一种电动汽车参与电网调峰的多目标优化调度方法及系统与流程

摘要: 本发明属于电力系统优化调度,更具体地,涉及一种电动汽车参与电网调峰的多目标优化调度方法及系统。背景技术:1、电网负荷峰谷差持续扩大、运行波动性加剧,传统调峰资源...
一种电动汽车参与电网调峰的多目标优化调度方法及系统与流程

本发明属于电力系统优化调度,更具体地,涉及一种电动汽车参与电网调峰的多目标优化调度方法及系统。

背景技术:

1、电网负荷峰谷差持续扩大、运行波动性加剧,传统调峰资源的柔性调节能力不足,已成为制约电网安全稳定运行的关键瓶颈。电动汽车规模化接入与车网互动(v2g)技术的快速发展,使其成为破解电网调峰困境、提升系统柔性调节能力的重要分布式资源。

2、然而,当前电动汽车参与电网调峰仍面临诸多技术难题。其一,电动汽车用户响应行为具有显著不确定性,自主决策与不完全响应特性突出,传统调度模型难以精准刻画用户行为随机性,导致调度方案与实际运行场景偏差较大;其二,电网运行稳定性、用户调峰收益、电池使用寿命三大目标存在天然冲突,现有研究多聚焦单一或双重目标优化,缺乏三者协同优化的完整框架,且对电池退化成本的量化精细化程度不足;其三,电动汽车集群调度涉及电池荷电状态、充放电功率、用户出行需求、电网潮流平衡等多维度约束,现有方法多孤立处理各类约束,未充分考虑约束间耦合作用规律;其四,传统智能算法在大规模电动汽车集群调度场景中适配性不足,面对高维变量时易出现收敛速度慢、非支配解分布不均等问题,求解效率与精度难以满足工程应用需求。

3、因此,构建一种可量化用户响应不确定性、兼顾多目标协同优化、适配大规模集群调度的优化调度方法及系统,成为推动电动汽车参与电网调峰规模化应用的重要研究方向。

技术实现思路

1、为解决现有技术中存在的不足,本发明提供一种电动汽车参与电网调峰的多目标优化调度方法及系统,能够在量化用户响应不确定性的基础上,将响应潜力由前置筛选环节进一步耦合至调度优化目标和算法搜索过程,减少低响应潜力车辆被简单剔除或等同处理造成的收益偏差,提升大规模电动汽车集群调峰调度的可执行性、求解效率与精度。

2、本发明采用如下的技术方案。

3、本发明第一方面提出了一种电动汽车参与电网调峰的多目标优化调度方法,包括:

4、选择电动汽车多维度的评估指标,引入概率区间犹豫模糊元,计算每辆电动汽车的每个指标和理想解之间的改进距离,通过改进距离计算对应指标的贴近度,并将每辆电动汽车所有指标的贴近度加权求和得到综合响应潜力得分;

5、基于调峰需求、车辆可用容量和所有电动汽车的综合响应潜力得分分别计算核心调度车辆数和缓冲调度车辆数;

6、将电动汽车按照综合响应潜力得分从大到小排序,筛选出前辆电动汽车为核心调度车辆,再筛选出其他电动汽车中的前辆电动汽车为缓冲调度车辆,未被筛选出的电动汽车为不可调度车辆;设定核心调度车辆、缓冲调度车辆和不可调度车辆的响应潜力修正系数;

7、以基于响应潜力修正的用户调峰收益最大化、电网负荷波动最小和电池退化成本最小化为优化目标,构建电动汽车参与电网调峰的多目标优化调度模型;

8、采用改进多目标蚁群算法对多目标优化调度模型进行求解,得到每辆电动汽车各时段的充放电功率,按照充放电功率进行对应调度。

9、优选地,选择电动汽车多维度的评估指标,具体为:

10、维度包括物理资源、社会行为和电网互动;物理资源维度的指标包括电池容量和电池健康度;社会行为维度的指标包括用户用车频率和响应接受度;电网互动维度的指标包括最近充电设施距离和电网运行稳定性。

11、优选地,引入概率区间犹豫模糊元,计算每辆电动汽车的每个指标和理想解之间的改进距离,具体为:

12、构建每辆电动汽车的每个指标的概率区间犹豫模糊元,且对于每个指标设定正理想概率区间犹豫模糊元和负理想概率区间犹豫模糊元;计算每个犹豫模糊元的犹豫度;

13、计算每辆电动汽车的每个指标的概率区间犹豫模糊元与正理想概率区间和负理想概率区间犹豫模糊元之间的改进距离作为第一改进距离和第二改进距离;

14、将每个指标的概率区间犹豫模糊元和正或负理想概率区间犹豫模糊元之间的改进距离为:对于每个隶属度区间,计算对应指标的概率区间犹豫模糊元的对应隶属度区间的下界与发生概率之积,减去对应理想概率区间犹豫模糊元的对应隶属度区间的下界与发生概率之积,将相减结果的绝对值作为下界差值;

15、计算对应指标的概率区间犹豫模糊元的对应隶属度区间的上界与发生概率之积,减去对应理想概率区间犹豫模糊元的对应隶属度区间的上界与发生概率之积,将相减结果的绝对值作为上界差值;

16、将所有隶属度区间的下界差值和上界差值叠加后除以2,将相除结果加上设定的犹豫度权重系数与犹豫度之积,得到对应指标的概率区间犹豫模糊元和对应理想概率区间犹豫模糊元之间的改进距离。

17、优选地,计算每个犹豫模糊元的犹豫度,具体为:

18、对于每个犹豫模糊元,计算每个隶属度区间的上界与下界之差乘以上界与下界之和,再将除以2得到对应隶属度区间的第一项;将对应隶属度区间的上界与下界之和除以2,再乘以对应隶属度区间的发生概率得到第二项;将第一项减去第二项得到对应隶属度区间的犹豫度;将对应犹豫模糊元的所有隶属度区间的犹豫度的平均值作为对应犹豫模糊元的犹豫度。

19、优选地,通过改进距离计算对应指标的贴近度,并将每辆电动汽车所有指标的贴近度加权求和得到综合响应潜力得分,具体为:

20、对于每个指标,计算第二改进距离除以第一改进距离、第二改进距离和防零除小数之和,得到对应指标的贴近度;

21、通过熵权法计算得到每个指标的权重;将每辆电动汽车所有指标的贴近度按照对应的权重加权求和得到综合响应潜力得分。

22、优选地,基于调峰需求、车辆可用容量和所有电动汽车的综合响应潜力得分计算核心调度车辆数和缓冲调度车辆数,具体为:

23、计算所有电动汽车的综合响应潜力得分的评均值和标准差分别作为区域电动汽车集群的平均响应潜力和响应离散程度;

24、将单车平均可用调峰功率乘以平均响应潜力,再乘以车辆接入可用率,将相乘结果加上防零除小数,得到单车预估调峰功率;将调度周期内电网调峰需求功率除以单车预估调峰功率,得到调峰预估车辆数;将不确定性裕度系数乘以电动汽车总数,再乘以响应离散程度,将相乘结果除以平均响应潜力与防零除小数之和,得到裕度车辆数;

25、将调峰预估车辆数加上裕度车辆数得到核心调度车辆数,若核心调度车辆数大于电动汽车总数,则将核心调度车辆数修正为电动汽车总数;

26、将缓冲车辆系数乘以核心调度车辆数,再乘以响应离散程度,将相乘结果除以平均响应潜力与防零除小数之和,得到缓冲调度车辆数;

27、若缓冲调度车辆数大于电动汽车总数与核心调度车辆数之差,则将缓冲调度车辆数修正为电动汽车总数与核心调度车辆数之差。

28、优选地,设定核心调度车辆、缓冲调度车辆和不可调度车辆的响应潜力修正系数,具体为:

29、核心调度车辆的响应潜力修正系数为1;不可调度车辆的响应潜力修正系数为0,不可调度车辆不参与后续调峰,保持原有充电行为;

30、将所有核心调度车辆的综合响应潜力得分中的最小值减去所有电动汽车的综合响应潜力得分中的最小值,再加上防零除小数作为归一化系数;

31、对于每辆缓冲调度车辆,将对应缓冲调度车辆的综合响应潜力得分减去所有电动汽车的综合响应潜力得分中的最小值,将相减结果除以归一化系数,得到响应潜力修正项;将对应缓冲调度车辆的犹豫度与1之和的倒数作为犹豫度修正项;

32、将响应潜力修正项乘以犹豫度修正项得到对应缓冲调度车辆的响应潜力修正系数。

33、优选地,基于响应潜力修正的用户调峰收益最大化,具体为:

34、对于核心调度车辆和缓冲调度车辆,对应车辆每个时刻的放电功率减去充电功率,得到对应车辆对应时刻的响应功率;将响应功率乘以响应潜力修正系数得到实际有效响应功率;

35、将实际有效响应功率大于0,则对应的实际有效响应功率为对削峰方向产生贡献的有效响应功率;

36、对于每个电动汽车的每个时刻,将对削峰方向产生贡献的有效响应功率乘以调峰响应激励价格作为调峰激励收益;将对应时刻的放电功率乘以响应潜力修正系数再乘以v2g放电补偿价格得到v2g放电补偿收益;将对应时刻的充电功率乘以充电电价得到充电成本;用1减去响应潜力修正系数,将相减结果的平方乘以不完全响应惩罚系数再乘以响应功率的绝对值得到不完全响应惩罚;

37、将调峰激励收益加上v2g放电补偿收益,减去充电成本,再减去不完全响应惩罚,将相减结果乘以单个调度时段的时长得到对应电动汽车的对应时刻的收益;所述单个调度时段的时长为两个相邻时刻之间的间隔时长;

38、将所有电动汽车所有时刻的收益叠加得到用户调峰收益。

39、优选地,电网负荷波动最小和电池退化成本最小化,具体为:

40、统计所有调峰为削峰的时刻,以及对应时刻削峰后的电网总负荷;计算每个时刻削峰后的电网总负荷与调度周期内削峰后的电网总负荷的平均值之差的平方作为对应时刻的负荷波动;将调度周期内所有时刻的负荷波动叠加后除以调度周期内所有时刻的总数与1之差,将相除结果开根号得到电网负荷波动;

41、对于所有电动汽车,将每辆电动汽车的电池退化成本系数乘以每个时刻的电动汽车的充放电功率的绝对值,再乘以单个调度时段的时长等于对于电动汽车对应时刻所处调度时段的退化成本;将所有电动汽车所有时刻所处调度时段的退化成本叠加得到电池退化成本。

42、本发明第二方面提出了一种基于本发明第一方面所述方法的电动汽车参与电网调峰的多目标优化调度系统,包括综合响应潜力得分计算模块、可调度车辆选择模块、响应潜力修正系数设置模块、调度模型构建模块和调度优化模块,具体为:

43、综合响应潜力得分计算模块:用于选择取电动汽车多维度的评估指标,引入概率区间犹豫模糊元,计算每辆电动汽车的每个指标和理想解之间的改进距离,通过改进距离计算对应指标的贴近度,并将每辆电动汽车所有指标的贴近度加权求和得到综合响应潜力得分;

44、可调度车辆选择模块:用于基于调峰需求、车辆可用容量和所有电动汽车的综合响应潜力得分分别计算核心调度车辆数和缓冲调度车辆数;

45、响应潜力修正系数设置模块:用于将电动汽车按照综合响应潜力得分从大到小排序,筛选出前辆电动汽车为核心调度车辆,再筛选出其他电动汽车中的前辆电动汽车为缓冲调度车辆,未被筛选出的电动汽车为不可调度车辆;设定核心调度车辆、缓冲调度车辆和不可调度车辆的响应潜力修正系数;

46、调度模型构建模块:用于以基于响应潜力修正的用户调峰收益最大化、电网负荷波动最小和电池退化成本最小化为优化目标,构建电动汽车参与电网调峰的多目标优化调度模型;

47、调度优化模块:用于采用改进多目标蚁群算法对多目标优化调度模型进行求解,得到每辆电动汽车各时段的充放电功率,按照充放电功率进行对应调度。

48、本发明的有益效果在于,与现有技术相比,通过构建三维评估指标体系,结合概率区间犹豫模糊集和基于犹豫度的改进距离测度量化用户响应不确定性,并进一步将综合响应潜力得分用于核心调度车辆集合、缓冲调度车辆集合和实际响应功率修正,使响应潜力评估不再仅作为排序筛选结果,而是直接参与后续收益计算和功率调度;构建电网负荷波动、基于响应潜力修正的用户收益、电池退化成本三维协同优化模型,整合多维度耦合约束,实现多目标均衡优化;采用基于状态转移信息素强度和目标边际贡献启发函数的改进多目标蚁群算法,提升大规模集群调度的收敛速度与解的分布均匀性。以此方式,有效平衡电网运行稳定性、用户经济收益与电池使用寿命,提升电动汽车集群调峰调度的实用性与可靠性。