[发明专利]一种用于分布式能源PEV充电站设计的优化方法

说明书

本发明公开了一种用于分布式能源PEV充电站设计的优化方法，该方法包括：S1.构建双层鲁棒模型，该模型的上层对应于一个最大‑最小‑最大三阶段结构，并利用数个约束条件对该结构进行优化，在模型的下层进行上层的检验；S2.通过KKT最优性条件将双层优化转化为单层主子结构；S3.将转化后的单层主子结构对应的问题线性化为具有非线性项的等效线性规划公式；S4.利用C&CG算法解决线性化后的主子问题，确定最优解。通过本发明，能够实现在明确考虑电动汽车用户充电行为的潜在战略性质的基础上，确定未来智能电网中可再生能源电动汽车充电系统(RCS)的优化设计。

技术领域

本发明涉及电动汽车技术领域，尤其涉及一种用于分布式能源PEV充电站 设计的优化方法。

背景技术

在过去十年中，技术进步和政府支持推动了插电式电动汽车(PEV)在全 球的快速增长[1]。与传统内燃机车相比，PEV具有更高的能效，但几乎为零排 放；因此，PEV被认为是当前应对气候变化和化石燃料危机的一种解决方案[2]。

作为一种新兴的电气化交通方式，除非所需的能源由可再生能源(RES) 提供，如风能或太阳能，否则电动汽车不能独自应对环境挑战。因此，随着电 动汽车的普及，RES在电网中发挥着至关重要的作用[3]。

然而，在实践中，实现PEV与RES的有效协调并非没有困难。由于天气 状况和个人充电行为的不可预测性，RES和PEV都涉及重大的不确定性，因 此不协调的整合将无法为其利益相关者带来满意的收益[4]。

为了解决上述问题，近年来进行了大量研究。一般来说，从长期规划的角 度来看，可通过两种主要方式实现PEV与RES的协调互动：1)在电网侧联合 配置PEV充电基础设施(EVCI)和可再生分布式发电(RDG)资源；2)将 EVCI和RDG聚合到单个系统中(也称为可再生能源PEV充电站，RCS)。具 体地说，在第一种情况下，为了满足PEV充电需求，同时确保系统[4]-[8]的潜 在效益，我们研究了智能电网环境下EVCI(包括位置、大小等)的最优规划 问题和RDG分配问题；而在第二种情况下，假设EVCI和RESS是结合在一 起的。基于给定的配置，规划决策主要处理RCS[9]-[13]所用设备及其尺寸的优 化选择问题，提出了不同类型的数学模型，相关结果表明，PEV-RES集成规划 (ERIP)的效率主要取决于他关注PEV客户的可用性和充电行为。此外，对 于这两种规划模式，适当的ERIP策略不仅将提高RES的整体利用率，而且还 将减轻由于RDG/PEV充电负载的大规模连接而导致的电网潜在压力。

虽然目前ERIP的问题已经引起了人们的关注，但大多数相关文献都普遍 默认决策者对系统未来的运行状况始终是完全了解的，因此可以忽略PEV充 电需求的潜在随机性[4]-[5]，[8]-[12]，或者简单地用预先确定的概率模型[4]、 [7]-[14]表示。然而，在实际情况下，由于忽略了PEV用户的战略性质及其与 电网的可能交互作用，这些公式可能非常不准确且不切实际。

在实际情况中，由于RCS的规划决策必须在运行前做出，因此很难完全 了解ERIP中的不确定性。所以，用静态方法表示随机变量在许多情况下往往 是极其困难的。除此之外，在市场环境下，PEV车主可以根据自己的利益，自 由决定是否使用RCS为其车辆充电，以及每次需要旅行时需要购买多少能源。 根据报告，电动汽车的充电模式不仅取决于其用户的固有偏好(即个人习惯)， 还可能受到一些外部标准的影响，如提供的充电费率。事实上，由于PEV充 电市场的报价具有高度的动态性，因此，PEV所有者可能会利用这种套利潜力，智能地调整其充电模式，从而最大限度地提高自身的收益[14]。因此，RCS的 PEV吸收(即预期的PEV充电需求)不应一致，但会随着RCS的运行/定价决 策而变化。然而，概率模型不足以捕获这种PEV行为的战略(依赖)性质， 这可能导致对ERIP效率的错误估计，从而导致次优决策。

发明内容