[發明專利]一種基于電動汽車聚集模型的需求響應方法

在審

• 申請號: 202211084584.6
• 申請日: 2022-09-06
• 公開（公告）號: CN115511272A
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 王建中;沈朗;焦振華;盧亞軍;王慶豐;沈陸峰;韓心怡
• 申請（專利權）人: 嘉興市恒光電力建設有限責任公司秀洲分公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q50/06;G06K9/62;H02J3/00
• 代理公司: 杭州九洲專利事務所有限公司 33101
• 代理人: 馮權

1.一種基于電動汽車聚集模型的需求響應方法，其特征在于：所述方法包括以下步驟：

S1：建立基于K-均值的電動汽車變化曲線聚類算法，典型的時間分辨率為小時的電動汽車充電曲線，描述了電動汽車一天的功率響應過程，確定了時間參數、功率參數和容量參數的響應信息；

T_start＝t₀ (1)

T_end＝t₁ (2)

P_max＝max(P(t)) (3)

P_min＝min(P(t))，P(t)＞0 (4)

其中，T_start和T_end是時間參數；P_max和P_min是功率參數；E_demand是容量參數；

K-均值聚類是一種在一組未標記的數據中尋找聚類和聚類中心的方法，此外，它適用于所有變量都是數量型的情況，以及歐氏距離的平方，通過特征工程獲得大量的電動車充電配置文件特征參數，基于特征參數(1)-(5)，歐氏距離可以表示為：

d(X_i，X_i′)＝||X_i-X_i′||² (6)

通過將觀測值分配到聚類中，使每個聚類中的觀測值與該聚類中的點所定義的聚類平均值的差異達到最小，從而使該準則達到最小，準則函數被表示為：

其中，總的聚類方差(8)相對于產生當前分配的聚類的平均值(10)來說是最小的；綜上所述，基于K-means的電動汽車充電配置文件聚類算法如下所示：

S2：基于電動汽車的虛擬電廠線性創建模型，其中包括基于聚類方法的集合器參數的確定，考慮到可再生能源、儲能設備和分布式發電的日前調度策略模型，帶有配電網約束的線性化電力流，對應的包括以下過程：

S2-1：電動汽車的聚集，通過對電動汽車充電配置文件的特征參數進行聚類，不同的聚類參數組被分配給不同的聚集器，以使電動汽車參與需求響應，聚集器參數可以定義如下：

其中，聚合器指數相當于聚類方法的分組指數，是組內電動汽車的數量；

S2-2：基于電動汽車的虛擬電廠的線性創造模型，將可用的可再生日間電力集函數、儲備部署請求和市場價格視為已知參數，確定的模型被制定如下：

1)虛擬電廠的目標函數：虛擬電廠的確定性日前調度策略模型需要使多資源約束下的配電網總成本最小，目標函數被定義為：

其中，F_VPP(·),F_ESs(·)和F_DGs(·)分別代表投標成本、儲能成本、分布式發電單元成本，可以被定義為：

(17)-(19)式中的參數RM_t,EM_t,C_i,{a_i，b_i，c_i}分別表示為日前儲備市場價格、日前電力市場價格、儲能成本系數和分布式發電裝置成本系數，連續決策變量分別表示為虛擬電廠儲備競價、虛擬電廠能量競價、儲能設備充電功率、儲能設備放電功率、儲能儲備提供、分布式發電機有功功率提供和分布式發電機儲備提供，二元決策變量表示為分布式發電機的承諾狀態；

2)可再生能源約束，光伏和風力渦輪機的有功功率輸出約束可表述如下：

3)分布式發電機約束條件，分布式發電機的有功功率和儲備輸出約束可表述如下：

其中，約束條件(25)的線性化方法，是將布爾變量乘以連續決策變量；

4)儲能設備約束，儲能裝置的充放電功率和儲備的約束條件可以表述如下：

5)儲備金平衡約束，儲備需求者和儲備供應者之間的儲備平衡約束可表述如下：

6)聚集者約束，基于電動汽車的集合器約束可表述如下：

S2-3：配電網絡的線性功率流，考慮一個由有向樹G＝(N，E),表示的放射狀配電網，其中N表示的是母線集，E表示線集，讓N×(N+1)大小表示a⁰的發生矩陣，其條目定義為

讓a₀表示第一列，A表示其余列，就有：

AP＝p (39a)

AQ＝q (39b)

a₀+AV＝D_rP+D_xQ (39c)

p＝p^DGs+p^WPs+p^PVs+p^VPP-p^AGG-p^Fix (39d)

q＝q^DGs+q^WPs+q^PVs-q^Fix (39e)

其中D_r和D_x是正定的，其條目對應于線路指數的電阻和電抗；

此外，相對于參考電壓(p.u.)的電壓振幅需要避免跨越極限需要滿足以下式子：

0.95≤V≤1.05 (39f)

公式(39a)-(39f)構成了具有配電網絡約束的電力流。