一种微电网下考虑分布式电源消纳的电动汽车互动响应控制方法

摘要

一种微电网下考虑分布式电源消纳的电动汽车互动响应控制方法，包括如下步骤：S1：将一天连续24h的时间进行离散化处理；S2：由充放电设施记录新入网电动汽车的电池信息和客户充电需求信息，并令初始时段为接入时段；S3：读入当前时刻负荷信息；S4：光伏出力预测；S5：基于光伏出力与负荷供需情况、结合实时电价与倾斜阻塞率发展虚拟电价机制；S6：在虚拟电价的引导下转换最大化光电消纳目标，求解目标函数，制定时长T内电动汽车充放电计划；S7：当前时段下各电动汽车根据控制策略进行用电、闲置或放电操作，更新预测模型信息并将控制信息上传；S8：重复S3～S7直至车辆离开充电设施。本发明光电消纳水平较高、控制效果较好。

主权项

一种微电网下考虑分布式电源消纳的电动汽车互动响应控制方法，其特征在于：所述控制方法包括以下步骤：步骤1：将一天连续24h的时间进行离散化处理，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；步骤2：当电动汽车接入第l(l＝1,2,...,n，以下简称电动汽车l)号充放电设施时，充电设施读取电动汽车接入时间，电池的初始状态S_0,l，且0≤S_0,l≤1；步骤3：车主输入车辆l的预期离开时间T_out,l以及离开时期望的荷电状态S_E,l，且有0≤S_E,l≤1；步骤4：若电动汽车l持续入网的时长大于将电动汽车l的电池充电至期望电量水平所需的最短时长，则执行步骤5，否则让用户自主选择是否进行修改信息，若用户同意执行修改则跳至步骤3，若用户拒绝执行修改则放弃该用户；步骤5：令初始时段k为车辆接入充电设施的时段；步骤6：读入当前时刻负荷信息，并选择动态优化区间T，根据已有的光伏输出功率的研究结论，以当前时段的光伏出力为起始值，预测未来T时段内的光伏出力；步骤7：基于当前时段微电网内分布式光伏出力与负荷之间的供需情况、结合实时电价与倾斜阻塞率IBR发展了虚拟电价机制，过程如下，步骤7‑1：实时电价机制RTP与系统净负荷关系如下：${\mathrm{RTP}}_k=a_k{L}_l^k+b_k---\left(1\right)$$L_l^k=(P_B^k+L_{EV}^{l,k}+P_{ESS}^k-P_{PV}^k)\Delta t---\left(2\right)$$L_{EV}^{l,k}=\underset{i\in M_{l-1}}{\Sigma }{P}_i^k---\left(3\right)$式中：RTP_k为k时段的实时电价；为电动汽车l接入时，k时段的微电网系统净负荷；a_k、b_k为实时电价系数，在不同的时间段取不同的值，取决于用户的需求动态；为系统基本负荷，即该微电网中除电动汽车集群负荷之外的所有电力负荷；为储能系统在k时段的充放电功率；为k时段的光伏出力功率；表示车辆l接入微电网时，充放电计划制定已完成的车辆集群负荷；M_l‑1表示车辆l接入微电网时，充放电计划已完成的车辆结合；步骤7‑2：本发明在IBR中设置三种电价等级：${\mathrm{IBR}}_k=\left\{\begin{array}{cc}{x}_k,& 0\le L_l^k\le {\delta }_k^1\\ y_k,& {\delta }_k^1\le L_l^k\le {\delta }_k^2\\ z_k,& L_l^k\ge {\delta }_k^2\end{array}\right.---\left(4\right)$式中，与为不同电价等级之间的界限；x_k、y_k与z_k为三个等级下的电价，具体计算方法如下：$\left\{\begin{array}{c}{x}_k={\mathrm{RTP}}_k\\ y_k={\lambda }_1*x_k\\ z_k={\lambda }_2*x_k\end{array}\right.---\left(5\right)$式中，λ₁与λ₂为不同等级下的价格倍率，并且λ₂＞λ₁＞1；步骤7‑3：综上所述，虚拟电价的计算方式为：$pr\left(L_l^k\right)=\left\{\begin{array}{cc}{\mathrm{RTP}}_{re},& L_l^k\le 0\\ {\mathrm{RTP}}_k,& 0<L_l^k\le {\delta }_k^1\\ {\lambda }_1*{\mathrm{RTP}}_k,& {\delta }_k^1<L_l^k\le {\delta }_k^2\\ {\lambda }_2*{\mathrm{RTP}}_k,& L_l^k>{\delta }_k^2\end{array}\right.---\left(6\right)$式中，时，意味着可再生能源出力过剩，此时，多余的光伏发电量向上级电网倒送，RTP_re为单位电量的倒送价格；步骤8：在虚拟电价的引导下转换最大化光电消纳目标，制定时长T内电动汽车充放电计划，其目标函数的制定过程如下，基于步骤7所述的虚拟电价模型、以充放电虚拟总成本最小为目标对其进行动态规划：$\min V_l=\underset{k=1}{\overset{J}{\Sigma }}{X}_l^k=\underset{k=1}{\overset{J}{\Sigma }}pr\left(L_l^k\right)P_l^k\Delta t---\left(7\right)$式中，V_l为电动汽车l的虚拟总成本；P_l^k为k时段电动汽车l与微电网的交换功率，P_l^k＞0表示车辆l的充电功率；P_l^k＜0表示放电功率；P_l^k＝0表示处于闲置状态，EV动力电池模型和约束条件为：$S_l^k=S_l^{k-1}+P_l^k{\eta }_{EV}\Delta t/Q_{EV,l}---\left(8\right)$$S_{EV,min}\le S_l^k\le S_{EV,max}---\left(9\right)$‑P_EV,d≤P_l^k≤P_EV,c    (10)$S_{0,l}+\frac{\underset{k=1}{\overset{J}{\Sigma }}{P}_l^k{\eta }_{EV}\Delta t}{Q_{EV,l}}\ge S_{E,l}---\left(11\right)$${\eta }_{EV}=\left\{\begin{array}{cc}{\eta }_c,& P_l^k\ge 0,\\ 1/{\eta }_d,& P_l^k<0.\end{array}\right.---\left(12\right)$式中，分别为车辆l在k时段和k‑1时段的电池SOC；Q_EV,l为车辆动力电池容量；S_EV,max、S_EV,min分别为动力电池SOC的上、下限；η_EV表示电池功率交换效率，与功率交换方向有关，如式(12)所示；η_c、η_d分别表示充、放电效率；还需考虑微电网系统功率平衡约束和倒送功率约束其式为：$P_{pv}^k+P_{grid}^k=P_B^k+\underset{l=1}{\overset{L}{\Sigma }}{P}_l^k+P_{ESS}^k---\left(13\right)$$P_{gridout}\le P_{gridout}^{\max }---\left(14\right)$式中，表示k时段微电网与大电网的交互功率，为微电网的倒送功率；为倒送功率允许的最大值；步骤9：在当前时段，各电动汽车根据控制策略进行具体的用电、闲置或放电操作，同时，更新预测模型信息并将控制信息上传至电能公共服务平台；步骤10：当进入新时段时重复步骤6～9直至车辆离开充电设施。