基于拉格朗日分布式算法的电动汽车有序充放电控制方法与流程

技术特征：
1.基于拉格朗日分布式算法的电动汽车有序充放电控制方法，其特征在于：该方法包括以下步骤：s1：建立电动汽车集群有序充放电边界条件；s2：建立电网侧及用户侧优化目标函数；s3：建立电动汽车集群调度约束条件；s4：通过不断更新拉格朗日乘子，获得最优解；s5：实现区域电动汽车集群有序充放电调度。2.根据权利要求1所述的基于拉格朗日分布式算法的电动汽车有序充放电控制方法，其特征在于：所述s1具体为：s11：建立电动汽车soc边界条件；有序充放电条件下，电动汽车在第t时间段内有两种状态，引入状态变量即充电状态λ
n,t
，放电状态μ
n,t
：电动汽车充放电总负荷为某时刻电动汽车充电负荷和放电负荷的叠加，即：某一时刻电动汽车不能同时充放电，λ
n,t
和μ
n,t
互斥，表示为：放电效益问题设放电开始时soc大于0.5，电动汽车一天进行一次充放电，则推出电动汽车开始放电时间如下：式中，t
start
表示电动汽车开始放电时间；电池能否放电的条件是由电动汽车到家soc和到家时间共同决定的；在电动汽车放电后，需要计算电池完全放电持续时长，如下式所示：式中，t表示最大放电时长，soc
start
表示放电开始时刻的电池soc；电动汽车不能一直放电到截止放电时间，在放电过程中，需要留出足够的时间充电以满足电动汽车第二天离家时的期望soc，假设第二天离家时期望soc为0.9：式中，t
except
表示充电到期望soc的时长，soc
t
表示到家后的当前soc，若电动汽车在此过程中不满足放电条件未参与放电，则soc
except
＝soc
t
；s12：计算用户对电网电价补偿机制接受度；电动汽车充放电完成后，系统因对电能需求较高而需要用户继续提供电能，将以一定
的补偿手段来调控；用户自愿选择是否接受系统的补偿，系统根据用户的接受程度作为调度优先的指标之一；取补偿电价p
m
为0.23元/kwh；同时，取超出申报容量部分的单位电量电池损耗补偿费率b
m
为0.5元/kwh；定义电动汽车用户对电网电价补偿机制的接受度δ为：c
e
表示在补偿机制条件下的用户收益，c
p
表示电动汽车的成本：表示电动汽车的成本：其中，p是常数，表示电网吸引用户参与调度时给予的基础补偿，p
c
为充电电价：s13：计算电池折旧损耗；定义折旧损耗b
r
为：b
loss
表示单次充放电平均电池损耗成本，取为0.26元，r表示残值率为5％。3.根据权利要求2所述的基于拉格朗日分布式算法的电动汽车有序充放电控制方法，其特征在于：所述s2具体为：电网侧目标：以电网负荷均方差最小为电网侧优化目标对电动汽车的充电行为进行管理；负荷均方差是电网基础负荷和电动汽车充放电总负荷下的各时段方差和，表达为：式中p
ld,total
为t时刻电网总用功负荷，t为研究时间段；用户侧目标：充分考虑用户的利益，在电价最低时让电动汽车充电，在电价最高时让电动汽车放电；其中用户充放电总成本包括两部分，一部分是用户充电需缴纳的费用和放电时获得补贴的费用即充放电成本c
cd
，另一部分是电池参与单次v2g放电时电池损耗的费用即电池损耗成本c
v2g
，目标函数如下：min f2＝min(c
cd
‑
c
v2g
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(12)其中，c
cd
是充放电成本，c
v2g
电池损耗成本，计算公式如下：电池损耗成本，计算公式如下：式中，s
t
正值表示充电电价，负值表示放电补贴电价，c
n,v2g
是第n辆电动汽车参与v2g时单次的电池损耗，充电损耗成本不计；电池参与充放电的单次损耗总成本为：添加权重系数表示两个目标函数的偏重比，简化后的目标函数如下：
式中，f
1max
、f
1min
、f
2max
、f
2min
分别表示电动汽车无序充电时的日负荷方差全局最大值及最小值、无序充电时的充电成本最大值及最小值，最大值及最小值的确定根据各个单目标函数的优化算法求取；a,b为电网侧和用户侧两个目标函数的权重系数，表示两个目标函数的偏好程度，也称偏好系数，且a,b满足下式4.根据权利要求3所述的基于拉格朗日分布式算法的电动汽车有序充放电控制方法，其特征在于：所述s3具体为：s31：计算申报调度容量；根据用户的申报信息，获得可调度时段t
d
和可调度容量s
d
，s
d
由式(18)计算而得；s
d
＝s
b.max
‑
s
b.min
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(18)其中，s
b.max
、s
b.min
分别表示容量上、下限；s32：计算电动汽车参与调度计划的信用程度；其中，表示电动汽车日前平均申报容量，为日前平均实际调度容量；信用度足够大，则取1，若过小，则取0；设ρ
down
＝0.15，ρ
up
＝0.95；s33：计算电动汽车对电价机制的响应度；采用电价电量弹性来表述用户对电价机制的响应程度，如式(20)所示；其中s，δs为容量及其相对增量，p，δp为功率及其相对增量；p，δp为电价及其相对增量；引入交叉电价电量弹性系数如式(21)，表示i时刻电量对j时刻电价的响应；在时刻1～t内，有：定义电动汽车用户参与电网调度计划的执行度为：μ＝βε (1
‑
β)δ
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(23)β表示占比系数，可用赋权法确定；在上述补偿机制下，通过经济手段引导电动汽车充放电，不仅可以平缓大规模电动汽车并网造成的负荷波动，还可以起到削峰填谷的作用；
s34：建立指标评价体系；指标评价模型的目标是在论域中多个评价对象之间作优先的相对比较和排序，确定各评价指标权重；对各项指标赋予权重，从而获得电动汽车调度顺序；其中，效益型指标越大越优先调度；成本型指标越小越优先调度。5.根据权利要求4所述的基于拉格朗日分布式算法的电动汽车有序充放电控制方法，其特征在于：所述s4具体为：将整数规划问题描述为以下形式将约束条件乘以拉格朗日乘子λ吸收到目标函数中，将复杂约束变为b
‑
ax≤0的格式；则变形后的函数形式为：其中λ是非负数，b
‑
ax是非正数，二者的乘积一定为非正数；对于同一组解来说，z
lr
≤z
ip
，lr问题作为原问题的一个下界，最终目标是求得与原ip问题最接近的下界；需要求出z
lr
(λ)问题的最大值；对于z
lr
(λ)来说，每一个λ值对应一个z
lr
(λ)的最优值，现在需要做的是求出为何值时，获得z
lr
(λ)的最大值；每一个λ对应的z
lr
(λ)作为原ip问题的下界，下界的最优值，即最大值是所求的最终值，不断寻找最优下界的过程，就是不断更新拉格朗日乘子的过程；把z
lr
在λ的一定邻域内上升的方向称之为次梯度，次梯度用s
i
来表示在该lr问题里，可通过s
i
＝b
‑
ax
i
得到具体的次梯度数值；通过次梯度算法来不断更新λ的值，从而求得最大的z
lr
值，进而得到最接近最优解的一组解；具体迭代步骤如下所示：s41：任意选择一组拉格朗日乘子作为初始值，全部取值为0；s42：对λ
i
所对应的s
i
，任取一个次梯度s
i
，若s
i
＝0，则λ
i
达到最优解而停止计算，若不满足，则更新λ
i
的值，λ
i 1
＝max(λ
i
θ,s
i
,0),i＝i 1，重复s42：有四种方法判定停止迭代：(1)迭代次数到达t时停止迭代；(2)当s
i
＝0时，则停止迭代；用s
i
的秩小于等于某一个固定的值，来确定停止迭代的标准；(3)当z
lr
(i)＝z
ip
(i)时，则停止迭代，这种情况表示原问题的上界和下界相等，已达到最优目标值；(4)当λ
i
或者z
lr
在规定的步数内，它们的变化不超过一个固定的值时，认为目标函数值不可能再变化，停止迭代。6.根据权利要求5所述的基于拉格朗日分布式算法的电动汽车有序充放电控制方法，其特征在于：所述s5具体为：
在电动汽车接入时刻，电池进行充电或放电，设电池向电网放电时的功率与正常行驶时放电功率相同，还加入以下参考指标：1)申报容量影响电力调度计划需求，若申报容量过低，则电网基本不考虑其参与调度计划；2)当参与协调调度计划的电动汽车数量足够大时，综合评价值高于0.5的车辆全调度；3)由于在指标评价体系模型中，优先调用信用度和参与度均较高的车辆；4)优先调用的车辆一天不能超过3次参与调度充放电。

技术总结
本发明涉及基于拉格朗日分布式算法的电动汽车有序充放电控制方法，属于新能源技术领域。该方法包括以下步骤：S1：建立电动汽车集群有序充放电边界条件；S2：建立电网侧及用户侧优化目标函数；S3：建立电动汽车集群调度约束条件；S4：通过不断更新拉格朗日乘子，获得最优解；S5：实现区域电动汽车集群有序充放电调度。本发明所提策略通过调整电动汽车集群的充放电时段，既能调度电动汽车实现削峰填谷，又可确保电动汽车获取合理收益。本发明提出的控制策略可确保电动汽车在参与V2G的同时，不影响电动汽车用户的行驶需求，有利于V2G技术的推广。广。广。


技术研发人员：黄炜 赖德南 曾小松 张谦 岳焕展
受保护的技术使用者：重庆大学
技术研发日：2021.09.26
技术公布日：2022/1/3