[发明专利]一种考虑充电负荷灵活性的电动汽车储充站规划方法

权利要求书

1.一种考虑充电负荷灵活性的电动汽车储充站规划方法，其特征在于，包括以下步骤：

1)构建随机规划的可再生能源的出力场景集和电动汽车充电能量边界；具体步骤如下：

1-1)构建随机规划的可再生能源的出力场景集；

对待规划区域过去全年的日光伏出力曲线、日风电出力曲线和日负荷曲线分别利用K-means聚类算法进行聚类，得到晴天、多云、阴天、雨天4种天气分别对应的日光伏出力典型曲线，春、夏、秋、冬4个季节分别对应的的日风电出力典型曲线和工作日与非工作日2类日负荷典型曲线，将上述四种天气、四种季节以及工作日与非工作日分别对应的典型曲线组合成4×4×2＝32类典型场景作为随机规划的可再生能源的出力场景集；

1-2)利用蒙特卡罗抽样法对电动汽车的充电行为参数进行抽样，得到所有电动汽车到达充电站的时间与离开的时间，则单个充电站在任意时刻为电动汽车提供的累计能量下界为该时刻之前在该充电站已完成充电的所有车辆所需能量之和，提供的能量上界为在该时刻之前已到达该充电站的所有车辆所需能量之和；

2)建立考虑充电负荷灵活性的电动汽车储充站规划模型，该模型由目标函数和约束条件构成；具体步骤如下：

2-1)确定模型的目标函数，表达式如下：

其中，充电站和储能的等年值投资成本的计算表达式为：

式中，Ψ_evcs为待规划区域配电网中配置储充站待选节点的集合，RR^evcs表示充电站投资成本的等年值折现系数，RR^ess表示储能投资成本的等年值折现系数；x_i为电动汽车储充站在节点i配置的0-1决策变量，表示节点i配置的充电站的功率，表示节点i配置的储能的功率，为节点i配置的储能容量；表示节点i配置充电站的固定成本，表示节点i配置储能的固定成本，表示节点i配置充电站的单位功率成本，表示节点i配置储能的单位功率成本，为节点i配置储能的单位能量成本；

充电站和储能的年运维成本的计算表达式为：

式中，为节点i所配充电站的单位功率年运维成本，为节点i所配储能的单位功率年运维成本；

配网从主网购电的费用的计算表达式为：

式中，Ω_s为步骤1)得到的可再生能源的出力场景集，ξ_ω为场景ω在场景集中的权重，ξ_ω等于规划中预期的场景ω的天数除以全年天数365；P_0,ω,t为配网在场景ω、时刻t向主网购电的平均功率，Δt为相邻时刻的间隔，为配网在时刻t购电的单位成本；

2-2)确定模型的约束条件，具体如下：

储充站投资数量约束：

式中，n^evcs为储充站投资数量的最小值，分别为储充站投资数量的最大值；

电动汽车充电站的最大配置功率约束：

式中，为待规划区域所有充电站可配置的最大功率；

充电站整体服务容量约束：

式中，为待规划区域所有电动汽车的额定充电功率之和，γ为充电需求的同时率；

储能的最大配置功率与容量约束：

式中，待规划区域所有储能可配置的最大功率，为待规划区域所有储能可配置的最大容量；

储能在充电站内的渗透率约束：

式中，κ为储能在充电站内的最大渗透率；

充电站运行约束：

式中，为节点i所配充电站在场景ω、时刻t提供的充电功率，η_evcs为充电效率；和分别表示电动汽车在场景ω中从最初到时刻t从节点i所配充电站所获得的累计充电能量的下界与上界；

储能的充放电功率约束：

式中，和分别是节点i所配储能在场景ω、时刻t的充电功率和放电功率；

储能多时段间能量耦合约束：

SOC_i,ω,0＝SOC_i,ω,24＝SOC₀

式中，SOC_i,ω,t是节点i所配储能在场景ω、时刻t的荷电状态，和分别是储能的充电效率与放电效率，SOC₀为储能在一天运行中初始的荷电状态；

储能能量上下限约束：

式中，SOC和分别是储能在运行过程中所允许的荷电状态最小值和最大值；

交流潮流约束：

式中，Ψ_b为待规划区域配网所有线路的集合，r_ij和x_ij分别是支路(i,j)的电阻与电抗；和分别代表节点j在场景ω、时刻t下的有功负荷和无功负荷，P_ij,ω,t和Q_ij,ω,t分别代表在场景ω、时刻t下支路(i,j)上流动的有功功率和无功功率，l_ij,ω,t为在场景ω、时刻t下支路(i,j)电流幅值的平方；为在场景ω、时刻t下节点j所配分布式电源的有功出力，v_i,ω,t为在场景ω、时刻t下节点i电压幅值的平方；为节点i电压幅值平方的最大值，为支路(i,j)电流幅值平方的最大值；

3)用Benders求解方法对步骤2)建立的模型的求解，得到电动汽车储充站的最优规划结果；具体步骤如下：

3-1)将步骤2)建立的模型整理为混合整数二阶锥规划模型MISOCP，得到的形式为：

s.t.C_IX≤0,

式中，X表示所有与储充站规划相关的决策变量，包括：储充站位置x_i、充电站功率和储能的功率容量f表示X中的变量在目标函数中所对应的系数向量；Y_ω代表所有与场景ω相关的运行变量，g_ω表示Y_ω中的变量在目标函数所对应的系数向量；C_I表示仅与X相关的约束矩阵，A_ωj、b_ωj、和分别代表将步骤2)的模型在场景ω的第j个运行约束写为二阶锥约束后对应的系数；

3-2)将步骤3-1)的模型分为两层，下层为对偶子问题DSP，上层为松弛主问题RMP；

其中，下层对应场景ω的对偶子问题DSP为：

式中，μ_ωj和λ_ωj为引入的对偶变量，表示本轮迭代前上层松弛主问题RMP的解；

上层的松弛主问题RMP为：

s.t.C_IX≤0,

ι＝1,2,...

式中，ρ为引入的辅助变量，ι为当前求解过程的迭代轮次；

3-3)使用Benders求解法迭代求解上层松弛主问题和下层的所有对偶子问题，直到上下层优化问题的最优值达到设定阈值要求时停止迭代，得到变量即为电动汽车储充站的最优规划结果，包括：储充站位置x_i的最优值、充电站功率的最优值、储能功率的最优值以及储能容量的最优值。