一种考虑风电出力波动性的电动汽车有序充电控制方法

摘要

本发明公开了一种考虑风电出力波动性的电动汽车有序充电控制方法，包括如下步骤：1）初始化当日配电网负载信息以及当日电价信息；2）读取当前时段的风电出力信息；3）充电站系统判断是否有新的电动汽车驶入充电站；4）根据该时间段内充电站电动汽车的预期停留时间，得到所有车辆停留时间的最大值t_M，并计算本次优化时间长度T；5）根据公式约束条件和系统信息，确定每辆电动汽车的充电状态x_n,j，实现电动汽车的有序充电；该方法用于电动汽车和风电同时接入电网后电动汽车的有序充电策略管理，以平抑负荷风电出力波动性为目标，电动汽车用户充电费用、峰谷差等为约束，采用优化算法，使得负荷峰谷差和用户利益最优。

主权项

一种考虑风电出力波动性的电动汽车有序充电控制方法，其特征在于包括如下步骤：1)初始化当日配电网负载信息以及当日电价信息；2)读取当前时段的风电出力信息；3)充电站系统判断是否有新的电动汽车驶入充电站，如果有，读取所有新接入电动汽车的有用数据信息，如果没有，沿用上一时间段的优化策略；4)根据该时段内充电站电动汽车的预期停留时间，得到所有车辆停留时间的最大值t_M，并计算当前时间段内电动汽车的预期停留时间段的最大值T，为小于或等于x的最大整数；5)以平抑风电出力波动性效果最优为目标，根据公式(1)、约束条件和系统信息，确定第n辆电动汽车在第j个时间段的充电状态x_n,j，实现电动汽车的有序充电：$\min f=\frac{1}{J-1}\underset{j=1}{\overset{J}{\Sigma }}{(P_j-\overline{P_a})}^2$   公式(1)约束条件：$B_{n,E}\le \underset{j=t}{\overset{T+t-1}{\Sigma }}{x}_{n,j}{b}_n+B_{n,S}\le 0.95$t_n,E≤T_n,E$\underset{n=1}{\overset{n_j}{\Sigma }}{x}_{n,j}\le N$$\underset{j=t}{\overset{T+t-1}{\Sigma }}\underset{n=1}{\overset{n_j}{\Sigma }}{x}_{n,j}{\mathrm{Pp}}_j\Delta t\le P_{total}$|P_max‑P_min|＜ΔP其中：$\overline{P_a}=\frac{1}{J}\underset{j=1}{\overset{J}{\Sigma }}{P}_j$$P_j=\left\{\begin{array}{cc}{P}_{l,j}-P_{w,j}+\underset{n=1}{\overset{n_j}{\Sigma }}{x}_{n,j}P& j\in [t,t+T-1]\\ P_{l,j}-P_{w,j}+P_{e,j}& j\in [1,t-1]\end{array}\right.$$\left\{\begin{array}{c}{P}_{\min }=\min (P_{l,j}-P_{w,j}+P_{e,j}+\underset{n=1}{\overset{n_j}{\Sigma }}{x}_{n,j}P)\\ P_{\max }=\max (P_{l,j}-P_{w,j}+P_{e,j}+\underset{n=1}{\overset{n_j}{\Sigma }}{x}_{n,j}P)\end{array}\right.$上述公式中，J为优化时间内的总时间段，j为时段值，t为当前时段值，x_n,j为第n辆电动汽车在第j个时间段的充电状态，x_n,j＝1为电动汽车正在充电，x_n,j＝0为电动汽车未充电；n为待充电的电动汽车编号，n_j为第j个时间段待充电的电动汽车总数；P为电动汽车充电功率；为J个时段电动汽车充电总功率的平均值，P_l,j为第j个时间段负荷值；P_w,j为第j个时间段风电出力功率；P_e,j为上一次优化结束后第j个时段电动汽车充电总功率，P_j为第j个时段电动汽车充电总功率；B_n,S为第n辆电动汽车当前时段的SOC数值，在T个时间段内，被充电的电动汽车的电池荷电状态应当至少达到充电开始时所需求的最终荷电状态B_n,E，同时在充满的情况下应该停止充电，为保证电池寿命，在荷电状态为0.95时认为充满；b_n为充电一个时段可增加的电池SOC数值；t_n,E为第n辆电动汽车充电结束时间；T_n,E为该电动汽车用户设定的预期充电结束时间；N为充电站内充电桩数量；p_j为第t个时间段的电价；Δt为时间间隔；T为当前时间段内电动汽车的预期停留时间段的最大值；P_total的初值设置为：若每个时段的电价都为最低时，所有参与优化的电动汽车所需要的费用，但该P_total的初值有可能由于偏小造成优化策略无解，如果无解，则P_total递加1％，直至有解；P_max和P_min分别从当日凌晨开始至当前优化时间段结束这段时间内系统负荷最大值和最小值；结合过去七天内的峰谷差值，ΔP初值定为这七天中峰谷差最小值，但该ΔP初值有可能由于偏小造成优化策略无解，如果无解，ΔP则递加1％，直至有解。