[發明專利]計及EV雙重不確定性的獨立微電網模糊隨機調度方法

在審

• 申請號: 202011216526.5
• 申請日: 2020-11-04
• 公開（公告）號: CN112668826A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 馬藝瑋;鄧富春;樸昌浩;唐賢倫
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q10/04;G06Q50/06
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種計及EV雙重不確定性的獨立微電網模糊隨機調度方法，其特征包括如下步驟:

步驟一:設定獨立微電網中分布式電源、負荷和EV的初始條件及參數數據；

步驟二:建立EV放電調度響應率不確定模型；

步驟三:建立EV電池SOC初始值不確定性模型；

步驟四:建立計及EV雙重不確定性的獨立微電網模糊隨機調度模型。

2.根據權利要求1所述的計及EV雙重不確定性的獨立微電網模糊隨機調度方法，其特征在于：步驟一所述包括：

1)分布式電源包含有WT、PV、BT；

2)初始條件是WT、PV、BT、負荷和EV的運行出力約束條件，微電網系統電能供求平衡約束條件；

3)參數數據包括微電網中風電機組和光伏機組的數量及裝機容量，BT和單臺EV電池組的容量，EV數量和在位率以及微電網中各發電單元在某調度周期內初始數據等。

3.根據權利要求1所述的計及EV雙重不確定性的獨立微電網模糊隨機調度方法，其特征在于：步驟二所述的EV放電調度響應率不確定性模型包括：

車主放電調度響應率不確定性建模。由微觀經濟學中供給彈性理論可得電力市場中用戶響應率和補償電價的關系：

式中：f₁，f₂和f₃為線性函數；R為補償電價，ω為響應率，R_min為函數f₁和f₂的交點，R₀為函數f₃和f₂的交點，R_max為函數f₁和f₃的交點。

將上述模型應用到EV調度當中，P為微電網給予車主參與放電調度時的補償電價，ω為車主放電調度響應率，二者關系為：車主放電調度響應率ω的模糊隸屬度函數用三角隸屬度函數表征，其隸屬度函數為：

式中：ω₁,ω₂,ω₃為響應率的隸屬度參數。

4.根據權利要求1所述的計及EV雙重不確定性的獨立微電網模糊隨機調度方法，其特征在于：步驟三所述的EV電池SOC初始值不確定性模型包括：

EV的SOC初始值不確定性建模。EV行駛過程中的SOC隨著行駛距離的增加而線性下降，其SOC初始值為：

SOC_st＝(1-S/S_m)×100％ (3)

式中：SOC_st為EV接入充電樁時的SOC初始值；S為EV單日行駛距離；S_m為EV的最大行駛距離。

根據美國交通局統計的私家車每日出行數據，分析可得EV的單日行駛距離S近似服從對數正態分布，其概率密度函數為：

SOC初始值的正態分布模型為：

當j＝1時，μ＝0.6，表示參與放電調度EV的SOC初始值分布；當j＝0時，μ＝0.4，表示不參與放電調度EV的SOC初始值分布。

5.根據權利要求1所述的計及EV雙重不確定性的獨立微電網模糊隨機調度方法，其特征在于：步驟四所述的計及EV雙重不確定性的獨立微電網模糊隨機調度模型包括：

1)微電網系統運行的目標函數為：

MinF_t＝F_WT+F_PV+F_BT+F_EV+F_d+F_l (6)

式中：F_t為微電網運行總成本；F_WT為風力發電總成本；P_WT,i為第i時段內風力發電總量；f_WT為風力單位發電成本和折舊成本；F_PV為光伏發電總成本；P_PV,i為第i時段內光伏發電總量；f_PV為光伏單位發電成本和折舊成本；F_EV為微電網的EV逆向補償成本；λ_dis,i為第i時段內的微電網逆向補償電價；為第i時段內考慮EV雙重不確定性的EV放電功率；F_BT為BT充放電總成本；C_t為EV的電池容量；為第i時段EV停駛數量；n為EV總數量；P_BT,i為第i時段內BT充放電功率；f_BT為BT充放電單位成本；F_d為微電網棄風棄光成本；F_l為微電網缺電損失成本。

2)微電網系統運行的約束條件為：

(1)基于可信性測度轉化的目標函數：

式中：為目標函數的β-悲觀值；Cr{g}為可信性測度表達式；β為置性度。

(2)基于可信性測度的功率平衡約束：

式中:P_L,i為第i時段負荷功率；α為置性度。

(3)EV補償電價約束：

式中：為逆向補償電價下限，由充放電電池損耗成本決定：為逆向補償電價上限。

(4)BT約束：

SOC_min≤SOC_i+P_BT,i≤SOC_max (13)

式中：為BT最大充電功率；SOC_i為BT第i時段的SOC值；SOC_max，SOC_min分別為BT的SOC上下限。