一种含电动汽车聚合器的主动配电网多目标优化调度方法与流程

1.本发明涉及主动配电网优化调度领域，特别是涉及一种含电动汽车聚合器的主动配电网多目标优化调度方法。


背景技术：

2.随着近年来国内外电动汽车保有量持续上涨，为进一步提升主动配电网对新能源消纳能力，v2g技术使得电动汽车成为了潜在的大容量储能设备，为缓解新能源出力波动，提升配电网稳定性具有重要作用。然而单个电动汽车功率等级较低，难以满足大容量储能需求，因此电动汽车聚合器概念应运而生，通过可观的电动汽车充、放电价格聚合大量电动汽车按时按量接入，可形成更大容量的储能，实现电网调频调峰，通过对含电动汽车聚合器的主动配电网进行多目标优化调度可在降低传统机组发电经济成本基础上，增大电动汽车用户盈利。
3.当前，含电动汽车聚合器的主动配电网多目标优化调度问题属于高维空间中混合0-1规划的带约束多目标非线性规划问题，现有文献与专利已公开技术中，通常对目标函数人为设置权重，将多目标优化问题简化为单目标优化问题处理，较难获得同时满足多个优化目标的折衷最优解，不利于同时实现电网企业与电动汽车用户利益的最大化。


技术实现要素：

4.发明目的：针对现有技术上存在的不足，本发明目的是提升含电动汽车聚合器的主动配电网多目标优化问题求解精度，公开一种含电动汽车聚合器的主动配电网多目标优化调度方法。
5.技术方案：本发明公开了一种含电动汽车聚合器的主动配电网多目标优化调度方法，包括如下步骤：
6.a)基于历史风力发电数据，对风电场发电功率日前小时级预测；
7.b)设电动汽车充电起始时刻满足weibull分布，依据电动汽车电荷状态(soc)历史数据，估算各电动汽车充放电时段，对区域电动汽车聚合器可调度放电功率、可调度充电负荷功率范围目前小时级预测；
8.c)基于历史光伏发电数据，对光伏电站发电功率日前预测；初始化多目标优化调度最大迭代次数、种群数量、惯性权重、学习率，初始化个体位置，估算各时刻相应火电机组出力p
git
、电动汽车聚合器出力上限p
evc，max
t、p
evd，maxt
，风电、光伏出力上限p
wmaxt
与p
pmaxt
，t∈[1，24]；
[0009]
d)计算最小化火电机组发电成本目标函数、最小化电动汽车聚合器充电成本目标函数、火电机组、风电、光伏发电出力上限约束、火电机组启动时长约束、估算发电与负荷功率平衡约束、估算电动汽车聚合器调度放电功率与充电功率上限约束，统计种群中各个体违反约束数量，基于轮盘算法确定群体领导个体；
[0010]
e)更新个体位置，估算需调度的火电机组、电动汽车聚合器、新能源发电功率；
[0011]
f)依据步骤d)计算两目标函数值，计算各个体约束值违反约束个数，确定各个体pareto支配关系；
[0012]
g)存储非支配解集，对非支配解集中个体运用交叉操作；
[0013]
h)随机选取全部种群中70％个体进行变异操作；
[0014]
i)确定交叉操作与变异操作获得个体pareto支配关系，存储非支配解集，基于轮盘算法确定群体领导个体；
[0015]
j)判断是否达到最大迭代次数，若达到则结束多目标优化调度计算流程，若未达到，则返回f)步骤。
[0016]
进一步地，所述步骤b)电动汽车充电起始时刻满足weibull分布具体为：
[0017][0018]
基于区域电动汽车历史充放电周期数据，估算系数k
t
、c
t
。
[0019]
进一步地，所述步骤d)中具体为：
[0020]
计算最小化火电机组发电成本目标函数：
[0021][0022]
其中，c
it
为第i个火电机组于第t时刻发电成本，且为其发电功率p
git
的函数，i
it
为第i个火电机组于第t时刻运行状态，s
it
为火电机组启停成本，p
wat
与p
pat
分别为第t时刻弃风、弃光功率，kw与k
p
为弃风、弃光惩罚系数；
[0023]
计算最小化电动汽车聚合器充电成本目标函数：
[0024][0025]
p
ct
与p
dt
为第t时刻电动汽车聚合器中电动汽车充电与放电功率，μc与μd为电动汽车充电、放电电价，k
de
为电动汽车电池寿命损失成本；
[0026]
计算火电机组、风电、光伏发电出力上限约束：
[0027][0028][0029][0030]
其中，p
gimin
与p
gimax
分别为火电机组最小、最大出力；
[0031]
计算火电机组启动时长约束：
[0032]
t
i，on，max
≥t
i，on
[0033]
t
i，on，max
为第i个火电机组最大启动时长，t
i，on
为第i个火电机组实际启动时长；
[0034]
估算发电与负荷功率平衡约束：
[0035][0036]
p
evdt
与p
evct
为第t时刻电动汽车聚合器放电、充电功率，p
loadt
为第t时刻负荷功率；
[0037]
估算电动汽车聚合器调度放电功率与充电功率上限约束：
[0038][0039][0040]
统计种群中各个体违反约束数量，基于轮盘算法确定群体领导个体。
[0041]
进一步地，所述步骤g)中交叉操作具体为：
[0042][0043]
其中，pos1与pos2分别为亲代个体位置，pos
1，cross
与pos
2，cross
分别为交叉操作后子代个体位置，α为[0，1]之间随机数。
[0044]
进一步地，所述步骤h)中的变异操作具体为：
[0045]
pos
i，mutate
＝posi+σmrni[0046]
其中，posi为种群中第i个个体位置，pos
i，mutate
为该个体突变后个体位置，σm为突变步长，rni为标准正态分布随机数。
[0047]
进一步地，所述步骤f)中确定各个体pareto支配关系，其中最小化pareto支配定义为，对个体位置向量x、y，若对任意目标函数fi满足：
[0048][0049]
则个体位置向量x支配y，即：
[0050]
f(x)＜f(x)
[0051]
f(x)、f(y)为相应的目标向量。
[0052]
进一步地，所述步骤e)中更新个体位置方法为：
[0053][0054]
其中，veli(k)与posi(k)分别为第i个粒子在第k轮迭代中的速度与位置，w为粒子惯性权重，cl1与cl2分别为个体及群体学习系数，rd1(k)与rd2(k)为第k轮迭代中0至1之间均匀分布随机数，pos
i，pbest
为第i个粒子个体最优位置，pos
leader
为群体最优位置。
[0055]
有益效果：
[0056]
本发明公开的一种含电动汽车聚合器的主动配电网多目标优化调度方法，能够同时满足多个优化目标的折衷最优解，实现多目标优化，提升了含电动汽车聚合器的主动配电网多目标优化问题的求解精度。本发明所求解的最终折衷解在提升新能源出力消纳能力
的同时，亦可最大化电动汽车用户v2g收益。
附图说明
[0057]
图1是发明一种含电动汽车聚合器的主动配电网多目标优化调度方法流程图；
[0058]
图2是本发明方法中估算的主动配电网可接入风电、光伏、传统负荷、电动汽车充电负荷日前预测结果；
[0059]
图3是本发明方法所求解出的多目标pareto前沿与最终折衷解。
具体实施方式
[0060]
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施方式，进一步阐述本发明。
[0061]
本发明公开了一种含电动汽车聚合器的主动配电网多目标优化调度方法，以具备10万辆电动汽车的区域级配电网算例为例，包括如下步骤：
[0062]
a)基于历史风力发电数据，对风电场发电功率日前小时级预测。
[0063]
b)设电动汽车充电起始时刻满足weibull分布：
[0064][0065]
基于区域电动汽车历史充放电周期数据，估算系数k
t
、c
t
；依据电动汽车电荷状态(soc)历史数据，估算各电动汽车充放电时段，对区域电动汽车聚合器可调度放电功率、可调度充电负荷功率范围日前小时级预测。
[0066]
c)基于历史光伏发电数据，对光伏电站发电功率日前预测；
[0067]
初始化多目标优化调度最大迭代次数、种群数量、惯性权重、学习率，初始化个体位置，估算各时刻相应火电机组出力p
git
、电动汽车聚合器出力上限p
evc，max
t、p
evd，maxt
，风电、光伏出力上限p
wmaxt
与p
pmaxt
，t∈[1，24]。
[0068]
针对本算例，依据上述步骤估算的主动配电网可接入风电、光伏、传统负荷、电动汽车充电负荷日前预测结果如图2所示。
[0069]
d)计算最小化火电机组发电成本目标函数：
[0070][0071]
其中，c
it
为第i个火电机组于第t时刻发电成本，且为其发电功率p
git
的函数，i
it
为第i个火电机组于第t时刻运行状态，s
it
为火电机组启停成本，p
wat
与p
pat
分别为第t时刻弃风、弃光功率，kw与k
p
为弃风、弃光惩罚系数。
[0072]
计算最小化电动汽车聚合器充电成本目标函数：
[0073][0074]
p
ct
与p
dt
为第t时刻电动汽车聚合器中电动汽车充电与放电功率，μc与μd为电动汽车充电、放电电价，k
de
为电动汽车电池寿命损失成本。
[0075]
计算火电机组、风电、光伏发电出力上限约束：
[0076][0077][0078][0079]
其中，p
gimin
与p
gimax
分别为火电机组最小、最大出力。
[0080]
计算火电机组启动时长约束：
[0081]
t
i，on，max
≥t
i，on
[0082]
t
i，on，max
为第i个火电机组最大启动时长，t
i，on
为第i个火电机组实际启动时长。
[0083]
估算发电与负荷功率平衡约束：
[0084][0085]
p
evdt
与p
evct
为第t时刻电动汽车聚合器放电、充电功率，p
loadt
为第t时刻负荷功率。
[0086]
估算电动汽车聚合器调度放电功率与充电功率上限约束：
[0087][0088][0089]
统计种群中各个体违反约束数量，基于轮盘算法确定群体领导个体。
[0090]
e)更新个体位置，估算需调度火电机组、电动汽车聚合器、新能源发电功率：
[0091]
更新个体位置方法为：
[0092][0093]
其中veli(k)与posi(k)分别为第i个粒子在第k轮迭代中的速度与位置，w为粒子惯性权重，cl1与cl2分别为个体及群体学习系数，rd1(k)与rd2(k)为第k轮迭代中0至1之间均匀分布随机数，pos
i，pbest
为第i个粒子个体最优位置，pos
leader
为群体最优位置。
[0094]
f)依据步骤d)中公式计算两目标函数值，根据步骤d)中公式计算各个体约束值违反约束个数，确定各个体pareto支配关系：
[0095]
确定各个体pareto支配关系，其中最小化pareto支配定义为，对个体位置向量x、y，若对任意目标函数fi满足：
[0096]
[0097]
则个体位置向量x支配y，即：
[0098]
f(x)＜f(x)
[0099]
f(x)、f(y)为相应的目标向量。
[0100]
g)存储非支配解集，对非支配解集中个体运用交叉操作：
[0101][0102]
pos1与pos2分别为亲代个体位置，pos
1，cross
与pos
2，cross
分别为交叉操作后子代个体位置，α为[0，1]之间随机数。
[0103]
h)随机选取全部种群中70％个体进行变异操作：
[0104]
pos
i，mutate
＝posi+σmrni[0105]
posi为种群中第i个个体位置，pos
i，mutate
为该个体突变后个体位置，σm为突变步长，rni为标准正态分布随机数。
[0106]
i)确定交叉操作与变异操作获得个体pareto支配关系，存储非支配解集，基于轮盘算法确定群体领导个体。
[0107]
j)判断是否达到最大迭代次数，若达到则结束多目标优化调度计算流程，若未达到，则返回第f)步骤。
[0108]
图3为所公开的一种含电动汽车聚合器的主动配电网多目标优化调度方法求解的多目标pareto前沿与最终折衷解。将所定义的目标函数f1、f2值进行归一化，选取二者最小值构成多目标理想解，再估算归一化后的目标函数空间中所求解pareto解集各点到该理想解欧氏距离，以距离最小解作为最终折衷解。
[0109]
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。