微电网由高渗透率 光伏发电系统、储能系统、常规负荷和电动汽车集群构成，常规负荷和电动汽车集群的充电 负荷构成微电网总负荷，电动汽车集群由若干电动汽车构成，电动汽车既可作为充电负荷 又可作为移动储能单元向微电网供电，微电网内的高渗透率的光伏发电系统、储能系统和 作为移动储能单元时的电动汽车优先给微电网供电，富余的电量送到地区大电网，当微电 网供电不足时，再从地区大电网购电，W满足微电网总负荷的需求;其特征在于，包括W下 步骤： S1:将全天24h均分为J个时段，对于任意第k时段，有ke{l，2，.. .J}，且第k时段的时 长为At,获取光伏发电的光照强度和环境溫度信息、储能系统的蓄电池容量信息W及微电 网的常规负荷信息； S2:记录当前接入微电网的电动汽车的电池信息和客户充电需求信息； S3:根据步骤S1、S2获取的信息基于虚拟费用构建电动汽车集群的NCD博弈模型，NCD表 不非合作充放电； S4:求解所构建的NCD博弈模型，W最大化利用光伏发电为目的，获取电动汽车的最优 充放电计划，W实现微电网内电动汽车的优化调度。2. 根据权利要求1所述的一种含高渗透率光电微电网中的电动汽车优化调度方法，其 特征在于，步骤S2中用一个屯维行向量记录电动汽车的电池信息和客户充电需求信息，假 设接入微电网的电动汽车的总数为N，对于任一电动汽车1E{1，2,. . .，N}，则有： Xl - [Tin, 1, Tout, 1 ,S〇,l,SE,l,Qs,l,Pc,l,Pd,l] (1) 式中： Tin,l、TDut,l分别表示电动汽车1接入微电网的时间和预期离开微电网的时间； So,i、Se,i分别表示电动汽车1的电池的起始S0C和离开微电网时客户期望电池达到的 S0C，，S0C是荷电状态，表示电池剩余能量与电池容量的比值，且0 < S〇,i < 1、0 < Se,i < 1; Qs,i表不电动汽车1的电池容量； ?。,1、？3,1分别表示电动汽车1的额定充、放电功率。3. 根据权利要求1所述的一种含高渗透率光电微电网中的电动汽车优化调度方法，其 特征在于，所述步骤S3具体包括W下步骤： S31.W所有接入微电网的电动汽车和微电网内储能系统的蓄电池为博弈参与者，即决 策主体U={1，2,...，N，化1}，构建任一博弈参与者ieU的充放电计划模型； 对于博弈参与者之一的电动汽车1，其在全天J个时段内的充放电计划可表示如下： Pi=(Pi(l)，...，Pi(k)，...，Pi(J)) (2) 其中，Pi为电动汽车1的充放电计划;Pi化)表示第k时段，电动汽车1的充放电功率； 视电动汽车1的电池 W恒功率充放电，忽略电池自身放电的影响，建立电动汽车1的电 池模型和约束条件分别如下： Si(k)=Si化-1)+Pi化)ri(Pi(k)) At/Qs,i (3) SEV.min < Sl(k) < SEV.max (4) -Pd,i<Pi(k) <Pc,i (5)胸 其中： 式(3)是电动汽车1的电池模型，Si化-l)、Si化)分别表示电动汽车1的电池在第k-1个和 第k个时段的SOC，η (Pi化)）表示第k时段的电动汽车1的充放电效率； SEV,max、泣V,min分别为电动汽车1的电池的SOC的最大值和最小值； 式(4)、巧)分别为电动汽车1的电池的SOC的约束和充放电功率Pi化)的约束； 式(6)表示客户充电需求的约束，即电动汽车1如约离开时，电动汽车1的电池的SOC需 满足客户期望； 微电网内储能系统的蓄电池是另一个博弈参与者，可视为一类无充电负荷需求的特殊 "电动汽车"，其充放电计划和约束条件可类比于式(2)、式(4)~(5);此外，储能系统的蓄电 池需满足的等式约束为：(7) 即全天J个时段内储能系统的蓄电池的总充、放电电量需相等W满足充放电的循环，式 中巧;'(/、）、分别为储能系统的蓄电池的充、放电功率;riBc、riBd分别表示储能系统的 蓄电池的充、放电效率；532. 生成所有博弈参与者的策略空间，即生成所有博弈参与者的充放电计划集合[Pi， P2,…，Pi，···，Pn，扣+1]，其中Pi =化（1)，Pi(2)，. . .Pi化），...，Pi(J))表示博弈参与者i在J个 时段内充放电计划的集合，Pi化)表示博弈参与者i在第k个时段的充放功率;在生成策略空 间的过程中，除了考虑步骤S31中如式(4)~(7)所述的博弈参与者的运行约束外，还应考虑 微电网与地区大电网之间的关系约束，主要包括：(S) Pgridout ^ Pgridout,max (9) 式(8)表示微电网与地区大电网之间的功率传输平衡约束，其中，Ppv化)表示第k时段， 高渗透率光伏发电系统的光伏发电输出功率，Pgrid化)表示第k时段微电网与地区大电网的 交互功率，Pgrid化)〉0表示微电网从地区大电网购电，Pgrid化)<0表示微电网向地区大电网倒 送输电，Lb化)表示第k时段微电网的常规负荷； 式(9)表示微电网向地区大电网倒送输电的倒送功率约束，其中，PgridDUt表示微电网向 地区大电网倒送输电的倒送功率，PgridDUt,max为倒送功率允许的最大值； 综上，对于任一博弈参与者i的策略空间Pi可表示为： 化={Pi|constraint(2)，（4)，（5)，（6)，（7)，（8)，（9)} (10) 式（10)表示博弈参与者i的策略空间Pi包括博弈参与者i在J个时段内的充放电计划集 合W及所要满足的约束(Constraint)条件:式(2)、式(4)~式(9);533. 电动汽车和储能系统的蓄电池接入微电网后，计算博弈参与者i在J个时段内获得 的虚拟利益;首先计算所有博弈参与者i的总虚拟利益：(u) 式中： 丫 a表示总虚拟利益；丫 i表示博弈参与者i的虚拟利益； 丫化B(k)，k)=〇(LB化)-PpV化））嗦示第k时段的基本虚拟费用；丫化a(k)，k)=〇(La(k)- 时V化））2表示第k时段的总虚拟费用;其中，表示第k时段微电网总负 荷； σ表示虚拟系数，且〇〉0; 与实际电费不同，虚拟费用仅作为规划博弈参与者充放电计划的依据，用W制定各博 弈参与者的最佳充放电计划;对于任一博弈参与者i的虚拟利益Τι与博弈参与者i的充电 需求W及负荷转移能力密切相关，假设博弈参与者i的负荷转移能力与其电池容量正相关， 则博弈参与者i分享总虚拟利益的比例为：(口） 式中，ει为博弈参与者i分享总虚拟利益的比例;Eneed,i表示博弈参与者i的充电需求量； K表示正相关系数;特别地，由于接入微电网的电动汽车总数为N，因此当ie{l，2，...，N} 时，博弈参与者i指电动汽车，Eneed, i ^ 0 ;当i = N+1时博弈参与者i指储能系统的蓄电池，且 有Eneed, i = 0，Qs, i表示储能系统的蓄电池的配置容量； 根据式(11)和式(12)便可计算博弈参与者i的虚拟利益丫 i: 丫 i = Ei 丫 a (13)534. 建立用于度量博弈参与者i参与博弈后的成本或效益的效用函数;定义博弈参与 者i的虚拟利益丫 1为博弈参与者的效用函数，则博弈参与者i在充放电计划集合[Pl，P2，···， Ρ?，···，ΡΝ，ΡΝ+ι]下的效用函数Fi(Pi，Pr)表示为：式中，ΡΓ=化，P2,…，Pi-i，Pi+i，…，Pn，Pn+i]，表示除博弈参与者这外的其他所有博弈 参与者的充放电计划集合；表示第k时段微电网内除博弈 参与者i的负荷之外的其他负荷之和，其中τ表示除博弈参与者i之外的任一博弈参与者；535. 构建决策主体的NCD博弈模型，博弈模型中，所有博弈参与者都是独立的决策者， 各博弈参与者通过观察微电网的常规负荷、光伏发电输出功率W及其他博弈参与者的充放 电计划来确定自身的最优充放电计划，W最大化虚拟利益;根据步骤S31~S34建立NCD博弈 模型如下： Gncd=化，{Pi}ieu, {Fi}ieu} (15) 基于上述NCD博弈模型，所有博弈参与者均会在假定其余博弈参与者都已选最优充放 电计划的前提下选择能使其虚拟利益最大的最优充放电计划，即(16) 其中，Pi^3博弈参与者i的最优充放电计划； 在N C D博弈模型中，如果对于博弈参与者充放电计划的其中一个集合 护=巧％跨…巧％…，斬巧+1]满足如下条件：(巧） 则称该NCD博弈模型的纳什均衡，即护为各博弈参与者的最优充放电计划集合;其 中ΡΛ表示除博弈参与者i之外的其他所有博弈参与者的最优充放电计划集合。4.根据权利要求1所述的一种含高渗透率光电微电网中的电动汽车优化调度方法，其 特征在于，所述步骤S4中，基于NCD博弈模型的电动汽车的最优充放电计划求解过程具体如 下： (1) 初始化电动汽车和储能系统的蓄电池的参数、第k时段配电网常规负荷Lb化)信息和 光伏发电输出功率Ppv化）； (2) 能量管理系统实时更新该时段的微电网总负荷La化），并分享给所有博弈参与者； (3) 对于任一博弈参与者ieU，其收到微电网总负荷La化)信息后，计算出并W最 大化式(14)为目标计算得到ΡΛ (4) 如果计算得到的Pi^当前最优值比较发生变化，更新ΡΛ并将ΡΛδ馈给能量管理 系统，转至(2); (5) 重复(2)~(4)，直至结果收敛(即再发生变化），输出最优充放电计划ΡΛ 为提高NCD博弈模型收敛至纳什均衡点的速度，步骤(4)中的各参与者可采用异步更新 方式，即所有参与者不在同一时刻更新其充放电计划。
【专利摘要】一种含高渗透率光电微电网中的电动汽车优化调度方法，包括以下步骤：S1：将全天24h均分为J个时段，对于任意第k时段，有k∈{1,2,...,J}，且第k时段的时长为Δt，获取光伏发电的光照强度和环境温度信息、储能系统的蓄电池容量信息以及微电网的常规负荷信息；S2：记录当前接入微电网的电动汽车的电池信息和客户充电需求信息；S3：根据步骤S1、S2获取的信息基于虚拟费用构建电动汽车集群的NCD博弈模型；S4：求解所构建的NCD博弈模型，以最大化利用光伏发电为目的，获取电动汽车的最优充放电计划，以实现微电网内电动汽车的优化调度。
【IPC分类】H02J3/32, G06Q50/06
【公开号】CN105576684
【申请号】CN201610071449
【发明人】张有兵, 杨晓东, 任帅杰, 顾益娜, 翁国庆, 戚军, 谢路耀
【申请人】浙江工业大学
【公开日】2016年5月11日
【申请日】2016年2月1日