一种考虑用户意愿的电动汽车调频上报方法

1.本发明属于电动汽车技术领域，具体涉及一种考虑用户意愿的电动汽车调频上报方法。


背景技术：

2.可再生能源发电的随机性、波动性和电动汽车大规模无序负荷对当前电力系统稳定运行造成了很大的冲击。逐渐成熟的v2g技术实现了车辆与电网之间能量的双向流动，让ev成为一种具有巨大潜力的调频资源。单辆ev的容量对于电网调频需求来说微乎其微，因此诞生了聚合商这一概念，通过管理一定规模的ev，ao与调度中心进行调频任务的交易，但没有考虑ev用户调频意愿，可能引起用户的反感。用户调频意愿是指ev用户根据其自身特征及外界信息，形成的一个是否愿意参与及怎样参与电力系统调频辅助服务的决策问题。
3.现有技术中，针对用户意愿问题，主要依靠调查问卷方法实现。具体形式如下：
4.基于实验经济学设计调查问卷直接提问调查参与者，从有限数量的问卷中提取多层关联信息，需要面对样本有限和数据挖掘、信息抽取困难等难题。数据只能通过人类参与者获得，结果十分依赖样本，需要严格设计问卷问题，以确保调查者所填写的问卷可以反映其真实意愿。
5.缺点一：样本数据有限，不具有代表性和随机性；
6.缺点二：仅填写问卷，用户对所做选择缺少明确的认知。
7.另外，现有技术针对电动汽车参与调频辅助服务的模式，主要为简单参与模式。具体形式如下：
8.电动汽车日前以其额定功率进行市场调频备用容量申报，实时完全响应调度中心调控，即响应功率等于需求功率，作为价格接受者，接受任何价格出清。简单参与模式从调度中心或者ao的角度出发，忽略了ev用户的自主决策能力，没有考虑ev用户调频意愿，影响ev参与调频市场的积极性。
9.缺点一：电动汽车完全响应调频指令，电池老化成本增加，影响ev用户的经济效益；
10.缺点二：电动汽车不具有主动报价能力，难以体现ev用户调频意愿。


技术实现要素：

11.为解决以上问题，本发明基于离散选择模型搭建了考虑用户意愿的ev上报模型，采用最优投标策略和最优控制策略两大策略最大化收益期望，辅助ev用户上报自己的调频容量以及里程价格，增加用户对所做选择的认知。
12.利用离散选择模型解决。dcm是在决策者效用最大化行为的假设下推导出来的，用来描述决策者在不同的可供选择的选项之间的选择行为。决策者在j个选项中进行选择时，无论选择哪一个选项都可以获得一定水平的效用，决策者趋向选择使自己获得最大效用的选项。以单个ev用户为研究对象，分别计算在3种调频意愿下获得的效用，用户与自己内心
期望阈值进行比较，决定是否参与及怎样参与调频，并且每个用户都可对其所做选择的效用具有明确的认知。
13.提出基于现实调频市场环境和精确电池老化模型的最优投标策略和最优控制策略来解决。最优投标策略为在满足最小成本价格约束的同时，寻求最大化效用的备用容量和里程价格对。最优控制策略为通过平衡调频信号失配惩罚与电池老化成本，寻求最大化净收益的电池调频响应。最优投标策略和最优控制策略共同作用实现接近最优的控制结果。
14.具体的技术方案为：
15.一种考虑用户意愿的电动汽车调频上报方法，采用两大策略用于优化电动汽车参与调频的两个阶段；
16.最优投标策略用于优化日前上报阶段，在满足最小成本价格约束的同时寻求使ev用户效用最大的备用容量和里程报价；
17.最优控制策略用于优化实时响应阶段，在满足运行约束和最小性能指标要求的条件下，平衡偏离调节信号的惩罚和电池循环老化成本，寻求最优的响应功率，以提高电动汽车用户获得的效用。
18.具体步骤如下：
19.1、最优投标策略优化上报过程
20.s11、根据历史里程出清价格预测次日同时段可能的备选报价和概率。
21.假定次日实际里程出清价格为以同时段历史里程出清价格为均值的正态分布，将报价上下限区间划分成足够小且等距的m个区间，各区间的几何平均值为可能的出清价格，各区间的概率作为对应几何平均值为次日出清价格的概率。当里程报价为次日出清价格时，ev投标策略最优，因此ev同时段的备选报价为可能的m个出清价格。
22.m表示一个小时内备选报价的个数，一个区间对应一个报价。
23.s12、计算3种调频意愿下的备用容量和成本价格。
24.意愿
①
：ev用户不参与调频；意愿
②
：ev用户参与调频，参与方式为减小充电功率实现上调频和增大充电功率实现下调频；意愿
③
：ev用户参与调频，参与方式为减小充电功率或者增大放电功率实现上调频和增大充电功率或者减小放电功率实现下调频。
25.备用容量的大小与当前充放电功率p
tbase
、当前电池电量e
t
、电池电量上下限最大充/放电功率p
max
、最小性能指标要求γ相关；成本价格为净收益为0时的里程价格。3种意愿下的备用容量计算公式：
26.意愿
①
27.上备用容量0；
28.下备用容量0；
29.意愿
②
30.上备用容量
31.下备用容量
32.意愿
③
33.上备用容量
34.下备用容量
35.t表示时间。
36.s13、比较m个备选报价与3种调频意愿下的成本价格，备用容量为成本价格小于备选报价的最大备用容量。
37.s14、分别计算上报价格和调频容量为第i(1≤i≤m)个备用容量-里程报价对的效用。根据步骤s13中所求的备用容量-里程报价和最优控制策略所求的最优响应功率计算效用。
38.s15、比较m个效用，最大效用对应的备用容量和里程报价即为最优。
39.2、最优控制策略优化模拟的响应过程
40.s21、计算一个周期的最优循环深度。
41.在一个周期内，ev获得的调频收益为电池循环深度的线性函数，ev承担的电池老化成本为电池循环深度的非线性函数，调频收益减成本差值最大的循环深度为最优循环深度。
42.s22、历史信息模拟次日响应阶段。
43.采用历史信息代替模拟次日响应，寻求最优响应功率，用于投标策略的效用计算。
44.本发明技术方案带来的有益效果：
45.1)本发明使用的离散选择模型可以有效刻画每个ev用户的调频参与意愿，还可以大致给出对应的效用及最优调频响应，增加用户的认知。
46.2)最优投标策略和最优控制策略可以提高ev参与调频获得的效用。
附图说明
47.图1为本发明的整体构架图；
48.图2为本发明的最优循环深度的说明；
49.图3为本发明的控制策略响应过程。
具体实施方式
50.结合实施例说明本发明的具体技术方案。
51.如图1所示，本发明通过历史信息模拟次日出清，采用最优投标策略和最优控制策略两大策略计算3种调频意愿下的最大效用，为用户在日前交易阶段的既定时刻报价至ao的代表自己参与意愿的调频备用容量和调频里程价格提供参考，日前交易以1小时为1周期。
52.考虑到ev用户参照依赖、损失规避和概率扭曲等心理行为，使用dcm刻画决策者在
决策过程中的选择行为，核心为选择集的给出和效用函数的建立。模型的输入为ev用户的充电时间和充电需求，这样可以尽可能满足ev用户的出行需求。
53.选择集为用户参与调频的3种意愿，满足互斥性、完备性和有限性。意愿
①
：ev用户不参与调频；意愿
②
：ev用户参与调频，参与方式为减小充电功率实现上调频和增大充电功率实现下调频；意愿
③
：ev用户参与调频，参与方式为减小充电功率或者增大放电功率实现上调频和增大充电功率或者减小放电功率实现下调频。效用函数为ev用户参与/不参与调频获得的净收益期望值，为调频收益与电池老化成本之差。本实施例只为经济效益，还可以包括环保效益等。
54.电动汽车参与调频市场包括两个阶段，日前上报阶段和实时响应阶段，本发明提供了两大策略用于优化电动汽车参与调频的两个阶段。最优投标策略用于优化日前上报阶段，在满足最小成本价格约束的同时寻求使ev用户效用最大的备用容量和里程报价。因为日前并不能准确获知次日实际调频指令和出清价格，无法直接得到效用最大的备用容量和里程报价，需根据调频市场历史信息模拟次日实时出清，反推次日最优备用容量和里程报价。最优控制策略用于优化实时响应阶段，在满足运行约束和最小性能指标要求的条件下，平衡偏离调节信号的惩罚和电池循环老化成本，寻求最优的响应功率，以提高电动汽车用户获得的效用。本发明目标为辅助用户日前上报，因此最优控制策略用于优化根据历史信息模拟的响应阶段，得到最优的响应功率，用于投标策略的效用计算。
55.具体步骤如下。
56.1、最优投标策略优化上报过程
57.s11、根据历史里程出清价格预测次日同时段可能的备选报价和概率。假定次日实际里程出清价格为以同时段历史里程出清价格为均值的正态分布，将报价上下限区间划分成足够小且等距的m个区间，各区间的几何平均值为可能的出清价格，各区间的概率作为对应几何平均值为次日出清价格的概率。当里程报价为次日出清价格时，ev投标策略最优，因此ev同时段的备选报价为可能的m个出清价格。
58.s12、计算3种调频意愿下的备用容量和成本价格。备用容量的大小与当前充放电功率p
tbase
、当前电池电量e
t
、电池电量上下限最大充/放电功率p
max
、最小性能指标要求γ相关；成本价格为净收益为0时的里程价格。3种意愿下的备用容量计算公式如表1所示：
59.表1 3种意愿下的备用容量
[0060][0061]
s13、比较m个备选报价与3种调频意愿下的成本价格，备用容量为成本价格小于备
选报价的最大备用容量。
[0062]
s14、分别计算上报价格和调频容量为第i(1≤i≤m)个备用容量-里程报价对的效用。根据步骤s13中所求的备用容量-里程报价和最优控制策略所求的最优响应功率计算效用。
[0063]
s15、比较m个效用，最大效用对应的备用容量和里程报价即为最优。
[0064]
2、最优控制策略优化模拟的响应过程
[0065]
s21、计算一个周期的最优循环深度。在一个周期内，ev获得的调频收益为电池循环深度的线性函数，ev承担的电池老化成本为电池循环深度的非线性函数，如图2所示，调频收益减成本差值最大的循环深度为最优循环深度。
[0066]
s32、历史信息模拟次日响应阶段。ev在响应调频指令要满足一些约束，例如电池自身的电量、功率约束控制策略要求还要满足最优循环深度约束，一旦达到最优循环深度，ev就应该停止响应调频指令，否则循环深度超过最优循环深度会导致ev在一个周期内获得的净收益期望减少，响应过程如图3所示。日前并不知道此时调频指令和出清价格，采用历史信息代替模拟次日响应，寻求最优响应功率，用于投标策略的效用计算。
[0067]
本实施例中，假设ev参与调频对调频信号、容量出清价格和分时电价等数据没有影响，该市场的最低性能指标要求为0.7，入网时间为15时，离网时间为20时，利用pjm调频辅助服务市场2020年10月20日的调频信号、容量出清价格、里程出清价格和分时电价等数据，为了验证控制策略的最优性，对比控制策略和简单参与模式下的简单策略，即ev完全响应调控时控制策略的收益，仿真结果如表2所示。
[0068]
表2意愿
③
下控制策略和简单策略对比
[0069][0070]
简单策略总是调度整个电池容量完全响应调频指令，具有较高的调节性能，调频收益相对更多，但电池循环深度更深，电池寿命减短，电池损耗成本增多，效用减少。将控制策略纳入调度过程中，可以提高ev参与调频获得的效用，从而可以最大限度地抵消充电成本。