含有电动汽车虚拟储能的直流微网的优化控制方法及系统

1.本发明涉及直流微网能量优化控制技术领域，具体而言，涉及含有电动汽车虚拟储能的直流微网的优化控制方法及系统。


背景技术：

2.电动汽车虽为储能电池，但作为可控负荷，目前的控制策略通常简单处理为投入或切除，无法实现与储能间的动态连续配合。若电动汽车调控参数与系统内的储能装置运行参数不同，如何整体评估系统能量储备，如何检测其运行状态与储能完成协同配合均需要探讨。由于参数不一致，缺少能够反映被调用设备运行状态的关键参数，导致对量测信息处理能力的不足。目前，电动汽车优化调度虽然考虑了电动汽车电池的充放电特性，但并未深入考虑其与储能及可控源-荷设备间的协同调度，导致电动汽车能量的储存和释放性能未被充分开发利用，所以经济性并未达到最优，存在较大的提升空间；因此，急需一种含有电动汽车虚拟储能的直流微网的优化控制方法及系统，以解决上述技术问题。


技术实现要素：

3.为了解决上述问题，本发明的目的是提供一种含有电动汽车虚拟储能的直流微网的优化控制方法及系统，建立以最大化微网收益为目标的经济模型，并提出以虚拟电容值为统一调控参数、以虚拟荷电状态为系统状态评估指标的日内经济调度策略，提升系统运行经济性效益。
4.为了实现上述技术目的，本技术提供了含有电动汽车虚拟储能的直流微网的优化控制方法，直流微网由永磁直驱风机、混合储能装置、以异步电动机处理的可控负荷和电动汽车组成，包括以下步骤：
5.根据电价策略，引导转移电动汽车充放电需求的特征曲线，构建电动汽车虚拟储能模型，用于模拟电动汽车的虚拟储能系统的负荷平移效果；
6.基于电动汽车虚拟储能模型，通过将源荷储资源集成到协同运行优化中，根据粒子群算法求解日内经济性最优调度策略，建立含电动汽车虚拟储能的直流微网的微网能量管理模型；
7.基于微网能量管理模型，根据模型中的最优虚拟电容值的引入，生成直流微网的最优储能配置与功率分配的优化控制策略。
8.优选地，在构建电动汽车虚拟储能模型的过程中，基于蒙特卡洛模拟法，设定电动汽车充放电形式，根据电价波动情况，引入衡量电动汽车虚拟储能储备的虚拟电容值和评估电动汽车运行状态指标的虚拟荷电状态，构建电动汽车虚拟储能模型。
9.优选地，根据电价波动情况，通过获取电动汽车虚拟储能充放电起始时刻和结束时刻，生成不同时段电动汽车虚拟储能充放电电量e
ev
(t)表示为：
10.11.优选地，在获取充放电起始时刻的过程中，根据电价波动情况，获取电动汽车虚拟储能充电起始时刻t
chars
和电动汽车虚拟储能放电起始时刻t
dchars
表示为：
12.t
chars
(i)＝tf(i)(0≤tf(i)＜t
zs
)
13.t
dchars
(i)＝tf(i)(t
ws
＜tf(i)≤24)
14.t
dchars
(i)＝t
ws
(t
zs
≤tf(i)≤t
ws
)
15.其中，i表示第i量电动汽车，t
zs
表示早电价低谷结束时刻、t
ws
表示晚电价峰值起始时刻，电动汽车最后一次出行返程时间tf概率密度函数服从正态分布tf(i)～(μf，σf)。
16.优选地，在获取充放电结束时刻的过程中，电动汽车虚拟储能充电结束时刻t
chare
和电动汽车虚拟储能放电结束时刻t
dchare
表示为：
[0017][0018]
其中，pe为电动汽车动力充放电功率，t
dchar
表示电动汽车虚拟储能放电时长，w表示电动汽车每公里耗电量，电动汽车日行驶里程s服从s(i)～(μs，σs)的对数正态分布。
[0019]
优选地，通过设定剩余电量满足用户的日常出行需求，且放电量不得超过电动汽车最大放电深度的条件，获取电动汽车虚拟储能放电时长t
dchar
表示为：
[0020][0021]
其中，c为电动汽车动力电池总容量，r为电动汽车每公里最大放电深度，为电动汽车电池单体荷电状态限值。
[0022]
优选地，在构建电动汽车虚拟储能模型的过程中，虚拟电容值c
ve
(t)和虚拟荷电状态soc
ve
(t)表示为：
[0023][0024][0025]
其中，uc为直流母线端电压，ηv为电池充放电效率。
[0026]
优选地，在将源荷储资源集成到协同运行优化的过程中，根据微网经济收益值w
total
最大化为目标，建立目标函数；
[0027]
根据可控设备运行状态，设置功率平衡约束条件；
[0028]
根据可控设备运行状态，设置储能状态约束条件；
[0029]
根据目标建立目标函数、功率平衡约束条件、储能状态约束条件，进行协同运行优化，其中，
[0030]
目标函数表示为：
[0031][0032]
功率平衡约束条件表示为：
[0033]
pw(t) pb(t) pc(t)＝p
l
(t) pe(t)；
[0034]
储能状态约束条件表示为：
[0035][0036]
式中，w
l
是系统可控负荷收益，we是电动汽车充放电收益，s
bess
是混合储能设备的运行维护成本，sb是蓄电池寿命折损成本，s
ev
是支付给电动汽车用户的调峰成本，k
l
是单位电量的可控负荷收益，p
t
是电动汽车交易电价，k
bess
是混合储能装置单位电量的运行和维护成本，k
ev
是单位放电量的电动汽车上网补贴电价，kb是蓄电池总投资成本，a是蓄电池线性老化系数，soh
min
是蓄电池寿命终止时的健康状态值，socb是蓄电池荷电状态，p
l
是可控负荷功率，pb是蓄电池充放电功率，pc是超级电容器充放电功率，pw是风功率，sohb是蓄电池健康状态，socc是超级电容器荷电状态。
[0037]
本发明公开了含有电动汽车虚拟储能的直流微网的优化控制系统，包括：
[0038]
虚拟储能构建模块，用于根据电价策略，引导转移电动汽车充放电需求的特征曲线，构建电动汽车虚拟储能模型，用于模拟电动汽车的虚拟储能系统的负荷平移效果；
[0039]
微网能量管理模型构建模块，用于基于电动汽车虚拟储能模型，通过将源荷储资源集成到协同运行优化中，根据粒子群算法求解日内经济性最优调度策略，建立含电动汽车虚拟储能的直流微网的微网能量管理模型；
[0040]
优化策略生成模块，用于基于微网能量管理模型，根据模型中的最优虚拟电容值的引入，生成直流微网的最优储能配置与功率分配的优化控制策略。
[0041]
优选地，直流微网包括永磁直驱风力发电机组、由蓄电池和超级电容器组成的混合储能装置、以异步电动机处理的可控负荷和具备移动储能特性的电动汽车；
[0042]
永磁直驱风力发电机组通过电压型ac/dc换流器wvsc接入直流微网的直流母线；
[0043]
混合储能装置分别通过两个双向dc/dc换流器cvsc和bvsc连接直流母线入网；
[0044]
可控负荷由连续可调的异步电动机形式通过ac/dc换流器lvsc接入直流母线；
[0045]
电动汽车通过双向dc/dc换流器evsc接入直流母线。
[0046]
本发明公开了以下技术效果：
[0047]
本发明针对直流微网能量管理问题，提出了含电动汽车虚拟储能的源荷储优化控制策略，使供、需两侧资源得以整合，提升了系统调控的互动灵活性。在所提优化控制中，在全面的运行状态实时监测下，通过虚拟电容值不仅可以评估电动汽车虚拟储能的调节潜力，并且便于统一调用能量储备，使优化运行得以简化，显著降低系统运行成本。
附图说明
[0048]
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的前提下，还可以根据这些附图获得其他的附图。
[0049]
图1为本发明所述的直流微网优化控制方法的流程图；
[0050]
图2为本发明所述的直流微网的仿真拓扑结构图；
[0051]
图3为本发明所述的典型工作日功率预测和分时电价变化图；
[0052]
图4为本发明所述的能量优化控制策略下系统各元件功率变化图；
[0053]
图5为本发明所述的不同时刻下虚拟储能电容参数图；
[0054]
图6为本发明所述的优化控制策略下总负荷功率变化图；
[0055]
图7为本发明所述的优化控制策略下微网收益成本变化图。
具体实施方式
[0056]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中附图，对本技术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技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0057]
如图1-7所示，本发明提供了含有电动汽车虚拟储能的直流微网的优化控制方法及系统，图1为本发明实施例含电动汽车虚拟储能的直流微网优化控制的方法的流程图，如图1所示，本发明提供了一种含有电动汽车虚拟储能的直流微网优化控制的方法，所述方法包括：
[0058]
步骤101：根据电价策略引导转移电动汽车充放电需求的特征曲线模拟类似储能设备的负荷平移效果，建立电动汽车虚拟储能模型；
[0059]
步骤102：根据虚拟储能系统建模将源荷储资源集成到协同运行优化中，以收益最大化为目标建立经济优化问题描述；
[0060]
步骤103：根据粒子群算法求解日内经济性最优调度策略，建立含电动汽车虚拟储能的微网能量管理模型；
[0061]
步骤104：根据模型中最优虚拟电容值的引入，建立含电动汽车虚拟储能配合的最优储能配置与功率分配的优化控制策略。
[0062]
图2为本发明实施例直流微网的仿真拓扑结构图，如图2所示，本发明提供的含电动汽车虚拟储能的直流微网系统，包括永磁直驱风机、混合储能装置、以异步电动机处理的可控负荷和电动汽车。所述永磁直驱风机组通过单向ac/dc的wvsc换流器用于输电的直流母线上。所述混合储能装置包括超级电容器和蓄电池，用于平抑系统产生的功率波动，分别通过cvsc和bvsc双向dc/dc换流器接入直流母线。所述以异步电动机处理的可控负荷通过lvsc的ac/dc换流器接入，用于分担混合储能装置功率调节压力。所述电动汽车以双向dc/
dc的换流器evsc接入母线。为评估电动汽车提供虚拟储能的能力，对图2所示模型进行仿真分析。
[0063]
步骤101中根据电价策略引导转移电动汽车充放电需求的特征曲线模拟类似储能设备的负荷平移效果，建立电动汽车虚拟储能模型。假定电动汽车充放电均以常规慢速方式进行，根据蒙特卡洛模拟法，电动汽车日行驶里程s服从s(i)～(μs，σs)的对数正态分布，电动汽车最后一次出行返程时间tf概率密度函数服从正态分布tf(i)～(μf，σf)。
[0064]
通过对比第i量电动汽车出行返程时刻与早电价低谷结束时刻t
zs
、晚电价峰值起始时刻t
ws
。在早电价低谷结束时刻前电动汽车虚拟储能充电以消纳冗余功率，在晚电价高峰时刻后投入电动汽车虚拟储能放电减小原始负荷功率冲击。合理安排电动汽车虚拟储能充电起始时刻t
chars
和电动汽车虚拟储能放电起始时刻t
dchars
表示为：
[0065][0066]
电动汽车虚拟储能放电时长既要保证其剩余电量能够满足用户的日常出行需求，且放电量不得超过电动汽车最大放电深度，电动汽车虚拟储能放电时长t
dchar
表示为：
[0067][0068]
式中，c为电动汽车动力电池总容量，pe为电动汽车动力充放电功率，w、r分别为电动汽车每公里耗电量和最大放电深度，动汽车每公里耗电量和最大放电深度，为电动汽车电池单体荷电状态限值。
[0069]
电动汽车充电时长由电动汽车虚拟储能放电量以及出行损耗电量决定，结合对电动汽车在相应电价峰谷时刻参与虚拟储能的约束，根据电动汽车虚拟储能起始充放电时刻和放电时长，可得到不同返程时间内电动汽车虚拟储能充电结束时刻t
chare
和电动汽车虚拟储能放电结束时刻t
dchare
表示为：
[0070][0071]
根据电动汽车虚拟储能充放电起始时刻和结束时刻，可分别得到不同时段电动汽车虚拟储能充放电电量e
ev
(t)表示为：
[0072][0073]
根据电动汽车参与源荷级调控电量模拟为虚拟电容充放电量形式，用统一的电容参数指令参与优化调度，引入衡量电动汽车虚拟储能储备的虚拟电容值c
ve
(t)和评估电动汽车运行状态的指标虚拟荷电状态soc
ve
(t)，分别表示为：
[0074][0075]
式中，uc为直流母线端电压，ηv为电池充放电效率。
[0076]
步骤102中电动汽车虚拟储能模型引入经济优化求解模型中，依据最优算法求解日内各调度时段内可控负荷功率、混合储能系统出力以及电动汽车虚拟储能出力预测数据。综合考虑可控设备技术特性、日前市场电价等信息，以最大化微网经济性收益为目标得到长时间尺度下的全局优化调度方案。
[0077]
1)经济优化目标函数：
[0078][0079]
式中，w
l
是系统可控负荷收益，we是电动汽车充放电收益，s
bess
是混合储能设备的运行维护成本，sb是蓄电池寿命折损成本，s
ev
是支付给电动汽车用户的调峰成本，k
l
是单位电量的可控负荷收益，p
t
是电动汽车交易电价，k
bess
是混合储能装置单位电量的运行和维护成本，k
ev
是单位放电量的电动汽车上网补贴电价，kb是蓄电池总投资成本，a是蓄电池线性老化系数，soh
min
是蓄电池寿命终止时的健康状态值，socb是蓄电池荷电状态，p
l
是可控负荷功率，pb是蓄电池充放电功率，pc是超级电容器充放电功率。
[0080]
2)功率平衡约束：
[0081]
pw(t) pb(t) pc(t)＝p
l
(t) pe(t)
ꢀꢀꢀꢀꢀꢀꢀ
(7)
[0082]
式中，pw是风功率，pe是电动汽车虚拟储能充放电功率。
[0083]
3)储能状态约束：
[0084][0085]
式中，socb、sohb是蓄电池荷电状态和健康状态，socc是超级电容器荷电状态，soc
ve
是电动汽车虚拟储能荷电状态。
[0086]
步骤103中根据电价r＝[r1,r2,
…r24
]，风电输出功率预测值pw＝[p
w1
,p
w2
,
…
p
w24
]。设置与虚拟储能模型公式相关的参数及其调节区间等。设置算法的参数，包括粒子规模m、最大迭代次数j、惯性因子f、学习因子c1、c2、随机数n1、n2；
[0087]
产生初始电动汽车虚拟电容群，设定虚拟电容位置以及更新速度，设定t时段第i个电动汽车虚拟电容值为c
ve
(t)i，速度为vi；
[0088]
依次对电动汽车虚拟电容群中的虚拟电容值依据目标函数进行计算，数值较大的函数适应度较高。确定个体极值pi群体极值pg；
[0089]
更新虚拟电容值位置和速度，确定适应度更高的个体极值和群体极值；
[0090][0091]
根据收敛精度要求或迭代次数限制结束算法进程，输出结果为系统最大收益值及其所对应不同时段的电动汽车最优虚拟电容值c
ve
(t)，通过调控最优虚拟电容值调节不同
时段电动汽车充放电电量，得到投入电动汽车虚拟储能的日优化运行决策。
[0092]
步骤104中根据模型中最优虚拟电容值的引入，可得含电动汽车虚拟储能配合的最优储能配置与功率分配的优化控制策略，如图4、图5所示。图4对比分析了有无虚拟储能微网中各设备功率变化图，图5是最优经济调度下的虚拟电容值和虚拟荷电状态值。2:00-6:00时刻负荷功率较为平稳，无虚拟储能场景以超级电容器充放电保证储能平衡功率裕量，而投入逐步增大的电动汽车虚拟电容值合理消纳夜间冗余功率。17:00时刻后无虚拟储能场景电动汽车用户无序充电导致“峰上加峰”，加重系统调节负担，导致蓄电池频繁放电，电池折损大幅增加。而电动汽车参与虚拟储能下，闲置电动汽车放电供给负荷，负值虚拟电容值直接抵消部分蓄电池调节容量，此时蓄电池几乎不动作。
[0093]
图6为本发明实施例优化控制策略下总负荷功率变化图，易知电动汽车在无虚拟储能场景下无序充电是造成负荷峰谷差加剧最严重的一种工况。电动汽车虚拟储能在负荷低谷存储电量，在负荷高峰时放电供给负荷起到削峰作用，使得负荷峰谷差大幅降低14.2mw，减小不同能量需求的变化趋势，使功率曲线变得平滑，提高了系统运行稳定性。
[0094]
图7为本发明实施例优化控制策略下微网收益成本变化图，对比分析得出虚拟储能的融入使微网综合成本降低67％，大幅度补偿了虚拟储能导致的收益差额。引入虚拟储能系统为微网带来的净收益为不投入虚拟储能的2.7倍。分析表明，尽管有虚拟储能参与的负荷收益会因其配合传统储能充放电而减小，但微网运行综合成本可大幅降低，所以微网净收益仍具优势。
[0095]
本发明提供的含电动汽车虚拟储能的直流微网优化控制的方法，针对电动汽车具备移动负荷和储能双重特性，结合电价机制制定虚拟储能充放电模型，形成电动汽车虚拟储能模型。将虚拟储能模型集成于经济优化策略中，以经济性收益最大化为目标形成以各时段虚拟电容值和虚拟荷电状态为运行参数的能量协同优化控制策略。本发明提供的含电动汽车虚拟储能的直流微网优化控制的方法，在全面的运行状态实时监测下，通过虚拟电容值不仅可以评估电动汽车虚拟储能的调节潜力，并且便于统一调用能量储备，使优化运行得以简化，显著降低系统运行成本。
[0096]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0097]
在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0098]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。