU,DA}$

式中，为日前阶段第i台机组在t时刻的启停状态，表示第i台机组在t时刻处于开启状态，表示第i台机组在t时刻处于关停状态，分别为第i台机组的最小和最大发电出力；

可调机组爬坡约束为：

$P_{i,t+\mathrm{\Δ}T}^{CU,DA}-P_{i,t}^{CU,DA}\≤R_{i,up}^{CU}$

$P_{i,t}^{CU,DA}-P_{i,t+\mathrm{\Δ}T}^{CU,DA}\≤R_{i,down}^{CU}$

式中，为日前阶段第i台可调机组在t+ΔT时刻的出力，为第i台可调机组的向上爬坡速率限制，为第i台可调机组的向下爬坡速率限制；

可调机组启停时间约束为：

$U_{i,m}^{CU,DA}\≥U_{i,t}^{CU,DA}-U_{i,t-\mathrm{\Δ}T}^{CU,DA},m=t,...,min\{T,t+M_{i,on}^{\min }-\mathrm{\Δ}T\}$

$U_{i,n}^{CU,DA}\≤1-(U_{i,t}^{CU,DA}-U_{i,t-\mathrm{\Δ}T}^{CU,DA}),n=t,...,min\{T,t+M_{i,off}^{\min }-\mathrm{\Δ}T\}$

式中：为日前阶段第i台机组在t-ΔT时刻的启停状态，分别为第i台可调机组的开机后最小运行时间和停机后最小停运时间；

配电网中的电能供给量应当满足系统中的用户用电需求：

$\underset{i=1}{\overset{N}{\Σ}}{P}_{i,t}^{CU,DA}+P_t^{RE,DA}-(P_t^{ch,DA}/{\mathrm{\η}}_{ch})+(P_t^{dis,DA}\·{\mathrm{\η}}_{dis})\≥L_t^{DA}$

依据上述优化模型对本案例进行日前多目标优化调度，可得电动汽车换电站日前调度计划如附图4所示，各可调机组日前调度计划如附图5所示。经过日前多目标优化后系统的可再生能源倒送总功率由40588.4kW降至20777kW，可再生能源消纳率为48.8％，可调机组发电成本由3106.7元降至1859元，降低约40.16％，证明本发明所述换电站充放电调度方法能在日前阶段有效消纳可再生能源，降低发电成本。

换电站日内滚动优化调度是日前调度的必要补充，随着预测时间尺度的变长，影响预测信息的不确定因素增加，预测的准确度逐渐降低，换电站的日前调度效果也将相应受到影响。以扩展短期负荷预测，短期可再生能源预测，以及电动汽车需求短期预测为基础的滚动调度计划，充分利用最新的信息，每隔固定时间间隔重对日内每个时段之后剩余时段的换电站充放电调度计划进行修正，逐步降低日前计划的不确定性，进一步提 高配电网消纳可再生能源的程度，降低配电网应对日前预测误差所耗成本。

滚动调度计划的具体过程为：在日内当前时刻T₀，重新预测当日剩余时段(T₀+Δt,T₀+2Δt,…T)的负荷，可再生能源出力，电动汽车需求的最新信息，根据该最新预测信息，以当日剩余时段的可再生能源总消纳量最大化为优化目标，优化求得剩余各时段换电站充放电功率的修正值，并以此修正值对剩余各时段换电站充放电调度计划进行修正，然后到下一个时刻T₀+Δt,重复上述过程，不断滚动进行各时刻电动汽车换电站充放电计划的修正值求解以及修正过程，从而逐渐降低日前计划的不确定性。

本案例中，滚动调度计划的时间间隔Δt设为1小时，以日内10时刻的滚动调度计划为例，日内在时刻10时对剩余时段的负荷需求、可再生能源发电量、电动汽车换电需求及剩余电量进行短期预测，定义系统中负荷需求(包括换电站充放电负荷)减去可再生能源发电量后的需求曲线为等效负荷需求曲线，则日前和日内等效负荷需求曲线差别如附图6所示。

当日剩余时段可再生能源消纳最大化的优化目标为：

$\min f=\underset{t=T_0+\mathrm{\Δ}t}{\overset{T}{\Σ}}|P_t^{RE,R}+\underset{i=1}{\overset{N}{\Σ}}{P}_{i,t}^{CU,DA}-(P_t^{ch,DA}+{\mathrm{\ΔP}}_t^{ch,R})/{\mathrm{\η}}_{ch}+(P_t^{dis,DA}+{\mathrm{\ΔP}}_t^{dis,R})\·{\mathrm{\η}}_{dis}-L_t^R|$

式中，T₀时刻为滚动优化的当前时刻，Δt为滚动调度阶段的时间间隔，P_t^RE,R为滚动阶段可再生能源在t时刻的预测出力，为滚动阶段在t时刻的预测负荷需求，△P_t^ch,R为滚动阶段换电站充电功率在t时刻的修正值，△P_t^dis,R为滚动阶段换电站放电功率在t时刻的修正值。

滚动优化目标中，可调机组的调度计划已在日前优化中确定，在日内滚动阶段不作改变。在日内滚动阶段，换电站通过修正充电功率在可再生能源高峰时段最大化消纳多余能源，通过修正放电功率在负荷高峰时段尽量平衡由于预测误差引起的功率不平衡量，剩余的功率不平衡量可通过系统中的备用机组来进行调整，从而，换电站放电计划调整能一定程度上减少配电网应对日前预测误差所耗成本。

换电站充放电功率修正约束为：

${\mathrm{\ΔP}}_t^{ch,R}={\mathrm{\ΔN}}_t^{ch,R}\·P_{ch},{\mathrm{\ΔP}}_t^{dis,R}={\mathrm{\ΔN}}_t^{dis,R}\·P_{dis}$

$0\≤N_t^{ch}+{\mathrm{\ΔN}}_t^{ch,R}\≤U_t^{ch,DA}\·N_{max},0\≤N_t^{dis}+{\mathrm{\ΔN}}_t^{dis,R}\≤U_t^{dis,DA}\·N_{max}$

t＝T₀+△t,…T

式中，为滚动阶段换电站在线充电电池数在t时刻的修正值，为滚动阶段换电站在线放电电池数在t时刻的修正值。考虑到操作人员的工作强度，确保滚动 计划实施的可行性，滚动阶段的修正计划要尽量贴近日前计划，因此，滚动阶段的充放电状态与日前阶段保持一致。

换电站电量存储修正约束为：

$E_t^{EV,R}=E_{t-\mathrm{\Δ}t}^{EV,R}+(P_{t-\mathrm{\Δ}t}^{ch,DA}+{\mathrm{\ΔP}}_{t-\mathrm{\Δ}t}^{ch,R})\mathrm{\Δ}t-(P_{t-\mathrm{\Δ}t}^{dis,DA}+{\mathrm{\ΔP}}_{t-\mathrm{\Δ}t}^{dis,R})\mathrm{\Δ}t-E_{battery}\·N_{t-\mathrm{\Δ}t}^{D,R}+E_{t-\mathrm{\Δ}t}^{S,R}$

$E_t^{EV,R}\≥(1+\mathrm{\η})\·E_{battery}\·N_t^{D,R}$

$(1-80\%)\·E_{battery}\·N_T\≤E_t^{EV,R}\≤E_{battery}\·N_T$

t＝T₀+△t,…T

式中，表示滚动阶段t时刻换电站内的存储电量，表示滚动阶段t-Δt时刻换电站内的存储电量，为日前阶段t-Δt时刻的换电站充电功率，为滚动阶段换电站充电功率在t-Δt时刻的修正值，为日前阶段t-Δt时刻的换电站放电功率， 为滚动阶段换电站放电功率在t-Δt时刻的修正值，为滚动阶段t时刻换电站用户需要更换的电池数量，为滚动阶段t-Δt时刻换电站用户需要更换的电池数量， 为滚动阶段t-Δt时刻换下电池的剩余电量。

由于滚动阶段的修正计划要尽量贴近日前计划，其确定的换电站充放电电池数只能在日前计划充放电电池数的一定范围内进行修正，故滚动计划对日前计划的修正约束为：

${\mathrm{\ΔN}}_{min}^{ch,R}\≤{\mathrm{\ΔN}}_t^{ch,R}\≤{\mathrm{\ΔN}}_{\max }^{ch,R},{\mathrm{\ΔN}}_{min}^{dis,R}\≤{\mathrm{\ΔN}}_t^{dis,R}\≤{\mathrm{\ΔN}}_{\max }^{dis,R}$

t＝T₀+△t,…T

式中，分别为换电站在线充电电池数在滚动阶段允许的最小和最大修正值，分别为换电站在线放电电池数在滚动阶段允许的最小和最大修正值。

依据上述滚动优化调度模型求得电动汽车换电站各时刻充放电功率的修正值△P_t^ch,R，△P_t^dis,R，并修正换电站日前各时刻的充放电功率，即可得到日内阶段电动汽车换电站的充放电调度计划，如下式所示：

$P_t^{ch,R}=P_t^{ch,DA}+{\mathrm{\ΔP}}_t^{ch,R}$

$P_t^{dis,R}=P_t^{dis,DA}+{\mathrm{\ΔP}}_t^{dis,R}$

式中，P_t^ch,R为日内滚动阶段换电站在t时刻的充电功率，P_t^dis,R为日内滚动阶段换电站在t时刻的放电功率。

依据日内滚动阶段换电站的充放电功率得到的日内滚动阶段换电站充放电调度计划，相较日前阶段能够进一步消纳可再生能源，降低系统总运行成本。

依据上述优化模型对本案例中的10时刻进行日内滚动优化调度，得到日内滚动优化阶段电动汽车换电站的充放电调度计划如附图7所示。在日内剩余时段，若不进行滚动优化，仅实施日前换电站充放电调度计划，则剩余时段换电站可消纳可再生能源8380.3kW，实施日内滚动调度计划后，剩余时段换电站消纳可再生能源8768.6kW，说明本发明所提出的换电站充放电调度方法能在日内阶段逐步降低日前计划的不确定性，进一步提高配电网消纳可再生能源的程度。

综上所述，本发明提出的一种促进可再生能源消纳的电动汽车换电站充放电调度方法能够有效地在可再生能源发电高峰时段消纳多余电量，在负荷高峰期缓减常规可调机组发电负担，在最大化消纳电网内可再生能源的同时降低系统总运行成本。