计及新能源消纳率的电动汽车与配电网协同优化调度方法与流程

摘要: 本发明涉及电力系统配电网与充电站协同优化运行,尤其涉及一种计及新能源消纳率的电动汽车与配电网协同优化调度方法。背景技术:1、随着新能源汽车产业快速发展与“双碳”...
计及新能源消纳率的电动汽车与配电网协同优化调度方法与流程

本发明涉及电力系统配电网与充电站协同优化运行,尤其涉及一种计及新能源消纳率的电动汽车与配电网协同优化调度方法。

背景技术:

1、随着新能源汽车产业快速发展与“双碳”战略深度推进,配电网中电动汽车规模化并网接入已成常态,大规模、随机性的电动汽车充放电行为给配电网安全稳定、经济运行带来全新挑战,一方面,用户日常出行习惯导致电动汽车充电负荷具有极强的随机性、集中性与时序波动性,大量车辆集中在用电晚高峰无序充电,会显著增大配电网负荷峰谷差、抬高网络损耗,极易引发线路过载、节点电压偏低等问题,恶化配电网供电质量,另一方面,风电、光伏等间歇式分布式新能源在配电网中的渗透率持续提升,新能源出力的间歇性与不确定性进一步加剧了配电网的功率波动与电压越限风险,传统配电网的负荷调节与电压调控能力难以适配新能源消纳与电动汽车大规模接入的双重运行压力;

2、区别于传统固定式无功补偿设备,依托v2g车网互动技术,电动汽车可作为规模化、移动式分布式可调储能资源,兼具负荷消纳、反向送电、功率调节等多重功能,能够灵活参与配电网负荷削峰填谷、电压优化调控与新能源消纳辅助服务,可有效平抑配电网功率波动、缩减网络损耗、缓解节点电压偏移问题,是提升主动配电网柔性调控能力、实现源网荷储协同优化运行的重要可调资源,因此,引导电动汽车有序参与配网优化调度,对提升配电网运行经济性、供电稳定性与新能源消纳能力具有重要工程价值与现实意义;

3、现有电动汽车参与配网优化调度的技术方案仍存在明显短板与不足,在优化调度方法上,现有调度策略多聚焦电动汽车充放电调度成本、配电网运行成本,以提升电动汽车充电经济性和配电网运行经济性,然而,现有策略未充分挖掘电动汽车与配电网分布式电源、储能、无功补偿设备等多元可调资源协同运行促进新能源消纳的潜力,使电动汽车充电负荷未能充分发挥促进新能源消纳的作用,造成电动汽车调节潜力的浪费。

4、因此,本发明提出一种计及新能源消纳率的电动汽车与配电网协同优化调度方法,在优化调度过程中综合考虑电动汽车与配电网各类分布式可调资源的协同运行的经济性,同时将分布式电源弃电功率、配电网负荷波动与负荷峰谷差作为核心调控目标,实现配电网与充电站多资源协同调度,在保证运行经济性的同时,达到平抑负荷峰谷差、提升消纳率的目的。

技术实现思路

1、(一)解决的技术问题

2、针对现有调控方法无法充分发挥电动汽车对新能源消纳的促进作用的问题,本发明提供一种计及新能源消纳率的电动汽车与配电网协同优化调度方法,在保证经济性的同时,提升新能源消纳率。

3、(二)技术方案

4、为实现上述目的,本发明通过以下技术方案予以实现:一种计及新能源消纳率的电动汽车与配电网协同优化调度方法,其特征在于,包括以下步骤:

5、步骤一:输入配电网网络参数、基础日负荷功率、最高充电电价和最低充电电价,给定一天24小时各整点时刻充电电价初始值,设迭代次数

k=1,记为粒子群第一次迭代;

6、步骤二:将各整点时刻的充电电价初始值传递给各充电站,各充电站采集站内电动汽车充电信息;

7、步骤三:根据电动汽车充电信息和各时刻充电电价,对各充电站内的电动汽车进行优化调度,制定各电动汽车最优充电计划,计算各充电站在各时刻的充电总功率;

8、步骤四:把各充电站在各时刻的充电总功率返回给配电网,配电网根据返回的充电总功率、配电网网络参数、基础日负荷功率进行可调设备的优化调度,计算叠加充电站充电功率后的配电网的最优潮流;

9、步骤五:根据计算得到的配电网最优潮流结果,计算配电网总负荷峰谷差、负荷波动情况和分布式电源弃电总功率;

10、步骤六:将配电网总负荷峰谷差、负荷波动情况和分布式电源弃电总功率纳入到粒子群算法的适应度函数中,引导求解出满足约束范围的24小时各整点时刻的充电电价;

11、步骤七:判断充电电价是否达到收敛条件,若是,则转步骤八,否则,令

k=

k+1,将求解得到的充电电价传递给各充电站,并转步骤三;

12、步骤八:输出电动汽车充电电价、各充电站在各时刻总充电功率、配电网各时刻的总负荷功率以及新能源消纳率。

13、作为本发明所述计及新能源消纳率的电动汽车与配电网协同优化调度方法的一种优选方案,其中:所述步骤一中配电网基础日负荷功率按整点功率输入,一日24个数据点,充电电价初始值在最高和最低充电电价范围内随机生成。

14、作为本发明所述计及新能源消纳率的电动汽车与配电网协同优化调度方法的一种优选方案,其中:所述步骤二中电动汽车充电信息包括接入电网时间、离开时间、初始荷电状态、离开时期望荷电状态、额定充电功率以及电池容量。

15、作为本发明所述计及新能源消纳率的电动汽车与配电网协同优化调度方法的一种优选方案,其中:所述步骤三中对电动汽车进行优化调度,以各电动汽车在停靠时间内满足连续充电需求以及充电费用最小为目标,且当电动汽车充电时,充电功率为额定充电功率,不充电时,充电功率为0,确定各电动汽车在各时刻的充电功率;各充电站在各时刻的充电总功率为:

16、;

17、式中,为接在节点

j的充电站在

t时刻的充电总功率,为接在节点

j的充电站内第

i辆电动汽车在

t时刻的充电功率,

m为充电站内的电动汽车总数。

18、作为本发明所述计及新能源消纳率的电动汽车与配电网协同优化调度方法的一种优选方案,其中:所述步骤四中配电网进行可调设备的优化调度,计算叠加充电站充电功率后的配电网最优潮流,优化的目标函数为:

19、;

20、式中:

coperation为配电网的日运行综合成本;

closs和

cbuy分别为配电网网损成本和配电网向主网购电成本;

cdg为分布式电源运行成本;各成本具体表示为:

21、;

22、;

23、;

24、式中:

closs为网损单位成本;为

t时刻总网损功率;

t为调度周期,取24小时;为

t时刻向主网购电的电价;为

t时刻向主网购电的总有功功率;

cdg为分布式电源的单位运行成本;ωdg为配电网中接入分布式电源的节点集合;为接入节点

i的分布式电源在

t时刻发出的有功功率;

25、优化的约束条件有:

26、1)节点功率平衡约束

27、;

28、;

29、式中:

p

jk,t和

q

jk,t分别为

t时刻流过线路

jk的有功和无功功率;

p

ij,t和

q

ij,t分别为

t时刻流过线路

ij的有功和无功功率;

l

ij,

t为

t时刻流过

ij支路电流的平方;

r

ij和

x

ij分别表示线路

ij的电阻和电抗;为接入节点

j的分布式电源在

t时刻的出力;表示接在节点

j的充电站在

t时刻的充电总功率;和分别为

t时刻节点

j的基础负荷的有功功率和无功功率;表示接在节点

j的静止无功补偿器在

t时刻的出力;

30、2)线路潮流约束

31、;

32、;

33、;

34、;

35、式中:

u

i,

t为

t时刻节点

i的电压的平方;和分别为支路

ij允许流过的有功功率的下限和上限;和分别为支路

ij允许流过的无功功率的下限和上限;为支路

ij允许流过的最大电流;

36、3)节点电压约束

37、;

38、;

39、 式中:

u

j,

t为

t时刻节点

j的电压的平方;

u

i,max和

u

i,min分别表示节点

i的电压上限和下限;

40、4)分布式电源出力约束

41、;

42、式中:为接入节点

i的分布式电源在

t时刻的实际出力;和分别为接入节点

i的分布式电源在

t时刻的出力下限和上限;

43、5)静止无功补偿器运行约束

44、;

45、式中:表示接在节点

i的静止无功补偿器在

t时刻的出力;为接入节点

i的静止无功补偿器的容量;

46、6)配电网功率不倒送约束

47、;

48、式中,为

t时刻配电网向主网购电的总有功功率。

49、作为本发明所述计及新能源消纳率的电动汽车与配电网协同优化调度方法的一种优选方案,其中:所述步骤五中配电网总负荷的计算公式为:

50、;

51、式中,为配电网在

t时刻的负荷总功率,为配电网在

t时刻的基础负荷功率,为接在节点

j的充电站在

t时刻的充电总功率,ωev为接入电动汽车充电站的节点集合;

52、配电网总负荷峰谷差计算公式为:

53、;

54、式中,为配电网总负荷功率的最大值,为配电网总负荷功率的最小值;

55、配电网负荷波动情况的计算公式为:

56、;

57、式中,和分别为配电网在

t+1时刻和

t时刻的负荷总功率;

58、分布式电源弃电总功率的计算公式为:

59、;

60、式中,为分布式电源弃电总功率,为接入节点

i的分布式电源在

t时刻的出力上限,为接入节点

i的分布式电源在

t时刻的实际出力,ωdg为接入分布式电源的节点集合。

61、作为本发明所述计及新能源消纳率的电动汽车与配电网协同优化调度方法的一种优选方案,其中:所述步骤六中粒子群算法的适应度函数fitness为:

62、;

63、粒子群算法求解时的约束包括:

64、;

65、式中,

cmax和

cmin分别为最高充电电价和最低充电电价,

k为粒子群迭代次数,

n为粒子序号,种群粒子总数30个,表示第

k次迭代时第

n个粒子在

t时刻的电价信息,和分别为第

k次迭代时第

n个粒子在

t+1时刻和

t时刻的速度,为惯性权重系数,取常数0.729,、为粒子群个体学习因子和全局学习因子,取常数1.49;为第

n个粒子从初始化到第

k代适应度最优对应的电价,为第

k次迭代全部粒子历史中适应度最优的电价,、为[0,1]均匀分布随机数,为粒子位置,存储了每次迭代更新后的电价信息,为粒子更新的速度。

66、作为本发明所述计及新能源消纳率的电动汽车与配电网协同优化调度方法的一种优选方案,其中:所述步骤七中结果收敛的判据为:前后两次计算给出的各时刻电价差值的绝对值之和小于10-6。

67、(三)有益效果

68、本发明提供了一种计及新能源消纳率的电动汽车与配电网协同优化调度方法,具备以下有益效果:

69、1、本发明在充电电价制定过程中兼顾配电网负荷情况与新能源消纳需求,使充电电价能够准确反映负荷波动情况和新能源消纳情况,从而准确引导电动汽车的充电行为。

70、2、本发明通过构建配电网-充电站双层优化模型,充分考虑电动汽车与配电网中的分布式电源等可调资源的协同运行,通过多设备联动,实现平抑配电网负荷波动、减小配电网负荷峰谷差和促进新能源消纳的目标,保证配电网运行经济性的同时提升新能源消纳率。