一种考虑昼夜双阶段充电的公交车站需求响应实施方法

1.本发明涉及充电管理领域，具体涉及一种考虑昼夜双阶段充电的公交车站需求响应实施方法


背景技术：

[0002]“双碳”目标的提出推动电力系统加快清洁低碳转型，环保高效的电动汽车得到社会的关注和推广。公共交通行业以其可管理性强以及公共服务的特点成为推动电动汽车的发展的突破口和前沿，得到国内各个城市积极推广应用。然而大规模的电动公交车负荷接入导致电网负荷高峰攀升，峰谷差增大，电网安全经济性降低
[1]
。因此如何响应电网需求，有序调控公交车充电是当下亟待解决的问题。
[0003]
目前，已有较多文献研究电动汽车参与电网需求响应。需求响应可分为电价型和激励型，电价型需求响应基于电价激励机制对电动汽车进行有序控制，所提方法在降低峰谷差、用户充电成本等方面具有良好的效果
[2]
。在激励型需求响应的研究中，激励机制的制定是重要一环，而国内的激励机制尚不完善。目前国内各城市制定了补偿标准，通过划定补偿单价进行补偿，但灵活性不足。鲜有研究基于用户的响应结果制定激励机制，用户的响应质量难以对激励机制形成反馈，而且现有文献大多针对私家车，而私家车充电行为随机性导致实际调控中存在较大的不确定性，给调控带来困难。而公交车由于其用车和充电行为规律，且由公交公司统一调度，因此具备良好的可控性。
[0004]
近期已有文献针对电动公交车的有序调控方法问题进行研究。对于公交车而言，根据其充电时段分布特征，可以将其全天的充电时间划为两个阶段：一是夜间充电阶段，该阶段的公交车停车时间长且集中；二是日间充电时间阶段，在该阶段内，公交车利用各趟行程之间的间歇进行补电，该阶段的充电时间分散且时间较短。然而现有研究无论采用哪种时间尺度，其模型都没有考虑公交车的充电时间分布在各个阶段的差异性。(郭建龙,文福拴.电动汽车充电对电力系统的影响及其对策[j].电力自动化设备,2015,35(06):1-9 30.贺继锋,陈杰军,黄家祺,等.基于区域峰谷分时电价的电动汽车有序充电研究[j].电测与仪表,2018,55(06):23
–
29.)


技术实现要素：

[0005]
本发明为克服上述现有技术所述的用户的响应质量难以对激励机制形成反馈，没有考虑公交车的充电时间分布在日间和夜间的差异性，提供一种考虑昼夜双阶段充电的公交车站需求响应实施方法。
[0006]
本发明的目的至少通过如下技术方案之一实现。
[0007]
一种考虑昼夜双阶段充电的公交车站需求响应实施方法，包括以下步骤：
[0008]
s1：电网基于馈线的负载情况确定削峰任务量；
[0009]
s2：收集公交车的出行信息，确定公交车的调控时段及其时长；
[0010]
s3：构建公交车昼夜双阶段充电场景，设置夜间充电目标电量；
[0011]
s4：制定基于响应程度的削峰响应激励结算机制，对激励电价进行调整；
[0012]
s5：基于电网的削峰任务量，计算公交车参与需求响应后单位电量的净支出，并根据公交车的净支出情况，优化公交车充电站内公交车各调控时段的充电状态，实现公交车站需求响应。
[0013]
进一步地，步骤s1具体包括以下步骤：
[0014]
s1.1：电网公司根据已有的日前负荷预测方法在前一天预测馈线第二天的负载率，对于馈线负载率超过80％的时段标记为需求响应时段；
[0015]
s1.2：计算需求响应时段对应的削峰任务量，计算公式如下：
[0016]
p
g,t
＝p
p,t-0.8*s
line
；
[0017]
其中，p
g,t
和p
p,t
分别为响应时段t的削峰任务量和馈线预测负荷；s
line
为馈线的容量。
[0018]
进一步地，步骤s2具体包括以下步骤：
[0019]
s2.1：收集公交充电站内各线路公交车的发车时刻表、运营公交车数量、单趟行程距离、公交车的电池容量信息以及续航里程，并用公交车信息集合s储存，具体如下：
[0020]
s＝{lr,ln,cb,t
l
,ta}；
[0021]
其中，lr为公交车一趟行程的距离；ln为公交车的续航里程；cb为电动汽车的电池容量；t
l
和ta分别为公交车的发车时间矩阵以及到站时间矩阵，分别储存公交车在一天的时间中各趟行程的发车时间以及到终点站的时间；
[0022]
s2.2：确定公交车的调控时段并进行编号；
[0023]
s2.3：确定各调控时段的调控时长。
[0024]
进一步地，步骤s2.2具体包括以下步骤：
[0025]
s2.2.1：确定夜间阶段的调控时段，收集公交车的收车时间ts以及第二天的发车时间tf；以t作为优化单位时长，将一天划分为各个时段，公交车的可调控时段区间为[ns,nf]，开始调控时段ns和结束调控时段nf可由下式计算得到：
[0026][0027]
其中，表示向上取整，表示向下取整，将各夜间调控时段编号为1,
…
na，夜间的可控时段数na具体如下：：
[0028][0029]
s2.2.2：将公交车行程之间的间歇作为日间调控时段，查阅公交车行程计划表获取公交车一天的间歇总数为nb，日间调控时段编号接夜间调控时段，编号为na 1,
…
na nb。
[0030]
进一步地，s2.3具体包括以下步骤：
[0031]
s2.3.1：夜间阶段调控时段的调控时长均为t；
[0032]
s2.3.2：计算日间阶段调控时段的调控时长，公交车i在第j和j 1趟行程之间的间歇时长t
b,i,j
具体如下：
[0033]
t
b,i,j
＝t
l,i,j 1-t
a,i,j
；
[0034]
其中，t
l,i,j
和t
a,i,j
分别为公交车i在第j 1趟行程的起始时间以及第j趟行程开始的时间。
[0035]
进一步地，步骤s3中，公交车昼夜双阶段充电场景具体如下：
[0036]
通过控制公交车各时段的工作状态，即通过停车或充电来控制公交车在各调控时段是否接入电网充电，定义公交车在调控时段n的充电状态e
ch,n
为：
[0037][0038]
公交车在夜间阶段进行有序充电，第二天发车前电池电量需达到设置的夜间目标充电电量，而公交车所需的剩余电量则利用日间间隙充电来达成，公交车在每趟行程开始前都要保证其所充电量满足下式的约束条件：
[0039][0040]
其中，soc
c,i,j
表示公交车i第j趟行程开始前的电量；soc
l
和soch分别为保护电池寿命而设置的公交车电量的上下限值；
[0041]
设置夜间充电目标电量具体如下：
[0042]
通过定义行程裕度系数g控制公交车在夜间阶段的目标充电电量socg，具体如下：
[0043][0044]
行程裕度系数g在范围内进行随机取值。
[0045]
进一步地，步骤s4具体包括以下步骤：
[0046]
s4.1：确定响应时段t的电网下发目标响应量p
g,t
即响应时段t的削峰任务量和公交车站实际响应量p
res,t
，计算响应时段t的响应系数η
t
；
[0047][0048]
公交车站实际响应量p
res,t
计算公式为：
[0049]
p
res,t
＝p
p,t-p
ac,t
；
[0050]
其中，p
ac,t
为响应时段t的馈线实际负荷；
[0051]
s4.2：根据响应系数划分准则判断响应时段t的响应程度：
[0052][0053]
s4.3：根据公交车站的响应情况，调整激励电价，具体如下：
[0054]
若响应时段t的响应程度为有效响应：响应参与方的响应系数达到有效响应规定的范围内时，按电网在响应时段t的基准激励电价c
ba,t
进行结算；
[0055]
若响应时段t的响应程度为欠响应：若响应方响应程度严重不达标，电网运行将受到较大的负面影响，激励电价将在基准值上叠加惩罚系数，而对于一般程度的欠响应，其激励电价与实际响应系数成正比例关系，欠响应下的激励电价定价规则如下：
[0056][0057]
其中，α为严重不达标时的激励电价惩罚系数；
[0058]
若响应时段t的响应程度为过响应：若响应方响应系数过高时，电网会因补偿费用支出增加，而电网运行经济性改善有限，导致综合经济效益降低，因此对响应方超额响应部分需单独进行结算，过响应的激励电价在基准电价上需叠加饱和系数，减轻电网公司的补偿费负担，有效响应范围内的响应量仍按基准电价进行补偿，对于1.2《η
t
≤2的超额响应部分的激励电价为：
[0059]cres,t
＝βc
ba
(1.2《η
t
≤2)；
[0060]
其中，β为激励电价饱和系数，对于η
t
》2的超额部分，电网不予补偿。
[0061]
进一步地，步骤s5具体包括以下步骤：
[0062]
s5.1：基于电网的削峰任务量，计算公交车参与需求响应后单位电量的净支出；
[0063]
s5.2：根据公交车站参与需求响应后单位电量的净支出情况，采用粒子群优化算法优化公交车站内的公交车各调控时段的充电状态以及行程裕度系数；
[0064]
s5.3：将优化后的公交车充电安排计划下发给对应的公交车，各公交车根据下发的充电计划进行有序充电，实现需求响应。
[0065]
进一步地，步骤s5.1具体包括以下步骤：
[0066]
s5.1.1：根据调整后的激励电价，计算各响应时段的激励收入以及一天内的激励总收入，响应时段t的激励收入具体如下：
[0067][0068]
其中，c
in,t
为响应时段t的激励收入，δt
res
为单位响应时段时长，公交车站一天的激励总收入c
in
为各响应时段的激励收入之和，具体如下：
[0069]cin
＝∑c
in,t
；
[0070]
s5.1.2：计算公交车站一天内的充电支出cc，具体如下：
[0071][0072]
其中，p
s,p
表示公交车站在p时段的充电负荷；c
e,p
表示p时段的电费单价； n
t
表示一天总时段数；
[0073]
s5.1.3：计算公交车站单位电量的净支出cu，计算公式如下：
[0074][0075]
其中，qd为公交车站一天的总充电电量，计算公式如下：
[0076][0077]
进一步地，步骤s5.2中，采用粒子群优化算法优化站内公交车各调控时段的充电状态以及行程裕度系数，具体如下：
[0078]
采用粒子群优化算法进行优化求解，设粒子总数为n
p
，迭代数为n
ger
，每一个粒子的位置就是一个潜在解，假设参与调度的公交车总数为n
ev
，优化变量为充电状态矩阵e以及行程裕度系数矩阵g，分别为：
[0079][0080]
其中，由于不同公交车调控时段数可能不同，对于矩阵空缺的位置自动补0；
[0081][0082]
其中，表示公交车i在调控时段n的充电状态，ni为公交车i一天的调控时段总数；gi为公交车i的行程裕度系数；
[0083]
在粒子群迭代过程中，在每个粒子对应的不同方案下，计算公交车站单位电量的净支出，更新各粒子的个体极值和全局极值，从而更新每个粒子的位置和速度；返回到步骤s3中，重新调整公交车行程裕度系数和各调控时段的充电状态，经过反复迭代，找到充电状态矩阵和行程裕度系数矩阵最优方案。
[0084]
与现有技术相比，本发明技术方案的有益效果是：
[0085]
基于“夜间充电、日间补电”的模式，对公交车一天的可调控时段进行编码，控制其充电状态实现有序充电；建立双阶段的充电响应模型，定义行程裕度系数的概念来衡量夜间-日间的充电需求分布，并提出基于响应程度的激励结算方法，用户的响应结果能对激励机制行程反馈，能可靠完成电网发布的需求响应任务，公交车单位电费大幅下降，且电网的响应经济负担较固定激励方式更轻。
附图说明
[0086]
图1为本发明实施例中一种考虑昼夜双阶段充电的公交车站需求响应实施方法的流程图。
[0087]
图2为本发明实施例中充电站所在馈线的基础负荷曲线图。
[0088]
图3为本发明实施例中充电分时电价曲线图。
[0089]
图4为本发明实施例中充电站优化前后馈线负载率曲线图。
[0090]
图5为本发明实施例中优化前后车站充电负荷曲线图。
具体实施方式
[0091]
附图仅用于示例性说明，不能理解为对本发明的限制；
[0092]
下面结合附图和实施例对本发明的技术方案做进一步的说明。
[0093]
实施例1：
[0094]
一种考虑昼夜双阶段充电的公交车站需求响应实施方法，如图1所示，包括以下步骤：
[0095]
s1：电网基于馈线的负载情况确定削峰任务量，具体包括以下步骤：
[0096]
s1.1：电网公司根据已有的日前负荷预测方法在前一天预测馈线第二天的负载率，对于馈线负载率超过80％的时段标记为需求响应时段；
[0097]
s1.2：计算需求响应时段对应的削峰任务量，计算公式如下：
[0098]
p
g,t
＝p
p,t-0.8*s
line
；
[0099]
其中，p
g,t
和p
p,t
分别为响应时段t的削峰任务量和馈线预测负荷；s
line
为馈线的容量。
[0100]
s2：收集公交车的出行信息，确定公交车的调控时段及其时长，具体包括以下步骤：
[0101]
s2.1：收集公交充电站内各线路公交车的发车时刻表、运营公交车数量、单趟行程距离、公交车的电池容量信息以及续航里程，并用公交车信息集合s储存，具体如下：
[0102]
s＝{lr,ln,cb,t
l
,ta}；
[0103]
其中，lr为公交车一趟行程的距离；ln为公交车的续航里程；cb为电动汽车的电池容量；t
l
和ta分别为公交车的发车时间矩阵以及到站时间矩阵，分别储存公交车在一天的时间中各趟行程的发车时间以及到终点站的时间；
[0104]
s2.2：确定公交车的调控时段并进行编号，具体包括以下步骤：
[0105]
s2.2.1：确定夜间阶段的调控时段，收集公交车的收车时间ts以及第二天的发车时间tf；以t作为优化单位时长，将一天划分为各个时段，公交车的可调控时段区间为[ns,nf]，开始调控时段ns和结束调控时段nf可由下式计算得到：
[0106][0107]
其中，表示向上取整，表示向下取整，将各夜间调控时段编号为1,
…
na，夜间的可控时段数na具体如下：
[0108][0109]
s2.2.2：将公交车行程之间的间歇作为日间调控时段，查阅公交车行程计划表获取公交车一天的间歇总数为nb，日间调控时段编号接夜间调控时段，编号为na 1,
…
na nb。
[0110]
s2.3：确定各调控时段的调控时长，具体包括以下步骤：
[0111]
s2.3.1：夜间阶段调控时段的调控时长均为t；
[0112]
s2.3.2：计算日间阶段调控时段的调控时长，公交车i在第j和j 1趟行程之间的间歇时长t
b,i,j
具体如下：
[0113]
t
b,i,j
＝t
l,i,j 1-t
a,i,j
；
[0114]
其中，t
l,i,j
和t
a,i,j
分别为公交车i在第j 1趟行程的起始时间以及第j趟行程开始的时间。
[0115]
s3：构建公交车昼夜双阶段充电场景，具体如下：
[0116]
通过控制公交车各时段的工作状态，即通过停车或充电来控制公交车在各调控时段是否接入电网充电，定义公交车在调控时段n的充电状态e
ch,n
为：
[0117][0118]
公交车在夜间阶段进行有序充电，第二天发车前电池电量需达到设置的夜间目标充电电量，而公交车所需的剩余电量则利用日间间隙充电来达成，公交车在每趟行程开始前都要保证其所充电量满足下式的约束条件：
[0119][0120]
其中，soc
c,i,j
表示公交车i第j趟行程开始前的电量；soc
l
和soch分别为保护电池寿命而设置的公交车电量的上下限值。
[0121]
设置夜间充电目标电量，具体如下：
[0122]
通过定义行程裕度系数g控制公交车在夜间阶段的目标充电电量socg，具体如下：
[0123][0124]
行程裕度系数g在范围内进行随机取值。
[0125]
s4：制定基于响应程度的削峰响应激励结算机制，对激励电价进行调整，具体包括以下步骤：
[0126]
s4.1：确定响应时段t的电网下发目标响应量p
g,t
即响应时段t的削峰任务量和公交车站实际响应量p
res,t
，计算响应时段t的响应系数η
t
；
[0127][0128]
公交车站实际响应量p
res,t
计算公式为：
[0129]
p
res,t
＝p
p,t-p
ac,t
；
[0130]
其中，p
ac,t
为响应时段t的馈线实际负荷；
[0131]
s4.2：根据响应系数划分准则判断响应时段t的响应程度：
[0132][0133]
s4.3：根据公交车站的响应情况，调整激励电价，具体如下：
[0134]
若响应时段t的响应程度为有效响应：响应参与方的响应系数达到有效响应规定的范围内时，按电网在响应时段t的基准激励电价c
ba,t
进行结算；
[0135]
若响应时段t的响应程度为欠响应：若响应方响应程度严重不达标，电网运行将受到较大的负面影响，激励电价将在基准值上叠加惩罚系数，而对于一般程度的欠响应，其激励电价与实际响应系数成正比例关系，欠响应下的激励电价定价规则如下：
[0136][0137]
其中，α为严重不达标时的激励电价惩罚系数；
[0138]
若响应时段t的响应程度为过响应：若响应方响应系数过高时，电网会因补偿费用支出增加，而电网运行经济性改善有限，导致综合经济效益降低，因此对响应方超额响应部分需单独进行结算，过响应的激励电价在基准电价上需叠加饱和系数，减轻电网公司的补偿费负担，有效响应范围内的响应量仍按基准电价进行补偿，对于1.2《η
t
≤2的超额响应部分的激励电价为：
[0139]cres,t
＝βc
ba
(1.2《η
t
≤2)；
[0140]
其中，β为激励电价饱和系数，对于η
t
》2的超额部分，电网不予补偿。
[0141]
s5：基于电网的削峰任务量，计算公交车参与需求响应后单位电量的净支出，并根据公交车的净支出情况，优化公交车充电站内公交车各调控时段的充电状态，实现公交车站需求响应，具体包括以下步骤：
[0142]
s5.1：基于电网的削峰任务量，计算公交车参与需求响应后单位电量的净支出，具体包括以下步骤：
[0143]
s5.1.1：根据调整后的激励电价，计算各响应时段的激励收入以及一天内的激励总收入，响应时段t的激励收入具体如下：
[0144][0145]
其中，c
in,t
为响应时段t的激励收入，δt
res
为单位响应时段时长，公交车站一天的激励总收入c
in
为各响应时段的激励收入之和，具体如下：
[0146]cin
＝∑c
in,t
；
[0147]
s5.1.2：计算公交车站一天内的充电支出cc，具体如下：
[0148][0149]
其中，p
s,p
表示公交车站在p时段的充电负荷；c
e,p
表示p时段的电费单价；n
t
表示一天总时段数；
[0150]
s5.1.3：计算公交车站单位电量的净支出cu，计算公式如下：
[0151][0152]
其中，qd为公交车站一天的总充电电量，计算公式如下：
[0153][0154]
s5.2：根据公交车站参与需求响应后单位电量的净支出情况，采用粒子群优化算法优化公交车站内的公交车各调控时段的充电状态以及行程裕度系数，具体如下：
[0155]
采用粒子群优化算法进行优化求解，设粒子总数为n
p
，迭代数为n
ger
，每一个粒子的位置就是一个潜在解，假设参与调度的公交车总数为n
ev
，优化变量为充电状态矩阵e以及行程裕度系数矩阵g，分别为：
[0156][0157]
其中，由于不同公交车调控时段数可能不同，对于矩阵空缺的位置自动补0；
[0158][0159]
其中，表示公交车i在调控时段n的充电状态，ni为公交车i一天的调控时段总数；gi为公交车i的行程裕度系数；
[0160]
在粒子群迭代过程中，在每个粒子对应的不同方案下，计算公交车站单位电量的净支出，更新各粒子的个体极值和全局极值，从而更新每个粒子的位置和速度；返回到步骤s3中，重新调整公交车行程裕度系数和各调控时段的充电状态，经过反复迭代，找到充电状态矩阵和行程裕度系数矩阵最优方案。
[0161]
s5.3：将优化后的公交车充电安排计划下发给对应的公交车，各公交车根据下发的充电计划进行有序充电，实现需求响应。
[0162]
本实施例中，电动公交车充电站通过专变接入10kv馈线中，馈线的载流量为454a，基础负荷曲线如图2所示；公交车站的充电桩的额定功率pn＝60kw, 公交车的相关参数参照开沃纯电动公交njl6100ev6，电池容量cb＝314.14kwh，续航里程为300km；本实施例中，
设定1号发车计划和2号发车计划各三组公交车，即公交车总数为66辆，1号发车计划和2号发车计划安排表分别如表1 和表2显示，且1号发车计划和2号发车计划对应的单趟行程距离分别为20km 和30km。且公交车环形运行，结束行程后返回充电站内并决定是否充电。本发明以馈线不重载(即馈线负载率不超过80％)为目标确定响应时段和响应任务量，响应目标如表3所示。
[0163]
表1
[0164][0165][0166]
表2
[0167][0168]
表3
[0169][0170][0171]
实施例2：
[0172]
本实施例中，α＝0.3，β＝0.4，γ1＝γ2＝1，c
ba
＝2元/kwh，充电站的充电分时电价曲线如图3所示。
[0173]
绘制公交车站经本发明所提方法有序调控前后所在馈线的负载率曲线及其充电负荷曲线，分别如图4和图5所示(有序充电起始于公交车收车后并持续到第二天收车，为方便展示，将负荷曲线展示在一天的图表内)。
[0174]
图4中的结果显示，充电站所在馈线基础负荷在21:00左右达到高峰，而由图5的充电站负荷曲线可以看出，18:00后各辆公交车按计划依次结束一天的行程，并接入电网进行充电，充电站负荷曲线逐渐攀升在23:30到达峰值，并在第二天凌晨4:00点左右降为0。从基础负荷和充电负荷的时间分布上看，两者的峰值持续时段存在一定程度的重叠，导致“峰上加峰的现象”，20:00-23:00时段内，馈线负载率超过80％，并在21:30达102.9％，严重威胁电网经济安全运行。而经过本发明所提方法优化后，馈线负载率下降到80％以下，降低重过
载风险显著。由于20:00-21:30的重叠导致馈线重过载，由图5的优化结果可以看出，原重叠时段内的负荷得到大幅削减，大部分充电需求转到凌晨1:00后，小部分充电需求转移到日间。
[0175]
实施例3：
[0176]
本实施例中，为了分析所提实施方法的有效性，本发明分别设置以下三种实施方法进行对比。
[0177]
方法1：只在夜间进行有序充电，并采用本发明的激励分段结算方法；
[0178]
方法2：采用本发明的夜间充电、日间补电策略，但采用固定激励方式，即以基准电价按相应量进行补偿。
[0179]
方法3：本发明所提实施方法。
[0180]
将三种方法在响应时段内的响应结果的各项指标在表4中展示，其余的仿真结果在表5中展示。结果显示，方法3的削峰率比方法1高了5.55％，峰谷差比方法1低了405.9kw，只在夜间有序充电难以实现较大程度的负荷转移，削峰能力受限，因此方法3较方法1的削峰效果更好，能够完成更高要求的响应任务。公交车站效益方面，若公交车不参与需求响应，其平均电价为0.95元/kw，方法1和方法3的单位净电价分别为0.39元/kw和0.31元/kw，下降率分别达 58.9％和67.4％。方法3较方法1的削峰潜力，响应质量更好，从而可以获得更多的激励收入，提高公交车站的效益。
[0181]
表4
[0182][0183]
表5
[0184][0185]
表4中各时段的响应系数可以发现，方法2的响应系数分布较方法3波动更大，有三个时段的相应系数低于1，而同时存在三个时段的响应系数高于3，即使部分时段的降载效果显著，但是21:00:-21:30(43)时段由于充电站欠响应，仍处于重载状态，而且削峰率和峰谷差指标皆不如方法3。然而，从表3中可以看出，方法2中电网对公交车站的激励补贴却比方法3高了1829.8元，高了约 20％，从激励补贴制定方即电网角度出发，本发明所提的基于响应程度的激励结算方式较固定激励方式给电网带来的经济负担更小，而且还能有效引导用户完成更高质量的响应。