基于马尔科夫链的电动汽车集群充放电管控方法与流程

本发明涉及电力物联网，特别是涉及一种基于马尔科夫链的电动汽车集群充放电管控方法。

背景技术：

1、随着中国清洁能源装机容量的不断增加以及清洁能源具有的随机性、波动性和间歇性等特点，电力系统供需失衡的问题日益明显。需求侧的负荷聚合是解决供需失衡问题的一种方法。电动汽车作为需求侧的一种高功率负荷有着巨大的调节潜力，因此，亟需一种契合电动汽车集群的充电功率管控方法。

2、现有技术中的相关专利如专利号为201610836365.7，名称为《一种基于马尔科夫链的电动汽车充电负荷预测方法及系统》的发明专利，其公开了一种基于马尔科夫链的电动汽车充电负荷预测方法及系统，其方法包括步骤：设置原始数据信息及模拟次数；确定决策行为；累加充电负荷曲线得到总体充电负荷；判断目前已模拟的次数是否大于设定的模拟次数；判断作为模拟结果的总体充电负荷是否收敛；若收敛，则输出模拟结果；若不收敛，则返回重新设定模拟次数。上述发明基于马尔科夫理论，将电动汽车动力电池荷电状态值视为马尔科夫链中的状态变量，该方法形象地反映了用户一天出行过程中动力电池荷电状态值的状态变化，进而确定该过程的实时充电需求，在此基础上通过蒙特卡洛模拟计算充电负荷，因此，采用该方法得到的负荷预测结果更加符合实际情况，但是该专利主要聚焦于单用户的电池状态的马尔科夫链预测，并不能预测电动汽车集群的充放电状态和通过集群控制的手段完成清洁能源消纳。

技术实现思路

1、本技术的目的旨在克服上述缺陷，提供一种基于马尔科夫链的电动汽车集群充放电管控方法，以解决现有电动汽车集群充放电聚合控制上的难点，实现合理调节电动汽车集群的充电功率，达成供需平衡。

2、为实现上述技术效果，本技术的技术方案如下：

3、一种基于马尔科夫链的电动汽车集群充放电管控方法，所述电动汽车集群控制方法包括：

4、步骤s1：建立电动汽车集群管控网络架构，确定电动汽车三个状态，充电模式，放电模式，闲置模式；

5、步骤s2：设定单台电动汽车的最大充电功率与最低充电功率，单台电动汽车的最大放电功率与最低放电功率，确定单台电动汽车的调节潜力；

6、步骤s3：用马尔科夫链预测电动汽车的状态切换；

7、步骤s4：根据电动汽车状态，确定电动汽车聚合模型；

8、步骤s5：根据目标调度功率和每个采样时刻的电动汽车负荷的差值，采用滑模控制方法，确定下一个调度时刻的充电功率系数；根据所述充电功率系数进行充电桩充电功率的调节。

9、进一步的，步骤s1包括：

10、步骤s101：确定电动汽车三种状态间的切换方式，充电状态：电量等级随时间而提高，可以切换为放电模式或闲置模式；放电状态：电量等级随时间而降低，可以切换为充电模式或闲置模式；闲置模式：电量等级可以任意变化，可以切换为充电模式或放电模式；

11、步骤s102：以负荷云、聚合商和电动汽车集群为基础，建立电动汽车集群管控网络架构；电动汽车集群管控网络架构的基础是云边端架构。

12、进一步的，步骤s2包括：

13、步骤s201:列出最大充电功率和最低充电功率ph,ch和pl,ch；

14、步骤s202：列出最大放电功率和最低放电功率ph,dis和pl,dis；

15、进一步的，步骤s3包括：

16、步骤s301：用马尔科夫链预测电动汽车的状态切换；

17、设定基于马尔科夫链的充电状态变为放电状态的转移概率矩阵为pa

18、

19、其中k为划分出的电量等级的个数，为剩余电量百分比soc为第1个电量等级时充电状态变换为放电状态的概率；

20、设定基于马尔科夫链的放电状态变为充电状态的转移概率矩阵为pb

21、

22、为剩余电量百分比soc为第1个电量等级时放电状态变换为充电状态的概率；

23、每运行一个步长，则相对应得乘以一次概率矩阵，以此获得apre和bpre，其中apre和bpre与时间相关，最开始两者分别为pa与pb，每一次状态转移则成一次pa与pb。

24、进一步的，步骤s4包括：

25、步骤s401：建立电动汽车充放电的聚合模型，所述聚合模型为：

26、

27、pc(τ)＝cq(τ)u(t-1)

28、其中，q(τ)表示采样时刻τ时不同用电量等级内处于充电状态的电动汽车数量的向量，q(τ)＝[q1(τ) q2(τ) …… qk(τ)]t，q1(τ)、q2(τ)和qk(τ)分别表示采样时刻τ时处于用电量等级1、2、k内的保持充电状态的电动汽车数量。

29、a表示k×k矩阵；

30、

31、adis表示k×k矩阵；

32、

33、apre表示k×k矩阵；

34、

35、a1为第1个电量等级由充电转为放电状态的电动汽车数量占比，即概率；r(τ)表示采样时刻τ时不同用电量等级内处于放电状态的电动汽车数量的向量，r(τ)＝[r1(τ) r2(τ)…… rk(τ)]t，r1(τ)、r2(τ)和rk(τ)分别表示采样时刻τ时处于用电量等级1、2、k内的保持放电状态的电动汽车数量，

36、b表示k×k矩阵

37、

38、bch表示k×k矩阵

39、

40、bpre表示k×k矩阵；

41、

42、其中b1为第1个电量等级由放电转为充电状态的电动汽车数量占比，及概率；pmax为充电桩的最大充电功率，δx表示电动汽车电量的变化量；u(t-1)表示调度时刻t-1对应的充电功率系数，ω(τ)表示采样时刻τ时闲置状态电动汽车数量的变化量，ω(τ)＝[ω1(τ) ω2(τ) …… ωk(τ)]t，ω1(τ)、ω2(τ)和ωk(τ)分别表示采样时刻τ时处于用电量等级1、2、k内的闲置状态电动汽车数量的变化量；

43、pc(τ)表示采样时刻τ时聚合模型输出的电动汽车负荷，c为1×k行向量，c＝[pmaxpmax …… pmax]。

44、进一步的，步骤s5包括：

45、步骤s501：根据目标调度功率和每个采样时刻的电动汽车负荷的差值，采用滑模控制方法，利用公式确定下一个调度时刻的充电功率系数；

46、其中，u(t)和u(t-1)分别表示调度时刻t和调度时刻t-1对应的充电功率系数；

47、η(τ)表示充电效率，pt(t)表示调度时刻t的目标调度功率，为下发调节任务的变化率，为电动汽车数量的变化率；pmax表示充电桩的最大充电功率，n(t)表示聚合电动汽车的数量；

48、e(τ)表示目标调度功率和聚合模型输出的电动汽车负荷的差值，sat(.)表示第一分段函数，τ表示时间变量，sgn(·)表示符号函数，ε表示误差边界值；

49、projut[θ]表示第二分段函数，

50、表示中间变量，umin和umax分别表示充电功率系数的最小值和最大值。

51、本技术优点在于：

52、本发明提出一种基于马尔科夫链的电动汽车集群充放电管控方法建立电动汽车、聚合商、负荷云三方的网络架构，电动汽车有三种模式：充电模式、放电模式和闲置模式；根据用户充电功率范围与放电功率范围，确定电动汽车调节潜力；基于三种状态，建立电动汽车聚合模型，根据马尔科夫链预测电动汽车间的状态切换；采用滑模控制方法，调节所有电动汽车聚合组，确保任务量与电动汽车聚合组的总功率之差为零，完成清洁能源消纳，提高清洁能源利用率，保证电网的稳定运行。