[发明专利]一种基于模糊PID实时电价的电动汽车充放电优化调度方法

权利要求书

1.一种基于模糊PID实时电价的电动汽车充放电优化调度方法，其特征在于包括以下步骤：

步骤一：采集充电站运行参数信息，预测未来一天电动汽车出行情况；

步骤二：构建情景树模型，采用正演算法削减场景；

步骤二中情景树模型为：

设可得到的充电站历史数据有R组，每组有r个物理量，包括单位时间尺度内的充电电价、放电电价，电动汽车充放电状态，荷电状态，将这些数据按照时间顺序排列并放置在矩阵：

中，其中，令array中第t行所有元素组成的向量为A^t，且A^t＝{A_t,1,A_t,2,…,A_t,r}，t＝1,2,…,R,表示r个物理量在第t个历史时期的向量；设当前状态为A^t，那么下一时刻的场景可取为历史数据中与A^t相似的点的下一个时刻的数据；具体的步骤如下：

1)、选取历史数据集{A¹,A²,…,A^M},并确定所要生成的场景的数量为N；M为数据集包含的数据总量；

2)、计算当前状态A^t与历史数据的‘相似度’，‘相似度’表达式为：

上式分母加1，是为了避免分母取值为0的情况，并将‘相似度’从大到小排序记为{d_i1,d_i2,…,d_iM-1}；

3)、选取{Aⁱ₁⁺¹,Aⁱ₂⁺¹,…,Aⁱ_N⁺¹}作为下一阶段的场景；

4)、确定每个场景的概率，为简单起见，取等概率情况，即1/N；

步骤三：构建以充电站总运行收益最大为目标函数的集中式经济调度模型；

步骤四：结合配电网基础负荷和电动汽车充放电功率，整定模糊PID参数，求解实时电价；

步骤五：采用拉格朗日松弛法，对集中式经济调度模型进行解耦，求解每辆电动汽车各时刻的充放电功率；

步骤六：判断每辆电动汽车的荷电状态是否满足出行要求，若是，则结束流程，否则，返回步骤五。

2.根据权利要求1所述一种基于模糊PID实时电价的电动汽车充放电优化调度方法，其特征在于：所述步骤一包括：

电动汽车离开电网的时间概率密度函数为：

式中，t_l,n表示电动汽车在第n个时间窗口归一化后的离开电网时间，其定义为t_dep,n/△(t)；t_dep,n为第n个时间窗口的离开电网时间，△(t)为调度时间尺度；μ是利用序列二次规划法最小化均方误差求得的参数，Γ为标准的伽玛函数；

电动汽车接入电网的时间概率密度函数可以表示为离开电网时间的条件概率：

式中，t_c为接入电网时间，μ_n为第n个离开电网时间窗口中接入电网时间的均值，σ_n为第n个离开电网时间窗口中接入电网时间的标准差；

电动汽车行驶里程的概率密度函数为：

f(d)＝(d_b+d)^-ηexp(-d/ε)

式中，参数η＝1.37，ε＝18，d_b＝1.79，d为电动汽车行驶里程。

3.根据权利要求1所述一种基于模糊PID实时电价的电动汽车充放电优化调度方法，其特征在于：所述步骤三中，集中式经济调度模型为：

以充电站总运行收益最大为目标函数，其表达式为：

式中，F为充电站日最大收益，T为日调度时间尺度数，E为电动汽车数目，Pⁿ为第n个场景的概率，Δt为单位时间尺度，P_c、P_d分别为单位时间尺度内充电、放电额定功率，分别为每小时电动汽车充电、放电电价，Gr(t)为电网售电电价，为电动汽车e在第n场景t时刻的状态变量，其取值表达式为：