[發明專利]考慮用戶行為的電動汽車光伏充電站優化調度方法

有效

• 申請號: 201811332993.7
• 申請日: 2018-11-09
• 公開（公告）號: CN109713696B
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 羅平;程晟;陳瀟瑞;姜淏予;閆文樂
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: H02J3/32
• 分類號: H02J3/32;H02J3/46
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.考慮用戶行為的電動汽車光伏充電站優化調度方法，該方法具體包括以下步驟：

步驟1、由以往的光伏發電數據和天氣預報數據預測第二天電動汽車光伏充電站每個時刻的光伏發電功率；

步驟2、根據歷史數據的分析，給出每臺電動汽車蓄電池初始SOC狀態、到達和停泊時間；

步驟3、建立電動汽車蓄電池循環壽命與蓄電池的放電深度和環境溫度之間的函數關系式；為了得到蓄電池的循環壽命與蓄電池放電深度和環境溫度之間的關系，利用B樣條曲線根據實測的實驗數據分別對其進行擬合；為了提高曲線擬合的精度，擬合的過程都分為初始擬合和局部修正兩個環節；

首先利用B樣條曲線擬合蓄電池放電深度與循環壽命之間的關系；由于在眾多影響因素中，蓄電池放電深度對循環壽命的影響最大，因此選擇三次B樣條曲線對其進行擬合和修正；根據實測的實驗數據，基于三次B樣條對其進行初始擬合，得到循環壽命與實時放電深度D之間的函數關系式如(1)所示：

L_Db(D)＝α₀·D⁴+α₁·D³+α₂·D²+α₃D+α₄ (1)

式中，L_Db為初始擬合的受放電深度影響的蓄電池循環壽命，α₀，α₁，α₂，α₃和α₄為對應的系數；

將擬合曲線與實驗數據進行對比，找到擬合誤差大于E的區域；對擬合誤差大于E的區域，在初始擬合得到的曲線上對應的區域選擇采樣點，再次利用三次B樣條曲線基于這些采樣點和該區域原有的實驗數據進行局部修正擬合，直到擬合結果誤差小于E’的范圍；從而得到局部擬合曲線的表達式如(2)所示：

λ₁(D)＝ε₀·D⁴+ε₁·D³+ε₂·D²+ε₃D+ε₄ (2)

式中，λ₁為局部修正的受放電深度影響的蓄電池循環壽命，ε_i為局部修正擬合后對應的系數，其中i＝0,1,2,3,4；此時，D的取值范圍為擬合誤差大于E的區域；其他取值范圍內λ₁(D)＝0；

因此，最終蓄電池放電深度D與蓄電池循環壽命L_D的函數關系式如(3)所示：

L_D＝L_Db+λ₁ (3)

同理，利用二次B樣條曲線得到蓄電池環境溫度T與循環壽命之間的初始擬合函數關系為

式中，L_Tb為初始擬合的受溫度影響的蓄電池循環壽命，為擬合多項式的系數，其中t＝0,1,2；

通過擬合曲線與實驗數據的對比，找到擬合誤差大于S的區域，對擬合誤差大于S的區域，在初始擬合得到的曲線上對應的區域選擇采樣點，再次利用二次B樣條曲線基于這些采樣點和該區域原有的實驗數據進行局部修正擬合，直到擬合結果誤差降低到3％以下；得到的局部修正擬合曲線的表達式如(5)所示：

λ₂＝κ₀·T²+κ₁·T+κ₂ (5)

其中，λ₂為受環境溫度影響的蓄電池循環壽命，κ_j為擬合多項式的系數，其中j＝0,1,2；

由此，最終得到的環境溫度T與蓄電池循環壽命L_T關系式如(6)所示：

L_T＝L_Tb+λ₂ (6)

綜合放電深度和溫度對鎳氫蓄電池的循環壽命的影響，采用權重的方法，定義蓄電池循環壽命的放電深度因子η_DOD如式(7)所示，蓄電池循環壽命的溫度因子η_TEM如式(8)所示，則溫度和放電深度共同影響下蓄電池循環壽命L的計算方法如式(9)所示；

L＝η_DOD·η_TEML_N (9)

式(7)-(9)中，L_N為蓄電池的額定循環壽命；

步驟4、對于在電價高峰時段停靠在電動汽車光伏充電站的電動汽車，計算每臺電動汽車蓄電池此時V2G的放電損耗費用W；W由式(10)-(11)計算得到；

Γ＝L·C_R (11)

式中，C_Z為蓄電池的初始投資；Γ為蓄電池的實際吞吐量，C_R為蓄電池的額定容量；

將該費用與電網提供的補償電價進行比較，若是電動汽車的放電損耗費用高于補償電價，電動汽車用戶將不參與V2G模式；反之，則電動汽車用戶參與V2G模式，在高峰期給電網供能，緩解電網供電壓力，用戶也可通過此途徑獲得收益；從而確定所有參與V2G的車輛臺數；

步驟5、而對于非高峰電價到達光伏充電站的電動汽車，是不參與V2G的；根據每輛電動汽車蓄電池自身荷電狀態SOC，判斷是否需要充電；電動汽車充電采用恒功率充電計算每一時刻需要充電的電動汽車臺數，進而確定各個時刻的充電負荷；

步驟6、比較每個時刻光伏發電功率與電動汽車充電負荷的大小；若光伏發電功率大于電動汽車充電負荷時，多余的光伏發電功率優先給光伏充電站自帶的儲能系統充電；若儲能系統充滿后仍有剩余功率，則光伏充電站向大電網進行售電；反之當光伏發電功率小于電動汽車充電負荷時，則優先利用儲能系統給電動汽車進行充電，若仍不能滿足充電負荷的需求時，則從大電網進行購電以滿足光伏充電站功率平衡的要求；

步驟7、以儲能系統蓄電池每個時刻的SOC為優化變量，以最小化光伏充電站運營成本F為調度目標，其中光伏充電站的運營成本包括光伏發電成本、儲能系統充放電成本、電動汽車充放電成本和向大電網買電和賣電的成本，如式(12)所示；

式中，C₁、C₂分別為每kW功率對應的光伏發電成本、儲能設備出力成本；C₃為電動汽車參與V2G每kW功率的收益費用；P_PV，t為第t個時刻光伏系統的發電功率；P_CD,t為第t個時刻蓄電池的出力；C_sell為每kW功率對應的賣電費用；P_sell,t為第t個時刻的賣電功率；C_buy為每kW功率對應的買電費用；P_buy,t為第t個時刻的買電功率；P_evsell,t為第t個時刻V2G的賣電功率；

該優化調度方法的約束分為兩類：一是設備模型約束，包括儲能系統蓄電池和電動汽車蓄電池，為防止儲能設備過充和過放的發生，其荷電狀態SOC應滿足上、下限的限制約束；另一類約束為系統運行約束，即系統在運行中應該滿足的約束，這類約束包括系統運行時每個時刻都應該滿足功率平衡約束和在調度周期內的初始和終止時刻儲能系統蓄電池的SOC應當保持一致；

步驟8、采用自適應遺傳算法在尋優過程中對遺傳參數進行自適應調整，并利用罰函數法來處理約束條件，得到該優化調度方法對應的優化變量和目標函數值，即儲能系統蓄電池和大電網在各時段的出力以及光伏充電站總的運行成本。