本发明涉及电力工业、新能源发电领域,具体涉及一种电动汽车优化调度方法、系统、设备及介质。
背景技术:
1、近年来,化石能源的过度开发利用引发了严重的环境污染和气候恶化,受到各国政府的重视,同时由于用电量的增加,极大地增加了配电网发生大面积限电的风险。随着新能源发电技术的大力发展,电动汽车作为高效、清洁的出行方式,获得了世界各国的大力提倡,且电动汽车具备着良好的灵活性和储能特性,在合理的调度策略下,可以缓解电网中负荷的压力,实现削峰填谷。
2、但是,电动汽车ev的出行时间及出行地点等具有较强的随机性,对电网安全运行及经济稳定带来了极大地挑战,且单个电动汽车ev的容量十分有限,如何将这一资源有效地调动起来,是目前关于电动汽车研究的关键问题。
3、目前,许多研究人员采用动态电价的方式引导车主的充放电行为。但是,采用动态电价的策略中,车主为了更小的充电成本,会选择避开电价高峰时段,在低谷时段进行充电,但是这种充电行为反而使得在低谷时又形成充电高峰,对电网的安全运行造成负面影响。所以,不能充分发挥电动汽车这一优质资源的效果。
技术实现思路
1、为了解决现有技术采用动态电价的方式引导车主的充放电行为导致低谷时又形成充电高峰,对电网的安全运行造成负面影响,不能充分发挥电动汽车这一优质资源的效果问题,本发明提出了一种电动汽车优化调度方法,包括:
2、基于电动汽车的参数信息、待规划出行信息和出行时的天气数据结合预先构建的中间模型,得到电动汽车接入电网和离开电网的时间、单位距离能耗和最短路径、电价、峰值负荷和谷值负荷;
3、将所述电动汽车接入电网和离开电网的时间、单位距离能耗和最短路径、电价、峰值负荷和谷值负荷以及充电桩的参数结合预先构建的优化调度模型中,得到电动汽车充电成本最小值;
4、采用所述电动汽车充电成本最小值对应的参数优化调度电动汽车;
5、其中,所述优化调度模型是以电动汽车充电成本最小为目标构建的目标函数,以及为所述目标函数设置的约束条件构建的;
6、所述中间模型由不同类型电动汽车历史数据和出行时的历史天气数据构建的。
7、可选的,所述优化调度模型的构建包括:
8、以电动汽车充电成本最小为目标构建的目标函数;
9、为所述目标函数设置约束条件;
10、由所述目标函数和所述约束条件构建优化调度模型;
11、所述约束条件包括充放电状态约束、调度状态约束、荷电状态上下限约束、荷电状态更新约束、充电功率和放电功率约束、建议离网时间约束和充电桩数量约束。
12、可选的,所述目标函数如下式所示:
13、
14、式中,cuser为车主充电成本部分;cict为车主的不便成本部分;crk为系统的风险成本部分;jdis为放电时间;jchg为充电时间;t为调度时间。
15、可选的,所述将所述电动汽车接入电网和离开电网的时间、单位距离能耗和最短路径、电价、峰值负荷和谷值负荷以及充电桩的参数结合预先构建的优化调度模型中,得到电动汽车充电成本最小值,包括:
16、将所述电动汽车接入电网、离开电网的时间和实际离开电网的时间,结合不便成本计算式,得到电动汽车的不便成本;
17、将所述单位距离能耗、最短路径和电价结合充电费用计算式,得到电动汽车充电产生的费用;
18、将所述峰值负荷、谷值负荷和电价结合风险成本计算式,得到系统的风险成本;
19、由所述电动汽车的不便成本、电动汽车充电产生的费用、系统的风险成本带入到目标函数,在满足所述目标函数的约束条件下,计算得到电动汽车充电成本最小值。
20、可选的,所述电动汽车的不便成本如下式所示:
21、cict=ctime+cdre+cln;
22、式中,cict为车主的不便成本部分,ctime为车主的时间成本,cln为排队等待成本,cdre为车主在初始位置行驶至充电站时所损耗电量的费用。
23、可选的,所述充电费用计算式如下式所示:
24、cchg=ctchgptchgxtchgδtchg;
25、式中,cchg为电动汽车在充电时产生的费用,ctchg表示电动汽车充电时的动态单位电价,ptchg为电动汽车充电时的充电功率,xtchg为电动汽车的充电状态,δtchg为电动汽车充电的时间。
26、可选的,所述风险成本计算式如下式所示:
27、crk=cat+cploss+cqpv+cqwt+ctd;
28、式中,crk为系统的风险成本部分,cat为峰谷差惩罚成本,cploss为网损惩罚成本,cqpv为光伏调节成本,cqwt为风电上网电价,ctd为潮流风险惩罚成本。
29、可选的,所述中间模型的构建包括:
30、结合风速概率密度函数对风电场历史数据进行分析处理,得到风电场出力与风速大小的关系函数,构建风力发电时序模型;
31、结合光照强度密度函数对光伏发电历史数据进行分析,得到太阳的辐照度与光伏发电有功出力的关系函数,构建光伏发电时序模型;
32、对非电动汽车用电的历史数据进行分析,得到由非电动汽车用电的有功功率和无功功率概率函数构建的常规负荷时序模型;
33、对不同类型的电动汽车的历史出行数据进行分析,得到所述不同电动汽车出行时间特性负荷正态分布,构建不同类型的电动汽车时间特性模型;
34、采用图论方法对交通路网进行建模,由不同类型的电动汽车的历史出行数据采用dijkstra算法求解起始点至终点的最短路径,并结合空调状态与单位里程能耗的关系构建不同类型的电动汽车空间特性模型。
35、可选的,所述基于所述电动汽车的参数信息、所述待规划出行信息和出行时的天气数据结合预先构建的中间模型,得到电动汽车接入电网和离开电网的时间、单位距离能耗和最短路径、电价、峰值负荷和谷值负荷,包括:
36、将所述电动汽车的参数信息和所述待规划出行信息输入与所述电动汽车类型对应的预先构建的电动汽车时间特性模型中,得到电动汽车接入电网和离开电网的时间;
37、基于所述电动汽车的出行信息和所述出行时的天气数据带入与所述电动汽车类型对应的预先构建的电动汽车空间特性模型中,得到单位距离能耗和最短路径;
38、将所述电动汽车出行时的天气数据带入预先构建的风力发电时序模型和光伏发电时序模型中,得到风电场出力和光伏发电有功出力预测值;
39、将所述电动汽车的出行信息带入预先构建的常规负荷时序模型中,得到峰值负荷和谷值负荷;
40、由所述风电场出力和所述光伏发电有功出力预测值之和,与峰值负荷和谷值负荷的大小关系确定电价。
41、可选的,所述电动汽车时间特性模型包括电动汽车接入电网的时间和电动汽车离开电网的时间;
42、所述电动汽车接入电网的时间按下式计算:
43、
44、式中,fs(x)为电动汽车接入电网的时间,μs为电动汽车接入电网时间的正态分布函数的期望值,σs为电动汽车接入电网时间的正态分布函数的标准差;
45、所述电动汽车离开电网的时间按下式计算:
46、
47、式中,fx(x)为电动汽车离开电网的时间,μe为电动汽车接入电网时间的正态分布函数的期望值,σe为电动汽车接入电网时间的正态分布函数的标准差。
48、可选的,所述电动汽车空间特性模型如下式所示:
49、
50、式中,lij为节点i和节点j之间的距离,l为最短路径,i和j为节点的经纬度坐标,g为规划路径上所有道路的集合,et为电动汽车ev的单位距离能耗,ez为支路的单位里程能耗,don为空调开启率,drate为开启空调时的单位距离能耗与空调关闭时的单位距离能耗比。
51、可选的,所述风力发电时序模型如下式所示:
52、
53、式中,pwind是风机的实际输出功率,pwmax为风机的最大输出功率,vci为切入风速,vcr为额定风速,vco为切出风速,vw为风速。
54、可选的,所述光伏发电时序模型如下式所示:
55、psolar=raη
56、式中,psolar为光伏发电有功出力,r表示太阳的辐射度,η和a分别为电能转换效率和电池阵列的总体面积。
57、可选的,所述常规负荷时序模型如下式所示:
58、
59、式中,μlp,t和μlq,t分别表示为t时刻常规负荷有功、无功功率的期望值;λlp,t和λlq,t分别表示为t时刻常规负荷有功、无功功率的变异系数,pld为有功功率,qld为无功功率,f(pld)为有功功率的概率模型,f(qld)为无功功率的概率模型。
60、再一方面本发明还提供了一种电动汽车优化调度系统,包括:
61、参数计算模块,用于基于电动汽车的参数信息、待规划出行信息和出行时的天气数据结合预先构建的中间模型,得到电动汽车接入电网和离开电网的时间、单位距离能耗和最短路径、电价、峰值负荷和谷值负荷;
62、优化计算模块,用于将所述电动汽车接入电网和离开电网的时间、单位距离能耗和最短路径、电价、峰值负荷和谷值负荷以及充电桩的参数结合预先构建的优化调度模型中,得到电动汽车充电成本最小值;
63、方案规划模块,用于采用所述电动汽车充电成本最小值对应的参数优化调度电动汽车;
64、其中,所述优化调度模型是以电动汽车充电成本最小为目标构建的目标函数,以及为所述目标函数设置的约束条件构建的;
65、所述中间模型由不同类型电动汽车历史数据和出行时的历史天气数据构建的。
66、可选的,还模块优化调度模型构建模块用于:
67、以电动汽车充电成本最小为目标构建的目标函数;
68、为所述目标函数设置约束条件;
69、由所述目标函数和所述约束条件构建优化调度模型;
70、所述约束条件包括充放电状态约束、调度状态约束、荷电状态上下限约束、荷电状态更新约束、充电功率和放电功率约束、建议离网时间约束和充电桩数量约束。
71、可选的,所述目标函数如下式所示:
72、
73、式中,cuser为车主充电成本部分;cict为车主的不便成本部分;crk为系统的风险成本部分;jdis为放电时间;jchg为充电时间;t为调度时间。
74、可选的,所述优化计算模块具体用于:
75、将所述电动汽车接入电网、离开电网的时间和实际离开电网的时间,结合不便成本计算式,得到电动汽车的不便成本;
76、将所述单位距离能耗、最短路径和电价结合充电费用计算式,得到电动汽车充电产生的费用;
77、将所述峰值负荷、谷值负荷和电价结合风险成本计算式,得到系统的风险成本;
78、由所述电动汽车的不便成本、电动汽车充电产生的费用、系统的风险成本带入到目标函数,在满足所述目标函数的约束条件下,计算得到电动汽车充电成本最小值。
79、可选的,还包括中间模型构建模块用于:
80、结合风速概率密度函数对风电场历史数据进行分析处理,得到风电场出力与风速大小的关系函数,构建风力发电时序模型;
81、结合光照强度密度函数对光伏发电历史数据进行分析,得到太阳的辐照度与光伏发电有功出力的关系函数,构建光伏发电时序模型;
82、对非电动汽车用电的历史数据进行分析,得到由非电动汽车用电的有功功率和无功功率概率函数构建的常规负荷时序模型;
83、对不同类型的电动汽车的历史出行数据进行分析,得到所述不同电动汽车出行时间特性负荷正态分布,构建不同类型的电动汽车时间特性模型;
84、采用图论方法对交通路网进行建模,由不同类型的电动汽车的历史出行数据采用dijkstra算法求解起始点至终点的最短路径,并结合空调状态与单位里程能耗的关系构建不同类型的电动汽车空间特性模型。
85、可选的,所述参数计算模块具体用于:
86、将所述电动汽车的参数信息和所述待规划出行信息输入预先构建的电动汽车时间特性模型中,得到电动汽车接入电网和离开电网的时间;
87、基于所述电动汽车的出行信息和所述出行时的天气数据带入预先构建的电动汽车空间特性模型中,得到单位距离能耗和最短路径;
88、将所述电动汽车出行时的天气数据带入预先构建的风力发电时序模型和光伏发电时序模型中,得到风电场出力和光伏发电有功出力预测值;
89、将所述电动汽车的出行信息带入预先构建的常规负荷时序模型中,得到峰值负荷和谷值负荷;
90、由所述风电场出力和所述光伏发电有功出力预测值之和,减去所述非电动汽车用电和所述电动汽车待充电确定电价。
91、再一方面,本技术还提供了一种计算设备,包括:一个或多个处理器;
92、处理器,用于执行一个或多个程序;
93、当所述一个或多个程序被所述一个或多个处理器执行时,实现如上述所述的一种电动汽车优化调度方法。
94、再一方面,本技术还提供了一种计算机可读存储介质,其上存有计算机程序,所述计算机程序被执行时,实现如上述所述的一种电动汽车优化调度方法。
95、与现有技术相比,本发明的有益效果为:
96、本发明提供了一种电动汽车优化调度方法,包括基于电动汽车的参数信息、待规划出行信息和出行时的天气数据结合预先构建的中间模型,得到电动汽车接入电网和离开电网的时间、单位距离能耗和最短路径、电价、峰值负荷和谷值负荷;将所述电动汽车接入电网和离开电网的时间、单位距离能耗和最短路径、电价、峰值负荷和谷值负荷以及充电桩的参数结合预先构建的优化调度模型中,得到电动汽车充电成本最小值;采用所述电动汽车充电成本最小值对应的参数优化调度电动汽车;其中,所述优化调度模型是以电动汽车充电成本最小为目标构建的目标函数,以及为所述目标函数设置的约束条件构建的;所述中间模型由不同类型电动汽车历史数据和出行时的历史天气数据构建的。本发明采用预先构建的优化调度模型和中间模型对规划电动汽车的出行信息,充分发挥电动汽车的资源,保证了电网的安全运行。