一种计及碳电耦合与动态集群的EV分类协同调度方法及系统

本发明涉及协同调度，特别是涉及一种计及碳电耦合与动态集群的ev分类协同调度方法及系统。

背景技术：

1、随着新型电力系统建设的推进以及分布式光伏等可再生能源在微电网中的大规模接入，系统净负荷波动特征日益显著。在未配置独立固定储能系统（energy storagesystem，ess）的微网场景下，规模化接入ev作为具备双向充放电能力的柔性移动储能资源，正逐渐成为平抑电网波动、促进新能源就地消纳的关键支撑。为了有效管理和调用海量ev资源，v2g协同优化调度技术被广泛应用，其核心是通过价格或指令机制引导ev集群调整充放电行为，以匹配电网的运行需求。

2、在现有的车网互动实现方案中，针对ev的调度架构主要包含集中式聚合与去中心化响应两类基础范式。在集中式聚合方案中，通常由聚合商或微网控制中心收集区域内所有ev的电池状态、充放电功率边界与出行约束，建立混合整数线性规划（mixed integerlinear programming，milp）等全局优化模型，统一生成并下发充放电策略；在去中心化响应方案中，微网调度中心主要通过发布分时电价等经济激励信号，由各ev内置的代理模型基于自身用电成本最小化目标进行分散式的自主响应。近年来，部分方案也开始尝试将两类架构结合，通过主从博弈或双层规划模型实现控制权的初步分配。在具体的聚合调控与底层调度功率分配层面，现有的最优资源分配机制大多采用基于单一维度的优先级排序或贪心算法。当聚合商面临电网下发的实时调度指令时，其常规的处理逻辑为：构建单一维度的目标函数，系统按照排序得分从高到低，依次调用电量最充足或成本最低的车辆群体参与响应，直至满足电网的功率缺额。此外，在激励分布式光伏消纳方面，现有的常规机制现有的常规机制主要依赖于单一的负荷匹配杠杆，以期实现光伏电量的负荷侧跟随与消纳。

3、但上述技术方案的现有传统车网互动调度如集中式全局寻优等依赖海量节点的统一信息收集，在具有规模化接入且车辆状态各异的运行场景中，常出现维数灾难与通信瓶颈，导致计算时间过长，难以支撑对微网波动的实时精准响应。为此，相关研究还提出了去中心化的自主需求响应方法，使车辆基于微网需求信号自行决定充放电策略。然而，去中心化方案虽能降低算力等开销，但在无独立固定储能配置、仅依靠电动汽车作为唯一灵活调节资源的微网场景下，若缺乏硬性的集中管控与兜底手段，极易导致削峰填谷指令执行不到位，进而引发微网功率失配的安全风险；另一方面，现有调度引导机缺乏针对绿电消纳的量化指标，难以在光伏大发期有效调动车辆的主动充电响应；同时，多数方案在执行聚合调度分配时，依赖车辆荷电状态或边际成本进行单一维度的贪心排序，导致电池状态优良的节点被频繁深度调用，极易加速单车电池衰减的过度磨损效应。在保障全局可用运力方面，传统绝对优先级排序缺乏宏观的容错与配额约束机制，导致新接入或初始得分偏低的车辆长期丧失调度机会，系统在计算效率、电池寿命保护与集群参与公平性之间难以兼顾。

技术实现思路

1、为了解决上述现有技术存在的问题，本发明的目的是提供一种计及碳电耦合与动态集群的ev分类协同调度方法及系统，使用“灵活先导响应+固定聚合兜底”架构提高调度计算效率与指令执行的确定性；引入动态碳排放因子与负荷匹配系数耦合信号，形成主动消纳与集群晋升流程，提升光伏大发期的低碳消纳能力；为防止单一指标排序导致的高分车辆过度损耗及新用户流失，引入多维动态分级与防饿死机制，并设计带溢出补偿的阶梯式配额调度算法，通过强制抽样配额保障长尾集群的调度机会，结合溢出差额自适应向上转移机制，使功率分配能够随实时物理容量状态动态匹配，从而达到在无独立储能微网环境中提升调控指令可靠性、降低优质电池过度磨损并消除阶层固化的效果，实现算力降维与低碳响应的协同优化，为新型电力系统下的车网互动精细化管控提供更为公平、可靠的技术基础。

2、为实现上述目的，本发明提供了如下方案：

3、一种计及碳电耦合与动态集群的ev分类协同调度方法，包括：

4、采集微网内的历史基础负荷数据与光伏等分布式电源的历史出力数据，并封装为环境状态观测向量；

5、基于灵活签约ev智能体利用所述环境状态观测向量构建状态空间和动作空间，用以设置综合收益函数，根据所述综合收益函数进行智能体模型的迭代寻优，输出最优充放电功率曲线，并计算实时净负荷缺额功率；

6、通过固定签约ev聚合商在设定周期对全网固定签约车辆进行全局静态的数据复盘与集群重构，得到不同优先级的调度集群，并利用所述实时净负荷缺额功率对各调度集群进行宏观功率配额的下达与修正，形成最终执行配额，同时下发充放电功率指令，直至当前分配的总功率累计达到各调度集群的最终执行配额。

7、可选地，所述环境状态观测向量包括：

8、基于所述历史基础负荷数据与所述历史出力数据对未来调度周期的功率进行预测，输出目标未来时段的光伏预测功率，同时对非ev基础负荷进行时序建模，输出目标未来时段的基础负荷预测值；

9、利用所述光伏预测功率和所述基础负荷预测值计算微网在目标未来时段的初始净负荷，并结合上级电网的基准运行状态，生成动态负荷匹配系数；

10、根据微网的网络拓扑与潮流分布，计算微网内节点在目标未来时段的节点碳势，对所述节点碳势进行加权平均化处理，得到整个微网区域在目标未来时段的动态碳排放因子；

11、将所述动态负荷匹配系数、所述动态碳排放因子以及全局低碳导向因子封装为所述环境状态观测向量。

12、可选地，设置所述综合收益函数包括：

13、；

14、；

15、；

16、；

17、；

18、其中，为综合收益函数，为电网负荷匹配增益，为低碳消纳控制增益，为电池物理损耗惩罚项，为里程焦虑惩罚项，为智能体在时段决策的充放电功率，为动态负荷匹配系数，为充放电时间，为微网调度中心下发的动态碳排放因子，为电网基准碳排放因子，为全局低碳导向因子，为车辆当前荷电状态，为预期离网时间，为期望的离网目标电量，、为权重系数。

19、可选地，计算所述实时净负荷缺额功率包括：

20、将所述最优充放电功率曲线与初始净负荷进行叠加，计算出本时段最终的实时净负荷缺额功率：

21、；

22、其中，为本时段最终的实时净负荷缺额功率，当时，表明灵活ev的自主充电仍未完全消纳光伏，微网内存在余量，需要聚合商组织固定ev进行聚合充电，当，表明灵活ev响应后电网仍存在供电缺口，需要聚合商组织固定ev进行聚合放电，为最优充放电功率曲线，为微网初始净负荷。

23、可选地，通过固定签约ev聚合商在设定周期对全网固定签约车辆进行全局静态的数据复盘与集群重构包括：

24、通过所述固定签约ev聚合商提取固定签约车辆池中各车辆在设定周期内的运行日志数据，并提取所述运行日志数据中核心评价维度的物理量；所述物理量包括：历史碳减排量、响应参与度和电池健康度；

25、将所述物理量转化为归一化指标，并引入基于条件分支触发的动态奖惩因子计算每辆固定签约ev的最终综合得分；

26、对全网所有固定签约ev的最终综合得分进行降序排列，并利用设定的分数阈值或比例阈值将车辆名单切割划分为所述不同优先级的调度集群；所述调度集群包括：核心调度集群、常规调度集群和备用调度集群。

27、可选地，计算每辆固定签约ev的最终综合得分包括：

28、；

29、其中，为每辆固定签约ev的最终综合得分，为正向奖励因子，若检测到车辆处于连续3天在线但未被系统抽中参与调度的状态，则触发磨损均衡补偿机制，赋予其正向奖励因子，为负向惩罚因子，若检测到车辆连续3次拒绝或中断系统既定的调度指令，则触发失信惩罚机制，赋予其负向惩罚因子，、、分别为历史碳减排量、响应参与度和电池健康度对应的归一化指标，为预设的客观权重系数，满足，用于平衡低碳贡献、调度可靠性与电池物理安全之间的重要度。

30、可选地，形成所述最终执行配额包括：

31、通过车联网网关轮询全网固定签约ev的当前物理状态，并剔除当前未插枪在线、发生故障，或者当前荷电状态不大于第一目标阈值且处于放电需求，当前荷电状态不小于第二目标阈值且处于充电需求的车辆，得到过滤后的实时可用车辆池；

32、对所述过滤后的实时可用车辆池分别累加计算核心调度集群、常规调度集群和备用调度集群在此时段的最大物理可用响应功率，并引入阶梯式的基础调度比例矩阵将此时段的总缺额功率按比例分解，得到初始目标配额；所述初始目标配额包括：核心集群初始配额、常规集群初始配额和备用集群初始配额；

33、利用所述最大物理可用响应功率和所述初始目标配额进行溢出补偿机制的核校与指标转移，获得所述最终执行配额。

34、可选地，获得所述最终执行配额包括：

35、备用调度集群核校：对所述备用调度集群在此时段的最大物理可用响应功率与所述核心集群初始配额进行比较，若所述备用调度集群在此时段的最大物理可用响应功率不小于所述核心集群初始配额，则证明所述备用调度集的实际执行配额无溢出，若所述备用调度集群在此时段的最大物理可用响应功率小于所述核心集群初始配额，则证明所述备用调度集无法满足需求，所产生的第一差额容量将被提取，并向上叠加至所述常规调度集群的任务中；

36、常规调度集群核校：若存在所述第一差额容量，则利用所述第一差额容量更新所述常规集群初始配额，并对所述常规调度集群在此时段的最大物理可用响应功率与更新后的常规集群初始配额进行比较，若所述常规调度集群在此时段的最大物理可用响应功率不小于所述更新后的常规集群初始配额，则证明所述常规调度集群的实际执行配额无溢出，若所述常规调度集群在此时段的最大物理可用响应功率小于所述更新后的常规集群初始配额，则证明所述常规调度集群的实际执行配额无法满足需求，所产生的第二差额容量将被提取，并继续向上叠加至所述核心调度集群的任务中；

37、核心调度集群核校：若存在所述第二差额容量，则利用所述第二差额容量更新所述核心集群初始配额，并对所述核心调度集群在此时段的最大物理可用响应功率与更新后的核心集群初始配额进行比较，若所述核心调度集群在此时段的最大物理可用响应功率不小于所述更新后的核心集群初始配额，则证明所述核心调度集群的实际执行配额无溢出，若所述核心调度集群在此时段的最大物理可用响应功率小于所述更新后的核心集群初始配额，则证明所述核心调度集群的实际执行配额无法满足需求，所产生的第三差额容量将被提取，并触发二次全局回填机制：

38、当所述第三差额容量大于目标阈值时，则将未完成的指标闭环回填给具有剩余容量的集群，若所述常规调度集群的剩余容量有剩余，则优先填补；若所述常规调度集群已满或填补后仍有缺口，则将剩余缺口继续向下叠加给所述备用调度集群的剩余容量，获得所述最终执行配额，若经过闭环回填后的极限差额容量依然大于底层所有剩余容量之和，则表明微网下达的调度指令已超出当前固定签约ev集群的物理响应极限，并基于所述固定签约ev聚合商下发全容量满载指令，并将无法平抑的最终缺口实时上报至微网调度中心。

39、可选地，下发所述充放电功率指令，直至当前分配的总功率累计达到各调度集群的最终执行配额包括：

40、在各调度集群内部调取各车辆节点的最终综合得分，以所述最终综合得分从高到低进行降序排列，生成集群内部的绝对调度执行序列；

41、根据所述绝对调度执行序列自上而下依次向各车辆节点下发达到其物理极限边界的充放电功率指令，直至当前分配的总功率累计达到各调度集群的最终执行配额，并在完成充放电调度动作后，计算因放电产生的电池物理老化参量、单次调度的阶梯式超额损耗补贴和每辆固定签约ev最终获得的动态协同激励积分，用以更新固定签约车辆节点的综合评价积累值。

42、为实现上述目的，本发明还提供了一种计及碳电耦合与动态集群的ev分类协同调度系统，包括：

43、观测向量封装模块，用于采集微网内的历史基础负荷数据与光伏等分布式电源的历史出力数据，并封装为环境状态观测向量；

44、收益函数设计模块，用于基于灵活签约ev智能体利用所述环境状态观测向量构建状态空间和动作空间，用以设置综合收益函数；

45、缺额功率获取模块，用于根据所述综合收益函数进行智能体模型的迭代寻优，输出最优充放电功率曲线，并计算实时净负荷缺额功率；

46、协同调度模块，用于通过固定签约ev聚合商在设定周期对全网固定签约车辆进行全局静态的数据复盘与集群重构，得到不同优先级的调度集群，并利用所述实时净负荷缺额功率对各调度集群进行宏观功率配额的下达与修正，形成最终执行配额，同时下发充放电功率指令，直至当前分配的总功率累计达到各调度集群的最终执行配额。

47、本发明的有益效果为：

48、本发明有效化解算力维数灾难，提升调度执行可靠性：双轨解耦架构避免了海量无序节点直接纳入全局优化求解矩阵所引发的通信延迟与算力爆炸；同时，固定聚合兜底机制弥补了纯去中心化响应带来的不确定性，确保了微网实时缺额功率的绝对平抑。

49、本发明杜绝过度磨损，打破集群阶层固化：综合soh与防剥削加分机制，从物理调控源头上防止了电池状态良好的单一优质车辆被高频深度调用；保障了系统整体电池资产的磨损均衡与寿命延长，维护了微网用户的长期粘性。

50、本发明破解调度“马太效应”，兼顾物理硬约束与系统公平性：创新的溢出补偿配额算法既强制赋予了低优/新注册车辆接单的机会，又通过差额自适应向上转移机制，保证了在部分车辆电量不足时，微网总体调峰指令仍能被高优先级集群足额满足，增强了系统鲁棒性。

51、本发明实现碳电激励闭环，提升用户低碳互动意愿：动态碳因子的引入将光伏就地消纳潜力转化为了可见的收益；而底层非线性加权的状态积分更新与阶梯式物理损耗算法豁免，用统一的数学映射函数替代了极度复杂的大规模电池阵列物理疲劳硬约束方程，利用算法层面的积分反馈机制引导边缘硬件节点主动优化自身的充放电行为，为海量分布式车网互动的规模化协同提供了高鲁棒的自动化控制范式。