一种异质电动汽车聚合管控方法及系统

1.本发明涉及电能消纳技术领域，特别是涉及一种异质电动汽车聚合管控方法及系统。


背景技术：

2.随着清洁能源入网比例的不断提高，清洁能源的间歇性和波动性对电力系统运行的安全性和经济性带来了很大挑战。需求侧负荷管理能够有效降低清洁能源波动对电力系统带来的影响。电动汽车作为需求侧的一种主要负荷，其较多的设备数量与较高的充电功率使其拥有可观的调度潜力，可以有效缓解清洁能源发电的波动性。但电动汽车集群的参数异质性与充电随机性为其聚合调度带来了较大挑战。因此，有必要提出一种能够充分调度电动汽车调节潜力的消纳方法。


技术实现要素：

3.有鉴于此，本发明提供了一种异质电动汽车聚合管控方法及系统，以实现基于具有参数异质性和充电随机性的电动汽车集群对清洁能源的波动进行消纳。
4.为实现上述目的，本发明提供了如下方案：
5.一种异质电动汽车聚合管控方法，所述方法包括如下步骤：
6.在调度周期内，获取每个采样时刻参与充电的每个电动汽车的电量数据和参数数据；所述参数数据包括电池容量和充电功率范围；
7.分别将所述调度周期内已获取的电量数据和参数数据代入聚合模型，获取聚合模型输出的每个采样时刻的电动汽车负荷；
8.根据目标调度功率和每个采样时刻的电动汽车负荷的差值，采用滑模控制方法，确定下一个调度时刻的充电功率系数；
9.根据所述充电功率系数进行充电桩充电功率的调节。
10.可选的，所述聚合模型为：
[0011][0012]
其中，q(τ)表示采样时刻τ时不同用电量等级内电动汽车数量的向量，q(τ)＝[q1(τ) q2(τ)
ꢀ…ꢀ…ꢀ
qk(τ)]
t
，q1(τ)、q2(τ)和qk(τ)分别表示采样时刻τ时处于用电量等级1、2、
k内的电动汽车数量，a表示k
×
k矩阵，
[0013]
p
max
为充电桩的最大充电功率，δx表示电动汽车电量的变化量；u(t-1)表示调度时刻t-1对应的充电功率系数，ω(τ)表示采样时刻τ时电动汽车数量的变化量，ω(τ)＝[ω1(τ) ω2(τ)
ꢀ…ꢀ…ꢀ
ωk(τ)]
t
，ω1(τ)、ω2(τ)和ωk(τ)分别表示采样时刻τ时处于用电量等级1、2、k内的电动汽车数量的变化量；
[0014]
pc(τ)表示采样时刻τ时聚合模型输出的电动汽车负荷，c为1
×
k行向量，c＝[p
max p
max
ꢀ…ꢀ…ꢀ
p
max
]。
[0015]
可选的，所述根据目标调度功率和每个采样时刻的电动汽车负荷的差值，采用滑模控制方法，确定下一个调度时刻的充电功率系数，具体包括：
[0016]
根据目标调度功率和每个采样时刻的电动汽车负荷的差值，采用滑模控制方法，利用公式确定下一个调度时刻的充电功率系数；
[0017]
其中，u(t)和u(t-1)分别表示调度时刻t和调度时刻t-1对应的充电功率系数；
[0018]
η(τ)表示充电效率，p
t
(t)表示调度时刻t的目标调度功率，p
max
表示充电桩的最大充电功率，n(t)表示聚合电动汽车的数量；
[0019]
e(τ)表示目标调度功率和聚合模型输出的电动汽车负荷的差值，sat(.)表示第一分段函数，τ表示时间变量，sgn(
·
)表示符号函数，ε表示误差边界值；
[0020]
表示第二分段函数，θ表示中间变量，u
min
和u
max
分别表示充电功率系数的最小值和最大值。
[0021]
可选的，所述根据所述充电功率系数进行充电桩充电功率的调节，具体包括：
[0022]
判断公式p
t
(t)＞cuap
max
是否成立，获得判断结果；其中，p
t
(t)表示调度时刻t的目标调度功率，c为研究区域内充电桩的总数，ua表示电动汽车所能接收的最低充电功率系数，p
max
表示充电桩的最大充电功率；
[0023]
若所述判断结果表示否，则控制充电桩以所述充电功率系数为参与充电的每个电
动汽车充电，并将剩余电量存储至蓄电池；
[0024]
若所述判断结果表示是，则基于用户调度策略确定对处于不同充电模式的电动汽车的充电功率，根据处于不同充电模式的电动汽车的充电功率控制充电桩对处于不同充电模式的电动汽车进行充电。
[0025]
可选的，基于用户调度策略确定对处于不同充电模式的电动汽车的充电功率的公式为：
[0026][0027][0028]
其中，pq表示电动汽车在快充模式下的充电功率，ub表示电动汽车在快充模式下的充电功率系数，a为处于慢充模式的充电桩数量，b为处于快充模式的充电桩数量，pn表示电动汽车在慢充模式下的充电功率。
[0029]
一种异质电动汽车聚合管控系统，所述系统包括：
[0030]
数据采集模块，用于在调度周期内，获取每个采样时刻参与充电的每个电动汽车的电量数据和参数数据；所述参数数据包括电池容量和充电功率范围；
[0031]
聚合模拟模块，用于分别将所述调度周期内已获取的电量数据和参数数据代入聚合模型，获取聚合模型输出的每个采样时刻的电动汽车负荷；
[0032]
滑模控制模块，用于根据目标调度功率和每个采样时刻的电动汽车负荷的差值，采用滑模控制方法，确定下一个调度时刻的充电功率系数；
[0033]
充电功率调节模块，用于根据所述充电功率系数进行充电桩充电功率的调节。
[0034]
可选的，所述聚合模型为：
[0035][0036]
其中，q(τ)表示采样时刻τ时不同用电量等级内电动汽车数量的向量，q(τ)＝[q1(τ) q2(τ)
ꢀ…ꢀ…ꢀ
qk(τ)]
t
，q1(τ)、q2(τ)和qk(τ)分别表示采样时刻τ时处于用电量等级1、2、k内的电动汽车数量，a表示k
×
k矩阵，
[0037]
p
max
为充电桩的最大充电功率，δx表示电动汽车电量的变化量；u(t-1)表示调度时刻t-1对应的充电功率系数，ω(τ)表示采样时刻τ时电动汽车数量的变化量，ω(τ)＝[ω1(τ) ω2(τ)
ꢀ…ꢀ…ꢀ
ωk(τ)]
t
，ω1(τ)、ω2(τ)和ωk(τ)分别表示采样时刻τ时处于用电
量等级1、2、k内的电动汽车数量的变化量；
[0038]
pc(τ)表示采样时刻τ时聚合模型输出的电动汽车负荷，c为1
×
k行向量，c＝[p
max p
max
ꢀ…ꢀ…ꢀ
p
max
]。
[0039]
可选的，所述滑模控制模块，具体包括：
[0040]
充电功率系数确定子模块，用于根据目标调度功率和每个采样时刻的电动汽车负荷的差值，采用滑模控制方法，利用公式确定下一个调度时刻的充电功率系数；
[0041]
其中，u(t)和u(t-1)分别表示调度时刻t和调度时刻t-1对应的充电功率系数；
[0042]
η(τ)表示充电效率，p
t
(t)表示调度时刻t的目标调度功率，p
max
表示充电桩的最大充电功率，n(t)表示聚合电动汽车的数量；
[0043]
e(τ)表示目标调度功率和聚合模型输出的电动汽车负荷的差值，sat(.)表示第一分段函数，τ表示时间变量，sgn(
·
)表示符号函数，ε表示误差边界值；
[0044]
表示第二分段函数，θ表示中间变量，u
min
和u
max
分别表示充电功率系数的最小值和最大值。
[0045]
可选的，所述充电功率调节模块，具体包括：
[0046]
判断子模块，用于判断公式p
t
(t)＞cuap
max
是否成立，获得判断结果；其中，p
t
(t)表示调度时刻t的目标调度功率，c为研究区域内充电桩的总数，ua表示电动汽车所能接收的基础充电功率系p
max
数，表示充电桩的最大充电功率；
[0047]
第一充电功率调节子模块，用于若所述判断结果表示否，则控制充电桩以所述充电功率系数为参与充电的每个电动汽车充电，并将电量存储至蓄电池；
[0048]
第二充电功率调节子模块，用于若所述判断结果表示是，则基于用户调度策略确定对处于不同充电模式的电动汽车的充电功率，根据处于不同充电模式的电动汽车的充电功率控制充电桩对处于不同充电模式的电动汽车进行充电。
[0049]
可选的，基于用户调度策略确定对处于不同充电模式的电动汽车的充电功率的公式为：
[0050]
[0051][0052]
其中，pq表示电动汽车在快充模式下的充电功率，ub表示电动汽车在快充模式下的充电功率系数，a为处于慢充模式的充电桩数量，b为处于快充模式的充电桩数量，pn表示电动汽车在慢充模式下的充电功率。
[0053]
根据本发明提供的具体实施例，本发明公开了以下技术效果：
[0054]
本发明公开一种异质电动汽车聚合管控方法及系统，所述方法包括如下步骤：在调度周期内，获取每个采样时刻参与充电的每个电动汽车的电量数据和参数数据；所述参数数据包括电池容量和充电功率范围；分别将所述调度周期内已获取的电量数据和参数数据代入聚合模型，获取聚合模型输出的每个采样时刻的电动汽车负荷；根据目标调度功率和每个采样时刻的电动汽车负荷的差值，采用滑模控制方法，确定下一个调度时刻的充电功率系数；根据所述充电功率系数进行充电桩充电功率的调节。本发明基于聚合模型和滑模控制，克服电动汽车的参数异质性和充电随机性对消纳调度带来的困难，实现对电动汽车集群的充分调度，以消纳电网侧给予的用于克服清洁能源的波动的目标调度功率。本发明实现了基于具有参数异质性和充电随机性的电动汽车集群对清洁能源的波动进行消纳。
附图说明
[0055]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0056]
图1为本发明实施例1提供的一种异质电动汽车聚合管控方法的流程图；
[0057]
图2为本发明实施例1提供的一种异质电动汽车聚合管控方法的原理图；
[0058]
图3为本发明实施例1提供的异质电动汽车聚合管控方法的参与方的结构示意图；
[0059]
图4为本发明实施例3提供的聚合模型的负荷跟踪效果图；
[0060]
图5为本发明实施例3提供的异质电动汽车聚合管控方法的效果图。
具体实施方式
[0061]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0062]
本发明的目的是提供一种机载系统测试资源优化配置方法及系统，以实现测试资源(测试设备)的优化配置，使测试资源达到最大程度的利用，并降低测试成本。
[0063]
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
[0064]
如图1和2所示，本发明提供一种异质电动汽车聚合管控方法，所述方法包括如下步骤：
[0065]
步骤101，在调度周期内，获取每个采样时刻参与充电的每个电动汽车的电量数据和参数数据；所述参数数据包括电池容量和充电功率范围。
[0066]
步骤101具体包括：
[0067]
步骤s1：充电桩在采集到电动汽车的电量数据soe和参数数据(电池容量c，充电功率范围up
max
)后，将其传输至聚合商服务器的聚合模型。具体步骤包括：
[0068]
步骤s11：充电桩内的电量采集装置对进行充电的电动汽车进行电量数据采集。
[0069]
步骤s12：充电桩内的参数记录装置对电动汽车的参数数据进行记录。
[0070]
步骤s13：将电量与参数数据上传至聚合商服务器，用于建立聚合模型。
[0071]
步骤102，分别将所述调度周期内已获取的电量数据和参数数据代入聚合模型，获取聚合模型输出的每个采样时刻的电动汽车负荷。
[0072]
步骤102具体包括：
[0073]
步骤s2：聚合商服务器根据上传参数数据为电动汽车异质聚合管控模型的建立做数据准备，根据上传电动汽车电池容量得到最大电池容量c
max
，确定模型中电量soe的范围。具体步骤包括：
[0074]
步骤s21：建立电动汽车电量与充电功率关系的基本双线性偏微分方程：
[0075][0076]
式中为电动汽车数量变化在时间方向的偏导数，为电动汽车数量在电量方向的偏导数，p
max
为充电桩的最大充电功率，u(x,t)为充电功率系数，ω(x,t)为电动汽车流入/流出流量。
[0077]
步骤s22：根据上传电动汽车最大电池容量c
max
确定x的范围为[0,c
max
]，
[0078]
步骤s3：根据步骤s2方程用电量等级，将电动汽车进行分类，表示为一维数组，并建立聚合模型，并对ω(t)进行实时更新。具体步骤包括：
[0079]
步骤s31：根据电量等级表示聚合电动汽车集群分布q(t)
[0080]
q(t)＝[q1(t) q2(t)
ꢀ…ꢀ…ꢀ
qk(t)]
t
ꢀꢀꢀ
(2)
[0081]
步骤s32：将s2的方程离散化表示得到聚合模型：
[0082][0083]
式中为单位电量内电动汽车数量变化率，a为k
×
k矩阵
[0084][0085]
c为1
×
k行向量：
[0086]
c＝[p
max p
max
ꢀ…ꢀ…ꢀ
p
max
]
ꢀꢀꢀ
(5)
[0087]
q(t)为每个单位电量内电动汽车数量的k
×
1列向量：
[0088]
q(t)＝[q1(t) q2(t)
ꢀ…ꢀ…ꢀ
qk(t)]
t
ꢀꢀꢀ
(6)
[0089]
为每个单位电量内电动汽车数量变化率的k
×
1列向量
[0090][0091]
外部总变化通量ω(t)为k
×
1的列向量：
[0092]
ω(t)＝[ω1(t) ω2(t)
ꢀ…ꢀ…ꢀ
ωk(t)]
t
ꢀꢀꢀ
(8)
[0093]
步骤s33：将q(t)输入聚合模型，输出电动汽车负荷表达式：
[0094]
pc(t)＝cq(t)u(t)
ꢀꢀꢀ
(9)
[0095]
步骤s34：在图3的结构下对聚合模型ω(t)进行实时更新。
[0096]
步骤103，根据目标调度功率和每个采样时刻的电动汽车负荷的差值，采用滑模控制方法，确定下一个调度时刻的充电功率系数.
[0097]
步骤103具体包括：
[0098]
步骤s4：聚合商服务器的控制模型接收电网云下发的调节任务p
t
(t)和聚合模型输出的电动汽车负荷pc(t)，计算两者之间的差值e(t)，生成调节信号u(t)。
[0099]
具体步骤包括：
[0100]
步骤s41：根据滑模控制律，建立控制模型。控制模型为：
[0101][0102]
其中
[0103]
e(t)＝p
t
(t)-pc(t)
ꢀꢀꢀ
(11)
[0104][0105][0106][0107]
步骤s42：将电网云下发的调节任务p
t
(t)和聚合模型输出的电动汽车负荷pc(t)输入控制模型，生成调节信号u(t)。
[0108]
步骤104，根据所述充电功率系数进行充电桩充电功率的调节。
[0109]
步骤104具体包括：
[0110]
步骤s5：根据调节信号u(t)，调节充电桩充电功率，并将超出消纳能力部分输入蓄电池模块。具体步骤包括：
[0111]
步骤s51：控制模块输出调节信号u(t)，对充电桩充电功率进行调节。
[0112]
步骤s52：确定调节后电动汽车总体负荷为若调节任务过大，则由蓄电池对剩余部分进行存储。
[0113]
步骤s6：将调控的数据信息包括(调节指令u(t)，电量soe，电池容量c等)上传至电网云平台，制定用户策略，以消纳蓄电池内的电量。具体步骤为：
[0114]
步骤s61：获取充电桩数量及用户选择数据。统计聚合商下充电桩个数为c，其中a为选择慢充模式的充电桩数量，b为选择快充模式的充电桩数量，则
[0115]
a b＝c
ꢀꢀꢀ
(15)
[0116]
步骤s62：用户充电模式选择快充模式pq和慢充模式pn。假设充电桩最大充电功率为p
max
，下达负荷任务为p
t
，用户所能接收的基础充电功率系数为ua，快充模式用户的充电功率系数为ub，则进入调节模式(有多余调节任务未消纳)的条件为：
[0117]
p
t
＞cuap
max
ꢀꢀꢀ
(16)
[0118]
设定选择快充模式(最高的充电功率)用户的充电功率为pq，选择慢充模式(尽量高充电功率)的用户充电功率为pn，则有：
[0119][0120][0121]
步骤s7：蓄电池根据用户选择情况向电动汽车供电，提高充电功率。
[0122]
实施例2
[0123]
一种异质电动汽车聚合管控系统，所述系统包括：
[0124]
数据采集模块，用于在调度周期内，获取每个采样时刻参与充电的每个电动汽车的电量数据和参数数据；所述参数数据包括电池容量和充电功率范围。
[0125]
聚合模拟模块，用于分别将所述调度周期内已获取的电量数据和参数数据代入聚合模型，获取聚合模型输出的每个采样时刻的电动汽车负荷。
[0126]
所述聚合模型为：
[0127][0128]
其中，q(τ)表示采样时刻τ时不同用电量等级内电动汽车数量的向量，q(τ)＝[q1(τ) q2(τ)
ꢀ…ꢀ…ꢀ
qk(τ)]
t
，q1(τ)、q2(τ)和qk(τ)分别表示采样时刻τ时处于用电量等级1、2、
k内的电动汽车数量，a表示k
×
k矩阵，
[0129]
p
max
为充电桩的最大充电功率，δx表示电动汽车电量的变化量；u(t-1)表示调度时刻t-1对应的充电功率系数，ω(τ)表示采样时刻τ时电动汽车数量的变化量，ω(τ)＝[ω1(τ) ω2(τ)
ꢀ…ꢀ…ꢀ
ωk(τ)]
t
，ω1(τ)、ω2(τ)和ωk(τ)分别表示采样时刻τ时处于用电量等级1、2、k内的电动汽车数量的变化量。
[0130]
pc(τ)表示采样时刻τ时聚合模型输出的电动汽车负荷，c为1
×
k行向量，c＝[p
max p
max
ꢀ…ꢀ…ꢀ
p
max
]。
[0131]
滑模控制模块，用于根据目标调度功率和每个采样时刻的电动汽车负荷的差值，采用滑模控制方法，确定下一个调度时刻的充电功率系数。
[0132]
所述滑模控制模块，具体包括：
[0133]
充电功率系数确定子模块，用于根据目标调度功率和每个采样时刻的电动汽车负荷的差值，采用滑模控制方法，利用公式确定下一个调度时刻的充电功率系数。
[0134]
其中，u(t)和u(t-1)分别表示调度时刻t和调度时刻t-1对应的充电功率系数。
[0135]
η(τ)表示充电效率，p
t
(t)表示调度时刻t的目标调度功率，p
max
表示充电桩的最大充电功率，n(t)表示聚合电动汽车的数量。
[0136]
e(τ)表示目标调度功率和聚合模型输出的电动汽车负荷的差值，sat(.)表示第一分段函数，τ表示时间变量，sgn(
·
)表示符号函数，ε表示误差边界值。
[0137]
proj
ut
[θ]表示第二分段函数，θ表示中间变量，u
min
和u
max
分别表示充电功率系数的最小值和最大值。
[0138]
充电功率调节模块，用于根据所述充电功率系数进行充电桩充电功率的调节。
[0139]
所述充电功率调节模块，具体包括：
[0140]
判断子模块，用于判断公式p
t
(t)＞cuap
max
是否成立，获得判断结果；其中，p
t
(t)表示调度时刻t的目标调度功率，c为研究区域内充电桩的总数，ua表示电动汽车所能接收的
基础充电功率系p
max
数，表示充电桩的最大充电功率。
[0141]
第一充电功率调节子模块，用于若所述判断结果表示否，则控制充电桩以所述充电功率系数为参与充电的每个电动汽车充电，并将电量存储至蓄电池。
[0142]
第二充电功率调节子模块，用于若所述判断结果表示是，则基于用户调度策略确定对处于不同充电模式的电动汽车的充电功率，根据处于不同充电模式的电动汽车的充电功率控制充电桩对处于不同充电模式的电动汽车进行充电。
[0143]
基于用户调度策略确定对处于不同充电模式的电动汽车的充电功率的公式为：
[0144][0145][0146]
其中，pq表示电动汽车在快充模式下的充电功率，ub表示电动汽车在快充模式下的充电功率系数，a为处于慢充模式的充电桩数量，b为处于快充模式的充电桩数量，pn表示电动汽车在慢充模式下的充电功率。
[0147]
实施例3
[0148]
以某一光伏电站一小时的负荷数据为跟踪目标，充电桩为500个，异质电动汽车集群数量远大于500，最大充电功率为10kw，由集群参数选定模型电量范围为[0,30kw
·
h]，异质电动汽车集群参数在模型范围内。
[0149]
按照本发明方法：
[0150]
1)充电桩对上传数据至聚合模型。
[0151]
2)由聚合模型输出电动汽车充电功率表达式pc(t)。
[0152]
3)将pc(t)与调节任务p
t
(t)输入控制模型。
[0153]
4)得到跟踪结果如图4所示。
[0154]
5)根据多余调节任务为用户下发策略得到效果如图5所示，图5中，1表示目标曲线，2表示聚合结果，3表示电池存储，4表示用户选择消纳，5表示电池内未被消纳。
[0155]
根据本发明提供的具体实施例，本发明公开了以下技术效果：
[0156]
本发明公开一种异质电动汽车聚合管控方法及系统，所述方法包括如下步骤：在调度周期内，获取每个采样时刻参与充电的每个电动汽车的电量数据和参数数据；所述参数数据包括电池容量和充电功率范围；分别将所述调度周期内已获取的电量数据和参数数据代入聚合模型，获取聚合模型输出的每个采样时刻的电动汽车负荷；根据目标调度功率和每个采样时刻的电动汽车负荷的差值，采用滑模控制方法，确定下一个调度时刻的充电功率系数；根据所述充电功率系数进行充电桩充电功率的调节。本发明聚合模型和滑模控制，克服电动汽车的参数异质性和充电随机性对消纳调度带来的困难，实现对电动汽车集群的充分调度，以消纳电网侧给予的用于克服清洁能源的波动的目标调度功率。本发明实现了基于具有参数异质性和充电随机性的电动汽车集群对清洁能源的波动进行消纳。
[0157]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置
而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0158]
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。