[发明专利]一种充储电站供给侧分散式优化调度方法

说明书

一种充储电站供给侧分散式优化调度方法，首先，根据出行链和马尔科夫决策理论，建立考虑出行路径随机性的电动汽车时空转移模型及其在不同温度、交通路况下的单位里程能耗量；其次考虑电动汽车充放电约束、充储电站和配电网运行约束，以充储电站收益最大化为目标函数的充储电站供给侧优化数学模型；然后基于改进拉格朗日对偶松弛法，提出了该模型的分散式优化求解方法。本发明方法即使在高温和拥堵情况下仍能缓解充储电站供电压力，并且计算效率得到大幅提升。

技术领域

本发明涉及充电站和储能电站的协调充放电技术领域，具体涉及一种充储电站供给侧分散式优化调度方法。

背景技术

预计在2030年全球电动汽车(electric vehicle,EV)数量将高达2.2亿辆。然而，大规模EV在时空双重维度上的随机并网和无序充电可能造成电力系统堵塞、负荷峰谷差增大、电网可靠性降低等问题。因此，考虑EV出行路径随机性建立科学合理的充放电负荷时空分布预测模型，并据此对充储电站供给侧提出有效的优化计算及决策方法，具有重要的理论价值和现实意义。综合来看，目前对EV时空分布的研究存在两个问题：一是对EV实际出行路径模拟、温度、交通路况等多个因素计量不够精确，二是EV时空分布主要应用于其充电负荷预测，鲜有文献考虑V2G行为对EV充电负荷的影响，并据此对充电站和储能电站的协调充放电提出相应优化调度方法。在未考虑EV时空分布的背景下，EV优化调度主要采用集中式控制方法。对EV充放电进行集中调度控制，在用户收益和供电侧负荷波动平抑方面取得显著效果。然而，随着EV规模不断扩大，集中式调度将会面临“维数灾”。为此，分散式优化控制方法被广泛应用。

发明内容

为了改进上述现有技术存在的不足，计及EV出行路径随机性，本发明提供一种充储电站供给侧分散式优化调度方法，可以在高温和拥堵情况下仍能缓解充储电站供电压力，并且计算效率得到大幅提升。

本发明采取的技术方案为：

一种充储电站供给侧分散式优化调度方法，首先，构建简单和复杂出行链，利用蒙特卡洛方法随机生成EV行程起讫点和出行开始时间；然后，采用马尔可夫决策理论模拟EV车主行驶路线，计及不同温度、不同道路等级交通实况对EV能耗的影响，计算EV到达各充储电站的时间、荷电状态(State of Charge,SOC)和停驻时长；最后基于分段变步长拉格朗日对偶松弛法对EV和站内储能电池(Battery Energy Storage,BES)的有序充放电进行协调优化调度，并对比分析充储电站在不同调度策略、不同出行路径、高温、拥堵情况下的负荷优化效果和计算效率。

一种充储电站供给侧分散式优化调度方法，包括以下步骤：

步骤1：将电动汽车EV按照出行需求的不同，构建出行目的单一出行链和多种类型的出行目的构成的混合出行链；

步骤2：利用马尔可夫决策过程理论，建立电动汽车EV出行空间模型，根据不同的交通情况和所处路段行驶速度，得出电动汽车EV各时刻的空间位置；

步骤3：考虑对电动汽车EV交通能耗关键的两个因素：行驶速度和实际温度，建立单位里程能耗模型；

步骤4：通过步骤3，得到电动汽车EV到达每个充储电站时剩余电量，通过判断其期望SOC值，确定是否充电和在充储电站停驻时间；

步骤5：在充储电站侧以充储电站每日收益为最大为目标函数，对其进行集中式优化；

步骤6：将原问题分解为多个子问题并进行求解，根据拉格朗日对偶松弛法原理，构造拉格朗日松弛函数，将传统的拉格朗日对偶松弛法(Lagrange Dual RelaxationMethod,LDRM)中的迭代步长因子进行分段处理，得到改进拉格朗日对偶松弛法(ImprovedLagrange Dual Relaxation Method,ILDRM)进行迭代求解，直到满足精度；