含光储的配电台区电动汽车调度方法、系统及存储介质

技术特征：
1.一种含光储的配电台区电动汽车调度方法，其特征在于，步骤包括：s1：采用多元线性回归算法对光伏发电的历史数据进行聚类分析，生成光伏出力场景，确定一天内光伏发电功率；s2：分别建立电储能模型和电动汽车电池损耗数学模型；s3：在充分考虑电网损耗和运行成本最小的条件下，以负荷峰谷差和购售电成本最小为目标函数，建立含光储发电系统的电动汽车协调调度模型；s4：确定含光储发电系统的电动汽车协调调度模型的决策变量及约束条件；s5：采用多目标粒子群算法对含光储发电系统的电动汽车协调调度模型进行优化求解。2.根据权利要求1所述的一种含光储的配电台区电动汽车调度方法，其特征在于，所述步骤s1中确定一天内光伏发电功率的步骤包括：s11：采用蒙特卡洛模拟随机生成光伏出力抽样场景s；s12：计算光伏出力抽样场景s中每对场景s和s'之间的几何距离；s13：选定与剩余场景概率距离之和最小的场景d；s14：以光伏出力抽样场景s中与场景d几何距离最近的场景r替代场景d，将d的概率加到场景r的概率上，消除d，形成新的s'；s15：判断剩余场景数目是否满足要求；若不满足，重复步骤s11至步骤s13；若满足，结束场景削减。3.根据权利要求1或2所述的一种含光储的配电台区电动汽车调度方法，其特征在于，所述步骤s2包括：s21:建立电储能模型；电储能容量为：e
es
(t)＝(1-τ)e
es
(t-1) [p
es-ch
(t)η
ch-p
es-dis
(t)/η
dis
]δt
ꢀꢀꢀꢀꢀꢀꢀ
(1)其中，e
es
(t)为t时段电储能容量；τ为电储能自身放电率；p
es-ch
(t)为t时段储能的充电功率；p
es-dis
(t)为t时段储能的放电功率；η
ch
为t时段储能的充电效率；η
dis
为t时段储能的放电效率；s22:建立电动动汽车ev电池损耗模型；电动动汽车ev电池损耗公式为：其中，n
v
为ev数量；为第v辆ev的电池购买成本；为第v辆ev电池生命周期内的充放电循环次数；为第v辆ev电池容量；为ev可用电池放电深度；为t时段第v辆ev放电功率；为第v辆ev放电效率；为t时段第v辆ev行驶距离；e
v
为ev单位行驶距离所需消耗的功率。4.根据权利要求3所述的一种含光储的配电台区电动汽车调度方法，其特征在于，所述步骤s3包括：根据步骤s2中建立的电储能和电动汽车电池损耗数学模型，构建以购售电成本、ev电池损耗成本和需求响应成本最小为目标函数的电动汽车协调调度模型；
目标函数为：其中，为t时段购售电成本；为t时段需求响应成本；为t时段ev电池损耗成本；为t时段可转移负荷成本。5.根据权利要求4所述的一种含光储的配电台区电动汽车调度方法，其特征在于，所述步骤s4包括：s41：根据目标函数设定的光储发电系统的电动汽车协调调度模型确定决策变量分别为：光伏发电功率p
pv
；购售电量中断负荷量ev电池放电功率电储能系统充放电功率p
es-ch
、p
es-dis
；s42：根据目标函数设定的光储发电系统的电动汽车协调调度模型确定约束条件，包括电动汽车蓄电池容量约束、电储能系统充放电功率约束、购售电量约束、系统功率平衡约束。6.根据权利要求5所述的一种含光储的配电台区电动汽车调度方法，其特征在于，所述约束条件需满足式(4)～式(10)：约束条件需满足式(4)～式(10)：约束条件需满足式(4)～式(10)：约束条件需满足式(4)～式(10)：约束条件需满足式(4)～式(10)：约束条件需满足式(4)～式(10)：约束条件需满足式(4)～式(10)：其中，为第v辆ev蓄电量上限；为第v辆ev蓄电量；为第v辆ev蓄电量下限；为t时刻储能系统充电功率；为t时刻储能系统最大充电功率；为t时刻储能系统放电功率；为t时刻储能系统最大放电功率；分别表示t时段电储能是否充放电，是则置1，否则置0；否充放电，是则置1，否则置0；为t时刻购售电功率；为t时刻购售电的最大功率；为t时刻是否购售电，是则置1，否则置0；为t时段中断负荷量；为t时段电力负荷；为第m级中断负荷系数；为时段转移后转移负荷量；为t时段转移负荷量上限。7.根据权利要求6所述的一种含光储的配电台区电动汽车调度方法，其特征在于，所述步骤s5包括：s51：数据初始化，输入光伏发电功率、电储能模型、电动汽车电池损耗数学模型和其对应的各参数，以及mopso算法参数；同时，初始化粒子种群，种群中每一个粒子个体都对应着
一个调度周期内的调度方案；s52：将粒子个体作为系统变量输入到仿真模型，对违背所述约束条件的决策变量进行修正，并计算系统的购售电成本、ev电池损耗成本和需求响应成本并作为个体适应度值；s53：将所述个体适应度作为优化模型的输入，通过式(11)得到子代种群各个粒子的速度和位置；其中，v
i 1
为新一代粒子速度，v
i
为当前代粒子速度，ω为惯性权重，c1、c2为学习效率，x
i 1
为粒子新的位置，x
i
为粒子当前位置，rand是介于0-1之间的随机数，pbest
i
为每个粒子当前的最好位置；s54：确定个体极值pbest：将pbest作为粒子的初始个体极值，如果当前的粒子支配pbest，则将当前的粒子作为pbest个体极值；如果两者不能比较，则计算两者在群体中支配其他粒子的个数，支配较多的粒子则作为个体极值pbest；s55：对种群进行分层排序，将最优的非支配解pareto存入外部存档集合，并清除非pareto解，并判断外部存档集合是否超过规定容量m；s56：返回步骤s53，直至找到最优解集pareto并将其输出。8.根据权利要求7所述的一种含光储的配电台区电动汽车调度方法，其特征在于，在步骤s55中，若超过规定容量m，则按照拥挤距离选取m个粒子并运用轮盘赌法选择gbest；若未超过规定容量m，则直接运用轮盘赌法选择gbest。9.一种含光储的配电台区电动汽车调度系统，其特征在于，包括能量管理系统、均与所述能量管理系统连接的光伏发电系统和电储能单元，以及与所述能量管理系统连接的各个电动汽车；所述能量管理系统包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的配电台区电动汽车调度程序，所述配电台区电动汽车调度程序被所述处理器执行时实现如权利要求1-8任意一项所述的一种含光储的配电台区电动汽车调度方法的步骤。10.一种存储介质，其特征在于，所述存储介质上存储有含光储的配电台区电动汽车调度方法程序，所述含光储的配电台区电动汽车调度程序被处理器执行时实现如权利要求1-8任意一项所述的一种含光储的配电台区电动汽车调度方法的步骤。

技术总结
本发明提供一种含光储的配电台区电动汽车调度方法、系统及存储介质，其中调度方法：首先根据光伏发电的历史数据进行聚类分析，生成光伏出力场景，确定一天内光伏发电功率；其次分别建立电储能模型和电动汽车电池损耗数学模型；在充分考虑电网损耗和运行成本最小的条件下，以负荷峰谷差和购售电成本最小为目标函数，建立含光储发电系统的电动汽车协调调度模型；然后确定含光储发电系统的电动汽车协调调度模型的决策变量及约束条件；再然后采用多目标粒子群算法对含光储发电系统的电动汽车协调调度模型进行优化求解；本发明充分利用光储发电系统和传统电网的优势，增大可再生能源消纳，减少了煤炭的使用以及减少电动汽车电池损耗成本。耗成本。耗成本。


技术研发人员：李帅虎 张志丹 徐勇 童星 赵翔 陈远扬 王炜宇 施星宇
受保护的技术使用者：长沙理工大学
技术研发日：2022.08.12
技术公布日：2022/12/12