[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

说明书

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。该方法充分考虑电动汽车出行不确定性，以充电站收益最大为目标函数，构建集中式经济调度模型，并基于配电网负荷和电动汽车充放电功率，提出基于模糊PID算法的实时电价策略，选取拉格朗日松弛法将集中式经济调度模型解耦为分散式模型，求解每辆电动汽车各时刻的充放电功率。仿真结果表明，本发明可大幅增加充电站收益，有效提高电动汽车实时调度的计算效率以及平抑负荷波动。

技术领域

本发明涉及一种电动汽车充放电优化调度领域，具体为一种基于模糊PID实时电价的电动汽车充放电优化调度方法。

背景技术

目前关于电动汽车充电站的经济调度中，多采用分时分段电价策略。该策略实时性差，不能精确反映实时负荷的变化，未能与市场需求充分结合，也未充分体现电价的杠杆作用。并且电动汽车充电站针对电动汽车放电调度多采用集中式优化控制方法，在面对大规模电动汽车参与调度时，这种控制方式会导致中心处理器通信拥挤，负担过重，给电动汽车的实时调度带来局限性。

发明内容

为解决上述技术问题，本发明提供一种基于模糊PID实时电价的电动汽车充放电优化调度方法，可大幅增加充电站收益，有效提高电动汽车实时调度的计算效率以及平抑负荷波动。

本发明采取的技术方案为：

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，包括以下步骤：

步骤一：采集充电站运行参数信息,包括该充电站的售电电价、变压器容量、各时刻的基本负荷，充放电的额定功率等信息，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。

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，t_dep,n为第n个时间窗口的离开电网时间。

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。

所述步骤二中，情景树模型为：

假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，荷电状态等)，将这些数据按照时间顺序排列并放置在矩阵